大數據時代發展下物流配送鏈信息平臺構建

文/施向榮

大數據下的物流配送鏈的平臺搭建以信息為核心，通過智能的算法和數據處理操作，對物流的運輸策略和經營方式進行了新的規劃。

1.物流配送鏈信息平臺硬件設計

傳統的物流配送鏈信息平臺的芯片控制能力弱，因此需要針對物流實時運輸的數字信號處理需求加入的INS和GPS組成的微控制器，提高平臺的運算速度。數據傳輸采用擁有多地址的數據總線，為了加強物流配送數據傳輸的效率，主機加入采集慣性傳感器，便于數據輸入輸出。采集慣性傳感器通過導航和在線校正，集運算和控制于一體。數據傳輸的接口采用外設接口，接口一般為雙端口，雙端口器件的核心部分是用于數據存儲的控制器。控制器左、右兩個端口共用，兩個端口的左側可共享一個存儲器進行處理。除此之外，還需要在接口處加入DSP芯片，實現物流傳輸高速數據處理的多級緩沖效果。物流信息占比大，因此需要對平臺的內存進行擴容處理。平臺中增添外部存儲器，外部儲存器的型號為TMS320VC333，以外部儲存器自帶的/HOLD和HOLDA雙引腳擴展物流配送鏈信息平臺的雙向數據存儲。外部存儲器設置好，還需要接入相應信息的單片機。單片機的作用是共享存儲器中物流信息，讀取相關數據[1]。單片機響應開始，查詢外部存儲器的狀態，將電流引到高引腳變為低電平后，單片機開始向共享存儲器內寫數據。當需要向單片機傳送數據時，可以先將數據寫入共享存儲器中，然后向單片機申請中斷，單片機響應中斷后再向發出請求。利用不同的時序實現雙機共享內存。物流追蹤采用傳感器進行結構化數據和非結構化數據的管理，主要應用在物流監控庫存管理上。本平臺采用的雙機通訊，無需額外附加控件，降低了成本也便于簡化操作。

2.物流配送鏈信息平臺軟件設計

2.1 智能大數據采集模塊

為了確保配送物流的位置是真實的地理位置，將物流整體的運輸程序進行信息化的高度整合，主要采用大數據對具體的運輸路徑信息進行優化，保證物流在信息平臺上實現動態感知和自動分配。不同的數據采集的方式不同，在數據模塊執行前，需要對數據進行初級采集，初級采集利用日志文件和web爬蟲。日志文件下進行簡單的數據采集活動，而web爬蟲采集混合的數據，數據規模比較大，一般用于平臺對物流運輸的搜索和分析中[2]。根據兩種不同形式的數據收集，收集關于物流運輸與配送存儲的數據信息。數據采集后不能直接應用在信息鏈平臺上，還要對收集好的數據進行預處理。預處理主要目的是清洗掉不影響物流鏈運輸的冗余數據，數據集成后將結構化或者混合數據進行格式的重新規劃，讓整體收集到的數據更具備智能性和針對性[3]。對于大型的物流配送企業來說，大數據下的物流信息平臺搭建，可以將復雜的、多樣化的配送站信息全部整合到配送中心。大數據采集整合的具體操作如下圖所示：

根據以上流程，保證物流數據采集的效率。由于物流運輸的數量多，內部信息占據內存過大，為了避免平臺崩潰，出現數據漏洞，所以不執行采集操作時平臺基本保持休眠狀態。采集時需要讓平臺內部的管理人員還需要對自身的持久數據層進行備份處理，即使后期平臺出現故障，也能夠保證后備數據的查詢[4]。這樣的處理，讓物流信息從提供到信息獲取之間實現科學的整合。采集到的數據傳輸給配送中心，配送中心可以結合采集到的具體的物流信息情況對商品的配送、簽收的相關情況進行統計，提高整體物流運輸效率，改進商品物流服務，實現對整體物流配送鏈數據的采集[5]。

圖1 大數據采集操作流程圖

2.2 智能物流信息預測模塊

大數據下的物流配送鏈信息平臺除了可以對配送的地理位置數據進行升級，還可以針對消費者需求統計地區的運輸情況，預測出重點消費地區的經濟發展狀況和物流未來的運輸需求情況。具體的物流配送鏈信息加工環節如下圖所示：

圖3 智能物流信息數據預測環節

在這種情況下建立智能的預測模式，可以提高整體的配送效率。數據的感知信息，主要以倉庫位置、商品擺放順序、商品存貨量等因素為主要參數[6]。預測物流信息，需要將物流進入倉庫的數據信息導入平臺，這就要求貨物實際出庫和實際入庫的允許誤差，涉及整體配送量的誤差計算。通過倉庫門口表面的傳感器作為敏感元件，根據頻率變化顯示出物流出入庫的誤差。當外界條件恒定，物流的應變量和傳感器輸出的頻率模數為線性關系：

