本发明属于物联网，具体涉及一种基于物联网的智能物流系统。
背景技术：
1、水泥作为重要的建筑原材料，其供应链管理在现代建筑和基础设施建设中具有关键地位。然而，在传统的水泥物流管理中，仍然存在一系列问题，这些问题直接影响了供应链的效率和可持续性。
2、传统的水泥物流管理通常依赖于定期库存盘点和静态的库存管理策略。这导致了水泥仓库中的库存水平无法实时监测和调整，往往会出现库存积压或短缺的问题。水泥的运输通常涉及多个供应商和承运商，信息传递和监控不透明，难以实现对运输进程的实时跟踪和控制。这可能导致运输延误和损耗。水泥订单通常需要分配到不同的仓库以满足客户需求。传统的分配方法往往基于经验，缺乏科学的数据支持，容易导致不均匀的订单分布和运输不协调。在水泥供应链中，选择合适的供应商和与之建立稳定的绑定关系至关重要。传统方法往往缺乏系统性的供应商评估和绑定优化方法，导致供应链的稳定性受到威胁。传统水泥物流管理中，信息往往分散在各个环节中，不同的参与者难以共享实时数据和进行协同决策。这种信息孤岛造成了信息传递的滞后和决策的不准确性。
3、综上所述，传统水泥物流管理存在信息不透明、效率低下、难以适应变化和高成本等问题，这些问题直接影响了水泥供应链的运营效率和客户满意度。因此，有必要引入新的技术和方法，以优化水泥物流管理，提高供应链的可持续性和竞争力。
技术实现思路
1、本发明的主要目的在于提供一种基于物联网的智能物流系统，本发明通过数据处理和算法优化，提高水泥供应链管理的效率，降低成本，提高了客户满意度，增强了竞争力。
2、为了解决上述问题，本发明的技术方案是这样实现的：
3、一种基于物联网的智能物流系统，所述系统包括：物流数据构建单元，用于获取水泥仓库数据以构建水泥仓库数据矩阵，在矩阵中的每个元素表示一个水泥仓库的属性向量，获取水泥运输方数据以构建水泥运输方数据矩阵，矩阵中的每个元素表示一个水泥运输方的属性向量，获取水泥订单数据以构建水泥订单数据矩阵，矩阵中的每个元素表示一个水泥订单的属性向量，获取水泥供应商数据，以构建水泥供应商数据矩阵，矩阵中的每个元素表示一个水泥供应商的属性向量；特征提取单元，用于分别使用读热编码对水泥订单数据矩阵、水泥仓库数据矩阵、水泥运输方数据矩阵和水泥供应商数据矩阵进行编码，以将非数值的属性向量转换为数值的属性向量，然后分别对每个数据矩阵中的每个属性向量进行特征提取，以得到每个属性向量的特征向量，最后得到水泥订单数据矩阵的特征向量矩阵，水泥仓库数据矩阵的特征向量矩阵、水泥运输方数据矩阵的特征向量矩阵和水泥供应商数据矩阵的特征向量矩阵；水泥订单分类单元，用于基于水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，将水泥订单分配到对应的仓库；水泥运输方确定单元，用于基于水泥运输方数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，以及将水泥订单分配到对应的仓库的结果，将水泥运输方分配到对应的仓库；水泥供应商绑定优化单元，用于基于水泥供应商数据矩阵的特征向量矩阵、水泥将水泥订单分配到对应的仓库的结果和将水泥运输方分配到对应的仓库的结果，使用快速随机树建立绑定模型，将水泥供应商绑定到对应的仓库，在建立绑定模型的过程中，考虑多层树结构和非线性因素，将绑定模型目标函数最大化，以优化绑定模型的参数。
4、进一步的，所述水泥订单的属性向量的的元素至少包括：水泥需求量、订单用户位置数据和订单紧急程度；所述水泥运输方的属性向量至少包括：水泥运输量上限、运输方位置数据和运输价格；水泥供应商的属性向量至少包括：供应水泥价格、供应商位置数据合供应商供应量；所述水泥仓库的属性向量包括：水泥仓库最大容纳量、水泥仓库剩余容纳量和水泥仓库位置数据。
5、进一步的，设水泥订单数据矩阵为：
6、。
7、其中表示第个水泥订单的属性向量；设水泥仓库数据矩阵为：
8、。
9、其中表示第个水泥仓库的属性向量；设水泥运输方数据矩阵为：
10、。
11、其中表示第个水泥运输方的属性向量；设水泥供应商数据矩阵为：
12、。
