智能物流技术的创新与应用

 

1 智能物流技术创新应用的时代背景

近几年，跨境电子商务已经成为我国对外贸易发展的动力引擎，促进了我国的经济发展。随着跨境电子商务的兴起，国内边境物流业也得到了快速进步。但在跨境物流中，存在着货物信息不安全、物流成本高、运输周期长和跨境支付困难等问题。在新的时代，我国需紧紧抓住人工智慧、区块链等技术带来的创新机会，推动相关行业发展。在这样的时代背景下，基于“区块链+人工智能”技术的跨境物流智能链（Cross Border AI Logistic Chain）应运而生。其诞生是为了解决国际贸易中存在的产业发展难题，为国际贸易提供全新的物流运作方式。例如，我国同老挝、泰国等国家有着悠久的经贸历史，为推动中国、老挝、泰国等国家之间的经贸合作，并有效解决三国之间的边境物流难题，三国在国际上以区块链技术为基础，利用人工智能等技术，建立起了三国之间的边境物流智能链，促进了三个国家的外贸交易，为我国与他国之间的友好经济往来做出了突出贡献。

 

当前，物流机器人与5G网络、物联网、人工智能等技术深度融合，通过构建更加安全可靠的智能化物流体系，让智能物流在生产、流通、消费等环节中实现无人化、自动化和智能化的协同运作。目前，物流机器人正向着更高的目标迈进：一是要有更强的感知能力，能够通过视觉技术进行环境感知；二是要有更好的运动能力，可以实现高精度的定位；三是要有更高的智能化水平，通过对物流过程中各种信息的实时获取，进行相应的判断和处理。

 

2 新时代背景下智能物流技术的应用要求

物流设备使用范围较广，且在不同的行业中，对智能物流的需求也存在着较大差别，总的来说，智能物流对物流技术的新需求表现在以下几个方面。

 

2.1 物流设备智能化

通过状态感知技术，实现信息的实时交互、分析，可对物流设备进行局部自组织、自配置和自决策，由“功能机器”向“智能机器”演化，成为感知、控制和自主决策的智能设备。

 

2.2 系统协作的高效化

随着物流设备的智能化程度不断提高，智能物流对于设备之间以及人机之间的分工协作提出了更高的需求，希望能够通过设备-设备以及设备-人之间的有效合作，最大程度地发挥出智慧物流系统的资源利用作用，从而全面提升物流工作效率[2]。

 

2.3 物流体系的柔性化

柔性化是现代物流技术发展的必然趋势。在消费者多样化、个性化和定制化的需求的作用和刺激下，面对着市场上的灵活变化和巨大的商业波动性问题，客户必须要考虑和构建一个能够快速部署、快速复制、灵活扩展和跨区域转移的柔性化智能物流体系，才能符合企业的发展要求。

 

2.4 系统的运作智能化

新时期，物流领域的发挥越来越希望构建融合IT技术、OT技术的全域数据大数据分析体系，在数据的一体化采集、整理、融合下，形成覆盖面全、涉及范围广的大型数据仓库，保障业务数据、设备数据处理过程的可视化，并针对业务和设备异常进行深入了解，为业务和设备的异常提供状态检测、故障诊断、预测预警和远程运维等服务，从而提升对业务和设备的迅速定位和处理的能力，实现对系统策略的动态调整，确保整个物流系统的高效、稳定地运转。

 

3 智能物流系统搭建

3.1 系统架构设计

设计一种具有更加理想的自动定位效果的物流机器人定位系统，可以更好地对需要抓取和分拣的快递包裹进行有效的对象识别和定位，从而减少在物流包裹不能通过传送带精准地传递到分拣区域时，造成物流包裹抓取和分拣失败的几率。在此基础上，需以数据传感为核心，以网络传输为核心，以扩展存储为核心，建设智能移动平台，以实现物流机器人自主定位。为了提高企业的物流效率，本文介绍了一种以V2X技术为基础的智慧物流系统，该系统组织架构如图1所示。

 

3.1.1 车辆子系统

车辆子系统主要由车载V2X通讯模块、车载定位装置、车载传感器等组成。V2X通讯模组用以提供车辆、其他车辆、基础设施和行人等与网络间之即时通讯，可利用定位仪来获得运载工具的即时位置，利用感应器来实现对运载工具的即时监控。

 

图1 基于V2X技术的智能物流系统架构   

 

3.1.2 基础设施子系统

道路监控设备和交通信号灯是该系统的重要组成部分。该系统利用V2X技术与车辆系统进行通讯，可为用户提供实时路面状况信息，以提升行车安全性及行车效率。

 

3.1.3 仓储子系统

仓储管理系统主要由货架和库存监控设备组成。仓库系统利用与车辆系统的通讯，能够对仓库进行实时存货监测，并对仓库进行合理布置，从而有效改善仓库的存货管理水平。

 

3.1.4 网络子系统

该系统使用的是基于云服务的无线通讯技术。在车辆子系统、基础设施子系统、仓储子系统之间，由移动通信网络进行传输，并对信息进行存储和处理，从而为用户提供实时路况信息、导航服务等[3]。

 

3.1.5 目标图像预处理

如果要使用视觉技术更好地实现物流分拣机器人的自动定位工作，首先要做的工作就是使用适当的照相装备和合理的图像采集方法，对物流分拣机器人将要抓取与分拣的目标对象的图像展开有效采集。由于STM32嵌入式ARM具有高性能、低采集成本和低功耗等优点，将其用于图像采集工作中，仅需要较小的能耗就可以比较完美地实现图像采集工作，因此，以STM32作为主芯片，对目标物体图像采集模块进行了合理的设计。如何对采集到的分类对象进行高效的预处理，是实现自动定位任务的重要环节。在本论文所设计的系统中，数据感知层的Open CV图像预处理模块，主要利用Open CV来对目标图像进行灰度化、噪声滤除、图像二值化三个方面的工作。在Open CV中，使用cv Color函数来完成图像的灰度化工作，再对其进行适当的参数设定，就可以将获取到的对象图像转换为可以更好与计算机程序相匹配的灰度化图像。该算法利用Blur函数对被检测的图像进行平均滤波，从而达到对图像去噪的目的；对图像进行二值化处理，是利用对对象图像进行适应性数值划分的方法。在边缘检测之前，需要将目标区域从背景中分离出来。在此过程中，可以使用Hough变换或其他方法来检测目标区域。根据分割结果，可以使用区域标记技术来检测目标区域。常用的区域标记方法有两种：一种是基于直线的区域标记方法；另一种是基于彩色信息的区域标记方法。

 

3.1.6 分类分拣系统

在对分拣对象西南西进行预处理之后，是否能够采用高效的方法对目标边界进行高效、合理的提取，对于实现物流分类机器人的自主定位有着十分重要的实际意义。由于Canny算子对图像的边界探测有很大的优越性，因此，本论文采用Canny算子对图像进行边界探测，以获得图像的边界特性。

 

将要进行边界探测的机械臂对要被分类的对象影像以I(x,y）为标志，利用高斯滤波器对其进行高效的卷积运算，实现对应的平滑滤波工作，以压制对影像边界探测结果产生干扰的噪音。可以通过以下公式来表示特定的高斯平滑处理

 

式中：高斯分布标准偏差由v来表示；exp标志了语言函数；G(x,y）为在I(x,y）上进行高斯平滑（gaussian）过滤后得到的影像。用（x,y）表示G(x,y）的像素，按照如下对G(x,y）进行高效的梯度运算

 

 

式中：用N(x,y）和β(x,y）来表示梯度的幅度和方向；用Gx(x,y）和Gy(x,y）来标识在（x,y）上的图像在横向和纵向上的梯度值；arctan用来表示正切函数。

 

3.1.7 调度站点

以中央控制器为核心，实现对全智慧物流的统一管理与调配。通过对数据信息的处理，可以进行动态化路径规划、智能化车辆调度以及即时化货物追踪，提升了物流的效能，减少了运输费用[4]。

 

3.2 核心技术

3.2.1 V2X通讯方式

V2X通讯技术是解决车辆和其他交通主体以及整个系统间实时通讯的关键技术。在这一方面，可使用DSRC(Dedicated）和LTE-V(Long-Term Short Range Communications)2种主流V2X通讯技术。

 

3.2.2 运动时的测距和导航定位技术

本项目拟将使用GNSS与GIS相结合的高精度定位技术，对移动机器人进行实时位置与轨迹规划。

 

3.2.3 数据的综合处理

为了更好地做出正确的行动决策，必须将各子系统所提供的信息进行整合处理。在这一方面，可利用多源信息与大数据相结合的方法，对车辆状态、路况信息、存储信息等信息进行实时处理与分析。

 

3.2.4 Inframework技术

其以物联网技术为核心的存储系统为重点内容。在这一方面，可利用无线射频识别、Zig Bee等物联网技术，在仓库中进行仓储设备与运输工具间的实时信息交换。

 

3.3 系统优化算法

最优化行进路径计划。为了达到最大限度降低运输费用的目标，必须对交通工具的运行路线进行优化。目前，比较常用的寻优方式就是采用遗传演算法、蚁群算法等。这些方法能够根据道路的实际情况，自动对行进路线进行优化，减少行车时间，降低油耗[5]。

 

首先，遗传算法是通过基因突变、杂交和选择等方式，构建新的求解空间，通过多次迭代寻找最优化求解空间，从而实现对最优化问题的求解。在智慧物流中，运用遗传算法求解VRP是一种有效的方法。表1为以遗传算法为基础的最优路线计划案例，获得了路径的最佳设计方案。

 

其次，蚁群算法优化。该方法模仿了自然条件下的蚂蚁捕食习性，并利用蚂蚁自身的“信息素”，引导其他蚂蚁找到最佳捕食路线。将蚁群算法用于求解智能物流中的路线问题是可行的。在公式中，Pij是将蚁群从点i迁移到点j的几率，τij代表在点i与j间的信息素密度，ηij代表在点i与j间的启发信息。其中，α与β为影响信息量与启发性讯息之加权系数，Ji为当蚁群到达点i时所能选取的结点群。

 

最后，货运计划的最优调度。在智慧物流中，货运计划是指如何将货物从原产地运至目标地。在运输过程中，要考虑运输工具的载货能力和交货时间窗口等众多因素。本文提出的算法为线性规划和整数规划。该方法能够在满足货物运输需求的同时，还能结合车辆的状态以及道路状况等因素，实现货物的动态分配，从而有效提升系统的资源利用效率。

 

  

 

表1 遗传算法优化路径规划示例  下载原图

 

4 案例分析与实际应用效果

本项目拟选取1个典型的智慧物流应用实例，以V2X网络技术为基础，开展面向V2X网络的智慧物流体系构建与优化研究。在此基础上，通过对优化前、后物流效率、顾客满意程度等评价，分析其在实践中的运用效果。

 

4.1 案例描述

首先，本文利用上文提出的V2X技术，实现了对道路状况、车辆状态以及顾客要求信息的实时采集。然后运用本文提出的算法，对车辆路径、货物与车辆进行了最优化调度。

 

在这一个案中，将运用蚁群算法来进行车辆的最佳路径规划，并利用线性规划来进行车辆的最佳调度。利用Python软件，结合相应的数据库，对以上实例数据进行了物流效率、成本及顾客满意程度的分析。

 

4.2 实际应用效果

在此基础上，对该智慧物流系统的应用进行评价，并对该技术在智慧物流中的应用有效性进行实践验证。

 

在本实例中，与优化之前相比，该方案在如下几个领域有了明显的改善。

 

行车里程。与改进之前相比，改进后行车里程缩短了四分之一左右。该方法不仅节省了汽车的燃油总量，且缩短了汽车的运行周期，大大减少了汽车的运行费用。

 

物流运输速度和时间。物流运输速度比系统优化前加速20%，使得顾客可以更迅速收到货物，提高了顾客的满意度。

 

运载工具的空载率，比改进之前减少15%。通过优化运输调度方案，可以有效减少物流费用，从而达到节约成本支出的目的。

 

顾客满意度有所提高。以交货时间准时率、损失比率为主要评价标准，改善前后的顾客满意程度可提升30%左右。这就代表着，企业可以更好地适应顾客需要，提高顾客的忠诚度，增强企业的核心竞争能力。

 

5 结束语

综上所述，本论文提出了以V2X为核心的智慧物流体系结构，并运用了各种优化策略和算法，实现该体系结构的最佳设计，最后以实证研究为基础，验证了这一系统在提高物流效率、降低运输成本、提高顾客满意程度上发挥作用。随着新时期我国科技水平的飞速提高，智慧物流体系的改进与创新也将有更大的发展空间，智慧物流技术的使用还有待进行进一步的深入探讨，期望通过本文的研究，能够给学术界和企业实践领域带来一些启发和参考，从而促进智慧物流业的发展。