CN113764082A - 疲劳度计算方法和装置、派单方法和设备、存储介质 - Google Patents
疲劳度计算方法和装置、派单方法和设备、存储介质 Download PDFInfo
- Publication number
- CN113764082A CN113764082A CN202110325804.9A CN202110325804A CN113764082A CN 113764082 A CN113764082 A CN 113764082A CN 202110325804 A CN202110325804 A CN 202110325804A CN 113764082 A CN113764082 A CN 113764082A
- Authority
- CN
- China
- Prior art keywords
- fatigue
- service personnel
- weight
- service
- dispatching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Epidemiology (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开涉及一种疲劳度计算方法和装置、派单方法和设备、存储介质。该疲劳度计算方法包括:获取服务人员的当前接单量;根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度;根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。本公开可以使互联网医院医派单机制等服务人员派单疲劳度计算装置更加完善,减少了医生等服务人员接单两极分化的情况。
Description
技术领域
本公开涉及派单领域,特别涉及一种疲劳度计算方法和装置、派单方法和设备、存储介质。
背景技术
在相关技术互联网医院中,患者首先通过与系统进行简单交互,然后分诊系统根据患者病例将患者划分到相应科室,最后医患匹配系统会自动为患者推荐与其病情和喜好相符合的医生,从而实现患者问诊与医生接诊的自动化,为患者和医生带来的极大的便利。医患匹配系统实际上是一个推荐系统,其主要通过各种机器学习模型和神经网络模型学习医生与患者的历史信息与实时信息,以此计算当前患者与医生的匹配度或相似度,将匹配度最高的多名医生推荐给患者。相关技术这种方式虽然可以高效且准确地为患者推荐相应医生,但从医生角度来看,热门科室的热门医生会经常被匹配系统放在前面,而患者选优不选劣的心理会更倾向于医生推荐列表里排名靠前的医生,这样的推荐结果是不合理的,需要考虑更多的因素来限制医生接单两极分化的情况。
发明内容
鉴于以上技术问题中的至少一项,本公开提供了一种疲劳度计算方法和装置、派单方法和设备、存储介质,可以使互联网医院医派单机制等服务人员派单疲劳度计算装置更加完善,减少了医生等服务人员接单两极分化的情况。
根据本公开的一个方面,提供一种疲劳度计算方法,包括:
获取服务人员的当前接单量;
根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度;
根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,所述疲劳度计算方法还包括:
在服务人员的当前接单量大于等于当前接单量阈值的情况下,减小疲劳度权重,减小服务人员的当前派单权重。
在本公开的一些实施例中,所述根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度包括:
确定服务人员的当前接单量和当前接单量阈值的差值;
将所述差值输入服务人员疲劳度计算模型,确定服务人员疲劳度。
在本公开的一些实施例中,所述疲劳度计算方法还包括:
在服务人员上线开启接单开关的情况下,将服务人员的当前接单量初始化为0;
在服务人员接到派单的情况下,将服务人员的当前接单量加1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度;
在服务人员服务完成该派单的情况下,将服务人员的当前接单量减1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度。
在本公开的一些实施例中,所述服务人员疲劳度的取值范围为0至1,其中,服务人员疲劳度随服务人员的当前接单量递增;
所述根据服务人员疲劳度确定疲劳度权重包括:将1与服务人员疲劳度的差值作为疲劳度权重。
