CN117273573B - 一种跨境贸易物流数据追溯方法及系统 - Google Patents
一种跨境贸易物流数据追溯方法及系统 Download PDFInfo
- Publication number
- CN117273573B CN117273573B CN202311566422.0A CN202311566422A CN117273573B CN 117273573 B CN117273573 B CN 117273573B CN 202311566422 A CN202311566422 A CN 202311566422A CN 117273573 B CN117273573 B CN 117273573B
- Authority
- CN
- China
- Prior art keywords
- cargo
- abnormal
- degree
- transportation
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000002159 abnormal effect Effects 0.000 claims abstract description 211
- 238000012544 monitoring process Methods 0.000 claims abstract description 163
- 230000005856 abnormality Effects 0.000 claims abstract description 108
- 238000010606 normalization Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 4
- 239000013078 crystal Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于物流管理的数据处理技术领域,具体涉及一种跨境贸易物流数据追溯方法及系统,包括:获取监测数据以及运输环节;获取损坏指标;根据运输环节以及监测数据得到异常程度值;根据损坏指标以及异常程度值得到异常判定程度;根据异常判定程度以及异常程度值得到监测异常程度;根据监测异常程度得到初始异常运输环节;根据监测异常程度以及初始异常运输环节得到第一异常程度;根据第一异常程度得到最终异常程度;根据最终异常程度得到每个集装箱内每个货物的若干损坏运输环节。本发明提高了所获取货物存在损坏的运输环节的准确性,降低了追溯结果产生的误差。
Description
技术领域
本发明涉及用于物流管理的数据处理技术领域,具体涉及一种跨境贸易物流数据追溯方法及系统。
背景技术
在传统的跨境贸易物流系统将货物从生产地运输至消费者地址的过程中,货物会途径多个运输环节,其中包括供应商、制造商、运输公司、海关等;若货物运输至消费者地址后最终检测出货物损坏,那么需要对货物的物流信息进行追溯,确定货物是在哪一个运输环节出现问题。
而传统物流信息的追溯方法在对货物的物流信息进行追溯时,由于这些运输环节的物流数据存在一定的不透明度,传统的追溯方法无法根据有限制的物流数据进行合理有效地监测追溯,从而导致最终获取的存在损坏的运输环节并不准确。
发明内容
本发明提供一种跨境贸易物流数据追溯方法及系统,以解决现有的问题:传统的追溯方法无法根据有限制的物流数据进行合理有效地监测追溯,从而导致最终获取的存在损坏的运输环节并不准确。
本发明的一种跨境贸易物流数据追溯方法及系统采用如下技术方案:
本发明一个实施例提供了一种跨境贸易物流数据追溯方法,该方法包括以下步骤:
获取每个集装箱的若干运输环节以及每种监测数据类别的监测数据;
对集装箱内货物质量进行损坏判定得到每个集装箱内每个货物的损坏指标;对于任意一个集装箱内任意一个货物的任意一个运输环节以及任意一种监测数据类别,在运输环节内,将集装箱内货物的监测数据类别的所有监测数据按照采集时间从早到晚的顺序进行排列,将排列后的序列记为集装箱内货物在运输环节下的一种监测数据类别序列;根据所有运输环节下的监测数据类别序列之间监测数据的差异得到每个货物的异常程度值;
根据损坏指标以及异常程度值得到每个货物的异常判定程度,异常判定程度用于描述货物属于损坏货物的概率;根据异常判定程度以及所有运输环节下的监测数据类别序列之间监测数据的差异在异常程度值中的占比,得到每个货物的监测异常程度;根据监测异常程度从运输环节筛选出得到若干初始异常运输环节;
对于任意一个集装箱内任意一个货物的任意一个初始异常运输环节,在货物所属同种货物类别的所有货物中,将除货物以外每个货物记为货物的参考货物;将货物的初始异常运输环节记为参考货物的参考运输环节;根据参考运输环节下参考货物的监测异常程度与初始异常运输环节下货物的监测异常程度之间的占比情况,得到每个货物在每个初始异常运输环节的第一异常程度;根据损坏指标以及第一异常程度得到每个货物在每个初始异常运输环节的最终异常程度,最终异常程度用于描述在货物的初始异常运输环节内,货物被损坏的概率;根据最终异常程度从初始异常运输环节中筛选出若干损坏运输环节。
