一种货物运输方法及系统技术方案

本发明专利技术公开一种货物运输方法及系统，应用于货物运输领域；解决的技术问题是货物运输数据处理，通过数据处理实现三阶段货物运输，在第一阶段运输中，对货物归属地信息进行分类，采用的分类方法为改进型C5.0决策树算法；在第二阶段运输中，通过图像传感器对货物图像信息的获取，处理器利用二维傅里叶变换对货物图像信息的处理，通过Elman人工神经网络算法实现调度监控，在第三阶段运输中，采用数据动态发布方法将所收到的运输数据信息远程在线动态地与用户终端获取货物运输数据信息。本发明专利技术大大提高了货物运输过程中数据处理能力。大提高了货物运输过程中数据处理能力。大提高了货物运输过程中数据处理能力。

【技术实现步骤摘要】
一种货物运输方法及系统


[0001]本专利技术涉及数据处理
，且更确切地涉及一种货物运输方法及系统。

技术介绍

[0002]随着网络信息技术的飞速发展，网络在人们生活中发挥着越来越重要的作用，随着网上购物的购物形式逐渐流行，货物运输逐步成为当今数据化、网络化、信息化、智能化发展的趋势，但在货物运输过程中总会发生货物丢失、货物破损和货物送达地点不准确的现象。如何将货物安全、准确和明确送达到目的地是一个亟待解决的问题。对货物数据信息的识别、大数据信息的处理对货物的监控具有重要的作用，保证货物运输途中不会异常丢失，需要将监测信息传输到用户移动端，使货物运输过程更加明确，对货物地址信息进行识别分类，使货物更准确运输到目的地。
[0003]在货物运输过程中，进行数据信息处理时，现有技术也进行了相关研究，比如专利号CN202010234032公开了一种货物运输及装置，这种货物运输方法采用协议文件形式采集订单数据，通过记录准确运输车辆和驾驶员信息保证货物安全运输，货物运输装置使用处理器处理货物运输中数据信息。但是这种运输方法不能避免货物丢失情况，数据分析和处理能力滞后，难以满足现有市场日益增长的货物运输的需求。

