CN109558989B

CN109558989B - 排队时间预测方法、装置、设备及计算机可读存储介质

Info

Publication number: CN109558989B
Application number: CN201811530958.6A
Authority: CN
Inventors: 余自雷
Original assignee: Ping An Technology Shenzhen Co Ltd
Current assignee: Ping An Technology Shenzhen Co Ltd
Priority date: 2018-12-13
Filing date: 2018-12-13
Publication date: 2023-06-27
Anticipated expiration: 2038-12-13
Also published as: CN109558989A

Abstract

本发明提供一种排队时间预测方法，该方法包括：在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；获取所述队列中各坐席的历史业务处理记录，按照预设算法计算所述队列处理各类型业务的处理速度；获取所述队列的待处理业务办理请求信息，并进行归类统计，得到待处理业务办理请求中各类型业务的待处理数量；根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。本发明还提供一种排队时间预测装置、设备及计算机可读存储介质。本发明能够提高排队时间预测结果的准确性，以提升客户体验。

Description

排队时间预测方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及排队时间预测技术领域，尤其涉及一种排队时间预测方法、装置、设备及计算机可读存储介质。

背景技术

为方便客户办理各种业务，很多企业和公司(如银行、证券公司、通信运营商等)都开通了线上业务办理服务，将原来线下繁琐的办理流程简化至线上，用户无需到网点或营业点进行办理。在线上办理业务的过程中，由于人工服务坐席是有限的，所以客户往往需要排队等待。目前，服务器在计算排队时间时，通常是依据于前方排队人数和人工服务坐席的业务处理时间来进行计算，其所依据的影响因子较少，导致预测的排队时间的准确性较差，客户在等待时仍需时不时查看排队进度，以免错过，使得客户无法将等待时间用于处理其他事务，造成时间的浪费，客户体验也较差。因此，现有的排队时间预测结果的准确性仍有待提高，以提升客户体验。

发明内容

本发明的主要目的在于提供一种排队时间预测方法、装置、设备及计算机可读存储介质，旨在实现提高排队时间预测结果的准确性，以提升客户体验。

为实现上述目的，本发明提供一种排队时间预测方法，所述方法包括：

在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；

获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度；

获取所述队列的待处理业务办理请求信息，并对所述待处理业务办理请求信息进行归类统计，得到待处理业务办理请求中各类型业务的待处理数量；

根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

可选地，所述获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度的步骤包括：

获取所述队列中各坐席的历史业务处理记录，根据所述队列中各坐席的历史业务处理记录计算所述队列中各坐席处理各类型业务的平均处理时间，记为第一平均处理时间；

根据所述第一平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的平均处理时间，记为第二平均处理时间；

根据所述第二平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的处理速度。

可选地，所述预设的第一计算公式为：

其中，t为排队时间，a_i为所述队列处理业务类型i的业务的处理速度，b_i为待处理业务处理请求中业务类型i对应的待处理数量。

可选地，所述根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端的步骤之前包括：

根据所述业务办理请求信息获取所述待处理业务办理请求中各类型业务的离线数量；

所述根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端的步骤包括：

根据所述各类型业务的待处理数量、所述各类型业务的离线数量和所述队列处理各类型业务的处理速度按预设的第二计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

可选地，所述预设的第二计算公式为：

其中，t为排队时间，a_i为所述队列处理业务类型i的业务的处理速度，b_i为待处理业务处理请求中业务类型i对应的待处理数量，c_i为待处理业务处理请求中业务类型i对应的离线数量。

可选地，所述在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列的步骤包括：

在接收到客户终端发送的业务办理请求时，根据所述业务办理请求获取对应的客户信息、业务信息和各队列的排队信息；

分别根据所述客户信息、所述业务信息、所述各队列的排队信息和预设映射关系表得到各队列的客户属性分值、业务属性分值和队列属性分值；

对所述各队列的客户属性分值、业务属性分值和队列属性分值进行加和得到各队列的排队分值，并将所述业务办理请求分发至所述各队列的排队分值中最大值对应的队列。

可选地，所述获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度的步骤，包括：

获取所述队列中各坐席的历史业务处理记录，并根据所述列队中各坐席的历史业务处理记录按照预设算法计算所述队列在不同业务处理时间段内处理各类型业务的处理速度；

所述根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端的步骤，包括：

根据所述各类型业务的待处理数量、当前时间和所述队列在不同业务处理时间段内处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

此外，为实现上述目的，本发明还提供一种排队时间预测装置，所述排队时间预测装置包括：

请求分发模块，用于在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；

第一计算模块，用于获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度；

信息统计模块，用于获取所述队列的待处理业务办理请求信息，并对所述待处理业务办理请求信息进行归类统计，得到待处理业务办理请求中各类型业务的待处理数量；

第二计算模块，用于根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

此外，为实现上述目的，本发明还提供一种排队时间预测设备，所述排队时间预测设备包括存储器、处理器以及存储在所述存储器上并可被所述处理器执行的排队时间预测程序，其中所述排队时间预测程序被所述处理器执行时，实现如上所述的排队时间预测方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有排队时间预测程序，其中所述排队时间预测程序被处理器执行时，实现如上所述的排队时间预测方法的步骤。

本发明提供一种排队时间预测方法、装置、设备及计算机可读存储介质，通过在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；获取该队列中各坐席的历史业务处理记录，并根据该队列中各坐席的历史业务处理记录按照预设算法计算该队列处理各类型业务的处理速度；获取该队列的待处理业务办理请求信息，对该待处理业务办理请求信息进行归类统计，以得到待处理业务办理请求中各类型业务的待处理数量；根据各类型业务的待处理数量和该队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将该排队时间发送至客户终端。本发明中基于大数据思想对历史业务处理记录进行统计分析，根据历史业务处理记录中的业务处理花费时间、业务类型、坐席数量得到队列处理各类型业务的处理速度，并根据该队列处理各类型业务的处理速度、待处理业务办理请求中各类型业务的待处理数量来计算排队时间，考虑了历史业务处理花费时间、业务类型、队列的坐席数量、待处理的业务类型和数量等多个因子，可提高排队时间预测结果的准确性。

附图说明

图1为本发明实施例方案中涉及的排队时间预测设备的硬件结构示意图；

图2为本发明排队时间预测方法第一实施例的流程示意图；

图3为本发明第一实施例中步骤S20的细化流程示意图；

图4为本发明排队时间预测方法第二实施例的流程示意图；

图5为本发明排队时间预测装置第一实施例的功能模块示意图。

本发明目的的实现、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

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例涉及的排队时间预测方法主要应用于排队时间预测设备，该排队时间预测设备可以是PC(personal computer，个人计算机)、笔记本电脑、服务器等设备。

参照图1，图1为本发明实施例方案中涉及的排队时间预测设备的硬件结构示意图。本发明实施例中，文件归档设备可以包括：处理器1001，例如CPU(Central ProcessingUnit，中央处理器)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，Wi-Fi接口)；存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及排队时间预测程序。在图1中，网络通信模块可用于连接服务器，与服务器进行数据通信；而处理器1001可以用于调用存储器1005中存储的排队时间预测程序，并执行本发明实施例提供的排队时间预测方法。

基于上述硬件结构，提出本发明排队时间预测方法的各个实施例。

本发明提供一种排队时间预测方法。

参照图2，图2为本发明排队时间预测方法第一实施例的流程示意图。

在本实施例中，该排队时间预测方法包括：

步骤S10，在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；

在本实施例中，该排队时间预测方法由排队时间预测设备实现，该排队时间预测设备可以是PC、笔记本电脑、服务器等设备，该排队时间预测设备以服务器为例进行说明。服务器在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列。具体的业务办理请求的触发方式可以包括但不限于：客户通过客户终端登录对应的APP，点击对应的业务办理选项即可触发；或通过点击客户终端接收到的信息中的链接，然后输入账号信息或用户信息即可触发。以贷款面核场景为例，客户需触发贷款面核请求时，可通过客户终端登录对应的贷款申请APP，点击其申请的贷款订单中的面核选项即可触发；或当通过客户终端接收到对应的面核邀请信息时，点击对应的邀请链接后输入账号信息或用户信息即可触发。业务办理请求的分发规则可以基于客户因子、业务因子和队列因子来进行分发，具体的，步骤S10可以包括：

步骤a，在接收到客户终端发送的业务办理请求时，根据所述业务办理请求获取对应的客户信息、业务信息和各队列的排队信息；

在本实施例中，服务器在接收到客户终端发送的业务办理请求时，根据该业务办理请求获取对应的客户信息、业务信息，并获取各队列的排队信息，其中，客户信息可以包括但不限于客户等级、客户地域、客户年龄和客户学历，业务信息可以包括但不限于业务类型和业务上传材料类型，各队列的队列信息可以包括但不限于各队列的待处理请求数和离线数。

步骤b，分别根据所述客户信息、所述业务信息、所述各队列的排队信息和预设映射关系表得到各队列的客户属性分值、业务属性分值和队列属性分值；

然后根据该客户信息、业务信息、各队列的排队信息和预设映射关系表得到各队列的客户属性分值、业务属性分值和队列属性分值。其中，该预设映射关系表中包括了各队列、各项客户信息(包括不同客户等级、不同客户地域、不同范围的客户年龄和不同客户学历)和分值之间的映射关系，各队列、各项业务信息(包括不同业务类型和不同业务上传材料类型)和分值之间的映射关系，及不同队列排序(根据各队列的待处理请求数和离线数所确定的)与分值之间的映射关系。

具体的，客户属性分值的确定方法可以为：根据客户信息和预设映射关系表得到各队列的各项客户信息对应的得分，即各队列的客户等级得分、客户地域得分、客户年龄得分、客户学历得分，然后计算各队列的各项客户信息对应的得分的平均值，即可得到各队列的客户属性分值；业务属性分值的确定方法可以为：根据业务信息和预设映射关系表得到各队列的各项业务信息对应的得分，即各队列的业务类型得分和业务上传材料类型得分，其中，业务上传材料类型可以包括一种或多种，当包括多种时，业务上传材料类型得分则为多种业务上传材料类型对应分值之和，然后计算各队列的各项业务信息对应的得分的平均值，即可得到各队列的业务属性分值；队列属性分值的确定方法可以为：根据各队列中待处理请求的待处理数量和离线数量计算实际排队请求数，根据实际队列请求数由大到小分别对各队列进行排序，然后根据预设映射关系表中不同队列排序与分值之间的映射关系得到各队列的队列属性分值。此外，需要说明的是，在计算队列属性分值时，还可以只根据各队列的待处理请求数进行排序。客户信息和业务信息可以只包括上述列出的部分信息，也可以包括其他信息。

步骤c，对所述各队列的客户属性分值、业务属性分值和队列属性分值进行加和得到各队列的排队分值，并将所述业务办理请求分发至所述各队列的排队分值中最大值对应的队列。

在本实施例中，在得到各队列的客户属性分值、业务属性分值和队列属性分值后，对各队列的客户属性分值、业务属性分值和队列属性分值进行加和得到各队列的排队分值，并将该业务办理请求分发至各队列的排队分值中最大值对应的队列。在具体实施例中，还可以根据各队列的客户属性分值、业务属性分值和队列属性分值及各自对应的预设权重系数计算对应的加权和，并将该加权和作为各队列的排队分值，然后将该业务办理请求分发至各队列的排队分值中最大值对应的队列。

此外，在具体实施例中，业务办理请求的分发规则并不限于上述所述的规则，例如还可以为：获取各队列的待处理业务办理请求数，将所述业务办理请求分发至所述业务办理请求数最小值对应的队列。此外，业务办理请求的分发规则除了基于上述3个因子外，还可以根据其他因子，例如网络因子等，从而综合多种因子进行分发，将业务办理请求分发至更适合的队列。

步骤S20，获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度；

在本实施例中，获取该队列中各坐席的历史业务处理记录，并根据该队列中各坐席的历史业务处理记录按照预设算法计算该队列处理各类型业务的处理速度。其中，各坐席的历史业务处理记录可以是在各坐席处理完业务后自动生成的，历史业务处理记录可以包括业务编号或名称和业务处理花费时间，还可以包括业务处理时间，业务处理花费时间是指处理该业务所花费的时间，业务处理时间是指开始处理业务时所对应的时间点。业务类型可以根据业务编号或名称按预设映射表进行归类。当然，历史业务处理记录还可以包括业务类型，此时则无需根据业务编号或名称来确定其业务类型。

具体的，队列处理各类型业务的处理速度的计算过程为：首先获取该队列中各坐席的历史业务处理记录，并根据该历史业务处理记录计算该队列中各坐席处理各类型业务的平均处理时间，记为第一平均处理时间，第一平均处理时间可通过将各坐席处理各类型业务的业务处理花费时间之和除以处理次数即可得到，然后，根据第一平均处理时间和该队列的坐席数计算该队列处理各类型业务的平均处理时间，记为第二平均处理时间，对应的计算公式为：第二平均处理时间＝第一平均处理时间/坐席数。最后，根据第二平均处理时间和该队列的坐席数计算该队列处理各类型业务的处理速度，对应的计算公式为：处理速度＝第二平均处理时间/坐席数。

步骤S30，获取所述队列的待处理业务办理请求信息，并对所述待处理业务办理请求信息进行归类统计，得到待处理业务办理请求中各类型业务的待处理数量；

服务器获取该队列的待处理业务办理请求信息，其中待处理业务办理请求信息至少包括待处理业务办理请求数量和各待处理业务办理请求对应的业务编号或名称(或各待处理业务办理请求对应的业务类型)，然后对该待处理业务办理请求信息进行归类统计，以得到待处理业务办理请求中各类型业务的待处理数量。例如，该队列前方待处理的待处理业务办理请求有22个，待处理业务办理请求信息中的业务类型包括2种，业务类型1和业务类型2，统计得到每种业务类型对应的待处理数量，如业务类型1对应的待处理数量为10个，业务类型2对应的待处理数量为12个。

步骤S40，根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

最后，根据各类型业务的待处理数量和该队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将该排队时间发送至客户终端。其中，预设的第一计算公式如下：

例如，上述例中，业务类型1和2对应的待处理数量分别为10个和12个时，假如该队列处理业务类型1和2的处理速度分别为55s、117.5s，此时，排队时间t＝55×10+117.5×12＝1960s。

为进一步的提高排队时间预测结果的准确性，在统计队列前方各类型业务的待处理数量时，可剔除其中的离线数。因此，在步骤S40之前，该排队时间预测方法还可以包括以下步骤：

步骤S50，根据所述业务办理请求信息获取所述待处理业务办理请求中各类型业务的离线数量；

在本实施例中，在获取到该队列的待处理业务办理请求信息，并根据该待处理业务办理请求信息经归类统计得到待处理业务办理请求中各类型业务的待处理数量后，还可以根据该业务办理请求信息获取待处理业务办理请求中各类型业务的离线数量。

此时，步骤S40包括：

步骤S41，根据所述各类型业务的待处理数量、所述各类型业务的离线数量和所述队列处理各类型业务的处理速度按预设的第二计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

然后，根据各类型业务的待处理数量、各类型业务的离线数量和该队列处理各类型业务的处理速度按预设的第二计算公式计算对应的排队时间，并将该排队时间发送至客户终端。其中，预设的第二计算公式如下：

例如上述例中，业务类型1对应的待处理数量为10个，但有2个已离线，业务类型2对应的待处理数量为12个，无离线情况，假如该队列处理业务类型1和2的处理速度分别为55s、117.5s，此时，排队时间＝55×(10-2)+117.5×(12-0)＝1850s。

此外，需要说明的是，服务器可每隔预设时间(如10min，30min)获取各信息，以根据实时排队情况计算排队时间，并将排队时间发送至客户终端，告知客户还需排队等待的时间，以使得客户合理安排时间，以免错过排队。

本发明提供一种排队时间预测方法，通过在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；获取该队列中各坐席的历史业务处理记录，并根据该队列中各坐席的历史业务处理记录按照预设算法计算该队列处理各类型业务的处理速度；获取该队列的待处理业务办理请求信息，对该待处理业务办理请求信息进行归类统计，以得到待处理业务办理请求中各类型业务的待处理数量；根据各类型业务的待处理数量和该队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将该排队时间发送至客户终端。本发明中基于大数据思想对历史业务处理记录进行统计分析，根据历史业务处理记录中的业务处理花费时间、业务类型、坐席数量得到队列处理各类型业务的处理速度，并根据该队列处理各类型业务的处理速度、待处理业务办理请求中各类型业务的待处理数量来计算排队时间，考虑了历史业务处理花费时间、业务类型、队列的坐席数量、待处理的业务类型和数量等多个因子，可提高排队时间预测结果的准确性。

进一步的，参照图3，图3为本发明第一实施例中步骤S20的细化流程示意图。

具体的，步骤S20包括：

步骤S21，获取所述队列中各坐席的历史业务处理记录，根据所述队列中各坐席的历史业务处理记录计算所述队列中各坐席处理各类型业务的平均处理时间，记为第一平均处理时间；

在本实施例中，服务器在接收到客户终端发送的业务办理请求，并将该业务办理请求分发至对应的队列之后，获取该队列中各坐席的历史业务处理记录，并根据该历史业务处理记录计算该队列中各坐席处理各类型业务的平均处理时间，记为第一平均处理时间，第一平均处理时间可通过将各坐席处理各类型业务的业务处理花费时间之和除以处理次数即可得到，例如下表1。

表1

其中，各坐席的各坐席的历史业务处理记录可以是在各坐席处理完业务后自动生成的，历史业务处理记录可以包括业务编号或名称和业务处理花费时间，还可以包括业务处理时间，业务处理花费时间是指处理该业务所花费的时间，业务处理时间是指开始处理业务时所对应的时间点。业务类型可以根据业务编号或名称按预设映射表进行归类，如产品编号1-3所对应的业务类型为业务类型1，产品编号4-7所对应的业务类型为业务类型2。当然，在具体实施例中，历史业务处理记录还可以包括业务类型，此时则无需根据业务编号或名称来确定其业务类型。此外，为减小误差，提高后续排队时间预测结果的准确度，还可以采用最小二乘法计算得到该第一平均处理时间，具体的可参照现有技术，此处不做赘述。

步骤S22，根据所述第一平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的平均处理时间，记为第二平均处理时间；

然后，根据第一平均处理时间和该队列的坐席数计算该队列处理各类型业务的平均处理时间，记为第二平均处理时间。例如上述例中，对于该队列处理业务类型1的业务的平均处理时间为(T_A1+T_B1+……+T_N1)/N，该队列处理业务类型2的业务的平均处理时间为(T_A2+T_B2+……+T_N2)/N，该队列处理业务类型3的业务的平均处理时间为(T_A3+T_B3+……+T_N3)/N。

步骤S23，根据所述第二平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的处理速度。

最后，根据第二平均处理时间和该队列的坐席数计算该队列处理各类型业务的处理速度。对应的计算公式为：处理速度＝第二平均处理时间/坐席数。例如，该队列中2个人工坐席A和B，该队列中的人工坐席A和B对业务类型1的业务的第一平均处理时间分别为100s、120s，对业务类型2的业务的第一业务处理时间分别为200s、250s，那么该队列对业务类型1和2的业务的处理速度的计算过程如下：先计算得到该队列处理业务类型为1和2的业务所对应的第二平均处理时间分别为：(100+120)/2＝110s，(220+250)/2＝235s；然后计算得到该队列处理业务类型为1和2的业务所对应的处理速度分别为：110/2＝55s，235/2＝117.5s。

由于不同业务处理时间段内，业务办理请求数量不同，队列中各坐席的处理效率也可能不同，从而使得队列中各坐席在不同业务处理时间段内的处理速度可能不同，因此，为进一步提高排队时间预测结果的准确性，可按业务处理时间来划分不同的业务处理时间段，进而计算队列在不同业务处理时间段内处理各类型业务的处理速度，具体流程可参照图4，图4为本发明排队时间预测方法第二实施例的流程示意图。

基于上述图2所示的第一实施例，本实施例中，步骤S20可以包括：

步骤S24，获取所述队列中各坐席的历史业务处理记录，并根据所述列队中各坐席的历史业务处理记录按照预设算法计算所述队列在不同业务处理时间段内处理各类型业务的处理速度；

在本实施例中，服务器在接收到客户终端发送的业务办理请求，并将该业务办理请求分发至对应的队列之后，获取该队列中各坐席的历史业务处理记录，其中，该历史业务处理记录可以包括业务编号或名称、业务处理花费时间和业务处理时间，其中，业务处理花费时间是指处理该业务所花费的时间，业务处理时间是指开始处理业务时所对应的时间点。然后根据该历史业务处理记录计算该队列中各坐席在不同业务处理时间段内处理各类型业务的平均处理时间，记为第一平均处理时间。其中，业务处理时间段可以以每隔一定时间(如2个小时)进行分段，也可以根据实际情况进行分段。然后根据第一平均处理时间和该队列的坐席数计算该队列在不同业务处理时间段内处理各类型业务的平均处理时间，记为第二平均处理时间；最后，根据第二平均处理时间和该队列的坐席数计算该队列处理各类型业务的处理速度。具体的，处理速度＝第二平均处理时间/坐席数。

此时，步骤S40可以包括：

步骤S41，根据所述各类型业务的待处理数量、当前时间和所述队列在不同业务处理时间段内处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

在本实施例中，在计算得到队列在不同业务处理时间段内处理各类型业务的处理速度后，服务器获取该队列的待处理业务办理请求信息，其中待处理业务办理请求信息至少包括待处理业务办理请求数量和各待处理业务办理请求对应的业务编号或名称(或各待处理业务办理请求对应的业务类型)，然后对该待处理业务办理请求信息进行归类统计，以得到待处理业务办理请求中各类型业务的待处理数量。最后根据各类型业务的待处理数量、当前时间和该队列在不同业务处理时间段内处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将该排队时间发送至客户终端。具体的，先根据当前时间确定当前时间所处的业务处理时间段，从而确定该队列在该业务处理时间段内处理各类型业务的处理速度，然后根据各类型业务的待处理数量和该队列在该业务处理时间段内处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将该排队时间发送至所述客户终端。

需要说明的是，为进一步的提高排队时间预测结果的准确性，在统计队列前方各类型业务的待处理数量时，可剔除其中的离线数，即根据所述业务办理请求信息获取所述待处理业务办理请求中各类型业务的离线数量，然后根据所述各类型业务的待处理数量、所述各类型业务的离线数量、当前时间和所述队列在不同业务处理时间段内处理各类型业务的处理速度按预设的第二计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

此外，还需要说明的是，服务器可每隔预设时间(如10min，30min)获取各信息，以根据实时排队情况计算排队时间，并将排队时间发送至客户终端，告知客户还需排队等待的时间，以使得客户合理安排时间，以免错过排队。

本发明还提供一种排队时间预测装置。

参照图5，图5为本发明排队时间预测装置第一实施例的功能模块示意图。

在本实施例中，所述排队时间预测装置包括：

请求分发模块10，用于在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列；

第一计算模块20，用于获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度；

信息统计模块30，用于获取所述队列的待处理业务办理请求信息，并对所述待处理业务办理请求信息进行归类统计，得到待处理业务办理请求中各类型业务的待处理数量；

第二计算模块40，用于根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。其中，所述预设的第一计算公式为：

其中，上述排队时间预测装置的各虚拟功能模块存储于图1所示排队时间预测设备的存储器1005中，用于实现排队时间预测程序的所有功能；各模块被处理器1001执行时，可实现基于大数据思想对历史业务处理记录进行统计分析，根据历史业务处理记录中的业务处理花费时间、业务类型、坐席数量得到队列处理各类型业务的处理速度，并根据该队列处理各类型业务的处理速度、待处理业务办理请求中各类型业务的待处理数量来计算排队时间的功能。

进一步的，所述第一计算模块20包括：

第一计算单元，用于获取所述队列中各坐席的历史业务处理记录，根据所述队列中各坐席的历史业务处理记录计算所述队列中各坐席处理各类型业务的平均处理时间，记为第一平均处理时间；

第二计算单元，用于根据所述第一平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的平均处理时间，记为第二平均处理时间；

第三计算单元，用于根据所述第二平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的处理速度。

进一步的，所述排队时间预测装置还包括：

信息获取模块50，用于根据所述业务办理请求信息获取所述待处理业务办理请求中各类型业务的离线数量；

所述第二计算模块40，具体用于根据所述各类型业务的待处理数量、所述各类型业务的离线数量和所述队列处理各类型业务的处理速度按预设的第二计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。其中，所述预设的第二计算公式为：

进一步的，所述请求分发模块10包括：

信息获取单元，用于在接收到客户终端发送的业务办理请求时，根据所述业务办理请求获取对应的客户信息、业务信息和各队列的排队信息；

分值计算单元，用于分别根据所述客户信息、所述业务信息、所述各队列的排队信息和预设映射关系表得到各队列的客户属性分值、业务属性分值和队列属性分值；

请求分发单元，用于对所述各队列的客户属性分值、业务属性分值和队列属性分值进行加和得到各队列的排队分值，并将所述业务办理请求分发至所述各队列的排队分值中最大值对应的队列。

进一步的，所述第一计算模块20还具体用于获取所述队列中各坐席的历史业务处理记录，并根据所述列队中各坐席的历史业务处理记录按照预设算法计算所述队列在不同业务处理时间段内处理各类型业务的处理速度；

所述第二计算模块40还具体用于根据所述各类型业务的待处理数量、当前时间和所述队列在不同业务处理时间段内处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端。

其中，上述排队时间预测装置中各个模块的功能实现与上述排队时间预测方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有排队时间预测程序，所述排队时间预测程序被处理器执行时实现如以上任一项实施例所述的排队时间预测方法的步骤。

本发明计算机可读存储介质的具体实施例与上述排队时间预测方法各实施例基本相同，在此不作赘述。

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、方法、物品或者系统不仅包括那些要素，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、方法、物品或者系统所固有的要素。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、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims

1.一种排队时间预测方法，其特征在于，所述排队时间预测方法包括：

根据所述第二平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的处理速度；

根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端；

所述预设的第一计算公式为：

其中，t为排队时间，a_i为所述队列处理业务类型i的业务的处理速度，b_i为待处理业务处理请求中业务类型i对应的待处理数量；

所述在接收到客户终端发送的业务办理请求时，将所述业务办理请求分发至对应的队列的步骤包括：

在接收到客户终端发送的业务办理请求时，根据所述业务办理请求获取对应的客户信息、业务信息和各队列的排队信息，其中，所述业务信息至少包括业务上传材料类型，所述各队列的队列信息至少包括所述各队列的待处理请求数和离线数；

2.如权利要求1所述的排队时间预测方法，其特征在于，所述根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端的步骤之前包括：

3.如权利要求2所述的排队时间预测方法，其特征在于，所述预设的第二计算公式为：

4.如权利要求1所述的排队时间预测方法，其特征在于，所述获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列处理各类型业务的处理速度的步骤，包括：

获取所述队列中各坐席的历史业务处理记录，并根据所述队列中各坐席的历史业务处理记录按照预设算法计算所述队列在不同业务处理时间段内处理各类型业务的处理速度；

5.一种排队时间预测装置，其特征在于，所述排队时间预测装置包括：

信息统计模块，用于获取所述队列中各坐席的历史业务处理记录，根据所述队列中各坐席的历史业务处理记录计算所述队列中各坐席处理各类型业务的平均处理时间，记为第一平均处理时间；根据所述第一平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的平均处理时间，记为第二平均处理时间；根据所述第二平均处理时间和所述队列的坐席数计算所述队列处理各类型业务的处理速度；

第二计算模块，用于根据所述各类型业务的待处理数量和所述队列处理各类型业务的处理速度按预设的第一计算公式计算对应的排队时间，并将所述排队时间发送至所述客户终端；

所述预设的第一计算公式为：

所述请求分发模块，还用于：

6.一种排队时间预测设备，其特征在于，所述排队时间预测设备包括存储器、处理器以及存储在所述存储器上并可被所述处理器执行的排队时间预测程序，其中所述排队时间预测程序被所述处理器执行时，实现如权利要求1至4中任一项所述的排队时间预测方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有排队时间预测程序，其中所述排队时间预测程序被处理器执行时，实现如权利要求1至4中任一项所述的排队时间预测方法的步骤。