CN115936722B - 智慧燃气呼叫中心的数据管理方法与物联网系统、介质 - Google Patents

Abstract

本说明书实施例提供一种智慧燃气呼叫中心的数据管理方法与物联网系统、介质，该方法通过智慧燃气呼叫中心的数据管理物联网系统的智慧燃气管理平台中的处理器执行，该方法包括：基于客服通过网络从用户终端采集的待排障用户的咨询信息，构建待排障用户的呼叫咨询数据；基于呼叫咨询数据，生成燃气故障的定位结果；基于燃气故障的定位结果，生成故障处理方案，并将故障处理方案发送至用户终端。

Description

智慧燃气呼叫中心的数据管理方法与物联网系统、介质

技术领域

本说明书涉及数据管理领域，特别涉及一种智慧燃气呼叫中心的数据管理方法与物联网系统、介质。

背景技术

随着社会的发展，燃气的使用已经贯穿生活的方方面面，燃气用户在使用燃气的过程中也不免会遇到各种问题。通常情况下，在使用燃气的过程中出现故障时，燃气用户可以通过客服咨询关于燃气故障的相关信息，寻找解决燃气故障的方法。然而，燃气用户的基数远远大于燃气客服工作人员的数量，所以燃气用户在进行燃气故障咨询时，往往会存在网络拥挤、占线、甚至是耗费了大量时间进行咨询也没有获得有效的处理方案的情况。

因此，亟需提出一种智慧燃气呼叫中心的数据管理方法与物联网系统、介质，帮助燃气用户和燃气工作人员高效沟通，节约人工资源，并能够及时且准确地帮助燃气用户确定解决方案，保证燃气的正常和安全使用。

发明内容

本说明书一个或多个实施例提供一种智慧燃气呼叫中心的数据管理方法，该方法通过智慧燃气呼叫中心的数据管理物联网系统的智慧燃气管理平台中的处理器执行，该方法包括：基于客服通过网络从用户终端采集的待排障用户的咨询信息，构建待排障用户的呼叫咨询数据；基于呼叫咨询数据，生成燃气故障的定位结果；基于燃气故障的定位结果，生成故障处理方案，并将故障处理方案发送至用户终端。

本说明书实施例之一提供一种智慧燃气呼叫中心的数据管理物联网系统，该系统包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台、智慧燃气对象平台；智慧燃气用户平台用于通过网络从用户终端采集待排障用户的咨询信息，并通过智慧燃气服务平台将咨询信息发送至所述智慧燃气管理平台；所述智慧燃气管理平台用于：基于所述咨询信息，构建待排障用户的呼叫咨询数据；基于呼叫咨询数据，生成燃气故障的定位结果；基于燃气故障的定位结果，生成故障处理方案，并将故障处理方案发送至用户终端；智慧燃气服务平台用于将故障处理方案发送至智慧燃气用户平台。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上述实施例中任一项所述的智慧燃气呼叫中心的数据管理方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智慧燃气呼叫中心的数据管理物联网系统的平台结构示意图；

图2是根据本说明书一些实施例所示的智慧燃气呼叫中心的数据管理方法的示例性流程图；

图3是根据本说明书一些实施例所示的基于呼叫咨询数据生成定位结果的示例性流程图；

图4是根据本说明书一些实施例所示的预定位模型的示例性示意图；

图5是根据本说明书一些实施例所示的定位模型的示例性示意图；

图6是根据本说明书一些实施例所示的基于燃气关联数据和呼叫咨询数据生成定位结果的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的智慧燃气呼叫中心的数据管理物联网系统的平台结构示意图。

在一些实施例中，智慧燃气呼叫中心的数据管理物联网系统100可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气管理平台130、智慧燃气传感网络平台140和智慧燃气对象平台150。

智慧燃气用户平台110可以指用于获取燃气用户的咨询信息（如，查询指令、燃气用户对客服提出的问题的回答等）和将燃气故障的相关信息（如，故障处理方案等）反馈给用户的平台。在一些实施例中，智慧燃气用户平台110可以被配置为终端设备，例如，手机、平板、电脑等。在一些实施例中，智慧燃气用户平台110可以与智慧燃气服务平台120进行交互。

在一些实施例中，智慧燃气用户平台110可以包括燃气用户分平台111、政府用户分平台112和监管用户分平台113。

燃气用户分平台111可以指针对燃气用户（如，工业燃气用户、商业燃气用户、普通燃气用户等），为燃气用户提供燃气使用相关数据以及燃气故障处理方案的平台。在一些实施例中，燃气用户分平台111可以与智慧用气服务分平台121对应及交互，以获取安全用气的服务。在一些实施例中，燃气用户分平台111可以下发燃气用户的咨询信息至智慧用气服务分平台121，并接收智慧用气服务分平台121上传的客服的咨询信息（如，客服对燃气用户提出的问题）。

政府用户分平台112可以指针对政府用户，提供燃气运营相关数据的平台。在一些实施例中，政府用户分平台112可以与智慧运营服务分平台122对应及交互，以获取燃气运营的服务。在一些实施例中，政府用户分平台112可以下发查询指令（如，故障处理方案的查询指令、呼叫中心坐席管理信息的查询指令等）至智慧运营服务分平台122，并接收智慧运营服务分平台122上传的燃气故障的相关信息（如，故障处理方案、呼叫中心坐席管理信息等）。

监管用户分平台113可以指针对监管用户（如，安全部门的用户等），对智慧燃气呼叫中心的数据管理物联网系统100的运行进行监管的平台。在一些实施例中，监管用户分平台113可以与智慧监管服务分平台123对应及交互，以获取安全监管需求的服务。

关于咨询信息、故障处理方案、客服的更多内容参见图2及其相关描述。

智慧燃气服务平台120可以指用于接收和传输咨询信息、查询指令、故障处理方案等数据和/或信息的平台。

在一些实施例中，智慧燃气服务平台120可以包括智慧用气服务分平台121、智慧运营服务分平台122和智慧监管服务分平台123。在一些实施例中，智慧用气服务分平台121可以与燃气用户分平台111对应，为燃气用户提供燃气设备相关信息。在一些实施例中，智慧运营服务分平台122可以与政府用户分平台112对应，为政府用户提供燃气运营相关信息。在一些实施例中，智慧监管服务分平台123可以与监管用户分平台113对应，为监管用户提供安全监管相关信息。

在一些实施例中，智慧燃气服务平台120可以与智慧燃气用户平台110进行交互。在一些实施例中，智慧用气服务分平台121可以接收燃气用户分平台111下发的燃气用户的咨询信息，并上传客服的咨询信息至燃气用户分平台111。在一些实施例中，智慧运营服务分平台122可以接收政府用户分平台112下发的查询指令，并上传燃气故障相关信息至政府用户分平台112。

在一些实施例中，智慧燃气服务平台120可以与智慧燃气管理平台130进行交互。在一些实施例中，智慧燃气服务平台120可以下发燃气用户的咨询信息和查询指令至智慧燃气数据中心133，并接收智慧燃气数据中心133上传的客服的咨询信息和燃气故障相关信息。

智慧燃气管理平台130可以指统筹、协调各功能平台之间的联系和协作，汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。在一些实施例中，智慧燃气管理平台130可以被配置为执行基于客服通过网络从用户终端采集的待排障用户的咨询信息，构建待排障用户的呼叫咨询数据；基于呼叫咨询数据，生成燃气故障的定位结果；基于燃气故障的定位结果，生成故障处理方案，并将故障处理方案发送至用户终端。

关于客服、待排障用户、咨询信息、呼叫咨询数据、燃气故障的定位结果、故障处理方案、生成燃气故障的定位结果和故障处理方案的方式的更多内容参见图2-图6及其相关描述。

在一些实施例中，智慧燃气管理平台130可以包括智慧客服管理分平台131、智慧运行管理分平台132和智慧燃气数据中心133。

智慧燃气数据中心133用于汇总和存储智慧燃气呼叫中心的数据管理物联网系统的所有运行数据。在一些实施例中，智慧燃气管理平台130通过智慧燃气数据中心133与智慧燃气服务平台120、智慧燃气传感网络平台140进行信息交互。在一些实施例中，智慧燃气数据中心133可以接收智慧燃气服务平台120下发的燃气用户的咨询信息和查询指令，并上传客服的咨询信息和燃气故障的相关信息至智慧燃气服务平台120。在一些实施例中，智慧燃气数据中心133可以接收智慧用气服务分平台121的下发的燃气用户的咨询信息，并将客服的咨询信息上传至智慧用气服务分平台121。在一些实施例中，智慧燃气数据中心133可以将故障处理方案反馈至智慧用气服务分平台121和智慧运营服务分平台122。在一些实施例中，智慧燃气数据中心133可以下发获取燃气设备的相关数据（如，不同时段、不同区域的燃气（户内/管网）设备的运行信息等）的指令至智慧燃气传感网络平台140，并接收智慧燃气传感网络平台140上传的燃气设备的相关数据。

在一些实施例中，智慧客服管理分平台131、智慧运行管理分平台132和智慧燃气数据中心133相互独立。在一些实施例中，智慧客服管理分平台131和智慧运行管理分平台132可以与智慧燃气数据中心133双向交互。在一些实施例中，智慧燃气数据中心133可以将燃气用户的咨询信息、燃气设备的相关数据发送到智慧客服管理分平台131进行分析处理，并接受智慧客服管理分平台131处理好的咨询信息数据（如，呼叫咨询数据等）。在一些实施例中，智慧燃气数据中心133可以将处理好的咨询信息数据、燃气设备相关数据发送到智慧运行管理分平台132，并接受智慧运行管理分平台132处理后的故障处理方案。

在一些实施例中，智慧客服管理分平台131可以包括消息管理模块和客服管理模块。消息管理模块可以用于查看燃气用户的呼叫、咨询、反馈、投诉等信息，并将上述信息发送至客服管理模块进行相应的答复处理。客服管理模型可以用于接入相应的客服，并对燃气用户反馈的信息进行分析和回复处理。在一些实施例中，智慧客服管理分平台131还可以包括其他管理模块（如，营收管理模块、工商户管理模块等），不同的管理模块可以执行不同的功能，在此不做限制。

在一些实施例中，智慧运行管理分平台132可以包括管网工程管理模块。管网工程管理模块可以用于查看管网工程的工单信息、人员配置、进度等，并进行管网工程的管理。在一些实施例中，智慧运行管理分平台132还可以包括其他管理模块（如，气量储备管理模块、用气调度管理模块等），不同的管理模块可以执行不同的功能，在此不做限制。

智慧燃气传感网络平台140可以指对传感通信进行统一管理的平台。在一些实施例中，智慧燃气传感网络平台140可以被配置为通信网络和网关。智慧燃气传感网络平台140可以采用多组网关服务器，或者多组智能路由器，在此不作过多限定。

在一些实施例中，智慧燃气传感网络平台140可以连接智慧燃气管理平台130和智慧燃气对象平台150，实现感知信息传感通信和控制信息传感通信的功能。在一些实施例中，智慧燃气传感网络平台140可以与智慧燃气对象平台150进行交互，下发获取燃气设备的相关数据的指令至智慧燃气对象平台150，并接收智慧燃气对象平台150上传的燃气设备的相关数据。在一些实施例中，智慧燃气传感网络平台140可以与智慧燃气数据中心133进行交互，接收智慧燃气数据中心133下发的获取燃气设备的相关数据的指令，并上传燃气设备的相关数据至智慧燃气数据中心133。

在一些实施例中，智慧燃气传感网络平台140可以包括燃气户内设备传感网络分平台141和燃气管网设备传感网络分平台142。在一些实施例中，燃气户内设备传感网络分平台141可以与燃气户内设备对象分平台151相对应，用于获取户内设备的相关数据。在一些实施例中，燃气管网设备传感网络分平台142可以与燃气管网设备对象分平台152相对应，用于获取管网设备的相关数据。

智慧燃气对象平台150可以指用于获取燃气设备的相关数据的平台。在一些实施例中，智慧燃气对象平台150可以被配置为各种设备。例如，户内设备（如，燃气用户的燃气表或其他计量设备等）、管网设备（如，燃气门站压缩机、调压设备、燃气流量计、阀控设备等）、监控设备（如，温度传感器、压力传感器等）等。

在一些实施例中，智慧燃气对象平台150可以与智慧燃气传感网络平台140进行交互，接收智慧燃气传感网络平台140下发的获取燃气设备的相关数据的指令，并上传燃气设备的相关数据至智慧燃气传感网络平台140。

在一些实施例中，智慧燃气对象平台150可以包括燃气户内设备对象分平台151和燃气管网设备对象分平台152。在一些实施例中，燃气户内设备对象分平台151可以与燃气户内设备传感网络分平台141相对应，获取户内设备的相关数据，并通过燃气户内设备传感网络分平台141上传到智慧燃气数据中心133。在一些实施例中，燃气管网设备对象分平台152可以与燃气管网设备传感网络分平台142相对应，获取管网设备的相关数据，并通过燃气管网设备传感网络分平台142上传到智慧燃气数据中心133。

本说明书一些实施例通过五个平台的物联网功能体系结构搭建智慧燃气呼叫中心的数据管理物联网系统100，并采用总平台和分平台相结合布置的方法，不仅可以分担总平台的数据处理压力，而且可以保证各数据的独立性，确保数据分类传输、溯源以及指令的分类下达和处理，使得物联网结构和数据处理清晰可控，方便了物联网的管控和数据处理。

图2是根据本说明书一些实施例所示的智慧燃气呼叫中心的数据管理方法的示例性流程图。在一些实施例中，流程200可以由智慧燃气管理平台130中的处理器执行。如图2所示，流程200包括下述步骤：

步骤210，基于客服通过网络从用户终端采集的待排障用户的咨询信息，构建待排障用户的呼叫咨询数据。

客服是指承担燃气用户服务工作的系统或个体。例如，负责接受燃气用户的咨询，帮助燃气用户解答疑惑的客服员工；又例如，根据燃气用户的提问进行自动回复的客服系统。

在一些实施例中，客服包括智能客服和人工客服。关于智能客服和人工客服的更多内容参见图3及其相关描述。

待排障用户是指燃气使用过程中出现故障的用户。例如，燃气压力不稳定的工业燃气用户；又例如，燃气灶无法使用的普通燃气用户。

咨询信息是指客服与待排障用户关于燃气故障的相关情况进行的对话所包含的信息，咨询信息包括客服询问的问题与待排障用户的回答。例如，客服询问的问题可以是“燃气是否可以正常点燃”，待排障用户的回答可以是“否，点燃后立即熄灭”。咨询信息可以通过多种方式进行表示，例如，文本信息、语音信息、图像信息等。

在一些实施例中，咨询信息包括第一咨询信息和第二咨询信息。关于第一咨询信息和第二咨询信息的更多内容参见图3及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于客服通过网络从用户终端采集咨询信息。在一些实施例中，咨询信息可以实时存储在智慧燃气数据中心133中。在一些实施例中，智慧燃气数据中心133中的咨询信息可以定期（如，每三年）更新。

呼叫咨询数据是指用于汇总和表征咨询信息的数据。例如，呼叫咨询数据可以包括信息的条数、客服询问的问题的类型数据、待排障用户的回答中对询问的问题进行否定的情况的占比等。与咨询信息对应，呼叫咨询数据可以包括多种形式的数据，例如，文本数据、语音数据、图像数据等。

在一些实施例中，呼叫咨询数据可以通过向量进行表示。智慧燃气管理平台130中的处理器可以提前预设一定数量（如，20个）的问题，每个问题对应向量中每个元素的固定位置，元素的具体数值表示待排障用户对于该元素所在位置对应的问题的回答情况，元素的具体数值的代表含义可以通过人工或系统预设。例如，智慧燃气管理平台130中的处理器提前预设5个问题，元素的具体数值取0代表不存在该问题所描述的故障情况，元素的具体数值取1代表待排障用户对于该问题反馈了否定回答，元素的具体数值取2代表待排障用户对于该问题反馈了肯定回答，元素的具体数值取3代表待排障用户对于该问题反馈了图片，则呼叫咨询数据可以是（0，1，2，1，3），表示不存在第一个问题所描述的故障情况，待排障用户对第二个问题反馈了否定回答，对第三个问题反馈了肯定回答，对第四个问题反馈了否定回答，对第五个问题反馈了图片。

在一些实施例中，呼叫咨询数据包括第一呼叫咨询数据和第二呼叫咨询数据。关于第一呼叫咨询数据和第二呼叫咨询数据的更多内容参见图3及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过各种信息处理技术（如，文本数据可视化技术、语音转换技术、图像识别技术等）和各种可行的构建数据的方法，对咨询信息进行处理，构建呼叫咨询数据。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于第一咨询信息构建第一呼叫咨询数据，基于第二咨询信息构建第二呼叫咨询数据。关于第一咨询信息、第二咨询信息、第一呼叫咨询数据、第二呼叫咨询数据的更多内容参见图3及其相关描述。

步骤220，基于呼叫咨询数据，生成燃气故障的定位结果。

燃气故障的定位结果是指最终需要解决的燃气故障。例如，燃气故障的定位结果可以是燃气灶具的部件损坏；又例如，燃气故障的定位结果可以是燃气管道泄漏。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过建模或各种可行的数据分析方法（如，相关分析法、判别分析法等），对呼叫咨询数据进行处理，生成燃气故障的定位结果。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于呼叫咨询数据构建特征向量。基于呼叫咨询数据构建特征向量的方式可以有多种。例如，呼叫咨询数据可以通过向量进行表示，基于呼叫咨询数据（a，b，c，d，e）构建的特征向量p，其中，呼叫咨询数据（a，b，c，d，e）可以表示待排障用户对第一个问题的回答内容为a，对第二个问题的回答内容为b，对第三个问题的回答内容为c，对第四个问题的回答内容为d，对第五个问题的回答内容为e。

智慧燃气数据中心133中包含多个参考向量，以及多个参考向量中的每个参考向量对应的燃气故障的定位结果。

参考向量基于历史呼叫咨询数据构建，参考向量对应的定位结果为对应的历史呼叫咨询数据的燃气故障的定位结果。待匹配向量基于当前待排障用户的呼叫咨询数据构建。参考向量和待匹配向量的构建方式参见上述特征向量。

在一些实施例中，智慧燃气管理平台130中的处理器可以分别计算参考向量与待匹配向量之间的向量距离（如，余弦距离等），确定待匹配向量对应的定位结果。例如，将与待匹配向量之间的向量距离满足预设条件的参考向量作为目标向量，将目标向量对应的燃气故障的定位结果作为待匹配向量对应的燃气故障的定位结果。预设条件可以根据情况设定。例如，预设条件可以是向量距离最小或向量距离小于距离阈值等。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于第一呼叫咨询数据和第二呼叫咨询数据，生成燃气故障的定位结果。

关于第一呼叫咨询数据、第二呼叫咨询数据、基于第一呼叫咨询数据和第二呼叫咨询数据生成燃气故障的定位结果的更多内容参见图3-图5及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于呼叫咨询数据和燃气关联数据，生成燃气故障的定位结果。

关于燃气关联数据、基于呼叫咨询数据和燃气关联数据生成燃气故障的定位结果的更多内容参见图6及其相关描述。

步骤230，基于燃气故障的定位结果，生成故障处理方案，并将故障处理方案发送至用户终端。

故障处理方案是指与燃气故障的定位结果对应的解决该燃气故障的方案，故障处理方案可以是对燃气相关设备进行维护、维修、检测等的方案。例如，燃气故障现象为“燃气灶无法正常点燃”，燃气故障的定位结果为“燃气灶具的部件损坏”，则对应的故障处理方案为“携带拆卸工具与更换工具，前往现场进行燃气灶具的拆卸与更换”。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于燃气故障的定位结果直接生成对应的故障处理方案。在一些实施例中，智慧燃气管理平台130中的处理器可以基于燃气故障的历史定位结果与对应的历史故障处理方案建立表格，通过查表的方式，基于燃气故障的当前定位结果确定相似或相同的历史定位结果，并将相似或相同的历史燃气故障的定位结果对应的历史故障处理方案作为当前燃气故障的定位结果对应的故障处理方案。在一些实施例中，历史燃气故障的定位结果与对应的历史故障处理方案可以存储在智慧燃气数据中心133中。

在本说明书的一些实施例中，基于待排障用户的咨询信息构建呼叫咨询数据，通过对呼叫咨询数据的处理生成燃气故障的定位结果及其对应的故障处理方案，可以智能化地确定燃气用户所在位置的燃气管网所存在的故障，提高处理数据的效率和确定故障处理方案的准确性，帮助燃气用户及时排查燃气使用安全隐患，保证燃气的正常使用。

图3是根据本说明书一些实施例所示的基于呼叫咨询数据生成定位结果的示例性流程图。在一些实施例中，流程300可以由智慧燃气管理平台130中的处理器执行。如图3所示，流程300包括下述步骤：

步骤310，基于智能客服采集的待排障用户的第一咨询信息，构建第一呼叫咨询数据，第一呼叫咨询数据包括与直接观察到的燃气现象特征相关的数据。

智能客服是指通过非人工操作自动完成燃气客户服务工作的系统或个体。例如，智能客服系统、智能客服机器人、AI智能客服坐席等。

第一咨询信息是指智能客服与待排障用户关于直接观察到的燃气现象的相关情况进行的对话所包含的信息，第一咨询信息包括智能客服询问的与直接观察到的燃气现象特征相关的问题以及待排障用户的回答。例如，智能客服询问的问题可以是“燃气设备是否有异常声响”，待排障用户的回答可以是“在打开燃气设备约1分钟左右发出异常声响”。第一咨询信息可以通过多种方式进行表示，例如，文本信息、语音信息、图像信息等。

第一呼叫咨询数据是指用于汇总和表征第一咨询信息的数据。例如，第一呼叫咨询数据可以包括第一咨询信息的条数、智能客服询问的问题的类型数据、待排障用户的回答中对询问的问题进行否定的情况的占比等。与第一咨询信息对应，第一呼叫咨询数据可以包括多种形式的数据，例如，文本数据、语音数据、图像数据等。

在一些实施例中，第一呼叫咨询数据可以通过向量进行表示。使用向量表示第一呼叫咨询数据的方式与使用向量表示呼叫咨询数据的方式相同，关于通过向量表示呼叫咨询数据的更多内容参见图2及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过智能客服基于第一问题集对待排障用户进行询问，获取第一咨询信息；基于第一咨询信息构建第一呼叫咨询数据，第一问题集基于预设问题确定。

