自动柜员机选址方法、装置、计算机设备和存储介质与流程

1.本技术涉及大数据技术领域，特别是涉及一种自动柜员机选址方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着城市化建设的发展，自动柜员机的选址技术趋于全面、科学和成熟。在自动柜员机选址过程中具体主要考虑四个层面，即：人口因素、地理交通、物业因素和竞争环境。其中，人口因素是影响自动柜员机布局选址的重要因素。人口因素主要包括人口总量、人口构成、人口密度、受教育程度、人流量等。在不考虑其他因素的情况下，显然自动柜员机选择布设在人口密度大的地方其储蓄存量状况和利用率要优先于人口密度小的地方。
3.传统的自动柜员机选址一般通过人口密度的相关算法，计算出该区域的人口密度，并基于人口密度进行自动柜员机选址。
4.然而，传统的自动柜员机选址方法由于需要基于人流量进行计算，在获取的人流量数据不够准确的情况下，得到的人口密度数据也不够准确，从而导致自动柜员机的布设位置存在不合理的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够更合理地布设自动柜员机的自动柜员机选址方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种自动柜员机选址方法。所述方法包括：
7.获取同一区域的物流点集合，所述物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；
8.基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点；
9.获取每个分散点所对应的分散位置信息和分散货物量；
10.根据所述多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
11.在其中一个实施例中，所述基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点，包括：计算所述物流点集合中任意两个物流点的距离，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点；根据新的物流点更新所述物流点集合，并返回所述计算所述物流点集合中任意两个物流点的距离的步骤继续执行，直至达到聚类停止条件时停止；将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
12.在其中一个实施例中，所述将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点，包括：根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流位置信息，确定新的物流位置信息；根据具有最小距离、
且最小距离小于距离阈值所对应的两个物流点的物流货物量，确定新的物流货物量；基于所述新的物流位置信息和所述新的物流货物量，确定新的物流点。
13.在其中一个实施例中，所述根据新的物流点更新所述物流点集合，包括：将所述新的物流点添加进物流点集合中，并将进行合并的两个物流点从所述物流点集合中移除，以实现物流点集合的更新。
14.在其中一个实施例中，所述根据所述多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息，包括：将每个分散点的分散位置信息与相应的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的第一和，与所有分散点所对应的分散货物量的第二和进行对比，得到对比值；根据所述对比值确定自动柜员机的目标位置信息。
15.在其中一个实施例中，每个物流点还包括货物类型，所述方法还包括：基于所述货物类型，确定区域的人口年龄分布情况；基于所述区域的人口年龄分布情况，调整所述自动柜员机的目标位置信息。
16.第二方面，本技术还提供了一种自动柜员机选址装置。所述装置包括：
17.获取模块，用于获取同一区域的物流点集合，所述物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；
18.聚类模块，用于基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分散位置信息和分散货物量；
19.确定模块，用于根据所述多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
20.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
21.获取同一区域的物流点集合，所述物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；
22.基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点；
23.获取每个分散点所对应的分散位置信息和分散货物量；
24.根据所述多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
25.第四方面，本技术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，其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以下步骤：
26.获取同一区域的物流点集合，所述物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；
27.基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点；
28.获取每个分散点所对应的分散位置信息和分散货物量；
29.根据所述多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
30.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算
机程序，该计算机程序被处理器执行时实现以下步骤：
31.获取同一区域的物流点集合，所述物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；
32.基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点；
33.获取每个分散点所对应的分散位置信息和分散货物量；
34.根据所述多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
35.上述自动柜员机选址方法、装置、计算机设备、存储介质和计算机程序产品，结合我国目前快递物流行业的发展现状，将某一区域的物流点的分布情况映射至该区域的人口密度分布情况，基于物流点的物流位置信息对该区域的物流点进行一定条件的聚类合并处理，使用聚类合并处理后的物流点的位置信息和货物量进行重心法计算，结合物流系统的重心法，根据该区域人口密度的分布情况来确定自动柜员机的位置。相较于传统的自动柜员机选址时考虑人口密度的算法，依附于传统的人口流量估算方法，采用本技术能够更合理地布设自动柜员机，提高自动柜员机选址的精准性。
附图说明
36.图1为一个实施例中自动柜员机选址方法的应用环境图；
37.图2为一个实施例中自动柜员机选址方法的流程示意图；
38.图3为一个实施例中聚类步骤的流程示意图；
39.图4为一个实施例中物流点集合的示意图；
40.图5为一个实施例中物流点集合的对应表格的示意图；
41.图6为一个实施例中物流点集合中任意两个物流点的距离的示意图；
42.图7为一个实施例中自动柜员机选址装置的结构框图；
43.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
44.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
45.本技术实施例提供的自动柜员机选址方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102可单独执行本技术实施例提供的自动柜员机选址方法，终端102和服务器104也可协同执行本技术实施例提供的自动柜员机选址方法。
46.当终端102单独执行自动柜员机选址方法时，终端102获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分散位置信息和分散货物量；根据多个分散点中各分散点分别对应的
分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
47.当终端102和服务器104协同执行自动柜员机选址方法时，终端102获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量，并将于物流点集合发送至服务器104。服务器104基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分散位置信息和分散货物量；根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
48.其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
49.需要说明的是，本技术实施例属于大数据技术领域，具体涉及重心法技术。重心法是一种模拟方法，它将物流系统中的需求点和资源点看成是分布在某一平面范围内的物流系统，各点的需求量和资源量分别看成是物体的重量，物体系统的重心作为物流网点的最佳设置点，利用求物体系统重心的方法来确定物流网点的位置。
50.人口密度作为影响自动柜员机选址的重要因素，除了依靠该地区的人口调查之外，选址地区的物流运送量更能够在一定程度上反映出该地区的人口密度和人口结构。依靠着电子商务的巨大推动作用，我国快递行业发展迅猛，如今已成为世界包裹处理量第一的国家。而配送快递所建立的物流点，更是很好地反映了特定区域的人口密度和人口分布情况。
51.本技术实施例将特定区域的物流点作为物流系统中的资源点，将自动柜员机的位置作为物流系统中的需求点，将物流点的货物量作为资源点的资源量，使用物流系统中的重心模拟法，根据地图中各物流点的地理位置，将坐标重叠，建立距离和货物量的线性函数，利用求物体系统重心的方法来确定自动柜员机的位置。
52.应当理解的是，本技术实施例中使用的“第一”、“第二”、“第三”、“第四”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。除非上下文另外清楚地指出，否则单数形式的“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。
53.在一个实施例中，如图2所示，提供了一种自动柜员机选址方法，以该方法应用于图1中的终端为例进行说明，该方法包括以下步骤：
54.步骤202，获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量。
55.其中，物流点集合是由多个物流点组成的集合。物流点又称物流网点或快递网点，就是物流网络的结点，主要是指的是储运仓库、流通仓库、中转仓库等，是大批量物资储运、集散的场所。仓库一旦建立，就会面对整个地区的企业和个人开展储运业务，将有很多企业和个人的物资在这里储运：从各地运到这里来，或从这里运出去。
56.物流点由物流公司建立，每个物流点包括物流点名称、物流位置信息和物流货物量。物流点名称指的是物流点所属的物流公司以及该物流点的具体地址，例如第一快递公司(a路店)、第二快递公司(b路营业厅)。物流位置信息指的是物流点在二维平面地图中的
位置，即基于二维平面地图建立适当的坐标系，基于坐标系所确定的物流点在二维平面地图中的横坐标和纵坐标。物流货物量指的是运到该物流点或从该物流点运出的物资的数量，单位为件。
57.具体地，终端获取同一区域的物流点集合，统计物流点集合中每个物流点的物流点名称、物流位置信息和物流货物量。
58.步骤204，基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点。
59.其中，聚类合并指的是将具有相似特征的两个或多个物流点合并为一个新的类型，也就是一个新的物流点。分散点指的是经过聚类合并处理后的物流点集合中的物流点。
60.具体地，依据实际需求，基于各个物流点的物流位置信息，终端可以对物流点集合中的物流点进行至少一次的聚类合并处理，得到多个分散点。当终端对物流点集合中的物流点进行一次聚类合并处理时，得到一个新的物流点，此时分散点由一个新的物流点和未进行聚类合并处理的物流点组成；当终端对物流点集合中的物流点进行两次及以上的聚类合并处理时，得到两个或多个新的物流点，此时分散点可以由两个或多个新的物流点和未进行聚类合并处理的物流点组成，也可以全部由多个新的物流点组成。
61.步骤206，获取每个分散点所对应的分散位置信息和分散货物量。
62.其中，分散位置信息指的是分散点在二维平面地图中的位置，包括分散点的横坐标(x坐标)和纵坐标(y坐标)。分散货物量指的是运到该分散点或从该分散点运出的物资的数量，单位为件。
63.具体地，终端在得到多个分散点后，获取每个分散点所对应的分散位置信息和分散货物量。
64.步骤208，根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
65.其中，目标位置信息指的是自动柜员机在二维平面地图中的位置，包括自动柜员机的横坐标和纵坐标。
66.具体地，终端基于物流系统的重心法，根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
67.上述自动柜员机选址方法，结合我国目前快递物流行业的发展现状，将某一区域的物流点的分布情况映射至该区域的人口密度分布情况，结合物流系统的重心法，根据该区域人口密度的分布情况来确定自动柜员机的位置。并且为了更好地达到根据人口密度分布来计算自动柜员机位置的目的，本技术实施例基于物流点的物流位置信息对该区域的物流点进行一定条件的聚类合并处理，使用聚类合并处理后的物流点的位置信息和货物量进行重心法计算，确定自动柜员机的目标位置信息。相较于传统的自动柜员机选址时考虑人口密度的算法，依附于传统的人口流量估算方法，本方法的自动柜员机选址方法能够更科学、更合理地、更均匀地布设自动柜员机，提高自动柜员机选址的精准性。
68.在一个实施例中，如图3所示，基于各个物流点的物流位置信息对所述物流点进行至少一次的聚类合并处理，得到多个分散点，包括：
69.步骤302，计算物流点集合中任意两个物流点的距离，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点。
70.其中，两个物流点的距离使用欧式距离的计算公式进行计算。欧氏距离，也称欧几里得度量，是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。欧式距离的计算公式为：
[0071][0072]
式中，ρ为两个物流点的距离,ai为第i个物流点的x坐标，bi为第i个物流点的y坐标，p为大于1的正整数。当p为2时，ρ表示二维空间中两个物流点之间的距离；当p为3时，ρ表示三维空间中两个物流点之间的距离。
[0073]
距离阈值指的是两个物流点的距离的上限值，当物流点集合中两个物流点的距离小于距离阈值时，表示这两个物流点可能为相同类型的物流点，可以进行合并处理，得到新的物流点，从而替代这两个物流点。距离阈值的大小可以根据实际需要进行设置，设置得越大，终端需要对物流点集合中的多个物流点进行聚类合并处理的次数就越多。
[0074]
具体地，终端计算物流点集合中任意两个物流点的距离，得到最小距离，判断最小距离是否小于距离阈值，如果是，则将具有最小距离所对应的两个物流点进行合并，得到一个新的物流点。
[0075]
步骤304，根据新的物流点更新物流点集合，并返回计算物流点集合中任意两个物流点的距离的步骤继续执行，直至达到聚类停止条件时停止。
[0076]
其中，聚类停止条件指的是更新后的物流点集合中任意两个物流点的距离不小于距离阈值。
[0077]
具体地，终端根据新的物流点更新物流点集合；对于更新后的物流点集合，终端返回上述步骤302计算物流点集合中任意两个物流点的距离，继续执行步骤302，直到根据步骤302计算得到的物流点集合中两个物流点的最小距离不小于距离阈值，则停止对两个物流点进行合并，得到最新的物流点集合。
[0078]
步骤306，将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
[0079]
其中，分散点指的是经过聚类合并处理后的物流点集合中的物流点。
[0080]
具体地，终端根据最终聚类得到的最新的物流点集合，将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
[0081]
本实施例中，通过将距离小于距离阈值的物流点合并为一个新的物流点，对同一区域内具有相似类型的物流点进行聚类，能够达到更好的根据人口密度分布来估算自动柜员机的放置位置的目的。
[0082]
在一个实施例中，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点，包括：根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流位置信息，确定新的物流位置信息；根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流货物量，确定新的物流货物量；基于新的物流位置信息和新的物流货物量，确定新的物流点。
[0083]
其中，物流点的物流位置信息包括物流点的横坐标和纵坐标，新的物流位置信息包括新的物流点的横坐标和纵坐标。新的物流货物量指的是新的物流点的物流货物量。
[0084]
具体地，终端分别计算具有最小距离、且最小距离小于距离阈值所对应的两个物流点的横坐标和纵坐标的平均值；将该两个物流点的横坐标的平均值作为新的物流点的横坐标，将该两个物流点的纵坐标的平均值作为新的物流点的纵坐标。
[0085]
终端计算具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流货物量的平均值，将该两个物流点的物流货物量的平均值作为新的物流点的物流货物量。对于每个新的物流点，终端基于新的物流点的横坐标、新的物流点的纵坐标和新的物流点的物流货物量，确定一个新的物流点。
[0086]
本实施例中，通过将进行合并的两个物流点的横坐标、纵坐标和物流货物量的平均值作为新的物流点的物流位置信息和物流货物量，能够达到将两个物流点合并为一个新的物流点的目的。
[0087]
在一个实施例中，根据新的物流点更新物流点集合，包括：将新的物流点添加进物流点集合中，并将进行合并的两个物流点从物流点集合中移除，以实现物流点集合的更新。
[0088]
本实施例中，通过使用新的物流点替代进行合并的两个物流点，以实现物流点集合的更新，进而使用最终聚类得到的最新的物流点集合中的每个物流点的位置信息和货物量计算自动柜员机的位置，能够达到更好的根据人口密度分布来估算自动柜员机的放置位置的目的。
[0089]
在一个实施例中，根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息，包括：将每个分散点的分散位置信息与相应的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的第一和，与所有分散点所对应的分散货物量的第二和进行对比，得到对比值；根据对比值确定自动柜员机的目标位置信息。
[0090]
其中，分散位置信息包括分散点的横坐标和纵坐标。相应地，第一和包括所有分散点的横坐标与相应的分散货物量的乘积结果的总和，以及所有分散点的纵坐标与相应的分散货物量的乘积结果的总和。第二和指的是所有分散点的分散货物量的总和。对比值包括第一对比值和第二对比值，自动柜员机的目标位置信息包括自动柜员机的目标横坐标和目标纵坐标，第一对比值对应自动柜员机的目标横坐标，第二对比值对应自动柜员机的目标纵坐标。
[0091]
具体地，终端将每个分散点的横坐标与该分散点的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的和，与所有分散点所对应的分散货物量的第二和进行对比，得到第一对比值；根据第一对比值确定自动柜员机的目标横坐标。
[0092]
终端将每个分散点的纵坐标与该分散点的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的和，与所有分散点所对应的分散货物量的第二和进行对比，得到第二对比值；根据第二对比值确定自动柜员机的目标纵坐标。
[0093]
在一个实施例中，终端根据重心法，对多个分散点进行计算，根据多个分散点中各分散点分别对应的横坐标、纵坐标和分散货物量，确定自动柜员机的目标横坐标和目标纵坐标。
[0094]
重心法的计算公式为：
[0095]
[0096][0097]
式中，c
x
为自动柜员机的目标横坐标，cy为自动柜员机的目标纵坐标，d
ix
为第i个分散点的横坐标，d
iy
为第i个分散点的纵坐标，vi为运输到第i个分散点或从第i个分散点运出的分散货物量。
[0098]
本实施例中，通过将同一区域物流点的分布情况映射至该区域的人口密度分布，结合物流系统的重心法，计算出该区域人口密度的分布情况，不依附于传统的人口流量估算方法，能够达到更合理地布设自动柜员机，提高自动柜员机选址的精准性的目的。
[0099]
在一个实施例中，每个物流点还包括货物类型，自动柜员机选址方法还包括：基于货物类型，确定区域的人口年龄分布情况；基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息。
[0100]
其中，货物类型指的是商品的类型，包括日用品、服饰、生鲜、电子产品、宠物粮食、信件等，货物类型信息的来源可以是从快递公司获取。人口年龄分布情况包括18岁以下，18-30岁，31-40岁，41-50岁，50岁以上。人口年龄分布情况还可以为其他划分标准，本实施例对此并未加以限定。
[0101]
具体地，对于每个物流点，终端按照货物类型统计物流货物量，得到货物类型的统计结果，该货物类型的统计结果包括物流货物量排行前三位的商品和每种商品的物流货物量占总的物流货物量的比例，基于该货物类型的统计结果，确定区域的人口年龄分布情况。进而，终端基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息，使得自动柜员机的目标位置更加符合该区域的目标人群的使用偏好。
[0102]
比如，货物类型的统计结果为物流货物量排行前三位的商品为服饰、电子产品、宠物粮食，并且这三种商品的物流货物量占总的物流货物量的比例分别为：30％、35％和10％，那么可以初步判断该区域的人口年龄分布情况为：该区域的人口以18岁以下、18-30岁、以及31-40岁的人群为主。进而，根据该区域的人口以18岁以下、18-30岁、以及31-40岁的人群为主，调整自动柜员机的目标位置信息，使得自动柜员机的目标位置更加符合该区域的18-40岁的目标人群的使用偏好。例如，由于18-40岁的目标人群主要为大学生、上班族和家庭主妇，因此将自动柜员机的目标位置设置在靠近学校、商场、公园等的中心地段，更加符合目标人群的消费习惯，使其能够随时地通过自动柜员机进行存取款。
[0103]
本实施例中，通过获取每个物流点的货物类型，基于货物类型，确定区域的人口年龄分布情况；基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息，能够更好地估算该区域的自动柜员机的选址点。
[0104]
在另一个实施例中，如图4-6所示，提供了一种自动柜员机选址方法，包括：
[0105]
1、终端选取某一区域，获取该区域内的所有物流点，如图4所示，物流点一共有10个，分别用标号p1、p2、
……
、p10表示，图中显示了所有物流点在二维坐标系中的位置分布关系，并且还显示了每个物流点的物流货物量。
[0106]
终端再将所有物流点按照标号、物流点名称、物流位置信息和物流货物量整理成如图5所示的表格。参考图5，以物流点p1为例，物流点p1的物流点名称为第一快递公司(a路店)，物流位置信息即横坐标和纵坐标分别为：121.606177和31.265774，物流货物量为500件。
[0107]
2、根据重心法，使用公式(1)和(2)进行计算：
[0108][0109][0110]
式中，c
x
为物流重心的x坐标，cy为物流重心的y坐标，d
ix
为第i个物流点的x坐标，d
iy
为第i个物流点的y坐标，vi为运输到第i个物流点或从第i个物流点运出的货物量。
[0111]
终端根据公式(1)和(2)对上述10个物流点的物流重心进行计算，得到物流重心的x坐标和y坐标分别为121.6006706和31.26282513，即物流重心在二维平面地图中的位置为靠近物流点p2的位置；并将该物流重心确定为自动柜员机的选址点。
[0112]
在该区域，自动柜员机设置在靠近物流点p2的位置符合该区域的人口密度分布情况。相较于传统的自动柜员机选址时考虑人口密度的算法，本方法适时结合我国目前快递物流行业的发展现状，将快递物流点的分布情况映射至该分布地区的人口密度分布，结合物流系统的重心法，计算出该区域人口密度的分布情况，不依附于传统的人口流量估算方法。
[0113]
3、对于某一区域中存在较多的物流点的情况，可以采取聚类分析的方法，将类型相似的物流点合并为一类。
[0114]
例如，对于物流点p1和p2，根据欧式距离的计算公式：
[0115][0116]
计算物流点p1和p2的距离，式中，ρ为两个物流点的距离,ai为第i个物流点的x坐标，bi为第i个物流点的y坐标，p为大于1的正整数。
[0117]
取p为2，得到物流点p1和p2的距离ρ(p1,p2)为0.005254314。
[0118]
按照同样的方法，将所有10个物流点中任意两个物流点的距离依次计算出来，得到如图6所示的表格。从表格中可以看出，物流点p10和p7之间的距离最小，将物流点p10和p7合并为一个新的物流点，记为cl11，新的物流点cl11的横坐标、纵坐标分别为物流点p10和p7的横坐标、纵坐标的平均值，其货物量为物流点p10和p7的货物量的平均值。
[0119]
按照上述方法，依次计算新的物流点与其他物流点的距离，将具有最小距离的两个物流点合并为一个新的物流点，直到最小距离小于距离阈值，即得到满意的聚类结果，停止聚类，该聚类结果为代表当前区域人口分布情况的多个分散点。
[0120]
4、将该多个分散点作为因变量，根据重心法，使用公式(1)和(2)进行计算，最终计算出自动柜员机的选址点。
[0121]
本方法对某一区域的物流点进行一定条件的聚类，使用聚类所得的物流点进行重心法计算，可以更好的根据人口密度分布来估算自动柜员机的放置位置。
[0122]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个
阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0123]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的自动柜员机选址方法的自动柜员机选址装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个自动柜员机选址装置实施例中的具体限定可以参见上文中对于自动柜员机选址方法的限定，在此不再赘述。
[0124]
在一个实施例中，如图7所示，提供了一种自动柜员机选址装置700，包括：获取模块702、聚类模块704和确定模块706，其中：
[0125]
获取模块702，用于获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量。
[0126]
聚类模块704，用于基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分散位置信息和分散货物量。
[0127]
确定模块706，用于根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
[0128]
在一个实施例中，聚类模块704还用于计算物流点集合中任意两个物流点的距离，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点；根据新的物流点更新物流点集合，并返回计算物流点集合中任意两个物流点的距离的步骤继续执行，直至达到聚类停止条件时停止；将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
[0129]
在一个实施例中，聚类模块704还用于根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流位置信息，确定新的物流位置信息；根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流货物量，确定新的物流货物量；基于新的物流位置信息和新的物流货物量，确定新的物流点。
[0130]
在一个实施例中，聚类模块704还用于将新的物流点添加进物流点集合中，并将进行合并的两个物流点从物流点集合中移除，以实现物流点集合的更新。
[0131]
在一个实施例中，确定模块706还用于将每个分散点的分散位置信息与相应的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的第一和，与所有分散点所对应的分散货物量的第二和进行对比，得到对比值；根据所述对比值确定自动柜员机的目标位置信息。
[0132]
在一个实施例中，每个物流点还包括货物类型，自动柜员机选址装置700还包括调整模块，调整模块用于基于货物类型，确定区域的人口年龄分布情况；基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息。
[0133]
上述自动柜员机选址装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0134]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存
储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种自动柜员机选址方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0135]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0136]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分散位置信息和分散货物量；根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
[0137]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：计算物流点集合中任意两个物流点的距离，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点；根据新的物流点更新物流点集合，并返回计算物流点集合中任意两个物流点的距离的步骤继续执行，直至达到聚类停止条件时停止；将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
[0138]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流位置信息，确定新的物流位置信息；根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流货物量，确定新的物流货物量；基于新的物流位置信息和新的物流货物量，确定新的物流点。
[0139]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将新的物流点添加进物流点集合中，并将进行合并的两个物流点从物流点集合中移除，以实现物流点集合的更新。
[0140]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将每个分散点的分散位置信息与相应的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的第一和，与所有分散点所对应的分散货物量的第二和进行对比，得到对比值；根据对比值确定自动柜员机的目标位置信息。
