一种数字孪生智慧物流的管理方法及装置

技术领域

本发明涉及一种数字孪生智慧物流的管理方法及装置，属于智慧物流技术领域。

背景技术

随着新一代信息技术的发展，数字孪生(Digital Twin)以数字化的方式建立了物理实体的多维、多时空尺度、多物理量以及多学科的动态虚拟模型，并实现动态虚拟模型在真实环境中的属性、行为以及规则的复现。

随着电商的发展，产生了大量的碎片化订单，因此爆仓、错发、漏发、暴力分拣以及快递丢失等现象屡见不鲜，当前货物的运输主要是从发货地通过各级分拣中心进行逐级分拣转发最后到达收货地附近的快递驿站，当分拣中心收到上一级的分拣中心或发货地寄来的货物时，将货物累积到一定程度后，再由物流车辆进行转发至下一级分拣中心或快递驿站。但这种货物转发的方式通常由分拣及运输人员主观决策，当分拣中心存在闲置的运输车辆且存在一定数量的待转运货物时，直接将待转运货物进行转运至相应的分拣中心，因此这种货物运输方式存在运输效率低，货物堆积风险高等问题。

发明内容

本发明提供一种数字孪生智慧物流的管理方法、装置及计算机可读存储介质，其主要目的在于解决货物运输方式存在运输效率低，货物堆积风险高的问题。

为实现上述目的，本发明提供的一种数字孪生智慧物流的管理方法，包括：

根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，获取所述数字孪生物流模型的网点分拣总量；

获取所述数字孪生物流模型中每个物流分拣网点的标准物流分拣量，根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量；

在所述数字孪生物流模型中提取当前物流分拣网点，提取所述当前物流分拣网点的下级物流分拣网点集；

在所述下级物流分拣网点集中依次提取下级物流分拣网点，获取所述当前物流分拣网点中需要转运至下级物流分拣网点的目标转运货物集；

获取所述下级物流分拣网点的当前存货量，判断所述目标转运货物集中是否存在超期货物；

若所述目标转运货物集中存在超期货物，则将所述超期货物转运至所述下级物流分拣网点；

若所述目标转运货物集中不存在超期货物，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长；

获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量；

利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量；

根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量；

根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数；

根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点，完成数字孪生智慧物流的管理。

可选地，所述根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，包括：

获取所述物流分拣网点集中每个物流分拣网点的地理位置，根据所述地理位置创建所述每个物流分拣网点的数字孪生网点模型；

在所述数字孪生网点模型中依次提取物流分拣网点，获取所述物流分拣网点的转运范围；

根据所述转运范围在数字孪生网点模型中提取所述物流分拣网点的下级物流分拣网点集；

获取所述物流分拣网点与所述下级物流分拣网点集中每一个下级物流分拣网点的物流线路，得到物流线路集；

利用数字孪生网点模型中每一个物流分拣网点的物流线路集将所述数字孪生网点模型中的物流分拣网点进行连接，得到初始数字孪生物流模型；

获取所述初始数字孪生物流模型中各个物流分拣网点的货物分拣数据及各条物流线路上的实时运输数据，将所述货物分拣数据及实时运输数据在所述初始数字孪生物流模型上进行展示，得到所述数字孪生物流模型。

可选地，所述根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量，包括：

根据每个物流分拣网点的标准物流分拣量计算标准物流分拣总量；

根据所述标准物流分拣量、标准物流分拣总量、网点分拣总量及预构建的平均物流分拣量计算公式，计算所述每个物流分拣网点的平均物流分拣量，其中所述平均物流分拣量计算公式如下所示：