在本公开的一些实施例中,所述疲劳度计算方法还包括:
通过配置中心对当前接单量阈值进行调整。
根据本公开的另一方面,提供一种派单方法,包括:
根据如上述任一实施例所述的疲劳度计算方法确定的服务人员疲劳度,确定疲劳度权重;
根据病情匹配度和医生好评率,确定第一派单权重;
根据疲劳度权重和第一派单权重确定服务人员的当前派单权重,对服务人员进行派单。
根据本公开的另一方面,提供一种疲劳度计算装置,包括:
接单量获取模块,被配置为获取服务人员的当前接单量;
疲劳度确定模块,被配置为根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度;
疲劳权重确定模块,被配置为根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,所述疲劳度计算装置用于执行实现如上述任一实施例所述的疲劳度计算方法的操作。
根据本公开的另一方面,提供一种派单设备,包括:
疲劳度计算装置,被配置为根据如上述任一实施例所述的疲劳度计算方法确定的服务人员疲劳度,确定疲劳度权重。
派单权重确定装置,被配置为根据病情匹配度和医生好评率,确定第一派单权重;
派单装置,被配置为根据疲劳度权重和第一派单权重确定服务人员的当前派单权重,对服务人员进行派单。
根据本公开的另一方面,提供一种计算机装置,包括:
存储器,被配置为存储指令;
处理器,被配置为执行所述指令,使得所述计算机装置执行实现如上述任一实施例所述的疲劳度计算方法或如上述任一实施例所述的派单方法的操作。
根据本公开的另一方面,提供一种非瞬时性计算机可读存储介质,其中,所述非瞬时性计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如上述任一实施例所述的疲劳度计算方法或如上述任一实施例所述的派单方法。
本公开可以使互联网医院医派单机制等服务人员派单疲劳度计算装置更加完善,减少了医生等服务人员接单两极分化的情况。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本公开疲劳度计算方法一些实施例的示意图。
图2为本公开一些实施例中疲劳度曲线的示意图。
图3为本公开派单方法一些实施例的示意图。
图4为本公开疲劳度计算装置一些实施例的示意图。
图5为本公开派单设备一些实施例的示意图。
图6为本公开计算机装置一些实施例的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
相关技术中互联网医院发展速度较快,需要不断提升用户体验,提高品牌影响力。患者在互联网医院进行问诊时,派单引擎通过算法给患者智能选取最优医生时,需要从多个维度进行考量,例如病情匹配度、医生好评率、接诊速度等等,通过上线的医生综合评分模型后分析发现,部分医生的好评率和接诊速度变差的情况,主要由于不断给综合评分较高的医生派单,导致单量倾斜,产生以下两种负收益:
1、存在部分医生短时间内派单量较多,出现过度疲劳情况,接诊速度变慢,影响用户体验。
2、存在部分医生派单量较少,出现长时间空闲,资源利用率不高。
鉴于以上技术问题中的至少一项,本公开提供了一种疲劳度计算方法和装置、派单方法和设备、存储介质,下面通过具体实施例进行说明。
图1为本公开疲劳度计算方法一些实施例的示意图。优选的,本实施例可由本公开疲劳度计算装置执行。该方法可以包括步骤11-步骤13,其中:
步骤11,获取服务人员的当前接单量x。
步骤12,根据服务人员的当前接单量和当前接单量阈值threshold确定服务人员疲劳度。
在本公开的一些实施例中,步骤12可以包括步骤121和步骤122,其中:
步骤121,确定服务人员的当前接单量x和当前接单量阈值threshold的差值x-threshold。
在本公开的一些实施例中,当前接单量阈值threshold可以为10。
步骤122,将所述差值输入服务人员疲劳度计算模型,确定服务人员疲劳度。
在本公开的一些实施例中,所述疲劳度计算模型可以为自适应疲劳度计算模型。
在本公开的一些实施例中,所述自适应疲劳度计算模型可以为sigmoid函数模型。
在本公开的一些实施例中,所述服务人员疲劳度的取值范围为0至1,其中,服务人员疲劳度随服务人员的当前接单量递增。
在本公开的一些实施例中,所述疲劳度计算模型可以如公式(1)所示。
公式(1)中,x代表当前接单量,threshold代表当前接单量阈值。
图2为本公开一些实施例中疲劳度曲线的示意图。如图2所示,横轴为当前接单量,纵轴为服务人员疲劳度。
