云环境下铁水联运信息平台关键技术研究

《云环境下铁水联运信息平台关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：U293.1密级：公开国际图书分类号：656.2西南交通大学研究生学位论文云环境下铁水联运信息平台关键技术研究年级2009姓名黄强申请学位级别工学博士专业物流工程指导老师倪少权二零一七年八月ClassifiedIndex:U293.1U.D.C:656.2SouthwestJiaotongUniversityDoctorDegreeDissertationResearchontheKeyTechnologyoftheRail-WaterIntermodalTransportationInformation

2、PlatformunderCloudEnvironmentGrade:2009Candidate:HuangQiangAcademicDegreeAppliedfor:DoctorofEngineeringSpeciality:LogisticsEngineeringSupervisor:NiShaoQuanAug,2017西南交通大学博士研究生学位论文第I页摘要随着进出口贸易量的迅速增长，铁水联运已经成为我国国际贸易的主流运输方式。作为铁水联运业务信息的载体和协调系统，联运信息平台建设水平的高低不但直接影响铁水联合物流

3、运输的效率和安全，在很大程度上也决定了铁水联运的业务质量和服务水平。近年来，我国主要大型港口基本实现了铁水联运的业务信息化，但由于不同区域的联运信息化发展不均衡、系统构架僵化、信息共享程度不高、以及数据管理分析手段欠缺等问题，在很大程度制约了联运信息化的整体发展水平。随着云计算技术的逐步成熟，以其灵活性、可扩展性、资源共享性和高可靠性等优势，对从技术上解决这些瓶颈，实现铁水联运信息化的全面转型提供了新方向。论文围绕云环境下的联运信息平台构建、应用管理、信息共享和大数据处理过程中的关键问题，主要进行了以下几方面研究工作：1

4、.分析并构建了铁水联运云平台的技术构架。针对我国目前铁水联运信息系统建设模式的弊端，将云计算技术引入铁水联运信息化建设，提出了基于虚拟资源管理的分层融合云构架(HFCA)，自底向上分为资源，业务和数据三层支撑体系，在资源层采用虚拟化技术对资源进行池化并为业务层提供IaaS和PaaS融合的虚拟资源设施；在业务层将联运应用划分为功能资源池，并建立基于云原生的应用重构和基于成熟度的SaaS应用服务模式；在数据层基于DOA对碎片化的联运业务数据进行集中注册、存储和检索，形成数据资源池，并通过建立可扩展的大数据应用对海量业务数据进

5、行挖掘和二次利用，打破了以港口为中心相互孤立的“烟囱式”系统构建模式；此外，通过对联运业务需求进行梳理，优化了云环境下的货运进出口信息流程。2.建立了云环境下基于DevOps的一体化联运应用管理体系(IAMS)。针对联运信息系统异构化严重，管理效率低下的问题，通过将业务应用抽象为“联运应用单元(ITAPP)”以屏蔽其软硬件差异，并采用DevOps作为云环境下的信息一体化管理模式，统一了联运应用的交付和运维过程，首先，以虚拟镜像为载体设计了应用持续集成构建模型，避免了低效的人工交付过程；其次，在资源支撑体系的抽象运行环境(

6、ARE)上，提出了基于“联运应用单元”的自动部署算法和高可用集群管理模型，提高了联运应用的运维效率和服务可靠性；然后，建立了基于SSO和RBAC的统一应用访问控制策略，实现了多租户环境下联运应用池的集中安全管理；最后，通过云平台构建和应用部署测试验证了虚拟环境的性能优势。3.提出了基于MSOA的联运信息共享模型，并建立了数据交换系统的自伸缩机制。针对目前联运行业主流的信息集成技术成本高，结构笨重，性能低下的第II页西南交通大学博士研究生学位论文问题，首先，采用轻量级的MSA代替总线型信息共享构架，构建了面向微服务的两层共

7、享模型，并利用“联运服务单元(ITSU)”对信息共享的角色、交互和流程进行虚拟化封装，建立了去中心化的“联运应用集成单元(ITIU)”，使联运应用管理与信息共享的合二为一，实现低成本的信息按需共享；其次，利用微服务和分布式队列对EDI系统进行重构，建立了K8S环境下可动态扩展的分布式报文并发处理体系和POD水平伸缩模型，并提出了基于多指标负载集和排队论优化控制的自适应组件伸缩算法，通过实时负载的伸缩阈值对POD副本集自动定量扩缩容，同时考虑POD的动态负载、资源限额和需求差异性，采用改进的DRF算法对POD副本资源分配进

8、行优化，利用虚拟资源的按需分配特性提高报文数据的吞吐量。4.建立了基于联运大数据的智能订单撮合系统(IOMS)模型，并利用人工鱼群优化的协同过滤算法对模型进行求解。针对目前联运业务办理过程中，货主与联运经营人线下匹配不合理和效率低下的问题，基于Spark和Hadoop分布式计算框架对既有的离线推荐模型进行扩展，建立了