摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第14-29页 |
1.1 研究背景及意义 | 第14-17页 |
1.1.1 研究背景 | 第14-15页 |
1.1.2 研究意义 | 第15-17页 |
1.2 国内外研究现状 | 第17-23页 |
1.2.1 关于铁水联运信息化的研究现状 | 第17-20页 |
1.2.2 关于云计算的研究现状 | 第20-23页 |
1.3 论文研究目标 | 第23-24页 |
1.4 论文的研究内容与组织结构 | 第24-29页 |
1.4.1 论文研究内容 | 第24-26页 |
1.4.2 论文的组织结构 | 第26-29页 |
第2章 铁水联运和云计算技术 | 第29-48页 |
2.1 铁水联运概述 | 第29-34页 |
2.1.1 铁水联运的业务分类和构成主体 | 第29-30页 |
2.1.2 集装箱进出口作业流程分析 | 第30-32页 |
2.1.2.1 集装箱出口作业流程 | 第30-31页 |
2.1.2.2 集装箱进口作业流程 | 第31-32页 |
2.1.3 集装箱进出口过程的信息共享需求 | 第32-34页 |
2.2 云计算概述 | 第34-36页 |
2.2.1 云计算定义和特点 | 第34页 |
2.2.2 云计算特征 | 第34-35页 |
2.2.3 云服务模型 | 第35-36页 |
2.2.4 云构建模式 | 第36页 |
2.3 云计算关键技术 | 第36-40页 |
2.3.1 云平台构建技术 | 第37-38页 |
2.3.2 大数据技术 | 第38-40页 |
2.3.2.1 大数据的定义及特征 | 第38-39页 |
2.3.2.2 大数据技术分类 | 第39-40页 |
2.3.2.3 铁水联运的行业大数据 | 第40页 |
2.4 云计算相关框架 | 第40-46页 |
2.4.1 云平台构建框架 | 第40-43页 |
2.4.2 大数据处理平台 | 第43-46页 |
2.5 本章小结 | 第46-48页 |
第3章 铁水联运云平台的构架设计 | 第48-100页 |
3.1 现有铁水联运信息系统构建模式弊端分析 | 第48-52页 |
3.2 铁水联运云平台的提出 | 第52-54页 |
3.3 铁水联运云平台的构架设计思路 | 第54-57页 |
3.3.1 采用集约型的大集中管理模式 | 第54-55页 |
3.3.2 采用分层的虚拟资源管理构架 | 第55页 |
3.3.3 采用业务应用与信息共享融合的设计方案 | 第55-56页 |
3.3.4 构建可扩展的数据服务体系 | 第56-57页 |
3.4 铁水联运云平台的系统构架设计 | 第57-79页 |
3.4.0 铁水联运云平台的构建模式 | 第57-59页 |
3.4.1 铁水联运云平台的云服务栈设计 | 第59-60页 |
3.4.2 铁水联运云平台的总体构架设计 | 第60-62页 |
3.4.3 资源支撑体系的构架设计 | 第62-68页 |
3.4.3.1 资源支撑体系的技术构架 | 第62-63页 |
3.4.3.2 资源支撑体系的虚拟资源池 | 第63-65页 |
3.4.3.3 资源支撑体系的冗余构架 | 第65-67页 |
3.4.3.4 基于资源支撑体系的信息交互模式 | 第67-68页 |
3.4.3.5 基于资源支撑体系的运维模式 | 第68页 |
3.4.4 业务支撑体系的构架设计 | 第68-73页 |
3.4.4.1 业务支撑体系的功能资源池 | 第68-70页 |
3.4.4.2 业务支撑体系的系统构架 | 第70-71页 |
3.4.4.3 业务支撑体系的应用重构策略 | 第71-72页 |
3.4.4.4 业务支撑体系的SaaS服务模式设计 | 第72-73页 |
3.4.5 数据支撑体系的构架设计 | 第73-78页 |
3.4.5.1 联运大数据的应用需求分析 | 第74-76页 |
3.4.5.2 数据支撑体系的技术构架 | 第76-78页 |
3.4.6 铁水联运云平台的运营模式 | 第78-79页 |
3.5 云环境下的铁水联运信息流优化 | 第79-99页 |
3.5.1 现有铁水联运流程存在问题 | 第79-80页 |
3.5.2 货运流程优化思路 | 第80-81页 |
3.5.3 基于FPMS的集装箱出口信息流设计 | 第81-84页 |
3.5.4 基于FPMS的集装箱进口信息流设计 | 第84-85页 |
3.5.5 基于Petri网的FPMS集装箱进出口信息流建模和模型检测 | 第85-95页 |
3.5.5.1 Petri网的基本理论和OOPN技术 | 第85-86页 |
3.5.5.2 基于OOPN的FPMS集装箱进出口流建模 | 第86-92页 |
3.5.5.3 FPMS集装箱进出口信息流模型检测 | 第92-95页 |
3.5.6 基于FPMS的联运数据交换 | 第95-99页 |
3.5.5.1 货主/联运经营人提交和获取的数据 | 第95-96页 |
3.5.5.2 铁路与水路部门交换的数据 | 第96-97页 |
3.5.5.3 水路与铁路部门交换的数据 | 第97-98页 |
3.5.5.4 其他部门对FPMS的业务数据需求 | 第98页 |
3.5.5.5 联运公共基础数据 | 第98-99页 |
3.6 本章小结 | 第99-100页 |
第4章 云环境下的联运应用管理体系关键技术 | 第100-129页 |
4.1 问题提出 | 第100-102页 |
4.2 构建思路 | 第102-104页 |
4.2.1 建立抽象联运应用模型 | 第102页 |
4.2.2 采用基于持续集成的应用构建模式 | 第102-103页 |
4.2.3 建立统一的异构应用部署模型 | 第103页 |
4.2.4 建立高可用的弹性集群管理模型 | 第103-104页 |
4.2.5 建立基于SaaS的应用安全机制 | 第104页 |
4.3 联运应用的抽象定义 | 第104-106页 |
4.4 基于DevOps的一体化联运应用管理体系 | 第106-121页 |
4.4.1 应用管理体系的组件设计 | 第106-107页 |
4.4.2 应用持续集成模型 | 第107-108页 |
4.4.3 应用集群部署模型 | 第108-111页 |
4.4.4 高可用的应用集群管理模型 | 第111-115页 |
4.4.4.1 模型设计 | 第112-113页 |
4.4.4.2 基于MSA的应用管理优化 | 第113-115页 |
4.4.5 基于SaaS的应用访问控制安全模型 | 第115-121页 |
4.4.5.1 SSO认证模型 | 第116页 |
4.4.5.2 基于角色的访问控制模型 | 第116-117页 |
4.4.5.3 基于SSO和改进RBAC模型的SaaS访问控制策略 | 第117-121页 |
4.5 应用管理体系实现与云平台的性能测试 | 第121-128页 |
4.5.1 云平台的部署模式选择 | 第121-122页 |
4.5.2 云环境下的IAMS部署实现 | 第122-125页 |
4.5.2.1 部署组件 | 第122页 |
4.5.2.2 硬件环境 | 第122-124页 |
4.5.2.3 虚拟网络 | 第124-125页 |
4.5.3 云平台的应用性能测试 | 第125-128页 |
4.5.3.1 应用部署 | 第125-127页 |
4.5.3.2 实验结果分析 | 第127-128页 |
4.6 本章小结 | 第128-129页 |
第5章 云环境下的联运信息共享机制 | 第129-174页 |
5.1 问题提出 | 第129-132页 |
5.2 基于MSOA的信息共享模型 | 第132-138页 |
5.2.1 模型构架设计 | 第132-134页 |
5.2.2 ITIU的定义与设计 | 第134-138页 |
5.2.2.1 ITIU的信息共享技术标准 | 第134页 |
5.2.3.2 ITIU的定义 | 第134-136页 |
5.2.3.3 ITIU的设计实现 | 第136-138页 |
5.3 云环境下的EDI系统构架优化 | 第138-144页 |
5.3.1 现有EDI构架的弊端和优化思路 | 第138-139页 |
5.3.2 XEDI的层次构架 | 第139-140页 |
5.3.3 云环境下XEDI的组件体系 | 第140-142页 |
5.3.4 XEDI的报文处理模型 | 第142-144页 |
5.4 XEDI的伸缩性问题研究 | 第144-173页 |
5.4.1 伸缩性机制研究现状和问题分析 | 第145页 |
5.4.2 XEDI的POD状态模型 | 第145-147页 |
5.4.3 XEDI的伸缩模型 | 第147-150页 |
5.4.3.1 伸缩策略的定义 | 第147-148页 |
5.4.3.2 单指标伸缩模型 | 第148-150页 |
5.4.3.3 多指标伸缩模型 | 第150页 |
5.4.4 XEDI的负载指标集 | 第150-154页 |
5.4.5 XEDI的自动伸缩算法 | 第154-158页 |
5.4.6 基于排队论模型的POD副本集优化 | 第158-160页 |
5.4.7 基于XDRF的POD副本资源分配 | 第160-167页 |
5.4.7.1 DRF资源分配算法 | 第160-162页 |
5.4.7.2 XDRF资源分配算法定义 | 第162-164页 |
5.4.7.3 XDRF算法公平性分析 | 第164-165页 |
5.4.7.4 基于XDRF的POD扩容过程 | 第165-167页 |
5.4.8 XEDI的伸缩性能测试 | 第167-173页 |
5.4.8.1 XEDI的扩容效果测试 | 第168-170页 |
5.4.8.2 XEDI在不同伸缩策略下的性能测试 | 第170-172页 |
5.4.8.3 XEDI在不同虚拟环境的伸缩性能对比 | 第172-173页 |
5.5 本章小结 | 第173-174页 |
第6章 基于联运大数据的订单撮合问题研究 | 第174-195页 |
6.1 问题提出 | 第174-176页 |
6.2 智能订单撮合系统 | 第176-177页 |
6.3 IOMS的数据处理模型和数据传输模块 | 第177-181页 |
6.3.1 IOMS的数据处理模型 | 第177-178页 |
6.3.2 IOMS数据传输模块 | 第178-181页 |
6.3.2.1 离线数据传输模块 | 第178-180页 |
6.3.2.2 在线反馈数据传输模块 | 第180-181页 |
6.4 IOMS的撮合算法 | 第181-194页 |
6.4.1 算法模型 | 第182页 |
6.4.2 算法性能优化 | 第182-184页 |
6.4.3 算法变量定义 | 第184-187页 |
6.4.4 算法目标函数 | 第187页 |
6.4.5 算法约束条件 | 第187-188页 |
6.4.6 算法执行步骤 | 第188-189页 |
6.4.7 算法评估指标 | 第189页 |
6.4.8 算法测试与评估 | 第189-194页 |
6.4.8.1 IOMS的性能测试 | 第189-190页 |
6.4.8.2 IOMS推荐效果评估 | 第190-194页 |
6.5 本章小结 | 第194-195页 |
第7章 总结与展望 | 第195-198页 |
7.1 总结 | 第195-196页 |
7.2 展望 | 第196-198页 |
致谢 | 第198-199页 |
参考文献 | 第199-211页 |
攻读博士学位期间完成的论文 | 第211页 |