CN114707695A - 基于大数据分析的安全服务业务需求匹配方法 - Google Patents
基于大数据分析的安全服务业务需求匹配方法 Download PDFInfo
- Publication number
- CN114707695A CN114707695A CN202210166610.3A CN202210166610A CN114707695A CN 114707695 A CN114707695 A CN 114707695A CN 202210166610 A CN202210166610 A CN 202210166610A CN 114707695 A CN114707695 A CN 114707695A
- Authority
- CN
- China
- Prior art keywords
- service
- demand
- matching
- requirement
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007405 data analysis Methods 0.000 title claims abstract description 9
- 238000012937 correction Methods 0.000 claims abstract description 35
- 238000012797 qualification Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 53
- 238000012549 training Methods 0.000 claims description 11
- 238000012552 review Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 208000028571 Occupational disease Diseases 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及供需匹配技术领域,具体涉及一种基于大数据分析的安全服务业务需求匹配方法,该方法包括:获取业务需求端的业务需求信息,对于任意一种类别的业务需求对应的业务服务端,基于各业务提供端的资质信息、规模信息、人员信息、位置信息,获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子;利用整体修正因子对各业务需求端的匹配优先级系数进行修正;获取业务需求端每种业务需求的业务需求位置与各业务提供端所处位置之间的第一距离;利用修正后的匹配优先级系数对第一距离进行优化,得到第二距离;基于第二距离,为业务需求端每种业务需求匹配业务提供端。利用本发明中的匹配方法可得到更合适的匹配结果。
Description
技术领域
本发明涉及供需匹配领域,具体涉及一种基于大数据分析的安全服务业务需求匹配方法。
背景技术
现有的进行供需匹配的方法是采用KM算法等方式进行匹配,但现有的匹配算法仅基于单一因素进行供需匹配,导致得到的匹配结果并不是最优匹配结果。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于大数据分析的安全服务业务需求匹配方法,所采用的技术方案具体如下:
本发明一个实施例提供了一种基于大数据分析的安全服务业务需求匹配方法,该方法包括以下具体步骤:
获取业务需求端的业务需求信息,所述业务需求信息包括业务需求类别、业务需求位置、业务需求紧急程度;所述业务需求类别包括安全评价业务、环境评价业务、职业卫生评价业务、职业病危害因素检测业务、应急预案评审和安全标准化评审业务;
对于任意一种类别的业务需求对应的业务服务端,基于各业务提供端的资质信息、规模信息、人员信息、位置信息,获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子;利用整体修正因子对各业务需求端的匹配优先级系数进行修正;
获取业务需求端每种业务需求的业务需求位置与各业务提供端所处位置之间的第一距离;利用修正后的匹配优先级系数对第一距离进行优化,得到第二距离;基于第二距离,为业务需求端每种业务需求匹配业务提供端;
基于业务需求信息,预测业务需求端每种业务需求的需求人数;所匹配的业务提供端按照相应的需求人数调配业务服务人员。
进一步地,利用系数预测网络获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子。
进一步地,所述系数预测网络包括两个分支,各业务提供端的资质信息、规模信息、人员信息、位置信息为两个分支的输入,经过编码映射处理,两个分支分别输出各业务需求端的匹配优先级系数和所有业务提供端对应的整体修正因子。
进一步地,训练系数预测网络所用匹配优先级系数标签的获取具体为:
对于业务需求类别相同的多个业务需求端,基于第一距离,为每个业务需求端的业务需求匹配业务提供端;
基于业务需求位置与匹配的业务提供端之间的第一距离,和业务需求的需求人数,预测每个业务需求端业务需求的预期服务时间;
根据预期服务时间的均值和方差,对匹配结果进行初次评价,当初次评价值不满足预设条件时,进行业务需求端的重分配,重分配后各业务提供端对应的业务需求的个数与重分配前业务需求个数的比值为各业务提供端的匹配优先级系数。
进一步地,训练系数预测网络所用整体修正因子标签的获取具体为:
为提供某一类别业务的所有业务提供端设置未知的整体修正因子,对基于重分配前后业务需求的个数得到的各业务提供端的匹配优先级系数进行修正,利用修正后的匹配优先级系数对相应的第一距离进行修正,基于修正后的距离重新为每个业务需求端的业务需求匹配业务提供端;
利用最小二乘法求解整体修正因子,使重新匹配前后各业务提供端对应的业务需求的个数的差异最小。
进一步地,业务需求端的重分配为:每次选择一个业务需求,将所选的业务需求分配给其他业务提供端,并重新获取评价值,重新获取的评价值与初次评价值之间的差值最大时对应的其他业务提供端是为所选的一个业务需求重分配的业务提供端;重复执行上述一个业务需求的重分配过程,直至重新获取的评价值与初次评价值之间的差值最大值小于等于预设值;
根据业务需求端重分配前后,每个业务提供端对应的业务需求的个数计算各业务提供端的匹配优先级系数。
进一步地,基于业务需求信息,预测业务需求端每种业务需求的需求人数,具体为:构建每个业务需求端的业务需求序列,序列中每个元素位置代表一个业务需求类别,元素值代表业务需求紧急程度,利用人数预测网络对业务需求序列进行处理,预测业务需求端每种业务需求的需求人数。
本发明实施例至少具有如下有益效果:本发明中考虑了业务提供端的匹配优先级,以及不同类别的业务需求场景下匹配优先级对匹配结果的影响程度,利用本发明中为业务需求端的业务需求匹配业务提供端的方法,可保证整体服务时间在一定时间范围内且服务时间分布均衡的同时得到更精确的匹配结果。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合较佳实施例,对依据本发明提出的一种基于大数据分析的安全服务业务需求匹配方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例以下面的应用场景为例对本发明进行说明:
构建安全服务业务需求匹配平台,平台端口包括业务需求端和业务提供端,平台搭载于云服务器,可进行较为复杂的计算;实施例以安全服务业务需求匹配场景为例进行说明,业务类别包括安全评价业务、环境评价业务、职业卫生评价业务、职业病危害因素检测业务、应急预案评审和安全标准化评审业务;基于业务需求端的业务需求,为业务需求端匹配提供相应业务服务的业务提供端,匹配完成后,业务提供端基于业务需求的需求人数进行业务服务人员的调配;所述业务服务人员为提供相关业务的技术工程师。
本发明一个实施例提供了一种基于大数据分析的安全服务业务需求匹配方法,该方法包括以下步骤:
获取业务需求端的业务需求信息,所述业务需求信息包括业务需求类别、业务需求位置、业务需求紧急程度;所述业务需求类别包括安全评价业务、环境评价业务、职业卫生评价业务、职业病危害因素检测业务、应急预案评审和安全标准化评审业务;
对于任意一种类别的业务需求对应的业务服务端,基于各业务提供端的资质信息、规模信息、人员信息、位置信息,获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子;利用整体修正因子对各业务需求端的匹配优先级系数进行修正;
获取业务需求端每种业务需求的业务需求位置,与各业务提供端所处位置之间的第一距离;利用修正后的匹配优先级系数对第一距离进行优化,得到第二距离;基于第二距离,为业务需求端每种业务需求匹配业务提供端;
基于业务需求信息,预测业务需求端每种业务需求的需求人数;所匹配的业务提供端按照相应的需求人数调配业务服务人员。
下面对上述各个步骤进行详细说明:
步骤S1,获取业务需求端的业务需求信息,所述业务需求信息包括业务需求类别、业务需求位置、业务需求紧急程度;所述业务需求类别包括安全评价业务、环境评价业务、职业卫生评价业务、职业病危害因素检测业务、应急预案评审和安全标准化评审业务。
具体地,对于每个业务需求端,构建该业务需求端的业务需求序列,序列中每个元素位置代表一个业务需求类别,元素值代表业务需求紧急程度,所述业务需求紧急程度由业务需求端给出;优选地,实施例中匹配平台中设置五个紧急程度等级,由数字1-5表示紧急程度等级,数字越大,业务需求越紧急;对于业务需求序列中的某个位置,若业务需求端有该元素位置对应的业务需求,则该元素位置的值为代表业务需求紧急程度的数字,否则,该元素位置的值为0。
步骤S2,对于任意一种类别的业务需求对应的业务服务端,基于各业务提供端的资质信息、规模信息、人员信息、位置信息,获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子;利用整体修正因子对各业务需求端的匹配优先级系数进行修正。
