铁路多式联运货物品名衔接互认技术研究

Connection and Mutual Recognition Technology of Goods Names in Railway Multimodal Transport

摘要

随着国家综合运输物流体系建设，我国铁路多式联运运量显著提升，但在业务运作过程中，因不同运输方式货物品名分类标准不同、认定管理差异，制约了铁路多式联运高质量发展。针对货物品名衔接互认中存在的问题，提出了一种铁路多式联运货物品名衔接互认技术方法。首先，分析了货物品名衔接互认现状及存在的主要问题；其次，通过对铁水联运中铁路及船公司货物品名数据文本特征分析，基于文本挖掘技术提出了铁路多式联运货物品名智能匹配总体技术方案，结合粗粒度货物品类关联规则先验知识，实现融合词项及语义特征下细粒度货物品名智能匹配分析；最后，从多式联运货物品名标准制修订、信息共享及平台研发、服务规则衔接互认机制构建等方面提出了相关措施及建议，为提升铁路多式联运服务效能、降低物流成本提供支撑。

Abstract

As the construction of the national comprehensive transportation and logistics system continues, China's railway multimodal transport volume has significantly increased. However, in the process of business operation, the high-quality development of railway multimodal transport is restricted due to different classification standards and recognition management of goods names in different transportation modes. To solve the problems in the connection and mutual recognition of goods names, a technical method for the connection and mutual recognition of goods names in railway multimodal transport was proposed. Firstly, the current situation and main problems of connection and mutual recognition of goods names were analyzed. Secondly, by analyzing the text features of the goods names data from railway and shipping companies in railway and waterway intermodal transport, a comprehensive technical scheme for intelligent matching of goods names in railway multimodal transport was proposed based on text mining technology. Combined with prior knowledge of coarse-grained goods category association rules, intelligent matching analysis of fine-grained goods names was achieved by integrating lexical and semantic features. Finally, relevant measures and suggestions were proposed from the aspects of revising the standards for goods names in multimodal transport, information sharing, and platform development, as well as establishing a connection and mutual recognition mechanism for service rules, so as to provide support for improving the efficiency of railway multimodal transport services and reducing logistics costs.

Graphical abstract

关键词

铁路多式联运 / 货物品名 / 衔接互认 / 智能匹配 / 文本挖掘

Key words

Railway Multimodal Transport / Goods Name / Connection and Mutual Recognition / Intelligent Matching / Text Mining

0　引言

随着社会经济的不断发展和物流市场的日益竞争，多式联运服务规则不断向服务规则一体化、行为规范标准化、运输单证电子化及市场主体规范化的方向发展^[1]。铁路多式联运是将铁路及其他运输方式有机结合，通过协调、转换和衔接等方式形成高效、便捷的一种连续运输模式。目前，铁路多式联运基础设施“最后一公里”等“硬联通”问题得到了显著缓解，但服务规则“软联通”问题却推进缓慢，制约了铁路多式联运行业发展。铁路多式联运中货物品名贯穿整个多式联运流程，为满足多式联运信息化建设需求及“一单制”建设发展需要^[2]，货物品名的衔接互认已成为亟待解决的关键问题之一。

目前，铁路多式联运中货物品名主要依赖人工处理进行衔接匹配，各运输主体花费的人力成本和工作量较大，且货物品名细目繁杂，采用人工手段进行衔接互认的效率及准确率不能得到保证^[3]。因此，在大数据背景下，采用人工智能方法通过计算机辅助处理，构建铁路多式联运货物品名间衔接互认规则，是实现货物品名高效准确衔接互认的重要手段。

近年来对于短文本识别分类的研究主要从降低短文本离散性^[4]、设计模型结构^[5]、借助外部知识^[6]及增强短文本特征^[7]等角度进行。李晓峰等^[8]采用TF-IDF对电商领域商品品名进行特征提取，结合XGBoost算法提出了电商商品品名的自动识别解决方案。牛振东等^[9]针对海关商品领域，通过外部知识语料库辅助扩展商品名称文本特征，采用“分流”策略提出了基于深度随机森林的商品名称分类模型，实现了海关商品的快速实时分类。金宁等^[10]针对农业问答社区短文本特征，提出了融合多语义特征的Co_BiLSTM_CNN文本匹配模型，提高了农业提问文本数据相似性匹配准确率。在铁路运输文本研究领域，主要研究通过自然语言处理技术进行知识抽取^[11]、故障日志分类诊断^[12]等问题，而针对铁路货物品名的相关研究较少。

