任务分配数据集

该数据集由物流系统中的虚拟和模拟数据组成，包括交付事件、时间戳和其他事件详细信息。每个交付是一个任务组，包含一个取货任务和一个送货任务，且只能由同一个快递员完成。

This dataset consists of virtual and simulated data from a logistics system, including delivery events, timestamps, and other event details. Each delivery is a task group containing a pick-up task and a delivery task, which can only be completed by the same courier.

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Summer Intern Assignment 2025, Applied Science, Operations Research
• 数据集用途: 用于2025年Wolt应用科学运营研究实习生的申请考核
• 数据集类型: 模拟物流系统数据
• 数据内容: 包含配送任务的事件记录、时间戳及其他事件详情

数据集详细描述

• 数据来源: 模拟数据，不代表Wolt实际运营情况
• 数据组成:
  • 每个配送任务包含一个取件任务和一个送件任务
  • 同一配送任务的取件和送件必须由同一快递员完成
• 事件序列:
  • DeliveryCreated: 订单创建
  • DeliveryCommitted: 商家确认订单
  • PickupStarted: 快递员开始取件
  • PickupCompleted: 快递员完成取件
  • DropoffStarted: 快递员开始送件
  • DeliveryCompleted: 快递员完成送件
  • CourierArrived: 快递员到达目标位置
  • CourierWentOnline/CourierWentOffline: 快递员登录/登出应用

数据探索要求

• 生成有趣的统计数据和图表
• 展示最重要的运营特征并进行解释
• 考虑用于衡量物流绩效的指标
• 分析不同城市之间的绩效差异

运营研究问题

1. 该物流系统解决的问题类型是什么？
2. 提出一种潜在的解决方案并分析其优缺点

提交要求

• 提交内容:
  • 不超过7页的PDF演示文稿（不包括标题页）
  • 可复现的分析代码和推理过程
• 提交格式: 压缩包形式上传至云存储服务
• 注意事项:
  • 确保文件可访问
  • 不要公开存储解决方案

搜集汇总

数据集介绍

构建方式

任务分配数据集是由模拟的物流系统数据构建而成，其中包含配送事件、时间戳以及其它事件细节。数据集由配送任务组成，每个配送任务包含一个取货任务和一个送货任务，且这两个任务必须由同一位快递合作伙伴完成。数据集的事件序列包括订单创建、订单承诺、取货开始、取货完成、送货开始、配送完成、快递到达以及快递上线和下线等，为操作研究实习生提供了一个实际问题的研究场景。

特点

本数据集的特点在于其全面模拟了物流系统中的任务分配流程，涵盖了从订单创建到配送完成的各个环节。数据为模拟生成，不反映实际运营情况，为实习生提供了一个安全的环境来分析物流性能指标，评估不同城市的表现，并探索物流系统问题的解决方案。此外，数据集要求实习生以理论结合实际的方式，提出问题解决思路及其优缺点。

使用方法

使用该数据集时，实习生需加载并探索数据，展示其发现，并以PDF格式的演示文稿提交分析结果。分析应包括对数据的有意义统计和图表展示，以及对物流性能度量的考量。实习生还需回答操作研究问题，并在演示文稿中阐明解决方案的理论基础。最后，所有材料需打包成Zip文件，并通过Google Drive或Dropbox等平台提交。

背景与挑战

背景概述

任务分配数据集源于2025年夏季实习项目，由Wolt公司的应用科学部门发起，旨在选拔具有运筹学背景的实习生。该数据集包含了模拟的物流系统中的任务分配事件，如配送、时间戳和其他事件详情。此数据集的创建，是为了让实习申请者通过加载、探索数据集并展示其发现，以此来评估其解决问题和逻辑思维能力。该数据集的构建，不仅体现了Wolt公司对运筹学在物流领域应用的重视，也展示了数据驱动决策在公司战略中的核心地位。

当前挑战

该数据集的研究挑战主要围绕两个方面：一是物流系统所解决的问题，即如何高效地分配任务以提高配送效率；二是数据集构建过程中的挑战，包括模拟数据的真实性、配送事件的序列完整性以及Courier Partner行为数据的准确性。此外，申请者需在分析数据时，考虑如何选择合适的度量标准来衡量物流性能，并探讨不同度量标准之间的权衡。同时，还需回答关于物流系统问题类型及其潜在解决方式的运筹学问题，这不仅考验申请者的理论知识，也考验其分析和解决实际问题的能力。

常用场景

经典使用场景

任务分配数据集在物流系统中扮演着至关重要的角色。该数据集的经典使用场景主要涉及对物流事件的深入分析，包括订单的创建、承诺、取货、送货以及完成等各个环节的时间戳信息。通过对这些数据的细致解析，研究人员能够构建出物流流程的详细模型，进而评估不同城市或区域的物流效率，以及Courier Partners的工作表现。

衍生相关工作

基于任务分配数据集，衍生出了许多经典的相关工作，包括开发新的任务分配算法、构建物流系统模拟模型、以及设计用于评估和优化物流绩效的各种指标体系。这些相关工作不仅推动了物流领域的学术研究，也为实际物流系统的改进提供了理论支持和实践指导。

数据集最近研究

最新研究方向

任务分配数据集在物流与运筹学领域中的应用研究正日益受到重视。该数据集模拟了物流系统中任务分配的实际情景，为解决配送过程中的优化问题提供了丰富的实验基础。当前研究主要关注如何通过数据驱动的方法提高配送效率，降低物流成本。研究人员试图通过分析数据集中的事件序列，探索更有效的任务分配策略，例如使用启发式算法、元启发式算法以及机器学习模型等。这些研究有助于优化配送路线，减少等待时间，提高客户满意度，并为企业带来经济效益。此外，该数据集也为城市物流性能评估提供了有力支持，通过对比不同城市的配送数据，可识别出性能较好的城市，为其他城市提供改进的参考。