基于供应链仿真的运输成本优化方法及系统

技术领域

本发明涉及供应链管理技术领域，尤其涉及一种基于供应链仿真的运输成本优化方法及基于供应链仿真的运输成本优化系统。

背景技术

随着经济高速增长和市场竞争的激烈加剧，供应链管理已经成为当前全球商业环境中的主要挑战之一。供应链主要包括原材料的供应、产品的制造、到将产品配送给各个目的地。在这过程中，企业需要确保产品从生产地点顺利运送到目的地，同时最大程度地降低运输成本，以提高竞争力并实现可持续增长。运输成本在供应链管理中通常占据重要地位，因为它们直接影响到企业的盈利能力和客户满意度。

传统的运输成本优化方法主要依赖于规则和经验，这限制了企业在不断变化的市场条件下做出灵活的决策。此外，供应链的复杂性和不确定性使得运输成本优化变得更加困难。企业需要在考虑到多个因素的情况下，制定最佳的运输策略，包括运输方式、路径选择、货运时间等。近年来，仿真技术开始广泛应用于供应链领域。仿真技术允许企业将供应链的各个组成部分建模为一个虚拟系统，以模拟不同的运输策略和情景，从而更准确地预测运输成本和性能。

然而当前的基于仿真技术实现的供应链管理存在着以下缺陷：（1）缺乏实时性：由于现有大多数的供应链管理平台局限于静态规划限制，无法快速的适应如交通堵塞、天气变化以及道口堵塞等问题，进而导致仿真结果不准确；（2）与优化算法部分联动性较弱：由于现存的供应链仿真系统要么内部集成固定的优化算法，要么没有优化算法，使用者需自定义内置代码的形式来实现，使用成本较高；（3）复杂性和学习曲线：由于大部分供应链管理平台具有复杂的用户界面和学习曲线，需要用户具备高度的技术知识和培训，这增加了系统的部署和使用成本，并限制了其广泛采用等。

因此，如何能够提供一种实时性高且协同性好的供应链仿真平台的运输优化成为本领域技术人员亟待解决的技术问题。

发明内容

本发明提供了一种基于供应链仿真的运输成本优化方法及基于供应链仿真的运输成本优化系统，解决相关技术中存在的供应链管理平台实时性差的问题。

作为本发明的第一个方面，提供一种基于供应链仿真的运输成本优化方法，其中，包括：

获取车辆运输基本信息，所述车辆运输基本信息至少包括车辆信息以及运输站点信息；

根据所述车辆运输基本信息、预设运单信息并调用地图导航API接口进行供应链仿真，获得实时运输成本；

若所述实时运输成本不满足预设目标成本要求，则根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息；

根据所述优化运单信息更新所述预设运单信息后重复供应链仿真以及算法优化的步骤，直至获得的实时运输成本满足预设目标成本要求为止；

将满足预设目标成本要求的实时运输成本所对应的运单信息作为最终运输成本优化结果，并输出最终运输成本优化结果；

其中，根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息，包括：根据实时运输成本与预设目标成本要求的比较结果确定实时运输成本不满足预设目标成本要求时，根据算法优化约束条件和优化目标函数确定新的运送信息。

进一步地，根据所述车辆运输基本信息、预设运单信息并调用地图导航API接口进行供应链仿真，获得实时运输成本，包括：

根据所述车辆运输基本信息确定供应链仿真模型；

根据所述预设运单信息确定供应链仿真模型中的运送信息，所述运送信息至少包括运单来源、载具、运送路径以及运送时间；

根据所述供应链仿真模型中的运送信息并调用地图导航API接口进行运送仿真，获得实际运输成本。

进一步地，根据所述供应链仿真模型中的运送信息并调用地图导航API接口进行运送仿真，获得实际运输成本，包括：

对所述供应链仿真模型中运单来源对载具的运送路径进行初始化；

调用地图导航API接口并启动所述供应链仿真模型中的运行逻辑，以使得载具执行运输事件；

当所述载具完成运输事件时获得仿真日志，所述仿真日志至少包括载具状态变化日志以及该载具对应的实际运输成本。

进一步地，若所述实时运输成本不满足预设目标成本要求，则根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息，包括：

判断所述实时运输成本是否满足预设目标成本要求；

若所述实时运输成本大于预设目标成本要求，则确定所述实时运输成本不满足预设目标成本要求，并根据预设目标成本要求确定算法优化约束条件和优化目标函数，所述算法优化约束条件至少包括运送完成时间约束、路径约束以、载具数量约束以及运输成本约束；

根据算法优化约束条件和优化目标函数进行计算，获得新的运送信息；

将新的运送信息确定为优化运单信息。

进一步地，根据所述优化运单信息更新所述预设运单信息后重复供应链仿真以及算法优化的步骤，直至获得的实时运输成本满足预设目标成本要求为止，包括：

根据所述优化运单信息、所述车辆运输基本信息并调用地图导航API接口进行供应链仿真；

判断供应链仿真后的实时运输成本是否满足预设目标成本要求；

若不满足，则根据所述实时运输成本以及预设目标成本要求进行算法优化，并重复上述供应链仿真的步骤，直至获得的实时运输成本满足预设目标成本要求为止。

作为本发明的另一个方面，提供一种基于供应链仿真的运输成本优化系统，其中，包括：

车辆信息获取模块，用于获取车辆运输基本信息，所述车辆运输基本信息至少包括车辆信息以及运输站点信息；

供应链仿真模块，用于根据所述车辆运输基本信息、预设运单信息并调用地图导航API接口进行供应链仿真，获得实时运输成本；

算法优化模块，用于若所述实时运输成本不满足预设目标成本要求，则根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息；

循环模块，用于根据所述优化运单信息更新所述预设运单信息后重复供应链仿真以及算法优化的步骤，直至获得的实时运输成本满足预设目标成本要求为止；

输出模块，用于将满足预设目标成本要求的实时运输成本作为最终运输成本优化结果，并输出最终运输成本优化结果。

进一步地，所述供应链仿真模块包括：

数据输入单元，用于接收供应链建模以及仿真运行所需基础数据，所述供应链建模以及仿真运行所需基础数据至少包括车辆运输基本信息和运单信息；

供应链建模仿真单元，用于根据所述车辆运输基本信息确定供应链仿真模型，根据所述运单信息确定供应链仿真模型中的运送信息，以及根据所述供应链仿真模型中的运送信息并调用地图导航API接口进行运送仿真，获得实际运输成本；

数据输出单元，用于向算法优化模块输出仿真日志，所述仿真日志至少包括载具状态变化日志以及该载具对应的实际运输成本。

进一步地，所述供应链建模仿真单元包括：

建模单元，用于创建仿真模型对象以及定义仿真事件，并将所述车辆运输基本信息进行实例化获得供应链仿真模型；

仿真单元，用于根据所述运单信息在所述供应链仿真模型中进行仿真，获得仿真日志。

进一步地，所述仿真模型对象至少包括：配送中心智能体类、顾客智能体类和运输站智能体类，

所述配送中心智能体类用于模拟物流运输的总仓、分仓和中转站，所述配送中心智能体类的属性信息至少包括位置信息经纬度、营业时间、休息时间、装货道口数量和卸货道口数量；

所述顾客智能体类用于模拟供应链的下游终端客户和目的地，所述顾客智能体类的属性信息与所述配送中心智能体类的属性信息相同；

所述运输站智能体类用于模拟车辆运行和管理中心以管辖不同种类和不同数量的运输载具，所述运输站智能体类的属性信息至少包括位置信息经纬度、载具基本信息表、收费策略和载具清单。

进一步地，所述仿真事件至少包括装货事件、卸货事件和运输事件，所述运输事件用于通过实时调用地图导航API接口计算运输时间和运输费用。

本发明提供的基于供应链仿真的运输成本优化方法，通过获取车辆运输基本信息，并能够基于地图导航API接口实现实时仿真，在获得仿真后的实时运输成本后还能够基于是否满足预设目标成本要求对运单信息进行优化调整，进而再迭代仿真过程，直至获得能够满足预设目标成本要求的运单信息，这种基于供应链仿真的运输成本优化方法能够基于实时导航仿真，相比传统的仿真平台具有更高的准确性；另外，本发明的这种基于供应链仿真的运输成本优化方法通过仿真迭代算法优化结果，不仅减少了算法优化过程中需要考虑的部分约束条件，而且在成本优化上更加精准，有效提升了运输成本优化的准确性和及时性。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。

图1为本发明提供的基于供应链仿真的运输成本优化方法的流程图。

图2为本发明提供的供应链仿真的具体过程流程图。

图3为本发明提供的算法优化的具体过程流程图。

图4为本发明提供的日志状态截图。

图5为本发明提供的基于供应链仿真的运输成本优化系统的结构框图。

图6为本发明提供的供应链仿真模块的结构框图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。

为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本实施例中提供了一种基于供应链仿真的运输成本优化方法，图1是根据本发明实施例提供的基于供应链仿真的运输成本优化方法的流程图，如图1所示，包括：

S100、获取车辆运输基本信息，所述车辆运输基本信息至少包括车辆信息以及运输站点信息；

在本发明实施例中，所述车辆信息具体可以包括车辆的数量、车辆类型以及每辆车辆的装货量，所述运输站点信息具体可以包括成本计算方式、载具运行速度、供应商、目的地等地理位置信息、道口设置信息、目的地所需货量大小以及营运时间等。

S200、根据所述车辆运输基本信息、预设运单信息并调用地图导航API接口进行供应链仿真，获得实时运输成本；

在本发明实施例中，所述预设运单信息在初始供应链仿真时为预先设定的运单信息，后续根据获得的实时运输成本会对预设运单信息进行更新，以便于能够获得满足预设目标成本要求的运单信息。

具体地，所述地图导航API接口具体可以为高德导航API接口，当然也可以为其他地图导航API接口，此处并不做限定。

具体地，根据所述车辆运输基本信息、预设运单信息并调用地图导航API接口进行供应链仿真，获得实时运输成本，如图2所示，包括：

S210、根据所述车辆运输基本信息确定供应链仿真模型；

在本发明实施例中，根据车辆运输基本信息进行供应链仿真模型构建，具体构建时，通过创建仿真模型对象以及定义仿真事件，并将车辆运输基本信息进行实例化获得供应链仿真模型。

其中，所述仿真模型对象至少包括：配送中心智能体类、顾客智能体类和运输站智能体类，

所述配送中心智能体类用于模拟物流运输的总仓、分仓和中转站，所述配送中心智能体类的属性信息至少包括位置信息经纬度、营业时间、休息时间、装货道口数量和卸货道口数量；

所述顾客智能体类用于模拟供应链的下游终端客户和目的地，所述顾客智能体类的属性信息与所述配送中心智能体类的属性信息相同；

所述运输站智能体类用于模拟车辆运行和管理中心以管辖不同种类和不同数量的运输载具，所述运输站智能体类的属性信息至少包括位置信息经纬度、载具基本信息表、收费策略和载具清单。

具体地，所述仿真事件至少包括装货事件、卸货事件和运输事件，所述运输事件用于通过实时调用地图导航API接口计算运输时间和运输费用。

S220、根据所述预设运单信息确定供应链仿真模型中的运送信息，所述运送信息至少包括运单来源、载具、运送路径以及运送时间；

在本发明实施例中，预设运单信息中包括运单来源、出发地、目的地以及营运时间等信息，根据该预设运单信息确定供应链仿真模型中的运送信息，以便于后续进行供应链仿真。

S230、根据所述供应链仿真模型中的运送信息并调用地图导航API接口进行运送仿真，获得实际运输成本。

在进行供应链仿真时，通过调用地图导航API接口能够实时计算运输事件和运输费用，能够获得更加符合实际场景的仿真结果。

进一步地，在本发明实施例中，根据所述供应链仿真模型中的运送信息并调用地图导航API接口进行运送仿真，获得实际运输成本，包括：

对所述供应链仿真模型中运单来源对载具的运送路径进行初始化；

调用地图导航API接口并启动所述供应链仿真模型中的运行逻辑，以使得载具执行运输事件；

当所述载具完成运输事件时获得仿真日志，所述仿真日志至少包括载具状态变化日志以及该载具对应的实际运输成本。

例如，供应链仿真模型在接收到运单数据之后，以运单来源（运输站）为T1，出发地（配送中心）为D，目的地[C1,C2]，最早出发时间为9:00，最晚到达时间为17:00，装货时长为1个小时，卸货时长为1个小时，货量1吨，载具类型卡车，指定载具M1为例来介绍详细的仿真过程。

第一步，接收到运单数据之后，按照“运单来源”对运输站T1中的载具M1行驶路径进行初始化操作，包括出发地，目的地，装货时间，卸货时间，最早出发时间，最晚到达时间。

第二步，载具的行驶路径初始化完成后，启动运输站的main事件生成器运行逻辑，车辆M1执行事件“开始运输（startTransport）”。车辆M1从运输站开始运输到配送中心D，花费N分钟，配送中心D的main事件生成器开始执行，启动“开始装货（vehicleLoad）”事件，耗时1个小时后装货完成，车M1继续执行事件“开始运输（startTransport）”送货到目的地C1,运输完成后，启动“开始装货（vehicleUnLoad）“事件，花费K分钟，卸货完成。再次去往目的地C2送货，卸货完成即停止仿真。

S300、若所述实时运输成本不满足预设目标成本要求，则根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息；

在本发明实施例中，针对实时运输成本需要判断其是否满足预设目标成本要求，若满足，则可以将该实时运输成本对应的运单信息作为最终优化结果，如不满足，则需要根据实时运输成本以及预设目标成本要求对当前的运单信息进行优化，以获得优化运单信息。

具体地，若所述实时运输成本不满足预设目标成本要求，则根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息，如图3所示，包括：

S310、判断所述实时运输成本是否满足预设目标成本要求；

S320、若所述实时运输成本大于预设目标成本要求，则确定所述实时运输成本不满足预设目标成本要求，并根据预设目标成本要求确定算法优化约束条件和优化目标函数，所述算法优化约束条件至少包括运送完成时间约束、路径约束以、载具数量约束以及运输成本约束；

S330、根据算法优化约束条件和优化目标函数进行计算，获得新的运送信息；

S340、将新的运送信息确定为优化运单信息。

在本发明实施例中，经过供应链仿真之后，记录以运单中每辆车状态（定义的事件）随时间变化的过程。日志状态如图4所示的截图示意。

具体地，通过流计算的方式将仿真日志传递给运输成本优化算法。运输成本优化算法内部结合仿真日志调整运单策略后再次进行供应链仿真，如此循环迭代，直到运输成本收敛。

通过运输成本优化算法进行优化的过程中，在算法优化内部，目标为在满足运单交期的条件下，使得运输成本最小化，因此包括以下约束条件：

（1）交期约束（要求所有订单都在时刻T到达）。

（2）路线约束（单线上两代距离需满足区间[Xmin,Xmax]，两点间运输所需时间需小于t，单线路最大途径点数需小于N）；单条线路的配送总时长需小于d天。

（3）成本最低：要求在当前计价策略（起步价+里程数计价）下，成本最小化。

（4）车辆数量最小化以节省资源。

在确定目标函数以及约束条件之后，算法采用整数规划（IP）方法解决该问题。算法结果产出运单策略，详细信息包括具体车辆，以及每辆车的单点运单路线传递给仿真。运行开始时，算法优化内部给出运单策略，比如车辆M42运输路径为[‘D1’,’D3’,‘D4’]，发车时间为2022/7/1的16:00。假设目的地D1，D3，D4的营业时间均6:00到21:00，货物到达时间均为2022/7/2 的21:00之前。仿真接收到数据之后，开始仿真。仿真结果具体如下表1所示。

表1 仿真结果数据表

由仿真结果可以明确的得知每辆车的到达时间。例如上述例子车辆M42到达D4时，已过营业时间，车辆卸货时间被推迟到第二天的6点，该车利用率低，导致成本损耗。其次，当多个车辆同时到达一个目的地之后，由于目的地道口的约束等待卸货时会存在耗时，依旧会导致成本损耗。

本发明实施例的这种仿真与算法逻辑内部单独处理互不影响，仅通过流计算的方式进行数据传输又保证了算法迭代方向的准备性。相比于其他基于供应量仿真平台的运输成本优化系统，该仿真与算法交互层面具有更好的解耦合性。

S400、根据所述优化运单信息更新所述预设运单信息后重复供应链仿真以及算法优化的步骤，直至获得的实时运输成本满足预设目标成本要求为止；

应当理解的是，根据更新后的优化运单信息重复供应链仿真以及算法优化的过程，直至获得满足预设目标成本要求的实时运输成本为止，此时将获得的优化运单信息作为最终的优化结果。

在本发明实施例中，根据所述优化运单信息更新所述预设运单信息后重复供应链仿真以及算法优化的步骤，直至获得的实时运输成本满足预设目标成本要求为止，包括：

根据所述优化运单信息、所述车辆运输基本信息并调用地图导航API接口进行供应链仿真；

判断供应链仿真后的实时运输成本是否满足预设目标成本要求；

若不满足，则根据所述实时运输成本以及预设目标成本要求进行算法优化，并重复上述供应链仿真的步骤，直至获得的实时运输成本满足预设目标成本要求为止。

S500、将满足预设目标成本要求的实时运输成本所对应的运单信息作为最终运输成本优化结果，并输出最终运输成本优化结果。

综上，本发明提供的基于供应链仿真的运输成本优化方法，通过获取车辆运输基本信息，并能够基于地图导航API接口实现实时仿真，在获得仿真后的实时运输成本后还能够基于是否满足预设目标成本要求对运单信息进行优化调整，进而再迭代仿真过程，直至获得能够满足预设目标成本要求的运单信息，这种基于供应链仿真的运输成本优化方法能够基于实时导航仿真，相比传统的仿真平台具有更高的准确性；另外，本发明的这种基于供应链仿真的运输成本优化方法通过仿真迭代算法优化结果，不仅减少了算法优化过程中需要考虑的部分约束条件，而且在成本优化上更加精准，有效提升了运输成本优化的准确性和及时性。

作为本发明的另一实施例，提供一种基于供应链仿真的运输成本优化系统10，其中，如图5所示，包括：

车辆信息获取模块100，用于获取车辆运输基本信息，所述车辆运输基本信息至少包括车辆信息以及运输站点信息；

供应链仿真模块200，用于根据所述车辆运输基本信息、预设运单信息并调用地图导航API接口进行供应链仿真，获得实时运输成本；

算法优化模块300，用于若所述实时运输成本不满足预设目标成本要求，则根据所述实时运输成本以及预设目标成本要求进行算法优化获得优化运单信息；

循环模块400，用于根据所述优化运单信息更新所述预设运单信息后重复供应链仿真以及算法优化的步骤，直至获得的实时运输成本满足预设目标成本要求为止；

输出模块500，用于将满足预设目标成本要求的实时运输成本作为最终运输成本优化结果，并输出最终运输成本优化结果。

本发明提供的基于供应链仿真的运输成本优化系统，通过获取车辆运输基本信息，并能够基于地图导航API接口实现实时仿真，在获得仿真后的实时运输成本后还能够基于是否满足预设目标成本要求对运单信息进行优化调整，进而再迭代仿真过程，直至获得能够满足预设目标成本要求的运单信息，这种基于供应链仿真的运输成本优化方法能够基于实时导航仿真，相比传统的仿真平台具有更高的准确性；另外，本发明的这种基于供应链仿真的运输成本优化系统通过仿真迭代算法优化结果，不仅减少了算法优化过程中需要考虑的部分约束条件，而且在成本优化上更加精准，有效提升了运输成本优化的准确性和及时性。

在本发明实施例中，如图6所示，所述供应链仿真模块200包括：

数据输入单元210，用于接收供应链建模以及仿真运行所需基础数据，所述供应链建模以及仿真运行所需基础数据至少包括车辆运输基本信息和运单信息；

具体地，所述车辆运输基本信息至少包括车辆信息以及运输站点信息。

在本发明实施例中，所述车辆信息具体可以包括车辆的数量、车辆类型以及每辆车辆的装货量，所述运输站点信息具体可以包括成本计算方式、载具运行速度、供应商、目的地等地理位置信息、道口设置信息、目的地所需货量大小以及营运时间等。

具体地，所述运单信息用于供应链仿真，该运单信息的数据包括运单来源（运输站），出发地（配送中心），目的地，最早出发时间，最晚到达时间，装货时长，卸货时长，货量，载具类型，指定载具。

在本发明实施例中，所述数据输入单元210能够支持多种数据接入，不仅包括CSV、文本文件，还包括对象以及数据库格式。

供应链建模仿真单元220，用于根据所述车辆运输基本信息确定供应链仿真模型，根据所述运单信息确定供应链仿真模型中的运送信息，以及根据所述供应链仿真模型中的运送信息并调用地图导航API接口进行运送仿真，获得实际运输成本；

本发明实施例中，所述供应链建模仿真单元220包括：

建模单元，用于创建仿真模型对象以及定义仿真事件，并将所述车辆运输基本信息进行实例化获得供应链仿真模型；

仿真单元，用于根据所述运单信息在所述供应链仿真模型中进行仿真，获得仿真日志。

具体地，所述仿真模型对象至少包括：配送中心智能体类、顾客智能体类和运输站智能体类，

所述配送中心智能体类用于模拟物流运输的总仓、分仓和中转站，所述配送中心智能体类的属性信息至少包括位置信息经纬度、营业时间、休息时间、装货道口数量和卸货道口数量；

所述顾客智能体类用于模拟供应链的下游终端客户和目的地，所述顾客智能体类的属性信息与所述配送中心智能体类的属性信息相同；

所述运输站智能体类用于模拟车辆运行和管理中心以管辖不同种类和不同数量的运输载具，所述运输站智能体类的属性信息至少包括位置信息经纬度、载具基本信息表、收费策略和载具清单。

在本发明实施例中，所述载具基本信息表属性具体可以包括车速、可用数量、总量，容量，载具类型，收费策略（起步价+每公里/元），该类型车辆包含的车牌号信息等。载具清单是Car类的多个实例化列表，Car类是基于载具基本信息表（CarrierTables类）的属性按照车牌号展开的单辆车的类是整个仿真过程的基础智能体类，属性：车牌号，载具类型，容量，收费策略，速度，data（类Data的实例化，Data类用来记录该车辆随仿真运行的状态记录）。

在本发明实施例中，所述仿真事件至少包括装货事件、卸货事件和运输事件，所述运输事件用于通过实时调用地图导航API接口计算运输时间和运输费用。

需要说明的是，供应链建模仿真单元主要以记录对象事件为核心内容，对象创建完成后，继续定义仿真事件。该供应链建模仿真单元以单辆车为基础智能体，记录每辆车状态随时间变化的过程。记录车辆三种事件：装货事件，卸货事件，运输事件。其中运输事件是通过实时调用高德API计算运输的时间以及费用。

数据输出单元230，用于向算法优化模块输出仿真日志，所述仿真日志至少包括载具状态变化日志以及该载具对应的实际运输成本。

本发明提供的基于供应链仿真的运输成本优化系统，能够有效提升运输成本优化的实时性，以及与算法优化的协同性。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。