趙 衰， 丁 菡， 李 瑞， 王 志， 張小彬， 趙季中

(1. 西安交通大學(xué) 電子與信息學(xué)部 陜西 西安 710049； 2. 西安電子科技大學(xué) 軟件工程學(xué)院 陜西 西安 710126； 3. 西安交通大學(xué) 軟件學(xué)院 陜西 西安 710049)

0 引言

由于運(yùn)輸溫度及震動(dòng)敏感貨物(如藥品、生物制品、生鮮等)的需求迅速增大，對(duì)冷鏈物流服務(wù)質(zhì)量的要求正在經(jīng)歷爆炸式的增長(zhǎng)，我國(guó)已部署的冷鏈物流僅能滿足20%～30%的社會(huì)需求。制約冷鏈物流發(fā)展的主要障礙在于其效率低下，即缺乏能夠?qū)崟r(shí)匯報(bào)運(yùn)輸途中異常事件的手段。因此，冷鏈物流產(chǎn)業(yè)需要系統(tǒng)地感知并處理運(yùn)輸中的多維數(shù)據(jù)，如車體溫度、物品震動(dòng)等。 借助此類數(shù)據(jù)，管理員才能夠發(fā)現(xiàn)異常事件并進(jìn)行決策，從而減少經(jīng)濟(jì)損失。無源可計(jì)算射頻識(shí)別(computational radio frequency identification, CRFID)[1]標(biāo)簽?zāi)軌蛲ㄟ^射頻信號(hào)與閱讀器進(jìn)行無線通信，并提供所貼附物品的上下文信息。該類標(biāo)簽符合商用RFID標(biāo)準(zhǔn)，不僅能夠提供物品ID信息，還配備了豐富的傳感器，如溫度傳感器、加速度計(jì)、光傳感器等。因此，CRFID標(biāo)簽?zāi)軡M足多維信息感知的需求。無線識(shí)別與感知平臺(tái)(wireless identification and sensing platform，WISP)是一種嵌入了多種傳感器的CRFID標(biāo)簽。由于其多維感知能力，WISP適用于各種應(yīng)用。一些工作通過分析物品上WISP數(shù)據(jù)，將物品的軌跡轉(zhuǎn)化為用戶層的日?；顒?dòng)(如做飯、看電視等)[2]。文獻(xiàn)[3]將WISP嵌入混凝土中來監(jiān)測(cè)其材料特性，文獻(xiàn)[4]通過在用戶和WISP間構(gòu)建間接通信信道實(shí)現(xiàn)了用戶的認(rèn)證。此外，利用加速度計(jì)進(jìn)行定位追蹤是另一個(gè)主流方向。文獻(xiàn)[5]利用車體加速度數(shù)據(jù)探測(cè)路面的狀況，文獻(xiàn)[6]通過分析手機(jī)加速度數(shù)據(jù)獲取用戶在空中揮舞手機(jī)的動(dòng)作，實(shí)現(xiàn)了空中手寫識(shí)別功能。本文提出一種基于CRFID標(biāo)簽的MultiSS系統(tǒng)，以獲取冷鏈運(yùn)輸中的重要數(shù)據(jù)，即車體內(nèi)溫度及物品的三軸加速度運(yùn)動(dòng)特征。MultiSS系統(tǒng)綜合利用WISP上多種傳感器及感知數(shù)據(jù)，能夠?qū)崿F(xiàn)冷鏈物流中對(duì)運(yùn)輸溫度及震動(dòng)敏感物品的實(shí)時(shí)監(jiān)控。

1 背景及系統(tǒng)概述

1.1 無線識(shí)別與感知平臺(tái)(WISP)

WISP是一款典型的被動(dòng)式CRFID標(biāo)簽，工作在超高頻帶(920～925 MHz)，并執(zhí)行商用EPC Class 1 Generation 2協(xié)議，采用反向散射模式建立與讀寫器之間的通信。借助其內(nèi)置的溫度傳感器和加速度計(jì)，WISP非常適合實(shí)時(shí)測(cè)量冷鏈物流車中物品的溫度和運(yùn)動(dòng)狀態(tài)。

1.2 MultiSS系統(tǒng)概述

MultiSS系統(tǒng)包含一個(gè)超高頻RFID閱讀器、一個(gè)圓極化天線、一批WISP標(biāo)簽和一個(gè)計(jì)算終端，系統(tǒng)部署在物流車中。閱讀器不斷讀取WISP，并獲取溫度和加速度數(shù)據(jù)。終端實(shí)時(shí)地對(duì)采集的數(shù)據(jù)進(jìn)行處理并分析是否發(fā)生異常事件。其中一個(gè)WISP部署在物流車廂內(nèi)用于監(jiān)測(cè)內(nèi)部溫度，其他WISP部署在物品上用于監(jiān)控其運(yùn)動(dòng)狀態(tài)。一旦檢測(cè)到異常狀況發(fā)生，MultiSS系統(tǒng)將會(huì)發(fā)出報(bào)警信息。

2 溫度異常檢測(cè)

2.1 溫度檢測(cè)

實(shí)時(shí)監(jiān)控溫度能夠有效避免因溫度變化而造成的物品損壞。MultiSS系統(tǒng)使用WISP溫度傳感器實(shí)時(shí)采集并監(jiān)控物流車中溫度信息。WISP上的溫度傳感器型號(hào)為L(zhǎng)M94021，工作范圍為-50～150 ℃。該傳感器的輸出不是直觀的攝氏溫度數(shù)據(jù)，而是正比于測(cè)量溫度的電壓值，該值存儲(chǔ)于WISP EPC碼(即ID)中，通過無線傳輸方式返回給閱讀器，因此需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換。圖1為WISP 標(biāo)簽種類及EPC中感知數(shù)據(jù)存儲(chǔ)格式。由EPC碼獲取溫度的公式為

T=(Et-673)×423/1 024,

(1)

式中：Et為EPC中相應(yīng)數(shù)據(jù)位，共10比特。例如，EPC碼‘0x0f 02a9 0100 0000 0314 41 000 d’中對(duì)應(yīng)的16進(jìn)制溫度數(shù)據(jù)為‘02a9’，轉(zhuǎn)換為攝氏溫度約為3.30 ℃。

圖1 WISP標(biāo)簽種類及EPC中感知數(shù)據(jù)存儲(chǔ)格式Figure 1 WISP tag type and sensor data format in EPC

2.2 溫度傳感器校準(zhǔn)

大多數(shù)溫度傳感器均有測(cè)量誤差，可能會(huì)導(dǎo)致溫度異常的誤報(bào)。為了更準(zhǔn)確地檢測(cè)車體內(nèi)溫度的變化范圍，本文采用線性最小中位數(shù)二乘回歸(LMS)模型對(duì)溫度數(shù)據(jù)進(jìn)行校準(zhǔn)。LMS是最小二乘回歸的變種，用殘差的中位數(shù)替換傳統(tǒng)的殘差和，可以有效拒絕數(shù)據(jù)中近50%的污點(diǎn)，旨在尋找覆蓋半數(shù)測(cè)量值的最窄的擬合線[7]。LMS可以表示為Yi=Xiθ+ei,其中：Y是因變量；X是自變量；θ是p維列向量(θ1,θ2, …,θp)；ei呈標(biāo)準(zhǔn)正態(tài)分布。

LMS通過式(2)檢測(cè)θ值：

(2)

經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，WISP測(cè)試數(shù)據(jù)在不同的溫度范圍內(nèi)呈現(xiàn)出局部線性特征。因此，采用分段最小中位數(shù)二乘法(SLMS)，對(duì)不同溫度范圍的數(shù)據(jù)進(jìn)行分段處理。實(shí)驗(yàn)記錄了三個(gè)WISP(WISP1、WISP2、WISP3)的測(cè)量值和真實(shí)值，采用SLMS對(duì)測(cè)量結(jié)果進(jìn)行校準(zhǔn)，結(jié)果如圖2所示。可以看出，WISP的測(cè)量值與真實(shí)值有一定差異。為了更清楚地展示校準(zhǔn)結(jié)果，在圖2中將校準(zhǔn)后的數(shù)據(jù)與真實(shí)值同時(shí)上移，可以看出，校準(zhǔn)后的數(shù)據(jù)與真實(shí)值能夠很好地匹配。

圖2 WISP的測(cè)量值和真實(shí)值Figure 2 Measured values and true values of WISP

3 震動(dòng)異常檢測(cè)

3.1 三軸加速度檢測(cè)

