在第三方物流公共服务平台(the Third Party Logistics Public Service Platform,TPLPSP)上实施智能分析系统的目的是帮助物流企业、政府管理部门和最终用户进行物流信息与物流管理信息分析,并提供相应的决策支持和决策分析。目前,国内...
详细信息
在第三方物流公共服务平台(the Third Party Logistics Public Service Platform,TPLPSP)上实施智能分析系统的目的是帮助物流企业、政府管理部门和最终用户进行物流信息与物流管理信息分析,并提供相应的决策支持和决策分析。
目前,国内大部分物流管理信息系统是面向单一的物流企业开发的,而面向社会的物流公共服务平台及其智能分析技术的研究相对较少。随着社会大物流的发展,物流管理数据呈几何级数增加,面对日渐积累的物流数据,企业如何从这些海量的信息中挖掘出有用的信息,已经成为该领域研究的关键,因此本文针对面向第三方物流公共服务平台的智能分析系统及其相关技术做了研究。
本文首先分析了当前物流信息管理技术及相关智能分析技术中存在的问题,在研究了第三方物流的工作模式基础上,采用JSP和B/S结构开发了一个面向中小型物流企业的第三方物流公共服务平台,该平台由两部分组成,即第三方物流信息管理系统和智能分析系统。第三方物流信息管理系统用于收集和管理第三方企业的物流活动数据,智能分析系统用于针对不同企业的物流需求进行数据分析,提供决策支持。
在智能分析系统的多维物流数据模型中,定义了物流数据层次结构,并根据不同的主题对物流数据进行分析和整合,然后应用物流联合(LTJOIN)算法和分析准备(LTANALYSE)算法实现了分析基础数据的生成,并采用改进的Apriori算法进行物流信息分析,改进后的算法避免了原Apriori算法的频繁扫描源数据的缺陷,缩小了扫描数据库的规模而且减少了生成频繁项目集的候选项目集数量,提高了数据分析效率。最后,对应用结果进行了分析,分析表明将LTJOIN和LTANALYSE算法应用于多维物流数据模型的构建,很大程度上提高了物流数据的利用率。同时所构建的物流分析模型能够有效地提高物流分析效率并易于实现。
本文由七章组成,第一章介绍了项目的开发背景和国内外的研究现状;第二章介绍了物流及智能分析系统的相关知识;第三章介绍了面向第三方物流公共服务平台的智能分析系统的体系结构设计方案;第四章介绍了智能分析系统中的多维物流数据模型设计;第五章介绍了智能分析系统中的物流分析模型的设计;第六章介绍了智能分析系统的实现;第七章是总结和展望。
暂无评论