СПОСОБ И УСТРОЙСТВО ЭНЕРГОСБЕРЕГАЮЩЕГО УПРАВЛЕНИЯ ДЛЯ ОБОРУДОВАНИЯ САМООБСЛУЖИВАНИЯ Российский патент 2019 года по МПК G06F17/50 G06F1/32 

[0001] Данная заявка испрашивает приоритет китайской заявки на патент с порядковым номером №201510789025.9, озаглавленной "SELF-SERVICE EQUIPMENT ENERGY SAVING CONTROL METHOD AND DEVICE" и поданной в китайское Государственное ведомство по охране интеллектуальной собственности 16 ноября 2015, которая полностью включена в настоящий документ путем ссылки.

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

[0002] Настоящее раскрытие относится к области техники устройства для самообслуживания и, конкретно, к способу энергосберегающего управления и устройству энергосберегающего управления для устройства самообслуживания.

ПРЕДШЕСТВУЮЩИЙ УРОВЕНЬ ТЕХНИКИ

[0003] При быстром развитии общества, наука и техника применяется ко всем отраслям и профессиям, включая финансовую сферу. Банковский автомат (ATM) представляет важное применение науки и техники. ATM относится к малым машинам, развертываемым банком в различных местоположениях. Через ATM пользователь использует банковскую кредитную карточку, чтобы пользоваться кассовыми услугами, такими как вклад денежных средств в режиме самообслуживания, снятие денежных средств в режиме самообслуживания и перевод денежных средств в режиме самообслуживания. С применением ATM утомительные операции, включающие в себя получение номера и переход к кассе, являются ненужными пользователю при оперировании вышеупомянутыми кассовыми услугами, посредством этого снижая напряжение кассовых служащих, сберегая время и повышая эффективность.

[0004] Однако, потребление электроэнергии, обусловленное большим количеством ATM, становится тяжелой нагрузкой для банка. Существующие ATM имеют фиксированный интервал режима ожидания (sleep) с пониженным энергопотреблением, и длительность интервала ожидания устанавливается банком или изготовителями ATM. В случае, когда ATM установлен, чтобы входить в состояние ожидания после того, как ATM не используется в течение краткого времени, ATM часто входит в состояние ожидания или состояние пуска во временной период значительной деловой активности, приводя к большому ущербу (из-за) ATM, высокой интенсивности отказов и высоким расходам на обслуживание ATM. В случае, когда ATM установлен, чтобы входить в состояние ожидания после того, как ATM не используется длительное время, ATM не входит в состояние ожидания после длительного времени во временной период (как например, рано утром) меньшей деловой активности, приводя к высокому потреблению электроэнергии.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0005] Согласно вариантам осуществления настоящего раскрытия обеспечиваются способ энергосберегающего управления и устройство энергосберегающего управления для устройства самообслуживания, чтобы решить проблемы, что устройство самообслуживания многократно входит в состояние ожидания или состояние пуска в случае большого количества пользователей из-за слишком краткого интервала ожидания, и что в случае небольшого количества пользователей ресурсы непроизводительно расходуются из-за слишком длительного интервала ожидания.

[0006] Способ энергосберегающего управления для устройства самообслуживания обеспечивается согласно варианту осуществления настоящего раскрытия. Способ включает в себя: извлечение информации выборки, которой надлежит обучиться, из данных предыстории использования относительно пользователей устройства самообслуживания, где информация выборки указывает число пользователей, которые используют устройство самообслуживания, в каждый из различных подпериодов периода времени; обучение на информации выборки, которой надлежит обучиться, путем использования предварительно заданной модели байесовской априорной вероятности, чтобы получить результат обучения; обновление модели байесовской априорной вероятности на основе результата обучения; предсказание числа пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания; и модификацию интервала ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей.

[0007] Факультативно, модель байесовской априорной вероятности получают согласно следующим этапам предварительной обработки: предварительной обработки данных предыстории использования относительно пользователей устройства самообслуживания, чтобы извлечь число пользователей, которые используют устройство самообслуживания, в каждом из различных подпериодов периода времени в качестве информации выборки; объединения информации выборки на основе разделения периода времени, чтобы получить информацию исходной выборки; и получения модели байесовской априорной вероятности на основе правил Байеса и информации исходной выборки.

[0008] Факультативно, информацию выборки, надлежащую для обучения, обновляют в информацию исходной выборки, как только извлечена информация выборки, которой надлежит обучиться.

[0009] Факультативно, модель байесовской априорной вероятности представляется в виде:

где обозначает распределение Дирихле, s обозначает число подпериодов в периоде времени, обозначает число пользователей в информации выборки в s-ом подпериоде, обозначает число порций информации выборки в s-ом подпериоде, и .

[0010] Факультативно, обновленная модель байесовской априорной вероятности представляется в виде:

и

число порций обновленной информации выборки представляется в виде:

где обозначает число пользователей в информации выборки, которой надлежит обучиться, в каждом из подпериодов, и обозначает число пользователей в информации выборки в s-ом подпериоде.

[0011] Факультативно, состояние ожидания, соответствующее интервалу ожидания устройства самообслуживания, модифицируют, когда интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей.

[0012] Факультативно, модификация интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов на основе предсказанного числа пользователей включает в себя: извлечение суммы значений продолжительности относительно всех пользователей, использующих устройство самообслуживания; вычисление средней продолжительности относительно пользователя, использующего устройство самообслуживания, на основе суммы значений продолжительности; извлечение предсказанной полной продолжительности использования на основе предсказанного числа пользователей и средней продолжительности; вычисление среднего неактивного интервала между двумя соседними использованиями для устройства самообслуживания в рамках предварительно заданного периода времени на основе предсказанной полной продолжительности использования; и модификацию, на основе среднего неактивного интервала, интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания в каждом из подпериодов устройства самообслуживания.

