CN116156059B - 智慧燃气呼叫中心的坐席管理方法、物联网系统及介质 - Google Patents
智慧燃气呼叫中心的坐席管理方法、物联网系统及介质 Download PDFInfo
- Publication number
- CN116156059B CN116156059B CN202310432156.6A CN202310432156A CN116156059B CN 116156059 B CN116156059 B CN 116156059B CN 202310432156 A CN202310432156 A CN 202310432156A CN 116156059 B CN116156059 B CN 116156059B
- Authority
- CN
- China
- Prior art keywords
- gas
- call
- estimated
- intelligent
- feature
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title abstract description 127
- 238000000034 method Methods 0.000 claims abstract description 38
- 239000007789 gas Substances 0.000 claims description 590
- 239000003795 chemical substances by application Substances 0.000 claims description 143
- 238000011156 evaluation Methods 0.000 claims description 49
- 239000002737 fuel gas Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 7
- 230000008439 repair process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5141—Details of processing calls and other types of contacts in an unified manner
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5175—Call or contact centers supervision arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5183—Call or contact centers with computer-telephony arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5238—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing with waiting time or load prediction arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/40—Aspects of automatic or semi-automatic exchanges related to call centers
- H04M2203/402—Agent or workforce management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本说明书提供一种智慧燃气呼叫中心的坐席管理方法、物联网系统及介质。该方法由智慧燃气呼叫中心坐席管理物联网系统中的智慧燃气管理平台的处理器执行,该方法包括:获取燃气使用数据,燃气使用数据至少包括历史燃气使用速率;基于燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;基于预估呼叫特征,生成智慧燃气呼叫中心在目标时间段内的优选坐席特征,优选坐席特征包括目标时间段内的一个或多个时间段中每个时间段的客服数量;将优选坐席特征传输给智慧燃气呼叫中心的终端。上述方法可以基于目前的燃气使用数据,对智慧燃气呼叫中心的坐席进行分配,避免因坐席分配不合理而拖延用户的呼入,提高用户体验。
Description
技术领域
本说明书涉及坐席管理领域,特别涉及一种智慧燃气呼叫中心的坐席管理方法、物联网系统及介质。
背景技术
燃气用户在使用燃气的过程中,可能会通过智慧燃气呼叫中心进行燃气问询、投诉、报修等情形。燃气使用存在高峰、低峰时段,在高峰时段智慧燃气呼叫中心的呼入量和呼入频率会增加,智慧燃气呼叫中心可能会面临较大的呼入压力。
因此,需要一种智慧燃气呼叫中心的坐席管理方法、物联网系统及介质,能够基于燃气使用数据对智慧燃气呼叫中心的坐席进行合理调度,以提升用户满意度。
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坐席管理方法,所述方法由智慧燃气呼叫中心坐席管理物联网系统中的智慧燃气管理平台的处理器执行,所述方法包括:获取燃气使用数据,所述燃气使用数据至少包括历史燃气使用速率;基于所述燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;基于所述预估呼叫特征,生成所述智慧燃气呼叫中心在所述目标时间段内的优选坐席特征,所述优选坐席特征包括上述目标时间段内的一个或多个时间段中每个时间段的客服数量;将所述优选坐席特征传输给所述智慧燃气呼叫中心的终端。
本说明书实施例之一提供一种智慧燃气呼叫中心坐席管理物联网系统,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以及智慧燃气对象平台,其中,所述智慧燃气管理平台用于:获取燃气使用数据,所述燃气使用数据至少包括历史燃气使用速率;基于所述燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;基于所述预估呼叫特征,生成所述智慧燃气呼叫中心在所述目标时间段内的优选坐席特征,所述优选坐席特征包括上述目标时间段内的一个或多个时间段中每个时间段的客服数量;将所述优选坐席特征传输给所述智慧燃气呼叫中心的终端。
本说明书实施例之一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,计算机执行智慧燃气呼叫中心坐席管理方法。
通过本说明书所述的智慧燃气呼叫中心坐席管理方法,可以基于目前的燃气使用数据,对智慧燃气呼叫中心的坐席进行分配,避免因坐席分配不合理而拖延用户的呼入,提高用户体验;另外,基于历史燃气使用数据进行对坐席分配进行预估,提高预估的合理性。
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坐席管理物联网系统的应用场景示意图;
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坐席管理物联网系统的示例性模块图;
图3是根据本说明书一些实施例所示的智慧燃气呼叫中心坐席管理方法的示例性流程图;
图4是根据本说明书一些实施例所示的生成预估呼叫特征的示例性流程图;
图5是根据本说明书另一些实施例所示的生成预估呼叫特征的示例性流程图;
图6是根据本说明书一些实施例所示的呼叫特征预测模型的示例性结构图;
图7是根据本说明书一些实施例所示的确定优选坐席特征的示例性流程图。
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。
应当理解的是,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。
