萬玉龍?顧峰?馮煒雯?李華洋

基金項(xiàng)目：江蘇省2021年高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目：江蘇高職院校培養(yǎng)鄉(xiāng)村振興戰(zhàn)略人才的路徑研究（編號(hào)：2021SJA1833）;中國物流學(xué)會(huì)和中國物流與采購聯(lián)合會(huì)2022年全國高校、職業(yè)院校物流教改教研課題（編號(hào)：JZW2022207）;江蘇電子信息職業(yè)學(xué)院2021年自然科學(xué)基金項(xiàng)目（編號(hào)：JSEIY2021004）;2022年第一批江蘇省產(chǎn)學(xué)研合作項(xiàng)目（編號(hào)：BY2022342）;2022年蘇電英才工程鄉(xiāng)村振興科技創(chuàng)新團(tuán)隊(duì)培育對(duì)象成果

摘 要：對(duì)于冷鏈物流來說，對(duì)數(shù)據(jù)有效分析和處理能夠使我們尋找冷鏈物流中車源、貨源、冷庫源、線路之間的關(guān)聯(lián)性，提高冷鏈物流運(yùn)輸、倉儲(chǔ)、流通加工、包裝、配送的效率，擴(kuò)大生鮮農(nóng)產(chǎn)品冷鏈物流經(jīng)濟(jì)效益，促進(jìn)農(nóng)業(yè)增效、農(nóng)村增綠和農(nóng)民增收，助力鄉(xiāng)村振興發(fā)展。文章介紹了冷鏈物流現(xiàn)狀與存在不足、冷鏈物流各環(huán)節(jié)對(duì)數(shù)據(jù)信息的需求、數(shù)據(jù)挖掘與分析技術(shù)在冷鏈物流中的作用，提出了Scrapy框架在冷鏈物流信息中的應(yīng)用、中國物流信息網(wǎng)網(wǎng)站介紹、數(shù)據(jù)可視化應(yīng)用與系統(tǒng)設(shè)計(jì)等策略。

關(guān)鍵詞：大數(shù)據(jù);冷鏈物流;數(shù)據(jù)挖掘;鄉(xiāng)村振興

一、引言

2021年11月26日，國務(wù)院辦公廳印發(fā)了《“十四五”冷鏈物流發(fā)展規(guī)劃》，我國已經(jīng)進(jìn)入新發(fā)展階段，人民群眾對(duì)高品質(zhì)消費(fèi)品和市場主體對(duì)高質(zhì)量物流服務(wù)的需求快速增長，新冠肺炎疫情防控常態(tài)化對(duì)冷鏈物流提出新的更高要求，冷鏈物流發(fā)展已成為人們關(guān)注的焦點(diǎn)。冷鏈物流是指在冷凍食品的生產(chǎn)、加工、儲(chǔ)存、運(yùn)輸和銷售中，始終處于低溫環(huán)境中，此外冷鏈的效率與供應(yīng)鏈的聯(lián)系緊密相關(guān)，冷鏈物流的快速發(fā)展是關(guān)系保障民生、關(guān)注民生的大事之一，促進(jìn)農(nóng)業(yè)轉(zhuǎn)型和農(nóng)民增收，助力鄉(xiāng)村振興的重要基礎(chǔ)，受到國家的高度重視。此外，冷鏈物流體系的建設(shè)不僅是為了完善流通體系和加強(qiáng)安全體系，更是為了支持經(jīng)濟(jì)發(fā)展，降低社會(huì)成本，造福國家和人民。

目前，我國冷鏈物流發(fā)展不平衡不充分問題突出，跨季節(jié)、跨區(qū)域調(diào)節(jié)農(nóng)產(chǎn)品供需的能力不足，農(nóng)產(chǎn)品產(chǎn)后損失和食品流通浪費(fèi)較多，運(yùn)輸成本占總成本比例較高，與發(fā)達(dá)國家相比還有較大差距。隨著大數(shù)據(jù)時(shí)代的到來，大數(shù)據(jù)已成為影響冷鏈物流發(fā)展的重要因素，大數(shù)據(jù)意味著存在大量數(shù)據(jù)集且可以從中挖掘和提取出有價(jià)值的數(shù)據(jù)信息。數(shù)據(jù)挖掘與分析是一種信息處理技術(shù)，它主要用于提取背后有價(jià)值的數(shù)據(jù)和信息。對(duì)于冷鏈物流來說，對(duì)數(shù)據(jù)進(jìn)行有效分析和處理，可以發(fā)現(xiàn)最優(yōu)路線和車源與貨源的詳細(xì)情況，通過分類方法直觀地感受到當(dāng)下冷鏈物流的現(xiàn)狀并推測今后的發(fā)展路線，可以在很大程度上規(guī)避不必要的風(fēng)險(xiǎn)，為冷鏈物流行業(yè)發(fā)展提供良好契機(jī)。

針對(duì)冷鏈物流信息，采用數(shù)據(jù)挖掘方法對(duì)數(shù)據(jù)進(jìn)行收集和分析，可以有效避免冷鏈物流運(yùn)輸過程中“空車返回”現(xiàn)象?；赑ython的網(wǎng)站信息爬取與數(shù)據(jù)分析是Python爬蟲的應(yīng)用及Python數(shù)據(jù)分析的應(yīng)用實(shí)戰(zhàn)，文章從Python爬蟲框架Scrapy出發(fā)，利用數(shù)據(jù)挖掘技術(shù)，對(duì)中國物流信息網(wǎng)進(jìn)行抓取應(yīng)用。首先使用Scrapy框架定向爬取貨源信息列表、物流專線列表、物流車源信息等數(shù)據(jù)，然后將抓取的數(shù)據(jù)保存為txt、xlsx等格式，分析爬取的數(shù)據(jù)，使用Jieba處理數(shù)據(jù)并使用Pyecharts獲得相關(guān)可視化圖，得出一定范圍內(nèi)哪個(gè)省的物流專線最頻繁，以及運(yùn)輸重量需求排行榜等。接著通過對(duì)數(shù)據(jù)進(jìn)行分析和總結(jié)以便尋找冷鏈物流中車源、貨源、冷庫源、線路間的關(guān)聯(lián)性，通過可視化技術(shù)對(duì)數(shù)據(jù)進(jìn)行呈現(xiàn)和解讀可以更好地為冷鏈物流冷庫智能選擇提供數(shù)據(jù)支撐。

二、冷鏈物流概述

與汽車、醫(yī)藥、煙草、鋼鐵等專業(yè)物流相比，多數(shù)人不太理解“冷鏈”概念。實(shí)際上，冷鏈的概念早在1894年美國的Albert Barrier和英國的J.A.Ruddich已經(jīng)提出。由于其易受溫濕度等外部環(huán)境的影響，因此在生產(chǎn)和運(yùn)輸過程中，應(yīng)使用各種制冷設(shè)備和技術(shù)來維持其安全性。冷鏈物流主要是要確保冷凍食品的安全和質(zhì)量，并讓冷凍食品在生產(chǎn)、儲(chǔ)存、運(yùn)輸和銷售中始終處于低溫環(huán)境。例如農(nóng)產(chǎn)品，為了確保運(yùn)輸中的農(nóng)產(chǎn)品的新鮮度和質(zhì)量，使用冷凍系統(tǒng)來確保農(nóng)產(chǎn)品在合理的溫濕度范圍內(nèi)。農(nóng)產(chǎn)品冷鏈物流由農(nóng)產(chǎn)品、冷庫、配送中心、銷售商和最終消費(fèi)者五部分組成。農(nóng)產(chǎn)品冷鏈物流的具體流通過程圖如圖1所示。

與常規(guī)商品物流相比，冷鏈物流對(duì)儲(chǔ)存環(huán)境中的溫度和時(shí)間敏感，具體體現(xiàn)在以下三個(gè)方面：（1） 及時(shí)性：時(shí)間是影響冷鏈配送過程服務(wù)質(zhì)量的重要因素，如果不能在顧客指定的時(shí)間內(nèi)將商品送到顧客點(diǎn)時(shí)，商品在冷鏈運(yùn)輸過程中會(huì)變質(zhì)和腐爛;（2） 低溫控制性：商品的質(zhì)量和新鮮度需要在低溫下保證，在商品的運(yùn)輸、保管、銷售過程中，必須保持商品一直低溫;（3） 信息化程度高：地理信息系統(tǒng)（GIS）和產(chǎn)品條形碼技術(shù)（Bar-code）等高新技術(shù)被用于檢測和監(jiān)控產(chǎn)品冷鏈運(yùn)輸過程中的外部環(huán)境。

三、冷鏈物流各環(huán)節(jié)對(duì)數(shù)據(jù)信息的需求

在新鮮產(chǎn)品數(shù)據(jù)來源中，例如剛剛捕撈的水產(chǎn)品、剛剛被宰殺的肉類和家禽，需要立即進(jìn)行預(yù)冷處理，與未經(jīng)處理的生鮮食品相比，經(jīng)預(yù)冷處理的生鮮食品減少了冷鏈物流運(yùn)輸?shù)目傮w損耗，減少了供應(yīng)商的損耗，保證了消費(fèi)者購買生鮮食品的新鮮度。對(duì)新鮮產(chǎn)品預(yù)冷處理后，要對(duì)產(chǎn)品進(jìn)行加工和包裝，例如將RFID電子標(biāo)簽粘貼到包裝產(chǎn)品上，以收集從產(chǎn)地到銷售地的各種過程信息。同時(shí)，在整個(gè)冷鏈運(yùn)輸過程中，還必須隨時(shí)監(jiān)控新鮮產(chǎn)品的溫濕度，一旦變化超過了適合新鮮產(chǎn)品存儲(chǔ)的極限，需要立即檢查冷鏈設(shè)備是否有問題，并立即采取措施以確保新鮮產(chǎn)品的正常流通，減少損失以確保消費(fèi)者新鮮產(chǎn)品的安全和質(zhì)量。把新鮮的產(chǎn)品從原產(chǎn)地運(yùn)送到銷售點(diǎn)的保管中心，在保管中心有必要配備適當(dāng)?shù)腞FID設(shè)備和控制器，以讀取保存中的新鮮產(chǎn)品標(biāo)簽數(shù)據(jù)信息，實(shí)時(shí)監(jiān)控和跟蹤冷庫中的產(chǎn)品信息。通過讀取信息，可以將新鮮產(chǎn)品的信息實(shí)時(shí)發(fā)送到冷鏈物流管理系統(tǒng)，監(jiān)控儲(chǔ)存鏈中收集新鮮產(chǎn)品的溫濕度等信息，避免因溫度異常而造成新鮮產(chǎn)品質(zhì)量的損壞。

四、數(shù)據(jù)挖掘與分析技術(shù)在冷鏈物流中的作用

通過冷鏈物流運(yùn)輸?shù)纳唐?，需要?zhí)行以下過程：原產(chǎn)地冷處理、包裝和運(yùn)輸、保管和銷售、最終賣給消費(fèi)者，因而有必要對(duì)冷鏈物流過程中產(chǎn)生的數(shù)據(jù)進(jìn)行挖掘和處理。數(shù)據(jù)挖掘通過使用各種分析工具，提取潛在有用信息，提取過程中產(chǎn)生的大量商業(yè)數(shù)據(jù)，為企業(yè)做出重要決策提供數(shù)據(jù)支撐。數(shù)據(jù)挖掘?qū)ο罂梢允菙?shù)據(jù)庫、文件系統(tǒng)或任何其他數(shù)據(jù)集，通過挖掘大量數(shù)據(jù)背后有價(jià)值的數(shù)據(jù)和信息，同時(shí)也是基于人工智能、數(shù)據(jù)庫、可視化技術(shù)的決策過程。在冷鏈物流運(yùn)輸中，對(duì)數(shù)據(jù)進(jìn)行有效挖掘能夠發(fā)現(xiàn)最優(yōu)路線和車源與貨源間的詳細(xì)情況，通過分類方法直觀地感受到當(dāng)下冷鏈物流的現(xiàn)狀并推測今后的發(fā)展路線，這就能很大程度上規(guī)避冷鏈物流不必要的風(fēng)險(xiǎn)。大數(shù)據(jù)在冷鏈物流中的應(yīng)用如圖2所示。

數(shù)據(jù)挖掘過程，分為數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)取得、結(jié)果表現(xiàn)和解釋三個(gè)階段：（1） 數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)合并、數(shù)據(jù)選擇、數(shù)據(jù)轉(zhuǎn)換等，數(shù)據(jù)合并是從各種文件中提取和整合數(shù)據(jù)，數(shù)據(jù)選擇是對(duì)數(shù)據(jù)集進(jìn)行分析識(shí)別，避免盲查;（2） 數(shù)據(jù)取得：數(shù)據(jù)取得是選擇適當(dāng)?shù)臄?shù)據(jù)挖掘算法對(duì)數(shù)據(jù)進(jìn)行挖掘;（3） 結(jié)果表現(xiàn)和解釋：結(jié)果表現(xiàn)和解釋是對(duì)數(shù)據(jù)提取發(fā)現(xiàn)模式的解釋和評(píng)價(jià)。

五、Scrapy框架在冷鏈物流信息中的應(yīng)用

本文以Python爬蟲框架Scrapy為出發(fā)點(diǎn)，利用數(shù)據(jù)挖掘技術(shù)，對(duì)中國物流信息網(wǎng)進(jìn)行抓取應(yīng)用，首先使用Scrapy框架定向爬取貨源信息列表、物流專線列表等數(shù)據(jù)，接著將抓取的數(shù)據(jù)保存txt、xlsx等格式，然后并對(duì)爬取的數(shù)據(jù)進(jìn)行分析，采用Jieba對(duì)數(shù)據(jù)進(jìn)行處理、并使用Pyecharts生成相應(yīng)可視化圖，得出一定范圍內(nèi)哪個(gè)省的物流專線最頻繁，以及運(yùn)輸重量需求排行榜等，接著通過對(duì)數(shù)據(jù)進(jìn)行分析和總結(jié)以便尋找冷鏈物流中車源、貨源、冷庫源、線路之間的關(guān)聯(lián)性，通過可視化技術(shù)對(duì)數(shù)據(jù)進(jìn)行呈現(xiàn)和解讀，以便更好地為冷鏈物流冷庫智能選擇提供數(shù)據(jù)支撐。

1.中國物流信息網(wǎng)網(wǎng)站介紹

爬取內(nèi)容前，首先要確定數(shù)據(jù)源并對(duì)數(shù)據(jù)源站點(diǎn)進(jìn)行結(jié)構(gòu)分析。本文爬取的是中國物流信息網(wǎng)網(wǎng)站如圖3所示，中國物流信息網(wǎng)（http：//www.china-wl.cn）是中國物流行業(yè)的專業(yè)門戶網(wǎng)站，網(wǎng)站以現(xiàn)代企業(yè)多樣化的商品流通需求為中心，以物流、運(yùn)輸各公司的網(wǎng)絡(luò)信息化為起點(diǎn)，系統(tǒng)地整合物流公司、運(yùn)輸車輛、流通信息等。網(wǎng)站包含了貨源信息、物流專線、車源信息等關(guān)鍵信息，這為后續(xù)數(shù)據(jù)挖掘提供了數(shù)據(jù)支持。

通過查看與中國物流信息網(wǎng)站點(diǎn)相對(duì)應(yīng)的頁面內(nèi)容，分析使用哪些標(biāo)簽來顯示諸如標(biāo)題和內(nèi)容之類的信息。本文主要爬取貨源信息列表、物流專線列表、物流車源信息等前期通過從瀏覽器（例如Chrome或Firefox）數(shù)據(jù)源站點(diǎn)獲取相關(guān)信息便于查找網(wǎng)頁地址。中國物流信息網(wǎng)站源碼信息如圖4所示。

2.數(shù)據(jù)可視化應(yīng)用

（1） 可視化意義

在本地下載網(wǎng)頁數(shù)據(jù)后，需要查找該數(shù)據(jù)背后隱藏的實(shí)際價(jià)值，分析從中國物流信息網(wǎng)獲取的數(shù)據(jù)，為以后冷鏈物流車的智能選擇提供科學(xué)依據(jù)?？梢暬鳛榻忉寯?shù)據(jù)最有效的手段之一，它以圖表和圖像的形式呈現(xiàn)分析結(jié)果，能夠讓人們?nèi)菀装l(fā)現(xiàn)數(shù)據(jù)背后隱藏的關(guān)聯(lián)性。

可視化是非常重要的環(huán)節(jié)，沒有進(jìn)行直觀分析的數(shù)據(jù)將難以使用。進(jìn)行可視化分析，數(shù)據(jù)可以更直觀，更強(qiáng)大，以便冷鏈物流后期的分析和決策。

（2） Pyecharts功能與操作

本文用于實(shí)現(xiàn)數(shù)據(jù)可視化的工具為Pyecharts，這是一個(gè)基于JavaScript技術(shù)的視覺庫，功能簡單運(yùn)行方便。Echars體系結(jié)構(gòu)分為兩部分：ZRender層和Echars層，其中封裝了圖形動(dòng)畫，渲染引擎和一些基本的用戶交互方法。Echars層包含特定的調(diào)用接口、視圖等，并且顯示數(shù)據(jù)方便，鼠標(biāo)懸停在圖形上方，可以顯示數(shù)值、標(biāo)簽等。

本文在Pycharm終端下輸入pip install pyechart命令，安裝Pyecharts并使用Pyecharts繪制物流專線省柱狀圖、貨源詞云圖、運(yùn)輸重量需求柱狀圖等png圖，同時(shí)也可以編寫物流專線車輛柱狀圖、運(yùn)輸重量需求柱狀圖、貨源詞云圖等html文件。

（3） 可視化圖分析

本文對(duì)爬取貨源信息列表、物流專線列表進(jìn)行可視化，以直方圖展示貨源信息列表、物流專線列表中的信息，各省物流專線還有運(yùn)輸重量排行榜等信息，可視化結(jié)果如圖5和圖6所示。

通過分析，從各省物流專線排行榜可以看出往返廣東省的物流專線最多，頻數(shù)達(dá)到了490次，其次是山東還有北京市，四川的物流專線最少。由此可見，物流專用線的頻率與經(jīng)濟(jì)、地區(qū)有一定的關(guān)系，這反映了東西部地區(qū)經(jīng)濟(jì)發(fā)展的不同。從運(yùn)輸重量需求排行榜來看，貨車司機(jī)運(yùn)輸?shù)呢浳飮崝?shù)在40噸的頻數(shù)最高，達(dá)到了778次，貨車司機(jī)更青睞于貨物運(yùn)輸噸數(shù)在15噸到35噸之間的運(yùn)輸方式，說明貨車司機(jī)在運(yùn)輸貨物噸數(shù)時(shí)會(huì)考慮其實(shí)際承載量，不傾向于拉載過重的貨物。

同時(shí)，為更直觀展示爬取的貨源信息列表、物流專線列表和車源信息列表等數(shù)據(jù)，以餅圖和圓環(huán)圖展示物流起始地址排行和物流車長度需求情況，可視化結(jié)果如圖7和圖8所示。通過分析，從物流起始地址排行榜可以看出，從沿海發(fā)達(dá)省份發(fā)貨的頻數(shù)較高，淄博次數(shù)最多達(dá)到619次，接著是濰坊還有廣東省部分市，而鄂爾多斯市的發(fā)貨次數(shù)最少。而從物流車長度需求圓環(huán)圖可以看出，物流車運(yùn)輸過程中長度為7.5米的頻數(shù)最高，達(dá)到1078次，接著就是9.6米和6.8米。這從側(cè)面反映出，物流專線發(fā)貨頻率與地區(qū)相關(guān)，物流車的長度需求與實(shí)際運(yùn)輸?shù)呢浳镉嘘P(guān)。

在可視化過程中，本文調(diào)用了Jieba庫來進(jìn)行數(shù)據(jù)分析，其中Jieba是用于區(qū)分中文單詞的第三方庫，中文文本需要通過分詞來獲得單個(gè)詞語，除了單詞分類外，用戶還可以添加自定義詞組。

同時(shí)，針對(duì)中國物流信息網(wǎng)中的信息特點(diǎn)，如爬取貨源信息列表、物流專線列表等制作詞云。在詞云中，詞云可以過濾掉大量低頻率、低質(zhì)量的文本信息。頻繁在文本中顯示關(guān)鍵字以理解文本主旨。如圖9為貨源詞云圖，詞云中顯示最多的是車、城市、貨物等，由此可以看出，在一定范圍內(nèi)車源、城市、還有貨物三者之間存在很大的關(guān)聯(lián)性。而冷鏈車在運(yùn)輸過程中，對(duì)配送的要求十分嚴(yán)格，因而對(duì)貨源、運(yùn)輸時(shí)間、運(yùn)輸容量等關(guān)鍵信息的把握要求精確。通過對(duì)中國物流信息網(wǎng)的抓取，以及對(duì)冷鏈物流中車源、貨源、冷庫源、線路等關(guān)聯(lián)性的數(shù)據(jù)挖掘與分析，并通過可視化技術(shù)對(duì)數(shù)據(jù)進(jìn)行呈現(xiàn)和解讀，以便更好地為冷庫或冷藏車或貨物的智能選擇提供數(shù)據(jù)支撐。

（4） 可視化系統(tǒng)設(shè)計(jì)

為直觀表示本文爬取中國物流信息網(wǎng)，以及爬取的貨源信息列表、物流專線列表、車源信息列表等數(shù)據(jù)信息和在此過程中生成的各省物流專線排行榜、運(yùn)輸重量需求排行榜、物流起始地址排行榜、物流車長度需求圓環(huán)圖、貨源詞云等可視化圖，采用JavaScript（JS）語言設(shè)計(jì)出可視化系統(tǒng)界面，JavaScript（JS）作為輕量級(jí)的高級(jí)編程語言，在網(wǎng)頁設(shè)計(jì)和開發(fā)中廣泛使用。

從中國物流信息網(wǎng)→提取貨源→物流專線→車源信息，這是本文的核心工作。本文利用數(shù)據(jù)挖掘技術(shù)對(duì)中國物流信息網(wǎng)數(shù)據(jù)信息進(jìn)行抓取，使用Scrapy爬蟲框架定向爬取貨源信息列表、物流專線列表等數(shù)據(jù)信息并獲得物流柱狀圖、提取貨源需求噸數(shù)、貨源詞云圖、物流貨源需求長度、物流起始地排行圖等可視化圖。通過可視化系統(tǒng)的設(shè)計(jì)，可以直觀地表示出整體可視化效果圖，同時(shí)更是對(duì)冷鏈物流信息數(shù)據(jù)挖掘與分析研究內(nèi)容的形象展示。

六、結(jié)語

隨著信息技術(shù)的發(fā)展，各類數(shù)據(jù)都在增加，如何有效地處理大量數(shù)據(jù)是當(dāng)今社會(huì)研究的重點(diǎn)和關(guān)鍵。數(shù)據(jù)挖掘與分析技術(shù)是一種信息處理技術(shù)，主要用于提取背后有價(jià)值的數(shù)據(jù)和信息。對(duì)于冷鏈物流來說，對(duì)數(shù)據(jù)有效分析和處理能夠使我們尋找冷鏈物流中車源、貨源、冷庫源、線路之間的關(guān)聯(lián)性，提高冷鏈物流運(yùn)輸、倉儲(chǔ)、流通加工、包裝、配送的效率，擴(kuò)大生鮮農(nóng)產(chǎn)品冷鏈物流經(jīng)濟(jì)效益，促進(jìn)農(nóng)業(yè)增效、農(nóng)村增綠和農(nóng)民增收，助力鄉(xiāng)村振興發(fā)展。

Scrapy作為一種出色的爬蟲框架得到了大量的應(yīng)用，本文對(duì)此進(jìn)行了研究，本文主要介紹了如何在Python語言下使用Scrapy，并通過編寫爬蟲代碼來爬取網(wǎng)站獲得數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為相應(yīng)格式的文件，這為后面的數(shù)據(jù)分析項(xiàng)目提供數(shù)據(jù)支撐。此外，針對(duì)中國物流信息網(wǎng)進(jìn)行實(shí)踐應(yīng)用，爬取貨源信息列表、物流專線列表、車源信息列表中的信息，并使用數(shù)據(jù)處理和繪圖模塊分析爬取的數(shù)據(jù)。以直方圖顯示貨物來源信息列表和物流專線列表信息，并使用可視化技術(shù)顯示和解碼數(shù)據(jù)以存儲(chǔ)在冷藏庫中，通過可視化技術(shù)對(duì)數(shù)據(jù)進(jìn)行呈現(xiàn)和解讀，以便能更好地為冷鏈物流冷庫智能選擇提供數(shù)據(jù)支撐。

參考文獻(xiàn)：

[1]崔忠付.點(diǎn)面結(jié)合? 精準(zhǔn)施策? 邁向“十四五”新征程——解讀《“十四五”冷鏈物流發(fā)展規(guī)劃》[J].中國物流與采購，2022（01）：24-26.

[2]Javier Arturo Orjuela-Castroa.Coupling facility location models in the supply chain of perishable fruits[J].Research in Transportation Business&Management 2017，（24）：73-80.

[3]Engel V J L，Supangkat S H.Context-aware inference model for cold-chain logisticsmonitoring[C]//International Conference on ICT for Smart Society.IEEE，2015：192-196.

[4]王娟.基于區(qū)塊鏈技術(shù)的冷鏈物流信息化建設(shè)初探[J].大眾標(biāo)準(zhǔn)化，2021（24）：43-45.

[5]寧靜.食品冷鏈物流斷鏈形成機(jī)理及干預(yù)機(jī)制研究[D].長江大學(xué)，2014.

[6]王亮，左文濤.大數(shù)據(jù)收集與分析中Python編程語言運(yùn)用研究[J].計(jì)算機(jī)產(chǎn)品與流通，2020（01）：23.

[7]Pippa Raffaella.Data mining analysis of the PP2A cell cycle axis in mesothelioma patients.[J].Journal of cellular physiology，2019.

[8]李雪.基于數(shù)據(jù)挖掘的數(shù)據(jù)聚類分析研究[J].安陽師范學(xué)院學(xué)報(bào)，2019（05）：26-30.

作者簡介：萬玉龍（1976- ），男，江蘇高郵人，中國礦業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，博士研究生，江蘇電子信息職業(yè)學(xué)院商學(xué)院，副教授，研究方向：冷鏈物流管理與工程;顧峰（1978- ），男，江蘇淮安人，博士，江蘇電子信息職業(yè)學(xué)院商學(xué)院，講師，研究方向：物流信息技術(shù);馮煒雯（1985- ），女，江蘇盱眙人，碩士，江蘇電子信息職業(yè)學(xué)院商學(xué)院，講師，研究方向：電子商務(wù)等;李華洋（2000- ），男，江蘇高郵人，江蘇電子信息職業(yè)學(xué)院，2020級(jí)電子信息技術(shù)專業(yè)學(xué)生