CN115034686A - 作业行为量化方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种作业行为量化方法、装置、计算机设备和存储介质，计算机设备根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的运动轨迹数据、作业系统操作数据和技能指标数据中至少一种作业行为数据，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果，根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。在本方案中，可以从至少三个维度来对作业人员进行作业行为量化分析，可以有效实现对作业人员全方位的量化管理，降低对作业人员的管控风险，强化对作业人员的管理与监督。

Description

作业行为量化方法、装置、计算机设备和存储介质

技术领域

本申请涉及信息处理技术领域，特别是涉及一种作业行为量化方法、装置、计算机设备和存储介质。

背景技术

在各行各业的作业场景下，作业人员的工作质量、工作效率受到关注。针对保险理赔、电力、石油等外勤作业较多的行业来说，外勤作业人员的作业过程存在不透明的问题，导致难以对外勤作业人员进行有效的管理。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效付外勤人员进行监控管理的作业行为量化方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种作业行为量化方法，该方法包括：

根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据；作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果；

根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。

在其中一个可选的实施例中，作业行为数据包括运动轨迹数据，根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据，包括：

获取目标作业人员的第一轨迹数据和第二轨迹数据；第一轨迹数据为目标作业人员的运动轨迹数据；第二轨迹数据为与目标作业人员绑定的交通工具的运动轨迹数据；

根据第一轨迹数据和第二轨迹数据，在预设地图中生成目标作业人员的作业轨迹图作为运动轨迹数据；预设地图中包括目标作业人员的合法活动区域。

在其中一个可选的实施例中，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

根据第一轨迹数据与第二轨迹数据的重叠度，和/或，第一轨迹数据和第二轨迹数据中停留点的信息，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果。

在其中一个可选的实施例中，根据第一轨迹数据与第二轨迹数据的重叠度，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

基于作业轨迹图，确定第一轨迹数据与第二轨迹数据的重叠度；

若第一轨迹数据与第二轨迹数据的重叠度小于预设重叠度阈值，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，停留点的信息包括停留点的停留时长、地址标识、位置坐标；根据第一轨迹数据和第二轨迹数据中停留点的信息，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

若停留点的停留时长大于时长阈值，则确定目标作业人员的判断结果为作业异常；

若停留点的地址标识属于预设地址标识，则确定目标作业人员的判断结果为作业异常；

若停留点的位置坐标不属于目标作业人员的合法活动区域内，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，该方法还包括：

基于作业轨迹图，获取第一轨迹数据和/或第二轨迹数据中的多个轨迹点；

根据当前轨迹点的位置坐标，与当前轨迹点相邻的上一个轨迹点的位置坐标，确定当前轨迹点与上一个轨迹点之间的距离；

根据当前轨迹点的到达时刻和上一个轨迹点的到达时刻，确定当前轨迹点与上一个轨迹点之间的时间差；

若距离小于预设距离，且，时间差大于预设时差，则确定当前轨迹点为停留点；

根据停留点的位置坐标，从第三方地图中获取停留点的地址标识。

在其中一个可选的实施例中，作业行为数据包括作业系统操作数据，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

从目标工作人员的作业系统操作数据中提取多个操作时刻；

计算各操作时刻之间的操作时差；

若操作时差大于预设时长，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，作业行为数据包括技能指标数据，根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据，包括：

根据目标作业人员的作业类型，确定目标作业人员对应的技能指标；

从历史行为数据库中获取与技能指标对应的实际数据，作为技能指标数据。

在其中一个可选的实施例中，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

根据各技能指标数据的值和各技能指标数据对应的权重，计算目标作业人员的技能量化值；

若技能量化值小于量化值阈值，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果，包括：

根据基于运动轨迹数据的判断结果和第一权重、基于作业系统操作数据的判断结果和第二权重、基于技能指标数据的判断结果和第三权重，计算目标作业人员的作业行为量化结果。

第二方面，本申请还提供了一种作业行为量化装置，该装置包括：

获取模块，用于根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据；作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

判断模块，用于根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果；

量化模块，用于根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的作业行为量化方法。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其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第一方面所述的作业行为量化方法。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的作业行为量化方法。

上述作业行为量化方法、装置、计算机设备和存储介质，计算机设备根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的运动轨迹数据、作业系统操作数据和技能指标数据中至少一种作业行为数据，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果，根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。在本方案中，可以从至少三个维度来对作业人员进行作业行为量化分析，特别是针对外勤作业人员可以通过运动轨迹数据确定外勤作业人员作业是否存在异常；针对普通作业人员可以通过其在作业系统中的操作数据来确定作业过程中是否存在异常；针对不同岗位作业人员可以通过对应的技能指标来确定其的作业异常行为，结合至少一个维度是判断结果，可以有效实现对作业人员全方位的量化管理，降低对作业人员的管控风险，强化对作业人员的管理与监督。

附图说明

图1为一个实施例中作业行为量化方法的应用环境图；

图2为一个实施例中作业行为量化方法的流程示意图；

图3为另一个实施例中作业行为量化方法的流程示意图；

图4为一个实施例中作业人员作业轨迹图的示意图；

图5为另一个实施例中作业行为量化方法的流程示意图；

图6为另一个实施例中作业行为量化方法的流程示意图；

图7为一个实施例中作业人员作业系统操作数据抓取示意图；

图8为另一个实施例中作业行为量化方法的流程示意图；

图9为另一个实施例中作业行为量化方法的流程示意图；

图10为一个实施例中作业行为量化结果的技能得分分布图；

图11为一个实施例中作业行为量化装置的结构框图；

图12为另一个实施例中作业行为量化装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的作业行为量化方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种作业行为量化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，如图2所示，提供了一种作业行为量化方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：

步骤201，根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据。

其中，作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种。示例性地，运动轨迹数据可以为作业人员移动终端的运动轨迹数据，即，通过实时获取与作业人员账号登录的移动终端的定位信息，生成与作业人员的账号（标识）对应的移动终端的运动轨迹数据；运动轨迹数据也可以为作业人员对应的交通工具的运动轨迹数据，即，通过实时获取与作业人员绑定的交通工具的定位信息，生成交通工具的运动轨迹数据；运动轨迹数据也可以为从第三方地图中通过人脸识别获取到的作业人员的人体运行轨迹数据。作业系统操作数据可以为作业人员通过登录账号，操作终端的作业系统所形成的作业活动量数据，例如，可以根据作业人员操作系统的日志数据提取作业人员的系统操作数据。技能指标数据指的是针对各个作业人员所在的不同岗位、不同部分、不同业务所制定的技能指标，根据该技能指标可以从第三方数据库中获取相应的数据作为技能指标数据。可选地，作业行为数据还包括作业人员出勤数据、客户反馈数据等，本实施例对作业行为数据不做限定。

在本实施例中，作业行为数据可以分别存储于独立的数据库中，也可以都存储在同一个大型数据库中。目标作业人员的标识可以为作业人员的身份证账号、业务系统的登录账号、作业系统的用户名等具有唯一性的标识。计算机设备可以根据目标作业人员的标识，分别从独立的数据库中获取与作业人员对应的作业行为数据；或者根据目标作业人员的标识，从大型数据库中获取与作业人员对应的作业行为数据，本实施例对此不做限定。

步骤202，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果。

在本实施例中，计算机设备根据每一种作业行为数据和其对应的判别规则，分别从各个维度判断作业人员是否存在异常作业行为，从而得到判断结果。以上述步骤201中的例子来说明，在作业行为数据为运动轨迹数据的场景下，计算机设备可以根据实际获取到的运动轨迹数据与根据该目标作业人员的作业内容预测生成的计划轨迹数据进行一致性校验，若运动轨迹数据与计划轨迹数据的一致性小于一定阈值，例如，其一致性小于50%，则确定该目标作业人员未按照合理合规的计划路线执行其作业，该目标作业人员存在异常作业行为；或者，还可以根据目标作业人员的运动轨迹数据确定该目标作业人员的作业活动范围是否属于其对应的合理合规的活动范围内，例如，若该目标作业人员在合理合规的活动范围之外产生一定量的运动轨迹数据，则确定该目标作业人员存在异常作业行为，本实施例对根据运动轨迹数据确定目标作业人员是否存在异常作业行为不作限定。

在作业行为数据为作业系统操作数据的场景下，计算机设备获取到目标作业人员的作业系统操作数据之后，可以根据作业系统操作数据中数据的更新情况，来确定目标作业人员是否存在异常作业行为，例如，若作业系统操作数据在一个小时或者更长时间内数据未更新，也即，意味着目标作业人员在这一段时间内未进行作业处理动作，此时，确定该目标作业人员存在异常作业行为；或者，若作业系统操作数据的更新频率大于预设频率，例如，作业系统操作数据每隔5秒更新一次数据，意味着目标作业人员在刻意刷新数据，可能并未进行正常的作业处理动作，此时，确定该目标作业人员存在异常作业行为，本实施例对根据作业系统操作数据确定目标作业人员是否存在异常作业行为不作限定。

