CN116091023A - 一种基于人工智能的考勤生成方法及系统 - Google Patents

Abstract

本发明涉及人工智能技术领域，提供了一种基于人工智能的考勤生成方法及系统，所述方法包括：获取打卡信息，获得打卡时间信息集合和打卡位置信息集合；获取标准打卡时间信息和标准打卡位置信息，输入考勤分析模型内进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合，输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，输入考勤生成数据库内，并生成考勤数据集，解决了员工考勤打卡条件固定，无法实时同步考勤数据，企业考勤管理效率低的技术问题，实现了提高考勤分析的全面性和智能化程度，依照员工考勤场景设定打卡条件，提高考勤数据分析的灵活性，保证考勤数据的实时同步，提高企业考勤管理效率的技术效果。

Description

一种基于人工智能的考勤生成方法及系统

技术领域

本发明涉及人工智能相关技术领域，具体涉及一种基于人工智能的考勤生成方法及系统。

背景技术

现阶段，常见的员工考勤方式为使用门禁卡进行考勤一体化管理，但这种方式繁琐，透明度、实时性差，增加了企业的人力资源成本，同时无法解决代考、脱岗的问题(门禁卡可以代刷)，针对外勤人员，无法进行考勤管理记录，不利于企业的人员管理。

现代企业员工人数的激增与员工的频繁变动，使得企业的考勤统计管理工作日益繁杂，传统的企业考勤管理方法很难保证数据的准确与实时，通讯技术等现代化的信息技术手段来实现企业信息化建设与新型现代化管理，更是企业不可避免的生存竞争所要面对的当务之急。

综上所述，现有技术中存在员工考勤打卡条件固定，无法实时同步考勤数据，企业考勤管理效率低的技术问题。

发明内容

本申请通过提供了一种基于人工智能的考勤生成方法及系统，旨在解决员工考勤打卡条件固定，无法实时同步考勤数据，企业考勤管理效率低的技术问题。

鉴于上述问题，本申请实施例提供了一种基于人工智能的考勤生成方法及系统。

本申请公开的第一个方面，提供了一种基于人工智能的考勤生成方法，其中，所述方法包括：获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息；根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合；将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，其中，所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元；将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集。

本申请公开的另一个方面，提供了一种基于人工智能的考勤生成系统，其中，所述系统包括：打卡信息获取模块，用于获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；标准打卡信息获取模块，用于获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息；数据处理分析模块，用于根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合；考勤分析结果获得模块，用于将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，其中，所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元；考勤数据集生成模块，用于将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；获取第一员工进行打卡的标准打卡时间信息和标准打卡位置信息，对打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合，输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果；将打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成第一员工在当前预设时间周期内的考勤数据集，实现了提高考勤分析的全面性和智能化程度，依照员工考勤场景设定打卡条件，提高考勤数据分析的灵活性，保证考勤数据的实时同步，提高企业考勤管理效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种基于人工智能的考勤生成方法可能的流程示意图；

图2为本申请实施例提供了一种基于人工智能的考勤生成方法中构建考勤时间分析单元可能的流程示意图；

图3为本申请实施例提供了一种基于人工智能的考勤生成方法中生成获得考勤数据集可能的流程示意图；

图4为本申请实施例提供了一种基于人工智能的考勤生成系统可能的结构示意图。

附图标记说明：打卡信息获取模块100，标准打卡信息获取模块200，数据处理分析模块300，考勤分析结果获得模块400，考勤数据集生成模块500。

具体实施方式

本申请通过提供了一种基于人工智能的考勤生成方法及系统，解决了员工考勤打卡条件固定，无法实时同步考勤数据，企业考勤管理效率低的技术问题，实现了提高考勤分析的全面性和智能化程度，依照员工考勤场景设定打卡条件，提高考勤数据分析的灵活性，保证考勤数据的实时同步，提高企业考勤管理效率的技术效果。

