1.本发明属于物流信息技术领域，涉及一种网络货运运费垫付异常预警管控的方法。
背景技术：
2.近几年来，随着网络货运业务快速发展，网络货运平台逐渐兴起。很多物流公司上线网络货运平台，来实现合法取得进项以及扩大自己的运力来源。由于业务规模扩大以及其它特殊情况，物流公司经常会出现缺少资金的情况，这就需要网络货运平台具有运费垫付的能力，解决平台上物流公司的资金需求。
3.目前部分网络货运平台虽然具有运费垫付的功能，但是往往不具有运费垫付异常管控的能力，无法及时发现运费垫付过程的风险。这将导致在运费垫付过程中存在较大的资金安全风险，一旦发生物流公司从平台套取资金或者无法还款的情况，将会给网络货运平台带来重大损失。本发明提供一种规范化的网络货运平台运费垫付异常管控的方法，在业务运作过程中，对业务进行全方位监控，及时识别各类异常并跟进处理，从而解决现有技术无法及时识别出物流公司业务真实情况和还款能力，导致垫付运费存风险无法有效评估和管控的问题。也解决了对于风险监控过程中容易受到物流公司在物流过程中由于执行不规范和系统操作错误误导，导致的对异常类别识别错误的情况屡见不鲜，难以排除这类干扰的问题。
技术实现要素：
4.本发明的目的是提供一种网络货运运费垫付异常预警管控的方法，用于解决现有技术中缺乏依据数据信息对网络货运平台上物流公司业务真实情况和还款能力进行识别判断，并且识别结果易受物流公司不规范的执行和操作干扰的问题。
5.所述的一种网络货运运费垫付异常预警管控的方法，包括：首先在项目异常监控配置阶段完成对异常类型的分类定义，构建用于判断业务虚假类异常的判断模型，并设置异常监控相关的相应算法规则，在垫付流程中依据对应物流公司的异常记录计算风险系数，并按此确定的激励措施对物流公司进行激励；之后进行项目异常监控执行，定时异常定义和异常算法规则执行监控，主动发现异常；一旦发现异常，记录后即刻推送消息给相应人员；之后依据异常类型进行相应处理；
6.异常类型至少包括业务虚假类异常和资金类异常，业务虚假类异常指实际物流数据与运单内容存在不符，资金类异常指在运费和还款等资金往来数据上资金拖欠问题；风险系数k的算法如下：
[0007][0008]
上式中，总运单数为n，业务虚假类异常的权重为w1，某一运单只要出现任一业务虚假类异常，则业务虚假类异常值ti记为1，否则记为0；资金异常类的权重为w2，某一运单只要出现任一资金类异常，则资金类异常值si记为1，否则记为0；w1和w2均在0-100％之间，
w1 w2＝100％。
[0009]
优选的，业务虚假类异常判定包括：判断业务是否虚假涉及的因素源自实际物流过程采集的数据和运单提供的数据，采集的数据经处理后提取出指标带入到判断模型，计算出概率值，将计算结果与临界值比较从而判断该运单对应业务是否虚假；所述判断模型依据逻辑回归模型建立如下：
[0010][0011]
其中，xi(i＝0，1，2，...，6)表示指标变量，x1-x6依次分别表示：车辆轨迹和运单线路不相符、非司机本人操作app、运单无收货人签收记录、运输价格高出均值一定阈值、车辆未在规定的时间出现在提卸货地和非司机本人收款运费；p为概率，βi(i＝0，1，2，...，6)表示回归系数，为待确定系数；定义损失函数为l(a，y)＝-ylog(a)-(1-y)log(1-a)，y表示真实标签，a表示预测结果；将指标按照向后逐步回归进入逻辑回归模型，确定各个回归系数，最终得到确定的判断模型。
[0012]
优选的，实际物流数据包括车辆轨迹，车辆轨迹用于识别出车辆未在规定的时间出现在提货地以及车辆轨迹与运单线路不相符的情况；本方法通过一种基于距离的异常点识别模型以快速识别异常坐标，从而修正车辆轨迹；所述异常点识别方法包括：
[0013]
(1)首先对运输车辆的行驶轨迹进行分段处理；
[0014]
(2)对每个分段进行异常点识别；
[0015]
(3)删除每段的异常点重新绘制轨迹。
[0016]
优选的，所述步骤(2)包括下列具体步骤：
