CN113988628A - 一种atm机位置确定方法及*** - Google Patents
一种atm机位置确定方法及*** Download PDFInfo
- Publication number
- CN113988628A CN113988628A CN202111263679.XA CN202111263679A CN113988628A CN 113988628 A CN113988628 A CN 113988628A CN 202111263679 A CN202111263679 A CN 202111263679A CN 113988628 A CN113988628 A CN 113988628A
- Authority
- CN
- China
- Prior art keywords
- atm
- area
- determining
- node
- characteristic 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 46
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 230000005855 radiation Effects 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000015654 memory Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种ATM机位置确定方法及***,可应用于人工智能领域或金融领域,包括:获取已有ATM机的定位信息,并基于定位信息构建ATM机网状分布图;响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,覆盖范围是根据ATM机的辐射半径确定的;基于通信信息,确定未被覆盖的缺口区域;根据ATM机网状分布图,获取缺口区域对应的ATM机的交易特征数据,并基于交易特征数据,在缺口区域中确定目标区域,目标区域为新建ATM机的位置区域。本发明通过ATM位置信息结合对应的交易数据能够自动确定目标区域,实现了降低ATM位置确定的人力成本,提升了选取位置的准确性,满足了实际需求。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种ATM机位置确定方法及***。
背景技术
随着社会经济、道路建设的发展,城市扩张越发的频繁,住宅区、商业区也逐渐增多,同时带动周围配套设施的发展,进一步带动附近经济、人口的增加。但往往在该区域中,ATM存取款机(简称ATM机)放置点没有及时、合理的更新,导致ATM机的服务范围没有完全覆盖该区域、或覆盖区域不合理。当客户需要存、取现金或进行现金转账的时候,由于附近没有ATM机,往往需要前往较远的离行式ATM机进行现金操作,导致客户无法及时完成交易,给生活带来了极大的不便,甚至影响客户的相关事务,极大地降低了客户体验。
传统的ATM机主要分为依附式和离行式,机具一般不具有自主定位功能。其中,依附式ATM机所放置的位置通常是依附于银行营业网点,或在网点附近放置,与网点有绑定的性质,其服务的辐射范围与网点服务辐射范围重合,导致二者无法充分利用各种的业务服务范围;离行式ATM机通常经过工作人员大量调研、分析,一般处于较为繁华的商业地段,但往往一台ATM的位置确定会耗费大量的人力,并且是基于调研人员的主观分析确定的位置,容易出现位置的选取的偏差,使得确定的位置不准确。
发明内容
针对于上述问题,本发明提供一种ATM机位置确定方法及***,实现了降低ATM位置确定的人力成本,提升了选取位置的准确性,满足了实际需求。
为了实现上述目的,本发明提供了如下技术方案:
一种ATM机位置确定方法,包括:
获取已有ATM机的定位信息,并基于所述定位信息构建ATM机网状分布图;
响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,所述覆盖范围是根据ATM机的辐射半径确定的;
基于所述通信信息,确定未被覆盖的缺口区域;
根据所述ATM机网状分布图,获取所述缺口区域对应的ATM机的交易特征数据,并基于所述交易特征数据,在所述缺口区域中确定目标区域,所述目标区域为新建ATM机的位置区域。
可选地,所述基于所述通信信息,确定未被覆盖的缺口区域,包括:
基于所述通信信息,确定边缘节点,其中,每一节点对应一ATM机;
检测所述边缘节点是否为互为一跳邻居;
如果是,确定互为一跳邻居的节点是否可以形成闭合区域;
如果是,将所述闭合区域所包围的范围确定为缺口区域。
可选地,所述基于所述通信信息,确定边缘节点,包括:
获取与每一节点对应的一跳邻居节点集合,所述每一节点对应每一ATM机;
检测所述一跳邻居节点集合是否可以形成闭合区域;
如果否,将所述节点确定为边缘节点;
