5G网络技术在物流优化中的应用研究

路 婷，段晨辉 （郑州工商学院 信息工程学院，河南 郑州 451400）

0 引 言

在过去的几年里，由于互联网和移动通信等技术对消费者日常生活的影响，消费者的心理预期发生了变化。他们已经习惯了由这些技术提供的即时性和个性化体验，并且这些需求已经渗透到如服装、电子产品、汽车、家具等多领域中，新的用户需求也改变了商品的销售和分销方式；越来越多的用户在网上购买和销售产品。这迫使物流供应链向灵活和高效的方向发展。随着成本的增加和对低排放工艺的需求，能源也成为物流中的一个挑战因素。因此，制造业以及物流行业正在转向一个更加灵活和适应性更强的模式，以适应工业4.0。工业4.0即第四次工业革命，它起源于消费者需求的转变。为了提高生产和分销流程的灵活性，工业4.0的核心共有四种主要的促进技术：

大数据：数据分析是一个基本的组成部分，主要用于把握消费者需求、预测市场趋势或解决生产和物流机制中的技术问题。云计算等技术通过外包和优化计算资源来降低成本。

无线连接：工业和物流设备的连接用于连接机器，通过企业资源规划(ERP)系统协调生产，监控等无线连接，降低部署和重组成本，提高灵活性。

低成本传感器：在过去的几年中，连接传感器价格的下降使得大量数据得以被收集并用来追踪产品，或者监控流程、机械和环境状况。

机器人技术：目前机器人的能力和自主性越来越强，这使得重复性、复杂性或风险过高的任务可以自动化，能够改善人力劳动者的工作条件。机器人还可以快速地被重新编程，在生产中快速变更生产行为。图1显示了不同行业4.0技术之间的依赖关系。

在一个高度依赖数据的行业中，机器类型的通信存在于许多设备中，并逐步取代了工业物联网。在工业设想中，工业物联网技术的要求是非常具有挑战性的。一些应用程序具有有限的延迟和一定的可靠性要求，对于带宽的要求很高，这是因为工厂的位置不利或空间密度较大。因此，现有的无线技术，如标准 WiFi的能力不足以满足这些要求。5G的发展已经将其作为主要用例之一，以考虑到不同类型应用的需求。5G是一种围绕垂直领域开发的技术，如车辆通信、娱乐或工业4.0。智能物流通常被认为是行业4.0的一部分，但与其他的行业4.0情景有具体的区别。正如摘要中所说的那样，智能物流有多种不同的情景：货运、交货、仓储等。文章对智能物流进行了文献研究，发现当前无线技术的局限性以及存在的一些公开问题，并得出结论认为有必要更好地做好5G开发工作，以支持智能物流的发展。

文章提出了一个管理系统的5G网络，可以更有效地使用一个系统启动的供应链。这个系统是基于一个建模步骤，以及量化的应用程序的需求，必须考虑优化网络的重要性。本文提出了一种提取这些需求并将其转化为连通性需求的方法，通过该系统来适应和优化网络配置。与此同时，5G网络的局限性也必须得到考虑，并以满足应用需求的方式得到缓解。无论从学术角度还是从市场角度来看，5G和智能物流都是两条非常重要的研究路线。因此，本文研究了智能物流应用中连通性的特殊性，并为5G 网络优化设置了基础。本文的第二节，对现有的解决方案在工业4.0无线连通性进行了回顾。第三节探讨了为智能物流提供连通性的问题。第四节详细介绍了采样抽取方法和网络管理系统。第五节给出了解决方案，并通过对其进行权重分析后，得出结论。

1 相关工程

1.1 无线网络环境影响因素

工业环境中的无线网络对于无线连接来说是一个非常具有挑战性的环境。主要由于以下三个因素 ：

恶劣的无线电传播环境，在拥挤的空间，如工厂或配送中心，有大型金属机器的存在；

来自机器、传感器等的高流量，可能使网络超载，成为干扰源；

应用程序的限制性要求，这增加了对网络资源的要求。

此外，还有其他来自业务逻辑的一般性要求，如安全性、价格等，这些要求对无线网络的设计有很大的影响。就物流而言，一个重要方面是网络范围。而局域网，其范围高达几百米，能够有效覆盖工厂或配送中心，以涵盖一个完整的供应链，广域网是最常见的 LAN 技术 ieee802.11系列常用于一些工业部署。该系统的主要优势在于零部件的价格和高可用性较低。一些基于ieee802.15.4的协议已经在工业网络中被采用。网络主要被设计为具有低数据率和高弹性的传感器网格连接，也基于该系统，对低功耗设备进行了优化。所有这些技术都采用局域网，在该领域，这样的协议为功耗有限的设备提供了低带宽连接。蜂窝网络，已被应用如传感器和机器人技术当中。尽管如此，这些细胞技术并不是专门为机器人设计的，而是因为考虑到了节能因素以及可靠性和覆盖率。如图1所示，尽管使用了所有这些技术，但它们的能力不足以满足某些新型工业4.0的应用需求，例如扩增实境、自动导航车辆等为低功耗环保设计的技术，它们满足了某些应用的覆盖需求，例如在地下或容器内部等困难地方，但仍旧不能在高密度的环境中被应用。它被设计为宽带接入技术，尽管它的最高数据传输速率已经很快(下行100Mbps，上行50Mbps)但是对于最极端的工业应用来说，还不够高。目前的技术，只有5G可以应付延迟和可靠性要求的某些应用，如闭环控制或安全系统。为了支持新颖、高要求的应用，对未来5G技术的研究已经成为工业4.0主要的垂直研究领域之一。因此，针对特定应用优化服务质量的新解决方案以及能源消耗已经发表。

图1 工业4.0技术及其相互依赖性

1.2 机器型通信和5G

在工业、物流和其他可能的场景中，有许多依赖于无线连接的应用，每个应用都有特定的功能(例如交通到达率)和需求(例如延迟)。网络不可能对每一个可能的特性和要求进行优化组合。因此，需求通常被简化并分组为三个流量概况(如图1所示)：

大规模机器类型通信：由大量发射器组成，每个发射器传输低速度和可靠性要求的短消息。这个配置文件涵盖应用程序，如传感器网络或智能跟踪标签。

超可靠的低延迟通信：由很短的关键消息组成，但在延迟和可靠性方面有非常严格的要求。它涵盖了诸如工作安全应用，精确过程控制和半自动汽车驾驶等方面。

增强型流动宽频：宽频通讯对于可靠性和延迟要求不是很严格。此流量配置文件代表应用程序，如互联网浏览或传输多媒体内容是最终用户的流量概况。在工业应用中，它涵盖了视频监控等方面。

由于其消息的关键，新技术通常涉及额外资源的分配。例如，在新的5G多连接特性中，除了主系统之外，一个或多个额外的资源同时分配给单个设备，提供更高的冗余并降低数据包丢失的概率。多连接是以必须从网络中的其他用户回收资源为代价的。二级网络的选择仍然是一个悬而未决的研究课题。为了减少延迟，无授权传输技术可以减少访问时间。这种技术在低负荷下是有效的，但在中高负荷下可能会发生碰撞。为了避免在冲突中丢失数据包，可以采用无授权传输与传输重复相结合的方式，尽管冲突抵消了减少延迟的优势，但所有技术都会影响无线接入网络。为了补充这些技术，这个消息在中继网络中被赋予了更高的优先级，并使用了更高层次的技术，如移动边缘计算。在这个系统中，远程服务器以使用云计算技术运行一个实例的方式来“接近”最终用户，通过减少信息必须传达的距离来减少网络延迟。多连通性也被用来提供更多的宽带通道并增加该应用程序的带宽。模拟技术也被研究，实现了几个空间复用信道与天线的传输数组。多重连接和它都实现了更高的聚合数据传输速率，其代价是更高的能源消耗和减少其他用户的可用资源。减少带宽是主要的解决方案之一。首先，允许更多的信道；其次，窄带传输增加了覆盖范围；最后，降低了设备的能源消耗。另一方面，窄带载波的数据率较低，其他方法是基于非正交多路访问，无连接访问或消除同步需要的波形。这些技术都有一些缺点即增加了设备的复杂性和功耗。

2 问题公式

为了更好地理解物流中的通信挑战，区分智能物流是如何演变的以及它的主要特征是非常重要的。图2总结了智能物流与传统零售物流的区别。

图2 零售物流与智能物流的比较

工业4.0的一个基本假设是消费者对定制商品的需求越来越大。根据这种定制的需求，用户到网上商店寻找附近零售店买不到的偏远地区的商品。单一产品的消费者可能分布在世界各地，销售可能发生在偏远地区。另一方面，产品销售商可能是大型制造商或小型生产商，他们根据需求制造或运输产品，而不是按照规律和可预测的速度生产批量产品。除此之外，消费者还需要有一个逆向物流在适当的地方返回产品。因此，在线市场最突出的特点是稀缺的需求和货物运输的时间和空间。在传统的零售物流中，生产和运输是大批量完成的，运输到区域仓库，并在那里储存，直到他们交付到零售商店。零售商店通过观察销售率和预测未来的需求，以一种可预测的方式拉动需求。这一方案适用于主要产品，这些产品不会随着时间的推移而改变，需求高且稳定，消费者集中在一个地区。另外，规模经济有助于降低这些产品的生产、运输、储存和销售成本。

然而，对于前面描述的定制产品或销售缓慢的产品，这种方案无疑是失败的。由于他们的销售不规律，不能存储在仓库；一方面，如果销售没有以足够高的速度发生，存储将隐含高成本；另一方面，如果需求激增，缺乏库存可能导致出现货物短缺。此外，小批量产品的装卸、码垛、运输等过程增加了物流的复杂性。传统物流的另一个挑战是可能发生的事件，这些事件迅速改变了某些产品的需求，从而需要改变仓库平面运输计划。因此，当前物流面临的挑战围绕着供应链中的运输库存、稀缺性、需求和趋势(包括对其他稳定产品需求的激增)。

3 建议的方案

该系统的目标是优化可用资源在不同流量分片中的分配，以达到所支持的行业4.0应用程序的要求。图3显示了系统的总体轮廓，本节将对此进行详细说明。作为初步步骤，应用程序必须按照解释建模。然后使用大数据分析来预测工作负载，并在网络元素的服务区域内估计将执行哪些应用程序和多少实例。

应用根据需求建模适应网络的第一步是收集所提供流量的需求和特征的信息。提供的流量由网络区域内运行的多个或单个应用程序的数据流组成。因此，了解流量，需要两种不同类型的信息：每个应用程序的流量配置文件，以及应用程序运行实例集。为了获得流量配置文件，每个应用程序必须首先建模，以提取到它们一端到另一端行为的以下特征：

需要的延迟：在服务器中消息传输和接收之间的最大时间，以毫秒为单位。基于，可以认为低于10ms 的延迟被认为是低的，而高于200ms 的延迟被认为是高的。

所需带宽：应用程序所需的最低比特率。根据，100兆比特每秒的带宽被认为是很高的。

关键性：信息的重要程度。没有标准的测量方法，但它通常是以0% (非临界)和100% (临界)之间的比例给出的。

流量到达率：每个服从的连接数量取决于每个设备传输的消息数量和部署在其服务区域的设备密度。系统的容量取决于传输时间的间隔，即物理层帧的持续时间。一个交通到达率30到达每T可以被认为是高的。有了这些信息，就可以定义应用程序的向量建模。这个向量包含三个组件，每个组件表明应用程序的流量与流量配置文件的行为有多相似。为了计算每个组件，本文提出了一个模糊逻辑控制器，获得一个评级系统，该系统以前面描述的参数值作为输入值，并基于一些简单的启发式规则返回图3每个配置文件的权重。

