基于物聯網及云計算的智能物流調度平臺設計及實現*

趙建峰，梁伯棟，曾子銘

?

基于物聯網及云計算的智能物流調度平臺設計及實現*

趙建峰，梁伯棟，曾子銘

（深圳職業技術學院 汽車與交通學院，廣東 深圳 518055）

文章提出一種基于物聯網及云計算的智能物流調度平臺，在設計上，提出一種新的文件注冊機制，將數據存儲全部以文件形式存儲在云存儲平臺上；在實現上，分析了當前主流的云計算平臺，通過一個案例說明了本文的設計．對該平臺分析表明，雖然整體設計存在響應慢的缺陷，但能兼容物流企業現有信息平臺，同時具有高擴展性、高動態性、高彈性、高兼容性、高容災性等特性．

互聯網+；云計算；物聯網；物流；智能調度

借助互聯網+[1]技術降低物流行業成本，提升其效率成為一個重要的研究課題．2018年《政府工作報告》[2]7處談及“互聯網+”，“互聯網+”的應用將對各個行業領域產生深遠影響．如文獻[3]所述，當前以核心技術云計算[4]、物聯網[5]、移動互聯網、大數據[6]、人工智能[7]、區塊鏈[8]為標志的“互聯網+”成為目前最為重要的經濟轉型力量．

在諸多的研究方向中，基于云計算，物聯網建立的企業物流平臺成為一個重要的研究方向，文獻[9]則是基于云計算平臺對物流數據從發送端到接收端收集的基礎上，從價值約束出發給出最優的物流路徑；文獻[10]則是以經濟效益，環境效益和社會效益3個方面為求解目標，以云計算平臺為基礎，構建了一個多代理物流運輸平臺以給出最優的決策；文獻[11-14]構建基于云計算的物流公共信息平臺，除平臺應用研究以外，借助云技術解決現有問題也是一種研究方向，如：文獻[14]則構建了云平臺為基礎的多物流公司協同配送網絡，以解決“最后一公里”的問題．

但目前的研究成果多強調了“互聯網+”對于物流企業的重要性，在整體框架上研究較多，缺乏具體的應用建議，不利于研究成果的推廣．本文在調研多家物流企業的基礎上，基于物流企業的現實技術條件，以物流企業車輛調度為突破口，提出了一套可行的基于云計算與物聯網的智能物流調度平臺的設計，給出了具體的實現．

1 基于物聯網及云計算的智能物流平臺設計

1.1 平臺的需求

通過對多家物流企業的調研發現，大多數企業都已經在一定程度上建立了自身的信息服務系統，調查結果表明，倉儲管理、財務管理、運輸管理和訂單管理建成比例分別69.4%，85.9%，70.3%，45%．企業目前最迫切的需求包含：建立貨物信息管理系統、建立車輛信息管理系統、建立物流調度系統、運輸信息分析及其優化功能等．

根據云計算平臺的特性與調研結果，本文設計的系統應該滿足以下特性：

1）具有兼容性．如調查結果所示，80%以上的企業都已經建立了自己的信息系統，因此，本文設計的系統的首要目標就是系統具有兼容性，只有系統具有了相應的兼容性，企業才有意愿將平臺遷移到云計算平臺，降低企業信息化改造的成本．

2）具有擴展性．任何系統的設計都不能一蹴而就，特別是物流企業基于云計算平臺的系統設計，因此，系統的設計應當具有擴展性，系統的擴展性保證了系統能有效兼容原有系統，能保證后期升級或者系統功能升級．

3）具有彈性．企業使用云計算替代原有服務器的最為重要的原因是就是云計算系統具有彈性，根據生產的需要，能高效快速地實現系統的擴展和壓縮．

1.2 平臺總體設計

為保證系統具有較好的兼容性和擴展性，本文借鑒了計算機網絡協議中分層的思想，本技術平臺總體設計分為：采集層、傳輸層、數據層、應用層和決策層．

1）采集層：如圖1所示，其主要的功能為物理世界的數據轉換為信息世界的數據，同時，兼容企業原有的系統．典型的物流企業需要采集的數據有，貨物信息、客戶信息、貨物物流信息、車輛信息、司機信息等相關信息，同時能夠傳輸原系統數據．本平臺設計，所有的數據傳輸形式為文件形式，傳輸數據包含了文件標識、數據說明書及數據內容，其中文件標識由傳輸程序在向系統注冊后獲?。?/p>

