【摘要】：為順應(yīng)大數(shù)據(jù)的時(shí)代背景和“互聯(lián)網(wǎng)+”國(guó)家重要發(fā)展戰(zhàn)略,鐵路貨運(yùn)將傳統(tǒng)運(yùn)輸業(yè)務(wù)與互聯(lián)網(wǎng)深度融合,大力發(fā)展“互聯(lián)網(wǎng)+鐵路”的鐵路貨運(yùn)綜合物流平臺(tái)—95306網(wǎng),推動(dòng)鐵路從傳統(tǒng)運(yùn)輸行業(yè)向現(xiàn)代綜合物流服務(wù)的轉(zhuǎn)型升級(jí)。該網(wǎng)站為廣大客戶提供貨運(yùn)需求提報(bào)、貨物追蹤、接取送達(dá)、物流總包、倉儲(chǔ)管理、大宗商品交易與配套物流等服務(wù),在95306網(wǎng)站運(yùn)營(yíng)過程中也積累了海量異構(gòu)的業(yè)務(wù)數(shù)據(jù)。為了避免這些分散在各業(yè)務(wù)模塊、鐵路內(nèi)外部信息系統(tǒng)的不同類型的數(shù)據(jù)形成“信息孤島”現(xiàn)象,對(duì)這些海量豐富的數(shù)據(jù)資源更好的挖掘和利用,本文基于數(shù)據(jù)整合的相關(guān)技術(shù)與手段,提出95306網(wǎng)站數(shù)據(jù)整合的技術(shù)方案和應(yīng)用案例。本文首先從技術(shù)和應(yīng)用兩方面介紹了鐵路貨運(yùn)數(shù)據(jù)的整合研究現(xiàn)狀,對(duì)95306網(wǎng)的關(guān)鍵業(yè)務(wù)數(shù)據(jù)和共享數(shù)據(jù)資源的類型進(jìn)行分析,概述了異構(gòu)數(shù)據(jù)整合經(jīng)典技術(shù)和大數(shù)據(jù)相關(guān)技術(shù)。其次,針對(duì)數(shù)據(jù)整合的實(shí)時(shí)共享需求、綜合應(yīng)用需求、海量異構(gòu)數(shù)據(jù)的存儲(chǔ)處理需求,選取了不同的整合模式,從基礎(chǔ)設(shè)施、數(shù)據(jù)采集存儲(chǔ)處理、數(shù)據(jù)共享、數(shù)據(jù)應(yīng)用等層次制定了數(shù)據(jù)整合的技術(shù)方案。接著,通過整合鐵路內(nèi)部可以獲取的客戶基本信息、行為數(shù)據(jù)、貨票歷史交易數(shù)據(jù),設(shè)計(jì)客戶畫像的應(yīng)用案例,建立了靜態(tài)和動(dòng)態(tài)的客戶畫像模型,選擇聚類算法生成客戶標(biāo)簽體系來全面分析客戶特征,為精準(zhǔn)營(yíng)銷提供決策支持;通過整合鐵路內(nèi)部與外部合作運(yùn)輸方式的運(yùn)力、運(yùn)價(jià)、時(shí)間等數(shù)據(jù),設(shè)計(jì)了多式聯(lián)運(yùn)方案制定的應(yīng)用主題,建立了多式聯(lián)運(yùn)費(fèi)用和時(shí)間的雙目標(biāo)優(yōu)化模型,基于NSGA-II算法和TLBO算法構(gòu)建了多目標(biāo)教與學(xué)優(yōu)化MTLBO算法來求解,客戶可以根據(jù)自身對(duì)于費(fèi)用和時(shí)間的偏好來選擇符合需求的多式聯(lián)運(yùn)方案。最后,利用數(shù)據(jù)倉庫、數(shù)據(jù)分析、數(shù)據(jù)挖掘等技術(shù)和工具對(duì)客戶畫像和多式聯(lián)運(yùn)方案制定應(yīng)用案例進(jìn)行實(shí)現(xiàn),驗(yàn)證了數(shù)據(jù)整合應(yīng)用方案和選擇算法的有效性,為95306網(wǎng)站數(shù)據(jù)整合和應(yīng)用提供思路和方向。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP393.092;F532
【圖文】：

西南交通大學(xué)碩士研究生學(xué)位論文 第322. 數(shù)據(jù) ETL本方案選擇 Microsoft SQL Server Integration Services（SSIS：SQL Serv成服務(wù)）軟件來實(shí)現(xiàn)數(shù)據(jù) ETL 過程，OLE DB 訪問接口連接到各個(gè)數(shù)據(jù)。再經(jīng)過數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)規(guī)約、數(shù)據(jù)列派生等操作到客戶畫像應(yīng)用所需數(shù)據(jù)，裝載到客戶畫像數(shù)據(jù)倉庫中，數(shù)據(jù) ETL 示意圖 4-3 所示。

時(shí)間最優(yōu)的多目標(biāo)多式聯(lián)運(yùn)模型的 運(yùn)方案。eaching-Learning Based Optimizatio而被 Rao 等學(xué)者提出的[61]。類似于表示問題的解，解空間里進(jìn)行搜索應(yīng)度最好）個(gè)體為教師，其余需要進(jìn)部分包含 “教學(xué)階段”和 “學(xué)習(xí)階段 ”兩對(duì)種群中其他剩余的個(gè)體“學(xué)生”進(jìn)行群體均值的影響；在學(xué)習(xí)階段，該算較兩者之間的優(yōu)劣，并采取較差個(gè)體了標(biāo)準(zhǔn) TLBO 算法流程。

字段名稱 轉(zhuǎn)換方式 轉(zhuǎn)換描述近期發(fā)貨率 數(shù)據(jù)派生 最近一次貨運(yùn)時(shí)間間隔/和平均貨運(yùn)時(shí)間間隔客齡 數(shù)據(jù)派生 當(dāng)前時(shí)間-客戶注冊(cè)時(shí)間退訂率 數(shù)據(jù)派生 退訂次數(shù)/總次數(shù)到貨省市總數(shù) 數(shù)值統(tǒng)計(jì) 根據(jù)到貨地址統(tǒng)計(jì)到貨省市數(shù)量總里程 數(shù)值統(tǒng)計(jì) 根據(jù)客戶編號(hào)統(tǒng)計(jì)總貨運(yùn)里程平均貨運(yùn)時(shí)間 數(shù)據(jù)派生 總貨運(yùn)時(shí)間/貨運(yùn)次數(shù)平均貨運(yùn)噸數(shù) 數(shù)據(jù)派生 總貨運(yùn)噸數(shù)/貨運(yùn)次數(shù)平均貨運(yùn)噸數(shù) 數(shù)據(jù)派生 總貨運(yùn)費(fèi)用/(總貨運(yùn)噸數(shù)*總貨運(yùn)里程)（1）數(shù)值統(tǒng)計(jì)舉例實(shí)現(xiàn)：以總貨運(yùn)次數(shù)為例，其生成的 SQL 語句為：“SELECT [客戶編號(hào)],COUNT(需求受理號(hào)) as 總貨運(yùn)次數(shù)FROM [95306KHHX].[dbo].[訂單維$]Group By 客戶編號(hào)”（2）數(shù)據(jù)派生舉例實(shí)現(xiàn)：以客齡為例，其設(shè)置過程如圖 5-1 所示：

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳寧;鄭巧然;桂欣;;基于平衡記分卡的鐵路貨運(yùn)績(jī)效評(píng)價(jià)分析[J];物流技術(shù);2017年01期

2 段莉;;數(shù)據(jù)采集技術(shù)分析[J];互聯(lián)網(wǎng)天地;2016年12期

3 李貞昊;張巍琦;陳俊宇;;云計(jì)算和云服務(wù)的發(fā)展綜述[J];科技風(fēng);2016年21期

4 馬小寧;李平;史天運(yùn);;鐵路大數(shù)據(jù)應(yīng)用體系架構(gòu)研究[J];鐵路計(jì)算機(jī)應(yīng)用;2016年09期

5 何湘竹;;一種改進(jìn)的基于教與學(xué)的優(yōu)化算法求解旅行商問題[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

6 何紅;孫根年;;基于教與學(xué)優(yōu)化算法的智能旅游線路優(yōu)化[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年01期

7 朱喜安;魏國(guó)棟;;熵值法中無量綱化方法優(yōu)良標(biāo)準(zhǔn)的探討[J];統(tǒng)計(jì)與決策;2015年02期

8 黃麗霞;帥斌;;危險(xiǎn)貨物多式聯(lián)運(yùn)路徑優(yōu)化問題的多目標(biāo)優(yōu)化算法[J];中國(guó)安全生產(chǎn)科學(xué)技術(shù);2014年09期

9 王啟東;;面向數(shù)據(jù)整合的鐵路運(yùn)輸信息集成平臺(tái)方案研究[J];鐵路計(jì)算機(jī)應(yīng)用;2014年08期

10 原福永;張曉彩;羅思標(biāo);;基于信息熵的精確屬性賦權(quán)K-means聚類算法[J];計(jì)算機(jī)應(yīng)用;2011年06期

相關(guān)碩士學(xué)位論文 前10條

1 宛寧;信息門戶系統(tǒng)的數(shù)據(jù)整合與集成關(guān)鍵技術(shù)研究[D];長(zhǎng)春工業(yè)大學(xué);2017年

2 郭曉燕;考慮多種因素的中歐集裝箱多式聯(lián)運(yùn)路徑選擇研究[D];鄭州大學(xué);2017年

3 王冬羽;基于移動(dòng)互聯(lián)網(wǎng)行為分析的用戶畫像系統(tǒng)設(shè)計(jì)[D];成都理工大學(xué);2017年

4 朱峰;基于JSON的互聯(lián)網(wǎng)異構(gòu)數(shù)據(jù)整合的應(yīng)用研究[D];南京郵電大學(xué);2016年

5 趙飛鴻;基于金融類客戶畫像的二分K均值算法分析研究與應(yīng)用[D];中國(guó)科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2016年

6 龔德鵬;基于數(shù)據(jù)挖掘的鐵路貨運(yùn)潛在客戶識(shí)別研究[D];西南交通大學(xué);2016年

7 李衛(wèi)利;教與學(xué)優(yōu)化算法的改進(jìn)研究及其應(yīng)用[D];河北地質(zhì)大學(xué);2016年

8 崔琳;基于客戶畫像的數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用[D];東華大學(xué);2015年

9 劉明樺;鐵路貨運(yùn)大數(shù)據(jù)平臺(tái)下基于聚類的客戶細(xì)分應(yīng)用研究[D];北京交通大學(xué);2015年

10 陳敏偉;大數(shù)據(jù)技術(shù)在鐵路貨運(yùn)電子商務(wù)系統(tǒng)中的基本應(yīng)用研究[D];西南交通大學(xué);2015年

本文編號(hào)：2785737