CN112990633A - 指标数据生成方法、物流成本仿真方法、设备、存储介质 - Google Patents
指标数据生成方法、物流成本仿真方法、设备、存储介质 Download PDFInfo
- Publication number
- CN112990633A CN112990633A CN201911312065.9A CN201911312065A CN112990633A CN 112990633 A CN112990633 A CN 112990633A CN 201911312065 A CN201911312065 A CN 201911312065A CN 112990633 A CN112990633 A CN 112990633A
- Authority
- CN
- China
- Prior art keywords
- data
- task
- node
- simulation
- index data
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 253
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 description 25
- 238000012384 transportation and delivery Methods 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种指标数据生成方法。所述方法包括：确定任务的处理节点的节点信息以及关联关系网络，获取任务数据；根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据，根据所述单元指标数据，生成汇总指标数据，从而可以将任务的仿真转变为分多个处理单元进行仿真，例如，在物流场景下，分多个物流单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的指标数据，继而具有更高的仿真精度和仿真效率。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及指标数据生成方法、物流成本仿真方法、计算机设备、计算机可读存储介质。
背景技术
物流成本是以物流活动的整体为对象的。物流成本是进行物流管理、物流合理化的基础。它是产品在实物运动过程中，如包装、装卸、运输、储存、流通加工等各个活动中所支出的人力、财力和物力的总和。物流成本管理就是对物流相关费用进行的计划、协调与控制。
在物流领域，成本往往存在物流冰山理论。物流冰山理论认为，在企业中，绝大多数物流发生的费用，是被混杂在其他费用之中，而能够单独列出会计项目的，只是其中很小一部分，这一部分是可见的，常常被人们误解为他就是物流费用的全貌，其实只不过是浮在水面上的、能被人所见的冰山一角而已。例如，企业的物流基础费用、车辆运输费用、以及管理费用，大家往往无法认识到。
因此，亟需一个仿真系统对物流成本的组成进行刻画，针对不同的订单量情况以及不同的物流网络结构，对物流过程所消耗的成本进行刻画，使物流成本中的各种费用显性化。
申请人经研究发现，传统的物流仿真系统往往是基于时间序列的连续时间仿真系统，仿真系统中的变量随时间连续变化。通常要设定仿真的时间比例尺，并根据时间比例尺修改仿真系统中的参数，即根据时间比例尺，在需要仿真的时间周期内，通过一定的逻辑，得到仿真系统的输入参数，然后根据一定的逻辑进行仿真，得到输出参数。这种仿真方法往往需要对仿真系统的原理十分了解，而且由于设定不同的时间比例尺会得到不同的仿真精度，仿真的时间比例尺设置过大，会导致仿真精度过低的问题，仿真的时间比例尺设置过小，会导致仿真系统耗时过长的问题，精度和效率无法同时保证。
发明内容
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的指标数据生成方法、物流成本仿真方法、以及计算机设备、计算机可读存储介质。
依据本申请的一个方面，提供了一种指标数据生成方法，包括：
确定任务的处理节点的节点信息以及关联关系网络；
获取任务数据；
根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据；
根据所述单元指标数据，生成汇总指标数据。
可选地，在所述确定任务的处理节点的节点信息以及关联关系网络之前，所述方法还包括：
接收输入的仿真时间段；
所述确定任务的处理节点的节点信息以及关联关系网络包括：
根据所述仿真时间段，读取对应的节点信息；
根据所述节点信息，确定所述关联关系网络。
可选地，所述节点信息包括节点关系数据和覆盖区域数据，所述根据所述节点信息，确定所述关联关系网络包括：
根据所述节点关系数据和覆盖区域数据，生成所述处理节点组成的关联关系网络。
可选地，所述获取任务数据包括：
获取所述仿真时间段内已完成任务的任务数据。
可选地，所述节点信息包括以下至少一种：节点标识、节点位置数据、节点指标数据、节点关系数据、覆盖区域数据。
可选地，所述处理单元包括物流任务的运输处理单元，所述节点信息包括运输工具数据，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据，节点信息以及关联关系网络对所述运输处理单元进行仿真，得到使用的运输工具和运输路径信息；
根据所述运输工具的运输工具数据和所述运输路径信息，计算所述运输处理单元的单元指标数据。
可选地，所述处理单元包括物流任务的节点处理单元，所述节点信息包括节点指标数据，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息；
根据所述节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据。
可选地，所述处理单元包括物流任务的至少一个承接平台处理单元，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据、节点信息以及关联关系网络对所述至少一个承接平台处理单元进行仿真，得到使用的承接平台和平台处理信息；
根据所述承接平台的承接平台指标数据和所述平台处理信息，计算所述承接平台处理单元的单元指标数据。
可选地，所述处理单元包括任务聚类单元，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据还包括：
解析所述任务数据得到起始节点、中间节点和结束节点；
根据所述起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。
可选地，在所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据之前，所述方法还包括：
接收输入的仿真配置信息；
根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种。
可选地，所述根据所述单元指标数据，生成汇总指标数据包括：
对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种。
可选地，所述方法还包括：
接收基于时间序列的仿真请求，所述仿真请求包括针对的目标处理单元；
根据所述任务数据、节点信息以及关联关系网络，对所述目标处理单元进行基于时间序列的仿真，得到每个仿真时间片的时间指标数据；
所述根据所述单元指标数据，生成汇总指标数据包括：
根据所述单元指标数据和时间指标数据，生成汇总指标数据。
依据本申请的另一个方面，提供了一种物流成本仿真方法，包括：
确定物流任务的处理节点的节点信息以及物流关系网络；
获取物流任务数据；
根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元；
根据所述单元成本数据，生成汇总成本数据。
依据本申请的另一个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述一个或多个的方法。
依据本申请的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述一个或多个的方法。
依据本申请实施例，通过确定任务的处理节点的节点信息以及关联关系网络，获取任务数据；根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据，根据所述单元指标数据，生成汇总指标数据，从而可以将任务的仿真转变为分多个处理单元进行仿真，例如，在物流场景下，分多个物流单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的指标数据，继而具有更高的仿真精度和仿真效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请的一种指标数据生成过程的示意图；