其中，A

可选地，所述判断所述目标转运货物集中是否存在超期货物，包括：

获取所述目标转运货物集中每件货物的运输时限及运输路程；

利用预构建的截止时间计算公式，根据所述运输时限及运输路程计算每件货物在当前物流分拣网点的截止时间，其中所述截止时间计算公式如下所示：

其中，t

获取当前时间，判断所述当前时间是否超过截止时间；

若所述当前时间未超过截止时间，则所述目标转运货物集中不存在超期货物；

若所述当前时间超过截止时间，则所述目标转运货物集中存在超期货物。

可选地，所述将所述超期货物转运至所述下级物流分拣网点，包括：

获取所述当前物流分拣网点的单位转运量；

根据每件货物的截止时间对所述目标转运货物集中的货物进行排序，得到待转运货物序列；

根据所述单位转运量在所述待转运货物序列中提取包含所述超期货物的超期货物集；

将所述超期货物集转运至所述下级物流分拣网点。

可选地，所述提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量，包括：

利用所述数字孪生物流模型模拟出所述上级物流分拣网点集在所述转运时长内出动的运输车辆，得到运输车辆集；

识别所述运输车辆集中可以在所述转运时长内到达所述下级物流分拣网点的运输车辆，得到目标车辆集；

提取所述目标车辆集中每辆目标车辆的货物运输量，得到所述下级物流分拣网点的物流转入量。

可选地，所述根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数，包括：

按照预构建的物流分拣指数公式，利用所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数，其中所述物流分拣指数公式如下所示：

其中，k

可选地，所述根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，包括：

在各个下级物流分拣网点的物流分拣指数中提取最小的物流分拣指数；

识别所述最小的物流分拣指数对应的下级物流分拣网点，将所述最小的物流分拣指数对应的下级物流分拣网点作为所述目标分拣网点。

可选地，所述提取所述当前物流分拣网点的下级物流分拣网点集，包括：

确定所述当前物流分拣网点的转运范围；

根据所述转运范围提取所述当前物流分拣网点的所有下级物流分拣网点，得到所述下级物流分拣网点集。

为了解决上述问题，本发明还提供一种数字孪生智慧物流的管理装置，所述装置包括：

平均物流分拣量计算模块，用于根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，获取所述数字孪生物流模型的网点分拣总量；获取所述数字孪生物流模型中每个物流分拣网点的标准物流分拣量，根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量；

超期货物转运模块，用于在所述数字孪生物流模型中提取当前物流分拣网点，提取所述当前物流分拣网点的下级物流分拣网点集；在所述下级物流分拣网点集中依次提取下级物流分拣网点，获取所述当前物流分拣网点中需要转运至下级物流分拣网点的目标转运货物集；获取所述下级物流分拣网点的当前存货量，判断所述目标转运货物集中是否存在超期货物；若所述目标转运货物集中存在超期货物，则将所述超期货物转运至所述下级物流分拣网点；

货物预测量模拟计算模块，用于若所述目标转运货物集中不存在超期货物，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长；获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量；利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量；根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量；

待转运货物集转运模块，用于根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数；根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的数字孪生智慧物流的管理方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的数字孪生智慧物流的管理方法。

相比于背景技术所述货物运输方式存在运输效率低，货物堆积风险高的问题，本发明实施例为了体现实时的物流转运情况，先根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，再根据所述数字孪生物流模型中提取到的网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量，为了决定当前物流分拣网点的货物转运情况，先提取所述当前物流分拣网点的下级物流分拣网点集，再在所述下级物流分拣网点中筛选出目标分拣网点，在具体确定所述目标分拣网点时，先判断所述目标转运货物集中是否存在超期货物，因为超期货物的优先级应该是最高的，若存在，则将所述超期货物转运至所述下级物流分拣网点，若不存在，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长，得到模拟的时长，再获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量，同时利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量，最后根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量，再根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数，根据物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点，完成数字孪生智慧物流的管理。因此本发明提出的数字孪生智慧物流的管理方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决货物运输方式存在运输效率低，货物堆积风险高的问题。

附图说明

图1为本发明一实施例提供的数字孪生智慧物流的管理方法的流程示意图；

图2为本发明一实施例提供的数字孪生智慧物流的管理装置的功能模块图；

图3为本发明一实施例提供的实现所述数字孪生智慧物流的管理方法的电子设备的结构示意图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种数字孪生智慧物流的管理方法。所述数字孪生智慧物流的管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数字孪生智慧物流的管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

实施例1：

参照图1所示，为本发明一实施例提供的数字孪生智慧物流的管理方法的流程示意图。在本实施例中，所述数字孪生智慧物流的管理方法包括：

S1、根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，获取所述数字孪生物流模型的网点分拣总量。

可解释的，所述物流分拣网点集指货物在转运过程中的分拣中心集合，例如：快递在运输中需要进行分拣的中转站或驿站等。所述物流线路集指货物在运输过程中的线路集合，例如：快递的运输线路，两个物流分拣点之间通常有多条物流线路。所述数字孪生物流模型可展示所述物流分拣网点集的位置分布情况、各个物流分拣网点的货物分拣数据、物流线路集的路线分布、各个物流线路上正在运输的车辆信息等数据。所述网点分拣总量指所述数字孪生物流模型中正在进行运输的货物总量，例如：分拣中心中暂存、分拣的货物，物流线路上运输的货物等。

本发明实施例中，所述根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，包括：

获取所述物流分拣网点集中每个物流分拣网点的地理位置，根据所述地理位置创建所述每个物流分拣网点的数字孪生网点模型；

在所述数字孪生网点模型中依次提取物流分拣网点，获取所述物流分拣网点的转运范围；

根据所述转运范围在数字孪生网点模型中提取所述物流分拣网点的下级物流分拣网点集；

获取所述物流分拣网点与所述下级物流分拣网点集中每一个下级物流分拣网点的物流线路，得到物流线路集；

利用数字孪生网点模型中每一个物流分拣网点的物流线路集将所述数字孪生网点模型中的物流分拣网点进行连接，得到初始数字孪生物流模型；

获取所述初始数字孪生物流模型中各个物流分拣网点的货物分拣数据及各条物流线路上的实时运输数据，将所述货物分拣数据及实时运输数据在所述初始数字孪生物流模型上进行展示，得到所述数字孪生物流模型。

进一步地，所述物流分拣网点的转运范围指所述物流分拣网点的转运区域，为避免超出物流转运范围，每个物流分拣网点都存在对应的转运区域，转运区域中可能存在不同的其它物流分拣网点。所述下级物流分拣网点集指在所述转运范围内的物流分拣网点集合。

可解释的，所述货物分拣数据指所述物流分拣网点货物的已分拣件数、待分拣件数、货物分拣进度等数据。所述实时运输数据指所述物流线路上运输货物的车辆信息、实时位置信息、车辆运载的货物件数、车辆的运输速度、车辆的驾驶员信息、运输目的地、运输起始地等数据。

S2、获取所述数字孪生物流模型中每个物流分拣网点的标准物流分拣量，根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量。

需解释的，所述标准物流分拣量指根据各个物流分拣网点的建设规模确定的货物分拣能力，例如：可根据所述物流分拣网点的分拣人员配备数、场地占地面积、分拣机器设备配置数等数据确定各个物流分拣网点的标准物流分拣量，通常分拣人员配备数、分拣机器设备配置数越多、场地占地面积越大的物流分拣网点的标准物流分拣量越大。

详细的，所述平均物流分拣量指每个物流分拣网点根据自身的标准物流分拣量在所述网点分拣总量中对应承担的物流分拣量，所述标准物流分拣量越高的物流分拣网点的平均物流分拣量越大。

本发明实施例中，所述根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量，包括：

根据每个物流分拣网点的标准物流分拣量计算标准物流分拣总量；

根据所述标准物流分拣量、标准物流分拣总量、网点分拣总量及预构建的平均物流分拣量计算公式，计算所述每个物流分拣网点的平均物流分拣量，其中所述平均物流分拣量计算公式如下所示：

其中，A

可理解的，当处于快递量激增时期，各个物流分拣网点承担的物流分拣量存在差异，可能有的物流分拣网点的物流分拣量大大超过了其标准物流分拣量，有的物流分拣网点的物流分拣量还未到达其标准物流分拣量，因此只有当所有物流分拣网点均根据自身的标准物流分拣量按比例承担相应的物流分拣量，才可最大限度的缓解货物的分拣压力，避免某些物流分拣网点出现极端物流分拣量的情况。

S3、在所述数字孪生物流模型中提取当前物流分拣网点，提取所述当前物流分拣网点的下级物流分拣网点集。

本发明实施例中，所述提取所述当前物流分拣网点的下级物流分拣网点集，包括：

确定所述当前物流分拣网点的转运范围；

根据所述转运范围提取所述当前物流分拣网点的所有下级物流分拣网点，得到所述下级物流分拣网点集。

S4、在所述下级物流分拣网点集中依次提取下级物流分拣网点，获取所述当前物流分拣网点中需要转运至下级物流分拣网点的目标转运货物集。

本发明实施例中，所述述当前物流分拣网点中的每一件货物有存在起始发货地及目标收货地，因此所述起始发货地与所述目标收货地之间可能存在预先知道的多条运输线路，对应着多个不同的物流分拣网点，这就导致所述当前物流分拣网点中可能存在一件货物需要经过所述下级物流分拣网点集中的一个或多个下级物流分拣网点的情况，例如：所述当前物流分拣网点为A分拣网点，所述A分拣网点的下级物流分拣网点集为B分拣网点、C分拣网点、D分拣网点以及E分拣网点，此时A分拣网点中存在货物a及货物b，其中货物a可以经过C分拣网点、D分拣网点以及E分拣网点进行转运；也可以跳过C分拣网点，直接从D分拣网点以及E分拣网点进行转运；也可以跳过C分拣网点、D分拣网点，直接从E分拣网点进行转运，这样货物a就有三种不同的转运方式，因此货物a可以作为C分拣网点、D分拣网点以及E分拣网点的目标转运货物。货物b只有从B分拣网点进行转运指一条线路，因此货物b只能作为B分拣网点的目标转运货物。

S5、获取所述下级物流分拣网点的当前存货量，判断所述目标转运货物集中是否存在超期货物。

可理解的，所述下级物流分拣网点的当前存货量指所述下级物流分拣网点中正在进行分拣的货物以及等待进行分拣的货物等货物数量。

本发明实施例中，所述判断所述目标转运货物集中是否存在超期货物，包括：

获取所述目标转运货物集中每件货物的运输时限及运输路程；

利用预构建的截止时间计算公式，根据所述运输时限及运输路程计算每件货物在当前物流分拣网点的截止时间，其中所述截止时间计算公式如下所示：

其中，t

获取当前时间，判断所述当前时间是否超过截止时间；

若所述当前时间未超过截止时间，则所述目标转运货物集中不存在超期货物；

若所述当前时间超过截止时间，则所述目标转运货物集中存在超期货物。

可解释的，为了大概估算货物是否超期，可以按照运输时长按照运输路程进行分配，当到达运输路程一半时，运输的时间应小于等于运输时长的一半。

若所述目标转运货物集中存在超期货物，则执行S6、将所述超期货物转运至所述下级物流分拣网点。

本发明实施例中，所述将所述超期货物转运至所述下级物流分拣网点，包括：

获取所述当前物流分拣网点的单位转运量；

根据每件货物的截止时间对所述目标转运货物集中的货物进行排序，得到待转运货物序列；

根据所述单位转运量在所述待转运货物序列中提取包含所述超期货物的超期货物集；

将所述超期货物集转运至所述下级物流分拣网点。

本发明实施例中，所述待转运货物序列指根据运输期限对货物进行排序，得到的货物序列，例如：货物a的截止时间为2020年2月2日1点，货物b的截止时间为2020年2月2日3点，货物c的截止时间为2020年2月3日1点，货物d的截止时间为2020年2月4日1点等等，则所述待转运货物序列为货物d、货物c、货物b以及货物a等等，若所述单位转运量为1000件，则所述超期货物集为所述待转运货物序列中的前1000件货物集合。

若所述目标转运货物集中不存在超期货物，则执行S、记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长。

可理解的，所述模拟化转运指模拟将目标转运货物集从所述当前物流分拣网点转运至所述下级物流分拣网点，所述模拟化转运的货车速度可以根据当前时间、当前天气及物流线路限速情况、物流线路拥堵情况等数据进行评估，例如：雨雪天气的火车速度较低。通过综合各种外在运输条件数据对火车的车速进行设定，在根据当前物流分拣网点与所述下级物流分拣网点的运输路程，从而计算出所述转运时长。所述货车速度也可以根据以前在各种运输条件下的转运时长进行预测。

S8、获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量。

可理解的，由于物流线路中一般各个物流分拣网点都存在其下级物流分拣网点及上级物流分拣网点，因此所述下级物流分拣网点可以存在多个上级物流分拣网点，其中所述当前物流分拣网点只是所述多个上级物流分拣网点中的一个。

本发明实施例中，所述提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量，包括：

利用所述数字孪生物流模型模拟出所述上级物流分拣网点集在所述转运时长内出动的运输车辆，得到运输车辆集；

识别所述运输车辆集中可以在所述转运时长内到达所述下级物流分拣网点的运输车辆，得到目标车辆集；

提取所述目标车辆集中每辆目标车辆的货物运输量，得到所述下级物流分拣网点的物流转入量。

进一步地，所述运输车辆集可以为当前正在运输的车辆以及在所述转运时长内会出发运输的车辆。由于货车出发的时间不一致，因此当出发的时间较晚，则可能出现在转运时长内不能到达所述下级物流分拣网点的情况，例如：所述转运时长为9:00-15：00，上级物流分拣网点A中运输车辆预计从12:00开始出发，而从上级物流分拣网点A到达所述下级物流分拣网点的预估时间为5个小时，因此将会在17：00到达，此时该运输车辆不能作为目标车辆。

S9、利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量。

可解释的，所述物流转出量指在所述转运时长内，向所述下级物流分拣网点的转运范围内的其余物流分拣网点转运的货物总量。

本发明实施例中，所述下级物流分拣网点在所述转运时长内的物流转出量的模拟方式与所述当前物流分拣网点的转运方式一样，即将所述下级物流分拣网点作为所述当前物流分拣网点进行模拟，由于所述当前物流分拣网点的货物转运方式是根据下级物流分拣网点的存货量进行决定的，而所述下级物流分拣网点的存货量又是根据下级物流分拣网点的货物转运方式决定的，因此所有物流分拣网点的货物转运取决于离目的地最近的物流分拣网点的存货量，当该物流分拣网点的存货量越少，被作为转运目标的概率越大。在决定离目的地最近的物流分拣网点的货物转入方式后，所有的物流分拣网点的转运方式都将被带动，因此实现模拟的可能性。

S10、根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量。

本发明实施例中，所述货物预测量可以根据下式进行计算：

h

其中，h

S11、根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数。

可解释的，所述物流分拣指数指表示所述下级物流分拣网点在所述目标转运货物集转运到达后，所述下级物流分拣网点中存储货物的饱和度。

本发明实施例中，所述根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数，包括：

按照预构建的物流分拣指数公式，利用所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数，其中所述物流分拣指数公式如下所示：

其中，k

S12、根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点，完成数字孪生智慧物流的管理。

可解释的，所述待转运货物集指所述当前物流分拣网点中可转运至所述目标分拣网点的货物集合。

本发明实施例中，所述根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，包括：

在各个下级物流分拣网点的物流分拣指数中提取最小的物流分拣指数；

识别所述最小的物流分拣指数对应的下级物流分拣网点，将所述最小的物流分拣指数对应的下级物流分拣网点作为所述目标分拣网点。

应明白的，所述最小的物流分拣指数对应的下级物流分拣网点表明该下级物流分拣网点的货物饱和度最小，即表示网点的货物存储分拣量未达到合理的使用，大部分处于空置状态，因此应将所述最小的物流分拣指数对应的下级物流分拣网点作为所述目标分拣网点。从而有效均衡各个物流分拣网点的货物存储分拣量。

可理解的，在确定所述目标分拣网点后，即可从所述当前物流分拣网点中将所述待转运货物集进行转运。

相比于背景技术所述货物运输方式存在运输效率低，货物堆积风险高的问题，本发明实施例为了体现实时的物流转运情况，先根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，再根据所述数字孪生物流模型中提取到的网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量，为了决定当前物流分拣网点的货物转运情况，先提取所述当前物流分拣网点的下级物流分拣网点集，再在所述下级物流分拣网点中筛选出目标分拣网点，在具体确定所述目标分拣网点时，先判断所述目标转运货物集中是否存在超期货物，因为超期货物的优先级应该是最高的，若存在，则将所述超期货物转运至所述下级物流分拣网点，若不存在，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长，得到模拟的时长，再获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量，同时利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量，最后根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量，再根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数，根据物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点，完成数字孪生智慧物流的管理。因此本发明提出的数字孪生智慧物流的管理方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决货物运输方式存在运输效率低，货物堆积风险高的问题。

实施例2：

如图2所示，是本发明一实施例提供的数字孪生智慧物流的管理装置的功能模块图。

本发明所述数字孪生智慧物流的管理装置100可以安装于电子设备中。根据实现的功能，所述数字孪生智慧物流的管理装置100可以包括平均物流分拣量计算模块101、超期货物转运模块102、货物预测量模拟计算模块103及待转运货物集转运模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

所述平均物流分拣量计算模块101，用于根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，获取所述数字孪生物流模型的网点分拣总量；获取所述数字孪生物流模型中每个物流分拣网点的标准物流分拣量，根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量；

所述超期货物转运模块102，用于在所述数字孪生物流模型中提取当前物流分拣网点，提取所述当前物流分拣网点的下级物流分拣网点集；在所述下级物流分拣网点集中依次提取下级物流分拣网点，获取所述当前物流分拣网点中需要转运至下级物流分拣网点的目标转运货物集；获取所述下级物流分拣网点的当前存货量，判断所述目标转运货物集中是否存在超期货物；若所述目标转运货物集中存在超期货物，则将所述超期货物转运至所述下级物流分拣网点；

所述货物预测量模拟计算模块103，用于若所述目标转运货物集中不存在超期货物，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长；获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量；利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量；根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量；

所述待转运货物集转运模块104，用于根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数；根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点。

详细地，本发明实施例中所述数字孪生智慧物流的管理装置100中的所述各模块在使用时采用与上述的图1中所述的数字孪生智慧物流的管理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

实施例3：

如图3所示，是本发明一实施例提供的实现数字孪生智慧物流的管理方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数字孪生智慧物流的管理程序。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如数字孪生智慧物流的管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如数字孪生智慧物流的管理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的数字孪生智慧物流的管理程序是多个指令的组合，在所述处理器10中运行时，可以实现：

根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，获取所述数字孪生物流模型的网点分拣总量；

获取所述数字孪生物流模型中每个物流分拣网点的标准物流分拣量，根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量；

在所述数字孪生物流模型中提取当前物流分拣网点，提取所述当前物流分拣网点的下级物流分拣网点集；

在所述下级物流分拣网点集中依次提取下级物流分拣网点，获取所述当前物流分拣网点中需要转运至下级物流分拣网点的目标转运货物集；

获取所述下级物流分拣网点的当前存货量，判断所述目标转运货物集中是否存在超期货物；

若所述目标转运货物集中存在超期货物，则将所述超期货物转运至所述下级物流分拣网点；

若所述目标转运货物集中不存在超期货物，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长；

获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量；

利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量；

根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量；

根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数；

根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点，完成数字孪生智慧物流的管理。

具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

根据预构建的物流分拣网点集及物流线路集创建数字孪生物流模型，获取所述数字孪生物流模型的网点分拣总量；

获取所述数字孪生物流模型中每个物流分拣网点的标准物流分拣量，根据所述网点分拣总量及标准物流分拣量计算每个物流分拣网点的平均物流分拣量；

在所述数字孪生物流模型中提取当前物流分拣网点，提取所述当前物流分拣网点的下级物流分拣网点集；

在所述下级物流分拣网点集中依次提取下级物流分拣网点，获取所述当前物流分拣网点中需要转运至下级物流分拣网点的目标转运货物集；

获取所述下级物流分拣网点的当前存货量，判断所述目标转运货物集中是否存在超期货物；

若所述目标转运货物集中存在超期货物，则将所述超期货物转运至所述下级物流分拣网点；

若所述目标转运货物集中不存在超期货物，则记录在所述数字孪生物流模型中将所述目标转运货物集从所述当前物流分拣网点模拟化转运至所述下级物流分拣网点的转运时长；

获取所述下级物流分拣网点的上级物流分拣网点集，提取所述上级物流分拣网点集在所述转运时长内可转运至所述下级物流分拣网点的物流转入量；

利用所述数字孪生物流模型模拟下级物流分拣网点在所述转运时长内的物流转出量；

根据所述下级物流分拣网点的当前存货量、物流转入量及物流转出量计算所述下级物流分拣网点的货物预测量；

根据所述下级物流分拣网点的平均物流分拣量及货物预测量计算所述下级物流分拣网点的物流分拣指数；

根据所述物流分拣指数在所述下级物流分拣网点集中筛选出目标分拣网点，识别所述目标分拣网点在所述当前物流分拣网点中的待转运货物集，将所述待转运货物集转运至所述目标分拣网点，完成数字孪生智慧物流的管理。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。