1.一种物流订单异常处理方法，其特征在于：包括：步骤一：根据异常源头环节的历史发生频次以及历史平均追溯时间，对异常源头环节进行聚类，得到多个异常源头类别组；

步骤二：提取每个异常源头类别组内所有细节关系链的关键元素，构建对应的关键线索库；

步骤三：对当前物流异常订单按异常源头类别组进行追溯，并对追溯过程进行实时监测，在监测过程中对异常源头类别组进行人力资源的动态分配；

步骤四：在每个监测周期结束后，对异常源头类别组进行异常关键元素占比计算以及关系链匹配度计算，识别高度异常类别组以及定位目标关系链；

步骤五：根据关系链匹配度对各目标关系链进行人力资源的二次分配，并对各目标关系链进行验证，确定最终异常关系链。

2.根据权利要求1所述的一种物流订单异常处理方法，其特征在于：所述对异常源头环节进行聚类，得到多个异常源头类别组的过程为：基于任意一个异常源头环节：

将历史异常发生频次和历史平均追溯时间标准化后作为特征，构建特征向量；

根据肘部法确定聚类数量K；

随机选取K个环节的特征值作为初始簇中心，计算每个异常源头环节与簇中心的欧氏距离，将异常源头环节分配到欧式距离最近的簇；

当所有异常源头环节都被分配到簇后，重新计算每个簇内所有异常源头环节特征值的平均值，作为新的簇中心；

重复异常源头环节的分配和簇中心的更新，记录每次簇中心的变化值，并与预设阈值进行比较，当变化值小于预设阈值时，聚类完成，每个簇即为一个异常源头类别组。

3.根据权利要求1所述的一种物流订单异常处理方法，其特征在于：所述构建对应的关键线索库的过程包括：

提取每个异常源头类别组中所有细节关系链的节点，即关键元素；

关键线索库的结构为：{簇标签：｛根因元素：[e0]，传导元素：[e1,e2,...,em]，结果元素：[em+1]}}；

其中，e0为触发异常的初始节点，e1到em为中间因果节点，em+1为最终异常表现。

4.根据权利要求1所述的一种物流订单异常处理方法，其特征在于：所述在监测过程中对异常源头类别组进行人力资源的动态分配的过程为：根据当前异常类型采取对应的追溯方式，每个异常源头类别组同步启动追溯，初始为每个异常源头类别组平均分配人力资源；

设定监测周期，对每个异常源头类别组的追溯过程进行实时监测，记录追溯到的异常关键元素；

每个监测周期结束后，统计每个异常源头类别组的异常关键元素个数，并根据异常源头类别组的异常关键元素个数确定异常源头类别组动态分配调整后的人力资源量。

5.根据权利要求4所述的一种物流订单异常处理方法，其特征在于：所述人力资源量的获取方式为：

统计各异常源头类别组的异常关键元素个数，并求和得到异常关键元素总数；

求取异常源头类别组的异常关键元素个数与异常关键元素总数的比例，得到异常源头类别组的分配系数；

将各异常源头类别组的分配系数分别与人力资源总量进行乘积处理，得到异常源头类别组动态分配调整后的人力资源量。

6.根据权利要求1所述的一种物流订单异常处理方法，其特征在于：所述识别高度异常类别组的方式为

在每个监测周期结束后，统计每个异常源头类别组的异常关键元素个数在对应的关键线索库中的比例，得到异常关键元素占比；

将异常关键元素占比与预设占比进行比较，若异常关键元素占比大于预设占比，将异常源头类别组标记为高度异常类别组。

7.根据权利要求1所述的一种物流订单异常处理方法，其特征在于：所述定位目标关系链的过程为：

基于任意一个细节关系链，将细节关系链中包含的关键元素进行汇总，得到细节关系链对应的关键元素库；

将所有异常关键元素分别与细节关系链对应的关键元素库进行比对，得到关系链匹配度；

将关系链匹配度与预设关系链匹配度进行比较，提取关系链匹配度大于预设关系链匹配度的细节关系链作为目标关系链。

8.根据权利要求7所述的一种物流订单异常处理方法，其特征在于：所述关系链匹配度的获取方式为：

基于细节关系链对应的关键元素库中任意一个关键元素；

在所有异常关键元素中，若存在与关键元素相同类型的异常关键元素，则将关键元素标记为重合关键元素；

在所有异常关键元素中，若不存在与关键元素相同类型的异常关键元素，则将关键元素标记为非重合关键元素；

统计细节关系链对应的关键元素库中重合关键元素的数量比例，得到关系链匹配度。

9.根据权利要求1所述的一种物流订单异常处理方法，其特征在于：所述根据各目标关系链的关系链匹配度进行人力资源的二次分配方式为：对所有目标关系链的关系链匹配度进行求和，得到总关系链匹配度；

对于任意一条目标关系链，将关系链匹配度与总关系链匹配度进行比例计算，得到关系链匹配度占比；

每条目标关系链被分配的人力资源量为总人力资源量与关系链匹配度占比的乘积。

10.一种物流订单异常处理系统，包括以下模块：聚类模块：根据异常源头环节的历史发生频次以及历史平均追溯时间，对异常源头环节进行聚类，得到多个异常源头类别组；

关键线索库构建模块：提取每个异常源头类别组内所有细节关系链的关键元素，构建对应的关键线索库；

追溯与资源动态分配模块：对当前物流异常订单按异常源头类别组进行追溯，并对追溯过程进行实时监测，在监测过程中对异常源头类别组进行人力资源的动态分配；

高度异常识别与目标定位模块：在每个监测周期结束后，对异常源头类别组进行异常关键元素占比计算以及关系链匹配度计算，识别高度异常类别组以及定位目标关系链；

二次分配与验证模块：根据关系链匹配度对各目标关系链进行人力资源的二次分配，并对各目标关系链进行验证，确定最终异常关系链。