云计算技术的优势汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇云计算技术的优势范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

科学技术飞速发展，信息技术进步成为现如今时代的重要话题，图书馆发展紧随得到了越来越多的关注，而计算机云技术的推出，更是为图书馆有序、健康发展创造了良好的契机。

1 计算机云技术

计算机云技术，即云计算（Cloud Computing），指的是一种分布式计算技术，其最基本的概念，是经由网络把庞大的计算处理程序自动分拆成海量的相对小的子程序，再通过一系列服务器对应构成的大型系统通过检索、计算，从而向用户提供最终处理结果。借助计算机云技术，网络服务提供人员可在极短时间之内，实现对海量信息的处理，提供类似超级计算机一般强大效能的网络服务。

2 计算机云技术在高校图书馆中的优势

计算机云技术在高校图书馆中的应用存在多方面的优势，具体表现为：

2.1 安全可靠

计算机云技术在高校图书馆中的应用，为数据存储问题提供了极大的安全保障。计算机云技术经由“云”的一端为用户提供安全可靠的数据存储，经对计算机云技术的应用，用户无需再担心病毒入侵、数据丢失等问题。此外，凭借严密的权限管理，还有助于实现用户相互的数据共享。

2.2 存储数据可实现资源共享

计算机云技术在高校图书馆中的应用，把图书馆中的图书数据存储于“云”的一端，通过使终端与网络连接，便能够达成对这一部分数据信息的同时访问或者使用，进而有效实现不同设备相互的资源共享功能。

3 云计算技术在高校图书馆中的应用

3.1 Iaas层次的应用

3.1.1 建立高校图书馆私有云

建立高校图书馆私有云指的是借助虚拟机技术，对图书馆已经存在的或最新购置的IT设备进行整合，以产生IT设备资源地。把图书馆现存或新购置的一系列异构存储设备转化为云存储，借助云平台管理软件对相关资源进行统一调度、划分，为图书馆各式各样应用提供使用。

3.1.2 将图书馆应用部署至高校自身信息中心

此类方式是把图书馆各项应用均部署至高校自身信息中心的云端，即为高校图书馆的私有云。将图书馆内所有的服务器及存储物理设备消除掉，仅留存下客户端及网络设备。各项应用均是对高校信息中心服务器资源池、存储资源池的使用，图书馆结合每一应用具体需求对计算使用量进行申请。该类技术应用手段的优势在于：a.可有效降低高校图书馆对服务器、物理存储设备的运行维护成本，改善基础设施使用效率；b.防止产生高校对图书馆IT设备资金投入缺失的问题；c.强化图书馆信息资源服务可靠保障，防止出现受IT设备老化影响造成图书馆信息资源服务断线问题。

3.2 SaaS层次的应用

SaaS层次的应用是基于Internet来提供软件服务的。生产商把软件安置自身服务器上，用户经由网络定制自身需求的软件，并根据买入服务多少、使用时间来计费。用户无需再专门购置软件，且不需要对软件进行维护，此部分工作均通过服务商来展开。服务商为用户提供网络应用的一并，还可向用户提供用户提供本地数据存储及离线操作等服务。就好比北京某科技公司，基于广域性网络化运行环境设立起智能化的信息交互平台，推出的“中国专业图书馆网――基于WEB的集群图书馆管理系统”有效实现了图书馆用户的全自动化业务管理。

3.3 综合层次的应用

3.3.1 图书馆私有云

借助CALIS本地平台，使高校图书馆快速建立自身数字图书馆云平台，符合与相关应用系统链接要求。这一本地云平台能够安装于IaaS/HaaS/PaaS上，同时可部分安装于远程公共PaaS/HaaS/IaaS上。此部分图书馆云平台可对CALIS提供一系列服务进行集成、获取。此外，图书馆私有云还可对一些服务进行开放，促进每一馆相互的资源、服务的集成与共享。

3.3.2 图书馆公共云

借助CALIS公共服务平台PaaS、SaaS服务平台，CALIS每一信息中心均可很好地建立起高校数字图书馆公有云。此部分公共云一方面能够于CALIS自身云计算信息中心IssS/PaaS中架构，一方面能够把一些应用置于性格云计算信息中心提供的远程HaaS上。

4 计算机云技术在高校图书馆中的发展趋势

在知识经济时代，各所高校的图书馆中，在计算机云技术的有效支持下，自动化管理系统转变成了标准的数据信息系统。然而，此类数据仅仅可在本行业内开展实用，无法为以外的行业所浏览、使用，如此便造成图书馆同其他行业相互产生一道壁垒，数据信息共享面临极大的挑战。

鉴于此，就高校图书馆管理者而言，为了提升图书馆自身数据信息使用效率，应当研究制定出一套图书馆自身数据信息同国家、全球图书馆的数据交流计划，促进计算机云技术有效应用的同时，还可有效共享全球范围内的图书馆数据资源。

5 结束语

总而言之，经对云计算技术的有效应用，将在各所高校图书馆相互建立起一个共享的“云端”，促进高校图书馆用户服务模式的全面改革，给雷服务计算模式变换势必影响着高校图书馆一系列要素的转变，其中各方面有点必将对高校图书馆形成深远的影响。在不久的将来，计算机云技术的日趋成熟，定将进一步促进高校图书馆有序、健康发展。

参考文献

[1]孙涛，乔志和，李娟.虚拟云技术在计算机实验室建设管理中的应用[J].大庆师范学院学报，2013，（03）：139-141.

[2]陈征.云计算在高校图书馆中的应用[J].湖北经济学院学报（人文社会科学版），2015，12（01）：159-160，206.

[3]闫文轩，潘黎明.云计算在高校数字图书馆中的应用[J].武汉纺织大学学报，2012，25（03）：72-74.

[4]Li Xia.Research on the CRM-based Mode of individlized information service in the university library[J].Journal of Modern information，2009，（11）：162-163.

[5]王长，艾，姚建文.云计算环境下数字图书馆信息资源安全策略研究[J].情报杂志，2010，（3）：184-186，161.

作者简介

篇（2）

中图分类号：TE319 文献标识码：A 文章编号：1671-7597（2013）22-0106-01

1 什么是云计算

云计算技术的实质是将网络中的各种软硬件资源进行集合，并对资源进行统一管理和分配，协同合作完成用户提出的需求与业务，其关键技术包括以下几个方面。

1）虚拟机技术。

虚拟机技术就是将服务器进行虚拟化，将多个虚拟服务器当成一个服务器，集合多个服务器的资源，统一进行分配和管理，以实现对数据的处理和运算。

2）数据存储技术。

云计算的存储技术是利用分布式系统、计算机集群的原理，整合网络中数量庞大的各种类型的存储设备，通过软件集合的方式共同工作，达到向外部提供业务访问和数据存储的功能。目前数据存储技术主要有Google的GFS（Google File System，非开源）以及HDFS（Hadoop Distributed File System，开源），目前这两种技术已经成为事实标准。

3）并行计算。

并行计算是指利用大量的计算资源同时执行多个计算过程来解决计算问题，可以有效的提高计算效率与处理速度。并行计算的运行原理是将一个大的问题化整为零，分成多个小的问题，分别对这些问题计算处理，最后将计算完成的结果进行整合处理，返还给用户。

2 我国石油工业发展现状与趋势分析

随着国际石油行业的发展，国内石油企业开始意识到信息化在企业发展中的重要性。我国的石油行业目前正在由传统模式向信息化、数字化进行转变。信息化的企业可以为企业管理者提供更多的资源，更高效的管理模式。

企业信息化需要重点解决以下问题。

1）信息检索花费大量时间。

缺少统一的信息共享策划，目前阶段在企事业单位内，信息的传输和利用效率还比较低。例如生产设施的科研资料、设计资料不能有效传递到生产运营阶段，很多设计和施工阶段的资料都存放在档案馆，造成生产运行和维护阶段没有准确资料进行设备维护，另外已建生产系统设施运行的生产经验也无法传递到的设计阶段。经过数年的实践证明，信息资源共享可以有效的提高企业的生产效率，就国际石油企业的发展看，信息技术的应用增强了企业各部门的协同工作，加快了企业对市场的反应能力。

2）需要全生命周期的生产设施管理。

项目的科研、设计、施工、试运行、生产运行、运行维护各阶段之间资料不能有效传递，造成设计的资料在生产阶段无法利用。在运行维护阶段缺少准确的资料维护设备。

3）缺少行业信息化建设标准。

石油行业中各级企业的地理信息资源分布一般比较分散，油田勘探开发、炼油生产、化工生产、产品销售、工程设计、工程建设等部门都有各自的信息管理系统，多个系统的功能重叠，企事业单位之间无法顺利的共享信息资源，导致了系统的重复建设。

4）信息展示不直观。

信息展示没有空间信息和图形作为载体，显得空洞、乏味，不够直观。

3 云计算技术在石油行业的应用

3.1 构建统一的“数字油田”地理空间框架数据库

建设统一的基础地理数据库，包括各级比例尺的二维矢量数据库、影像数据库、三维基础地理数据库等。

3.2 制定“数字油田”建设参考标准

制定石油企业地理信息标准和生产设施数字化参考标准，为“数字油田”的基础数据采集、交换、共享、服务提供实施基础。

3.3 研制“数字油田”相关模型，探索“数字油田”建设流程

分析研究石油生产设施全生命周期中各阶段的特点，在统一的地理信息框空间架上使用数字化技术深化描述石油生产设施科研、设计、施工、运行、维护和改造的过程，分别建立生产设施设计模型、工程建设管理模型、生产营运模型、维护与改造模型等，同时探索“数字油田”建设流程，进而实现石油行业板块之间的信息资源的有序流动，节约投资，延长生产设施的寿命提高投资回报率。

3.4 整合各类专业信息资源，建立“数字油田”综合资源库

通过生产设施数字化建模，收集整理生产设施各类设计、施工和改造的基础数据，建立各类专业地理数据库，与基础地理数据库共同组成“数字油田”综合资源库，为生产设施全生命周期管理提供基础。实施过程中不断完善各类生产设施基础信息收集、整理、数字化建模、入库流程和方法。

