一种可取火车票自助存取款机选址方法及装置与流程

本申请涉及数据处理
技术领域：
，特别是涉及一种可取火车票自助存取款机选址方法及装置。
背景技术：
：可取火车票自助存取款机使得客户不仅可以存取款，还能取火车票，从而客户无需到火车站即可取票，更加方便，客户体验得到很大提升。但是可取火车票自助存取款机的造价成本很高，如果不能把可取火车票自助存取款机设置在合适的位置，不仅增加成本，造成可取火车票自助存取款机资源的浪费，也无法达到吸引客户以及提升客户体验的目的。技术实现要素：有鉴于此，本申请提供了一种可取火车票自助存取款机选址方法及装置，用以确定指定地址处是否适合设置可取火车票自助存取款机，该方案如下：一种可取火车票自助存取款机选址方法，包括：获取至少一个目标地址对应的特征数据，其中，任一目标地址对应的特征数据为能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据；将每个目标地址对应的特征数据输入预先建立的信息预测模型，获得每个目标地址对应的目标信息，其中，任一目标地址对应的目标信息包括人流量增长率、存款量增长率和取款量增长率，信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到；根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机。优选地，一个目标地址对应的特征数据包括：目标地址周边范围内的居民量和人流量，以及目标地址与火车站的距离。优选地，目标地址为多个；任一目标地址周边范围为以该目标地址为圆心的目标圆所围成的区域，其中，目标圆的半径根据其它目标地址中的至少一个目标地址确定。优选地，根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机，包括：针对每个目标地址，若该目标地址对应的目标信息满足预设条件，则确定该目标地址适合设置可取火车票自助存取款机；其中，预设条件为：人流量增长率大于或等于设定人流量增长率，和/或，存款量增长率大于或等于设定存款量增长率，和/或，取款量增长率大于或等于设定取款量增长率。优选地，还包括：若多个目标地址中存在至少两个目标地址对应的目标信息不满足预设条件，则将目标信息不满足预设条件的多个目标地址分别对应的人流量增长率排序，获得每个目标信息不满足预设条件的目标地址在人流量增长率这一维度上的排名情况；以及，将目标信息不满足预设条件的多个目标地址分别对应的存款量增长率排序，获得每个目标信息不满足预设条件的目标地址在存款量增长率这一维度上的排名情况；以及，将目标信息不满足预设条件的多个目标地址分别对应的取款量增长率排序，获得每个目标信息不满足预设条件的目标地址在取款量增长率这一维度上的排名情况；以及，根据目标信息不满足预设条件的各个目标地址分别在三个维度上的排名情况，确定每个目标信息不满足预设条件的目标地址是否适合设置可取火车票自助存取款机。一种可取火车票自助存取款机选址装置，包括：特征数据获取模块、模型预测模块和选址模块；特征数据获取模块，用于获取至少一个目标地址对应的特征数据，其中，任一目标地址对应的特征数据为能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据；模型预测模块，用于将每个目标地址对应的特征数据输入预先建立的信息预测模型，获得每个目标地址对应的目标信息，其中，任一目标地址对应的目标信息包括人流量增长率、存款量增长率和取款量增长率，信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到；选址模块，用于根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机。优选地，一个目标地址对应的特征数据包括：目标地址周边范围内的居民量和人流量，以及目标地址与火车站的距离。优选地，目标地址为多个；任一目标地址周边范围为以该目标地址为圆心的目标圆所围成的区域，其中，目标圆的半径根据其它目标地址中的至少一个目标地址确定。优选地，选址模块具体用于针对每个目标地址，若该目标地址对应的目标信息满足预设条件，则确定该目标地址适合设置可取火车票自助存取款机；其中，预设条件为：人流量增长率大于或等于设定人流量增长率，和/或，存款量增长率大于或等于设定存款量增长率，和/或，取款量增长率大于或等于设定取款量增长率。优选地，还包括：第一排序单元、第二排序单元、第三排序单元和选址单元；第一排序单元，用于若多个目标地址中存在至少两个目标地址对应的目标信息不满足预设条件，则将目标信息不满足预设条件的多个目标地址分别对应的人流量增长率排序，获得每个目标信息不满足预设条件的目标地址在人流量增长率这一维度上的排名情况；以及，第二排序单元，用于将目标信息不满足预设条件的多个目标地址分别对应的存款量增长率排序，获得每个目标信息不满足预设条件的目标地址在存款量增长率这一维度上的排名情况；以及，第三排序单元，用于将目标信息不满足预设条件的多个目标地址分别对应的取款量增长率排序，获得每个目标信息不满足预设条件的目标地址在取款量增长率这一维度上的排名情况；以及，选址单元，用于根据目标信息不满足预设条件的各个目标地址分别在三个维度上的排名情况，确定每个目标信息不满足预设条件的目标地址是否适合设置可取火车票自助存取款机。经由上述的技术方案可知，本申请提供的可取火车票自助存取款机选址方法，能够将目标地址对应的特征数据输入至预先建立的信息预测模型，并基于该信息预测模型输出的目标信息，确定目标地址处是否适合设置可取火车票自助存取款机。由于信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到，因此，利用目标地址对应的特征数据和信息预测模型能够预测出反映目标地址处是否适合设置可取火车票自助存取款机的目标信息，进而能够根据目标信息确定出目标地址处是否适合设置可取火车票自助存取款机。本申请实施例提供选址方法能够避免在不合适的区域设置可取火车票自助存取款机，而只在合适的区域设置可取火车票自助存取款机，从而能够节约成本，避免造成可取火车票自助存取款机资源的浪费。附图说明为了更清楚地说明本申请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申请的实施例，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为本申请实施例提供的可取火车票自助存取款机选址方法流程图；图2a-2b为确定目标地址周边范围时的两种可能情况示意图；图3为本申请实施例提供的可取火车票自助存取款机选址装置的结构示意图；图4为本申请实施例提供的可取火车票自助存取款机选址设备的硬件结构框图。具体实施方式下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。本申请实施例提供了一种可取火车票自助存取款机选址方法及装置。其中，可取火车票自助存取款机选址装置可运行于终端中，也可运行于后台服务器/平台中。上述终端可以是诸如台式机、移动终端(例如智能手机)、ipad等电子设备。在一个示例中，运行于终端中的可取火车票自助存取款机选址装置可为运行在终端中的客户端，该客户端可以是应用程序客户端，也可以是网页客户端。可选的，工作人员可在客户端输入目标地址对应的特征数据，以使得客户端基于工作人员输入的特征数据确定目标地址处是否适合设置可取火车票自助存取款机。运行于后台服务器/平台中的可取火车票自助存取款机选址装置可为服务器/平台的功能模块或组件。上述后台服务器或平台可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者是一个云计算服务中心。接下来，首先对本申请实施例提供的可取火车票自助存取款机选址方法进行介绍。请参阅图1，示出了本申请提供的一种可取火车票自助存取款机选址方法的流程图，该方法可以包括：步骤s100、获取至少一个目标地址对应的特征数据。其中，任一目标地址对应的特征数据为能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据。离行网点是指分布在银行营业厅之外一段距离的网点。应当理解，在离行网点设置可取火车票自助存取款机使得客户无需进入银行营业厅即可方便地存取款，提升客户体验，尤其是添加取票功能，能够吸引更多客户到该离行网点进行存取款，提高了银行盈利，并进一步提升了客户体验。但是，若离行网点周边范围内的人流量、居民量等能够影响客户存取款的数据较小，那么在该离行网点设置可取火车票自助存取款机可能造成银行亏损，也无法达到吸引客户以及提升客户体验的目的。基于此，本步骤可以获取能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据，即目标地址对应的特征数据，以在后续步骤中基于特征数据确定目标地址处是否适合设置可取火车票自助存取款机。这里，目标地址可以为上文提及的离行网点。当然，本申请并不限定目标地址仅为离行网点，除此之外，目标地址也可以为其他地址。可选的，工作人员可以手动输入目标地址对应的特征数据，则本步骤可以获取工作人员输入的特征数据；可选的，可以从存储有特征数据的系统、网站等爬取特征数据，以获得爬取的特征数据，例如，公安系统中会存储有目标地址对应的居民量(即特征数据)，则可以通过从公安系统爬取的方式获得目标地址对应的居民量。步骤s101、将每个目标地址对应的特征数据输入预先建立的信息预测模型，获得每个目标地址对应的目标信息。其中，任一目标地址对应的目标信息包括人流量增长率、存款量增长率和取款量增长率，信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到。在一可选实施例中，信息预测模型可以为ga-bp神经网络模型。ga-bp神经网络模型是指对bp神经网络进行遗传算法的优化得到ga-bp神经网络模型。可选的，ga-bp神经网络模型的结构可通过如下方式确定：根据特征数据的个数和目标信息的个数，确定bp神经网络输入层和输出层的节点个数；根据kolmogorov(柯尔莫戈洛夫)原理，即一个三层bp神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐含层即可，确定隐含层的个数为1，以及根据试凑法确定bp神经网络隐含层的节点个数。本实施例可通过遗传算法输出的最优个体作为bp神经网络的初始权值和阈值进行bp神经网络训练和学习，并且本实施例获取设置可取火车票自助存取款机的地址对应的特征数据，并采集设置可取火车票自助存取款机前一段时间(比如设置可取火车票自助存取款机后第一个月)的人流量、存款量和取款量，并采集设置可取火车票自助存取款机后一段时间(比如设置可取火车票自助存取款机后第二个月)的人流量、存款量和取款量，以计算人流量增长率、存款量增长率和取款量增长率，通过设置可取火车票自助存取款机的地址对应的特征数据和对应的人流量增长率、存款量增长率和取款量增长率对ga-bp神经网络模型进行训练。可选的，可以将用于模型训练的所有特征数据划分测试集和训练集，训练集用于训练ga-bp神经网络模型，测试集用于测试训练得到的ga-bp神经网络模型的效果。可选的，还可以每隔一段时间重新获取特征数据并更新训练好的ga-bp神经网络模型，以使得ga-bp神经网络模型更加有效。步骤s102、根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机。可选的，可以设置目标信息对应的目标信息标准，从而基于目标信息与目标信息标准的大小关系，确定每个目标地址处是否适合设置可取火车票自助存取款机。本申请实施例提供的可取火车票自助存取款机选址方法，能够将目标地址对应的特征数据输入至预先建立的信息预测模型，并基于该信息预测模型输出的目标信息，确定目标地址处是否适合设置可取火车票自助存取款机。由于信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到，因此，利用目标地址对应的特征数据和信息预测模型能够预测出反映目标地址处是否适合设置可取火车票自助存取款机的目标信息，进而能够根据目标信息确定出目标地址处是否适合设置可取火车票自助存取款机。本申请实施例提供选址方法能够避免在不合适的区域设置可取火车票自助存取款机，而只在合适的区域设置可取火车票自助存取款机，从而能够节约成本，避免造成可取火车票自助存取款机资源的浪费。在一可选实施例中，本案发明人通过数据统计及实验发现以下特征数据对目标信息的影响很大，具体包括：目标地址周边范围内的居民量和人流量，以及目标地址与火车站的距离。需要说明的是，本申请实施例中，特征数据除为居民量和人流量，以及目标地址与火车站的距离外，还可以为其他。可选的，上述目标地址周边范围的确定方法有多种，这里示例性的提供一种方法。可选的，可以根据多个目标地址，确定该多个目标地址中任一目标地址的周边范围。具体地，任一目标地址周边范围为以该目标地址为圆心的目标圆所围成的区域，其中，目标圆的半径根据其它目标地址中的至少一个目标地址确定。示例性的，若多个目标地址位于一条直线上，则可以参见图2a所示，其中，ab＝bc＝8。则目标地址a周边范围为以目标地址a为圆心，以4为半径的目标圆所围成的区域；目标地址b周边范围为以目标地址b为圆心，以4为半径的目标圆所围成的区域；目标地址c周边范围为以目标地址c为圆心，以4为半径的目标圆所围成的区域。示例性的，若多个目标地址不完全位于一条直线上，则可以参见图2b所示，其中，ab＝8，bc＝10，ac＝10。则可以使得分别以目标地址a、b、c为圆心的目标圆两两相切，得到目标地址a周边范围为以目标地址a为圆心，以4为半径的目标圆所围成的区域，目标地址b周边范围为以目标地址b为圆心，以4为半径的目标圆所围成的区域，目标地址c周边范围为以目标地址c为圆心，以6为半径的目标圆所围成的区域。以下对上述实施例中的“步骤s102，根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机”的过程进行说明。本申请实施例中，可以根据银行盈利情况设置目标信息对应的目标信息标准，其中针对人流量增长率，上述目标信息标准为设定人流量增长率；针对存款量增长率，上述目标信息标准为设定存款量增长率；针对取款量增长率，上述目标信息标准为设定取款量增长率。在一可选实施例中，可以根据目标地址对应的目标信息以及目标信息标准的大小关系，确定每个目标地址处是否适合设置可取火车票自助存取款机。这里，根据目标地址对应的目标信息以及目标信息标准的大小关系，确定每个目标地址处是否适合设置可取火车票自助存取款机的过程可以有多种实现方式，本申请提供但不限于以下三种：第一种：针对每个目标地址，若满足下述三个条件中至少一个，则确定该目标地址处适合设置可取火车票自助存取款机；否则，确定该目标地址处不适合设置可取火车票自助存取款机。条件1：目标地址对应的人流量增长率大于或等于设定人流量增长率。条件2：目标地址对应的存款量增长率大于或等于设定存款量增长率。条件3：目标地址对应的取款量增长率大于或等于设定取款量增长率。示例性的，若信息预测模型预测的目标地址对应的人流量增长率为33％，存款量增长率为15％，取款量增长率为17％，而设定人流量增长率、设定存款量增长率和设定取款量增长率均为20％。由于人流量增长率33％大于设定人流量增长率20％，则可以确定该目标地址处适合设置可取火车票自助存取款机。第二种：若目标地址为多个，则将多个目标地址分别对应的人流量增长率、存款量增长率和取款量增长率分别进行排序，以获得每个目标地址分别在人流量增长率、存款量增长率和取款量增长率维度上的排名情况，并基于各个目标地址分别在三个维度上的排名情况，确定每个目标地址处是否适合设置可取火车票自助存取款机。示例性的，目标地址a、b、c、d、e、f、g在人流量增长率这一维度上按照人流量增长率从大到小排序为：a、b、c、d、e、f、g；在存款量增长率这一维度上按照存款量增长率从大到小排序为：b、d、c、g、f、a、e；在取款量增长率这一维度上按照取款量增长率从大到小排序为：b、a、c、f、g、d、e。由于目标地址b和目标地址c在三个维度上的排名均处于前三名，因此确定目标地址b和目标地址c处适合设置可取火车票自助存取款机，而其他目标地址处不适合设置可取火车票自助存取款机。第三种：针对每个目标地址，若满足下述三个条件中至少一个，则确定该目标地址适合设置可取火车票自助存取款机。条件1：目标地址对应的人流量增长率大于或等于设定人流量增长率。条件2：目标地址对应的存款量增长率大于或等于设定存款量增长率。条件3：目标地址对应的取款量增长率大于或等于设定取款量增长率。若同时不满足上述三个条件的目标地址至少有两个，则进行下述操作：将同时不满足上述三个条件的多个目标地址分别对应的人流量增长率排序，获得同时不满足上述三个条件的每个目标地址在人流量增长率这一维度上的排名情况；将同时不满足上述三个条件的多个目标地址分别对应的存款量增长率排序，获得同时不满足上述三个条件的每个目标地址在存款量增长率这一维度上的排名情况；将同时不满足上述三个条件的多个目标地址分别对应的取款量增长率排序，获得同时不满足上述三个条件的每个目标地址在取款量增长率这一维度上的排名情况；根据同时不满足上述三个条件的各个目标地址分别在三个维度上的排名情况，确定同时不满足上述三个条件的每个目标地址处是否适合设置可取火车票自助存取款机。示例性的，参见表1为各目标地址对应的人流量增长率、存款量增长率和取款量增长率。表1目标地址、人流量增长率、存款量增长率和取款量增长率的对应关系目标地址人流量增长率(％)存款量增长率(％)取款量增长率(％)a202534b191619c141313d151714e231820f131416g171818h161515i181917j191621假设设定人流量增长率、设定存款量增长率和设定取款量增长率均为20％。通过比较发现，针对目标地址a，人流量增长率等于设定人流量增长率，存款量增长率大于设定存款量增长率，取款量增长率大于设定取款量增长率，即同时满足条件1-3，确定目标地址a处适合设置可取火车票自助存取款机；针对目标地址e，人流量增长率大于设定人流量增长率，存款量增长率小于设定存款量增长率，取款量增长率等于设定取款量增长率，即满足条件1和3，确定目标地址e处适合设置可取火车票自助存取款机；针对目标地址j，人流量增长率小于设定人流量增长率，存款量增长率小于设定存款量增长率，取款量增长率大于设定取款量增长率，即满足条件3，确定目标地址j处适合设置可取火车票自助存取款机。针对目标地址b、c、d、f、g、h、i，人流量增长率小于设定人流量增长率，存款量增长率小于设定存款量增长率，取款量增长率小于设定取款量增长率，即同时不满足条件1-3，则分别从人流量增长率、存款量增长率和取款量增长率三个维度对目标地址进行排序，结果如下：按照人流量增长率从大到小的顺序对目标地址排序为：b、i、g、h、d、c、f；按照存款量增长率从大到小的顺序对目标地址排序为：i、g、d、b、h、f、c；按照取款量增长率从大到小的顺序对目标地址排序为：b、g、i、f、h、d、c。由于目标地址i和目标地址g在三个维度上的排名均处于前三名，因此确定目标地址i和目标地址g处适合设置可取火车票自助存取款机，而其他目标地址处不适合设置可取火车票自助存取款机。可选的，本申请实施例中，若目标地址同时不满足上述三个条件，且同时不满足上述三个条件的目标地址有至少两个，还可以将各个目标地址在三个维度上的排名情况输出，以使得工作人员基于每个目标地址在三个维度上的排名情况以及每个目标地址的实际情况，确定每个目标地址处是否适合设置可取火车票自助存取款机。在一可选实施例中，还可以将步骤s103中目标信息与目标信息标准的比较过程也用神经网络模型来完成，那么本申请还提供了另一种可取火车票自助存取款机选址方法，该方法具体如下：步骤a1、获取至少一个目标地址对应的特征数据。其中，任一目标地址对应的特征数据为能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据。本步骤与上述步骤s100对应，详细可参照前述介绍，这里不再重复赘述。步骤a2、将目标地址对应的特征数据输入预先建立的选址预测模型，获得目标地址是否适合设置可取火车票自助存取款机的选址结论。其中，选址预测模型采用多个地址分别对应的特征数据和多个地址分别对应的真实选址结论训练得到。具体的，训练选址预测模型的过程可以包括：获取一地址对应的特征数据，将该地址对应的特征数据输入选址预测模型，获得预测的选址结论；根据预测的选址结论和该地址对应的真实选址结果确定预测损失，根据预测损失更新选址预测模型的参数。按上述方式对选址预测模型进行多次迭代训练，直至选址预测模型收敛。可选的，选址预测模型可以为ga-bp神经网络模型。本申请实施例还提供了一种可取火车票自助存取款机选址装置，下面对本申请实施例提供的可取火车票自助存取款机选址装置进行描述，下文描述的可取火车票自助存取款机选址装置与上文描述的可取火车票自助存取款机选址方法可相互对应参照。请参阅图3，示出了本申请实施例提供的可取火车票自助存取款机选址装置的结构示意图，如图3所示，该可取火车票自助存取款机选址装置可以包括：特征数据获取模块301、模型预测模块302和选址模块303。特征数据获取模块301，用于获取至少一个目标地址对应的特征数据。其中，任一目标地址对应的特征数据为能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据。模型预测模块302，用于将每个目标地址对应的特征数据输入预先建立的信息预测模型，获得每个目标地址对应的目标信息。其中，任一目标地址对应的目标信息包括人流量增长率、存款量增长率和取款量增长率，信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到。选址模块303，用于根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机。本申请实施例提供的可取火车票自助存取款机选址装置，能够将目标地址对应的特征数据输入至预先建立的信息预测模型，并基于该信息预测模型输出的目标信息，确定目标地址处是否适合设置可取火车票自助存取款机。由于信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到，因此，利用目标地址对应的特征数据和信息预测模型能够预测出反映目标地址处是否适合设置可取火车票自助存取款机的目标信息，进而能够根据目标信息确定出目标地址处是否适合设置可取火车票自助存取款机。本申请实施例提供选址方法能够避免在不合适的区域设置可取火车票自助存取款机，而只在合适的区域设置可取火车票自助存取款机，从而能够节约成本，避免造成可取火车票自助存取款机资源的浪费。在一种可能的实现方式中，一个目标地址对应的特征数据包括：目标地址周边范围内的居民量和人流量，以及目标地址与火车站的距离。在一种可能的实现方式中，目标地址为多个。任一目标地址周边范围为以该目标地址为圆心的目标圆所围成的区域，其中，目标圆的半径根据其它目标地址中的至少一个目标地址确定。在一种可能的实现方式中，选址模块具体用于针对每个目标地址，若该目标地址对应的目标信息满足预设条件，则确定该目标地址适合设置可取火车票自助存取款机。其中，预设条件为：人流量增长率大于或等于设定人流量增长率，和/或，存款量增长率大于或等于设定存款量增长率，和/或，取款量增长率大于或等于设定取款量增长率。在一种可能的实现方式中，若多个目标地址中存在至少两个目标地址对应的目标信息不满足预设条件，则选址模块还可以包括：第一排序单元、第二排序单元、第三排序单元和选址单元。第一排序单元，用于将目标信息不满足预设条件的多个目标地址分别对应的人流量增长率排序，获得每个目标信息不满足预设条件的目标地址在人流量增长率这一维度上的排名情况。第二排序单元，用于将目标信息不满足预设条件的多个目标地址分别对应的存款量增长率排序，获得每个目标信息不满足预设条件的目标地址在存款量增长率这一维度上的排名情况。第三排序单元，用于将目标信息不满足预设条件的多个目标地址分别对应的取款量增长率排序，获得每个目标信息不满足预设条件的目标地址在取款量增长率这一维度上的排名情况。选址单元，用于根据目标信息不满足预设条件的各个目标地址分别在三个维度上的排名情况，确定每个目标信息不满足预设条件的目标地址是否适合设置可取火车票自助存取款机。本申请实施例还提供了一种可取火车票自助存取款机选址设备，请参阅图4，示出了该可取火车票自助存取款机选址设备的硬件结构框图。参照图4，该可取火车票自助存取款机选址设备的硬件结构可以包括：至少一个处理器401，至少一个通信接口402，至少一个存储器403和至少一个通信总线404；在本申请实施例中，处理器401、通信接口402、存储器403、通信总线404的数量为至少一个，且处理器401、通信接口402、存储器403通过通信总线404完成相互间的通信；处理器401可能是一个中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；存储器403可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；其中，存储器403存储有程序，处理器401可调用存储器403存储的程序，所述程序用于：获取至少一个目标地址对应的特征数据，其中，任一目标地址对应的特征数据为能够影响在目标地址处设置的可取火车票自助存取款机的存取款量的数据；将每个目标地址对应的特征数据输入预先建立的信息预测模型，获得每个目标地址对应的目标信息，其中，任一目标地址对应的目标信息包括人流量增长率、存款量增长率和取款量增长率，信息预测模型采用设置有可取火车票自助存取款机的地址对应的特征数据训练得到；根据每个目标地址对应的目标信息，确定每个目标地址处是否适合设置可取火车票自助存取款机。可选的，所述程序的细化功能和扩展功能可参照上文描述。本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述可取火车票自助存取款机选址方法。最后，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。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申请。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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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。当前第1页12