申请/专利权人：嘉兴环洋电商物流服务有限公司

申请日：2023-09-18

公开（公告）日：2024-04-19

公开（公告）号：CN117350615B

主分类号：G06Q10/0831

分类号：G06Q10/0831;G06Q10/0833;G06Q10/0635;G06N3/006;G06N3/0499

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明公开了一种国际物流轨迹追踪系统及方法，涉及国际物流领域，包含货物标识模块、数据追踪模块、跨境数据管理模块、云服务平台、报告生成模块和安全保护模块，所述货物标识模块的输出端与所述数据追踪模块的输入端连接，所述数据追踪模块的输出端与所述跨境数据管理模块的输入端连接，所述数据追踪模块和跨境数据管理模块的输出端与所述云服务平台的输入端连接，所述货物标识模块、数据追踪模块和跨境数据管理模块的输出端与所述报告生成模块的输入端连接，所述安全保护模块全程工作，本发明能够对国际物流货物的实时跟踪和识别，并进行风险评估，同时确保数据的安全性，自动化、智能化程度高。

主权项：1.一种国际物流轨迹追踪系统，其特征在于：所述系统包括：货物标识模块，用于对国际物流货物进行标识，以便对货物进行实时跟踪和识别；数据追踪模块，用于与多源物流数据源进行连接和通信，获取货物的运输过程信息，所述数据追踪模块包括位置追踪单元、环境追踪单元、状态追踪单元和数据中转平台，所述位置追踪单元、环境追踪单元和状态追踪单元的输出端与所述数据中转平台的输入端连接；跨境数据管理模块，用于管理跨境物流数据，以获取国际物流运输的关键节点，所述跨境数据包括海关编码、报关信息、跨境费用支付信息和跨境文件调用信息，所述跨境数据管理模块通过实时湖仓一体平台Skylab协同供应商、物流服务商和海关实时共享和更新跨境物流数据，并记录和跟踪跨境物流的费用项目、支付状态和金额，以便进行费用控制和核算；云服务平台，用于对获取的货物数据和物流数据进行云储存、处理和分析，所述云服务平台通过PSO优化算法和BP神经网络结合对国际物流轨迹进行风险评估；报告生成模块，用于对跨境物流数据进行统计和分析，并生成货物追踪报告、费用统计报告和风险评估报告，所述报告生成模块通过集成智能可视化平台Tableau将数据转化为交互式的图表、仪表板和报告，并进行可视化显示；安全保护模块，用于保护数据在传输和存储过程中的安全性，所述安全保护模块通过双层安全防火墙保护系统安全、内核平台安全和服务安全；其中，所述货物标识模块的输出端与所述数据追踪模块的输入端连接，所述数据追踪模块的输出端与所述跨境数据管理模块的输入端连接，所述数据追踪模块的输出端与所述云服务平台的输入端连接，所述跨境数据管理模块的输出端与所述云服务平台的输入端连接，所述货物标识模块的输出端与所述报告生成模块的输入端连接，所述数据追踪模块的输出端与所述报告生成模块的输入端连接，所述跨境数据管理模块的输出端与所述报告生成模块的输入端连接，所述安全保护模块全程工作；所述PSO优化算法通过迭代更新寻求风险评估的最优解，并根据输入参数粒子的个体极值与全局极值的范围，对迭代更新的速度和位置进行更新，第j个粒子搜寻到的个体极值表示为： （1）在公式（1）中，表示风险评估过程中待优化参数的个体极值，表示粒子群中第j个粒子的位置，N，通过公式（1）得出待优化参数的个体极值，使用个体极值和全局极值对粒子的速度进行更新公式表示为： （2）在公式（2）中，表示第j个粒子的更新速度，、表示粒子群的加速度量，表示惯性常数，、表示随机数概率，表示粒子群搜寻到的全局极值，通过公式（2）完成对粒子群速度的更新，所述PSO优化算法通过经验模态分解法将待分解信号项进行展开分解，获取到相同频带的数据分量，公式表示为： （3）在公式（3）中，表示t时刻综合国际物流轨迹的数据分量，M表示本征模态分量数，为t时刻国际物流轨迹第m个本征模态分量，1；所述BP神经网络将误差进行反向传播，并通过参考不同层的误差返回前一层进行误差更新，所述BP神经网络中的a个控制节点的分布向量为，输出层中b个控制节点的目标分布向量为，C表示控制节点，隐藏层的输出向量表示为： （4）在公式（4）中，表示输入到第p层隐藏层的综合国际物流轨迹数据的分布向量，表示第p层隐藏层的权重向量，表示第p层隐藏层神经元阈值，表示第p层隐藏层输出到数据特征，表示BP神经网络隐藏层的数量，，表示BP神经网络的激活函数，通过公式（5）计算所述BP神经网络隐藏层的输出向量，校正误差公式表示为： （5）在公式（5）中，表示t时刻的校正误差，表示综合国际物流轨迹数据的分布向量，表示t时刻BP神经网络输出层的输出向量，表示t时刻BP神经网络输出层的输入向量，，修正连接权重和阈值公式表示为： （6）在公式（6）中，、表示修正后的BP神经网络的连接权重和阈值，表示BP神经网络的学习因子，表示第p层隐藏层的校正误差，表示第p层隐藏层输出的初始学习样本，BP神经网络自动更新调整，输出层节点的输出表示为： （7）在公式（7）中，表示BP神经网络输出的风险评估值，S表示输出层，L表示输出层节点序号，Q表示节点的输出向量，B表示输出到综合数据特征。

全文数据：

权利要求：

百度查询： 嘉兴环洋电商物流服务有限公司 一种国际物流轨迹追踪系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD