用于检查物品的系统和方法

技术领域

本发明涉及运输设施。特别地，本文公开的系统和方法涉及控制通过运输设施在运输中的物品的检查。

背景技术

诸如港口和边境的海关管理机构的运输设施可能具有巨大的货物流通。希望识别通过运输设施的物品中的潜在的感兴趣物质(例如，诸如毒品或武器的违禁品)。这样，这些货物物品可以被停止并且任何感兴趣的物质可以被移除。

识别货物物品中的感兴趣物质的存在并不总是简单的。为此，可以获得针对货物物品的不同类型的扫描，或者可以执行货物物品的物理检查。这些动作可以使得能够识别感兴趣的物质。然而，这样的动作也可能是非常耗时的。当处理大量货物物品时(例如在海关管理机构)，可能没有足够的资源来应付。例如，可能没有足够的工时来执行每件货物物品的物理检查，或者可能存在有限数量的扫描仪，从而导致扫描中的积压。对每件货物物品进行详细检查的累积效果可能对任何给定物品通过运输设施所花费的时间引入相当大的延迟。

与运输设施相关的另一个问题是扫描数据出现漏报。例如，集装箱的X射线扫描可能看起来显示没有违禁品存在，而实际上存在违禁品。这两个问题可能联系在一起，因为确切知道集装箱中是否有违禁品的唯一方式是物理检查该集装箱的全部内容物。因此，可能希望控制运输设施处的货物物品的移动和检查以解决这些问题。

发明内容

本公开的各方面在独立权利要求中被阐述，并且可选特征在从属权利要求中被阐述。本发明的各方面可以彼此结合地提供，并且一个方面的特征可以应用于其他方面。

在一个方面，提供了一种用于检查通过运输设施在运输中的物品的系统。该系统包括：位于多个运输设施处的多个数据收集单元；决策实体，其与所述运输设施中的选定运输设施处的所述数据收集单元连接；以及可连接到所述数据收集单元中的每一者的服务器。所述服务器包括：数据存储器，用于存储从所述数据收集单元获得的检查数据，所述检查数据指示在所述多个运输设施处的物品检查的实例；以及处理器，其耦合到数据存储器并且可操作以基于在数据收集单元处采集的数据来更新数据存储器。对于通过运输设施在运输中的物品，所述系统被配置成：获得提供针对物品的预测的检查级别的指示的物品数据，并将所述物品数据提供给决策实体；从所述决策实体获得针对所述物品的决定的检查级别；以及输出命令信号以根据分配给该物品的最终的检查级别来控制对该物品的检查。基于以下指示来选择最终的检查级别：(i)所述物品的预测的检查级别，以及(ii)所述物品的决定的检查级别。

本公开的方面可以利用运输控制系统的技术配置来获得数据，从该数据可以确定系统整体的全局平均值。来自多个运输收集设施的数据的这种共享、收集和使用可以使得能够在控制通过任何一个单独的运输设施运输的物品时确定和使用全局平均值。可以执行覆写(override)动作，其中覆写决定的检查级别(如由决策实体所决定的)被覆写，并且替代地不同的(最终)检查级别被执行。使用这种聚合数据分析方法，如通过运输控制系统的技术配置所实现的，可以更可靠地确定这种覆写动作，因为可以基于更可靠和一致的数据(例如，全局平均值)来确定要覆写的任何决策。因此，可以基于这些覆写动作来控制物品通过运输设施的移动。本公开的实施例可提供用于检查在运输中的物品的内容物的改进的系统和方法，否则该物品可能已经通过运输设施，而没有从该物品收集任何另外的数据。因此，实施例可以提供对在运输设施处的感兴趣的物质的改进的检测。

输出命令信号以控制对物品的检查可以包括根据最终的检查级别来控制对物品的检查。控制对在运输中的物品的检查可以包括在最终的检查级别指示物品将被检查的情况下，操作运输设施处的检测设备以获得所述物品的检查数据。可以基于物品的最终的检查级别来选择检测设备。控制检查可以包括控制物品在运输设施处的移动。控制移动可以包括将物品移动到基于物品的最终的检查级别选择的位置。例如，控制移动可以包括将物品移动到所选数据收集单元(检测设备)可以从物品获得检测数据的区域中。

最终的检查级别也可以基于随机元素来选择，例如使得每个在运输中的物品具有被检查的非零机会。可以基于所存储的检查数据来选择最终的检查级别。最终的检查级别还可以基于以下来选择：(iii)指示所述多个运输设施处的所存储的物品检查实例的运输检查度量，以及(iv)指示与所述决策实体相关联的所存储的物品检查实例的决策实体度量。

决策实体可以被配置为基于与物品相关联的检查数据和预测的检查级别来提供决定的检查级别。正在运输的物品可以包括到运输设施的途中的物品和已经在运输设施处并且正在等待被检查的物品。所获得的物品数据可以表示在运输中的物品。物品数据可以提供对在运输中的物品的预测的检查级别的指示。该指示可以采取多种不同的形式。所述指示可以是数值，例如感兴趣物质存在的概率百分比。该指示可以是预测的动作，例如执行某种类型的扫描或检查的指示。该指示可以是数据，基于该数据可以做出决定而不提供诸如此类的输出，例如来自扫描数据的图像，基于该图像，决策实体可以确定是否执行物品的物理检查。应当理解，在一些示例中，该项不提供字面上的预测的检查级别。相反，物品数据是这样的，即，基于物品数据，可以确定预测的检查级别。

该系统可以包括预测系统，该预测系统被配置成获得在运输中的物品的输入数据并且由此确定物品的预测的检查级别。预测系统可以包括机器学习元件。该系统可以被配置为基于以下各项中的至少一项来训练机器学习元件：从对在运输中的物品的检查获得的检查数据，(ii)分配给所述物品的最终的检查级别，以及(iii)对所述物品的指示。

输出命令信号可以包括输出到资源(例如，诸如计算机资源)。输出到资源可以包括在针对物品的决定的的检查级别不同于预测的检查级别的情况下提供警报。控制对物品的检查可以包括确定是否触发诸如覆写动作(例如，不管决定的检查级别如何都检查物品的动作)的警报。控制检查可以包括选择针对物品的最终的检查级别。检查级别可以从包括不对物品执行进一步检查的选项的列表中选择。

在一个方面，提供了一种用于监视人类操作者在运输设施处的操作的系统。该系统包括：位于多个运输设施处的多个数据收集单元；决策实体，与在所述运输设施中的选定运输设施处的数据收集单元通信；以及可连接到所述数据收集单元中的每一者的服务器。服务器包括：数据存储器，存储从所述数据收集单元获得的检查数据，所述检查数据指示在所述多个运输设施处的物品检查的实例；以及处理器，其耦合到数据存储器并且可操作以基于在数据收集单元处采集的数据来更新数据存储。对于通过运输设施在运输中的物品，所述系统被配置成：获得提供针对物品的预测的检查级别的指示的物品数据，并将所述物品数据提供给决策实体；从所述决策实体获得针对所述物品的决定的检查级别；识别其中针对所述物品的所述预测的检查级别不同于针对所述物品的所述决定的检查级别的实例；以及对于每个所述实例，在监视度量大于选定阈值的情况下，输出命令信号以调查决定的检查级别。所述监视度量指示应当调查所述检查级别的差异的可能性，并且基于以下指示来确定：(i)针对所述物品的预测的检查级别，以及(ii)针对所述物品的决定的检查级别。

输出命令信号可以包括触发覆写动作，使得在运输中的物品被分配与决定的检查级别不同的检查级别。该系统可以被配置成根据不同的检查级别来控制对物品的检查。该系统可以被配置为基于物品的检查结果来确定决定的检查级别是否正确，例如该系统被配置为在决定的级别不正确的情况下输出警报。

可以基于所存储的检查数据来确定监视度量。还可以基于以下各项来确定监视度量：(iii)指示所述多个运输设施处的所存储的物品检查实例的运输检查度量，以及(iv)指示与所述决策实体相关联的所存储的物品检查实例的决策实体度量。还可以基于随机元素来确定监视度量。该系统可以被配置为使用统计模型来确定监视度量，该统计模型考虑了指示以下各项中的至少一个的数据：(i)所述物品的运输数据，(ii)时间或季节数据；(iii)从对所述物品进行操作的检测设备获得的检查数据；(iv)来自所述检查数据的基于计算机的分析的数据。本文描述的系统可以被配置为确定监视度量。

在一个方面，提供了一种控制对通过运输设施在运输中的物品的检查的方法，其中，所述运输设施是系统的一部分，所述系统包括：位于多个运输设施处的多个数据收集单元；决策实体，与在所述运输设施中的选定运输设施处的数据收集单元通信；以及可连接到所述数据收集单元中的每一者的服务器。服务器包括：数据存储器，存储从所述数据收集单元获得的检查数据，所述检查数据指示在所述多个运输设施处的物品检查的实例；以及处理器，其耦合到数据存储器并且可操作以基于在数据收集单元处采集的数据来更新数据存储器。该方法包括：获得提供针对物品的预测的检查级别的指示的物品数据，并将所述物品数据提供给决策实体；从所述决策实体获得针对所述物品的决定的检查级别；以及输出命令信号，以根据分配给所述物品的最终的检查级别来控制对所述物品的检查，其中所述最终的检查级别是基于以下指示来选择的：(i)针对所述物品的预测的检查级别，以及(ii)针对所述物品的决定的检查级别。

在一个方面，提供了一种监人类操作者视在运输设施处的操作的方法。运输设施是系统的一部分，该系统包括：位于多个运输设施处的多个数据收集单元；决策实体，与在所述运输设施中的选定运输设施处的数据收集单元通信；以及可连接到所述数据收集单元中的每一者的服务器。所述服务器包括：数据存储器，存储从所述数据收集单元获得的检查数据，所述检查数据指示在所述多个运输设施处的物品检查的实例；以及处理器，其耦合到数据存储器并且可操作以基于在数据收集单元处采集的数据来更新数据存储器。对于通过运输设施在运输中的物品，方法包括：获得提供针对物品的预测的检查级别的指示的物品数据，并将所述物品数据提供给决策实体；从所述决策实体获得针对所述物品的决定的检查级别；识别其中针对所述物品的预测的检查级别不同于针对所述物品的决定的检查级别的实例；以及对于每个所述实例，在监视度量大于选定阈值的情况下，输出命令信号以调查决定的检查级别。所述监视度量指示应当调查所述检查级别的差异的可能性，并且基于以下指示来确定：(i)针对所述物品的预测的检查级别，以及(ii)针对所述物品的决定的检查级别。

本公开的方面可以包括计算机可读非暂态存储介质，其包括用于计算机的程序，该程序被配置为使得处理器执行本文公开的任何方法。

附图

现在将参考附图仅通过示例的方式描述一些实施例，其中：

图1是示出示例性运输设施的示意图。

图2是示出示例运输控制系统的示意图。

图3是示出控制通过运输设施在运输中的物品的示例性方法的流程图。

图4是示出控制通过运输设施在运输中的物品的方法中的示例性步骤的流程图。

图5是示出控制通过运输设施在运输中的物品的示例性方法的流程图。

在附图中，相同的附图标记用于表示相同的元素。

具体描述

本公开的实施例可以收集和利用从在多个不同的运输设施处检查多个不同的物品获得的检查数据。该数据可以用于提供实例的指示，其中决策实体决定不进一步检查物品，但是对物品的进一步检查揭示了该物品包含感兴趣的东西，例如违禁品或人。可以处理该数据，以提供决策实体何时决定不进一步检查应当被检查的物品的统计模型。例如，可以确定整个决策实体群体的平均错误率。当确定是否覆写来自决策实体的不进一步检查物品的命令时，可以使用所获得的数据以及来自处理它的任何输出。对这种数据的访问可以通过识别实例来提供运输设施处的安全性的改进，其中应当覆写不进一步检查物品的决定。

本公开的实施例可在控制通过运输设施在运输中的物品的检查时找到实用性。实施例可以用于监视人类操作者(例如，可以负责决定不进一步检查物品的操作者)在运输设施处的操作。

图1示出了运输设施130的示例。示出了运输设施130的四个不同区域。运输设施130位于第一地理区域，诸如位于海关联营的边界处(例如，在港口)的海关设施。图1中所示的不同区域可以对应于运输设施区域内的不同地理位置。运输设施130可以包括不同的移动控制系统，例如交通灯、起重机或轨道系统，用于引导物品在运输设施130处的不同位置之间的移动。运输设施130可包括位于运输设施130的不同区域处的多个不同的数据收集单元131、132、133、134(诸如检测设备)，其中，每个数据收集单元被配置为获得物品150的检查数据。