在作业行为数据为技能指标数据的场景下，计算机设备从各个子业务系统中获取与目标作业人员对应的技能指标数据，对应计算各个技能指标数据的量化值，例如，在保险理赔行业，技能指标可以包括定损偏差率、车物查勘及时率、外修减损率等，计算机设备可以根据技能指标对应的值计算目标作业人员的量化值，若量化值小于一定阈值，例如，量化值小于80%，则确定该目标作业人员存在异常作业行为；或者，计算机设备还可以获取指定的技能指标数据，例如，投诉建议次数、不同等级的作业事故的数量等，根据技能指标数据的数量和预设阈值，确定目标作业人员是否存在异常作业行为，例如，以一个月为统计周期，若收到至少3个投诉建议，和/或，存在至少5次作业事故，则确定目标作业人员是否存在异常作业行为，本实施例对根据技能指标数据确定目标作业人员是否存在异常作业行为不作限定。

步骤203，根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。

在本实施例中，计算机设备在得到各个作业行为数据的判断结果之后，可以根据其是否存在异常、以及存在异常作业行为的严重程度确定各个作业行为的判断结果的量化值，并根据各个作业行为的判断结果的量化值与其对应的权重，计算目标作业人员整体的作业行为量化结果。或者，计算机设备还可以在得到各个作业行为数据的判断结果之后，根据各个判断结果对于目标作业人员的影响比例，来确定目标作业人员的整体的作业行为量化结果，本实施例对此不做限定。

上述作业行为量化方法中，计算机设备根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的运动轨迹数据、作业系统操作数据和技能指标数据中至少一种作业行为数据，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果，根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。在本方案中，可以从至少三个维度来对作业人员进行作业行为量化分析，特别是针对外勤作业人员可以通过运动轨迹数据确定外勤作业人员作业是否存在异常；针对普通作业人员可以通过其在作业系统中的操作数据来确定作业过程中是否存在异常；针对不同岗位作业人员可以通过对应的技能指标来确定其的作业异常行为，结合至少一个维度是判断结果，可以有效实现对作业人员全方位的量化管理，降低对作业人员的管控风险，强化对作业人员的管理与监督。

上述作业行为数据包括运动轨迹数据，在其中一个可选的实施例中，如图3所示，根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据，包括：

步骤301，获取目标作业人员的第一轨迹数据和第二轨迹数据。

其中，第一轨迹数据为目标作业人员的运动轨迹数据；第二轨迹数据为与目标作业人员绑定的交通工具的运动轨迹数据。

在本实施例中，目标作业人员的运动轨迹数据可以根据与目标作业人员绑定的移动终端的定位信息来确定，示例性地，目标作业人员可以在移动终端的作业业务系统中登录自己的账号来构成目标作业人员与移动终端的对应关系，从而基于作业业务系统来获取目标作业人员的定位信息，从而生成第一轨迹数据；与目标作业人员绑定的交通工具指的是，该交通工具中的车载系统与目标作业人员具有对应关系，例如，作业人员可以在该车载系统中登录自己的账号，来形成车载系统与目标作业人员的对应关系，从而通过获取车载系统的定位信息，来确定第二轨迹数据。

步骤302，根据第一轨迹数据和第二轨迹数据，在预设地图中生成目标作业人员的作业轨迹图作为运动轨迹数据。

其中，预设地图中包括目标作业人员的合法活动区域。

在本实施例中，计算机设备在获取第一轨迹数据和第二轨迹数据之后，根据第一轨迹数据、第二轨迹数据在地图中的经纬度信息，在预设的地图中生成其对应的第一轨迹和第二轨迹，可选地，在预设地图中生成第一轨迹和第二轨迹的过程中，计算机设备还可以设定第一轨迹、第二轨迹在预设地图中的表现形式，例如，分别设定第一轨迹、第二轨迹在预设地图中的颜色、线型、轨迹线的粗细。示例地，可参考图4所示，图4中给出一个作业人员的作业轨迹图，该作业轨迹图中包括第一轨迹、第二轨迹、合法活动区域、轨迹点、停留点等信息。可选地，预设地图的初始地图可以从第三方地图平台中获取，在获取到初始地图之后，根据目标作业人员确定其对应的合法活动区域，在初始地图中标记合法活动区域之后形成预设地图，从而在预设地图中标记第一轨迹数据对应的第一轨迹、第二轨迹数据对应的第二轨迹等信息，本实施例对此不做限定。