本发明利用系数预测网络获取每种类别的业务需求对应的各业务需求端的匹配优先级系数,以及该种类别的业务需求对应的所有业务提供端对应的整体修正因子;所述系数预测网络包括两个分支,各业务提供端的资质信息、规模信息、人员信息、位置信息为两个分支的输入,经过编码映射处理,两个分支分别输出各业务需求端的匹配优先级系数和所有业务提供端对应的整体修正因子;具体地:
系数预测网络中的第一分支包括第一编码器和第一全连接层,第二分支包括第二编码器和第二全连接层;对于一种业务需求,实施例中提供该类别业务的业务提供端有K个,则第一分支和第二分支输入数据中包括K个业务提供端的资质信息、规模信息、人员信息、位置信息,优选地,以矩阵的形式表示K个业务提供端的资质信息、规模信息、人员信息、位置信息,矩阵中一行元素对应一个业务提供端的资质信息、规模信息、人员信息、位置信息;第一全连接层和第二全连接层的输出分别为K个业务提供端的匹配优先级系数和一个整体修正因子。
利用整体修正因子对各业务需求端的匹配优先级系数进行修正,具体为,整体修正因子分别与各业务需求端的匹配优先级系数相乘,得到各业务需求端修正后的匹配优先级系数。
系数预测网络的训练过程为:若干业务提供端的资质信息、规模信息、人员信息、位置信息为训练数据;所述若干业务提供端的距离修正系数和匹配优先级系数分别为两个网络分支的标签数据;基于第一分支输出的K个业务提供端的匹配优先级系数与K个匹配优先级系数标签之间的欧式距离构建损失函数进行系数预测网络第一分支训练过程的监督,基于第二分支输出的整体修正因子与整体修正因子标签的差值绝对值构建损失函数进行系数预测网络第二分支训练过程的监督。
其中,训练所用标签数据的获取过程具体为:
训练系数预测网络所用匹配优先级系数标签和整体修正因子标签的获取具体为:
(a)对于业务需求类别相同的多个业务需求端,基于第一距离,为每个业务需求端的业务需求匹配业务提供端,具体地:
对于每个类别的业务需求,获取提供相关业务服务的业务提供端,基于每个业务提供端的历史服务信息,获取业务区域图像,即以固定尺寸的地图为基准,在地图中划分每个业务提供端的业务区域,为了对业务区域进行区分,实施例中不同业务提供端的业务区域对应不同的灰度值,得到业务区域图像;所述业务区域基于其历史服务信息,例如业务提供端历史服务的业务需求端所在位置得到。需要说明,每个类别的业务需求对应一张业务区域图像。
将若干业务需求端的业务需求位置在相应的业务区域图像上进行投影,在每张业务区域图像中,基于业务需求位置与业务提供端间的第一距离,为每个业务需求位置的业务需求匹配一个业务提供端。
(b)基于业务需求位置与匹配的业务提供端之间的第一距离,和业务需求的需求人数,预测每个业务需求端业务需求的预期服务时间,具体地:
匹配完成后,每种业务需求和所匹配的业务提供端构成一个匹配对,基于业务提供端的质心点和业务需求位置,计算每个匹配对对应的第一距离。
基于业务需求信息,预测业务需求端每种业务需求的需求人数,具体为:构建每个业务需求端的业务需求序列,序列中每个元素位置代表一个业务需求类别,元素值代表业务需求紧急程度,利用人数预测网络对业务需求序列进行处理,预测业务需求端每种业务需求的需求人数。按照此方法可预测得到每种业务需求对应的需求人数。
因此,每个匹配对对应有第一距离和需求人数,根据第一距离和需求人数计算每个匹配对对应的预期服务时间,具体地,可根据每个业务提供端的历史服务距离、历史调配人数和历史服务时间,利用最小二乘法拟合出计算预期服务时间的数学模型,基于所拟合的数学模型计算预期服务时间。其中,所述服务距离即业务提供端与业务需求位置之间的距离。
(c)根据预期服务时间的均值和方差,对匹配结果进行初次评价,当初次评价值不满足预设条件时,进行业务需求端的重分配,重分配后各业务提供端对应的业务需求的个数与重分配前业务需求个数的比值为各业务提供端的匹配优先级系数。
以一张业务区域图像中的匹配对为例,即以一种类别的业务需求的匹配结果为例:
(i)评价值的获取方法具体为:
对于基于业务区域图像得到的所有匹配对,基于每个匹配对对应的预期服务时间,计算预期服务时间的均值和方差,预期服务时间的均值表征初次匹配结果的整体预期服务时间,预期服务时间的方差表征初次匹配结果对应的预期服务时间的分布是否均衡;基于预期服务时间的均值和方差获取评价值ε:
μ为预期服务时间的均值,μ′为参考服务时间,σ2为预期服务时间的方差;α1和α2为权重系数,α1的取值要向1靠近,α2的取值要向0靠近,实施例中α1和α2的取值分别为1和0.4;的值域为(0,1),μ-0.8μ′值越小,的值越接近1;由于方差σ2大于等于0,的值域为(0,1),方差σ2越小,越接近1;μ-0.8μ′值越小,方差σ2越小,评价值ε的值越大,表明初次匹配结果越优。
(ii)当初次评价值不满足预设条件时,进行业务需求端的重分配,重分配后各业务提供端对应的业务需求的个数与重分配前业务需求个数的比值为各业务提供端的匹配优先级系数。
当初次评价值不满足预设条件,即初次评价值小于评价阈值时,实施例中评价阈值为0.6,进行业务需求端的重分配,业务需求端的重分配具体为:每次选择一个业务需求,将所选的业务需求分配给其他业务提供端,并重新获取评价值,重新获取的评价值与初次评价值之间的差值最大时对应的其他业务提供端是为所2选的一个业务需求重分配的业务提供端;重复执行上述一个业务需求的重分配过程,直至重新获取的评价值与初次评价值之间的差值最大值小于等于预设值;根据业务需求端重分配前后,每个业务提供端对应的业务需求的个数计算各业务提供端的匹配优先级系数。具体地,设提供某一类别业务的业务提供端有K个,即业务区域图像中有K个业务服务端,在K个业务服务端对应的所有业务需求中,选择一个业务需求,将所选的一个业务需求分配给其他业务提供端,则共有K-1种分配方式,相应的可重新得到K-1个评价值,分别计算重新获取的K-1个评价值与初次评价值的差值,差值最大值对应的其他业务提供端是为所选的一个业务需求重分配的业务提供端;再在K个业务服务端对应的所有业务需求中重新选择一个业务需求,按照相同的方法,获取为该业务需求重分配的业务提供端;重复执行上述一个业务需求的重分配过程,直至重新获取的评价值与初次评价值之间的差值最大值小于等于预设值,实施例中预设值为0;停止业务需求端的重分配后,根据业务需求端重分配前后,每个业务提供端对应的业务需求的个数计算各业务提供端的匹配优先级系数,具体地,对于每个业务提供端,业务需求端重分配后该业务提供端对应的业务需求的个数与业务需求端重分配前该业务提供端对应的业务需求个数的比值为该业务需求端的匹配优先级系数。
(d)为提供某一类别业务的所有业务提供端设置未知的整体修正因子,对基于重分配前后业务需求的个数得到的各业务提供端的匹配优先级系数进行修正,利用修正后的匹配优先级系数对相应的第一距离进行修正,基于修正后的距离重新为每个业务需求端每种业务需求匹配业务提供端;
利用最小二乘法求解整体修正因子,使重新匹配前后各业务提供端对应的业务需求的个数的差异最小。具体的利用最小二乘法求解整体修正因子的过程,本发明不再描述。需要说明,不同类别的业务需求场景对应的整体修正因子可能不同,整体修正因子不同,表示不同类别的业务需求场景对匹配优先级系数的需要程度不同,即不同类别的业务需求场景下,业务提供端的匹配优先级对匹配结果的影响程度不同。
至此,完成训练系数预测网络所用匹配优先级系数标签和整体修正因子标签的获取。
此外,为了使系数预测网络在面对突发情况时具有较好的弹性,实施例中训练系数预测网络所用损失还包括,随机生成一种业务需求和业务需求位置,结合该随机生成的业务需求和业务需求位置,为各个业务需求端的每种业务需求匹配业务提供端,匹配完成后获取评价值,根据结合该随机生成的业务需求和业务需求位置前后获取的评价值的差值绝对值构建系数预测网络的弹性保证损失,具体地,弹性保证损失ε1表示结合该随机生成的业务需求和业务需求位置前获取的评价值,ε2表示结合该随机生成的业务需求和业务需求位置后获取的评价值。
步骤S3,获取业务需求端每种业务需求的业务需求位置,与各业务提供端所处位置之间的第一距离;利用修正后的匹配优先级系数对第一距离进行优化,得到第二距离;基于第二距离,为业务需求端每种业务需求匹配业务提供端。
其中,利用修正后的匹配优先级系数对第一距离进行优化,得到第二距离,本发明中第一距离与相应的修正后的匹配优先级系数的比值为第二距离,具体地:以一种类别的业务需求为例,即在一张业务区域图像中,对于投影在业务区域图像中的每个业务需求,基于投影位置,计算该业务需求与业务区域图像中每个业务提供端之间的第一距离,第一距离与业务提供端对应的修正后的匹配优先级系数的比值为第二距离。
利用匹配算法,基于第二距离,为业务需求端每种业务需求匹配业务提供端,优选地,实施例利用贪婪算法进行匹配。
步骤S4,基于业务需求信息,预测业务需求端每种业务需求的需求人数;所匹配的业务提供端按照相应的需求人数调配业务服务人员,业务服务人员前往业务需求位置进行相关服务。
需要说明,本发明可以为一个业务需求端进行业务提供端的匹配,也可为多个业务需求端同时进行业务提供端的匹配。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于大数据分析的安全服务业务需求匹配方法,其特征在于,该方法包括:
获取业务需求端的业务需求信息,所述业务需求信息包括业务需求类别、业务需求位置、业务需求紧急程度;所述业务需求类别包括安全评价业务、环境评价业务、职业卫生评价业务、职业病危害因素检测业务、应急预案评审和安全标准化评审业务;
对于任意一种类别的业务需求对应的业务服务端,基于各业务提供端的资质信息、规模信息、人员信息、位置信息,获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子;利用整体修正因子对各业务需求端的匹配优先级系数进行修正;
获取业务需求端每种业务需求的业务需求位置与各业务提供端所处位置之间的第一距离;利用修正后的匹配优先级系数对第一距离进行优化,得到第二距离;基于第二距离,为业务需求端每种业务需求匹配业务提供端;
基于业务需求信息,预测业务需求端每种业务需求的需求人数;所匹配的业务提供端按照相应的需求人数调配业务服务人员。
2.如权利要求1所述的方法,其特征在于,利用系数预测网络获取各业务需求端的匹配优先级系数,以及所有业务提供端对应的整体修正因子。
3.如权利要求2所述的方法,其特征在于,所述系数预测网络包括两个分支,各业务提供端的资质信息、规模信息、人员信息、位置信息为两个分支的输入,经过编码映射处理,两个分支分别输出各业务需求端的匹配优先级系数和所有业务提供端对应的整体修正因子。
4.如权利要求3所述的方法,其特征在于,训练所述系数推测网络所用匹配优先级系数标签的获取具体为:
对于业务需求类别相同的多个业务需求端,基于第一距离,为每个业务需求端的业务需求匹配业务提供端;
基于业务需求位置与匹配的业务提供端之间的第一距离,和业务需求的需求人数,预测每个业务需求端业务需求的预期服务时间;
根据预期服务时间的均值和方差,对匹配结果进行初次评价,当初次评价值不满足预设条件时,进行业务需求端的重分配,重分配后各业务提供端对应的业务需求的个数与重分配前业务需求个数的比值为各业务提供端的匹配优先级系数。
5.如权利要求4所述的方法,其特征在于,训练系数预测网络所用整体修正因子标签的获取具体为:
为提供某一类别业务的所有业务提供端设置未知的整体修正因子,对基于重分配前后业务需求的个数得到的各业务提供端的匹配优先级系数进行修正,利用修正后的匹配优先级系数对相应的第一距离进行修正,基于修正后的距离重新为每个业务需求端的业务需求匹配业务提供端;
利用最小二乘法求解整体修正因子,使重新匹配前后各业务提供端对应的业务需求的个数的差异最小。
6.如权利要求5所述的方法,其特征在于,业务需求端的重分配为:每次选择一个业务需求,将所选的业务需求分配给其他业务提供端,并重新获取评价值,重新获取的评价值与初次评价值之间的差值最大时对应的其他业务提供端是为所选的一个业务需求重分配的业务提供端;重复执行上述一个业务需求的重分配过程,直至重新获取的评价值与初次评价值之间的差值最大值小于等于预设值;
根据业务需求端重分配前后,每个业务提供端对应的业务需求的个数计算各业务提供端的匹配优先级系数。
7.如权利要求6所述的方法,其特征在于,基于业务需求信息,预测业务需求端每种业务需求的需求人数,具体为:构建每个业务需求端的业务需求序列,序列中每个元素位置代表一个业务需求类别,元素值代表业务需求紧急程度,利用人数预测网络对业务需求序列进行处理,预测业务需求端每种业务需求的需求人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166610.3A CN114707695A (zh) | 2022-02-23 | 2022-02-23 | 基于大数据分析的安全服务业务需求匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166610.3A CN114707695A (zh) | 2022-02-23 | 2022-02-23 | 基于大数据分析的安全服务业务需求匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114707695A true CN114707695A (zh) | 2022-07-05 |
Family
ID=82166244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210166610.3A Pending CN114707695A (zh) | 2022-02-23 | 2022-02-23 | 基于大数据分析的安全服务业务需求匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707695A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738376A (zh) * | 2019-10-16 | 2020-01-31 | 安徽九州通智能科技有限公司 | 一种云物流服务资源优化匹配方法 |
CN112085411A (zh) * | 2020-09-19 | 2020-12-15 | 杨伟深 | 在云计算业务通信网络下的大数据处理方法及云计算平台 |
CN112163745A (zh) * | 2020-09-17 | 2021-01-01 | 武汉大学 | 一种基于组合模型的区域安全风险分析方法及系统 |
CN112836233A (zh) * | 2021-01-21 | 2021-05-25 | 安徽商信政通信息技术股份有限公司 | 一种基于大数据分析的电子政务信息服务系统及方法 |
CN113055307A (zh) * | 2021-03-31 | 2021-06-29 | 中国工商银行股份有限公司 | 一种网络流量分配方法及装置 |
WO2022010303A1 (ko) * | 2020-07-09 | 2022-01-13 | 주식회사 아이피윈 | 법률 컨텐츠 제공을 위한 클라이언트 단말과 프로바이더 단말 간의 매칭 방법 |
-
2022
- 2022-02-23 CN CN202210166610.3A patent/CN114707695A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738376A (zh) * | 2019-10-16 | 2020-01-31 | 安徽九州通智能科技有限公司 | 一种云物流服务资源优化匹配方法 |
WO2022010303A1 (ko) * | 2020-07-09 | 2022-01-13 | 주식회사 아이피윈 | 법률 컨텐츠 제공을 위한 클라이언트 단말과 프로바이더 단말 간의 매칭 방법 |
CN112163745A (zh) * | 2020-09-17 | 2021-01-01 | 武汉大学 | 一种基于组合模型的区域安全风险分析方法及系统 |
CN112085411A (zh) * | 2020-09-19 | 2020-12-15 | 杨伟深 | 在云计算业务通信网络下的大数据处理方法及云计算平台 |
CN112836233A (zh) * | 2021-01-21 | 2021-05-25 | 安徽商信政通信息技术股份有限公司 | 一种基于大数据分析的电子政务信息服务系统及方法 |
CN113055307A (zh) * | 2021-03-31 | 2021-06-29 | 中国工商银行股份有限公司 | 一种网络流量分配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marianov et al. | Siting emergency services | |
CN112235384B (zh) | 分布式系统中的数据传输方法、装置、设备及存储介质 | |
Ansari et al. | A maximum expected covering problem for district design | |
CN109784343B (zh) | 一种基于深度学习模型的资源分配方法及终端 | |
CN109978871B (zh) | 融合概率型和确定型纤维束追踪的纤维束筛选方法 | |
CN111091385B (zh) | 基于权重的对象识别方法、装置以及电子设备 | |
CN108551491A (zh) | 基于人工智能的异构网络空间多层次移动物联网云系统 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
CN114942842A (zh) | 一种物联网智能终端的控制系统及其控制方法 | |
CN115063274B (zh) | 基于虚拟现实的飞行训练方案生成方法、系统、设备 | |
CN115862823A (zh) | 一种基于移动网络的设备智能调度方法及系统 | |
CN112233428A (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN112817757B (zh) | 预调整的资源弹性分配方法、装置、电子设备及存储介质 | |
CN114707695A (zh) | 基于大数据分析的安全服务业务需求匹配方法 | |
CN111813674B (zh) | 分单业务的压测方法、装置、电子设备及存储介质 | |
CN111144673A (zh) | 组织人员结构评估方法、装置、设备及计算机可读介质 | |
CN117540822A (zh) | 跨移动边缘网络的联邦类增量学习方法、设备和存储介质 | |
CN113656187B (zh) | 基于5g的公安大数据算力服务系统 | |
CN115270904B (zh) | 一种义务教育阶段适龄常住人口空间化方法和系统 | |
CN115618277A (zh) | 一种运维工单成本量化的方法 | |
CN112560721B (zh) | 无感知模型切换方法、装置、电子设备及存储介质 | |
CN115361318A (zh) | 一种复杂环境下动态负载均衡的lstm边缘计算流量预测方法 | |
CN112488195A (zh) | 派件员代派送识别方法、装置、设备以及存储介质 | |
CN111832765B (zh) | 一种调度方法、装置、电子设备和可读存储介质 | |
CN114119492A (zh) | 基于图像处理的热防护功能梯度材料组分识别方法和系统 |
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 |