[发明专利]一种行驶路线规划方法和装置

说明书

本发明实施例提供了一种行驶路线规划方法和装置，可用于人工智能技术领域，所述方法包括：根据各网点的历史交易数据、历史加钞时间、获取的道路信息和历史路线，对深度学习网络进行训练，构建加钞路线规划模型；通过加钞路线规划模型，对生成的各网点的当前钞票时序数据和道路信息进行路线规划，得到最佳行驶路线，能够满足各网点的加钞需求和及时性需求，提高了系统的稳定性、灵活性和易用性，节约时间和人力物力成本，高效规划行驶路线。

技术领域

本发明涉及计算机技术领域，特别涉及人工智能技术领域，尤其涉及一种行驶路线规划方法和装置。

背景技术

在日常运营中，为保证各网点的资金运转正常，需要定期对各网点进行加钞。为节约时间和人力物力成本，需要提前规划钞车的行驶路线，既保证各网点钞票不能短缺，又要尽可能节约时间成本。相关技术中，通过构建路况信息和加钞顺序的关联性，以及利用路况生成加钞顺序的依赖规则，提升规划算法的启发式搜索技术的搜索效率。但相关技术中仅处考虑了路况信息和各网点加钞情况，无法满足及时性的需求；采用基于规则的专家系统进行启发式搜索，无法及时加入新的因素，灵活性较差且系统脆弱；需要使用人员手动控制搜索时间和搜索回合来搜索出较优加钞计划，易用性较差。

发明内容

本发明的一个目的在于提供一种行驶路线规划方法，能够满足各网点的加钞需求和及时性需求，提高了系统的稳定性、灵活性和易用性，节约时间和人力物力成本，高效规划行驶路线。本发明的另一个目的在于提供一种行驶路线规划装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。

为了达到以上目的，本发明一方面公开了一种行驶路线规划方法，包括：

根据各网点的历史交易数据、历史加钞时间、获取的道路信息和历史路线，对深度学习网络进行训练，构建加钞路线规划模型；

通过加钞路线规划模型，对生成的各网点的当前钞票时序数据和道路信息进行路线规划，得到最佳行驶路线。

优选的，根据各网点的历史交易数据、历史加钞时间、获取的道路信息和历史路线，对深度学习网络进行训练，构建加钞路线规划模型，包括：

根据历史交易数据，对深度学习网络进行训练，构建加钞时序预测模型；

根据历史加钞时间、道路信息和历史路线，对深度学习网络进行训练，构建路线规划模型；

根据加钞时序预测模型和路线规划模型，生成加钞路线规划模型。

优选的，历史交易数据包括历史钞票时序数据和历史最佳加钞时间；

根据历史交易数据，对深度学习网络进行训练，构建加钞时序预测模型，包括：

将历史最佳加钞时间确定为第一训练标签；

将历史钞票时序数据确定为第一训练数据；

根据第一训练标签和第一训练数据，对深度学习网络进行训练，构建加钞时序预测模型。

优选的，根据历史加钞时间、道路信息和历史路线，对深度学习网络进行训练，构建路线规划模型，包括：

将历史路线确定为第二训练标签；

将历史加钞时间和道路信息确定为第二训练数据；

根据第二训练标签和第二训练数据，对深度学习网络进行训练，构建路线规划模型。

优选的，在通过加钞路线规划模型，对生成的各网点的当前钞票时序数据和道路信息进行路线规划，得到最佳行驶路线之前，还包括：

从获取的当前现金交易流水中筛选出指定时间段中每个时间周期的钞票需求量；

根据每个时间周期的钞票需求量，生成当前钞票时序数据。