第一问题集是指与直接观察到的燃气现象特征相关的问题的集合。例如，第一问题集可以包括“燃气是否可以正常点燃”、“燃气的焰火颜色”、“燃气设备是否有异常声响”等。

在一些实施例中，第一问题集可以基于预设问题确定，预设问题可以根据先验经验（如，历史排障经验等）或历史问题确定。例如，从智慧燃气数据中心133获取准确的历史定位结果，进而获取生成该历史定位结果时使用到的与直接观察到的燃气现象特征相关的问题，并把这些问题作为预设问题。在一些实施例中，第一问题集和预设问题可以存储在智慧燃气数据中心133中。在一些实施例中，第一问题集和预设问题可以定期（如，每一年）更新。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过各种信息处理技术（如，文本数据可视化技术、语音转换技术、图像识别技术等）和各种可行的构建数据的方法，对第一咨询信息进行处理，构建第一呼叫咨询数据。

步骤320，基于第一呼叫咨询数据，生成燃气故障的预定位结果。

燃气故障的预定位结果是指多个可能存在的燃气故障，燃气故障的预定位结果可以包括每个燃气故障对应的发生概率。燃气故障的预定位结果可以通过向量进行表示，向量中的每个元素可以对应一种燃气故障，每个元素值可以为当前异常是该燃气故障导致的概率，即发生该燃气故障的概率。仅作为示例的，燃气故障的预定位结果可以是（0.2，0.3，0.4），表示“燃气灶具的部件损坏”的发生概率为20%，“燃气管道泄漏”的发生概率为30%，“燃气表老化”的发生概率为40%。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过建模或各种可行的数据分析方法（如，相关分析法、判别分析法等），对第一呼叫咨询数据进行处理，生成燃气故障的预定位结果。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过预定位模型对第一呼叫咨询数据进行处理，生成燃气故障的预定位结果。关于预定位模型的更多内容参见图4及其相关描述。

步骤330，基于燃气故障的预定位结果，确定目标人工客服。

人工客服是指通过人工操作完成燃气客户服务工作的个体。例如，普通接线员、技术人员、资深专家等。

目标人工客服是指与燃气故障的预定位结果相匹配的特定人工客服。例如，根据每种燃气故障类型（如，燃气终端故障类型、燃气入户管道故障类型、燃气上游运输故障类型等），对应设置一组预设人工客服作为该类型故障对应的目标人工客服。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于燃气故障的预定位结果，生成燃气定位复杂度；基于燃气定位复杂度，确定相匹配的目标人工客服。

燃气定位复杂度是指生成燃气故障的定位结果的复杂程度。燃气定位复杂度越高，越难生成燃气故障的定位结果。

在一些实施例中，燃气定位复杂度可以基于燃气故障的预定位结果生成。例如，燃气故障的预定位结果为（0.1，0.1，0.05），各个燃气故障对应的发生概率比较均匀，则燃气定位复杂度较大；又例如，燃气故障的预定位结果为（0.01，0.05，0.7），其中，0.7明显大于其他数值，因此将发生概率为70%的燃气故障作为燃气故障的定位结果较为明确，则燃气定位复杂度较小。

在一些实施例中，燃气定位复杂度可以通过对燃气故障的预定位结果进行定量计算来获得。例如，计算燃气故障的预定位结果的向量中元素的最大值与其他值的差值之和，将计算结果作为燃气定位复杂度；又例如，计算燃气故障的预定位结果的向量中元素“去掉最大值前的方差”与“去掉最大值后的方差”之差，将计算结果作为燃气定位复杂度。

在一些实施例中，燃气定位复杂度还相关于该待排障用户的历史燃气故障分布。

历史燃气故障分布是指该待排障用户历史发生的燃气故障的类型的分布。待排障用户历史发生的燃气故障的类型越单一，燃气定位复杂度越低；反之越高。

在本说明书的一些实施例中，通过引入该待排障用户的历史燃气故障分布来确定燃气定位复杂度，进而确定对接该排障用户的目标人工客服，可以充分结合该排障用户的具体实际情况，提高燃气定位复杂度的准确性，确保为该待排障用户对接的目标人工客服符合其实际需要解决的问题。

在一些实施例中，智慧燃气数据中心133中的处理器可以根据燃气定位复杂度，为待排障用户安排相匹配的目标人工客服。例如，将燃气定位复杂度划分为不同区间，根据每个燃气定位复杂度区间，对应设置一组预设人工客服，判断基于预定位结果生成的燃气定位复杂度的所属区间，将该区间对应的人工客服作为目标人工客服。

步骤340，基于目标人工客服采集的待排障用户的第二咨询信息，构建第二呼叫咨询数据，第二呼叫咨询数据包括与执行检测操作后的燃气现象特征相关的数据。

第二咨询信息是指目标人工客服与待排障用户关于执行检测操作后的燃气现象的相关情况进行的对话所包含的信息，第二咨询信息包括目标人工客服询问的与执行检测操作后的燃气现象特征相关的问题以及待排障用户的回答。例如，目标人工客服询问的问题可以是“用刷子蘸肥皂水涂抹燃气设备上的A、B、C位置，观察涂抹位置是否起泡”，待排障用户的回答可以是“A位置气泡，B和C位置不起泡”。第二咨询信息可以通过多种方式进行表示，例如，文本信息、语音信息、图像信息等。

第二呼叫咨询数据是指用于汇总和表征第二咨询信息的数据。例如，第二呼叫咨询数据可以包括第二咨询信息的条数、目标人工客服询问的问题的类型数据、待排障用户的回答中对询问的问题进行否定的情况的占比等。与第二咨询信息对应，第二呼叫咨询数据可以包括多种形式的数据，例如，文本数据、语音数据、图像数据等。

在一些实施例中，第二呼叫咨询数据可以通过向量进行表示。使用向量表示第二呼叫咨询数据的方式与使用向量表示呼叫咨询数据的方式相同，关于通过向量表示呼叫咨询数据的更多内容参见图2及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过目标人工客服基于第二问题集对待排障用户进行询问，获取第二咨询信息；基于第二咨询信息构建第二呼叫咨询数据，第二问题集相关于待排障用户的燃气终端特征。

第二问题集是指与执行检测操作后的燃气现象特征相关的问题的集合。例如，第二问题集可以包括“用刷子蘸肥皂水涂抹燃气设备上的A、B、C位置，观察涂抹位置是否起泡”、“打开/关闭室内窗户，观察燃气的焰火颜色变化”、“拍摄燃气设备的开关位置，并上传至系统”等。

在一些实施例中，第二问题集相关于待排障用户的燃气终端特征，燃气终端特征可以用于表征燃气终端的类型，如燃气终端的类型可以包括燃气灶、锅炉、焊接枪等。智慧燃气管理平台130中的处理器可以根据待排障用户的燃气终端特征，设置对应的第二问题集。例如，待排障用户的燃气终端特征为燃气灶时，则第二问题集为涉及燃气灶相关特征的问题集。

在一些实施例中，第二问题集中的问题可以根据先验经验（如，历史排障经验等）或历史问题确定。例如，从智慧燃气数据中心133获取准确的历史定位结果，进而获取生成该历史定位结果时使用到的与执行检测操作后的燃气现象特征相关的问题，并把这些问题作为第二问题集中的问题。在一些实施例中，第二问题集可以存储在智慧燃气数据中心133中。在一些实施例中，第二问题集可以定期（如，每一年）更新。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过各种信息处理技术（如，文本数据可视化技术、语音转换技术、图像识别技术等）和各种可行的构建数据的方法，对第二咨询信息进行处理，构建第二呼叫咨询数据。

步骤350，基于第二呼叫咨询数据，生成燃气故障的定位结果。

关于定位结果的更多内容参见图2及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过建模或各种可行的数据分析方法（如，相关分析法、判别分析法等），对第二呼叫咨询数据进行处理，生成燃气故障的定位结果。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于第二呼叫咨询数据构建特征向量。基于第二呼叫咨询数据构建特征向量的方式可以有多种。例如，第二呼叫咨询数据可以通过向量进行表示，基于第二呼叫咨询数据（a，b，c，d，e）构建的特征向量p，其中，第二呼叫咨询数据（a，b，c，d，e）可以表示待排障用户对第一个问题的回答内容为a，对第二个问题的回答内容为b，对第三个问题的回答内容为c，对第四个问题的回答内容为d，对第五个问题的回答内容为e。

智慧燃气数据中心133中包含多个参考向量，以及多个参考向量中的每个参考向量对应的燃气故障的定位结果。

参考向量基于历史第二呼叫咨询数据构建，参考向量对应的燃气故障的定位结果为对应的历史第二呼叫咨询数据的燃气故障的定位结果。待匹配向量基于当前待排障用户的第二呼叫咨询数据构建。参考向量和待匹配向量的构建方式参见上述特征向量。

在一些实施例中，智慧燃气管理平台130中的处理器可以分别计算参考向量与待匹配向量之间的向量距离（如，余弦距离等），确定待匹配向量对应的定位结果。例如，将与待匹配向量之间的向量距离满足预设条件的参考向量作为目标向量，将目标向量对应的燃气故障的定位结果作为待匹配向量对应的燃气故障的定位结果。预设条件可以根据情况设定。例如，预设条件可以是向量距离最小或向量距离小于距离阈值等。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过定位模型对第二呼叫咨询数据进行处理，生成燃气故障的定位结果。关于定位模型的更多内容参见图5及其相关描述。

在本说明书的一些实施例中，基于第一问题集构建第一呼叫咨询数据，基于第二问题集构建第二咨询数据，可以循序渐进地确定待排障用户的主要故障问题，逐步缩小排查范围，提高确定燃气故障的定位结果的准确性；并且，通过智能客服采集的第一咨询信息构建第一呼叫咨询数据，基于第一呼叫咨询数据确定燃气故障的预定位结果，进一步基于燃气故障的预定位结果确定目标人工客服，可以在保证对接待排障用户的目标人工客服的合理性的同时，避免滥用人工客服，有效减少人工资源的浪费，提高处理问题的效率。

应当注意的是，上述有关流程200、流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200、流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4是根据本说明书一些实施例所示的预定位模型的示例性示意图。

在一些实施例中，智慧燃气数据中心133中的处理器可以通过预定位模型对第一呼叫咨询数据进行处理，生成燃气故障的预定位结果。

预定位模型是指用于生成燃气故障的预定位结果的模型。在一些实施例中，预定位模型可以对第一呼叫咨询数据410进行处理，获取燃气故障的预定位结果450。

如图4所示，预定位模型可以包括特征提取层420和预定位预测层440。

在一些实施例中，特征提取层420可以对第一呼叫咨询数据410进行处理，获取第一燃气现象特征430。在一些实施例中，特征提取层420可以为各种可行的神经网络模型。例如，图神经网络（Graph Neural Network）、卷积神经网络（Convolutional NeuralNetworks，CNN）、深度神经网络（Deep Neural Networks, DNN）等或其组合。

在一些实施例中，特征提取层420可以包括多个特征提取层（如，特征提取层1、特征提取层n等），不同特征提取层可以分别对不同数据类型的第一呼叫咨询数据410进行处理，获取不同特征类型的第一燃气现象特征430。例如，特征提取层1可以对数据类型为文本数据的第一呼叫咨询数据（文本数据）411进行处理，获取第一燃气现象特征（文本特征）431。

如图4所示，特征提取层420的输入可以包括不同数据类型的第一呼叫咨询数据410。例如，第一呼叫咨询数据（文本数据）411、第一呼叫咨询数据（语音数据）412、第一呼叫咨询数据（图像数据）413等。

特征提取层420的输出可以包括不同特征类型的第一燃气现象特征430。例如，第一燃气现象特征（文本特征）431、第一燃气现象特征（语音特征）432、第一燃气现象特征（图像特征）433。

第一燃气现象特征430是指反映第一呼叫咨询数据410所包含的数据信息的特征。第一燃气现象特征430可以使用向量表示，向量中的不同元素代表第一呼叫咨询数据中的不同特征。例如，第一燃气现象特征430可以是（a，b，c），a表示第一咨询信息的条数、b表示客服询问的问题的类型、c表示待排障用户的回答中对询问的问题进行否定的情况的占比。

关于第一咨询信息、第一呼叫咨询数据的更多内容参见图3及其相关描述。

在一些实施例中，预定位预测层440可以对第一燃气现象特征430进行处理，获取燃气故障的预定位结果450。在一些实施例中，预定位预测层440可以为各种可行的神经网络模型。例如，图神经网络（Graph Neural Network）、卷积神经网络（ConvolutionalNeural Networks，CNN）、深度神经网络（Deep Neural Networks, DNN）等或其组合。

在一些实施例中，预定位预测层440可以对多个不同特征类型的第一燃气现象特征430进行处理，获取一个燃气故障的预定位结果450。

如图4所示，预定位预测层440的输入可以包括不同特征类型的第一燃气现象特征430。例如，第一燃气现象特征（文本特征）431、第一燃气现象特征（语音特征）432、第一燃气现象特征（图像特征）433。

预定位预测层440的输出可以包括燃气故障的预定位结果450。例如，输出的燃气故障的预定位结果450可以是（0.2，0.3，0.4），表示“燃气灶具的部件损坏”的发生概率为20%，“燃气管道泄漏”的发生概率为30%，“燃气表老化”的发生概率为40%。

关于燃气故障的预定位结果的更多内容参见图3及其相关描述。

在一些实施例中，特征提取层420的输出可以为预定位预测层440的输入，预定位模型可以通过特征提取层420和预定位预测层440联合训练得到。

在一些实施例中，联合训练的第一样本数据包括不同数据类型的样本第一呼叫咨询数据，第一样本数据对应的第一标签为样本燃气故障的预定位结果。样本第一呼叫咨询数据可以通过向量来表示，向量的维度通过人工或系统提前设置，向量中的每个元素对应一个问题，元素的具体数值表示待排障用户对该问题的回答情况，若不存在该问题则用0表示。关于通过向量表示第一呼叫咨询数据的更多内容参见图2、图3及其相关描述。第一样本数据可以基于历史数据获取，第一标签可以通过人工标注或自动标注的方式确定。

训练时，将不同数据类型的样本第一呼叫咨询数据输入对应的初始特征提取层，得到对应的初始特征提取层输出的不同特征类型的第一燃气现象特征；将不同特征类型的第一燃气现象特征作为训练样本数据输入初始预定位预测层，得到初始预定位预测层输出的燃气故障的预定位结果。基于样本燃气故障的预定位结果和预定位预测层输出的燃气故障的预定位结果构建损失函数，同步更新特征提取层和预定位预测层的参数。通过参数更新，得到训练好的特征提取层和预定位预测层。

在本说明书的一些实施例中，通过预定位模型对第一呼叫咨询数据进行处理，获取燃气故障的预定位结果，可以保证生成的燃气故障的预定位结果的准确性；并且，不同的特征提取层针对不同数据类型的第一呼叫咨询数据进行处理，可以提高预定位模型处理大量数据的效率。

图5是根据本说明书一些实施例所示的定位模型的示例性示意图。

在一些实施例中，智慧燃气数据中心133中的处理器可以通过定位模型对第二呼叫咨询数据进行处理，生成燃气故障的定位结果。

定位模型是指用于生成燃气故障的定位结果的模型。在一些实施例中，定位模型可以对第二呼叫咨询数据510进行处理，获取燃气故障的定位结果550。

如图5所示，定位模型可以包括特征提取层520和定位预测层540。

在一些实施例中，特征提取层520可以对第二呼叫咨询数据510进行处理，获取第二燃气现象特征530。在一些实施例中，特征提取层520可以为各种可行的神经网络模型。例如，图神经网络（Graph Neural Network）、卷积神经网络（Convolutional NeuralNetworks，CNN）、深度神经网络（Deep Neural Networks, DNN）等或其组合。

在一些实施例中，特征提取层520可以包括多个特征提取层（如，特征提取层a、特征提取层b等），不同特征提取层可以分别对不同数据类型的第二呼叫咨询数据510进行处理，获取不同特征类型的第二燃气现象特征530。例如，特征提取层a可以对第二呼叫咨询数据（文本数据）511进行处理，获取第二燃气现象特征（文本特征）531。

如图5所示，特征提取层520的输入可以包括不同数据类型的第二呼叫咨询数据510。例如，第二呼叫咨询数据（文本数据）511、第二呼叫咨询数据（语音数据）512、第二呼叫咨询数据（图像数据）513等。

在一些实施例中，图4所示的第一呼叫咨询数据410与图5所示的第二呼叫咨询数据510来自于同一个待排障用户的呼叫咨询数据。

特征提取层520的输出可以包括不同特征类型的第二燃气现象特征530。例如，第二燃气现象特征（文本特征）531、第二燃气现象特征（语音特征）532、第二燃气现象特征（图像特征）533。

第二燃气现象特征530是指反映第二呼叫咨询数据510所包含的数据信息的特征。第二燃气现象特征530可以使用向量表示，向量中的不同元素代表第二呼叫咨询数据中的不同特征。例如，第二燃气现象特征530可以是（x，y，z），x表示第二咨询信息的条数、y表示客服询问的问题的类型、z表示待排障用户的回答中对询问的问题进行否定的情况的占比。

关于第二咨询信息、第二呼叫咨询数据的更多内容参见图3及其相关描述。

在一些实施例中，定位预测层540可以对第二燃气现象特征530进行处理，获取燃气故障的定位结果550。在一些实施例中，定位预测层540可以为各种可行的神经网络模型。例如，图神经网络（Graph Neural Network）、卷积神经网络（Convolutional NeuralNetworks，CNN）、深度神经网络（Deep Neural Networks, DNN）等或其组合。

在一些实施例中，定位预测层540可以对多个不同特征类型的第二燃气现象特征530进行处理，获取一个燃气故障的定位结果550。

如图5所示，定位预测层540的输入可以包括不同特征类型的第二燃气现象特征530。例如，第二燃气现象特征（文本特征）531、第二燃气现象特征（语音特征）532、第二燃气现象特征（图像特征）533。

在一些实施例中，定位预测层540的输入还可以包括第一燃气现象特征560。图5所示的第一燃气现象特征560与图4所示的第一燃气现象特征430相同，在此不再赘述。在一些实施例中，图4所示的第一燃气现象特征430与图5所示的第二燃气现象特征530是针对同一个待排障用户的呼叫咨询信息进行处理所得到的特征。

在本说明书的一些实施例中，将第一燃气现象特征作为定位预测层的输入，可以增加输入定位模型的特征，有助于提高定位模型生成定位结果的准确性。

定位预测层540的输出可以包括燃气故障的定位结果550。例如，输出的燃气故障的定位结果550可以是“燃气灶具的部件损坏”。

关于燃气故障的定位结果的更多内容参见图2及其相关描述。

在一些实施例中，特征提取层520的输出可以为定位预测层540的输入，定位模型可以通过特征提取层520和定位预测层540联合训练得到。

在一些实施例中，联合训练的第二样本数据包括不同数据类型的样本第二呼叫咨询数据和不同特征类型的样本第一燃气现象特征，第二样本数据对应的第二标签为样本燃气故障的定位结果。样本第二呼叫咨询数据可以通过向量来表示，向量的维度通过人工或系统提前设置，向量中的每个元素对应一个问题，元素的具体数值表示待排障用户对该问题的回答情况，若不存在该问题则用0表示。关于通过向量表示第二呼叫咨询数据的更多内容参见图2、图3及其相关描述。第二样本数据可以基于历史数据获取，第二标签可以通过人工标注或自动标注的方式确定。不同特征类型的样本第一燃气现象特征可以基于预定位模型获取，关于预定位模型的更多内容参见图4及其相关描述。

训练时，将不同数据类型的样本第二呼叫咨询数据输入对应的初始特征提取层，得到对应的初始特征提取层输出的不同特征类型的第二燃气现象特征；将不同特征类型的第二燃气现象特征和不同特征类型的样本第一燃气现象特征作为训练样本数据输入初始定位预测层，得到初始定位预测层输出的燃气故障的定位结果。基于样本燃气故障的定位结果和定位预测层输出的燃气故障的定位结果构建损失函数，同步更新特征提取层和定位预测层的参数。通过参数更新，得到训练好的特征提取层和定位预测层。

在本说明书的一些实施例中，通过定位模型对第二呼叫咨询数据进行处理，获取燃气故障的定位结果，可以保证生成的燃气故障的定位结果的准确性；不同的特征提取层针对不同数据类型的第二呼叫咨询数据进行处理，可以提高定位模型处理大量数据的效率；并且，将第一燃气现象特征也作为定位模型的输入，可以增加输入定位模型的特征和训练定位模型的样本数据，使得训练得到的定位模型更符合实际需求，生成的燃气故障的定位结果准确性更高。

图6是根据本说明书一些实施例所示的基于燃气关联数据和呼叫咨询数据生成定位结果的示例性流程图。在一些实施例中，流程600可以由智慧燃气数据中心133中的处理器执行。如图6所示，流程600包括下述步骤：

步骤610，获取燃气关联数据。

燃气关联数据是指与待排障用户的故障情况相关联的燃气数据。例如，燃气关联数据可以是满足预设条件的其他燃气用户的呼叫咨询数据。预设条件可以通过人工或系统设置，例如，预设条件可以是其他燃气用户的故障情况与待排障用户的故障情况的相似程度满足一定阈值（如，80%），相似程度可以基于其他燃气用户的故障特征和待排障用户的故障特征确定。

在一些实施例中，燃气关联数据来自于不同燃气故障关联度的关联用户，燃气故障关联度基于关联用户与待排障用户间的至少一个与燃气相关的特征的匹配度确定。

关联用户是指与待排障用户存在关联的其他燃气用户。例如，故障情况与待排障用户相同或相似的燃气用户；又例如，与待排障用户共用同一套燃气输送系统或共用同一类燃气终端设备的燃气用户。

在一些实施例中，同一个待排障用户可以对应一个或多个关联用户。

燃气故障关联度是指关联用户与待排障用户之间的关联程度，燃气故障关联度可以通过不同等级进行表示。例如，燃气故障关联度可以分为Ⅰ~Ⅴ级，等级越高，燃气故障关联度越大，关联用户与待排障用户之间的关联程度越紧密。

在一些实施例中，燃气故障关联度可以基于关联用户与待排障用户间的至少一个与燃气相关的特征的匹配度确定。例如，与燃气相关的特征可以是燃气终端特征、燃气管道特征（如，燃气管道的尺寸、材质等）等。

在一些实施例中，与燃气相关的特征还包括燃气故障时间特征、燃气故障空间特征、历史燃气故障分布等。关于燃气故障时间特征、燃气故障空间特征、历史燃气故障分布的更多内容参见后文子步骤611-子步骤613。

匹配度是指燃气用户与待排障用户间的至少一个与燃气相关的特征的匹配程度。匹配度可以通过向量进行表示，例如，匹配度可以是（0.1，0.2，0.3），表示燃气终端特征的匹配度为10%，燃气管道特征的匹配度为20%，燃气故障时间特征的匹配度为30%；匹配度也可以通过一个最终的数值进行表示，例如，可以基于上述三个燃气相关特征的匹配度计算平均值，得到最终的匹配度20%。匹配度大于0的燃气相关的特征的数量越多，匹配度的数值越大，则燃气故障关联度越大。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过建模或各种可行的特征分析方法，对关联用户与待排障用户间的至少一个与燃气相关的特征进行处理，确定关联用户与待排障用户间的至少一个与燃气相关的特征的匹配度。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于至少一个与燃气相关的特征（如，燃气终端特征、燃气管道特征等）构建特征向量。基于至少一个与燃气相关的特征构建特征向量的方式可以有多种。例如，基于燃气终端特征（x，y，z）构建的特征向量q，其中，燃气终端特征（x，y，z）可以表示燃气终端的类型为x，燃气终端的使用年限为y，燃气终端的历史故障次数为z；又例如，基于燃气终端特征（x，y，z）和燃气管道特征（h，i，j）构建的特征向量k，其中，燃气终端特征（x，y，z）表示的含义与前文相同，燃气管道特征（h，i，j）可以表示燃气管道的尺寸为h，燃气管道的材质为i，燃气管道的维修次数为j。

智慧燃气管理平台130中的处理器可以通过上述构建特征向量的方法，基于关联用户的至少一个与燃气相关的特征构建关联向量，基于待排障用户的至少一个与燃气相关的特征构建待匹配向量，计算关联向量与待匹配向量之间的向量距离（如，余弦距离等），并将计算结果作为关联用户与待排障用户间的至少一个与燃气相关的特征的匹配度。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于关联用户与待排障用户间的至少一个与燃气相关的特征的匹配度确定关联用户与待排障用户间的燃气故障关联度。例如，可以将匹配度划分为不同区间，每个区间分别对应燃气故障关联度的等级，如，匹配度为50~60%对应燃气故障关联度的Ⅰ级，匹配度为70~80%对应燃气故障关联度的Ⅲ级等，计算得到的匹配度落入哪个区间，则将该区间对应的燃气故障关联度作为关联用户与待排障用户间的燃气故障关联度。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于燃气故障关联度确定关联用户。例如，可以将存在燃气故障关联度的燃气用户作为关联用户；又例如，可以将燃气故障关联度大于阈值（如，Ⅲ级）的燃气用户作为关联用户。

在本说明书的一些实施例中，通过燃气故障关联度来确定燃气关联数据，可以确保燃气关联数据与待排障用户的实际故障情况相符合；并且，通过至少一个与燃气相关的特征来确定燃气故障关联度，可以从多方面因素判断关联用户与待排障用户之间的关联程度，进一步加强了确定燃气故障关联度的准确性。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过子步骤611-子步骤613来获取燃气关联数据。

子步骤611，获取待排障用户的燃气故障时间特征和燃气故障空间特征。

燃气故障时间特征是指与时间信息相关的燃气故障特征。例如，燃气故障时间特征可以包括燃气用户当前开始进行燃气故障咨询的时间、燃气用户历史咨询的次数、每次咨询的时长、每两次咨询之间的间隔时间等。

燃气故障空间特征是指与空间信息相关的燃气故障特征。例如，燃气故障空间特征可以包括燃气用户所在的详细地址、燃气用户对应的燃气入户管道信息、燃气用户对应的燃气上游运输管道信息等。

在一些实施例中，燃气故障时间特征和燃气故障空间特征可以从智慧燃气数据中心133中获取。在一些实施例中，燃气故障时间特征和燃气故障空间特征可以存储在智慧燃气数据中心133中，燃气故障时间特征和燃气故障空间特征可以通过人工或系统实时或定期（如，每个月）更新。例如，待排障用户进行燃气故障咨询时，智慧燃气数据中心133中的处理器可以实时更新燃气故障时间特征；又例如，燃气工作人员在对燃气管道进行定期（如，每个月）巡检时，手动输入燃气故障空间特征并进行更新。

子步骤612，基于燃气故障时间特征和燃气故障空间特征，通过预设匹配度确定与待排障用户关联的关联用户。

预设匹配度是指预先设置的用于判断燃气用户是否可以作为待排障用户的关联用户的匹配度。预设匹配度可以是一个具体的数值，例如，预设匹配度可以是80%，则当燃气用户的燃气故障时间特征和燃气故障空间特征与待排障用户的燃气故障时间特征和燃气故障空间特征之间的匹配度大于80%时，该燃气用户可以作为该待排障用户的关联用户。

在一些实施例中，预设匹配度相关于燃气定位复杂度。燃气定位复杂度越大，预设匹配度越大。关于燃气定位复杂度的更多内容参见图3及其相关描述。

在本说明书的一些实施例中，引入燃气定位复杂度作为影响预设匹配度的因素，燃气定位复杂度越大，越难生成燃气故障的定位结果，此时相应提高预设匹配度，可以使确定关联用户的判断条件更严格，从而保证获取的燃气关联数据的准确性。

在一些实施例中，智慧燃气数据中心133中的处理器可以基于燃气故障时间特征、燃气故障空间特征和历史燃气故障分布，通过预设匹配度确定与待排障用户关联的关联用户。例如，预设匹配度可以是80%，则当燃气用户的燃气故障时间特征、燃气故障空间特征和历史燃气故障分布与待排障用户的燃气故障时间特征、燃气故障空间特征和历史故障分布之间的匹配度大于80%时，该燃气用户可以作为该待排障用户的关联用户。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于燃气故障时间特征、燃气故障空间特征和历史燃气故障分布构建特征向量，基于燃气用户的燃气故障时间特征、燃气故障空间特征和历史燃气故障分布构建关联向量，基于待排障用户的燃气故障时间特征、燃气故障空间特征和历史故障分布构建待匹配向量，计算关联向量与待匹配向量之间的向量距离（如，余弦距离等），并将计算结果作为燃气用户的燃气故障时间特征、燃气故障空间特征和历史燃气故障分布与待排障用户的燃气故障时间特征、燃气故障空间特征和历史故障分布之间的匹配度。

关于构建特征向量、关联向量和待匹配向量的方式与前文基于至少一个与燃气相关的特征构建特征向量、关联向量和待匹配向量的方式相同，在此不再赘述。

在一些实施例中，预设匹配度还相关于历史燃气故障分布。历史发生的燃气故障的类型越多，燃气定位复杂度越大，预设匹配度越大。关于历史燃气故障分布的更多内容参见图3及其相关描述。

子步骤613，获取关联用户的呼叫咨询数据，并将关联用户的呼叫咨询数据作为燃气关联数据。

在一些实施例中，智慧燃气管理平台130中的处理器可以基于关联用户，从智慧燃气数据中心133中获取关联用户的呼叫咨询数据。在一些实施例中，关联用户的呼叫咨询数据可以定期（如，每个月）更新。

步骤620，基于呼叫咨询数据和燃气关联数据，生成燃气故障的定位结果。

关于定位结果的更多内容参见图2及其相关描述。

在一些实施例中，智慧燃气管理平台130中的处理器可以通过建模或各种可行的数据分析方法（如，相关分析法、判别分析法等），对呼叫咨询数据和燃气关联数据进行处理，生成燃气故障的定位结果。

在一些实施例中，智慧燃气管理平台130中的处理器可以将燃气关联数据和呼叫咨询数据一起作为待排障用户的新的呼叫咨询数据，通过上述图2-图5所述的方法对新的呼叫咨询数据进行处理，生成燃气故障的定位结果。

在一些实施例中，智慧燃气管理平台130中的处理器可以在通过上述图2-图5所述的方法对呼叫咨询数据进行处理的过程中，将燃气关联数据作为参考因素之一，结合呼叫咨询数据共同处理，生成燃气故障的定位结果。在一些实施例中，智慧燃气管理平台130中的处理器还可以在通过上述图2-图5所述的方法对呼叫咨询数据进行处理的过程中，将燃气关联数据和燃气故障关联度一起作为参考因素，结合呼叫咨询数据共同处理，生成燃气故障的定位结果。例如，可以将燃气关联数据和燃气故障关联度一起作为预定位模型和定位模型的输入。

在本说明书的一些实施例中，通过获取燃气关联数据，基于燃气关联数据结合呼叫咨询数据生成燃气故障的定位结果，可以在待排障用户反馈燃气故障咨询问题的效率不高或者准确度不够的情况下，结合与待排障用户相关联的其他燃气用户的情况，帮助待排障用户确定燃气故障的定位结果；并且，通过燃气故障关联度、预设匹配度等限制条件来确定关联用户，可以提高确定关联用户的准确性，保证关联用户的燃气关联数据的有效性。

本说明书一些实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行智慧燃气呼叫中心的数据管理方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (8)

1.一种智慧燃气呼叫中心的数据管理方法，其特征在于，所述方法通过智慧燃气呼叫中心的数据管理物联网系统的智慧燃气管理平台中的处理器执行，所述方法包括：

基于客服通过网络从用户终端采集的待排障用户的咨询信息，构建所述待排障用户的呼叫咨询数据；所述客服包括智能客服和人工客服，所述咨询信息包括第一咨询信息和第二咨询信息，所述呼叫咨询数据包括第一呼叫咨询数据和第二呼叫咨询数据；

基于所述呼叫咨询数据，生成燃气故障的定位结果；其中包括：

基于所述智能客服采集的所述待排障用户的所述第一咨询信息，构建所述第一呼叫咨询数据，所述第一呼叫咨询数据包括与直接观察到的燃气现象特征相关的数据；其中包括：

通过所述智能客服基于第一问题集对所述待排障用户进行询问，获取所述第一咨询信息；

基于所述第一咨询信息构建所述第一呼叫咨询数据，所述第一问题集基于预设问题确定；

基于所述第一呼叫咨询数据，生成燃气故障的预定位结果；

基于所述燃气故障的预定位结果，确定目标人工客服；

基于所述目标人工客服采集的所述待排障用户的所述第二咨询信息，构建所述第二呼叫咨询数据，所述第二呼叫咨询数据包括与执行检测操作后的燃气现象特征相关的数据；其中包括：

通过所述目标人工客服基于第二问题集对所述待排障用户进行询问，获取所述第二咨询信息；

基于所述第二咨询信息构建所述第二呼叫咨询数据，所述第二问题集相关于所述待排障用户的燃气终端特征；

基于所述第二呼叫咨询数据，生成所述燃气故障的定位结果；

基于所述燃气故障的定位结果，生成故障处理方案，并将所述故障处理方案发送至所述用户终端。

2.根据权利要求1所述的方法，其特征在于，所述基于所述燃气故障的预定位结果，确定目标人工客服包括：

基于所述燃气故障的预定位结果，生成燃气定位复杂度；

基于所述燃气定位复杂度，确定相匹配的所述目标人工客服。

3.根据权利要求2所述的方法，其特征在于，所述燃气定位复杂度还相关于所述待排障用户的历史燃气故障分布。

4.根据权利要求1所述的方法，其特征在于，所述基于所述呼叫咨询数据，生成燃气故障的定位结果还包括：

获取燃气关联数据；

基于所述呼叫咨询数据和所述燃气关联数据，生成所述燃气故障的定位结果。

5.根据权利要求4所述的方法，其特征在于，所述获取燃气关联数据包括：

获取所述待排障用户的燃气故障时间特征和燃气故障空间特征；

基于所述燃气故障时间特征和所述燃气故障空间特征，通过预设匹配度确定与所述待排障用户关联的关联用户；

获取所述关联用户的所述呼叫咨询数据，并将所述关联用户的所述呼叫咨询数据作为燃气关联数据。

6.根据权利要求5所述的方法，其特征在于，所述基于所述燃气故障时间特征和所述燃气故障空间特征，通过预设匹配度确定与所述待排障用户关联的关联用户包括：

基于所述燃气故障时间特征、所述燃气故障空间特征和历史燃气故障分布，通过所述预设匹配度确定与所述待排障用户关联的所述关联用户。

7.一种智慧燃气呼叫中心的数据管理物联网系统，其特征在于，所述系统包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台、智慧燃气对象平台；

所述智慧燃气用户平台用于基于客服通过网络从用户终端采集待排障用户的咨询信息，并通过所述智慧燃气服务平台将所述咨询信息发送至所述智慧燃气管理平台；

所述智慧燃气管理平台用于：

基于所述咨询信息，构建所述待排障用户的呼叫咨询数据；所述客服包括智能客服和人工客服，所述咨询信息包括第一咨询信息和第二咨询信息，所述呼叫咨询数据包括第一呼叫咨询数据和第二呼叫咨询数据；

基于所述呼叫咨询数据，生成燃气故障的定位结果；其中包括：

基于所述智能客服采集的所述待排障用户的所述第一咨询信息，构建所述第一呼叫咨询数据，所述第一呼叫咨询数据包括与直接观察到的燃气现象特征相关的数据；其中包括：

通过所述智能客服基于第一问题集对所述待排障用户进行询问，获取所述第一咨询信息；

基于所述第一咨询信息构建所述第一呼叫咨询数据，所述第一问题集基于预设问题确定；

基于所述第一呼叫咨询数据，生成燃气故障的预定位结果；

基于所述燃气故障的预定位结果，确定目标人工客服；

基于所述目标人工客服采集的所述待排障用户的所述第二咨询信息，构建所述第二呼叫咨询数据，所述第二呼叫咨询数据包括与执行检测操作后的燃气现象特征相关的数据；其中包括：

通过所述目标人工客服基于第二问题集对所述待排障用户进行询问，获取所述第二咨询信息；

基于所述第二咨询信息构建所述第二呼叫咨询数据，所述第二问题集相关于所述待排障用户的燃气终端特征；

基于所述第二呼叫咨询数据，生成所述燃气故障的定位结果；

基于所述燃气故障的定位结果，生成故障处理方案，并将所述故障处理方案发送至所述用户终端；

所述智慧燃气服务平台用于将所述故障处理方案发送至所述智慧燃气用户平台。

8.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，其特征在于，当所述计算机指令被处理器执行时实现如权利要求1-6任一项所述的智慧燃气呼叫中心的数据管理方法。

Images