[0017]
a)分别计算该段中每个点(lonb，latb)与起始点(lona，lata)之间的距离
[0018][0019]
其中r为地球半径；
[0020]
b)实际行驶的距离dist2＝s*t，其中s是车辆在该点的速度，t是该点时刻到起始点时刻的时间差；
[0021]
c)若的值大于设定比较阈值，则认为该点为异常点。
[0022]
优选的，资金类异常判定包括：每天获取各物流公司的资金往来数据并检查是否有下列情况：
[0023]
a.运费拖延支付：物流公司拖延支付司机运费超过设定天数阈值以上，金额超过设定金额阈值；
[0024]
b.未按时还款：物流公司未在规定时间内还款。
[0025]
优选的，所述异常类型还包括经营类异常，指物流公司在一段时间内经营情况持续不佳；经营类异常判定包括：每天获取各物流公司的资金往来数据并进行分析检查是否有下列情况：
[0026]
a.毛利降低：物流公司连续若干天累计毛利率比过去12个月累计毛利率或原评估毛利率下降超过一定阈值；
[0027]
b.业务量萎缩：物流公司连续若干天平均成交量比前12个月每日平均成交量低于一定阈值，连续若干天平均成交量比前12个月每日平均成交量低于一定阈值。
[0028]
优选的，本方法提供的一种激励方式是从利息里取出一部分设置为可变动利率，可变动利率与风险系数有关，设可变动利率为p％，并依据风险系数k计算最终可变动利率f，算式为：
[0029]
f＝min{1，k*m)*p％}；
[0030]
用户需支付的可变动利息为：垫付金额*f*垫付时长；当过程中没有出现任何异常，则可变动利息为0。
[0031]
优选的，基于物流公司对应的异常记录按异常的类型进行处理：
[0032]
业务虚假类异常直接触发项目熔断，限制不能再进行发单和垫付，立即进行异常排查找到原因，若确实是物流公司业务虚假，则终止项目，并要求物流公司限期全部还款；若并非业务虚假，把当前异常问题处理整改完毕后项目继续进行；
[0033]
资金类严重异常不触发熔断项目，通知到管理人员，在规定的时间内进行异常排查，若物流公司确实存在资金风险，平台停止进行运费垫付；若并非资金问题，则要求物流公司把当前异常问题处理整改完毕；
[0034]
经营类普通异常记录后通知管理人员排查，如果情况持续存在，经营情况无法改善，则平台需停止进行运费垫付。
[0035]
优选的，按异常类型的严重程度由高到低划分等级：业务虚假类异常的等级为重大异常，资金类异常的等级为严重异常，经营类异常的等级为普通异常；推送异常消息时按照异常类型指定不同的处理人，并能按照类型等级逐级上报。
[0036]
本发明具有以下优点：
[0037]
1、本发明对发生的异常情况进行分类，并通过相应模型和算法识别出属于业务虚假类异常和资金类异常这两类异常的情况，从而及时发现会造成对平台垫付运费产生重大或严重风险的异常，从而及时通知相关人员进行排查和处理，减少发生异常导致平台损失的情况，另一方面基于过去的异常记录，计算风险系数，并基于风险系数设置激励措施对物流公司进行奖惩，一方面激励物流公司按照网络货运平台的规范要求进行运作以及操作系统，另一方面降低平台异常管理成本以及业务运作异常风险。后者是要激励物流公司按规范执行物流过程和操作本平台的系统，从而避免这些情况对异常类别判断造成的误导，减少管理人员排查难度和时间。
[0038]
2、本发明对风险最严重的业务虚假类异常进行及时准确的识别判断，一方面将多个判断业务是否虚假所涉及的因素转化为指标变量，然后构建逻辑回归模型并训练得到最终的判断模型，从而实现综合各方面因素准确判断是否存在业务虚假类异常，使判断结果更可靠。另一方面，由于实际的车辆轨迹是对所涉及的因素进行分析的重要数据来源之一，本发明还通过一种异常点识别方法对采集的车辆轨迹数据进行异常点识别与排除，从而获得更加符合实际情况的车辆轨迹，提高判断结果的准确性。
[0039]