在本公开的一些实施例中,如图2所示,threshold设置为10,当医生等服务人员的当前接单量达到10单以后,疲劳度会瞬间变大,能够充分抑制医生后续的接单量,当医生处理完当前单量时,当前接单量变少,疲劳度随之降低。
步骤13,根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,步骤13中,所述根据服务人员疲劳度确定疲劳度权重的步骤可以包括:将1与服务人员疲劳度的差值作为疲劳度权重。
在本公开的一些实施例中,所述疲劳度计算方法还可以包括:在服务人员的当前接单量大于等于当前接单量阈值的情况下,大幅减小疲劳度权重,减小服务人员的当前派单权重。
在本公开的一些实施例中,所述疲劳度计算方法可以包括:步骤1,在医生等服务人员上线开启接单开关(例如医生的接诊开关)的情况下,将服务人员的当前接单量初始化为0,疲劳度阈值threshold设置为10,疲劳度计算结果约为0;步骤2,在服务人员接到派单的情况下,将服务人员的当前接单量加1,并通过服务人员疲劳度计算模型(例如公式(1))更新该服务人员的疲劳度;步骤3,在服务人员服务完成该派单的情况下,将服务人员的当前接单量减1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度;步骤4,重复步骤2和3,直到该医生下线关闭接单开关。
在本公开的一些实施例中,所述疲劳度计算方法还可以包括:通过配置中心在特定时间段或特定条件下,根据管理人员的输入或根据预定值对当前接单量阈值threshold进行调整。
例如:由于考虑到“618大促”或者“双11大促”等特定时间段,问诊单量过多,医生等服务人员的资源有限,医生疲劳度接诊单量x容易达到阈值,有可能造成单量严重积压情况,需要调整医生的当前接单量上限,因此对疲劳度阈值进行配置,有效地解决了单量过多造成积压的情况。
基于本公开上述实施例提供的疲劳度计算方法,提出了一种自适应计算医生疲劳度模型,可以应用于医生分诊派单等服务人员派单过程中。
本公开上述实施例当医生接单量没有达到阈值时,疲劳度上升较为缓慢,能够很好保护综合较高的医生优先派单。
本公开上述实施例当医生接单量达到阈值时,疲劳度上升幅度较大,能够有效控制过度派单情况,从而使单量流向空闲的医生。
本公开上述实施例疲劳度阈值threshold实现可配置化,可以更好地适用于大促活动单量暴增的情况。
图3为本公开派单方法一些实施例的示意图。优选的,本实施例可由本公开派单设备执行。该方法可以包括步骤31-步骤33,其中:
步骤31,根据如上述任一实施例(例如图1实施例)所述的疲劳度计算方法确定的服务人员疲劳度,确定疲劳度权重。
在本公开的一些实施例中,步骤31可以包括:将1与服务人员疲劳度的差值作为疲劳度权重。
步骤32,根据病情匹配度和医生好评率,确定第一派单权重。
在本公开的一些实施例中,步骤33可以包括:综合考虑病情匹配度、医生好评率、接诊速度等参数,确定第一派单权重。
步骤33,根据疲劳度权重和第一派单权重确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,步骤33可以包括:根据疲劳度权重和第一派单权重的乘积,确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,步骤33可以包括:根据多策略分配模型,深度学习分配模型和动态多目标分配模型,对服务人员进行派单。
在本公开的一些实施例中,步骤33之后,本公开派单方法还可以包括:在派单完成后,获取派单状态,更新服务人员的当前接单量,再重复执行步骤31,根据服务人员的当前接单量对服务人员疲劳度进行调整。
基于本公开上述实施例提供的派单方法,为了使互联网医院医派单机制更加完善,减少医生接单两极分化的情况。本公开上述实施例在原有的派单模型基础上,增加医生疲劳度权重,因此提出一种自适应医生疲劳度计算模型,可以根据医生当前接单量自适应的调整医生的疲劳度。
本公开上述实施例当医生当前接单量达到一定阈值时,疲劳度会快速上升,从而降低了医生的派单权重,减少了派单。
本公开上述实施例的疲劳度权重能够在短时间内有效平衡单量分配,从而向较为空闲的医生进行倾斜派单,从而提高了医生等服务人员资源利用率。
图4为本公开疲劳度计算装置一些实施例的示意图。如图4所示,本公开疲劳度计算装置可以包括接单量获取模块41、疲劳度确定模块42和疲劳权重确定模块43,其中:
接单量获取模块41,被配置为获取服务人员的当前接单量。
疲劳度确定模块42,被配置为根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度。
