倉庫作為智能物流的重要節點，在大型企業中得到廣泛應用，而倉庫作為勞動密集型企業，具有勞動條件差、強度大的特點，為改變這種狀況，對倉庫定位信息自動化挖掘進行研究，滿足自動化存儲要求，具有重要意義[1]。

文獻[2]從動態發展角度出發，形成規?；?、信息化的物流模式，將條形碼技術引入倉庫管理中，及時跟蹤倉庫內所有貨物，為倉庫管理員手工錄入提供支持，及時了解貨物在倉庫中的分布位置，但該方法條形碼所存信息較少，且存在磨損和撕裂的風險，不能全面顯示中文字符，挖掘倉庫定位信息覆蓋率較低[2]。文獻[3]采用倉庫智能識別方法，通過低功耗、短距離的無線傳輸，測量倉庫物資的信號強度，定位信號位置坐標，該方法適用于不同的倉庫環境，但受噪聲信號干擾，信號測量穩定性較差，倉庫定位覆蓋率同樣較低[3]。針對這一問題，結合以上理論，提出基于物聯網的智能物流倉庫定位信息自動化挖掘方法設計，快速識別并定位倉庫物資信息。

在智能物流倉庫物資上嵌入RFID標簽，錄入倉庫物資信息。選取芯片和天線兩部分，構成RFID射頻標簽核心，在芯片內寫入相應信息，制定芯片信息的編碼規則，作為識別倉庫物資的唯一ID,使射頻標簽能夠使用獨有的電子編碼[4]。編碼規則如表1所示：

表1 RFID芯片信息編碼規則 導出到EXCEL

將RFID制作成薄片，封裝在封閉殼體內部，提高其對環境適應性，避免灰、水等惡劣條件的影響，保證標簽的多樣化和小型化[5]。在標簽中記錄編碼信息，將RFID的條形編碼附著在倉庫物資上，標識物流倉庫物資的絕對坐標信息[6]。構建RFID框架結構，如圖1所示：

圖1 RFID標簽框架結構  下載原圖

數據管理模塊通過邏輯運算，控制射頻標簽的基本過程，判斷電子標簽類型是否準確，針對不同的標簽類型和要求，對物資信息進行保存、寫入、讀取等處理，且數據處理工作在離線狀態下進行，以此節省RFID編碼信息錄入的等待時間[7]。至此完成智能物流倉庫物資RFID標簽編碼信息的錄入。

將無線網絡與物聯網相結合，遠距離識別物資RFID編碼的錄入信息。采用RFID標簽、數據庫、RFID讀寫器，構成無線射頻識別模塊，利用無線通信讀取方式，進行雙向通信自動識別，通過讀寫器產生的耦合電感，令RFID讀寫器向RFID標簽讀取信號，獲取物資相關的信號數據[8]。利用物聯網，將數據庫、RFID標簽、RFID讀寫器連接起來，再通過標準的互操作通信協議，與無線網絡相連，把標識物資都無縫集成到信息網絡中[9]。識別過程如圖2所示：

圖2 基于物聯網的編碼信息識別過程  下載原圖

傳輸讀寫器天線發出的廣播信號，當倉庫物資進入信號范圍內，通過RFID電子標簽，對廣播信號的時序和能量進行接收，依靠信號能量，使標簽與讀寫器建立數據連接，向讀寫器傳輸編碼信號，將標簽中的數據信息返回給讀寫器[10]。然后通過數據管理單元，對返回的數據信息進行計算，獲取標簽序列號，從而識別倉庫物資，并將識別結果存入數據庫[11]。建立數據庫如表2所示：

表2 物資識別數據存儲數據庫 導出到EXCEL

由于智能物流倉庫種類和數量較多，因此，還要將AGV小車與RFID射頻識別技術相結合，把讀寫器固定在AGV小車上，令小車在倉庫路徑上前進，對不同標簽進行讀取，根據標簽存儲位置的信息，得出讀寫器所處區域位置[12]。至此完成基于物聯網的倉庫物資RFID編碼信息識別。

將識別的編碼數據依次放入讀取器，區分不同物資RFID電子標簽，從而不遺漏地挖掘倉庫定位信息。當多個RFID標簽進入讀寫器的搜索范圍，會同時發送信號產生數據碰撞，為此利用不確定性防碰撞算法，防止數據碰撞[13]。靈活選擇時間，通過隨機時分多路，對物資編碼數據進行間隔傳輸，其中信號傳輸信道使用信息幀表示，信息幀則由多個時間間隔組成，利用副載波調制的曼徹斯特編碼，表示RFID標簽發送的信息數據，使數據信號產生中間跳變，令“0”表示從高到低跳，“1”表示從低到高跳[14]。RFID發送數據的碰撞過程如圖3所示：

圖3 RFID標簽信號碰撞過程  下載原圖

如上圖所示，當多個標簽發送數字編碼時，信號下降沿和上升沿產生抵消，判定其曼徹斯特編碼喪失，進而檢測出碰撞發生的位。此時讀寫器需要發送的請求碼次數R為：

R=B(B+1)2 (1)R=B(B+1)2(1)

其中，B為電子標簽個數。則讀寫器發送請求碼的功率S為：

S=RPH1H2α24πGi (2)S=RΡΗ1Η2α24πGi(2)

