0 引言

    當今，很多物流企業應用物聯網技術來提升整體管理水平，并使物流服務在速度和準確度上得以改善。

    本文提出用服務計算的相關技術來解決物流中的問題^[1-3]。一個物流服務要經過一系列的業務中間過程，將中間每個核心業務過程抽象成一個服務組件，整個物流服務就是一個組合服務。本文重點研究如何對物流各個環節進行配置，以致能得到一個效率更高、用戶滿意度最好的物流服務。

1 相關研究

    文獻[4]通過對基于物聯網技術的智能物流系統的概念定義、系統構建以及案例分析，表述了作為智能物流系統的商業特性的物流電子商務。文獻[5-6]提出了為解決物流企業之間信息系統的異構問題，采用將ＳＯＡ與ＢＰＭ兩種架構聯合實現系統松耦合。以上研究都是集中在物流系統架構或基礎設施上，很少有人提出用服務計算相關的技術來研究物流服務。文獻[7]簡單介紹了物聯網技術環境下的智能物流應用，重點分析了其智能倉儲物流系統的結構構成。文獻[8-9]圍繞物流發展戰略規劃，依據物聯網理論，以物流信息化建設為研究對象，提出了物流信息平臺建設的技術框架和功能框架。這些研究也是停留在平臺研究上，沒有將成熟的服務組合等技術運用起來。本文將物流業務流程中的活動抽象成一個個服務，一個完整的物流業務流程就是一個組合服務。

2 系統模型

2.1 物流系統結構

    一個完善標準的物流業務流程主要包括以下業務活動：業務受理、貨物入庫、裝載貨物、運輸、運行監控和卸載貨物。這里只列出了物流核心業務活動，略去了其他細節活動。智能物流總體框圖如圖1所示。

2.2 QoS模型

    針對物聯網環境下智能物流服務的實際情況，考慮了以下QoS屬性：服務價格（Service Price），即服務請求者使用服務必須支付的費用；服務時間（Service Time），即完成服務必須經過的時間；可靠性（Reliability），即服務執行的成功率；信義度（Reputation Degree），它反映服務使用者對所提供服務的認可程度；可用性（Availability），它是時間百分比，指示什么時間該服務是可操作的，即可被服務請求者所訪問。

    在順序結構下，假設組合服務CS由n個組件服務構成，即CS={S₁，S₂，…，S_n}，對于每一個組件服務Si存在著多個候選服務，它們能夠完成該組件所需的功能，可以表示為：S_i={S_i1，S_i2，…，S_im}(m為該組件服務包含的候選服務數)。以上五種QoS屬性在順序關系下的聚合函數如表1所示。

2.3 組合模型

    物流服務組合是從每個子流程中選出一種具體的實現方式，并組合到一起。實際物流環境下，每個子業務過程的實現方式有限，如運輸環節，物流公司采用的運輸方式有確定數目。本研究中的6個子流程服務包括的原子服務及表示如表2所示。

2.4 效用函數（Utility Function）

    假設物流服務CS由n個組件服務構成，即C_S={S₁，S₂，…，S_n}，對于每一個組件服務Si存在著多個候選服務，可以表示為：S_i={S_i1，S_i2，…，S_im}（m為該組件服務包含的候選服務數）。對每個Sij，都具有上文所描述的QoS屬性。在不同的應用環境下，用戶對非功能屬性有不同的偏好程度，記為w（0<w<1），采用式（1）中的方法進行設置，即根據屬性優先順序對它們權值進行設置，n個屬性中，第j個屬性的權值wj可表示為：

    行表示組件服務S_i中的一個候選服務，列表示一個QoS維度，Q_ij表示一個相應的QoS屬性值，其中p為QoS屬性數目。

    有兩種類型的QoS屬性：對于正極（positive）的QoS屬性，其值越高，意味著服務性能或質量越好；一個負極（negative）的QoS屬性，其值越低，意味著服務的性能或質量越差。上面五個QoS屬性中，可靠性、信義度和可用性是正極屬性，而服務價格和服務時間是負極屬性。分別用式(2)和式(3)對負極和正極屬性進行標準化處理。

    利用矩陣X和每個QoS屬性的權值w_j，可以計算出每個服務的總的質量分數，組件服務S_i中的一個候選服務S_ik的質量分數為(假設S_ik的QoS屬性值標準化后為X中的第i行)：

    一個物流服務由n個關鍵子服務組成，對每個子服務中的候選服務用式(4)進行效用值計算，物流組合服務包含每個子服務中的一個候選服務，用sum_uf表示物流組合服務的效用值，即：

3 物流服務組合算法

3.1 問題陳述

    一個高評價的物流服務，肯定來自于一個較完美的業務流程，流程中的每個子流程必須很好地調控。用服務計算的理念，一個物流服務就是一個服務組合問題，每個子業務流程就是一個服務組件，每個組件有多個候選具體服務（原子服務），即具體的操作實現。如今，在物聯網環境下的智能物流具有動態性，為人們提供了機遇，也帶來了挑戰。要力求尋找一個最優的物流服務組合來滿足用戶要求，可以形式化為以下描述：

3.2 最優物流服務組合算法

    根據3.1節中的描述，下面介紹一個物流服務最優組合算法（LSC），通過該算法，輔助找出物流業務中的最優原子服務組合。該算法首先計算每個QoS屬性維度的權重，然后將每個原子服務的所有屬性值標準化，接著計算每個原子服務的效用值，最后根據效用值從每個組件服務中選出效用值最大的原子服務。

