物流信息大數(shù)據(jù)分析方法研究及應用.pdf

1、隨著數(shù)據(jù)浪潮的到來，各行各業(yè)面臨著數(shù)據(jù)爆炸式增長的機遇和挑戰(zhàn)，物流行業(yè)也不例外。而物流信息化的一個重要研究方向就是從大量繁雜的數(shù)據(jù)中挖掘潛在的有意義的信息來提高物流效率，降低物流成本。
　　本文針對上述問題，通過對物流信息系統(tǒng)中的非結構化短文本信息進行分析處理，抽取短文本信息中的關鍵屬性。并在結構化物流信息基礎上，設計廣度優(yōu)先搜索最優(yōu)路徑算法和基于動態(tài)規(guī)劃思想的最優(yōu)路徑算法來實現(xiàn)物流信息推送服務。為解決問題規(guī)模增大時伴隨的計算效率

2、問題，研究基于CUDA架構實現(xiàn)的物流運力匹配并行算法，加速算法執(zhí)行。主要研究內容包括以下幾個方面：
　?。?）本文研究了采用基于特征的分治啟發(fā)式算法來處理物流信息系統(tǒng)中的非結構化短文本信息。通過對物流信息數(shù)據(jù)的分析研究，統(tǒng)計數(shù)據(jù)中的特征詞，并根據(jù)特征詞的上下文啟發(fā)信息，設定物流數(shù)據(jù)文法規(guī)則，通過文法規(guī)則，將物流短文本數(shù)據(jù)進行分割，并從短文本信息中抽取給定屬性及屬性值?；谔卣鞯姆种螁l(fā)式算法實現(xiàn)了物流非結構化短文本數(shù)據(jù)到結構化數(shù)據(jù)

3、的轉變，使物流信息系統(tǒng)中的數(shù)據(jù)統(tǒng)一化，標準化。
　?。?）本文研究了兩種物流運力匹配算法：基于廣度優(yōu)先搜索最優(yōu)路徑運力匹配算法和基于動態(tài)規(guī)劃思想最優(yōu)路徑運力匹配算法。第一種方法根據(jù)結構化的物流數(shù)據(jù)，建立有向圖模型，并在有向圖模型上，使用廣度優(yōu)先搜索算法，輔以剪枝策略來計算最優(yōu)線路；第二種方法為了針對第一種方法中當節(jié)點數(shù)增加時，計算規(guī)模快速增長問題，提出基于動態(tài)規(guī)劃思想來求解最優(yōu)路徑的方法。該方法根據(jù)道路信息建立無向圖模型，基于動態(tài)

4、規(guī)劃思想，通過選取節(jié)點計算最優(yōu)費用來計算最優(yōu)路徑。文章通過研究的兩種運力匹配算法來確定用戶（給定屬性值）的運力服務區(qū)域或者運力服務線路，再根據(jù)運力服務區(qū)域或者運力服務線路信息，從結構化處理的物流運力信息中檢索符合用戶特性的數(shù)據(jù)，實現(xiàn)物流運力信息匹配及推送服務。
　　（3）本文研究了GPU通用計算技術和CUDA并行處理技術，并基于CUDA并行處理技術，設計并行計算算法，實現(xiàn)動態(tài)規(guī)劃思想求最優(yōu)路徑運力匹配算法。通過基于CUDA實現(xiàn)的動