[發明專利]一種行駛路線規劃方法和裝置

有效

• 申請號: 202210275576.3
• 申請日: 2022-03-21
• 公開（公告）號: CN114358448B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 徐雪;楊潔瓊;王亞新;袁廣亮
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/02;G06F16/2458
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 劉熔;孫乳筍

1.一種行駛路線規劃方法，其特征在于，所述方法包括：

根據各網點的歷史交易數據、歷史加鈔時間、獲取的道路信息和歷史路線，對深度學習網絡進行訓練，構建加鈔路線規劃模型，所述加鈔路線規劃模型包括加鈔時序預測模型和路線規劃模型；

通過所述加鈔路線規劃模型，對生成的各網點的當前鈔票時序數據和道路信息進行路線規劃，得到最佳行駛路線，所述道路信息包括區域交通靜態控件結構和各網點的道路實況信息；

所述通過所述加鈔路線規劃模型，對生成的各網點的當前鈔票時序數據和道路信息進行路線規劃，得到最佳行駛路線，包括：

通過所述加鈔時序預測模型，根據所述當前鈔票時序數據進行預測，得到各網點的預測加鈔時間；

通過所述路線規劃模型，對所述預測加鈔時間和道路信息進行卷積計算，得到所述最佳行駛路線；

所述通過所述路線規劃模型，對所述預測加鈔時間和道路信息進行卷積計算，得到所述最佳行駛路線，包括：

通過檢測器節點，對所述預測加鈔時間、區域交通靜態空間結構和各網點的道路實況信息分別進行特征提取，得到預測加鈔時間特征、區域交通靜態空間結構特征和各網點的道路實況特征；

對所述預測加鈔時間特征和區域交通靜態空間結構特征進行卷積計算，得到加鈔時間動態特征；

對所述區域交通靜態空間結構特征和各網點的道路實況特征進行卷積計算，得到分段路徑動態特征；

對所述加鈔時間動態特征和分段路徑動態特征進行融合計算，得到所述最佳行駛路線，鈔票時序數據為時序下的鈔票需求量，最佳加鈔時間為網點鈔票量告警前的時間點。

2.根據權利要求1所述的行駛路線規劃方法，其特征在于，所述根據各網點的歷史交易數據、歷史加鈔時間、獲取的道路信息和歷史路線，對深度學習網絡進行訓練，構建加鈔路線規劃模型，包括：

根據所述歷史交易數據，對深度學習網絡進行訓練，構建加鈔時序預測模型；

根據所述歷史加鈔時間、道路信息和歷史路線，對深度學習網絡進行訓練，構建路線規劃模型；

根據所述加鈔時序預測模型和路線規劃模型，生成加鈔路線規劃模型。

3.根據權利要求2所述的行駛路線規劃方法，其特征在于，所述歷史交易數據包括歷史鈔票時序數據和歷史最佳加鈔時間；

所述根據所述歷史交易數據，對深度學習網絡進行訓練，構建加鈔時序預測模型，包括：

將所述歷史最佳加鈔時間確定為第一訓練標簽；

將所述歷史鈔票時序數據確定為第一訓練數據；

根據所述第一訓練標簽和第一訓練數據，對所述深度學習網絡進行訓練，構建加鈔時序預測模型。

4.根據權利要求2所述的行駛路線規劃方法，其特征在于，所述根據所述歷史加鈔時間、道路信息和歷史路線，對深度學習網絡進行訓練，構建路線規劃模型，包括：

將所述歷史路線確定為第二訓練標簽；

將所述歷史加鈔時間和道路信息確定為第二訓練數據；

根據所述第二訓練標簽和第二訓練數據，對所述深度學習網絡進行訓練，構建路線規劃模型。

5.根據權利要求1所述的行駛路線規劃方法，其特征在于，在所述通過所述加鈔路線規劃模型，對生成的各網點的當前鈔票時序數據和道路信息進行路線規劃，得到最佳行駛路線之前，還包括：

從獲取的當前現金交易流水中篩選出指定時間段中每個時間周期的鈔票需求量；

根據每個時間周期的鈔票需求量，生成當前鈔票時序數據。

6.根據權利要求1所述的行駛路線規劃方法，其特征在于，所述方法還包括：

獲取網點人員輸入的第一反饋信息，所述第一反饋信息為對預測加鈔時間的反饋；

若第一反饋信息為滿意，根據所述預測加鈔時間和各網點的當前鈔票時序數據，對加鈔時序預測模型進行更新訓練，得到更新后的加鈔時序預測模型；

若第一反饋信息為不滿意，根據網點人員輸入的推薦加鈔時間和各網點的當前鈔票時序數據，對所述加鈔時序預測模型進行更新訓練，得到更新后的加鈔時序預測模型。