本發(fā)明涉及溫度監(jiān)測，具體涉及基于物聯(lián)網(wǎng)的智慧城市配送監(jiān)測系統(tǒng)。

背景技術(shù)：

1、智慧城市的中央廚房是一種餐飲制造業(yè)的模式，它采用巨大的操作間，采購、選菜、切菜、調(diào)料等各個環(huán)節(jié)均有專人負(fù)責(zé)，半成品和調(diào)好的調(diào)料一起，用統(tǒng)一的運輸方式，趕在指定時間內(nèi)運到分店。隨著中央廚房行業(yè)的需求增加，其中如何降低制造好的菜品在派送過程中產(chǎn)生變質(zhì)的可能性，確保食品的安全問題是比較重要的研究方向。

2、由于配送具有統(tǒng)一的運輸方式，因此可以通過分析歷史配送溫度和配送時間之間的關(guān)系，對未來菜品配送過程中冷藏車的溫度進(jìn)行預(yù)測，但是由于歷史時間段中可能存在具有一定異常的溫度數(shù)據(jù)，這些異常數(shù)據(jù)將影響預(yù)測。常用sma(simple?moving?average)移動平均法根據(jù)趨勢對異常數(shù)據(jù)進(jìn)行平滑，但sma移動平均法在移動平均窗口中對所有數(shù)據(jù)均使用相同的權(quán)重進(jìn)行平均，在異常較為復(fù)雜時，無法對歷史時間段中的數(shù)據(jù)進(jìn)行有效平滑，導(dǎo)致得到溫度預(yù)測值的準(zhǔn)確性較低，進(jìn)行監(jiān)測的可靠度不足，進(jìn)而使配送安全無法保障。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中得到溫度預(yù)測值的準(zhǔn)確性較低，進(jìn)行監(jiān)測的可靠度不足，進(jìn)而使配送安全無法保障的技術(shù)問題，本發(fā)明的目的在于提供一種基于物聯(lián)網(wǎng)的智慧城市配送監(jiān)測系統(tǒng)，所采用的技術(shù)方案具體如下：

2、本發(fā)明提供了一種基于物聯(lián)網(wǎng)的智慧城市配送監(jiān)測系統(tǒng)，所述系統(tǒng)包括：

3、歷史數(shù)據(jù)獲取模塊，用于獲取預(yù)設(shè)數(shù)量個歷史溫度時序數(shù)據(jù)段；

4、待檢測數(shù)據(jù)段獲取模塊，用于在每個歷史溫度時序數(shù)據(jù)段中，根據(jù)每個數(shù)據(jù)波動的波動變化分布情況，以及對應(yīng)數(shù)據(jù)波動中每個數(shù)據(jù)點的分布偏離情況，獲得每個數(shù)據(jù)點的異常度；通過每個歷史溫度時序數(shù)據(jù)段中數(shù)據(jù)點的異常度確定疑似異常點；根據(jù)每個歷史溫度時序數(shù)據(jù)段中，每個疑似異常點在對應(yīng)預(yù)設(shè)移動平均窗口中所有數(shù)據(jù)點的異常度分布占比情況，結(jié)合移動平均法更新每個疑似異常點的數(shù)據(jù)值，獲得待檢測數(shù)據(jù)段；

5、溫度監(jiān)測模塊，用于獲取每個待檢測數(shù)據(jù)段中每個數(shù)據(jù)點的異常度；根據(jù)每個時刻對應(yīng)所有待檢測數(shù)據(jù)段中數(shù)據(jù)點的數(shù)據(jù)值和異常度分布情況，獲得每個時刻的預(yù)測值；根據(jù)每個時刻的預(yù)測值進(jìn)行溫度監(jiān)測。

6、進(jìn)一步地，所述獲得每個數(shù)據(jù)點的異常度，包括：

7、依次將每個歷史溫度時序數(shù)據(jù)段作為目標(biāo)數(shù)據(jù)段，獲取目標(biāo)數(shù)據(jù)段中的溫度數(shù)據(jù)曲線；獲取溫度數(shù)據(jù)曲線中的極值點，將每相鄰兩個極值點之間的曲線作為數(shù)據(jù)波動；