[0013] Факультативно, модификация, на основе среднего неактивного интервала, интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов включает в себя: в случае, когда средний неактивный интервал меньше чем первый заданный временной порог, управление устройством самообслуживания, чтобы не входить в состояние ожидания; в случае, когда средний неактивный интервал больше чем или равен первому заданному временному порогу и меньше чем второй заданный временной порог, и устройство самообслуживания не используется в рамках первого предварительно заданного интервала ожидания, управление устройством самообслуживания, чтобы входить в облегченное состояние ожидания (режим light sleep), где в облегченном состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания поддерживается работающим обычно; и в случае, когда средний неактивный интервал больше чем второй заданный временной порог, управление устройством самообслуживания, чтобы входить в облегченное состояние ожидания в случае, когда устройство самообслуживания не используется в рамках первого предварительно заданного интервала ожидания, и управление устройством самообслуживания, чтобы входить в глубокое состояние ожидания (режим deep sleep) в случае, когда продолжительность, в которой устройство самообслуживания находится в облегченном состоянии ожидания, больше чем второй предварительно установленный интервал ожидания, где в глубоком состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания входит в операционный режим с наименьшим энергопотреблением.

[0014] Факультативно, модификация, на основе среднего неактивного интервала, интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов дополнительно включает в себя: управление устройством самообслуживания, чтобы входить в глубокое состояние ожидания в случае, когда текущее время находится в диапазоне значений предварительно заданного периода времени, и устройство самообслуживания не используется в рамках третьего предварительно заданного интервала ожидания.

[0015] Согласно варианту осуществления настоящего раскрытия обеспечивается устройство энергосберегающего управления для устройства самообслуживания, которое включает в себя: модуль извлечения информации выборки, сконфигурированный, чтобы извлекать информацию выборки, надлежащую для обучения, из данных предыстории использования относительно пользователей устройства самообслуживания, где информация выборки указывает число пользователей, которые используют устройство самообслуживания, в каждом из различных подпериодов периода времени; модуль обучения, сконфигурированный, чтобы обучиться информации выборки, надлежащей для обучения, путем использования предварительно заданной модели байесовской априорной вероятности, чтобы получить результат обучения; модуль обновления, сконфигурированный для обновления модели байесовской априорной вероятности на основе результата обучения; модуль предсказания числа пользователей, сконфигурированный для предсказания числа пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания; и модуль модификации режима ожидания, сконфигурированный для модификации интервала ожидания в каждом из подпериодов для устройства самообслуживания на основании предсказанного числа пользователей.

[0016] Можно видеть из вышеупомянутых технических решений, что варианты осуществления настоящего раскрытия имеют следующие преимущества.

[0017] В вариантах осуществления настоящего раскрытия, во-первых, информация выборки, которой надлежит обучиться, извлекается из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает число пользователей, которые используют устройство самообслуживания в каждом из различных подпериодов периода времени. Во-вторых, обучаются информации выборки, которой надлежит обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения. В-третьих, модель байесовской априорной вероятности обновляют на основе результата обучения. В-четвертых, число пользователей в каждом из подпериодов предварительно заданного периода времени предсказывают, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания. В заключение, интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей. В вариантах осуществления настоящего раскрытия число пользователей предсказывают, используя модель байесовской априорной вероятности, полученную самообучением, и интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей. Интервал ожидания устройства самообслуживания в каждом из подпериодов может быть установлен соответствующе по необходимости, посредством этого избегая проблем, что устройство самообслуживания многократно входит в состояние ожидания или состояние пуска в случае большого количества пользователей из-за слишком краткого интервала ожидания, и что ресурсы непроизводительно расходуются в случае небольшого количества пользователей из-за слишком длительного интервала ожидания.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0018] Чтобы более ясно проиллюстрировать технические решения настоящего раскрытия или традиционной технологии, чертежи, требуемые в описании вариантов осуществления и традиционной технологии, кратко описываются ниже. Очевидно, чертежи в последующем описании представляют лишь некоторые осуществления настоящего раскрытия, и специалистами в данной области техники быть получены другие чертежи могут на основе этих чертежей без какой-либо творческой работы.

[0019] Фиг.1 - схема последовательности операций способа энергосберегающего управления для устройства самообслуживания согласно варианту осуществления настоящего раскрытия;

[0020] Фиг.2 - схема последовательности операций способа энергосберегающего управления для устройства самообслуживания согласно другому варианту осуществления настоящего раскрытия;

[0021] Фиг.3 - структурная схема устройства энергосберегающего управления для устройства самообслуживания согласно варианту осуществления настоящего раскрытия; и

[0022] Фиг.4 - структурная схема устройства энергосберегающего управления для устройства самообслуживания согласно другому варианту осуществления настоящего раскрытия.

ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ

[0023] Способ энергосберегающего управления и устройство энергосберегающего управления для устройства самообслуживания обеспечиваются согласно вариантам осуществления настоящего раскрытия, чтобы решить проблемы, что устройство самообслуживания многократно входит в состояние ожидания или состояние пуска в случае большого количества пользователей из-за слишком краткого интервала ожидания, и что в случае небольшого количества пользователей ресурсы непроизводительно расходуются из-за слишком длительного интервала ожидания.

[0024] Чтобы задачи, признаки и преимущества настоящего раскрытия сделать более очевидными и легкими для понимания, технические решения согласно вариантам осуществления настоящего раскрытия описываются ясно и полно, как изложено ниже, в вариантах осуществления настоящего раскрытия вместе с чертежами. Очевидно, описанные ниже варианты осуществления являются только частью, а не всеми вариантами осуществления настоящего раскрытия. Любые другие варианты осуществления, полученные специалистами в данной области техники на основе вариантов осуществления настоящего раскрытия без какой-либо творческой работы, находятся в рамках объема охраны настоящего раскрытия.

[0025] Со ссылкой на Фиг.1, способ энергосберегающего управления для устройства самообслуживания согласно варианту осуществления настоящего раскрытия включает в себя этапы 101-105.

[0026] На этапе 101 информацию выборки, которой надлежит обучиться, извлекают из данных предыстории использования относительно пользователей устройства самообслуживания.

[0027] Во-первых, информацию выборки, надлежащую для обучения, извлекают из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает число пользователей, которые используют устройство самообслуживания в каждом из различных подпериодов периода времени.

[0028] На этапе 102 обучаются информации выборки, которой надлежит обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения.

[0029] После того, как информация выборки, которой надлежит обучиться, извлечена из данных предыстории использования относительно пользователей устройства самообслуживания, информации выборки, надлежащей для обучения, можно обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения.

[0030] На этапе 103 модель байесовской априорной вероятности обновляют на основе результата обучения.

[0031] После того, как обучаются информации выборки, которой надлежит обучиться, с использованием предварительно заданной модели байесовской априорной вероятности для получения результата обучения, модель байесовской априорной вероятности может быть обновлена на основе результата обучения.

[0032] На этапе 104 предсказывают число пользователей в каждом из подпериодов предварительно заданного периода времени, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания.

[0033] После того, как байесовскую модель априорной вероятности обновляют на основе результата обучения, число пользователей в каждом из подпериодов предварительно заданного периода времени можно предсказывать, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания.

[0034] На этапе 105 интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей.

[0035] После того, как число пользователей в каждом из подпериодов предварительно заданного периода времени предсказывают, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания, интервал ожидания устройства самообслуживания в каждом из подпериодов может быть модифицирован на основе предсказанного числа пользователей.

[0036] В варианте осуществления, во-первых, информацию выборки, которой надлежит обучиться, извлекают из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает число пользователей, которые используют устройство самообслуживания, в каждом из различных подпериодов периода времени. Во-вторых, обучаются информации выборки, которой надлежит обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения. В-третьих, модель байесовской априорной вероятности обновляют на основе результата обучения. В-четвертых, число пользователей в каждом из подпериодов предварительно заданного периода времени предсказывают, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания. В заключение, интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей. В варианте осуществления число пользователей предсказывают, используя модель байесовской априорной вероятности, полученную самообучением, и интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей. Интервал ожидания устройства самообслуживания в каждом из подпериодов может быть установлен надлежащим образом как необходимо, посредством этого избегая проблем, что устройство самообслуживания многократно входит в состояние ожидания или состояние пуска в случае большого количества пользователей из-за слишком краткого интервала ожидания, и что ресурсы непроизводительно расходуются в случае небольшого количества пользователей из-за слишком длительного интервала ожидания.

[0037] Для простоты понимания способ энергосберегающего управления для устройства самообслуживания согласно варианту осуществления настоящего раскрытия подробно описывается ниже. Со ссылкой на Фиг.2, способ энергосберегающего управления для устройства самообслуживания согласно другому варианту осуществления настоящего раскрытия включает в себя этапы 201-209.

[0038] На этапе 201 информацию выборки, надлежащую для обучения, извлекают из данных предыстории использования относительно пользователей устройства самообслуживания.

[0039] Во-первых, информация выборки, которой надлежит обучиться, может быть извлечена из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает число пользователей, которые используют устройство самообслуживания, в каждом из различных подпериодов периода времени. То есть, можно понять, что пользователь от момента времени, когда пользователь начинает использование устройства самообслуживания, до момента времени, когда пользователь заканчивает использование устройства самообслуживания в периоде времени (целое кратное 24 часам) может считаться одним пользователем в информации выборки, которой надлежит обучиться. Число пользователей в информации выборки, которой надлежит обучиться, может быть объединено согласно подпериоду, чтобы получить объединенную информацию выборки, надлежащую для обучения. Продолжительностью подпериода может быть один час, два часа или большее количество часов.

[0040] В дальнейшем, информация выборки, которой надлежит обучиться, и информация исходной выборки объединяются согласно подпериоду в один часа.

[0041] Например, полученная объединенная информация выборки, которой надлежит обучиться, представляется в виде:

,

где обозначает порядковый номер подпериода, диапазон значений удовлетворяет , может быть делимым на 24, и значением является 1,2,…,24 в случае, когда длительность подпериода составляет один час, обозначает число пользователей в информации выборки, которой надлежит обучиться, в -ый подпериод, и .

[0042] В случае, когда информацию выборки, которой надлежит обучиться, объединяют согласно подпериоду в два часа, значение составляет 1,2, …, 12.

[0043] Например, полученная объединенная информация исходной выборки представляется в виде:

,

где обозначает порядковый номер подпериода, диапазон значения удовлетворяет , может быть делимым на 24, и значением является 1,2, …, 24 в случае, когда длительность подпериода составляет один час, обозначает число пользователей в информации исходной выборки в -ом подпериоде, и .

[0044] В случае, когда информацию исходной выборки объединяют согласно подпериоду в два часа, значением является 1,2, …, 12.

[0045] На этапе 202 обучаются информации выборки, которой надлежит обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения.

[0046] После того, как информацию выборки, которой надлежит обучиться, извлекают из данных предыстории использования относительно пользователей устройства самообслуживания, можно обучаться информации выборки, надлежащей для обучения, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения.

[0047] Следует отметить, что модель байесовской априорной вероятности можно извлекать согласно следующим этапам A - C предварительной обработки.

[0048] На этапе A данные предыстории использования относительно пользователей устройства самообслуживания предварительно обрабатывают, чтобы извлечь различные продолжительности, в которые различные пользователи используют устройство самообслуживания в течение суток, в качестве информации выборки.

[0049] На этапе B информацию выборки объединяют на основании разделения периода времени, чтобы получить информацию исходной выборки.

[0050] На этапе C модель байесовской априорной вероятности получают на основе правил Байеса и информации исходной выборки.

[0051] Следует отметить, что информация выборки, которой надлежит обучиться, может быть обновлена в информацию исходной выборки, как только извлечена информация выборки, надлежащая для обучения.

[0052] На этапе 203 модель байесовской априорной вероятности обновляют на основе результата обучения.

[0053] После того, как получают результат обучения, байесовская модель априорной вероятности может быть обновлена на основе результата обучения.

[0054] Следует отметить, что объединенной информации выборки, которой надлежит обучиться, обучаются, используя байесовскую априорную вероятность. Временной интервал для обучения объединенной информации выборки, которой надлежит обучиться, может составлять один день или несколько дней, каковое зависит от объема использования устройства самообслуживания на месте работы.

[0055] Например, в предположении, что временной интервал составляет день, процесс обучения объединенной информации выборки, которой надлежит обучиться, при использовании байесовской априорной вероятности описывается подробно.

[0056] Для полученной объединенной информации исходной выборки, описанной в качестве примера на этапе 201, общее число порций информации исходной выборки может быть получено, как изложено ниже.

;

где 24 в вышеупомянутом уравнении изменяется на 12 в случае, когда длительность подпериода составляет два часа.

[0057] Следовательно, байесовская априорная вероятность относительно числа пользователей ATM в каждом из подпериодов представляется в виде:

;

где 24 в вышеупомянутом уравнении изменяется на 12 в случае, когда длительность подпериода составляет два часа.

[0058] Поскольку имеются постоянные и многопеременные пользователи, использующие устройство самообслуживания, модель байесовской априорной вероятности в каждый из подпериодов подчиняется распределению Дирихле , то есть:

где обозначает распределение Дирихле, s обозначает число подпериодов в сутки, обозначает число пользователей в информации выборки в s-ом подпериоде, обозначает число порций информации выборки в s-ом подпериоде, и .

[0059] Вероятность исходной выборки представляется в виде:

[0060] Обучаются информации выборки, которой надлежит обучиться, и следующее уравнение может быть получено по байесовской формуле.

;

где обозначает распределение байесовской априорной вероятности для , обозначает распределение байесовской апостериорной вероятности для , и обученная байесовская априорная вероятность может быть получена, как изложено ниже, путем преобразования в распределение Дирихле .

где 24 в вышеупомянутом уравнении изменяется на 12 в случае, когда длительность подпериода составляет два часа, обозначает распределение Дирихле для объединенной информации выборки, которой надлежит обучиться, в подпериоды для , обозначает число пользователей в обновленной выборке в каждый подпериод, и . Первоначальную байесовскую априорную вероятность обновляют обученной байесовской априорной вероятностью.

[0061] Общее число n порций объединенной информации исходной выборки также может обновляться в виде , где 24 в этом уравнении изменяется на 12 в случае, когда длительность подпериода составляет два часа.

[0062] На этапе 204 число пользователей в каждом из подпериодов предварительно заданного периода времени предсказывают, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания.

[0063] После того, как модель байесовской априорной вероятности обновляют на основе результата обучения, число пользователей в каждом из подпериодов в предварительно заданный период времени можно предсказывать, используя обновленную модель байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания, каковое описывается подробно ниже.

[0064] Число пользователей в каждом из подпериодов периода времени предсказывают, используя обновленную модель байесовской априорной вероятности. Период времени может быть определен на основе интервала для обучения объединенной информации выборки, которой надлежит обучиться.

[0065] Каким образом предсказывать число пользователей в каждом из подпериодов следующих суток описывается подробно ниже.

[0066] Вероятность появления пользователей в каждом из подпериодов следующих суток предсказывают, используя обновленную байесовскую априорную вероятность, чтобы предсказать число пользователей, которые используют устройство самообслуживания, в каждом из подпериодов.

[0067] Модель байесовской априорной вероятности обновляют на основе обученной байесовской априорной вероятности , чтобы получить обновленную модель байесовской априорной вероятности, как изложено ниже.

,

где влито в , чтобы сформировать информацию исходной выборки, и 24 в вышеупомянутом уравнении изменяется на 12 в случае, когда длительность подпериода составляет два часа.

[0068] Следовательно, число пользователей, которые используют устройство самообслуживания в s-ом подпериоде, можно предсказать, и число пользователей, которые используют ATM в s-ом подпериоде, получают, как изложено ниже.

,

где обозначает общее число обновленных выборок, то есть, число пользователей, использующих устройство самообслуживания, обозначает обновленную модель байесовской априорной вероятности. Таким образом, может быть получено число пользователей, которые используют устройство самообслуживания в s-ом подпериоде.

[0069] На этапе 205 извлекают сумму значений продолжительности для всех пользователей, использующих устройство самообслуживания.

[0070] Сумма значений продолжительности для всех пользователей, использующих устройство самообслуживания, может быть извлечена после того, как получено предсказанное число пользователей на устройстве самообслуживания.

[0071] На этапе 206 среднюю продолжительность относительно пользователя, использующего устройство самообслуживания, вычисляют на основе суммы значений продолжительности.

[0072] После того, как извлекают сумму значений продолжительности для всех пользователей, использующих устройство самообслуживания, средняя продолжительность относительно пользователя, использующего устройство самообслуживания, может быть вычислена на основе суммы значений продолжительности.

[0073] На этапе 207 предсказанную полную продолжительность использования извлекают на основе предсказанного числа пользователей и средней продолжительности.

[0074] После того, как среднюю продолжительность относительно пользователя, использующего устройство самообслуживания, вычисляют на основе суммы значений продолжительности, предсказанная полная продолжительность использования может быть извлечена на основе предсказанного числа пользователей и средней продолжительности.

[0075] На этапе 208 вычисляют средний неактивный интервал между двумя соседними использованиями относительно устройства самообслуживания в рамках предварительно заданного периода времени на основе предсказанной полной продолжительности использования.

[0076] После того, как предсказанную полную продолжительность использования извлекают на основе предсказанного числа пользователей и средней продолжительности, средний неактивный интервал между двумя соседними использованиями для устройства самообслуживания в рамках предварительно заданного периода времени может быть вычислен на основе предсказанной полной продолжительности использования.

[0077] На этапе 209 интервал ожидания и состояние ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе среднего неактивного интервала.

[0078] После того, как вычисляют средний неактивный интервал между двумя соседними использованиями для устройства самообслуживания в рамках предварительно заданного периода времени на основе предсказанной полной продолжительности использования, интервал ожидания и состояние ожидания устройства самообслуживания в каждом из подпериодов могут быть модифицированы на основе среднего неактивного интервала.

[0079] Следует отметить, что интервал ожидания и состояние ожидания устройства самообслуживания в каждом из подпериодов могут быть модифицированы на основе среднего неактивного интервала согласно следующим этапам 1-4.

[0080] На этапе 1, в случае, когда средний неактивный интервал меньше чем первый заданный временной порог, устройством самообслуживания управляют, чтобы не входить в состояние ожидания.

[0081] На этапе 2, в случае, когда средний неактивный интервал больше чем или равен первому заданному временному порогу и меньше чем второй заданный временной порог, и устройство самообслуживания не используется в рамках первого предварительно заданного интервала ожидания, устройством самообслуживания управляют, чтобы входить в облегченное состояние ожидания. В облегченном состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания поддерживается работающим обычно.

[0082] На этапе 3, в случае, когда средний неактивный интервал больше чем второй заданный временной порог, устройством самообслуживания управляют, чтобы входить в облегченное состояние ожидания в случае, когда устройство самообслуживания не используется в рамках первого предварительно заданного интервала ожидания, и устройством самообслуживания управляют, чтобы входить в глубокое состояние ожидания в случае, когда продолжительность, в которой устройство самообслуживания находится в облегченном состоянии ожидания, больше чем второй предварительно заданный интервал ожидания. В глубоком состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания входит в операционный режим наименьшего энергопотребления.

[0083] На этапе 4 устройством самообслуживания управляют, чтобы входить в глубокое состояние ожидания в случае, когда текущее время находится в диапазоне предварительно заданного периода времени, и устройство самообслуживания не используется в рамках третьего предварительно заданного интервала ожидания.

[0084] Для простоты понимания ниже даются примеры для подробного описания.

[0085] В случае, когда предсказанный средний неактивный интервал между моментом времени, когда пользователь заканчивает использование устройства самообслуживания, и моментом времени, когда следующий пользователь начинает использование устройства самообслуживания в рамках подпериода для , составляет меньше чем 5 минут, устройство самообслуживания не готовится к входу в состояние ожидания.

[0086] В случае, когда предсказанный средний неактивный интервал между моментом времени, когда пользователь заканчивает использование устройства самообслуживания, и моментом времени, когда следующий пользователь начинает использование устройства самообслуживания в рамках подпериода для , больше чем 5 минут и меньше чем 30 минут, и какой-либо пользователь не использует устройство самообслуживания в рамках модифицированного интервала ожидания в 3 минуты, устройство самообслуживания модифицируют, чтобы входить в облегченное состояние ожидания, в котором экран устройства самообслуживания выключен, и основное устройство, такое как ЦП (CPU) устройства самообслуживания, поддерживается работающим обычно.

[0087] В случае, когда предсказанный средний неактивный интервал между моментом времени, когда пользователь заканчивает использование устройства самообслуживания, и моментом времени, когда следующий пользователь начинает использование устройства самообслуживания в рамках подпериода для , больше чем 30 минут, устройство самообслуживания модифицируют, чтобы входить в облегченное состояние ожидания в случае, когда какой-либо пользователь не использует устройство самообслуживания в рамках модифицированного интервала ожидания в 3 минуты. В облегченном состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания поддерживается работающим обычно. Устройство самообслуживания входит в глубокое состояние ожидания после того, как модифицированный интервал ожидания в 10 минут истекает. В глубоком состоянии ожидания основное устройство также может входить в операционный режим наименьшего энергопотребления.

[0088] Например, коэффициент использования устройства самообслуживания является крайне низким от 23:00 до 6:00. Следовательно, устройство самообслуживания может быть непосредственно модифицировано, чтобы входить в глубокое состояние ожидания в случае, когда какой-либо пользователь не использует устройство самообслуживания в рамках модифицированного интервала ожидания в 3 минуты, посредством этого гарантируя быстрый запуск устройства самообслуживания, как только пользователь начинает использовать устройство самообслуживания и данные практики использования относительно пользователя, и достижение энергосберегающего эффекта.