优选的,所述对集装箱内货物质量进行损坏判定得到每个集装箱内每个货物的损坏指标,包括的具体方法为:
将预设的两个损坏指标记为W1、W2,对于任意一个集装箱内任意一个货物,若货物最终到达指定目的地后出现损坏,将货物的损坏指标记为W1;若货物最终到达指定目的地后出现没有损坏,将货物的损坏指标记为W2。
优选的,所述根据所有运输环节下的监测数据类别序列之间监测数据的差异得到每个货物的异常程度值,包括的具体方法为:
式中,表示任意一个集装箱内任意一个货物的异常程度值;/>表示货物所属的集装箱包含的运输环节的数量;/>表示货物在第/>个运输环节下的监测数据类别序列的数量;表示货物在第/>个运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示货物在第/>个运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示取绝对值。
优选的,所述根据损坏指标以及异常程度值得到每个货物的异常判定程度,包括的具体方法为:
式中,表示任意一个集装箱内任意一个货物的初始异常判定程度;/>表示货物的异常程度值;/>表示货物的损坏指标;
获取所有货物的初始异常判定程度,对所有初始异常判定程度进行线性归一化,将归一化后的初始异常判定程度记为异常判定程度。
优选的,所述根据异常判定程度以及所有运输环节下的监测数据类别序列之间监测数据的差异在异常程度值中的占比,得到每个货物的监测异常程度,包括的具体方法为:
式中,表示货物在任意一个运输环节下的初始监测异常程度;/>表示货物的异常判定程度;/>表示货物在运输环节下的监测数据类别序列的数量;/>表示货物在运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示货物在运输环节之前的一个运输环节下,第/>种监测数据类别序列内所有监测数据的均值;/>表示货物的异常程度值;/>表示取绝对值;获取货物在所有运输环节下的初始监测异常程度,将所有运输环节下的初始监测异常程度进行线性归一化,将归一化后的每个初始监测异常程度记为监测异常程度。
优选的,所述根据监测异常程度从运输环节筛选出得到若干初始异常运输环节,包括的具体方法为:
将预设的监测异常程度阈值记为T2;对于任意一个货物的任意一个运输环节,若货物在运输环节下的监测异常程度大于T2,将运输环节记为货物的初始异常运输环节。
优选的,所述根据参考运输环节下参考货物的监测异常程度与初始异常运输环节下货物的监测异常程度之间的占比情况,得到每个货物在每个初始异常运输环节的第一异常程度,包括的具体方法为:
将任意一个集装箱内任意一个货物记为第一目标货物;
式中,表示第一目标货物在初始异常运输环节的第一异常程度;/>表示第一目标货物的参考货物的数量;/>表示第一目标货物的第/>个参考货物,在参考运输环节下的监测异常程度;/>表示第一目标货物在初始异常运输环节下的监测异常程度。
优选的,所述根据损坏指标以及第一异常程度得到每个货物在每个初始异常运输环节的最终异常程度,包括的具体方法为:
将任意一个集装箱内任意一个货物记为第二目标货物,将第二目标货物的任意一个初始异常运输环节记为目标运输环节,对于第二目标货物的任意一个参考货物,若在参考货物的所有初始异常运输环节中,存在任意一个与第二目标货物的目标运输环节相同的初始异常运输环节,将参考货物记为第二目标货物的第二参考货物;
式中,表示第二目标货物的目标运输环节的第二异常程度;/>表示第二目标货物的目标运输环节的第一异常程度;/>表示在第二目标货物的所有第二参考货物的损坏指标中,损坏指标不为W2的数量;/>表示第二目标货物的第二参考货物的数量;获取第二目标货物的所有初始异常运输环节的第二异常程度,将所有的第二异常程度进行线性归一化,将归一化后的每个第二异常程度记为最终异常程度。
优选的,所述根据最终异常程度从初始异常运输环节中筛选出若干损坏运输环节,包括的具体方法为:
将预设的最终异常程度阈值记为T3;对于任意一个集装箱内任意一个货物的任意一个初始异常运输环节,若初始异常运输环节的最终异常程度大于T3,将初始异常运输环节记为货物的损坏运输环节。
本发明还提出了一种跨境贸易物流数据追溯系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现上述的一种跨境贸易物流数据追溯方法的步骤。
本发明的技术方案的有益效果是:获取损坏指标,根据监测数据得到异常程度值,根据损坏指标以及异常程度值得到监测异常程度,根据监测异常程度得到第一异常程度,根据第一异常程度得到最终异常程度,根据最终异常程度得到每个货物的若干损坏运输环节;相较于现有技术无法根据有限制的物流数据进行合理有效地监测追溯,本发明的监测异常程度更好地反映了货物在运输过程中存在异常的监测数据的运输环节,最终异常程度更好地反映了货物在运输过程中存在损坏的运输环节,提高了所获取货物存在损坏的运输环节的准确性,降低了追溯结果产生的误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种跨境贸易物流数据追溯方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种跨境贸易物流数据追溯方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种跨境贸易物流数据追溯方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种跨境贸易物流数据追溯方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取每个集装箱的若干运输环节以及每种监测数据类别的监测数据。
需要说明的是,传统物流信息的追溯方法在对货物的物流信息进行追溯时,由于这些运输环节的物流数据存在一定的不透明度,传统的追溯方法无法根据有限制的物流数据进行合理有效地监测追溯,从而导致最终获取的存在损坏的运输环节并不准确。为此,本实施例提出了一种跨境贸易物流数据追溯方法。
具体的,为了实现本实施例提出的一种跨境贸易物流数据追溯方法,本实施例并不针对某一种货物类别,以水晶制品这一大类的货物类别为例进行叙述,首先需要采集监测数据,具体过程为:在若干个混装有若干种货物类别的集装箱中,对每种货物类别的所有货物包装箱内安装温度传感器、湿度传感器以及压力传感器这三种传感器;在每个集装箱进行跨境运输的过程中,每隔1分钟记录一次每个集装箱所属的运输环节,并同时分别记录一次每个货物包装箱内这三种传感器输出的数据,记为监测数据;直至每个集装箱完成跨境运输停止监测数据的记录;获取每个集装箱的所有监测数据;其中每种监测数据类别包含多个监测数据,每个集装箱对应多个运输环节,每个集装箱包含多个货物,每个货物对应多个运输环节。
至此,通过上述方法得到每个集装箱的所有监测数据以及所有运输环节。
步骤S002:对集装箱内货物质量进行损坏判定得到每个集装箱内每个货物的损坏指标;获取监测数据类别序列;根据所有运输环节下的监测数据类别序列之间监测数据的差异得到每个货物的异常程度值。
需要说明的是,为了明确了解各个运输环节下各个集装箱内货物的运输情况,需要对监测数据进行分析;但由于同一件货物在运输过程中会出现多次转运的情况,所以同一件货物在各个运输环节下都存在损坏的情况,因此仅仅分析单个运输环节下单个集装箱的监测数据并不准确,还需要根据同一集装箱内其他货物的监测数据进行综合分析,从而对当前货物的运输情况进行判断。
具体的,预设两个损坏指标W1、W2,其中本实施例以W1=1、W2=0为例进行叙述,本实施例不进行具体限定,其中W1、W2可根据具体实施情况而定;以任意一个集装箱内任意一个货物为例,若该货物最终到达指定目的地后出现损坏,将该货物的损坏指标预设为W1;若该货物最终到达指定目的地后出现没有损坏,将该货物的损坏指标预设为W2;获取每个集装箱内每个货物的损坏指标。
进一步的,以任意一个集装箱内任意一个货物的任意一个运输环节以及任意一种监测数据类别为例,在该运输环节内,将该集装箱内该货物的该种监测数据类别的所有监测数据按照采集时间从早到晚的顺序进行排列,将排列后的序列记为该集装箱内该货物在该运输环节下的该种监测数据类别序列;获取每个集装箱内每个货物在该运输环节下的每种监测数据类别序列;获取每个集装箱内货物在每个运输环节下的每种监测数据类别序列;其中同一集装箱内每个货物的所有监测数据序列的长度一致。
进一步的,以任意一个集装箱内任意一个货物为例,根据该货物的若干监测数据序列得到该货物的异常程度值;其中该货物的异常程度值的计算方法为:
式中,表示该货物的异常程度值;/>表示该货物所属的集装箱包含的运输环节的数量;/>表示该货物在第/>个运输环节下的监测数据类别序列的数量;/>表示该货物在第/>个运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示该货物在第/>个运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示取绝对值;/>表示该货物在第/>个运输环节下第/>种监测数据类别序列与第/>个运输环节下第/>种监测数据类别序列之间的差异;/>表示该货物在所有运输环节下的所有监测数据与正常参考值之间的差异;其中若该货物的异常程度值越大,说明该货物在运输过程中越有可能存在异常的监测数据,反映该货物在运输过程中越有可能出现损坏。获取该集装箱内每个货物的异常程度值;获取每个集装箱内每个货物的异常程度值。