在本实施例中，计算机设备可以根据第一轨迹数据、第二轨迹数据和预设地图生成目标作业人员的作业轨迹图，从而根据作业轨迹图进行目标作业人员是否存在异常作业行为的判断，为后续判断提供了数据支撑，且作业轨迹图中标记了很多信息，可以很直观地看到目标作业人员的轨迹结果。

基于上述运动轨迹数据来判断目标作业人员是否存在异常作业行为，在其中一个可选的实施例中，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

根据第一轨迹数据与第二轨迹数据的重叠度，和/或，第一轨迹数据和第二轨迹数据中停留点的信息，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果。

在本实施例中，在一种场景下，计算机设备可以基于作业轨迹图，确定第一轨迹数据与第二轨迹数据的重叠度；若第一轨迹数据与第二轨迹数据的重叠度小于预设重叠度阈值，则确定目标作业人员的判断结果为作业异常。

其中，计算机设备可以根据第一轨迹数据在预设地图中的第一轨迹、第二轨迹数据在预设地图中的第二轨迹，计算第一轨迹和第二轨迹的重叠度，若计算机设备计算第一轨迹和第二轨迹的重叠度小于60%，则确定目标作业人员的人的运动轨迹数据与交通工具的运动轨迹数据不一致，则确定作业人员存在异常作业行为；或者，计算机设备确定第一轨迹和第二轨迹相差超过某一阈值，例如，确定第一轨迹和第二轨迹相差500米，则确定作业人员存在异常作业行为。

在另外一种场景下，停留点的信息包括停留点的停留时长、地址标识、位置坐标；根据第一轨迹数据和第二轨迹数据中停留点的信息，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

若停留点的停留时长大于时长阈值，则确定目标作业人员的判断结果为作业异常；若停留点的地址标识属于预设地址标识，则确定目标作业人员的判断结果为作业异常；若停留点的位置坐标不属于目标作业人员的合法活动区域内，则确定目标作业人员的判断结果为作业异常。

其中，计算机设备还可以根据第一轨迹数据和/或第二轨迹数据，计算第一轨迹和/或第二轨迹中的停留点，从而根据停留点是否异常来确定作业人员是否存在异常作业行为。例如，停留点在合法活动区域之外，则确定作业人员存在异常作业行为；例如，获取停留点信息，停留点位于娱乐场所，例如，停留点位于KTV、网吧、足浴场所等，则确定作业人员存在异常作业行为，本实施例对此不做限定。

在本实施例中，计算机设备可以基于gps地图经纬度平行偏移算法来确定停留点是否位于目标作业人员的合法活动范围内。其中，作业轨迹图上存在经度平行线，其经度不变，纬度变化。存在纬度平行线，其经度变化，纬度不变，经纬度平行偏移算法基于该原理来执行判断逻辑：

根据合法活动范围的轨迹点获取相邻两个轨迹点（P1,P2），如果候选轨迹点的经度小于两个轨迹点最小经度或大于最大经度，则确定候选轨迹点不在经度平行线内，既确定该候选轨迹点不在合法活动范围内；继续执行迭代递归检测，将P1置位P2，P2获取下一个合法活动范围轨迹点继续判断。若候选轨迹点在经度平行线内，再判断其是否在纬度平行线内，如果候选轨迹点的纬度小于等于两个轨迹点的最大纬度，在两个轨迹点的经度相同情况下，候选轨迹点的纬度大于等于两个轨迹点的最小纬度，若在，则候选轨迹点确定处于合法活动范围内。若候选轨迹点符合上述判断轨迹，但是候选轨迹点不在合法活动范围内，则确定两个轨迹点纬度相同的情况下，确定候选轨迹点的维度，若维度与两个轨迹点相同，则在合法活动范围内，否则计算器偏移量double a =(p.x - p1.x) * (p2.y - p1.y) /(p2.x - p1.x) + p1.y，其中，p.x为候选轨迹点的经度，p1.x、p1.y为轨迹点P1的经纬度信息，p2.x、p2.y为轨迹点P2的经纬度信息，若候选轨迹点的纬度减去a的绝对值小于2e-10，则确定候选轨迹点处于合法活动范围内，本实施例对此不做限定。

进一步地，在确定作业人员存在异常作业行为的情况下，计算机设备还可以将相应作业人员的异常作业行为通过邮件、短信、系统信息等方式反馈至管理人员。

其中，根据第一轨迹和/或第二轨迹中的停留点信息确定目标作业人员是否存在异常作业行为，在一个实施例中，如图5所示，该方法还包括：

步骤401，基于作业轨迹图，获取第一轨迹数据和/或第二轨迹数据中的多个轨迹点；

步骤402，根据当前轨迹点的位置坐标，与当前轨迹点相邻的上一个轨迹点的位置坐标，确定当前轨迹点与上一个轨迹点之间的距离；

步骤403，根据当前轨迹点的到达时刻和上一个轨迹点的到达时刻，确定当前轨迹点与上一个轨迹点之间的时间差；

步骤404，若距离小于预设距离，且，时间差大于预设时差，则确定当前轨迹点为停留点；

步骤405，根据停留点的位置坐标，从第三方地图中获取停留点的地址标识。

在本实施例中，基于轨迹点的时间差、距离差检测是否存在停留点，其中，预设距离和预设时长可以实时动态配置。

在本实施例中，以计算第一轨迹数据对应的第一轨迹中的停留为例说明，计算机设备根据作业轨迹图获取第一轨迹中的多个轨迹点和其对应的位置坐标，按照轨迹点的生成顺序，也即按照时间顺序，逐个针对轨迹点进行以下计算：第一个轨迹点为圆心，以预设距离为半径，生成第一个轨迹点的圆形覆盖范围，在圆形覆盖范围内，若存在候选轨迹点的到达时刻到第一个轨迹点的到达时刻之间的时间差大于预设时差，即确定该候选轨迹点为停留点，反则不是。其中，候选轨迹点处于圆形覆盖范围内，也就是说，候选轨迹点与第一个轨迹点之间的距离小于或等于预设距离。按照以上确定候选轨迹点是否为停留点的方法，根据时间顺序，对其他轨迹点重复执行圆形范围迭代检测，直到第一轨迹中的所有轨迹点均判断完毕。或者，计算机设备还可以在确定候选轨迹点不是第一轨迹点圆形覆盖范围内的停留点的情况下，以该候选轨迹点为圆心，执行圆心切换操作，进行停留点检测。其中，需要说明的是，如果在第一轨迹点的圆形覆盖范围内检测到多个停留点，不会切换圆心，多次停留选择最终切换圆心前的停留坐标。第二轨迹活动数据对应的第二轨迹中的停留点的确定方法类似，本实施例不做赘述。

可选地，计算机设备在获取第一轨迹中的轨迹点之后，针对每个轨迹点检测是否存在异常轨迹点，例如，判断轨迹点是否存在真实的经纬度信息，若不存在经纬度信息，则确定为异常轨迹点，在作业轨迹图中进行标记；进一步地，若其中一段轨迹为轨迹点a、b、c、d、e形成，若b、c为异常轨迹点，那么轨迹图中异常轨迹为异常轨迹点的上一个正常轨迹点开始，到异常轨迹点的下一个正常轨迹点结果，例如，上述例子中，a到d之间轨迹图连线为异常轨迹。

在本实施例中，针对第一轨迹数据和第二轨迹数据在作业轨迹图中进行停留点的计算和异常轨迹点的确定，高并发试执行检测，分段执行轨迹检测，连续不为异常的轨迹点做分段，提高了轨迹异常的检测效率。

上述作业行为数据包括作业系统操作数据，在其中一个可选的实施例中，如图6所示，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

步骤501，从目标工作人员的作业系统操作数据中提取多个操作时刻；

步骤502，计算各操作时刻之间的操作时差；

步骤503，若操作时差大于预设时长，则确定目标作业人员的判断结果为作业异常。

在本实施例中，计算机设备可以在各个业务系统中设置埋点的sdk，通过异步将作业人员针对各个业务系统的操作数据上传到至埋点数据库，计算机设备实时或定时将埋点数据库中的数据同步作业行为数据库中。其中，计算机设备可以根据埋点数据提取多个操作时刻，并计算相邻操作时刻的操作时差，若确定操作时差大于预设时长，则确定目标作业人员存在异常作业行为。

可选的，埋点技术收集的是各个业务系统中作业人员操作所产生的日志数据，其中，具体到保险理赔场景，业务系统可以包括定核损系统、人伤定损系统、视频理赔系统、终端理赔系统、团车定损系统、核心系统等。埋点技术收集的数据字段包括案件号、系统来源、操作人工号、操作人姓名、被保险人、车牌号、具体操作时间、具体操作等，其中，数据收集界面可参考图7所示，本实施例对此不做限定。

进一步地，在确定作业人员存在异常作业行为的情况下，计算机设备还可以将相应作业人员的异常作业行为通过邮件、短信、系统信息等方式反馈至管理人员。

上述作业行为数据包括技能指标数据，如图8所示，在其中一个可选的实施例中，根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据，包括：

步骤601，根据目标作业人员的作业类型，确定目标作业人员对应的技能指标。

在本实施例中，目标作业人员所在岗位不同、所执行的作业类型不同，其对应的技能指标也不同。以保险理赔场景为例说明，例如，查勘定损岗的作业人员，其对应的技术指标可以包括定损偏差率、车物查勘及时率、非合作4S店占比、快赔达标率、外修减损率等；车物大案岗的作业人员，其对应的技术指标可以包括定损被退回率、定损偏差率、重大赔案定损时长、快定达标率、外修减损率、包干得分等，本实施例对作业人员所在岗位、所执行的作业类型、以及其对应的技能指标不做限定。

步骤602，从历史行为数据库中获取与技能指标对应的实际数据，作为技能指标数据。

在本实施例中，计算机设备根据岗位、作业、技能指标之间的对应关系，获取目标作业人员对应的技能指标数据。

基于上述技能指标数据来判断目标作业人员是否存在异常作业行为，如图9所示，在其中一个可选的实施例中，根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果，包括：

步骤701，根据各技能指标数据的值和各技能指标数据对应的权重，计算目标作业人员的技能量化值。

在本实施例中，计算机设备根据各技能指标数据的值和预设的标准值，计算各技能指标的得分系数，进一步地，根据各个技能指标对应的权重，计算目标作业人员的技能量化值。其中，表1给出了上述步骤601中两个岗位的作业人员的技能指标、技能指标对应的权重、以及其对应的标准值的对应关系。

表1

其中，查勘定损岗的作业人员的技能量化值=日均工作量*（定损偏差率得分系数*20%+车物查勘及时率得分系数*20%+非合作4S店占比得分系数*20%+快赔达标率得分系数*20%+外修减损率得分系数*20%）

车物大案岗的作业人员的技能量化值=日均工作量*（定损被退回率得分系数*10%+定损偏差率得分系数*20%+重大赔案定损时长得分系数*20%+快定达标率得分系数*10%+外修减损率得分系数*20%+包干得分系数*20%）

可选地，计算机设备还可以根据各个技能指标的得分系数，得到该作业人员的技能图。例如，作业人员的各个技能指标的得分系数表如表2所示：

表2

在本实施例中，计算机设备根据各个技能指标的得分系数，得到该作业人员的技能图可参考图10所示。

步骤702，若技能量化值小于量化值阈值，则确定目标作业人员的判断结果为作业异常。

在本实施例中，计算机设备根据上述计算方法可以得到作业人员的技能量化值，进一步地，计算机设备可以根据预设的量化值阈值，确定作业人员的技能量化值是否达标，若作业人员的技能量化值小于量化值阈值，则确定作业人员存在异常作业行为，本实施例对此不做下定。

进一步地，在确定作业人员存在异常作业行为的情况下，计算机设备还可以将相应作业人员的异常作业行为通过邮件、短信、系统信息等方式反馈至管理人员。

基于上述实施例中所确定的目标作业人员的作业判断结果，在其中一个可选的实施例中，根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果，包括：

根据基于运动轨迹数据的判断结果和第一权重、基于作业系统操作数据的判断结果和第二权重、基于技能指标数据的判断结果和第三权重，计算目标作业人员的作业行为量化结果。

在本实施例中，计算机设备在得到各个维度的作业行为数据对应的是否为异常作业行为的判断结果，可以将该判断结果量化为得分，并根据各个维度的作业行为数据的判断结果的得分和预先设定的其对应的权重，计算作业人员的作业行为量化结果。

其中，针对保险理赔场景，作业人员的最终作业行为量化结果可以包括下表所包括内容：

表3

可选地，作业量化结果还可以包括针对作业人员的品质量化结果、人伤加减分量化结果等。进一步地，计算机设备还可以统计各个作业人员的作业行为量化结果，并对作业人员进行统计和分析，进行监督、培训、管控，提高队伍素质和能力，甚至可以进行末位淘汰人员的建议。

在本实施例中，计算机设备通过监控作业人员的活动量，强化作业人员的管理与监督，增强作业人员的履职能力和责任意识，提高作业人员的执行力和控制力；实现人员技能水平综合评分，管理人员用于检视管理存在的问题，并及时调整管理方案，增强作业人员自我提升意识。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的作业行为量化方法的作业行为量化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个作业行为量化装置实施例中的具体限定可以参见上文中对于作业行为量化方法的限定，在此不再赘述。

在一个实施例中，如图11所示，提供了一种作业行为量化装置，包括：

获取模块01，用于根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据；作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

判断模块02，用于根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果；

量化模块03，用于根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果。

在其中一个可选的实施例中，作业行为数据包括运动轨迹数据，获取模块01，用于获取目标作业人员的第一轨迹数据和第二轨迹数据；第一轨迹数据为目标作业人员的运动轨迹数据；第二轨迹数据为与目标作业人员绑定的交通工具的运动轨迹数据；根据第一轨迹数据和第二轨迹数据，在预设地图中生成目标作业人员的作业轨迹图作为运动轨迹数据；预设地图中包括目标作业人员的合法活动区域。

在其中一个可选的实施例中，判断模块02，用于根据第一轨迹数据与第二轨迹数据的重叠度，和/或，第一轨迹数据和第二轨迹数据中停留点的信息，判断目标作业人员的是否存在异常作业行为，得到作业人员的作业判断结果。

在其中一个可选的实施例中，判断模块02，用于基于作业轨迹图，确定第一轨迹数据与第二轨迹数据的重叠度；若第一轨迹数据与第二轨迹数据的重叠度小于预设重叠度阈值，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，停留点的信息包括停留点的停留时长、地址标识、位置坐标；判断模块02，用于若停留点的停留时长大于时长阈值，则确定目标作业人员的判断结果为作业异常；若停留点的地址标识属于预设地址标识，则确定目标作业人员的判断结果为作业异常；若停留点的位置坐标不属于目标作业人员的合法活动区域内，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，如图12所示，上述装置还包括确定模块04，用于基于作业轨迹图，获取第一轨迹数据和/或第二轨迹数据中的多个轨迹点；根据当前轨迹点的位置坐标，与当前轨迹点相邻的上一个轨迹点的位置坐标，确定当前轨迹点与上一个轨迹点之间的距离；根据当前轨迹点的到达时刻和上一个轨迹点的到达时刻，确定当前轨迹点与上一个轨迹点之间的时间差；若距离小于预设距离，且，时间差大于预设时差，则确定当前轨迹点为停留点；根据停留点的位置坐标，从第三方地图中获取停留点的地址标识。

在其中一个可选的实施例中，作业行为数据包括作业系统操作数据，判断模块02，用于从目标工作人员的作业系统操作数据中提取多个操作时刻；计算各操作时刻之间的操作时差；若操作时差大于预设时长，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，作业行为数据包括技能指标数据，获取模块01，用于根据目标作业人员的作业类型，确定目标作业人员对应的技能指标；从历史行为数据库中获取与技能指标对应的实际数据，作为技能指标数据。

在其中一个可选的实施例中，根据作业行为数据，判断模块02，用于根据各技能指标数据的值和各技能指标数据对应的权重，计算目标作业人员的技能量化值；若技能量化值小于量化值阈值，则确定目标作业人员的判断结果为作业异常。

在其中一个可选的实施例中，量化模块03，用于根据基于运动轨迹数据的判断结果和第一权重、基于作业系统操作数据的判断结果和第二权重、基于技能指标数据的判断结果和第三权重，计算目标作业人员的作业行为量化结果。

上述作业行为量化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据；作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果；

根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。

上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据；作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果；

根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。

上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

根据目标作业人员的标识，从历史行为数据库中获取目标作业人员的作业行为数据；作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

根据作业行为数据，判断目标作业人员的是否存在异常作业行为，得到目标作业人员的作业判断结果；

根据作业判断结果和预设量化准则，生成目标作业人员的作业行为量化结果；作业行为量化结果表征目标作业人员的作业效率和作业质量。

上述实施例提供的计算机程序产品，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (14)

1.一种作业行为量化方法，其特征在于，所述方法包括：

根据目标作业人员的标识，从历史行为数据库中获取所述目标作业人员的作业行为数据；所述作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

根据所述作业行为数据，判断所述目标作业人员的是否存在异常作业行为，得到所述目标作业人员的作业判断结果；

根据所述作业判断结果和预设量化准则，生成所述目标作业人员的作业行为量化结果；所述作业行为量化结果表征所述目标作业人员的作业效率和作业质量。

2.根据权利要求1所述的方法，其特征在于，所述作业行为数据包括所述运动轨迹数据，所述根据目标作业人员的标识，从历史行为数据库中获取所述目标作业人员的作业行为数据，包括：

获取所述目标作业人员的第一轨迹数据和第二轨迹数据；所述第一轨迹数据为所述目标作业人员的运动轨迹数据；所述第二轨迹数据为与所述目标作业人员绑定的交通工具的运动轨迹数据；

根据所述第一轨迹数据和所述第二轨迹数据，在预设地图中生成所述目标作业人员的作业轨迹图作为所述运动轨迹数据；所述预设地图中包括所述目标作业人员的合法活动区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述作业行为数据，判断所述目标作业人员的是否存在异常作业行为，得到所述作业人员的作业判断结果，包括：

根据所述第一轨迹数据与所述第二轨迹数据的重叠度，和/或，所述第一轨迹数据和所述第二轨迹数据中停留点的信息，判断所述目标作业人员的是否存在异常作业行为，得到所述作业人员的作业判断结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一轨迹数据与所述第二轨迹数据的重叠度，判断所述目标作业人员的是否存在异常作业行为，得到所述作业人员的作业判断结果，包括：

基于所述作业轨迹图，确定所述第一轨迹数据与所述第二轨迹数据的重叠度；

若所述第一轨迹数据与所述第二轨迹数据的重叠度小于预设重叠度阈值，则确定所述目标作业人员的判断结果为作业异常。

5.根据权利要求3所述的方法，其特征在于，所述停留点的信息包括所述停留点的停留时长、地址标识、位置坐标；所述根据所述第一轨迹数据和所述第二轨迹数据中停留点的信息，判断所述目标作业人员的是否存在异常作业行为，得到所述作业人员的作业判断结果，包括：

若所述停留点的停留时长大于时长阈值，则确定所述目标作业人员的判断结果为作业异常；

若所述停留点的地址标识属于预设地址标识，则确定所述目标作业人员的判断结果为作业异常；

若所述停留点的位置坐标不属于所述目标作业人员的合法活动区域内，则确定所述目标作业人员的判断结果为作业异常。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

基于所述作业轨迹图，获取所述第一轨迹数据和/或第二轨迹数据中的多个轨迹点；

根据当前轨迹点的位置坐标，与所述当前轨迹点相邻的上一个轨迹点的位置坐标，确定所述当前轨迹点与所述上一个轨迹点之间的距离；

根据所述当前轨迹点的到达时刻和所述上一个轨迹点的到达时刻，确定所述当前轨迹点与所述上一个轨迹点之间的时间差；

若所述距离小于预设距离，且，所述时间差大于预设时差，则确定所述当前轨迹点为停留点；

根据所述停留点的位置坐标，从第三方地图中获取所述停留点的地址标识。

7.根据权利要求1所述的方法，其特征在于，所述作业行为数据包括所述作业系统操作数据，所述根据所述作业行为数据，判断所述目标作业人员的是否存在异常作业行为，得到所述作业人员的作业判断结果，包括：

从所述目标工作人员的作业系统操作数据中提取多个操作时刻；

计算各所述操作时刻之间的操作时差；

若所述操作时差大于预设时长，则确定所述目标作业人员的判断结果为作业异常。

8.根据权利要求1所述的方法，其特征在于，所述作业行为数据包括所述技能指标数据，所述根据目标作业人员的标识，从历史行为数据库中获取所述目标作业人员的作业行为数据，包括：

根据所述目标作业人员的作业类型，确定所述目标作业人员对应的技能指标；

从所述历史行为数据库中获取与所述技能指标对应的实际数据，作为所述技能指标数据。

9.根据权利要求8所述的方法，其特征在于，所述根据所述作业行为数据，判断所述目标作业人员的是否存在异常作业行为，得到所述作业人员的作业判断结果，包括：

根据各所述技能指标数据的值和各所述技能指标数据对应的权重，计算所述目标作业人员的技能量化值；

若所述技能量化值小于量化值阈值，则确定所述目标作业人员的判断结果为作业异常。

10.根据权利要求1-9中任一项所述的方法，其特征在于，所述根据所述作业判断结果和预设量化准则，生成所述目标作业人员的作业行为量化结果，包括：

根据基于所述运动轨迹数据的判断结果和第一权重、基于所述作业系统操作数据的判断结果和第二权重、基于所述技能指标数据的判断结果和第三权重，计算所述目标作业人员的作业行为量化结果。

11.一种作业行为量化装置，其特征在于，所述装置包括：

获取模块，用于根据目标作业人员的标识，从历史行为数据库中获取所述目标作业人员的作业行为数据；所述作业行为数据包括运动轨迹数据、作业系统操作数据和技能指标数据中至少一种；

判断模块，用于根据所述作业行为数据，判断所述目标作业人员的是否存在异常作业行为，得到所述目标作业人员的作业判断结果；

量化模块，用于根据所述作业判断结果和预设量化准则，生成所述目标作业人员的作业行为量化结果。

12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。

13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。

14.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。

Images