面向大數據技術在智慧物流領域的應用

史陽生

摘 要：在當下的信息化、科技化時代下，物流產業已非傳統的第三產業，而是逐步與技術、科學相融合，形成當下正熱的智慧物流業態。其中運用最為成熟、完善的技術則是大數據技術，二者存在雙向關系，通過將大數據技術中的數據抓取、模型構建與測算、數據分析等技術運用在智慧物流中，能夠實現其過程可視化、交易電子化等目標，提高工作效率。文章分析了智慧物流中的大數據平臺搭建，以及運用較為常見的爬蟲等技術，分析大數據與智慧物流之間的運用關系。

關鍵詞：智慧物流;大數據技術;技術運用

0 前言

物流產業的構成與運行在信息化、全球化的時代中，不斷進行著深層次的擴容與技術升級，國家層面對于物流產業也極為重視，多次出臺重要文件強調在物流產業中擴大北斗導航、大數據、云技術等先進手段的運用。例如建立健全物流產業的信息化平臺，能夠有效整合產業中各方面的資源，通過高效配置打通物流信息鏈，而這種智慧物流的新業態也是物流產業進行產業升級的必然趨勢特征。

1 智慧物流與大數據技術的雙向關系

如今大數據技術的運用極為寬泛，例如城市大腦、智慧工廠等等，包括一些數據的采集與分析、自動化的資源配置平臺等等。一方面，智慧物流通常在建設與管理工作中產生具有產業特色的大數據。例如，在倉儲、運輸、配送等物流業務環節中能夠形成業務數據，在聯網狀態下形成實時的動態數據與移動數據，這些數據在產生交集、匯聚之后形成智慧物流的大數據。另一方面，大數據能夠以技術手段的方式提高智慧物流效率。例如，大數據技術能夠為智慧物流提供提高效率的管理、決策方式，或是在供應鏈端提供一體化的解決方案。

2 智慧物流與大數據在技術端的有效銜接

2.1 智慧物流平臺的作用

智慧物流平臺主要針對的是向企業提供一些物流方面的服務與解決方案。一是物流服務一體化，將業務全面整合，高效地將資源進行對接，以提高物流業的效率。二是物流交易電子化，充分發揮電商在物流業中的作用，減少物流服務中的運輸成本、交易成本等等。三是物流資源集成化，充分整合梳理物流業務中的各種資源，統一協商調度，提高資源利用的集約程度，打通更寬闊的發展空間。四是物流運作標準化，以標準化的方式對物流運作模式進行管理，從而在一定程度上提高管理層面的效率以及對風險控制的能力。五是物流過程可視化，利用一些物流網、遠程定位等現代信息技術，挖掘供應鏈與運輸鏈中的透明可控力度和追溯能力，減少物流過程對貨物的損壞可能性。六是客戶服務個性化，利用大數據給客戶推送個性化的物流解決方案，提高交易成功率和客戶滿意度。

2.2 大數據在智慧物流中的應用

具體而言，大數據技術包括挖掘、保存、分析、共享、可視化等多種類型，而在智慧物流當中的運用，則主要包括以下幾個部分：

一是網絡數據獲取技術，獲取數據也是智慧物流中大數據運用的最基本部分。一般來說，數據的獲取大多是運用網絡爬蟲，這是一種能夠自動、高效抓取網頁數據的技術，也是最主要的信息搜索收集方式。其具體方式是從打開的網頁中提取鏈接，進行網頁資源的下載，并從初始頁面上再抓取鏈接，在如此反復的運算中逐步深入和復雜化，直到數據抓取達到所設定的停止條件。網絡爬蟲能夠面向用戶需求，將個性化的數據提供給用戶。

二是海量數據分析技術。一般涉及兩個部分，其一是模型實現，也就是采用模型服務器，并通過服務器的運作來提供模型的計算服務，例如空間模型分析、統計模型分析和機器學習算法分析等等。其二是分布式處理，主要是高效地將海量數據加以分析，因為海量數據容易導致運算緩慢甚至出現卡頓、錯誤的狀況，分布式處理能夠提高模型服務器的運轉效率。

三是云—端應用技術。云—端應用主要是充分發揮云計算中的高速計算能力以及不停止的服務供給，并且能夠通過智能終端進行隨時隨地的資源提供，突破了時間維度和空間維度的限制。此外，智能終端上的傳感器也能夠收集、整理相關信息，隨后將數據上傳至云端進行存儲，利用云計算進行分析，再反饋到智能終端中，這種往返式的數據指令傳輸，在智慧物流中的應用面較為廣闊，無論是前期的采購環節、中期的倉儲環節還是后期的配送環節，云—端應用技術都能夠發揮其應有的成效。

3 智慧物流中的大數據平臺架構

3.1 平臺架構

大數據在智慧物流中所構建的平臺體系，主要包括感知層、網絡傳輸層、數據存儲層與應用服務層四個層面，目的在于將一項物流活動的從始至終均加以控制，以實現管理和運作的可控與動態化，提高物流效率。一是數據感知層，包括識別模塊、定位模塊與跟蹤模塊，通過一系列在各個環節中對信息和數據的感知和收集，進而分類智能處理，從而實現在物流鏈條中的全方位控制。二是數據傳輸層，主要是利用網絡和信息技術能力將數據進行穩定的傳輸，通過網絡來保障物流過程的高效化和實時化。三是數據存儲層，能夠將上述兩個層面中所收納的數據資源進行云端的存儲，并進行一系列的處理，以便于在需要的時候提供查詢、分析和運用。四是應用服務層，也是大數據平臺中最上層的部分，主要是發布一些終端環節的指示，將對應的信息資源提供給用戶，并為決策制定可靠的提供依據。

3.2 關鍵技術

一是網絡爬蟲技術，其核心在于對數據的抓取，隨后加以數據分析，并利用NoSQL等數據庫進行存儲，資源調度及管理則通過YRAN來實現。二是MongoDB技術，主要是應用在分布式數據庫中，能夠實時地進行數據的管理的調動，具有更高的靈活性，因此常用于統計概念的模型推算。三是Hadoop技術，主要是更方便地進行分布式文件的存儲，并通過MapReduce方式進行數據處理，通過Hbase將處理的結構化數據加以儲存，模型推算則是利用Mahout與Spark方式來進行。

4 結論

文章從智慧物流與大數據技術之間的雙向關系出發，研究智慧物流平臺的作用、大數據技術的應用以及大數據在智慧物流中的平臺架構，闡述其關鍵技術的使用。所得結論與內容梳理雖沒有涵蓋所有智慧物流所運用的大數據技術，但相對來說具備一定的通用性，可為智慧物流運用大數據的更快發展提供一定的參考。

參考文獻：

[1]劉彩芳.大數據技術在現代物流中的應用研究[J].智能計算機與應用，2017（06）：169-170.

[2]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.

[3]賀瑞，許元斌，柳歡等.基于大數據技術的智慧城市建設初探[J].自動化與儀器儀表，2017（06）：69-71.