大数据在冷链物流领域的应用_李颖玲.pdf

书书书第期 年月 本刊特稿文章编号：（）大数据在冷链物流领域的应用李颖玲，陈焕新，陈璐瑶（华中科技大学，湖北 武汉 ）摘要：随着我国经济的快速发展及居民生活水平的提升，冷链物流行业进入高质量发展阶段。冷链物流的全过程存在大量的数据，利用大数据技术从中获取信息和知识，解决目前存在的问题，可以为冷链物流的运营决策、资源统筹、设备及系统的运行优化等提供有力支撑。本文基于大数据发展及数据挖掘技术及算法，总结概括了大数据在冷链物流领域的应用，大数据技术将有助于实现冷链物流系统的智能决策，实现冷链设施及系统的优化控制及设施设备在线故障检测与诊断，进一步助力完善冷链物流体系，提升冷链产品品质，促进冷链物流行业的发展。关键词：冷链物流；大数据；智能决策；优化控制；故障检测中图分类号：文献标志码：，（，）：，：；收稿日期：通信作者：陈焕新（），男，教授。引言随着我国经济的快速发展及居民生活水平的提升，冷链物流行业步入了高质量发展阶段。冷链物流是指利用专门的设施设备，使得产品在生产、储存、运输、销售、配送等多个过程中一直处于特定环境下的低温保障系统。推进冷链物流高质量快速健康发展，能够大大减少农产品产后腐损率，减少经济损失，减少食品流通浪费，适应城市居民个性化、品质化、差异化的消费需求。近年来，我国水果、蔬菜、肉类、水产品、速冻食品、疫苗、生物制剂、化学药品等冷链物流产品需求快速增长，年冷链物流市场规模超过 亿元，冷库库容近亿，冷藏车保有量约 万辆，分别是“十二五”期末的倍、倍和倍，根据预测，年冷链物流市场规模将突破 亿元。总体来看，我国冷链物流行业规模不断扩大，发展质量不断提升，数字化、标准化、绿色化的冷链设施设备研发明显加快。但是，我国冷链物流的发展还面临一些问题和挑战：一是从生产地预冷、运输、仓储到销售配送等环节的冷链设施设备建设滞后，专业化水平有待提升；二是冷链物流体系不健全，缺少大规模集成化的冷链物流枢纽；三是冷链物流标准体系有待完善，存在第 卷第期 年月标准缺失及标准间衔接不紧密等问题；四是政策环境缺少统筹规划，全链条监管体系不完善，相关专业人才不足，制约行业发展。新一轮技术革命和产业变革使得大数据、物联网、云计算等新技术快速推广，加快了冷链物流行业数字化转变和智慧化升级。冷链物流的全过程存在巨量的数据信息，主要有生产数据、物流数据、用户数据等，数据量庞大且数据结构复杂。运用传统方法无法解决冷链物流行业面临的所有问题，从当前时代背景出发，考虑运用大数据技术，从行业内大量数据中获取信息和知识，解决目前存在的问题，为冷链物流过程中的运营决策、资源统筹、设备运行优化等方面提供有力支撑。大数据与数据挖掘大数据的发展及应用随着云计算、物联网等技术的兴起，数据的数量在极速增长，同时其低价值密度、实时性特点越来越显著，大数据时代已经到来。大数据技术代表着新一代的技术体系和架构，旨在通过对大量的、种类和来源复杂的数据进行捕捉、发现和分析，高效地提取其应用价值。国内大数据技术的研究发展较为迅速，已经深入到管理、通信、物流等各个领域。孟小峰等通过对大数据的基本概念进行剖析，阐述大数据的发展历程，分析云计算等技术对大数据时代数据管理产生的影响，总结了大数据时代数据管理面临的挑战。张东霞等将大数据技术应用在智能电网上，展示大数据处理技术与传统数据处理技术的不同之处，论述大数据技术在智能电网上的应用价值，在智能电网及其他领域提出全面开展大数据应用研究的研究框架和技术发展路线。王珊等分析大数据处理技术和传统数据仓库的不同，列举了大数据分析平台应具有的几个重要特性，对当前的主流平台的优缺点进行分析与归纳，展望了未来能够更好地实现大数据分析的数据库的发展方向与挑战。数据挖掘技术及算法数据挖掘技术涉及多种学科的交叉融合，综合计算机机器学习、人工智能等多方面的学科领域，旨在从大量的数据资源中获取潜在的有价值的信息。数据挖掘技术的全流程分为数据预处理、数据挖掘、后处理三个部分。