[发明专利]一种车辆线路优化方法及装置

说明书

本发明提供了一种车辆线路优化方法及装置，可以应用于人工在智能领域。本申请训练出若干个预测模型，通过使用机器学习构建路况等外部因素和钞车行驶预估时间偏差的关联性，并利用该关联性模型和钞车配送服务当天的实际情况生成钞车行驶时间预估的优化结果，基于该优化结果再采用启发式搜索等技术智能规划钞车线路，动态生成基于当天实际行驶环境的钞车运输线路规划结果，为银行业务人员提供更合理、更准确的钞车行驶线路，降低银行相关业务人员工作量的同时提升实物现金用量管理效率。

技术领域

本申请属于人工智能技术领域，具体地讲，涉及一种车辆线路优化方法及装置。

背景技术

在日常运营中，为保证各网点的资金运转正常，需要定期对网点进行补钞。为了使加钞过程的时间和成本最小化，需要对每一辆钞车的加钞金额、行驶路线进行合理的规划。目前，钞车线路规划的做法主要是利用启发式搜索的方法生成加钞线路，其中银行配送服务网点之间钞车运输行驶时间长度受银行所在地理环境、市政管理、交通高峰期等因素影响，往往存在预估行驶时间与实际行驶时间偏差较大的现象，无法得到正确线路规划结果。

发明内容

本申请提供了一种车辆线路优化方法及装置，以至少解决当前运钞车在各网点间的线路规划未考虑到银行所在地理环境、市政管理、交通高峰期等因素影响从而导致预估行驶时间与实际行驶时间偏差较大的问题。

根据本申请的第一个方面，提供了一种车辆线路优化方法，包括：

根据获取的配送服务网点的基础信息和预先训练的优化模型获取车辆在各配送服务网点之间不同线路的行驶优化时间；

筛选各配送服务网点之间行驶优化时间最短的目标线路；

利用启发式搜索算法对目标线路进行计算获取车辆在多个配送服务网点间的优化线路。

在一实施例中，配送服务网点的基础信息获取过程包括：

获取所有配送服务网点的业务属性数据和外部影响属性信息；

获取各配送服务网点之间所有的线路信息；

对业务属性数据、外部影响属性信息和线路信息进行清洗；

将清洗后的业务属性数据、外部影响属性信息和线路信息进行聚合处理获得基础信息。

在一实施例中，优化模型的训练方法包括：

对获取的配送服务网点的历史行驶数据并进行清洗；

对清洗后的历史行驶数据进行特征构建获取历史预估行驶时长与历史实际行驶时长之间的历史特征数据；

对历史特征数据进行归一化处理；

根据历史行驶数据和归一化处理后的历史特征数据对预先建立的优化模型进行训练。

在一实施例中，对获取的配送服务网点的历史行驶数据并进行清洗，包括：

获取配送服务网点的历史行驶数据，并根据历史行驶数据中的同路段行驶时间进行排序；

采用正态分布3σ原则判断同路段行驶时间序列中的异常数据并剔除。

在一实施例中，利用启发式搜索算法对目标线路进行计算获取车辆在多个配送服务网点间的优化线路，包括：

利用启发式搜索算法中的遗传算法、蚁群算法或模拟退火算法获取车辆在多个配送服务网点间的优化线路。

在一实施例中，车辆线路优化方法还包括：

采用二分法对获取的车辆在多个配送服务网点间的优化线路进行进一步优化。

在一实施例中，车辆线路优化方法还包括：

预先训练多个优化模型；