[0141]
在一个实施例中，每个物流点还包括货物类型，处理器执行计算机程序时还实现以下步骤：基于货物类型，确定区域的人口年龄分布情况；基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息。
[0142]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分
散位置信息和分散货物量；根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
[0143]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算物流点集合中任意两个物流点的距离，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点；根据新的物流点更新物流点集合，并返回计算物流点集合中任意两个物流点的距离的步骤继续执行，直至达到聚类停止条件时停止；将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
[0144]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流位置信息，确定新的物流位置信息；根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流货物量，确定新的物流货物量；基于新的物流位置信息和新的物流货物量，确定新的物流点。
[0145]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将新的物流点添加进物流点集合中，并将进行合并的两个物流点从物流点集合中移除，以实现物流点集合的更新。
[0146]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将每个分散点的分散位置信息与相应的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的第一和，与所有分散点所对应的分散货物量的第二和进行对比，得到对比值；根据对比值确定自动柜员机的目标位置信息。
[0147]
在一个实施例中，每个物流点还包括货物类型，计算机程序被处理器执行时还实现以下步骤：基于货物类型，确定区域的人口年龄分布情况；基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息。
[0148]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取同一区域的物流点集合，物流点集合中包括多个物流点，且每个物流点包括物流位置信息和物流货物量；基于各个物流点的物流位置信息对物流点进行至少一次的聚类合并处理，得到多个分散点；获取每个分散点所对应的分散位置信息和分散货物量；根据多个分散点中各分散点分别对应的分散位置信息和分散货物量，确定自动柜员机的目标位置信息。
[0149]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算物流点集合中任意两个物流点的距离，将具有最小距离、且最小距离小于距离阈值所对应的两个物流点进行合并，得到一个新的物流点；根据新的物流点更新物流点集合，并返回计算物流点集合中任意两个物流点的距离的步骤继续执行，直至达到聚类停止条件时停止；将最终聚类得到的最新的物流点集合中的每个物流点，分别作为一个分散点，得到多个分散点。
[0150]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流位置信息，确定新的物流位置信息；根据具有最小距离、且最小距离小于距离阈值所对应的两个物流点的物流货物量，确定新的物流货物量；基于新的物流位置信息和新的物流货物量，确定新的物流点。
[0151]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将新的物流点添加进物流点集合中，并将进行合并的两个物流点从物流点集合中移除，以实现物流点集合的更新。
[0152]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将每个分散点的分散位置信息与相应的分散货物量进行乘积运算，得到乘积结果；将所有分散点所对应的乘积结果的第一和，与所有分散点所对应的分散货物量的第二和进行对比，得到对比值；根据对比值确定自动柜员机的目标位置信息。
[0153]
在一个实施例中，每个物流点还包括货物类型，计算机程序被处理器执行时还实现以下步骤：基于货物类型，确定区域的人口年龄分布情况；基于区域的人口年龄分布情况，调整自动柜员机的目标位置信息。
[0154]
需要说明的是，本技术所涉及的用户信息(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。
[0155]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0156]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0157]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。