基于数据库技术的复合运输物流管理系统设计与研究

  3 系统各功能模块分析

  3.1数据采集模块

  多式联合运输中涉及到多个监管部门、多个运输部门和多个货物企业等，它们之间的业务关系比较复杂，同时它们之间的联系也是相关多式联合运输业务数据发生的第一现场，因此数据采集模块的功能就是将这些部门的业务数据相互链接起来，然后由数据采集器将其统一存储到数据库系统中，作为数据仓库处理系统的数据源。

  3.2 模型分析库模块

  多式联合运输物流管理系统中模型分析库模块的组成如图3所示，其主要包括了需求预测模型、系统仿真模型、数据统计模型、网络拓扑模型、物资库存模型、运输方式模型、仓库仓储模型以及多式联合运输物流模型，这些子功能模块在多式联合运输物流辅助决策中起着重要作用，可以为多式联运物流管理决策解决下列问题，诸如运输路径选择、运输方式及其组合选择、物资库存选择、物流流程选择以及相关信息数据的统计分析等。模型分析库在完成复杂的管理目标、评价和确认物流行为时起着重要作用，它可以有效地链接和整合多式联合运输中的物流活动以及整个物流运输管理系统，为多式联合运输物流任务找到合适的物流运作模型。

  3.3 数据仓库模块

  多式联合运输物流管理系统的核心就是数据仓库模型，其组成结构如图4所示，其主要由数据仓库管理系统、数据仓库、数据分析应用等三部分组成，数据仓库模块是整个多式联合运输物流管理系统中信息挖掘和模式识别的基础，数据仓库管理系统负责对整个系统中的数据库及数据存储进行管理，借助在线联机分析和多维数据分析工具对数据进行挖掘和模式识别，从而发挥数据仓库在物流管理决策中的作用。多式联合运输物流管理决策的效率高低在很大程度上取决于数据仓库的数据处理能力，在多式联合运输物流管理决策系统中数据一般根据主题进行分类，并集成在数据仓库中，从而作为决策系统的有效数据平台和数据源，为数据的综合和访问提供了集成平台，有利于在进行决策时提升数据分析处理速度。星形雪花结构是多式联合运输物流管理系统中多位数据集在数据仓库中的存储和组织形式，图5为建立在维度表和事实表基础上的多式联合运输货物运输的多维度模型结构，其中包括了6个维度表和货物运输事实表，这6个维度表分别为时间维、货物维、发货人维、收货人维、运输经营人维以及联运信息维，其中收货人维度和发货人维度数据以雪花架构的形式进行组织，其他几个维度的数据采用星形架构进行组织。

  3.4 联机分析处理和数据挖掘模块

  对于特定的多式联合运输物流决策问题，需要采用联机分析处理方法对存储在数据仓库中的数据集从不同的维度进行切片分析。联机分析处理工具可以通过数据切片、数据钻取、切块、旋转等多种方式实现对多维数据的处理，然后结合使用存储在模型分析库中的方法、模型，从而可以大幅度地提高联机分析处理能力。联机分析处理在快速响应用户请求、人机交互和提供数据多维视图等方面具有较大优势，而数据挖掘技术在发现和发掘隐藏在数据背后的模式、知识和有用信息等方面则具有较大优势。数据挖掘技术可以将从数据仓库中挖掘到的知识存储在知识库中，拓展了联机分析处理的深度和可信度。

  3.5 专家系统模块

  在多式联合运输物流管理系统进行决策时，专家系统模块运用知识库中存储的知识以推理的形式对问题进行定性分析，从而在多式联合运输决策中将定量与定性分析相结合，提高解决实际问题的能力，这也是多式联合运输物流管理系统智能化的体现。在对多式联合运输物流管理决策进行建模时，不可避免地会使用某种假设进行抽象描述，从而使得模型与实践具有一定的差距，知识库的存在有效地弥补了这一问题，其能够为物流决策提供复杂动态的物流问题智能解决办法，并且可以在应用中得到训练和学习，因此有助于整个物流管理系统交互性和灵活性的提高，可以实现对问题决策领域中事实和规则的集中管理，即对知识进行表达、获取和管理。专家系统模块可以有机地链接模型分析库和知识库，从而可以在物流管理决策中进行定量、定性分析的结合，使得多式联合运输物流管理决策者能够快速地应对动态变化的物流环境变量。

  4 多式联合运输物流管理系统的联机分析处理

  本文将多式联合运输货物运输站场的数据集作为联机分析处理的数据源，利用 Sql Server 构建星形雪花架构的数据集，其事实表采用多式联合运输记录表，其他几个维度表为时间维度表、货物维度表、货物所有人维度表以及集装箱维度表，并且该数据集通过ODBC数据管理器为其装载数据，然后放在Analysis中进行分析，开启与数据源的链接。利用刚才所构建的星形雪花结构的数据集进行联机分析处理，可以从不同维度和层级上实现对数据集数据的切片操作和分析，利用数据挖掘可以对数据集中的相关属性之间的关联进行分析，诸如可以对数据集中的货物、时间分布、货物等关键属性进行统计分析，以找出货物所有人的货运需求随时间周期的变化情况，从而可以为相应的运输能力和运输资源安排、分配与协调提供决策支持。另外，通过分析不同货物所有人的货运量比例，可以为运输企业找出和识别优质大客户，为货物运输量较大的大客户制定专门的多式联合运输解决方案，通过对堆场整装和拼箱集装箱的比例分析，可以合理地分配和安排拼箱过程中所使用的器材设备。

  5 总结

  本文基于数据库技术研究了多式联合运输中物流管理系统的设计问题，使用数据仓库技术、数据挖掘技术、专家系统、联机分析处理等构建了多式联合运输下物流管理决策的结构框架，使整个系统在多式联合运输的复杂物流环境中具备了更加智能化的特点，建立在数据仓库集成和结构异化数据集上的联机分析处理使得决策可以获得更快、更可靠、更全面的数据支持。考虑到数据仓库和联机分析技术在我国多式联运中的应用还处在初步阶段，本文所构建的决策支持管理系统也是对该领域的一种探索，因此具备实践用途的具有更高柔性和适应能力的多式联合运输物流管理系统的形成还需要经过实践检验和其他技术的引入。

 

[参考文献]

[1]宋志强,何宏,沈贵林,吕绍旭.基于数据仓库的军事物流决策支持系统应用研究[J].物流科技,2006,(12).

[2]孙春玲.物流决策支持系统设计[J].中国物流与采购,2007,(13).
[3]王建宇,刘彦斌,王康平,武可嘉,李丹,周春光.现代物流决策支持系统算法[J].吉林大学学报(信息科学版),2008,(3).

[4]黄生亮,刘淑云.基于分布式缓存机制与数据仓库的多式联运物流决策支持系统[J].商品储运与养护,2008,(4).