基于多維信息感知的冷鏈物流監(jiān)控系統(tǒng)

趙 衰， 丁 菡， 李 瑞， 王 志， 張小彬， 趙季中

(1. 西安交通大學(xué) 電子與信息學(xué)部 陜西 西安 710049； 2. 西安電子科技大學(xué) 軟件工程學(xué)院 陜西 西安 710126； 3. 西安交通大學(xué) 軟件學(xué)院 陜西 西安 710049)

0 引言

由于運輸溫度及震動敏感貨物(如藥品、生物制品、生鮮等)的需求迅速增大，對冷鏈物流服務(wù)質(zhì)量的要求正在經(jīng)歷爆炸式的增長，我國已部署的冷鏈物流僅能滿足20%～30%的社會需求。制約冷鏈物流發(fā)展的主要障礙在于其效率低下，即缺乏能夠?qū)崟r匯報運輸途中異常事件的手段。因此，冷鏈物流產(chǎn)業(yè)需要系統(tǒng)地感知并處理運輸中的多維數(shù)據(jù)，如車體溫度、物品震動等。 借助此類數(shù)據(jù)，管理員才能夠發(fā)現(xiàn)異常事件并進(jìn)行決策，從而減少經(jīng)濟(jì)損失。無源可計算射頻識別(computational radio frequency identification, CRFID)[1]標(biāo)簽?zāi)軌蛲ㄟ^射頻信號與閱讀器進(jìn)行無線通信，并提供所貼附物品的上下文信息。該類標(biāo)簽符合商用RFID標(biāo)準(zhǔn)，不僅能夠提供物品ID信息，還配備了豐富的傳感器，如溫度傳感器、加速度計、光傳感器等。因此，CRFID標(biāo)簽?zāi)軡M足多維信息感知的需求。無線識別與感知平臺(wireless identification and sensing platform，WISP)是一種嵌入了多種傳感器的CRFID標(biāo)簽。由于其多維感知能力，WISP適用于各種應(yīng)用。一些工作通過分析物品上WISP數(shù)據(jù)，將物品的軌跡轉(zhuǎn)化為用戶層的日常活動(如做飯、看電視等)[2]。文獻(xiàn)[3]將WISP嵌入混凝土中來監(jiān)測其材料特性，文獻(xiàn)[4]通過在用戶和WISP間構(gòu)建間接通信信道實現(xiàn)了用戶的認(rèn)證。此外，利用加速度計進(jìn)行定位追蹤是另一個主流方向。文獻(xiàn)[5]利用車體加速度數(shù)據(jù)探測路面的狀況，文獻(xiàn)[6]通過分析手機(jī)加速度數(shù)據(jù)獲取用戶在空中揮舞手機(jī)的動作，實現(xiàn)了空中手寫識別功能。本文提出一種基于CRFID標(biāo)簽的MultiSS系統(tǒng)，以獲取冷鏈運輸中的重要數(shù)據(jù)，即車體內(nèi)溫度及物品的三軸加速度運動特征。MultiSS系統(tǒng)綜合利用WISP上多種傳感器及感知數(shù)據(jù)，能夠?qū)崿F(xiàn)冷鏈物流中對運輸溫度及震動敏感物品的實時監(jiān)控。

1 背景及系統(tǒng)概述

1.1 無線識別與感知平臺(WISP)

WISP是一款典型的被動式CRFID標(biāo)簽，工作在超高頻帶(920～925 MHz)，并執(zhí)行商用EPC Class 1 Generation 2協(xié)議，采用反向散射模式建立與讀寫器之間的通信。借助其內(nèi)置的溫度傳感器和加速度計，WISP非常適合實時測量冷鏈物流車中物品的溫度和運動狀態(tài)。

1.2 MultiSS系統(tǒng)概述

MultiSS系統(tǒng)包含一個超高頻RFID閱讀器、一個圓極化天線、一批WISP標(biāo)簽和一個計算終端，系統(tǒng)部署在物流車中。閱讀器不斷讀取WISP，并獲取溫度和加速度數(shù)據(jù)。終端實時地對采集的數(shù)據(jù)進(jìn)行處理并分析是否發(fā)生異常事件。其中一個WISP部署在物流車廂內(nèi)用于監(jiān)測內(nèi)部溫度，其他WISP部署在物品上用于監(jiān)控其運動狀態(tài)。一旦檢測到異常狀況發(fā)生，MultiSS系統(tǒng)將會發(fā)出報警信息。