技术实现思路

[0004]针对上述技术的不足，本专利技术公开一种货物运输方法及系统，能够提高货物运输过程中的数据信息处理能力，大大提高了货物运输。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种货物运输方法，所述方法通过数据处理实现三阶段货物运输，其中第一阶段为发送地与省级单位之间的运输；第二阶段为省级单位与市级单位之间的运输；第三阶段为市级单位与用户目的地之间的传输；其特征在于：在第一阶段运输中，对货物归属地信息进行分类，采用的分类方法为改进型C5.0决策树算法，所述改进型C5.0决策树算法的方法为：步骤一、将输入的货物数据信息按照C5.0 决策树算法模型的规则进行编码；步骤二、针对输入的货物数据信息，将满足筛选条件的货物归属地信息归属到不同的货物归属地信息存储分区；步骤三、在货物归属地信息存储分区中，设置货物归属地信息的分类相似度；步骤四、在具有同一分类相似度的货物数据信息中，设置货物归属地信息的名称；在完成步骤一、步骤二、步骤三和步骤四之后，对货物归属地信息进行采集，采集的方法是通过 RFID射频识别方法对货物信息进行采集，通过OCR文字识别模型将货物上地址文字提取，将地址文字传输到计算机网络系统；之后通过数据处理分析对接收到的地址数据进行分析，根据数据库中的地址归属模型将地址数据分类到货物运输信息地址库中；
[0007]在第二阶段运输中，采用无线监控方法实现货物运输信息的监测，无线监控方法为：通过图像传感器对货物图像信息的获取，处理器利用二维傅里叶变换对货物图像信息的处理，通信端通过无线分组通信方式实现货物图像信息的发送，在发送货物图像信息时，
通过调度监控方法对传输过程中的数据信息进行监控，其中调度监控方法为Elman人工神经网络算法；
[0008]在第三阶段运输中，采用数据动态发布方法将所收到的运输数据信息远程在线动态地与用户终端获取货物运输数据信息。
[0009]作为本专利技术进一步的技术方案，按照C5.0决策树算法模型的规则进行编码方法为：将输入C5.0决策树算法模型的数据信息按照决策树或者规则集进行编码。
[0010]作为本专利技术进一步的技术方案，筛选货物归属地信息的方法为：在数据接收和发送之间通过矩阵方程表示，矩阵方程表示为：
[0011][0012]在公式(1)中，P(x
m
/y
n
)为接收到的货物运输数据信息集，x
m
表示运输货物的数据信息，y
n
表示货物运输过程中所容纳货物运输数据信息集，当满足∑P(x
i
/y
i
)＝1时，则将货物运输数据信息归为一类，当不满足时，货物运输数据信息不归为一类。
[0013]作为本专利技术进一步的技术方案，设置货物归属地信息的分类相似度时，通过将决策树转为二叉树结构的方法实现，方法为构建二叉树结构决策树对比属性，构建Sim
n
计算函数，其中Sim
n
计算函数为：
[0014][0015]在公式(2)中，针对于数值型元素进行的元素相似度Sim
n
计算公式如式2 所示；
[0016][0017]在公式(3)中，k1和k2为相似度系数数值，Sim
n
表示为竖向判别式为上下限， t表示为筛选货物数据信息的最大相似度；计算每个货物数据信息元素的相似度平均值，则决策树子方案的相似度函数为：
[0018][0019]通过计算子方案的相似度则计算出两个决策树的相似对方程如式(4)所示，
[0020][0021]建立任意两个决策树的相似度如式(5)所示。
[0022][0023]在公式(6)中，矩阵中Sim
m,n
表示第n与m个决策树的相似度。
[0024]作为本专利技术进一步的技术方案，Elman人工神经网络算法的工作方法为：
[0025]步骤(一)、将货物名称、批号、运输时间、出厂时间、货物分类名称和货物运输方式输入到Elman人工神经网络算法；
[0026]步骤(二)、将输入的数据信息通过映射的方式映射到Elman人工神经网络，其中映射函数表示为：
[0027][0028]式(7)中，P
i
表示映射函数，X表示Elman人工神经网络算法输入层的数据， X
i
表示第i个输入Elman人工神经网络所对应神经元的训练样本，σ表示Elman 人工神经网络径向基函数的平滑参数，T表示监控的时间；
[0029]根据X和X
i
通过欧式距离求平方积D为：
[0030]D2＝(X
‑
X
i
)
T
(X
‑
X
i
)
ꢀꢀ
(8)
[0031]在公式(8)中，其中D表示欧式距离求平方积；将Elman人工神经网络模式层输出的所有神经元相加求和得到S
D
：
[0032][0033]式(9)中，S