实施例一

如图1所示，本申请实施例提供了一种基于人工智能的考勤生成方法，其中，所述方法包括：

S10：获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；

步骤S10包括步骤：

S11：在所述预设时间周期内，在所述第一员工进行打卡时，通过服务器授时，获取打卡时的时间信息，获得所述打卡时间信息集合；

S12：在所述第一员工进行打卡时，通过定位服务，获取打卡时的位置信息，获得所述打卡位置信息集合。

具体而言，所述第一员工为考勤目标对象，所述预设时间周期可以设置为一个自然月，所述打卡时间信息集合包括预设时间周期内的所有打卡时间记录，所述打卡位置信息集合包括预设时间周期内的所有打卡位置记录；

获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合，具体包括：在所述预设时间周期(一般为自然月的工作日)内，在所述第一员工进行打卡时，通过服务器(服务器连接云端，直接授时的时刻信息精度高)授时，获取打卡时的时间信息，对打卡时的时间信息进行整合，获得所述打卡时间信息集合(预设时间周期若为自然月，打卡时间信息集合也就是月打卡时间信息集合)；在所述第一员工进行打卡时，通过定位服务(一般的，采用定位芯片、放大匹配电路(LNA+SAW等)、GPS北斗天线，做成PCBA，或者加入DR等其他芯片，封装成模块，获取定位模块，以实现定位服务)，获取打卡时的位置信息，对打卡时的位置信息进行整合，获得所述打卡位置信息集合(预设时间周期若为自然月，打卡位置信息集合也就是月打卡位置信息集合)，为进行考勤提供数据支持。

S20：获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息；

S30：根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合；

步骤S30包括步骤：

S31：计算所述打卡时间信息集合内的打卡时间信息与所述标准打卡时间信息的差值，获得时间差值信息集合；

S32：计算所述打卡位置信息集合内的打卡位置信息与所述标准打卡位置信息的差值，获得位置差值信息集合；

S33：计算所述时间差值信息集合和所述位置差值信息集合内数据的均值，获得时间差值均值信息和位置差值均值信息；

S34：计算所述时间差值信息集合和所述位置差值信息集合内数据的方差，获得时间差值方差信息和位置差值方差信息；

S35：将所述时间差值均值信息、时间差值方差信息作为时间考勤分析结果，将所述位置差值均值信息、位置差值方差信息作为位置考勤分析结果。

具体而言，获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息，所述标准打卡时间信息可以为9：00：00(上班打卡时间点)与17：30：00(下班打卡时间点)，所述标准打卡位置信息可以为公司边界内的公司位置区域；

根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合，具体包括：计算所述打卡时间信息集合内的打卡时间信息与所述标准打卡时间信息的差值(如打卡时间信息为8：53：20，对应的差值可以设置为时间差值信息为0：6：40，如打卡时间信息为9：3：15，对应的差值可以设置为时间差值信息为-0：3：15，存在“-”标记的，即为迟到打卡)，遍历计算所述打卡时间信息集合中的各个打卡时间信息与标准打卡时间信息的差值，将所述打卡时间信息集合中的各个打卡时间信息与标准打卡时间信息的差值进行整合，获得时间差值信息集合；

计算所述打卡位置信息集合内的打卡位置信息与所述标准打卡位置信息的差值(如在公司所在办公楼的一楼的门口设定为坐标原点，以建筑面积对应最大横向尺度为横轴，以建筑面积对应最大纵向尺度为纵轴，建立空间坐标系，将公司边界内的公司位置区域进行框定，获取公司边界框坐标集合，确定打卡空间坐标与公司边界框坐标集合的中矢量长度最短的方向矢量，将所述方向矢量设定为打卡位置信息与标准打卡位置信息的差值，示例性的，公司位置区域对应的公司的边界坐标为(3.24～9.28，5.68～15.32，10.56～13.44)，打卡位置坐标为(3，3.5，0.9)，则差值为

其中，坐标数据的单位均为m，也就是表明第一用户刚进办公楼，就在一楼打卡，未遵循打卡标准规则)，遍历计算所述打卡位置信息集合中的各个打卡位置信息与标准打卡位置信息的差值，将所述打卡位置信息集合中的各个打卡位置信息与标准打卡位置信息的差值进行整合，获得位置差值信息集合；

计算所述时间差值信息集合内数据的均值，获得时间差值均值信息；计算所述位置差值信息集合内数据的均值，获得位置差值均值信息；计算所述时间差值信息集合内数据的方差，获得时间差值方差信息；计算所述位置差值信息集合内数据的方差，获得位置差值方差信息；将所述时间差值均值信息、时间差值方差信息作为时间考勤分析结果，将所述位置差值均值信息、位置差值方差信息作为位置考勤分析结果，一方面，为保证员工考勤信息的清楚明晰提供支持，另一方面，还可以进行错峰考勤管理、多位置同步考勤管理(将所述标准打卡时间信息9：00：00、9：10：00、9：20：00，分组进行计算即可实现错峰考勤管理)(将所述标准打卡位置信息公司边界内的公司位置区域、第一外勤位置区域、第二外勤位置区域，分组进行计算即可实现多位置同步考勤管理)，提高考勤管理的灵活度。

S40：将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，其中，所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元；

如图2所示，步骤S40包括步骤：

S41：获取多个样本时间差值均值信息、多个样本时间差值方差信息；

S42：对所述多个样本时间差值均值信息、多个样本时间差值方差信息进行一一对应地组合，并进行打卡时间合格等级评估，获得多个样本时间合格性分析结果；

S43：采用所述多个样本时间差值均值信息、多个样本时间差值方差信息和多个样本时间合格性分析结果，构建所述考勤时间分析单元。

具体而言，将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，具体包括：所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元，所述多个样本时间差值均值信息为考勤生成系统多个抽样员工(随机抽样)的时间差值均值信息，所述多个样本时间差值方差信息为考勤生成系统多个抽样员工的时间差值方差信息；

基于所述考勤生成系统，进行数据随机提取，获取多个样本时间差值均值信息、多个样本时间差值方差信息；对所述多个样本时间差值均值信息、多个样本时间差值方差信息进行一一对应地组合，并进行打卡时间合格等级评估(时间为正值(不存在“-”标记的，未迟到)，均值越大，则来的越早，则打卡时间合格等级越高；方差越小，则考勤越稳定，则等打卡时间合格等级越高)，获得多个样本时间合格性分析结果；采用所述多个样本时间差值均值信息、多个样本时间差值方差信息和多个样本时间合格性分析结果，构建所述考勤时间分析单元，为进行考勤时间分析提供模型支持。

步骤S43包括步骤：

S431：以时间差值均值信息作为第一决策特征，采用所述多个样本时间差值均值信息，构建考勤时间分析单元内的第一部分的多层决策节点；

S432：以时间差值方差信息作为第二决策特征，采用所述多个样本时间差值方差信息，构建考勤时间分析单元内的第二部分的多层决策节点；

S433：连接所述第一部分和第二部分的多层决策节点，其中，所述第一部分内多层决策节点的最上层决策节点连接所述第二部分内多层决策节点的最下层决策节点；

S434：采用所述多个样本时间合格性分析结果作为多个最终决策划分结果，对连接后所述第一部分和第二部分的多层决策节点的多个最终划分结果进行标记，获得所述考勤时间分析单元。

具体而言，采用所述多个样本时间差值均值信息、多个样本时间差值方差信息和多个样本时间合格性分析结果，构建所述考勤时间分析单元，具体包括：在打卡时间处理结果集合输入所述考勤生成系统后，以决策树为模型基础，以时间差值均值信息作为第一决策特征(一级分类特征)，采用所述多个样本时间差值均值信息对打卡时间处理结果集合进行分类，构建考勤时间分析单元内的第一部分的多层决策节点；以时间差值方差信息作为第二决策特征(二级分类特征)，采用所述多个样本时间差值方差信息，对所述打卡时间处理结果集合进行分类，构建考勤时间分析单元内的第二部分的多层决策节点；将所述多个样本时间合格性分析结果为监督数据；所述第一部分内多层决策节点的最上层决策节点连接所述第二部分内多层决策节点的最下层决策节点，基于此，连接所述第一部分和第二部分的多层决策节点；采用所述多个样本时间合格性分析结果作为多个最终决策划分结果，对连接后所述第一部分和第二部分的多层决策节点的多个最终划分结果进行标记，获得所述考勤时间分析单元(考勤时间分析单元充分满足时间为正值(不存在“-”标记的，未迟到)，均值越大，则来的越早，则打卡时间合格等级越高；方差越小，则考勤越稳定，则等打卡时间合格等级越高的规则)，为快速进行考勤时间分析提供支持。

步骤S40包括步骤：

S44：获取多个样本位置差值均值信息、多个样本打卡位置差值方差信息；

S45：对所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息进行一一对应地组合，并进行打卡位置合格等级评估，获得多个样本位置合格性分析结果；

S46：采用所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息和多个样本位置合格性分析结果，构建所述考勤位置分析单元，结合所述考勤时间分析单元，获得所述考勤分析模型；

S47：将所述打卡时间处理结果集合和打卡位置处理结果集合分别输入所述考勤时间分析单元和考勤位置分析单元内，获得所述时间考勤分析结果和位置考勤分析结果。

具体而言，将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，具体包括：所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元，构建所述考勤位置分析单元：多个样本位置差值均值信息，基于所述考勤生成系统，进行数据随机提取，获取多个样本位置差值均值信息、多个样本打卡位置差值方差信息；对所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息进行一一对应地组合，并进行打卡位置合格等级评估(距离越小，打卡时离公司越近，等级越高；考勤定位方差越小，考勤定位越稳定，等级越高)，获得多个样本位置合格性分析结果；基于所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息和多个样本位置合格性分析结果，以决策树为模型基础，以位置差值均值信息作为第三决策特征(一级分类特征)，采用所述多个样本位置差值均值信息对打卡位置处理结果集合进行分类；以打卡位置差值方差信息作为第四决策特征(二级分类特征)，采用多个样本打卡位置差值方差信息对打卡位置处理结果集合进行分类；将所述多个样本位置合格性分析结果为监督数据，构建所述考勤位置分析单元；基于所述考勤位置分析单元，结合所述考勤时间分析单元，获得所述考勤分析模型；将所述打卡时间处理结果集合和打卡位置处理结果集合分别输入所述考勤时间分析单元和考勤位置分析单元内，获得所述时间考勤分析结果和位置考勤分析结果，为后续进行代入性运算/验证提供参考。

S50：将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集。

如图3所示，步骤S50包括步骤：

S51：对所述打卡时间信息集合和所述打卡位置信息集合进行遍历筛选，获得满足所述标准打卡时间信息和标准打卡位置信息的合格打卡次数和不合格打卡次数；

S52：基于第一员工，构建员工数据索引；

S53：基于合格打卡次数、不合格打卡次数、打卡时间信息、打卡位置信息、时间考勤分析结果和位置考勤分析结果，构建多个打卡数据索引，获得所述考勤生成数据库；

S54：将所述第一员工的合格打卡次数、不合格打卡次数、打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入所述考勤生成数据库，生成获得所述考勤数据集。

具体而言，将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集，具体包括：通过时间考勤分析结果和位置考勤分析结果，对所述打卡时间信息集合和所述打卡位置信息集合进行遍历筛选，获得满足所述标准打卡时间信息和标准打卡位置信息的合格打卡次数和不合格打卡次数；基于第一员工，对第一员工设定专属索引符号，遍历上述专属索引符号设定过程，构建员工数据索引；基于合格打卡次数、不合格打卡次数、打卡时间信息、打卡位置信息、时间考勤分析结果和位置考勤分析结果，设定合格打卡子目录、不合格打卡子目录、打卡时间子目录、打卡位置子目录、时间考勤分析结果子目录和位置考勤分析结果子目录，构建多个打卡数据索引(所述多个打卡数据索引包括但不限于合格打卡索引符号、不合格打卡索引符号、打卡时间索引符号、打卡位置索引符号、时间考勤分析结果索引符号和位置考勤分析结果索引符号)，获得所述考勤生成数据库；将所述第一员工的合格打卡次数、不合格打卡次数、打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果分级输入所述考勤生成数据库，生成获得所述考勤数据集，为进行员工考勤灵活管理提供支持。

综上所述，本申请实施例所提供的一种基于人工智能的考勤生成方法及系统具有如下技术效果：

1.由于采用了获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；获取第一员工进行打卡的标准打卡时间信息和标准打卡位置信息，对打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合，输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果；将打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成第一员工在当前预设时间周期内的考勤数据集，本申请通过提供了一种基于人工智能的考勤生成方法及系统，实现了提高考勤分析的全面性和智能化程度，依照员工考勤场景设定打卡条件，提高考勤数据分析的灵活性，保证考勤数据的实时同步，提高企业考勤管理效率的技术效果。

2.由于采用了进行遍历筛选获得满足标准打卡时间信息和标准打卡位置信息的合格打卡次数和不合格打卡次数，构建员工数据索引，构建多个打卡数据索引，获得考勤生成数据库，输入考勤生成数据库，生成获得考勤数据集，为进行员工考勤灵活管理提供支持。

实施例二

基于与前述实施例中一种基于人工智能的考勤生成方法相同的发明构思，如图4所示，本申请实施例提供了一种基于人工智能的考勤生成系统，其中，所述系统包括：

打卡信息获取模块100，用于获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；

标准打卡信息获取模块200，用于获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息；

数据处理分析模块300，用于根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合；

考勤分析结果获得模块400，用于将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，其中，所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元；

考勤数据集生成模块500，用于将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集。

进一步的，所述系统包括：

时间信息集合获得模块，用于在所述预设时间周期内，在所述第一员工进行打卡时，通过服务器授时，获取打卡时的时间信息，获得所述打卡时间信息集合；

位置信息集合获得模块，用于在所述第一员工进行打卡时，通过定位服务，获取打卡时的位置信息，获得所述打卡位置信息集合。

进一步的，所述系统包括：

时间差值信息集合获得模块，用于计算所述打卡时间信息集合内的打卡时间信息与所述标准打卡时间信息的差值，获得时间差值信息集合；

位置差值信息集合获得模块，用于计算所述打卡位置信息集合内的打卡位置信息与所述标准打卡位置信息的差值，获得位置差值信息集合；

差值均值信息获得模块，用于计算所述时间差值信息集合和所述位置差值信息集合内数据的均值，获得时间差值均值信息和位置差值均值信息；

差值方差信息获得模块，用于计算所述时间差值信息集合和所述位置差值信息集合内数据的方差，获得时间差值方差信息和位置差值方差信息；

位置考勤分析结果确定模块，用于将所述时间差值均值信息、时间差值方差信息作为时间考勤分析结果，将所述位置差值均值信息、位置差值方差信息作为位置考勤分析结果。

进一步的，所述系统包括：

第一样本信息获取模块，用于获取多个样本时间差值均值信息、多个样本时间差值方差信息；

第一对应组合模块，用于对所述多个样本时间差值均值信息、多个样本时间差值方差信息进行一一对应地组合，并进行打卡时间合格等级评估，获得多个样本时间合格性分析结果；

考勤时间分析单元构建模块，用于采用所述多个样本时间差值均值信息、多个样本时间差值方差信息和多个样本时间合格性分析结果，构建所述考勤时间分析单元。

进一步的，所述系统包括：

第二样本信息获取模块，用于获取多个样本位置差值均值信息、多个样本打卡位置差值方差信息；

第二对应组合模块，用于对所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息进行一一对应地组合，并进行打卡位置合格等级评估，获得多个样本位置合格性分析结果；

考勤分析模型获得模块，用于采用所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息和多个样本位置合格性分析结果，构建所述考勤位置分析单元，结合所述考勤时间分析单元，获得所述考勤分析模型；

考勤分析结果获得模块，用于将所述打卡时间处理结果集合和打卡位置处理结果集合分别输入所述考勤时间分析单元和考勤位置分析单元内，获得所述时间考勤分析结果和位置考勤分析结果。

进一步的，所述系统包括：

第一多层决策节点构建模块，用于以时间差值均值信息作为第一决策特征，采用所述多个样本时间差值均值信息，构建考勤时间分析单元内的第一部分的多层决策节点；

第二多层决策节点构建模块，用于以时间差值方差信息作为第二决策特征，采用所述多个样本时间差值方差信息，构建考勤时间分析单元内的第二部分的多层决策节点；

多层决策节点连接模块，用于连接所述第一部分和第二部分的多层决策节点，其中，所述第一部分内多层决策节点的最上层决策节点连接所述第二部分内多层决策节点的最下层决策节点；

考勤时间分析单元获得模块，用于采用所述多个样本时间合格性分析结果作为多个最终决策划分结果，对连接后所述第一部分和第二部分的多层决策节点的多个最终划分结果进行标记，获得所述考勤时间分析单元。

进一步的，所述系统包括：

合格打卡与不合格打卡统计模块，用于对所述打卡时间信息集合和所述打卡位置信息集合进行遍历筛选，获得满足所述标准打卡时间信息和标准打卡位置信息的合格打卡次数和不合格打卡次数；

员工数据索引构建模块，用于基于第一员工，构建员工数据索引；

考勤生成数据库获得模块，用于基于合格打卡次数、不合格打卡次数、打卡时间信息、打卡位置信息、时间考勤分析结果和位置考勤分析结果，构建多个打卡数据索引，获得所述考勤生成数据库；

考勤数据集获得模块，用于将所述第一员工的合格打卡次数、不合格打卡次数、打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入所述考勤生成数据库，生成获得所述考勤数据集。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种基于人工智能的考勤生成方法，其特征在于，所述方法包括：

获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；

获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息；

根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合；

将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，其中，所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元；

将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集。

2.根据权利要求1所述的方法，其特征在于，获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合，包括：

在所述预设时间周期内，在所述第一员工进行打卡时，通过服务器授时，获取打卡时的时间信息，获得所述打卡时间信息集合；

在所述第一员工进行打卡时，通过定位服务，获取打卡时的位置信息，获得所述打卡位置信息集合。

3.根据权利要求1所述的方法，其特征在于，根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，包括：

计算所述打卡时间信息集合内的打卡时间信息与所述标准打卡时间信息的差值，获得时间差值信息集合；

计算所述打卡位置信息集合内的打卡位置信息与所述标准打卡位置信息的差值，获得位置差值信息集合；

计算所述时间差值信息集合和所述位置差值信息集合内数据的均值，获得时间差值均值信息和位置差值均值信息；

计算所述时间差值信息集合和所述位置差值信息集合内数据的方差，获得时间差值方差信息和位置差值方差信息；

将所述时间差值均值信息、时间差值方差信息作为时间考勤分析结果，将所述位置差值均值信息、位置差值方差信息作为位置考勤分析结果。

4.根据权利要求3所述的方法，其特征在于，所述考勤分析模型的构建过程包括构建考勤时间分析单元和构建考勤位置分析单元，所述构建考勤时间分析单元，包括：

获取多个样本时间差值均值信息、多个样本时间差值方差信息；

对所述多个样本时间差值均值信息、多个样本时间差值方差信息进行一一对应地组合，并进行打卡时间合格等级评估，获得多个样本时间合格性分析结果；

采用所述多个样本时间差值均值信息、多个样本时间差值方差信息和多个样本时间合格性分析结果，构建所述考勤时间分析单元。

5.根据权利要求3所述的方法，其特征在于，所述考勤分析模型的构建过程包括构建考勤时间分析单元和构建考勤位置分析单元，所述构建考勤位置分析单元，包括：

获取多个样本位置差值均值信息、多个样本打卡位置差值方差信息；

对所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息进行一一对应地组合，并进行打卡位置合格等级评估，获得多个样本位置合格性分析结果；

采用所述多个样本位置差值均值信息、多个样本打卡位置差值方差信息和多个样本位置合格性分析结果，构建所述考勤位置分析单元，结合所述考勤时间分析单元，获得所述考勤分析模型；

将所述打卡时间处理结果集合和打卡位置处理结果集合分别输入所述考勤时间分析单元和考勤位置分析单元内，获得所述时间考勤分析结果和位置考勤分析结果。

6.根据权利要求4所述的方法，其特征在于，采用所述多个样本时间差值均值信息、多个样本时间差值方差信息和多个样本时间合格性分析结果，构建所述考勤时间分析单元，包括：

以时间差值均值信息作为第一决策特征，采用所述多个样本时间差值均值信息，构建考勤时间分析单元内的第一部分的多层决策节点；

以时间差值方差信息作为第二决策特征，采用所述多个样本时间差值方差信息，构建考勤时间分析单元内的第二部分的多层决策节点；

连接所述第一部分和第二部分的多层决策节点，其中，所述第一部分内多层决策节点的最上层决策节点连接所述第二部分内多层决策节点的最下层决策节点；

采用所述多个样本时间合格性分析结果作为多个最终决策划分结果，对连接后所述第一部分和第二部分的多层决策节点的多个最终划分结果进行标记，获得所述考勤时间分析单元。

7.根据权利要求1所述的方法，其特征在于，将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，包括：

对所述打卡时间信息集合和所述打卡位置信息集合进行遍历筛选，获得满足所述标准打卡时间信息和标准打卡位置信息的合格打卡次数和不合格打卡次数；

基于第一员工，构建员工数据索引；

基于合格打卡次数、不合格打卡次数、打卡时间信息、打卡位置信息、时间考勤分析结果和位置考勤分析结果，构建多个打卡数据索引，获得所述考勤生成数据库；

将所述第一员工的合格打卡次数、不合格打卡次数、打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入所述考勤生成数据库，生成获得所述考勤数据集。

8.一种基于人工智能的考勤生成系统，其特征在于，用于实施权利要求1-7任一一项所述的一种基于人工智能的考勤生成方法，包括：

打卡信息获取模块，用于获取第一员工在预设时间周期内的打卡信息，获得打卡时间信息集合和打卡位置信息集合；

标准打卡信息获取模块，用于获取所述第一员工进行打卡的标准打卡时间信息和标准打卡位置信息；

数据处理分析模块，用于根据所述标准打卡时间信息和标准打卡位置信息，对所述打卡时间信息集合和打卡位置信息集合进行数据处理分析，获得打卡时间处理结果集合和打卡位置处理结果集合；

考勤分析结果获得模块，用于将所述打卡时间处理结果集合和打卡位置处理结果集合输入考勤分析模型内，获得时间考勤分析结果和位置考勤分析结果，其中，所述考勤分析模型包括考勤时间分析单元和考勤位置分析单元；

考勤数据集生成模块，用于将所述打卡时间信息集合、打卡位置信息集合、时间考勤分析结果和位置考勤分析结果输入考勤生成数据库内，并生成所述第一员工在当前预设时间周期内的考勤数据集。

Images