3.5 建设“数字油田”典型生产营运指挥应用

充分利用“数字油田”综合资源库的建设成果，与生产实际工作需求紧密结合，选择数字化基础好的板块建设生产营运典型应用，为全面建设集团化生产营运指挥平台积累实施经验。

3.6 试点实施“数字油田”

在石油上中下游选择规模较大，基础条件较好的企业，建立总部和企业两级分布式平台，利用“云技术、云存储”技术，实现集团内总部和企业对基础信息和运营动态的数据共享，促进石油行业的生产设计、施工、运行指挥、维护等流程改造，促进石油企业管理方式的变革。

4 结论

通过云计算技术使得在互联网中可以自由的交换各种资源，比如硬件、软件、硬件、平台等。云计算具有虚拟化、通用性、超大规模、高可靠性等诸多特点。云计算虽然是新兴的技术，出现的时间不长，单却给信息界带来了巨大的改变。虽然有了云计算后，使得人们感受到了它的方便和高效，但是这项技术也对安全提出了更高的要求。作为云计算技术的受益者，只有清楚的认识到它在提供便捷的服务的同时所隐含的安全风险，并且针对这些风险和安全问题进行有效的规避、解决，才能充分发挥云计算的优势，使其为我们创造更多的效益。

参考文献

[1]刘鹏.云计算（第2版）[M].电子工业出版社，2011.

[2]吴朱华.云计算核心技术剖析[M].人民邮电出版社，2011.

篇（3）

1 计算机模拟系统在钻井工作中的应用

1.1 钻井概述

所谓钻井就是在油田开采之前，选择相应的地表位置进行向上或一侧的打孔，直至到油层的位置。根据对钻井的目的分类大致可分为区域普查井、探井、开发井以及特殊用途井等；根据钻井的钻入角度的不同，可以大致分为直井、定向井、水平井等；根据对钻井的钻入深度不同进行分类大致可分为浅井、深井、中深井、超深井以及特超深井等。

1.2 钻井的发展史

钻井最开始时期是人们想获得地下的盐，以供人们生活所使用，在偶然的情况下获得了地下的石油，为此人们也将利用钻井的形式来获取地下更多的石油，这也是我国石油工程中的第一口油井。在1521年之前钻井的方法都是采用人工掘井的方式，从这以后才研制出人力冲击钻的钻井方法，一直到1859年科技不停的发展，也研制出我国第一台冲钻机械，到现今为止，钻井发展中经历了旋转钻、自动化冲钻机械等一直到当今油田工程中所使用的计算机模拟系统的钻井方法，为石油工程的发展创造出更有利的条件。

1.3 影响钻井的主要因素

在钻进下钻的过程中，会出现很多因素影响下钻的工作效率，大致可分为可控制因素和不可控制因素，每一种影响钻井的因素都可能决定钻井的成功与否。可控制因素，主要是指通过一些手段和技术能对其控制的因素，比如，在钻井中使用的钻头类型、下钻钻压、器械的转速、泵机的压力、以及地表机泵的设备等；不可控制因素，主要是只客观存在的通过设备和技术无法改变的因素，例如，储油层的深度、所钻地层的可钻性、所钻地层的压力、所钻地层的岩性以及研磨性等。钻井的成功率是石油企业重点关注的问题，为了能提高钻井的成功率就需要对可控制的因素进行不断的优化，而优化的基本策略要根据钻井中所涉及到的可研性、地应力、岩性等进行相关的优化，尤其是对所钻地层的参数，这将决定在钻井过程是否能精确的达到相应的油层位置。

1.4 计算机模拟系统在钻井中的应用

利用传统的钻井方式在钻井的过程中，对所钻位置的地质情况、深度等没有较好的数据分析，就算是有合理的管理制度，有效的指挥措施，但是在不知情的情况下进行钻井，也会对钻井的效益产生一定的影响，岩层地质的复杂性是无法想象的，因此，要运用钻进技术和优化钻进的手段来提高钻进的工作效率。通过对多方面的优化研究表明，利用计算机模拟系统将其应用到钻井工作中会为钻井工作带来很大的帮助，尤其是对不可控制因素的了解更明显。计算机模拟系统主要针对钻井施工所在地的地质情况分析；施工方案的模拟；注水泥设计的模拟；对下钻工具的力度掌控；对实际井眼偏离设计井眼轨道的修正；对钻井控制的模拟；对所钻地质的倒向控制；对钻头和其他器械的选择和参数上的配置；钻井模拟教学等。

2 计算机油藏模拟技术的应用

随着社会科技的不断进步，油田行业的发展也在不断的加速，同时在油田开发和勘探方面的费用也越来越高，不仅需要掌握油田开发地质的各种参数数据，还要根据不同的地质特征来制定相关的分布图的模型，尤其是油藏的位置模型非常重要，要采用相关的油藏技术对其进行三维空间定量的研究，才能有效的描述油藏的位置，进而制作模型。所谓油藏技术，就是对油藏的流体、沉积、构造等特征进行三维油藏地质的模拟。因此，油藏技术可以说是在油田开采行业中占有非常重要的地位，促进油田行业的发展，还需要从优化油藏技术的角度出发。根据当今形式的发展，我国将计算机技术与油藏技术相互结合的使用称为计算机油藏模拟技术，更进一步优化油藏技术，为油田行业做出巨大的贡献。其中利用计算机油藏模拟技术制作较为常用的模型有黑油模型、裂缝模型、组份模型、蒸汽驱模型、化学驱模型等。

2.1 黑油模型

黑油模型被油田行业广泛的应用，其中在砂岩油气田的开发中经常用到，黑油模型由三组份形成的三维三相模型，其中三组份主要包括水、气、油等三部分组成。根据当今的发展趋势，传统的开发方案已经不足以满足现在油田开发的需求，尤其是对油田新区的开发，需要对开放方案进行处理和优化，而通过计算机模拟技术开发的黑油模型能有效的满足当今油田开发的需求，在油田新区的开发中得到广泛的应用，另外黑油模型还可利用到油田老区，用来确定油田老区开采之后剩余油资源的分布，进而达到增加油产量，提高油田开发的效果。除此之外，黑油模型还在地下水层储气等油矿方面得到广泛的应用。根据它的使用情况可以推断出，黑油模型不仅是油藏模拟技术中使用的最广泛的模型，同时它还是其他油矿开采模型发展的基础，在油田行业中的应用极大。

2.2 裂缝模型

油气藏的种类多种多样，裂缝油气藏的开采是比较多的，根据名字大概可以分析出存在裂缝之间的油气藏。事实就是如此，裂缝性油气藏是由渗透性比较强的自然裂缝和岩层延性紧密的基质岩块组成的，由此可以看出，这类油气藏的开采相对比较困难一些，并不是由单一性质的孔隙介质组成的油气藏，对于此类油田的开采措施也做了相应的优化策略。根据计算机模拟技术的应用，针对这类裂缝油气藏的开采建立了裂缝模型的开采模式，裂缝模型主要是采用双重介质渗流的开采模式，对于这样特殊的油气藏模拟来说是非常有效的。主要应用于华北、四川等地，根据我国的油气藏分布情况来看，大多数的裂缝性油气藏都处在华北、四川等一带。较为常见的裂缝油气藏主要由花岗岩、石灰岩、变质岩等物质构成。

2.3 组份模型

随着计算机技术的不断发展，在石油工程中应用的计算机模拟技术也针对各种不同的油气藏制定相应的模拟技术。尤其是在针对开采难度较大轻质油藏、凝析油气藏以及挥发性较强的油气藏等，由于这些油气藏的油质极其的不稳定，甚至会出现物化反应的情况。因此，针对这种不稳定的油气藏仅仅采用以上的模拟方式是无法来完成的，在利用油、水、气等采用多孔介质来描述流体流动的情况的基础上，还需要对油气相中的烃类成分瞬间相变的程度做以了解，这种模拟技术的形式又叫组份模型。组份模型主要应用范围在带油环和低水的凝析油气藏以及纯凝气藏等开采难度比较困难的油气藏中。组份模型在计算机模拟技术的研究领域中是比较复杂的一项研究，模拟研究内容主要包括干气、氮气、二氧化碳等气体注入以及循环注气开采、衰竭开采等方向的研究，通过多项的研究可以解决在油气藏开采中遇到的相关问题，比如：对类型的准确判断性、开采方式的选择合理性、对流体的评介、地面分离工艺、确定开工程序、最后开采的收益情况估计等多种的分析以及相关的解决方式，对于油气藏开采工程师来说，这无疑是给予他们最有力的依据，并做出正确的开采方针。从此看来，计算机模拟技术为石油工程领域做出了重大的贡献，充分促进了石油工业的发展。

2.4 蒸汽驱模型

在多种多样的油气藏中，其中有一种油气藏是非常特殊的，稠油油田的油气藏中的油质粘稠度是非常大的，有些油气藏的油质稠度甚至不会出现流动，对于这类的油气藏开采是十分复杂而麻烦的，而且，最重要的是不能充分的对这类油气藏进行开采。据统计，我国所有油田的油气藏中有10%的油气藏属于这种稠油型的油气藏，对于这种稠油油田的开采如果继续使用常规的办法的话，会非常浪费资源、人力以及物力，而且还不能有效的进行开采，比正常开采的利润要降低的很多，依靠注水和天然的能量来开发这种类型的油田根本得不到多大的利润。稠油油田的开采已经被国家列为重点关注的问题，为此做出了相应的研究成果。利用蒸汽驱的热力学原理和蒸馏的作用，来对这种油质稠度较大的油气藏进行开发，实现降低油气藏油质的稠度，提高油质的流动性，进而达到油田开采高利润的目的，这种方式名为蒸汽驱模型。很明显通过计算机模拟技术研制的蒸汽驱模型的利用，在稠油油田开采中取得了很大的成就。蒸汽驱模型的原理是在采用方法上除了采用一般油田注热水的方法外，还采用蒸汽驱和蒸汽吞吐的方法来实现降低油质的稠度。蒸汽吞吐主要是应用在油质稠度较大但还达不到没有流动性程度的油气藏开采中，应用很广泛，而蒸汽驱的应用则是继蒸汽吞吐更深一层的工作，主要应用在油质稠度特别大，甚至失去流动性的油气藏的开采中。就使用程度上来说，蒸汽驱的使用条件要高于蒸汽吞吐的使用条件，在使用蒸汽驱的过程中，要求油气藏的埋藏深度不得过深，而且油气藏的厚度要保证在10米以下，要保证在开采位置的泥岩夹层较少的地方进行工作，否则将会对蒸汽驱造成一定的影响。因此，这也是蒸汽驱由于要求过高很少进行实地试验的原因。另外，蒸汽驱模型的应用还可对油田开采中蒸汽吞吐的效果进行预测以及对蒸汽吞吐设计最佳的吞吐周期。因此，蒸汽驱模型的采用，大大促进了石油工业的发展，为油田工业创造了更多的利润。

2.5 化学驱模型

在石油工程中，采油量与产业利益有着直接联系，如何在原有的方式上增加产油量是我国石油工程中重点研究的课题。终于不负众望，在经过长时间的实验和研究之后，通过利用化学的原理达到在原有的程度上增加油产量，名为化学驱模型。化学驱模型主要是通过对注入水中加入一些化学溶剂，目的是为了降低地下相互之间的界面张力，由于在油气藏中有很多部分的原油都会由于界面张力的作用，使这些原油无法被开采出来，而化学驱模型可以解决这个问题，降低地表下相应的界面张力，使得在地下被束缚的原油有重新的流动被开采出来，直接增加了原油的采收率，这也是通过矿场实地试验以及试验室模拟实验充分证实的，是能有效增加原油产量的一种重要方法。但是，在使用化学驱模型的过程中还需要注意最关键的环节，就是对化学溶剂的调制，要根据不同油田的不同特点进行调制，化学溶剂的调制要根据计算机模拟技术中所提供的相关参数进行计算，如：液相粘度、渗透率、原油的饱和度等相关的计算，同时要结合地下的界面张力进行分析，这个计算过程是比较繁琐的，而后达成的目的就是要控制驱替相与被驱替相两者之间界面张力的变化，同时还需要注意在通过化学溶剂实现到较小的张力之后所存在的岩石之间相互吸附的问题。

根据现今石油工程开采的情况分析，很多油气藏在开采的过程中的吸附过程都会对聚合物或活性剂造成一定的损耗，在此同时也降低了段塞驱替该有的效果，而且还增加了驱动水带的推进速度直接超过段塞的推进速度，这种情况之下极有可能出现驱动水超越的现象，这对油气藏开采也会造成一定的影响。据统计，我国石油工程开采中，只有极少一部分油气藏在采用这种方式进行开采，其主要是因为化学驱模型的驱替过程比较繁琐复杂，而且由于很多油气藏开采工作都受到技术和经济的限制，使得化学驱模型很少被应用，而大多的研究成果都是从实验室和理论研究上得来的。但是，可以断定的是化学驱模型确实能有效的帮助油田工程解决两大难题。一，可以利用化学驱模型对开采碱水驱、微乳液驱、聚合物驱、活性水驱等相关的过程进行模拟，预测相关因素的开采条件，优化相应的开采工作，从而达到提高开采效率的目的，是作为开采方案设计的有力依据；二，对油气藏开采中使用的驱油机的相关因素进行了解，如，压力的分布情况、驱油的特性、饱和度的分布情况等都是与驱油机息息相关的因素，了解这些才能掌握驱油机的整个驱油过程，进而促进石油工程的良好进行。

3 结束语

本文针对于计算机模拟技术在石油工程中的运用进行了具体的分析和研究，通过本文的探讨，我们了解到，通过有效的运用计算机模拟技术，能够解决石油工程中的很多难题，能够节省大量的时间，并且有助于促进石油开采的效率，使石油企业能够获得更大的经济效益，促进石油企业的长远发展，进而推动我国社会经济的长远发展。

参考文献

[1]高兴坤,孙正义,李红宣.计算机模拟技术在钻井工程中的应用及展望[J].石油钻探技术,2007(05).

[2]李春雨.计算机在石油工程地质中的应用[J]. 石油工业计算机应用,2006(02).

[3]张天雷,曹邦功,王卫平,蒋多元.计算机系统资源管理在石油勘探领域中的应用[J]. 勘探地球物理进展,2008(06).

作者简介

篇（4）

1、云计算概述

云计算是近几年来最热门的互联网词汇之一。自从1983年由Sun Microsystems公司提出“网络是电脑”的概念，到2006年亚马逊推出弹性计算云（Elastic Compute Cloud，EC2）的服务，云计算的理念逐步从抽象走向具体。2006年8月9日，Google公司首席执行官埃里克·施密特在搜索引擎大会（SESSan Jose 2006）首次提出“云计算”（Cloud Computing）的概念，这标志着云计算正式登上信息技术领域的舞台。

宏观上来看，云计算是有效整合计算资源的新型业务模式，它是基础的服务器虚拟化技术和基础架构即服务（IaaS，Infrastructure as a Service）两者的结合。其本质是使某一个或多个数据中心的计算资源虚拟化并进行整合封装，以租用资源的方式向上层提供各种方式的服务。简单来说，就是将位于不同地点的计算资源在后台整合起来，统一为某一需求或应用进行服务。

云计算的优势主要体现在，按需采用“即用即付费”的方式分配计算、存储和带宽资源，使资源实现合理分配与利用；动态扩展功能和部署新服务的高可扩展性，决定云计算拥有十分广阔的应用前景；各类资源的高利用率等。同时，云计算还集成了并行计算的良好特性：分布式计算中任务分解、分别执行、结果汇总的计算模式；网格计算中将地理上分布、系统异构的多种计算资源互连协同解决大型应用问题的作业模式；对等计算中计算资源的组织和发现方式；公用计算中将聚合计算资源封装成公共服务的资源高用率使用模式；虚拟计算环境iVCE下用户将富余资源按需聚合和自主协同的思想。

云计算服务包含三个层次：由底层硬件或虚拟机资源构建的基础设施即服务（IaaS）、构建在云基础设施上，主要用来开发各种云计算应用软件平台即服务（Paas）和基于云平台开发的各类应用服务的软件即服务（saaS）。

2、云数据库

2.1 云数据库概述

云数据库（Cloud DB），是一个面向云计算的数据库资源管理平台，旨在通过云计算的方式整合现有的大量位于Internet后台的数据库资源，为云计算应用的基础结构级别的数据库资源访问、发现、整合等多方面问题提供通用的解决方案。

目前，云数据库的研究工作在国内正处于起步阶段。Google、Microsoft、百度、新浪、腾讯、盛大等众多拥有丰富数据资源或计算实力的信息技术企业正走在云计算大潮的前列。各大云计算平台服务商都在急速提升平台优势，拓宽合作层面，因此各企业利用现有的的云平台进行数据计算和处理，推出创新服务，是企业和平台供应商的共赢之道。

2.2 云数据库的优势

从云数据库的实现原理来看，云计算采用分布式存储的方式来存储数据，采用冗余存储的方式来保证存储数据的可靠性。另外，云计算系统需要同时满足大量用户的需求，并行地为大量用户提供服务。因此，云计算的数据存储技术必须拥有高吞吐和高传输的特点。1，数据管理技术必须能够高效的管理大数据集，同时必须在规模巨大的数据中找到特定的数据。云计算的特点是对海量的数据存储、读取后进行大量的分析，数据的读操作频率远大于数据的更新频率，云中的数据管理是一种读优化的数据管理。同时在云后台，云安全的各种措施与应用对于保障云数据库的安全性方面提供了可靠保证。

在应用层面来看，云计算较目前比较常用的关系数据库在性能上存在很大的优势。首先，云数据库本质上大多是非事务的，并且牺牲了一些高级查询能力以换取更好的性能。另一方面，云数据库通常又是非关系的，因此，云数据库的使用上忽略了许多的规则。例如JOIN操作，这一操作在当数据分散到不同机器上的时候会占用较长时间，因此不适合云计算分布式的底层设计。

3、云数据库在企业中的应用

将云数据库应用到企业的管理系统中，在很多问题上都能给出较好的解决方案，如将云计算的理念引入数据库系统、基于云计算的平台与设施在数据库管理系统中的应用问题、数据库管理系统对云计算的质量与性能要求即评价问题、云环境下数据库资源的安全与保密问题等。首先，基于云计算的系统能够节约计算机、网络交换器等硬件设备的购买和维护成本。同时可以为企业提供相对经济的应用软件服务。

典型的云数据库管理系统一般分为两部分：一部分为服务端，另一部分为客户端。服务端主要是企业基于云数据库搭建的信息管理系统，一般架设在企业的服务器或大型主机，由企业相关部门统一管理。客户端主要应用于各办公室，办公人员通过该客户端进行登陆并发出应用请求，通过网络发至服务端，充分发挥了云数据库的高可靠性、便捷易用性及超大规模等特点。

4、云数据库在企业应用的优势

作为一种能够减少企业成本和提升IT灵活性的有效途径，云计算最近得到了更多企业的关注和长足发展的动力。

4.1 降低企业运营成本

IBM全球高效能随需解决方案副总裁赵维义指出，云计算环境可节省为企业降低营运成本，又具备企业营运所需要的安全性及创新服务。云计算可以实现多任务同时进行而不影响效率，因此提供的云服务可以同时由成千上万的客户端存取，这在很大程度上能够降低企业的运营成本。

4.2 影响企业的三大因素

云计算在众多领域中都能发挥重要作用，这些领域包括企业内部产品的试验、创新、虚拟世界、电子商务、社交网络和科学研究。云计算从深度和广大方面都极大地影响着企业的发展。

篇（5）

中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)04-0837-01

列车运行图和行车时刻表是设计列车运营调度的基础，对铁路集团的运输服务水平、运营收入和车辆的周转效率起着重要的作用。

1 实验内容

在列车的行驶过程中，希望列车在叉道口的等待时间最小，但应同时兼顾乘客的利益和铁路集团的收入。因此，考虑在路口平均等待时间、路口无等待通过率和旅行时间为评价指标时对行车时刻表建立优化分析模型。如铁路全长395km，共有站台13座，叉道路口21个，发车时间为7：00到19：00，单车载额1800人，平均票价20元。线路最小发车间隔90分钟，最大发车间隔180分钟；低峰满载率50%，高峰满载率80%；最小乘客候车时间指标0.7，最小满载率指标0.5，最小企业运营收入指标0.6，叉道口等待时间指标期望值0.8，建立该铁路上的列车优化模型。

2 实验实施的条件（所需场地、设备、实验耗材等）

实验硬件部分包括：各种计算机、服务器、打印机、投影仪等和各种网络设备，并构成网络环境。软件部分包括：网络和系统软件、数学实验软件平台、各种实验辅助工具。

数学实验软件平台由若干种数学软件组成，它提供各种强大运算、统计、分析、求解、作图等功能，是实验室的主要组成部分。其中，MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分；Mathematica系统是美国Wolfram研究公司开发的一个功能强大的计算机数学系统。它提供了范围广泛的数学计算功能，支持在各个领域工作的人们做科学研究和过程中的各种计算。它的主要使用者包括从事各种理论工作（数学、物理、…）的科学工作者，从事实际工作的工程技术人员，高等、中等学校教师和学生等。这个系统可以帮助人们解决各种领域里的涉及比较复杂的符号计算和数值计算的理论和实际问题。

3 实验步骤

数学模型是从现实原型中抽象出来的，它依赖于现实原型。因此，首先应当了解和熟悉现实原型，掌握并积累有关的资料和数据，在此基础上才有可能对客体事物的特征、关系及变化规律作出客观的推断、并确定其数学模型的类型。所以实验内容的第一步是掌握实际问题的背景与有关的资料数据，收集某些列车的票价、营运收入、满载率、经过站台数和叉道路口等数据。

建立数学模型，要从实际问题的特定关系与具体要求出发，根据有关的科学理论选择起关键作用的变量和常量，并区分出重要的和次要的、必须考虑的和可以忽略不计的因素。这就是说，要抓住问题的本质特征，考察主要因素的数量关系，从而提出假设。从第一步收集的数据资料进行分析，抓住问题的本质特征，进行化简并提出假设，如假设票价采用平均票价，而且为一定值，不随营运季节的改变而改变。

对事物对象及对象之间量的关系都要进行抽象，并用数学概念、符号、表达式等去刻划事物对象及其关系，构成数学模型。如果现有的数学工具不够用，就要根据实际情况建立新的数学理论和方法来构造数学模型。对第一步收集的数据资料进行分析，进行数学抽象，建立相应的列车运营调度的优化模型。

篇（6）

中图分类号：E8文献标识码：A文章编号：1006-4311（2012）04-0319-030引言

后勤保障过程中的军事运输行为，需要实现军事效益与经济效益的统一[2]，战场情况复杂多变，实现军事效益要求在规定运输时间内，找到最大置信水平的运输路径；实现经济效益则要求在规定运输费用内，找到最大置信水平的运输路径。此外，现代战争中的交通运输包括众多运输方式的组合，多式联运是指采用两种或者两种以上的运输方式，把物资从起始地运送到目的地。因此，研究多式联运的运输路径优化更加贴近于实际，也更有意义。

笔者基于多式联运，考虑当各路段通行时间和物资中转时间为随机变量时，在给定的时间和费用指标约束下，建立时间和费用的最大置信水平的多目标优化模型。

1战时交通运输路径优化模型

1.1 路网建立根据战时的军事运输任务，建立从运输起点到终点的网络图G=（V,A,D,T1,T2,K），其中：V代表节点集，设节点总数共计n个，节点序号采用自然数序列编码，起点编为“1"，终点编为“n”，即节点的总个数，A代表弧的集合，即路段集合，D代表各路段的距离集合，d■■∈D，表示路段（i，j）之间第k种运输方式的距离，T1代表各路段的时间权集，T2代表运输方式转换时间权集，K表示运输方式集合（公路、铁路、航空等）。

在战时的军事运输中，必须考虑必经点和禁止点、必经路段和禁止路段问题。对于禁止点和禁止路段的处理，在赋权图中可将与禁止点和禁止路段相连的路段以及自身从网络图中删除，因此最后得到的节点集合V应该是除去了禁止点和禁止路段包含节点的路网节点集合，而弧集A则是除去禁止路段和与禁止点、禁止路段相连路段的整个路网路段集合。对于必经路段，可将路段的起、止点转化为必经点，这样与原有的必经点一起构成必经点集合，设为VM。此外，设Vk表示所有可能存在运输方式转换的节点集合。

1.2 时间的确定运输分队通过各路段的时间变量，以及运输方式转换时间变量可能服从某种分布函数，可以为正态分布、均匀分布等等，则时间权集集合定义为T1=t■■（i，j）∈A，k∈K，t■■表示节点（i，j）之间，以k种运输方式通过该路段的时间；T2=t■■i∈VK，m，n∈K；，t■■表示在阶段i从第m种运输方式转换到第n种运输方式的转换时间，节点i前后运输方式相同时，t■■=0。如当通过某一路段的时间变量服从正态分布时，可以记为t■■~N■，?滓■■2■，其中■表示节点（i，j）之间，以k种运输方式通过该路段的时间均值，?滓■■为时间的均方差；某一运输节点运输方式转换的时间变量服从均匀分布时，可以记为在t■■~U（ta，tb），其中ta和tb分别为时间的上、下界。另外一些情况下，以各种时间通过某路段或完成维修器材从一种运输方式转换为另一种运输方式的的时间可能无法获得它的准确分布函数，只能根据先前经验获得估计时间变量的概率（或称为频率）。

1.3 模型建立设X=x■■（i，j）∈A，k∈K表示起点到终点一条路径，其中x■■∈{0，1}。如果x■■=1，则表示运输分队经过（i，j）这条路段，且采用的运输方式为k，否则x■■=0，则表示弧（i，j）不在这条路上或未采用第k种运输方式。假设维修器材在两个节点间只能选择一种运输方式和一条运输路径。

结合各路段的通行时间和维修器材运输方式转换时间，可以得到运输分队通过该路径的总时间函数定义：T=■■t■■x■■+■t■■

多式联运下的运输费用由各路段运输费用和节点运输方式转换费用两部分构成。

设c■■表示采用第k种运输方式时，单位维修器材的单位运输距离的资金耗费，则当采用第k种运输方式时，路段（i，j）间进行单位维修器材器材运输所需的费用C■■可表示为：C■■=c■■×d■■

设C■■表示在节点i，单位维修器材从第m种运输方式转换到第n种运输方式的转换费用， 则可建立从运输起始点到运输终点之间，多式联运下的运输总费用函数C可表示为：

C=■■x■■×C■■+■■C■■=■■x■■×c■■×d■■+■■C■■

这样，当运输路径决策同时考虑运输时间和运输费用目标时，就可以建立起随机机会约束优化模型。

min Tmin min C s.t.

P{T?燮Tmin}?叟?琢 （1） ■■x■■=1 （2）

■■x■■-■■x■■=0，?坌j=2，3，…，n-1（3）

■■x■■=1（4）

■■x■■=1，■■x■■=1，?坌m=VM（5）

x■■∈{0，1} ?坌（i，j）∈Ak∈K（6）

其中：（1）式中T为运输分队的运输总时间函数、?琢为置信水平、Tmin为优化目标，即T的?琢悲观值；C为运输分队的运输费用函数。上述优化的含义是运输分队以时间T不低于置信水平?琢，在时间Tmin内到达终点，且费用要尽可能低。（2）式为起点约束方程表明运输分队从起点出发，只能选择一条运输路段和一种运输方式作为运输道路。（3）式为中间节点约束方程，该约束符合中间节点的流量平衡要求，即运输分队进入某一中间节点必须还要从该节点出发，不能停留或消失。（4）式为终点约束方程，该约束表明，运输分队最后到达了终点。（5）式为必经点约束方程，该约束方程表明运输分队出行的路径中必须包含每一个必经点。（6）式为0-1约束。

通过求解所建立的模型，就可以搜索出给定运输时间要求下，运输费用最小的最大的置信水平路径。

2基于蚁群算法的模型求解

2.1 模拟求解方法各种分布随机数的产生参见文献[12]，假定已得到了一条路径，路段总数为m，途经了n次运输方式转换，由该路径包含的各路段通过时间和维修器材运输方式中转时间所得到m+n个随机时间变量记为t1，t2，…，tm+n。则有模拟求解算法为：

Step1：给定模拟的总次数N，置i=1；

Step2：分别依据第j个时间变量的概率分布函数或经验分布，产生满足需求的0-1之间的随机数，进而得到对应的通行时间tj，其中j=1，2，…，m+n，计算；Ti=■tj

篇（7）

关键词：

甩挂运输； 轴辐式网络； 挂车中心； 时间窗； 启发式算法

中图分类号： U169.71；U492.22

文献标志码： A

0 引 言

轴辐式网络是道路运输的常见形式，胡志华等[1]对该物流网络进行过枢纽重配置优化研究.甩挂运输集汽车列车运输与装卸甩挂作业技术于一体，是一种集约、高效的运输组织模式.常见的甩挂模式有：一线两点，两端甩挂；循环甩挂；一线多点，沿途甩挂；多线一点，轮流拖带[2].

现有文献中有关带有挂车的车辆路径问题（Vehicle Routing Problem， VRP）的研究主要分为两类.一类问题可以被描述为：一辆货车配备一辆或者若干辆可以与之接挂或分离的挂车组成汽车列车.针对这类问题展开的研究主要有：SEMET等[3]首次讨论了“公路列车”（拖带一辆或多辆挂车的货车）的VRP；GERDESSEN[4]提出了VRPT（Vehicle Routing Problem with Trailers）的两种现实情境；CHAO[5]将带有挂车的VRP定义为TTRP（Truck and Trailer Routing Problem），并首次为该问题建立数学模型而不是描述性模型；SCHEUERER[6]、LIN等[79]和VILLEGAS等[1011]分别设计启发式算法、模拟退火算法和超启发式算法求解TTRP；DERIGS等[12]对TTRP的变形问题进行研究；胡志华[13]为该问题建立子回路分割模型.

另一类问题则是对目前国内所推广的“甩挂运输”的研究.该类问题与前述问题的区别在于：（1）甩挂运输问题中牵引车仅提供动力部分，没有装货的空间，而前述问题中的货车车头既是动力引擎又提供装货空间；（2）与前述问题拖挂分离的目的不同，甩挂运输中拖挂分离的目的是为了提高牵引车的利用率.虽然两类问题都存在其现实意义与研究价值，但是本文的研究内容主要集中在对第二类问题即甩挂运输问题的研究.

在甩挂运输相关文献中，HALL等[14]运用基于预测路径生产率的控制规则判断在循环甩挂中何时释放牵引车.SMILOWITZ[15]运用嵌入列生成的分支定界法对带有柔性任务的多资源路径规划问题进行求解.FRANCIS等[16]对SMILOWITZ[15]的模型及算法进行了改进，得到了更好的解.ZHANG等[17]对同一问题[1516]进行动态调度研究，运用两阶段算法对问题进行求解，目标是使运输成本最小.TAN等[18]在LEE等[19]模型的基础上加入挂车约束，首次建立了甩挂运输问题的数学模型，运用混合多目标进化算法得到问题的帕累托最优解.胡志华等[20]研究集装箱集散环境下空重箱循环甩挂的调度问题，建立混合整数规划模型，运用两阶段优化方法求解该问题.继而，胡志华[21]将该方法应用于集装箱码头间互拖的集卡甩挂运输调度问题.LI等[22]研究单车场牵引车与半挂车路径问题（tractor and semitrailer routing problem），运用启发式算法得到牵引车数量和每辆牵引车的路径，但文章缺乏对该问题的数学建模.袁野等[23]对单一客户点甩挂运输的建模进行了分析.

分析文献可以看出，现有文献集中在对循环甩挂和多线一点、轮流拖带这两种甩挂模式的研究上.在问题描述方面，对多线一点、轮流拖带的轴辐式网络结构缺乏明确的定义.在建模方面，对甩挂运输问题的数学建模，尤其是针对不同甩挂运输模式的特色建模，还处于研究初期，需要进一步完善.在算法方面，除文献[1517]运用分支定界法对问题进行求解外，其余文献主要集中在启发式算法上.本文基于已有的研究成果，运用启发式算法求解轴辐式网络下的集装箱甩挂运输调度问题，对该种模式的问题提取和模型建立进行深入研究.

本文对轴辐式网络下的集装箱整箱运输牵引车调度问题进行研究，研究贡献集中在：（1）对轴辐式集装箱甩挂运输的网络进行明确的定义及阐述；（2）提出三阶段启发式算法迅速给出调度方案，保证甩挂企业实际应用的时效性；（3）对牵引车数量，挂车中心数量、位置，挂车数量、分布，以及紧急任务数量等重要参数进行敏感性分析，为甩挂企业经营人进行合理的资源配置提供参考.

1 问题描述

如图1所示，椭圆中的轴辐式网络由中央集散中心（或港口）与分布在周围的客户点、挂车中心（TrailerCenter，TC）和连接各点的弧构成.牵引车的路径闭合，即从集散中心出发，最终回到集散中心.

出口集装箱甩挂运输操作流程为：牵引车从集散中心出发，先到TC挂一辆空挂车，再回到集散中

心的堆场取空箱运至客户点处，并将载有空箱的挂车甩下，然后从客户点返回集散中心或者驶向下一任务的开始节点.甩下的空挂车停留在客户点处进行装箱作业.待客户点处装箱完毕后，牵引车将从客户点将重挂取回至集散中心，重箱与挂车分离，落至堆场等待干线运输.需要说明的是，为客户点送空挂的牵引车和取重挂的牵引车可以不是同一辆.进口集装箱甩挂运输操作流程则与之相反.

根据集装箱流向和客户的需求，将牵引车的任务类型分为4种：取空箱、送空箱、取重箱、送重箱.4种任务类型两两组合可以形成16种任务子序列，当某个任务子序列为两个送箱任务相连时，牵引车需要在两任务中间访问TC取空挂车；当相连任务为取箱任务时，牵引车需要访问TC还空挂车.本文根据调度的不同阶段，将任务分为紧急任务、普通任务和超期任务.紧急任务被定义为：在本规划期的牵引车路径规划完成后，企业接到的新任务或任何需要优先于其他任务完成的任务.普通任务被定义为：本规划期内不需要被优先完成的任务.超期任务被定义为：已经接受客户申请，但因公司资源条件限制，无法在本规划期内完成的任务.加入对紧急任务的处理是本文的创新点之一.

为了日常调度的实用性和时效性，启发式算法在解决VRP中被大量应用.本文采用三阶段启发式算法对问题进行求解，三阶段算法分别调度紧急任务、普通任务以及超期任务.在80个客户点、100项任务、不同资源配置下的50项实验中，该算法均能在5 s之内给出调度方案，极大地满足企业在实际调度工作中对时效性的需求.

2 数学模型

在文献[18]和[23]的基础上进行扩展，建立如下数学模型.

2.1 模型假设

一辆牵引车仅能挂一辆挂车；牵引车与挂车在各任务节点的挂/甩挂车时间已知且不变；所有挂车均载有40英尺的集装箱.

2.2 参数和变量

2.2.1 参数

G=V，D为运输网络；V=0，1，…，i，…，I为节点集合，其中节点0表示集散中心，其他节点表示客户点及TC；D为节点之间弧的集合，Dij为两节点i与j之间的路网距离；Ck为牵引车k的每千米油耗；K为牵引车总数；M为任务总数；Ma为紧急任务数；Mb为普通任务数；ma为紧急任务序号；mb为普通任务序号；

T为牵引车在规划期内能够完成的任务数上限；Tma，2为所有紧急任务的结束时间；Tmb，1为第一个普通任务的开始时间；Thpm为牵引车从紧前任务h终点到挂车中心p，再到紧后任务m起点的行驶时间；Thm为牵引车从紧前任务h终点到紧后任务m起点的行驶时间；Tm为牵引车从任务m起点到终点的行驶时间；Hm，1为任务m在起点的操作时间；Hm，2为任务m在终点的操作时间；Tk，1为牵引车k开始工作的时间；Tk，2为牵引车k结束工作的时间；TEm为任务m的最早开始执行时间；TLm为任务m的最晚开始执行时间；NSK为送空箱任务集合；NSZ为送重箱任务集合；NQK为取空箱任务集合；NQZ为取重箱任务集合.

2.2.2 决策变量

2.3 数学模型

式（1）为优化目标，即方案总成本最小；式（2）表示每个任务仅被执行一次；式（3）保证所有牵引车的任务分配有序；式（4）表示所有普通任务要在紧急任务之后被完成；式（5）～（8）表示每项任务的时间序列，其中式（5）是同一牵引车执行前后两项任务的时间递推；式（9）表示每辆牵引车的工作时间均在规划期内；式（10）保证满足任务的时间窗要求；式（11）和（12）保证每辆牵引车的路线是闭合的；式（13）～（15）表示对TC的访问约束，式（13）中当牵引车执行第一项任务时，只有涉及送挂车时才会产生访问TC取挂车的情况，执行其他任务时前后两项任务均需送挂车才会产生访问TC取挂车的情况.

3 三阶段启发式算法

设计启发式算法进行求解.根据任务的待执行紧迫程度，将其分为紧急任务、普通任务和超期任务等3种，而任务性质的划分则依赖于决策函数（紧迫度函数、惩罚函数和距离函数）.

任务的紧迫度越高，紧迫度函数值越大；任务执行方案对其时间窗违反程度越高，惩罚函数值越大；距离函数则是执行该任务所需行驶的总距离.

3.1 三阶段启发式算法总体流程

算法总体思路为优先分配紧急任务，然后分配普通任务，最后推迟或外包超期任务，具体见图2.

3.2 三阶段启发式算法具体步骤

3.2.1 分配紧急任务

紧急任务的紧迫度函数值相同，因此当同时出现多个紧急任务时，分别计算各任务的惩罚函数值后再进行分配.具体流程见图3.

3.2.2 分配普通任务

紧急任务分配结束后，以任务的紧迫程度和子序列的惩罚函数值为标准进行普通任务的分配，具体流程见图4.

3.2.3 外包或推迟超期任务

当存在超出规划期的任务时，将这些超期任务推迟至下一规划期或外包，具体见图5.

4 算例实验

通过改进文献[18]中的算例，本文分别从牵引车数量、TC数量、挂车数量和紧急任务数量这4个方面验证算法的有效性，并分析各因素对整体调度方案的影响.

轴辐式网络由一个集散中心、若干个TC以及80个客户点组成.TC和客户点的位置随机分布在100×100的网格上，集散中心位于网格中心.任意两点之间采用欧氏距离.另外，本文的规划期为早8：00到晚8：00（1天内）.牵引车行驶速度为60 km/h，单位挂/甩挂车时间为30 min.违反时间窗的惩罚因数a=b=1.

4.1 牵引车数量

本例共有11项实验，牵引车数量从15辆逐一变化至25辆，任务数量均为100个，TC有5个，均匀分布在网络中.每个TC的可用挂车均为6辆.

由图6可以看出，牵引车的数量能够直接影响任务的完成情况.当牵引车数量上升至19辆时，未完成的任务数下降至0，说明该系统内牵引车最低保有数量为19辆.牵引车从15辆逐渐增多，迟到惩罚成本降幅超过提前惩罚成本的涨幅；当牵引车数量超过20辆并继续增多时，提前惩罚成本大幅上升，并且覆盖了迟到惩罚成本的减少，造成总惩罚成本曲线呈“U”型.

4.2 TC数量

为研究TC的地理分布对调度方案总成本的影响，设置TC数量不同的算例，共8项实验，TC数量有1，3和5个等3种情况.TC分布方式有：TC1～TC5均匀分布，仅设TC1，仅设TC2，仅设TC3，仅设TC4，仅设TC5，设置TC1，TC3和TC5，设置TC1，TC2和TC4等8种.挂车在TC均匀分布，总数均为30辆.

由图7可以看出，TC的数量和分布方式会直接影响任务的完成情况和系统整体调度方案.总体而言，TC数量越多，分布越均匀，牵引车行驶的总里程及方案的总惩罚成本越小.当仅设置单一TC，且TC分布在1，3，4，5等4个位置时，出现了未完成任务.而当TC位于2位置时，总里程和总惩罚成本较其他算例更优，证明TC的选址也会影响经营成本.

图7 TC数量不同时的算例运算结果

4.3 挂车数量

该算例包括5组25项实验，TC数量均为1个，分布方式分别为TC1，TC2，TC3，TC4和TC5.每项实验任务数量均为100个，牵引车数量为20辆，每组实验TC的挂车数量（NT）从23辆逐渐增至27辆.

由表1可见，在各TC的挂车数量增加的过程中，当挂车数量为23辆和24辆时以及第3组和第5组中当挂车数量为25辆时，因挂车数量难以满足需要未能给出规划结果.挂车数量不仅影响经营成本，还会直接影响经营质量：挂车数量过少无法完成既定的任务，而过多又会增加公司经济负担和管理成本.

4.4 紧急任务数量

设置紧急任务数量不同的6项实验，任务数均为100个，牵引车数量均为20辆，TC可用挂车数均为30辆，5个TC均匀分配挂车，紧急任务的数量从0逐渐增长到5个.

由图8可以看出，初期随着紧急任务数量的增加，提前惩罚成本和迟到惩罚成本均逐渐下降，优先处理紧急任务可以使整体方案违反时间窗的程度降低；当紧急任务数量上升至5个时，迟到惩罚成本仍保持下降趋势，但提前惩罚成本增加，导致总惩罚成本上升幅度较大.这说明紧急任务的数量较多时，为尽快完成任务，对时间窗上限的违反程度较高.

图8 紧急任务数量不同时的算例运算结果

5 结束语

本文建立了轴辐式网络中甩挂运输车辆调度问题的模型，提出了基于启发式规则的三阶段调度算法.基于牵引车数量不同、挂车中心数量不同、可用挂车数量有限和紧急任务数量不同等4个类型的算例实验，提出了配置牵引车和挂车数量以及优化挂车中心地理位置的具体方法，并阐述了紧急任务数量对调度计划的影响.全面剖析了甩挂运输系统调度时各因素的影响，为营运者提供一定的决策借鉴.

未来的研究将考虑甩挂运输新模式下的调度优化问题，例如牵引车对开、相遇后司机折返等.

参考文献：

[1]胡志华， 洪雯婷， 胡青蜜. 轴辐式物流网络扩张的枢纽重配置优化[J]. 上海海事大学学报， 2015， 36（1）： 1924.

[2]高洪涛， 李红启. 道路甩挂运输组织理论与实践[M]. 北京： 人民交通出版社， 2010： 1819.

[3]SEMET F， TAILLARD E. Solving reallife vehicle routing problems efficiently using tabu search[J]. Annals of Operations Research， 1993， 41（4）： 469488.

[4]GERDESSEN J C. Vehicle routing problem with trailers[J]. European Journal of Operational Research， 1996， 93（1）： 135147.

[5]CHAO I M. A tabu search method for the truck and trailer routing problem[J]. Computers & Operations Research， 2002， 29（1）： 2251.

[6]SCHEUERER S. A tabu search heuristic for the truck and trailer routing problem[J]. Computers & Operations Research， 2006， 33（4）： 894909.

[7]LIN S W. Solving the truck and trailer routing problem based on a simulated annealing heuristic[J]. Computers & Operations Research， 2009， 36（5）： 16831692.

[8]LIN S W， YU V F， CHOU S Y. A note on the truck and trailer routing problem[J]. Expert Systems with Applications， 2010， 37（1）： 899903.

[9]LIN S W， YU V F， LU C C. A simulated annealing heuristic for the truck and trailer routing problem with time windows[J]. Expert Systems with Applications， 2011， 38（12）： 1524415252.

[10]VILLEGAS J G， PRINS C， PRODHON C. GRASP/VND and multistart evolutionary local search for the single truck and trailer routing problem with satellite depots[J]. Engineering Applications of Artificial Intelligence， 2010， 23（5）： 780794.

[11]VILLEGAS J G， PRINS C， PRODHON C. A GRASP with evolutionary path relinking for the truck and trailer routing problem[J]. Computers & Operations Research， 2011， 38（9）： 13191334.

[12]DERIGS U， PULLMANN M， VOGEL U. Truck and trailer routing problems， heuristics and computational experience[J]. Computers & Operations Research， 2013， 40（2）： 536546.

[13]胡志华. 基于混合进化算法的甩挂配送问题[J]. 公路交通科技， 2013， 30（5）： 147152.

[14]HALL R W， SABNANI V C. Control of vehicle dispatching on a cyclic route serving trucking terminals[J]. Transportation Research Part A： Policy and Practice， 2002， 36（3）： 257276.

[15]SMILOWITZ K. Multiresource routing with flexible tasks： an application in drayage operations[J]. IIE Transaction， 2006， 38（7）： 555568.

[16]FRANCIS P， ZHANG G， SMILOWITZ K. Improved modeling and solution methods for the multiresource routing problem[J]. European Journal of Operational Research， 2007， 180（3）： 10451059.

[17]ZHANG G， SMILOWITZ K， ERERA A. Dynamic planning for urban drayage operations[J]. Transportation Research Part E： Logistics and Transportation Review， 2011， 47（5）： 764777.

[18]TAN K C， CHEW Y H， LEE L H. A hybrid multiobjective evolutionary algorithm for solving truck and trailer vehicle routing problems[J]. European Journal of Operational Research， 2006， 172（3）： 855885.

[19]LEE L H， TAN K C， OU K. Vehicle capacity planning system： a case study on vehicle routing problem with time windows[J]. IEEE Transactions on Systems Man and Cybernetics Part A Systems and Humans， 2003， 33（2）： 169178.

[20]胡志华， 曹杨， 王云霞. 集装箱集散的空重箱循环甩挂调度方法[J]. 武汉理工大学学报， 2012， 34（10）： 6873.

篇（8）

中图分类号：TP393 文献标识码：A

0. 引言

云计算技术是近些年新出现的应用技术，能够在网络技术的应用下，将软硬件系统加以整合成价值更高的分布式系统，从而来实现数据可靠性存储以及高效处理。在当前社会迅速发展背景下，加强对云计算技术的应用就比较重要。云计算技术在当前的电子商务以及IDC中心能方面都有着相应的应用，也发挥着积极的作用。

1. 云计算技术的内涵和主要特征

1.1 云计算技术的内涵分析

云计算技术主要是面向服务器方式来为用户提供计算资源的，是资源交付以及使用的重要模式。在对网络的应用下，从而获得需要的资源，在云当中的资源使用是能够进行无限扩展的，对云中的资源也能随时获得。用户在对云计算技术的应用中，只要能掌握应用的功能即可，结合自身对资源的需求在云计算技术下都能得到实现。

对云计算技术的统一性概念至今还没有形成，从诸多对云计算技术的定义综合来看，云计算主要是通过云加终端的技术模式。其中的云就是对网络的代称，而终端则是服务设备，云计算是将虚拟技术作为主要的服务模式的，所以云计算并非是孤立存在的，是通过多个方面进行综合形成的一个概念。云计算在具体的工作中是将服务形式对网络中用户进行提供必要计算机网络资源，在资源的丰富性要远远优于传统的计算机技术资源存储。云计算技术在当前的各个领域中都有着应用。

1.2 云计算平台的主要特征分析

云计算平台的特征体现得比较显著，对底层的软硬件实施细节进行了屏蔽，能够有效提供链接服务标准接口，这样就方便用户和网络进行连接实现资源的共享。在当前云计算平台的不断发展下，已经和云计算的技术框架相符合，由于实际应用不同，在平台类型方面也会有着一定的差距。例如综合性的云计算平台主要是提供上层服务资源的，在基础资源方面主要是提供网络服务的，而在虚拟化技术方面主要是提供基础资源的相关服务。

但是不管是哪种类型的云计算平台，体现出的特征都是比较显著的。

第一，在灵活性特征上比较鲜明，在需要的规模方面能够按照实际需求加以调整。在对虚拟技术的应用下，能够实现按需服务的目标，这样就能有效地降低云计算平台应用成本，对实际的需求也能有效地保障。在云计算平台的应用下，能够对数据的共享轻松地实现。

第二，云计算平台的应用特征还体现在应用时不用关心底层实现，只要能够对提供的接口加以调整即可完成工作，在平台的方便性特征上就比较突出。除此之外的数据安全可靠特征也比较鲜明，云计算的数据信息存储的安全性要能得到有效保证。

第三，云计算平台的另一特征就是高性能特征。由于云计算平台是大规模数据中心，在提供的服务方面也比较优越，在资源的利用上是无限量的。云计算为用户提供了诸多存储管理的数据控件，在计算能力方面也比较强大，这些功能就使得在应用过程中有着无限的资源。

2. 云计算的体系结构和应用优势分析

2.1 云计算的体系结构分析

从云计算的体系机构层面来看，云计算作为比较强大的云网络，将其和网络以及服务器相连接，就能在资源上得到无限扩大，在存储能力以及计算能力都是史无前例的。从云计算的体系结构层面来看，主要有几个重要的要素（如图1所示）。其中的云用户端是比较关键的。这是用户请求服务的交互界面，是对云使用的入口，通过浏览器进行注册然后登入和定制服务，然后对用户进行管理和配置。在管理系统和部署工具要素上，主要是提供管理服务的，然后对云用户实施管理，进行对用户授权和认证等。也能对可用计算资源进行管理，结合实际的请求来转发相应的应用程序，对资源的调动和部署按照实际加以实施。

另外，在云计算体系结构中的服务目录要素方面，主要是用户在获得了相应权限后，对服务列表进行选择以及定制。也能对定制的目录进行操作，这样就会在用户端的界面显示相应的图表以及服务的内容等。在监控结构方面主要是对系统资源使用情况的监控，对节点的同步设置以及资源的监控，按照资源能够合理地分配给用户。在服务器集群的结构要素方面，通过管理系统进行实际的管理，对一些计算实施高效的处理，在进行存储的时候对数据切割算法加以应用。

2.2 云计算技术的应用优势分析

云计算技术在实际中的应用中有着诸多的优势发挥，在具体的应用过程中，允许用户自定义资源使用的时间，这就对资源的闲置或者是过载问题的出现有了避免。并且在分布式处理以及并行式处理的特性上展现得比较显著，这就对数据处理需要的时间得到了很大程度的缩短。云计算平台能够为用户提供比较安全可靠的数据存储中心，在完善的权限管理规则以及数据备份技术等综合性应用下，就能对数据信息的安全完整性得到有效保障。

另外，云计算中的一些功能都是在云端的，这就在客户端的要求得到了有效降低。在对云计算技术的实际应用过程中，能对不同类型以及性能的设备加以应用进行访问云空间，进行执行相应的操作，有的在网页的应用下就能得到有效完成。在云计算技术的应用下，能够对数据间的共享和传输也比较的方便。所以在具体的应用过程中就有着很大的优势。

3. 云计算技术的实际应用和发展趋势

3.1 云计算技术的实际应用分析

云计算技术在实际中的应用范围比较广泛，例如在ICT业务平台中的应用上就发挥着重要的作用。以往的ICT运行模式有着诸多缺陷，资源浪费问题比较突出，在管理的效率也比较低，对实际的需求得不到有效满足。但是在云计算技术的应用下，就能够对这一业务平台实现升级，能够建立集中性的资源池管理的体系，对用户能够提供Paas、Saas等服务，这样就大大地提升了服务效率。客户只需要对浏览器进行操作就能完成数据系统的访问管理，在使用上比较方便，也对这一业务的不兼容终端的问题得到了有效解决，从整体上提升了业务水平。

云计算技术在IDC数据处理平台中的应用作用的积极发挥也比较突出。主要是在虚拟技术的应用下，能对这一控制中心的软硬件资源实施有效整合，对其中的各种资源实施动态化的管理监控等。不能为用户提供IaaS的相关业务服务，对用户也能出租硬件资源，这样就比较便于系统部署工作的完成，在资源的分配方面也能合理化地完成。在云计算技术的应用作用下，能够在计费功能上得到充分发挥，能结合资源的使用情况实施付费，这样就有效地对投入成本得到了降低，在管理的平台方面也能实现规范化以标准化的目标。

3.2 云计算技术的发展趋势探究

云计算技术在实际应用中发挥着积极作用，在未来的发展中，云计算技术将会有着更大的发展潜力。云计算对互联网的应用以及产品应用模式等方面都会产生很大的影响，主要的发展方向就向着手机云计算以及商业发展和时代资源这几个方向迈进。在移动终端设备的迅速发展下，云计算技术的兼容性就得到了体现，为客户在移动终端的服务上得到了进一步发展，能够将手机和云计算技术得到有机结合。这样就能更为便捷地实现高效云计算的应用功能。

结语

总而言之，云计算技术的不断发展过程中，对社会的进步发展起到的作用也愈来愈大，在相应的维护工作有效性以及经济性方面将更为重要。云计算的实际应用中的优势发挥，将会进一步地为这一技术的推广起到积极作用，在社会效益上就会有更大的价值体现。

参考文献

[1]李瑛，胡新炜.云计算关键技术分析研究[J].现代电子技术，2014（14）：65-66.

[2]许知博，刘钊.基于云计算的工厂信息监测系统设计[J].电子科技，2011（8）：148-150.

[3]曹青.云计算技术的应用及展望[J].江苏通信，2012（2）：59-62.

篇（9）

前言

云计算技术应用于实际之后，能够有效的提升各种新型企业的经营管理效率，企业各管理部门整合数据资源过程中不可趋势的环节。当前阶段，云计算技术在各行业的应用不但提升了企业的工作效率，而且为人们的生产生活带来了极大的便利。IDC系统在运行的模式是一种是融合了集中式收集和数据存储以及数据处理等多项功能单位的综合管理系统，其在同云计算技术融合之后，能够有效实现系统的应用价值。因此，依托云计算技术的IDC系统在应用于实践后着较高的经济价值和社会效益。

1云计算技术的概述

云计算是一种在实际应用过程中提供便捷、可靠网络访问的全新模式，它根据使用量来进行付费，能够快速对计算机资源进行有效的资源配置，并根据用户的需要将资源快速的提供给用户，实现了各种网络资源的智能化服务，而且，还大大节省了管理成本的投入。云数据管理系统的运作是借助先进云计算技术的有力支撑才得以实现的，在云计算技术的支撑下，网络数据遵从管理系统的统一调配，实现了网络数据的储存、检索、调用[1]。云计算技术在时下的应用，为信息时代的互联网产业创造了全新的发展环境，铸造了更为广阔的发展舞台，可谓是对互联网产业的发展奠定了基础。云计算技术的应用实践经验表明，云计算技术在数据的部署和任务的调度上都具有比较强的节能效果，基于此开发出的绿色云数据动态聚集法能够与IDC系统进行良好的融合，且取得了不俗的应用反馈。

2云计算技术在IDC系统中的实际应用分析

2.1云计算技术在IDC系统中的应用

所谓的IDC系统又称为互联网数据中心系统，其可视为一种全新的产业运作模式。从技术框架的角度看来，IDC管理系统是一种基于现有物理机房体系实现资源分配的综合性数据化管理系统。在通信产业平台的建设方面，IDC系统一个主流的发展趋势是整合以Hadoop为开源的云计算技术。IDC系统在同云计算技术结合后能够在云计算技术的支撑下通过网络数据虚拟化技术加以辅助，从而有效的强化IDC系统的分布式存储能力。如今，我国IDC业务在各领域铺展开来，适用的企业变得越来越多，其不但能够对互联网终端数据使用效果形成有力保障，而且能够有效的避免IDC系统在以往应用中出现的数据平台“崩溃”现象。可以说，云计算技术在IDC系统中具有很强的现实应用价值。

2.2云计算技术和IDC系统的构建

云计算技术和IDC系统的有机结合能够最大程度的发挥出两者自身的优势，取得做好的效益。依托云计算技术的IDC系统能够将服务器、存储设备以及应用软件等资源以标准化的形式服务于客户，具体可分为管理层、物理层、虚拟层、业务层这四种构架形式。在构架的物理层上包含有存储设备、宽带网络设备以及实体服务器等内容，这些可充分的给运营商IDC准备好物理资源，而虚拟层则是主要进行物理层设备的虚拟化，使其成为一个总的基础设施资源，这样能够对海量数据进行存储，并能够实现管理好资源的分配；而在管理层上则是主要发挥管理的调控作用，实现对IDC业务的支持，做好计费管理、安全管理以及动态部署等工作。

2.3云计算技术在IDC系统中应用的优势

IDC系统是一种较为特殊的商业运作模式，其维持正常运作离不开云计算技术的支持。总的看来，云计算技术可以对原始网络数据信息进行定位处理，实现数据的备份和数据迁移的准备。此外，云计算技术还能够对数据信息处理的过程进行高效的智能化评估，这将会对数据的信息查询和调配处理做好充足的准备。其中，进行云数据管理的查询技术应用时，也需要用到云计算技术的数据控制环节。在实际应用中，由于进行互联网技术平台的服务或整合时，涉及资源对象的规模非常大，而且所用服务器的数量也非常多。在不同环境和地点运行IDC系统，运行中的服务器难以实现服务器设备的有效地管理。面对当下数据资源的内容不断扩容，整个IDC系统持续提供高品质服务的难度越来越大，这时候云计算技术的支撑作用的应用价值就变得尤为显著[2]。

3云计算技术在IDC系统中的实现

对IDC系统有效的实现商业运作和商业服务的研究，能够了解和明确云计算技术在IDC系统中的应用。就当前云计算技术在IDC系统中实际的应用情况而言，最具实用性和扩展性是云数据的查询技术，其能够在异构环境中实现有效的运行，通过丰富而灵活的用户接口，做到对不同用户差异化需求的全方位满足。现有环境下，IDC系统的运作模式存在一些的特殊性，即便拥有云计算技术的有效支撑，仍需要积极的适应当下发展趋势积极的进行探索和创新，以便更好的实现商业化，不断实现运行模式的创新，积极的去寻找有利于巩固现有运行模式的渠道和方法。从IDC系统的整个发展过程看来，它是我国实现高科技技术做支撑进行商业模式创新的一个缩影，在实现的过程中需要增加对相关技术内核的调试工作，以便更好的去适应现代企业发展的需要，更好的与企业发展进行融合.IDC系统在同云计算系统融合后能够达到强强联合的现实效果，从而极大的促进了IDC系统的发展[3]。

4结束语

我国的计算机技术在当下固有的科学技术中拥有无可比拟的技术优势，这些为云计算技术在网络通讯领域的发展提供了良好的契机和广阔的平台。随着我国的网络规模在不断扩大，急需一种崭新的高水平运行管理模式来承载主机托管、资源调配、故障排除等工作，基于云计算技术的IDC系统能够较好的满足当下的需求，呈现出较高的经济价值。

参考文献

[1]赵彤林,宗华.云计算技术在IDC系统中的应用与实现研究[J].通讯世界,2016(7):76-76.

篇（10）

1 引言

煤矿行业作为我国的一种重要的传统能源行业，在国民经济、人民生活等众多领域中起着举足轻重的作用。但现阶段我国的煤矿企业普遍存在着监控的建设水品严重的滞后。而与其相对的是近些年来，计算机互联网技术革命性的发展与爆炸式的传播，使得信息技术渗透了人们生活的每个角落。在很多地方已经将信息技术这种重要的辅技术作为一种衡量现代化水平的标准。

而现阶段我国的煤矿企业基本上受制于信息系统不发达，从而使得各个部门之间缺乏高效的数据共享，同时，系统内部的各个应用之间也难以连通，不利于系统集成，致使系统内沟通繁琐。不止如此，缺乏有效的监控技术也使得领导缺乏及时有效的数据用于推断预测企业的发展与行业的发展趋势。这些问题在一定程度上严重的制约了我国的煤矿行业发展，利用现有的信息技术完全可以大大改善这种现象。因此，将监控的技术引入我们煤矿行业势在必行。而将云计算技术引入煤矿行业可以有效的将信息资源集中到各个管理机构，从而推进煤矿行业的监控建设，促进煤矿行业的发展，保证煤矿企业的生产安全。

2 云计算技术的发展现状

云计算技术，是一种基于互联网的计算方式，通过云计算技术，可以按需将共享的软硬件资源和信息提供给计算机和其他设备。从图1可以看出，云计算技术的实现主要取决于数据计算的能力和分布式计算能力，即简单的说为计算与计算能力。可以看出云计算技术能将很多应用、数据通过传感器采集，将海量的信息高效的收集并处理，进而提取出有用的信息进一步用于企业信息的融合、推理和决策进而完成煤矿企业的网络视频监控系统。因为云计算技术的拥有各类的应用，不同种类的数据能通过不同的传感器，监测方法等手段获取，能适用于煤矿行业的数据网络视频监控系统的统一管理。由于云计算技术具有高性能，并且易扩展的硬件虚拟化技术，能够提高资源的利用效率。而云计算技术吸引人的地方在于它所提供的这种计算和计算能力几乎是无限的，而且相当廉价。

由于云技术拥有上述优点，一些大公司在云计算技术领域也做出了各种成功的尝试：（1）谷歌公司作为互联网企业中的巨擎在云计算技术方面也是不甘示弱，其搜索引擎分布在200多个地区超过百万台服务器上。其云计算技术的规模可见一斑，而这些设备的数量还随着互联网的发展在迅速的增长着。其推出的云计算技术主要有三个技术：分别是Google file system（GFS），MapReduce，BigTable。GFS技术是由Google公司开发的一个大型的分布式文件系统，即在云计算技术中起到了计算的作用。它是系统的中客户端、主服务器以及数据块服务器；MapReduce技术能将大量异构数据使用map函数对任务进行分解然后在单个节点上执行各个相应的子任务，而后通过收集得到的信息，最终得到进过分析的结果。这种技术就能使得在海量的异构数据中能将十分复杂的分析分解成任意个子任务从而灵活的调节，实现全局最优化；BigTable技术是一个大型的分布式数据库，是以GFS，MapReduce作为基础的，它设计的目的是管理结构化数据。（2）Amazon公司使用简单计算服务和弹性计算云，提供计算和计算服务。将这这类服务作为产品向有需要的企业提供有偿服务，并且取得了客观的收入。从一个侧面反映出现今时代企业对信息产品的需求；（3）IBM公司为客户提供了“蓝云”计算平台，是一种方便简洁的云计算技术平台。（4）微软也推出了Windows Azure中文名为蓝天的操作系统，是一种在互联网架构下打造的一款新云计算技术平台。

而我国云计算技术在2008年之后迅猛的发展了起来。2008年，IBM在无锡建立了云计算技术中心，也是中国首个云计算技术中心，而后在北京也成立的大中华区云计算技术中心，阿里巴巴也在南京建立国内首个用于电子商务的云计算技术中心。广东电子工业研究院在广东东莞建立云计算技术平台。

3 基于云计算技术的煤矿企业监控体系的构建

煤矿企业的网络视频监控系统需要满足有以下三方面的要求：（1）煤矿企业自身的管理需要；（2）上级部门的管理需要；（3）各个企业、部门之间的信息共享。由于不同煤矿企业所需要的监控信息系统功能不完全相同，而从企业本身以及上级部门对信息系统的要求也是各有侧重。因此在设立云计算技术信息系统时，就不得不考虑到不同对象所需求的功能。

对于煤矿企业来说，信息系统一般需要有：（1）对生产的管理。对生产情况的综合汇总，生产的计划、调度等环节的管理，同时对于生产过程的监控等功能。（2）对监控的监控。对于一些危险气体（瓦斯，一氧化碳）的监控，井下的温湿度，风速等的监测，井下人员的情况的记录等功能。（3）对于人员的管理。对于煤矿企业员工的信息的汇总与统计等功能。（4）对于资金的管理。（5）对于企业的管理。这方面类似于一般公司的情况，通过将获得的生产、安全信息及时的分析汇总给相应的管理人员提供更直观的信息。帮助领导做出更正确的选择。（6）方便信息的交流。在同一平台下实现各个部门，单位的信息共享，提高信息的使用率，有效的简化手续。

而对于上级管理部门则需要系统具有除了安全的监控、和资源的共享外。还要能将平台上所有的资源的整合功能。

而基于云计算技术的网络视频监控系统，由于一般情况下，我国煤矿企业缺乏这类高素质人才的储备，同时如果自己建立云计算技术平台花费不菲。且一般情况下，煤矿企业没有大量需要保密的信息，因此可以选择一个云服务商来为企业服务，这种情况能大大的减少花费并且能得到高质量的产品。但如果需要有高度的保密性，则需要自己搭建一个云计算技术平台，也就是私有云。这种私有云是只有授权的成员才可以使用的一种云计算技术系统，能够很好的保障数据的安全性和服务的质量。

当前云服务商提供的云储存业务主要有：（1）微软的SQL Data Services，其具有很好的扩展性，但比较难以对数据进行管理；（2）谷歌的App Engine Datastore，它所支持的数据类型比较宽泛，能适用于不同类型数据的储存，但具有一定的封闭性，在这个系统内建立的应用只能用这个系统的数据储存，而其他平台的应用不能与之连接；（3）亚马逊的SimpleDB，这个平台相对起步较晚，但相对谷歌的平台它能实现与其他应用进行连接；（4）IBM的Oracle等。这些云储存平台都十分的安全可靠，并且具有可扩展，完全适用于当前煤矿行业的网络视频监控系统的建设需要能直接使用，且价格适中。

选择好了云服务商后，可以通过VPN（虚拟专用网）将煤矿企业的信息进行传输。由于VPN具有安全高效的特点，利用VPN组建的煤矿企业的信息系统传输网络，在成本较低的情况下能将数据信息安全快速的进行传输。快速的将用户与基于云计算技术的信息系统平台连接在一起。从而构建成一个完整的基于云计算技术的监控网络。

4 云计算技术在煤矿企业信息化中的作用

由于云计算技术的特点与我国煤矿企业的监控发展要求是一致的，十分适合煤矿企业的发展需要，在煤矿企业的监控建设中能起到如下作用：

（1）有效的降低成本，现在我国的煤矿企业都是相对较大的企业，监控的投资相对来说比较庞大。而如果使用云计算技术，在支付少量费用的情况下，能减少硬件设备的购买及更新换代，不在要购买价格昂贵的服务器和大容量的计算器，也不用支付对于这些设备维护的一些投入，比如维护人员，设备，空间等等费用。

（2）稳定的服务器运行，现在煤矿企业的一些相关数据都是储存在服务器上，如果服务器故障，可能造成煤矿企业数据的丢失。而在云计算技术情况下，由于是庞大的服务器连接而成的网络使得由于某台服务器的故障而造成的数据丢失在很短时间内能将数据拷出，再开启其他服务器而后完整的拷贝先前的数据。因此能大大降低由于服务器运行故障而带来的影响，实现几乎是无间断的安全服务。

（3）煤矿企业信息的有效整合，在云计算技术模式下，煤矿企业之间能构筑成共同的信息资源的同享空间，使得更多的煤矿企业享受到云计算技术的“福利”，分摊监控带来的成本，大幅度提高信息系统的运行效率。

5 结束语

云计算技术作为一项革命性的技术，在许多行业中都有着巨大的发展空间及应用价值。在煤矿企业监控中引入云计算技术技术有着明显的优势，通过这个技术的实践，它在简化管理，加强安全监控等方面具有不可比拟的优势，十分适合我国煤矿企业的发展。利用云计算技术能实现对煤矿资源的合理开发利用，使得煤矿行业能可持续发展。

将云计算技术引入到煤矿企业的监控建设中是一种十分有前景的尝试，可以预见的云计算技术能推进我国煤矿企业的升级。但作为一个长期复杂的建设工程，在这个建设过程中定会有一些困难的出现。希望通过相关部门的共同努力，让基于云计算技术的网络视频监控系统能早日实现，并且进一步推进我国煤矿企业的发展。

[参考文献]

[1] 刘正伟， 文中领， 张海涛. 云计算技术和云数据管理技术[J]. 计算机研究与发展. 2012， 49（18）. 26-31