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坐席管理物联网系统的应用场景示意图。
如图1所示,应用场景100可以包括服务器110、网络120、终端设备130、燃气设备140、存储设备150、智慧燃气呼叫中心终端160。
在一些实施例中,应用场景100可以通过实施本说明书中披露的智慧燃气呼叫中心坐席管理方法和/或物联网系统来确定智慧燃气呼叫中心的优选坐席特征。例如,在一个典型的应用场景中,智慧燃气呼叫中心坐席管理物联网系统可以通过第三方平台或者通过燃气设备140获取燃气使用数据;服务器110(处理设备)基于燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;基于预估呼叫特征,生成智慧燃气呼叫中心在目标时间段内的优选坐席特征;将优选坐席特征传输给智慧燃气呼叫中心终端160。关于上述过程的更多内容,可以参见图3及其相关描述。
服务器110与终端设备130可以通过网络120相连,服务器110可以与存储设备150通过网络120相连。服务器110可以包括处理设备,处理设备可以用于执行本说明书一些实施例所述的智慧燃气呼叫中心坐席管理方法。
网络120可以连接应用场景100的各组成部分和/或连接系统与外部资源部分。存储设备150可以用于存储数据和/或指令,例如,存储设备150可以存储燃气使用数据、预估呼叫特征、优选坐席特征等。存储设备150可以直接连接于服务器110或者处于服务器110的内部。
终端设备130指一个或多个终端设备或软件。在一些实施例中,终端设备130可以接收处理设备发送的智慧燃气呼叫中心坐席管理相关的信息,并向用户展示。在一些实施例中,终端设备130可以用于用户输入与智慧燃气呼叫中心坐席管理方法相关的确认信息,并将确认信息发送给服务器110。
示例性的,终端设备130可以包括移动设备130-1、平板计算机130-2、膝上型计算机130-3等或其他具有输入和/或输出功能的设备中的一种或其任意组合。燃气设备140可以用于获取燃气使用数据。示例性的燃气设备140可以包括燃气灶、燃气流量设备等。
在一些场景中,智慧燃气呼叫中心坐席管理物联网系统的应用场景也可以不包括燃气设备140,而从第三方平台直接获取燃气使用数据。智慧燃气呼叫中心终端160可以用于执行优选坐席特征。其中,优选坐席特征可以是最终确定的坐席分配方案。智慧燃气呼叫中心终端160可以是智慧燃气呼叫中心的总服务器。示例性的,智慧燃气呼叫中心终端160可以基于优选坐席特征,对当前可管理的坐席进行分配。关于智慧燃气呼叫中心终端160对坐席进行分配的具体说明,参见图3及其相关描述。
应当注意应用场景100仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景100还可以包括数据库。又例如,应用场景100可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
物联网系统是一种包括用户平台、服务平台、管理平台、传感网络平台、对象平台中部分或全部平台的信息处理系统。用户平台是实现用户感知信息获取和控制信息生成的功能平台。服务平台可以实现连接管理平台和用户平台,起着感知信息服务通信和控制信息服务通信的功能。管理平台可以实现统筹、协调各功能平台(如用户平台、服务平台)之间的联系和协作。管理平台汇聚着物联网运行体系的信息,可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台可以实现连接管理平台和对象平台,起着感知信息服务通信和控制信息服务通信的功能。对象平台是感知信息生成和控制信息执行的功能平台。
物联网系统中信息的处理可以分为用户感知信息的处理流程及控制信息的处理流程。控制信息可以是基于用户感知信息而生成的信息。在一些实施例中,控制信息可以包括用户需求控制信息,用户感知信息可以包括用户查询信息。其中,感知信息的处理是由对象平台获取感知信息,并通过传感网络平台传递至管理平台,再经由服务平台传递至用户平台。用户需求控制信息则是由用户平台感知用户输入以生成,并通过服务平台传递至管理平台,再经由传感网络平台传递至对象平台,进而实现提示信息发送的控制。
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坐席管理物联网系统的示例性模块图。
如图2所示,智慧燃气呼叫中心坐席管理物联网系统200可以包括智慧燃气用户平台210、智慧燃气服务平台220、智慧燃气管理平台230、智慧燃气传感网络平台240以及智慧燃气对象平台250。在一些实施例中,智慧燃气呼叫中心坐席管理物联网系统200可以为服务器的一部分或由服务器实现。
在一些实施例中,智慧燃气呼叫中心坐席管理物联网系统200可以应用于终端管理的多种场景。在一些实施例中,智慧燃气呼叫中心坐席管理物联网系统200可以获取燃气使用数据;基于燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;基于预估呼叫特征,生成智慧燃气呼叫中心在目标时间段内的优选坐席特征;将优选坐席特征传输给智慧燃气呼叫中心的终端。
智慧燃气呼叫中心坐席管理物联网系统200的多种场景可以包括燃气用户使用场景、政府用户使用场景以及监管用户使用场景等。需要说明的是以上场景仅为示例,并不对智慧燃气呼叫中心坐席管理物联网系统200的具体应用场景起限制作用,本领域技术人员可以在本实施例公开的内容基础上,可以将智慧燃气呼叫中心坐席管理物联网系统200应用于其他合适的任何场景。
智慧燃气用户平台210可以是以用户为主导,获取用户需求以及将信息反馈给用户的平台。在一些实施例中,智慧燃气用户平台210可以与用户进行交互。在一些实施例中,智慧燃气用户平台210可以被配置为终端设备。例如,手机、电脑等智能设备。
在一些实施例中,智慧燃气用户平台210可以包括燃气用户分平台、政府用户分平台和监管用户分平台。
燃气用户可以通过燃气用户分平台接收智慧燃气服务平台220发送的燃气使用数据以及优选坐席特征,或者与智慧燃气服务平台220进行交互,发送与优选坐席特征相关的确认信息;政府用户可以通过政府用户分平台获取智慧燃气服务平台220的燃气运营服务;监管用户可以通过监管用户分平台发送对优选坐席特征的查询指令或者控制指令至智慧燃气服务平台220。其中,燃气用户可以是燃气设备的使用者。政府用户可以是燃气设施保护、燃气安全事故预防与处理或者燃气运营管理等活动相关的政府管理人员。监管用户可以是燃气设备以及燃气计量系统安全监控的管理人员、政务人员、燃气呼叫客服等人员。
在一些实施例中,智慧燃气用户平台210可以通过终端设备,获取用户的输入指令,查询与燃气使用数据以及优选坐席特征相关的信息。在一些实施例中,智慧燃气用户平台210可以通过终端设备获取用户与优选坐席特征相关的确认信息。
智慧燃气服务平台220可以是提供信息/数据传递和交互的平台。
在一些实施例中,智慧燃气服务平台220可以用于智慧燃气管理平台230与智慧燃气用户平台210之间的信息和/或数据的交互。例如,智慧燃气服务平台220可以接收智慧燃气用户平台210发送的查询指令,进行存储处理后发送至智慧燃气管理平台230,以及从智慧燃气管理平台230获取与燃气使用数据以及优选坐席特征相关的信息,进行存储处理后发送至智慧燃气用户平台210。又例如,智慧燃气服务平台220可以向智慧燃气用户平台210发送燃气使用数据以及优选坐席特征,以及从智慧燃气用户平台210获取与优选坐席特征相关的确认信息,进行存储处理后发送至智慧燃气管理平台230。
在一些实施例中,智慧燃气服务平台220可以包括智慧用气服务分平台、智慧运营服务分平台和智慧监管服务分平台。在一些实施例中,智慧用气服务分平台可以用于接收智慧燃气管理平台230发送的燃气使用数据以及优选坐席特征相关的信息,并将其发送至燃气用户平台。在一些实施例中,智慧运营服务分平台可以用于接收政府用户分平台发送的查询指令,并将其发送至智慧燃气管理平台230。在一些实施例中,智慧监管服务分平台可以用于接收监管用户分平台发送的控制指令,并将其发送至智慧燃气管理平台230。
智慧燃气管理平台230可以是指统筹、协调各功能平台之间的联系和协作,提供感知管理和控制管理的物联网平台。
在一些实施例中,智慧燃气管理平台230可以用于信息和/或数据的处理。例如,智慧燃气管理平台230可以用于燃气使用数据的分析以及优选坐席特征的确定等。
在一些实施例中,智慧燃气管理平台230还可以用于智慧燃气服务平台220和智慧燃气传感网络平台240之间的信息和/或数据的交互。例如,智慧燃气管理平台230可以接收智慧燃气服务平台220(如智慧监管服务分平台)发送的查询指令,进行存储处理后发送至智慧燃气传感网络平台240,以及从智慧燃气传感网络平台240获取与燃气使用数据相关的信息,进行存储处理后发送至智慧燃气服务平台220。
在一些实施例中,智慧燃气管理平台230可以包括智慧客服管理分平台、智慧运行管理分平台以及智慧燃气数据中心。
智慧客服管理分平台可以用于对智慧燃气呼叫中心的坐席分配进行管理。在一些实施例中,智慧客服管理分平台可以用于营收管理、工商户管理、报装管理、客服管理、消息管理以及客户分析管理等。
智慧运行管理分平台可以用于燃气分配以及燃气调度进行管理。在一些实施例中,智慧运行管理分平台可以用于气量采购管理、气量储备管理、用气调度管理、购销差管理、管网工程管理以及综合办公管理等。
智慧燃气数据中心可以是对数据进行存储、调用、转运的数据管理分平台。智慧燃气数据中心可以存储历史数据,例如,历史优选坐席特征、历史燃气使用数据等。其中,上述数据可以通过人工输入或历史执行本方法得到。在一些实施例中,智慧燃气数据中心可以用于将燃气使用数据以及优选坐席特征发送至所述智慧燃气服务平台220。
在一些实施例中,智慧燃气管理平台230可以用于获取燃气使用数据;基于燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;基于预估呼叫特征,生成智慧燃气呼叫中心在目标时间段内的优选坐席特征;将优选坐席特征传输给智慧燃气呼叫中心的终端。
在一些实施例中,智慧燃气管理平台230可以进一步用于:基于燃气使用数据,预测目标时间段内的燃气预估使用特征,其中,燃气预估使用特征包括目标时间段内的多个时间点的燃气使用速率;基于燃气预估使用特征,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征。
在一些实施例中,智慧燃气管理平台230可以进一步用于:基于燃气预估使用特征,生成燃气高峰特征;基于燃气高峰特征,生成预估呼叫特征。
在一些实施例中,智慧燃气管理平台230可以进一步用于:将至少一个用户类型的燃气预估使用特征输入呼叫特征预测模型,通过呼叫特征预测模型对至少一个用户类型的燃气预估使用特征进行分析,输出目标时间段内的至少一种呼叫类型的预估呼叫特征,其中,呼叫特征预测模型为机器学习模型。
在一些实施例中,智慧燃气管理平台230可以进一步用于:将至少一个用户类型的燃气预估使用特征以及至少一个用户类型的燃气业务特征输入呼叫特征预测模型,利用呼叫特征预测模型对至少一个用户类型的燃气预估使用特征以及至少一个用户类型的燃气业务特征进行分析,输出目标时间段内的至少一种呼叫类型的预估呼叫特征以及至少一种呼叫类型的呼叫容忍度。
在一些实施例中,智慧燃气管理平台230可以进一步用于:基于预估呼叫特征,生成至少一组候选坐席特征;对至少一组候选坐席特征进行至少一轮迭代优化,从至少一组候选坐席特征中确定优选坐席特征。其中,迭代优化包括:对至少一组候选坐席特征计算评估值;基于评估值进行淘汰筛选。其中,评估值相关于至少一个用户类型的燃气业务特征,至少一个用户类型的燃气业务特征包括燃气使用频繁度以及燃气热值敏感度。
在一些实施例中,智慧燃气管理平台230可以进一步用于:对至少一组候选坐席特征计算多个评估值,每个评估值对应于至少一个用户类型的预估呼叫特征。
在一些实施例中,智慧燃气管理平台230可以进一步用于:对多个评估值加权计算得到最终的评估值,其中,加权计算的权重基于至少一种呼叫类型的坐席对应的用户的燃气预估使用特征确定。
关于智慧燃气管理平台230的更多内容可以参见图3、图4、图5、图6、图7及其相关描述。
智慧燃气传感网络平台240可以指对智慧燃气呼叫中心坐席管理物联网系统200中各平台间的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240可以被配置为通信网络和网关。在一些实施例中,智慧燃气传感网络平台240可以包括燃气户内设备传感网络分平台以及燃气管网设备传感网络分平台。智慧燃气传感网络平台240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。燃气户内设备传感网络分平台可以用于网络管理、协议管理、指令管理以及数据解析等。燃气管网设备传感网络分平台可以用于网络管理、协议管理、指令管理以及数据解析等。
在一些实施例中,智慧燃气传感网络平台240可以用于燃气户内设备的传感通信和燃气管网设备的传感通信。在一些实施例中,智慧燃气传感网络平台240可以用于将燃气使用数据发送至智慧燃气数据中心。在一些实施例中,智慧燃气传感网络平台240可以用于将燃气使用数据的查询指令发送至智慧燃气对象平台250。
智慧燃气对象平台250可以是使用燃气的功能设备。在一些实施例中,智慧燃气对象平台250可以被配置为智慧燃气终端。例如用气设备、燃气计量设备等。智慧燃气对象平台250可以获取燃气使用数据。
在一些实施例中,智慧燃气对象平台250可以被配置为燃气设备。例如燃气灶、燃气表等。智慧燃气对象平台250可以获取燃气使用数据。在一些实施例中,智慧燃气对象平台250可以将燃气使用数据通过智慧燃气传感网络平台240发送至智慧燃气管理平台230。在一些实施例中,智慧燃气对象平台250可以包括燃气户内设备对象分平台和燃气管网设备对象分平台。燃气户内设备对象分平台可以被配置为各种燃气终端。如燃气灶、燃气热水器、燃气表等。燃气管网设备对象分平台可以被配置为燃气管道等。
在本说明书的一些实施例中,通过上述系统,可以保证不同类型的数据之间的对立性,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3是根据本说明书一些实施例所示的智慧燃气呼叫中心坐席管理方法的示例性流程图。在一些实施例中,流程300可以由智慧燃气呼叫中心坐席管理物联网系统的智慧燃气管理平台执行。如图3所示,流程300包括下述步骤:
步骤310,获取燃气使用数据,燃气使用数据至少包括历史燃气使用速率。
在本说明书一些实施例中,燃气使用数据可以是燃气用户对燃气进行利用、消耗的计量数据。燃气使用数据可以包括燃气用户在一段时间内的燃气消耗量、燃气使用种类等。
在一些实施例中,燃气使用数据至少包括历史燃气使用速率。历史燃气使用速率可以是多个历史时间点的燃气使用速率。例如,燃气使用数据可以包括燃气用户在9月10日的燃气使用速率0.3m³/h。在一些实施例中,燃气使用数据可以通过燃气设备获取。示例性的燃气设备可以包括燃气灶、燃气计量设备、燃气热水器、地暖、供暖炉、锅炉、焊机等。在一些实施例中,燃气使用数据可以通过第三方平台获取。例如通过网络获取。
步骤320,基于燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征。
智慧燃气呼叫中心可以用于接听燃气用户或其他用户的呼入。智慧燃气呼叫中心可以包括多个坐席,用于对每个呼入进行处理与答复。
目标时间段可以是未来的某一时间段。例如,未来3个工作日、未来2个月等。目标时间段可以人工设置确定。
预估呼叫特征可以是目标时间段内智慧燃气呼叫中心的呼入情况。例如,预估呼叫特征可以包括目标时间段内呼入总次数、目标时间段内每分钟的呼入次数等。
在一些实施例中,预估呼叫特征可以是具体数值,表示目标时间段内每分钟的呼入次数。例如,预估呼叫特征可以是10,表示目标时间段内每分钟的呼入次数为10次。可以理解的是,预估呼叫特征的具体数值越大,智慧燃气呼叫中心的呼叫压力越大,此时需要对智慧燃气呼叫中心的坐席进行合理分配以保障对每个呼入的正常处理。
在一些实施例中,预估呼叫特征可以通过数学拟合计算、人工智能处理等方式确定。例如,预估呼叫特征可以通过呼叫特征预测模型确定。关于预估呼叫特征确定的具体说明,参见图4、图5、图6及其相关描述。
步骤330,基于预估呼叫特征,生成智慧燃气呼叫中心在目标时间段内的优选坐席特征。
优选坐席特征可以是对智慧燃气呼叫中心中坐席的优选分配方案。例如,优选坐席特征可以是对投诉呼入设置10个坐席、对报修呼入设置15个坐席、对问询呼入设置5个坐席等。
在一些实施例中,优选坐席特征可以包括目标时间段内的一个或多个时间段中每个时间段的客服数量。例如,优选坐席特征还可以包括未来3天内处理报修问题的客服数量为30个、处理问询问题的客服数量为17个、处理投诉问题的客服数量为10个。在一些实施例中,优选坐席特征可以通过迭代优化确定。关于优选坐席特征确定的进一步说明,参见图7及其相关描述。
步骤340,将优选坐席特征传输给智慧燃气呼叫中心的终端。
智慧燃气呼叫中心的终端可以是智慧燃气呼叫中心的服务器。在一些实施例中,智慧燃气呼叫中心的终端可以用于获取优选坐席特征,并执行优选坐席特征。例如,智慧燃气呼叫中心的终端可以基于优选坐席特征,对智慧燃气呼叫中心的坐席进行分配。在一些实施例中,智慧燃气呼叫中心的终端可以属于智慧燃气管理平台。例如,智慧燃气管理平台可以生成优选坐席特征并传输至智慧燃气呼叫中心,以执行坐席分配方案。
通过本说明书一些实施例所述的智慧燃气呼叫中心坐席管理方法,可以基于目前的燃气使用数据,对智慧燃气呼叫中心的坐席进行分配,避免因坐席分配不合理而拖延用户的呼入,提高用户体验;另外,基于历史燃气使用数据进行对坐席分配进行预估,提高预估的合理性。
图4是根据本说明书一些实施例所示的生成预估呼叫特征的示例性流程图。在一些实施例中,流程400可以由智慧燃气呼叫中心坐席管理物联网系统的智慧燃气管理平台执行。如图4所示,流程400包括下述步骤:
步骤410,基于燃气使用数据,预测目标时间段内的燃气预估使用特征。
燃气预估使用特征可以是用户在目标时间段的燃气使用情况。例如,燃气预估使用特征可以包括燃气用户在目标时间段内的燃气使用量。在一些实施例中,燃气预估使用特征可以包括目标时间段内的多个时间点的燃气使用速率。例如,燃气预估使用特征可以包括燃气用户在9:00的燃气使用速率0.45m³/h、10:00的燃气使用速率0.3m³/h等。在一些实施例中,燃气预估使用特征还可以包括目标时间段内的燃气使用量。例如,燃气用户在9:00-10:00的燃气使用量为0.3m³,则燃气预估使用特征还可以包括燃气用户在9:00-10:00的燃气使用速率为0.3m³/h。
在一些实施例中,燃气预估使用特征可以通过向量匹配计算、数学拟合计算、人工智能等方式确定。
在一些实施例中,燃气预估使用特征可以通过时序模型确定。示例性的时序模型可以是长短时记忆神经网络(LongShort Term Memory,LSTM)模型。时序模型的输入可以包括燃气使用数据。时序模型的输出可以包括目标时间段内的燃气预估使用特征。
在一些实施例中,时序模型可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的多组训练样本输入初始时序模型,基于初始时序模型的输出以及标识构建损失函数,基于损失函数迭代通过训练更新时序模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的时序模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,训练样本可以包括多个历史时间点的历史燃气使用数据。标识可以是多个历史时间点的历史燃气使用数据对应的燃气使用特征。训练样本可以通过调用存储设备存储的信息确定。标识可以通过人工标注确定。
在一些实施例中,通过时序模型确定燃气预估使用特征可以逐次进行。例如,将燃气使用数据输入时序模型,输出目标时间段中第一时间点的燃气预估使用特征;再将燃气使用数据和目标时间段中第一时间点的燃气预估使用特征输入时序模型,输出目标时间段中第二时间点的燃气预估使用特征……直到目标时间段中多个时间点的燃气预估使用特征确定为止。其中,第一时间点、第二时间点为目标时间段中的时间点,第二时间点可以晚于第一时间点。
通过时序模型可以依次得到多个时间点的燃气预估使用特征,且每个燃气预估使用特征基于上一个燃气预估使用特征确定,保证了数据的连贯性。
步骤420,基于燃气预估使用特征,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征。
在一些实施例中,智慧燃气呼叫中心在目标时间段内的预估呼叫特征可以通过对燃气预估使用特征进行进一步处理确定。例如,基于燃气高峰特征确定预估呼叫特征、基于呼叫特征预测模型确定预估呼叫特征等。关于基于燃气高峰特征确定预估呼叫特征的具体说明,参见图5及其相关描述。关于基于呼叫特征预测模型确定预估呼叫特征,参见图6及其相关描述。
在一些实施例中,时序模型的输入还可以包括燃气业务特征。燃气业务特征指燃气用户的燃气使用习惯以及燃气设备的参数特征。
在一些实施例中,燃气业务特征可以包括燃气使用频繁度以及燃气热值敏感度。燃气使用频繁度可以是燃气用户对燃气使用的频率,燃气使用频繁度可以用数值表示,数值越大,表示燃气用户使用燃气的频率越频繁。例如,燃气使用频繁度可以与用户使用燃气的周期呈反比例关系,燃气使用频繁度为2表示燃气用户每天使用2次燃气。
燃气热值敏感度可以是燃气设备对温度的敏感程度。例如,燃气灶、工业燃气炉的温度变化区间较大,其燃气热值敏感度可以较低,如数值1。燃气热水器、地暖的温度变化区间较小,其燃气热值敏感度可以较高,如数值9。
在一些实施例中,燃气业务特征可以通过用户输入确定。将燃气业务特征引入时序模型,可以提高模型与实际燃气使用情况的关联程度,提高模型输出的真实性。
本实施例中对历史燃气使用数据进行处理,提取其中的特征用于预测未来的燃气预估使用特征,使预测结果与历史数据关联;另外,预测过程使用时序模型,减少人工预测的主观程度,提高预测效率。
图5是根据本说明书另一些实施例所示的生成预估呼叫特征的示例性流程图。在一些实施例中,流程500可以由智慧燃气呼叫中心坐席管理物联网系统的智慧燃气管理平台执行。如图5所示,流程500包括下述步骤:
步骤510,基于燃气预估使用特征,生成燃气高峰特征。
燃气高峰特征可以是燃气使用高峰时段以及该时段对应的燃气使用速率。
在一些实施例中,燃气高峰特征可以是由燃气使用高峰时段和该时段对应的燃气使用速率构成的向量。例如,目标时间段为9:00~11:00的燃气高峰特征可以是:
;
其中,上述燃气高峰特征表示9:00~11:00中仅有一个燃气使用高峰,在9:30后的10分钟内,每一分钟对应一个燃气使用速率。
在一些实施例中,智慧燃气管理平台可以将燃气预估使用特征中,燃气使用速率大于或等于燃气使用速率阈值的时间点组成的时段作为高峰时段,高峰时段对应的燃气使用速率作为燃气高峰特征。例如,目标时间段9:00~11:00中,每隔1分钟获取一次燃气使用速率:0、0.1m³/h、0.3m³/h、0.5m³/h、0.6m³/h。0.62m³/h、0.45m³/h、0.41m³/h……,设燃气使用速率阈值为0.5m³/h,则0.5m³/h、0.6m³/h、0.62m³/h以及对应的时间作为燃气高峰特征。其中,燃气使用速率阈值可以人工设置确定。
在一些实施例中,当两个燃气高峰特征之间的时间间隔小于时间阈值时,该两个燃气高峰特征可以合并为一个燃气高峰特征。例如,目标时间段9:00~11:00中,每隔1分钟获取一次燃气使用速率:0、0.1m³/h、0.6m³/h、0.5m³/h、0.2m³/h、0.6m³/h、0.55m³/h、0.41m³/h……,设燃气使用速率阈值为0.5m³/h,设时间阈值为5分钟,则第一个0.6m³/h、0.5m³/h以及对应的时间作为第一燃气高峰特征,第二个0.6m³/h、0.55m³/h以及对应的时间作为第二燃气高峰特征,由于上述两个燃气高峰特征之间的时间段小于时间阈值5分钟,则上述两个燃气高峰特征可以合并为一个燃气高峰特征,合并后的燃气高峰特征可以表示为:
。
步骤520,基于燃气高峰特征,生成预估呼叫特征。
在一些实施例中,预估呼叫特征可以包括预估呼叫高峰特征。
预估呼叫高峰特征可以是智慧燃气呼叫中心呼入的高峰时段以及该时段对应的单位时间呼入数量。
在一些实施例中,预估呼叫高峰特征是由高峰时段以及该时段对应的单位时间呼入数量构成的向量。例如,目标时间段为9:00~11:00的预估呼叫高峰特征可以是:
;
其中,上述预估呼叫高峰特征表示在9:30后的10分钟内,每一分钟内的呼入数量。
在一些实施例中,智慧燃气管理平台可以基于燃气高峰特征与预估呼叫高峰特征之间的预设关系,基于燃气高峰特征,生成预估呼叫高峰特征。其中,预设关系可以通过查表确定。
在一些实施例中,智慧燃气管理平台还可以将燃气高峰特征输入呼叫特征预测模型,呼叫特征预测模型输出对应的预估呼叫高峰特征。关于呼叫特征预测模型的具体说明,参见图6及其相关描述。
在一些实施例中,智慧燃气管理平台可以将得到的预估呼叫高峰特征作为预估呼叫特征。
本说明书实施例中仅对用气高峰时段的燃气预估使用特征进行处理,确定高峰时段对应的预估呼叫特征,可以仅对高峰时段的数据进行处理,避免对无意义数据(低峰时段的数据)进行处理,提高数据使用效率。
图6是根据本说明书一些实施例所示的呼叫特征预测模型的示例性结构图。
在一些实施例中,智慧燃气管理平台可以将至少一个用户类型的燃气预估使用特征输入呼叫特征预测模型,通过呼叫特征预测模型对至少一个用户类型的燃气预估使用特征进行分析,输出目标时间段内的至少一种呼叫类型的预估呼叫特征,其中,呼叫特征预测模型为机器学习模型。例如,神经网络模型。
如图6所示,呼叫特征预测模型620的输入可以包括燃气预估使用特征(燃气预估使用特征610-1、燃气预估使用特征610-2……燃气预估使用特征610-X)。呼叫特征预测模型620的输出可以包括预估呼叫特征(预估呼叫特征630-1、预估呼叫特征630-2……预估呼叫特征630-x)。
在一些实施例中,燃气使用数据包括至少一个用户类型的燃气使用数据。其中,用户类型可以是使用燃气的燃气终端类型。例如,用户类型A可以是燃气灶、用户类型B可以是工业燃气炉……。
在一些实施例中,燃气预估使用特征包括至少一个用户类型的燃气预估使用特征。例如,燃气预估使用特征610-1可以是燃气灶用户对应的燃气预估使用特征;燃气预估使用特征610-2可以是工业燃气炉用户对应的燃气预估使用特征……。
在一些实施例中,预估呼叫特征包括至少一种呼叫类型的预估呼叫特征。其中,呼叫类型可以是燃气用户呼入的需求。例如,呼叫类型a可以是投诉、呼叫类型b可以是报修……。呼叫类型a对应预估呼叫特征630-1、呼叫类型b对应预估呼叫特征630-2……呼叫类型x对应预估呼叫特征630-x。上述用户类型和呼叫类型可以通过预设确定。
在一些实施例中,呼叫特征预测模型620可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的多组训练样本输入初始呼叫特征预测模型,基于初始呼叫特征预测模型的输出以及标识构建损失函数,基于损失函数迭代更新呼叫特征预测模型的参数。
在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的呼叫特征预测模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,训练样本可以包括多个用户类型的历史燃气预估使用特征。例如,训练样本可以包括燃气灶用户、工业燃气炉用户的历史燃气预估使用特征。标识可以是历史燃气预估使用特征对应的多个呼叫类型的预估呼叫特征。例如,标识可以包括燃气灶用户问询的预估使用特征。训练样本可以通过调用存储设备存储的信息确定。标识可以通过人工标注获取。在一些实施例中,训练样本还可以包括历史燃气预估使用特征对应的历史用户的历史燃气业务特征。
在一些实施例中,智慧燃气管理平台可以进一步用于:将至少一个用户类型的燃气预估使用特征以及至少一个用户类型的燃气业务特征输入呼叫特征预测模型,利用呼叫特征预测模型对至少一个用户类型的燃气预估使用特征以及至少一个用户类型的燃气业务特征进行分析,输出目标时间段内的至少一种呼叫类型的预估呼叫特征以及至少一种呼叫类型的呼叫容忍度。
如图6所示,呼叫特征预测模型620的输入还可以包括燃气业务特征(燃气业务特征640-1、燃气业务特征640-2……燃气业务特征640-X)。燃气业务特征640-1对应用户类型A、燃气业务特征640-2对应用户类型B……燃气业务特征640-X对应用户类型X。
呼叫特征预测模型620的输出还可以包括呼叫容忍度(呼叫容忍度650-1、呼叫容忍度650-2……呼叫容忍度650-x)。呼叫容忍度650-1对应呼叫类型a、呼叫容忍度650-2对应呼叫类型b……呼叫容忍度650-x对应呼叫类型x。对应地,呼叫特征预测模型620的训练样本还可以包括多个用户类型的历史燃气业务特征,训练标识还可以包括多个呼叫类型对应的呼叫容忍度。其中,上述训练样本和训练标识可以通过调用存储设备中存储的历史数据以确定。
呼叫容忍度表示燃气用户对接听等待的容忍程度。在一些实施例中,呼叫容忍度可以通过具体数值表示。如60、90等。可以理解的是,呼叫容忍度越大,表示执行某一呼叫类型的呼入的燃气用户可以忍受的呼叫等待时间越长。通过在模型中引入燃气业务特征,能够更好地贴近实际燃气使用情况;模型训练过程采用历史数据作为样本和标识,提高模型输出与历史数据之间的关联性;另外,通过预设用户类型和呼叫类型,保证模型输入输出维度的统一,避免不同类型数据相互干扰。
本说明书实施例中通过人工智能模型实现预估呼叫特征的判断,避免人为判断带来的主观影响;另外,在人工智能模型的输入中引入燃气用户的燃气使用习惯以及燃气设备的参数特征,使模型更贴近实际燃气使用情况,提高预测的准确性。
图7是根据本说明书一些实施例所示的确定优选坐席特征的示例性流程图。在一些实施例中,流程700可以由智慧燃气呼叫中心坐席管理物联网系统的智慧燃气管理平台执行。如图7所示,流程700包括下述步骤:
步骤710,基于预估呼叫特征,生成至少一组候选坐席特征。
候选坐席特征可以是作为候选的目标时间段内智慧燃气呼叫中心中坐席的分配情况。例如,候选坐席特征可以是对投诉呼入设置5个坐席、对报修呼入设置10个坐席、对问询呼入设置5个坐席等。在一些实施例中,候选坐席特征可以由智慧燃气管理平台的处理设备随机生成。例如,在已知智慧燃气呼叫中心总坐席数的前提下,通过排列组合、随机数等方式,确定每个呼叫类型在目标时间段内分配的坐席数,以生成至少一组候选坐席特征。
步骤720,对至少一组候选坐席特征进行至少一轮迭代优化,从至少一组候选坐席特征中确定优选坐席特征。
在一些实施例中,迭代优化可以包括:对至少一组候选坐席特征计算评估值;基于评估值进行淘汰筛选。其中,评估值相关于至少一个用户类型的燃气业务特征,至少一个用户类型的燃气业务特征包括燃气使用频繁度以及燃气热值敏感度。基于评估值进行淘汰筛选可以将评估值最大的候选坐席特征作为优选坐席特征。
评估值可以是对一组候选坐席特征的打分分值。例如,评估值可以是90、85等具体数值。可以理解的是,评估值的数值越大,对应的候选坐席特征与燃气预估使用特征的匹配程度越高。在一些实施例中,评估值可以通过人工选择确定。在一些实施例中,评估值可以通过评估值算法确定。评估值算法可以包括:
S1,基于预估呼叫特征,通过概率函数生成预估呼叫特征中每次呼叫的输入流。输入流可以是模仿预估呼叫特征中每次呼叫的模拟呼叫。概率函数可以是能够实现预估呼叫特征的函数。例如,概率函数可以是任意能够生成随机数的函数。当预估呼叫特征为10(即每分钟的呼入次数为10次),概率函数可以用于在目标时间段内每分钟随机生成10次随机起始时间或随机终止时间的呼入,以形成10个输入流。例如,概率函数随机生成起始时间为9:00:05的一次呼入、起始时间为9:00:08的一次呼入……,重复10次以形成10个输入流。
在一些实施例中,每个输入流可以包括服务时间,服务时间可以是每个坐席对每个燃气用户的平均服务时长。在一些实施例中,服务时长可以是某一呼叫类型对应的多个历史服务时间的平均值。例如,报修类呼入的服务时长可以是历史10个报修呼入服务时间的平均值。
在一些实施例中,每个输入流可以包括对应的用户类型以及呼叫类型。例如,某一输入流的用户类型可以是燃气灶用户,该输入流的呼叫类型可以是问询呼入。
在一些实施例中,输入流的服务时间还相关于对应的用户类型和呼叫类型。输入流的用户类型/呼叫类型不同时,可以设置对应的服务时间不同,以模拟不同用户类型/呼叫类型的呼入过程。
例如,当输入流的用户类型为工业燃气炉用户时,服务时间可以延长。当输入流的呼叫类型为问询时,服务时间可以延长。其中,服务时间的延长量由相关用户类型/呼叫类型的历史平均服务时间确定。通过根据用户类型/呼入类型确定输入流的服务时间,可以根据用户的真实呼入表现而调整服务时间,提高输入流模拟呼入过程的真实性。
在一些实施例中,智慧燃气管理平台可以通过第一概率函数和第二概率函数在不同时间产生不同的输入流。在一些实施例中,智慧燃气管理平台可以通过第一概率函数产生呼叫高峰之外的时间段的输入流。在一些实施例中,智慧燃气管理平台可以通过第二概率函数产生呼叫高峰对应的时间段的输入流。其中,呼叫高峰可以是上述燃气高峰特征对应的时间段。第一概率函数和第二概率函数可以不同。通过采用不同的概率函数对高峰与非高峰的输入流加以区分,可以得到模拟呼叫效果更好的输入流,提高评估值确定的准确性。
S2,利用输入流进行模拟呼叫,并统计目标时间段内的参数特征。其中,参数特征可以包括坐席平均使用率、繁忙时段占比、总呼叫等待时间等。当上述模拟呼叫到达智慧燃气呼叫中心的终端时,智慧燃气呼叫中心基于该呼叫对应的用户类型/呼叫类型,随机分配对应用户类型/呼叫类型的坐席,并进行服务。服务过程可以统计目标时间段内的参数特征。
坐席平均使用率可以是目标时间段内各个时间点坐席使用数与坐席总数之比的平均值。其中,坐席使用数可以是目标时间段内各个时间点同时工作的客服数量。繁忙时段占比可以是坐席全部使用的时长与目标时间段时长之比。其中,坐席全部使用的时长可以是所有客服同时工作对应的时长。总呼叫等待时间可以是所有燃气用户等待时间的时长之和。其中,所有燃气用户等待时间的时长之和可以是所有燃气用户在客服进行服务之前需要等待的时间之和。
在一些实施例中,评估值可以基于上述参数特征确定。例如,评估值可以通过参数特征-评估值表查表确定、或通过基于参数特征加权确定。示例性地,评估值可以通过下述公式(1)计算得到:
(1)
其中,T为评估值,为坐席平均使用率,/>为繁忙时段占比,/>为总呼叫等待时间,/>为坐席平均使用率对应的权重,/>为繁忙时段占比对应的权重,/>为总呼叫等待时间对应的权重。可以理解的是,坐席平均使用率越大,评估值越大。繁忙时段占比越大,评估值越大。总呼叫等待时间越小,评估值越大。
S3,循环执行S1、S2,得到多个评估值,取多个评估值的平均值作为至少一组候选坐席特征的最终的评估值。在一些实施例中,循环执行S1、S2的循环次数可以基于预设次数确定。例如,预设次数可以是10000次。可以理解的是,通过上述评估值算法可以确定每个候选坐席特征的评估值。
在一些实施例中,燃气用户的等待时间可以与呼叫特征预测模型输出的呼叫容忍度相关。例如,呼叫容忍度越大,等待时间越长。通过呼叫容忍度与等待时间关联,可以基于燃气用户个体的等待容忍情况,为每个燃气用户分配合理的等待时间,使坐席的分配更具合理性。
在一些实施例中,预估呼叫特征可以包括至少一个用户类型的预估呼叫特征。例如,预估呼叫特征可以是工业燃气炉用户的呼叫特征。在一些实施例中,候选坐席特征可以包括至少一个呼叫类型的坐席特征。例如,候选坐席特征可以是问询呼入的坐席特征。
在一些实施例中,智慧燃气管理平台可以对至少一组候选坐席特征计算多个评估值,每个评估值对应于至少一个用户类型的预估呼叫特征。例如,智慧燃气管理平台可以通过上述评估值算法,单独计算使用燃气灶的燃气用户对应的候选坐席特征的评估值,并选择评估值最大的候选坐席特征作为优选坐席特征。
通过将预估呼叫特征按照燃气用户的用户类型进行分类,可以将每种用户类型的使用情况单独计算,实现控制变量计算评估值,避免不同用户类型的数据相互干扰。
在一些实施例中,智慧燃气管理平台可以对至少一组候选坐席特征的多个评估值加权计算得到最终的评估值。其中,对至少一组候选坐席特征的多个评估值加权计算的权重基于至少一种呼叫类型的坐席对应的用户的燃气预估使用特征确定。
可以理解的是,燃气预估使用特征的具体数值越大,即目标时间段内的多个时间点的燃气使用速率越大,则候选坐席特征对应的评估值的权重即越大。示例性的,加权计算的权重可以是燃气预估使用特征的具体数值。例如,燃气预估使用特征中燃气使用速率为0.45m³/h,则加权计算中该评估值的权重可以是0.45。
在一些实施例中,至少一种呼叫类型的坐席还包括智能AI坐席。智能AI坐席可以用于分担人工坐席。当智慧燃气呼叫中心收到燃气用户呼入时,智慧燃气管理平台可以优先将该呼入分配至人工坐席。当人工坐席占线、繁忙时,智慧燃气管理平台可以将该呼入分配至智能AI坐席。
在一些实施例中,智能AI坐席的数量可以基于预估呼叫特征确定。例如,预估呼叫特征中预设类型的预估呼叫特征(如投诉类型)越多,智能AI坐席的数量可以越大。通过智能AI坐席可以分担人工坐席的工作压力,智能AI坐席可以处理投诉呼入中的一些简单问题,降低智慧燃气呼叫中心的坐席分配压力。
本说明书一些实施例中通过从候选坐席特征中迭代筛选出优选坐席特征,可以得到更符合燃气使用情况的坐席分配方案,实现坐席的合理规划。
本说明书提供一种计算机可读存储介质,该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,计算机执行如前述基于智慧燃气呼叫中心坐席管理方法。
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 (4)
1.一种智慧燃气呼叫中心坐席管理方法,其特征在于,所述方法由智慧燃气呼叫中心坐席管理物联网系统中的智慧燃气管理平台的处理器执行,所述方法包括:
获取燃气使用数据,所述燃气使用数据至少包括历史燃气使用速率;
基于所述燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;
基于所述预估呼叫特征,生成所述智慧燃气呼叫中心在所述目标时间段内的优选坐席特征,所述优选坐席特征包括所述目标时间段内的一个或多个时间段中每个时间段的客服数量;
将所述优选坐席特征传输给所述智慧燃气呼叫中心的终端,其中,所述基于所述燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征包括:
基于所述燃气使用数据,预测所述目标时间段内的燃气预估使用特征,其中,所述燃气预估使用特征包括所述目标时间段内的多个时间点的燃气使用速率;
基于所述燃气预估使用特征,生成所述智慧燃气呼叫中心在所述目标时间段内的所述预估呼叫特征;
所述目标时间段内的所述预估呼叫特征还相关于燃气业务特征;
所述燃气使用数据包括至少一个用户类型的燃气使用数据,所述燃气预估使用特征包括至少一个用户类型的燃气预估使用特征,所述预估呼叫特征包括至少一种呼叫类型的预估呼叫特征;
所述基于所述燃气预估使用特征,生成所述智慧燃气呼叫中心在所述目标时间段内的所述预估呼叫特征包括:
将所述至少一个用户类型的燃气预估使用特征输入呼叫特征预测模型,通过所述呼叫特征预测模型对所述至少一个用户类型的燃气预估使用特征进行分析,输出所述目标时间段内的所述至少一种呼叫类型的预估呼叫特征,其中,所述呼叫特征预测模型为机器学习模型;
所述将所述至少一个用户类型的燃气预估使用特征输入呼叫特征预测模型,通过所述呼叫特征预测模型对所述至少一个用户类型的燃气预估使用特征的分析,输出所述目标时间段内的所述至少一种呼叫类型的预估呼叫特征包括:
将所述至少一个用户类型的燃气预估使用特征以及至少一个用户类型的燃气业务特征输入所述呼叫特征预测模型,利用所述呼叫特征预测模型对所述至少一个用户类型的燃气预估使用特征以及所述至少一个用户类型的燃气业务特征进行分析,输出所述目标时间段内的所述至少一种呼叫类型的预估呼叫特征以及所述至少一种呼叫类型的呼叫容忍度;
所述基于所述预估呼叫特征,生成所述智慧燃气呼叫中心在所述目标时间段内的优选坐席特征包括:
基于所述预估呼叫特征,生成至少一组候选坐席特征;
对所述至少一组候选坐席特征进行至少一轮迭代优化,从所述至少一组候选坐席特征中确定优选坐席特征,所述迭代优化包括:
对所述至少一组候选坐席特征计算评估值,基于所述评估值进行淘汰筛选,其中,所述评估值相关于所述至少一个用户类型的燃气业务特征,所述至少一个用户类型的燃气业务特征包括燃气使用频繁度以及燃气热值敏感度。
2.如权利要求1所述的方法,其特征在于,所述预估呼叫特征包括预估呼叫高峰特征,所述基于所述燃气预估使用特征,生成所述智慧燃气呼叫中心在所述目标时间段内的所述预估呼叫特征包括:
基于所述燃气预估使用特征,生成燃气高峰特征;
基于所述燃气高峰特征,生成所述预估呼叫特征。
3.一种智慧燃气呼叫中心坐席管理物联网系统,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以及智慧燃气对象平台,其中,所述智慧燃气管理平台用于:
获取燃气使用数据,所述燃气使用数据至少包括历史燃气使用速率;
基于所述燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征;
基于所述预估呼叫特征,生成所述智慧燃气呼叫中心在所述目标时间段内的优选坐席特征,所述优选坐席特征包括所述目标时间段内的一个或多个时间段中每个时间段的客服数量;
将所述优选坐席特征传输给所述智慧燃气呼叫中心的终端,其中,所述基于所述燃气使用数据,生成智慧燃气呼叫中心在目标时间段内的预估呼叫特征包括:
基于所述燃气使用数据,预测所述目标时间段内的燃气预估使用特征,其中,所述燃气预估使用特征包括所述目标时间段内的多个时间点的燃气使用速率;
基于所述燃气预估使用特征,生成所述智慧燃气呼叫中心在所述目标时间段内的所述预估呼叫特征;
所述目标时间段内的所述预估呼叫特征还相关于燃气业务特征;
所述燃气使用数据包括至少一个用户类型的燃气使用数据,所述燃气预估使用特征包括至少一个用户类型的燃气预估使用特征,所述预估呼叫特征包括至少一种呼叫类型的预估呼叫特征;
所述基于所述燃气预估使用特征,生成所述智慧燃气呼叫中心在所述目标时间段内的所述预估呼叫特征包括:
将所述至少一个用户类型的燃气预估使用特征输入呼叫特征预测模型,通过所述呼叫特征预测模型对所述至少一个用户类型的燃气预估使用特征进行分析,输出所述目标时间段内的所述至少一种呼叫类型的预估呼叫特征,其中,所述呼叫特征预测模型为机器学习模型;
所述将所述至少一个用户类型的燃气预估使用特征输入呼叫特征预测模型,通过所述呼叫特征预测模型对所述至少一个用户类型的燃气预估使用特征的分析,输出所述目标时间段内的所述至少一种呼叫类型的预估呼叫特征包括:
将所述至少一个用户类型的燃气预估使用特征以及至少一个用户类型的燃气业务特征输入所述呼叫特征预测模型,利用所述呼叫特征预测模型对所述至少一个用户类型的燃气预估使用特征以及所述至少一个用户类型的燃气业务特征进行分析,输出所述目标时间段内的所述至少一种呼叫类型的预估呼叫特征以及所述至少一种呼叫类型的呼叫容忍度;
所述基于所述预估呼叫特征,生成所述智慧燃气呼叫中心在所述目标时间段内的优选坐席特征包括:
基于所述预估呼叫特征,生成至少一组候选坐席特征;
对所述至少一组候选坐席特征进行至少一轮迭代优化,从所述至少一组候选坐席特征中确定优选坐席特征,所述迭代优化包括:
对所述至少一组候选坐席特征计算评估值,基于所述评估值进行淘汰筛选,其中,所述评估值相关于所述至少一个用户类型的燃气业务特征,所述至少一个用户类型的燃气业务特征包括燃气使用频繁度以及燃气热值敏感度。
4.一种计算机可读存储介质,其特征在于,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,计算机执行如权利要求1至2中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310432156.6A CN116156059B (zh) | 2023-04-21 | 2023-04-21 | 智慧燃气呼叫中心的坐席管理方法、物联网系统及介质 |
US18/321,767 US11985271B2 (en) | 2023-04-21 | 2023-05-22 | Methods, internet of things systems, and media for seat management of smart gas call center |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310432156.6A CN116156059B (zh) | 2023-04-21 | 2023-04-21 | 智慧燃气呼叫中心的坐席管理方法、物联网系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116156059A CN116156059A (zh) | 2023-05-23 |
CN116156059B true CN116156059B (zh) | 2023-07-18 |
Family
ID=86374019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310432156.6A Active CN116156059B (zh) | 2023-04-21 | 2023-04-21 | 智慧燃气呼叫中心的坐席管理方法、物联网系统及介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11985271B2 (zh) |
CN (1) | CN116156059B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241924A (zh) * | 2020-09-22 | 2021-01-19 | 四川九门科技股份有限公司 | 一种智慧燃气系统 |
CN115631064A (zh) * | 2022-12-21 | 2023-01-20 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气报装管理的方法、物联网系统和存储介质 |
CN115936449A (zh) * | 2023-03-09 | 2023-04-07 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599690B2 (en) * | 2004-08-02 | 2009-10-06 | General Motors Corporation | Pre-connection system readiness for receiving voice and data commands |
US20140067401A1 (en) * | 2011-06-29 | 2014-03-06 | Manvi Sanjeeva | Provide services using unified communication content |
US20230216959A1 (en) * | 2017-01-20 | 2023-07-06 | Virtual Hold Technology Solutions, Llc | System and method for enhanced virtual queuing |
CN107578813A (zh) | 2017-09-15 | 2018-01-12 | 郑州云海信息技术有限公司 | 一种基于云计算的疫苗接种信息查询方法与系统 |
CN110392168B (zh) * | 2018-04-16 | 2021-06-01 | 华为技术有限公司 | 呼叫处理方法、装置、服务器、存储介质和系统 |
CN108776898B (zh) * | 2018-05-17 | 2022-03-29 | 一城一家网络科技有限公司 | 一种呼叫平台数据处理方法和装置 |
CN109146264B (zh) | 2018-08-02 | 2022-04-08 | 吉林财经大学 | 一种疫苗资源的配置方法和系统 |
US11112132B2 (en) * | 2018-08-22 | 2021-09-07 | Bao Tran | Systems and methods for monitoring water in a building |
US10931825B2 (en) * | 2018-10-26 | 2021-02-23 | Cisco Technology, Inc. | Contact center interaction routing using machine learning |
CN110248031A (zh) * | 2019-04-19 | 2019-09-17 | 中国联合网络通信集团有限公司 | 客服系统的排班管理方法、装置、设备和存储介质 |
JP2020197919A (ja) * | 2019-06-03 | 2020-12-10 | 東京瓦斯株式会社 | 機器情報管理制御装置、機器情報管理制御プログラム |
CN110322205A (zh) * | 2019-07-11 | 2019-10-11 | 珠海普燃软件科技有限公司 | 一种基于燃气安全大数据的燃气管理系统及方法 |
CN111131639A (zh) * | 2019-12-31 | 2020-05-08 | 亚信科技(中国)有限公司 | 一种客服坐席分配方法、装置、服务器及存储介质 |
CN113724847A (zh) | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的医疗资源分配方法、装置、终端设备及介质 |
CN113992803A (zh) * | 2021-10-20 | 2022-01-28 | 成都智元汇信息技术股份有限公司 | 智能客服呼叫中心系统 |
CN114173010B (zh) * | 2021-10-20 | 2024-05-14 | 北京水滴科技集团有限公司 | 智能匹配外呼对象的方法及装置、存储介质、计算设备 |
CN115914468B (zh) * | 2023-03-09 | 2023-05-12 | 成都秦川物联网科技股份有限公司 | 智慧燃气呼叫中心的反馈管理方法、物联网系统及介质 |
-
2023
- 2023-04-21 CN CN202310432156.6A patent/CN116156059B/zh active Active
- 2023-05-22 US US18/321,767 patent/US11985271B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241924A (zh) * | 2020-09-22 | 2021-01-19 | 四川九门科技股份有限公司 | 一种智慧燃气系统 |
CN115631064A (zh) * | 2022-12-21 | 2023-01-20 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气报装管理的方法、物联网系统和存储介质 |
CN115936449A (zh) * | 2023-03-09 | 2023-04-07 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116156059A (zh) | 2023-05-23 |
US11985271B2 (en) | 2024-05-14 |
US20230291838A1 (en) | 2023-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115773797B (zh) | 智慧燃气流量修正方法、物联网系统、装置以及介质 | |
CN115640914B (zh) | 一种智慧燃气储气优化方法、物联网系统、装置及介质 | |
Liu et al. | Economical and balanced energy usage in the smart home infrastructure: A tutorial and new results | |
Fu et al. | Learning to compete for resources in wireless stochastic games | |
Alizadeh et al. | From packet to power switching: Digital direct load scheduling | |
CN104102212B (zh) | 一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统 | |
CN116091080B (zh) | 基于智慧燃气呼叫中心的回访管理方法和物联网系统 | |
CN102711129B (zh) | 网络规划参数的确定方法及装置 | |
CN115355447B (zh) | 一种基于物联网的智慧燃气门站调压优化方法和系统 | |
JP2008295193A (ja) | 電力デマンド制御装置、システム、および方法 | |
CN115456315A (zh) | 一种用于智慧燃气的燃气管网预设管理方法和物联网系统 | |
CN116320172A (zh) | 基于智慧燃气呼叫中心的燃气运营方法与物联网系统 | |
CN109726885A (zh) | 用电量异常评估方法、装置、设备和计算机存储介质 | |
CN109727155A (zh) | 基于电量预测的用电控制方法、装置、设备和存储介质 | |
CN109040477A (zh) | 一种预测外呼算法的优化方法及外呼调度系统 | |
CN116109104A (zh) | 智慧燃气的燃气报修管理方法、物联网系统、装置及介质 | |
CN116047930A (zh) | 一种基于多端交互的可视化智能家居控制系统和控制方法 | |
CN116156059B (zh) | 智慧燃气呼叫中心的坐席管理方法、物联网系统及介质 | |
CN110113748A (zh) | 骚扰电话监控方法、装置 | |
CN109934387A (zh) | 用于估测时间的方法、装置及电子设备 | |
CN105182811A (zh) | 一种基于电器设备操作的用户智能服务方法及系统 | |
Fajar et al. | Comparison of discrete event simulation and agent based simulation for evaluating the performance of port container terminal | |
CN113055423A (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
WO2020062047A1 (zh) | 更新调度规则的方法、设备、系统、存储介质和终端 | |
CN106842964A (zh) | 个性化定制系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |