大数据在农产品冷链物流中的应用

张茜 田乙慧 肖文 鲁燕

（北京中农大农业规划设计院有限公司，北京 100083）

1 引言

大数据具有数据量庞大、数据类型复杂、数据价值密度小、数据处理速度快以及时效性要求高的特点，对大数据进行专业化的分析处理，可得到数据的隐性信息，为决策者提供最佳的解决方案[1]。随着互联网与信息行业的高速发展，大数据技术得到了各行业的广泛应用，起到了促进经济发展、健全社会治理体系、提升政府服务和监管效能的作用。2015 年中华人民共和国国务院发布了《促进大数据发展行动纲要》，确定了数据的重要地位——国家基础性战略资源，由此可见，大数据技术在战略层面和应用层面都十分重要[2]。

农业大数据是大数据理论、技术和方法在农业领域的应用，数据类型主要包括农业自然资源与环境数据、农业生产数据、农业市场数据和农业管理数据等，涉及农业产业链条的各环节，发展农业大数据是推动中国从农业大国向农业强国转变的有力抓手，是建设高水平现代农业的有力支持。近年来，中国一直在推进大数据技术在农业农村的创新应用，提高农业生产经营智能化、网络化水平，确保大数据技术更好地服务于现代农业发展。2022 年2 月，国务院印发了《关于“十四五”推进农业农村现代化规划的通知》[3]，通知中处处体现了中国政府对数据的重视，例如构建农业种质资源数据库、加快推动遥感卫星数据在农业农村领域中的应用、完善农村土地承包信息数据库和应用平台、建立农村宅基地数据库、深化调查数据在农业保险、市场调控等领域的应用等，也提到了农业大数据体系的建立、推广和应用，以促进现代信息技术与农业产业链各环节的深度融合。

当前，中国不断完善国家农业大数据的体系建设，农业农村部持续支持各地建设大数据体系，不仅有利于促进产业发展，还有利于保证农产品的质量安全。食品质量安全是关乎民生的重要问题，随着人们对美好生活的需求日益增长，对食品质量安全也提出了更高的要求，因此中国政府高度重视食品安全，将食品质量安全纳入公共安全体系，实施国家食品安全战略，建设了国家农产品质量安全追溯管理平台[4]，努力实现“让人民吃得放心”。农产品流通环节是保障农产品质量安全的关键，中国有关部门相继出台了各类政策文件和指导意见，以加快冷链物流体系设施建设，构建仓储保鲜冷链物流网络，如“十四五”期间支持5 万个新型农业经营主体建设农产品产地冷藏保鲜设施、建设一批产地冷链集配中心、建设30 个全国性农产品骨干冷链物流基地和70 个区域性基地，制定并实施一系列农产品冷链物流设施领域的专项规划等。

利用大数据等现代信息技术赋能冷链物流的各个领域和环节，有效推动冷链物流高质量发展是未来探索农业农村数字化的关键领域之一。本研究针对当前农产品冷链物流中存在的问题，通过探究大数据技术在其中的应用，提出了构建农产品冷链物流平台的设想，论述了大数据技术在平台各层次的具体应用，为实现减少农产品流通过程的损失、提升农产品市场供给质量、保障中国农产品质量安全、助力建设健康中国目标的实现提供借鉴参考。

2 农产品冷链物流对大数据技术的需求

冷链物流是指产品成熟采摘后的初加工、贮藏、运输、销售、配送等各环节，利用温控、保鲜等技术和冷库、冷藏车等设施设备，使产品始终处于所需的低温环境。冷链物流需要保持每个环节之间的高效协调和运作，属于一项复杂的系统工程。中国约有3 亿农民，农产品生产总量巨大，长期以来就是农产品生产、消费大国，随着近年生鲜电商平台的大量涌现，进入流通领域的农产品总量逐年增长。由于农产品具有难以保鲜、容易腐烂的特点，在流通过程中损耗率高达30%[5]，尽管有物联网、GPS 等技术做为支撑，冷链物流发展非常迅速，但还是无法充分保障农产品流通过程中的品质安全，更无法满足农产品流通过程中所得到的庞大数据的应用需求，因此将大数据技术融入已有的冷链物流体系中是大势所趋。农产品的存储对于温度、湿度、光照等环境因素有较高的要求，若达不到特定的环境标准，农产品就会出现不新鲜和腐烂的情况，大数据技术通过对运输环境的数据的分析、监测可以不断地优化流通环境，还可以为远距离运输规划最佳配送路线，提高运输效率，为产品品质和安全提供有力的保障。

3 国内外冷链物流发展现状

3.1 相关研究现状

随着全球农产品贸易量的日益增大，冷链仓库数量也在逐年增长，各国都在探索建设完整的冷链物流体系。国外自1850 年就开始进行冷链物流的尝试与发展，目前欧美、日本等发达国家的冷链物流技术已趋于成熟[6]，而中国的冷链物流行业起步较晚，二十世纪50年代冷链物流才被引入到中国[7]。

受各国对冷链物流行业高度重视的影响，学者们针对冷链物流发展的实际情况进行了许多研究，包括运输环境、管理系统等方面。如Regattieri 等学者提出在农产品冷链物流各环节采用物联网技术实现远程监控，以RFID、GPS 和GIS 等物联网技术为核心实现冷链物流一体化管理[8]。Theeb 等建立了IVRPCSC 模型，可优化库存分配、运输路径问题，降低运输和库存成本[9-11]。Serradilla 等以樱桃为研究对象，探索了在气调贮藏的条件下如何更好地保证樱桃的新鲜程度和品质[12]。此外，Hsu 等认为在农产品冷链运输过程中应当采用“多温联合供配电系统”达到降本增效的目的[13]。中国学者的研究也取得了不错的进展。汪庭满等在罗非鱼冷链运输过程中采用RFID技术和冷链物流温度监控技术，可满足经营者对于罗非鱼所处环境实时温度监控的需求[14]。冯贺平等利用ZigBee 技术构建实时监控系统，随时对果蔬冷链物流所处环境进行调控[15]。文慧君以连锁超市生鲜农产品冷链物流网络为研究对象，构建了基于双层规划模型，实现了最佳超市布点选址、车辆路径优化以及合理的仓储资源分配[16]。

3.2 行业发展现状

当前中国冷链物流仍显著落后于发达国家。一是冷链运输配送率低。发达国家已全面实现农产品冷链流通，以及95%的全程冷链物流配送，目前中国80%的生鲜农产品没有采用冷链运输配送，并且农产品流通过程中能够实现全程冷链的比例不足20%[17]。二是人均冷库面积低。据2018 年国际冷藏仓库协会（IARW）发布数据显示，中国人均冷库面积仅有0.13立方米/人，而美国已达到0.49 立方米/人，日本也有0.32立方米/人，分别是中国的4倍、3倍。

国内冷链物流存在的问题主要体现在如下几方面。

第一是基础设施建设落后。中国冷链物流基础设施建设不完善，且发展落后，无法保障农产品跨地域流通，制约了流通效率；冷链运输车辆区域差异较为明显，物流配送能力较差，影响了冷链物流效率；冷链物流所需的冷库数量和容量不满足实际需求，货物需求的缺口高达70%～80%[18]，无法形成农产品全程的冷链衔接，影响农产品的新鲜度；农产品冷链物流园区规模小，数量少，基础设施匮乏，远远不能满足中国农产品冷链物流的发展需求。

第二是体系不健全。冷链物流是保障农产品品质的必要措施，但目前中国的农产品冷链物流体系还不够健全。（1）缺乏规范化和标准化的管理，农产品品质检测执行标准不健全，不能满足不同种类农产品对存储环境不同的要求。（2）缺乏物流技术支撑，农产品在运输、配送等物流过程破损率高达25%，无法保证农产品质量安全。（3）缺乏全程冷链防护，农产品对所处环境要求高，但物流过程中经常发生断链现象，影响农产品品质，增加产品的损耗成本。

第三是信息化水平不高。生鲜电商的迅速崛起，伴随着冷链物流行业的业务量加速增长，目前农产品冷链物流信息化水平难以满足实际需求，主要体现在三方面：（1）采集存储体系不健全。在农产品冷链物流过程中会产生海量的数据，如农产品的基础信息、物流与配送信息、仓储环境信息等，数据类型繁多、采集技术难度大，当前的信息化水平难以完成完备、有效数据的采集和存储。（2）分析能力欠缺。将有效的数据进行充分合理的分析处理，以分析结果控制冷链物流过程是保证农产品品质的关键，但目前各单位的信息分析能力不足，一定程度上制约了农产品冷链物流的发展。（3）信息共享程度低。网络基础设施滞后，农产品冷链物流无法实现全程信息共享，会出现“信息孤岛”的现象，导致农产品供应链上下游信息交流困难，造成农产品滞销等问题；信息不对称还会引发供需矛盾，生产者只顾生产，利益得不到保障，还无法取得消费者信任。因此，快速提升农产品冷链物流过程中的信息化水平是亟待解决的问题。

4 基于大数据技术的农产品冷链物流平台

提升中国农产品冷链物流行业全程信息化水平路径，一是基于大数据技术建立农产品冷链物流平台，二是提升现有农产品物流体系的数字化水平，便于使用大数据技术实现降本增效的结果。应用大数据技术对农产品冷链物流各环节产生的信息和数据进行整合，对核心环节进行优化，配合其他现代化信息技术，提升信息化水平，实现农产品冷链物流的智能化、自动化和信息共享化，完善农产品冷链物流体系，提升物流运输效率，保障食品质量安全。

4.1 平台总体框架构建

基于大数据技术的农产品冷链物流平台包括数据基础层、信息管理层和应用层，如图1所示。

图1 农产品冷链物流平台Fig.1 Cold chain logistics platform for agricultural products.

数据基础层通过各种方式获取海量数据，是后续大数据分析应用的基础。应用传感器、3S、大数据、射频识别等技术，对农产品冷链物流全程做数据采集，包括农产品生产数据、物流运输数据、仓储环境数据、市场销售数据等。

信息管理层将所收集到的信息进行数据分析和处理，是平台搭建的核心。首先是预处理，对数据进行清洗、审核、筛选、排序等工作；其次是数据分析，大数据技术利用算法建立多重维度的数据体系，挖掘不同维度数据间的关联性，并根据大数据应用情境与决策需求，选择合适的数据分析技术提炼数据中隐含的规律性信息；最后是数据可视化，将大数据分析与预测结果以计算机图形或图像的直观方式进行显示，为各环节中的用户提供决策依据，有利于提升数据价值。

应用层面向经营主体、消费主体以及政府部门，将决策结果应用到农产品冷链物流过程，实现农产品冷链物流平台智能化运作。主要包括运输车辆的路径规划、农产品仓储资源的分配、农产品所处环境的智能调控、农产品配送的最佳方案、农产品质量的追溯等功能。

4.2 大数据技术在平台的应用

农产品从生产到送达消费者手中需要经历收购、运输、仓储、销售、配送等多个环节，利用大数据技术对农产品冷链物流进行全程监管是保障农产品品质的关键手段。冷链物流的核心业务是智慧运输、智慧仓储和智慧配送，大数据技术能够具体实现如下功能。

4.2.1 优化农产品物流运输

充分利用大数据技术，配合物联网和3S 技术加快冷链物流信息平台建设，实现农产品冷链运输全程监控和智能把控。将农产品信息、冷藏车辆信息、司机信息进行绑定并统一管理；利用GPS 定位技术对运输车辆进行实时定位，远程监控运行速度、运行路线，基于交通大数据的实时路况分析出运输最小成本、最优运输路径，可缩短物流运输距离，保障农产品品质，降低损耗，节省物流运输成本；将农产品运输过程中采集到的环境数据进行数据分析，搭建可视化看板，重点调控冷链过程中农产品所处环境温湿度情况，保证农产品新鲜度。

4.2.2 优化农产品仓储

农产品仓储管理在冷链物流过程中同样是核心环节。运用大数据技术可以进行仓库基本信息管理，包括产品出入库管理，订单管理等，根据销售计划、生产计划和采购计划等相关数据进行库存数目的调控，根据订单产品与仓储位置进行合理的资源分配，以数据挖掘的结果为农产品仓储中心进行选址。此外，大数据对冷链仓储环境调控、产品仓储状态监控等环节来说是很好的技术手段，可以提高仓储效率、管理效率，满足农产品对于仓储环境有更高的要求。

4.2.3 农产品质量安全控制

冷链运输过程中应当保证农产品的质量安全，利用物联网、GIS、RFID等技术，实现农产品生产、运输、销售全过程信息获取，将采集的信息整合，构建农产品质量安全信息数据库，实现农产品的生产标准、质量分级、品牌认证等管理，并且形成农产品质量追溯系统，提高政府有关部门对农产品全产业链的质量安全监管效能，提升消费者对于农产品质量的信任度。

4.2.4 精准销售和高效配送

利用大数据技术可对全国农产品市场数据进行动态监控，包括市场供求信息、价格行情、流通市场等数据，分析所得数据可以预测农产品市场发展态势、拓宽农业市场、辅助农业决策，实现农产品供需智能匹配，消除农产品供需信息不对称的问题，以消费者需求为导向调整生产规模和品种，保障农产品供应、降低囤积率以及减少无效物流运输。通过大数据和消费数据信息，分析地域偏好特征，挖掘用户需求，预测各地域所需农产品种类和数量，对爆款农产品进行前置，提高物流系统对消费者的响应程度，缩短冷链配送链条，并对应需求配套冷库仓储建设，保证供应和高效配送。

4.2.5 提升信息交换共享能力

随着互联网行业的发展，各政府单位、企业以及生产一线的农户皆在探索用智能化设备管理农产品，并且愈发重视信息化建设。大数据技术能够加强信息交互的能力，将收集到的农产品生产数据、仓储数据、运输数据、配送数据以及销售数据更好的进行管理、分析、展示。消费者可通过共享的数据得到农产品售卖前的所有信息，还可以对农产品的消费需求、农产品品质以及配送服务等进行反馈。运用大数据技术有利于实现信息共享、互联互通，为打造和谐的供需关系、营造良好的消费环境做出贡献，对建设农产品智慧供应链提供有力支撑。

5 大数据背景下农产品冷链物流发展建议

5.1 重视顶层设计

在当前所处的大数据时代，政府更应从顶层设计层面发挥政策引导作用，对农产品冷链物流的发展进行更科学、更合理的引导。冷链物流行业的发展需要各行业、多部门进行协调合作，共同推进顶层设计的实施，各地区也应当统筹规划，鼓励企业发展智慧冷链，建立企业的大数据中心，培育典型示范企业，推动大数据背景下的农产品冷链物流发展。

5.2 加强冷链基础设施建设

针对当前中国的冷链物流基础设施建设还不够完善的问题，政府应当提供适当的财政与技术支持。加快冷库体系建设，尤其是西部、偏远山区和贫困区域，防止“断链”现象，确保全程冷链运输；加强大数据基础设施建设，在骨干冷链物流基地、批发市场等地建设大数据中心，确保基地和市场的运营管理、资源信息处理；加大冷链技术的投入，使农产品始终处于适宜的仓储、运输环境，保证农产品流通过程中的品质维持。

5.3 做好大数据体系构建

数据体系的构建是大数据技术应用的基础。目前各企业正处于数字化转型、升级阶段，应当重视大数据技术的应用，更要做好大数据体系构建。首先要做好农产品全生命周期的数据采集，包括农产品生产、加工、运输、销售等各个环节，建立完备的数据资源库。其次，依托数据资源库对数据进行深度分析、经营管理以及决策支持。构建完整的大数据资源体系是质量追溯的关键，当发生农产品质量安全问题时，政府有关监管部门可通过追溯码获取农产品流通全程信息，逐一排查追责。

5.4 深入数据挖掘工作

冷链物流过程中会产生海量的数据，各科研机构也开展了这些数据的挖掘研究，但进行实际应用的比例很小，分析的深度远远不够，因此需重视冷链物流中算法的应用研究。例如，改进当前主流的XGBoost、遗传算法等聚类、分类算法，结合云计算、物联网等信息技术针对冷链过程中的仓储、选址、配送等环节进行优化。数据挖掘工作需要考虑实际情况，不能过于理想化而脱离现实，例如基于聚类算法的多配送模型虽然算法效果较好，但交通拥堵、需求集中、配送中心成本昂贵的一线城市却不适用，应当从实际情况出发具体分析。

5.5 培养和引进高科技人才

人才是实现乡村振兴的关键要素，拥有高科技水平的人才更是现代农业发展的强大推动力。注重培养和引进高科技人才，从企业角度应在以下三点开展工作：（1）定期开展专业技术培训，提高现有冷链物流各环节员工的技术水平；（2）强化产学研合作共同培养冷链物流、互联网等技术领域的人才；（3）可从国外引进人才，借鉴国外先进技术和成功经验，并结合国内实际情况，建立完善的冷链物流体系。加快培育并建立一支高技术水平的人才团队，有利于推动农产品冷链物流行业发展，推进实现高水平现代农业的目标。

6 展望

农产品冷链物流是保障农产品质量安全的重要环节，也是大数据应用的重点领域。中国农产品冷链物流行业及其大数据应用方面虽然存在很多问题，但也发展迅速，一方面国家大力支持，不论是冷链物流还是农业农村大数据均出台了大量政策予以支持鼓励；另一方面农产品销量在互联网电商渠道的快速增长以及人们对于农产品品质的更高要求，也给农产品冷链物流发展带来了重大机遇。在大数据的背景下，冷链物流行业应当抓住机遇，积极构建农产品冷链物流平台，全面保障农产品冷链物流的运输效率、资源合理分配、产品质量安全，加快建立完整的农产品供应链体系。在各方力量的推动下，中国的农产品冷链物流行业具备巨大的发展潜力。