本發(fā)明涉及物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理，特別是一種基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法及系統(tǒng)。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)技術(shù)和5g網(wǎng)絡(luò)的發(fā)展，智能設(shè)備之間的互聯(lián)互通變得愈加便捷和高效，在零售行業(yè)中，pos機(jī)作為銷售數(shù)據(jù)和交易信息的核心設(shè)備，逐漸與物聯(lián)網(wǎng)設(shè)備融合，形成了智能零售系統(tǒng)的雛形，5g技術(shù)的高速率、低延時(shí)和廣覆蓋特性，使得物聯(lián)網(wǎng)設(shè)備與pos機(jī)之間的數(shù)據(jù)傳輸更加實(shí)時(shí)和可靠，為實(shí)現(xiàn)實(shí)時(shí)庫(kù)存管理、客戶行為分析和環(huán)境監(jiān)控等智能應(yīng)用提供了技術(shù)保障，然而，現(xiàn)有的技術(shù)方案在數(shù)據(jù)傳輸?shù)陌踩?、?shí)時(shí)性和處理效率方面仍存在諸多不足，傳統(tǒng)的pos機(jī)數(shù)據(jù)處理系統(tǒng)依賴于有線網(wǎng)絡(luò)或wi-fi網(wǎng)絡(luò)，數(shù)據(jù)傳輸速度較慢且易受干擾，難以滿足實(shí)時(shí)性要求，現(xiàn)有的物聯(lián)網(wǎng)與pos機(jī)系統(tǒng)多采用集中式數(shù)據(jù)處理模式，pos機(jī)的庫(kù)存管理也不能根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行動(dòng)態(tài)調(diào)整，數(shù)據(jù)處理和反饋速度較慢，影響決策的實(shí)時(shí)性和準(zhǔn)確性，傳統(tǒng)的加密傳輸方式在面對(duì)日益復(fù)雜的網(wǎng)絡(luò)攻擊時(shí)也存在明顯短板。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有的基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法及系統(tǒng)中存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問(wèn)題在于傳統(tǒng)的pos機(jī)數(shù)據(jù)處理系統(tǒng)依賴于有線網(wǎng)絡(luò)或wi-fi網(wǎng)絡(luò)，數(shù)據(jù)傳輸速度較慢且易受干擾，難以滿足實(shí)時(shí)性要求，現(xiàn)有的物聯(lián)網(wǎng)與pos機(jī)系統(tǒng)多采用集中式數(shù)據(jù)處理模式，pos機(jī)的庫(kù)存管理也不能根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行動(dòng)態(tài)調(diào)整，數(shù)據(jù)處理和反饋速度較慢，影響決策的實(shí)時(shí)性和準(zhǔn)確性，傳統(tǒng)的加密傳輸方式在面對(duì)日益復(fù)雜的網(wǎng)絡(luò)攻擊時(shí)也存在明顯短板。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：一種基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法，其包括，通過(guò)5g網(wǎng)絡(luò)建立物聯(lián)網(wǎng)設(shè)備和pos機(jī)的連接，采集物聯(lián)網(wǎng)設(shè)備和pos機(jī)的實(shí)時(shí)數(shù)據(jù)并進(jìn)行預(yù)處理；通過(guò)5g網(wǎng)絡(luò)將采集的物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)傳輸至pos機(jī)進(jìn)行邊緣計(jì)算，根據(jù)邊緣計(jì)算結(jié)果進(jìn)行庫(kù)存需求預(yù)測(cè)并執(zhí)行響應(yīng)措施；將數(shù)據(jù)分析結(jié)果進(jìn)行加密傳輸至中央服務(wù)器并生成可視化報(bào)告進(jìn)行存儲(chǔ)。

4、作為本發(fā)明所述基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的一種優(yōu)選方案，其中：所述通過(guò)5g網(wǎng)絡(luò)建立物聯(lián)網(wǎng)設(shè)備和pos機(jī)的連接指在pos機(jī)和物聯(lián)網(wǎng)設(shè)備上配置網(wǎng)絡(luò)設(shè)置，選擇并連接5g網(wǎng)絡(luò)，使用網(wǎng)絡(luò)診斷工具檢測(cè)設(shè)備的連接狀態(tài)，在連接建立后在pos機(jī)上安裝區(qū)塊鏈節(jié)點(diǎn)，將區(qū)塊鏈節(jié)點(diǎn)加入進(jìn)新創(chuàng)建的區(qū)塊鏈網(wǎng)絡(luò)中，通過(guò)區(qū)塊鏈網(wǎng)絡(luò)同步最新數(shù)據(jù)。

