大数据时代发展下物流配送链信息平台构建

文/施向荣

大数据下的物流配送链的平台搭建以信息为核心，通过智能的算法和数据处理操作，对物流的运输策略和经营方式进行了新的规划。

1.物流配送链信息平台硬件设计

传统的物流配送链信息平台的芯片控制能力弱，因此需要针对物流实时运输的数字信号处理需求加入的INS和GPS组成的微控制器，提高平台的运算速度。数据传输采用拥有多地址的数据总线，为了加强物流配送数据传输的效率，主机加入采集惯性传感器，便于数据输入输出。采集惯性传感器通过导航和在线校正，集运算和控制于一体。数据传输的接口采用外设接口，接口一般为双端口，双端口器件的核心部分是用于数据存储的控制器。控制器左、右两个端口共用，两个端口的左侧可共享一个存储器进行处理。除此之外，还需要在接口处加入DSP芯片，实现物流传输高速数据处理的多级缓冲效果。物流信息占比大，因此需要对平台的内存进行扩容处理。平台中增添外部存储器，外部储存器的型号为TMS320VC333，以外部储存器自带的/HOLD和HOLDA双引脚扩展物流配送链信息平台的双向数据存储。外部存储器设置好，还需要接入相应信息的单片机。单片机的作用是共享存储器中物流信息，读取相关数据[1]。单片机响应开始，查询外部存储器的状态，将电流引到高引脚变为低电平后，单片机开始向共享存储器内写数据。当需要向单片机传送数据时，可以先将数据写入共享存储器中，然后向单片机申请中断，单片机响应中断后再向发出请求。利用不同的时序实现双机共享内存。物流追踪采用传感器进行结构化数据和非结构化数据的管理，主要应用在物流监控库存管理上。本平台采用的双机通讯，无需额外附加控件，降低了成本也便于简化操作。

2.物流配送链信息平台软件设计

2.1 智能大数据采集模块

为了确保配送物流的位置是真实的地理位置，将物流整体的运输程序进行信息化的高度整合，主要采用大数据对具体的运输路径信息进行优化，保证物流在信息平台上实现动态感知和自动分配。不同的数据采集的方式不同，在数据模块执行前，需要对数据进行初级采集，初级采集利用日志文件和web爬虫。日志文件下进行简单的数据采集活动，而web爬虫采集混合的数据，数据规模比较大，一般用于平台对物流运输的搜索和分析中[2]。根据两种不同形式的数据收集，收集关于物流运输与配送存储的数据信息。数据采集后不能直接应用在信息链平台上，还要对收集好的数据进行预处理。预处理主要目的是清洗掉不影响物流链运输的冗余数据，数据集成后将结构化或者混合数据进行格式的重新规划，让整体收集到的数据更具备智能性和针对性[3]。对于大型的物流配送企业来说，大数据下的物流信息平台搭建，可以将复杂的、多样化的配送站信息全部整合到配送中心。大数据采集整合的具体操作如下图所示：

根据以上流程，保证物流数据采集的效率。由于物流运输的数量多，内部信息占据内存过大，为了避免平台崩溃，出现数据漏洞，所以不执行采集操作时平台基本保持休眠状态。采集时需要让平台内部的管理人员还需要对自身的持久数据层进行备份处理，即使后期平台出现故障，也能够保证后备数据的查询[4]。这样的处理，让物流信息从提供到信息获取之间实现科学的整合。采集到的数据传输给配送中心，配送中心可以结合采集到的具体的物流信息情况对商品的配送、签收的相关情况进行统计，提高整体物流运输效率，改进商品物流服务，实现对整体物流配送链数据的采集[5]。

图1 大数据采集操作流程图

2.2 智能物流信息预测模块

大数据下的物流配送链信息平台除了可以对配送的地理位置数据进行升级，还可以针对消费者需求统计地区的运输情况，预测出重点消费地区的经济发展状况和物流未来的运输需求情况。具体的物流配送链信息加工环节如下图所示：

图3 智能物流信息数据预测环节

在这种情况下建立智能的预测模式，可以提高整体的配送效率。数据的感知信息，主要以仓库位置、商品摆放顺序、商品存货量等因素为主要参数[6]。预测物流信息，需要将物流进入仓库的数据信息导入平台，这就要求货物实际出库和实际入库的允许误差，涉及整体配送量的误差计算。通过仓库门口表面的传感器作为敏感元件，根据频率变化显示出物流出入库的误差。当外界条件恒定，物流的应变量和传感器输出的频率模数为线性关系：

其中，k代表传感器灵敏度，ΔF代表输出值相对基准的变化量，F为实际测量值，F0为基准值。

公式中，b为传感器的系数，ΔY为实时测量值相对于基准值的变化量，即产生误差，单位为m。Y为实时测试值，Y0为基准值，单位为m。物流运输需要保证在单位允许的误差范围内，确保大数据预测出的销量畅销的商品优先传送到终点地区的物流配送站，减少物流运输的时间，达到增加经济成本的作用。根据大数据预测的市场波动情况，对仓库物品库存的周期长短进行合理规划，实时感知出库入库时间，利用货物变化的时间信息对仓储的进出货配置进行动态化捕捉。选择48小时为标准，通过合理规划物流进入仓库和运输出仓库的信息，将每天需要处理的物流数据进行分析，根据产品线、运输费用甚至碳排放量建立准确的维护成本视图，对配送中心内的物理存货配置进行模拟和自动化处理，实现物流动态化配置更新。进而提高效率，实现对物流信息的精准预测。

2.3 区块链物流信息数据加密模块

为了保障企业和用户的物流信息，通过区块链自动合成的智能合约模式来进行数据加密。区块链的数据加密不仅能够保证信息数据的安全，而且可以备份原始数据。物流信息的具体加密如下图所示：

图4 区块链数据加密模块示意图

物流信息由管理员上传，将配送的订单信息，具体包括：发出地址、联系电话、最终目的地，这些数据录入到信息平台中，运输过程中若是发生信息更改，可以在web服务器上进行数据审核，数据审核由专业的服务管理员进行操作。物流运输的数据从出厂开始跟踪，传输到中转站，中转站记录的物流信息上传到区块链数据库中。由于区块链不可篡改的特性，上链信息就不能再进行修改，因此在物流数据录入前就需要审核，确保区块链的链下数据库信息的真实性。原始的物流数据文件加密后上传至传输链信息平台数据库，上传时防止物流平台被盗取信息，区块链生成关键词，同时对关键词进行加密。在加密过程中，数据库还可以凭借关键词来追溯到最初录入的相应信息。若是物流信息丢失，管理员可根据平台物流配送的区块链密钥，对数据库的关键词进行解码，得到原始的、正确的物流信息。

若更新的物流信息与记录在数据库中对应货物的路线信息不匹配时，区块链则自动发出警告，将错误数据传递给管理员，这样的处理能最大限度保证物流配送信息的安全，保护企业和消费者的隐私。

3.系统测试

为了验证本文设计的物流配送链信息平台的效率，将对物流配送链信息平台进行系统性能的测试。利用本文设计的物流配送信息平台识别出有效的物流数据，在多级并发请求下进行物流配送信息搭建。信息搭建的时间越短，证明信息平台的性能越好。

3.1 实验环境搭建

本文设计的平台使用JAVA语言来实现后台的一系列业务，区块链架构选择Hyperledger Fabric架构。表1为系统具体环境参数。

表1 实验准备具体要素

准备完毕后进行物流信息的上传，物流信息上传将相应的运输订单物流信息实时更新，根据订单物流信息的属性特征，主要上传用户的订单编号、始发站、途经的中转站、收货地址等信息，通过将物流信息上传到Log平台上来完善配送链的信息。具体的执行如下图所示：

图5 物流信息上传命令代码

物流信息上传通过主数据库复制数据到KPI数据库进行运算，降低主数据库服务器的工作负荷，从而提高了主数据库服务器的可用性。物流信息上传的命令代码主要由平台的主数据库负责发布数据，再通过分发服务器进行数据分发。执行命令代码接收数据库物流信息数据的所有改变，并保存这些改变，再把这些改变分发给订阅服务器。服务器对显示“入库中”的订单进行“暂停入库”的命令操作，当前状态变成“待入库”，结束物流信息上传。

3.2 测试结果

为了验证设计的物流配送信息平台运行的稳定性，测试出不同并发请求条件下的响应的时间。得出的实验结果如表2所示：

表2 测试数据结果

传统的物流配送链信息平台随着并发数量的增加，处理的时间也成倍增加。并发命令每增加10个，运行时间则会延长1s。但由表2数据可知，智能物流配送链信息平台在数据处理效率上更高效，运作时间更短，因此可以证明大数据背景下的物流配送链信息平台在数据处理上的效果更好。

结束语

本文对大数据背景下的物流配送链信息平台建设进行了系统的分析，从大数据对物流信息的作用进行了具体的论述，设计了基于大数据背景下的物流配送链信息平台。物流运输供应链的行业动态与整个电子商务市场息息相关，因此，在大数据下利用智慧物流技术的物流信息平台搭建的作用是巨大的，对企业和消费者来说是双赢的效果。尽管在实验上的准备还有些许不足，样本设置数量太少，但还是希望本文提出的方法有朝一日能应用在实际的物流配送中，为物流供应链提供一些可行性的建议和指导。