如果是,判断形成的闭合区域是否包围所述节点;
如果否,将所述节点确定为边缘节点。
可选地,所述基于所述交易特征数据,在所述缺口区域中确定目标区域,包括:
将所述交易特征数据和所述缺口区域输入至目标识别模型,获得各个缺口区域对应的参考系数;
基于所述参考系数,确定目标区域;
其中,所述目标识别模型为基于训练样本训练得到的神经网络模型,所述训练样本为基于缺口区域周围所有ATM机对应的交易特征数据生成的。
可选地,所述获取已有ATM机的定位信息,包括:
根据各个ATM机之间的通信信息,确定各个ATM机的定位信息。
一种ATM机位置确定***,包括:
构建单元,用于获取已有ATM机的定位信息,并基于所述定位信息构建ATM机网状分布图;
获取单元,用于响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,所述覆盖范围是根据ATM机的辐射半径确定的;
第一确定单元,用于基于所述通信信息,确定未被覆盖的缺口区域;
第二确定单元,用于根据所述ATM机网状分布图,获取所述缺口区域对应的ATM机的交易特征数据,并基于所述交易特征数据,在所述缺口区域中确定目标区域,所述目标区域为新建ATM机的位置区域。
可选地,所述第一确定单元包括:
第一确定子单元,用于基于所述通信信息,确定边缘节点,其中,每一节点对应一ATM机;
检测子单元,用于检测所述边缘节点是否为互为一跳邻居;
第二确定子单元,用于如果是,确定互为一跳邻居的节点是否可以形成闭合区域;
第三确定子单元,用于如果是,将所述闭合区域所包围的范围确定为缺口区域。
可选地,所述第一确定子单元具体用于:
获取与每一节点对应的一跳邻居节点集合,所述每一节点对应每一ATM机;
检测所述一跳邻居节点集合是否可以形成闭合区域;
如果否,将所述节点确定为边缘节点;
如果是,判断形成的闭合区域是否包围所述节点;
如果否,将所述节点确定为边缘节点。
可选地,所述第二确定单元包括:
模型处理子单元,用于将所述交易特征数据和所述缺口区域输入至目标识别模型,获得各个缺口区域对应的参考系数;
第四确定子单元,用于基于所述参考系数,确定目标区域;
其中,所述目标识别模型为基于训练样本训练得到的神经网络模型,所述训练样本为基于缺口区域周围所有ATM机对应的交易特征数据生成的。
可选地,所述构建单元包括:
第五确定子单元,用于根据各个ATM机之间的通信信息,确定各个ATM机的定位信息。
相较于现有技术,本发明提供了一种ATM机位置确定方法及***,包括:获取已有ATM机的定位信息,并基于定位信息构建ATM机网状分布图;响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,覆盖范围是根据ATM机的辐射半径确定的;基于通信信息,确定未被覆盖的缺口区域;根据ATM机网状分布图,获取缺口区域对应的ATM机的交易特征数据,并基于交易特征数据,在缺口区域中确定目标区域,目标区域为新建ATM机的位置区域。本发明通过ATM位置信息结合对应的交易数据能够自动确定目标区域,实现了降低ATM位置确定的人力成本,提升了选取位置的准确性,满足了实际需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种一种ATM机位置确定方法的流程示意图;
图2为本发明实施例提供的一种闭合圆示意图;
图3为本发明实施例提供的节点F的邻居节点的示意图;
图4为本发明实施例提供的确定目标区域的示意图;
图5为本发明实施例提供的一种ATM机位置确定***的结构示意图。
具体实施方式
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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在本发明提供的ATM机位置确定方法及***可用于金融领域或其他领域,例如,可应用于金融领域的中的ATM布局应用场景。其他领域为除金融领域之外的任意领域,例如,城市数据处理领域。上述仅为示例,并不对本发明的ATM机位置确定方法的应用领域进行限定。
参见图1,为本发明实施例提供的一种ATM机位置确定方法的流程示意图,该方法可以包括:
S101、获取已有ATM机的定位信息,并基于所述定位信息构建ATM机网状分布图。
各ATM机具应具有定位功能,通过机具的自定位,构建ATM机具分布网络拓扑图,使各机具的位置更加明确。
S102、响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息。
S103、基于所述通信信息,确定未被覆盖的缺口区域。
所述覆盖范围是根据ATM机的辐射半径确定的,给定机具通信半径,各机具之间可以与自身覆盖范围之内的机具之间相互通信,通过机具之间的相互通信,定位出具有未被覆盖的缺口部分。
