基于人工智能的员工考勤方法、装置、设备及存储介质与流程

1.本技术涉及到人工智能技术领域，特别是涉及到一种基于人工智能的员工考勤方法、装置、设备及存储介质。


背景技术：

2.现有技术的员工考勤采用打卡软件、工牌打卡、指纹打卡、面部识别等定点打卡方法，定点打卡方法存在如下问题：(1)对员工打完卡之后私下外出无法进行考勤管理；(2)经常会出现员工忘记打卡的情况，导致需要走补打卡流程进行补打卡；(3)有些员工中午会外出吃饭和/或休息，为保证员工下午仍然按时上班，就要求员工上午下班、下午上班均需要打卡，导致一天至少要打四次卡，对于中午不外出的员工十分不友好，而且一天至少要打四次卡员工更是经常忘记打卡或者直接不打卡，进一步增加了考勤管理的难度；(4)对于在外地组建分公司或者子公司，在办公室办公的人数较少，很难采用补打卡流程进行准确的补打卡。


技术实现要素：

3.本技术的主要目的为提供一种基于人工智能的员工考勤方法、装置、设备及存储介质，旨在解决现有技术的采用定点打卡方法进行员工考勤，无法对打完卡之后私下外出进行考勤管理，在员工忘记打卡时很难采用补打卡流程进行准确的补打卡的技术问题。
4.为了实现上述发明目的，本技术提出一种基于人工智能的员工考勤方法，所述方法包括：
5.获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型；
6.获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据；
7.分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合；
8.获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果；
9.根据各个所述待存储的单次考勤结果更新单次考勤结果库。
10.进一步的，所述获取目标电子围栏的步骤，包括：
11.获取电子围栏生成信号，所述电子围栏生成信号携带有目标办公地址；
12.响应所述电子围栏生成信号，根据所述目标办公地址获取参与考勤员工数据集合；
13.根据所述参与考勤员工数据集合获取员工家庭地址，得到待处理的员工家庭地址集合；
14.对所述待处理的员工家庭地址集合进行向量生成，得到待处理的地址特征向量；
15.将所述待处理的地址特征向量输入所述电子围栏生成模型进行电子围栏生成，得到所述目标电子围栏。
16.进一步的，所述获取目标电子围栏的步骤之前，还包括：
17.获取多个训练样本，所述训练样本包括：地址样本特征向量和电子围栏标定值；
18.将多个所述训练样本输入机器学习模型进行电子围栏生成，得到与所述训练样本对应的电子围栏预测值；
19.根据所述电子围栏预测值和所述电子围栏标定值的差异确定训练目标；
20.针对最小化所述训练目标的值的方向，调整所述机器学习模型的模型参数并继续训练，直至达到机器学习结束条件，将达到所述机器学习结束条件的所述机器学习模型确定为所述电子围栏生成模型。
21.进一步的，所述分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果的步骤，包括：
22.当存在所述第一距离小于或等于所述第一预设阈值时，确定小于或等于所述第一预设阈值的各个所述第一距离各自对应的所述待存储的单次考勤结果确定为出勤；
23.当存在所述第一距离大于所述第一预设阈值时，确定大于所述第一预设阈值的各个所述第一距离各自对应的所述待存储的单次考勤结果确定为未出勤。
24.进一步的，所述根据各个所述待存储的单次考勤结果更新单次考勤结果库的步骤之后，还包括：
25.获取预设考勤时间范围和目标参与考勤员工数据集合；
26.根据所述目标参与考勤员工数据集合和所述预设考勤时间范围从所述单次考勤结果库中获取单次考勤结果，得到待计算的单次考勤结果集合；
27.当所述待计算的单次考勤结果集合中存在所述单次考勤结果的考勤结果为未出勤时，将所述考勤结果为未出勤的各个所述单次考勤结果作为待分析的单次考勤结果集合；
28.将所述待分析的单次考勤结果集合发送考勤审核端；
29.获取所述考勤审核端根据所述待分析的单次考勤结果集合发送的位置数据审核结果集合；
30.根据所述位置数据审核结果集合更新所述单次考勤结果库和所述待计算的单次考勤结果集合；
31.根据所述待计算的单次考勤结果集合进行考勤计算，得到员工考勤综合结果。
32.进一步的，所述根据所述待计算的单次考勤结果集合进行考勤计算，得到员工考勤综合结果的步骤之后，还包括：
33.从所述单次考勤结果库中获取不为空的审核结果对应的各个所述单次考勤结果，作为已纠正的单次考勤结果集合；
34.根据所述已纠正的单次考勤结果集合更新所述电子围栏生成模型。
35.进一步的，所述分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果的步骤之后，还包括：
36.获取当前时间和预设迟到提醒时间范围，判断所述当前时间是否在所述预设迟到
提醒时间范围内；
37.当在所述预设迟到提醒时间范围内时，从各个所述待存储的单次考勤结果中获取未出勤的所述待存储的单次考勤结果，得到待判断的单次考勤结果集合；
38.获取外围电子围栏，分别计算所述待判断的单次考勤结果集合中的每个所述员工位置数据与所述外围电子围栏的边界的距离，得到第二距离集合；
39.获取第二预设阈值，判断所述第二距离集合中的第二距离是否小于或等于所述第二预设阈值；
40.当存在所述第二距离小于或等于所述第二预设阈值时，将小于或等于所述第二预设阈值的各个所述第二距离各自对应的所述单次考勤结果作为待提醒的单次考勤结果集合；
41.从所述待提醒的单次考勤结果集合中获取所述单次考勤结果，作为待提醒的单次考勤结果；
42.计算所述待提醒的单次考勤结果的所述员工位置数据与所述目标电子围栏的边界的最短路径，得到剩余通勤距离；
43.获取预设员工速度数据，根据所述剩余通勤距离和所述预设员工速度数据计算剩余通勤时长集合；
44.根据所述待提醒的单次考勤结果的所述员工位置数据、所述剩余通勤距离和所述剩余通勤时长集合生成通勤预防迟到提醒信息；
45.将所述通勤预防迟到提醒信息发送给所述待提醒的单次考勤结果对应的客户端。
46.本技术还提出了一种基于人工智能的员工考勤装置，所述装置包括：
47.数据获取模块，用于获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型；
48.员工位置数据确定模块，用于获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据；
49.第一距离确定模块，用于分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合；
50.待存储的单次考勤结果确定模块，用于获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果；
51.单次考勤结果库更新模块，用于根据各个所述待存储的单次考勤结果更新单次考勤结果库。
52.本技术还提出了一种计算机设备，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上述任一项所述方法的步骤。
53.本技术还提出了一种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上述任一项所述的方法的步骤。
54.本技术的基于人工智能的员工考勤方法、装置、设备及存储介质，其中方法通过首先获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型，其次获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据，然后分
别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合，最后获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果，根据各个所述待存储的单次考勤结果更新单次考勤结果库，实现了在不需员工定点打卡的情况下自动采用预设时间间隔获取员工位置数据进行考勤结果计算，在员工打完卡之后私下外出离开目标电子围栏时可以在下一个获取员工位置数据对该员工进行出勤判断，从而能够对打完卡之后私下外出进行考勤管理，提高了考勤管理的准确性；而且在员工返回目标电子围栏时也可以在下一个获取员工位置数据该员工进行出勤判断，从而避免了在员工忘记打卡时很难采用补打卡流程进行准确的补打卡，提高了考勤管理的准确性。
附图说明
55.图1为本技术一实施例的基于人工智能的员工考勤方法的流程示意图；
56.图2为本技术一实施例的基于人工智能的员工考勤装置的结构示意框图；
57.图3为本技术一实施例的计算机设备的结构示意框图。
58.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
59.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。
60.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
61.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
62.参照图1，本技术实施例中提供一种基于人工智能的员工考勤方法，所述方法包括：
63.s1：获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型；