数据预处理主要包含有数据清理、数据集成、数据变换以及数据归约。在冷链物流全过程中产生的包括生产数据、物流数据、设备运行数据等在内的大量数据，经过传感器或人工记录汇至数据库中，不可避免会存在信息缺失、信息错误的情况，这些异常的数据在数据库中直接进行应用必然会降低整体数据的质量，将会直接影响数据挖掘技术的性能和准确度，因此，对获得的整体数据进行数据预处理，将异常数据进行剔除或替换，提高应用数据的质量是十分必要的。数据挖掘是获得数据间潜在联系与知识的最重要的一步，以冷链物流领域内专家知识为基础，结合先进的计算机技术和理论知识，依托 等算法平台，建立算法模型对数据预处理后的数据进行分析，挖掘出数据内潜在的关系，获得知识和数据的价值。数据挖掘技术的算法分类中，最常见的一种分类是按照分析数据是否有标记，分为有监督算法和无监督算法。有监督算法是指在输入与输出数据中，部分数据之间的对应关系已经是明确的，在此基础上建立模型，根据输入获得输出数据，再对输出数据进行分析。常见的算法有决策树（）、支持向量机（）等。无监督算法是指在未知输入与输出数据之间关系的情况下，直接根据已有的数据建立数学模型，并进行分析。常见的算法有聚类分析（）、关联规则分析（）等。后处理是与预处理相对应的一个对数据进行处理的步骤，是将数据挖掘之后获得的模型结果进行处理，主要是指通过文字阐述或图表等方式，对模型结果进行展示，可以使数据挖掘的结果得到直观的展现，并且结合冷链物流领域的专家知识对结果进行分析，使独立的数据结果能够和实际应用结合在一起，从中获取有价值的信息，更好地应用在冷链物流上。大数据在冷链物流领域的应用图为冷链物流系统数据来源，主要有生产数据、物流数据及用户数据，生产数据包括冷链产品种类、产品年产量、产地分布及产地交通情况等；物流数据包括气象参数、设施设备运行参数、产品质量、配送方式等；用户数据包括用户行为习惯、用户分布等；其他数据包图冷链物流系统数据来源大数据在冷链物流领域的应用李颖玲，陈焕新，陈璐瑶括适宜温湿度、保质时间等。采用大数据技术，可以实现冷链物流系统的信息交互和实时控制，提供智能化的决策方案；可以实现冷链设施智能控制优化，提高冷链设施设备的运行效率；另外，可以实现冷链物流系统设施在线故障检测与诊断，保证系统运行的稳定性，提升产品品质。冷链物流智能化决策智能化路径调度为保障冷链产品的品质，降低运输成本和配送时间，减少由于配送时间过长导致的货损，需要对冷链物流配送方案进行优化调度。因此，可以通过采集运输、仓储、包装、加工等环节的数据信息，实现配送路线优化、物 流 中 心 的 合 理 选 址、仓 库 库 容 的 优 化 等。基于大数据和云计算，提出了冷链物流配送优化的智能算法，并采用遗传算法进行并行计算及分析。张才明等 提出一种融合大数据思想的遗传算法，来解决车辆路径规划问题，再经过大数据分析后对遗传算法进行改进，最终通过实验验证了算法的可行性。等 提出了以冷链物流建设成本及运营成本为优化对象的非线性混合整数规划模型，并采用粒子群寻优算法求解模型，解决冷链物流预冷及配送中心布置问题。通过大数据技术 ，可以为冷链全流程的各个环节建起沟通的桥梁，运输路径可以实现最短化、最优化的定制，从而大幅提高冷链物流运输效率。另外，针对我国冷链基础设施供给不足的现状，利用大数据技术进行智能化调度，可以实现运输车辆的优化配置，避免出现“空车返程”问题，减少冷链运输车辆空载率，提高冷链设施设备的有效利用率，整合当前已有的冷链资源。冷链物流资源优化与配置在冷链物流系统的供需匹配方面，需要对不同时期、不同地区的产品供给与需求情况进行分析，从而合理地进行管理与配置，主要涉及运输、仓储等环节。冷链物流各个环节有一定的动态性和随机性，需要实时获取变化情况，从大量采集数据中提取需求信息，对已经配置和将要配置的资源进行优化，从而实现对冷链物流资源的合理利用，优化库存结构和降低存储成本。从冷链物流商家和用户角度，通过对数据的挖掘和分析，可以提供冷链物流业务运作过程中商品配送的所有信息，方便商家提供个性化服务，满足用户需求。