在本公开的一些实施例中,当前接单量阈值threshold可以为10。
在本公开的一些实施例中,疲劳度确定模块42可以被配置为确定服务人员的当前接单量和当前接单量阈值的差值;将所述差值输入服务人员疲劳度计算模型,确定服务人员疲劳度。
在本公开的一些实施例中,所述疲劳度计算模型可以为自适应疲劳度计算模型。
在本公开的一些实施例中,所述自适应疲劳度计算模型可以为sigmoid函数模型。
在本公开的一些实施例中,所述服务人员疲劳度的取值范围为0至1,其中,服务人员疲劳度随服务人员的当前接单量递增。
在本公开的一些实施例中,所述疲劳度计算模型可以如公式(1)所示。
疲劳权重确定模块43,被配置为根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,所述根据服务人员疲劳度确定疲劳度权重包括:将1与服务人员疲劳度的差值作为疲劳度权重。
在本公开的一些实施例中,疲劳度计算装置还可以被配置为在服务人员的当前接单量大于等于当前接单量阈值的情况下,减小疲劳度权重,减小服务人员的当前派单权重。
在本公开的一些实施例中,疲劳度计算装置还可以被配置为在服务人员上线开启接单开关的情况下,将服务人员的当前接单量初始化为0;在服务人员接到派单的情况下,将服务人员的当前接单量加1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度;在服务人员服务完成该派单的情况下,将服务人员的当前接单量减1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度。
在本公开的一些实施例中,疲劳度计算装置还可以被配置为通过配置中心对当前接单量阈值进行调整。
在本公开的一些实施例中,疲劳度计算装置还可以被配置为通过配置中心在特定时间段或特定条件下,根据管理人员的输入或根据预定值对当前接单量阈值threshold进行调整。
例如:由于考虑到“618大促”或者“双11大促”等特定时间段,问诊单量过多,医生等服务人员的资源有限,医生疲劳度接诊单量x容易达到阈值,有可能造成单量严重积压情况,需要调整医生的当前接单量上限,因此对疲劳度阈值进行配置,有效地解决了单量过多造成积压的情况。
在本公开的一些实施例中,所述疲劳度计算装置可以被配置为执行实现如上述任一实施例(例如图1实施例)所述的疲劳度计算方法的操作。
基于本公开上述实施例提供的疲劳度计算装置,提出了一种自适应计算医生疲劳度模型,可以应用于医生分诊派单等服务人员派单过程中。
本公开上述实施例当医生接单量没有达到阈值时,疲劳度上升较为缓慢,能够很好保护综合较高的医生优先派单。
本公开上述实施例当医生接单量达到阈值时,疲劳度上升幅度较大,能够有效控制过度派单情况,从而使单量流向空闲的医生。
本公开上述实施例疲劳度阈值threshold实现可配置化,可以更好地适用于大促活动单量暴增的情况。
图5为本公开派单设备一些实施例的示意图。如图5所示,本公开疲劳度计算装置可以包括疲劳度计算装置51、派单权重确定装置52和派单装置53,其中:
疲劳度计算装置51,被配置为根据如上述任一实施例(例如图1实施例)所述的疲劳度计算方法确定的服务人员疲劳度,确定疲劳度权重。
在本公开的一些实施例中,所述疲劳度计算装置51可以为如上述任一实施例(例如图4实施例)所述的疲劳度计算装置。
派单权重确定装置52,被配置为根据病情匹配度和医生好评率,确定第一派单权重。
在本公开的一些实施例中,派单权重确定装置52可以被配置为综合考虑病情匹配度、医生好评率、接诊速度等参数,确定第一派单权重。
派单装置53,被配置为根据疲劳度权重和第一派单权重确定服务人员的当前派单权重,对服务人员进行派单。
在本公开的一些实施例中,派单装置53可以被配置为根据疲劳度权重和第一派单权重的乘积,确定服务人员的当前派单权重,对服务人员进行派单。
基于本公开上述实施例提供的派单设备,为了使互联网医院医派单机制更加完善,减少医生接单两极分化的情况。本公开上述实施例在原有的派单模型基础上,增加医生疲劳度权重,因此提出一种自适应医生疲劳度计算模型,可以根据医生当前接单量自适应的调整医生的疲劳度。
本公开上述实施例当医生当前接单量达到一定阈值时,疲劳度会快速上升,从而降低了医生的派单权重,减少了派单。
本公开上述实施例的疲劳度权重能够在短时间内有效平衡单量分配,从而向较为空闲的医生进行倾斜派单,从而提高了医生等服务人员资源利用率。
图6为本公开计算机装置一些实施例的结构示意图。如图6所示,计算机装置包括存储器61和处理器62。
存储器61用于存储指令,处理器62耦合到存储器61,处理器62被配置为基于存储器存储的指令执行实现上述任一实施例(例如图1实施例)所述的疲劳度计算方法或如上述任一实施例(例如图3实施例)所述的派单方法。
如图6所示,该计算机装置还包括通信接口63,用于与其它设备进行信息交互。同时,该计算机装置还包括总线64,处理器62、通信接口63、以及存储器61通过总线64完成相互间的通信。
存储器61可以包含高速RAM存储器,也可还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。存储器61也可以是存储器阵列。存储器61还可能被分块,并且块可按一定的规则组合成虚拟卷。
此外,处理器62可以是一个中央处理器CPU,或者可以是专用集成电路ASIC,或是被配置成实施本公开实施例的一个或多个集成电路。
在本公开的一些实施例中,本公开上述实施例的计算机装置可以实现为本公开上述任一实施例(例如图4实施例)所述的疲劳度计算装置或如上述任一实施例(例如图5实施例)所述的设备。
基于本公开上述实施例提供的计算机装置可以应用于医生分诊派单等服务人员派单过程中。
本公开上述实施例当医生接单量没有达到阈值时,疲劳度上升较为缓慢,能够很好保护综合较高的医生优先派单。
本公开上述实施例当医生接单量达到阈值时,疲劳度上升幅度较大,能够有效控制过度派单情况,从而使单量流向空闲的医生。
本公开上述实施例疲劳度阈值threshold实现可配置化,可以更好地适用于大促活动单量暴增的情况。
根据本公开的另一方面,提供一种非瞬时性计算机可读存储介质,其中,所述非瞬时性计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如上述任一实施例(例如图1实施例)所述的疲劳度计算方法或如上述任一实施例(例如图3实施例)所述的派单方法。
本公开上述实施例在原有的派单模型基础上,增加医生疲劳度权重,因此提出一种自适应医生疲劳度计算模型,可以根据医生当前接单量自适应的调整医生的疲劳度。
本公开上述实施例当医生当前接单量达到一定阈值时,疲劳度会快速上升,从而降低了医生的派单权重,减少了派单。
本公开上述实施例的疲劳度权重能够在短时间内有效平衡单量分配,从而向较为空闲的医生进行倾斜派单,从而提高了医生等服务人员资源利用率。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在上面所描述的疲劳度计算装置和派单设备可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此,已经详细描述了本公开。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指示相关的硬件完成,所述的程序可以存储于一种非瞬时性计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本公开的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用,并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (12)
1.一种疲劳度计算方法,其特征在于,包括:
获取服务人员的当前接单量;
根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度;
根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。
2.根据权利要求1所述的疲劳度计算方法,其特征在于,还包括:
在服务人员的当前接单量大于等于当前接单量阈值的情况下,减小疲劳度权重,减小服务人员的当前派单权重。
3.根据权利要求1或2所述的疲劳度计算方法,其特征在于,所述根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度包括:
确定服务人员的当前接单量和当前接单量阈值的差值;
将所述差值输入服务人员疲劳度计算模型,确定服务人员疲劳度。
4.根据权利要求3所述的疲劳度计算方法,其特征在于,还包括:
在服务人员上线开启接单开关的情况下,将服务人员的当前接单量初始化为0;
在服务人员接到派单的情况下,将服务人员的当前接单量加1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度;
在服务人员服务完成该派单的情况下,将服务人员的当前接单量减1,并通过服务人员疲劳度计算模型更新该服务人员的疲劳度。
5.根据权利要求1或2所述的疲劳度计算方法,其特征在于,所述服务人员疲劳度的取值范围为0至1,其中,服务人员疲劳度随服务人员的当前接单量递增;
所述根据服务人员疲劳度确定疲劳度权重包括:将1与服务人员疲劳度的差值作为疲劳度权重。
6.根据权利要求1或2所述的疲劳度计算方法,其特征在于,还包括:
通过配置中心对当前接单量阈值进行调整。
7.一种派单方法,其特征在于,包括:
根据如权利要求1-6中任一项所述的疲劳度计算方法确定的服务人员疲劳度,确定疲劳度权重;
根据病情匹配度和医生好评率,确定第一派单权重;
根据疲劳度权重和第一派单权重确定服务人员的当前派单权重,对服务人员进行派单。
8.一种疲劳度计算装置,其特征在于,包括:
接单量获取模块,被配置为获取服务人员的当前接单量;
疲劳度确定模块,被配置为根据服务人员的当前接单量和当前接单量阈值确定服务人员疲劳度;
疲劳权重确定模块,被配置为根据服务人员疲劳度确定疲劳度权重,以便根据疲劳度权重确定服务人员的当前派单权重,对服务人员进行派单。
9.根据权利要求8所述的疲劳度计算装置,其特征在于,所述疲劳度计算装置用于执行实现如权利要求1-6中任一项所述的疲劳度计算方法的操作。
10.一种派单设备,其特征在于,包括:
疲劳度计算装置,被配置为根据如权利要求1-6中任一项所述的疲劳度计算方法确定的服务人员疲劳度,确定疲劳度权重;
派单权重确定装置,被配置为根据病情匹配度和医生好评率,确定第一派单权重;
派单装置,被配置为根据疲劳度权重和第一派单权重确定服务人员的当前派单权重,对服务人员进行派单。
11.一种计算机装置,其特征在于,包括:
存储器,被配置为存储指令;
处理器,被配置为执行所述指令,使得所述计算机装置执行实现如权利要求1-6中任一项所述的疲劳度计算方法或如权利要求7所述的派单方法的操作。
12.一种非瞬时性计算机可读存储介质,其特征在于,所述非瞬时性计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如权利要求1-6中任一项所述的疲劳度计算方法或如权利要求7所述的派单方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325804.9A CN113764082A (zh) | 2021-03-26 | 2021-03-26 | 疲劳度计算方法和装置、派单方法和设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325804.9A CN113764082A (zh) | 2021-03-26 | 2021-03-26 | 疲劳度计算方法和装置、派单方法和设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113764082A true CN113764082A (zh) | 2021-12-07 |
Family
ID=78786831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110325804.9A Pending CN113764082A (zh) | 2021-03-26 | 2021-03-26 | 疲劳度计算方法和装置、派单方法和设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113764082A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681267A (zh) * | 2023-08-02 | 2023-09-01 | 山东尚可网络科技有限公司 | 一种政务公开信息化平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968950A (zh) * | 2019-11-27 | 2020-04-07 | 武汉理工大学 | 一种基于人员疲劳度的人机协作拆卸序列规划方法 |
CN112466454A (zh) * | 2021-01-22 | 2021-03-09 | 阿里健康科技(杭州)有限公司 | 一种开方数据处理方法和装置 |
CN112530563A (zh) * | 2020-12-15 | 2021-03-19 | 武汉联影医疗科技有限公司 | 确定医疗资源分配策略的方法、装置和系统 |
CN112542236A (zh) * | 2020-12-18 | 2021-03-23 | 微医云(杭州)控股有限公司 | 在线任务派发方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-26 CN CN202110325804.9A patent/CN113764082A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968950A (zh) * | 2019-11-27 | 2020-04-07 | 武汉理工大学 | 一种基于人员疲劳度的人机协作拆卸序列规划方法 |
CN112530563A (zh) * | 2020-12-15 | 2021-03-19 | 武汉联影医疗科技有限公司 | 确定医疗资源分配策略的方法、装置和系统 |
CN112542236A (zh) * | 2020-12-18 | 2021-03-23 | 微医云(杭州)控股有限公司 | 在线任务派发方法、装置、电子设备及存储介质 |
CN112466454A (zh) * | 2021-01-22 | 2021-03-09 | 阿里健康科技(杭州)有限公司 | 一种开方数据处理方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681267A (zh) * | 2023-08-02 | 2023-09-01 | 山东尚可网络科技有限公司 | 一种政务公开信息化平台 |
CN116681267B (zh) * | 2023-08-02 | 2023-10-31 | 山东尚可网络科技有限公司 | 一种政务公开信息化平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI675335B (zh) | 訓練任務優化系統、訓練任務優化方法及其非暫態電腦可讀媒體 | |
CN108932974B (zh) | 在线问诊分配医生的方法、装置、计算机设备和存储介质 | |
CN110458663B (zh) | 一种车辆推荐方法、装置、设备及存储介质 | |
CN111966904A (zh) | 基于多用户画像模型的信息推荐方法和相关装置 | |
CN111863167A (zh) | 病例分组方法、装置、电子设备及存储介质 | |
CN109409432B (zh) | 一种图像处理方法、装置和存储介质 | |
CN115249315B (zh) | 面向异构计算设备的深度学习图像分类方法及装置 | |
CN113764082A (zh) | 疲劳度计算方法和装置、派单方法和设备、存储介质 | |
CN110969172A (zh) | 一种文本的分类方法以及相关设备 | |
CN114419378B (zh) | 图像分类的方法、装置、电子设备及介质 | |
CN112528108B (zh) | 一种模型训练系统、模型训练中梯度聚合的方法及装置 | |
CN109614544B (zh) | 一种用户的个人信息的预测方法及装置 | |
JP2013105215A (ja) | レコメンド情報生成装置、レコメンド情報生成方法及びレコメンド情報生成プログラム | |
CN109101329B (zh) | 通过多个移动终端采集数据的细粒度任务分配方法及系统 | |
CN114267440B (zh) | 医疗订单信息处理方法、装置和计算机可读存储介质 | |
JP7384345B2 (ja) | 特許情報処理装置、特許情報処理方法、およびプログラム | |
CN113254215B (zh) | 数据处理方法和装置、存储介质及电子设备 | |
US20230049758A1 (en) | Assignment of clinical image studies using online learning | |
CN109002525A (zh) | 平台内容的处理方法、装置、终端设备和存储介质 | |
CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
CN115169881A (zh) | 任务分配方法、装置和电子设备 | |
CN114708970B (zh) | 适用于大数据的疼痛综合评估数据处理方法及系统 | |
CN113808662A (zh) | 基于神经网络的基因变异位点可致病性的预测方法及系统 | |
CN112016979A (zh) | 用户分群方法、装置、设备和计算机可读存储介质 | |
CN112446166A (zh) | 材料推荐系统与材料推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |