业务量极限数据处理方法、装置、计算机设备和存储介质与流程

本申请涉及数据处理技术领域，特别是涉及一种业务量极限数据处理方法、装置、计算机设备和存储介质。

背景技术：

随着电子商务的发展，物流运输业务体量日渐庞大，而运输属于时段计量任务，运输任务在开始后就意味着对该运输资源的占用，业务量就不是单纯的任务数计量，且对于不同大区、区部、片区甚至网点的不同时点的业务量极限的评估。

传统的业务量极限评估方法是通过运营管理人员主要凭经验粗略估计的运输趟次作为任务量，并根据任务量评估出业务量极限，评估方式单一且误差大，但依赖单纯的趟次计算，无法较为准确地评估每个时点真正的业务量情况，影响车辆资源的合理调配。比如b市因业务量较多，某业务的业务量指标90％，而a市因业务量较少，该业务的业务量指标只有60％，但是实际上a市或许能达到的极限只有70％，这样的情况目前只能通过人工后验和总结来进行调整，对业务量极限的评估准确性低。

技术实现要素：

基于此，有必要针对业务量极限的评估准确性低的技术问题，提供一种能够准确性的业务量极限数据处理方法、装置、计算机设备和存储介质。

一种业务量极限数据处理方法，所述方法包括：

获取业务周期，将所述业务周期按预设的时间间隔划分为多个划分时段；

获取所述业务周期内的运输任务对应的运输时段，将所述运输时段与所述划分时段进行笛卡尔积处理，得到所述运输时段与所述划分时段的投射关系；

将所述运输时段按所述投射关系投射至所述划分时段，统计投射结果中各所述划分时段内的投射频次以及所述业务周期内的总投射频次；

根据所述投射频次的数值大小，从大到小依次累加所述投射频次，得到每次累加投射频次与所述总投射频次的比值数据；

获取所述比值数据满足预设置信度要求时所述累加投射频次对应的累加对象数量，根据所述时间间隔和所述累加对象数量的乘积与所述业务周期的比值数据，确定业务量极限数据。

在其中一个实施例中，所述获取所述业务周期内的运输任务数据对应的运输时段之前，还包括：

获取所述业务周期内的运输任务，确定所述运输任务中的运输节点和运输量；

根据预设的运输节点和运输量，对所述运输任务进行筛选，得到所述运输任务数据。

在其中一个实施例中，所述将所述运输时段与所述划分时段进行笛卡尔积处理，得到所述运输时段与所述划分时段的投射关系包括：

将所述运输时段与所述划分时段进行笛卡尔积处理，得到多个有序对，其中，每个所述有序对包括一个运输时段和一个划分时段；

根据所述有序对中的运输时段与所述划分时段是否存在重叠时间，对所述有序对进行投射标识的标注处理；

根据各所述有序对的投射标识，确定所述运输时段与所述划分时段的投射关系。

在其中一个实施例中，所述根据所述有序对中的运输时段与所述划分时段是否存在重叠时间，对所述有序对进行投射标识的标注处理包括：

将所述运输时段对应的运输开始时间和运输结束时间中的任意一项处于所述划分时段的有序对，以及所述运输开始时间小于所述划分时段对应时间节点、且所述运输结束时间大于所述划分时段对应时间节点的有序对，标注为待投射数据。