8、根據(jù)每個數(shù)據(jù)波動中數(shù)據(jù)點的變化程度，獲得每個數(shù)據(jù)波動的波動度；計算目標(biāo)數(shù)據(jù)段中所有數(shù)據(jù)波動的波動度的平均值，獲得目標(biāo)數(shù)據(jù)段的平均波動度；將每個數(shù)據(jù)波動的波動度與平均波動度之間的差異，進(jìn)行歸一化處理獲得每個數(shù)據(jù)波動的異常指標(biāo)；

9、計算目標(biāo)數(shù)據(jù)段中所有數(shù)據(jù)點的數(shù)據(jù)值的平均值，獲得目標(biāo)數(shù)據(jù)段的平均數(shù)據(jù)值；對于目標(biāo)數(shù)據(jù)段中任意一個數(shù)據(jù)點，將該數(shù)據(jù)點的數(shù)據(jù)值與平均數(shù)據(jù)值之間的差異，進(jìn)行歸一化處理獲得該數(shù)據(jù)點的異常可能性；

10、將該數(shù)據(jù)點的異?？赡苄耘c該數(shù)據(jù)點所在數(shù)據(jù)波動的異常指標(biāo)相乘，獲得該數(shù)據(jù)點的異常度。

11、進(jìn)一步地，所述根據(jù)每個數(shù)據(jù)波動中數(shù)據(jù)點的變化程度，獲得每個數(shù)據(jù)波動的波動度，包括：

12、對于任意一個數(shù)據(jù)波動，計算該數(shù)據(jù)波動對應(yīng)兩個極值點之間數(shù)據(jù)值的差異，獲得該數(shù)據(jù)波動的極值差異；計算該數(shù)據(jù)波動對應(yīng)兩個極值點之間時間的差異，獲得該數(shù)據(jù)波動的時間差異；

13、將該數(shù)據(jù)波動的極值差異與時間差異的比值作為該數(shù)據(jù)波動的波動度。

14、進(jìn)一步地，所述疑似異常點的獲取方法包括：

15、將每個歷史溫度時序數(shù)據(jù)段中所有異常度的平均值，作為每個歷史溫度時序數(shù)據(jù)段的異常評價指標(biāo)；

16、當(dāng)數(shù)據(jù)點的異常度與所在歷史溫度時序數(shù)據(jù)的異常評價指標(biāo)之間的差異大于預(yù)設(shè)異常閾值時，將對應(yīng)數(shù)據(jù)點作為疑似異常點。

17、進(jìn)一步地，所述待檢測數(shù)據(jù)段的獲取方法包括：

18、對于任意歷史溫度時序數(shù)據(jù)段中任意一個疑似異常點，將該疑似異常點對應(yīng)的預(yù)設(shè)移動平均窗口作為檢測窗口；

19、計算檢測窗口中所有數(shù)據(jù)點的異常度的累積值與該疑似異常點的異常度的和值，獲得該疑似異常點的異常總值；計算檢測窗口中每個數(shù)據(jù)點的異常度與異常總值的比值，進(jìn)行負(fù)相關(guān)映射并歸一化處理獲得每個數(shù)據(jù)點在檢測窗口中的分配權(quán)重；

20、在檢測窗口中根據(jù)每個數(shù)據(jù)點的分配權(quán)重，進(jìn)行sma移動平均法獲得該疑似異常點新的數(shù)據(jù)值；將更新完所有疑似異常點的數(shù)據(jù)值的歷史溫度時序數(shù)據(jù)段作為待檢測數(shù)據(jù)段。

21、進(jìn)一步地，所述在檢測窗口中根據(jù)每個數(shù)據(jù)點的分配權(quán)重，進(jìn)行sma移動平均法獲得該疑似異常點新的數(shù)據(jù)值，包括：

22、基于sma移動平均法，根據(jù)檢測窗口中每個數(shù)據(jù)點的分配權(quán)重和數(shù)據(jù)值，獲得檢測窗口中的移動平均值；計算檢測窗口中數(shù)據(jù)點的數(shù)據(jù)值與移動平均值之間差值的平均值，獲得檢測窗口的調(diào)整值；

23、將移動平均值與調(diào)整值的和值作為對應(yīng)疑似異常點新的數(shù)據(jù)值。

24、進(jìn)一步地，所述預(yù)測值的獲取方法包括：

25、對于任意一個時刻，計算該時刻下所有待檢測數(shù)據(jù)段對應(yīng)數(shù)據(jù)點的異常度的和值，作為檢測和值；將該時刻下每個待檢測數(shù)據(jù)段對應(yīng)數(shù)據(jù)點的異常度與檢測和值的比值，進(jìn)行負(fù)相關(guān)映射并歸一化處理獲得該時刻下每個待檢測數(shù)據(jù)段對應(yīng)數(shù)據(jù)點的預(yù)測權(quán)重；

26、計算該時刻下每個待檢測數(shù)據(jù)段對應(yīng)數(shù)據(jù)點的預(yù)測權(quán)重與對應(yīng)數(shù)據(jù)值的乘積，獲得該時刻下每個待檢測數(shù)據(jù)段對應(yīng)數(shù)據(jù)點的調(diào)整預(yù)測值；計算該時刻下所有調(diào)整預(yù)測值的平均值，獲得該時刻對應(yīng)的預(yù)測值。

27、進(jìn)一步地，所述根據(jù)每個時刻的預(yù)測值進(jìn)行溫度監(jiān)測，包括：

28、獲取當(dāng)前時刻溫度數(shù)據(jù)對應(yīng)的實際值，將當(dāng)前時刻的實際值與當(dāng)前時刻的預(yù)測值之間的數(shù)值差異作為監(jiān)測評價值；

29、當(dāng)當(dāng)前時刻前連續(xù)預(yù)設(shè)監(jiān)測數(shù)量個時刻的監(jiān)測評價值大于預(yù)設(shè)監(jiān)測閾值時，將當(dāng)前時刻的監(jiān)測狀態(tài)記為異常狀態(tài)，否則，監(jiān)測狀態(tài)為正常狀態(tài)。

30、進(jìn)一步地，所述獲取目標(biāo)數(shù)據(jù)段中的溫度數(shù)據(jù)曲線，包括：

31、對目標(biāo)數(shù)據(jù)段采用最小二乘法進(jìn)行多項式擬合獲取溫度數(shù)據(jù)曲線。

32、進(jìn)一步地，所述獲取溫度數(shù)據(jù)曲線中的極值點的方法采用牛頓法。

33、本發(fā)明具有如下有益效果：

34、本發(fā)明通過歷史數(shù)據(jù)段中數(shù)據(jù)波動的波動變化程度，對每次波動的異常性進(jìn)行分析，并結(jié)合波動中每個數(shù)據(jù)點的分布偏離情況，通過數(shù)據(jù)點本身偏離和所在波動異常綜合得到每個數(shù)據(jù)點的異常度，確定出可能出現(xiàn)異常情況的疑似異常點，以便后續(xù)進(jìn)行更準(zhǔn)確的平滑。進(jìn)一步，對每個疑似異常點進(jìn)行數(shù)據(jù)值的平滑，通過預(yù)設(shè)移動平均窗口中數(shù)據(jù)點的異常度分布情況，也即將窗口中每個數(shù)據(jù)點異常情況作為權(quán)重分析趨勢情況，進(jìn)行疑似異常點處的數(shù)據(jù)值預(yù)測，更新了疑似異常點的數(shù)據(jù)值，獲得更準(zhǔn)確的表征配送溫度和配送時間之間歷史關(guān)系的待檢測數(shù)據(jù)段，使后續(xù)進(jìn)行預(yù)測的預(yù)測值準(zhǔn)確性更高。進(jìn)一步地，獲得每個待檢測數(shù)據(jù)段中每個數(shù)據(jù)點的異常度，此時的異常度表征每個數(shù)據(jù)點在對應(yīng)待檢測數(shù)據(jù)段中的可信程度，結(jié)合每個時刻下所有待檢測數(shù)據(jù)段對應(yīng)的數(shù)據(jù)值和異常度分布情況，最終獲得每個時刻對應(yīng)更準(zhǔn)確的預(yù)測值進(jìn)行溫度監(jiān)測。本發(fā)明通過調(diào)整歷史數(shù)據(jù)中的異常數(shù)據(jù)情況，結(jié)合異常情況得到更準(zhǔn)確的溫度預(yù)測值，使得進(jìn)行溫度監(jiān)測的過程更可靠，進(jìn)而提高配送的安全性。