图2示出了根据本申请实施例一的一种指标数据生成方法实施例的流程图；
图3示出了根据本申请实施例二的一种指标数据生成方法实施例的流程图；
图4示出了根据本申请实施例三的一种物流成本仿真方法实施例的流程图；
图5示出了根据本申请实施例四的一种指标数据生成装置实施例的结构框图；
图6示出了根据本申请实施例五的一种物流成本仿真装置实施例的结构框图；
图7示出了可被用于实现本公开中所述的各个实施例的示例性系统。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
任务包括物流任务、电力输送任务、网络通信任务等，或者其他任意适用的任务，本申请实施例对此不做限制。任务需要通过多种处理来完成，在本申请中，每个处理被定义为处理节点。
不同的任务对应有不同的处理节点。例如，物流任务的处理节点包括但不限于仓储节点、共同配送节点、城市配送节点等，本申请实施例对此不做限制。其中，仓储是指通过仓库对物资进行储存、保管以及仓库相关储存活动，共同配送是集加工、理货、送货等多种职能于一体的物流活动，负责多级供应链中连接上下游，城市配送是指服务于城区以及市近郊的货物配送活动，由最后一个共配中心到收货地的配送活动。
处理节点的相关信息，记为节点信息。例如，对于物流任务的处理节点来说，节点信息包括名称、编码、经纬度、租金成本、人员成本、可用车型以及分车型的成本、节点关系、覆盖区域等，或者其他任意适用的节点信息，本申请实施例对此不做限制。
任务可以在多个处理节点之间进行处理，处理节点之间存在任务的流转，则处理节点之间具有关联关系，处理节点可以组成一个关联关系网络。例如，对于物流任务来说，根据仓储节点和共同配送节点的关系，以及共同配送节点和省市区的覆盖关系，可以将物流任务的处理节点组成一个物流关联关系网络。
任务数据包括任务的相关数据，对于物流任务来说，任务数据包括物流订单数据、或已处理的物流订单的详情数据等，或者其他任意适用的任务数据，本申请实施例对此不做限制。例如，上个月的收货地归属于杭州的所有物流订单的订单编号、发货地、收货地、途径的节点、运输的车辆等都属于任务数据。
任务的指标数据用于表征衡量任务的某种数据，例如，物流任务的成本指标数据、网络通信的网络能效指标数据、电力输送的成本指标数据等，具体可以包括任意适用的指标数据，本申请实施例对此不做限制。
为了对任务的指标数据进行刻画，可以将处理节点对任务的处理过程划分为多个处理单元，具体可以根据任务本身的特性进行划分。例如，对于物流任务来说，从仓储节点到共同配送节点、以及从共同配送节点到城市配送节点的处理过程，可以作为干线处理单元(不包括共同配送节点内的处理过程)，共同配送节点内的处理过程，可以作为共同配送处理单元，最后一个城市配送节点到收货地的处理过程，可以作为城市配送处理单元。具体将处理过程划分处理单元的方式可以根据实际情况设计，本申请实施例对此不做限制。
处理单元的划分，可以分别配置到服务器和客户端，服务器利用配置的处理单元进行仿真计算，得到仿真的结果，包括单元指标数据以及汇总指标数据。服务器可以将仿真的结果发送到客户端上，供客户端进行展示，客户端可以利用配置的处理单元对仿真的结果进行展示。例如，在客户端上可以以图表形式展示汇总指标数据，图表中根据配置的多个处理单元对汇总指标数据进行分行或分列的展示。
对应地，将任务的处理过程划分为处理单元后，处理单元的指标数据，记为单元指标数据。例如，对物流任务的成本进行仿真时，单元指标数据包括干线处理单元中所产生的各种成本，共同配送处理单元中所产生的各种成本，城市配送处理单元中所产生的各种成本等。
在分别得到各个处理单元的单元指标数据后，将单元指标数据进行汇总后，得到汇总指标数据。例如，对物流任务的成本进行仿真时，如按物流订单的维度进行汇总，汇总指标数据包括各个物流订单在干线处理单元、共同配送处理单元、城市配送处理单元中分别消耗的成本，还可以包括各个处理单元中分项目的成本数据，如运输人员成本、车辆燃料产生的成本、车辆折旧产生的成本、流通加工设备费用、流通加工材料费用、流通加工劳务费、包装材料费用、包装机械费用、包装技术费用、包装人工费用、场地成本等等。具体可以包括任意适用的汇总指标数据，本申请实施例对此不做限制。
在本申请的一种可选实施例中，在进行仿真时，在不同的时间下，处理节点的节点信息可能是不相同的，从而关联关系网络也可能是不相同的，因此，在进行仿真之前，需要先输入需要仿真的仿真时间段。
例如，8月份相比7月份来说，某个城市配送节点的覆盖区域发生了变化，部分区域改由另一个城市配送节点负责配送，从而关联关系网络也将发生变化。
在本申请的一种可选实施例中，节点信息包括节点关系数据和覆盖区域数据，其中，节点关系数据用于表征处理节点之间的关联关系，例如，对于物流任务来说，位于杭州的某个仓储节点与位于杭州周边的多个共同配送节点之间具有关联关系。覆盖区域数据用于表征处理节点负责的处理所能覆盖的区域，例如，对于物流任务来说，位于杭州的城市配送节点负责配送的最终收货地所覆盖的地理区域。
在本申请的一种可选实施例中，节点信息包括以下至少一种：节点标识、节点位置数据、节点指标数据、节点关系数据、覆盖区域数据。其中，节点标识包括处理节点的名称、编号等，或者其他任意适用的标识，本申请实施例对此不做限制。节点位置数据包括处理节点所在的省市区以及街道楼宇、处理节点的经纬度等，或者其他任意适用的位置信息，本申请实施例对此不做限制。节点指标数据是指处理节点的指标数据，例如，对于物流任务来说，共同配送节点的成本包括人员成本、租金成本、可用车型、分车型的成本等。
在本申请的一种可选实施例中，对于物流任务来说，处理单元包括运输处理单元，运输处理单元负责处理节点之间的运输过程，例如，上述干线处理单元、城市配送单元就属于运输处理单元。具体可以包括任意适用的运输处理单元，本申请实施例对此不做限制。
对运输处理单元进行仿真，需要利用的节点信息包括运输工具数据，运输工具数据包括处理节点中可用的运输工具、以及运输工具的相关信息。例如，仓储节点可用车型，以及分车型的成本等属于运输工具数据。
运输路径信息包括运输过程中途径的处理节点，以及各个处理节点之间的路程、路况、收费站等路径信息，或者其他任意适用的运输路径信息，本申请实施例对此不做限制。
在本申请的一种可选实施例中，对于物流任务来说，处理单元包括节点处理单元，节点处理单元负责处理节点内的处理过程，例如，上述共同配送单元就属于节点处理单元。具体可以包括任意适用的节点处理单元，本申请实施例对此不做限制。
对节点处理单元进行仿真，需要利用节点信息包括节点指标数据，节点指标数据包括处理节点内的指标数据。例如，对于物流任务来说，共同配送节点的节点指标数据包括人力成本、租金成本等，或者其他任意适用的指标数据，本申请实施例对此不做限制。
对节点处理单元进行仿真，可以得到处理节点的使用信息，使用信息用于表征处理节点在处理任务时的相关信息，例如，对于物流任务来说，根据物流订单量可以计算得到共同配送节点所需要的场地面积，所耗费的人员数量等属于使用信息。具体可以包括任意适用的使用信息，本申请实施例对此不做限制。
在本申请的一种可选实施例中，对于物流任务来说，可以根据承接平台的不同划分处理单元，处理单元包括物流任务的至少一个承接平台处理单元，承接平台处理单元负责物流过程中由承接平台完成的处理过程，承接平台是接受物流任务的委托的平台，承接平台可以有至少一个。不同的承接平台对应有不同的承接平台指标数据。承接平台指标数据包括承接平台涉及的各种指标数据，例如，承接平台中各种处理节点的人力成本、租金成本、可用车型、分车型的成本等，或者其他任意适用的指标数据，本申请实施例对此不做限制。
对承接平台处理单元进行仿真，可以得到承接平台的平台处理信息，平台处理信息用于表征承接平台在处理任务时的相关信息，例如，根据物流订单量可以计算得到承接平台处理每个物流订单的人员成本、仓储成本、运输成本等属于平台处理信息。具体可以包括任意适用的平台处理信息，本申请实施例对此不做限制。
在本申请的一种可选实施例中，对于物流任务来说，处理单元包括任务聚类单元，任务聚类单元的仿真，用于对任务数据进行聚类，即将具有相同点的任务数据聚集在一起。将处理节点分为起始节点、中间节点、结束节点，根据起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。例如，根据物流订单的发货仓以及收货地，将发货仓和收货地相同的订单数据聚类在一起，根据物流订单的发货仓以及途径的共同配送节点，将发货仓和共同配送节点相同的订单数据聚类在一起，最终得到多个聚类的订单数据。聚类后的任务数据可以作为运输处理单元和节点处理单元的输入。
在本申请的一种可选实施例中，仿真时采取的仿真流程可以分为实际仿真和优化仿真，实际仿真是指根据历史上实际已经发生的任务处理的情况进行再现的仿真，而优化仿真则是对任务处理进行优化的仿真，在本申请中，对任务的优化仿真用于旨在优化任务的指标数据。例如，根据8月份的物流任务的任务数据，利用运筹优化决策各个物流任务在物流关联关系网络中的运输路线，以及所使用的车型，从而使得8月份的物流任务所耗费的总成本最低。在具体实施时，在实现仿真流程时，需要编写实现仿真流程的逻辑的计算机程序，程序将任务数据、节点信息以及关联关系网络等数据作为输入，最终输出单元指标数据。
在本申请的一种可选实施例中，对单元指标数据进行汇总时，可以基于不同的汇总维度进行汇总，汇总维度包括任务维度、路径维度、节点维度中至少一种，或者其他任意适用的汇总维度，本申请实施例对此不做限制。
其中，任务维度是指汇总指标数据中是以任务为维度进行汇总的，例如，对于物流任务来说，汇总指标数据包括各个订单在干线处理单元、共同配送处理单元、城市配送处理单元所消耗的成本。路径维度是指汇总指标数据中是以路径为维度进行汇总的，例如，对于物流任务来说，汇总指标数据包括各个路径在干线处理单元、共同配送处理单元、城市配送处理单元所消耗的成本。节点维度是指汇总指标数据中是节点为维度进行汇总的，例如，对于物流任务来说，汇总指标数据包括各个处理节点中所消耗的各种项目的成本。
在本申请的一种可选实施例中，对于部分处理单元也可以进行基于时间序列的仿真。将需要基于时间序列进行仿真的处理单元，记为目标处理单元。根据场景和需求，对目标处理单元的仿真方式进行切换。例如，当需要得到精确到各个仿真时间片的指标数据时，可以切换为基于时间序列的仿真。
将基于时间序列的仿真得到的每个仿真时间片的指标数据，记为时间指标数据。例如，对物流任务的成本进行仿真时，时间指标数据包括不同仿真时间片对应所产生的人力成本、车辆成本、仓储成本等。
在对处理单元进行仿真的一种实现方式中，还可以包括接收基于时间序列的仿真请求，所述仿真请求包括针对的目标处理单元；根据所述任务数据、节点信息以及关联关系网络，对所述目标处理单元进行基于时间序列的仿真，得到每个仿真时间片的时间指标数据；
针对目标处理单元的仿真请求是基于时间序列的，接收到仿真请求后，在对目标处理单元进行仿真时采用基于时间序列的仿真，根据任务数据、节点信息以及关联关系网络，按照设定的仿真时间片的时间比例尺，输入到仿真系统中，并按照时间比例尺修改仿真系统中的参数，得到每个仿真时间片的时间指标数据。例如，对运输处理单元进行基于时间序列的仿真时，时间指标数据包括不同仿真时间片对应所产生的运输成本等。
相应的，根据所述单元指标数据，生成汇总指标数据的一种实现方式中，包括：根据所述单元指标数据和时间指标数据，生成汇总指标数据。对单元指标数据和时间指标数据进行汇总，生成汇总指标数据，汇总的实现方式可以包括多种，例如，基于任务维度，将某个物流任务的单元指标数据和时间指标数据进行加和，得到汇总指标数据，或者其他任意适用的生成方式，本申请实施例对此不做限制。
根据本申请的一种实施例，在基于时间序列的连续时间仿真系统中，仿真的时间比例尺设置过大，会导致仿真精度过低的问题，仿真的时间比例尺设置过小，会导致仿真系统耗时过长的问题，精度和效率无法同时保证。如图1所示的指标数据生成过程的示意图，本申请提供了一种指标数据生成机制，通过确定任务的处理节点的节点信息以及关联关系网络，获取任务数据；根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据，根据所述单元指标数据，生成汇总指标数据，从而可以将任务的仿真转变为分多个处理单元进行仿真，例如，在物流场景下，分多个物流单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的指标数据，继而具有更高的仿真精度和仿真效率。本申请适用但不局限于上述应用场景。
参照图2，示出了根据本申请实施例一的一种指标数据生成方法实施例的流程图，该方法具体可以包括以下步骤：
步骤101，确定任务的处理节点的节点信息以及关联关系网络。
在本申请实施例中，任务的处理节点的节点信息以及关联关系网络的确定的实现方式可以包括多种，例如，先接收输入的仿真时间段，再根据仿真时间段，读取对应的节点信息，根据节点信息，确定关联关系网络，或者获取当前时间任务的处理节点的节点信息以及关联关系网络，或者其他任意适用的方式，本申请实施例对此不做限制。
步骤102，获取任务数据。
在本申请实施例中，获取任务数据的实现方式可以包括多种，例如，获取仿真时间段内已完成任务的任务数据，或者获取实时接收的任务数据，或者其他任意适用的方式，本申请实施例对此不做限制。例如，获取8月份北京地区运往杭州地区的所有物流任务的任务数据。
步骤103，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据。
在本申请实施例中，对任务的多个处理单元进行仿真时，将上述确定或获取的任务数据、节点信息以及关联关系网络作为输入数据，然后进行仿真计算，各个处理单元的单元指标数据。
对任务的多个处理单元进行仿真的具体实现方式可以包括多种，例如，对于物流任务的运输处理单元，先根据任务数据，节点信息以及关联关系网络对运输处理单元进行仿真，得到使用的运输工具和运输路径信息；再根据运输工具的运输工具数据和运输路径信息，计算运输处理单元的单元指标数据，对于物流任务的节点处理单元，根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息，再根据节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据，具体还可以包括其他任意适用的实现方式，本申请实施例对此不做限制。
步骤104，根据所述单元指标数据，生成汇总指标数据。
在本申请实施例中，对单元指标数据进行汇总，生成汇总指标数据，汇总的实现方式可以包括多种，例如，基于任务维度、路径维度、节点维度中的某一种汇总维度进行汇总，得到汇总指标数据，或者其他任意适用的生成方式，本申请实施例对此不做限制。
依据本申请实施例，通过确定任务的处理节点的节点信息以及关联关系网络，获取任务数据；根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据，根据所述单元指标数据，生成汇总指标数据，从而可以将任务的仿真转变为分多个处理单元进行仿真，例如，在物流场景下，分多个物流单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的指标数据，继而具有更高的仿真精度和仿真效率。
参照图3，示出了根据本申请实施例二的一种指标数据生成方法实施例的流程图，该方法具体可以包括以下步骤：
步骤201，接收输入的仿真时间段。
在本申请实施例中，由于不同时间段，任务的节点信息、关联关系网络以及任务数据是不相同，先输入需要进行仿真的仿真时间段，接收输入的仿真时间段。例如，输入的仿真时间段为2018年1月1日至2018年5月1日。
步骤202，根据所述仿真时间段，读取对应的节点信息。
在本申请实施例中，不仅记录有当前时间的节点信息，还记录有历史上各个时间的节点信息，根据仿真时间段，从存储的节点信息中读取对应的节点信息。例如，对于物流任务来说，从数据库中读取本次仿真时间段内所涉及到的仓储、共同配送、省市区等物流网络中的处理节点的相关信息，如名称、编码、经纬度，租金成本、人员成本，可用车型以及分车型的成本等信息。
步骤203，根据所述节点信息，确定所述关联关系网络。
在本申请实施例中，根据节点信息可以确定关联关系网络，节点信息包括节点关系数据、覆盖区域数据等，据此可以确定关联关系网络。
在本申请的一种可选实施例中，节点信息包括节点关系数据和覆盖区域数据，根据所述节点信息，确定所述关联关系网络的一种实现方式可以包括：根据节点关系数据和覆盖区域数据，生成所述处理节点组成的关联关系网络。
具体实现时，先根据处理节点两两之间的节点关系数据，将处理节点两两对应的存储到数据库中，再根据覆盖区域数据，将处理节点与对应的覆盖区域存储到数据库中，从而得到一个记录关联关系网络的数据库。具体可以采用任意适用的方式生成关联关系网络，本申请实施例对此不做限制。
步骤204，获取所述仿真时间段内已完成任务的任务数据。
在本申请实施例中，先根据仿真时间段，确定仿真时间段内的已完成任务，再从数据库中读取已完成任务的任务数据。例如，2018年1月1日至2018年5月1日已经完成的物流任务的任务名称、编码、发货仓、收货地、实际途径的处理节点、运输时所采用的车型等任务数据。
步骤205，接收输入的仿真配置信息。
在本申请实施例中，仿真配置信息用于对仿真时所采取的仿真流程进行配置。根据用户输入的仿真配置信息，决策本次仿真的具体逻辑，即仿真流程。例如，干线处理单元的仿真流程可以根据用户输入的仿真配置信息，决策为是根据输入的实际完成物流任务的线路进行仿真计算，还是通过运筹优化综合考虑成本最优的线路进行仿真计算。
步骤206，根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种。
