基于大型物聯(lián)網(wǎng)技術的電商倉庫檢測

郭戈

摘 要： 針對當前檢測電商倉庫容量或流量精度不高的問題，在大型物聯(lián)網(wǎng)環(huán)境下設計基于決策樹主成分分析的電商倉庫檢測方法。首先基于電子標簽技術構建電商倉庫存儲系統(tǒng)的物聯(lián)網(wǎng)構架模型，采用超高頻射頻識別技術追蹤電商倉庫系統(tǒng)的物流流量，并提取信息特征；在C4.5決策樹模型下，分析倉庫物流信息特征主成分，實現(xiàn)對電商倉庫吞吐量和容量的準確檢測和預估；最后通過實驗進行性能測試。實驗結果表明，采用該方法對倉庫的吞吐量預測和物資收發(fā)數(shù)據(jù)實時檢測的精度較高，提高了電商倉庫的物資收發(fā)效率。

關鍵詞： 物聯(lián)網(wǎng)； 電子標簽； 決策樹； 電商倉庫

中圖分類號： TN911?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）05?0171?03

Abstract： Since the detection accuracy of the current e?commerce warehouse capacity and flow is low， a new e?commerce warehouse detection method based on decision tree principal component analysis was designed under the large Internet of Things environment. The Internet of Things framework model of the e?commerce warehouse storage system was constructed based on the RFID technology. The ultrahigh frequency RFID technology is used to trace the logistics flow of the e?commerce warehouse system and extract the information feature. The principal component of the warehouse logistics information characteristics is analyzed in C4.5 decision tree model to detect and estimate the throughput and capacity of the e?commerce warehouse accurately. The performance of the method was tested with experiments. The experimental results show that the method has high real?time detection accuracy of the warehouse throughput prediction and materials transceiving data， and can improve the materials transceiving efficiency of the e?commerce warehouse.

Keywords： Internet of Things； electronic tag； decision tree； e?commerce warehouse

0 引 言

電商倉庫是電子商務整個網(wǎng)絡系統(tǒng)進行物資收發(fā)和物資存儲的終端，電商倉庫中庫存量的準確檢測和預測是保障物資收發(fā)安全，提高電商物資收發(fā)效率的關鍵。研究電商倉庫的準確檢測方法，對促進電子商務和電子物流行業(yè)的發(fā)展具有重要意義。物聯(lián)網(wǎng)技術的進步更為有力地推進了優(yōu)化電商倉庫檢測技術。物聯(lián)網(wǎng)技術通過電子標簽識別技術、物聯(lián)網(wǎng)的網(wǎng)絡層、感知層和應用層進行電商倉庫物資的信息標識和識別，采用無線射頻感知與檢測技術進行信息讀取和信息處理，提高倉庫的物資管理效率[1]。

以信息采集和數(shù)據(jù)加工的大型物聯(lián)網(wǎng)技術為基礎，對電商倉庫進行物資檢測和信息處理。采用無線射頻（RFID）識別技術實現(xiàn)對電商倉庫物資的在線追蹤和信息采集，RFID識別過程中受到不確定進出庫信息數(shù)據(jù)的干擾，同時也會產生大量數(shù)據(jù)冗余，導致對電商倉庫的準確檢測性能不好，對物流輸出的信息估計精度不高[2?3]。針對這一問題，本文在大型物聯(lián)網(wǎng)技術的基礎上，進行電商倉庫檢測方法優(yōu)化設計，基于電子標簽技術構建電商倉庫存儲系統(tǒng)的物聯(lián)網(wǎng)構架模型，采用超高頻射頻識別技術進行電商倉庫系統(tǒng)的物流流量追蹤和信息特征提取，然后對提取的倉庫物流信息特征在C4.5決策樹模型下進行主成分分析，實現(xiàn)對電商倉庫吞吐量和容量的準確檢測和預估，最后采用仿真實驗分析方法進行了性能測試和驗證，表明了本文方法在提高電商倉庫檢測性能方面的優(yōu)越性和實用價值。

1 系統(tǒng)架構和信息提取

1.1 電商倉庫檢測的物聯(lián)網(wǎng)系統(tǒng)架構

基于大型物聯(lián)網(wǎng)技術構建電商倉庫的物流數(shù)據(jù)信息傳輸模型，以產品生產企業(yè)作為電商倉庫檢測的觸發(fā)主體，追溯電商銷售產品的生產過程，從生產開始到加工、包裝、運輸、銷售、消費整個路程都需要通過倉庫進行物資的存儲和收發(fā)。因此，電商倉庫的檢測系統(tǒng)總體架構上可以分為對電商倉庫的物資存儲信息數(shù)據(jù)采集前端和數(shù)據(jù)管理終端，出貨量是電商倉庫運行效率和電商利潤最大的關聯(lián)性因子?？紤]物流成本（區(qū)位因素）以及租用倉庫的成本，進行倉庫使用效率的最大化調度[4]。在電商倉庫的物流供應鏈體系中，電商倉庫的物資收發(fā)基地相當于“服務端”，電商的商家相當于“用戶”，電商倉庫的物流資源構成了整個電商倉庫檢測系統(tǒng)的主體[5]，在滿足物流服務需求和客戶出庫需求的情況下，對電商倉庫的吞吐量準確檢測和預測，實現(xiàn)資源能力管理和資源定位。電商倉庫檢測的物聯(lián)網(wǎng)系統(tǒng)架構模型如圖1所示。

1.2 電商倉庫的存儲信息提取

在電商倉庫的檢測中，需要對倉庫的存儲物資資源信息進行超高頻射頻識別技術（UHF RFID），采用決策樹構造方法挖掘和調度電商倉庫中心的數(shù)據(jù)。令公共倉儲區(qū)的信息吞吐量為[A=a1，a2，…，an，]為零散的、隨機的訓練集，[B=b1，b2，…，bm]為決策樹的類別集，在倉庫資源管理中心，[ai]屬性值表示參考的實際吞吐量[c1，c2，…，ck]。利用倉庫資源的信息增益Gain評估物流速度的最優(yōu)分裂度和互信息量。在決策樹模型下，隨著電商產品銷售，電商倉庫的負載容量得到合理調度。構造電商倉庫的負載容量信息調度輸出增益表達式為：

式中：[pi]指采集的原始RFID數(shù)據(jù)屬于電商倉庫物資類別[bi]類元素所占的比重；[Bj]表示在RFID數(shù)據(jù)訓練集中含有物資類別為[ax]屬性中[cv]值的元素集合。

為使得電商倉庫存儲和利用效率最大化，需要使物流效益以及物資收發(fā)的速度達到最佳匹配[6]，采用物流供應鏈控制目標函數(shù)，調度控制電商倉庫的存儲信息。令目標函數(shù)取最大值：

在物流負載壓力恒定的情況下，為了提高電商倉庫的物資檢測性能，需要在產品銷售和倉庫進出庫吞吐量之間達到均衡，得到倉庫的容量匹配函數(shù)為：

根據(jù)容量匹配函數(shù)，構建基于物流供應鏈的電商倉庫信息存儲訓練集，將存儲的物資資源容量劃分為若干個子集，提取所需信息知識。在資源信息讀取和挖掘過程中，閱讀器將一個特定頻率的無線電波發(fā)送到電商倉庫中的電子標簽，各個標簽采用無線射頻識別技術編碼物資信息，提取電商倉庫的存儲信息。

2 倉庫檢測關鍵技術設計

在C4.5決策樹模型下，分析提取倉庫物流信息特征主成分，實現(xiàn)對電商倉庫吞吐量和容量的準確檢測和預估。引入C4.5決策樹模型，電商倉庫存儲容量的目標測試數(shù)據(jù)標簽識別概率為[P（1）=[1-L-1]m-1，]而主特征深度為[k]時，對標簽的識別概率為：

