多式联运货物重量管理方法与流程

1.本发明涉及一种多式联运货物重量管理方法，属于物流管理领域。


背景技术：

2.多式联运是一种通过多种交通工具协同运输货物的一种方式，包括火车、飞机、轮船等，一般会涉及物流公司以及铁路飞机等承运主体，流程相对复杂，监管难度更大，涉及多个主体。与物流公司自己通过自有运输工具运输不同，多式联运对于货物重量是敏感的。因此对于员工快递公司员工夹运私货会导致公司运输成本提高。而如果承运公司员工对于物品重量瞒报少报，会导致承运公司收益减少。对于货物重量的管理是物流公司和承运公司共同的需求。称重器可能会存在人为、非人为的各种误差，会导致快递公司记录的总重量与联运称重有差距，导致很难发现违规操作。
3.联盟链是介于公有链和私有链之间，具备部分去中心化的特性。联盟链是由若干机构联合发起，由盟友共同来维护，它只针对特定某个群体的成员和有限的第三方开放。联盟链的参与者是被提前筛选出来的，或者直接指定的，联盟链内部指定多个预选的节点，作为记账人，每个区块的生成由指定的节点共同决定，其他节点可以参与交易，但不参与记账过程。
4.在多式联运中场景中，现有技术主要在使每次的物品交接可追溯，不可篡改，但其覆盖范围是在数据上传系统后，主要记录交接的责任人、时间、位置等。现阶段的管理手段，对于快递公司个别人员夹运私货、或者承运方称重器存在个别人为修改调整参数等问题，都很难侦测管理。本发明的目的是在基于区块链以及智能终端设备的技术的基础上，提出一种多式联运货品重量误差管理方法，通过博弈的方法提高每个参与方的违规困难度，并辅助发现非人为的故障问题。


技术实现要素：

5.为克服现有技术的缺陷，本发明提供一种多式联运货物重量管理方法，本发明的技术方案是：
6.一种多式联运货物重量管理方法，包括以下步骤：
7.(1)快递公司门店收取快递，运送到快递公司的城市中转站；
8.(2)快递公司的城市中转站选择需要交付多式联运的快件，使用智能称重设备对快件称重，在扫描快件单号的同时核对快递重量与费用是否一致，然后记录至区块链；并根据运送城市分箱，每箱的快递单号均记录至区块链；
9.(3)快递公司将联运货物运送至多式联运托运点，与联运承运方进行交接；
10.(4)多式联运主体与目标城市快递公司交付；
11.(5)采用博弈方法，对运输货物的重量记账；
12.(6)误差离线分析，每月会统一分析误差绝对值大于5％的记录。
13.所述的步骤(3)具体为：3-1、快递公司工作人员与联运承运方工作人员共同扫描
封装箱体二维码确认箱体信息；
14.3-2、使用智能封箱设备对箱体进行封箱，封箱后通过智能封箱设备上传包括时间、经纬度的封箱信息后上传至区块链；
15.3-3、快递公司及承运公司员工确认箱体信息后，确认交接；其中，快递公司对每个快递件称重，运输箱体里面包括数个快递件，每个快递件的重量之和加上标准包装箱的自重，得到重量w1；在交接点的称重时，快递已经装在标准包装箱里面，托运公司直接称重即可，得到重量w2；w1的重量是来自于快递公司对于每件物品的称重加上标准包装箱的重量，w2是来自于托运公司称重的重量；将重量w1和w2的数据上传至区块链。
16.所述的步骤(4)具体为：
17.4-1、快递公司员工检查联运箱体是否损坏、封条是否损坏；
18.4-2、多式联运承运公司与快递公司双方工作人员扫描转运箱二维码，确认详细信息，转运箱体放到称重器称重得到重量w3，并上传至区块链。
19.所述的步骤(5)具体为：
20.5-1、获取快递公司与承运方的称重误差
21.如果误差|m|≤5％，则认为快递公司称重可信，使用作为记账重量；在此情况下，快递方与承运方称量的货物重量达成一致，以最小的称重值为计费依据；如果快递方有人不通过扫描夹带私运货物，很难保证误差在5％以内；
22.如果误差|m|＞5％，计算其平均值通过公式
23.|w-e|，其中w为w1，w2或w3；得出w1，w2，w3的偏差分别为dw1，dw2，dw3；如果dw1最大，则按照计费，在此情况下，承运方的两个城市的两个智能称重器称重偏差小于快递方的提报重量的称重偏差，认为快递方的称重误差较大，使用承运方的称重结果，这种算法使快递方人为调教智能承重设备、快递方智能称重设备故障误差对计费结果不产生负面影响；
24.如果误差|m|》5％，计算其平均值通过公式|w-e|，其中w为w1，w2或w3，得出w1，w2，w3的偏差分别为dw1，dw2，dw3，如果dw2或者dw3值最大，则依然按照w1计费，在此情况下，认为承运方的智能称重器误差大，以快递公司的称重为准；将所有误差|m|》5％的记录上传离线分析中心。
25.所述的步骤(6)具体为：
26.将一个月的所有联运误差大于5％的数据集合到一起，会形成如下数据：
