一种自助设备加钞计划生成方法及相关装置

技术领域

本发明涉及人工智能技术领域，更具体的，涉及一种自助设备加钞计划生成方法及相关装置。

背景技术

随着科技的发展，银行网点中的自助设备越来越多，如ATM(Automated TellerMachine，自动取款机)、智能柜台、外币兑换机等，极大的提升了柜员的业务处理效率以及客户体验。

为了保证银行网点中的各个自助设备有充足现金，需要定时定量的为各个自助设备进行加钞，可能存在自助设备中的现金量远超实际需要的情况，现金使用率低。

发明内容

有鉴于此，本发明提供了一种自助设备加钞计划生成方法及相关装置，有效提高了自助设备中的现金使用率。

为了实现上述发明目的，本发明提供的具体技术方案如下：

第一方面，本发明实施例提供了一种自助设备加钞计划生成方法，包括：

获取银行网点中各个自助设备的现金量；

将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备，不同类型的自助设备对应的现金量最低阈值不同；

基于预先构建的加钞量预测模型，确定所述待加钞自助设备的现金需求量；

根据所述银行网点中所述待加钞自助设备的现金需求量，生成自助设备加钞计划。

在一些实施例中，设定自助设备对应的现金量最低阈值的方法，包括：

获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；

根据所述目标类型自助设备的历史现金交易量，计算所述目标类型自助设备的平均日现金交易量，将所述平均日现金交易量确定为所述目标类型自助设备对应的现金量最低阈值。

在一些实施例中，设定自助设备对应的现金量最低阈值的方法，包括：

获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；

将所述历史现金交易量输入预先构建的所述目标类型自助设备对应的时序模型中，得到所述时序模型输出的现金交易量预测值；

将所述现金交易量预测值确定为所述目标类型自助设备对应的现金量最低阈值。

在一些实施例中，所述基于预先构建的加钞量预测模型，确定所述待加钞自助设备的现金需求量，包括：

根据预先存储的自助设备类型与加钞量预测模型之间的对应关系，确定所述待加钞自助设备的类型对应的目标加钞量预测模型；

获取所述待加钞自助设备的特征数据，所述特征数据至少包括：加钞日的日期、加钞日的假期属性、加钞日的天气属性以及历史同期现金需求量，所述假期属性包括是否为假期以及假期类型，所述天气属性包括天气类型、运行时间内的最高温度和最低温度；

将所述特征数据输入所述目标加钞量预测模型，得到所述目标加钞量预测模型输出的现金需求量。

第二方面，本发明实施例提供了一种自助设备加钞计划生成装置，包括：

现金量获取单元，用于获取银行网点中各个自助设备的现金量；

待加钞设备确定单元，用于将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备，不同类型的自助设备对应的现金量最低阈值不同；

现金量预测单元，用于基于预先构建的加钞量预测模型，确定所述待加钞自助设备的现金需求量；

加钞计划生成单元，用于根据所述银行网点中所述待加钞自助设备的现金需求量，生成自助设备加钞计划。

在一些实施例中，所述装置还包括：

阈值设定单元，用于获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；根据所述目标类型自助设备的历史现金交易量，计算所述目标类型自助设备的平均日现金交易量，将所述平均日现金交易量确定为所述目标类型自助设备对应的现金量最低阈值。

在一些实施例中，所述装置还包括：

阈值设定单元，用于获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；将所述历史现金交易量输入预先构建的所述目标类型自助设备对应的时序模型中，得到所述时序模型输出的现金交易量预测值；将所述现金交易量预测值确定为所述目标类型自助设备对应的现金量最低阈值。

在一些实施例中，所述现金量预测单元，具体用于根据预先存储的自助设备类型与加钞量预测模型之间的对应关系，确定所述待加钞自助设备的类型对应的目标加钞量预测模型；获取所述待加钞自助设备的特征数据，所述特征数据至少包括：加钞日的日期、加钞日的假期属性、加钞日的天气属性以及历史同期现金需求量，所述假期属性包括是否为假期以及假期类型，所述天气属性包括天气类型、运行时间内的最高温度和最低温度；将所述特征数据输入所述目标加钞量预测模型，得到所述目标加钞量预测模型输出的现金需求量。

第三方面，本发明实施例提供了一种电子设备，所述电子设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如第一方面中任意一种实现方式描述的一种自助设备加钞计划生成方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质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如第一方面中任意一种实现方式描述的一种自助设备加钞计划生成方法。

相对于现有技术，本发明的有益效果如下：

本发明公开的一种自助设备加钞计划生成方法及相关装置，在获取银行网点中各个自助设备的现金量之后，仅将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备，并基于预先构建的加钞量预测模型，准确预测待加钞自助设备的现金需求量，从而根据银行网点中待加钞自助设备的现金需求量，生成自助设备加钞计划。本发明仅对现金量小于现金量最低阈值的自助设备进行加钞，避免对现金量充足的自助设备进行加钞，同时通过对待加钞自助设备的现金需求量进行准确预测，在满足自助设备的现金交易需求的同时避免现金量冗余，有效提高了自助设备中的现金使用率。

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为本发明实施例公开的一种自助设备加钞计划生成方法的流程示意图；

图2为本发明实施例公开的一种自助设备加钞计划生成方法的部分方法的程示意图；

图3为本发明实施例公开的一种自助设备加钞计划生成方法的部分方法的程示意图；

图4为本发明实施例公开的一种自助设备加钞计划生成装置的结构示意图。

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。

需要说明的是，本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本发明提供了一种自助设备加钞计划生成方法，应用于电子设备，电子设备可以为台式计算机、移动终端(智能手机、平板电脑等)等终端设备，电子设备也可以是一台服务器，电子设备还可以是由多个服务器组成的服务器集群。电子设备与银行网点中各个自助设备通信连接，通信方式可以为有线通信，也可以为无线通信，电子设备可以设置在银行网点内，也可以设置在银行网点之外，本发明不做具体限定。

电子设备通过与银行网点中各个自助设备通信连接，获取银行网点中各个自助设备的现金量，仅对现金量小于现金量最低阈值的自助设备进行加钞，避免对现金量充足的自助设备进行加钞，同时通过对待加钞自助设备的现金需求量进行准确预测，在满足自助设备的现金交易需求的同时避免现金量冗余，有效提高了自助设备中的现金使用率。

请参阅图1，本实施例公开了一种自助设备加钞计划生成方法，具体包括以下步骤：

S101：获取银行网点中各个自助设备的现金量；

银行网点中的自助设备可以为ATM机、智能柜台、外币兑换机等。

由于在自助设备的运行时间内，自助设备随时可能发生现金交易，导致现金量处于变化当中，为了便于准确判断自助设备是否需要加钞，可以在自助设备的非工作时间获取自助设备的现金量，以智能柜台为例，可以在银行网点停止办理业务后获取智能柜台的现金量。

还有一些自助设备24小时运行，如ATM机，可以根据历史现金交易数据，确定现金交易量小于阈值的时间段，如深夜，获取自助设备的现金量。

获取银行网点中各个自助设备的现金量的方式可以有多种，如电子设备通过与银行网点中各个自助设备进行通信，主动读取各个自助设备的现金量，也可以在各个自助设备设置定时任务，定时任务启动后主动向电子设备发送自助设备的现金量。不同自助设备的定时任务启动时间可以不同，也可以相同，可以根据具体应用场景以及自助设备的运行时间进行预先设定。

S102：将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备；

由于不同类型的自助设备所能存放的现金量不同、现金交易量不同，因此不同类型的自助设备对应的现金量最低阈值不同。如ATM机所能存放的现金量较多，且日常现金交易较频繁，现金量最低阈值相对较高；外币兑换机所能存放的现金量相对较小，且日常现金交易的频率相对较低，现金量最低阈值相对较低。

不同类型的自助设备对应的现金量最低阈值是预先设定的，可以是固定的，也可以动态更新，本发明不做具体限定。

若自助设备的现金量不小于现金量最低阈值，表明该自助设备的现金量充足，能满足自助设备需要，不需要进行加钞。

S103：基于预先构建的加钞量预测模型，确定所述待加钞自助设备的现金需求量；

通过将所述待加钞自助设备的特征数据输入加钞量预测模型，将加钞量预测模型输出的现金需求量确定为所述待加钞自助设备的现金需求量。

不同类型的自助设备可以使用同一个加钞量预测模型，为了提高预测的准确性，也可以为不同类型的自助设备分别构建一个加钞量预测模型。

S104：根据所述银行网点中所述待加钞自助设备的现金需求量，生成自助设备加钞计划。

示例性的，自助设备加钞计划包括所述银行网点中所述待加钞自助设备的现金需求量，自助设备的加钞计划总金额为所述待加钞自助设备的现金需求量之和。

示例性的，为了避免偶然事件导致自助设备的实际现金需求量大于预测得到的现金需求量，在生成自助设备加钞计划时，可以在所述待加钞自助设备的现金需求量的基础上加一个裕量，作为所述待加钞自助设备的最终现金需求量，则自助设备加钞计划包括所述银行网点中所述待加钞自助设备的最终现金需求量，自助设备的加钞计划总金额为所述待加钞自助设备的最终现金需求量之和。其中，不同类型的自助设备对应的裕量可以相同，也可以不同，可以根据实际应用场景进行设定。

可见，本实施例公开的一种自助设备加钞计划生成方法，在获取银行网点中各个自助设备的现金量之后，仅将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备，并基于预先构建的加钞量预测模型，准确预测待加钞自助设备的现金需求量，从而根据银行网点中待加钞自助设备的现金需求量，生成自助设备加钞计划。本实施例仅对现金量小于现金量最低阈值的自助设备进行加钞，避免对现金量充足的自助设备进行加钞，同时通过对待加钞自助设备的现金需求量进行准确预测，在满足自助设备的现金交易需求的同时避免现金量冗余，有效提高了自助设备中的现金使用率。

上述图1对应的实施例中，设定自助设备对应的现金量最低阈值的方法可以有多种，以下提供两种可选的实现方式：

方式一

获取目标类型自助设备的历史现金交易量，如所述目标类型自助设备在过去一个月内每日现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备。

根据所述目标类型自助设备的历史现金交易量，计算所述目标类型自助设备的平均日现金交易量，将所述平均日现金交易量确定为所述目标类型自助设备对应的现金量最低阈值。

本方式是根据所述目标类型自助设备的历史现金交易量的统计值确定所述目标类型自助设备对应的现金量最低阈值，可选的，还可以将所述目标类型自助设备的历史现金交易量的中位数确定所述目标类型自助设备对应的现金量最低阈值，还可以将所述目标类型自助设备的历史现金交易量的最小值确定所述目标类型自助设备对应的现金量最低阈值。

本方式中所述目标类型自助设备对应的现金量最低阈值可以是固定的，即一经设定不会修改，也可以是动态变化的，如周期性的根据所述目标类型自助设备的历史现金交易量的统计值确定所述目标类型自助设备对应的现金量最低阈值，可以一个月设定一次，一周设定一次，一天设定一次等。

方式二

本方式利用时序模型设定自助设备对应的现金量最低阈值，不同类型的自助设备可以对应同一个时序模型，也可以一个类型的自助设备对应一个时序模型。为了提高现金量最低阈值设定的准确性，以一个类型的自助设备对应一个时序模型为例，请参阅图2，设定自助设备对应的现金量最低阈值的方法包括以下步骤：

S201：获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；

所述目标类型自助设备的历史现金交易量可以为所述目标类型自助设备在过去一个月内每日现金交易量。

S202：将所述历史现金交易量输入预先构建的所述目标类型自助设备对应的时序模型中，得到所述时序模型输出的现金交易量预测值；

预先存储自助设备类型与时序模型的对应关系，查询该对应关系即可得到所述目标类型自助设备对应的时序模型。

时序模型预先由训练样本训练得到，训练样本为{W

训练完成后，将所述历史现金交易量{W

S203：将所述现金交易量预测值确定为所述目标类型自助设备对应的现金量最低阈值。

本方式中所述目标类型自助设备对应的现金量最低阈值可以是固定的，即一经设定不会修改，也可以是动态变化的，如周期性的利用时序模型预测所述目标类型自助设备对应的现金量最低阈值，可以一个月预测一次，一周预测一次，一天预测一次等。

上述图1对应的实施例中，不同类型的所述待加钞自助设备可以对应一个加钞量预测模型，为了提高模型预测的准确性，也可以为一个类型的所述待加钞自助设备对应一个加钞量预测模型。以上两种情况下的加钞量预测模型的训练方法不同，模型的输入数据也不同。

示例性的，若不同类型的所述待加钞自助设备对应一个加钞量预测模型，则模型的训练样本包括特征数据、自助设备类型和现金需求量，模型的训练目标为使模型预测得到的现金需求量尽可能接近训练样本中的现金需求量。训练得到的模型在使用时，模型的输入数据为特征数据和自助设备类型。

示例性的，若一个类型的所述待加钞自助设备对应一个加钞量预测模型，针对一个类型的所述待加钞自助设备，模型的训练样本包括特征数据和现金需求量，模型的训练目标为使模型预测得到的现金需求量尽可能接近训练样本中的现金需求量。训练得到的模型在使用时，模型的输入数据为特征数据。

以一个类型的所述待加钞自助设备对应一个加钞量预测模型为例，请参阅图3，S103，基于预先构建的加钞量预测模型，确定所述待加钞自助设备的现金需求量，具体包括以下步骤：

S301：根据预先存储的自助设备类型与加钞量预测模型之间的对应关系，确定待加钞自助设备的类型对应的目标加钞量预测模型；

S302：获取所述待加钞自助设备的特征数据；

所述特征数据至少包括：加钞日的日期、加钞日的假期属性、加钞日的天气属性以及历史同期现金需求量，为了预测更加准确，所述特征数据还可以包括提起特征，如历史同期交易量等。

历史同期现金需求量可以为过去一年同一时间的现金需求量，也可以为过去多年同一时间的现金需求量的平均值，例如加钞日是2023年8月14日，则历史同期现金需求量可以为2022年8月14日的现金需求量，也可以为2020年8月14日、2021年8月14日、2022年8月14日现金需求量的平均值。

所述假期属性包括是否为假期以及假期类型，如不是假期编码为0，周六日编码为1，五一假期编码为2，十一假期编码为3等。

所述天气属性包括天气类型、运行时间内的最高温度和最低温度，天气类型包括：晴天、阴天、下雨、下雪、大风等，与假期类型同理也可以用编码表示。

S303：将所述特征数据输入所述目标加钞量预测模型，得到所述目标加钞量预测模型输出的现金需求量。

进一步，还可以根据所述目标加钞量预测模型输出的现金需求量与实际现金需求量之间的误差，评价所述目标加钞量预测模型预测的准确性。另外，还可以实际现金需求量以及特征数据作为新的训练样本，定期对所述目标加钞量预测模型进行更新，以提高所述目标加钞量预测模型预测的准确性。

基于上述实施例公开的一种自助设备加钞计划生成方法，本实施例对应公开了一种自助设备加钞计划生成装置，请参阅图4，该装置包括：

现金量获取单元401，用于获取银行网点中各个自助设备的现金量；

待加钞设备确定单元402，用于将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备，不同类型的自助设备对应的现金量最低阈值不同；

现金量预测单元403，用于基于预先构建的加钞量预测模型，确定所述待加钞自助设备的现金需求量；

加钞计划生成单元404，用于根据所述银行网点中所述待加钞自助设备的现金需求量，生成自助设备加钞计划。

在一些实施例中，所述装置还包括：

阈值设定单元，用于获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；根据所述目标类型自助设备的历史现金交易量，计算所述目标类型自助设备的平均日现金交易量，将所述平均日现金交易量确定为所述目标类型自助设备对应的现金量最低阈值。

在一些实施例中，所述装置还包括：

阈值设定单元，用于获取目标类型自助设备的历史现金交易量，所述目标类型自助设备为所述银行网点中任意一种类型的自助设备；将所述历史现金交易量输入预先构建的所述目标类型自助设备对应的时序模型中，得到所述时序模型输出的现金交易量预测值；将所述现金交易量预测值确定为所述目标类型自助设备对应的现金量最低阈值。

在一些实施例中，所述现金量预测单元403，具体用于根据预先存储的自助设备类型与加钞量预测模型之间的对应关系，确定所述待加钞自助设备的类型对应的目标加钞量预测模型；获取所述待加钞自助设备的特征数据，所述特征数据至少包括：加钞日的日期、加钞日的假期属性、加钞日的天气属性以及历史同期现金需求量，所述假期属性包括是否为假期以及假期类型，所述天气属性包括天气类型、运行时间内的最高温度和最低温度；将所述特征数据输入所述目标加钞量预测模型，得到所述目标加钞量预测模型输出的现金需求量。

本实施例公开的一种自助设备加钞计划生成装置，在获取银行网点中各个自助设备的现金量之后，仅将现金量小于现金量最低阈值的自助设备确定为待加钞自助设备，并基于预先构建的加钞量预测模型，准确预测待加钞自助设备的现金需求量，从而根据银行网点中待加钞自助设备的现金需求量，生成自助设备加钞计划。本发明仅对现金量小于现金量最低阈值的自助设备进行加钞，避免对现金量充足的自助设备进行加钞，同时通过对待加钞自助设备的现金需求量进行准确预测，在满足自助设备的现金交易需求的同时避免现金量冗余，有效提高了自助设备中的现金使用率。

本发明实施例还提供了一种电子设备，所述电子设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如上述实施例中任意一种实现方式描述的一种自助设备加钞计划生成方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质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如上述实施例中任意一种实现方式描述的一种自助设备加钞计划生成方法。

需要说明的是，本发明提供的一种自助设备加钞计划生成方法及相关装置，可应用于人工智能领域或金融领域。上述仅为示例，并不对本发明提供的一种自助设备加钞计划生成方法及相关装置的应用领域进行限定。

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。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

上述各个实施例之间可任意组合，对所公开的实施例的上述说明，本说明书中各实施例中记载的特征可以相互替换或者组合，使本领域专业技术人员能够实现或使用本申请。

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。