所属领域：现代物流大数据金融增信平台技术

　　技术难题：

　　1.汇聚海量政府、行业和社会数据，构建数据采集和数据治理系统，催进企业相关数据标准的形成。利用大数据技术在合理时间内撷取、管理、处理和整理企业各维度的相关信息，通过人工智能、知识图谱等先进技术进行现代物流企业特征的标签化加工处理，实现精准可靠的现代物流企业画像，还原物流企业真实现状。

　　2.基于《现代物流企业金融增信指标体系及评估模型研究》课题形成的指标体系，依托企业画像的各维度大量数据，构建“两企两个”型主体的多维度多分层的动态指标体系管理系统。融合蒙特卡罗算法、图论算法、模拟退火法、遗传算法等大量算法，实现聚类分析、判别分析、关联分析及趋势预测等，以支持指标体系构建，同时指标的权重、指标与指标的关系、指标的形成算法可随时调整，为机器学习的引入打下基础。

　　3.基于《现代物流企业金融增信指标体系及评估模型研究》课题形成的评估模型，从物流企业的经营状况、资产实力、设备设施、管理与服务、人员素质、信息化水平等角度，构建物流企业多维度综合评价模型。实现科学评价企业价值及其成长性、风险及信用等级等。引入深度机器学习及模型引擎，实现模型的自主学习及其智能化升级优化。

　　4.研究支持向量机、贝叶斯分类器、概率图模型、神经网络等机器学习技术，结合物流企业画像、指标体系、综合评估模型，建设交通物流企业的个性特征的增信评估模型，实现物流企业潜在价值的发现及授信增信。

　　技术指标：

　　1.实现数据采集和数据治理系统。支持的数据接口方式≥3种，其中至少支持文件、数据库、API接口数据等三种方式；至少形成1个物流企业数据标准；

　　2.建设动态指标体系管理系统。指标体系的维度≥5；指标的算法≥3；

　　3.采用机器学习构建物流企业综合评估模型，其升级优化的版本数≥3；

　　4.实现交通物流企业的增信评估模型，其版本数≥3；模型至少涵盖运输型、仓储型、综合服务型等3种类型的交通物流企业；

　　5.单个物流企业的评估周期≤2天；

　　6.支持高吞吐量，每秒查询率（QPS）≥5000、 每秒处理事务数（TPS）≥1500、平台并发数≥3000；响应时间(RT)≤2S；

　　7.符合网络安全等级保护2.0要求。