排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
近年来航运业数字化的加速,凸显出传统航运物流企业日常运营中存在的服务匹配与结算缺乏自动化、业务数据因缺乏透明度而不作为可信证据采信等问题。区块链具有的透明化与可信等特点可以结合物联网与数字货币等技术帮助航运物流企业以数字化转型针对性地解决问题。因此,通过分析合理转型路径,设计基于“蚁群-智能合约”算法作航运服务自动化匹配、基于区块链与物联网提供运输进程可靠追踪服务及基于数字货币实现海运运费高效结算。以太坊测试链上的模拟结果表明了转型方案的有效性,其对内降低运营与结算成本、对外增强业务信息透明度与可信度的价值,提高了航运物流企业的竞争力。 相似文献
2.
传统船舶抵押融资模式具有高成本、高风险的特征,航运市场的持续低迷更是加重了航运企业“融资难”的问题,而区块链的去中心化及不可篡改等特点契合了现有的船舶抵押融资业务的场景,为此提出在船舶抵押融资中引入区块链技术以实现其信用风险的测度和控制。从理论和实践两方面梳理区块链与融资结合的相关文献并总结船舶抵押融资的信用风险及区块链在其中的控制作用,然后根据VaR-GARCH(1,1)模型对船舶抵押融资的信用风险进行测度,接着通过区块链的智能合约和PoS共识机制实现船舶抵押融资信用风险的控制,再将其实际应用于某航运企业并与传统模式对比,对区块链技术在船舶抵押融资风险控制方面的问题提出一些建议。 相似文献
3.
网络货运平台运输服务订单的成交定价的预测结果是平台运营策略和承运人决策的直接体现,显著影响平台效益和承运人市场健康发展。以顺丰速递网络货运平台为例,通过缺失值处理和类别型数据转换进行数据预处理。针对网络货运平台成交定价预测精度问题,设计了基于双长短期记忆网络(LSTM)组合的网络货运平台成交定价预测模型,并采用K-means聚类分析预测结果。双LSTM组合模型相较于LSTM、支持向量回归(SVR)、两者相融合的LSTM-SVR以及基于灰色GM(1,1)和反向传播(BP)组合(GM(1,1)-BP)等模型,平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)最低且R2最高,分别为9.90、402.54、1.48和0.999 97。而K-means聚类分析对预测的订单成交定价进行评级的结果与实际情况一致。实验结果表明,所提出的双LSTM组合模型具备有效性和准确的网络货运平台成交定价预测效果。 相似文献
1