在其中一个实施例中，所述根据所述有序对中的运输时段与所述划分时段是否存在重叠时间，对所述有序对进行投射标识的标注处理包括：

将所述运输时段中的运输开始时间处于所述划分时段内的有序对标注为投射起点数据，并将所述运输时段中的运输结束时间处于所述划分时段内的有序对标注为投射终点数据；

所述将所述运输时段按所述投射关系投射至所述划分时段包括：

将所述投射起点数据和所述投射终点数据，投射至以所述划分时段为投射坐标的坐标系中；

确定所述运输时段在所述坐标系中的投射起点和投射终点，连接所述投射起点和所述投射终点，得到投射结果。

在其中一个实施例中，所述将所述运输时段按所述投射关系投射至所述划分时段，统计投射结果中各所述划分时段内的投射频次以及所述业务周期内的总投射频次包括：

以所述划分时段为投射坐标，将各所述有序对按对应的投射坐标和对应的投射标识进行投射，确定各所述划分时段内对应的投射数据；

统计各所述划分时段内的投射数据的数量，确定各所述划分时段对应的投射频次；

累计各所述划分时段对应的投射频次，得到所述业务周期内的总投射频次。

在其中一个实施例中，所述获取所述比值数据满足预设置信度要求时所述累加投射频次对应的累加对象数量包括：

获取所述比值数据满足预设置信度要求时，所述累加对象中数值最小的目标投射频次；

将数值大于所述目标投射频次的划分时段的数量，标记为所述累加对象数量。

一种业务量极限数据处理装置，所述装置包括：

时段划分模块，用于获取业务周期，将所述业务周期按预设的时间间隔划分为多个划分时段；

投射关系确定模块，用于获取所述业务周期内的各项运输任务对应的运输时段，将所述运输时段与所述划分时段进行笛卡尔积处理，得到所述运输时段与所述划分时段的投射关系；

投射数据处理模块，用于将所述运输时段按所述投射关系投射至所述划分时段，统计投射结果中各所述划分时段内的投射频次以及所述业务周期内的总投射频次；

投射频次处理模块，用于根据所述投射频次的数值大小，从大到小依次累加所述投射频次，得到每次累加投射频次与所述总投射频次的比值数据；

业务量极限数据确定模块，用于获取所述比值数据满足预设置信度要求时所述累加投射频次对应的累加对象数量，根据所述时间间隔和所述累加对象数量的乘积与所述业务周期的比值数据，确定业务量极限数据。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取业务周期，将所述业务周期按预设的时间间隔划分为多个划分时段；

获取所述业务周期内的运输任务对应的运输时段，将所述运输时段与所述划分时段进行笛卡尔积处理，得到所述运输时段与所述划分时段的投射关系；

将所述运输时段按所述投射关系投射至所述划分时段，统计投射结果中各所述划分时段内的投射频次以及所述业务周期内的总投射频次；

根据所述投射频次的数值大小，从大到小依次累加所述投射频次，得到每次累加投射频次与所述总投射频次的比值数据；

获取所述比值数据满足预设置信度要求时所述累加投射频次对应的累加对象数量，根据所述时间间隔和所述累加对象数量的乘积与所述业务周期的比值数据，确定业务量极限数据。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取业务周期，将所述业务周期按预设的时间间隔划分为多个划分时段；

获取所述业务周期内的运输任务对应的运输时段，将所述运输时段与所述划分时段进行笛卡尔积处理，得到所述运输时段与所述划分时段的投射关系；

将所述运输时段按所述投射关系投射至所述划分时段，统计投射结果中各所述划分时段内的投射频次以及所述业务周期内的总投射频次；

根据所述投射频次的数值大小，从大到小依次累加所述投射频次，得到每次累加投射频次与所述总投射频次的比值数据；

获取所述比值数据满足预设置信度要求时所述累加投射频次对应的累加对象数量，根据所述时间间隔和所述累加对象数量的乘积与所述业务周期的比值数据，确定业务量极限数据。

上述业务量极限数据处理方法、装置、计算机设备和存储介质，通过将业务周期划分为多个时间段，分析业务周期内各项运输任务的运输时段与划分时段的投射关系，来确定各个划分时段的投射频次，能够将运输时段进行数据细化，通过将划分时段的投射频次的数值大小进行累加处理，确定投射频次与预设置信度的关系，可以确定出投射频次符合预设置信度的划分时段，然后根据划分时段的数量与业务周期的划分时间间隔的乘积占总业务周期的比值，即为业务量极限数据。整个方案中，取代人工的经验式分析处理，以业务周期内运输任务为数据处理对象进行分析，提供了准确的数据支撑，提高了业务量极限数据的准确性。

附图说明

图1为一个实施例中业务量极限数据处理方法的应用场景图；

图2为一个实施例中业务量极限数据处理方法的流程示意图；

图3为一个实施例中业务量极限数据处理方法中确定运输时段与划分时段的投射关系的步骤的流程示意图；

图4为另一个实施例中业务量极限数据处理方法的流程示意图；

图5为一个实施例中业务量极限数据处理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的业务量极限数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104获取业务周期，将业务周期按预设的时间间隔划分为多个划分时段，然后获取业务周期内的运输任务对应的运输时段，将运输时段与划分时段进行笛卡尔积处理，得到运输时段与划分时段的投射关系，再将运输时段按投射关系投射至划分时段，统计投射结果中各划分时段内的投射频次以及业务周期内的总投射频次，根据投射频次的数值大小，从大到小依次累加投射频次，得到每次累加投射频次与总投射频次的比值数据，最后获取比值数据满足预设置信度要求时累加投射频次对应的累加对象数量，根据时间间隔和累加对象数量的乘积与业务周期的比值数据，确定业务量极限数据并反馈给到终端102。用户可以根据终端102接收的业务量极限数据。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种业务量极限数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤s210至s250。

s210，获取业务周期，将业务周期按预设的时间间隔划分为多个划分时段。

业务周期是指待进行业务量极限评估的时间范围。在实施例中，业务周期可以是一周或半个月或一个月或其他时间范围，预设的时间间隔用于将业务周期划分为多个时间段，预设的时间间隔可以根据业务周期的时间长短进行设定，也可以根据业务量极限的评估精度进行设定，评估精度高时，可以将时间间隔设置为较小的数值，评估精度低时，可以将时间间隔设置为较大的数值。

s220，获取业务周期内的运输任务对应的运输时段，将运输时段与划分时段进行笛卡尔积处理，得到运输时段与划分时段的投射关系。

业务周期内的运输任务是指在业务周期内将一定量的物品从运输起点运输至运输终点的任务。运输任务对应的运输时段是指从运输起点出发时的时间点与到达运输终点时的时间点构成的时间段。

笛卡尔积处理是指将划分时段和运输时段分别看作一个数据集，从每个数据集中分别取一个成员，构成所有可能的有序对的过程。以划分时段构成数据集x、运输时段构成数据集y为例，有序对中第一个对象是数据集x的任意一个成员，第二个对象是数据集y的任意一个成员。所有可能有序对构成运输时段与划分时段的笛卡尔积处理结果。根据有序对中的运输时段和划分时段之间的时间交叉关系，确定该有序对中的运输时段和划分时段是否具有投射关系。在一个实施例中，将具有时间交叉关系有序对标注为待投射数据，将不具有时间交叉关系的有序对标注为非投射数据。投射是指将运输时段和划分时段中的一项投射至另一项的过程，投射关系用于表征投射时的投射位置。

s230，将运输时段按投射关系投射至划分时段，统计投射结果中各划分时段内的投射频次以及业务周期内的总投射频次。

以划分时段固定为投射坐标，根据运输时段与划分时段之间的投射关系，根据有序对中的划分时段所在的坐标位置，将该有序对投射至该坐标。在实施例中，首先根据有序对的标注的标识，确定有序对为待投射数据还是非投射数据，然后将待投射数据对应的有序对中按投射坐标投射进行投射，有序对在投射坐标中可以用数字、数点等形式进行记录，每投射一次，记录一次投射频次。将所有的待投射数据投射完成后，统计每一划分时段内的投射频次。划分时段内的投射频次表征该时段内正在执行的运输任务的数量。所有的划分时段构成业务周期，业务周期内的总频次数据为各个划分时段内正在执行的运输任务的数量的总和。

s240，根据投射频次的数值大小，从大到小依次累加投射频次，得到每次累加投射频次与总投射频次的比值数据。

每一个划分时段对应一个投射频次，投射频次越高，即该时段内正在执行运输任务数越多，根据投射频次的数值大小，对投射频次进行排序。可以理解，可以按照从大到小进行排序，也可以从小到大进行排序。根据排序结果，按数值从大到小对频次数据进行累加，累加对象中的第一个数据为数值最大的投射频次，第二个数据为数值仅小于第一个数据的投射频次，依次类推，每次累加新增一个累加对象，并计算每一次累加得到的累加投射频次与总投射频次的比值。

s250，获取比值数据满足预设置信度要求时累加投射频次对应的累加对象数量，根据时间间隔和累加对象数量的乘积与业务周期的比值数据，确定业务量极限数据。

预设置信度要求是指统计置信度，可以简单理解为结论的发生概率或可信程度。在实施例中，预设置信度可以取90％、95％、99％三个置信度，可以理解，预设置信度可以由用户根据精度要求进行选择。预设置信度要求可以是大于预设置信度，或是大于等于预设置信度。将每一次累加得到的比值数据分别与置信度进行比较，当比值数据满足预设置信度要求，即比值数据大于预设置信度，或是比值数据大于等于预设置信度时，将该比值数据对应的累加投射频次作为累加对象数量，即作为累加对象的划分时段的数量。将时间间隔与累加对象数量相乘，得到累加对象数量所占用的时间，然后确定占用的时间与业务周期比值，即可得到业务量极限数据。

上述业务量极限数据处理方法，通过将业务周期划分为多个时间段，分析业务周期内各项运输任务的运输时段与划分时段的投射关系，来确定各个划分时段的投射频次，能够将运输时段进行数据细化，通过将划分时段的投射频次的数值大小进行累加处理，确定投射频次与预设置信度的关系，可以确定出投射频次符合预设置信度的划分时段，然后根据划分时段的数量与业务周期的划分时间间隔的乘积占总业务周期的比值，即为业务量极限数据。整个方案中，取代人工的经验式分析处理，以业务周期内运输任务为数据处理对象进行分析，提供了准确的数据支撑，提高了业务量极限数据的准确性。

在一个实施例中，获取业务周期内的运输任务数据对应的运输时段之前，还包括：获取业务周期内的运输任务，确定运输任务中的运输节点和运输量。根据预设的运输节点和运输量，对运输任务进行筛选，得到运输任务数据。

业务周期内的运输任务包括运输开始时间和运输结束时间业务周期内的所有的运输任务，包括不同运输量、不同运输起点和运输终点的运输任务。筛选出运输节点和运输量相同的运输任务数据，以筛选出的运输任务作为分析对象，减少各类因素的对业务量极限数据的评估影响，从而提高业务量极限数据的评估准确性。例如，预设的运输节点包括运输起点a中转站、运输起点b网点，预设运输量为2吨，以上述预设数据为筛选条件，筛选得到符合筛选条件的运输任务数据。

在其他实施例中，还可以根据任务归属网点、任务归属片区或任务归属大区对业务周期内的运输任务进行进一步筛选，按评估目标对细化筛选，扩大了方案在各个场景的适用性。

在一个实施例中，如图3所示，确定运输时段与划分时段的投射关系的处理过程包括步骤s310至s330。

s310，将运输时段与划分时段进行笛卡尔积处理，得到多个有序对，其中，每个有序对包括一个运输时段和一个划分时段。

s320，根据有序对中的运输时段与划分时段是否存在重叠时间，对有序对进行投射标识的标注处理。

s330，根据各有序对的投射标识，确定运输时段与划分时段的投射关系。

由于每一项运输任务的出发时间和到达时间均有可能不同，通过笛卡尔积处理，将每一项运输任务对应的运输时段与每一项划分时段结合，得到有序对。由于划分时段为固定时长的时间段，运输时段是实际运输过程中运输开始时间与运输结束时间构成的时间段。当运输时段与划分时段存在重叠时间时，将有序对标注为待投射数据，即该有序对中运输时段与划分时段具有投射关系。当运输时段与划分时段不存在重叠时间时，将有序对标注为非投射数据，即该有序对中运输时段与划分时段不具有投射关系。

在其中一个实施例中，将待投射数据用1来标注，将非投射数据用0来标注，在投射时，舍去标记有0的非投射数据，将标记有1的有序对投射至有序对对应的划分时段，即可得到投射结果。

在一个实施例中，根据有序对中的运输时段与划分时段是否存在重叠时间，对有序对进行投射标识的标注处理包括：

将运输时段对应的运输开始时间和运输结束时间中的任意一项处于划分时段的有序对，以及运输开始时间小于划分时段对应时间节点、且运输结束时间大于划分时段对应时间节点的有序对，标注为待投射数据。

存在重叠时间包括三类情况，具体可以通过运输时段对应的运输开始时间和运输结束时间来确定，第一类是运输开始时间处于划分时段内，第二类是运输结束时间处于划分时段内，第三类是根据划分时段的开始时间与结束时间，运输开始时间小于划分时段的开始时间、且运输结束时间大于划分时段对应时间节点结束时间。以上三类情况均属于运输时段与划分时段是否存在重叠时间，将属于这三类情况中的任意一种的有序对标记为待投射数据。