2）傳輸層：如圖2所示，數據信息的傳輸，主要的技術手段有：寬帶連接、Wifi，5G移動通信技術、車聯網等，其目的是連通采集層和數據層，通過傳輸層將物理世界的數據最終匯集到云計算平臺．

3）數據層：如圖3所示，主要用于數據的存儲及數據的計算，接受采集層的數據要求，并將其存儲在云計算平臺，根據應用層的要求，將存儲數據傳輸到應用層．本層的數據存儲形式主要有云分布式文件系統、PaaS和IaaS 3種形式，其中云分布系統主要用于存儲由采集層傳輸的文件數據，PaaS主要提供數據庫服務，IaaS主要提供計算實例．

4）應用層：如圖4所示，根據用戶（物流企業）的需求進行設計，應當兼容企業現有的技術平臺，如：倉儲管理、財務管理、運輸管理和訂單管理等，同時能夠建立新的信息系統，如：貨物信息管理系統、車輛信息管理系統、物流調度系統等．

圖1 數據采集層功能及采集數據類型

圖2 傳輸層功能及其技術

5）決策層：如圖5所示，根據用戶需求，借助數據分析、數據挖掘技術，對應用層數據進行分析，給出物流企業決策依據．典型的用戶需求有：供應鏈優化、物流服務分析、物流運量預測、用戶行為分析、倉庫選擇、庫位優化、運營行為分析等．

在上述架構設計下，一個典型的應用設計流程如圖6所示．采集層主要是數據獲取，通過傳感器或者其它服務平臺獲取相應的數據，并調用數據層提供的接口進行數據傳輸，其傳輸的步驟包含3步：首先向數據層注冊服務，說明服務的類型，提供相應的數據標簽及注冊授權等完成服務的注冊；數據層收到采集層的注冊服務后，核對服務的權限并登記生成相應的注冊表，向系統發送文件標識，完成服務注冊；最后，采集層向數據層傳輸數據，其數據傳輸的形式主要由文件標識，數據說明書，數據3部分組成．數據的應用過程則與數據的采集過程相反，在數據應用開始前，云計算平臺必須先生成相應的計算實例，然后開始數據的應用過程．計算實例的生成可以分為創建和恢復兩種類型，創建可以創建新的計算實例，而對于一些常用的應用，可以在應用完畢后不進行銷毀，而是直接存儲在云平臺，在下次用戶開始服務需求時，直接進行恢復，以節約程序創建的時間，提升響應效率．在實例初始化完成后，根據應用需求，從云存儲平臺獲取相應的數據，在獲取數據后，部分應用可以根據需要直接使用數據進行相應的分析，部分應用可以根據需要進一步創建數據庫，完成數據的應用．

圖3 數據層及其所使用云計算平臺技術

圖4 應用層及其功能

圖5 決策層及其功能

圖6 一個典型的應用設計流程圖

通過上述分析可以看到，采用分層設計的方法，可以有效地滿足目前物流企業信息平臺擴展性的需求，同時，通過采集層的數據傳輸可以將原有系統的數據傳輸到新的云計算平臺，應用層可以將原有的應用遷移到云計算平臺，同時可以有效地擴展新的程序．

1.3 物流調度具體設計

以應用層的物流車輛調度為例進行說明．物流車輛調度是將物流的貨物合理地裝載到運輸車輛，并根據貨物的運輸目的地，合理地規劃車輛的運輸路徑，從而使得企業具有最小的運輸成本，最快的運輸速度，最高的運輸效率等．物流車輛調度的好壞在很大程度上影響了一個物流企業的競爭力，目前行業內主要采用人工調度的方式，即：根據貨物的情況，人工安排車輛進行運輸，其效率較低．通過本文構建的云計算平臺，借助人工智能等技術手段，可以有效地提升企業的競爭力．