等 开发了一种物流架构，用于监控从农场到市场的食品物流过程，该架构系统维持了参与者之间高效的信息存储和共享，为参与者带来了利益。等 提出了一种物联网架构，实现了成产信息、发货信息、物流规划、市场运营等多种程序，使得参与者可实时监控、控制优化物流全流程。冷链物流系统设施智能控制优化冷链产品中生鲜食品等对配送条件有较高要求，温度、湿度、光照等都会对产品造成一定程度的影响，因此根据冷链产品的不同，需要对系统设施进行智能化控制，在保证设备正常运行条件下尽量减少人工操作，达到产品所需要的条件，主要涉及温湿度采集系统、控制系统、电气系统及制冷系统等。利用大数据技术对系统设施运行数据进行采集和分析，合理选择算法，建立控制模型，使得模型能够根据环境变化，实时地调控冷链设施设备运行参数，使其在最佳状态下运行，同时监测产品的质量，减少由于环境温度变化导致的产 品 腐 损 率，保 证 产 品 的 质 量。和 开发了用于监测葡萄酒供应链的云系统，对资源消耗、产品质量进行管理，云系统可以通过传感器收集温度、湿度、气压、太阳辐射、风速、风向、土壤温度等数据。和 基于大数据开发了一种实时远程监控系统的架构，通过无线传感器测量了冷链各环节中食品的温度，包括食品加工环节和运输环节。对于冷链系统整体运行来说，可以运用模式识别 的原理及方法，确定系统运行的优化目标，选取合理的模型特征参数，运用数据挖掘的算法确定适当的模式空间，利用有监督算法，匹配出最适宜模式，从而在保证产品质量不受到损坏的前提条件下，尽可能地节省系统冷量耗费，减少能耗，进而减少物流运输成本，实现系统的优化控制。等 提出了一种智慧冷链系统，通过布置传感器来监测冷链食品新鲜度，该系统能够使用移动代码监控系统，确保后端断开条件下系统正常运行。冷链物流系统设施在线故障检测与诊断冷链设备在长期运行中会积累大量数据，使用数据挖掘的算法，建立系统相应的数据模型，可以用于数据异常时的故障检测。图为基于大数据的故障检测与诊断流程，通过相关设备历史运行数据，配合基础模型的热物理特性分析得到基于数据和知识的故障判定指标，将检测数据与该指标进行比较进行故障诊断。等 提出了一种基于高斯分布假设的异常检测方法，用于自动监控冷链系统中温度数据，提高了处理精度，有效解决了使用 技术处理海量数据带来的问题。等 开发了一种人工神经网络，用于预测可能与温度相关的冷链运输中断故障，分析的数据涵盖了冷链设备整个工作周期，该方法可以防止超过 的冷链中断，可用于 以下食品冷藏箱运输第 卷第期 年月的诊断与检测，有助于降低能耗和成本，避免冷链断链。通过大数据技术，将冷链物流系统中的冷冻冷藏设施实时运转状况传回数据中心，进行在线故障检测与诊断，设置相应故障代码，对冷链物流企业及用户进行提前预警，避免因设施故障所带来的产品质量损失，从而提升冷链产品品质。图基于大数据的故障检测与诊断流程结语大数据是决策的基础，数据挖掘是获取数据信息及利用价值的有效工具，利用数据挖掘技术能够获取冷链物流行业大数据中隐含的有用信息或知识。以数学理论为基础建立的决策树、支持向量机、神经网络、贝叶斯网络等有监督学习算法和聚类分析、关联规则分析等无监督学习算法已经应用于物流行业大数据的分析处理中。对于冷链物流行业，合理利用大数据技术，将有助于实现冷链物流系统高度智能化，实现冷链设施智能控制优化及系统设施在线故障检测与诊断，进一步地完善冷链物流体系，保障冷链产品品质，促进冷链物流行业的发展。冷链物流的发展对减少农产品腐损，保证食品、药品等产品质量，保障人民健康安全具有非常重要的作用。在未来，冷链物流行业的发展面临着机遇与挑战并存的局面。一方面高成本、重冷藏、轻冷运、难以实现全程冷链、基础设施的布局不合理、运输产品标准不统一等一系列问题制约着当前冷链物流的发展；另一方面，针对目前我国冷链物流行业存在的问题，国家出台了一些系列政策利好，不断促进冷链物流基础设施设备建设、冷链产销集配中心建