在一个实施例中，根据有序对中的运输时段与划分时段是否存在重叠时间，对有序对进行投射标识的标注处理包括：将运输时段中的运输开始时间处于划分时段内的有序对标注为投射起点数据，并将运输时段中的运输结束时间处于划分时段内的有序对标注为投射终点数据。

将运输时段按投射关系投射至划分时段包括：将投射起点数据和投射终点数据，投射至以划分时段为投射坐标的坐标系中，确定运输时段在坐标系中的投射起点和投射终点，连接投射起点和投射终点，得到投射结果。

其中，将运输开始时间处于划分时段内的有序对标注标记为投射起点数据。将运输结束时间处于划分时段内的有序对标注为投射终点数据。通过将待投射数据进行分类，在投射过程中，将运输时间相同的有序对按标注有投射起点数据和投射终点数据投射至以划分时段为投射坐标的坐标系后，将坐标系中的对应的投射起点和投射终点连接起来，无需考虑投射中间点，减小了数据处理量，即快速可得到整个运输时段对应的投射结果。

在其他实施例中，还可以将运输开始时间小于划分时段对应时间节点、且运输结束时间大于划分时段对应时间节点的有序对，标注为中间点数据。通过将投射起点数据、中间点数据和投射终点数据分别投射至以划分时段为投射坐标的坐标系中，即可得到整个运输时段对应的投射结果，这种投射方式是用于考虑仅有运输终点时间或是仅有运输起点时间在业务周期内的特殊运输任务的情况。

在一个实施例中，如图4所示，将运输时段按投射关系投射至划分时段，统计投射结果中各划分时段内的投射频次以及业务周期内的总投射频次包括步骤s410至s430。

s410，以划分时段为投射坐标，将各有序对按对应的投射坐标和对应的投射标识进行投射，确定各划分时段内对应的投射数据。

s420，统计各划分时段内的投射数据的数量，确定各划分时段对应的投射频次。

s430，累计各划分时段对应的投射频次，得到业务周期内的总投射频次。

以划分时段为第一投射坐标，以运输任务数据中携带的任务标号为第二投射坐标，建立坐标系，将携带有非投射数据的有序对丢弃，将携带有待投射数据的有序对按对应的投射坐标进行投射，统计第一投射坐标中每个坐标点对应的投射数据，确定各划分时段内对应的投射数据。在一个实施例中，将划分时段对应的各个时间点作为坐标系的坐标点。根据每两个相邻坐标点之间的投射数据的数量，确定由该坐标点构成的划分时段的投射数据。

在一个实施例，获取比值数据满足预设置信度要求时累加投射频次对应的累加对象数量包括：

获取比值数据满足预设置信度要求时，累加对象中数值最小的目标投射频次；将数值大于目标投射频次的划分时段的数量，标记为累加对象数量。

由于在计算过程中，采用的由大到小的累加方式，根据比值数据满足预设置信度要求时的累加对象，确定累加对象中数值最小的目标投射频次，将目标投射频次作为阈值，选取所有大于阈值的划分时段，选取的划分时段的数量即为用于计算业务量极限数据的累加对象数量，避免了当同时出现多个数值相同且均为数值最小的数据给计算结果带来的影响，提高了业务量极限数据的准确性。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种业务量极限数据处理装置，包括：时段划分模块510、投射关系确定模块520、投射数据处理模块530、投射频次处理模块540和业务量极限数据确定模块550，其中：

时段划分模块510，用于获取业务周期，将业务周期按预设的时间间隔划分为多个划分时段。

投射关系确定模块520，用于获取业务周期内的各项运输任务对应的运输时段，将运输时段与划分时段进行笛卡尔积处理，得到运输时段与划分时段的投射关系。

投射数据处理模块530，用于将运输时段按投射关系投射至划分时段，统计投射结果中各划分时段内的投射频次以及业务周期内的总投射频次。

投射频次处理模块540，用于根据投射频次的数值大小，从大到小依次累加投射频次，得到每次累加投射频次与总投射频次的比值数据。

业务量极限数据确定模块550，用于获取比值数据满足预设置信度要求时累加投射频次对应的累加对象数量，根据时间间隔和累加对象数量的乘积与业务周期的比值数据，确定业务量极限数据。

