史阳生

摘 要：在当下的信息化、科技化时代下，物流产业已非传统的第三产业，而是逐步与技术、科学相融合，形成当下正热的智慧物流业态。其中运用最为成熟、完善的技术则是大数据技术，二者存在双向关系，通过将大数据技术中的数据抓取、模型构建与测算、数据分析等技术运用在智慧物流中，能够实现其过程可视化、交易电子化等目标，提高工作效率。文章分析了智慧物流中的大数据平台搭建，以及运用较为常见的爬虫等技术，分析大数据与智慧物流之间的运用关系。

关键词：智慧物流;大数据技术;技术运用

0 前言

物流产业的构成与运行在信息化、全球化的时代中，不断进行着深层次的扩容与技术升级，国家层面对于物流产业也极为重视，多次出台重要文件强调在物流产业中扩大北斗导航、大数据、云技术等先进手段的运用。例如建立健全物流产业的信息化平台，能够有效整合产业中各方面的资源，通过高效配置打通物流信息链，而这种智慧物流的新业态也是物流产业进行产业升级的必然趋势特征。

1 智慧物流与大数据技术的双向关系

如今大数据技术的运用极为宽泛，例如城市大脑、智慧工厂等等，包括一些数据的采集与分析、自动化的资源配置平台等等。一方面，智慧物流通常在建设与管理工作中产生具有产业特色的大数据。例如，在仓储、运输、配送等物流业务环节中能够形成业务数据，在联网状态下形成实时的动态数据与移动数据，这些数据在产生交集、汇聚之后形成智慧物流的大数据。另一方面，大数据能够以技术手段的方式提高智慧物流效率。例如，大数据技术能够为智慧物流提供提高效率的管理、决策方式，或是在供应链端提供一体化的解决方案。

2 智慧物流与大数据在技术端的有效衔接

2.1 智慧物流平台的作用

智慧物流平台主要针对的是向企业提供一些物流方面的服务与解决方案。一是物流服务一体化，将业务全面整合，高效地将资源进行对接，以提高物流业的效率。二是物流交易电子化，充分发挥电商在物流业中的作用，减少物流服务中的运输成本、交易成本等等。三是物流资源集成化，充分整合梳理物流业务中的各种资源，统一协商调度，提高资源利用的集约程度，打通更宽阔的发展空间。四是物流运作标准化，以标准化的方式对物流运作模式进行管理，从而在一定程度上提高管理层面的效率以及对风险控制的能力。五是物流过程可视化，利用一些物流网、远程定位等现代信息技术，挖掘供应链与运输链中的透明可控力度和追溯能力，减少物流过程对货物的损坏可能性。六是客户服务个性化，利用大数据给客户推送个性化的物流解决方案，提高交易成功率和客户满意度。

2.2 大数据在智慧物流中的应用

具体而言，大数据技术包括挖掘、保存、分析、共享、可视化等多种类型，而在智慧物流当中的运用，则主要包括以下几个部分：

一是网络数据获取技术，获取数据也是智慧物流中大数据运用的最基本部分。一般来说，数据的获取大多是运用网络爬虫，这是一种能够自动、高效抓取网页数据的技术，也是最主要的信息搜索收集方式。其具体方式是从打开的网页中提取链接，进行网页资源的下载，并从初始页面上再抓取链接，在如此反复的运算中逐步深入和复杂化，直到数据抓取达到所設定的停止条件。网络爬虫能够面向用户需求，将个性化的数据提供给用户。

二是海量数据分析技术。一般涉及两个部分，其一是模型实现，也就是采用模型服务器，并通过服务器的运作来提供模型的计算服务，例如空间模型分析、统计模型分析和机器学习算法分析等等。其二是分布式处理，主要是高效地将海量数据加以分析，因为海量数据容易导致运算缓慢甚至出现卡顿、错误的状况，分布式处理能够提高模型服务器的运转效率。

三是云—端应用技术。云—端应用主要是充分发挥云计算中的高速计算能力以及不停止的服务供给，并且能够通过智能终端进行随时随地的资源提供，突破了时间维度和空间维度的限制。此外，智能终端上的传感器也能够收集、整理相关信息，随后将数据上传至云端进行存储，利用云计算进行分析，再反馈到智能终端中，这种往返式的数据指令传输，在智慧物流中的应用面较为广阔，无论是前期的采购环节、中期的仓储环节还是后期的配送环节，云—端应用技术都能够发挥其应有的成效。

3 智慧物流中的大数据平台架构

3.1 平台架构

大数据在智慧物流中所构建的平台体系，主要包括感知层、网络传输层、数据存储层与应用服务层四个层面，目的在于将一项物流活动的从始至终均加以控制，以实现管理和运作的可控与动态化，提高物流效率。一是数据感知层，包括识别模块、定位模块与跟踪模块，通过一系列在各个环节中对信息和数据的感知和收集，进而分类智能处理，从而实现在物流链条中的全方位控制。二是数据传输层，主要是利用网络和信息技术能力将数据进行稳定的传输，通过网络来保障物流过程的高效化和实时化。三是数据存储层，能够将上述两个层面中所收纳的数据资源进行云端的存储，并进行一系列的处理，以便于在需要的时候提供查询、分析和运用。四是应用服务层，也是大数据平台中最上层的部分，主要是发布一些终端环节的指示，将对应的信息资源提供给用户，并为决策制定可靠的提供依据。

3.2 关键技术

一是网络爬虫技术，其核心在于对数据的抓取，随后加以数据分析，并利用NoSQL等数据库进行存储，资源调度及管理则通过YRAN来实现。二是MongoDB技术，主要是应用在分布式数据库中，能够实时地进行数据的管理的调动，具有更高的灵活性，因此常用于统计概念的模型推算。三是Hadoop技术，主要是更方便地进行分布式文件的存储，并通过MapReduce方式进行数据处理，通过Hbase将处理的结构化数据加以储存，模型推算则是利用Mahout与Spark方式来进行。

4 结论

文章从智慧物流与大数据技术之间的双向关系出发，研究智慧物流平台的作用、大数据技术的应用以及大数据在智慧物流中的平台架构，阐述其关键技术的使用。所得结论与内容梳理虽没有涵盖所有智慧物流所运用的大数据技术，但相对来说具备一定的通用性，可为智慧物流运用大数据的更快发展提供一定的参考。

参考文献：

[1]刘彩芳.大数据技术在现代物流中的应用研究[J].智能计算机与应用，2017（06）：169-170.

[2]石荣丽.基于大数据的智慧物流园区信息平台建设[J].企业经济，2016（03）：134-138.

[3]贺瑞，许元斌，柳欢等.基于大数据技术的智慧城市建设初探[J].自动化与仪器仪表，2017（06）：69-71.