CN119398641A 基于ai大数据的智慧冷链一体化管理方法及系统 （深圳前海粤十信息技术有限公司）

区南山街道梦海大道5289号中粮亚太基于AI大数据的智慧冷链一体化管理方法基于AI大数据的智慧冷链一体化管理方法及系2对冷链系统中的节点进行特征数据采集，得到节点原始数据并构建将所述节点原始数据和所述冷链网络初始邻接矩阵输入温控参数识别模型进行图卷对冷链运输任务数据和所述温控参数识别结果进行任务分解和资源分基于所述多区域协同任务分配方案进行动态负载计算和区域间任务对所述实时任务执行状态数据进行分级处理并采集冷链系统健康通过数字孪生模型，基于所述冷链系统健康评估数据进行策略优化，对冷链系统中的节点进行特征数据采集，得到节点原始数据并构建冷链网络初始邻接矩对冷链系统中所有节点的位置坐标信息进行采集，并将位置坐标信对所述冷链系统中所有节点的温度参数、湿度参数和设备运行状态参数进行实时采对所述节点位置分类数据进行节点间距离计算，基于预设的物流连接对所述节点状态特征数据进行深度特征提取，分别提取温度变化特将所述节点特征向量组与所述节点位置分类数据进行融合计算将所述节点原始数据和所述冷链网络初始邻接矩阵输入温控参数识别模型进行图卷积运将所述节点原始数据按照温度数据、湿度数据和设备状态数层使用64个3×3卷积核和LeakyReLU激活函数，第二卷积层使用128个3×3卷积核和3将所述节点特征向量和所述冷链网络初始邻接矩阵输入温控参数识别模型的图卷积对所述节点更新特征进行全局池化操作，通过注意力加权平均的将所述图级别特征表示输入双分支预测网络，温度预测分支和湿度预测分支各包含2参数预测值和湿度参数预测值，并对所述温度参数预测值和所述湿度参数预测值进行组对冷链运输任务数据进行分区域统计，根据任务地理位置分布和冷库将所述温控参数识别结果与所述区域任务负载数据进行匹配分析对所述区域资源负载数据进行阈值分析，将任务密度高的区域基于所述细粒度任务分解序列构建教学优化模型，将全局最对所述初始任务分配策略进行横向协同优化，基于相邻区域间的资对所述任务调度优化结果进行用户一冷库匹配度计算，基于节点位置将所述多区域协同任务分配方案输入边缘计算环境中的分布式调度节对所述区域管理分配数据进行资源统计分析，通过计算冷库存储基于所述区域资源容量数据建立区域间通信机制，通过分布式对所述资源共享数据进行负载分析，当检测到区域的资源负载超过预4将所述任务重分配方案输入任务执行监控模块，对任务执行过程中对所述任务监控数据进行异常检测，基于预设的温控参数阈值和将所述任务异常标记数据输入任务重分配机制，基于当前系统状对所述实时任务执行状态数据进行物联网传感设备数据采集，通过第一传对所述节点监测数据集中的节点进行两级异常分析，第一级通过温对所述常规监控状态数据进行三阈值监测，通过第一阈值判断温度偏将所述告警状态数据输入二维历史分析模块，第一维度基于时间对所述告警处理数据和所述常规监控状态数据进行三层冲突消解，第将所述协同采集数据输入四维健康评估模型，通过第一维度评估温对所述健康评估指标进行双层次趋势分析，第一层次通过15分钟滑动窗对所述冷链系统健康评估数据进行三层状态划分，第一层对温控状态基于所述多维状态向量构建第一马尔可夫链模型，通过最大似5将所述第二状态转移矩阵输入数字孪生建模单元，通过第一虚拟映射模对所述系统数字孪生模型进行三场景仿真计算，通过第一基于所述场景仿真数据进行多目标优化计算，通过第一子目标将所述优化策略集合输入应急响应处理模块，基于温控异常等级8.一种基于AI大数据的智慧冷链一体化管理系统采集模块，用于对冷链系统中的节点进行特征数据采集，得到节点识别模块，用于将所述节点原始数据和所述冷链网络初始邻接矩阵输计算模块，用于对冷链运输任务数据和所述温控参数识别结调配模块，用于基于所述多区域协同任务分配方案进行动态负载计处理模块，用于对所述实时任务执行状态数据进行分级处理并采9.一种基于AI大数据的智慧冷链一体化管理设备，所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于A冷链一体化管理设备执行如权利要求1_7中任一项所述的基于AI大数据的智慧冷链一体化所述指令被处理器执行时实现如权利要求1_7中任一项所述的基于AI大数据的智慧冷链一6将所述节点原始数据和所述冷链网络初始邻接矩阵输入温控参数识别模型进行对所述实时任务执行状态数据进行分级处理并采集冷链系统健康7和温控参数的精确识别，采用教学优化算法解决了多区域任务分配和资源负载均衡问题，[0012]图1为本发明实施例中基于AI大数据的智慧冷链一体化管理方法的一个实施例示图2为本发明实施例中基于AI大数据的智慧冷链一体化管理系统的一个实施例示图3为本发明实施例中基于AI大数据的智慧冷链一体化管理设备的一个实施例示89[0017]102、将节点原始数据和冷链网络初始邻接矩阵输入温控参数识别模型进行图卷进行降维去除冗余信息，同时突出数据中的重要特征；第三全连接层的输出维度缩小至同时采用GraphNorm归一化方法，对节点特征进行标准化处理，以减少特征之间的分布差使系统吞吐量较基于历史记录的策略提高了性能；结合冷链健康监测体系和数字孪生模;;;i的特征表征数据，Ti是节点i的温度特征向量，是湿度特征向积层使用64个3×3卷积核和LeakyReLU激活函数，第二卷积层使用128个3×3卷积核和输出维度为512，第二全连接层输出维度为256，第三全连接层输出维度为128，每层使用（3）将节点特征向量和冷链网络初始邻接矩阵输入温控参数识别模型的图卷积;;;;;j内第i个任务的密度，Ti;是在区域j内的第i个任务数量，而;;;j的配送时间，lr是区域k的负载不平衡度。这一优化将通过多;i与冷库j的匹配度，si是用户i的服务需求，c是冷库j的服务能[0031]具体的，将多区域协同任务分配方案输入到边缘计算环境中的分布式调度节;点A将其冷库的可用容量以及当前运输任务通过网络发送给节点B，实现资源的最优配置。;i对于区域j的负载比，代表区域i的资源使用量，而是较低的区域j，此时得到的任务重分配方案能够有效减轻区域i的负担，同时提升;异常持续时间计算异常等级系数，第二级通过任务时效性和货物价值计算任务权重系数，期健康趋势，第二层次通过4小时滑动窗口计算长期健康趋势，得到冷链系统健康评估数;i的异常等级系数，Fi是节点i在观察周期内的温控异常频率，而以下公式表示：;;;其中，pi;是从状态i转移到状态j的概率，N;是在观察周期内从状态i到状态j的;;明实施例中基于AI大数据的智慧冷链一体化管理系统识别模块202，用于将节点原始数据和冷链网络初始邻接矩阵输入温控参数识别计算模块203，用于对冷链运输任务数据和温控参数识别结果进行任务分解和资调配模块204，用于基于多区域协同任务分配方案进行动态负载计算和区域间任处理模块205，用于对实时任务执行状态数据进行分级处理并采集冷链系统健康优化模块206，用于通过数字孪生模型，基于冷链系统健康评估数据进行策略优[0038]上面图2从模块化功能实体的角度对本发明实施例中的中基于AI大数据的智慧冷[0039]图3是本发明实施例提供的一种基于AI大数据的智慧冷链一体化管理设备的结构示意图，该基于AI大数据的智慧冷链一体化管理设备300可因配置或性能不同而产生比较暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块（图示没标出每个模块可以包括对基于AI大数据的智慧冷链一体化管理设备300中的一系列指令操[0040]基于AI大数据的智慧冷链一体化管理设备300还可以包括一个或一个