其中，P為RFID標簽發射功率，H1、H2分別為標簽和讀寫器天線的增益，α為射頻波長，Gi為第i個標簽到讀寫器的距離[15]。碰撞發生后，令讀寫器指令進入休眠狀態，不再對標簽信號產生響應，將碰撞位的所有標簽劃分為兩個子集，先發送左邊子集中標簽的識別參數，當標簽全部識別后，則返回根節點再識別右邊子集中的標簽。令讀寫器發送請求碼給RFID標簽，比較標簽對應序號與請求碼的序列號，選出序列號較小的電子標簽，重新發送編碼數據，循環遍歷倉庫中所有的電子標簽，直至RFID標簽序列無碰撞發生，挖掘出物流倉庫內所有物資的定位信息。至此完成倉庫物資定位信息的自動化挖掘，實現基于物聯網的智能物流倉庫定位信息自動化挖掘方法設計。

將此次設計方法，與兩組常規智能物流倉庫定位信息自動化挖掘方法，進行對比實驗，比較三組方法挖掘倉庫定位信息的覆蓋率。

對以上參數進行模擬，利用Matlab8.0進行仿真實驗，把倉庫監測區域抽象為250 m×250 m的方形區域，MAC協議采用803.17.3,高斯分布隨機變量的標準差為5.1。劃分倉庫空間位置，布置不同場景的存儲區域和AGV小車通道，在各區域設置標簽節點，應用三組方法分別自動化挖掘倉庫定位信息。

將某智能物流倉庫作為實驗對象，該倉庫基本參數如表3所示：

表3 智能物流倉庫基本參數 導出到EXCEL

布置簡單場景的物資存儲區域和AGV小車通道，將倉庫空間位置劃分為2個存儲區域，設置1條直線小車通道，通道的小車循環次數為1,倉庫平面示意圖如圖4所示：

圖4 簡單場景下的倉庫平面式例圖  下載原圖

其中n1～n16為標簽節點的設置區域，改變n1～n16區域內的標簽節點數量，使AGV小車勻速行駛，定位覆蓋率對比結果如圖5所示：

圖5 簡單場景下定位覆蓋率對比  下載原圖

由上圖可知，區域內標簽節點數量越多，挖掘的定位信息覆蓋率也隨之增加，常用方法1在AGV小車上安裝光學傳感器，利用紅外線定位技術，自動化挖掘定位信息，但易受倉庫內的其他光源干擾，定位覆蓋率小于設計方法，常用方法2則在AGV小車上安裝超聲波傳感器，利用反射式測距法，實現倉庫物資定位，但聲波與標簽耦合度較低，定位覆蓋率同樣小于設計方法。設計方法平均定位覆蓋率為83.2%,常用方法1和常用方法2的平均定位覆蓋率，分別為77.1%和73.8%,相比兩組常用方法，設計方法定位覆蓋率分別提高了6.1%和9.4%。

布置一般場景的物資存儲區域和AGV小車通道，將倉庫空間位置劃分為4個存儲區域，設置2條直線小車通道，每條通道的小車循環次數為1,倉庫平面示意圖如圖6所示：

圖6 一般場景下的倉庫平面式例圖  下載原圖

改變n1～n16區域內的標簽節點數量，統計的倉庫定位覆蓋率對比結果如圖7所示：

圖7 一般場景下定位覆蓋率對比  下載原圖

由上圖可知，當小車通道覆蓋面積增加時，倉庫定位覆蓋率也隨之增加，設計方法平均定位覆蓋率為86.1%,常用方法1和常用方法2的平均定位覆蓋率，分別為81.6%和79.1%,相比兩組常用方法，設計方法定位覆蓋率分別提高了4.5%和7.0%。

布置復雜場景的物資存儲區域和AGV小車通道，將倉庫空間位置劃分為9個存儲區域，設置4條直線小車通道，倉庫平面示意圖如下所示：

圖8 復雜場景下的倉庫平面式例圖  下載原圖

改變n1～n9區域內的標簽節點數量，其倉庫定位覆蓋率對比結果如圖9所示：

圖9 復雜場景下定位覆蓋率對比  下載原圖

由上圖可知，設計方法平均定位覆蓋率為90.1%,常用方法1和常用方法2的平均定位覆蓋率，分別為85.9%和83.8%,相比兩組常用方法，設計方法定位覆蓋率分別提高了4.2%和6.3%。綜上所述，針對簡單場景、一般場景、復雜場景，設計方法挖掘的倉庫定位信息覆蓋率，都要高于兩組常規方法，其中場景復雜程度與AGV小車通道覆蓋面積相關，倉庫布置場景越復雜，定位信息覆蓋率就越高，但倉庫物資的可存放量也會隨之減小，因此，在設計方法應用過程中，要根據倉庫實際情況，對存儲區域和AGV小車通道進行布置，充分保證定位信息的覆蓋范圍。

此次設計方法充分發揮了物聯網的技術優勢，自動化挖掘智能物流倉庫定位信息，提高了定位覆蓋率。但此次研究仍存在一定不足，在今后的研究中，會采用磁導航的導航方式，將AGV小車運行花費時間作為目標函數，進一步縮短定位信息挖掘耗時。