27.使用record_id字段记录托运记录id，使用w1标识快递公司称重，使用w2和w3表示托运公司的前后两次称重；使用w1_scale、w2_scale、w3_scale字段分别表示w1、w2、w3称重用的智能称重使用的设备id；
28.找出明显误差次数高于平均值一倍的称重设备：通过sql过滤语句获取误差设备来源select x,count(x)from abnormal_record group by x；其中x使用“w1_scale”,“w2_
scale”,“w3_scale”替换，会得到三组称重设备id与误差数量的三组数据集合，将三组数据集合按相同id误差数量相加的方法进行合并，得出一个设备id与误差数据的数据集合vt＝{id1:vt1,id2:vt2,id3:vt3,...idn:vtn}，id1到idn中没有重复；通过总的称重记录，查询id1，id2...idn的总称重次数，得到数据集合vat＝{id1:vat1,id2:vat2,
……
，idn:vatn}；
29.通过公式计算每个设备的称重误差产生比例，得到设备称重误差产生比例数据集合vtr＝{id1:vtr1,id2:vtr2,id3:vtr3,...idn:vtrn}；计算平均误差比例排查设备误差比例大于2倍vtravg的设备；
30.分别以w1_scale和w2_scale，w1_scale和w3_scale分组，对快递公司和承运方的称重误差进行拟合；步骤如下：
31.通过sql语句select distinct(x)from abnormal_record；其中x使用w1_scale,w2_scale,w3_scale替换，分别得到三组误差称重器vtd1＝{vtd11,vtd12,vtd13
……
},vtd2＝{vtd21,vtd22,vtd23
……
},vtd3＝{vtd31,vtd32,vtd33...}其中vtd1是快递公司的误差设备列表，vtd2、vtd3是承运方的误差设备列表；
32.通过如下sql语句获取快递公司和承运方设备比对分组：select record_id,w1,w2 from abnormal_record where w1_scale＝vtd1x and w2_scale＝vtd2x；其中vtd1x和vtd2x分别是vtd1和vtd2中的元素。遍历vtd1和vtd2所有的元素执行上面sql语句，得出一个数据分析集合analysis_a＝{a1,a2,a3...}，其中每个元素都是vtd1和vtd2的对应元素查询到包含record_id,w1,w2，w1_scale，w2_scale字段的数据集合；针对vtd1和vtd3获得数据分析集合analysis_b＝{b1,b2,b3
……
},其中每个元素都是vtd1和vtd3的对应元素查询到的record_id,w1,w3集合；对analysis_a、analysis_b中，过滤掉样本数量小于20，或样本不满足的元素，其中n为analysis_a或者analysis_b中的元素个数，wa对应w1，wb对应analysis_a中的w2以及analysis_b中的w3；得到过滤后的集合analysis_final_a和analysis_final_b，对两个分组的所有元素分别做一次线性拟合和二次线性拟合；对每一组样本分别拟合出y＝ax+b和y＝ax2+bx+c的a，b，c的参数值；对每一组拟合参数的w1作为x带入拟合函数，w1带入x，w2带入y，使用matlab的polyfit函数，进行一阶和二阶的拟合，求得参数a，b，c的值。将a、b、c和w1分别带入方程y＝ax+b和y＝ax平方+bx+c得出对应的y值；以analysis_final_a的样本为例，得到一个包含record_id、w1、w2、w1_scale、w2_scale、y的数据集合；假设此样本的记录数为n，其平均拟合误差率计算公式如下：
33.其中，w2k表示样本中第k个样本的w2的值，yk表示样本中第k个样本带入w1和参数求得的y的值；
34.寻找平均拟合误差率δ《5％的分组，对于此分组对应的称重器进行排查问题，由于每组样本的称重偏差率大于10％，在拟合后的带入公式得到拟合误差率小于5％，则可认定称重器产生规律性偏差。
35.本发明的优点是：
36.1、在多式联运中提出基于博弈机制的重量管理方法，来加强系统外部的公平可信机制。
37.2、在博弈机制中，两地双方共三次称重，在误差偏差基础上，通过偏差剔除、优先控制等方法，使人为控制记账结果异常困难，从而有效减少私人作弊行为；出现大误差的情况下，通过统计分析、误差拟合的方式查找问题称重器，使在称重器上做手脚的复杂度大大增高，保护公平机制。