图3(模糊化)的第一步是将前面描述的变量的输入数值转换成人类可理解的值(也称为模糊集)，如“高”或“低”。在模糊逻辑中，这是通过隶属函数来完成的，隶属函数在数值输入的范围内给出一个值，并返回一个介于0和1之间的值。返回值越高，模糊集中该值的隶属度就越高。图3显示了延迟、带宽、临界值和流量到达率的高集和低集的成员函数。这些成员函数可能会随着具有不同需求的新应用程序进入市场而发生改变，并且未来的网络代将允许更多的通信。图3中的第二步是模糊规则的应用。这些都是启发式规则，以“如果……那么……”的语句形式。语句的前半部分包含对输入的模糊值的断言，如“延迟很低”。这些断言的激活度等于输入变量对指定模糊集的隶属度。在“延迟较低”的情况下，用它来表示隶属度值，其中它是模糊集低延迟的隶属度函数，也是延迟需求的数值。如果有一个和操作符加入了几个断言，它将是成员关系度的最小值；但是，如果它由一个或操作符加入，它将是成员关系度的最大值。表1给出了给定延迟、带宽、临界值和流量到达率的模糊值的模糊规则，给每个概要赋予一个权重。表1中的第三步，也是最后一步是对所得到的信息量进行归一，使总和等于1。通过这种归一化，使得到的向量代表了这些程序之间的流量组成。

图3 拟议系统概览

为了说明这个过程，表1显示了一个为AR 应用程序建模的示例。为了避免头晕，AR要求更新速度非常快，这意味着延迟需要低至1毫秒，以便在非常短的时间内传输高质量的视频，需要高达100兆比特每秒的带宽。AR的临界性不是极端的(即，它的小功能不会对人的生命造成危险)，但仍然很高(70%)，因为数据包丢失可能会导致非常差的用户体验。最后，流量到达率很低；远低于一个新的连接每T。当这些数字填充到成员函数中时，将获得高集和低集的值，然后在规则中使用这些值。

表1 建模过程的例子

大数据预测一旦对每个应用程序的流量进行建模，就必须计算每个网络元素中将要运行的实例的数量。如图2所示，这是在第二步中完成的，其中使用来自外部来源的大数据分析来计算矢量，表示每种服务的聚合比例。大数据分析是一组技术，能够从大型复杂的数据源中提取到丰富的信息。在物流情况下，有一个数据流，以运行平行流动的运输产品。供应链中数据来源的一些例子如下。

相关购买趋势的信息：有许多外部事件可能会刺激公众购买特定产品。通过对这些事件的进行分析，可以对供应链中的产品及其数量进行预测。

道路交通信息：配送中心的货物流入和流出高度依赖于决定卡车到达时间的交通情况，并影响配送中心的时间表。

配送中心内部的条件：许多可以测量的参数，如温度和湿度、储存包裹的数量或工人的交通信息，都对物流中心的整体运作有很大的影响。

4 结 论

文章综述了无线连接在智能物流中的作用。回顾了现有的无线技术，认为除了5G以外，没有任何一种技术能够满足智能物流的需求。5G的设计将MTC作为主要用例之一，定义了三个流量配置文件。由于这些配置文件有不同的要求，对它们的网络优化将导致冲突的配置，通常需要进行协调。该系统包含以下元素：使用模糊逻辑对每个应用程序的需求进行交通建模的方法，使用大数据预测模块来预测网络元素区域内的交通。为了更好地说明这种方法是如何应用的，使用从文献中提取的需求，并对一个AR应用程序进行了建模。最后，讨论了该方法的局限性，得出结论：虽然该方法可以优化5G 网络，但当某个配置文件的流量超出了网络的全部容量时，该方法将无法运行。此外，在发生前所未有事件的情况下，大数据可能会无法预测，从而导致系统的性能不能得到优化。本文对系统的描述较为全面，为一个易于实现的解决方案奠定了基础。文章将来自智能物流应用程序的真实数据用于建模的几个应用程序，如 AR、 AGV、无人机等，将数据输入程序中，用于模拟真实的智能物流情况。