S104、根据所述ATM机网状分布图,获取所述缺口区域对应的ATM机的交易特征数据,并基于所述交易特征数据,在所述缺口区域中确定目标区域。
所述目标区域为新建ATM机的位置区域。依据机具建立的网络分布图,实现机具之间属性的共享,包括但不限于机具的使用频率,交易频率(这些属性可直观反映机具辐射范围的繁荣度,进一步辅助机具扩大范围覆盖)。结合大数据算、人工智能法,挖掘共享属性的价值信息,定位出具有潜在价值的缺口,利用机具网络的自拓展性,填补网络缺口,实现机具定位的智能自决策。
本发明实施例提供了一种ATM机位置确定方法,包括:获取已有ATM机的定位信息,并基于定位信息构建ATM机网状分布图;响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,覆盖范围是根据ATM机的辐射半径确定的;基于通信信息,确定未被覆盖的缺口区域;根据ATM机网状分布图,获取缺口区域对应的ATM机的交易特征数据,并基于交易特征数据,在缺口区域中确定目标区域,目标区域为新建ATM机的位置区域。本发明通过ATM位置信息结合对应的交易数据能够自动确定目标区域,实现了降低ATM位置确定的人力成本,提升了选取位置的准确性,满足了实际需求。
在本发明实施例中,所述获取已有ATM机的定位信息,包括:根据各个ATM机之间的通信信息,确定各个ATM机的定位信息。
在构建ATM机网状分布图,根据ATM机具内置的定位***获取机具自身的定位后,创建机具网状分布图。该分布图对于机具来说是透明的,机具并不知道彼此的位置,需要通过机具间的通信来确定彼此的位置。ATM机器会有个以自己为圆心的通信范围,不同的ATM机器可以通过彼此进行通信来进行信息传递。
在一种实施方式中,所述基于所述通信信息,确定未被覆盖的缺口区域,包括:
基于所述通信信息,确定边缘节点,其中,每一节点对应一ATM机;
检测所述边缘节点是否为互为一跳邻居;
如果是,确定互为一跳邻居的节点是否可以形成闭合区域;
如果是,将所述闭合区域所包围的范围确定为缺口区域。
在本发明实施例中,使用缺口搜索方法寻找机具无法覆盖缺口处。首先,每台机具都赋予相同的辐射半径,用该半径扫过的区域构成的圆来表示其服务范围。同时将可以相互通信的机具定义为机具的邻居,一台机具仅与其互为邻居的机具进行通信。由于ATM机具拥有定位功能,可以明确自己的位置,每一台ATM在其邻居机器中寻找两台距离其最近且未被选中的机器,以此类推,直至第一台机器被重复选中,此时,所有被选中的机器组合在一起可以看做一个圆。
如图2所示,图2为本发明实施例提供的一种闭合圆示意图。节点A-E为节点F的一跳邻居节点,以A开始(这里可以以任意节点为起点),遍历其一跳邻居节点(参见图3)到两个闭合圆{A,B,C,D,E,A}和{A,E,D,C,B,A}即为一个闭合圆。
图3为本发明实施例提供的节点F的邻居节点的示意图。若节点F的邻居节点可以形成一个闭合环,并将节点F包围其中,那么,节点F被视为内部节点,否则,被视为边缘处的节点。所有边缘处的节点互相通信判断,是否可形成一个圆形(此处可依据高斯定理,一个平面是由闭合曲线将其分为内外两个部分,所以如果缺口存在,那么,边缘处的节点必然可通信成为一个闭合环。)若该闭合环中没有ATM,则该“圆形”内部存在一个缺口,此时内部属于空缺部分,没有被ATM机器服务范围覆盖。该缺口的寻找需先寻找到图中边缘节点,边缘节点所围成的圆周形成一块未被机具服务范围覆盖的缺口。
利用邻居之间进行通信判断,若该“圆形”中没有ATM,则该“圆形”内部存在一个缺口,此时内部属于空缺部分,没有被ATM机器服务范围覆盖。该缺口的寻找需先寻找到ATM机网状分布图中边缘节点,边缘节点所围成的圆周形成一块未被机具服务范围覆盖的缺口。
具体的,所述基于所述通信信息,确定边缘节点,包括:获取与每一节点对应的一跳邻居节点集合,所述每一节点对应每一ATM机;检测所述一跳邻居节点集合是否可以形成闭合区域;如果否,将所述节点确定为边缘节点;如果是,判断形成的闭合区域是否包围所述节点;如果否,将所述节点确定为边缘节点。
举例说明,寻找边缘节点的方法流程包括:
(1)每个节点Ni先找到其一跳邻居集合N={Ni1,Ni2,...Nin}。
(2)判断他的邻居节点集合N是否可以形成一个闭合区域。
(3)如果无法形成闭合区域,则该邻居节点集合N必然存在缺口,则该点一定是边缘节点。
(4)若它的边缘节点可以形成闭合区域,判断该闭合区域是否包围该节点。
(5)若闭合区域不包围该节点,该节点在闭合区域外部,必然为边缘节点,若闭合区域包围该节点,则该节点在区域内部,且区域内没有未被节点范围覆盖的地方,即闭合区域内部无缺口。
如图4所示,为确定目标区域的示意图,其中,a的一跳邻居节点为{A、B、c、b},这四个一跳邻居节点可以形成{A、B、c、b}的闭合圆,此时a在圆内,故a不是边缘节点。
再取机具A,A的一跳邻居节点为{B、a、b、d、F}而F和B距离较远,非一跳邻居节点,故F和B不能直接相连,故{B、a、b、d、F}无法组成一个闭合圆,形成缺口;另外,节点a,b,d可以形成一个闭合环,但是该闭合环没有包围节点A。所以A是边缘节点,遍历所有的点,找出所有边缘节点{A,B,C,D,E,F,d,b,c}此时可形成{B,C,D,E,F,d,b,A,B}的由边缘节点组成的闭合区域,其内部必存在缺口即未被ATM通信范围覆盖的地方,所以需再内部添加新ATM机具。
当找到所有的边缘点后,判断哪些边缘点是互为一跳邻居。若一些互为一跳邻居的节点形成一个闭合区域,那么该闭合区域所包围的范围为缺口。由于最外层的机具点必然是边缘节点,则会出现外部的无穷缺口,这种情况应该将该缺口抛弃掉。
在一种实现方式中,所述基于所述交易特征数据,在所述缺口区域中确定目标区域,包括:
将所述交易特征数据和所述缺口区域输入至目标识别模型,获得各个缺口区域对应的参考系数;基于所述参考系数,确定目标区域;其中,所述目标识别模型为基于训练样本训练得到的神经网络模型,所述训练样本为基于缺口区域周围所有ATM机对应的交易特征数据生成的。
具体的,确定目标区域即计算具有潜在价值部署ATM的区域。仅依据机器定位的缺口以及其范围大小无法准确的判断出真正具有潜在价值的位置,因此需要对已发现的缺口进行筛选。对缺口周围的机具自设立以来的历史交易流水等信息提取特征值,如交易的时间段、时间范围内的交易量,交易金额等特征数据,如有必要可进行脱敏处理,之后结合BP神经网络,利用GA-BP神经网络模型进行训练,并用测试样本对模型进行验证准确率。例如这里可以使用交易关注的正向数据作为分子P,交易时间区间作为分母T,用设置合理的P/T阈值,P/T越大,则该机具周围越有发展空间,该机具可被列入扩张拓扑网络节点中。通过GA-BP神经网络模型预测后,若该缺口周围的机具具有潜在发展能力的数量超过预设的给定阈值h则可以在节点周围设置新的ATM机具,从而实现机具的自决策。在机器的自决策中可以结合地图,人为确定小区密集或繁华商业点,标记在该附近的区域可设置ATM,否则不进行部署,辅助最后的决策,达到决策的精准和针对性。
在本发明实施例中主要结合现有机具位置信息,结合区域发展状况,建立一个有效的离行式ATM取款机位置智能自决策***,可以及时发现具有潜在价值的服务区域,从而给出合理的机具位置放置信息,以实现服务区域的无盲点覆盖,极大地节约人力、物力,且具有较高的准确度,可直接提高周围用户的体验度。
参见图5,在本发明实施例中还提供了一种ATM机位置确定***,包括:
构建单元10,用于获取已有ATM机的定位信息,并基于所述定位信息构建ATM机网状分布图;
获取单元20,用于响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,所述覆盖范围是根据ATM机的辐射半径确定的;
第一确定单元30,用于基于所述通信信息,确定未被覆盖的缺口区域;
第二确定单元40,用于根据所述ATM机网状分布图,获取所述缺口区域对应的ATM机的交易特征数据,并基于所述交易特征数据,在所述缺口区域中确定目标区域,所述目标区域为新建ATM机的位置区域。
可选地,所述第一确定单元包括:
第一确定子单元,用于基于所述通信信息,确定边缘节点,其中,每一节点对应一ATM机;
检测子单元,用于检测所述边缘节点是否为互为一跳邻居;
第二确定子单元,用于如果是,确定互为一跳邻居的节点是否可以形成闭合区域;
第三确定子单元,用于如果是,将所述闭合区域所包围的范围确定为缺口区域。
可选地,所述第一确定子单元具体用于:
获取与每一节点对应的一跳邻居节点集合,所述每一节点对应每一ATM机;
检测所述一跳邻居节点集合是否可以形成闭合区域;
如果否,将所述节点确定为边缘节点;
如果是,判断形成的闭合区域是否包围所述节点;
如果否,将所述节点确定为边缘节点。
可选地,所述第二确定单元包括:
模型处理子单元,用于将所述交易特征数据和所述缺口区域输入至目标识别模型,获得各个缺口区域对应的参考系数;
第四确定子单元,用于基于所述参考系数,确定目标区域;
其中,所述目标识别模型为基于训练样本训练得到的神经网络模型,所述训练样本为基于缺口区域周围所有ATM机对应的交易特征数据生成的。
可选地,所述构建单元包括:
第五确定子单元,用于根据各个ATM机之间的通信信息,确定各个ATM机的定位信息。
本发明实施例提供了一种ATM机位置确定***,包括:获取已有ATM机的定位信息,并基于定位信息构建ATM机网状分布图;响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,覆盖范围是根据ATM机的辐射半径确定的;基于通信信息,确定未被覆盖的缺口区域;根据ATM机网状分布图,获取缺口区域对应的ATM机的交易特征数据,并基于交易特征数据,在缺口区域中确定目标区域,目标区域为新建ATM机的位置区域。本发明通过ATM位置信息结合对应的交易数据能够自动确定目标区域,实现了降低ATM位置确定的人力成本,提升了选取位置的准确性,满足了实际需求。