3、本发明还考虑到物流公司在按平台的规范要求进行运作的情况下还存在由于经营困难导致的潜在垫付风险，于是通过设定经营类异常的分类定义和主动监控，即使发现属于经营类异常的各种情况，确定存在经营困难的物流公司，从而通过相应的异常处理方式避免这类物流公司造成的垫付风险。
[0040]
4、本发明还依据异常类型所对应情况具有的风险性，根据异常类型划分风险严重的等级，实现推送异常消息时按照异常类型指定不同的处理人，并能按照类型等级逐级上
报，从而避免缺乏等级划分导致的异常汇报和处理主次不分、顺序混乱的问题。
附图说明
[0041]
图1为本发明一种网络货运运费垫付异常预警管控的方法的流程示意图。
[0042]
图2为应用本发明的平台中进行运费垫付和垫付异常监控的流程图。
具体实施方式
[0043]
下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
[0044]
如图1和图2所示，平台中进行运费垫付和垫付异常监控的流程包括：项目授信配置、异常预警定义和监控执行、物流公司自付、平台垫付和发现异常后处理。
[0045]
一般来说，物流平台为物流公司进行运费垫付是以项目的形式开展信用评估和授信管理，项目会对应到物流公司、客户(甲方企业)、运输线路、货物类型、价格、回款周期。根据项目的运输业务规模，客户方信用情况、经营情况、资产情况，物流公司的信用情况、经营情况、资产情况，对项目进行授信评估，确定项目资金总需求t、用户出资比例p、平台垫付比例1-p。用户先完成自付，用户自付金额m1＝t*p，平台垫付的额度m2＝t*(1-p)。物流公司在平台发布运单，支付运费。开始物流公司需先使用自己的资金完成自付，自付总额为m1，只有用户自付金额超过m1，才能使用平台的资金进行垫付。用户在平台完成自付金额m1后，可使用平台的资金进行后续的运费垫付，最大可使用金额为m2。当用户对之前的借款进行还款后，可滚动使用平台资金，即若用户当前可使用平台垫付金额m 3，已垫付金额p1，已还款金额r1，则有m 3＝m2-p1 r1。
[0046]
上述垫付过程中，物流公司有可能利用流程从平台套取资金或者由于公司资金紧张导致无法还款的情况，这样将会给网络货运平台带来重大损失。未解决这些问题，本发明公开了一种网络货运运费垫付异常预警管控的方法。
[0047]
本方法具体实施时，首先在项目异常监控配置阶段完成对异常类型的分类定义，构建用于判断业务虚假类异常的判断模型，并设置异常监控相关的相应算法规则，在垫付流程中依据异常类型计算各个物流公司的风险系数，并按此确定的激励措施对物流公司进行激励。之后进行项目异常监控执行，设置定时任务，每天上午9点、下午3点各执行一次，按异常定义和异常算法规则执行监控，主动发现异常。一旦发现异常，即刻推送消息给管理员，异常消息支持的方式有短信、微信、pc端站内消息。同一个异常类型可以维护多个异常处理人，并且可以按照异常类型指定不同的处理人，以实现在推送异常消息时按照类型等级逐级上报。业务虚假类异常的等级为重大异常，资金类异常的等级为严重异常，经营类异常的等级为普通异常。之后依据异常类型进行相应处理。
[0048]
本方法还具体包括下列内容：
[0049]
一、异常分类：对平台存在的运费垫付异常进行分类，异常类型包括业务虚假类异常、资金类异常和经营类异常。
[0050]
上述物流过程和资金往来过程中，平台所采集的数据能够体现可能产生垫款风险的各种异常。而根据异常产生原因能将数据体现的异常分为：业务虚假类异常、资金类异常
和经营类异常。
[0051]
业务虚假类异常：指通过虚假运单虚构业务通过平台垫付进行套现的异常情况。该类异常属于性质最恶劣的重大异常，实际物流数据与运单内容存在不符。
[0052]
资金类异常：指在运费和还款等资金往来数据上出现比较严重的资金拖欠问题，属于表明物流公司资金异常、还款能力不足的严重异常。
[0053]
经营类异常：指正常完成物流过程和资金往来流程的同时，物流公司在一段时间内经营情况持续不佳，从而导致之后运费垫付风险明显较大的异常，由于流程上不存在异常，风险为对物流公司经营不善、还款能力降低的预测，因此属于普通异常。
[0054]
二、业务虚假类异常判定：构建用于判断业务虚假类异常的判断模型，获取模型相关的指标数据，通过所述判断模型判断是否存在业务虚假类异常并记录。
[0055]
判断业务是否虚假涉及的因素源自实际物流过程采集的数据和运单提供的数据，包括车辆轨迹、运单线路、操作平台相应app的操作者身份、签收记录、运输价格、车辆位置、运单中的提卸货地点和时间和实际收款信息等。确定判断运单虚假所需要的指标、相应意义及赋值如表1。
[0056]
表1：指标变量、意义及赋值表
[0057]
变量意义赋值x1车辆轨迹和运单线路不相符1＝是，2＝否x2非司机本人操作app1＝是，2＝否x3运单无收货人签收记录1＝是，2＝否x4运输价格高出均值一定阈值(30％)1＝是，2＝否x5车辆未在规定的时间出现在提卸货地1＝是，2＝否x6非司机本人收款运费1＝是，2＝否
[0058]
建立逻辑回归模型，模型算式如下：
[0059][0060]
其中，p为概率，βi(i＝0，1，2，...，6)表示回归系数，为待确定系数，xi(i＝0，1，2，...，6)为指标变量。定义损失函数为l(a，y)＝-ylog(a)-(1-y)log(1-a)，y表示真实标签，a表示预测结果。将指标按照向后逐步回归进入logistics模型(即逻辑回归模型)，确定各个回归系数，最终得到确定的判断模型。
[0061]
对于一个运单，采集的数据经处理后提取出指标带入到上述判断模型中，计算出p值。设置临界值，如0.5，当p大于临界值，表明运单虚假；当p不大于临界值时，则视为运单真实。对于判断为虚假类运单，记录为业务虚假类异常，产生异常消息并推送给相关管理人员。
[0062]
运单虚假与否的判断中需要比较准确的确定物流过程中实际的车辆轨迹，从而识别出车辆未在规定的时间出现在提货地以及车辆轨迹与运单线路不相符的情况。车辆轨迹的绘制首先需要采集车辆坐标，采集车辆坐标一般需要三种方式：app定位、手机基站定位、北斗定位，采集到的坐标和实际位置可能有时会存在偏差，为了比较准确地判断车辆轨迹是否存在异常，本文构建一种基于距离的异常点识别方法以快速识别异常坐标，从而修正车辆轨迹。
[0063]
(1)首先对运输车辆的行驶轨迹进行分段处理。设定时间间隔阈值为半小时，从运单发车获得第一个坐标开始，第一个半小时内获得的坐标绘制成的轨迹为第一段，第二个半小时内获得的坐标绘制成的轨迹为第二段。以此类推分段处理，获得所有段。
[0064]
(2)对每个分段进行异常点识别。包括下列具体步骤。
[0065]
a)分别计算该段中每个点(lonb，latb)与起始点(lona，lata)之间的距离
[0066][0067]
其中r为地球半径。
[0068]
b)实际行驶的距离dist2＝s*t，其中s是车辆在该点的速度，t是该点时刻到起始点时刻的时间差。
[0069]
c)若的值大于设定比较阈值，如5％，则认为该点为异常点。
[0070]
(3)删除每段的异常点重新绘制轨迹，重新绘制的车辆轨迹和车辆实际运行路线将更符合。
[0071]
三、资金类异常判定：依据资金往来的数据判断是否存在资金类异常并记录。
[0072]
每天获取各物流公司的资金往来数据并检查是否有下列情况：
[0073]
a.运费拖延支付：物流公司拖延支付司机运费超过设定天数阈值以上，金额超过设定金额阈值，设定天数阈值和设定金额阈值均由管理人员配置，如分别配置为30天和3万元，具体根据业务情况进行定义。
[0074]
b.未按时还款：物流公司未在规定时间内还款。
[0075]
出现上述情况则说明物流公司可能出现资金异常、还款能力大幅下降，定性为严重异常。记录物流公司发生一次资金类异常，产生异常消息并推送给相关管理人员。
[0076]
上述内容二和内容三执行时不限顺序，能同时执行。
[0077]
四、风险系数计算：基于记录的业务虚假类异常和资金类异常的数据进行风险评估以确定风险系数。
[0078]
为了促使物流公司按平台规定实行正常的物流过程并按时足额支付运费和还款，减少物流公司由于操作错误、未按规定实行物流过程造成对虚假业务判断和对资金不足的判断，本方法还设定的风险系数，并依据风险系数对遵守平台规定的物流公司进行鼓励。风险系数k的算法如下：
[0079][0080]
上式中，总运单数为n。业务虚假类异常的权重为w1(0-100％之间)，某一运单只要出现任一业务虚假类异常，则业务虚假类异常值ti记为1，否则记为0。资金异常类的权重为w2(0-100％之间)，w1 w2＝100％，某一运单只要出现任一资金类异常，则资金类异常值si记为1，否则记为0。
[0081]
上述风险系数应用于激励措施，就是为了将有正常业务和还款能力的物流公司和设置虚假业务或没有还款能力的物流公司区分开，通过激励措施减少前者由于物流过程执行不规范或操作不当造成的异常识别错误，从而减少管理人员进行排查的难度和时间。
[0082]
五、经营类异常判定：依据物流公司在平台上的经营数据判断是否存在经营类异常并记录。
[0083]
每天获取各物流公司的资金往来数据并进行分析检查是否有下列情况：
[0084]
a.毛利降低：物流公司连续若干天累计毛利率比过去12个月累计毛利率或原评估毛利率下降超过一定阈值，如4％。
[0085]
b.业务量萎缩：物流公司连续若干天平均成交量比前12个月每日平均成交量低于一定阈值，如50％，连续若干天平均成交量比前12个月每日平均成交量低于一定阈值，如30％。
[0086]
出现上述情况可判定物流公司经营不善、还款能力降低，属于经营类异常，定性为普通异常。上述情况持续天数由管理人员根据经验或历史数据设定，出现上述情况后平台记录为经营类异常，产生异常消息并推送给相关管理人员，表明需停止进行运费垫付。
[0087]
上述内容物和内容二至四在执行时不限顺序，也能同时执行。
[0088]
六、异常处理：基于物流公司对应的异常记录按异常的类型和风险系数进行处理。
[0089]
针对业务虚假类重大异常直接触发项目熔断，限制不能再进行发单和垫付，立即进行异常排查找到原因，若确实是物流公司业务虚假，在通过平台垫付进行套现，则终止项目，并要求物流公司限期全部还款。若是其他特殊情况，并非业务虚假，则要求物流公司进行整改，先把当前异常问题处理整改完毕后项目继续进行；
[0090]
针对资金类严重异常，不触发熔断项目，但会通知到管理人员，在规定的时间内进行异常排查，若物流公司确实存在资金风险，并且情况持续存在，平台停止进行运费垫付；若是其他特殊情况，并非资金问题，则要求物流公司把当前异常问题处理整改完毕，即补缴全部拖欠款项。
[0091]
针对经营类普通异常，如果情况持续存在，经营情况无法改善，则平台需停止进行运费垫付。
[0092]
为了激励物流公司按照网络货运平台的规范要求进行运作以及操作系统，同时降低平台异常管理成本以及业务运作异常风险，本方法提供的一种激励方式是从利息里取出一部分设置为可变动利率，可变动利率与风险系数有关，此处的异常为业务虚假类重大异常和资金类严重异常，并且是经过核实属于未按规范运作或者操作系统，并非真实的业务虚假或者资金类异常。
[0093]
设可变动利率为p％，并依据风险系数k计算最终可变动利率f，算式为：
[0094]
f＝min{1，k*m)*p％}；
[0095]
用户需支付的可变动利息为：垫付金额*f*垫付时长。当过程中没有出现任何异常，则可变动利息为0。
[0096]
上述基于风险系数k设定的激励方法考虑了不同类型异常的严重程度(即对应权重)和异常次数，因此能有效鼓励公司按规定执行物流流程并及时付款。此外基于风险系数k也可采用其他激励方式进行替代，如按风险系数k计算额外保证金或发生上述类型异常后的罚金。
[0097]
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。