文摘
为了解决高消耗成本的问题,跨境物流运输和配送周期长、无线射频识别技术的控制优化设计方法在快递物流配送系统提出了物联网。方法的细节RFID定位技术,激光测距技术,RFID和激光核聚变定位可行性分析,和移动目标状态估计。实验结果表明,相移时阈值φ和天线的夹角是90°,误差可以减少到0.36 m,识别率可以增加到94.8%。仿真结果表明,在满足客户的期望的前提下的及时性、实际的物流配送成本明显低于预期客户的物流配送成本,验证该方法的有效性。
1。介绍
各级政府公布了正在进行的政策推动跨境电子商务,包括家庭的第一个优势企业在国外市场,跨境电子商务业务在我国发展迅速,并通过电子商务物流是为改善是开放创造了前所未有的机遇。跨境电子商务物流的发展随着跨境电子商务的出现为运输和物流服务的两个或两个以上的国家和地区1]。与国内物流相比,最大的特点是国际性的,在整个物流过程中,它可能会影响到多个国家的政策,和不确定性变得更大。在多个国家商品流通过程中,由于语言的差异,习俗,行为习惯,等等,整个物流过程需要经过一系列的治疗,使物流过程更加繁琐,错误的可能性较高,甚至严重影响客户,实验性的电子商务购物。
的蓬勃发展,我国的外交事务中,对外经济交往越来越密切,和国内企业也与越来越多的国家进行对外贸易业务。的发展道路和公路倡议,以家庭为基础的企业越来越沿着道路和公路项目,结合国家和许多公司已经开始尝试开发跨境电子商务与中东和中国其他地区。然而,这些新兴市场的基础设施通常非常完美,和物流线路还在规划阶段,跨境电子商务物流模型,可以使用非常简单的和昂贵的,这限制了跨境电子商务的快速发展2]。相比,送货上门,跨境电子商务物流越来越复杂,和整个物流过程包括语言,文化,和技术输入从各种来源。目前,我国政策支持跨境电子商务物流并不完美,还有很多问题,如建筑、运输成本和及时交货。
跨境电子商务物流是防止跨境电子商务成功发展的关键。政府机构和公司跨境电子商务物流必须共同努力,改善基础设施,提高跨境e-industry物流业务。跨境电子商务物流系统也应该改善,为跨境电子商务提供更好的物流服务。
2。文献综述
跨境电子商务物流包括包装、运输、清关、仓储、分销和其他连接,整个物流过程比较复杂。送货上门,通关的货物也会影响成本,物流成本是低于国内物流。跨境电子商务、国际运输和送货上门的速度快,但是运费很高,甚至超过一半的产品成本,通常影响产品国际贸易的竞争力。如果国际航运成本低和其他运输方法,交货时间会太长,成本将会很高,会影响客户,显然不是适用于一些产品,客户急需。高成本的运输和处理跨境电子商务相关的高成本返回从客户,一旦客户返回,返回物流的成本将会很高,所以这部分的成本也要平均到跨境电子商务物流的配送成本,从而增加跨境电子商务物流的成本。
针对上述问题,作者提出了一种基于射频识别的方法和遥感技术在跨境电子商务物流和配送(3]。方法主要是:(1)RFID系统不断收集阶段标签反射回来的信息根据给定的频率,处理阶段,和估计基于RFID相位差的径向速度,同时,激光测距传感器不断发出扫描激光显示被测环境设置频率,每一帧的激光可以表示环境状况的那一刻,集群离散激光点,并根据相邻时刻,集群信息估计每个对象的径向速度环境中基于激光聚类(4]。(2)多个移动目标识别和定位在一个简单的室内环境:径向速度相似性计算每个窗口使用时间滑动窗口算法根据相似度变化。类似的组织通常是结合标签来确定目标的位置,标签的ID是目标识别,同时,中心坐标的集群目标的位置估计。(3)识别和定位多个移动目标在复杂的环境中:当识别和定位多个移动目标的环境中与多个障碍,有目标和目标之间的差距和目标之间的障碍,频繁发生阻塞的问题,如果只是基于滑动时间窗口的相似匹配算法,该算法无法区分障碍物和目标,因此,作者提出了一个移动目标轨迹基于改进粒子滤波的估计方法来估计每个移动目标的轨迹,而不是简单地采取集群中心的估计位置的目标,每个目标的径向速度进一步估计,然后与径向速度估计的RFID系统(5]。
3所示。方法
3.1。射频识别定位技术
射频识别系统有两个主要组件,读者(或称为应答器)和一个标签(或称为应答器)。RFID与条形码技术相比,最大的优势是,卡不需要在读者的视线。目前,射频识别技术广泛应用于产品管理等领域,库存的研究和监测。例如,RFID标签可以被放置在一辆汽车和系统可以提高和降低进出车库时不必把车停在车库里(6]。
特别是远程无源超高频(UHF)射频识别技术可以检测长于阅读的材料(例如,10米),而不需要额外的限制。这些廉价的标记可以与成品和配件来提高商品在商店、购物中心和图书馆。在这种情况下,RFID便携式设备可以识别远程设备,避免人工计数的过程设备,防止数据输入错误。移动机器人的使用可以进一步降低运营成本。如果self-localization的移动机器人可以解决这个问题,可以确定字符的位置。此外,每个RFID卡有一个ID识别代码,解决了本地机器人身份的问题,使射频识别技术中重要的机器人(7]。
3.1.1。射频识别系统组成
根据是否使用电源,射频识别标签可以进一步分为被动和主动标签。主动标签主要用于追踪贵重物品和监控环境,而被动标签常用于盘点资产读者使用移动或静止的读者在环境中。实验场景模拟的作者是使用现有的RFID芯片对人们识别和定位,在日常生活中,大多数人使用被动标签,因为它是更小,更便宜,我们喜欢被动RFID标签。
有几个因素影响无源超高频RIFD阅读和写作:天线传输,读写频率和环境干扰。卡片阅读指定频率如表所示1。比较被动RFID技术记录。低或高联系是基于磁感应或密切接触。低频在低频波段(例如,134 kHz),因此只有一个较短的阅读范围。然而,低波段标签不是对环境的干扰非常敏感,所以他们可以发挥更大的作用,如在环境与水或金属物体(8]。因此,这些标签可以放在身体进行识别和定位,也可以有效地用于工厂库存商品的数据收集。
高频标签通常运行在13.56 MHz,比低频标签有一个广泛的阅读范围,对干扰环境中更敏感。高频标签通常用于支付、机场行李跟踪、票务、资产跟踪。低频和高频标签有问题短阅读,作为读者的磁场降解速度随着读者的收益增加,和形式应该接近读者的。短阅读是有用的安全应用,如车辆钥匙和人事记录,防止数据盗窃限制物理传输,但不适合应用程序与低频率和标记高于1米。此外,低频和高频标签需要感应天线和多线线圈,从而增加设备和制造成本。
超高频射频识别标签有一个长阅读范围(10米)和更昂贵的比低波段或高波段标记。它的能量来自捕获的信号(9]。此外,标签在UHF波段有较高的数据传输速率比低,高频标签。这些特性使它适合各种业务应用程序,如非接触支付,库存管理、访问控制、或货物跟踪。然而,尽管它的许多优点,其缺点也很明显。超高频射频识别标签的性能迅速降低接近金属时,水,或障碍物。此外,超高频RFID标签的操作频率取决于当地的规定和限制。例如,欧洲的工作频率是865 - 868兆赫,和操作频率在美国通常是902 - 928 MHz。作者主要研究远程无源超高频射频识别基于EPC C1G2标准。
3.1.2。远程无源射频识别
通常,超高频RFID使用无线电波传输能量和交流。与归纳近距离无线射频识别、远程无源超高频射频识别(也称为远场RFID)是基于后向散射调制(10]。
更准确地说,RFID天线传播的电磁场产生的读者,由于信号在自由传播逐渐衰减,只有少量的能量达到标签的天线。信号的主要能量吸收的电能收到基双稳态:一部分能量被用来标记内的电路;其余的反映。完整的数据(本身)是由换能器编码作为全背散射信号,和读者的目的是捕获和解决这个问题。除了自我认同,新一代的RFID阅读器提供了信号强度,这是通过标记传播的能量。例如,一些读者提供一个强烈的信号在dBm(比如Impinj高速公路的读者),虽然有些卡的读者提供一个微弱信号(如ThingMagic Mercury5e读者)。
被动标签必须依靠读者的电磁辐射的来源。弗瑞所表达的平方反比定律方程,在公式(1),产生的能量很小(象征11]。为了完成超高频RFID被动识别,必须满足两个条件:一是文档必须接受充分的权力从读者打开内部电子,另一个是,读者应该了解到从本文得到的答案。
3.2。激光测距技术
激光测距传感器测量精度高的优点(通常是厘米级),扫描频率高,和丰富的数据点。它可以大致分为2 d和3 d激光测距仪(12]。后者是相对更加昂贵和笨重。此外,由于大量的点云获取设备,计算速度相对较慢,很少使用的应用程序场景,需要确保实时性能。领域的定位,最广泛使用的是二维激光测距传感器。传感器有一个内置的可旋转的光学设备,在使用过程中不断发出一束激光离散点快速扫描环境,它可以有效地用于目标定位和地图建设等各个方面。
3.2.1之上。激光测距数据分析
二维激光测距仪可以按照预设的频率,两人不断在其固有的平面扫描角分辨率(13]。每个扫描触发一个离散的激光点到环境中。每个离散激光点可以获得距离和角度值与测距仪极坐标系统的原点。每个扫描测量的结果可以表示为公式(2):
从上面的公式结果转换为全局笛卡尔坐标系统,表示为公式(3):
中, ,N是扫描点的数量。为病人S300 2 d作者所使用的激光传感器,N= 1081和角分辨率为0.5°。
假设传感器发出一束激光离散点在某一时刻,k点发出的障碍米,并返回的距离这一点=dk的坐标,然后障碍米在极坐标系统可以表示为公式(4)和(5):
3.3。RFID和激光核聚变定位的可行性分析
RFID具有快速和准确识别、低价格,无触点,非常适合室内移动目标识别没有侵犯个人隐私,然而,RFID难以准确定位目标,但目标的位置可以被测量信号强度,估计阶段,和其他信息的标签,前者需要模型信号强度模型,而后者因为相位周期性变化,因此,有一个周期性的模棱两可的问题,进而导致定位精度较低。激光传感器可以发出一束激光和捕获回响反映在周围的环境中,每个激光点的距离和角度信息到达障碍物环境中可以准确地阅读,和目标的位置坐标转换后可以获得。然而,为了使用激光传感器来识别目标,我们必须首先使用激光数据提取物体的表面轮廓,一方面,该算法相对复杂,另一方面,如果它是与外表相似,两个目标识别率往往更低。鉴于上述情况,作者用传感器数据融合技术RFID和激光数据融合实现互补的两个传感器,RFID弥补激光识别目标的难度,和激光传感器提高RFID定位精度低的缺点14]。
有一个或多个动态目标在实验现场,和激光传感器和射频识别安装在相同的机器人(也就是说,它们都是在原点坐标系统的全局坐标系统)。目标将不断在实验区域,所以会有一定的位移在临近的时刻,因此,通过收集目标相对于机器人的径向位移在相邻时刻,射频识别系统和激光系统可以用来估计移动目标的径向速度(15]。从理论上讲,如果两个传感器探测同一目标,目标的径向速度估计相似性应该是最高的,因此,作者用设计算法,不断与径向速度估计的两种类型的传感器来实现数据融合,最后,移动目标的识别和定位可以实现在室内环境中,一个单一的动态目标识别和定位系统如图1。
作者要表达的固定大小的时间序列,并根据“滑动窗口”的概念系列幻灯片在整个实验期间,和使用的信息收集的射频识别系统和激光系统,分别移动目标的径向速度相对于机器人估计,和径向速度相匹配的相似性在每一个“窗口”,通过相似性匹配算法实现传感器数据融合。此外,由于复杂环境(如多个障碍或多个移动目标)的存在,可能会有频繁的和长期目标之间的遮挡和障碍,和之间的目标。粒子滤波广泛应用领域的目标定位、跟踪和机器人导航由于其非高斯、非线性的优势(16]。作者提出了一种改进的粒子滤波算法来估计每个移动目标的轨迹,而不是以集群的中心位置为目标的位置估计。
3.4。移动目标估计状态
由于传感器的局限性或环境的影响,传感器的测量数据通常是吵闹,严重影响目标状态估计的准确性(17]。本节描述了三种常用的目标状态估计方法。我们详细描述过滤器收到作者因为它的受欢迎程度,机器人的性能和可用性。
3.4.1。卡尔曼滤波
卡尔曼滤波器(KF)解决问题的递归估计线性动力系统的状态与正态分布。卡尔曼滤波器是一个最简单的贝叶斯框架的应用程序。它取得了优异的性能在各种应用程序中,尤其是在控制,菲尔丁和低功率车辆的转向。卡尔曼滤波是基于假设所有错误和测量总是分布(18]。更准确地说,正常的部门是由多元高斯协方差。卡尔曼滤波器的缺点是,平衡是基于不同的线性曲线,也就是说,可变状态和标准的值必须是线性的。在实践中,系统可能非常复杂和无缝,这限制了卡尔曼滤波器的使用。为了解决上述问题,科学家们应用卡尔曼滤波器和无味卡尔曼滤波(UKF)部分。然而,卡尔曼滤波器表现尤其糟糕状态变化和诊断标准并不是线性的。为了解决这个问题,UKF使用决策模型选择一个最小样本的术语来表示分布式状态(例如,和比较)19]。与EKF、UKF扩大国家分布后的三阶泰勒级数相同的计算机复杂性作为卡尔曼滤波器。虽然上述两种方法可以处理非线性情况,他们只能有效地应用于应用程序的后验概率可以近似为高斯分布。这个缺点可以解决非高斯滤波器。
3.4.2。直方图滤波
直方图过滤器,称为基于网络的马尔可夫方法,国家中心分解成细粒度,基于网络的区域20.]。在这种情况下,未来的结果是由一个柱状图表示。该方法广泛应用于机器人定位。用宗教表情像下面的卡尔曼滤波器,高斯过滤器直方图保留每个状态的影响。这个表达式可以表示复杂、任意非高斯,和多元分布。这个过程更准确,如果分散状态是非常高的。缺点是我们需要存储大量的电线,这需要一个高端内存。此外,修改整个输电线路的状态被认为是昂贵的。因此,这种方法不适合许多真实的应用程序中。为了克服这个问题,一些科学家们认为选择一个更新,只有修改细胞和树的表示形式,从而改变网络的速度。
3.4.3。粒子滤波