38.本发明基于区块链的可追溯不可篡改的特性基础上，提出了一种重量管理方法，通过区块链技术在信息系统中数据实现互信，在实际称重中使用技术手段保证称重流程规范，采取了误差博弈算法，即为人为作弊提高了门槛和成本又为非人为的故障提供自动结论分析，使双方在公平公正的基础上都保证自身利益。
附图说明
39.图1是本发明快递方与快递公司的示意图。
40.图2是本发明的流程示意图。
具体实施方式
41.下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
42.参见图1，本发明涉及一种多式联运货物重量管理方法，一种多式联运货物重量管理方法，包括以下步骤：
43.(1)快递公司门店收取快递，运送到快递公司的城市中转站；
44.(2)快递公司的城市中转站选择需要交付多式联运的快件，使用智能称重设备对快件称重，在扫描快件单号的同时核对快递重量与费用是否一致，然后记录至区块链；并根据运送城市分箱，每箱的快递单号均记录至区块链；
45.(3)快递公司将联运货物运送至多式联运托运点，与联运承运方进行交接；
46.(4)多式联运主体与目标城市快递公司交付；
47.(5)采用博弈方法，对运输货物的重量记账；
48.(6)误差离线分析，每月会统一分析误差绝对值大于5％的记录。
49.所述的步骤(3)具体为：3-1、快递公司工作人员与联运承运方工作人员共同扫描封装箱体二维码确认箱体信息；
50.3-2、使用智能封箱设备对箱体进行封箱，封箱后通过智能封箱设备上传包括时间、经纬度的封箱信息后上传至区块链；
51.3-3、快递公司及承运公司员工确认箱体信息后，确认交接；其中，快递公司对每个快递件称重，运输箱体里面包括数个快递件，每个快递件的重量之和加上标准包装箱的自重，得到重量w1；在交接点的称重时，快递已经装在标准包装箱里面，托运公司直接称重即可，得到重量w2；w1的重量是来自于快递公司对于每件物品的称重加上标准包装箱的重量，w2是来自于托运公司称重的重量；将重量w1和w2的数据上传至区块链。
52.所述的步骤(4)具体为：
53.4-1、快递公司员工检查联运箱体是否损坏、封条是否损坏；
54.4-2、多式联运承运公司与快递公司双方工作人员扫描转运箱二维码，确认详细信息，转运箱体放到称重器称重得到重量w3，并上传至区块链。
55.所述的步骤(5)具体为：
56.5-1、获取快递公司与承运方的称重误差
57.如果误差|m|≤5％，则认为快递公司称重可信，使用作为记账重量；在此情况下，快递方与承运方称量的货物重量达成一致，以最小的称重值为计费依据；如果快递方有人不通过扫描夹带私运货物，很难保证误差在5％以内；
58.如果误差|m|＞5％，计算其平均值通过公式|w-e|，其中w为w1，w2或w3；得出w1，w2，w3的偏差分别为dw1，dw2，dw3；如果dw1最大，则按照计费，在此情况下，承运方的两个城市的两个智能称重器称重偏差小于快递方的提报重量的称重偏差，认为快递方的称重误差较大，使用承运方的称重结果，这种算法使快递方人为调教智能承重设备、快递方智能称重设备故障误差对计费结果不产生负面影响；
59.如果误差|m|》5％，计算其平均值通过公式|w-e|，其中w为w1，w2或w3，得出w1，w2，w3的偏差分别为dw1，dw2，dw3，如果dw2或者dw3值最大，则依然按照w1计费，在此情况下，认为承运方的智能称重器误差大，以快递公司的称重为准；将所有误差|m|》5％的记录上传离线分析中心。
60.所述的步骤(6)具体为：
61.将一个月的所有联运误差大于5％的数据集合到一起，会形成如下数据：
62.使用record_id字段记录托运记录id，使用w1标识快递公司称重，使用w2和w3表示托运公司的前后两次称重；使用w1_scale、w2_scale、w3_scale字段分别表示w1、w2、w3称重用的智能称重使用的设备id；
63.找出明显误差次数高于平均值一倍的称重设备：通过sql过滤语句获取误差设备来源select x,count(x)from abnormal_record group by x；其中x使用“w1_scale”,“w2_scale”,“w3_scale”替换，会得到三组称重设备id与误差数量的三组数据集合，将三组数据集合按相同id误差数量相加的方法进行合并，得出一个设备id与误差数据的数据集合vt＝{id1:vt1,id2:vt2,id3:vt3,...idn:vtn}，id1到idn中没有重复；通过总的称重记录，查询id1，id2...idn的总称重次数，得到数据集合vat＝{id1:vat1,id2:vat2,
……
，idn:vatn}；
64.通过公式计算每个设备的称重误差产生比例，得到设备称重误差产生比例数据集合vtr＝{id1:vtr1,id2:vtr2,id3:vtr3,...idn:vtrn}；计算平均误差比例排查设备误差比例大于2倍vtravg的设备；