至此,通过上述方法得到每个集装箱内每个货物的损坏指标以及异常程度值。
步骤S003:根据损坏指标以及异常程度值得到每个货物的异常判定程度;根据异常判定程度以及所有运输环节下的监测数据类别序列之间监测数据的差异在异常程度值中的占比,得到每个货物的监测异常程度;根据监测异常程度从运输环节筛选出得到若干初始异常运输环节。
具体的,以任意一个集装箱内任意一个货物为例,根据该货物的异常程度值以及损坏指标得到该货物的异常判定程度;其中该货物的异常判定程度的计算方法为:
式中,表示该货物的初始异常判定程度;/>表示该货物的异常程度值;/>表示该货物的损坏指标;获取所有货物的初始异常判定程度,对所有初始异常判定程度进行线性归一化,将归一化后的初始异常判定程度记为异常判定程度;其中若该货物的异常判定程度不为0,说明该货物损坏,反映该货物在运输过程中存在异常的运输环节;其中若该货物的异常判定程度为0,说明该货物没有损坏,反映该货物虽然在运输过程中存在异常的运输环节,但不足以对货物产生影响。
进一步的,以该货物的任意一个运输环节为例,根据该货物的异常判定程度以及异常程度值得到该货物在该运输环节下的监测异常程度;其中该货物在该运输环节下的监测异常程度的计算方法为:
式中,表示该货物在该运输环节下的初始监测异常程度;/>表示该货物的异常判定程度;/>表示该货物在该运输环节下的监测数据类别序列的数量;/>表示该货物在该运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示该货物在该运输环节之前的一个运输环节下,第/>种监测数据类别序列内所有监测数据的均值;/>表示该货物的异常程度值;/>表示取绝对值;其中若该货物在该运输环节下的初始监测异常程度越大,说明该货物在该运输环节下检测数据异常的可能性越大,反映该货物的该运输环节越属于异常的运输环节。需要说明的是,预设一个初始监测数据均值/>,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>可根据具体实施情况而定;若该货物在该运输环节之前不存在一个运输环节时,本实施例将/>。获取该货物在所有运输环节下的初始监测异常程度,将所有运输环节下的初始监测异常程度进行线性归一化,将归一化后的每个初始监测异常程度记为监测异常程度。
进一步的,预设一个监测异常程度阈值T2,其中本实施例以T2=0.21为例进行叙述,本实施例不进行具体限定,其中T2可根据具体实施情况而定;以该货物的任意一个运输环节为例,若该货物在该运输环节下的监测异常程度大于监测异常程度阈值T2,将该运输环节记为该货物的初始异常运输环节;若该货物在该运输环节下的监测异常程度小于或等于监测异常程度阈值T2,将不对该运输环节进行任何处理;获取该集装箱内该货物的所有初始异常运输环节;获取该集装箱内每个货物的所有初始异常运输环节;获取每个集装箱内每个货物的所有初始异常运输环节。
至此,通过上述方法得到每个集装箱内每个货物的所有初始异常运输环节。
步骤S004:获取货物的参考货物以及参考运输环节;根据参考运输环节下参考货物的监测异常程度与初始异常运输环节下货物的监测异常程度之间的占比情况,得到每个货物在每个初始异常运输环节的第一异常程度;根据损坏指标以及第一异常程度得到每个货物在每个初始异常运输环节的最终异常程度;根据最终异常程度从初始异常运输环节中筛选出若干损坏运输环节。
需要说明的是,对于任意一个货物而言,在该货物存在初始异常运输环节的基础上,若在该货物的初始异常运输环节下,与该货物同种的其他货物的监测异常程度越大,说明该货物在初始异常运输环节下的监测数据越具有参考意义,所以可以根据初始异常运输环节获取第一异常程度;而在第一异常程度以及初始异常运输环节的基础上,若最终损坏的数量与存在异常监测数据的数量比值越大,越能说明货物是在对应的初始异常运输环节内产生损坏的。
具体的,以任意一个集装箱内任意一个货物的任意一个初始异常运输环节为例,在该货物所属同种货物类别的所有货物中,将除该货物以外每个货物记为该货物的参考货物;将该货物的该初始异常运输环节记为该货物的每个参考货物的参考运输环节;根据该集装箱内该货物的所有参考货物在该参考运输环节下的监测异常程度,得到该货物的该初始异常运输环节的第一异常程度;其中该货物的该初始异常运输环节的第一异常程度的计算方法为:
式中,表示该货物在该初始异常运输环节的第一异常程度;/>表示该货物的参考货物的数量;/>表示该货物的第/>个参考货物,在该参考运输环节下的监测异常程度;/>表示该货物在该初始异常运输环节下的监测异常程度;其中若该货物的该初始异常运输环节的第一异常程度越大,说明在该货物的该初始异常运输环节下,与该水晶属于同种货物类别的货物存在损坏的可能性越大。
进一步的,以该货物的任意一个参考货物为例,若在该参考货物的所有初始异常运输环节中,存在任意一个与该货物的该初始异常运输环节相同的初始异常运输环节,将该参考货物记为该货物的第二参考货物;若在该参考货物的所有初始异常运输环节中,不存在与该货物的该初始异常运输环节相同的初始异常运输环节,不对该参考货物进行任何处理;获取该货物的所有第二参考货物。
进一步的,根据该货物的该初始异常运输环节的第一异常程度以及若干第二参考货物得到该货物的该初始异常运输环节的第二异常程度;其中该货物的该初始异常运输环节的第二异常程度的计算方法为:
式中,表示该货物的该初始异常运输环节的第二异常程度;/>表示该货物的该初始异常运输环节的第一异常程度;/>表示在该货物的所有第二参考货物的损坏指标中,损坏指标不为0的数量;/>表示该货物的第二参考货物的数量;/>表示与该货物所属同种类的所有货物中,最终损坏的数量与该初始异常运输环节下监测数据存在异常的数量的比值;其中若该货物的该初始异常运输环节的第二异常程度越大,说明在该货物的该初始异常运输环节内,该货物出现损坏的可能性越大,反映该货物的该初始异常运输环节内的监测数据越具有参考价值。获取该货物的所有初始异常运输环节的第二异常程度,将所有的第二异常程度进行线性归一化,将归一化后的每个第二异常程度记为最终异常程度。
进一步的,预设一个最终异常程度阈值T3,其中本实施例以T3=0.44为例进行叙述,本实施例不进行具体限定,其中T3可根据具体实施情况而定;以该货物的任意一个初始异常运输环节为例,若该初始异常运输环节的最终异常程度大于最终异常程度阈值T3,将该初始异常运输环节记为该货物的损坏运输环节;若该初始异常运输环节的最终异常程度小于或等于最终异常程度阈值T3,不对该初始异常运输环节进行任何处理。获取该集装箱内该货物的所有损坏运输环节;获取该集装箱内每个货物的所有损坏运输环节;获取每个集装箱内每个货物的所有损坏运输环节。
至此,通过上述方法得到每个集装箱内每个货物的所有损坏运输环节。
通过以上步骤,完成跨境贸易物流智能追溯方法。
本发明的另一个实施例提供了跨境贸易物流智能追溯系统,所述系统包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序时,执行以下操作:
获取每个集装箱的若干运输环节以及每种监测数据类别的监测数据;
获取每个集装箱内每个货物的损坏指标;根据运输环节以及监测数据类别之间监测数据的差异得到每个货物的异常程度值;
根据损坏指标以及异常程度值得到每个货物的异常判定程度;根据异常判定程度、异常程度值以及监测数据类别之间监测数据的差异得到每个货物的监测异常程度;根据监测异常程度得到每个货物的若干初始异常运输环节;
根据监测异常程度以及初始异常运输环节得到每个货物在每个初始异常运输环节的第一异常程度;根据第一异常程度得到每个货物在每个初始异常运输环节的最终异常程度;根据最终异常程度得到每个集装箱内每个货物的若干损坏运输环节。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种跨境贸易物流数据追溯方法,其特征在于,该方法包括以下步骤:
获取每个集装箱的若干运输环节以及每种监测数据类别的监测数据;
对集装箱内货物质量进行损坏判定得到每个集装箱内每个货物的损坏指标;对于任意一个集装箱内任意一个货物的任意一个运输环节以及任意一种监测数据类别,在运输环节内,将集装箱内货物的监测数据类别的所有监测数据按照采集时间从早到晚的顺序进行排列,将排列后的序列记为集装箱内货物在运输环节下的一种监测数据类别序列;根据所有运输环节下的监测数据类别序列之间监测数据的差异得到每个货物的异常程度值;
根据损坏指标以及异常程度值得到每个货物的异常判定程度,异常判定程度用于描述货物属于损坏货物的概率;根据异常判定程度以及所有运输环节下的监测数据类别序列之间监测数据的差异在异常程度值中的占比,得到每个货物的监测异常程度;根据监测异常程度从运输环节筛选出得到若干初始异常运输环节;
对于任意一个集装箱内任意一个货物的任意一个初始异常运输环节,在货物所属同种货物类别的所有货物中,将除货物以外每个货物记为货物的参考货物;将货物的初始异常运输环节记为参考货物的参考运输环节;根据参考运输环节下参考货物的监测异常程度与初始异常运输环节下货物的监测异常程度之间的占比情况,得到每个货物在每个初始异常运输环节的第一异常程度;根据损坏指标以及第一异常程度得到每个货物在每个初始异常运输环节的最终异常程度,最终异常程度用于描述在货物的初始异常运输环节内,货物被损坏的概率;根据最终异常程度从初始异常运输环节中筛选出若干损坏运输环节;
所述根据异常判定程度以及所有运输环节下的监测数据类别序列之间监测数据的差异在异常程度值中的占比,得到每个货物的监测异常程度,包括的具体方法为:
式中,表示货物在任意一个运输环节下的初始监测异常程度;/>表示货物的异常判定程度;/>表示货物在运输环节下的监测数据类别序列的数量;/>表示货物在运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示货物在运输环节之前的一个运输环节下,第/>种监测数据类别序列内所有监测数据的均值;/>表示货物的异常程度值;/>表示取绝对值;获取货物在所有运输环节下的初始监测异常程度,将所有运输环节下的初始监测异常程度进行线性归一化,将归一化后的每个初始监测异常程度记为监测异常程度;
所述对集装箱内货物质量进行损坏判定得到每个集装箱内每个货物的损坏指标,包括的具体方法为:
将预设的两个损坏指标记为W1、W2,对于任意一个集装箱内任意一个货物,若货物最终到达指定目的地后出现损坏,将货物的损坏指标记为W1;若货物最终到达指定目的地后没有损坏,将货物的损坏指标记为W2;
所述根据所有运输环节下的监测数据类别序列之间监测数据的差异得到每个货物的异常程度值,包括的具体方法为:
式中,表示任意一个集装箱内任意一个货物的异常程度值;/>表示货物所属的集装箱包含的运输环节的数量;/>表示货物在第/>个运输环节下的监测数据类别序列的数量;/>表示货物在第/>个运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示货物在第/>个运输环节下第/>种监测数据类别序列内,所有监测数据的均值;/>表示取绝对值;
所述根据参考运输环节下参考货物的监测异常程度与初始异常运输环节下货物的监测异常程度之间的占比情况,得到每个货物在每个初始异常运输环节的第一异常程度,包括的具体方法为:
将任意一个集装箱内任意一个货物记为第一目标货物;
式中,表示第一目标货物在初始异常运输环节的第一异常程度;/>表示第一目标货物的参考货物的数量;/>表示第一目标货物的第/>个参考货物,在参考运输环节下的监测异常程度;/>表示第一目标货物在初始异常运输环节下的监测异常程度;
所述根据损坏指标以及第一异常程度得到每个货物在每个初始异常运输环节的最终异常程度,包括的具体方法为:
将任意一个集装箱内任意一个货物记为第二目标货物,将第二目标货物的任意一个初始异常运输环节记为目标运输环节,对于第二目标货物的任意一个参考货物,若在参考货物的所有初始异常运输环节中,存在任意一个与第二目标货物的目标运输环节相同的初始异常运输环节,将参考货物记为第二目标货物的第二参考货物;
式中,表示第二目标货物的目标运输环节的第二异常程度;/>表示第二目标货物的目标运输环节的第一异常程度;/>表示在第二目标货物的所有第二参考货物的损坏指标中,损坏指标不为W2的数量;/>表示第二目标货物的第二参考货物的数量;获取第二目标货物的所有初始异常运输环节的第二异常程度,将所有的第二异常程度进行线性归一化,将归一化后的每个第二异常程度记为最终异常程度。
2.根据权利要求1所述一种跨境贸易物流数据追溯方法,其特征在于,所述根据损坏指标以及异常程度值得到每个货物的异常判定程度,包括的具体方法为:
式中,表示任意一个集装箱内任意一个货物的初始异常判定程度;/>表示货物的异常程度值;/>表示货物的损坏指标;
获取所有货物的初始异常判定程度,对所有初始异常判定程度进行线性归一化,将归一化后的初始异常判定程度记为异常判定程度。
3.根据权利要求1所述一种跨境贸易物流数据追溯方法,其特征在于,所述根据监测异常程度从运输环节筛选出得到若干初始异常运输环节,包括的具体方法为:
将预设的监测异常程度阈值记为T2;对于任意一个货物的任意一个运输环节,若货物在运输环节下的监测异常程度大于T2,将运输环节记为货物的初始异常运输环节。
4.根据权利要求1所述一种跨境贸易物流数据追溯方法,其特征在于,所述根据最终异常程度从初始异常运输环节中筛选出若干损坏运输环节,包括的具体方法为:
将预设的最终异常程度阈值记为T3;对于任意一个集装箱内任意一个货物的任意一个初始异常运输环节,若初始异常运输环节的最终异常程度大于T3,将初始异常运输环节记为货物的损坏运输环节。
5.一种跨境贸易物流数据追溯系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的一种跨境贸易物流数据追溯方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311566422.0A CN117273573B (zh) | 2023-11-22 | 2023-11-22 | 一种跨境贸易物流数据追溯方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311566422.0A CN117273573B (zh) | 2023-11-22 | 2023-11-22 | 一种跨境贸易物流数据追溯方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117273573A CN117273573A (zh) | 2023-12-22 |
CN117273573B true CN117273573B (zh) | 2024-03-01 |
Family
ID=89209154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311566422.0A Active CN117273573B (zh) | 2023-11-22 | 2023-11-22 | 一种跨境贸易物流数据追溯方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273573B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004090778A1 (en) * | 2003-04-10 | 2004-10-21 | Sembcorp Logistics Ltd | Security system and processes for goods supply chain management |
CN110147976A (zh) * | 2019-05-28 | 2019-08-20 | 深圳市天勤供应链服务有限公司 | 一种基于碰撞检测器的物流状态跟踪方法及系统 |
CN114037134A (zh) * | 2021-11-01 | 2022-02-11 | 丝路之舟科技有限公司 | 基于区块链的跨境贸易流程优化系统及方法 |
CN115496644A (zh) * | 2022-11-18 | 2022-12-20 | 山东超华环保智能装备有限公司 | 基于数据识别的固体废弃物处理设备监测方法 |
CN115994774A (zh) * | 2023-03-22 | 2023-04-21 | 北京新发地农产品网络配送中心有限责任公司 | 一种商品信息追溯方法、系统、电子设备及可读存储介质 |
CN116384861A (zh) * | 2023-03-25 | 2023-07-04 | 郑州航空工业管理学院 | 一种智慧冷链物流优化调度方法 |
CN116468231A (zh) * | 2023-03-31 | 2023-07-21 | 深圳市每开创新科技有限公司 | 一种货物运输异常确定方法、装置、智能终端及存储介质 |
CN116523428A (zh) * | 2023-06-29 | 2023-08-01 | 深圳市辉熙智能科技有限公司 | 箱式物流系统的物流管理方法、装置、设备及存储介质 |
CN116645029A (zh) * | 2023-05-30 | 2023-08-25 | 青岛家哇云网络科技有限公司 | 一种基于大数据的智能物流监控系统及方法 |
CN116805229A (zh) * | 2023-08-25 | 2023-09-26 | 北京市蒙伊通运输服务有限公司 | 一种基于大数据平台的运输物流定位监控系统 |
CN116976778A (zh) * | 2023-08-03 | 2023-10-31 | 太原易思软件技术有限公司 | 一种基于智能物流运输平台的监控系统及方法 |
-
2023
- 2023-11-22 CN CN202311566422.0A patent/CN117273573B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004090778A1 (en) * | 2003-04-10 | 2004-10-21 | Sembcorp Logistics Ltd | Security system and processes for goods supply chain management |
CN110147976A (zh) * | 2019-05-28 | 2019-08-20 | 深圳市天勤供应链服务有限公司 | 一种基于碰撞检测器的物流状态跟踪方法及系统 |
CN114037134A (zh) * | 2021-11-01 | 2022-02-11 | 丝路之舟科技有限公司 | 基于区块链的跨境贸易流程优化系统及方法 |
CN115496644A (zh) * | 2022-11-18 | 2022-12-20 | 山东超华环保智能装备有限公司 | 基于数据识别的固体废弃物处理设备监测方法 |
CN115994774A (zh) * | 2023-03-22 | 2023-04-21 | 北京新发地农产品网络配送中心有限责任公司 | 一种商品信息追溯方法、系统、电子设备及可读存储介质 |
CN116384861A (zh) * | 2023-03-25 | 2023-07-04 | 郑州航空工业管理学院 | 一种智慧冷链物流优化调度方法 |
CN116468231A (zh) * | 2023-03-31 | 2023-07-21 | 深圳市每开创新科技有限公司 | 一种货物运输异常确定方法、装置、智能终端及存储介质 |
CN116645029A (zh) * | 2023-05-30 | 2023-08-25 | 青岛家哇云网络科技有限公司 | 一种基于大数据的智能物流监控系统及方法 |
CN116523428A (zh) * | 2023-06-29 | 2023-08-01 | 深圳市辉熙智能科技有限公司 | 箱式物流系统的物流管理方法、装置、设备及存储介质 |
CN116976778A (zh) * | 2023-08-03 | 2023-10-31 | 太原易思软件技术有限公司 | 一种基于智能物流运输平台的监控系统及方法 |
CN116805229A (zh) * | 2023-08-25 | 2023-09-26 | 北京市蒙伊通运输服务有限公司 | 一种基于大数据平台的运输物流定位监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117273573A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9886799B2 (en) | Real-time cargo condition management system and method based on remote real-time vehicle OBD monitoring | |
CN109919040B (zh) | 货物的品规信息识别方法及装置 | |
CN111157092B (zh) | 一种车载称重自动标定的方法及计算机可读存储介质 | |
CN111210181B (zh) | 一种货物流向管控方法及系统 | |
CN109284806A (zh) | 用于自动rfid质量控制的系统和方法 | |
CN109165959A (zh) | 基于区块链的供应链查询方法和装置 | |
CN115099760A (zh) | 一种基于计算机机器视觉的危险品智能检测预警方法 | |
CN111811694A (zh) | 一种温度校准方法、装置、设备及存储介质 | |
CN117273573B (zh) | 一种跨境贸易物流数据追溯方法及系统 | |
CN115860510A (zh) | 一种基于大数据的生产效率分析评估方法 | |
CN110223015B (zh) | 物流流程环节处理方法、管理系统、装置以及存储设备 | |
CN115660540A (zh) | 货物跟踪方法、装置、计算机设备和存储介质 | |
CN113591711B (zh) | 一种基于人工智能的粮仓危险源安全监测方法及系统 | |
JP7195852B2 (ja) | 評価装置及び評価プログラム | |
CN116897360A (zh) | 用于监测易腐产品的载荷的过程和基础设施 | |
JP7476179B2 (ja) | 包装ユニットの製造プロセスを制御するシステム | |
CN117649249B (zh) | 基于区块链的食品生产溯源管理方法及系统 | |
McFarlane | Product identity and its impact on discrete event observability | |
Bettayeb et al. | Impact of type-II inspection errors on a risk exposure control approach based quality inspection plan | |
Gissin et al. | Indicators and methods for assessing the quality of logistic activity processes | |
CN116258424B (zh) | 产品分析方法、电池产品分析方法、装置、设备及介质 | |
CN116503887B (zh) | 基于图像识别的货代订单处理方法 | |
US6554186B1 (en) | Product inspection device | |
CN112069287B (zh) | 标准阈值数字化转译方法 | |
Beckschulte et al. | Benchmarking Control Charts and Machine Learning Methods for Fault Prediction in Manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |