论文部分内容阅读
[摘要] 地理信息系统和元胞自动机模型已经在社会各个领域得到了广泛的应用。文章正是从GIS和CA模型相结合的角度，对其在物流系统中的应用进行探讨，并对具体的应用进行了分析。
[关键词] 地理信息系统（GIS）元胞自动机（CA）物流信息物流系统
20世纪以来，商业发展带动了我国经济的飞速发展，而物流则成了经济发展的原动力，甚至有人提出“物流世纪”的到来。随着社会需求的不断扩展，出现了商业产品的更新，而当产品更新达到一定程度开始下降时，流程更新就成了商家必争之地。物流对流程革新起着极其重要的支持作用，在很多领域随着产品周期的不断缩短，只有及时到达市场，才能成功的占领市场，而这一切都有赖于高效率、高质量的物流支持。
物流成为提高企业价值的杠杆，每个企业都开始高度重视物流管理。ELA/A.T.Kearney通过对物流的研究，得出了建立世界级供应链新的成功因素。其中灵敏度（我们常说的速度）和应变能力（即包括对可预测环境的适应也包括对难以预测的环境的适应）成了企业最为关心的问题。文章正是从这两个方面入手来进行分析。
一、地理信息系统(GIS)和元胞自动机原理
地理信息系统（GIS）是集计算机图形学和数据库技术为一体，把地理空间信息和相关的属性信息结合起来，借助其强大的数据分析和可视化功能，按用户的需求，把结果真实准确的输出给用户。GIS技术目前已经被广泛的应用于社会生活的各个方面。如：城市规划、土地利用、环境保护、教育教学、交通运输等行业。
现代物流集物质流和信息流为一体，信息流在物流活动中又起着神经系统的作用，因此加强对物流信息的分析管理是关系到物流发展的关键，尤其是在目前这个信息时代，这一点显的尤为重要。运用GIS技术加强对物流信息管理将很有意义。
元胞自动机（又称细胞自动机，简称CA），是定义在一个由具有离散、有限状态的元胞组成的元胞空间，并按照一定的局部规则，在离散的时间维上变化的动力学系统。元胞自动机的构成元素包括元胞、元胞空间、邻居元胞及转换规则。元胞自动机以其“自下而上”的构模方式、强大的复杂性计算能力、时空离散特征和并行计算特征以及CA模型的灵活性和开放性，为其在各个领域的广泛应用提供了保证。目前元胞自动机被广泛的应用于复杂科学的研究，是当前复杂性科学研究的前沿领域。
一次完整的物流配送是从收到订单开始的，因此，如果能提前预知订单需求，就可以帮助物流中心在物流市场占有领先的地位，正如我们前文所提到的，对物流企业来说，应变能力也是其成功的关键因素之一。应用元胞自动机来研究订单需求，是本文的一个亮点。
二、地理信息系统（GIS）和元胞自动机的结合
地理信息系统在空间分析上具有强大的优势，但因其对时间因素基本没有涉及到，即运用GIS来进行地理实体的描述是静态的，不能很好的表现地理实体的时空关系，因此在应用范围和应用水平上受到了一定的限制。近年来也有人提出四维GIS和时空GIS的概念来解决这一问题，但仅仅处于起步阶段，仍不成熟。而元胞自动机模型不仅含有空间概念，同时又包含有时间要素，元胞自动机就是研究在t时刻到t+1时刻元胞的状态变化。如果能把GIS与CA很好的结合就可以充分发挥各自的优势。一方面，可以增强GIS的时空动态建模功能；另一方面，GIS提供的强大空间数据处理功能可以为CA模型准备数据、定义转换规则，为CA提供结果的可视化。由此可见，把GIS和CA结合来研究具有极大的现实意义。
三、基于地理信息系统（GIS）和元胞自动机模型的物流系统研究
在物流系统中首先要进行物流信息数据库的建设，从订单、配送过程、回收利用过程中提取相关信息建立数据库，为基于GIS的物流信息管理系统提供数据支持，如图1所示。最终为企业提供相应的功能。
元胞自动机模型可以从多个方面来研究物流系统，例如在对物流中心最优位置的选取中，就有人使用CA模型利用MATLAB的仿真通过对备选地址的多次迭加，最终确定物流中心的最优位置。本文则尝试从货物订单信息入手，通过对市场前景的分析来提前预测订单需求。前文中已经提到应变能力（包括对可预测环境的适应和对难以预测的环境的适应）成了企业新的成功要素，而物流的配送方式又可以分为储存型、中转型和直送型，如果物流企业能够提前预知市场所需而实施储存型配送，就可以抢占市场，获取更大的利润。在这个模型中，元胞取为一种预测中的货物，元胞状态分为两种:不畅销、畅销。元胞空间指包括多个不同企业物流中心(例A、B、C、D）在内的大范围。邻居形式:选取Moore型。转换规则:元胞下一时刻的状态只受邻居元胞和自身当前状态的影响。如果在所研究的元胞空间范围内零售商向物流企业发出了对元胞货物的需求定单，而A提前存储了这种货物而实施储存型配送，那么A必将首先强占市场，在同类物流企业中处于优势地位。
四、结语
分别基于GIS和CA模型对物流系统的研究已经很成熟，但把两者结合来对物流系统加以研究还很少，这也正是本文写作的动机。在文章的研究中仍然存在一些问题，如元胞转换规则的量化，如何实现GIS和CA在技术上的完美结合等。这些问题将在以后的学习中加以深入的研究。
[关键词] 地理信息系统（GIS）元胞自动机（CA）物流信息物流系统
20世纪以来，商业发展带动了我国经济的飞速发展，而物流则成了经济发展的原动力，甚至有人提出“物流世纪”的到来。随着社会需求的不断扩展，出现了商业产品的更新，而当产品更新达到一定程度开始下降时，流程更新就成了商家必争之地。物流对流程革新起着极其重要的支持作用，在很多领域随着产品周期的不断缩短，只有及时到达市场，才能成功的占领市场，而这一切都有赖于高效率、高质量的物流支持。
物流成为提高企业价值的杠杆，每个企业都开始高度重视物流管理。ELA/A.T.Kearney通过对物流的研究，得出了建立世界级供应链新的成功因素。其中灵敏度（我们常说的速度）和应变能力（即包括对可预测环境的适应也包括对难以预测的环境的适应）成了企业最为关心的问题。文章正是从这两个方面入手来进行分析。
一、地理信息系统(GIS)和元胞自动机原理
地理信息系统（GIS）是集计算机图形学和数据库技术为一体，把地理空间信息和相关的属性信息结合起来，借助其强大的数据分析和可视化功能，按用户的需求，把结果真实准确的输出给用户。GIS技术目前已经被广泛的应用于社会生活的各个方面。如：城市规划、土地利用、环境保护、教育教学、交通运输等行业。
现代物流集物质流和信息流为一体，信息流在物流活动中又起着神经系统的作用，因此加强对物流信息的分析管理是关系到物流发展的关键，尤其是在目前这个信息时代，这一点显的尤为重要。运用GIS技术加强对物流信息管理将很有意义。
元胞自动机（又称细胞自动机，简称CA），是定义在一个由具有离散、有限状态的元胞组成的元胞空间，并按照一定的局部规则，在离散的时间维上变化的动力学系统。元胞自动机的构成元素包括元胞、元胞空间、邻居元胞及转换规则。元胞自动机以其“自下而上”的构模方式、强大的复杂性计算能力、时空离散特征和并行计算特征以及CA模型的灵活性和开放性，为其在各个领域的广泛应用提供了保证。目前元胞自动机被广泛的应用于复杂科学的研究，是当前复杂性科学研究的前沿领域。
一次完整的物流配送是从收到订单开始的，因此，如果能提前预知订单需求，就可以帮助物流中心在物流市场占有领先的地位，正如我们前文所提到的，对物流企业来说，应变能力也是其成功的关键因素之一。应用元胞自动机来研究订单需求，是本文的一个亮点。
二、地理信息系统（GIS）和元胞自动机的结合
地理信息系统在空间分析上具有强大的优势，但因其对时间因素基本没有涉及到，即运用GIS来进行地理实体的描述是静态的，不能很好的表现地理实体的时空关系，因此在应用范围和应用水平上受到了一定的限制。近年来也有人提出四维GIS和时空GIS的概念来解决这一问题，但仅仅处于起步阶段，仍不成熟。而元胞自动机模型不仅含有空间概念，同时又包含有时间要素，元胞自动机就是研究在t时刻到t+1时刻元胞的状态变化。如果能把GIS与CA很好的结合就可以充分发挥各自的优势。一方面，可以增强GIS的时空动态建模功能；另一方面，GIS提供的强大空间数据处理功能可以为CA模型准备数据、定义转换规则，为CA提供结果的可视化。由此可见，把GIS和CA结合来研究具有极大的现实意义。
三、基于地理信息系统（GIS）和元胞自动机模型的物流系统研究
在物流系统中首先要进行物流信息数据库的建设，从订单、配送过程、回收利用过程中提取相关信息建立数据库，为基于GIS的物流信息管理系统提供数据支持，如图1所示。最终为企业提供相应的功能。
元胞自动机模型可以从多个方面来研究物流系统，例如在对物流中心最优位置的选取中，就有人使用CA模型利用MATLAB的仿真通过对备选地址的多次迭加，最终确定物流中心的最优位置。本文则尝试从货物订单信息入手，通过对市场前景的分析来提前预测订单需求。前文中已经提到应变能力（包括对可预测环境的适应和对难以预测的环境的适应）成了企业新的成功要素，而物流的配送方式又可以分为储存型、中转型和直送型，如果物流企业能够提前预知市场所需而实施储存型配送，就可以抢占市场，获取更大的利润。在这个模型中，元胞取为一种预测中的货物，元胞状态分为两种:不畅销、畅销。元胞空间指包括多个不同企业物流中心(例A、B、C、D）在内的大范围。邻居形式:选取Moore型。转换规则:元胞下一时刻的状态只受邻居元胞和自身当前状态的影响。如果在所研究的元胞空间范围内零售商向物流企业发出了对元胞货物的需求定单，而A提前存储了这种货物而实施储存型配送，那么A必将首先强占市场，在同类物流企业中处于优势地位。
四、结语
分别基于GIS和CA模型对物流系统的研究已经很成熟，但把两者结合来对物流系统加以研究还很少，这也正是本文写作的动机。在文章的研究中仍然存在一些问题，如元胞转换规则的量化，如何实现GIS和CA在技术上的完美结合等。这些问题将在以后的学习中加以深入的研究。