粒子滤波(PF),也称为序列蒙特卡罗(SMC)方法,使用有限数量的随机粒子或样本代表一个概率密度函数21]。简单来说,粒子滤波是均匀分布N在状态空间粒子;然后粒子状态在当前时刻的状态数据预测粒子前一刻,也称预测阶段;在更新阶段,预测结果修正根据最新的观测传感器返回的数据,并重新评估粒子的重量。重采样过程中,较重的物品是被重物所取代。最近的例子是通常的概率。准确地说,粒子的概率是与体重成正比。这一步后,粒子总重量设置为1 /N。它执行中粒子的位置区域高概率,从而集中地区高利息(22]。
正如上面提到的,粒子滤波的核心是使用随机抽样粒子近似目标的运动状态。理论上来说,随着粒子数的增加,粒子的状态更接近于真实状态。尽管有大量的粒子滤波算法计算,计算机硬件的不断升级,已经能够满足粒子滤波的计算要求,及其鲁棒性强,所以它更实用。
4所示。结果与讨论
由于RFID天线的检测范围有限,天线的数量和天线之间的跨度角将产生更大的影响实验结果23,24]。本节讨论的数量的影响天线和天线之间的跨度角实验结果。左侧设置天线天线,天线,双天线。包括天线之间的角度设置为45°、90°、135°,结果如表所示2。
从表可以看出2,由于单个天线的覆盖范围有限,无论你选择左边的天线或天线,定位精度差,当使用双天线,由于更大的覆盖范围,天线角为90°时,误差可以减少至0.36,识别率可以提高到94.8%。此外,可以看出,最优配置天线角为90°。射频识别阶段,是否可以设置一个适当的阈值算法是否能消除的关键π阶段跳问题[25]。
从表可以看出3,数据2和3,当φ太小了(比如φ= 10°),该算法消除了正常相位信息作为“跳”异常相位值。结果,径向速度估计基于RFID的相位差相邻时间标记是倾斜,识别率仅为81.7%,定位误差是0.98米。另一方面,如果φ太大(如φ= 180°),该算法不能有效消除异常值,“跳”,定位误差也高达0.83米,和识别率仅为77.3%。
5。结论
作者提出了一种基于射频识别的方法和遥感技术在跨境电子商务物流配送的优化。方法的具体内容:(1)射频识别定位技术。射频识别系统有两个主要组件,读者(或称为应答器)和一个标签(或称为应答器)。与条形码技术相比,标签的RFID的最大优点是不需要放置在读者的视线。(2)激光测距技术。激光测距传感器测量精度高的优点(通常是厘米级),扫描频率高,和丰富的数据点。它可以大致分为2 d和3 d激光测距仪。后者是相对更加昂贵和笨重。此外,由于大量的点云获取设备,计算速度相对较慢,很少使用的应用程序场景,需要确保实时性能。(3)可行性分析RFID和激光聚变的定位。 Due to its advantages of fast and accurate identification, low price and noncontact, RFID is very suitable for identifying indoor moving targets without violating personal privacy, however, RFID is difficult to accurately locate the target, although the position of the target can be estimated by measuring the signal strength, phase, and other information of the tag, the former needs to model the signal strength model, and the latter because the phase changes periodically, therefore, there is a problem of periodic ambiguity, which in turn leads to low positioning accuracy. Through the influence of the experimental antenna settings on the experimental results and the influence of the phase offset thresholdφ实验结果,得出对跨境电子商务物流基础设施具有良好的影响,物流成本和交付及时性。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。