5、作為本發(fā)明所述基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的一種優(yōu)選方案，其中：所述采集物聯(lián)網(wǎng)設(shè)備和pos機(jī)的實(shí)時(shí)數(shù)據(jù)并進(jìn)行預(yù)處理指通過(guò)傳感器采集庫(kù)存數(shù)據(jù)，通過(guò)智能攝像頭和rfid標(biāo)簽監(jiān)測(cè)客戶行為，記錄客戶停留時(shí)間和互動(dòng)次數(shù)，從pos機(jī)中實(shí)時(shí)記錄交易完成后的交易金額、商品種類和銷售時(shí)間，并將交易id進(jìn)行唯一標(biāo)識(shí)符標(biāo)注，將交易數(shù)據(jù)存儲(chǔ)進(jìn)本地?cái)?shù)據(jù)庫(kù)中，對(duì)采集到的數(shù)據(jù)進(jìn)行清洗，使用3倍標(biāo)準(zhǔn)差法去除異常值；

6、根據(jù)數(shù)據(jù)的時(shí)間戳和唯一標(biāo)識(shí)符去重，對(duì)清洗后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

7、根據(jù)時(shí)間戳將庫(kù)存數(shù)據(jù)、客戶行為數(shù)據(jù)和交易數(shù)據(jù)對(duì)齊，將對(duì)齊后的數(shù)據(jù)進(jìn)行匯總，生成綜合數(shù)據(jù)記錄。

8、作為本發(fā)明所述基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的一種優(yōu)選方案，其中：所述通過(guò)5g網(wǎng)絡(luò)將采集的物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)傳輸至pos機(jī)進(jìn)行邊緣計(jì)算指將收集的物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)按照預(yù)定的時(shí)間間隔通過(guò)5g網(wǎng)絡(luò)傳輸至pos機(jī)，pos機(jī)在接收到物聯(lián)網(wǎng)設(shè)備的數(shù)據(jù)后，將數(shù)據(jù)存儲(chǔ)進(jìn)本地?cái)?shù)據(jù)庫(kù)中，根據(jù)接收的庫(kù)存數(shù)據(jù)和交易數(shù)據(jù)計(jì)算實(shí)時(shí)庫(kù)存消耗：

9、p=c+v-m，

10、其中，p是庫(kù)存消耗，c是初始庫(kù)存數(shù)量，v是進(jìn)貨數(shù)量，m是銷售數(shù)量；

11、根據(jù)客戶行為數(shù)據(jù)計(jì)算客戶行為指數(shù)：

12、，

13、其中，d是客戶行為指數(shù)，f是客戶在店內(nèi)停留時(shí)間，i是客戶與商品的互動(dòng)次數(shù)，b是總訪問(wèn)量。

14、作為本發(fā)明所述基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的一種優(yōu)選方案，其中：所述根據(jù)邊緣計(jì)算結(jié)果進(jìn)行庫(kù)存需求預(yù)測(cè)并執(zhí)行響應(yīng)措施包括，

15、對(duì)計(jì)算得出的庫(kù)存消耗數(shù)據(jù)和客戶行為指數(shù)進(jìn)行數(shù)據(jù)清理和標(biāo)準(zhǔn)化處理后將標(biāo)準(zhǔn)化后的數(shù)據(jù)分成不同的通道，分別處理庫(kù)存消耗數(shù)據(jù)和客戶行為指數(shù)，使用滑動(dòng)窗口技術(shù)將分離后的庫(kù)存消耗數(shù)據(jù)和客戶行為指數(shù)按時(shí)間順序分割為多個(gè)時(shí)間序列片段；

16、構(gòu)建雙向lstm模型作為庫(kù)存需求預(yù)測(cè)模型，設(shè)計(jì)庫(kù)存需求預(yù)測(cè)模型架構(gòu)，分別處理庫(kù)存消耗和客戶行為數(shù)據(jù)的時(shí)間依賴特征；

17、構(gòu)建前向lstm和后向lstm，將前向和后向的lstm在每個(gè)時(shí)間步的輸出進(jìn)行拼接，生成時(shí)間步的綜合隱藏狀態(tài)并通過(guò)全連接層生成初步預(yù)測(cè)值；