在本申请实施例中，根据仿真配置信息，确定仿真时所采取的仿真流程，仿真流程包括实际仿真流程、优化仿真流程中至少一种。确定仿真流程，也即是确定了进行仿真计算时，将任务数据、节点信息以及关联关系网络输入到仿真流程对应的计算机程序。
步骤207，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据。
在本申请实施例中，此步骤的具体方式可以参见前述实施例中的描述，此处不另赘述。
在本申请的一种可选实施例中，处理单元包括任务聚类单元，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据可以包括：
子步骤S1，解析所述任务数据得到起始节点、中间节点和结束节点；
子步骤S2，根据所述起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。
对于物流任务来说，任务数据包括起始节点、中间节点和结束节点，先从任务数据中解析得到起始节点、中间节点和结束节点，例如，物流任务的发货仓和收货地。根据起始节点和结束节点，对任务数据进行聚类，即将起始节点和结束节点都一样的任务数据聚类在一起，根据发货仓以及途径的共同配送节点，将发货仓和共同配送节点(即中间节点)相同的订单数据聚类在一起，得到多个聚类的任务数据。例如，利用地点前缀匹配，根据物流任务的发货仓以及收货地，将两者都相同的物流任务聚类到物流关联关系网络中的某一条线路，按照不同线路输出物流任务的任务数据。
在本申请的一种可选实施例中，处理单元包括物流任务的运输处理单元，节点信息包括运输工具数据，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据可以包括：
子步骤S3，根据所述任务数据，节点信息以及关联关系网络对所述运输处理单元进行仿真，得到使用的运输工具和运输路径信息；
子步骤S4，根据所述运输工具的运输工具数据和所述运输路径信息，计算所述运输处理单元的单元指标数据。
对运输处理单元进行仿真时，若采取实际仿真流程，则从任务数据中提取记录的实际使用的运输工具以及运输路径信息，若采取优化仿真流程，则根据聚类后的订单量利用运筹优化决策所使用的运输工具以及运输路径信息。
再根据运输工具的运输工具数据和运输路径信息，计算运输处理单元的单元指标数据。例如，对于干线处理单元来说，根据不同车型的单位里程的成本以及干线运输距离，计算得到各个物流任务的干线处理单元的成本。对于城市配送处理单元来说，根据聚类输出的任务数据，根据任务数据中共同配送节点和收货地之间的关系，利用VRP(VehicleRouting Problem，车辆路径问题)算法，计算出派送所需车辆及配送路径，然后根据不同车型的单位里程的成本以及配送路径的路程，计算出各个物流任务的城市配送处理单元的成本。
在本申请的一种可选实施例中，处理单元包括物流任务的节点处理单元，所述节点信息包括节点指标数据，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据可以包括：
子步骤S5，根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息；
子步骤S6，根据所述节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据。
根据任务数据、节点信息以及关联关系网络，先确定各个任务途径的处理节点，再得到处理节点的使用信息，例如，根据聚类后输出的任务数据，得到仿真时间段内各个共同配送单元经过的任务量，然后根据任务量计算共同配送处理单元所需要的场地面积，即使用信息。
根据节点指标数据和使用信息，计算节点处理单元的单元指标数据。例如，根据共同配送处理单元所需要的场地面积(即使用信息)，以及共同配送处理单元的单位面积的租金成本以及人力成本(即节点指标数据)，计算出各个物流订单的共同配送处理单元的成本(即单元指标数据)。
在本申请的一种可选实施例中，处理单元包括物流任务的至少一个承接平台处理单元，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据可以包括：
子步骤S7，根据所述任务数据、节点信息以及关联关系网络对所述至少一个承接平台处理单元进行仿真，得到使用的承接平台和平台处理信息；
子步骤S8，根据所述承接平台的承接平台指标数据和所述平台处理信息，计算所述承接平台处理单元的单元指标数据。
根据任务数据、节点信息以及关联关系网络，先确定各个任务所使用的承接平台，再得到承接平台的平台处理信息，例如，根据聚类后输出的任务数据，得到仿真时间段内各个承接平台经过的任务量，然后根据任务量计算承接平台所需要的人力、车辆、场地，即平台处理信息。
根据承接平台指标数据和平台处理信息，计算承接平台处理单元的单元指标数据。例如，根据承接平台处理单元所需要的人力、车辆、场地(即平台处理信息)，以及承接平台处理单元的人力成本、租金成本、车辆的成本(即承接平台指标数据)，计算出各个物流订单的承接平台处理单元的成本(即单元指标数据)。
步骤208，对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种。
在本申请实施例中，此步骤的具体实现方式可以参见前述实施例中的描述，此处不另赘述。
依据本申请实施例，通过接收输入的仿真时间段，根据所述仿真时间段，读取对应的节点信息，根据所述节点信息，确定所述关联关系网络，获取所述仿真时间段内已完成任务的任务数据，接收输入的仿真配置信息，根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种，根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据，对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种，从而可以将任务的仿真转变为分多个处理单元进行仿真，例如，在物流场景下，分多个物流单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的指标数据，继而具有更高的仿真精度和仿真效率。
参照图4，示出了根据本申请实施例三的一种物流成本仿真方法实施例的流程图，该方法具体可以包括以下步骤：
步骤301，确定物流任务的处理节点的节点信息以及物流关系网络。
步骤302，获取物流任务数据。
步骤303，根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元。
步骤304，根据所述单元成本数据，生成汇总成本数据。
依据本申请实施例，通过确定物流任务的处理节点的节点信息以及物流关系网络，获取物流任务数据，根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元，根据所述单元成本数据，生成汇总成本数据，从而可以将物流任务的仿真转变为分多个处理单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的成本数据，继而具有更高的仿真精度和仿真效率。
参照图5，示出了根据本申请实施例四的一种指标数据生成装置实施例的结构框图，具体可以包括：
确定模块401，用于确定任务的处理节点的节点信息以及关联关系网络；
任务获取模块402，用于获取任务数据；
单元仿真模块403，用于根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据；
指标数据生成模块404，用于根据所述单元指标数据，生成汇总指标数据。
在本申请实施例中，可选地，所述装置还包括：
时间段接收模块，用于在所述确定任务的处理节点的节点信息以及关联关系网络之前，接收输入的仿真时间段；
所述确定模块包括：
读取子模块，用于根据所述仿真时间段，读取对应的节点信息；
确定子模块，用于根据所述节点信息，确定所述关联关系网络。
在本申请实施例中，可选地，所述节点信息包括节点关系数据和覆盖区域数据，所述确定子模块包括：
网络生成单元，用于根据所述节点关系数据和覆盖区域数据，生成所述处理节点组成的关联关系网络。
在本申请实施例中，可选地，所述任务获取模块包括：
任务获取子模块，用于获取所述仿真时间段内已完成任务的任务数据。
在本申请实施例中，可选地，所述节点信息包括以下至少一种：节点标识、节点位置数据、节点指标数据、节点关系数据、覆盖区域数据。
在本申请实施例中，可选地，所述处理单元包括物流任务的运输处理单元，所述节点信息包括运输工具数据，所述单元仿真模块包括：
第一仿真子模块，用于根据所述任务数据，节点信息以及关联关系网络对所述运输处理单元进行仿真，得到使用的运输工具和运输路径信息；
第一计算子模块，用于根据所述运输工具的运输工具数据和所述运输路径信息，计算所述运输处理单元的单元指标数据。
在本申请实施例中，可选地，所述处理单元包括物流任务的节点处理单元，所述节点信息包括节点指标数据，所述单元仿真模块包括：
第二仿真子模块，用于根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息；
第二计算子模块，用于根据所述节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据。
可选地，所述处理单元包括物流任务的至少一个承接平台处理单元，所述单元仿真模块包括：
第三仿真子模块，用于根据所述任务数据、节点信息以及关联关系网络对所述至少一个承接平台处理单元进行仿真，得到使用的承接平台和平台处理信息；
第三计算子模块，用于根据所述承接平台的承接平台指标数据和所述平台处理信息，计算所述承接平台处理单元的单元指标数据。
在本申请实施例中，可选地，所述处理单元包括任务聚类单元，所述单元仿真模块还包括：
节点解析子模块，用于解析所述任务数据得到起始节点、中间节点和结束节点；
聚类子模块，用于根据所述起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。
在本申请实施例中，可选地，所述装置还包括：
信息接收模块，用于在所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据之前，接收输入的仿真配置信息；
流程确定模块，用于根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种。
在本申请实施例中，可选地，所述指标数据生成模块包括：
汇总子模块，用于对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种。
可选地，所述装置还包括：
请求接收模块，用于接收基于时间序列的仿真请求，所述仿真请求包括针对的目标处理单元；
时间仿真模块，用于根据所述任务数据、节点信息以及关联关系网络，对所述目标处理单元进行基于时间序列的仿真，得到每个仿真时间片的时间指标数据；
所述指标数据生成模块包括：
生成子模块，用于根据所述单元指标数据和时间指标数据，生成汇总指标数据。
依据本申请实施例，通过确定任务的处理节点的节点信息以及关联关系网络，获取任务数据；根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据，根据所述单元指标数据，生成汇总指标数据，从而可以将任务的仿真转变为分多个处理单元进行仿真，例如，在物流场景下，分多个物流单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的指标数据，继而具有更高的仿真精度和仿真效率。
参照图6，示出了根据本申请实施例五的一种物流成本仿真装置实施例的结构框图，具体可以包括：
物流确定模块501，用于确定物流任务的处理节点的节点信息以及物流关系网络；
任务获取模块502，获取物流任务数据；
单元仿真模块503，根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元；
成本数据生成模块504，根据所述单元成本数据，生成汇总成本数据。
依据本申请实施例，通过确定物流任务的处理节点的节点信息以及物流关系网络，获取物流任务数据，根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元，根据所述单元成本数据，生成汇总成本数据，从而可以将物流任务的仿真转变为分多个处理单元进行仿真，相较于基于时间序列的连续时间仿真，避免了仿真的时间比例尺设置过大导致的仿真精度过低，以及仿真的时间比例尺设置过小导致的仿真耗时过长的问题，本申请方案中分多个处理单元进行仿真，提升了仿真速度，而且足以得到准确的成本数据，继而具有更高的仿真精度和仿真效率。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的系统。图7示意性地示出了可被用于实现本公开中所述的各个实施例的示例性系统(或装置)700。
对于一个实施例，图7示出了示例性系统700，该系统具有一个或多个处理器702、被耦合到(一个或多个)处理器702中的至少一个的系统控制模块(芯片组)704、被耦合到系统控制模块704的系统存储器706、被耦合到系统控制模块704的非易失性存储器(NVM)/存储设备708、被耦合到系统控制模块704的一个或多个输入/输出设备710，以及被耦合到系统控制模块706的网络接口712。
处理器702可包括一个或多个单核或多核处理器，处理器702可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，系统700能够作为本申请实施例中所述的浏览器。
在一些实施例中，系统700可包括具有指令的一个或多个计算机可读介质(例如，系统存储器706或NVM/存储设备708)以及与该一个或多个计算机可读介质相合并被配置为执行指令以实现模块从而执行本公开中所述的动作的一个或多个处理器702。
对于一个实施例，系统控制模块704可包括任意适当的接口控制器，以向(一个或多个)处理器702中的至少一个和/或与系统控制模块704通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块704可包括存储器控制器模块，以向系统存储器706提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
系统存储器706可被用于例如为系统700加载和存储数据和/或指令。对于一个实施例，系统存储器706可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器706可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，系统控制模块704可包括一个或多个输入/输出控制器，以向NVM/存储设备708及(一个或多个)输入/输出设备710提供接口。
例如，NVM/存储设备708可被用于存储数据和/或指令。NVM/存储设备708可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备708可包括在物理上作为系统700被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备708可通过网络经由(一个或多个)输入/输出设备710进行访问。
(一个或多个)输入/输出设备710可为系统700提供接口以与任意其他适当的设备通信，输入/输出设备710可以包括通信组件、音频组件、传感器组件等。网络接口712可为系统700提供接口以通过一个或多个网络通信，系统700可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi，2G，3G，4G或5G，或它们的组合进行无线通信。
对于一个实施例，(一个或多个)处理器702中的至少一个可与系统控制模块704的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器702中的至少一个可与系统控制模块704的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器702中的至少一个可与系统控制模块704的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器702中的至少一个可与系统控制模块704的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，系统700可以但不限于是：浏览器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统700可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统700包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中，如果显示器包括触摸面板，显示屏可以被实现为触屏显示器，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在终端设备时，可以使得该终端设备执行本申请实施例中各方法步骤的指令(instructions)。
在一个示例中提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如本申请实施例的方法。
在一个示例中还提供了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，该程序被处理器执行时实现如本申请实施例的一个或多个的方法。
本申请实施例公开了一种指标数据生成方法和装置，示例1包括一种指标数据生成方法，包括：
确定任务的处理节点的节点信息以及关联关系网络；
获取任务数据；
根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据；
根据所述单元指标数据，生成汇总指标数据。
示例2可包括示例1所述的方法，其中，在所述确定任务的处理节点的节点信息以及关联关系网络之前，所述方法还包括：
接收输入的仿真时间段；
所述确定任务的处理节点的节点信息以及关联关系网络包括：
根据所述仿真时间段，读取对应的节点信息；
根据所述节点信息，确定所述关联关系网络。
示例3可包括示例1和/或示例2所述的方法，其中，所述节点信息包括节点关系数据和覆盖区域数据，所述根据所述节点信息，确定所述关联关系网络包括：
根据所述节点关系数据和覆盖区域数据，生成所述处理节点组成的关联关系网络。
示例4可包括示例1-示例3一个或多个所述的方法，其中，所述获取任务数据包括：
获取所述仿真时间段内已完成任务的任务数据。
示例5可包括示例1-示例4一个或多个所述的方法，其中，所述节点信息包括以下至少一种：节点标识、节点位置数据、节点指标数据、节点关系数据、覆盖区域数据。
示例6可包括示例1-示例5一个或多个所述的方法，其中，所述处理单元包括物流任务的运输处理单元，所述节点信息包括运输工具数据，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据，节点信息以及关联关系网络对所述运输处理单元进行仿真，得到使用的运输工具和运输路径信息；
根据所述运输工具的运输工具数据和所述运输路径信息，计算所述运输处理单元的单元指标数据。
示例7可包括示例1-示例6一个或多个所述的方法，其中，所述处理单元包括物流任务的节点处理单元，所述节点信息包括节点指标数据，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息；
根据所述节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据。
示例8可包括示例1-示例7一个或多个所述的方法，其中，所述处理单元包括物流任务的至少一个承接平台处理单元，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据、节点信息以及关联关系网络对所述至少一个承接平台处理单元进行仿真，得到使用的承接平台和平台处理信息；
根据所述承接平台的承接平台指标数据和所述平台处理信息，计算所述承接平台处理单元的单元指标数据。
示例9可包括示例1-示例8一个或多个所述的方法，其中，所述处理单元包括任务聚类单元，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据还包括：
解析所述任务数据得到起始节点、中间节点和结束节点；
根据所述起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。
示例10可包括示例1-示例9一个或多个所述的方法，其中，在所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据之前，所述方法还包括：
接收输入的仿真配置信息；
根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种。
示例11可包括示例1-示例10一个或多个所述的方法，其中，所述根据所述单元指标数据，生成汇总指标数据包括：
对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种。
示例12可包括示例1-示例11一个或多个所述的方法，其中，所述方法还包括：
接收基于时间序列的仿真请求，所述仿真请求包括针对的目标处理单元；
根据所述任务数据、节点信息以及关联关系网络，对所述目标处理单元进行基于时间序列的仿真，得到每个仿真时间片的时间指标数据；
所述根据所述单元指标数据，生成汇总指标数据包括：
根据所述单元指标数据和时间指标数据，生成汇总指标数据。
示例13包括一种物流成本仿真方法，包括：
确定物流任务的处理节点的节点信息以及物流关系网络；
获取物流任务数据；
根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元；
根据所述单元成本数据，生成汇总成本数据。
示例14包括一种指标数据生成装置，包括：
确定模块，用于确定任务的处理节点的节点信息以及关联关系网络；
任务获取模块，用于获取任务数据；
单元仿真模块，用于根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据；
指标数据生成模块，用于根据所述单元指标数据，生成汇总指标数据。
示例15可包括示例14所述的装置，其中，所述装置还包括：
时间段接收模块，用于在所述确定任务的处理节点的节点信息以及关联关系网络之前，接收输入的仿真时间段；
所述确定模块包括：
读取子模块，用于根据所述仿真时间段，读取对应的节点信息；
确定子模块，用于根据所述节点信息，确定所述关联关系网络。
示例16可包括示例14和/或示例15所述的装置，其中，所述节点信息包括节点关系数据和覆盖区域数据，所述确定子模块包括：
网络生成单元，用于根据所述节点关系数据和覆盖区域数据，生成所述处理节点组成的关联关系网络。
示例17可包括示例14-示例16一个或多个所述的装置，其中，所述任务获取模块包括：
任务获取子模块，用于获取所述仿真时间段内已完成任务的任务数据。
示例18可包括示例14-示例17一个或多个所述的装置，其中，所述节点信息包括以下至少一种：节点标识、节点位置数据、节点指标数据、节点关系数据、覆盖区域数据。
示例19可包括示例14-示例18一个或多个所述的装置，其中，所述处理单元包括物流任务的运输处理单元，所述节点信息包括运输工具数据，所述单元仿真模块包括：
第一仿真子模块，用于根据所述任务数据，节点信息以及关联关系网络对所述运输处理单元进行仿真，得到使用的运输工具和运输路径信息；
第一计算子模块，用于根据所述运输工具的运输工具数据和所述运输路径信息，计算所述运输处理单元的单元指标数据。
示例20可包括示例14-示例19一个或多个所述的装置，其中，所述处理单元包括物流任务的节点处理单元，所述节点信息包括节点指标数据，所述单元仿真模块包括：
第二仿真子模块，用于根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息；
第二计算子模块，用于根据所述节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据。
示例21可包括示例14-示例20一个或多个所述的装置，其中，所述处理单元包括物流任务的至少一个承接平台处理单元，所述单元仿真模块包括：
第三仿真子模块，用于根据所述任务数据、节点信息以及关联关系网络对所述至少一个承接平台处理单元进行仿真，得到使用的承接平台和平台处理信息；
第三计算子模块，用于根据所述承接平台的承接平台指标数据和所述平台处理信息，计算所述承接平台处理单元的单元指标数据。
示例22可包括示例14-示例21一个或多个所述的装置，其中，所述处理单元包括任务聚类单元，所述单元仿真模块还包括：
节点解析子模块，用于解析所述任务数据得到起始节点、中间节点和结束节点；
聚类子模块，用于根据所述起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。
示例23可包括示例14-示例22一个或多个所述的装置，其中，所述装置还包括：
信息接收模块，用于在所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据之前，接收输入的仿真配置信息；
流程确定模块，用于根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种。
示例24可包括示例14-示例23一个或多个所述的装置，其中，所述指标数据生成模块包括：
汇总子模块，用于对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种。
示例25可包括示例14-示例24一个或多个所述的装置，其中，所述装置还包括：
请求接收模块，用于接收基于时间序列的仿真请求，所述仿真请求包括针对的目标处理单元；
时间仿真模块，用于根据所述任务数据、节点信息以及关联关系网络，对所述目标处理单元进行基于时间序列的仿真，得到每个仿真时间片的时间指标数据；
所述指标数据生成模块包括：
生成子模块，用于根据所述单元指标数据和时间指标数据，生成汇总指标数据。
示例26包括一种物流成本仿真装置，包括：
物流确定模块，用于确定物流任务的处理节点的节点信息以及物流关系网络；
任务获取模块，获取物流任务数据；
单元仿真模块，根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元；
成本数据生成模块，根据所述单元成本数据，生成汇总成本数据。
示例27包括一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如示例1-13一个或多个的方法。
示例28包括一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如示例1-13一个或多个的方法。
虽然某些实施例是以说明和描述为目的的，各种各样的替代、和/或、等效的实施方案、或计算来达到同样的目的实施例示出和描述的实现，不脱离本申请的实施范围。本申请旨在覆盖本文讨论的实施例的任何修改或变化。因此，显然本文描述的实施例仅由权利要求和它们的等同物来限定。
Claims (15)
1.一种指标数据生成方法，其特征在于，包括：
确定任务的处理节点的节点信息以及关联关系网络；
获取任务数据；
根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据；
根据所述单元指标数据，生成汇总指标数据。
2.根据权利要求1所述的方法，其特征在于，在所述确定任务的处理节点的节点信息以及关联关系网络之前，所述方法还包括：
接收输入的仿真时间段；
所述确定任务的处理节点的节点信息以及关联关系网络包括：
根据所述仿真时间段，读取对应的节点信息；
根据所述节点信息，确定所述关联关系网络。
3.根据权利要求2所述的方法，其特征在于，所述节点信息包括节点关系数据和覆盖区域数据，所述根据所述节点信息，确定所述关联关系网络包括：
根据所述节点关系数据和覆盖区域数据，生成所述处理节点组成的关联关系网络。
4.根据权利要求2-3中任一项所述的方法，其特征在于，所述获取任务数据包括：
获取所述仿真时间段内已完成任务的任务数据。
5.根据权利要求1所述的方法，其特征在于，所述节点信息包括以下至少一种：节点标识、节点位置数据、节点指标数据、节点关系数据、覆盖区域数据。
6.根据权利要求1所述的方法，其特征在于，所述处理单元包括物流任务的运输处理单元，所述节点信息包括运输工具数据，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据，节点信息以及关联关系网络对所述运输处理单元进行仿真，得到使用的运输工具和运输路径信息；
根据所述运输工具的运输工具数据和所述运输路径信息，计算所述运输处理单元的单元指标数据。
7.根据权利要求1所述的方法，其特征在于，所述处理单元包括物流任务的节点处理单元，所述节点信息包括节点指标数据，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据、节点信息以及关联关系网络对所述节点处理单元进行仿真，得到所述处理节点的使用信息；
根据所述节点指标数据和所述使用信息，计算所述节点处理单元的单元指标数据。
8.根据权利要求1所述的方法，其特征在于，所述处理单元包括物流任务的至少一个承接平台处理单元，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据包括：
根据所述任务数据、节点信息以及关联关系网络对所述至少一个承接平台处理单元进行仿真，得到使用的承接平台和平台处理信息；
根据所述承接平台的承接平台指标数据和所述平台处理信息，计算所述承接平台处理单元的单元指标数据。
9.根据权利要求6-8中任一项所述的方法，其特征在于，所述处理单元包括任务聚类单元，所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据还包括：
解析所述任务数据得到起始节点、中间节点和结束节点；
根据所述起始节点、中间节点和结束节点中至少两个，对所述任务数据进行聚类。
10.根据权利要求1所述的方法，其特征在于，在所述根据所述任务数据、节点信息以及关联关系网络，对任务的多个处理单元进行仿真，得到单元指标数据之前，所述方法还包括：
接收输入的仿真配置信息；
根据所述仿真配置信息，确定仿真时所采取的仿真流程，所述仿真流程包括实际仿真流程、优化仿真流程中至少一种。
11.根据权利要求1所述的方法，其特征在于，所述根据所述单元指标数据，生成汇总指标数据包括：
对所述单元指标数据进行汇总，得到基于至少一种汇总维度的汇总指标数据，所述汇总维度包括任务维度、路径维度、节点维度中至少一种。
12.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收基于时间序列的仿真请求，所述仿真请求包括针对的目标处理单元；
根据所述任务数据、节点信息以及关联关系网络，对所述目标处理单元进行基于时间序列的仿真，得到每个仿真时间片的时间指标数据；
所述根据所述单元指标数据，生成汇总指标数据包括：
根据所述单元指标数据和时间指标数据，生成汇总指标数据。
13.一种物流成本仿真方法，其特征在于，包括：
确定物流任务的处理节点的节点信息以及物流关系网络；
获取物流任务数据；
根据所述物流任务数据、节点信息以及物流关系网络，对所述物流任务的多个处理单元进行仿真，得到单元成本数据，其中，所述处理单元包括干线处理单元、共配中心处理单元、城配处理单元；
根据所述单元成本数据，生成汇总成本数据。
14.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-13一个或多个的方法。
15.一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，该程序被处理器执行时实现如权利要求1-13一个或多个的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911312065.9A CN112990633B (zh) | 2019-12-18 | 2019-12-18 | 指标数据生成方法、物流成本仿真方法、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911312065.9A CN112990633B (zh) | 2019-12-18 | 2019-12-18 | 指标数据生成方法、物流成本仿真方法、设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990633A true CN112990633A (zh) | 2021-06-18 |
| CN112990633B CN112990633B (zh) | 2024-04-05 |
Family
ID=76343969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911312065.9A Active CN112990633B (zh) | 2019-12-18 | 2019-12-18 | 指标数据生成方法、物流成本仿真方法、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990633B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115689415A (zh) * | 2022-11-03 | 2023-02-03 | 深圳市兆航物流有限公司 | 一种基于数字孪生的物流监视与仿真系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5063506A (en) * | 1989-10-23 | 1991-11-05 | International Business Machines Corp. | Cost optimization system for supplying parts |
| CN102538812A (zh) * | 2011-12-07 | 2012-07-04 | 清华大学 | 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法 |
| CN105069290A (zh) * | 2015-08-03 | 2015-11-18 | 同济大学 | 一种面向寄递数据的并行化关键节点发现方法 |
| CN105159922A (zh) * | 2015-08-03 | 2015-12-16 | 同济大学 | 基于标签传播算法面向寄递数据的并行化社团发现方法 |
| CN105303356A (zh) * | 2015-11-24 | 2016-02-03 | 深圳市麦驰物联股份有限公司 | 社区物流配送信息接收抢单方法及其系统 |
| CN107909325A (zh) * | 2017-11-24 | 2018-04-13 | 九州通医药集团物流有限公司 | 基于医药企业物流成本的精细化核算方法 |
| CN108364146A (zh) * | 2017-01-26 | 2018-08-03 | 北京小度信息科技有限公司 | 物流配送仿真方法及装置 |
| CN108629538A (zh) * | 2018-05-09 | 2018-10-09 | 高勤 | 一种物流贸易费用清算系统 |
| CN108681856A (zh) * | 2018-05-16 | 2018-10-19 | 广州市创乐信息技术有限公司 | 一种仓储管理系统及仓储管理方法 |
| CN109359804A (zh) * | 2018-08-28 | 2019-02-19 | 广州市图吉信息科技有限公司 | 一种在线订单物流管理系统 |
| CN110245852A (zh) * | 2019-06-05 | 2019-09-17 | 武汉科技大学 | 一种基于混合仿真的供应链物流网络效能评估分析方法 |
-
2019
- 2019-12-18 CN CN201911312065.9A patent/CN112990633B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5063506A (en) * | 1989-10-23 | 1991-11-05 | International Business Machines Corp. | Cost optimization system for supplying parts |
| CN102538812A (zh) * | 2011-12-07 | 2012-07-04 | 清华大学 | 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法 |
| CN105069290A (zh) * | 2015-08-03 | 2015-11-18 | 同济大学 | 一种面向寄递数据的并行化关键节点发现方法 |
| CN105159922A (zh) * | 2015-08-03 | 2015-12-16 | 同济大学 | 基于标签传播算法面向寄递数据的并行化社团发现方法 |
| CN105303356A (zh) * | 2015-11-24 | 2016-02-03 | 深圳市麦驰物联股份有限公司 | 社区物流配送信息接收抢单方法及其系统 |
| CN108364146A (zh) * | 2017-01-26 | 2018-08-03 | 北京小度信息科技有限公司 | 物流配送仿真方法及装置 |
| CN107909325A (zh) * | 2017-11-24 | 2018-04-13 | 九州通医药集团物流有限公司 | 基于医药企业物流成本的精细化核算方法 |
| CN108629538A (zh) * | 2018-05-09 | 2018-10-09 | 高勤 | 一种物流贸易费用清算系统 |
| CN108681856A (zh) * | 2018-05-16 | 2018-10-19 | 广州市创乐信息技术有限公司 | 一种仓储管理系统及仓储管理方法 |
| CN109359804A (zh) * | 2018-08-28 | 2019-02-19 | 广州市图吉信息科技有限公司 | 一种在线订单物流管理系统 |
| CN110245852A (zh) * | 2019-06-05 | 2019-09-17 | 武汉科技大学 | 一种基于混合仿真的供应链物流网络效能评估分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| 《中国博士学位论文全文数据库 经济与管理科学辑》: "区域物流成本统计与预测方法研究", 《中国博士学位论文全文数据库 经济与管理科学辑》, no. 2, pages 145 - 28 * |
| JAKE M. FERGUSON 等: "Detecting population-environmental interactions with mismatched time series data", 《ECOLOGY》, vol. 98, no. 11, pages 1 - 33 * |
| 宋薛峰: "佛山区域物流能力与区域经济互动发展研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, no. 12, pages 145 - 156 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115689415A (zh) * | 2022-11-03 | 2023-02-03 | 深圳市兆航物流有限公司 | 一种基于数字孪生的物流监视与仿真系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990633B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Big data driven supply chain management | |
| Schuijbroek et al. | Inventory rebalancing and vehicle routing in bike sharing systems | |
| Deng et al. | Integrating operational decisions into the planning of one-way vehicle-sharing systems under uncertainty | |
| JP2019525333A (ja) | 端末規則エンジンデバイス及び端末規則運用方法 | |
| CN110348679A (zh) | 物流处理方法、装置、电子设备和存储介质 | |
| CN108629436B (zh) | 一种估算仓库拣货能力的方法和电子设备 | |
| CN109842563A (zh) | 内容分发网络流量调度方法、装置和计算机可读存储介质 | |
| CN106504359A (zh) | 一种基于位置和运动状态的智能考勤系统及其实现方法 | |
| Zhang et al. | An adaptive tabu search algorithm embedded with iterated local search and route elimination for the bike repositioning and recycling problem | |
| CN113112208A (zh) | 一种基于三维可视化模型的电力物资仓储管理方法 | |
| CN104517200A (zh) | 用于物流配送的能耗计算方法、配送方案获取方法和装置 | |
| Jiang et al. | A scheme for determining vehicle routes based on Arc-based service network design | |
| US20210192433A1 (en) | Commodity exhibition management method, management server, client and system | |
| CN112990633B (zh) | 指标数据生成方法、物流成本仿真方法、设备、存储介质 | |
| CN113641592B (zh) | 测试序列的生成方法及装置 | |
| CN109284952B (zh) | 一种归属区域的定位方法和装置 | |
| CN107464152A (zh) | 数据处理方法、客户端和服务端 | |
| CN115759574A (zh) | 物资的存储方法、装置、计算机设备和存储介质 | |
| CN113326211B (zh) | 测试用例生成方法及装置 | |
| CN113495845B (zh) | 数据测试方法、装置、电子设备及存储介质 | |
| CN115619309A (zh) | 一种基于数字孪生的物流中心信息平台系统 | |
| CN114742507A (zh) | 车辆货物配载方法、装置、计算机设备及存储介质 | |
| CN110851717A (zh) | 一种迷你仓位的推荐方法、设备及介质 | |
| Aalto et al. | Achieving a smooth flow of fuel deliveries by truck to an urban biomass power plant in Helsinki, Finland–an agent-based simulation approach | |
| CN109857655A (zh) | 一种检测美术资源动态性能的方法和系统 |
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 |