基于數據倉庫的集裝箱多式聯運信息管理平臺設計

重慶電子工程職業學院 王玲

針對目前集裝箱多式聯運智能化和信息化發展的迫切需求，各組織之間信息溝通不暢的瓶頸，以物聯網、數據倉庫和大數據技術為依托，面向物流各相關方，構建一套開放、安全、可信的追蹤監管、信息共享與應用服務平臺。平臺可為鐵、公、水、航等不同承運載體、承運單位提供貨物在途追蹤監測數據與定制化應用服務，提高數據的一致性和運行效率，實現物流信息交換與共享，有效提升多式聯運業務銜接效率。

現階段，集裝箱物流管理系統的應用已經較為廣泛，且相對成熟。集裝箱多式聯運行業相關的部門或企業如航運、鐵路、船運、代理、碼頭、倉儲和物流中心等都建立了自身獨立的信息管理系統。但是，不同行業和不同部門之間存在著信息化水平不一的情況，信息管理上還是較為原始的操作方法。隨著時間的推移，數據信息內容逐漸增多，行業之間缺乏有效的信息協同和合作，導致不能充分利用數據信息，造成資源浪費的情況。

為了從容面對激烈的市場競爭，行業需要將信息管理系統平臺化，將各個系統的行業信息等原始數據進行取樣、整合、存儲和建模，以圖表形式提供集裝箱多式聯運分析、監測和監督等服務，對接其他系統，實現實時數據的交換與共享，提升信息管理與決策能力。

1 數據倉庫的特性

數據倉庫屬于一種數據管理技術，主要面向數據的應用，提供了數據管理功能，能夠管理完備的、及時的、準確的和可理解的業務信息，并把這種信息提交給授權的個人，使他們有效地做出決策，支持綜合性的數據分析，尤其是對戰略分析。數據倉庫具有面向主題、管理大量信息、不同介質信息存儲、跨越數據庫模式和信息的概括和聚集等特征，還具有集成性、不可更新和隨時間變化的特性。

數據倉庫技術的應用能夠為集裝箱多式聯運的可持續發展提供積極影響，能夠根據決策者的不同需要，按照不同的應用主題對數據信息進行組織支持，從而將分散在不同地域以及不同部門之間的信息內容進行有機融合，然后在對其進行合理的轉換以及加工，并將其存儲到數據倉庫當中。隨后，在利用恰當的分析技術，對數據倉庫內的數據內容進行分析，其在大量的物流信息中，尋找到一定的規律，為管理人員提供有利的數據信息支持，從而做出準確合理的決策。

2 系統總體設計

系統總體設計流程分為數據對接、數據倉庫建模、ETL（Extract-Transform-Load，抽取-轉換-加載）和數據展示4 個部分。數據對接用于采集來自口岸辦系統、GPS 監管系統、物流園區系統等數據。數據倉庫建模包括設計并搭建數據倉庫用于集成所有行業數據。ETL 用于對行業原始數據進行處理并裝載至數據倉庫。數據展示是以數據可視化作為關鍵技術，基于數據倉庫構造的互聯網應用系統，實現了對集裝箱行業數據的展示。系統總體設計如圖1 所示。

圖1 系統架構圖Fig.1 System architecture diagram

3 數據倉庫主題

數據倉庫的主要特點之一是面向主題，所以在數據倉庫的設計工作中，確定主題域是一項很重要的工作。集裝箱多式聯運信息管理平臺是為各個子系統提供信息服務的，主要面向的對象有用戶（如，貨主、貨代、承運人、集裝箱租賃公司、港口堆場、貨運站）、政府監管部門以及金融保險相關行業，為其提供基于不同數據要素、數據維度、時間跨度與表現形式的系列化服務與數據展現，如集裝箱跟蹤、集裝箱調度、供應鏈管理、市場運行監測、行業預測、效能評估等綜合性服務。集裝箱多式聯運信息管理平臺主要面向的主題如圖2 所示。

圖2 系統主要面向主題Fig.2 The system is mainly subject-oriented

4 具體模塊設計

本平臺采用維度數據倉庫，它由一系列星型模型組成，并由它們獲取盡可能詳盡的數據。我們從其他行業信息系統中抽取出維度數據，獲取事實數據，例如可以從各集裝箱物流園區系統抽取集裝箱車輛的作業時間等來形成車輛作業事實表。通過各種維度表和事實表的創建，可以形成多個星型模型，從而實現對集裝箱行業數據的面向主題的集成，方便對于數據的查詢、展示與分析。