D
表示Elman人工神经网络模式层输出参数，K表示Elman人工神经网络中所有有效神经元的有效系数，y
ij
表示第i个货物运输数据信息调度操作数据样本集中第j个元素；Y
k
的维数k与Elman人工神经网络模式层中的神经元数量相同，n表示计算次数；
[0034]步骤(三)，当S
D
的输出值大于设置阈值时，则发出货物运输信息调度命令，当S
D
的输出值不大于设置阈值时，则不发出货物运输信息调度命令。
[0035]作为本专利技术进一步的技术方案，数据动态发布方法通过以下函数表示：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种货物运输方法，所述方法通过数据处理实现三阶段货物运输，其中第一阶段为发送地与省级单位之间的运输；第二阶段为省级单位与市级单位之间的运输；第三阶段为市级单位与用户目的地之间的传输；其特征在于：在第一阶段运输中，对货物归属地信息进行分类，采用的分类方法为改进型C5.0决策树算法，所述改进型C5.0决策树算法的方法为：步骤一、将输入的货物数据信息按照C5.0决策树算法模型的规则进行编码；步骤二、针对输入的货物数据信息，将满足筛选条件的货物归属地信息归属到不同的货物归属地信息存储分区；步骤三、在货物归属地信息存储分区中，设置货物归属地信息的分类相似度；步骤四、在具有同一分类相似度的货物数据信息中，设置货物归属地信息的名称；在完成步骤一、步骤二、步骤三和步骤四之后，对货物归属地信息进行采集，采集的方法是通过RFID射频识别方法对货物信息进行采集，通过OCR文字识别模型将货物上地址文字提取，将地址文字传输到计算机网络系统；之后通过数据处理分析对接收到的地址数据进行分析，根据数据库中的地址归属模型将地址数据分类到货物运输信息地址库中；在第二阶段运输中，采用无线监控方法实现货物运输信息的监测，无线监控方法为：通过图像传感器对货物图像信息的获取，处理器利用二维傅里叶变换对货物图像信息的处理，通信端通过无线分组通信方式实现货物图像信息的发送，在发送货物图像信息时，通过调度监控方法对传输过程中的数据信息进行监控，其中调度监控方法为Elman人工神经网络算法；在第三阶段运输中，采用数据动态发布方法将所收到的运输数据信息远程在线动态地与用户终端获取货物运输数据信息。2.根据权利要求1所述的一种货物运输方法，其特征在于：按照C5.0决策树算法模型的规则进行编码方法为：将输入C5.0决策树算法模型的数据信息按照决策树或者规则集进行编码。3.根据权利要求1所述的一种货物运输方法，其特征在于：筛选货物归属地信息的方法为：在数据接收和发送之间通过矩阵方程表示，矩阵方程表示为：在公式(1)中，P(x
m
/y
n
)为接收到的货物运输数据信息集，x
m
表示运输货物的数据信息，y
n
表示货物运输过程中所容纳货物运输数据信息集，当满足∑P(x
i
/y
i
)＝1时，则将货物运输数据信息归为一类，当不满足时，货物运输数据信息不归为一类。4.根据权利要求1所述的一种货物运输方法，其特征在于：设置货物归属地信息的分类相似度时，通过将决策树转为二叉树结构的方法实现，方法为构建二叉树结构决策树对比属性，构建Sim
n
计算函数，其中Sim
n
计算函数为：在公式(2)中，针对于数值型元素进行的元素相似度Sim
n
计算公式如式2所示；
在公式(3)中，k1和k2为相似度系数数值，Sim
n
表示为竖向判别式为上下限，t表示为筛选货物数据信息的最大相似度；计算每个货物数据信息元素的相似度平均值，则决策树子方案的相似度函数为：通过计算子方案的相似度则计算出两个决策树的相似对方程如式(4)所示，建立任意两个决策树的相似度如式(5)所示。在公式(6)中，矩阵中Sim
m,n
表示第n与m个决策树的相似度。5.根据权利要求1所述的一种货物运输方法，其特征在于：Elman人工神经网络算法的工作方法为：步骤(一)、将货物名称、批号、运输时间、出厂时间、货物分类名称和货物运输方式输入到Elman人工神经网络算法；步骤(二)、将输入的数据信息通过映射的方式映射到Elman人工神经网络，其中映射函数表示为：式(7)中，P
i
表示映射函数，X表示Elman人工神经网络算法输入层的数据，X
i
表示第i个输入Elman人工神经网络所对应神经元的训练样本，σ表示Elman人工神经网络径向基函数的平滑参数，T表示监控的时间；根据X和X
i
通过欧式距离求平方积D为：D2＝(X
‑

【专利技术属性】
技术研发人员：杨敬晖，林杰东，
申请(专利权)人：广州和联慧通互联网科技有限公司，
类型：发明
国别省市：