65.分别以w1_scale和w2_scale，w1_scale和w3_scale分组，对快递公司和承运方的称重误差进行拟合；步骤如下：
66.通过sql语句select distinct(x)from abnormal_record；其中x使用w1_scale,w2_scale,w3_scale替换，分别得到三组误差称重器vtd1＝{vtd11,vtd12,vtd13
……
},vtd2＝{vtd21,vtd22,vtd23
……
},vtd3＝{vtd31,vtd32,vtd33
……
}其中vtd1是快递公司的误差设备列表，vtd2、vtd3是承运方的误差设备列表；
67.通过如下sql语句获取快递公司和承运方设备比对分组：select record_id,w1,w2 from abnormal_record where w1_scale＝vtd1x and w2_scale＝vtd2x；其中vtd1x和vtd2x分别是vtd1和vtd2中的元素。遍历vtd1和vtd2所有的元素执行上面sql语句，得出一个数据分析集合analysis_a＝{a1,a2,a3...}，其中每个元素都是vtd1和vtd2的对应元素查询到包含record_id,w1,w2，w1_scale，w2_scale字段的数据集合；针对vtd1和vtd3获得数据分析集合analysis_b＝{b1,b2,b3
……
},其中每个元素都是vtd1和vtd3的对应元素查询到的record_id,w1,w3集合；对analysis_a、analysis_b中，过滤掉样本数量小于20，或样本不满足的元素，其中n为analysis_a或者analysis_b中的元素个数，wa对应w1，wb对应analysis_a中的w2以及analysis_b中的w3；得到过滤后的集合analysis_final_a和analysis_final_b，对两个分组的所有元素分别做一次线性拟合和二次线性拟合；对每一组样本分别拟合出y＝ax+b和y＝ax2+bx+c的a，b，c的参数值；对每一组拟合参数的w1作为x带入拟合函数，w1带入x，w2带入y，使用matlab的polyfit函数，进行一阶和二阶的拟合，求得参数a，b，c的值。将a、b、c和w1分别带入方程y＝ax+b和y＝ax平方+bx+c得出对应的y值；以analysis_final_a的样本为例，得到一个包含record_id、w1、w2、w1_scale、w2_scale、y的数据集合；假设此样本的记录数为n，其平均拟合误差率计算公式如下：
68.其中，w2k表示样本中第k个样本的w2的值，yk表示样本中第k个样本带入w1和参数求得的y的值；
69.寻找平均拟合误差率δ《5％的分组，对于此分组对应的称重器进行排查问题，由于每组样本的称重偏差率大于10％，在拟合后的带入公式得到拟合误差率小于5％，则可认定称重器产生规律性偏差。
70.如：快递公司a由城市c1运输100件快递至城市c2，在城市c1快递a的中转站使用智能称重设备称量快递重量amc1＝{m1,m2
……
，m100}，并记录至区块链。
71.快递公司a把100件运输至城市c1的多式联运交接站，与联运工作人员共同封箱，扫描封装箱体二维码确认箱体信息(包括箱体自重bm，运送单号tran0001),使用智能封箱设备对箱体进行封箱，封箱后通过智能封箱设备上传包括时间、经纬度的封箱信息后上传至区块链。此时可知快递公司对联运货物的称重为w1，联运方使用智能设备称重称得总重量为w2，并上传区块链。后进入运输流程。
72.物品运输至城市c2之后，在c2的多式联运交接站，联运公司使用智能设备对箱体整体称重得到w3，并上传区块链。
73.后台系统开始预记账，当称重偏差小于5％时，证明快递公司和托运公司的称重误差小，使用快递公司的称重值预记账，保证快递公司的权益。当称重偏差大于5％时，说明快递公司的称重与托运公司的称重有分歧，需要分情况处理。当w1与平均值偏差最大时，剔除最大偏差w1，以托运公司的称重为准，如果快递公司有人托运私货会很容易暴露；当w2或者w3与平均值偏差最大时，剔除最大偏差，此时托运公司两次称重偏差大，对其称重结果信任度降低，出于考虑保护快递公司，选择快递公司称重值预记账。
74.在月底会对偏差大于5％的称重进行分析，首先统计称重设备偏差比例大于平均偏差比例2倍以上的设备进行排查，排除设备故障或者设备作弊调教。再对误差记录进行拟合，主要针对承运公司，如果部分设备都进行了统一调整会出现拟合规律，并推送相关方进行复核。以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。