基于物联网的智能路径规划系统

基于物联网（IoT）的路径规划系统集成了物联网、田口（Taguchi）实验设计和遗传算法，针对多温共配食品制定出整体产品的监控和优化配送路线规划。物联网技术的应用增强了信息的可视性和可追踪性，特别是在整个运输过程中的环境条件。运用物联网技术也同时为应用田口方法进行实验提供数据支撑，帮助确定特定食品所需要的冷冻板和冷舱体积的最佳数值，以及确定在这种冷链包装模式下哪些是主导因素。通过综合上述结果，采用遗传算法，以配送距离和食物腐败率最小化以及订单满足率最大化为目标，搜索出最优配送路线。因此，应用基于物联网（IoT）的路径规划系统，运输食品可以保持实时监控，而且在所需要的环境条件下进行最佳配送。

根据各种处理要求，食品的供应链基本上分为三类：冷冻（≤-18℃）、冷藏（0～15℃）和常温（22～25℃）。产品应在适宜的环境条件下进行储存和运输。虽然可以很容易地维持某种特定食品所需的储存条件，但是，对一次运输过程中要满足多种食品的处理要求是比较难满足的。由于只能提供固定的温度，因此，冷藏车不能同时为不同的食品提供不同的温度环境条件。从配送管理的角度，多温共配可以提高物流管理的灵活性和适应性。但需要解决的问题是寻找出包装的最佳设置参数来延长最佳环境的保持时间以提高运输管理的灵活性。

试验设计（Design of Experiments，DOE）是一种系统方法。试验是一个或一系列有目的地改变流程或系统的输入变量以观察识别输出应变量随之改变的试验。试验主要包括四个组成部分：处理、单元、响应和具体的试验设计（建立起输入和输出之间的关系）。由于响应和独立变量之间的关系是不确定的，需要使用某些分析工具（如信噪比S/N）来研究趋势和测量误差，甚至验证结果。DOE 在许多领域得到了广泛的应用，包括制造过程和药物建模。

1．基于物联网（IoT）的路径规划系统的结构

运用基于物联网（IoT）的路径规划系统（IRPS）设计多温食品包装模型，对多温共配食品进行实时监测和优化配送路径。图7-5显示了这个系统的体系结构模块。第一，在被动包装模式模块中，采用田口实验方法确定最佳包装设置参数和主导因素。第二，在路线规划模块中考虑了优化包装设置下的冷冻时间窗，然后结合其他参数（成本费用和行驶时间等）用遗传算法（GA）求解。第三，在将食品运送到客户手中时，将点对点的产品监控应用部署在物联网监控模块中以确保符合规定的环境条件。

图7-5　IRPS 系统架构

（1）被动包装模式模块

在这个模块中，利用田口方法（Taguchi method）建立L9（3×3×3）正交阵列，对被动包装模式的冷却速度进行试验研究。试验中的材料涉及三个不同大小的泡沫塑料包装箱和三种不同的尺寸和数量的冷冻板，如表7-1所示。总共分别进行三组试验，以提高试验结果的可靠性。在被动包装模式中测量温度和湿度变化率的试验装置如图7-6所示。使用数据记录器（精创Elitech RC-4 温度记录仪）记录所有试验采集的温度和湿度。根据这些数据，绘制出随时间变化的温度、湿度的变化速率。将冷冻板放置在包装箱的底部，而食物或产品则被放置在冷冻板之上。在田口试验方法中，一般有六个步骤来确定最佳配置和主导因素，即目标制定、因素识别、试验设计、试验、数据分析和验证。由于每种食品都有其推荐的运输条件，在运输过程中其温度和湿度应保持在规定条件的上限和下限，即和。假设 T（x）和 H（x）分别表示表示温度和湿度随时间变化的函数，T-1（x）和 H-1（x）是相应的反函数。这个模块的目的是在和之间寻找最大的数据重叠范围（Qi），如图7-7所示。

图7-6　被动包装模式试验示意

图7-7　温度与湿度随时间变化

表7-1　泡沫箱和冷冻板的特征参数

对于每个具体的包装模式，所需的准备时间被定义为从开始到重叠数据范围的最小值处，即 min{φi}。当同时考虑多个重叠的数据范围时，所有数据值之间的最大值是作为具体的包装设置的持续冷冻时间，即 max {φi：i ∈ N}。在表7-2中是试验中被识别的三个因素（因素A、B、C），它们都有三个相应的级别。在试验设计中，建立的田口方法L9（3×3×3）正交阵列的全因子设计，如表7-2所示。

表7-2　田口方法L9（3×3×3）正交阵列的全因子设计

续表

在进行一组实验之后，用损失函数分析实验结果与期望值之间的偏差。损失函数被转换为一个信噪比（）比（η），具有三个遗传质量特征（即越低越好，越高越好，和极小的最好。由于这个模块的目标是最大限度地提高合适的环境条件的时间，选择越高越好质量特征的信噪比（）如下：

式中 η——观察的次数；

yi——第i 次试验时观察到的数据。

因此，包括包装箱尺寸、冷冻板的体积、冷冻板数量等优化参数可以通过信噪比S/N和平均数据重叠范围来确定，这些也是针对特定食品的被动包装模式最优的配置。最后，将特定食品包装模式的冷冻速率转化为冷冻时间窗，用于优化路线规划。

（2）路线规划模块

在这个模块中，建立了仅有一个仓库的闭环运输规划的数学模型。需要考虑的限制和因素有体积容量、车辆数量、客户位置、服务时间窗、冷冻板循环次数和冷冻时间窗等。假设所有车辆在卡车容量、能源消耗和速度方面都是相同的；所有车辆的速度都是恒定的；客户需求和所需产品是预先知道的。此外，车辆的使用需要一定数量的固定和可变成本，即设备成本和燃料成本。

在数学建模中假定车队均在仓库出发，完成产品的交付后再回到仓库，并将所需的食品托盘交付给客户。它的目的是尽量减少运输时间，在不同的客户节点之间，通过使用车队来制定有效的车辆路线。目标函数和相关约束如下：

①总目标是车辆运输时间和成本最小化。

②一辆卡车对同一个客户只配送一次。

③根据被动包装模式，每个产品的配送时间均严格控制在冷冻时间范围内。

④根据累计交货量定义卡车的初始装载量。

⑤由于产品交付和回收所使用的传感设备，卡车在访问第一个客户后的负载发生变化。这种变化在整个路线规划中一直存在。

⑥每辆卡车的装载量应小于其最大装载量。

⑦确保每次配送的总时间不超过物流公司规定的服务时间。

⑧在整个模型中定义的中间变量均为非负值。

（3）物联网监测模块(www.xing528.com)

运输过程中，在物联网环境下对每箱食品进行环境（包括温度和湿度）的监测。总的来说，物联网架构分为感知识别层、网络构建层、管理服务层、综合应用层。图7-8是基于物联网（IoT）的路径规划系统（IRPS）的物联网框架。

图7-8　物联网框架示意图

在感知层，采用德克萨斯仪器公司生产的传感设备SensorTag CC3200，用于标识和收集冷冻包装箱和食物的环境信息（温度和湿度等信息）。这种SensorTag CC3200 传感设备的规格和特点有：工作频率2.4GHz，多达11 个频道；有Wi-Fi，集成了单片机芯片解决方案；内置天线与射频连接器；内置陀螺仪、加速度计和罗盘、红外传感器、压力传感器、湿度传感器、光传感器等，便于在物联网应用中进行集成。

在向客户配送食品时，传感器节点连接到每个冷冻箱以及某些冷冻板。依靠2.4 GHz的无线局域网（WLAN），人们可以在网关中收集有关温度、湿度和产品标识的信息。这些信息通过云技术、移动网络技术传输到云数据库管理平台（如MySQL 数据库管理系统），形成结构化的标准数据格式（如JSON 和XML）。因此，这些信息可以通过Web 开发编程（如HTML、CSS 和PHP）在Web 和移动应用程序中使用。

在应用层，IRPS 系统可以针对客户和员工的各种设备进行开发。其功能主要包括产品监控、事件管理、报告和车辆路径规划。一方面，客户可以了解整个运输过程中具体食品的环境条件，防止接收到变质的产品。物流公司因此也会提升对食品质量和物流服务的信心。另一方面，配送人员对运输食品包装有明确的指示，以延长合适的装卸条件，并可合理分配最佳的交货期，并且达到尽量减少运输距离和相应成本费用的目的。

2．遗传算法（GA）

为了有效地解决上述的数学模型，通常采用遗传算法（Genetic Algorithm，GA）来寻找最佳的车辆多温共配食品的路径规划问题。遗传算法是由美国Michigan 大学的Holland教授于1969年提出，后经DeJong、Goldberg 等人归纳总结所形成的一类模拟进化算法。遗传算法来源于达尔文的进化论、魏茨曼的物种选择学说和孟德尔的群体遗传学说，是生命科学与工程科学互相交叉、互相渗透的产物，其本质是模拟生物进化过程的一种随机搜索与全局优化算法。

目前，遗传算法广泛应用于自动控制、计算科学、模式识别、工程设计、智能故障诊断、管理科学和社会科学等领域，适用于解决复杂的非线性和多维空间寻优问题，如TSP（旅行商问题）、背包问题、排课问题等。

基本遗传算法是一个迭代过程，反复将选择算子、交叉算子、变异算子作用于群体，最终可得到问题的最优解或近似最优解。基本遗传算法的流程如图7-9所示。遗传算法主要有四个步骤，即染色体编码、种群初始化、适应度函数评价及遗传操作。

图7-9　基本遗传算法的流程图

（1）染色体编码

在染色体编码中，染色体被定义为所有客户节点和二进制染色体部分的序列，如图7-10所示。根据定义的目标函数、决策变量 意味着卡车K从节点i到节点j 的路径长度。因此，染色体可以编码如下：第一部分根据定义的约束来表示该路径模型中的选定节点，而第二部分使用二进制数的1 和0 分别指示开始和结束的节点。

图7-10　染色体编码例子

（2）种群初始化

推荐模型的初始化要求种群规模、交叉率、变异率和最大遗传代数。种群规模被用来控制迭代随机生成初始解的染色体数目。此外，用户定义的交叉率和变异率用于过滤掉遗传操作中不适用的染色体。

（3）适应度函数评价

考虑遗传算法的上述准则，可以评估所有染色体的适应值，以考察配送过程中的运输时间和相关费用。遗传算法中的适应度函数可以参考上述数学建模中的目标函数。同时，还需要检查模型中定义的约束条件中有没有任何违反的情况。一旦一个约束在整个染色体种群中违反条件，则采用赌轮盘选择将适应值以另一个非常大的值取代（从而影响每个染色体的权重计算）。这样，适应值很大的染色体将无法继续进行下一次的迭代。具有最小适应值的染色体将作为遗传算法搜索的最终结果。

（4）遗传操作

在达到遗传算法的最大遗传代数之前，染色体会继续进行遗传操作，包括形成配种池、交叉和突变过程。配种池是通过随机选择染色体母体池中的染色体而形成的。在配种池中，0 到1 之间的随机数被分配给每个配对染色体，从而根据所定义的交叉率选择染色体。交叉操作是这样的：选定的染色体之间交换特定的染色体结构元素（基因），从而产生若干后代的染色体。在突变过程中，一组0 到1 之间的随机数被分配给每个后代染色体的基因，并且当满足突变标准时，基因将被改变。因此，这样就建立了一组新的染色体，同时重新评估适应度函数以确定模型中更好的适应值。一些在父代池中的最差适应值的染色体被配种池中更好的染色体所取代。当将上述过程重复到最大遗传代数时，可以确定模型中的最优解。因此，可以有效地对多温共配食品进行车辆路径规划。

3．基于物联网（IoT）的路径规划系统的效果

采用基于物联网与冷链运输包装结合，进行配送路径的规划，实际使用后可以达到降低运输过程中的食品腐败变质率和提高客户满意度和运营效率的目的。

（1）减少食品腐败

由于在给定的资源和约束下建立了最优的包装模型和配送路线，因此多温共配食品的质量在配送中需要保证。关键绩效指标之一是食品腐败变质率，定义为变质食物量除以客户的订单总数。通过实施IRPS 的公司数据统计，按每月总订单计算出食品腐败变质率从实施前的22.6%下降到7.9%，减少了65%。一般来说，正常的新鲜水果和蔬菜的食品腐败率仍然可以接受，因为产品的成本和销售价格都比较低。但是，在运输来自国外的优质水果和蔬菜时，这样高的食品变质率会给物流公司带来巨大的经济损失。因此，对于物流公司来说，运用物联网技术和智能包装技术，可以在不增加太多投入的前提下利用好企业现有的资源，最大限度地提高保温包装箱在运输过程中的冷冻时间，提高企业的成本效益。

（2）提高客户满意度和运营效率

实施IRPS 对企业提升客户满意度和运营效率具有积极的影响。表7-3显示了在实施IRPS 后客户满意度和运营效率的数据变化情况。

表7-3　客户满意度和运营效率变化情况

因为IRPS 为产品配送提供了高效的配送路线和合适的包装设置，客户投诉记录从8 次大幅减少到3 次，下降了62.5%。此外，客户整体满意度由6.5 提高到8.3，增长了27.7%。因此，采用物联网技术的智能包装配送系统可以进一步满足顾客的需求和期望的服务。在企业运营业务效率方面，订单执行的准时率从56.8%提高到86.1%，增长了51.6%。运输车队从生成的最优配送路线以及谷歌地图的功能中受益。此外，提货和装卸操作平均时间和退货的平均数分别由8 分钟增加到10 分钟（因为配送人员需要根据系统提供的包装设置进行相关操作，需要多花一些时间）和11 次下降到4 次。由于进行了适当的包装设置，由食物变质和货物差异造成的退货数量大大减少了63.6%。

项目七复习题

1.举例说明物联网感知识别层与智能包装的联系。

2.感知识别层在物联网中的重要性主要体现在哪些方面？

3.冷链包装模式有哪三种系统？每种系统的特点有哪些？

4.多温共配食品供应链存在的主要问题是什么？如何解决？

5.智能包装如何与物联网技术结合在多温共配食品供应链中发挥作用？