為使用人工智能進行物流車輛的調度，必須先獲得車輛的信息，運輸貨物的信息．本平臺數據采集層采用RFID、物聯網等技術，有效地獲取了運輸貨物的信息，同時，通過車聯網技術，有效地采集了車輛當前的狀態等信息．通過傳輸層利用，依據圖7的流程將采集的數據傳輸到云計算平臺，采用云分布文件的形式進行存儲．

物流車輛調度的應用設計過程如下：1）通過數據層的IaaS服務，構建一個計算實例；2）依據數據層的注冊表信息，獲取物流貨物數據、車輛數據的存儲ID，向云分布式系統下發查詢所有的待運輸貨物信息及所有可用車輛信息，獲取數據更新鎖定；3）使用人工智能的調度算法給出計算結果，完成車輛的調度．在完成調度后，依據調度結果，更新存儲數據并釋放鎖定．通過上述步驟，完成了物流車輛的調度過程．

2 基于物聯網及云計算的智能物流平臺的實現

2.1 云計算平臺的選擇

根據前文的構架描述，本文選擇的云計算平臺需要滿足以下要求：

1）能夠支持IaaS服務；

2）能夠提供云文件存儲，并支持云數據庫，提供一定的平臺服務接口，能夠降低應用實現的難度．

依據上述需求標準，本文從多個云計算的實現方案中，選擇了可以滿足上述需求的方案并提出如下的評價標準進行對比：

1）IaaS服務．是否能夠提供多種類型的計算機、是否支持Windows和Linux兩種服務器、是否成熟、穩定、易用；

2）PaaS服務．是否提供了單獨的存儲服務、是否提供了云分布式文件系統、是否提供了云數據庫服務、數據庫的服務類型是否具有多樣性；

3）SaaS服務．是否提供了常用的應用服務；

4）能夠滿足企業搭建私有云、公有云及混合云的需求．

依據上述技術需求及評價標準，本文對全球范圍內，主流的云計算實現平臺進行的了對比，包含Amazon AWS、Windows Azure、Google GAE[15-17]、OpenStack、阿里云、百度云等．通過分析對比可知，不同的云計算平臺具有不同的優勢，不同的企業應該根據自身的情況予以選擇．如企業的規模較大，具有較強的技術實力，則應該選擇OpenStack建設私有云，可以定制更加滿足自身需求的云計算平臺；如果企業具有較強的國際業務背景，考慮服務的通用性，則更多的應該選擇AWS等國際的云服務提供商；如果企業原有的技術信息系統主要采用微軟的產品，或者重度依賴微軟的產品，如辦公系統等，或者想進入人工智能領域，考慮系統移植的便利性及微軟服務的多樣性，可以選擇Windows Azure；如果企業主要關注電子商務的物流，且經營范圍主要在國內，阿里云則是最佳的選擇；如果企業想結合搜索服務，則百度云是最佳選擇．

2.2 平臺的實現

以深圳某物流企業為例，該企業在物流行業屬于中等規模，已經建立了自身的物流管理系統，主要能實現以下功能：

業務管理：包含電話預約，網絡預約，上門提貨，貨物跟蹤，送貨上門，退貨管理等；

財務管理：會計憑證，現金出納，銀行對賬，分公司對賬，司機對賬，客戶對賬，月結統計等；

車輛管理：車輛檔案，合同車輛，車輛押金，維修保養，事故登記，運營費用等；

客戶管理：客戶檔案，客戶投訴，客戶開發，客戶跟蹤，客戶分析等；

質量管理：貨差貨損，錯裝錯交，單車利潤，送貨/中轉成本分析等；

日常管理：辦事處管理，行政管理，人事管理，文檔管理等；

隨著業務的增長，該公司計劃新上線移動客戶端服務，同時能自動追蹤貨物的運輸過程，實現限時達和冷鏈物流，車輛調度運力自動分配等業務．由于該公司的業務與電子商務平臺緊密相關，同時，由于其自身技術實力有限，因此，采用阿里云作為公司的云計算平臺，其具體的實現如下：