預測電商倉庫進出庫流量的過程中，采用平均時隙線性疊加倉庫出入庫流量，用四元組[Ei，Ej，d，t]表示倉庫出入庫的決策樹模型，其中[Ei]，[Ej]是需要建立的邊向量Source節(jié)點（即節(jié)點[i]和[j]），[d]為輸入倉庫的物流流量序列的交互數(shù)據(jù)，[t]為倉庫物資出入庫的交互所需時間。采用博弈模型均衡調度出入庫的流量[7?8]，得到電商倉庫的出入庫流量特征序列主成分分布概率密度為[D]，[D=Si，jt，Ti，jt，Ui，jt]，其中[Si，jt]表示物流負載壓力下物流產品占用倉庫的空間系數(shù)；[Ti，jt]表示占用倉庫的時間系數(shù)；[Ui，jt]表示物資存儲于倉庫中的空間與時間關聯(lián)性函數(shù)；在選定物流配送中心的情況下，電商倉庫能有效實現(xiàn)物資收發(fā)，其置信度因子為：

3 仿真測試

測試電商倉庫的物資容量檢測準確性、出入庫檢測準確性和電商倉庫的物資收發(fā)時間，并分析各項性能。各個倉庫的存儲容量、單位管理成本以及機械化作業(yè)指數(shù)參量見表1。

根據(jù)圖2和圖3得知，采用本文方法進行電商倉庫的存儲容量與性能檢測，預測結果與實際值接近，計算得知均方根誤差較小，而傳統(tǒng)方法與實際值差異性較大，說明本文方法對倉庫吞吐量的預測準確度更高。

4 結 語

為提高倉庫的物資管理效率，本文在大型物聯(lián)網(wǎng)技術基礎上優(yōu)化設計電商倉庫檢測方法。首先基于電子標簽技術構建電商倉庫存儲系統(tǒng)的物聯(lián)網(wǎng)架構模型，采用超高頻射頻識別技術進行電商倉庫系統(tǒng)的物流流量追蹤和信息特征提取，然后在C4.5決策樹模型下分析提取倉庫物流信息特征主成分，實現(xiàn)對電商倉庫吞吐量和容量的準確檢測。研究得出，采用本文方法對倉庫的吞吐量預測和物資收發(fā)實時檢測的精度較高，提高了電商倉庫的物資收發(fā)效率，在電商倉庫的物資收發(fā)管理中具有較高的應用價值。

參考文獻

[1] 李敏，倪少權，邱小平，等.物聯(lián)網(wǎng)環(huán)境下基于上下文的Hadoop大數(shù)據(jù)處理系統(tǒng)模型[J].計算機應用，2015，35（5）：1267?1272.

[2] 賈安超，周剛.基于粗糙集和BP神經(jīng)網(wǎng)絡的供應商選擇研究[J].物流技術，2012，31（12）：229?232.

[3] 楊儉.云計算在現(xiàn)代物流中的應用[J].物流技術，2012，31（11）：415?416.

[4] 鄧海生，李軍.RFID數(shù)據(jù)流過濾算法研究[J].計算機技術與發(fā)展，2012，22（6）：26?29.

[5] 何倩，胡啟偉，王勇，等.基于軟件定義網(wǎng)絡的反飽和分組云負載均衡[J].計算機應用，2016，36（6）：1520?1525.

[6] 潘旭偉，李澤彪，祝錫永，等.自適應個性化信息服務：基于情境感知和本體的方法[J].中國圖書館學報，2009（6）：41?48.

[7] 唐燕，李健，張吉輝.面向再制造的閉環(huán)供應鏈云制造服務平臺設計[J].計算機集成制造系統(tǒng)，2012，18（7）：1554?1562.

[8] 游達明，朱桂菊.低碳供應鏈生態(tài)研發(fā)、合作促銷與定價的微分博弈分析[J].控制與決策，2016，31（6）：1047?1056.

[9] PARK H R， LI J. Sparse covariance?based high resolution time delay estimation for spread spectrum signals [J]. Electronics letters， 2015， 51（2）： 155?157.

[10] 周莉，潘旭偉，謝玉開.情境感知的電子商務個性化商品信息服務[J].圖書館情報工作，2011，55（5）：130?134.