1.一种收件信息实时同步与异常预警方法，其特征在于，包括：采集物流轨迹数据并构建时空图模型，通过时空图卷积网络进行轨迹特征提取；

采用Transformer模型进行轨迹时间序列预测，并基于异常检测阈值判断异常事件；

结合零知识证明和区块链技术，对物流数据进行加密验证和存证，构建物流调度优化和动态异常恢复策略；

轨迹特征提取包括采用三层时空图卷积网络，第一层进行局部时空特征提取，处理短时物流路径信息；

第二层进行全局信息聚合，学习长时序跨区域物流特征；

第三层进行异常模式识别，检测出异常轨迹并提供可解释的异常分数。

2.如权利要求1所述的收件信息实时同步与异常预警方法，其特征在于：所述构建时空图模型包括采用图数据结构构建快递运输网络，节点表示物流位置，边表示包裹的运输路径，边的权重根据运输时间和包裹状态动态更新。

3.如权利要求2所述的收件信息实时同步与异常预警方法，其特征在于：所述轨迹特征提取包括提取包裹的时序运输模式和空间路径信息；

设定历史轨迹窗口，将时间序列信息嵌入图结构，捕捉不同快递路径的异常模式。

4.如权利要求3所述的收件信息实时同步与异常预警方法，其特征在于：所述进行轨迹时间序列预测包括对时空图卷积网络提取的物流轨迹特征输入Transformer模型，利用多头自注意力机制分析包裹的历史轨迹模式；

通过Transformer的时间序列预测能力，计算快递包裹在未来时间点的正常轨迹分布。

5.如权利要求4所述的收件信息实时同步与异常预警方法，其特征在于：所述判断异常事件包括设定异常检测阈值，并采用基于欧式距离或马氏距离的计算方法，衡量实际轨迹与预测轨迹之间的偏差；

当检测到轨迹偏差超过设定异常检测阈值时，触发异常事件，并发送预警信号；

在异常发生时向配送人员和管理平台发送预警信息；

依据异常类型触发不同的应对策略；

对已标记为异常的快递包裹进行二次检测，确认异常的真实性。

6.如权利要求5所述的收件信息实时同步与异常预警方法，其特征在于：所述对物流数据进行加密验证和存证包括采用zk‑SNARKs对物流关键数据进行加密证明；

在物流数据存储前，生成零知识证明，验证数据的真实性时无需访问原始物流信息；

采用区块链存证技术，将物流事件哈希值存储在分布式账本中；

采用Merkle树结构对物流数据进行组织，通过根哈希验证记录的真实性；

当检测到物流异常事件时，基于区块链存储的历史数据，对异常轨迹进行回溯，并验证数据是否在存储过程中被篡改；

利用智能合约自动执行异常回溯逻辑，当发现数据不一致时，向相关责任方发送警告并记录违规行为。

7.如权利要求6所述的收件信息实时同步与异常预警方法，其特征在于：所述构建物流调度优化和动态异常恢复策略包括采用强化学习优化异常包裹的重新分配路径，在快递员重新规划路线时最小化延误；

结合历史异常数据训练RL模型，使平台自主学习最优调度策略；

在区块链存证的基础上，构建可验证异常恢复流程，基于物流规范进行异常处理。

8.一种采用如权利要求1 7任一所述的收件信息实时同步与异常预警方法的系统，其~特征在于：包括数据处理模块，异常预警模块，优化恢复模块；

所述数据处理模块用于采集物流轨迹数据并构建时空图模型，通过时空图卷积网络进行轨迹特征提取；

所述异常预警模块用于采用Transformer模型进行轨迹时间序列预测，并基于异常检测阈值判断异常事件；

所述优化恢复模块用于结合零知识证明和区块链技术，对物流数据进行加密验证和存证，构建物流调度优化和动态异常恢复策略。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的收件信息实时同步与异常预警方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的收件信息实时同步与异常预警方法的步骤。