[发明专利]资源分配方法、装置、计算机设备及存储介质

权利要求书

1.一种资源分配方法，其特征在于，包括下述步骤：

从历史任务记录中提取历史处理任务位置以及历史任务处理时间，实时根据历史处理任务位置以及历史任务处理时间预设多个图数据的节点，以及预设风险半径；

将预设的多个节点以及所述风险半径输入至训练好的神经网络模型，得到节点分布；

根据所述多个节点的坐标计算一个风险中心；

将所述风险中心作为中心，所述风险半径作为范围半径，构建风险范围；

根据所述风险范围以及所述节点分布，得到风险区域；

根据所述风险区域进行资源分配；

所述根据所述风险范围以及所述节点分布，得到风险区域的步骤具体包括：

为所述风险范围中的节点分布预设N个风险等级，每个风险等级包括对应所述每个风险等级的多个节点；

从每个所述风险等级中的节点集合任意取出一个节点，作为目标节点；

将在同一个风险等级，且与所述目标节点的空间坐标距离满足预设条件的节点分类成一个聚簇子节点集合；

获取每一个所述聚簇子节点集合的外围节点；

连接所述聚簇子节点集合对应的所述外围节点，并将围合形成的区域填充成对应的颜色，生成风险区域。

2.根据权利要求1所述的资源分配方法，其特征在于，所述根据所述多个节点计算一个风险中心的步骤具体包括：

获取所述多个节点对应的预设权重；

对所述多个节点的坐标乘以对应的预设权重，得到所述多个节点的加权数；

求和所述多个节点的加权数，得到加权和；

将所述多个节点的加权和除以所述节点的数量，得到所述一个风险中心。

3.根据权利要求1-2任一项所述的资源分配方法，其特征在于，所述将预设的多个节点以及所述风险半径输入至训练好的神经网络模型，得到节点分布的步骤之后还包括：

若所述多个节点中存在不在风险范围的节点，则剔除所述不在风险范围的节点，得到更新后的多个节点；

通过所述更新后的多个节点重新计算风险中心，得到新的风险范围。

4.根据权利要求3所述的资源分配方法，其特征在于，所述根据所述风险区域进行资源分配的步骤具体包括：

为风险区域等级高于第一阈值的区域分配高于预设值的资源；

为风险区域等级低于第二阈值的区域分配低于预设值的资源；

为风险区域等级介于所述第一阈值以及所述第二阈值的区域分配预设值的资源。

5.根据权利要求4所述的资源分配方法，其特征在于，所述将所述风险中心作为中心，所述风险半径作为范围半径，构建风险范围的步骤之后还包括：

获取多个训练数据以及所述训练数据所对应的标注标签；

将所述训练数据以及所述对应的标注标签输入至初始神经网络模型；

将所述初始神经网络模型通过训练，得到目标神经网络模型，代表根据所述目标神经网络模型的多层感知器中第n-1层的输出，训练所述目标神经网络模型的多层感知器中第n层中第k个神经元得到的权值，表示相应的偏置，表示第i个训练数据输入至所述目标神经网络模型后，在所述目标神经网络模型的第n层的输出，i为任意正整数，n为自然数，当n为所述目标神经网络模型的最后一层时，f_iⁿ是指所述目标神经网络模型的输出，f_i^n-1表示第i个训练数据输入至所述目标神经网络模型后，在所述目标神经网络模型的第n-1层的输出；

部署所述目标神经网络模型。

6.根据权利要求5所述的资源分配方法，其特征在于，所述实时根据历史处理任务位置预设多个图数据的节点，以及预设风险半径的步骤之前还包括：

获取用户的访问请求；

根据访问请求设置用户的访问权限。