[0089] Согласно настоящему раскрытию, информации выборки, которой надлежит обучиться, обучают, используя байесовскую априорную вероятность, чтобы получить результат обучения. Байесовские априорные данные практики обновляют на основе результата обучения. Число пользователей, которые используют устройство самообслуживания в каждом из подпериодов суток, предсказывают, используя обновленные байесовские априорные данные практики. Состояние ожидания устройства самообслуживания и моменты время, когда устройство самообслуживания входит в состояние ожидания, модифицируют на основе результата предсказания по обновленным байесовским априорным данным практики. Таким образом, интервал ожидания продляется в случае большого количества пользователей, чтобы препятствовать частому запуску устройства и снижать интенсивность отказов и затраты на обслуживание устройства, и интервал ожидания устройства укорачивается в случае небольшого количества пользователей, чтобы уменьшать непроизводительные расходования ресурсов и сберегать затраты.

[0090] Способ энергосберегающего управления для устройства самообслуживания описан выше. Устройство энергосберегающего управления для устройства самообслуживания описывается подробно ниже. Со ссылкой на Фиг.3 устройство энергосберегающего управления для устройства самообслуживания согласно варианту осуществления настоящего раскрытия включает в себя модуль 301 извлечения информации выборки, модуль 302 обучения, модуль 303 обновления, модуль 304 предсказания числа пользователей и модуль 305 модификации режима ожидания.

[0091] Модуль 301 извлечения информации выборки сконфигурирован, чтобы извлекать информацию выборки, которой надлежит обучиться, из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает число пользователей, которые используют устройство самообслуживания в каждом из различных подпериодов периода времени.

[0092] Модуль 302 обучения сконфигурирован, чтобы обучаться информации выборки, надлежащей для обучения, путем использования предварительно заданной модели байесовской априорной вероятности, чтобы получить результат обучения.

[0093] Модуль 303 обновления сконфигурирован, чтобы обновлять модель байесовской априорной вероятности, на основе результата обучения.

[0094] Модуль 304 предсказания числа пользователей сконфигурирован, чтобы предсказывать число пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получать предсказанное число пользователей на устройстве самообслуживания.

[0095] Модуль 305 модификации режима ожидания сконфигурирован, чтобы модифицировать интервал ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей.

[0096] В варианте осуществления модуль 301 извлечения информации выборки извлекает информацию выборки, надлежащую для обучения, из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает число пользователей, которые используют устройство самообслуживания в каждом из различных подпериодов периода времени. Модуль 302 обучения обучается информации выборки, которой надлежит обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения. Модуль 303 обновления обновляет модель байесовской априорной вероятности на основе результата обучения. Модуль 304 предсказания числа пользователей предсказывает число пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания. Модуль 305 модификации режима ожидания модифицирует интервал ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей. В варианте осуществления число пользователей предсказывают, используя модель байесовской априорной вероятности, полученную самообучением, и интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе полученного предсказанного числа пользователей. Интервал ожидания устройства самообслуживания в каждом из подпериодов может быть установлен надлежащим образом как необходимо, посредством этого избегая проблем, что устройство самообслуживания многократно входит в состояние ожидания или состояние пуска в случае большого количества пользователей из-за слишком краткого интервала ожидания, и что ресурсы непроизводительно расходуются в случае небольшого количества пользователей из-за слишком длительного интервала ожидания.

[0097] Для простоты понимания устройство энергосберегающего управления для устройства самообслуживания согласно варианту осуществления настоящего раскрытия описывается подробно ниже. Со ссылкой на Фиг.4 устройство энергосберегающего управления для устройства самообслуживания согласно другому варианту осуществления настоящего раскрытия включает в себя модуль 401 извлечения информации выборки, модуль 402 обучения, модуль 403 обновления, модуль 404 предсказания числа пользователей и модуль 405 модификации режима ожидания.

[0098] Модуль 401 извлечения информации выборки сконфигурирован, чтобы извлекать информацию выборки, которой надлежит обучиться, из данных предыстории использования относительно пользователей устройства самообслуживания. Информация выборки указывает различные продолжительности, в которые различные пользователи используют устройство самообслуживания в течение суток.

[0099] Модуль 402 обучения сконфигурирован, чтобы обучаться информации выборки, которой надлежит обучиться, используя предварительно заданную модель байесовской априорной вероятности, чтобы получить результат обучения.

[0100] Модуль 403 обновления сконфигурирован, чтобы обновлять модель байесовской априорной вероятности на основе результата обучения.

[0101] Модуль 404 предсказания числа пользователей сконфигурирован, чтобы предсказывать число пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания.

[0102] Модуль 405 модификации режима ожидания сконфигурирован, чтобы модифицировать интервал ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей.

[0103] В варианте осуществления модуль 405 модификации режима ожидания может быть дополнительно сконфигурирован для модификации интервала ожидания и состояния ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей.

[0104] В варианте осуществления модуль 405 модификации режима ожидания может включать в себя блок 4051 извлечения полной продолжительности, блок 4052 извлечения средней продолжительности, блок 4053 извлечения продолжительности использования, блок 4054 вычисления неактивного интервала и блок 4055 модификации.

[0105] Блок 4051 извлечения полной продолжительности сконфигурирован для извлечения суммы значений продолжительности относительно всех пользователей, использующих устройство самообслуживания.

[0106] Блок 4052 извлечения средней продолжительности сконфигурирован для вычисления средней продолжительности относительно пользователя, использующего устройство самообслуживания, на основе суммы значений продолжительности.

[0107] Блок 4053 извлечения продолжительности использования сконфигурирован, чтобы извлекать предсказанную полную продолжительность использования на основе предсказанного числа пользователей и средней продолжительности.

[0108] Блок 4054 вычисления неактивного интервала сконфигурирован, чтобы вычислять средний неактивный интервал между двумя соседними использованиями устройства самообслуживания в рамках предварительно заданного периода времени на основе предсказанной полной продолжительности использования.

[0109] Блок 4055 модификации сконфигурирован, чтобы модифицировать интервал ожидания и состояние ожидания устройства самообслуживания в каждом из подпериодов на основе среднего неактивного интервала.

[0110] В варианте осуществления блок 4055 модификации может включать в себя первый подблок 0551 управления, второй подблок 0552 управления, третий подблок 0553 управления и четвертый подблок 0554 управления.

[0111] Первый подблок 0551 управления сконфигурирован для управления устройством самообслуживания, чтобы не входить в состояние ожидания в случае, когда средний неактивный интервал меньше чем первый заданный временной порог.

[0112] Второй подблок 0552 управления сконфигурирован, чтобы управлять устройством самообслуживания, чтобы входить в облегченное состояние ожидания в случае, когда средний неактивный интервал больше чем или равен первому заданному временному порогу и меньше чем второй заданный временной порог, и устройство самообслуживания не используются в рамках первого заданного временного порога. В облегченном состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания поддерживается работающим обычно.

[0113] Третий подблок 0553 управления сконфигурирован, чтобы в случае, когда средний неактивный интервал больше чем второй заданный временной порог, управлять устройством самообслуживания, чтобы входить в облегченное состояние ожидания в случае, когда устройство самообслуживания не используется в рамках первого заданного временного ограничения, и управлять устройством самообслуживания, чтобы входить в глубокое состояние ожидания в случае, когда продолжительность, в рамках которой устройство самообслуживания находится в облегченном состоянии ожидания, больше чем второе заданное временное ограничение. В глубоком состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания входит в операционный режим с наименьшим энергопотреблением.

[0114] Четвертый подблок 0554 управления сконфигурирован, чтобы управлять устройством самообслуживания, чтобы входить в глубокое состояние ожидания в случае, когда текущее время находится в диапазоне значений предварительно заданного периода времени, и устройство самообслуживания не используется в рамках третьего заданного временного ограничения.

[0115] Специалисты в данной области техники могут ясно понять, что для удобства и простоты описания, рабочие процессы системы, устройства и блока, описанные выше, могут относиться к соответствующим процессам в вышеупомянутых вариантах осуществления способа, которые более не описываются ниже.

[0116] В нескольких вариантах осуществления согласно настоящему раскрытию следует понять, что раскрытая система, устройство и способ могут быть реализованы другим образом. Варианты осуществления устройства, описанные выше, являются просто схематичными. Например, разделение на блоки является просто логическим функциональным разделением, и на практике могут быть другие разделения. Например, множество блоков или компонентов могут объединяться, или могут включаться в другую систему, или некоторые функции могут игнорироваться или не исполняться. Кроме того, соединение, непосредственная связь или соединение связи между компонентами, показанными или обсужденными, могут быть косвенной связью или соединением связи через некоторые интерфейсы, устройства или блоки, которые могут быть электрическими, механическими, или иной формы.

[0117] Блоки, иллюстрируемые в виде отдельных компонентов, могут быть или могут не быть отдельными физически, и компонент, изображенный как блок, может быть или может не быть физическим блоком. То есть, компоненты могут быть размещенными в одном и том же месте или могут быть распределенными на множестве блоков сети. Некоторые или все блоки могут выбираться по необходимости для реализации объекта решения из вариантов осуществления.

[0118] Кроме того, все функциональные блоки согласно вариантам осуществления настоящего раскрытия могут объединяться в один блок обработки, или каждый может быть отдельным блоком физически, или два или больше блоков объединяются в один блок. Объединенный блок, описанный выше, может быть реализован аппаратными средствами или может быть реализован посредством программного функционального блока.

[0119] Объединенный блок может сохраняться в читаемом компьютером носителе данных, если объединенный блок реализуется в форме программного функционального блока и продается или используется в качестве отдельного продукта. С основой на таком понимании, существенная часть технического решения настоящего раскрытия, то есть, часть технического решения настоящего раскрытия, которая вносит вклад в традиционную технологию, или все техническое решение или его часть могут реализовываться в форме компьютерного программного продукта. Компьютерный программный продукт сохраняется в носителе данных и включает в себя несколько команд для предписания компьютерному устройству (которое может быть персональным компьютером, сервером, сетевым устройством и т.п.) реализовывать все или часть этапов способа согласно вариантам осуществления настоящего раскрытия. Носитель данных, описанный выше, включает в себя различные носители, которые могут сохранять программные коды, такие как диск с USB-интерфейсом, мобильный накопитель на жестком диске, постоянная память (ROM), оперативная память (RAM), магнитный диск и оптический диск.

[0120] В заключение, вышеупомянутые варианты осуществления описываются только для того, чтобы проиллюстрировать технические решения настоящего раскрытия, а не для того, чтобы ограничить технические решения. Хотя настоящее раскрытие проиллюстрировано подробно со ссылкой на вышеупомянутые варианты осуществления, специалистам в данной области техники должно быть понятно, что изменения все еще могут делаться к техническим решениям, изложенным в вышеупомянутых вариантах осуществления, или может делаться эквивалентная замена в части технических признаков технических решений. Изменение и эквивалентная замена не могут вызвать выход сущности технических решений за рамки существа и объема изобретения согласно вариантам осуществления настоящего раскрытия.

Группа изобретений относится к средствам энергосберегающего управления. Технический результат - оптимизация энергосбережения устройства. Для этого предложен способ энергосберегающего управления, который содержит: получение информации выборки, которой надлежит обучиться, из данных предыстории использования относительно пользователей оборудования самообслуживания; обучение информации выборки, которой надлежит обучиться, согласно предварительно заданной модели байесовской априорной вероятности, чтобы получить результат обучения; обновление модели байесовской априорной вероятности на основе результата обучения; предсказание числа пользователей для каждого временного периода в предварительно заданном временном периоде путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное количество пользователей оборудования самообслуживания; и корректировку интервала ожидания для каждого временного периода оборудования самообслуживания в соответствии с предсказанным количеством пользователей. 2 н. и 8 з.п. ф-лы, 4 ил.