運(yùn)輸中，物品的異常運(yùn)動(dòng)包括跌落、傾倒、滾動(dòng)等，常常會(huì)導(dǎo)致較大損失。若物品發(fā)生異常運(yùn)動(dòng)，其三軸加速度會(huì)發(fā)生驟變，可以通過追蹤物品的加速度數(shù)據(jù)來監(jiān)測(cè)異常震動(dòng)。由于每個(gè)物品上均貼附了WISP，因此可以通過WISP的三軸加速度反映物品加速度。

WISP上的三軸加速度計(jì)為ADXL330，測(cè)量范圍為[-3g, 3g]，其中g(shù)為自由落體加速度。WISP返回給閱讀器的數(shù)據(jù)并非真實(shí)加速度值，而是嵌入在其EPC中的16進(jìn)制電壓值。圖1展示了WISP EPC碼存儲(chǔ)加速度的數(shù)據(jù)格式。將16進(jìn)制EPC值轉(zhuǎn)換為加速度，需要將-3g～3g映射到ADC范圍(0～1 023)，轉(zhuǎn)換因子為170.67。x軸實(shí)際的加速度為Ax=Ex/(170.67×1.16)-3，其中Ex為EPC中x軸加速度相應(yīng)數(shù)據(jù)位。y、z軸的加速度可通過相同方法進(jìn)行計(jì)算。例如，由EPC碼‘0b 019b 019f 021d 007b 41 0005’，可得到x、y、z軸的加速度分別為-0.206 5、-0.179 4、0.677 0。

3.2 WISP加速度計(jì)校準(zhǔn)

WISP加速度計(jì)存在測(cè)量誤差，采用一種自動(dòng)校準(zhǔn)方法對(duì)WISP加速度計(jì)進(jìn)行校準(zhǔn)。假設(shè)加速度測(cè)量值A(chǔ)′與實(shí)際值A(chǔ)之間是線性關(guān)系，包含一個(gè)比例因子S和偏移O，則A可以用矩陣表示為

A=S(A′-O),

(3)

其中：

(4)

3.3 異常運(yùn)動(dòng)檢測(cè)

當(dāng)物流車中物品速度發(fā)生變化時(shí)，加速度應(yīng)有所反映。圖3為物品在不同異常狀態(tài)下的加速度值。結(jié)果表明，通過監(jiān)測(cè)加速度驟變可檢測(cè)物品的異常震動(dòng)。然而，物流車在運(yùn)輸途中可能加速、減速、轉(zhuǎn)彎等，也將造成物品加速度的變化，需要區(qū)分這兩種變化。

圖3 不同異常狀態(tài)下的加速度值Figure 3 The acceleration values of different abnormal states

3.3.1加速度計(jì)重定向 通過比較物流車上貼附的WISP加速度與物品上WISP加速度間的相似性，判斷加速度的變化是否來自物品的自身異常震動(dòng)。在此之前，需要先對(duì)加速度計(jì)進(jìn)行重定向。定義物流車的三維笛卡爾坐標(biāo)系為：X指向前方，Y指向右側(cè)，Z指向地面。通常物流車和物品的加速度可能是相對(duì)于(X,Y,Z)的任意方向，需推測(cè)每個(gè)軸的轉(zhuǎn)動(dòng)角而使兩者對(duì)齊。用歐拉角表示三個(gè)轉(zhuǎn)動(dòng)角，即先繞z軸轉(zhuǎn)動(dòng)α，隨后繞y軸轉(zhuǎn)動(dòng)β, 最后繞x軸轉(zhuǎn)動(dòng)γ。采用文獻(xiàn)[9]中方法，利用靜止時(shí)采集的加速度(ax,ay,az)來得到α和β,其中α=tan-1(ay/ax)，β=cos-1az。為計(jì)算γ，需要正交于Z軸的力，利用物流車的加速階段來測(cè)量γ。給定α、β和測(cè)量值(ax,ay,az)，γ可表示為

(5)

轉(zhuǎn)動(dòng)R用轉(zhuǎn)動(dòng)矩陣D、C、B可表示為

(6)

讓A和A′分別表示坐標(biāo)系xyz和XYZ下的加速度，則A′=R°A。

3.3.2改變點(diǎn)的檢測(cè)和異常動(dòng)作區(qū)分 校準(zhǔn)和重定向后，系統(tǒng)能夠快速檢測(cè)加速度的變化。采用累積和技術(shù)(CUSUM)[10]進(jìn)行改變點(diǎn)的檢測(cè)，即檢測(cè)加速度序列的平均值是否超過預(yù)定義的閾值。檢測(cè)到加速度值變化后，系統(tǒng)需進(jìn)一步確定該變化是否源于物品的自身異常運(yùn)動(dòng)。本文使用動(dòng)態(tài)時(shí)間規(guī)劃技術(shù)(DTW)來比較物流車加速度與物品加速度的相似性。DTW常用于計(jì)算在時(shí)間及速度維度上兩個(gè)不同序列間的相似性，采用動(dòng)態(tài)規(guī)劃方法尋找兩者間的最佳距離。

對(duì)于兩個(gè)序列A和B，DTW將產(chǎn)生一個(gè)距離矩陣：

D(i,j)=‖ai-bj‖，

(7)

式中：ai代表A的第i個(gè)采樣值；bj代表B的第j個(gè)采樣值。

系統(tǒng)將尋找從左上到右下的一條最優(yōu)路徑，使其滿足兩個(gè)條件：① 該路徑為單調(diào)的，即從當(dāng)前位置開始，下一個(gè)位置的方向必須是向右、向下或向右下；② 該路徑上距離的和必須為所有可能路徑中的最小值，系統(tǒng)采用該路徑上的距離總和代表A和B間的距離。正常和異常狀況下數(shù)據(jù)的動(dòng)態(tài)規(guī)劃如圖4所示。為進(jìn)一步驗(yàn)證該方法的有效性，圖4(a)顯示了圖4(b)中物流車與物品加速度間的最優(yōu)路徑。圖4(b)展示了原始數(shù)據(jù)和匹配過程，顯示物流車加速度曲線與物品加速度曲線能夠很好地匹配，說明此時(shí)加速度改變來自于物流車的運(yùn)動(dòng)。從圖4(c)的匹配結(jié)果可知，此時(shí)物品經(jīng)歷了異常狀況(因?yàn)槲锪鬈嚺c物品加速度不匹配)。該例中，圖4(b)、(c)兩種狀況下的幅值分別為1.53和3.92。利用此特點(diǎn)，可以設(shè)置閾值以判斷物品自身運(yùn)動(dòng)狀態(tài)是否發(fā)生了異常。

圖4 正常和異常狀況下數(shù)據(jù)的動(dòng)態(tài)規(guī)劃Figure 4 Dynamic programming of normal and abnormal situation data

3.4 異常運(yùn)動(dòng)識(shí)別

3.4.1特征提取 除了圖3中的四種動(dòng)作外，進(jìn)一步將傾倒動(dòng)作細(xì)分為向前、向后、向左、向右傾倒。當(dāng)物品向不同方向傾倒時(shí)，會(huì)造成三軸加速度不同順序的變化。因此，可分別計(jì)算加速度(ax,ay,az,acom)的均值和標(biāo)準(zhǔn)差作為特征。

此外，熵是隨機(jī)變量不確定性的有效測(cè)量。將熵作為特征是由于可以將三軸加速度看作隨機(jī)源，且不同運(yùn)動(dòng)導(dǎo)致的三軸加速度的變化呈現(xiàn)出明顯的不同(隱含不同的信息量)。本文采用最小熵，它能夠反映一個(gè)分布最差情況的隨機(jī)性，其表示式為

(8)

式中：X代表加速度序列。結(jié)果顯示，靜止、跌落、傾倒、滾動(dòng)的平均最小熵值分別為2.2、4.4、3.4、5.1，表明不同的運(yùn)動(dòng)狀態(tài)可以通過最小熵值進(jìn)行區(qū)分。

3.4.2運(yùn)動(dòng)分類 分別計(jì)算出(ax,ay,az,acom)的均值、標(biāo)準(zhǔn)差以及最小熵值后，系統(tǒng)采用KNN分類及十折交叉驗(yàn)證對(duì)特征(即動(dòng)作)進(jìn)行分類。

4 實(shí)驗(yàn)評(píng)估

4.1 系統(tǒng)實(shí)現(xiàn)

硬件：采用商用Impinj R420閱讀器，收發(fā)天線型號(hào)為L(zhǎng)aird A9028R，增益8 dbi，WISP標(biāo)簽為硬件4.1版本。WISP標(biāo)簽通信時(shí)向閱讀器發(fā)送加速度與溫度數(shù)據(jù)，數(shù)據(jù)嵌入在其EPC特定字段內(nèi)。