2 溫度異常檢測

2.1 溫度檢測

實時監(jiān)控溫度能夠有效避免因溫度變化而造成的物品損壞。MultiSS系統(tǒng)使用WISP溫度傳感器實時采集并監(jiān)控物流車中溫度信息。WISP上的溫度傳感器型號為LM94021，工作范圍為-50～150 ℃。該傳感器的輸出不是直觀的攝氏溫度數(shù)據(jù)，而是正比于測量溫度的電壓值，該值存儲于WISP EPC碼(即ID)中，通過無線傳輸方式返回給閱讀器，因此需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換。圖1為WISP 標(biāo)簽種類及EPC中感知數(shù)據(jù)存儲格式。由EPC碼獲取溫度的公式為

T=(Et-673)×423/1 024,

(1)

式中：Et為EPC中相應(yīng)數(shù)據(jù)位，共10比特。例如，EPC碼‘0x0f 02a9 0100 0000 0314 41 000 d’中對應(yīng)的16進(jìn)制溫度數(shù)據(jù)為‘02a9’，轉(zhuǎn)換為攝氏溫度約為3.30 ℃。

圖1 WISP標(biāo)簽種類及EPC中感知數(shù)據(jù)存儲格式Figure 1 WISP tag type and sensor data format in EPC

2.2 溫度傳感器校準(zhǔn)

大多數(shù)溫度傳感器均有測量誤差，可能會導(dǎo)致溫度異常的誤報。為了更準(zhǔn)確地檢測車體內(nèi)溫度的變化范圍，本文采用線性最小中位數(shù)二乘回歸(LMS)模型對溫度數(shù)據(jù)進(jìn)行校準(zhǔn)。LMS是最小二乘回歸的變種，用殘差的中位數(shù)替換傳統(tǒng)的殘差和，可以有效拒絕數(shù)據(jù)中近50%的污點，旨在尋找覆蓋半數(shù)測量值的最窄的擬合線[7]。LMS可以表示為Yi=Xiθ+ei,其中：Y是因變量；X是自變量；θ是p維列向量(θ1,θ2, …,θp)；ei呈標(biāo)準(zhǔn)正態(tài)分布。

LMS通過式(2)檢測θ值：

(2)

經(jīng)實驗發(fā)現(xiàn)，WISP測試數(shù)據(jù)在不同的溫度范圍內(nèi)呈現(xiàn)出局部線性特征。因此，采用分段最小中位數(shù)二乘法(SLMS)，對不同溫度范圍的數(shù)據(jù)進(jìn)行分段處理。實驗記錄了三個WISP(WISP1、WISP2、WISP3)的測量值和真實值，采用SLMS對測量結(jié)果進(jìn)行校準(zhǔn)，結(jié)果如圖2所示。可以看出，WISP的測量值與真實值有一定差異。為了更清楚地展示校準(zhǔn)結(jié)果，在圖2中將校準(zhǔn)后的數(shù)據(jù)與真實值同時上移，可以看出，校準(zhǔn)后的數(shù)據(jù)與真實值能夠很好地匹配。

圖2 WISP的測量值和真實值Figure 2 Measured values and true values of WISP

3 震動異常檢測

3.1 三軸加速度檢測

運輸中，物品的異常運動包括跌落、傾倒、滾動等，常常會導(dǎo)致較大損失。若物品發(fā)生異常運動，其三軸加速度會發(fā)生驟變，可以通過追蹤物品的加速度數(shù)據(jù)來監(jiān)測異常震動。由于每個物品上均貼附了WISP，因此可以通過WISP的三軸加速度反映物品加速度。

WISP上的三軸加速度計為ADXL330，測量范圍為[-3g, 3g]，其中g(shù)為自由落體加速度。WISP返回給閱讀器的數(shù)據(jù)并非真實加速度值，而是嵌入在其EPC中的16進(jìn)制電壓值。圖1展示了WISP EPC碼存儲加速度的數(shù)據(jù)格式。將16進(jìn)制EPC值轉(zhuǎn)換為加速度，需要將-3g～3g映射到ADC范圍(0～1 023)，轉(zhuǎn)換因子為170.67。x軸實際的加速度為Ax=Ex/(170.67×1.16)-3，其中Ex為EPC中x軸加速度相應(yīng)數(shù)據(jù)位。y、z軸的加速度可通過相同方法進(jìn)行計算。例如，由EPC碼‘0b 019b 019f 021d 007b 41 0005’，可得到x、y、z軸的加速度分別為-0.206 5、-0.179 4、0.677 0。

3.2 WISP加速度計校準(zhǔn)

WISP加速度計存在測量誤差，采用一種自動校準(zhǔn)方法對WISP加速度計進(jìn)行校準(zhǔn)。假設(shè)加速度測量值A(chǔ)′與實際值A(chǔ)之間是線性關(guān)系，包含一個比例因子S和偏移O，則A可以用矩陣表示為

A=S(A′-O),

(3)

其中：

(4)

3.3 異常運動檢測

當(dāng)物流車中物品速度發(fā)生變化時，加速度應(yīng)有所反映。圖3為物品在不同異常狀態(tài)下的加速度值。結(jié)果表明，通過監(jiān)測加速度驟變可檢測物品的異常震動。然而，物流車在運輸途中可能加速、減速、轉(zhuǎn)彎等，也將造成物品加速度的變化，需要區(qū)分這兩種變化。

圖3 不同異常狀態(tài)下的加速度值Figure 3 The acceleration values of different abnormal states

3.3.1加速度計重定向 通過比較物流車上貼附的WISP加速度與物品上WISP加速度間的相似性，判斷加速度的變化是否來自物品的自身異常震動。在此之前，需要先對加速度計進(jìn)行重定向。定義物流車的三維笛卡爾坐標(biāo)系為：X指向前方，Y指向右側(cè)，Z指向地面。通常物流車和物品的加速度可能是相對于(X,Y,Z)的任意方向，需推測每個軸的轉(zhuǎn)動角而使兩者對齊。用歐拉角表示三個轉(zhuǎn)動角，即先繞z軸轉(zhuǎn)動α，隨后繞y軸轉(zhuǎn)動β, 最后繞x軸轉(zhuǎn)動γ。采用文獻(xiàn)[9]中方法，利用靜止時采集的加速度(ax,ay,az)來得到α和β,其中α=tan-1(ay/ax)，β=cos-1az。為計算γ，需要正交于Z軸的力，利用物流車的加速階段來測量γ。給定α、β和測量值(ax,ay,az)，γ可表示為

(5)

轉(zhuǎn)動R用轉(zhuǎn)動矩陣D、C、B可表示為

(6)

讓A和A′分別表示坐標(biāo)系xyz和XYZ下的加速度，則A′=R°A。

3.3.2改變點的檢測和異常動作區(qū)分 校準(zhǔn)和重定向后，系統(tǒng)能夠快速檢測加速度的變化。采用累積和技術(shù)(CUSUM)[10]進(jìn)行改變點的檢測，即檢測加速度序列的平均值是否超過預(yù)定義的閾值。檢測到加速度值變化后，系統(tǒng)需進(jìn)一步確定該變化是否源于物品的自身異常運動。本文使用動態(tài)時間規(guī)劃技術(shù)(DTW)來比較物流車加速度與物品加速度的相似性。DTW常用于計算在時間及速度維度上兩個不同序列間的相似性，采用動態(tài)規(guī)劃方法尋找兩者間的最佳距離。

對于兩個序列A和B，DTW將產(chǎn)生一個距離矩陣：

D(i,j)=‖ai-bj‖，

(7)

式中：ai代表A的第i個采樣值；bj代表B的第j個采樣值。

系統(tǒng)將尋找從左上到右下的一條最優(yōu)路徑，使其滿足兩個條件：① 該路徑為單調(diào)的，即從當(dāng)前位置開始，下一個位置的方向必須是向右、向下或向右下；② 該路徑上距離的和必須為所有可能路徑中的最小值，系統(tǒng)采用該路徑上的距離總和代表A和B間的距離。正常和異常狀況下數(shù)據(jù)的動態(tài)規(guī)劃如圖4所示。為進(jìn)一步驗證該方法的有效性，圖4(a)顯示了圖4(b)中物流車與物品加速度間的最優(yōu)路徑。圖4(b)展示了原始數(shù)據(jù)和匹配過程，顯示物流車加速度曲線與物品加速度曲線能夠很好地匹配，說明此時加速度改變來自于物流車的運動。從圖4(c)的匹配結(jié)果可知，此時物品經(jīng)歷了異常狀況(因為物流車與物品加速度不匹配)。該例中，圖4(b)、(c)兩種狀況下的幅值分別為1.53和3.92。利用此特點，可以設(shè)置閾值以判斷物品自身運動狀態(tài)是否發(fā)生了異常。

圖4 正常和異常狀況下數(shù)據(jù)的動態(tài)規(guī)劃Figure 4 Dynamic programming of normal and abnormal situation data

3.4 異常運動識別

3.4.1特征提取 除了圖3中的四種動作外，進(jìn)一步將傾倒動作細(xì)分為向前、向后、向左、向右傾倒。當(dāng)物品向不同方向傾倒時，會造成三軸加速度不同順序的變化。因此，可分別計算加速度(ax,ay,az,acom)的均值和標(biāo)準(zhǔn)差作為特征。

此外，熵是隨機(jī)變量不確定性的有效測量。將熵作為特征是由于可以將三軸加速度看作隨機(jī)源，且不同運動導(dǎo)致的三軸加速度的變化呈現(xiàn)出明顯的不同(隱含不同的信息量)。本文采用最小熵，它能夠反映一個分布最差情況的隨機(jī)性，其表示式為

(8)

式中：X代表加速度序列。結(jié)果顯示，靜止、跌落、傾倒、滾動的平均最小熵值分別為2.2、4.4、3.4、5.1，表明不同的運動狀態(tài)可以通過最小熵值進(jìn)行區(qū)分。

3.4.2運動分類 分別計算出(ax,ay,az,acom)的均值、標(biāo)準(zhǔn)差以及最小熵值后，系統(tǒng)采用KNN分類及十折交叉驗證對特征(即動作)進(jìn)行分類。

4 實驗評估

4.1 系統(tǒng)實現(xiàn)

硬件：采用商用Impinj R420閱讀器，收發(fā)天線型號為Laird A9028R，增益8 dbi，WISP標(biāo)簽為硬件4.1版本。WISP標(biāo)簽通信時向閱讀器發(fā)送加速度與溫度數(shù)據(jù)，數(shù)據(jù)嵌入在其EPC特定字段內(nèi)。

軟件：系統(tǒng)采用LLRP協(xié)議與閱讀器進(jìn)行交互，采集標(biāo)簽數(shù)據(jù)。

4.2 溫度實驗評估

采用R-squared指標(biāo)評估SLMS的有效性，測量回歸模型描述數(shù)據(jù)的總體變化，其值為1代表回歸線與數(shù)據(jù)完美匹配。計算了三個WISP標(biāo)簽的R-squared值，其中最小的R-squared值也超過了0.995。進(jìn)一步觀察SLMS的結(jié)果，發(fā)現(xiàn)SLMS使三個WISP標(biāo)簽的溫度測量平均誤差均控制在0.5 ℃以內(nèi)。

4.3 震動實驗評估

4.3.1動作檢測的精度 震動狀態(tài)分為靜止、跌落、滾動和傾倒(向前、向后、向左、向右)7種，分別表示為M1～M7，評估系統(tǒng)能夠成功檢測到的6種震動狀態(tài)(M2～M7)的精度。該組實驗在一輛行駛的小汽車中進(jìn)行，每個動作重復(fù)70次，采用CUSUM算法[10]對M2～M7的數(shù)據(jù)進(jìn)行檢測，其中最小精度為0.925(滾動動作)，該結(jié)果是由滾動動作的本質(zhì)特征所決定。即物品發(fā)生滾動時，三軸加速度會發(fā)生周期性改變，該改變可能削弱某些特征對動作的描述，如加速度的均值。共計420次實驗中，總體的檢測精度可以達(dá)到0.967，表明系統(tǒng)對檢測不同的震動狀態(tài)具有很強(qiáng)的魯棒性。

圖5 分類混淆矩陣Figure 5 Confusion matrix of classification

4.3.2動作分類的精度 隨機(jī)選取70組實驗中的10組，并測試不同動作間的歐拉距離。結(jié)果顯示，大多數(shù)情況下，最短的歐拉距離均集中在同一種運動上。隨后對總計490種動作進(jìn)行KNN分類及十折交叉驗證，分類混淆矩陣如圖5所示。不同運動的分類結(jié)果為：M3狀態(tài)的真陽率為0.971，其他狀態(tài)的真陽率均為1；M2和M3狀態(tài)的假陽率分別為0.005和0.002，其他狀態(tài)的假陽率均為0；M2和M3狀態(tài)的精度分別為0.972和0.986，其他狀態(tài)的精度均為1。唯一的混淆為將兩個滾動動作誤判為跌落及將一個后傾動作誤判為滾動，而此誤判僅影響對震動異常的細(xì)節(jié)判斷，不影響對異常狀態(tài)的匯報，總體分類精度可達(dá)到0.993 8。

5 結(jié)論

本文使用被動式CRFID標(biāo)簽搭建了MultiSS系統(tǒng)，實現(xiàn)了對冷鏈物流中異常事件的監(jiān)測。MultiSS系統(tǒng)通過提取物品的加速度特征，能夠以高精確度區(qū)分物品不同的異常運動狀態(tài)，并利用溫度傳感器數(shù)據(jù)同時監(jiān)測車體內(nèi)溫度變化，有效提升了冷鏈物流的效率與可靠性。下一步研究將引入更多的維度信息，并對算法進(jìn)一步改進(jìn)以支持檢測更豐富的異常事件。