铁路多式联运货物品名可作为商品品名，属于超短文本范畴，具有文本特征稀疏、词义不清晰、上下文缺失等特征，加之货物种类繁杂、型号多样，导致货物品名自动识别及分类具有挑战性。针对以上问题，研究提出了一种铁路多式联运货物品名衔接互认技术方法。首先，结合不同运输领域货物及品名分类标准，分析了铁路多式联运货物品名分类及衔接互认中存在的问题；其次，对铁水联运中货物品名文本数据特征进行分析，提出了铁路多式联运货物品名智能匹配总体技术方案，构建铁路多式联运粗粒度货物类品类关联规则先验知识，在此基础上，进行融合特征下细粒度货物品名智能匹配分析；最后，针对铁路多式联运货物品名衔接互认提出相关措施及建议。考虑货物品名文本特征的共性，研究提出的方法对于铁路多式联运不同组织方式的货物品名匹配均具有借鉴意义。

1　货物品名衔接互认现状及问题分析

1.1　货物及品名分类现状

货物品类是依据科学分类原则及方法划分得到的具有相同属性货物品名集合，包含了不同层级的类别及细目等。目前《国际贸易标准分类》(Standard International Trade Classification，SITC)、《商品名称及编码协调制度》(Harmonized Commodity Description and Coding System，HS)及《国际标准产业分类》(International Standard Industrial Classification，ISIC)是国际上通常采用的分类标准体系。我国铁路、公路、水路运输及多式联运领域为满足自身运输发展需要，结合自身运输特点及实际情况，形成的不同运输领域货物分类及代码标准如表1所示。

目前，我国公路、水路运输领域采用标准为《运输货物分类和代码》《危险货物分类和品名编号》及《危险货物品名表》，在货物分类上与国际分类标准体系接近，其中《运输货物分类和代码》依据货物自然属性分类，兼顾了公路、水路领域运输特征及业务管理要求，将货物按照大类、中类、小类进行层次划分，并概括列出了部分小类的品名细目。

在铁路运输领域采用标准为《铁路货物运输品名分类与代码》《铁路危险货物品名表》及铁路运输相关规章制度。其中《铁路货物运输品名分类与代码表》充分考虑货物的运量大小、运输条件、国民经济意义和运价等因素，按照大类、中类、小类及细目进行层次划分，统一规定了全国铁路货物运输业务中货物类别与代码，且大部分分类与《运输货物分类和代码》兼容，每一小类均详细列出了具有通用标准名称的货物品名细目^[13]。

多式联运以集装箱运输为载体开展，由于集装箱运输货物种类繁多，品名庞杂，且不同货物在不同运输领域的管理要求、货物分类及名称等存在差异，造成多式联运品名衔接及管理矛盾，在一定程度上制约了多式联运的发展。《多式联运货物分类与代码》依据货物特征属性，兼顾各运输方式特点、运量大小及运输条件，将多式联运货物分为大类、中类和小类3类，并与现行《运输货物分类和代码》及《铁路货物运输品名分类与代码》标准保持兼容，但缺少各类别下统一的货物品名细目，不利于各运输企业的实际参照运用。

1.2　存在问题

（1）货物分类参照标准更新滞后。《运输货物分类和代码》于2001年由交通运输部发布实施，而铁路运输领域采用的《铁路货物运输品名分类与代码》于1996年由原铁道部发布实施，两者参考制订较早且均尚未修订更新。主要参照货物分类标准情况如表2所示。

随着我国经济发展，货物品类发生了较大变化，尤其是白货品类数量不断增加，并且在未来仍呈现增长态势。现有标准中货物分类及品名的更新与货物类别数量增速相比相对滞后，对于铁路多式联运货物类别的普适性逐渐降低^[14]。

（2）货物品名认定管理存在差异。由于不同参照标准在货物品名认定划分原则上存在差异，存在货物类别间交叉关联、品名认定划分不一致等现象，各运输主体在参照标准基础上，结合自身运输业务特点，建立了各自不同的货物品名分类管理体系，导致不同运输主体货物品名库存在差异。因《运输货物分类和代码》缺乏统一的货物品名细目指导，导致公路、水路运输主体企业参照建立的货物品名库存在分类不一致、品名重复冗余等现象；《铁路货物运输品名分类与代码表》仅应用于国内铁路运输，自成体系且偏重于货物分类管理^[15]，主要基于敞车、棚车等铁路主要运输设备条件制订，未充分考虑集装箱运输，存在部分货物品名不适用于铁路多式联运的情况，当出现新的货物品名且较难归类时，常被暂时归类到“其他货物”类别，可扩展性不足。

此外，不同运输领域对危险货物的认定管理标准也不同，直接影响到危险货物多式联运运输装备选择、包装装载要求及作业流程管理等方面^[16]。

（3）货物品名衔接匹配效率较低。由于不同运输领域间部分货物品名的差异性，在铁路多式联运过程中需要花费额外的时间和成本进行货物品名匹配，以衔接不同运输领域的货物管理要求。此外，铁路运输企业的运价下浮政策针对部分品名执行相应下浮价格，在认定是否属于下浮铁路货物品名时，铁路运输部门需要根据上报的货物品名对照《铁路货物运输品名分类及代码表》等获取对应的铁路货物运输代码及运价号，而上报的货物品名主要依赖人工匹配，工作繁琐且效率较低，不利于多式联运信息传递和共享^[17]。如铁水联运中，船公司需要额外花费大量精力将装载货物在大量铁路货物品名中进行对应，区分不同货物运价，难以实现统一定价、一票结算，不仅影响船公司统筹揽货，也降低了客户选择铁路多式联运方式的积极性。

2　铁路多式联运货物品名智能匹配技术

2.1　货物品名文本特点

研究选取铁水联运中铁路运输企业及不同船公司货物品名数据进行分析，其中船公司货物品名数据主要来自人工填报的历史运单记录且均只有一级分类，而铁路货物品名数据分类更为精细，部分货物分类及品名示例如表3所示。

作为多式联运领域以自然语言形式存在的文本数据，货物品名存在以下特征。

（1）货物品名文本为超短文本。不同货物类别的品名文本具有明显货物类别特征的高频关键字词，且随着类别的进一步细化，特征字词更为突显。经统计分析，不同运输企业货物分类及品名数据统计情况如表4所示。

（2）货物品名文本使用不规范。由于不同人员对货物的理解和描述习惯不同，在运单提报中存在货物品名分类混乱、填写不规范、多词一义等现象^[18]。例如“焦炭”与“焦碳”“闽光焦炭”与“焦炭(闽光)”等，均为多词一义现象。

（3）船公司货物品名文本中包含有标点符号、品名型号代码及英文简称等噪声内容。标点符号及型号代码作为噪声数据不利于稀疏文本特征提取，因此需对船公司货物品名文本数据进行清洗；对于船公司以英文简称表述的货物品名，采取构建专业词库、翻译中文品名等方式进行数据处理。

（4）货物品名文本数据间存在交叉重叠。铁路运输企业与船公司货物品名间存在部分交集，而不同船公司货物类别与各自主营业务密切相关，导致不同船公司间货物品名库也存在差异。铁路运输企业与各船公司货物品名数据集合关系如图1所示。

2.2　总体技术方案架构

针对货物品名文本数据特征，按照数据预处理、特征提取及文本匹配3个步骤实现铁路多式联运货物品名文本智能匹配，铁路多式联运货物品名智能匹配总体技术方案架构如图2所示。首先，分析货物品名文本数据特征并进行数据预处理；其次，基于特征构建技术对货物品名文本及百科搜索语料库分别提取词项及语义特征，提升货物品名文本向量特征表达能力；最后，结合粗粒度货物分类关联规则先验知识，基于文本挖掘技术结合专家经验构建不同运输领域间细粒度货物品名匹配关系。依据危险货物在不同运输领域中认定管理的安全性及严谨性原则，仅针对普通货物开展铁路多式联运货物品名智能匹配研究。