軟件：系統(tǒng)采用LLRP協(xié)議與閱讀器進(jìn)行交互，采集標(biāo)簽數(shù)據(jù)。

4.2 溫度實(shí)驗(yàn)評(píng)估

采用R-squared指標(biāo)評(píng)估SLMS的有效性，測(cè)量回歸模型描述數(shù)據(jù)的總體變化，其值為1代表回歸線與數(shù)據(jù)完美匹配。計(jì)算了三個(gè)WISP標(biāo)簽的R-squared值，其中最小的R-squared值也超過了0.995。進(jìn)一步觀察SLMS的結(jié)果，發(fā)現(xiàn)SLMS使三個(gè)WISP標(biāo)簽的溫度測(cè)量平均誤差均控制在0.5 ℃以內(nèi)。

4.3 震動(dòng)實(shí)驗(yàn)評(píng)估

4.3.1動(dòng)作檢測(cè)的精度 震動(dòng)狀態(tài)分為靜止、跌落、滾動(dòng)和傾倒(向前、向后、向左、向右)7種，分別表示為M1～M7，評(píng)估系統(tǒng)能夠成功檢測(cè)到的6種震動(dòng)狀態(tài)(M2～M7)的精度。該組實(shí)驗(yàn)在一輛行駛的小汽車中進(jìn)行，每個(gè)動(dòng)作重復(fù)70次，采用CUSUM算法[10]對(duì)M2～M7的數(shù)據(jù)進(jìn)行檢測(cè)，其中最小精度為0.925(滾動(dòng)動(dòng)作)，該結(jié)果是由滾動(dòng)動(dòng)作的本質(zhì)特征所決定。即物品發(fā)生滾動(dòng)時(shí)，三軸加速度會(huì)發(fā)生周期性改變，該改變可能削弱某些特征對(duì)動(dòng)作的描述，如加速度的均值。共計(jì)420次實(shí)驗(yàn)中，總體的檢測(cè)精度可以達(dá)到0.967，表明系統(tǒng)對(duì)檢測(cè)不同的震動(dòng)狀態(tài)具有很強(qiáng)的魯棒性。

圖5 分類混淆矩陣Figure 5 Confusion matrix of classification

4.3.2動(dòng)作分類的精度 隨機(jī)選取70組實(shí)驗(yàn)中的10組，并測(cè)試不同動(dòng)作間的歐拉距離。結(jié)果顯示，大多數(shù)情況下，最短的歐拉距離均集中在同一種運(yùn)動(dòng)上。隨后對(duì)總計(jì)490種動(dòng)作進(jìn)行KNN分類及十折交叉驗(yàn)證，分類混淆矩陣如圖5所示。不同運(yùn)動(dòng)的分類結(jié)果為：M3狀態(tài)的真陽率為0.971，其他狀態(tài)的真陽率均為1；M2和M3狀態(tài)的假陽率分別為0.005和0.002，其他狀態(tài)的假陽率均為0；M2和M3狀態(tài)的精度分別為0.972和0.986，其他狀態(tài)的精度均為1。唯一的混淆為將兩個(gè)滾動(dòng)動(dòng)作誤判為跌落及將一個(gè)后傾動(dòng)作誤判為滾動(dòng)，而此誤判僅影響對(duì)震動(dòng)異常的細(xì)節(jié)判斷，不影響對(duì)異常狀態(tài)的匯報(bào)，總體分類精度可達(dá)到0.993 8。

5 結(jié)論

本文使用被動(dòng)式CRFID標(biāo)簽搭建了MultiSS系統(tǒng)，實(shí)現(xiàn)了對(duì)冷鏈物流中異常事件的監(jiān)測(cè)。MultiSS系統(tǒng)通過提取物品的加速度特征，能夠以高精確度區(qū)分物品不同的異常運(yùn)動(dòng)狀態(tài)，并利用溫度傳感器數(shù)據(jù)同時(shí)監(jiān)測(cè)車體內(nèi)溫度變化，有效提升了冷鏈物流的效率與可靠性。下一步研究將引入更多的維度信息，并對(duì)算法進(jìn)一步改進(jìn)以支持檢測(cè)更豐富的異常事件。