【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于被服务人群时序预测数据的服务人员智能排班方法。
技术介绍
1、随着我国人口数量的不断增加，各种服务资源开始显得短缺，服务行业面临的资源供不应求的问题日益凸显。无论是医院医生排班、车站安检人员排班、还是政府行政办公服务人员排班等，合理的人员调度机制都是保障服务质量和提升运营效率的关键要素。目前，多数服务型行业的人员排班仍主要依赖人工方式进行，人员安排相对固定，往往忽略了客流量随时间的波动和特定场景下的特性差异。这样的方式并未能随客流或需求的变化规律进行机动调整，这不仅降低了人们的服务体验和效率，增加了各种风险，例如交叉感染（医院）或拥挤等，还可能导致资源的浪费或紧缺。
2、目前与本申请接近的现有专利如下：
3、1、一种客服排班方法、装置、设备及介质 （cn116822886a）
4、2、一种基于遗传算法的医院排班方法（cn111341428a）：
5、3、医院排班方法及装置（cn109493959a）：
6、4、智能排班方法及排班系统（cn112102932a）
7、5、一种港口国监督检查船舶和检查员分配的方法（cn112699467a）
8、综上所述，目前尚未发现以客流或需求时序为基础的智能化排班相关专利技术成果。无论是医院、车站安检、还是政府行政办公服务，现有的排班方法大多只考虑预估的总体需求或者仅基于工作人员的出勤情况进行安排，这容易导致资源的不合理分配和被服务人员的长时间等待。
9、为此，
技术实现思路
1、因此，本专利技术的目的在于提供一种基于被服务人群时序预测数据的服务人员智能排班方法。结合总体需求与特定时间段内的客流或需求预测，进而实现资源的优化配置。实现各服务场所都能更加精确地确定所需的工作人员数量，从而降低资源浪费并提高服务效率。
2、为了实现上述目的，本专利技术的一种基于被服务人群时序预测数据的服务人员智能排班方法，包括如下步骤：
3、s1、获取被服务人员数据、服务窗口数据、服务人员数据；所述被服务人员数据包括被服务人员信息和每个被服务人员的服务节点数据；所述服务人员数据包括服务人员信息、服务人员的服务效率和在岗状态；
4、s2、根据获取的被服务人员数据和服务窗口数据，输入训练后的新增被服务人员数量预测模型中，对任意服务窗口未来一个排班周期内新增被服务人员数量进行预测，得到新增被服务人员数量；所述新增被服务人员数量预测模型，采用机器学习算法进行构建，以历史数据中的被服务人员数据和服务窗口数据作为输入量，以服务窗口未来一个排班周期内新增被服务人员数量作为输出量；进行训练；
5、s3、将预测得到的服务窗口未来一个排班周期内新增被服务人员数量及服务人员数据作为输入量，输入智能排班模型，设置被服务人员平均等待时长作为优化目标，得到服务窗口对应的排班服务人员列表。
6、进一步优选的，在s2中，所述新增被服务人员数量预测模型在进行训练时，还包括对输入的被服务人员数据和服务窗口数据进行如下处理：
7、s201、获取每个被服务人员的服务节点数据并从被服务人员信息中提取对应的服务窗口ws1；
8、s202、根据所述服务窗口信息，对所有服务窗口进行相关性分析，提取不同服务窗口之间的相关性程度；
9、s203、根据s202中提取的不同服务窗口之间的相关性程度，筛选与s201中提取的所述服务窗口ws1，相关性强度符合预设阈值的若干相关服务窗口ws_re；
10、s204、在历史数据中，提取所述服务窗口ws1多时间跨度的被服务人员数据，按照所述时间跨度，对应提取若干相关服务窗口ws_re的被服务人员数据；
11、s205、以服务节点数据、历史数据中服务窗口ws1的多时间跨度的被服务人员数据以及若干相关服务窗口ws_re的被服务人员数据作为输入数据，对新增被服务人员数量预测模型进行训练。
12、进一步优选的，在s3中，所述智能排班模型包括如下构建过程：
13、s301、根据得到的新增的被服务人员数量，生成预设排班周期内新增被服务人员序列；
14、s302、根据新增的被服务人员序列以及根据服务人员数据得到的备选服务人员列表、服务人员效率列表、服务人员在岗状态列表以及预设的排班服务人员数量区间，采用排列组合形式生成所有可能的排班方案，共种；
15、其中，为排班服务人员数量的最大值，为排班服务人员数量的最小值，
16、s303、所述计算所有排班方案下在排班周期t内，所有被服务人员的平均等候时长wtavg；
17、s304、筛选平均等候时长wtavg最短的方案，作为最优方案，输出所述最优方案对应的排班服务人员列表。
18、进一步优选的，在s303中，所述被服务人员的平均等候时长wtavg采用如下方法计算得出：
19、s3031、设置初始时间各服务人员的剩余服务时间lt=0，被服务人员等候列表pq=，令时间窗口t为起始时间ts，设置时间间隔为 ；
20、s3032、计算各服务人员的剩余服务时间，lt = max(0, lt -)；
21、s3033、输入t+时间段内新增被服务人员数量，并将新增的被服务人员序列加入等候列表；
22、s3034、检测所有服务人员剩余服务时间，判断是否有服务人员剩余服务时间为0；
23、s3035、若有服务人员i剩余服务时间为0，则按等候列表中被服务人员的顺序，分配给lt=0的服务人员，并移出已经接受服务的服务人员，重置服务人员i的剩余服务时间为lt=1/e，设置等候列表中其余所有被服务人员个体的等候时长加；
24、若无服务人员剩余服务时间为0，则直接将等候列表中余所有被服务人员个体等候时长加；
25、s3036、更新时间窗口，令t=t+ ；
26、s3037、判断被服务人员列表pq是否为空，且t>te，若是，则输出该排班方案下被服务人员的平均等候时长wtavg；若被服务人员列表pq不为空，或t<=te，则重复s3032-s3036。
27、本专利技术还提供一种基于被服务人群时序预测数据的服务人员智能排班系统，包括数据获取模块、新增被服务人员数量预测模型以及智能排班模块；
28、所述数据获取模块用于获取被服务人员数据、服务窗口数据、服务人员数据；所述被服务人员数据包括被服务人员信息和每个被服务人员的服务节点数据；所述服务人员数据包括服务人员信息、服务人员的服务效率和在岗状态；
29、所述新增被服务人员数量预测模型，根据获取的被服务人员数据和服务窗口数据，输入训练后的新增被服务人员数量预测模型中，对任意服务窗口未来一个排班周期内新增被服务人员数量进行预测，得到新增被服务人员数量；所述新本文档来自技高网...
【技术保护点】
1.一种基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，在S2中，所述新增被服务人员数量预测模型在进行训练时，还包括对输入的被服务人员数据和服务窗口数据进行如下处理：
3.根据权利要求1所述的基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，在S3中，所述智能排班模型包括如下构建过程：
4.根据权利要求3所述的基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，在S303中，所述被服务人员的平均等候时长WTavg采用如下方法计算得出：
5.一种基于被服务人群时序预测数据的服务人员智能排班系统，其特征在于，包括数据获取模块、新增被服务人员数量预测模型以及智能排班模块；
6.根据权利要求5所述的基于被服务人群时序预测数据的服务人员智能排班系统，其特征在于，所述智能排班模块，得到服务窗口对应的排班服务人员列表时，包括以下过程：
7.一种电子设备，其特征在于，包括处理器和存储器，所
8.一种计算机存储介质，其特征在于，所述计算机存储介质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如权利要求1至4中任一项所述基于被服务人群时序预测数据的服务人员智能排班方法的步骤。
...【技术特征摘要】
1.一种基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，在s2中，所述新增被服务人员数量预测模型在进行训练时，还包括对输入的被服务人员数据和服务窗口数据进行如下处理：
3.根据权利要求1所述的基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，在s3中，所述智能排班模型包括如下构建过程：
4.根据权利要求3所述的基于被服务人群时序预测数据的服务人员智能排班方法，其特征在于，在s303中，所述被服务人员的平均等候时长wtavg采用如下方法计算得出：
5.一种基于被服务人群时序预测数据的服务人员智能排班系统，其...
【专利技术属性】
技术研发人员：刘薇，李晓倩，关静，刘刚，李伟锋，韩臻，原野，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。