2.2.1　货物品名文本预处理

针对货物品名文本特点，主要开展以下数据预处理工作。

（1）缺失值处理。由于铁路货物品名中类存在空值，导致有价值数据未充分利用。研究以小类名称代替中类空值，经缺失值处理后，《铁路货物运输品名分类与代码表》中类数量为116类。

（2）文本清洗及分词。对于船公司货物品名文本中包含的标点符号、货物型号、停用词等噪声数据内容，采用正则表达式及停用词词库进行清理。对于船公司货物品名中采用英文缩写简称表示的货物品名，采用对应的中文货物品名代替。根据超短文本特征稀疏特点，研究采用字符切分形式将货物品名文本数据切分为单字，以充分提取货物品名文本特征^[19]，如货物品名“(100规格)石英砂”经文本预处理后转变为[‘石’，‘英’，‘砂’]。

2.2.2　粗粒度货物品类关联规则构建

粗粒度货物品类间关联规则是不同运输领域货物品名映射的桥梁，研究通过交集品名项间接构建方式及专家人工构建方式，建立铁路货物品名类别与船公司货物类别间的对应关系，作为不同运输领域间粗粒度货物品类关联规则。由于铁路货物品名中类与小类间关联规则已知，且铁路货物品名中类类别间区分度较高、分类数量适中、构建成本较低，综合以上因素采用铁路货物品名中类作为船公司货物品类关联规则的构建目标。

首先，利用铁路及船公司货物品名文本数据集合中的交集品名项，结合交集品名项的已知分类归属，初步构建铁路货物品名中类与船公司货物品类间的关联规则，交集品名项占比越高，越有利于提升货物品类关联规则构建质量及效率，进而提高货物品名匹配准确率；其次，对于仍未构建关联规则的船公司货物品类，结合专家经验采用人工补充关联。通过构建精确规范的货物品类间关联规则，作为后续细化至品名进行智能匹配的基础，粗粒度货物品类关联规则构建如图3所示。

2.2.3　基于融合特征的细粒度货物品名智能匹配技术

对于船公司货物品名文本数据集合中的非交集品名项，基于文本挖掘技术实现船公司货物品名到铁路货物品名的匹配关系构建，基于融合特征的细粒度货物品名智能匹配流程如图4所示。

首先，对于待匹配船公司货物品名数据，基于融合词项及语义特征提取算法进行特征表示；其次，结合粗粒度货物品类关联规则，获取该品名对应的铁路货物品名中类，并采用机器学习算法进一步实现该品名在铁路货物品名小类的自动分类过程，将船公司货物品名匹配转化为文本分类问题，建立待匹配船公司货物品名与铁路货物品名小类间映射规则；最后，依据相似度优先原则，获取当前铁路货物小类下与待匹配货物品名相似度排序由大到小的前5个铁路货物品名，建立待匹配货物品名的铁路货物品名匹配候选库，结合专家经验人工从候选库中选取最合适的一项，建立船公司与铁路间货物品名匹配关系，以提高新建匹配关系的精确性及可解释性。对于候选库中仍然无法建立匹配关系的特殊海运货物品名，则在铁路货物品名中人工处理匹配。

由于各船公司货物品名文本数据各不相同，通过与铁路货物品名建立匹配映射，可最终形成以铁路货物品名为核心的铁路多式联运货物品名衔接互认平台，铁路多式联运货物品名匹配示例如图5所示。其中，无烟煤表示船公司及铁路货物的交集品名项，通过粗粒度货物品类关联规则建立品名间的匹配映射；而木板材及进口刨花板作为待匹配船公司货物品名，分别在粗粒度货物品类关联规则指导下，通过文本分类分别归类至锯材中类的板材/方材小类、人造板材中类的普通人造板小类，之后在相似度排序的品名匹配候选库中选取铁路货物品名建立匹配映射。

3　措施及建议

（1）加快多式联运货物品名标准制修订。结合不同运输领域普通货物与危险货物的分类标准现状及存在问题，加快铁路多式联运货物品名分类及代码标准制修订；应注重标准的实用性及衔接性，尽量与国际标准接轨，便于各运输主体间协调互认且容易执行。通过标准制修订促进铁路多式联运货物分类协调统一，有利于运输货物的实时跟踪追溯，对于提升综合运输效率、降低社会物流成本具有重要意义。

