CN111459635B - 数据处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
数据处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111459635B CN111459635B CN202010244806.0A CN202010244806A CN111459635B CN 111459635 B CN111459635 B CN 111459635B CN 202010244806 A CN202010244806 A CN 202010244806A CN 111459635 B CN111459635 B CN 111459635B
- Authority
- CN
- China
- Prior art keywords
- task
- site
- average
- range
- tasks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种数据处理方法、装置、电子设备及计算机可读存储介质,根据获取的站点标识获取各站点的第一任务参数,响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,获取包括多个历史任务和多个仿真任务的第一任务集合,根据第一任务集合确定第一站点和第二站点模拟合并后的第二任务参数,若第二任务参数满足第二预定条件,则合并所述第一站点和第二站点,由此,本实施例通过仿真第一站点和第二站点合并后的任务参数,并根据仿真结果对站点范围进行调整,提高了任务处理的效率。
Description
技术领域
本发明涉及互联网技术领域,更具体地,涉及一种数据处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着互联网技术的不断发展,很多基于互联网的服务应运而生。以即时配送服务为例,通常会针对不同的区域设置站点,每个站点具有一组配送资源,因此,各区域中站点的设置对任务处理效率存在很大影响。
发明内容
有鉴于此,本发明实施例提供一种数据处理方法、装置、电子设备及计算机可读存储介质,以提高任务处理效率。
第一方面,本发明实施例提供一种数据处理方法,所述方法包括:
接收来自服务器的数据指令;
通过至少一个处理器解析所述数据指令,获取预定范围内的各站点的标识;
通过至少一个处理器根据各所述站点的标识获取各所述站点的第一任务参数,所述第一任务参数包括预定时间段内的平均任务量;
响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,通过至少一个处理器获取第一任务集合,所述第一任务集合包括第一站点和第二站点中的多个历史任务和多个第一仿真任务,其中,所述第一仿真任务的数量根据所述历史任务的数量确定,所述第一仿真任务的任务处理范围包括第一站点和第二站点的范围;
通过至少一个处理器根据所述第一任务集合获取所述第一站点和第二站点模拟合并后的第二任务参数,所述第二任务参数包括站点合并后的平均任务量;
响应于所述第二任务参数满足第二预定条件,合并所述第一站点和所述第二站点。
可选的,所述第一任务集合中的历史任务的数量和所述第一仿真任务的数量具有预定比值。
可选的,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值。
可选的,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值且所述第一站点和所述第二站点的范围在一个网格区域内。
可选的,所述第二预定条件具体为所述第二任务参数中的平均任务量大于第一阈值。
可选的,所述第二任务参数还包括站点合并后的任务的平均处理时间和任务的平均处理距离;
所述第二任务参数满足第二预定条件具体为:所述第二任务参数中的平均任务量大于第一阈值,所述平均处理时间在预定处理时间范围内,所述平均处理距离在预定处理距离范围内。
可选的,所述方法还包括:
响应于第三站点的平均任务量小于第一阈值,通过至少一个处理器获取第二任务集合,所述第二任务集合包括第三站点中的多个历史任务和多个第二仿真任务,所述第二仿真任务的任务处理范围包括第三站点的范围和预增范围;
通过至少一个处理器根据所述第二任务集合获取范围增加后的所述第三站点的第三任务参数;
响应于所述第三任务参数中的平均任务量大于所述第一阈值,根据所述预增范围增大所述第三站点的范围。
可选的,所述方法还包括:
响应于第四站点的平均任务量大于第二阈值,通过至少一个处理器获取第三任务集合,所述第三任务集合包括多个第四站点的第一范围内的历史任务,所述第一范围小于第四站点的范围;
通过至少一个处理器根据所述第三任务集合获取缩减范围后的所述第四站点的第四任务参数;
响应于所述第四任务参数中的平均任务量小于第二阈值且大于第一阈值,将所述第一范围确定为所述第四站点的范围。
可选的,所述方法还包括:
响应于第五站点的平均任务量大于第三阈值,通过至少一个处理器获取第四任务集合和第五任务集合,所述第四任务集合包括所述第五站点的一部分历史任务,所述第五任务集合包括所述第五站点的另一部分历史任务;
通过至少一个处理器分别获取所述第四任务集合和第五任务集合对应的第五任务参数和第六任务参数;
响应于所述第五任务参数的平均任务量和第六任务参数的平均任务量均大于第一阈值,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
第二方面,本发明实施例提供一种数据处理装置,所述装置包括:
指令获取单元,被配置为接收来自服务器的数据指令;
标识获取单元,被配置为通过至少一个处理器解析所述数据指令,获取预定范围内的各站点的标识;
第一获取单元,被配置为通过至少一个处理器根据各所述站点的标识获取各所述站点的第一任务参数,所述第一任务参数包括预定时间段内的平均任务量;
第二获取单元,被配置为响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,通过至少一个处理器获取第一任务集合,所述第一任务集合包括第一站点和第二站点中的多个历史任务和多个第一仿真任务,其中,所述第一仿真任务的数量根据所述历史任务的数量确定,所述第一仿真任务的任务处理范围包括第一站点和第二站点的范围;
第三获取单元,被配置为通过至少一个处理器根据所述第一任务集合获取所述第一站点和第二站点模拟合并后的第二任务参数,所述第二任务参数包括站点合并后的平均任务量;
范围合并单元,被配置为响应于所述第二任务参数满足第二预定条件,合并所述第一站点和所述第二站点。
可选的,所述第一任务集合中的历史任务的数量和所述第一仿真任务的数量具有预定比值。
可选的,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值。
可选的,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值且所述第一站点和所述第二站点的范围在一个网格区域内。
可选的,所述第二预定条件具体为所述第二任务参数中的平均任务量大于第一阈值。
可选的,所述第二任务参数还包括站点合并后的任务的平均处理时间和任务的平均处理距离;
所述第二任务参数满足第二预定条件具体为:所述第二任务参数中的平均任务量大于第一阈值,所述平均处理时间在预定处理时间范围内,所述平均处理距离在预定处理距离范围内。
可选的,所述装置还包括:
第四获取单元,被配置为响应于第三站点的平均任务量小于第一阈值,通过至少一个处理器获取第二任务集合,所述第二任务集合包括第三站点中的多个历史任务和多个第二仿真任务,所述第二仿真任务的任务处理范围包括第三站点的范围和预增范围;
第五获取单元,被配置为通过至少一个处理器根据所述第二任务集合获取范围增加后的所述第三站点的第三任务参数;
范围增加单元,被配置为响应于所述第三任务参数中的平均任务量大于所述第一阈值,根据所述预增范围增大所述第三站点的范围。
可选的,所述装置还包括:
第六获取单元,被配置为响应于第四站点的平均任务量大于第二阈值,通过至少一个处理器获取第三任务集合,所述第三任务集合包括多个第四站点的第一范围内的历史任务,所述第一范围小于第四站点的范围;
第七获取单元,被配置为通过至少一个处理器根据所述第三任务集合获取缩减范围后的所述第四站点的第四任务参数;
范围缩小单元,被配置为响应于所述第四任务参数中的平均任务量小于第二阈值且大于第一阈值,将所述第一范围确定为所述第四站点的范围。
可选的,所述装置还包括:
第八获取单元,被配置为响应于第五站点的平均任务量大于第三阈值,通过至少一个处理器获取第四任务集合和第五任务集合,所述第四任务集合包括所述第五站点的一部分历史任务,所述第五任务集合包括所述第五站点的另一部分历史任务;
第九获取单元,被配置为通过至少一个处理器分别获取所述第四任务集合和第五任务集合对应的第五任务参数和第六任务参数;
范围分割单元,被配置为响应于所述第五任务参数的平均任务量和第六任务参数的平均任务量均大于第一阈值,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
第三方面,本发明实施例提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如上所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时以实现如上所述的方法。
本发明实施例根据获取的站点标识获取各站点的第一任务参数,响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,获取包括多个历史任务和多个仿真任务的第一任务集合,根据第一任务集合确定第一站点和第二站点模拟合并后的第二任务参数,若第二任务参数满足第二预定条件,则合并所述第一站点和第二站点,由此,本实施例通过仿真第一站点和第二站点合并后的任务参数,并根据仿真结果对站点范围进行调整,提高了任务处理的效率。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例的一种数据处理方法的流程图;
图2是本发明实施例的调整前站点分布的示意图;
图3是本发明实施例的调整后站点分布的示意图;
图4是本发明实施例的另一种数据处理方法的流程图;
图5是本发明实施例的数据处理装置的示意图;
图6是本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本实施例以即时配送为例,在即时配送服务中,通常会针对不同的区域设置站点,每个站点具有一组配送资源。其中,每个站点对应多个商户,站点的范围是该站点对应的所有商户的配送范围的集合。目前,由于区域内商户分布的动态变化等原因,可能会导致某些站点当前的压力参数较大、某些站点当前的压力参数较小,从而导致任务处理效率较低。由此,本实施例提高一种数据处理方法,以在周期性地调整区域内站点的分布,从而提高任务处理效率。
图1是本发明实施例的一种数据处理方法的流程图。如图1所示,本发明实施例的数据处理方法包括以下步骤:
步骤S110,接收来自服务器的数据指令。在一种可选的实现方式中,在接收到站点结构的仿真请求时,服务器发送该数据指令。在另一种可选的实现方式中,服务器周期性地发送该数据指令,例如,每隔两个月发送一次该数据指令。
步骤S120,通过至少一个处理器解析上述数据指令,获取预定范围内的各站点的标识。预定范围可以是划定的一个商圈或者居民区域等。在预定范围内设置至少一个站点,每个站点具有一组配送资源。
步骤S130,通过至少一个处理器根据各站点的标识获取各站点的第一任务参数。其中,第一任务参数包括预定时间段内的平均任务量。例如,计算最近一周内平均每天的任务量以获取第一任务参数。
步骤S140,响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,通过至少一个处理器获取第一任务集合。其中,第一任务集合包括第一站点和第二站点中的多个历史任务和多个第一仿真任务。第一仿真任务的数量根据所述历史任务的数量确定。第一仿真任务的任务处理范围包括第一站点和第二站点的范围。在本实施例中,第一仿真任务为假设第一站点和第二站点合并后可能出现的任务,例如,由原属于第一站点的配送资源配送的原属于第二站点的商户的任务等。
在一种可选的实现方式中,在第一任务集合中,历史任务的数量和第一仿真任务的数量具有预定比值。可选的,获取第一站点和第二站点在预定时间段内(例如一周内)的所有历史订单,随机取出70%的历史订单,并模拟构建30%的仿真任务,以获取第一任务集合。应理解,在第一任务集合中,历史任务的数量和仿真任务的数量的比值根据实际情况确定。
在一种可选的实现方式中,第一预定条件具体为:第一站点和/或第二站点的平均任务量小于第一阈值。其中,第一阈值根据站点范围内的配送资源数量、商户数量及人口密度等确定。可选的,在第一站点和第二站点的平均任务量均小于第一阈值时,也即第一站点和第二站点的压力参数均较小、任务处理效率较低时,可以通过合并第一站点和第二站点来提高任务处理效率。在第一站点的平均任务量小于第一阈值且第二站点的平均任务量不小于第一阈值时,或第一站点的平均任务量不小于第一阈值且第二站点的平均任务量小于第一阈值,可以通过合并第一站点和第二站点来综合相邻两个站点的压力参数,从而可以提高任务处理效率。
在另一种可选的实现方式中,第一预定条件具体为:第一站点和/或第二站点的平均任务量小于第一阈值且第一站点和第二站点的范围在一个网格区域内。可选的,网格区域可以根据河道、铁路、高速路等不易跨越的路段为界限,或者根据用户的聚集区域进行划分,本实施例并不对此进行限制。假设第一站点的范围和第二站点的范围不在同一个网格区域内,也即第一站点的范围和第二站点的范围之间存在不易跨越的路段、或者存在很大范围的无用户区域(例如公园等),若将第一站点和第二站点进行合并,显然会降低配送资源的配送效率。因此,在本实施例中,在第一预定条件中加入对第一站点和第二站点的位置信息的判断,可以较为准确地仿真第一站点和第二站点合并后的第一任务集合。
步骤S150,通过至少一个处理器根据第一任务集合获取第一站点和第二站点模拟合并后的第二任务参数。其中,第二任务参数包括站点合并后的平均任务量。可选的,根据第一任务集合中的任务数量(历史任务的数量和仿真任务的数量之和)计算第一站点和第二站点合并,平均每天的任务量。
步骤S160,响应于第二任务参数满足第二预定条件,合并第一站点和第二站点。在一种可选的实现方式中,第二预定条件具体为第二任务参数中的平均任务量大于第一阈值。
在另一种可选的实现方式中,第二任务参数还包括站点合并后的任务的平均处理时间和任务的平均处理距离,第二任务参数满足第二预定条件具体为:第二任务参数中的平均任务量大于第一阈值,平均处理时间在预定处理时间范围内,平均处理距离在预定处理距离范围内。也就是说,在本实施例中,站点的评定指标包括平均任务量、任务的平均处理时间和平均处理距离。可选的,站点的评定指标可以根据效率较高的站点的任务参数进行确定。
可选的,仿真任务的处理时间可以根据历史任务的相关参数确定。例如,在外卖任务中,根据仿真任务对应的商户的出餐时间和配送距离等来预测仿真任务的处理时间。从而根据各历史任务的处理时间和各仿真任务的处理时间来计算第一站点和第二站点合并后任务的平均处理时间。
本实施例通过仿真满足第一预定条件的第一站点和第二站点合并后的任务参数,来预测第一站点和第二站点合并后是否达到评定指标,由此,可以根据仿真结果对各站点进行调整,从而提高任务处理效率。
在一种可选的实现方式中,本实施例的数据处理方法还包括:
响应于第三站点的平均任务量小于第一阈值,通过至少一个处理器获取第二任务集合。其中,第二任务集合包括第三站点中的多个历史任务和多个第二仿真任务,第二仿真任务的任务处理范围包括第三站点的范围和预增范围。在本实施例中,第二仿真任务为假设将第三站点的范围增加预增范围后可能出现的任务,例如,由于第三站点的范围增加后,新的商户所产生的任务等。
在一种可选的实现方式中,第二任务集合中的历史任务的数量和第二仿真任务的数量具有预定比值。可选的,获取第三站点在预定时间段内(例如一周内)的所有历史订单,随机取出70%的历史订单,并模拟构建30%的仿真任务,以获取第二任务集合。可选的,历史任务的数量和仿真任务的数量的比值可以根据第三节点中的新增商户的任务确定。
通过至少一个处理器根据第二任务集合获取范围增加后的第三站点的第三任务参数。其中,第三任务参数包括站点合并后的平均任务量。可选的,根据第二任务集合中的任务数量(历史任务的数量和仿真任务的数量之和)计算第三站点的范围增加预增范围后,平均每天的任务数量。
响应于所述第三任务参数中的平均任务量大于第一阈值,根据上述预增范围增大第一站点的范围。
在另一种可选的实现方式中,第三任务参数还包括第三站点扩增后的任务的平均处理时间和任务的平均处理距离,在第三任务参数中的平均任务量大于第一阈值,平均处理时间在预定处理时间范围内,平均处理距离在预定处理距离范围内时,根据上述预增范围增大第一站点的范围。
本实施例通过仿真满足条件的第三站点扩增后的任务参数,来预测第三站点扩增后是否达到评定指标,由此,可以根据仿真结果对各站点进行调整,从而提高任务处理效率。
在一种可选的实现方式中,本实施例的数据处理方法还包括:
响应于第四站点的平均任务量大于第二阈值,通过至少一个处理器获取第三任务集合。其中,第三任务集合包括多个第四站点的第一范围内的历史任务,第一范围小于第四站点的范围。也就是说,在第四站点的平均任务量大于第二阈值,也即第四站点的压力参数过大时,通过缩小第四节点的范围以提高任务处理效率。
通过至少一个处理器根据第三任务集合获取缩减范围后的第四站点的第四任务参数,响应于第四任务参数中的平均任务量小于第二阈值且大于第一阈值,将第一范围确定为所述第四站点的范围。
在另一种可选的实现方式中,第四任务参数还包括第三站点扩增后的任务的平均处理时间和任务的平均处理距离,在第四任务参数中的平均任务量小于第二阈值且大于第一阈值,平均处理时间在预定处理时间范围内,平均处理距离在预定处理距离范围内时,缩小第四站点的范围为第一范围。
本实施例通过仿真满足条件的第四站点缩小后的任务参数,来预测第四站点缩小后是否达到评定指标,由此,可以根据仿真结果对各站点进行调整,从而提高任务处理效率。
在一种可选的实现方式中,本实施例的数据处理方法还包括:
响应于第五站点的平均任务量大于第三阈值,通过至少一个处理器获取第四任务集合和第五任务集合。其中,第四任务集合包括第五站点的一部分历史任务,第五任务集合包括所述第五站点的另一部分历史任务。可选的,根据商户的位置信息确定第四任务集合及第五任务集合中的历史任务。
通过至少一个处理器分别获取第四任务集合和第五任务集合对应的第五任务参数和第六任务参数,响应于第五任务参数的平均任务量和第六任务参数的平均任务量均大于第一阈值,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
在另一种可选的实现方式中,第五任务参数和第六任务参数还包括任务的平均处理时间和任务的平均处理距离,在第五任务参数和第六任务参数中的平均任务量小于第二阈值且大于第一阈值,平均处理时间在预定处理时间范围内,平均处理距离在预定处理距离范围内时,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
本实施例通过仿真满足条件的第五站点分割后的任务参数,来预测形成的新站点是否达到评定指标,由此,可以根据仿真结果对各站点进行调整,从而提高任务处理效率。
在一种可选的实现方式中,本实施例的数据处理方法还包括:
响应于第六站点的平均任务量小于第一阈值且第七站点的平均任务量大于第二阈值时,对将第六站点的范围和第七站点的范围进行合并,并重新划分合并后的范围形成新的第六站点范围和第七站点范围的任务参数进行仿真,在新的第六站点和第七站点的任务参数符合评定标准时,确定上述站点调整方案。
本实施例根据不同站点当前的任务参数进行分析,并仿真将各站点的范围进行合并、增加、缩小、合并分割、分割等处理后形成的新站点的任务参数,在新站点的任务参数符合评定标准时,确定对应站点的调整方案,由此,可以提高任务处理效率。
图2是本发明实施例的站点分布的示意图。本实施例以外卖任务的站点为例进行说明,应理解,本实施例并不限于外卖任务,其他任务例如快递运输等均可应用本实施例的数据处理方法。如图2所示,某商圈X包括网格区域1-5。其中,网格区域1-5中的站点分布及对应的任务参数如表(1)所示。其中,本实施例采用最近一周的历史任务计算各站点的日均任务量,应理解,本实施例并不对此进行限制。
表(1)
如图2所示,网格区域1中,站点11和站点12当前的日均任务量既不小于第一阈值也不大于第二阈值,因此,站点11和站点12的状态较好,也即压力参数及任务处理效率均处于较好的水平,无需进行调整。
在网格区域2中,站点21的日均任务量大于第三阈值,通过仿真获取将站点21分割为两个新的站点的任务参量。具体地,通过至少一个处理器获取站点21最近一周的所有历史任务,根据商户的位置将站点21的所有历史任务划分为第一部分和第二部分,将第一部分作为第一个新站点的仿真任务,将第二部分作为第二个新站点的仿真任务。由此,可以根据第一个新站点的仿真任务和第二个新站点的仿真任务模拟第一个新站点和第二个新站点的任务参数,并判断第一个新站点和第二个新站点的任务参数是否满足评定标准,若满足评定标准,依照当前的调整方案对站点21进行调整,若不满足评定标准,则重复上述步骤直至确定站点21的调整方案。其中,任务参数可以包括日均任务量、单均配送距离、单均配送时长一项或多项。
在网格区域3中,站点31-33当前的日均任务量分别为400、520、687,其中,站点31的日均任务量小于第一阈值,站点32当前的日均任务量略大于第一阈值,站点33当前的日均任务量既不小于第一阈值也不大于第二阈值,也即压力参数及任务处理效率均处于较好的水平,无需进行调整。
由此,可对站点31和站点32进行合并调整的仿真模拟。具体地,通过至少一个处理器获取站点31和站点32最近一周的所有历史任务,并随机选取其中70%的历史任务,也即从中选取(400+520)*7*70%=4508个历史任务,并构建(400+520)*7*30%=1932个由于站点31和站点32合并而可能出现的仿真任务以获取第一任务集合,根据第一任务集合计算合并后的任务参数,若满足评定标准,依照当前的调整方案对站点31和站点32进行合并,若不满足评定标准,则采用其他调整方案对网格区域3的站点设置进行调整,例如,将站点31的范围划分给站点32和站点33,以使得网格区域3中的各站点的任务参数满足评定标准。
在网格区域4中,站点41和站点42的日均任务量分别为493、626,其与网格区域3中的站点31和站点32仿真方式类似,在此不再赘述。
在网格区域5中,站点51和站点52的日均任务量分别为490和915。其中,站点51的日均任务量小于第一阈值,站点52的日均任务量大于第二阈值,则可以通过增加站点51的范围,减小52的范围对网格区域5的站点设置进行模拟调整。具体地,对于站点51,通过至少一个处理器获取站点51最近一周的所有历史任务,根据预增范围构建多个仿真任务,根据历史任务和仿真任务模拟增加范围后的站点51的任务参数。若增加范围后的站点51的任务参数满足评定标准,则依照当前的调整方案对站点51进行调整,若不满足评定标准,则调整预增范围,重复上述步骤,直至增加范围后的任务参数满足评定标准。对于站点52,通过至少一个处理器最近一周内第一范围内的历史任务,其中,第一范围小于第四站点的范围,并模拟计算缩小范围后的第四站点的任务参数,若缩小范围后的站点52的任务参数满足评定标准,则依照当前的调整方案对站点52进行调整,若不满足评定标准,则调整第一范围,重复上述步骤,直至缩小范围后的任务参数满足评定标准。可选的,在对站点的范围进行缩小或增加时,应当考虑对相邻站点的影响,在其影响在合理范围内时进行站点的范围调整。
依据上述方法对商圈X中的站点进行调整后,调整后的站点分布如图3所示,各新站点对应的任务参数如表(2)所示。其中,表(2)中的数据为站点调整后对应的仿真任务参数。应理解,表(1)和表(2)中的数据仅用于清楚地描述本实施例的数据处理方法,其并不与实际应用中的数据一一对应。在本实施例中,假设在评定标准中,单均配送时长在0.4-0.8h之间,单均配送距离在0.25-5km之间。
表(2)
如表(2)所示,对商圈X中的各站点设置及站点范围进行调整,使得其任务参数满足评定标准,提高了任务配送效率。
由此,本实施例根据不同站点当前的任务参数进行分析,并仿真将各站点的范围进行合并、增加、缩小、合并分割、分割等处理后形成的新站点的任务参数,在新站点的任务参数符合评定标准时,确定对应站点的调整方案,由此,可以提高任务处理效率。
图4是本发明实施例的另一种数据处理方法的流程图。如图4所示,本实施例的数据处理方法包括以下步骤:
步骤S210,接收来自服务器的数据指令。在一种可选的实现方式中,在接收到站点结构的仿真请求时,服务器发送该数据指令。在另一种可选的实现方式中,服务器周期性地发送该数据指令,例如,每隔两个月发送一次该数据指令。
步骤S220,通过至少一个处理器解析上述数据指令,获取预定范围内的各站点的标识。预定范围可以是划定的一个商圈或者居民区域等。在预定范围内设置至少一个站点,每个站点具有一组配送资源。
步骤S230,通过至少一个处理器根据各站点的标识获取各站点的第一任务参数。其中,第一任务参数包括预定时间段内的平均任务量。例如,计算最近一周内平均每天的任务数量以获取第一任务参数。
步骤S240,判断一站点的平均任务量是否大于第三阈值,若大于则执行步骤S250,若不大于,则执行步骤S260。
步骤S250,对该站点执行站点范围分割仿真。站点的平均任务量大于第三阈值,其压力参数过大,可能会导致任务处理效率低。由此,可以通过将该站点分割成两个新站点以提高任务处理效率。站点范围分割仿真的具体处理方法参照前述,在此不再赘述。
步骤S260,判断该站点的平均任务量是否大于第二阈值,若大于,则执行步骤S270,若不大于则执行步骤S280。
步骤S270,对该站点执行站点范围缩小仿真。该站点的平均任务量大于第二阈值,其压力参数较大,可能会导致任务处理效率低。由此,可以通过缩小该站点的范围以提高任务处理效率。站点范围缩小仿真的具体处理方法参照前述,在此不再赘述。
步骤S280,判断该站点的平均任务量是否小于第一阈值,在小于第一阈值时,执行步骤S290,在不小于第一阈值时,对该站点不做处理。
步骤S290,判断与该站点相邻的站点是否满足条件。可选的,判断与该站点相邻的站点的任务参数是否小于第一阈值或者略大于第一阈值,并判断该站点与该相邻站点之间是否具有不易跨越的路径。若与该站点相邻的站点的任务参数小于第一阈值或者略大于第一阈值,并且该站点与该相邻站点之间不存在不易跨越的路径,则执行步骤S2B0,否则,执行步骤S2A0。
步骤S2A0,执行站点范围增加仿真。该站点的平均任务量较小,任务处理效率较低,且与其相邻的站点的平均任务量相对较大,由此,可以通过增加该站点的范围以提高任务处理效率。站点范围增加仿真的具体处理方法参照前述,在此不再赘述。
步骤S2B0,执行相邻站点合并仿真。在该站点与相邻站点的平均任务量均较小时,可以通过合并为一个站点来提高任务处理效率。相邻站点合并仿真的具体处理方法参照前述,在此不再赘述。
应理解,本实施例仅描述一种站点的任务参数与各阈值的判断顺序,应理解,本实施例并不对判断顺序进行限制,例如可以先将该站点的平均任务量与第一阈值先比较,以确定是否对该站点执行范围增加仿真或相邻站点合并仿真等。
本实施例根据不同站点当前的任务参数进行分析,并仿真将各站点的范围进行合并、增加、缩小、合并分割、分割等处理后形成的新站点的任务参数,在新站点的任务参数符合评定标准时,确定对应站点的调整方案,由此,可以提高任务处理效率。
图5是本发明实施例的数据处理装置的示意图。如图5所示,本发明实施例的数据处理装置包括指令获取单元51、标识获取单元52、第一获取单元53、第二获取单元54、第三获取单元55和范围合并单元56。
指令获取单元51被配置为接收来自服务器的数据指令。标识获取单元52被配置为通过至少一个处理器解析所述数据指令,获取预定范围内的各站点的标识。第一获取单元53被配置为通过至少一个处理器根据各所述站点的标识获取各所述站点的第一任务参数,所述第一任务参数包括预定时间段内的平均任务量。
第二获取单元54被配置为响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,通过至少一个处理器获取第一任务集合,所述第一任务集合包括第一站点和第二站点中的多个历史任务和多个第一仿真任务,其中,所述第一仿真任务的数量根据所述历史任务的数量确定,所述第一仿真任务的任务处理范围包括第一站点和第二站点的范围。在一种可选的实现方式中,所述第一任务集合中的历史任务的数量和所述第一仿真任务的数量具有预定比值。
在一种可选的实现方式中,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值。在另一种可选的实现方式中,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值且所述第一站点和所述第二站点的范围在一个网格区域内。
第三获取单元55被配置为通过至少一个处理器根据所述第一任务集合获取所述第一站点和第二站点模拟合并后的第二任务参数,所述第二任务参数包括站点合并后的平均任务量。
范围合并单元56被配置为响应于所述第二任务参数满足第二预定条件,合并所述第一站点和所述第二站点。在一种可选的实现方式中,所述第二预定条件具体为所述第二任务参数中的平均任务量大于第一阈值。在另一种可选的实现方式中,所述第二任务参数还包括站点合并后的任务的平均处理时间和任务的平均处理距离。所述第二任务参数满足第二预定条件具体为:所述第二任务参数中的平均任务量大于第一阈值,所述平均处理时间在预定处理时间范围内,所述平均处理距离在预定处理距离范围内。
在一种可选的实现方式中,本实施例的数据处理装置5还包括第四获取单元57、第五获取单元58和范围增加单元59。第四获取单元57被配置为响应于第三站点的平均任务量小于第一阈值,通过至少一个处理器获取第二任务集合,所述第二任务集合包括第三站点中的多个历史任务和多个第二仿真任务,所述第二仿真任务的任务处理范围包括第三站点的范围和预增范围。第五获取单元58被配置为通过至少一个处理器根据所述第二任务集合获取范围增加后的所述第三站点的第三任务参数。范围增加单元59被配置为响应于所述第三任务参数中的平均任务量大于所述第一阈值,根据所述预增范围增大所述第三站点的范围。
在一种可选的实现方式中,本实施例的数据处理装置5还包括第六获取单元60、第七获取单元61和范围缩小单元62。第六获取单元60被配置为响应于第四站点的平均任务量大于第二阈值,通过至少一个处理器获取第三任务集合,所述第三任务集合包括多个第四站点的第一范围内的历史任务,所述第一范围小于第四站点的范围。第七获取单元61被配置为通过至少一个处理器根据所述第三任务集合获取缩减范围后的所述第四站点的第四任务参数。范围缩小单元62被配置为响应于所述第四任务参数中的平均任务量小于第二阈值且大于第一阈值,将所述第一范围确定为所述第四站点的范围。
在一种可选的实现方式中,本实施例的数据处理装置5还包括第八获取单元63、第九获取单元64和范围分割单元65。第八获取单元63被配置为响应于第五站点的平均任务量大于第三阈值,通过至少一个处理器获取第四任务集合和第五任务集合,所述第四任务集合包括所述第五站点的一部分历史任务,所述第五任务集合包括所述第五站点的另一部分历史任务。第九获取单元64被配置为通过至少一个处理器分别获取所述第四任务集合和第五任务集合对应的第五任务参数和第六任务参数。范围分割单元65被配置为响应于所述第五任务参数的平均任务量和第六任务参数的平均任务量均大于第一阈值,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
本实施例根据不同站点当前的任务参数进行分析,并仿真将各站点的范围进行合并、增加、缩小、合并分割、分割等处理后形成的新站点的任务参数,在新站点的任务参数符合评定标准时,确定对应站点的调整方案,由此,可以提高任务处理效率。
图6是本发明实施例的电子设备的示意图。在本实施例中,电子设备6包括服务器、终端等。如图6所示,该电子设备6:至少包括一个处理器601;以及,与至少一个处理器601通信连接的存储器602;以及,与扫描装置通信连接的通信组件603,通信组件603在处理器601的控制下接收和发送数据;其中,存储器602存储有可被至少一个处理器601执行的指令,指令被至少一个处理器601执行以实现上述数据处理方法。
具体地,该电子设备包括:一个或多个处理器601以及存储器602,图6中以一个处理器601为例。处理器601、存储器602可以通过总线或者其他方式连接,图6中以通过总线连接为例。存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述数据处理方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器602中,当被一个或者多个处理器601执行时,执行上述任意方法实施例中的数据处理方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本发明实施例根据获取的站点标识获取各站点的第一任务参数,响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,获取包括多个历史任务和多个仿真任务的第一任务集合,根据第一任务集合确定第一站点和第二站点模拟合并后的第二任务参数,若第二任务参数满足第二预定条件,则合并所述第一站点和第二站点,由此,本实施例通过仿真第一站点和第二站点合并后的任务参数,并根据仿真结果对站点范围进行调整,提高了任务处理的效率。
本发明的另一个实施例涉及一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (20)
1.一种数据处理方法,其特征在于,所述方法包括:
接收来自服务器的数据指令;
通过至少一个处理器解析所述数据指令,获取预定范围内的各站点的标识;
通过至少一个处理器根据各所述站点的标识获取各所述站点的第一任务参数,所述第一任务参数包括预定时间段内的平均任务量;
响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,通过至少一个处理器获取第一任务集合,所述第一任务集合包括第一站点和第二站点中的多个历史任务和多个第一仿真任务,其中,所述第一仿真任务的数量根据所述历史任务的数量确定,所述第一仿真任务的任务处理范围包括第一站点和第二站点的范围;
通过至少一个处理器根据所述第一任务集合获取所述第一站点和第二站点模拟合并后的第二任务参数,所述第二任务参数包括站点合并后的平均任务量;
响应于所述第二任务参数满足第二预定条件,合并所述第一站点和所述第二站点。
2.根据权利要求1所述的方法,其特征在于,所述第一任务集合中的历史任务的数量和所述第一仿真任务的数量具有预定比值。
3.根据权利要求1或2所述的方法,其特征在于,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值。
4.根据权利要求1或2所述的方法,其特征在于,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值且所述第一站点和所述第二站点的范围在一个网格区域内。
5.根据权利要求1或2所述的方法,其特征在于,所述第二预定条件具体为所述第二任务参数中的平均任务量大于第一阈值。
6.根据权利要求1或2所述的方法,其特征在于,所述第二任务参数还包括站点合并后的任务的平均处理时间和任务的平均处理距离;
所述第二任务参数满足第二预定条件具体为:所述第二任务参数中的平均任务量大于第一阈值,所述平均处理时间在预定处理时间范围内,所述平均处理距离在预定处理距离范围内。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于第三站点的平均任务量小于第一阈值,通过至少一个处理器获取第二任务集合,所述第二任务集合包括第三站点中的多个历史任务和多个第二仿真任务,所述第二仿真任务的任务处理范围包括第三站点的范围和预增范围;
通过至少一个处理器根据所述第二任务集合获取范围增加后的所述第三站点的第三任务参数;
响应于所述第三任务参数中的平均任务量大于所述第一阈值,根据所述预增范围增大所述第三站点的范围。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于第四站点的平均任务量大于第二阈值,通过至少一个处理器获取第三任务集合,所述第三任务集合包括多个第四站点的第一范围内的历史任务,所述第一范围小于第四站点的范围;
通过至少一个处理器根据所述第三任务集合获取缩减范围后的所述第四站点的第四任务参数;
响应于所述第四任务参数中的平均任务量小于第二阈值且大于第一阈值,将所述第一范围确定为所述第四站点的范围。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于第五站点的平均任务量大于第三阈值,通过至少一个处理器获取第四任务集合和第五任务集合,所述第四任务集合包括所述第五站点的一部分历史任务,所述第五任务集合包括所述第五站点的另一部分历史任务;
通过至少一个处理器分别获取所述第四任务集合和第五任务集合对应的第五任务参数和第六任务参数;
响应于所述第五任务参数的平均任务量和第六任务参数的平均任务量均大于第一阈值,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
10.一种数据处理装置,其特征在于,所述装置包括:
指令获取单元,被配置为接收来自服务器的数据指令;
标识获取单元,被配置为通过至少一个处理器解析所述数据指令,获取预定范围内的各站点的标识;
第一获取单元,被配置为通过至少一个处理器根据各所述站点的标识获取各所述站点的第一任务参数,所述第一任务参数包括预定时间段内的平均任务量;
第二获取单元,被配置为响应于相邻的第一站点和第二站点的第一任务参数满足第一预定条件,通过至少一个处理器获取第一任务集合,所述第一任务集合包括第一站点和第二站点中的多个历史任务和多个第一仿真任务,其中,所述第一仿真任务的数量根据所述历史任务的数量确定,所述第一仿真任务的任务处理范围包括第一站点和第二站点的范围;
第三获取单元,被配置为通过至少一个处理器根据所述第一任务集合获取所述第一站点和第二站点模拟合并后的第二任务参数,所述第二任务参数包括站点合并后的平均任务量;
范围合并单元,被配置为响应于所述第二任务参数满足第二预定条件,合并所述第一站点和所述第二站点。
11.根据权利要求10所述的装置,其特征在于,所述第一任务集合中的历史任务的数量和所述第一仿真任务的数量具有预定比值。
12.根据权利要求10或11所述的装置,其特征在于,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值。
13.根据权利要求10或11所述的装置,其特征在于,所述第一预定条件具体为所述第一站点和/或所述第二站点的平均任务量小于第一阈值且所述第一站点和所述第二站点的范围在一个网格区域内。
14.根据权利要求10或11所述的装置,其特征在于,所述第二预定条件具体为所述第二任务参数中的平均任务量大于第一阈值。
15.根据权利要求10或11所述的装置,其特征在于,所述第二任务参数还包括站点合并后的任务的平均处理时间和任务的平均处理距离;
所述第二任务参数满足第二预定条件具体为:所述第二任务参数中的平均任务量大于第一阈值,所述平均处理时间在预定处理时间范围内,所述平均处理距离在预定处理距离范围内。
16.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第四获取单元,被配置为响应于第三站点的平均任务量小于第一阈值,通过至少一个处理器获取第二任务集合,所述第二任务集合包括第三站点中的多个历史任务和多个第二仿真任务,所述第二仿真任务的任务处理范围包括第三站点的范围和预增范围;
第五获取单元,被配置为通过至少一个处理器根据所述第二任务集合获取范围增加后的所述第三站点的第三任务参数;
范围增加单元,被配置为响应于所述第三任务参数中的平均任务量大于所述第一阈值,根据所述预增范围增大所述第三站点的范围。
17.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第六获取单元,被配置为响应于第四站点的平均任务量大于第二阈值,通过至少一个处理器获取第三任务集合,所述第三任务集合包括多个第四站点的第一范围内的历史任务,所述第一范围小于第四站点的范围;
第七获取单元,被配置为通过至少一个处理器根据所述第三任务集合获取缩减范围后的所述第四站点的第四任务参数;
范围缩小单元,被配置为响应于所述第四任务参数中的平均任务量小于第二阈值且大于第一阈值,将所述第一范围确定为所述第四站点的范围。
18.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第八获取单元,被配置为响应于第五站点的平均任务量大于第三阈值,通过至少一个处理器获取第四任务集合和第五任务集合,所述第四任务集合包括所述第五站点的一部分历史任务,所述第五任务集合包括所述第五站点的另一部分历史任务;
第九获取单元,被配置为通过至少一个处理器分别获取所述第四任务集合和第五任务集合对应的第五任务参数和第六任务参数;
范围分割单元,被配置为响应于所述第五任务参数的平均任务量和第六任务参数的平均任务量均大于第一阈值,通过至少一个处理器分割所述第五站点的范围以形成两个新的站点。
19.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-9中任一项所述的方法。
20.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时以实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010244806.0A CN111459635B (zh) | 2020-03-31 | 2020-03-31 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010244806.0A CN111459635B (zh) | 2020-03-31 | 2020-03-31 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111459635A CN111459635A (zh) | 2020-07-28 |
CN111459635B true CN111459635B (zh) | 2022-03-29 |
Family
ID=71683529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010244806.0A Active CN111459635B (zh) | 2020-03-31 | 2020-03-31 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111459635B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506964A (zh) * | 2017-08-23 | 2017-12-22 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱的配送物流网络共享方法、系统及终端 |
CN109118136A (zh) * | 2018-07-28 | 2019-01-01 | 江苏苏宁物流有限公司 | 一种用于物流无人机的中继站规划方法及系统 |
CN110232195A (zh) * | 2018-03-06 | 2019-09-13 | 北京三快在线科技有限公司 | 一种模拟配送过程的方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8271336B2 (en) * | 1999-11-22 | 2012-09-18 | Accenture Global Services Gmbh | Increased visibility during order management in a network-based supply chain environment |
US8069404B2 (en) * | 2007-08-22 | 2011-11-29 | Maya-Systems Inc. | Method of managing expected documents and system providing same |
US10360214B2 (en) * | 2017-10-19 | 2019-07-23 | Pure Storage, Inc. | Ensuring reproducibility in an artificial intelligence infrastructure |
-
2020
- 2020-03-31 CN CN202010244806.0A patent/CN111459635B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506964A (zh) * | 2017-08-23 | 2017-12-22 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱的配送物流网络共享方法、系统及终端 |
CN110232195A (zh) * | 2018-03-06 | 2019-09-13 | 北京三快在线科技有限公司 | 一种模拟配送过程的方法及装置 |
CN109118136A (zh) * | 2018-07-28 | 2019-01-01 | 江苏苏宁物流有限公司 | 一种用于物流无人机的中继站规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111459635A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN108124279B (zh) | 网络覆盖质量的评估方法及装置 | |
CN110807109A (zh) | 数据增强策略的生成方法、数据增强方法和装置 | |
CN112469066B (zh) | 5g网络覆盖评估方法及装置 | |
US20170041817A1 (en) | Communication management apparatus, wireless terminal, and non-transitory machine-readable storage medium | |
CN107046691B (zh) | 一种lte无线网络快速选址方法 | |
CN110831038A (zh) | 网络切片资源调度方法及装置 | |
CN110830964B (zh) | 信息调度方法、物联网平台和计算机可读存储介质 | |
CN105760230A (zh) | 一种自动调整云主机运行的方法及装置 | |
CN111885618A (zh) | 一种网络性能优化方法和装置 | |
CN111428197B (zh) | 数据处理方法、装置及设备 | |
CN111459635B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN112596985B (zh) | 一种it资产探测方法、装置、设备和介质 | |
CN111815059B (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN112035490B (zh) | 基于云平台的电动车信息监控方法、装置及系统 | |
CN105516332A (zh) | 一种基于地理位置和时间的应用推荐方法和系统 | |
CN112887910B (zh) | 异常覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN112291796A (zh) | 小区网络扩容方法、装置、设备及可存储介质 | |
CN113923666B (zh) | 一种过覆盖基站识别方法、装置、电子设备及存储介质 | |
CN112954728B (zh) | 一种网络厚度评估方法、装置、存储介质和计算机设备 | |
CN111158707B (zh) | 一种边缘计算环境下的卸载方法和装置 | |
CN109995539B (zh) | 一种ocs的流量授权方法、ocs、服务器及可读存储介质 | |
CN108599976B (zh) | 网络质量评估模型构建方法、装置及计算机设备 | |
CN112422467A (zh) | 一种基于5g网络的物流大数据传输方法 | |
CN111385821A (zh) | 一种lte载波需求数量预测的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |