當今物流行業已成為全球經濟發展的基礎產業之一，被各國廣泛認可。在中國，隨著“一帶一路”等戰略的推進，物流產業有著巨大的發展機會和潛力[1]。然而，物流企業在實際運營過程中，存在信息量大、動態性強、時效性突出等特點，需要依靠信息系統和市場相結合來提升工作能力[2]。對于電商物流配送鏈信息整合而言，盡管重要性不言而喻，但缺少明確規劃和統一標準，使得現有信息平臺建設低效、信息交流不暢，進而影響了整個產業的發展。因此，電商物流企業急需提出針對配送鏈信息整合的方法，以實現運營優化[3]。同時，窄帶物聯網通信技術的出現擴大網絡覆蓋區域、增加設備數量的可能，能夠更好地適應急劇膨脹的配送鏈信息整合需求。本文將探討如何結合窄帶物聯網通信技術，進行電商物流配送鏈信息整合方法的設計研究。
公式中，B表示配送鏈信息的關聯特征量；Ex表示電商物流配送鏈信息數據庫初始特征分布量化指標；v表示電商物流配送鏈結構中的傳遞速率；vm表示在某一時刻電商物流配送鏈結構中的傳遞速率；X(v）表示電商物流配送鏈信息數據庫節點負載。在實現對配送鏈信息的關聯特征量的定義后，結合關聯特征匹配算法，對配送鏈信息進行初步整合[5]。在這一過程中，將Small-World拓撲結構作為網絡模型的核心結構，構建如圖1所示的電商物流配送鏈網絡模型。
在圖1所示的電商物流配送鏈網絡模型結構中,將電商物流配送鏈信息分布的屬性集合定義為DBi，將關聯規則集合記為A[i]，在A[i]當中包含了（n+1）個特征信息分布組，其中n表示時間窗口的數量。針對電商物流配送鏈信息分布的狀態空間，即電商物流配送鏈網絡模型的函數表達式可寫作：
公式中，xk為電商物流配送鏈信息的微簇數據集，xk為數據流聚類；x為信息分布的屬性特征量。根據上述公式得出電商物流配送鏈信息的聚類中心。結合上述構建的電商物流配送鏈網絡模型，可以為后續信息的整合提供便利條件。
在電商物流配送鏈網絡模型構建完成后，窄帶物聯網通信技術被引入，以調度配送鏈信息資源。窄帶物聯網基于4G LTE分組核心網的網絡機構演變而來，分為終端側、接入側、核心網絡、垂直行業中心等結構。終端側主體可接入NB-IoT的終端裝置，通過傳感模塊、無線傳輸模塊、數據采集模塊等上傳數據并接收核心網下達的資源[6]；接入側是以窄帶物聯網基站為主，能夠與核心網絡相連通[7]；核心網絡以網元為基本單元，能夠將設備和云計算平臺相聯系，優化網絡結構；垂直行業中心包含各行各業的應用服務器，電商物流配送應用服務器是本文研究的重點[8]。使用窄帶物聯網通信技術采集信息資源和調度配送鏈，具體操作為；上行鏈路幀結構中設定3.75kHz和15kHz兩種子載波間隔，分別對應單載波和多載波傳輸方式[9]，以及20個0.5ms時隙和5個2ms時隙。總時隙資源的計算公式為：
公式中，NM表示總時隙資源；N表示總時隙數；M表示調度過程中存在時延敏感的設備集合；U表示調度過程中不存在時延敏感的設備集合。
窄帶物聯網的上行鏈路把整個網絡的資源劃分為多個節點，以便有效地傳遞不同用戶的信息。在單載波傳輸方式中，每個RU只處理1個子波。而在多載波傳輸方式中，每個RU會處理15k Hz的子波頻寬，并且一個RU可以處理13612個子波進行發送。
在配送鏈信息資源調度過程中，應用混頻的自動要求重新傳輸的方式實現反復傳輸，反復傳輸的次數由下行鏈路控制信息確定。在數據傳送中，物理層需要將調度請求、HARQ信令等信息傳遞給介質訪問控制層，由NB-IoT進行MAC層時隙頻率的調度[10]。上行資源調度一般包括以下步驟：建立設備和基站之間的連接；通過授權NPDCCH信道發送調度信號；對信道進行評估；授權上行鏈路并發送調度指令；進行上行數據傳輸。通過上述調度方式實現對資源的采集，以此為后續對資源的分配與整合提供有利條件。
按照上述論述內容，完成對配送鏈上信息資源的采集后，根據上述論述可知，時延敏感設備與非時延敏感設備的調度任務目標不同，因此針對兩種設備需要分別完成對信道模型的計算。針對時延敏感設備，其上行傳輸速率可通過下述公式計算得出：
公式中，rm表示時延敏感設備上行傳輸速率；Sm表示時延敏感設備子載波個數；hm表示時延敏感設備信道增益。根據調度結果確定時隙個數以及單個時隙的大小，并以此得到可上傳的配送鏈數據包大小。為完成整個數據包的成功上傳，確保后續整合可行，其上傳數據包大小應大于設備所需上傳的數據包大小。除此之外，時延敏感設備還必須在最大傳輸時延內完成數據的上傳。非時延敏感設備的上行傳輸速率可表示為：
公式中，ru表示非時延敏感設備上行傳輸速率；Su表示非時延敏感設備子載波個數；hu表示非時延敏感設備信道增益；pu表示非時延敏感設備子載波帶寬。根據上述公式，在分配配送鏈信息資源時，需將兩個矩陣內所有元素置零。若無資源重復利用，則單個子載波下的資源只能被一個設備占用。若存在資源重復利用，則需計算多個設備間的干擾，確保通信質量才可被多個設備占用。
采用自適應交叉分布式控制方法對配送鏈關聯進行進行決策與整合。假設電商物流配送信息的動態屬性Y為因變量，x1,x2，…，xm-1為配送鏈信息整合的動態約束性特征分布的自變量，以此得到在信息整合過程中二者的關系為：
公式中，e表示誤差補償項；b表示系數。采用自適應交叉分布式控制方法對配送鏈信息進行分類，并使用最優線性均衡器進行信息整合。通過使用模糊決策方法結合多通道電商物流配送鏈尋優方法，以及隨機選取簇頭節點進行信息整合，得到配送鏈信息的分配矢量。最終，通過將整合后的信息導入低路徑利用率的配送鏈中，來實現對信息的有效整合和利用率的提高。在整合的過程中可以根據資源之間的分散程度實現對整合效果的初步驗證。整合資源之間的分散程度可以通過資源中關鍵詞的距離進行度量，分散程度的計算公式為：
公式中，dispersion(d）表示整合資源的分散程度；t1和t2均表示一個整合結構中的兩個不同資源；m表示關鍵詞數量；N表示資源信息長度。在整合的過程中，針對dispersion(d）設定一個閾值U，若通過計算得出的dispersion(d)
為了測試本文設計的基于窄帶物聯網通信技術的整合方法應用性能，因此設計了性能測試實驗。為了確保實驗結果可對比性，選擇將基于SBM-ML模型的整合方法和基于大數據分析的整合方法作為對照I組和對照II組，將本文設計的整合方法作為實驗組。在Visual DSP++4.5平臺上，通過ARM運行電商物流配送鏈信息整合算法程序，利用三種整合方法對16個電商物流配送鏈信息通道上的信息進行整合。記錄在5秒內，三種整合方法應用下，配送鏈信息整合幅值的變化情況，并將結果記錄如圖2～4所示。
圖2～圖4展示了三種不同的整合過程中幅值變化情況，本文針對這些圖像展開分析。首先，從圖2中我們可以清楚地看到，采用I組整合方法進行配送鏈信息整合后，隨著時間的增加，幅值變化較小，盡管穩定性較好，但這也會導致整合過程中信息的丟失，因此結果并不理想。其次，從圖3中我們可以看出，采用II組整合方法進行配送鏈信息整合后，幅值波動較大，穩定性差，也無法滿足預期的需求。最后，通過觀察圖4實驗組整合方法的幅值變化情況，我們發現隨著時間的增加，幅值波動始終保持一致，具備良好的穩定性，且幅值較大，能夠有效防止信息的丟失，因此符合預期理想要求。
綜上所述，基于窄帶物聯網通信技術的整合方法表現出更高的應用性能和顯著的整合效果。為了對整合性能進行進一步的量化評價，我們選定信息召回率作為評價指標。信息召回率是正確整合的信息量與信息總量的比例，其大小反映整合的精度高低。信息召回率的計算公式為：
公式中，R表示整合結果的信息召回率；TP表示正確整合信息量；FN表示錯誤整合信息量；TP+FN表示信息總量。在實驗過程中，每種整合方法共完成150次的循環，針對每一循環整合結果的信息召回率進行計算，并記錄每30次循環時整合結果的信息召回率，得到如表1所示的實驗結果。
經對三種整合方法整合結果信息召回率的對比研究，發現三種方法均表現出逐漸增加的趨勢且實驗組表現最佳。經過150次循環后，實驗組信息召回率達到100%，而對照I組信息召回率雖然增長速度較大，但由于初始信息召回率較低，最終無法達到實驗組水平。綜上所述，基于窄帶物聯網通信技術的整合方法性能優異，應用于電商物流智能化建設與發展，為其提供堅實的基礎條件。
本文提出了一種全新的電商物流配送鏈信息整合方法，結合了窄帶寬物聯通信技術的應用優勢。通過整合電商物流配送鏈信息，提升供應水平和信息共享能力。并通過實驗驗證了該方法的整合性能。未來，隨著電商物流的發展，將會出現更多應用場景以及業務需求，面對新的應用場景，仍然需要有更好的信息整合方法用以滿足發展需要，對此為促進整合方法應用性能的進一步提升，在后續研究中還將從擴大整合規模、提升容量、增加多種維度因素等方面進行更加深入的研究。
滬公網安備 31011202008041號