其中，k代表傳感器靈敏度，ΔF代表輸出值相對基準的變化量，F為實際測量值，F0為基準值。

公式中，b為傳感器的系數，ΔY為實時測量值相對于基準值的變化量，即產生誤差，單位為m。Y為實時測試值，Y0為基準值，單位為m。物流運輸需要保證在單位允許的誤差范圍內，確保大數據預測出的銷量暢銷的商品優先傳送到終點地區的物流配送站，減少物流運輸的時間，達到增加經濟成本的作用。根據大數據預測的市場波動情況，對倉庫物品庫存的周期長短進行合理規劃，實時感知出庫入庫時間，利用貨物變化的時間信息對倉儲的進出貨配置進行動態化捕捉。選擇48小時為標準，通過合理規劃物流進入倉庫和運輸出倉庫的信息，將每天需要處理的物流數據進行分析，根據產品線、運輸費用甚至碳排放量建立準確的維護成本視圖，對配送中心內的物理存貨配置進行模擬和自動化處理，實現物流動態化配置更新。進而提高效率，實現對物流信息的精準預測。

2.3 區塊鏈物流信息數據加密模塊

為了保障企業和用戶的物流信息，通過區塊鏈自動合成的智能合約模式來進行數據加密。區塊鏈的數據加密不僅能夠保證信息數據的安全，而且可以備份原始數據。物流信息的具體加密如下圖所示：

圖4 區塊鏈數據加密模塊示意圖

物流信息由管理員上傳，將配送的訂單信息，具體包括：發出地址、聯系電話、最終目的地，這些數據錄入到信息平臺中，運輸過程中若是發生信息更改，可以在web服務器上進行數據審核，數據審核由專業的服務管理員進行操作。物流運輸的數據從出廠開始跟蹤，傳輸到中轉站，中轉站記錄的物流信息上傳到區塊鏈數據庫中。由于區塊鏈不可篡改的特性，上鏈信息就不能再進行修改，因此在物流數據錄入前就需要審核，確保區塊鏈的鏈下數據庫信息的真實性。原始的物流數據文件加密后上傳至傳輸鏈信息平臺數據庫，上傳時防止物流平臺被盜取信息，區塊鏈生成關鍵詞，同時對關鍵詞進行加密。在加密過程中，數據庫還可以憑借關鍵詞來追溯到最初錄入的相應信息。若是物流信息丟失，管理員可根據平臺物流配送的區塊鏈密鑰，對數據庫的關鍵詞進行解碼，得到原始的、正確的物流信息。

若更新的物流信息與記錄在數據庫中對應貨物的路線信息不匹配時，區塊鏈則自動發出警告，將錯誤數據傳遞給管理員，這樣的處理能最大限度保證物流配送信息的安全，保護企業和消費者的隱私。

3.系統測試

為了驗證本文設計的物流配送鏈信息平臺的效率，將對物流配送鏈信息平臺進行系統性能的測試。利用本文設計的物流配送信息平臺識別出有效的物流數據，在多級并發請求下進行物流配送信息搭建。信息搭建的時間越短，證明信息平臺的性能越好。

3.1 實驗環境搭建

本文設計的平臺使用JAVA語言來實現后臺的一系列業務，區塊鏈架構選擇Hyperledger Fabric架構。表1為系統具體環境參數。

表1 實驗準備具體要素

準備完畢后進行物流信息的上傳，物流信息上傳將相應的運輸訂單物流信息實時更新，根據訂單物流信息的屬性特征，主要上傳用戶的訂單編號、始發站、途經的中轉站、收貨地址等信息，通過將物流信息上傳到Log平臺上來完善配送鏈的信息。具體的執行如下圖所示：

圖5 物流信息上傳命令代碼

物流信息上傳通過主數據庫復制數據到KPI數據庫進行運算，降低主數據庫服務器的工作負荷，從而提高了主數據庫服務器的可用性。物流信息上傳的命令代碼主要由平臺的主數據庫負責發布數據，再通過分發服務器進行數據分發。執行命令代碼接收數據庫物流信息數據的所有改變，并保存這些改變，再把這些改變分發給訂閱服務器。服務器對顯示“入庫中”的訂單進行“暫停入庫”的命令操作，當前狀態變成“待入庫”，結束物流信息上傳。

3.2 測試結果

為了驗證設計的物流配送信息平臺運行的穩定性，測試出不同并發請求條件下的響應的時間。得出的實驗結果如表2所示：

表2 測試數據結果

傳統的物流配送鏈信息平臺隨著并發數量的增加，處理的時間也成倍增加。并發命令每增加10個，運行時間則會延長1s。但由表2數據可知，智能物流配送鏈信息平臺在數據處理效率上更高效，運作時間更短，因此可以證明大數據背景下的物流配送鏈信息平臺在數據處理上的效果更好。

結束語

本文對大數據背景下的物流配送鏈信息平臺建設進行了系統的分析，從大數據對物流信息的作用進行了具體的論述，設計了基于大數據背景下的物流配送鏈信息平臺。物流運輸供應鏈的行業動態與整個電子商務市場息息相關，因此，在大數據下利用智慧物流技術的物流信息平臺搭建的作用是巨大的，對企業和消費者來說是雙贏的效果。盡管在實驗上的準備還有些許不足，樣本設置數量太少，但還是希望本文提出的方法有朝一日能應用在實際的物流配送中，為物流供應鏈提供一些可行性的建議和指導。