物聯網智能物流系統容錯服務組合建模與分析

郭榮佐 馮朝勝 秦志光

摘 要：針對物流領域的服務組合存在容錯性差和服務不可靠等問題，提出一種基于π網的物聯網智能物流系統物流服務容錯組合模型。首先，在簡單介紹物聯網智能物流系統后，給出了物聯網智能物流系統的容錯服務組合框架;然后，基于π網建立了物聯網智能物流系統物流服務容錯組合模型，并對模型進行了容錯正確性和擬合性分析;最后，對提出的模型進行了服務可靠性、服務故障容錯可靠性實驗，并與Petri網、QoS動態預測算法、模糊卡諾模型和改進粒子群優化的服務組合方法針對服務組合的執行時間、用戶滿意度、可靠性和最優度進行對比實驗。實驗結果表明，所提模型具有更高的服務可靠性和服務故障容錯可靠性，同時在服務組合的執行時間、用戶滿意度、可靠性和最優度等方面也具有一定的優越性。

關鍵詞：物聯網;智能物流;容錯服務組合;π網;建模與分析

中圖分類號： TP311.5; TP301.2

文獻標志碼：A

Abstract： In order to solve the problem that the service composition in the logistics field has poor tolerance and unreliable service， a model of logistics service fault-tolerant composition for intelligent logistics system of Internet of Things （IoT） based on π-net was built. Firstly， after a brief introdution of IoT intelligent logistics system， a fault-tolerant service composition framework for the system was provided. Then， a model of logistics service fault-tolerant composition for the system based on π-net was built， and the correctness of fault tolerance and fitting degree of the model were analyzed. Finally， the service reliability and the fault-tolerant reliability of the model were tested， and the comparison with Petri-net， QoS （Quality of Service） dynamic prediction， fuzzy Kano model and modified particle swarm optimization methods in the service composition execution time， user satisfaction， reliability and optimal degree were carried out. The results show that the proposed model has high service reliability and fault-tolerant reliability， and has certain advantages in terms of service composition execution time， user satisfaction， reliability and optimal degree.

Key words： Internet of Things （IoT）; intelligent logistics; fault tolerant service composition; π-net; modeling and analysis

0 引言

電子商務的迅速發展，使得物流業務得到跨越式發展。物流快速發展后，其服務不得不依賴于現代信息技術，以使物流發展為智能物流。如Amazon公司利用現代信息技術，為各大運轉中心、配送、訂單與客服、庫管、智能揀貨、智能調撥和定位與跟蹤等提供全面智能化服務[1]。基于物聯網技術的智能物流系統能夠提高對訂單的實時掌控和科學調配能力，從而提高對配送人員的監控與管理能力，并有助于提高物流效率和客戶滿意度等。物聯網智能物流系統（Intelligent Logistics System of Internet of Things， ILSIoT）雖然能夠提高物流效率，但還需要對其服務端的物流服務組合進行研究，特別是在物聯網不穩定環境下研究其服務端的物流服務的組合問題。

國內外研究者們對Web服務組合和服務容錯等進行了相關研究。如文獻[2]概述了各種Web服務容錯技術，包括容錯策略設計、容錯策略選擇和復雜容錯，并討論了一種特殊類型的服務容錯技術——Byzantine式容錯;文獻[3]對Web服務組合問題進行研究，提出了一種服務級協議 （Service Level Agreement， SLA）感知的事務型組合服務容錯方法，并對其進行了實驗驗證;文獻[4]提出了一個用于持久復合Web服務的Byzantine容錯服務管理框架，該框架結合了基于仲裁和基于狀態機的Byzantine容錯協議來確?？煽康姆战桓?文獻[5]提出了Web服務常用容錯策略的離散事件仿真算法，并對算法進行了可靠性分析和實驗驗證;文獻[6]對Web服務進行研究，提出了一種基于自主計算的自反中間件體系結構來診斷服務組合中的故障，稱為自主管理服務組合的反射中間件 （Autonomic management Reflective MIddleware for Service COMposition， ARMISCOM），并提出了相應的維修策略;文獻[7]為提高動態物聯網環境下物流服務滿意度，利用傳統Web服務組合思想，提出一種局部最優選擇的物流服務選擇方案來解決智能物流服務問題;文獻[8]對Web服務組合框架進行了設計，提出了一種強大的Web服務組合框架。

以上研究集中在Web服務組合和服務容錯的研究，但未針對智能物流容錯服務組合問題進行研究。

還有研究者對物流、供應鏈等進行了研究。如文獻[9]對供應鏈進行研究，提出了基于物聯網服務的生態系統模型開發技術來開發供應鏈管理;文獻[10]對物流自動化管理進行研究，提出了基于物聯網射頻識別（Radio Frequency Identification， RFID）技術的物流自動化管理軟件原型;文獻[11]對協同物流配送調度方法進行研究，提出了基于物聯網和大數據的協同物流配送調度方法和云機器人系統;文獻[12]利用中間件技術對智能物流進行研究，提出了一種解決物基于物聯網的物流服務組合的中間件方法。

上述研究主要針對Web場景的Web服務端服務組合進行研究，例如文獻[2-5]針對Web容錯服務提出了Byzantine式和事務型算法，文獻[6-8]對Web服務組合的故障診斷、智能物流服務組合選擇和組合框架等進行研究;文獻[9-12]針物流領域的供應鏈、物流配送、物流自動化管理和物流服務組合中間件等進行研究。這些研究都僅針對物流領域的某一方面，利用物聯網相關技術來解決單一平臺、應用等問題，并未充分利用Web領域的成熟服務組合技術來解決物聯網環境下智能物流的容錯服務組合問題。

基于對當前研究現狀的分析，針對物聯網環境下物流服務組合存在的不足，利用π網對物聯網智能物流服務的容錯組合進行研究，提出容錯服務組合算法并對算法進行分析與驗證。通過簡單描述物聯網環境下智能物流系統的體系結構，對智能物流服務的容錯框架進行設計;在容錯框架基礎之上，利用π網理論建立物聯網環境下智能物流容錯服務組合模型，并對模型進行容錯正確性和容錯擬合性分析;然后通過實驗驗證模型的正確性等。

與現有關于物聯網物流服務組合方法相比，本文所開展的研究具有以下特點：

1）具有先進的容錯處理框架;

2）采用π網理論建立的容錯服務組合模型，能夠處理多種物流服務組合中出現的故障情況，并能確保物流服務組合順利進行，故模型能有效地解決難以對物流服務組合的故障進行處理的問題;

3）所提模型具有容錯處理能力，使得物流服務組合能自適應組合過程中出現的運行時故障;

4）與其他物流服務組合方法相比，該模型的成功率、可靠性、可用性和服務組合性能等方面具有明顯的優勢。

6 結語

物聯網技術應用于傳統的物流領域而形成智能物流，在其服務進行組合時的容錯處理框架、建模等問題是智能物流系統服務組合的關鍵問題。針對現有物流服務組合技術方面就容錯組合模型研究較少，故本文提出了容錯服務組合模型NLSn。該模型建立時，首先從物聯網智能物流系統的體系結構和業務流程入手，并對相關物流服務進行論述，在此基礎上提出了物流服務的QoS屬性模型;然后利用π網理論，在容錯框架下建立了物流容錯服務組合模型，并從模型的動態演化、復雜度、容錯處理正確性和容錯擬合等方面對模型進行了分析;最后通過3個仿真實驗對模型進行驗證和對比，結果表明本文模型是可行的和有效的。

以后，將繼續研究物聯網智能物流系統，從提升和確保服務組合的可靠性和可用性等方面進行研究，并結合云計算、大數據處理等技術，使得物聯網智能物流系統更加智能化地進行物流服務組合;還將對物聯網智能物流系統服務組合的安全與隱私保護等進行研究，以期提高系統的安全性能。

參考文獻：

[1] KIM J， KIM Y， CHANG H. A study on performance evaluation of intelligent collaboration system [J]. Multimedia Tools and Application， 2015， 74（10）：305-3316.

[2] ZHENG Z， LYU M R T， WANG H. Service fault tolerance for highly reliable service-oriented systems： an overview [J]. Science China Information Sciences， 2015， 58（5）： 1-12.

[3] 張俊娜，王尚廣，孫其博，等.SLA感知的事務型組合服務容錯方法[J].軟件學報，2018，29（12）：3614-3634. （ZHANG J N， WANG S G， SUN Q B， et al. SLA-aware fault-tolerant approach for transactional composite service [J]. Journal of Software， 2018， 29（12）： 3614-3634.）

[4] ELGEDAWY I， KHURSHID S， MASOOD R， et al. CRESCENT+： a self-protecting framework for reliable composite Web service delivery [J]. Iran Journal of Computer Science， 2018， 1（2）： 65-87.

[5] SHU Y， WU Z， LIU H， et al. A simulation-based reliability analysis approach of the fault-tolerant Web services [C]// Proceedings of the 2016 7th International Conference on Intelligent Systems， Modelling and Simulation. Piscataway， NJ： IEEE， 2017： 125-129.

[6] VIZCARRONDO J， AGUILAR J， EXPOSITO E， et al. ARMISCOM： self-healing service composition [J]. Service Oriented Computing & Applications， 2017， 11（3）： 345-365.

[7] 王建峰，楊榮.物聯網環境下智能物流服務組合研究[J].電子技術應用，2016， 42（1）：79-81.（WANG J F， YANG R. Service composition study for intelligent logistics services in IOT [J]. Application of Electronic Technique， 2016， 42（1）：79-81.）

[8] KHOLY M E， FATATRY A E. FRWSC： a framework for robust Web service composition [J]. Service Oriented Computing and Applications， 2016，10： 413-435.

[9] PAPERT M， PFLAUM A. Development of an ecosystem model for the realization of Internet of Things （IoT） services in supply chain management [J]. Electronic Markets， 2017， 27（2）： 175-189.

[10] CHEN J， ZHAO W. Logistics automation management based on the Internet of things [J/OL]. Cluster Computing， 2018 [2018-02-23]. http：//dx.doi.org/10.1007/s10586-018-2041-2.

[11] ZHU D. IOT and big data based cooperative logistical delivery scheduling method and cloud robot system [J]. Future Generation Computer Systems， 2018， 86： 709-715.

[12] YANG R， LI B， HU Y. An experimental study for intelligent logistics： a middleware approach [J]. Chinese Journal of Electronics， 2016， 25（3）： 561-569.

[13] BUJARI A， FURINI M， MANDREOLI F， et al. Standards， security and business models： key challenges for the IoT scenario [J]. Mobile Networks and Applications， 2018， 23（1）： 147-154.

[14] NASCIMENTO A S， RUBIRA C M， BURROWS R， et al. Designing fault-tolerant SOA based on design diversity [J]. Journal of Software Engineering Research and Development， 2014， 2： 13.

[15] RODRIGUEZ-MIER P， PEDRINACI C， LAMA M， et al. An integrated semantic Web service discovery and composition framework [J]. IEEE Transactions on Services Computing， 2016， 9（4）： 537-550.

[16] YU Y， CHEN J， LIN S， et al. A dynamic QoS-aware logistics service composition algorithm based on social network [J]. IEEE Transactions on Emerging Topics in Computing， 2014， 2（4）： 399-410.

[17] 曹木亮，吳智銘.π-網的強互模擬等價[J].計算機學報，2005，28（1）：1-8. （CAO M L， WU Z M. The strong bisimilarity on the π-nets[J]. Chinese Journal of Computers， 2005，28（1）： 1-8. ）

[18] CARDINALE Y， HADDAD J E， MANOUVRIER M， et al. CPN-TWS： a coloured Petri-net approach for transactional-QoS driven Web service composition [J]. International Journal of Web & Grid Services， 2011， 7（1）： 91-115.

[19] LANESEA I， MEZZINAB C A， STEFANI J-B. Reversibility in the higher-order π -calculus [J]. Theoretical Computer Science， 2016， 625： 25-84.

[20] FENG L-B， OBAYASHI M， KUREMOTO T， et al. QoS optimization for web services composition based on reinforcement learning [J]. International Journal of Innovative Computing Information & Control， 2013， 9（6）： 2361-2376.

[21] XIANG D， XIE N， MA B， et al. The executable invocation policy of Web services composition with Petri net [J]. Data Science Journal， 2015， 14（5）： 1-15.DOI：http：//dx.doi.org/10.5334/dsj-2015-005

[22] LIU Z Z， JIA Z P， XUE X， et al. Reliable Web service composition based on QoS dynamic prediction [J]. Soft Computing， 2015， 19（5）： 1409-1425.

[23] MENG Q， JIANG X， BIAN L. A decision-making method for improving logistics services quality by integrating fuzzy Kano model with importance-performance analysis [J]. Journal of Service Science & Management， 2015， 8（3）： 322-331.

[24] 溫濤，盛國軍，郭權，等.基于改進粒子群算法的Web服務組合[J].計算機學報，2013，36（5）：1031-1046. （WEN T， SHENG G J， GUO Q， et al. Web service composition based on modified particle swarm optimization [J]. Chinese Journal of Computers， 2013， 36（5）： 1031-1046.）