动态代价敏感的海量物流调度数据挖掘研究

刘春英 黄玉文 于继江

1、绪论

近年来，信息技术越来越广泛地应用于现代物流企业的各种物流环节中，物流企业在运输、储存、搬运、流通加工、配送等物流业务运行和实施过程中产生与物流调度相关的海量数据[1，2]。海量物流调度数据多以时间序列的形式存在，能够对物流调度正在发生的和未来状况进行描述，是处于动态变化中的数据。对海量动态物流调度数据中隐含深层次信息进行挖掘，从而获取到商品移动过程的情况和其表现出来的移动趋势信息，用这些信息可以对物流调度进行优化，最终实现降低物流调度成本，故对物流调度数据挖掘的研究越来越多的引起物流企业的重视[3]。目前对物流调度数据挖掘的相关研究，多是探讨与分析针对静态数据源的传统数据挖掘技术在物流调度数据分析中的应用，难以处理异构数据源、动态数据源和分散数据源，存在着数据处理瓶颈;目前研究构建的海量数据挖掘模型，难以处理海量动态增长的数据，无法满足海量数据挖掘对计算能力的需求，很难从海量流动数据中发现可理解和有用的知识[4]。大数据时代必须创新数据挖掘理论与方法，将数据挖掘技术应用于分析物流调度数据，研究和探索适应物流企业处理大规模、实时化、动态性物流调度数据的方法和模式，能够有效配置物流资源和辅助物流决策，提高物流企业运行速度和执行效率，促进物流运作的智能化发展进程，这已成为物流企业十分关注和重视的问题。……