18、將分割后的時(shí)間序列數(shù)據(jù)輸入庫(kù)存需求預(yù)測(cè)模型中進(jìn)行模型訓(xùn)練，使用均方誤差作為損失函數(shù)，評(píng)估模型預(yù)測(cè)的誤差，通過(guò)反向傳播算法更新模型的權(quán)重和偏置得到初步訓(xùn)練完成的庫(kù)存需求預(yù)測(cè)模型；

19、在模型初步訓(xùn)練完成后，確定需要優(yōu)化的參數(shù)，使用crlpso算法定義粒子群的搜索空間并初始化粒子群，設(shè)定慣性權(quán)重、加速常數(shù)以及搜索的范圍和目標(biāo)函數(shù)；

20、通過(guò)crlpso算法的迭代，逐漸調(diào)整模型的權(quán)重和學(xué)習(xí)率，經(jīng)過(guò)多次迭代，當(dāng)模型的誤差收斂至全局最優(yōu)解時(shí)停止迭代，確認(rèn)優(yōu)化后的權(quán)重和學(xué)習(xí)率；

21、在庫(kù)存需求預(yù)測(cè)模型的基礎(chǔ)上增加注意力層，通過(guò)注意力機(jī)制識(shí)別并處理對(duì)預(yù)測(cè)影響最大的時(shí)間步，將影響最大的時(shí)間步作為關(guān)鍵時(shí)間步并賦予更高權(quán)重，對(duì)所有時(shí)間步進(jìn)行加權(quán)后生成關(guān)鍵時(shí)間步的隱含狀態(tài)并進(jìn)行自適應(yīng)離散小波變換，生成增強(qiáng)樣本：

22、，

23、式中，是時(shí)間序列信號(hào)在多個(gè)時(shí)間尺度下的分解結(jié)果，是小波系數(shù)，是母小波函數(shù)，s(t)是時(shí)間步的自適應(yīng)尺度函數(shù)，是加權(quán)函數(shù)，表示時(shí)間步k在時(shí)刻t上的重要性權(quán)重，是客戶行為指數(shù)的時(shí)間導(dǎo)數(shù)，d是客戶行為指數(shù)，是客戶行為指數(shù)d的標(biāo)準(zhǔn)差，用于衡量客戶行為變化的波動(dòng)性，是平滑參數(shù)，a和b是積分上下限，表示計(jì)算的時(shí)間區(qū)間，dt表示微小的時(shí)間增量；

24、基于高頻和低頻的重構(gòu)信號(hào)生成不同特點(diǎn)的增強(qiáng)樣本并在不同尺度分量中加入噪聲生成新樣本，將生成的增強(qiáng)樣本數(shù)據(jù)存儲(chǔ)為新的訓(xùn)練數(shù)據(jù)集，重新輸入進(jìn)庫(kù)存需求預(yù)測(cè)模型中進(jìn)行模型訓(xùn)練，繼續(xù)使用均方誤差作為損失函數(shù)，基于adam優(yōu)化器進(jìn)行模型參數(shù)迭代優(yōu)化直至損失達(dá)到最小后停止迭代，將迭代的模型參數(shù)輸入庫(kù)存需求預(yù)測(cè)模型得到庫(kù)存需求預(yù)測(cè)模型；

25、將邊緣計(jì)算得出的庫(kù)存消耗和客戶行為指數(shù)輸入庫(kù)存需求預(yù)測(cè)模型得到未來(lái)一段時(shí)間內(nèi)的庫(kù)存需求；

26、根據(jù)預(yù)測(cè)結(jié)果生成庫(kù)存需求預(yù)測(cè)報(bào)告，包括每種商品的未來(lái)庫(kù)存需求數(shù)量和時(shí)間，根據(jù)生成的預(yù)測(cè)報(bào)告自動(dòng)生成補(bǔ)貨訂單并下單補(bǔ)貨。

27、作為本發(fā)明所述基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的一種優(yōu)選方案，其中：所述將數(shù)據(jù)分析結(jié)果進(jìn)行加密傳輸至中央服務(wù)器指對(duì)邊緣計(jì)算處理后的所有數(shù)據(jù)添加噪聲，生成混淆數(shù)據(jù)：

28、，

29、其中，r是混淆數(shù)據(jù)，q是原始數(shù)據(jù)，w是噪聲，指隨機(jī)生成的擾動(dòng)值，是混淆系數(shù)；

30、將混淆數(shù)據(jù)進(jìn)行分塊處理，并對(duì)每個(gè)分塊數(shù)據(jù)進(jìn)行序列號(hào)的標(biāo)注，每塊數(shù)據(jù)長(zhǎng)度為128位，使用aes-256算法對(duì)每塊數(shù)據(jù)進(jìn)行加密，生成密文；