（2）加强多式联运信息共享及平台研发。建立健全铁路多式联运数据开放共享机制，鼓励各参与主体有条件逐步开放数据，加快推动铁路、港航、物流等企业信息系统平台对接及多式联运信息平台研发，解决各参与主体数据共享断链、货物品名衔接互认等问题^[20]，进一步简化业务流程及作业环节，降低作业人员劳动强度，提高多式联运效率及管理水平。

（3）推动服务规则衔接及互认机制构建。通过多式联运服务规则衔接互认机制构建，鼓励各参与主体企业开展紧密合作，建立各方互认互信的多式联运合同范本、业务组织流程、运输安全管理等制度规范，加快推进各方数据信息共享、电子单证互认、业务管理协同，提质增效降低全程物流成本。针对货类品名分类及衔接、货物包装与装载要求、货物安全管理等问题，联合有关部门及单位组织开展服务规则衔接试点，探索铁路多式联运服务规则衔接互认模式。

4　结束语

铁路多式联运货物品名衔接互认是实现运输服务规则“软联通”的重要过程之一。研究基于文本挖掘技术提出一种铁路多式联运货物品名衔接互认技术方法，通过构建粗粒度货物品类关联规则，实现不同运输领域细粒度货物品名的智能匹配，有效解决货物品名人工匹配效率低、分类及认定管理存在差异等问题，为铁路多式联运作业过程中货物品名快速、准确衔接互认提供了新思路。未来需要进一步采用智能化技术，提高货物品名自动智能匹配模型的精确性及泛化能力，做好不同运输领域新增货物品名的智能匹配校核及维护等工作。

参考文献

[1] 张玉召，李海军，张文豪，等. 多式联运联接共性关键技术体系构建研究[J]. 中国工程科学，2023，25(6)：212-224.

[2] ZHANG Yuzhao， LI Haijun， ZHANG Wenhao，et al. Construction of Common Key Technology System of Multimodal Transport Connection[J]. Strategic Study of CAE，2023，25(6)：212-224.

[3] 庄　河. 铁路多式联运发展策略研究[J]. 铁道运输与经济，2021，43(2)：1-6.

[4] ZHUANG He. Countermeasures for Development Strategy of Railway Multi-Modal Development[J]. Railway Transport and Economy，2021，43(2)：1-6.

[5] 李晓峰，马　静，周　琰. 基于增强语义模型的货品名分类算法[J]. 计算机与现代化，2023(3)：71-78.

[6] LI Xiaofeng， MA Jing， ZHOU Yan. Classification Algorithm for Goods Names Based on Enhanced Semantic Model[J]. Computer and Modernization，2023(3)：71-78.

[7] WANG P， XU B， XU J M，et al. Semantic Expansion Using Word Embedding Clustering and Convolutional Neural Network for Improving Short Text Classification[J]. Neurocomputing，2016，174：806-814.

[8] CHEN Q， ZHU X D， LING Z H，et al. Enhanced LSTM for Natural Language Inference[C]//Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1：Long Papers). Vancouver，Canada. Stroudsburg，PA，USA：ACL，2017：1657-1668.

[9] LIU W J， ZHOU P， ZHAO Z，et al. K-BERT：Enabling Language Representation with Knowledge Graph[J]. Proceedings of the AAAI Conference on Artificial Intelligence，2020，34(3)：2901-2908.

[10] 张文慧，汪美玲，侯志荣. 融合语境语义差异特征的短文本匹配模型[J]. 北京大学学报(自然科学版)，2023，59(1)：30-38.

[11] ZHANG Wenhui， WANG Meiling， HOU Zhirong. A Short Text Matching Model Incorporating Contextual Semantic Differences[J]. Acta Scientiarum Naturalium Universitatis Pekinensis，2023，59(1)：30-38.

[12] 李晓峰，马　静，李　驰，等. 基于XGBoost模型的电商商品品名识别算法研究[J]. 数据分析与知识发现，2019，3(7)：34-41.

[13] LI Xiaofeng， MA Jing， LI Chi，et al. Identifying Commodity Names Based on XGBoost Model[J]. Data Analysis and Knowledge Discovery，2019，3(7)：34-41.

[14] 牛振东，石鹏飞，朱一凡，等. 基于深度随机森林的商品类超短文本分类研究[J]. 北京理工大学学报，2021，41(12)：1277-1285.

[15] NIU Zhendong， SHI Pengfei， ZHU Yifan，et al. Research on Classification of Commodity Ultra-Short Text Based on Deep Random Forest[J]. Transactions of Beijing Institute of Technology，2021，41(12)：1277-1285.

[16] 金　宁，赵春江，吴华瑞，等. 基于多语义特征的农业短文本匹配技术[J]. 农业机械学报，2022，53(5)：325-331.

[17] JIN Ning， ZHAO Chunjiang， WU Huarui，et al. Agricultural Short Text Matching Technology Based on Multi-Semantic Features[J]. Transactions of the Chinese Society for Agricultural Machinery，2022，53(5)：325-331.

[18] 林海香，白万胜，陆人杰，等. 基于BMBC模型的高速铁路道岔故障信息实体识别[J]. 铁道科学与工程学报，2023，20(4)：1149-1159.

[19] LIN Haixiang， BAI Wansheng， LU Renjie，et al. Named Entity Recognition of Fault Information of High Speed Railway Turnout from BMBC Model[J]. Journal of Railway Science and Engineering，2023，20(4)：1149-1159.

[20] 魏　伟，赵小强，丁艳华，等. 基于BiLSTM和改进注意力机制的高铁车载设备故障诊断[J]. 铁道学报，2022，44(11)：53-62.

[21] WEI Wei， ZHAO Xiaoqiang， DING Yanhua，et al. Fault Diagnosis of Vehicle On-Board Equipment Based on BiLSTM and Attention Mechanism[J]. Journal of the China Railway Society，2022，44(11)：53-62.

[22] 张俊珊. 铁水联运适箱货物品类标准研究[D]. 成都：西南交通大学，2013.

[23] 伍　峰，宋小满，夏　阳. 基于多式联运的铁路货物分类调整探讨[J]. 铁道货运，2024，42(4)：53-59.

[24] WU Feng， SONG Xiaoman， XIA Yang. Discussion on the Adjustment of Railway Commodity Classification Based on Multimodal Transport[J]. Railway Freight Transport，2024，42(4)：53-59.

[25] 瓦　然. 铁路货物运输品名分类及代码的探讨[J]. 铁道技术监督，2012，40(5)：42-45.

[26] 虞　楠，郭紫莹. 新形势下我国港口铁水联运发展对策探讨[J]. 铁道运输与经济，2021，43(10)：35-41.

[27] YU Nan， GUO Ziying. Development of Rail-Water Intermodal Transport of China's Ports under the New Situation[J]. Railway Transport and Economy，2021，43(10)：35-41.

[28] DING L Q. Multimodal Transport Information Sharing Platform with Mixed Time Window Constraints Based on Big Data[J]. Journal of Cloud Computing，2020，9：11.

[29] MU L， JIN P Q， ZHANG Y W，et al. Synonym Recognition from Short Texts：A Self-Supervised Learning Approach[J]. Expert Systems with Applications，2023，224：119966.

[30] 辛苗苗，马　丽，胡博发. 融合多粒度信息的文本分类研究[J]. 计算机工程与应用，2023，59(9)：104-111.

[31] XIN Miaomiao， MA Li， HU Bofa. Research on Text Classification by Fusing Multi-Granularity Information[J]. Computer Engineering and Applications，2023，59(9)：104-111.

[32] 丁　浩. 宁波舟山港集装箱海铁联运集疏运能力提升策略研究[J]. 铁道货运，2023，41(4)：15-21.

[33] DING Hao. Study on Strategies for Improving Collection and Distribution Capacity of Container Sea-Rail Intermodal Transport at Zhoushan Port of Ningbo[J]. Railway Freight Transport，2023，41(4)：15-21.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(N2024X030)

中国铁道科学研究院集团有限公司科研项目(2023YJ156)

浙江省交通运输重大研发项目(JTYST2023-GK-022-3)