[发明专利]网点配钞方法及装置

权利要求书

1.一种网点配钞方法，其特征在于，包括：

获取影响待配钞网点现钞交易的数据信息；

根据影响待配钞网点现钞交易的数据信息获取每日的现钞交易需求峰值数据，以及预设的机器学习模型的特征数据；

根据每日的现钞交易需求峰值数据和所述特征数据对所述机器学习模型进行训练，利用训练后的机器学习模型，结合待配钞网点当日的现钞交易数据，预测待配钞网点次日的现钞使用峰值数据；

利用待配钞网点次日的现钞使用峰值数据和待配钞网点当日的尾箱余额数据，获取待配钞网点次日的配钞数据。

2.如权利要求1所述的方法，其特征在于，所述影响待配钞网点现钞交易的数据信息包括：待配钞网点现钞交易的历史数据、待配钞网点的地理位置信息、待配钞网点服务的客户群体信息。

3.如权利要求2所述的方法，其特征在于，根据影响待配钞网点现钞交易的数据信息获取每日的现钞交易需求峰值数据，包括：

根据待配钞网点现钞交易的历史数据将待配钞网点每日的交易按照时间排序；

将客户存款视为负值，将客户取款视为正值，按照时序将待配钞网点当天的每笔交易数据累加，获取每笔交易后待配钞网点当前现钞需求数据；

根据每笔交易后待配钞网点当前现钞需求数据获取每日的现钞交易需求峰值数据。

4.如权利要求1所述的方法，其特征在于，所述待配钞网点次日的配钞数据为待配钞网点次日的现钞使用峰值数据与待配钞网点当日的尾箱余额数据的差值。

5.一种网点配钞装置，其特征在于，包括：

第一数据获取模块，用于获取影响待配钞网点现钞交易的数据信息；

第二数据获取模块，用于根据影响待配钞网点现钞交易的数据信息获取每日的现钞交易需求峰值数据，以及预设的机器学习模型的特征数据；

峰值预测模块，用于根据每日的现钞交易需求峰值数据和所述特征数据对所述机器学习模型进行训练，利用训练后的机器学习模型，结合待配钞网点当日的现钞交易数据，预测待配钞网点次日的现钞使用峰值数据；

配钞模块，用于利用待配钞网点次日的现钞使用峰值数据和待配钞网点当日的尾箱余额数据，获取待配钞网点次日的配钞数据。

6.如权利要求5所述的装置，其特征在于，所述影响待配钞网点现钞交易的数据信息包括：待配钞网点现钞交易的历史数据、待配钞网点的地理位置信息、待配钞网点服务的客户群体信息。

7.如权利要求6所述的装置，其特征在于，峰值预测模块进一步用于：

根据待配钞网点现钞交易的历史数据将待配钞网点每日的交易按照时间排序；

将客户存款视为负值，将客户取款视为正值，按照时序将待配钞网点当天的每笔交易数据累加，获取每笔交易后待配钞网点当前现钞需求数据；

根据每笔交易后待配钞网点当前现钞需求数据获取每日的现钞交易需求峰值数据。

8.如权利要求5所述的装置，其特征在于，所述待配钞网点次日的配钞数据为待配钞网点次日的现钞使用峰值数据与待配钞网点当日的尾箱余额数据的差值。

9.一种计算机设备，包括存储器、处理器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计算机程序时实现权利要求1至4任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。