上述业务量极限数据处理装置，通过将业务周期划分为多个时间段，分析业务周期内各项运输任务的运输时段与划分时段的投射关系，来确定各个划分时段的投射频次，能够将运输时段进行数据细化，通过将划分时段的投射频次的数值大小进行累加处理，确定投射频次与预设置信度的关系，可以确定出投射频次符合预设置信度的划分时段，然后根据划分时段的数量与业务周期的划分时间间隔的乘积占总业务周期的比值，即为业务量极限数据。整个方案中，取代人工的经验式分析处理，以业务周期内运输任务为数据处理对象进行分析，提供了准确的数据支撑，提高了业务量极限数据的准确性。

在一个实施例中，业务量极限数据处理装置还包括运输任务筛选模块，用于获取业务周期内的运输任务，确定运输任务中的运输节点和运输量；根据预设的运输节点和运输量，对运输任务进行筛选，得到运输任务数据。

在一个实施例中，投射关系确定模块520，还包括笛卡尔积处理单元、标注单元以及投射关系确定单元。

笛卡尔积处理单元，用于将运输时段与划分时段进行笛卡尔积处理，得到多个有序对，其中，每个有序对包括一个运输时段和一个划分时段。

标注单元，用于根据有序对中的运输时段与划分时段是否存在重叠时间，对有序对进行投射标识的标注处理。

投射关系确定单元，用于根据各有序对的投射标识，确定运输时段与划分时段的投射关系。

在一个实施例中，标注单元，还用于将运输时段对应的运输开始时间和运输结束时间中的任意一项处于划分时段的有序对，以及运输开始时间小于划分时段对应时间节点、且运输结束时间大于划分时段对应时间节点的有序对，标注为待投射数据。

在其中一个实施例中，标注单元，还用于将运输时段中的运输开始时间处于划分时段内的有序对标注为投射起点数据，并将运输时段中的运输结束时间处于划分时段内的有序对标注为投射终点数据。投射数据处理模块，还用于将投射起点数据和投射终点数据，投射至以划分时段为投射坐标的坐标系中；确定运输时段在坐标系中的投射起点和投射终点，连接投射起点和投射终点，得到投射结果。

在一个实施例中，投射数据处理模块530，还用于以划分时段为投射坐标，将各有序对按对应的投射坐标和对应的投射标识进行投射，确定各划分时段内对应的投射数据；统计各划分时段内的投射数据的数量，确定各划分时段对应的投射频次；累计各划分时段对应的投射频次，得到业务周期内的总投射频次。

在其中一个实施例中，业务量极限数据确定模块550，还用于获取比值数据满足预设置信度要求时，累加对象中数值最小的目标投射频次，将数值大于目标投射频次的划分时段的数量，标记为累加对象数量。

关于业务量极限数据处理装置的具体限定可以参见上文中对于业务量极限数据处理方法的限定，在此不再赘述。上述业务量极限数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储业务量极限数据处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种业务量极限数据处理方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取业务周期，将业务周期按预设的时间间隔划分为多个划分时段；

获取业务周期内的运输任务对应的运输时段，将运输时段与划分时段进行笛卡尔积处理，得到运输时段与划分时段的投射关系；

将运输时段按投射关系投射至划分时段，统计投射结果中各划分时段内的投射频次以及业务周期内的总投射频次；

根据投射频次的数值大小，从大到小依次累加投射频次，得到每次累加投射频次与总投射频次的比值数据；

获取比值数据满足预设置信度要求时累加投射频次对应的累加对象数量，根据时间间隔和累加对象数量的乘积与业务周期的比值数据，确定业务量极限数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取业务周期内的运输任务，确定运输任务中的运输节点和运输量；

根据预设的运输节点和运输量，对运输任务进行筛选，得到运输任务数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将运输时段与划分时段进行笛卡尔积处理，得到多个有序对，其中，每个有序对包括一个运输时段和一个划分时段；

根据有序对中的运输时段与划分时段是否存在重叠时间，对有序对进行投射标识的标注处理；

根据各有序对的投射标识，确定运输时段与划分时段的投射关系。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将运输时段对应的运输开始时间和运输结束时间中的任意一项处于划分时段的有序对，以及运输开始时间小于划分时段对应时间节点、且运输结束时间大于划分时段对应时间节点的有序对，标注为待投射数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将运输时段中的运输开始时间处于划分时段内的有序对标注为投射起点数据，并将运输时段中的运输结束时间处于划分时段内的有序对标注为投射终点数据；

将投射起点数据和投射终点数据，投射至以划分时段为投射坐标的坐标系中；

确定运输时段在坐标系中的投射起点和投射终点，连接投射起点和投射终点，得到投射结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

以划分时段为投射坐标，将各有序对按对应的投射坐标和对应的投射标识进行投射，确定各划分时段内对应的投射数据；

统计各划分时段内的投射数据的数量，确定各划分时段对应的投射频次；

累计各划分时段对应的投射频次，得到业务周期内的总投射频次。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取比值数据满足预设置信度要求时，累加对象中数值最小的目标投射频次；

将数值大于目标投射频次的划分时段的数量，标记为累加对象数量。

上述用于实现业务量极限数据处理方法的计算机设备，通过将业务周期划分为多个时间段，分析业务周期内各项运输任务的运输时段与划分时段的投射关系，来确定各个划分时段的投射频次，能够将运输时段进行数据细化，通过将划分时段的投射频次的数值大小进行累加处理，确定投射频次与预设置信度的关系，可以确定出投射频次符合预设置信度的划分时段，然后根据划分时段的数量与业务周期的划分时间间隔的乘积占总业务周期的比值，即为业务量极限数据。整个方案中，取代人工的经验式分析处理，以业务周期内运输任务为数据处理对象进行分析，提供了准确的数据支撑，提高了业务量极限数据的准确性。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取业务周期，将业务周期按预设的时间间隔划分为多个划分时段；

获取业务周期内的运输任务对应的运输时段，将运输时段与划分时段进行笛卡尔积处理，得到运输时段与划分时段的投射关系；

将运输时段按投射关系投射至划分时段，统计投射结果中各划分时段内的投射频次以及业务周期内的总投射频次；

根据投射频次的数值大小，从大到小依次累加投射频次，得到每次累加投射频次与总投射频次的比值数据；

获取比值数据满足预设置信度要求时累加投射频次对应的累加对象数量，根据时间间隔和累加对象数量的乘积与业务周期的比值数据，确定业务量极限数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取业务周期内的运输任务，确定运输任务中的运输节点和运输量；

根据预设的运输节点和运输量，对运输任务进行筛选，得到运输任务数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将运输时段与划分时段进行笛卡尔积处理，得到多个有序对，其中，每个有序对包括一个运输时段和一个划分时段；

根据有序对中的运输时段与划分时段是否存在重叠时间，对有序对进行投射标识的标注处理；

根据各有序对的投射标识，确定运输时段与划分时段的投射关系。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将运输时段对应的运输开始时间和运输结束时间中的任意一项处于划分时段的有序对，以及运输开始时间小于划分时段对应时间节点、且运输结束时间大于划分时段对应时间节点的有序对，标注为待投射数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将运输时段中的运输开始时间处于划分时段内的有序对标注为投射起点数据，并将运输时段中的运输结束时间处于划分时段内的有序对标注为投射终点数据；

将投射起点数据和投射终点数据，投射至以划分时段为投射坐标的坐标系中；

确定运输时段在坐标系中的投射起点和投射终点，连接投射起点和投射终点，得到投射结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

以划分时段为投射坐标，将各有序对按对应的投射坐标和对应的投射标识进行投射，确定各划分时段内对应的投射数据；

统计各划分时段内的投射数据的数量，确定各划分时段对应的投射频次；

累计各划分时段对应的投射频次，得到业务周期内的总投射频次。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取比值数据满足预设置信度要求时，累加对象中数值最小的目标投射频次；

将数值大于目标投射频次的划分时段的数量，标记为累加对象数量。

上述用于实现业务量极限数据处理方法的计算机可读存储介质，通过将业务周期划分为多个时间段，分析业务周期内各项运输任务的运输时段与划分时段的投射关系，来确定各个划分时段的投射频次，能够将运输时段进行数据细化，通过将划分时段的投射频次的数值大小进行累加处理，确定投射频次与预设置信度的关系，可以确定出投射频次符合预设置信度的划分时段，然后根据划分时段的数量与业务周期的划分时间间隔的乘积占总业务周期的比值，即为业务量极限数据。整个方案中，取代人工的经验式分析处理，以业务周期内运输任务为数据处理对象进行分析，提供了准确的数据支撑，提高了业务量极限数据的准确性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。