2.2.1 云平臺部署

1）IaaS的部署．1臺通用型g5服務器：4CPU Intel Skylake Xeon Platinum 8163 2.5GHz，16G內存

NAS存儲包：容量型 5TB

2）PaaS的部署.云數據庫RDS MySQL版500GB

2.2.2 物聯網數據及其采集方法

稱重傳感器：S型稱重傳感器MIK-LCS1 采集貨物質量；

體積測量：GLM150測距儀采集貨物體積；

GPS采集車輛位置及軌跡；

貨物限制時間由業務員手工錄入．

2.2.3 技術架構

1）基于物聯網及云計算的智能物流平臺．

采用JAVA編寫，調用阿里云平臺接口，實現云計算平臺數據層的注冊機制，并將其部署在g5服務器．其主要的功能包含：生成注冊表，向注冊程序授權，接收數據，生成/恢復實例，傳輸數據，生成數據庫等功能并提供相應的API．

將數據層運行在g5服務器．

2）原有系統的遷移

原有系統包含了兩臺服務器，一臺Web服務器和一臺DB服務器，將兩臺服務器采用虛擬化技術進行整體遷移，向云計算平臺g5服務器的數據層進行注冊，并恢復實例，生成兩臺相同的服務器，在IaaS層運行原有的系統．

3）新業務的實現

通過物聯網采集運輸貨物的重量，體積，限時等信息；

通過GPS采集車輛位置；

通過g5向數據層進行注冊，并通過文件向數據層進行文件傳輸并將其存儲在NAS；

采用基于JAVA的J2EE技術規范和B/S的系統結構進行應用層開發，應用層總體由Struts2.0容器、Spring容器、Hibernate容器組成．主要的業務包含：移動客戶端的支持、貨物物流的自動裝載與分配．當應用層需要數據時，會向數據層進行數據查詢，借助云存儲平臺將采集層傳輸并以文件形式存儲在云NAS中的文件進行讀取，生成新的數據庫云數據庫RDS MySQL，創建新的實例并運行新的應用程序．

3 分析及結論

基于物聯網及云計算的智能物流調度平臺以物聯網、云計算平臺為基礎，構建了一個綜合性的物流平臺．從設計上，本平臺的構建兼容了現有的物流企業的信息系統，根據目前物流企業已有的信息系統的復雜程度，可通過將現有平臺數據遷移或者整體鏡像遷移的方法，將現有的平臺有效地遷移到云計算平臺．數據遷移，可以直接完全兼容現有云計算平臺，達到最佳效果，但是遷移的復雜程度較高；整體鏡像遷移，只是保留了原有信息系統，數據的存儲和讀取依賴原有系統，影響云計算平臺數據融合的效率，只能在IaaS層具有高彈性，無法真正實現云調度、云存儲．

本平臺設計上，將程序與數據的存儲分開，數據的儲存采用文件存儲形式，通過注冊機制完成數據的存儲，使得數據的傳輸與存儲大大簡化，提升了平臺的可擴展性．同時，基于云平臺的存儲具有云計算所具有的高動態性，高彈性，高容災性．

基于物聯網及云計算的智能物流調度平臺的數據與程序分離的設計在獲得高擴展性、高動態性、高彈性，高兼容性，高容災性的同時，也帶來了一定的缺陷，主要體現在：1）數據存儲冗余，響應慢，易出現數據不一致的問題；2）增加了應用層設計與實現的難度．

從長期看，隨著計算機性能的提升，特別是云計算規模的擴展，數據的響應將不再是問題．而系統應用層實現的難度在一定程度上也被云計算平臺提供的PaaS及SaaS所抵消，因而，基于物聯網及云計算的智能物流調度平臺具有一定實踐意義，為物流企業云計算平臺的實現提供了一種可行方案．

[1] Wang Z, Chen C, Guo B, et al. Internet Plus in China [J]., 2016，18（3）：5-8．

[2] 政府工作報告[OL/EB]. [2018-04-04]. http://www.gov.cn/zhuanti/2018lh/2018zfgzbg/zfgzbg.htm.

[3] 姚國章，余星．“互聯網+”與物流業的融合發展研究[J]．南京郵電大學學報（自然科學版），2017（02）：57-67．

[4] Armbrust M, Fox A, Griffith R, et al. A View of Cloud Computing [J]., 2010，53（4）：50-58．

[5] Atzori L, Iera A, Morabito G. The Internet of Things: A survey [J]., 2010，54（15）：2787-2805．

[6] Manyika J, Chui M, Brown B, et al. 2011 Big data: the next frontier for innovation, competition, and productivity. mckinsey.com[R/OL]. December 13, 2012. http://www.mckinsey.com/Insights/MGI/Research/

Technology_and_Innovation/Big_data_The_next_frontier_for_innovation.

[7] Charniak E, Meehan J R,Reisbeck C K. Artificial intelligence programming[J].,1980，231（4741）：581–587．

[8] Swan M. Blockchain: Blueprint for a New Economy [M]. O'Reilly Media, Inc, 2015．

[9] Benotmane Z, Belalem G, Neki A. A Cloud Computing Model for Optimization of Transport Logistics Process [J]., 2017，18（3）．

[10] Benotmane Z, Belalem G, Neki A. Towards a cloud computing in the service of green logistics[J]., 2018，29（1）：37．

[11]李遠遠，劉光前，徐斯．基于云計算的廣西農產品物流公共信息平臺規劃[J]．南方農業學報，2014（06）：1117-1120．

[12]石榮麗．基于大數據的智慧物流園區信息平臺建設[J]．企業經濟，2016（03）：134-138．

[13]王美英．基于云計算的國際物流分銷綜合服務平臺構建[J]．商業時代，2014（35）：29-31．

[14]楊萌柯，周曉光．“互聯網+”背景下快遞末端協同配送模式的構建[J]．北京郵電大學學報（社會科學版），2015（06）：45-50+57．

[15] Dean J, Ghemawat S. MapReduce: A Flexible Data Processing Tool [J]., 2010，53（1）：72-77．

[16] Chang F, Dean J, Ghemawat S, et al. Bigtable: A distributed storage system for structured data [J]., 2008，26(Compendex)．

[17] Ghemawat S, H G, S.-T L. The google file system [A]// SOSP'03: Proceedings of the 19th ACM Symposium on Operating Systems Principles, Association for Computing Machinery, October 19，22，2003：29-43．

Design and Realization of Intelligent Logistics Scheduling Platform based on Internet of Things and Cloud Computing

ZHAO Jianfeng, LIANG Bodong, ZENG Ziming

（)

Due to a lack of specific implementation research, this paper proposes an intelligent logistics scheduling platform based on Internet of Thing and cloud computing. The proposition is dealt with from two aspects: design and implementation. A new registration mechanism is designed with the data storage stored in the file form on the cloud storage platform. The current main stream cloud computing platform is analyzed through a case study. The research of the platform shows an overall design defects of slow response, but it can be compatible with the existing information platform of the logistics enterprise. Besides, it has the characteristics of high expansibility, high dynamic, high elasticity, high compatibility and high disaster tolerance.

Internet +; cloud computing; Internet of Things; logistic; intelligent scheduling

10.13899/j.cnki.szptxb.2018.05.002

2018-03-19

2016深圳市科創委知識創新計劃（JCYJ20160429145314252，JCYJ20160527162817715，JCYJ20160407160609492）；2016年廣東省省級科技計劃項目（2016A010101039）；2015年深圳職業技術學院重點科研項目（601522k30007）；深圳職業技術學院校青年基金（601522K30015）資助項目

趙建峰 （1982-），男，山西盂縣人，講師，博士研究生，研究方向：人工智能算法、云計算等．

F252

A

1672-0318（2018）05-0013-07