示出了第一数据收集单元131和第二数据收集单元132。这些数据收集单元可包括非侵入式检查装置，例如扫描设备。扫描设备可以包括使用诸如X射线、伽马射线或中子活化系统的穿透性辐射的扫描仪。检测设备可以包括被布置成检测诸如μ介子、伽马或中子辐射的无源辐射检测器。检测设备还可以包括合适的痕量检测设备，例如分光计。应当理解，检测设备的性质可以根据要扫描的物品150的类型而变化。检测设备可以包括“驱车通过”扫描器，其中，要扫描的物品150移动通过其中发生扫描的检测区域。

示出了第三数据收集单元133。第三数据收集单元133可以包括侵入式检查设备。例如，侵入式检查设备可包括配置成用于物理检查物品150的系统。物品150的物理检查可以包括物品150内部的检测设备的操作，例如对于集装箱，这可以包括集装箱内部的适当检测设备的操作以扫描该集装箱的内容物。物品150的侵入式检查可以包括从物品150移除内容物，使得它们可以在别处被检查，例如使得它们可以通过诸如X射线扫描器的合适的检测设备。物品150的物理检查可以包括机器的操作，例如执行物理检查的机器人。例如，在可能存在潜在危险物质(例如毒品或爆炸物)的情况下，可能存在被配置成执行相关扫描操作的经专门训练和编程的机器人仪器。

示出了第四数据收集单元134。这可以包括摄像机或用于获得物品150的图像数据的其他合适的装置。第四数据收集单元134可以包括用于发送和接收关于物品150的运输数据的装置。运输数据可包括在物品150运输到运输设施130之前或期间发送的数据。例如，该运输数据可以包括货单数据，诸如在运输中的物品150的起点的位置、负责物品150的一方、物品150先前曾去过的运输设施、物品150中的任何物件的性质等。这种数据收集单元134可以包括用于发送和接收网络消息的电信设备。通过接收这样的消息，数据收集单元134可以从远程位置(例如携带物品150的船)，获得物品数据。应当理解，这种数据收集单元134不需要在地理上位于运输设施130处；它可以位于其它地方。摄像机可以链接到该设备，使得从物品150上的物品标识符获得的OCR数据可以用于获得与该物品150相关联的任何相关检查数据(例如包括货单数据)。

运输设施130的数据收集单元可以分散在运输设施130占据的地理区域周围。一些数据收集单元可能不是便携式的，因此可能需要将在运输中的物品150移动到第一地理区域内的特定位置，使得所选定的数据收集单元可以从该物品150收集数据。数据收集单元可以包括可操作以获得关于在运输中的物品150的数据的任何设备。例如，所获得的数据可以包括可以基于其做出关于物品150的确定的数据，诸如物品150包含感兴趣物质的可能性。

任何合适的数据收集单元可以用在运输设施130处。不同的数据收集单元可以各自分别与以下相关联：(i)检查所花费的时间和(ii)使用产生有效结果的检测设备进行检查的确定性程度。通常，检查所花费的时间越大，来自产生正确结果的检查的输出的确定性越大(例如，当与分析货单数据相比时，物理检查可能花费长时间，但是更可能提供正确结果)。

运输设施130可包括在要检查物品的位置处的任何设施。例如，这可以包括与海关管理机构相关联的物理基础设施的任何实例，诸如可以在港口或边界找到的物理基础设施的任何实例。应当理解，本发明可以在要检查物品的任何位置使用，并且可以基于任何检查的结果来控制物品通过该位置的运输。本公开的一个特定应用可以是控制物件或人流入一个国家，其中该国家的法律将阻止某些物品(例如麻醉剂)获得进入。运输设施130可以分散在地理区域上，并且可以包括可以接收物品(例如，从诸如船的运输车辆)的第一区域。运输设施130的检测设备可以位于运输设施130的与第一区域不同的区域中。

在运输中的物品150可以包括货物物品，例如包含物件的集装箱。应当理解，物品150可以是任何可以通过运输设施130的物品。物品150可以容纳要检查的物件。示例物品包括将物件从一个区域运输到另一个区域的装运集装箱。然而，应当理解，本公开可以适用于通过运输设施130在运输中的任何合适的物品150，诸如行李、动物和人。

运输设施130可以与诸如用户设备(“UE”)的计算机相关联。UE可以耦合到数据收集单元，使得其可以访问它们的输出数据。UE可以包括决策实体(例如，被配置用于基于输出数据做出决策的软件)。应当理解，UE的地理位置不需要与运输设施130的地理位置相同。例如，UE可以耦合到数据收集单元，使得从(在运输设施130处的)数据收集单元获得的数据可以被发送到位于不同位置的UE。

图2示出了运输控制系统100的示例。运输控制系统100可由多个运输控制设施组成，例如图1所示的运输控制设施，图2所示的运输控制系统100包括服务器120和两个运输设施130、140。服务器120包括数据存储器122和处理器124。处理器124耦合到数据存储器122，使得它可以从数据存储器122读取数据/向其写入数据。服务器120和运输设施中的每一者都连接到网络110，以便它们可以通过网络发送和接收信号。运输设施中的每一者包括多个数据收集单元131、132、133、141、142、143。数据收集单元耦合到用户设备(“UE”)134、144，例如，这可以经由本地服务器或网络135、145。

在运输控制系统100的不同运输设施之间可以存在变化。不同的运输设施可以服务于不同的目的，或者可以针对不同的物品。例如，机场和海港可以具有非常不同的配置，以便应对通过它们的不同类型的物品。另外，在任何给定的运输设施130内，可以存在多个不同类型的检测设备，并且该范围可以在不同的运输设施之间变化。在给定的运输设施130处的设备的选择可以基于在该运输设施130处存在的典型物品，并且可以基于要扫描的物品150的类型来选择要操作哪些设备的选择。例如，对于包括许多金属物件的集装箱，具有更深穿透性的检测设备可以是优选的，诸如伽马射线扫描仪。

运输控制系统100可包括与海关管理机构相关联的物理基础设施。这可以包括位于海关联盟周围的多个海关中心，例如在任何接入点(例如，港口/边界)。应当理解，对于给定的海关联盟(例如，每个陆地、空中或海港一个)可以有大量的这种运输设施。

现在将参照一个运输设施130(例如，如图1所示)描述本公开，其形成运输控制系统100(例如，如图2所示)的一部分。应当理解，上述说明将适用于形成运输控制系统100的一部分的多个不同的运输设施。现在将参照图3的流程图描述控制通过运输设施130在运输中的物品150的检查的操作。将参照两个具体示例描述该方法。

在第一示例中，物品数据包括在运输中的物品150的货单数据。该方法包括基于该货单数据确定如何检查物品150，例如是否检查物品150，以及如果要检查物品150，则确定检查到什么级别(例如扫描或物理检查)。

在第二示例中，物品数据包括针对在运输中的物品150的扫描数据(例如，由运输设施130处的数据收集单元获得的)。物品数据还可以包括货单数据。基于物品数据，该方法包括确定是否物理地检查物品150。

应当理解，可以组合这两个示例，使得可以基于接收到的货单数据来确定扫描动作，然后基于从该扫描获得的扫描数据，确定是否物理地检查物品150。

关于图3的流程图，在步骤210，获得针对在运输中的物品150的物品数据。这可以从运输设施130处的数据收集单元获得。物品数据可以提供针对物品150的预测的检查级别的指示。该指示可以是可辨别的预测的检查级别的形式，例如，其可以是颜色编码的以建议特定的动作。该指示可能实际上不提供特定的预测的检查级别；它可以提供某些指示符，基于这些指示符可以推断出预测的级别。

在第一示例中，物品数据可以基于诸如针对物品150的运输历史(例如，它来自哪里以及它之前在哪里)和关于物品150的内容物的信息(例如，物件类型、所有者)的清单数据。物品数据可能已经被处理以包括预测的检查级别的指示，或者它可以简单地是原始货单数据。

在第二示例中，物品数据可以包括上述货单数据。它还包括所获得的针对物品150的扫描数据。扫描数据可以包括通过使用在运输设施130处的数据收集单元(例如，驱车通过伽马射线扫描器)扫描物品150而获得的图像数据。物品数据可能已经被处理以包括是否应该为物品150预订物理检查的指示。图像数据可以具有高亮的感兴趣区域，其中图像分析软件确定哪里潜在地是感兴趣物质。

步骤210还包括将该获得的物品数据提供给决策实体。所获得的数据可以被发送到网络，以便到达可以对其进行审阅的决策实体。决策实体可以包括计算机实现的审阅系统，诸如图像分析软件和/或经训练的机器学习元件，其被配置为处理输入(物品数据)并且提供作为所选择的检查指令的指示的输出。决策实体将具有与其相关联的实体数据，诸如针对其历史输出的一组性能统计。

在步骤220，从决策实体接收指令。该指令还可以包括对决策的推理，诸如扫描数据中的突出显示区域，其中决策实体认为那里是感兴趣的物质。所接收的指令可以提供决定的检查级别(例如，如由决策实体所决定的针对物品150的检查级别)。决定的检查级别可以基于与物品150相关联的任何检查数据和/或针对物品150的预测检查级别。它可能是基于预测的检查级别。预测的检查级别可能尚未被呈现给决策实体，并且它可以替代地仅用作针对决定的检查级别的检查机制。

在第一示例中，来自决策实体的指令(决定的检查级别)可以是获得扫描数据；它可以指定要获得的扫描数据的建议类型，诸如要使用哪个数据收集单元。该指令可以是执行物品150的物理检查。指令可以是既不扫描也不物理地检查物品150，例如允许物品150在没有进一步检查的情况下通过运输设施130。

在第二示例中，来自决策实体的指令可以是执行物品150的物理检查。指令可以是不需要物理检查，例如允许物品150通过运输设施130而不进行进一步检查。

在步骤230，识别来自决策实体的指令是否要执行物品150的任何进一步检查(例如，扫描/物理检查)。来自决策实体的指令可以是直接命令，例如检查/不检查(其也可以包括检查的类型)。指令可以是数字输出，例如存在80％的感兴趣物质的可能性的指示。在这种情况下，步骤230可以包括将这种值与已知的参考值进行比较，并且基于该比较进行判定。

在第一示例中，核实步骤可以包括核实决定的检查级别是否需要任何进一步的检查。

在第二示例中，核实步骤可以包括核实决定的检查级别是否需要对物品150进行物理检查。

如果在步骤230，该方法识别出决定的检查级别没有指示进一步的检查，则该方法进行到步骤240。在步骤240，该方法包括确定是否遵循决定的检查级别。在这个阶段，该方法包括确定是否覆写决定的检查级别。基于聚合统计分析(例如，基于来自运输控制系统100中的多个运输设施的数据的聚合的统计)进行该确定，下面更详细地描述其方法。该分析的结果是确定是否应该遵循决定的检查级别。基于核实/覆写步骤的结果，确定最终的检查级别。最终的检查级别可以基于以下两者的指示：预测的检查级别和决定的检查级别。

服务器120的数据存储器122可存储来自运输控制系统100中的所有运输设施的数据。处理器124可以访问数据存储器122，以基于存储在数据存储器122中的用于运输控制系统100中的所有运输设施的数据来确定物品150的最终的检查级别。数据存储器122还可存储表示负责针对物品150的所决定的检查级别的决策实体的数据。它还可以存储表示其它决策实体(例如与运输控制系统100内的不同运输设施相关联的决策实体)的数据。

在执行核实/覆写步骤230、240之后，相应地控制物品150的检查。这可以包括基于最终的检查级别物理地移动物品150。控制物品150的检查可以包括首先在运输设施130处定位物品150。这可以基于所接收的物品150到达运输设施130所用的车辆的数据来完成。应当理解，到达港口的集装箱船可能具有超过19000个装载的集装箱，因此从车辆接收的数据可以包括物品150在船上的特定位置。例如，该方法可以包括控制起重机将所选择的物品150从其车辆上提起。运输设施130可包括摄像机，摄像机被布置成获得到达运输设施130的每辆车的图像数据。基于对所获得的车辆图像的OCR(光学字符识别)分析，可以识别由车辆携带的物品，因为它们通常具有打印在其上的物品标识符(例如，对于集装箱，这些可以打印在集装箱的外部)。基于物品的这种识别，也可以确定它们的位置。

一旦物品150被定位，其通过运输设施130的移动可基于提供最终的检查级别的指示的命令信号而被控制。在最终的检查级别指示选择的数据收集单元以从物品150获得检查数据的情况下，该方法包括将集装箱移动到运输设施130的区域中，在该区域中可以操作数据收集单元以从物品150获得这样的检查数据。在最终的检查级别指示不需要对物品150进行进一步的基于数据收集单元的检查的情况下，该方法可包括将物品150移动到运输设施130的区域中，使得其可通过运输设施130。例如，这可以包括将集装箱移动到卡车的后面，然后卡车可以驶离运输设施130。如果步骤240的结果为否，则该方法可包括移动物品150，使得其可在不进行进一步检查(例如，无需执行来自检测设备中的一者的进一步检查)的情况下通过运输设施130。

在第一示例中，基于接收到的货单数据，步骤230、240的结果可以包括最终的检查级别，其操作检测设备以扫描物品150。在这种情况下，该方法可以包括将物品150移动到一个区域中，使得检测设备可以操作以检查物品150。在最终的检查级别是物理检查物品150的情况下，该方法可包括将物品150移动到一个区域中，使得可进行物品150的物理检查(例如，该区域可不同于检测设备可在其中操作的区域)。在最终的检查级别是不检查的情况下，该方法可包括移动物品150通过运输设施130，使得其可离开运输设施130。

在第二示例中，基于接收的针对物品150的扫描数据，最终的检查级别可以是物理地检查物品150；则可以不执行进一步的检查。检查的最终级别可以是执行物品150的另一类型和/或不同类型的非侵入性扫描。同样，可以基于针对物品150的最终的检查级别来控制物品150在运输设施130周围的移动。例如，物品150被移动到其中的运输设施130的位置可以基于最终的检查级别和其中可以执行最终的检查级别的运输设施130的区域的位置来选择。

在本公开的上下文中将理解，物品150的移动可以采取多种形式。这种移动的确切形式可以取决于要移动的物品150的类型和运输设施130的类型。例如，当移动集装箱、火车、起重机、卡车和船只时，都可以使用。用于控制物品150的检查的命令信号可以包括物品150将被递送到的位置的指示。它也可以包括物品150的当前位置的指示。基于命令信号，可以控制物品150在运输设施130处的移动，使得物品150被移动到选定位置(例如，这基于物品的最终的检查级别)。

在步骤230或240的结果是核实物品150(例如，最终的检查级别是执行核实)的情况下，物品150被定位并移动到针对选定的数据收集单元的选定的位置，以获得物品150的检查数据。该方法可以包括针对物品150操作所选择的数据收集单元(例如，基于针对物品150的最终的检查级别选择的数据收集单元)，以获得物品150的检查数据。

在步骤250，获得针对物品150的检查数据。作为这里描述的运输控制系统100及其使用方法的结果，可以检测更多数量的包含感兴趣物质的物品。例如，这些可以减少其中决定的检查级别(如由决策实体所决定的)错误地确定对于确实包括感兴趣的物质的物品150不需要进一步检查的实例的数量。所述系统和方法提供了一种识别这种漏报的实例的有效方法，因为只有选定数量的否定情形将被覆写。通过使用存储的针对多个运输设施的检查数据，例如，用于在下面更详细描述的聚合统计分析方法中，可以更有效地识别选定数量的否定情形。

现在将参考图2描述聚合统计分析的示例方法，聚合统计分析被配置为识别检查数据中的趋势，该趋势可以提供针对在运输中的给定物品150的决定的检查级别是不正确的检查级别的可能性的指示。

服务器120的数据存储器122存储与多个运输设施相关联的数据。尽管图2中仅示出了两个，但是可以存在与同一服务器120和数据存储器122相关联的更多运输设施。数据存储器122存储来自每个相关运输设施的检查数据。服务器120的处理器124可以访问数据存储器122，以在控制在与服务器120相关联的任何一个运输设施处的物品150的检查时使用该数据进行聚合统计分析。

检查数据可以包括与通过任何运输设施的在运输中的物品相关联的数据。例如，检查数据可以包括通过使用数据收集单元收集在运输中的物品150的数据而获得的数据。处理器124可以被配置为在从数据收集单元收集数据的情况下接收新的数据项，并且相应地更新数据存储器122。检查数据的每个项目可对应于历史上通过运输设施之一在运输中的物品150。检查数据的每个项目可以包括与其相关联的某些数据项，诸如以下各项中的至少一个的指示：(i)预测的检查级别，(ii)决定的检查级别，(iii)负责决定的检查级别的决策实体，(iv)最终的检查级别，以及(v)来自物品150的任何检查的结果。形成检查数据的每个数据项可以以不可改变的数据格式存储，使得它们不能被追溯地改变。关于决定的检查级别的数据可以与它们的负责决策实体相关联地存储。

使用该检查数据，可以识别其中决策实体做出决定的检查级别的决定而事实证明是不正确的决定的情况(例如，因为出现了覆写而揭示了感兴趣物质的存在覆写)。这些情况可以与它们的负责决策实体相联系。使用该数据，可以获得每个决策实体的决策实体度量。对于每个决策实体，其各自的决策实体度量可以提供其可靠性的指示，例如，其可以提供与被分配了不正确检查级别的决策实体相关联的物品检查的实例的比例的指示。决策实体可以是计算机实现的，在这种情况下，决策实体度量可以提供计算机代码/软件的可靠性的指示。这然后可以在更新计算机代码时使用，例如以识别决策实体不擅长做出正确决策的场景。

使用检查数据和/或决策实体度量，可以确定运输检查度量。运输检查度量可以提供与运输控制系统100相关联的决策实体的全局平均值的指示。这可以提供基准，可以将各个决策实体与该基准进行比较。应当理解，这两个度量的组合可以用来提供每个决策实体的可靠性指示。如以下参考图4更详细地阐述的，这可以在图3的方法200的步骤240处确定是否执行覆写时使用。

使用所存储的检查数据，也可以确定其它度量和/或所定义/使用的度量可以比上述更具体。例如，可以使用集中在与在运输中的物品150更紧密相关的检查数据上的度量，例如与具有相同来源、相同所有者或相同类型的物件等的物品相关的所有数据的度量。提供更具体的度量可以使得能够以更高的确定性来识别趋势，即所识别的趋势表示因果联系。

所存储的检查数据和/或所获得的度量可以在图3的方法200的步骤240中使用，现在将参考图4更详细地描述该步骤240。

图4示出了图3的步骤230和240的扩展版本，步骤230保持相同，但是步骤240已经扩展为三个步骤241、242、243，其可以在确定是否覆写决定的检查级别时使用。

在步骤241，为负责决定的检查级别的决策实体获得决策实体度量。获得决策实体度量可以包括使用数据存储器122的当前内容(例如，在获得时存储在数据存储器122中的检查数据)来动态地确定决策实体度量。获得决策实体度量可以包括(例如，从数据存储器122)检索针对决策实体的预定决策实体度量。

在步骤242，获得运输检查度量，其表示与运输控制系统100内的多个运输设施相关联的多个决策实体。与决策实体度量一样，获得运输检查度量可以包括动态地确定它，或者它可以包括检索预定的运输检查度量。

在步骤243，至少部分地基于以下各项中的至少一项来确定是否要覆写：(i)预测的检查级别，(ii)决定的检查级别，(iii)决策实体度量，以及(iv)运输检查度量。如下面更详细讨论的，它也可以使用随机元素来确定。该步骤可包括确定针对在运输中的物品150的最终的检查级别。最终的检查级别可以基于存储的检查数据或其指示。

可以基于预测的检查级别和决定的检查级别之间的差异的尺度的指示来确定最终的检查级别。根据运输设施130的性质，对于检查级别可以有多个不同的选项。在这种情况下，可以有两种类型的检查级别，其可以被认为在检查的彻底性方面相当接近(例如，伽马射线扫描和X射线扫描)。当预测和决定的检查级别之间的差不太大时，这可以不太需要覆写标志。相反，在该差异较大的情况下，例如在预测的检查级别是物品150的完全物理检查并且决定的检查级别根本不检查的情况下，这可以被认为是相当大的差异，并且因此更多的标记要被覆写。

可以基于所述运输检查度量与所述决策实体度量之间的差异的指示来确定所述最终的检查级别。这些度量中的每一个可以用数字表示，诸如所决定的检查级别正确的百分比机会或所决定的检查级别将提供漏报结果的百分比机会。两个值之间的差可以是差的幅度的指示和哪个度量更大的指示。由于存储的检查数据表示关于运输控制系统100分布的决策实体，运输检查度量可以提供对单个决策实体的可靠性的更多洞察，因为它可以便于它们的决策实体度量和全局平均值之间的比较。当确定是否覆写不扫描命令时，使用该比较可以使得能够识别应当扫描的更多数量的物品。应当理解，这种差异的指示可以有助于确定最终的检查级别，使得覆写的可能性与两个度量之间的差异的幅度成比例(例如，具有比运输检查度量大得多的决策实体度量的决策实体比其决策实体度量小于运输检查度量的决策实体更不可能接收到覆写命令)。

可以基于预测和决定的检查级别中的一者具有高级别的指示(例如，基本检查，诸如物品150的物理检查)，来确定最终的检查级别。这些场景可以被认为更可能值得调查。同样地，可以基于运输检查度量和决策实体度量中的一者是特别高或低的指示，来确定最终的检查级别。例如，绝对值(而不是相对值)可以被认为是具有其决策实体度量的低值的决策实体很可能保证更多的覆写，即使其值接近运输检查度量。

可以基于随机元素确定最终的检查级别。随机元素的引入可以被安排成使得在运输中的每个物品150具有被检查的非零机会。例如，这可以使得能够识别更大数目的漏报，因为不保证不覆写“无检查命令”。随机元素可以独立于任何其他度量或者可以存在某种依赖性。例如，随机元素的大小可以基于其他度量之一来确定，诸如基于决策实体度量来缩放。因此，可以选择随机元素，使得具有较低决策实体度量的决策实体更有可能使其所决定的检查级别“随机地”被覆写。

最终的检查级别的确定可由结论实体执行。结论实体可以包括计算机实现的系统。该系统可以被布置成基于其接收到的输入(例如，决策实体度量、传输检查度量、预测的检查级别、决定的检查级别和随机元素中的至少一个)来确定组合的检查度量(例如，数值)。取决于组合的检查度量的值，系统可以向物品150分配最终的检查级别(例如，不同的输出值可以映射到不同的二进制文件(bins)，每个二进制文件与相应的检查级别相关联；可以存在与不同的检查级别相关联的不同的阈值)。

应当理解，结论实体可以以与这里关于监视决策实体所述的相同方式来被监视。例如，每个结论实体可以具有各自的结论实体度量，当评估是否接受由结论实体确定的最终的检查级别时，可以使用该结论实体度量。

现在将描述图5。现在将参考图5描述图5的方法300的附加步骤(与图3的方法200相关)。方法300的步骤220、230、240和250对应于先前用那些参考数字描述的步骤，因此将不再描述。

方法300与方法200的不同之处在于运输控制系统100包括预测系统(例如在服务器120中)，该预测系统被布置成基于所获得的针对在运输中的物品150的输入数据来确定预测的检查级别。预测系统包括机器学习元件，并且方法可以包括使用以下中的至少一个来训练机器学习元件：(i)从对在运输中的物品150的检查获得的检查数据，(ii)分配给物品150的最终的检查级别，以及(iii)针对该物品150的指示(例如，决策实体度量、运输检查度量、预测的检查级别、决定的检查级别中的至少一个)。在训练机器学习元件时使用这样的数据可以提供对预测系统的改进的训练，这进而可以提供改进的预测系统。这可以提高运输控制系统100的效率。

在步骤310，获得针对在运输中的物品150的输入数据。在此上下文中，输入数据包括原始数据，例如不包含预测检查级别的指示的数据。对于在运输中的物品150，输入数据可以包括接收的物品150的货单数据和/或其可以包括针对物品150的扫描数据。

在步骤320，处理输入数据以获得提供给决策实体的物品数据。如上所述，物品数据可以包括针对运输中的物品150的预测的检查级别。应当理解，预测系统的机器学习元件可以以多种方式确定预测的检查级别。机器学习元件可以包括被训练以对特定输入格式的数据进行操作的神经网络。例如，输入数据可以是来自物品150的扫描的图像数据，并且神经网络可以包括用于分析图像数据以识别潜在的感兴趣物质的合适的神经网络(例如，卷积的、深度残差的或胶囊(capsule))。例如，输入数据可以包括以表格格式组织的字母数字串，并且神经网络可以包括用于分析该输入数据的任何合适的神经网络。

预测系统可以被配置为确定表示物品150包含感兴趣物质的概率的数值。例如，对物品150的扫描的图像分析可以揭示，物品150中包括枪支的机会为93％。然后，可以将该数值与若干所选阈值进行比较。根据该值超过哪些阈值，可以确定物品150的预测的检查级别。