64.s2：获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据；
65.s3：分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合；
66.s4：获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果；
67.s5：根据各个所述待存储的单次考勤结果更新单次考勤结果库。
68.本实施例通过首先获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型，其次获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据，然后分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合，最后获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果，根据各个所述待存储的单次考勤结果更新单次考勤结果库，实现了在不需员工定点打卡的情况下自动采用预设时间间隔获取员工位置数据进行考勤结果计算，在员工打完卡之后私下外出离开目标电子围栏时可以在下一个获取员工位置数据对该员工进行出勤判断，从而能够对打完卡之后私下外出进行考勤管理，提高了考勤管理的准确性；而且在员工返回目标电子围栏时也可以在下一个获取员工位置数据该员工进行出勤判断，从而避免了在员工忘记打卡时很难采用补打卡流程进行准确的补打卡，提高了考勤管理的准确性。
69.对于s1，可以从数据库中获取目标电子围栏，也可以从第三方应用系统中获取目标电子围栏。
70.目标电子围栏，也就是电子围栏。电子围栏，是电子地图边界。
71.可选的，所述目标电子围栏，是形状不规则的电子围栏。
72.其中，所述电子围栏生成模型，是采用多个训练样本对机器学习模型训练得到的模型。
73.对于s2，可以从数据库中获取员工数据集合，也可以从第三方应用系统中获取员工数据集合，还可以获取用户输入的员工数据集合。
74.员工数据集合，是所述目标电子围栏对应的办公地址的所有员工的员工数据的集合。员工数据集合中包括一个或多个员工数据。员工数据包括但不限于：员工姓名、员工标识和员工家庭住址。
75.可以理解的是，可以从移动设备的客户端获取员工位置数据，也可以是移动设备的客户端主动发送的员工位置数据。移动设备包括但不限于：手机、平板电脑、智能穿戴设备和工卡。
76.员工位置数据包括：位置数据和位置生成时间，其中，位置生成时间是位置数据的生成时间。
77.可选的，所述预设时间间隔设置为5秒。
78.其中，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据，也就是说，所述员工数据集合中的每个员工数据对应一个员工位置数据。
79.可以理解的是，当所述员工数据集合中存在所述员工数据无法获取到对应的所述员工位置数据时，可以获取预设位置获取失败标识，将所述预设位置获取失败标识作为这些所述员工数据(也就是，所述员工数据集合中的无法获取到所述员工位置数据的所述员工数据)对应的所述员工位置数据。
80.对于s3，从各个所述员工位置数据中获取一个所述员工位置数据，将获取的所述员工位置数据作为待计算的员工位置数据；计算所述待计算的员工位置数据与所述目标电
子围栏的边界的最小距离，得到所述待计算的员工位置数据对应的所述第一距离；重复执行所述从各个所述员工位置数据中获取一个所述员工位置数据，将获取的所述员工位置数据作为待计算的员工位置数据的步骤，直至完成所述员工位置数据的获取；将所有所述第一距离作为所述第一距离集合。
81.对于s4，也可以从数据库中获取第一预设阈值，还可以从第三方应用系统中获取第一预设阈值，还可以将第一预设阈值写入实现本技术的程序中。第一预设阈值是一个具体数值。
82.分别将所述第一距离集合中的每个第一距离和所述第一预设阈值进行对比判断，根据对比判断结果确定第一距离的单次考勤结果，将单次考勤结果作为所述待存储的单次考勤结果。
83.对于s5，将各个所述待存储的单次考勤结果更新到所述单次考勤结果库。
84.所述单次考勤结果库中包括一条或多条单次考勤结果。单次考勤结果包括但不限于：员工姓名、员工标识、员工位置数据、位置生成时间、考勤结果。
85.在一个实施例中，上述获取目标电子围栏的步骤，包括：
86.s111：获取电子围栏生成信号，所述电子围栏生成信号携带有目标办公地址；
87.s112：响应所述电子围栏生成信号，根据所述目标办公地址获取参与考勤员工数据集合；
88.s113：根据所述参与考勤员工数据集合获取员工家庭地址，得到待处理的员工家庭地址集合；
89.s114：对所述待处理的员工家庭地址集合进行向量生成，得到待处理的地址特征向量；
