大数据时代下物流信息网络技术探讨

赵继新

摘要：物流信息网络是物流网络构建与运行的重要技术基础与支撑。文章基于物流信息网络优化技术研究现状及大数据时代下物流信息采集、处理、分析、预测、推送等相关技术的发展趋势，指出物流信息处理和预测是大数据时代下物流信息网络优化的关键环节，并从基于大数据的实时信息处理技术及基于大数据的物流配送预测模型等两个方面，对大数据技术在物流信息网络优化中的运用进行探讨。

关键词：物流信息网络;大数据;优化技术

中国分类号：U495文献标识码：A

0 引言

改革开放以来，中国物流业经过将近四十年的发展，已经成为支撑国民经济发展的支柱产业和重要的现代服务业之一。我国物流业目前具有市场开放程度高、多种所有制并存、服务科技水平有较大提高的特点与优势。但物流绩效仍有待提高，其主要原因就是物流系统性不强，网络化程度较低，信息化水平不高。根据国务院《物流业发展中长期规划（2014—2020年）》，要求构建覆盖全国、辐射国际的物流信息基础交换网络和国家平台门户，实现可靠、安全、高效、顺畅的信息交换，实现行业内相关信息平台交换标准统一，提供公正、权威的物流相关公共信息服务，有效促进物流产业链各环节信息互通与资源共享，这对于降低物流成本、扩大物流规模、提高物流效率具有十分重要的意义。

本文基于传统物流信息网络技术在物流信息采集、推送、处理、分析方面的研究现状，进一步阐述在大数据时代下物流信息网络优化技术的发展趋势，指出物流信息网络优化技术是物流网络在大数据时代下的重要促进因素，并着重从基于大数据的实时信息处理技术及基于大数据的物流配送预测模型两方面提出了基于大数据技术的物流信息网络优化策略。

1 物流信息网络现状分析

1.1 物流信息网络

根据我国国家标准《物流术语》（GB/T18354-2006），物流网络可分为物流基础设施网络、物流组织网络和物流信息网络。物流信息网络是物流网络构建与运行的重要技术支撑基础。物流信息网络是指伴随着物流实体网络而相应传递各类信息的通信网络。物流信息网络具有网络专业性强、信息来源广、信息时效性高等特点。根据信息流转的过程，物流信息在物流信息网络中的业务流程可分为信息采集、信息处理、信息分析、信息推送等环节。

1.2 物流信息网络研究现状

目前，对物流信息网络的研究重点在于物流节点及组织外部的信息网络，即建立物流网络组织和成员之间开放的、信息充分共享的信息系统。在物流节点的选址及物流通道的规划优化研究方面，Eiichi Taniguchi提出一种优化物流基础设施网络的方法，阐述了城市公共物流节点优化在缓解交通堵塞、节约能源和降低劳动成本方面能产生的巨大作用，同时他还运用非线性理论和排队论研究了物流节点布局优化与选址问题;国内的秦璐和葛喜俊从交通路网节点和通道出发，对高速公路服务区功能性扩展为区域物流节点进行了相关理论研究;在物流信息网络支撑物流组织优化方面，Pedro M.Reyes利用夏普里值方法来探索物流组织网络中的转载运输问题，从而维持物流组织网络状态的相对稳定;J.Neto等人通过对物流组织网络中环境、运输成本等各种活动对网络稳定运行的影响指标进行分析，提出了物流组织网络的优化设计框架，实现了对物流组织网络的多目标规划。

综上所述，传统的物流信息网络研究方法主要是在有限样本条件下，利用数据模型进行物流信息处理，从而得到对物流基础设施网络及物流组织网络的支撑方向，进一步优化物流基础设施网络的组织结构，提升物流组织网络的运行效率，但并未有效地利用物流信息在网络中流转的关键节点和时点，发挥物流信息最大的利用价值。

2 大数据时代物流信息网络发展特点

在科技高速发展的时代，数据资产的价值正在得到越来越多的关注和挖掘。在物流行业和交通运输行业，几乎所有的业务环节和服务环节都会产生大量的数据。面对这些多源异构的海量数据，如何进行资源整合、汇聚处理、分析应用及深度挖掘，使得物流网络的运行效率得以提升，将影响到物流行业的发展模式、运营效率及管理思想。

具体到物流信息网络优化技术中，几乎所有的优化手段都需要有大量的数据支撑。未来物流信息网络的优化趋势将是大数据分析技术与传统的物流信息网络优化技术相融合，具体可以表现为以下五个方面：

（1）物流信息采集。及时、准确地掌握物品在物流网络中的相关信息是实现物流信息化的核心之一。物流信息是否被及时、方便、准确地采集并且有效进行信息传输，将直接影响整个物流系统的效率及物流信息化的发展。在大数据背景下，基于物品属性的信息采集应用的领域更广，物品的销售数据、检索数据、网页端的浏览数据都是丰富的信息获取途径。

（2）物流信息处理。数据的汇聚与处理是大数据时代下物流信息有效流转的关键。通过建立物流数据仓库，构建物流云计算平台，以及对物流信息实时处理，完成智慧物流信息的存储、计算与实时处理，为智慧物流提供了完备的数据准备。

（3）物流信息分析。针对海量的客户与商品数据，如何应用数据挖掘技术对其关联关系、内在规律进行解析，进而为物流企业运营与发展提供正确的决策依据，是大数据背景下“智慧”物流的核心。针对物流的信息分析主要分为物流客户关系挖掘、物流市场信息类聚分析、物流商品关联分析等三个方面。

（4）物流信息预测。通过大数据分析、数据挖掘等手段对特定主题的信息进行预测，这种方法已广泛应用于当下许多商业场景。由于物流业务具有时变、随机和不平衡等特征，及时的大数据分析是高效了解消费者偏好、预测消费者行为的绝佳途径，利用数据分析技术可以提前为产品做好分配，优化物流路线计划以提升物流交付效率。

（5）物流信息推送。物流的信息推送过程是一个将“物品”转换为数据及有用信息傳至网络环境的过程，经由通信网络、无线或有线网络将信息传递至电子物流应用平台。大数据时代下，物流信息的推送不再“傻瓜”，借助无线通信单元，通过随机自组织无线通信网络以多跳中继方式将感知信息传送到汇聚节点或者基站，在任何时间地点或环境下获取大量可靠的信息，真正实现“无处不在”的计算理念，运用大数据手段可做到相对及时、精准的信息推送。基于物品的物流信息推送是根据消费者购物习惯、消费倾向等，为消费者提供合适的商品信息的过程。客户处于此推送网络的中心，商家在准确分析供需关系和商品流量流向的条件下，可以在信息储备库中及时发掘需求，即为用户选择符合其预期和习惯的商品信息。