4.1 數據倉庫建模

數據倉庫建模主要分為選取業務流程、定義粒度和維度、確定事實三個部分。

（1）結合對業務需求和原始數據的理解，確定建模的業務處理內容。集裝箱多式聯運涉及委托運輸、訂立合同、提箱報關裝箱、簽發多式聯運單據、交付貨物、裝車發運、短駁和訂艙送箱等。

（2）數據倉庫的粒度大小是數據倉庫設計中需要考慮的重點問題，其不但影響到數據倉庫中數據存儲量的大小和存儲架構，而且還會影響到其與數據倉庫應用者的交互方式和問答類型。由于原子型數據可為分析提供最大限度的靈活性，所以應優先考慮用業務流程記錄最細粒度的信息開發維度模型。

粒度確定后形成基本維度。選擇年度分布維、貨物類型維、地域分布維和攬貨方式維四個維度，其中貨物類型維度是由貨物類別和貨物名稱構成的復合維度，地域分布維是由地、市、辦事處構成的復合維度。

（3）確定事實，即要分析的度量。在數據倉庫粒度分割中需要考慮的因素主要包括數據對象和數據量的大小、數據分割標準的難易程度以及數據分割標準與數據粒度劃分策略的統一程度等。事實表和維度表的物流作業星形邏輯模塊結構模式如圖3 所示。

圖3 數據倉庫的星形業務邏輯模塊結構Fig.3 Star-shaped business logic module structure of data warehouse

最后，在信息表和事實表的基礎之上，采用MOLAP的方式建立數據立方體，即包含度量值和維的數據包，如圖4 所示，并根據該立方體創建不同主題的計算成員，從而能夠為業務的開展提供更多的決策支持信息。

圖4 數據倉庫數據立方體Fig.4 Data warehouse data cube

4.2 抽取—轉換—加載

將數據源中的數據使用一定的要求和規則來予以過濾和清理。將完成數據轉換后的目標數據加載到數據倉庫中，并實時更新數據倉庫數據，如圖5 所示。

圖5 ETL 架構圖Fig.5 ETL architecture diagram

數據倉庫技術的應用，能夠根據決策者的不同需要，按照不同的應用主題對不同的數據信息進行組織支持，按照種類不同，進行重新分類組合，從而將分散在不同地域以及不同部門之間的信息內容進行有機融合，然后在對其進行合理的轉換以及加工，并將其存儲到數據倉庫當中。隨后，在利用恰當的分析技術，對數據倉庫內的數據內容進行分析，建立數學評價模型，為決策者進行決策提供有利數據支持。

4.3 數據展示

數據可視化技術將大型數據集中起來以圖形、圖像形式加以表示，并利用數據分析和開發工具發現其中未知的信息，清晰有效地傳達信息。

數據可視化有助于促進全員圍繞關鍵數據分享協作以及管理層以全局性視角觀察問題，從而最終形成數據驅動工作、數據支撐管理決策的良性循環。

數據可視化技術還與手機終端相結合，方便用戶隨時隨地查看生產作業情況，實現多層次的數據上鉆和下鉆，強化分析功能，數據可視化從生產領域延伸至財務、人力資源等領域。

除了可視化服務外，平臺還可以提供數據挖掘服務、數據在線分析處理服務、控制面板服務和數據報告等服務。

5 結語

基于數據倉庫的集裝箱多式聯運信息管理平臺通過對數據倉庫的建模，抽取原始數據，轉換并加載到倉庫中，實現了對集裝箱多式聯運行業數據的有機整合，實現了數據的共享，使數據具有可視化價值，視覺元素多元化，信息傳遞更直觀，提高相關部門的決策能力。

引用

[1] 吳慧鑫.中國集裝箱運輸和多式聯運發展趨勢[J].中國港口,2019(6):51-53.

[2] 任曉周,諶建飛,王永建,等.集裝箱遠程實時安全監測系統[J].電子設計工程,2019,27(1):116-122.

[3] ChristopherAdamson,亞當森,王紅濱,等.Star Schema完全參考手冊:數據倉庫維度設計權威指南[M].北京:清華大學出版社,2012.

[4] Ralph Kimball,Margy Ross.數據倉庫工具箱:維度建模的完全指南[M].北京:電子工業出版社,2003.

[5] 趙嘉凌.云環境下的分層數據倉庫架構及其服務研究[J].現代信息科技,2018(1):180-181.