基于前述实施例,本发明的实施例提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项的ATM机位置确定方法的步骤。
本发明实施例还提供了一种电子设备,包括存储器、处理器以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程序时实现的ATM机位置确定方法的步骤。
需要说明的是,上述处理器或CPU可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital SignalProcessing Device,DSPD)、可编程逻辑装置(Programmable Logic Device,PLD)、现场可编程门阵列(Field Programmable GateArray,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本发明实施例不作具体限定。
需要说明的是,上述计算机存储介质/存储器可以是只读存储器(ReadOnlyMemory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(FlashMemory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,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单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本发明所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本发明所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种ATM机位置确定方法,其特征在于,包括:
获取已有ATM机的定位信息,并基于所述定位信息构建ATM机网状分布图;
响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,所述覆盖范围是根据ATM机的辐射半径确定的;
基于所述通信信息,确定未被覆盖的缺口区域;
根据所述ATM机网状分布图,获取所述缺口区域对应的ATM机的交易特征数据,并基于所述交易特征数据,在所述缺口区域中确定目标区域,所述目标区域为新建ATM机的位置区域。
2.根据权利要求1所述的方法,其特征在于,所述基于所述通信信息,确定未被覆盖的缺口区域,包括:
基于所述通信信息,确定边缘节点,其中,每一节点对应一ATM机;
检测所述边缘节点是否为互为一跳邻居;
如果是,确定互为一跳邻居的节点是否可以形成闭合区域;
如果是,将所述闭合区域所包围的范围确定为缺口区域。
3.根据权利要求2所述的方法,其特征在于,所述基于所述通信信息,确定边缘节点,包括:
获取与每一节点对应的一跳邻居节点集合,所述每一节点对应每一ATM机;
检测所述一跳邻居节点集合是否可以形成闭合区域;
如果否,将所述节点确定为边缘节点;
如果是,判断形成的闭合区域是否包围所述节点;
如果否,将所述节点确定为边缘节点。
4.根据权利要求1所述的方法,其特征在于,所述基于所述交易特征数据,在所述缺口区域中确定目标区域,包括:
将所述交易特征数据和所述缺口区域输入至目标识别模型,获得各个缺口区域对应的参考系数;
基于所述参考系数,确定目标区域;
其中,所述目标识别模型为基于训练样本训练得到的神经网络模型,所述训练样本为基于缺口区域周围所有ATM机对应的交易特征数据生成的。
5.根据权利要求1所述的方法,其特征在于,所述获取已有ATM机的定位信息,包括:
根据各个ATM机之间的通信信息,确定各个ATM机的定位信息。
6.一种ATM机位置确定***,其特征在于,包括:
构建单元,用于获取已有ATM机的定位信息,并基于所述定位信息构建ATM机网状分布图;
获取单元,用于响应于每一ATM机与自身覆盖范围之内的ATM机进行通信,获得通信信息,所述覆盖范围是根据ATM机的辐射半径确定的;
第一确定单元,用于基于所述通信信息,确定未被覆盖的缺口区域;
第二确定单元,用于根据所述ATM机网状分布图,获取所述缺口区域对应的ATM机的交易特征数据,并基于所述交易特征数据,在所述缺口区域中确定目标区域,所述目标区域为新建ATM机的位置区域。
7.根据权利要求6所述的***,其特征在于,所述第一确定单元包括:
第一确定子单元,用于基于所述通信信息,确定边缘节点,其中,每一节点对应一ATM机;
检测子单元,用于检测所述边缘节点是否为互为一跳邻居;
第二确定子单元,用于如果是,确定互为一跳邻居的节点是否可以形成闭合区域;
第三确定子单元,用于如果是,将所述闭合区域所包围的范围确定为缺口区域。
8.根据权利要求7所述的装置,其特征在于,所述第一确定子单元具体用于:
获取与每一节点对应的一跳邻居节点集合,所述每一节点对应每一ATM机;
检测所述一跳邻居节点集合是否可以形成闭合区域;
如果否,将所述节点确定为边缘节点;
如果是,判断形成的闭合区域是否包围所述节点;
如果否,将所述节点确定为边缘节点。
9.根据权利要求1所述的方法,其特征在于,所述第二确定单元包括:
模型处理子单元,用于将所述交易特征数据和所述缺口区域输入至目标识别模型,获得各个缺口区域对应的参考系数;
第四确定子单元,用于基于所述参考系数,确定目标区域;
其中,所述目标识别模型为基于训练样本训练得到的神经网络模型,所述训练样本为基于缺口区域周围所有ATM机对应的交易特征数据生成的。
10.根据权利要求1所述的方法,其特征在于,所述构建单元包括:
第五确定子单元,用于根据各个ATM机之间的通信信息,确定各个ATM机的定位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111263679.XA CN113988628A (zh) | 2021-10-28 | 2021-10-28 | 一种atm机位置确定方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111263679.XA CN113988628A (zh) | 2021-10-28 | 2021-10-28 | 一种atm机位置确定方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113988628A true CN113988628A (zh) | 2022-01-28 |
Family
ID=79743476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111263679.XA Pending CN113988628A (zh) | 2021-10-28 | 2021-10-28 | 一种atm机位置确定方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113988628A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105357732A (zh) * | 2015-12-10 | 2016-02-24 | 中北大学 | 不依赖位置信息的无线传感器网络边缘节点识别方法 |
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN110378737A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 一种网点布局评估方法及装置 |
US10531299B1 (en) * | 2019-02-28 | 2020-01-07 | Capital One Services, Llc | Method and system for localizing and identifying mobile device using short-range mesh network nodes |
CN111383051A (zh) * | 2020-03-02 | 2020-07-07 | 杭州比智科技有限公司 | 实体对象的选址方法、装置、计算设备及计算机存储介质 |
CN111414490A (zh) * | 2020-04-07 | 2020-07-14 | 中国建设银行股份有限公司 | 确定失联修复信息的方法、装置、电子设备和存储介质 |
CN113128773A (zh) * | 2021-04-23 | 2021-07-16 | 中国工商银行股份有限公司 | 地址预测模型的训练方法、地址预测方法及装置 |
-
2021
- 2021-10-28 CN CN202111263679.XA patent/CN113988628A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105357732A (zh) * | 2015-12-10 | 2016-02-24 | 中北大学 | 不依赖位置信息的无线传感器网络边缘节点识别方法 |
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
US10531299B1 (en) * | 2019-02-28 | 2020-01-07 | Capital One Services, Llc | Method and system for localizing and identifying mobile device using short-range mesh network nodes |
CN110378737A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 一种网点布局评估方法及装置 |
CN111383051A (zh) * | 2020-03-02 | 2020-07-07 | 杭州比智科技有限公司 | 实体对象的选址方法、装置、计算设备及计算机存储介质 |
CN111414490A (zh) * | 2020-04-07 | 2020-07-14 | 中国建设银行股份有限公司 | 确定失联修复信息的方法、装置、电子设备和存储介质 |
CN113128773A (zh) * | 2021-04-23 | 2021-07-16 | 中国工商银行股份有限公司 | 地址预测模型的训练方法、地址预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
周继恩: "一种基于市场真实情况的ATM选址模型的研究及应用", 计算机应用与软件, vol. 35, no. 2, 28 February 2018 (2018-02-28), pages 117 - 120 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543999B (zh) | 用于门店选址的方法和装置 | |
CN109089314B (zh) | 一种基于推荐算法的wifi序列辅助GPS的室内定位方法 | |
Yu et al. | Trajectory similarity clustering based on multi-feature distance measurement | |
CN109522803A (zh) | 一种室内区域划分和识别方法、装置及终端设备 | |
KR102129400B1 (ko) | 라디오 맵 구축 방법 | |
CN102081774A (zh) | 养卡识别方法及*** | |
Li et al. | Knowledge-based trajectory completion from sparse GPS samples | |
WO2018165419A1 (en) | Method and system for determining energy management strategies | |
CN111709756A (zh) | 一种可疑社团的识别方法、装置、存储介质和计算机设备 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN109977177A (zh) | 生成用户画像的方法及装置 | |
CN113469020A (zh) | 一种基于聚类的目标检测模型的评估方法 | |
CN108701147A (zh) | 用于自动识别农业气候地带的方法和*** | |
CN113641827A (zh) | 一种基于知识图谱的网络诈骗识别方法及*** | |
CN114509679B (zh) | 基于深度学习的电池soh预测模型构建方法 | |
CN111031550B (zh) | 一种无线网络弱覆盖区域的判别方法及装置 | |
CN113988628A (zh) | 一种atm机位置确定方法及*** | |
CN113435900A (zh) | 交易风险确定方法、装置和服务器 | |
Nguyen et al. | A method for efficient clustering of spatial data in network space | |
Huang et al. | Recognizing boundaries in wireless sensor networks based on local connectivity information | |
US11550799B2 (en) | Method and system for retrieving and displaying data from an entity network database | |
CN112784025A (zh) | 一种目标事件的确定方法和装置 | |
CN110309948A (zh) | 整车物流订单预测方法及装置、物流***以及计算机可读介质 | |
Das et al. | A review on coverage-hole boundary detection algorithms in wireless sensor networks | |
CN115454466A (zh) | 机器学习模型自动更新的方法、装置、设备和介质 |
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 |