冷链物流智能监控的设计与实现及路径优化

曾 胜，戴贤君，倪天伟，胡徐胜，滕官宏伟

（1.皖江工学院 电气工程学院，马鞍山243000；2.中国计量大学 生命科学学院，杭州310018；3.中国人民解放军陆军装备部，株洲412000）

我国具有地域广阔和人口众多等特点，同时全国又具有人口和资源分布不均衡的主要特性。随着城镇生活水平的逐渐提高和对消费产品观念的逐渐转变，人们越来越注重绿色健康的生活节奏方式，广大民众对于绿色生鲜产品消费的需求也越来越大。为了保证各种绿色生鲜产品从各处被收购之后，在其运输、贮藏、分销等各个环节都能无损耗无污染的维持原有品质，这要求在以上过程中生鲜产品能全程低温保存，为满足该要求冷链物流应运而生。

国外在追踪冷链物流运输过程中的食品、药品时一般都会根据GPS 信息追溯车辆具体信息，从而能够实现对冷链产品在运输中的全程监控与追溯[1-2]。1989年，新加坡引用文献[3]对冷藏集装箱温度监控系统设计与实现进行了研究，使用同步调制解调的无线通信技术解决了有线通信模式安装施工负责的问题，但是该系统具有维护复杂、数据传输慢、体积较大、不适用于空间有限集装箱内使用的缺陷；2004年，针对有线设备在冷藏车中存在布线困难的问题，文献[4]将智能无线传感器网络、蓝牙等信息无线通信技术应用于车厢内环境检测系统中，并对这些技术的应用进行了探索性研究；2006年和2009年，文献[5-6]将射频等无线通信技术应用到易腐食品运输过程中来记录空间温度信息、成熟程度等数据；2007年，文献[7]对当时冷链运输过程中产品质量保持方法进行了综述，重点介绍了多路数字通信技术和无线传感器网络；2008年，文献[8]探讨了无线传感器技术在水果储运状况监测中的应用潜力，特别介绍了ZigBee 技术以及两个不同的商业模块（XBOW 和XBEE）；2009年，文献[9]提出了一种新的无线传感器网络（WSN）并对其冷链监测方案进行解决。该解决方案基于自组织协议，旨在节省能源，以延长传感器寿命。此外，此解决方案不需要任何基站或中央设备。为了节约能源他们在协议设计中采用了周期性的活动/睡眠时间表，并通过本文描述的分析模型对其进行了尺寸标注和验证；文献[10]研发了一款用于实时跟踪和冷链监测的射频识别智能标签。该智能标签集成了光、温湿度传感器、微控制设备、低功耗电子设备和用于RFID 通信的天线等设备。智能标签附在待跟踪产品上，采集到的传感器数据与可追溯性数据一起存储在存储器中，该RFID 智能标签被用在洲际鲜鱼物流链系统上，应用结果显示该系统在如内存更多、可适用性强、无需人工参与、无需读取标签可见性、同时读取多个标签的可能性等方面具有优势，同时还具有更耐潮湿和环境条件的特点。

1 系统工作架构

系统主要由冷链物流车车厢数据采集模块、数据无线传输模块、中心管理平台、远程监控模块以及安卓手机客户端等模块组成，系统的工作架构如图1 所示。

图1 系统工作架构示意图Fig.1 Schematic diagram of system working architecture

本文的设计主要由手机APP 端与Web 端网页组成，Web 网页的通信模块主要由LORA 模块与GPRS 模块组成，而APP 端主要由GPRS 模块或Wifi 模块进行通信。

1.1 系统整体方案设计

根据图1 所示的工作架构和系统所要实现的功能，将该系统分为控制单元、数据采集和调节单元、数据传输单元、数据管理单元。

（1）控制单元是整个系统的核心，一方面控制车厢内环境数据采集和调节、物品类别等相关信息的获取以及调节车厢内环境参数；另一方面通过LoRa 模块、GPRS 模块和Wifi 模块实现与客户端的数据通信，以供中心管理平台处的用户通过电脑或手机APP 查看、下载、上传运输物品信息，并向中心管理平台传输车辆位置、状态、方向、车厢环境参数等信息。

（2）数据采集和调节单元由数据采集模块和数据调节模块组成。其中数据采集模块包括温湿度传感器、空气质量传感器、驾驶室摄像机、车厢摄像机、云镜、GPS 模块和RFID 单元；数据调节模块主要接收用户发送来的门控开关和喷水装置控制信号，调节冷链车厢内环境参数。

（3）数据传输单元包括LoRa 无线模块、Wifi 无线模块和GPRS 无线模块。LoRa 无线模块把采集到车厢环境数据及时的发送到冷链物流监控平台以供客户端使用；客户端和桌面控制台通过局域网查看数据和发送控制信号；物流公司和其他监管单位可以通过GPRS 模块查看数据； 手机客户端可以通过Wifi 或者GPRS 模块来查看手机APP 数据。

（4）管理单元主要是指网页PC 客户端和手机APP 端。监控人员可以通过网页PC 客户端和手机APP 实现对冷链物流车数据的实时查看，并对冷链物流车环境进行监控。如果车内传感器发生报警，其手机APP 监控端会启动喷水装置，PC 端门碰开关主要功能是检查车门是否关门。系统单元如图2所示。

图2 系统各单元结构示意图Fig.2 Schematic diagram of each unit structure of system

1.2 冷链物流监控平台设计

1.2.1 监控平台功能

本冷链物流车监控平台设计主要实现以下功能：

（1）冷链物流监控中心可以对不同的人授予登录权限，当登录系统时，管理者可以对冷链物流车进行编辑与删除，而用户系统只能查看车辆状况和运行系统是否处于安全状态，并不能删除和编辑里面的冷链物流车型号。

（2）监控中心必须能够实时对车辆的调度信息、温湿度传感器信息、烟雾报警器信息、GPS 行驶记录、设备编号等相关信息进行记录和查询。

（3）冷链物流监控中心还必须对系统实时报警进行处理，能够对报警时间、设备状态等进行记录。

1.2.2 监控平台需求分析

根据监控平台的功能和系统总体设计架构，通过系统分析可得到系统具有的模块包括车辆系统登录模块、实时监控模块、系统管理模块、调度管理模块、地图显示模块、车辆查询与数据报表等几大模块的设计。该冷链监控平台中以上模块包括的需求分析示意图如图3 所示。

图3 监控平台需求分析示意图Fig.3 Schematic diagram of monitoring platform demand analysis

（1）系统首页：主要是用户用于输入账号和用户登陆密码。

（2）系统管理：主要处理用户组管理和用户管理模式，主要解决系统的管理混乱问题。

（3）调度管理：主要对车辆调度信息的管理、司机调度的管理、车队系统的调度管理。

（4）地图管理：主要是能够查询车辆行驶的轨迹。

（5）车辆查询：主要是查询冷链物流车辆的操作状况与登陆状况。

（6）报表信息：主要查询行车记录、车辆报警状况。

（7）历史数据测试：主要采集历史硬件模块里面的数据、GPS 定位数据、报警数据进行分析研究。

该监控平台监控部分主要由系统首页、系统管理、调度管理等部分模块组成。

1.2.3 PC 网页端设计

本文采用Microsoft Visio Studio 2015 编译环境进行程序编译，以罗伊·菲尔丁提出的REST（representational state transfer） 标准方法来创建HTTP API。REST API 可以将常用查看、创建、编辑、添加和删除行为直接映射到HTTP 中已实现的GET，POST，PUT 和DELETE 方法； 另外利用REST API编写符合标准的TCP 协议的JSON 格式输出。使用JavaScript 下能兼顾开发、测试、联调、运行效率的EasyRest 三层框架来进行开发，系统部分登录模块如图4 所示。

图4 系统部分登录模块Fig.4 Login module of part of system

本系统的APP 客户端是在Android 系统下进行程序编译。与IOS 和Windows phone 相比，Android 的开源性不受到运营商的束缚，且可选择的硬件较多。本系统基于Android 的系统特点和activity，intent，content，provider，service 这4 个基础开发组件对手机APP 进行了开发，实现了手机对传感终端后台的信息交换，可以在手机APP 监控后台查看冷链物流信息。

手机端应用开发使用的是Eclipse 工具。Eclipse是JAVA 应用程序的开发工具的平台，对于开发的源码是公开的，而Eclipse 为开发者提供开发者的服务需求，开发者可以根据自己的需求来扩展集成的环境且简单方便，因此选取Eclipse 为本次APP 应用的开发平台。

1.2.4 系统注册

手机APP 系统首页登陆页面如图5 所示。

图5 手机APP 登录平台Fig.5 Login platform of mobile APP

1.2.5 APP 温湿度、烟雾的检测

图6 主要是通过手机APP 记录车厢里的温湿度、烟雾参数、喷水装置等参数。

图6 手机登陆查看温湿度、烟雾参数、喷水装置系统Fig.6 Login and check the temperature and humidity，smoke parameters and sprinkler system

2 冷链监控平台的系统测试

主要测试该冷链物流系统的历史速度、温度、湿度等，从传感器模块采集相关数据传输到服务端后台，用户通过查看系统的历史速度以防止车辆过快导致产生事故，而查看历史的温湿度防止车厢里温度、湿度过高而导致生鲜产品变质。当传感器采集来的数据异常时，系统会给出报警信息。对PC 端网页与APP 端的历史数据进行测试与分析。

2.1 PC 端监控平台测试

每辆车的历史参数数据都记录在数据库中，如Excel 表统计，可以查询系统中每辆车的历史速度、温度和湿度曲线图，其示意图如图7 所示。

图7 历史数据统计Fig.7 Historical data statistics

如图8 和图9 所示，根据PC 端网页用户可以看到由DHT11 温湿度传感器采集来的温湿度数据。这两种数据的监测主要是能够监测车厢内历史温湿度，能够实时的了解车辆的具体信息，防止在运输过程中因温湿度过高，没有及时地处理紧急情况，导致产品变质。

图8 车辆行驶位置Fig.8 Vehicle driving position

图9 报警参数测试Fig.9 Alarm parameter test

由图7 可知，是在报警状态下对系统进行的测试，该测试结果表明温度过高时会给出报警提示，该测试结果显示该硬件装置系统性能良好。

图8 记录了车辆行驶路径，根据图中的位置曲线，用户可以查看过去车辆行驶的经度、纬度。

图9 主要是针对冷链物流车辆在测试过程中一些报警参数，通过测试表明系统的报警装置系统灵敏，防止在遇到紧急状况下硬件装置失灵导致运输的物品发生变质。此外该报警参数说明在温湿度超过一定范围时，此时的冷链物流报警系统会产生报警，此时监控需对冷链物流的车辆进行报警处置，防止出现食品、药品发生变质。

2.2 APP 手机测试

分别利用Wifi 通信或GPRS 通信模块来对所设计的手机APP 进行测试，如图10 所示。

图10 空气质量传感器测试数据Fig.10 Air quality sensor test data

图10 为利用手机APP 来查看冷链物流车的温度历史数据示意图；通过手机APP 查看到冷链物流车车厢内的湿度历史数据示意图；显示了通过手机APP 查看到的冷链物流车车厢内空气质量参数示意图，包括温度与湿度、空气质量参数。

通过空气质量测试数据表明，其物流车辆内的空气质量参数随着时间变化而变化。

3 路径优化

在自然界中，车辆行驶过程中寻找出最优路径就像蚂蚁爬行的过程，例如，蚂蚁在寻食过程中爬行到巢穴形成一条路径，但是此路径有很多条路径选择，蚂蚁在爬行过程中根据自身辨别出最优路径，其生物学根本原理为当蚂蚁在爬行过程中所释放的一种信息素物质，但随着时间的推移，此信息素会逐渐的挥发，此条路径爬行的概率与其信息素浓度成正比例，对于后来的蚂蚁在爬行过程中追随此蚂蚁爬行，使得这条路径的信息素浓度越来越高。

在蚂蚁爬行寻食阶段，环境中并无信息素，所以蚂蚁在选择哪条路径是随机的，之后蚂蚁选择的路线受到此前蚂蚁释放的信息素浓度的影响，根据环境的自适应变化，寻找出此时的最优路径。通过蚂蚁爬行的单位距离留下的信息素浓度推断出是否此路径为最优路径，巢穴到食物点的具体路径如图11 所示。

图11 蚂蚁爬行路径Fig.11 Crawling path of ants

3.1 蚁群算法模型的建立

在地图中蚂蚁爬行有n 条路径从A 地到达B地，但是要根据车辆行驶的实际状况来分析其实际最短距离。假设某个城市的坐标为i，则：

城市之间的距离为

每个蚂蚁爬行是一张禁忌表，可以记录冷链物流车辆行驶过的具体城市，表中第1 个位置也是蚂蚁爬行过程中的初始位置，在冷链物流运输过程中把所有的城市放到禁忌表中的时候，即蚂蚁的爬行的点为车辆行驶过的所有城市，即蚂蚁完成一次寻食过程，假设τij（t）为蚂蚁爬行过程中i 城市到j 城市释放的信息素浓度，初始信息素τij（0）=c（常数），假设（t，t+n）表示蚂蚁在完成一次巡回过程；（t+n）时刻表示其i 城市到j 城市所释放的信息素浓度，其公式为

式中：ρ 表示（t，t+n）之间信息挥发系数；则（1-ρ）表示信息素浓度，ρ∈（0，1）；Δτij表示在i 与j 之间所释放的信息素浓度增加量为：

式中：Q 是正常参数；Lk是蚂蚁的行驶路径。蚂蚁爬行的仿真过程如图12 所示。

图12 路径变化图Fig.12 Path variation diagram

由图12 可以看出蚂蚁爬行过程中的路径图与路径变化图。

3.2 车辆行驶过程中的模型建立

首先对冷链食品调度车辆模型的目标函数进行设定：n 表示冷链车辆调度点具体车辆数；B 表示冷链公司调度车辆所花费的固定费用；sn表示所有车辆调度花费的固定成本；n 辆车中每辆车单独所花费的固定成本为r0；Q 表示调度车辆每行驶1 km所花的运输费用；dij表示调度点第i 辆车与第j 个客户之间的距离；λ1表示车辆在调度过程中所产生的油耗；λ2表示在调度车辆过程中单位时间产生的额外费用；t 表示调度车辆所花费的具体时间；v 表示在车辆行驶过程中的平均速度；ρ1表示运输过程中冷链食品所产生的额外费用比例；k1为运输过程中单位时间内产生的费用；ρ2表示客户在单位时间内所产生的冷链食品损失比例；k2表示在冷链食品卸货时产生的单位比例费用。

车辆固定成本若调度中心有n 辆车的固定成本且均为

运输车辆固定成本为

运输过程成本分别为车辆行驶成本、冷链产品运输过程中的损耗、冷链食品卸货过程中产生的损耗为

调度过程中产生损失的运算公式为

整个冷链运输食品调度费用为

3.3 调度费用的计算

基于蚁群算法的模型设立对车辆行驶过程中的模型进行设计，其固定成本计算为：

运输固定成本：Q1=234.5 元；

运输与卸货过程中的损耗成本：

Q2=123.4 元；

Q3=79 元；

Q4＝65.3 元；

调度过程中损耗：Q5=67.1 元；

总费用：Q=578.3 元。

在冷链物流车辆之前运输成本为628 元，基于蚁群算法的路径设计过后其调度成本为578 元左右，其成本明显有所降低，所以利用调度算法可以节约调度成本。

4 结语

对冷链物流监控系统的温湿度、车辆速度等进行测试，结果表明本系统设计的硬件系统运行状况较好，其次冷链物流车对产品运输保鲜保质效果较好，所以此冷链物流监控系统符合现代发达的冷链物流运输系统。同时基于蚁群算法对车辆的行驶路径进行调度其主要目的是节约时间与成本。

通过以上数据表明该系统当车辆速度过快会导致车辆在运行过程中系统不稳定或者在检测信号时会产生断断续续的信号，此外如果温度过高会导致监控系统的食品、药品产生变质，而湿度过高，会导致产品发生霉变；其次车辆路径优化也是确保运输降到最低，保证公司的收益，此外汽车行驶的经纬度可以随时对车辆进行定位，如出现紧急情况可以及时寻找出车辆的准确位置。