一旦确定了物品数据，则将物品数据提供给决策实体，使得决策实体可以提供针对物品150的决定的检查级别。决策实体可以基于物品数据和针对物品150的任何其他存储的检查数据来做出该决策。方法300如方法200一样继续，直到步骤360。

在步骤360，预测的、决定的和最终的检查级别是已知的。另外，任何物品检查的结果将是已知的。该结果可包括没有感兴趣的物质存在于物品150中或感兴趣的物质存在于物品150中的指示。如果检查是物理检查，则可以高度确定地知道是否存在任何感兴趣的物质。如果检查是非侵入性的(例如扫描物品150)，则可以不那么高度确定地知道存在或不存在任何感兴趣的物质。然而，在每种情况下，将对物品检查的结果做出最终决定，并且该决定将是已知的。

在步骤360，可以在物品检查的结果和预测的检查级别之间进行比较。由此，能够识别物品数据中的预测的检查级别是否正确，在不正确时，能够判别预测的检查级别与正确检查级别相差多少。正确的预测的检查级别可以包括当发现感兴趣的物质时提供对应于物理检查的预测的检查级别。同样，当没有发现感兴趣的物质时，预测的检查级别“不检查”可以是正确的预测。可以基于在确定预测的检查级别时使用的数值以及该数值与例如感兴趣的物质存在的100％和0％的机会相差多少，来确定正确的和预测的检查级别之间的差异。

在步骤360，可以在物品检查的结果和决定的检查级别之间进行比较。如上所述，这种比较可以使得能够识别决定的检查级别是否正确，并且如果不正确，则识别多少不正确。

在步骤370，更新针对负责决定的检查级别的决策实体的决策实体度量。更新可以基于决定的检查级别与检查结果的比较。决策实体度量可以包括决策实体的正确决策的百分比。然而，可以基于其他因素来确定，诸如预测的检查级别(例如，以便避免由于做错了困难的决定而过度处罚决策实体)。为此，当确定更新的决策实体度量时，可以应用某种加权。检查的结果以及预测的、决定的和最终的检查级别可以作为检查数据被添加到数据存储器122。

在步骤380，机器学习元件可基于物品检查的结果和预测的检查级别之间的比较而被更新。这可以包括使用梯度下降反向传播算法对机器学习元件的更新。机器学习元件还可以基于决定的检查级别和最终的检查级别中的至少一者来更新，以便识别其中机器学习元件确定不正确的检查级别的实例，但是这也与决策实体所做出的决策一致(例如，与其他情况相比，错误更多是不重要的决定)。

如果在步骤240的覆写确定的结果是否定的，则该方法可以进行到步骤380。在这种情况下，在步骤380，可以基于预测的检查级别、决定的检查级别和决策实体度量来更新机器学习元件。决策实体度量可以提供决策实体确定正确的决定的检查级别的可能性的指示。总是存在所决定的检查级别不正确并且这未被覆写的可能性。然而，在许多情况下，决定的检查级别可能是正确的，并且基于预测的检查级别与决定的检查级别之间的差异来更新机器学习元件可能是有用的。该更新可以基于决策实体度量(以及可选地，运输检查度量)，以考虑决定的检查级别中的可能的不准确性。例如，预测和决定的检查级别之间的差异可以基于运输检查度量被加权，使得当具有较低决策实体度量的决策实体负责决定的检查级别时，对预测系统的任何更新不太重要。

尽管未示出，但是应当理解，如果在步骤240中确定是否要覆写使用任何机器学习相关技术，则可以使用物品检查的结果与最终的检查级别之间的比较来更新该机器学习技术。

本文已经关于控制通过运输设施130在运输中的物品150的检查描述了本公开的实施例。然而，本公开还包括用于监视人类操作者在运输设施130处的操作的系统和方法。在这种情况下，系统可以被布置成识别其中针对物品150的预测的检查级别不同于针对物品150的决定的检查级别的实例。对于每个所述实例，可以为该实例的操作者确定监视度量。如果监视度量大于选定阈值，则这可以提供应当调查检查级别的差异的指示，并且可以输出命令信号以实现这一效果。输出命令信号可以包括执行覆写动作(例如，如在以上讨论的步骤240中)。输出命令信号可以包括提供该实例保证进一步审查(例如，通过如上所述的结论实体)的警报。

可以基于以下指示来确定监视度量：(i)针对物品150的预测的检查级别，以及(ii)针对物品150的决定的检查级别。它也可以基于以下各项来确定：(iii)运输检查度量，以及(iv)所述人类操作者的决策实体度量。如上文参照最终检查度量所描述，可基于所存储检查数据的指示和/或随机元素来确定监视度量。

系统可以被配置成基于物品150的检查结果来确定决定的检查级别是否正确。与上述方法一样，在获得检查结果之后，可以识别出其中对于在运输中的物品150的决定的检查级别不正确的实例。在这样的事件中，可以输出指示这一点的警告，和/或存储该数据的记录，使得例如可以更新用于人类操作者的决策实体度量。这可以实现用于识别在运输设施130处的操作者的可能的欺诈行为的改进的实例。

应当理解，本文描述的统计模型，诸如关于在确定最终的检查级别和/或在运输设施130处的用户的监视度量时的聚合统计分析，也可以考虑其他因素。例如，指示以下各项中至少一个的数据：(i)针对物品150的运输数据，(ii)时间或季节数据；(iii)从在物品150上操作的检测设备获得的检查数据；(iv)可以使用来自检查数据的基于计算机的分析的数据。作为示例，这可以适合于识别具有时间或季节依赖性的感兴趣的物质。例如，某些药物或麻醉药可能仅在某些季节生长，因此这些药物或麻醉药将更可能在一年的某些时间到达。同样，在恶劣天气(或航行条件)期间，运输违禁品可能较不频繁地发生。当执行适当的统计分析时，可以包括这样的因素。

应当理解，术语“预测的”和“建议的”可以互换使用。例如，短语“预测的检查级别”包括“建议的检查级别”。

从以上讨论中将理解，图中所示的实施例仅是示例性的，并且包括可以如本文所述和如权利要求中所述的一般化、移除或替换的特征。总体上参考附图，将理解示意性功能框图用于指示本文描述的系统和装置的功能。另外，处理功能也可以由电子设备所支持的设备来提供。然而，将理解功能性不需要以这种方式划分，并且不应被认为暗示除了下面描述和要求保护的硬件之外的任何特定硬件结构。附图中所示的一个或多个元素的功能可以进一步细分和/或分布在本公开的整个装置中。在一些实施例中，附图中所示的一个或多个元素的功能可以集成到单个功能单元中。

