基于J2EE的海运管理系统的开发

论文摘要

近年来,海洋运输逐渐成为国际贸易中最主要的运输方式。越来越多的海运公司在实现货运集装箱信息管理的同时,也展开了自己的货物保险业务,并逐渐形成真正意义上的货运保险一条龙服务。各种在线信息服务系统也随之产生,但是绝大多数系统都过于简单,除了不能很好地对已有数据做智能分析以外,在可重用性、维护性、稳定性方面的表现也不尽人意。本文提出了基于J2EE为框架来进行海运管理系统的开发,在实现客户基本需求的同时,还利用了数据挖掘技术来分析大量客户资料和保单数据。本系统已经以日本三井住友海上的海运货物系统为实例进行了开发。主要研究内容如下:本系统是基于J2EE架构,采用了三层结构模式,而且应用了基于组件的设计思想和MVC的设计模式技术,具有很强的重用性,可扩展性,可移植性。根据MVC模式把本系统划分成用户视图层,控制器层和业务模型层,分别用JSP,Servlet,EJB进行实现。本系统根据业务流程和需求进行了功能设计,模块设计,开发模型设计,数据库设计。本系统主要由六个模块组成,分别是用户管理模块、码头管理模块、货物保险模块、报表与查询模块、数据分析模块、其他管理模块。WEB页面一共有130多个,源代码近20000行,作者主要负责开发码头管理模块、货物保险模块和数据分析模块,WEB页面83个,代码11000行左右。在码头管理模块中,根据分析集装箱码头运行模式及硬件组成,使得集装箱从进闸到出闸的整个运转流程得到了有效的管理。在该模块中使用了流程图和ER图对码头的各个角色之间的信息交互管理以及操作模式进行了分析和开发。该模块还提供了堆场平面的显示功能以帮助管理层更好地掌握码头的当前状态。在货物保险模块中,除了构建信息系统的硬件组成模型外,还为客户构建了能够登记满足个性化需求保单的系统模型,为决策者提供了可以根据客户的优先级别定期承认保单的功能。另外从保单数据的安全性上考虑,在该模块中使用了自动过滤技术来限制客户的登入时间。在数据分析模块中使用了数据挖掘技术,对数据进行了合理的分析,分别使用ID3决策树进行了新用户获得分析,Apriori关联规则进行了交叉保险推荐分析,Birch聚类算法进行了用户细分,对这些关联规则和算法进行了具体研究和实现。该系统的特点就是使用J2EE进行架构以达到无平台性、安全性、扩展性,并且利用了数据挖掘技术来分析数据,如让管理人员在客户价值分析中找到高端客户,并实现这些客户的利润最大化,同时也能使管理工作变得精确而有序。本系统已经投入试运营阶段,并取得了实际的成效,业务月交易量提高了1.8%,客户数量提高了2.3%。

论文目录

• 论文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 本课题的背景和研究现状
• 1.1.1 开发的背景
• 1.1.2 海运管理系统的研究现状
• 1.2 本课题研究的意义和内容
• 1.2.1 本课题研究的意义
• 1.2.2 本课题的研究内容
• 1.3 本课题的目的和作者的主要工作
• 1.4 本课题组织结构
• 1.5 本章小结
• 第2章 本论文相关技术和理论介绍
• 2.1 J2EE体系结构
• 2.1.1 J2EE体系结构概述
• 2.1.2 J2EE体系结构特点
• 2.1.3 J2EE的核心技术
• 2.1.4 基于J2EE的多层模式
• 2.2 MVC设计模式
• 2.2.1 MVC设计思想
• 2.2.2 MVC的组件类型和功能
• 2.3 数据挖掘
• 2.3.1 数据挖掘的定义
• 2.3.2 数据挖掘的分析过程
• 2.3.3 数据挖掘的功能
• 2.3.4 数据挖掘在海运管理中的应用
• 2.4 本章小结
• 第3章 系统需求分析
• 3.1 系统需求分析
• 3.1.1 系统功能需求分析
• 3.1.2 系统性能需求分析
• 3.2 可行性研究
• 3.2.1 技术可行性
• 3.2.2 经济可行性
• 3.2.3 管理可行性
• 3.2.4 开发环境可行性
• 3.3 功能设计流程图
• 3.3.1 集装箱码头进闸的设计流程图
• 3.3.2 集装箱码头出闸的设计流程图
• 3.3.3 保险业务设计流程图
• 3.4 本章小结
• 第4章 基于J2EE的海运管理系统的系统设计
• 4.1 设计思路和系统架构
• 4.1.1 系统架构设计原则
• 4.1.2 基于MVC的设计模式
• 4.2 开发以及运行环境
• 4.2.1 硬件环境与网络
• 4.2.2 开发环境
• 4.2.3 软件环境
• 4.3 系统功能模块的实现
• 4.3.1 系统管理模块
• 4.3.2 集装箱码头管理模块
• 4.3.3 货物保险管理模块
• 4.3.4 报表与查询系统模块
• 4.3.5 数据分析模块
• 4.3.6 其他管理模块
• 4.4 系统编译和开发
• 4.5 系统其他模块运行实例
• 4.6 测试
• 4.6.1 单元测试
• 4.6.2 集成测试
• 4.7 本章小结
• 第5章 数据分析模块的设计与实现
• 5.1 分析模块设计的初衷
• 5.2 分析模块的整体构架
• 5.3 详细需求分析和数据准备
• 5.3.1 新客户获得分析
• 5.3.2 客户价值分析
• 5.3.3 实现交叉保险推荐分析
• 5.3.4 用户细分
• 5.4 核心算法的研究和实现
• 5.4.1 Apriori关联算法的研究和实现
• 5.4.2 决策树ID3算法的研究
• 5.4.3 聚类算法BIRCH的研究和实现
• 5.5 分析模块的今后研究方向
• 5.6 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 今后的工作展望
• 6.3 本章小结
• 参考文献
• 致谢