    LSC算法流程如下：

    輸入：物流服務業務過程 CS={S₁，S₂，…，S_n}，每個子過程中的候選原子服務

    輸出：每個子過程中效用值最大的服務組成的集合

    BEGIN

    arrange the five QoS attributes with the user’s preference；

    FOR each QoS attribute DO

        calculate wj by the formula (1)；

    END

    FOR each atomic service Sij in Si (i=1,2,…,n) DO

        FOR each QoS attribute value qijk of Sij DO

            normalize qijk  by formula (2) or (3);

        END

    END

    FOR each atomic service Sij in Si (i=1,2,…,n)  DO

        calculate the utility value by formula (4), i.e., UF;

    END

    FOR each component service Si in CS DO

        select atomic service from Si which with the largest value of UF;

    END

    END

4 實驗分析

    以圖1和表2為原型，以QWS Dataset(2.0)為數據源，通過兩組實驗來驗證本文模型和算法，將LSC與另外兩種算法比較，即固定路徑組合FSC（選取cs1={ba1，sg1，lg1，tp1，om1，uc1}作為固定路徑）和隨機路徑組合RSC（即每個子業務流程隨機選取一個候選操作）。第一組實驗將sum_uf固定為4.3，并比較三種算法得到的用戶滿意率；第二組實驗當sum_uf均勻變化時，衡量三種算法的性能。用戶滿意率定義為滿足用戶sum_uf期望值的次數與總調用次數的比值。

4.1 實驗設置

    本研究以處理器Intel Core^TM i5 CPU(2.80 GHz)、4 GB內存、64位win7操作系統為實驗環境。所有實驗在MyEclipse 中進行。QoS維度服務價格、服務時間、可靠性、信義度和可用性，假設分別對應QWS Dataset中的第8、1、5、4和2屬性字段。在表2中，總共有18個原子服務，分別依次平均分得QWS Dataset中的記錄。

4.2 實驗結果分析

    圖2為第一組實驗的結果圖，橫軸為物流服務的調用次數，從5～35，每次間隔5，縱軸為用戶滿意率。從圖中可以看出，LSC算法得到的用戶滿意率最高，幾乎都在85%左右，這是因為在物流服務的每個子業務流程中，都是經過精心選擇，因此最后組合的整個組合服務性能也最好。次優的是RSC算法，每個子流程都隨機從幾種方案中選擇一種，因此組合方案也有可能達到比較理想的性能，它的用戶滿意率，能夠達到60%以上。三種算法中性能最差的是FSC，實驗中選取上面列出的cs1路徑作為固定路徑，它的用戶滿意率在40%以下。通過實驗比較，分析得出：現在智能物流服務，處于一個動態的服務環境下，在每一個業務流程環節，都必須動態進行配置選擇，用戶才能夠獲得一個較滿意的服務。

    圖3為第二組實驗結果圖。橫軸sum_uf從2變化到5.5，依次間隔0.5，縱軸為用戶滿意率。當sum_uf值在2～3.5范圍時，LSC、RSC和FSC三種算法性能都很好，用戶滿意率都幾乎接近于100%。但隨著sum_uf增大，即用戶的期望越來越高，三種算法的性能開始下降。三種算法按性能從高到低排列順序依次為：LSC、RSC、FSC。實驗結果更進一步地驗證了LSC算法的最優性，也說明了物流服務的每個關鍵環節進行配置選擇的必要性。

5 結束語

    通過兩組實驗，驗證了基于LSC算法的最優物流服務選擇方案的可行性與高效性，也說明了在動態智能物流服務中，由于環境等因素，有必要在各個流程環節中進行動態最優配置選擇。今后，將把該物流服務選擇方案進一步完善，考慮更多的細節屬性，并把它用到具體的物流服務系統中。

參考文獻

[1] ISHIKAWA F，KATAFUCHI S，WAGNER F，et al.Bridging the gap between semantic Web service composition and common implementation architectures[C].2011 IEEE International Conference on Services Computing，2011:152-159.

[2] MA H，BASTANI F，YEN I L，et al.QoS-driven service composition with reconfigurable services[J].IEEE Transactions on Services Computing，2013，6(1)：20-34.

[3] GUINARD D，TRIFA V，KARNOUSKOS S，et al.Integracting with the SOA-based internet of things：discovery，query，selection，and on-demand provisioning of web services[J].IEEE Transactions on Services Computing，2010，3(3)：223-235.

[4] 張全升，龔六堂.基于物聯網技術的智能物流的發展模式研究[J].公路交通科技(應用技術版)，2011(3)：13-15.

[5] 張彤.基于ＳＯＡ－ＢＰＭ組合架構的第三方物流信息系統研究[J].物流技術，2012，31(12)：419-422.

[6] 鄧子云，楊曉峰，陳玉林，等.基于SOA-BPM組合架構的第三方物流企業系統集成平臺[J].計算機系統應用，2010，19(3)：1-6.

[7] 汪樂霞.基于IOT技術的智能倉儲物流系統開發研究[J].物流工程與管理，2012，34(5)：55-56.

[8] 郭曉魁，魏超飛．基于增長極理論的懷來區域物流信息平臺研究[J].河北工業大學學報，2010，39(1)：108-111.

[9] 段征宇，孫偉，陳川.區域中心城市物流信息平臺規劃研究[J].物流科技，2009，32(2)：50-53.