如本领域技术人员在本公开的上下文中将理解的，本文描述的每个示例可以以各种不同的方式实现。本公开的任何方面的任何特征可以与本公开的任何其他方面组合。例如，方法方面可以与装置方面组合，并且可以在不使用那些特定类型的装置的方法中提供参考装置的特定元素的操作描述的特征。另外，每个实施例的每个特征都是与其结合描述的特征可分离的，除非明确说明一些其它特征对于其操作是必要的。当然，这些可分离特征中的每一个都可以与描述了该特征的实施例的任何其它特征相结合，或者与这里描述的任何其它实施例的任何其它特征或特征的组合相结合。此外，在不背离本发明的情况下，也可以采用上面未描述的等同物和修改。

本文描述的方法的某些特征可以在硬件中实现，并且装置的一个或多个功能可以在方法步骤中实现。在本公开的上下文中还将理解，本文所述的方法不需要以它们被描述的顺序执行，也不必以它们在附图中被描绘的顺序执行。因此，参照产品或装置描述的本公开的方面也旨在被实现为方法，反之亦然。本文描述的方法可以在计算机程序中、或在硬件中、或在其任何组合中实现。计算机程序包括软件、中间件、固件及其任意组合。这样的程序可以作为信号或网络消息提供，并且可以记录在计算机可读介质上(诸如可以以非暂态形式存储计算机程序的有形计算机可读介质)。硬件包括计算机、手持设备、可编程处理器、通用处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)和逻辑门阵列。

本文描述的系统或方法的某些特征可以由人来实现。决策实体可以包括人，并且决策实体度量可以提供对人的技能的指示。决策实体度量可以提供对于人员的潜在欺诈实例的指示，例如，如果给定人员表现为对于选定的物品所有者的群体重复地做出不正确的决策。决策实体可以包括计算机和人类操作的组合。例如，计算机实现的系统可以向人提供输出，人可以在做出决定时使用该输出。同样地，结论实体可以至少部分地包括人。可以向人提供相关的获得的信息，诸如以下各项中的至少一个：决策实体度量、运输检查度量、预测的检查级别、决定的检查级别和随机元素。基于该信息，他们可以做出关于是否覆写的决定。可以向人提供是否要覆写的确定的建议。例如，如上所述，该确定的建议可以对应于由计算机实现的系统确定的最终的检查级别。图2中所示的UE 134可以向决策实体(例如，人类操作者)提供输出数据的指示，使得决策实体可以基于输出数据做出决策。决策实体可以包括审阅该项目数据的人类操作者。

例如，所示实施例示出了由多个组件和设备构成的运输控制系统100。然而，应当理解，这种划分不应被认为是限制性的，并且它们的功能可以由单个组件或多个不同的组件来提供。同样，讨论了这些组件/设备之间的通信；但是，确切的通信路径不应被认为是限制性的。例如，数据收集单元可以直接与决策实体通信。

在服务器120或其它基于计算机的组件(以及这里概述的任何活动和装置)中使用的任何处理器可以利用诸如逻辑门的组件的固定逻辑或者诸如由处理器执行的软件和/或计算机程序指令的可编程逻辑来实现。服务器120可以包括中央处理单元(CPU)和相关联的存储器，其连接到图形处理单元(GPU)及其相关联的存储器。其它类型的可编程逻辑包括可编程处理器、可编程数字逻辑(例如，现场可编程门阵列(FPGA)、张量处理单元(TPU)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、专用集成电路(ASIC)，或者任何其它类型的数字逻辑、软件、代码、电子指令、闪存、光盘、CD-ROM、DVDROM、磁卡或光卡、适合于存储电子指令的其它类型的机器可读介质、或者其任何合适的组合。这样的数据存储介质还可以提供服务器120(以及本文概述的任何装置)的数据存储器122。

在一些示例中，一个或多个存储器元素可以存储用于实现本文描述的操作的数据和/或程序指令。本公开的实施例提供了包括程序指令的有形的非暂态存储介质，所述程序指令可操作以对处理器进行编程以执行本文描述和/或要求保护的方法中的任何一个或多个方法和/或提供如本文描述和/或要求保护的数据处理装置。

图2中所示的用户设备可以包括移动电信手持装置，但是在本公开的上下文中将理解，这涵盖用于通过广域网进行通信并且具有必要的数据处理能力的任何用户设备(UE)。它可以是手持电话、配备有移动宽带适配器的膝上型计算机、平板计算机、蓝牙网关、专门设计的电子通信装置或任何其它设备。应当理解，这种设备可以被配置为例如使用全球定位系统GPS设备和/或基于诸如使用来自WLAN信号和电信信号的信息的其他方法，来确定它们自己的位置。用户设备可以包括诸如个人计算机的计算设备，或者诸如移动(蜂窝)电话或平板的手持设备。还可以使用可穿戴技术设备。因此，这里描述的设备的通信接口38可以包括任何有线或无线通信接口，例如WI-FI(RTM)、以太网或直接宽带因特网连接，和/或GSM、HSDPA、3GPP、4G或EDGE通信接口。

这里描述的消息可以包括数据有效载荷和标识在其上应用请求的资源的标识符(例如统一资源指示符URI)。这可以使得消息能够跨网络转发到其寻址到的设备。一些消息包括指示要在由请求标识的资源上执行的方法令牌。例如，这些方法可以包括超文本传输协议HTTP方法“GET”或“HEAD”。对内容的请求可以以超文本传输协议HTTP请求的形式提供，例如在网络工作组请求注释中指定的那些请求：RFC 2616。如在本公开的上下文中将理解的，虽然HTTP协议及其方法已经被用于解释本公开的一些特征，但是也可以使用其它因特网协议，并且标准HTTP协议的修改也可以被使用。

如本文所述，网络消息可以包括例如HTTP消息、HTTPS消息、因特网消息访问协议消息、传输控制协议消息、因特网协议消息、TCP/IP消息、文件传输协议消息，或者可以使用任何其他合适的消息类型。

在本公开的上下文中，本公开的其他示例和变型对于本领域技术人员将是显而易见的。