90.s115：将所述待处理的地址特征向量输入所述电子围栏生成模型进行电子围栏生成，得到所述目标电子围栏。
91.本实施例实现了响应电子围栏生成信号，根据参与考勤员工数据集合进行电子围栏生成，从而提高了考勤的准确度，也减少了对不参与考勤的员工数据的考勤管理。
92.对于s111，可以获取用户输入的电子围栏生成信号，也可以获取第三方应用系统发送的电子围栏生成信号，还可以是实现本技术的程序根据预设触发条件主动触发的电子围栏生成信号。比如，所述预设触发条件为每天早上7点，在此举例不做具体限定。
93.所述电子围栏生成信号，是生成电子围栏的信号。
94.所述目标办公地址，也就是固定的办公地址。
95.对于s112，根据所述目标办公地址获取参与考勤员工数据集合。
96.所述参与考勤员工数据集合，是需要参与所述目标办公地址的考勤的员工的员工数据的集合。所述参与考勤员工数据集合中包括一个或多个员工数据。
97.对于s113，分别从所述参与考勤员工数据集合中的每个员工数据中获取员工家庭住址，将获取的各个所述员工家庭地址作为所述待处理的员工家庭地址集合。
98.对于s114，采用地址编码字典，对所述待处理的员工家庭地址集合进行编码向量生成，将生成的编码向量作为所述待处理的地址特征向量。
99.所述地址编码字典包括：地址关键字、地址编码，每个地址关键字对应一个地址编码。地址关键字包括但不限于：省、市、行政区、县、街道、小区。
100.其中，对所述待处理的员工家庭地址集合进行编码向量生成，也就是将所述待处理的员工家庭地址集合中的每个地址转换成地址编码。
101.对于s115，将所述待处理的地址特征向量输入所述电子围栏生成模型进行电子围栏生成，将生成的电子围栏作为所述目标电子围栏。
102.在一个实施例中，上述获取目标电子围栏的步骤之前，还包括：
103.s121：获取多个训练样本，所述训练样本包括：地址样本特征向量和电子围栏标定值；
104.s122：将多个所述训练样本输入机器学习模型进行电子围栏生成，得到与所述训练样本对应的电子围栏预测值；
105.s123：根据所述电子围栏预测值和所述电子围栏标定值的差异确定训练目标；
106.s124：针对最小化所述训练目标的值的方向，调整所述机器学习模型的模型参数并继续训练，直至达到机器学习结束条件，将达到所述机器学习结束条件的所述机器学习模型确定为所述电子围栏生成模型。
107.本实施例采用多个训练样本对机器学习模型训练得到所述电子围栏生成模型，提高了生成的电子围栏的准确性，从而为基于电子围栏进行员工考勤提供了基础。
108.对于s121，所述地址样本特征向量是根据地址样本数据集合中的每个地址样本数据映射成向量元素(也就是地址编码)，将映射得到的各个向量元素进行组合，得到地址样本特征向量。地址样本数据集合包括：员工家庭地址、工作地址集合。工作地址集合包括：办公地址、工作可能需要去的服务机构的地址、员工上下班路线的设施的地址。服务机构包括但不限于：邮局、银行、图文店、快递店。员工上下班路线的设施包括但不限于：天桥、停车场。
109.其中，所述电子围栏标定值是人工围绕工作地址集合绘制的电子围栏。
110.对于s122，分别将每个所述训练样本输入所述机器学习模型；通过所述机器学习模型的输出层，针对每个所述训练样本输出一个电子围栏预测值。
111.其中，所述机器学习模型可以采用神经网络。
112.对于s123，以每个所述训练样本对应的电子围栏预测值和所述电子围栏标定值作为自变量，生成损失函数；将各个所述损失函数进行加权求和，得到所述训练目标。
113.其中，将各个所述损失函数进行加权求和的权重，是用户根据各个所述训练样本进行标定得到的权重数据。
114.对于s124，针对优化所述训练目标的方向，调整所述机器学习模型的输入层、中间隐藏层以及输出层的模型参数，并继续训练，直至达到所述机器学习结束条件。
115.其中，采用最小化所述训练目标的方式，调整所述机器学习模型的输入层、中间隐藏层以及输出层的模型参数，并继续训练，直至达到所述机器学习结束条件。
116.所述训练目标为全局训练目标，优化全局训练目标也就是最小化所有样本的损失函数，得到全局最优解的过程。
117.所述机器学习结束条件是所述机器学习模型的损失值达到第一收敛条件或迭代次数达到第二收敛条件。
118.所述第一收敛条件是指相邻两次计算的所述机器学习模型的损失值的大小满足lipschitz条件(利普希茨连续条件)。
119.所述迭代次数是指所述机器学习模型被用于计算所述电子围栏预测值的次数，也就是说，计算一次，迭代次数增加1。
120.第二收敛条件是一个具体数值。
121.在一个实施例中，上述分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果的步骤，包括：
122.s41：当存在所述第一距离小于或等于所述第一预设阈值时，确定小于或等于所述第一预设阈值的各个所述第一距离各自对应的所述待存储的单次考勤结果确定为出勤；
123.s42：当存在所述第一距离大于所述第一预设阈值时，确定大于所述第一预设阈值的各个所述第一距离各自对应的所述待存储的单次考勤结果确定为未出勤。
124.本实施例分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，实现了在不需员工定点打卡的情况下自动进行考勤，实现了实时监控员工的考勤。
125.对于s41，当存在所述第一距离小于或等于所述第一预设阈值时，意味着小于或等于所述第一预设阈值的各个所述第一距离对应的员工已经在所述目标电子围栏内，在所述目标电子围栏内意味着出勤，因此确定小于或等于所述第一预设阈值的各个所述第一距离各自对应的所述待存储的单次考勤结果确定为出勤。
126.对于s42，当存在所述第一距离大于所述第一预设阈值时，意味着大于所述第一预设阈值的各个所述第一距离对应的员工不在所述目标电子围栏内，不在所述目标电子围栏内意味着未出勤，因此确定大于所述第一预设阈值的各个所述第一距离各自对应的所述待存储的单次考勤结果确定为未出勤。
127.在一个实施例中，上述根据各个所述待存储的单次考勤结果更新单次考勤结果库的步骤之后，还包括：
128.s61：获取预设考勤时间范围和目标参与考勤员工数据集合；
129.s62：根据所述目标参与考勤员工数据集合和所述预设考勤时间范围从所述单次考勤结果库中获取单次考勤结果，得到待计算的单次考勤结果集合；
130.s63：当所述待计算的单次考勤结果集合中存在所述单次考勤结果的考勤结果为未出勤时，将所述考勤结果为未出勤的各个所述单次考勤结果作为待分析的单次考勤结果集合；
131.s64：将所述待分析的单次考勤结果集合发送考勤审核端；
132.s65：获取所述考勤审核端根据所述待分析的单次考勤结果集合发送的位置数据审核结果集合；
133.s66：根据所述位置数据审核结果集合更新所述单次考勤结果库和所述待计算的单次考勤结果集合；
134.s67：根据所述待计算的单次考勤结果集合进行考勤计算，得到员工考勤综合结果。
135.本实施例基于所述单次考勤结果库，根据预设考勤时间范围进行未出勤数据审核和综合考勤，从而在自动实时的单次考勤结果的基础上实现了按预设考勤时间范围进行综合考勤，提高了综合考勤数据的准确性。
136.对于s61，可以从数据库中获取预设考勤时间范围，也可以获取用户输入的预设考勤时间范围，还可以获取第三方应用系统发送的预设考勤时间范围，还可以将预设考勤时间范围写入实现本技术的程序中。
137.所述预设考勤时间范围包括：考勤开始时间和考勤结束时间。比如，所述预设考勤时间范围为9:00到12:00，其中，9:00是考勤开始时间，12:00是考勤结束时间，在此举例不做具体限定。
138.其中，可以从数据库中获取目标参与考勤员工数据集合，也可以获取用户输入的目标参与考勤员工数据集合，还可以获取第三方应用系统发送的目标参与考勤员工数据集合。
139.所述目标参与考勤员工数据集合，是在所述预设考勤时间范围内需要参加考勤的员工数据的集合。
140.对于s62，从所述单次考勤结果库中，将位置生成时间在所述预设考勤时间范围内以及员工标识位于所述目标参与考勤员工数据集合内的各个单次考勤结果作为所述待计算的单次考勤结果集合。也就是说，所述待计算的单次考勤结果集合中的各个位置生成时间在所述预设考勤时间范围内，所述待计算的单次考勤结果集合中的各个员工标识位于所述目标参与考勤员工数据集合内。
141.对于s63，当所述待计算的单次考勤结果集合中存在所述单次考勤结果的考勤结果为未出勤时，意味着此时考勤结果为未出勤的所述单次考勤结果未按要求出勤，因将所述考勤结果为未出勤的各个所述单次考勤结果作为待分析的单次考勤结果集合。
142.对于s64，通过与考勤审核端的通信，将所述待分析的单次考勤结果集合发送考勤审核端；考勤审核端根据收到的所述待分析的单次考勤结果集合获取审核人员输入的位置数据审核结果。
143.所述考勤审核端包括但不限于：考核审核系统、考核审核模块。
144.对于s65，通过与考勤审核端的通信，获取所述考勤审核端根据所述待分析的单次考勤结果集合发送的位置数据审核结果集合。
145.位置数据审核结果集合中可以包括0个位置数据审核结果，也可以包括1个位置数据审核结果，还可以包括多个位置数据审核结果。位置数据审核结果：员工标识、员工位置数据、位置生成时间和审核结果。所述审核结果包括正常标识。
146.也就是说，所述位置数据审核结果集合中的所述单次考勤结果的数量小于或等于所述待分析的单次考勤结果集合中的所述单次考勤结果的数量。
147.对于s66，根据所述位置数据审核结果集合的单次考勤结果，将所述位置数据审核结果集合的正常标识，更新到所述单次考勤结果库的位置数据审核结果和所述待计算的单次考勤结果集合的审核结果中。
148.所述单次考勤结果库包括：单次考勤结果、审核结果，每个单次考勤结果对应1个审核结果。审核结果中的值可以为空值，也可以为非空值。
149.对于s67，根据所述待计算的单次考勤结果集合，分别针对所述目标参与考勤员工数据集合中的每个员工数据对应的员工的进行考勤计算，得到员工考勤综合结果。
150.所述员工考勤综合结果包括：员工标识、预设考勤时间范围、正常出勤时间范围、未出勤时间范围和考勤综合结果。考勤综合结果包括：考勤正常、考勤异常。
151.在一个实施例中，上述根据所述待计算的单次考勤结果集合进行考勤计算，得到员工考勤综合结果的步骤之后，还包括：
152.s71：从所述单次考勤结果库中获取不为空的审核结果对应的各个所述单次考勤结果，作为已纠正的单次考勤结果集合；
153.s72：根据所述已纠正的单次考勤结果集合更新所述电子围栏生成模型。
154.本实施例实现了根据位置数据审核结果确定已纠正的单次考勤结果集合，然后采用已纠正的单次考勤结果集合更新所述电子围栏生成模型，提高了所述电子围栏生成模型的准确性，从而提高了本技术的考勤的准确性。
155.对于s71，从所述单次考勤结果库中，获取不为空的审核结果对应的各个所述单次考勤结果，将获取的各个所述单次考勤结果作为已纠正的单次考勤结果集合。也就是说，虽然所述已纠正的单次考勤结果集合的考勤结果为未出勤，但是员工位置数据已经被所述考勤审核端审核为正常。
156.对于s72，根据所述已纠正的单次考勤结果集合对所述电子围栏生成模型进行重新训练，以实现对所述电子围栏生成模型的更新。
157.也就是说，将所述已纠正的单次考勤结果集合中的各个员工位置数据作为工作地址集合中的工作可能需要去的服务机构的地址，根据更新后的工作地址集合重新确定训练样本对所述电子围栏生成模型进行重新训练。
158.在一个实施例中，上述分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果的步骤之后，还包括：
159.s81：获取当前时间和预设迟到提醒时间范围，判断所述当前时间是否在所述预设迟到提醒时间范围内；
160.s82：当在所述预设迟到提醒时间范围内时，从各个所述待存储的单次考勤结果中获取未出勤的所述待存储的单次考勤结果，得到待判断的单次考勤结果集合；
161.s83：获取外围电子围栏，分别计算所述待判断的单次考勤结果集合中的每个所述员工位置数据与所述外围电子围栏的边界的距离，得到第二距离集合；
162.s84：获取第二预设阈值，判断所述第二距离集合中的第二距离是否小于或等于所述第二预设阈值；
163.s85：当存在所述第二距离小于或等于所述第二预设阈值时，将小于或等于所述第二预设阈值的各个所述第二距离各自对应的所述单次考勤结果作为待提醒的单次考勤结果集合；
164.s86：从所述待提醒的单次考勤结果集合中获取所述单次考勤结果，作为待提醒的单次考勤结果；
165.s87：计算所述待提醒的单次考勤结果的所述员工位置数据与所述目标电子围栏的边界的最短路径，得到剩余通勤距离；
166.s88：获取预设员工速度数据，根据所述剩余通勤距离和所述预设员工速度数据计算剩余通勤时长集合；
167.s89：根据所述待提醒的单次考勤结果的所述员工位置数据、所述剩余通勤距离和所述剩余通勤时长集合生成通勤预防迟到提醒信息；
168.s810：将所述通勤预防迟到提醒信息发送给所述待提醒的单次考勤结果对应的客户端。
169.本实施例根据预设迟到提醒时间范围和待存储的单次考勤结果进行通勤预防迟提醒，从而有利于员工及时调整通勤速度预防迟到，提高了用户体验。
170.对于s81，获取实现本技术的程序所在服务器的世界时间作为所述当前时间。
171.可以从数据库中获取预设迟到提醒时间范围，也可以获取用户输入的预设迟到提醒时间范围，还可以获取第三方应用系统发送的预设迟到提醒时间范围，还可以将预设迟到提醒时间范围写入实现本技术的程序中。
172.所述预设迟到提醒时间范围包括：提醒开始时间和提醒结束时间。比如，所述预设迟到提醒时间范围为8:20到8:58，其中，8:20是提醒开始时间，8:58是提醒结束时间，在此举例不做具体限定。
173.其中，当所述当前时间大于或等于提醒开始时间，并且，所述当前时间小于或等于提醒结束时间时，确定所述当前时间在所述预设迟到提醒时间范围内，否则，确定所述当前时间不在所述预设迟到提醒时间范围内。
174.对于s82，当所述当前时间在所述预设迟到提醒时间范围内时，从各个所述待存储的单次考勤结果中，获取考勤结果为未出勤的所述待存储的单次考勤结果，将获取的各个所述待存储的单次考勤结果作为所述待判断的单次考勤结果集合。
175.对于s83，可以从数据库中获取外围电子围栏，也可以从第三方应用系统中获取外围电子围栏。
176.所述外围电子围栏是根据所述目标电子围栏生成的电子围栏，所述外围电子围栏的面积大于所述目标电子围栏的面积。
177.其中，分别计算所述待判断的单次考勤结果集合中的每个所述员工位置数据与所述外围电子围栏的边界的最小距离，将计算得到的各个最小距离作为所述第二距离集合。也就是说，所述第二距离集合中的第二距离，是所述员工位置数据与所述外围电子围栏的边界的最小距离。
178.对于s84，可以从数据库中获取第二预设阈值，也可以获取用户输入的第二预设阈值，还可以获取第三方应用系统发送的第二预设阈值，还可以将第二预设阈值写入实现本技术的程序中。第二预设阈值，是一个具体数值。
179.对于s85，当存在所述第二距离小于或等于所述第二预设阈值时，小于或等于所述第二预设阈值的所述第二距离对应的员工是未出勤并且已经位于所述外围电子围栏和所述目标电子围栏之间，需要对这些员工进行通勤预防迟提醒，因此将小于或等于所述第二预设阈值的各个所述第二距离各自对应的所述单次考勤结果作为待提醒的单次考勤结果集合。
180.当存在所述第二距离大于所述第二预设阈值时，大于所述第二预设阈值的所述第二距离对应的员工因距离太远，即使调整通勤速度也会迟到，因此没有进行通勤预防迟提醒的必要。
181.对于s86，从所述待提醒的单次考勤结果集合中获取一个所述单次考勤结果，将获取的所述单次考勤结果作为待提醒的单次考勤结果。
182.对于s87，采用路径规划算法，根据所述待提醒的单次考勤结果的所述员工位置数
据和所述目标电子围栏进行路径规划，得到路径集合；从所述路径集合中找出长度最短的路径，得到最短路径；将所述最短路径的长度作为所述剩余通勤距离。
183.对于s88，可以从数据库中获取预设员工速度数据，也可以获取第三方应用系统发送的预设员工速度数据，还可以将预设员工速度数据写入实现本技术的程序中。
184.预设员工速度数据包括：通勤方式和通勤速度。通勤方式包括但不限于：步行、骑自行车、骑摩托车、汽车、公共交通工具。
185.其中，将所述剩余通勤距离分别除以所述预设员工速度数据中的每个通勤速度，得到剩余通勤时长集合。
186.所述剩余通勤时长集合包括：通勤方式和剩余通勤时长。
187.对于s89，采用预设的提醒信息生成模板，根据所述待提醒的单次考勤结果的所述员工位置数据、所述剩余通勤距离和所述剩余通勤时长集合生成通勤预防迟到提醒信息。
188.所述通勤预防迟到提醒信息包括：所述员工位置数据、所述剩余通勤距离和所述剩余通勤时长集合。
189.对于s810，将所述通勤预防迟到提醒信息发送给所述待提醒的单次考勤结果对应的员工的移动设备的客户端，从而实现对员工进行预防迟到提醒。
190.参照图2，本技术还提出了一种基于人工智能的员工考勤装置，所述装置包括：
191.数据获取模块100，用于获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型；
192.员工位置数据确定模块200，用于获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据；
193.第一距离确定模块300，用于分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合；
194.待存储的单次考勤结果确定模块400，用于获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果；
195.单次考勤结果库更新模块500，用于根据各个所述待存储的单次考勤结果更新单次考勤结果库。
196.本实施例通过首先获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型，其次获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据，然后分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合，最后获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果，根据各个所述待存储的单次考勤结果更新单次考勤结果库，实现了在不需员工定点打卡的情况下自动采用预设时间间隔获取员工位置数据进行考勤结果计算，在员工打完卡之后私下外出离开目标电子围栏时可以在下一个获取员工位置数据对该员工进行出勤判断，从而能够对打完卡之后私下外出进行考勤管理，提高了考勤管理的准确性；而且在员工返回目标电子围栏时也可以在下一个获取员工位置数据该员工进行出勤判断，从而避免了在员工忘记打卡时很难采用补打卡流程进行准确的补打卡，提高了考勤管理的准确
性。
197.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3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、网络接口和数据库。其中，该计算机设计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、计算机程序和数据库。该内存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。该计算机设备的数据库用于储存基于人工智能的员工考勤方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的员工考勤方法。所述基于人工智能的员工考勤方法，包括：获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型；获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据；分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合；获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果；根据各个所述待存储的单次考勤结果更新单次考勤结果库。
198.本实施例通过首先获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型，其次获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据，然后分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合，最后获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果，根据各个所述待存储的单次考勤结果更新单次考勤结果库，实现了在不需员工定点打卡的情况下自动采用预设时间间隔获取员工位置数据进行考勤结果计算，在员工打完卡之后私下外出离开目标电子围栏时可以在下一个获取员工位置数据对该员工进行出勤判断，从而能够对打完卡之后私下外出进行考勤管理，提高了考勤管理的准确性；而且在员工返回目标电子围栏时也可以在下一个获取员工位置数据该员工进行出勤判断，从而避免了在员工忘记打卡时很难采用补打卡流程进行准确的补打卡，提高了考勤管理的准确性。
199.本技术一实施例还提供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一种基于人工智能的员工考勤方法，包括步骤：获取目标电子围栏，其中，所述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型；获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据；分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合；获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果；根据各个所述待存储的单次考勤结果更新单次考勤结果库。
200.上述执行的基于人工智能的员工考勤方法，通过首先获取目标电子围栏，其中，所
述目标电子围栏是采用电子围栏生成模型生成的电子围栏，所述电子围栏生成模型是基于机器学习得到的模型，其次获取员工数据集合，采用预设时间间隔，分别获取所述员工数据集合中的各个员工数据各自对应的员工位置数据，然后分别计算每个所述员工位置数据与所述目标电子围栏的边界的距离，得到第一距离集合，最后获取第一预设阈值，分别根据所述第一距离集合中的每个第一距离和所述第一预设阈值进行出勤判断，得到各个所述第一距离各自对应的待存储的单次考勤结果，根据各个所述待存储的单次考勤结果更新单次考勤结果库，实现了在不需员工定点打卡的情况下自动采用预设时间间隔获取员工位置数据进行考勤结果计算，在员工打完卡之后私下外出离开目标电子围栏时可以在下一个获取员工位置数据对该员工进行出勤判断，从而能够对打完卡之后私下外出进行考勤管理，提高了考勤管理的准确性；而且在员工返回目标电子围栏时也可以在下一个获取员工位置数据该员工进行出勤判断，从而避免了在员工忘记打卡时很难采用补打卡流程进行准确的补打卡，提高了考勤管理的准确性。
201.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，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
202.需要说明的是，在本文中，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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
203.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。