一种推送工单的方法、系统及计算机存储介质技术方案

本发明专利技术公开了一种推送工单的方法、系统及计算机存储介质，用以解决现有技术中存在的对上门服务人员进行推单时推送不够及时、精准的技术问题。包括：根据新工单所属的区域，从所有上门服务人员中筛选出在所述区域内的区域上门服务人员；按时间顺序将新工单分别与区域上门服务人员中每个上门服务人员的历史工单组建，获得每个上门服务员的新工单序列；其中，历史工单为每个上门服务人员，在新工单对应的接单时间之前已完成的指定数量的工单；基于每个新工单序列，用训练好的深度学习模型计算每个上门服务人员对新工单进行抢单的新工单抢单概率；基于区域上门服务人员对应的所有新工单抢单概率及指定阈值，筛选推单人员；并将新工单推送给推单人员。

A method, system and computer storage medium of pushing work order

【技术实现步骤摘要】
一种推送工单的方法、系统及计算机存储介质
本专利技术涉及互联网领域，尤其是涉及一种推送工单的方法、系统及计算机存储介质。
技术介绍
随着移动互联网的迅速发展，基于位置信息的服务行业有了革命性的变化，这些服务正在慢慢变成我们日常生活中不可或缺的内容，例如打车、外卖等服务。受移动互联网的影响，越来越多的行业开始用移动互联网的思维重新考虑自己的业务模式和运营方式。例如，家庭宽带安装、智能组网等领域也逐渐变成用户在app侧下单，具备资质的装维人员抢单后，预约上门服务。许多服务平台的工单推送系统都不同程度的借鉴打车、外卖等服务平台的技术方案，即基于服务人员当前的实时位置信息。例如，在家庭宽带安装等需要进行上门服务的行业，对服务人员的实时位置信息的依赖程度要远低于打车和外卖行业，但是平台为服务人员推送工单时仍然是基于服务人员的当前实时位置进行推送的，这样经常会出现服务人员非常熟悉的工作区域的工单没有收到推送，而在服务员经过一些自己不熟悉的区域时，反而收到该区域工单的推送，形成干扰信息，使平台的推单不够精准，降低了抢单效率。目前，一些本文档来自技高网...

【技术保护点】
1.一种推送工单的方法，其特征在于，包括：/n根据新工单所属的区域，从所有上门服务人员中筛选出在所述区域内的区域上门服务人员；/n按时间顺序将所述新工单分别与所述区域上门服务人员中每个上门服务人员的历史工单组建，获得所述每个上门服务员的新工单序列；其中，所述历史工单为所述每个上门服务人员，在所述新工单对应的接单时间之前已完成的指定数量的工单；/n基于每个新工单序列，用训练好的深度学习模型计算所述每个上门服务人员对所述新工单进行抢单的新工单抢单概率；其中，所述训练好的深度学习模型是基于所有上门服务人员的历史工单确定的；/n基于所述区域上门服务人员对应的所有新工单抢单概率及指定阈值，筛选推单人员；...

【技术特征摘要】
1.一种推送工单的方法，其特征在于，包括：
根据新工单所属的区域，从所有上门服务人员中筛选出在所述区域内的区域上门服务人员；
按时间顺序将所述新工单分别与所述区域上门服务人员中每个上门服务人员的历史工单组建，获得所述每个上门服务员的新工单序列；其中，所述历史工单为所述每个上门服务人员，在所述新工单对应的接单时间之前已完成的指定数量的工单；
基于每个新工单序列，用训练好的深度学习模型计算所述每个上门服务人员对所述新工单进行抢单的新工单抢单概率；其中，所述训练好的深度学习模型是基于所有上门服务人员的历史工单确定的；
基于所述区域上门服务人员对应的所有新工单抢单概率及指定阈值，筛选推单人员；并将所述新工单推送给所述推单人员。


2.如权利要求1所述的方法，其特征在于，根据新工单所属的区域，从所有上门服务人员中筛选出在所述区域内的区域上门服务人员之前，还包括：
接收用户的订单信息；
从所述订单信息中提取基础信息，并将对应的业务信息添加到所述基础信息中，获得所述新工单；其中，所述基础信息为用户的联系信息及地址信息。


3.如权利要求1所述的方法，其特征在于，将所述新工单分别与所述区域上门服务人员中每个上门服务人员的历史工单，按时间顺序组建为一序列，获得所述每个上门服务员的新工单序列，包括：
按指定规则将所述新工单预处理为能被所述训练好的深度学习模型识别的数据，获得预处理后的新工单；
按以下方式，组建所述每个上门服务人员的新工单序列：
从所述新工单对应的接单时间开始向前，在数据库中取所述每个上门服务人员的所述指定数量的历史工单对应的预处理后的历史工单；其中，所述数据库中存放的数据为所有历史工单被处理后的数据及与历史工单和服务人员的关系；
将所述预处理后的新工单与所述指定数量的处理后的历史工单，按完成的时间先后顺序组建为一个序列，获得所述每个上门服务员的新工单序列；其中，所述处理后的新工单为所述新工单序列中的最后一个元素。


4.如权利要求3所述的方法，其特征在于，按指定规则将所述新工单预处理为能被所述训练好的深度学习模型识别的数据，获得预处理后的新工单，包括：
从所述新工单中提取特征数据，获得所述新工单的特征数据集；其中，所述特征数据的类型为所述训练好的深度学习模型在进行训练时，各历史工单所使用的特征数据对应的类型；
对所述新工单的特征数据集中的各个特征数据进行归一化处理，获得所述新工单归一化后的特征数据集；其中，所述各个特征数据进行归一化处理时，所采用的参数为所述训练好的深度学习模型，在进行训练时对应特征数据的类型所采用的参数；
将所述新工单归一化后的特征数据集作为所述预处理后的新工单。


5.如权利要求1所述的方法，其特征在于，用训练好的深度学习模型计算所述每个上门服务人员对所述新工单进行抢单的新工单抢单概率之前，还包括：
按以下方式对深度学习模型进行训练，获得所述训练好的深度学习模型：
按所述指定规则将每个历史工单预处理为能被深度学习模型识别的数据，获得每个预处理后的历史工单；
为每个上门服务人员挑选预设数量的预处理后的历史工单，并按工单能完成的时间先后顺序...

【专利技术属性】
技术研发人员：单彦会，刘辉，曹轲，荣玉军，罗红，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33