[发明专利]冷链全链路数据信息管理方法、装置、设备及存储介质

权利要求书

1.一种冷链全链路数据信息管理方法，其特征在于，所述冷链全链路数据信息管理方法包括：

实时获取物流订单各个物流环节中的物流数据，并对所述物流数据进行处理，得到处理后物流数据；

对所述处理后物流数据进行提取，得到监测数据集，所述监测数据集包括物流车辆的位置信息、车速、内部实时温度和内部实时湿度；

根据所述监测数据集对物流车辆的内部温度和内部湿度的变化情况进行预测，得到车辆预测温度和车辆预测湿度；

根据所述监测数据集、所述车辆预测温度和所述车辆预测湿度生成物流订单可视化图表；

分别判断所述车辆预测温度和所述车辆预测湿度是否异常，若车辆预测温度或车辆预测湿度存在异常，则发出预警信息。

2.根据权利要求1所述的冷链全链路数据信息管理方法，其特征在于，所述实时获取物流订单各个物流环节中的物流数据，并对所述物流数据进行处理，得到处理后物流数据，包括：

从物流监控中心获取物流订单各个物流环节中的物流数据；

对所述物流数据进行去噪和滤波处理，得到预处理数据；

对所述预处理数据进行结构化处理，得到处理后物流数据，并将所述处理后物流数据存储到MySQL数据库。

3.根据权利要求1所述的冷链全链路数据信息管理方法，其特征在于，所述对所述处理后物流数据进行提取，得到监测数据集，所述监测数据集包括物流车辆的位置信息、车速、内部实时温度和内部实时湿度，包括：

将处理后物流数据导入Python pandas库；

使用布尔索引从导入Python pandas库的处理后物流数据中提取物流车辆的位置信息、车速、内部实时温度和内部实时湿度，得到监测数据集；

对所述监测数据集进行无效行删除处理和缺失值填充处理，并将处理后的所述监测数据集存储到MySQL数据库。

4.根据权利要求1所述的冷链全链路数据信息管理方法，其特征在于，所述根据所述监测数据集对物流车辆的内部温度和内部湿度的变化情况进行预测，得到车辆预测温度和车辆预测湿度，包括：

构建用于预测车辆预测温度的第一线性回归模型和用于预测车辆预测湿度的第二线性回归模型，第一线性回归模型和第二线性回归模型分别表示为：

T＝-5.2+0.8T_in-1.2RH_in+0.3v+ε₁

RH＝46.6+2.1RH_in-0.3T_in-0.15v+ε₂

其中，式中，T表示车辆预测温度，RH表示车辆预测湿度，T_in表示物流车辆的内部实时温度，RH_in表示物流车辆的内部实时湿度，v表示物流车辆的车速，ε₁和ε₂分别表示误差项；

提取监测数据集中物流车辆的车速、内部实时温度和内部实时湿度，并将物流车辆的车速、内部实时温度和内部实时湿度代入第一线性回归模型，得到车辆预测温度；

将监测数据集中物流车辆的车速、内部实时温度和内部实时湿度代入第二线性回归模型，得到车辆预测湿度。