31、使用tls協(xié)議建立安全連接，將加密后的混淆數(shù)據(jù)通過(guò)5g網(wǎng)絡(luò)傳輸至中央服務(wù)器，中央服務(wù)器接收到加密數(shù)據(jù)后使用相同密鑰對(duì)接收到的數(shù)據(jù)進(jìn)行解密，將解密后的分塊數(shù)據(jù)按照數(shù)據(jù)庫(kù)中標(biāo)注的序列號(hào)順序進(jìn)行排序合成，恢復(fù)完整的混淆數(shù)據(jù)，去除合成后的混淆數(shù)據(jù)中的噪聲，恢復(fù)為原始數(shù)據(jù)。

32、作為本發(fā)明所述基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的一種優(yōu)選方案，其中：所述生成可視化報(bào)告進(jìn)行存儲(chǔ)指根據(jù)接收的數(shù)據(jù)中的庫(kù)存數(shù)據(jù)和預(yù)測(cè)的庫(kù)存需求生成庫(kù)存水平圖，根據(jù)客戶行為指數(shù)和互動(dòng)數(shù)據(jù)生成客戶行為分析圖，將生產(chǎn)的圖表整合到報(bào)告中，將生成的報(bào)告存儲(chǔ)在中央服務(wù)器中并對(duì)存儲(chǔ)數(shù)據(jù)實(shí)施安全訪問(wèn)控制，對(duì)存儲(chǔ)數(shù)據(jù)進(jìn)行云端備份并定期檢測(cè)存儲(chǔ)數(shù)據(jù)和云端備份數(shù)據(jù)的完整性，使用區(qū)塊鏈技術(shù)記錄所有數(shù)據(jù)變更。

33、本發(fā)明的另外一個(gè)目的是提供一種基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理系統(tǒng)，其包括，

34、數(shù)據(jù)采集模塊，用于在通過(guò)5g網(wǎng)絡(luò)建立物聯(lián)網(wǎng)設(shè)備和pos機(jī)的連接之后收集物聯(lián)網(wǎng)設(shè)備和pos機(jī)數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

35、邊緣計(jì)算模塊，用于將物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)通過(guò)5g網(wǎng)絡(luò)傳輸至pos機(jī)進(jìn)行邊緣計(jì)算，計(jì)算庫(kù)存消耗和客戶行為指數(shù)；

36、需求預(yù)測(cè)模塊，用于根據(jù)邊緣計(jì)算的結(jié)果實(shí)時(shí)預(yù)測(cè)庫(kù)存需求并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行補(bǔ)貨；

37、數(shù)據(jù)加密模塊，用于對(duì)數(shù)據(jù)分析結(jié)果進(jìn)行數(shù)據(jù)混淆并加密后傳輸至中央服務(wù)器；

38、數(shù)據(jù)存儲(chǔ)模塊，用于對(duì)解密后的數(shù)據(jù)進(jìn)行可視化報(bào)告生成并存儲(chǔ)后對(duì)數(shù)據(jù)進(jìn)行訪問(wèn)控制和云端備份。

39、一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器和處理器；所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的步驟。

40、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)基于5g芯片的物聯(lián)網(wǎng)與pos機(jī)協(xié)同管理方法的步驟。

41、本發(fā)明有益效果為：本發(fā)明通過(guò)5g網(wǎng)絡(luò)建立高效連接，對(duì)物聯(lián)網(wǎng)設(shè)備和pos機(jī)數(shù)據(jù)進(jìn)行實(shí)時(shí)采集和預(yù)處理，利用邊緣計(jì)算進(jìn)行庫(kù)存需求預(yù)測(cè)，并通過(guò)加密傳輸和可視化報(bào)告生成，實(shí)現(xiàn)了對(duì)物聯(lián)網(wǎng)設(shè)備和pos機(jī)數(shù)據(jù)的實(shí)時(shí)處理和分析，減輕了中央服務(wù)器的負(fù)擔(dān)，提高了數(shù)據(jù)處理的時(shí)效性和決策準(zhǔn)確性以及庫(kù)存管理的效率和準(zhǔn)確性，增強(qiáng)了數(shù)據(jù)安全性，滿足了市場(chǎng)變化和客戶需求。