13、其中表示第个水泥供应商的属性向量；设水泥订单数据矩阵的特征向量矩阵为；设水泥仓库数据矩阵的特征向量矩阵为；设水泥运输方数据矩阵的特征向量矩阵为；设水泥供应商数据矩阵的特征向量矩阵为；其中，为水泥订单数量，为水泥仓库数量，为水泥运输方数量，为水泥供应商数量，满足以下约束关系：
14、；
15、；
16、。
17、进一步的，水泥订单分类单元，基于水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，使用双重支持向量核函数训练一个双重支持向量机分类器，将水泥订单分配到对应的仓库，在训练双重支持向量机分类器时，使用凸优化算法，使得双重支持向量机分类器的目标函数达到最大值，以优化双重支持向量机分类器的参数。
18、进一步的，基于水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，使用双重支持向量核函数训练一个双重支持向量机分类器，将水泥订单分配到对应的仓库的方法包括：使用多项式核函数，将水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵映射到高维空间；使用水泥订单数据矩阵的特征向量矩阵和核函数，训练一个双重支持向量机分类器，其中包括支持向量的权重参数、偏置项的计算；分类的决策函数被用来对订单进行分类，如果，则将订单分配给相应的仓库，否则不分配；其中，为水泥订单数据矩阵的特征向量矩阵中第个元素，为下标索引；为水泥仓库数据矩阵的特征向量矩阵中的第个元素，为下标索引。
19、进一步的，分类的决策函数使用如下公式进行表示：
20、；
21、其中，为订单权重参数，其为订单权重矩阵中的第个元素，所述订单权重矩阵为预设矩阵，通过最大化目标函数进行优化调整；为仓库权重参数，其为仓库权重矩阵中的第个元素，所述仓库权重矩阵为预设矩阵，通过最大化目标函数进行优化调整；为偏置项。
22、核函数使用如下公式进行表示：
23、。
24、进一步的，使用凸优化算法，使得双重支持向量机分类器的目标函数达到最大值，通过如下公式进行表示：
25、。
26、进一步的，水泥运输方确定单元，基于水泥运输方数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，以及将水泥订单分配到对应的仓库的结果，将水泥运输方分配到对应的仓库的方法包括：
27、使用如下公式，计算分配得分：
28、；
29、其中，表示将与进行矩阵拼接运算，为frobenius范数；为l1范数；为对应的水泥订单分配到的对应的仓库的特征向量；若大于设定的第一阈值，则将对应的水泥运输方绑定到对应的仓库。
30、进一步的，水泥供应商绑定优化单元建立的绑定模型使用如下公式进行表示：
31、；
32、其中，为计算出的供应商绑定分数，若大于设定的第二阈值，则将对应的供应商绑定到对应的仓库；为绑定模型的参数。
33、进一步的，通过如下公式，将绑定模型目标函数最大化，以优化绑定模型的参数：
34、；
35、其中，表示取中的极小值。
36、本发明的一种基于物联网的智能物流系统，具有以下有益效果：本发明中双重支持向量机分类器能够高精度地将水泥订单分配到适当的仓库，避免了不合理的订单分布。采用凸优化算法优化支持向量机分类器的参数，使其能够快速决策订单分配，提高了决策效率。通过建立绑定模型，系统能够智能地选择供应商，并将其绑定到适当的仓库，从而提高了供应链的稳定性和可持续性。绑定模型考虑了多层树结构和非线性因素，使其更适应复杂的供应链环境。高精度的订单分类减少了错误订单的发生，降低了订单处理成本和客户满意度。优化的订单分配减少了不必要的运输，降低了运输成本，提高了效益。物流数据构建单元能够实时获取水泥仓库、运输方、订单和供应商的数据，并构建相应的数据矩阵。这确保了数据的及时性和准确性。特征提取单元利用读热编码等技术，将非数值的属性向量转换为数值属性向量，并提取出重要的特征信息。这有助于更好地理解和分析数据。
1.一种基于物联网的智能物流系统，其特征在于，所述系统包括：物流数据构建单元，用于获取水泥仓库数据以构建水泥仓库数据矩阵，在矩阵中的每个元素表示一个水泥仓库的属性向量，获取水泥运输方数据以构建水泥运输方数据矩阵，矩阵中的每个元素表示一个水泥运输方的属性向量，获取水泥订单数据以构建水泥订单数据矩阵，矩阵中的每个元素表示一个水泥订单的属性向量，获取水泥供应商数据，以构建水泥供应商数据矩阵，矩阵中的每个元素表示一个水泥供应商的属性向量；特征提取单元，用于分别使用读热编码对水泥订单数据矩阵、水泥仓库数据矩阵、水泥运输方数据矩阵和水泥供应商数据矩阵进行编码，以将非数值的属性向量转换为数值的属性向量，然后分别对每个数据矩阵中的每个属性向量进行特征提取，以得到每个属性向量的特征向量，最后得到水泥订单数据矩阵的特征向量矩阵，水泥仓库数据矩阵的特征向量矩阵、水泥运输方数据矩阵的特征向量矩阵和水泥供应商数据矩阵的特征向量矩阵；水泥订单分类单元，用于基于水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，将水泥订单分配到对应的仓库；水泥运输方确定单元，用于基于水泥运输方数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，以及将水泥订单分配到对应的仓库的结果，将水泥运输方分配到对应的仓库；水泥供应商绑定优化单元，用于基于水泥供应商数据矩阵的特征向量矩阵、水泥将水泥订单分配到对应的仓库的结果和将水泥运输方分配到对应的仓库的结果，使用快速随机树建立绑定模型，将水泥供应商绑定到对应的仓库，在建立绑定模型的过程中，考虑多层树结构和非线性因素，将绑定模型目标函数最大化，以优化绑定模型的参数。
2.如权利要求1所述的基于物联网的智能物流系统，其特征在于，所述水泥订单的属性向量的元素至少包括：水泥需求量、订单用户位置数据和订单紧急程度；所述水泥运输方的属性向量至少包括：水泥运输量上限、运输方位置数据和运输价格；水泥供应商的属性向量至少包括：供应水泥价格、供应商位置数据合供应商供应量；所述水泥仓库的属性向量包括：水泥仓库最大容纳量、水泥仓库剩余容纳量和水泥仓库位置数据。
3.如权利要求2所述的基于物联网的智能物流系统，其特征在于，设水泥订单数据矩阵为：
4.如权利要求3所述的基于物联网的智能物流系统，其特征在于，水泥订单分类单元，基于水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，使用双重支持向量核函数训练一个双重支持向量机分类器，将水泥订单分配到对应的仓库，在训练双重支持向量机分类器时，使用凸优化算法，使得双重支持向量机分类器的目标函数达到最大值，以优化双重支持向量机分类器的参数。
5.如权利要求4所述的基于物联网的智能物流系统，其特征在于，基于水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，使用双重支持向量核函数训练一个双重支持向量机分类器，将水泥订单分配到对应的仓库的方法包括：使用多项式核函数，将水泥订单数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵映射到高维空间；使用水泥订单数据矩阵的特征向量矩阵和核函数，训练一个双重支持向量机分类器，其中包括支持向量的权重参数、偏置项的计算；分类的决策函数被用来对订单进行分类，如果，则将订单分配给相应的仓库，否则不分配；其中，为水泥订单数据矩阵的特征向量矩阵中第个元素，为下标索引；为水泥仓库数据矩阵的特征向量矩阵中的第个元素，为下标索引。
6.如权利要求5所述的基于物联网的智能物流系统，其特征在于，分类的决策函数使用如下公式进行表示：
7.如权利要求6所述的基于物联网的智能物流系统，其特征在于，使用凸优化算法，使得双重支持向量机分类器的目标函数达到最大值，通过如下公式进行表示：
8.如权利要求7所述的基于物联网的智能物流系统，其特征在于，水泥运输方确定单元，基于水泥运输方数据矩阵的特征向量矩阵和水泥仓库数据矩阵的特征向量矩阵，以及将水泥订单分配到对应的仓库的结果，将水泥运输方分配到对应的仓库的方法包括：
9.如权利要求8所述的基于物联网的智能物流系统，其特征在于，水泥供应商绑定优化单元建立的绑定模型使用如下公式进行表示：
10.如权利要求9所述的基于物联网的智能物流系统，其特征在于，通过如下公式，将绑定模型目标函数最大化，以优化绑定模型的参数：