1. Способ энергосберегающего управления для устройства самообслуживания, содержащий:

извлечение информации выборки, которой надлежит обучиться, из данных предыстории использования относительно пользователей устройства самообслуживания, причем информация выборки указывает число пользователей, которые используют устройство самообслуживания в каждом из различных подпериодов периода времени;

обучение информации выборки, которой надлежит обучиться, путем использования предварительно заданной модели байесовской априорной вероятности, чтобы получить результат обучения;

обновление модели байесовской априорной вероятности на основе результата обучения;

предсказание числа пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания; и

модификацию интервала ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей.

2. Способ по п.1, в котором модель байесовской априорной вероятности получают согласно следующим этапам предварительной обработки:

предварительной обработки данных предыстории использования относительно пользователей устройства самообслуживания, чтобы извлечь число пользователей, которые используют устройство самообслуживания, в каждом из различных подпериодов периода времени в качестве информации выборки;

объединения информации выборки на основе разделения периода времени, чтобы получить информацию исходной выборки; и

получения модели байесовской априорной вероятности на основе правил Байеса и информации исходной выборки.

3. Способ по п.2, в котором информацию выборки, которой надлежит обучиться, обновляют в информацию исходной выборки, как только извлекают информацию выборки, надлежащую для обучения.

4. Способ по п.1, в котором модель байесовской априорной вероятности представляется в виде:

,

где обозначает распределение Дирихле, обозначает число подпериодов в периоде времени, обозначает число пользователей в информации выборки в -м подпериоде, обозначает число порций информации выборки в -м подпериоде, и .

5. Способ по п.4, в котором обновленная модель байесовской априорной вероятности представляется в виде:

, и

число порций обновленной информации выборки представляется в виде:

,

где обозначает число пользователей в информации выборки, которой надлежит обучиться, в каждом из подпериодов, и обозначает число пользователей в информации выборки в -м подпериоде.

6. Способ по п.1, дополнительно содержащий:

модификацию состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, когда интервал ожидания устройства самообслуживания в каждом из подпериодов модифицируют на основе предсказанного числа пользователей.

7. Способ по п.6, в котором модификация интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов на основе предсказанного числа пользователей содержит:

извлечение суммы значений продолжительности относительно всех пользователей, использующих устройство самообслуживания;

вычисление средней продолжительности относительно пользователя, использующего устройство самообслуживания, на основе суммы значений продолжительности;

извлечение предсказанной полной продолжительности использования на основе предсказанного числа пользователей и средней продолжительности;

вычисление среднего неактивного интервала между двумя соседними использованиями устройства самообслуживания в рамках предварительно заданного периода времени на основе предсказанной полной продолжительности использования; и

модификацию, на основе среднего неактивного интервала, интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов.

8. Способ по п.7, в котором модификация на основе среднего неактивного интервала, интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов содержит:

в случае, когда средний неактивный интервал меньше, чем первый заданный временной порог, управление устройством самообслуживания, чтобы не входить в состояние ожидания;

в случае, когда средний неактивный интервал больше чем или равен первому заданному временному порогу и меньше, чем второй заданный временной порог, и устройство самообслуживания не используется в рамках первого предварительно заданного интервала ожидания, управление устройством самообслуживания, чтобы входить в облегченное состояние ожидания, причем в облегченном состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания поддерживается работающим обычно; и

в случае, когда средний неактивный интервал больше, чем второй заданный временной порог, управление устройством самообслуживания, чтобы входить в облегченное состояние ожидания в случае, когда устройство самообслуживания не используется в рамках первого предварительно заданного интервала ожидания, и управление устройством самообслуживания, чтобы входить в глубокое состояние ожидания в случае, когда продолжительность, в которой устройство самообслуживания находится в облегченном состоянии ожидания, больше, чем второй предварительно установленный интервал ожидания, причем в глубоком состоянии ожидания экран устройства самообслуживания выключен, и основное устройство устройства самообслуживания входит в операционный режим наименьшего энергопотребления.

9. Способ по п.8, в котором модификация, на основе среднего неактивного интервала, интервала ожидания и состояния ожидания, соответствующего интервалу ожидания устройства самообслуживания, в каждом из подпериодов дополнительно содержит:

управление устройством самообслуживания, чтобы входить в глубокое состояние ожидания в случае, когда текущее время находится в диапазоне значений предварительно заданного периода времени, и устройство самообслуживания не используется в рамках третьего предварительно заданного интервала ожидания.

10. Устройство энергосберегающего управления для устройства самообслуживания, содержащее:

модуль извлечения информации выборки, сконфигурированный, чтобы извлекать информацию выборки, которой надлежит обучиться, из данных предыстории использования относительно пользователей устройства самообслуживания, причем информация выборки указывает число пользователей, которые используют устройство самообслуживания в каждом из различных подпериодов периода времени;

модуль обучения, сконфигурированный, чтобы обучаться информации выборки, надлежащей для обучения, путем использования предварительно заданной модели байесовской априорной вероятности, чтобы получить результат обучения;

модуль обновления, сконфигурированный, чтобы обновлять модель байесовской априорной вероятности на основе результата обучения;

модуль предсказания числа пользователей, сконфигурированный, чтобы предсказывать число пользователей в каждом из подпериодов предварительно заданного периода времени путем использования обновленной модели байесовской априорной вероятности, чтобы получить предсказанное число пользователей на устройстве самообслуживания; и

модуль модификации режима ожидания, сконфигурированный, чтобы модифицировать интервал ожидания устройства самообслуживания в каждом из подпериодов на основе предсказанного числа пользователей.