任务量的预测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供一种任务量的预测方法、装置、电子设备及存储介质。该方法包括：获取任务对象在历史运行过程中产生的历史任务数据，根据历史任务数据中的关联对象的标识信息，获取关联对象的属性数据；根据历史任务数据中的任务信息确定任务对象在历史时间内产生的任务量，将任务量作为模型训练的类别标签；根据历史任务数据、属性数据以及类别标签生成样本数据集，利用样本数据集对分类模型进行训练，得到训练后的分类模型；获取预测对象的特征信息，将特征信息输入到训练后的分类模型中，利用训练后的分类模型对预测对象在未来预设时间内的任务量进行预测。本公开能够实现对任务量的精准预测，提高预测结果的准确性，提升客户体验。验。验。

【技术实现步骤摘要】
任务量的预测方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，尤其涉及一种任务量的预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着机器人以及人工智能的迅速发展，通过使用机器人来代替人工完成一些任务，这种业务方式已经在各个领域中得到广泛普及，比如以线下的酒店业务为例，利用设置在酒店内的机器人执行送物、迎宾、巡游等任务。由于机器人所提供的服务以及使用效果与客户(比如酒店客户)的任务量密切相关，因此如何对客户在未来时间内的任务量进行精准预测，这对机器人使用效果的评估具有重要意义。
[0003]以酒店行业中的机器人使用场景为例，传统方式中在对酒店任务量进行预测时，首先通过人工方式统计全部酒店在一段时间内的整体任务量，再将统计得到的整体任务量除以酒店的数量得到每一家酒店在若干天内的总任务量，再基于总任务量进一步计算该酒店在每一天中的任务量。但是这种简单的通过总任务量求平均数的方式，无法准确预测出酒店在未来时间内可能产生的任务量，并且计算结果与实际任务量之间差距较大，导致客户的体验降低，影响企业发展。
专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任务量的预测方法，其特征在于，包括：获取任务对象在历史运行过程中产生的历史任务数据，根据所述历史任务数据中所包含的关联对象的标识信息，获取与所述关联对象相对应的属性数据；根据所述历史任务数据中的任务信息确定所述任务对象在历史时间内产生的任务量，将所述历史时间内的任务量作为模型训练的类别标签；根据所述历史任务数据、所述属性数据以及所述类别标签生成样本数据集，利用所述样本数据集对预设的分类模型进行训练，得到训练后的分类模型；确定用于进行任务量预测的预测对象，获取所述预测对象的特征信息，将所述特征信息输入到所述训练后的分类模型中，利用所述训练后的分类模型对所述预测对象在未来预设时间内的任务量进行预测。2.根据权利要求1所述的方法，其特征在于，所述任务对象包括酒店机器人，所述获取任务对象在历史运行过程中产生的历史任务数据，包括：从云平台数据库中获取所述酒店机器人在历史运行过程中产生的历史任务数据，其中，所述历史任务数据中包含关联对象的标识信息、任务时间、任务类型、以及任务信息。3.根据权利要求2所述的方法，其特征在于，所述关联对象包括与所述酒店机器人相对应的关联酒店，根据所述历史任务数据中所包含的关联对象的标识信息，获取与所述关联对象相对应的属性数据，包括：根据所述历史任务数据中的所述关联酒店的标识信息，从所述云平台数据库中获取与所述标识信息相对应的所述关联酒店的属性数据，其中，所述属性数据中包含所述关联酒店的名称、位置信息、房间数量、入住率和房间均价。4.根据权利要求2所述的方法，其特征在于，所述根据所述历史任务数据中的任务信息确定所述任务对象在历史时间内产生的任务量，将所述历史时间内的任务量作为模型训练的类别标签，包括：获取所述历史时间内的所述历史任务数据中的任务信息，以一天作为时间间隔对所述任务信息进行统计，根据统计结果确定所述酒店机器人在所述历史时间内的每一天对应的任务量，将所述每一天对应的任务量作为每条样本数据的类别标签，其中，所述任务量包括所述酒店机器人在每一天所执行任务的数量。5.根据权利要求1所述的方法，其特征在于，所述根据所述历史任务数据、所述属性数据以及所述类别标签生成样本数据集，包括：根据所述历史任务数据中的任务时间，将所述任务时间属于同一天的历史任务数据与所述属性数据进行拼接，得到所述历史时间内每一天对应的样本数据，并将每一天的任务量作为所述样本数据的类别标签，将所述样本数...

【专利技术属性】
技术研发人员：王宇航，支涛，
申请(专利权)人：北京云迹科技股份有限公司，
类型：发明
国别省市：