CN117172896A - 预测方法、装置、计算机设备、存储介质和程序产品 - Google Patents
预测方法、装置、计算机设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117172896A CN117172896A CN202310943531.3A CN202310943531A CN117172896A CN 117172896 A CN117172896 A CN 117172896A CN 202310943531 A CN202310943531 A CN 202310943531A CN 117172896 A CN117172896 A CN 117172896A
- Authority
- CN
- China
- Prior art keywords
- user
- waiting time
- prediction
- information
- target
- 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 48
- 238000004590 computer program Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 20
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种预测方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。采用本方法可以预测用户在银行网点办理业务所需等待的时间。
Description
技术领域
本申请涉及金融技术领域,特别是涉及一种预测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
银行网点也即是银行对外营业的地方,用户可以通过银行网点办理相关业务,例如验签、外汇等业务。
现有技术中,通常只会向用户显示银行网点的距离信息以及当前排队人数信息,并没有显示用户在银行网点办理业务所需等待的时间。
因此,亟需一种可以预测用户在银行网点办理业务所需等待的时间的方法。
发明内容
基于此,有必要针对上述技术问题,提供一种预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,可以预测用户在银行网点办理业务所需等待的时间。
第一方面,本申请提供了一种预测方法。该方法包括:
接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;
获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;
将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
在其中一个实施例中,该方法还包括:在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在其中一个实施例中,该根据预设距离阈值从多个网点中确定候选网点,包括:获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在其中一个实施例中,该将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,包括:将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;根据各该用户对应的预测等待时间确定该目标预测等待时间。
在其中一个实施例中,该等待时间预测模型包括第一预测模型以及第二预测模型,该将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间,包括:对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在其中一个实施例中,该根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间,包括:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
第二方面,本申请还提供了一种预测装置。该装置包括:
接收模块,用于接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;
获取模块,用于获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;
第一执行模块,用于将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
在一个实施例中,该预测装置还包括第二执行模块,该第二执行模块,用于:在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一个实施例中,该第二执行模块,具体用于:获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在一个实施例中,该第一执行模块,具体用于:将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;根据各该用户对应的预测等待时间确定该目标预测等待时间。
在一个实施例中,该等待时间预测模型包括第一预测模型以及第二预测模型,该第一执行模块,具体用于:对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在一个实施例中,该第一执行模块,具体用于:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面中任一所述的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一所述的步骤。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一所述的步骤。
上述预测方法、装置、计算机设备、存储介质和计算机程序产品,接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。本申请提供的预测方法基于目标网点当前时刻的业务办理信息以及等待时间预测模型,就可以确定该目标网点的目标预测等待时间,而且,由于该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息,所以基于该业务办理信息得到的目标预测等待时间也更加准确,采用本申请提供的预测方法可以精准的预测用户在银行网点办理业务所需等待的时间。
附图说明
图1为一个实施例中预测方法的流程示意图;
图2为一个实施例中在该目标预测等待时间大于预设等待时间阈值的情况下的方法的流程示意图;
图3为一个实施例中根据预设距离阈值从多个网点中确定候选网点方法的流程示意图;
图4为一个实施例中将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间方法的流程示意图;
图5为一个实施例中将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间方法的流程示意图;
图6为一个实施例中另一种预测方法的流程示意图;
图7为一个实施例中预测装置的结构框图;
图8为一个实施例中另一种预测装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
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。
银行网点也即是银行对外营业的地方,用户可以通过银行网点办理相关业务,例如验签、外汇等业务。
现有技术中,通常只会向用户显示银行网点的距离信息以及当前排队人数信息,并没有显示用户在银行网点办理业务所需等待的时间。
因此,亟需一种可以预测用户在银行网点办理业务所需等待的时间的方法。
有鉴于此,本申请提供了一种预测方法,可以预测用户在银行网点办理业务所需等待的时间。
本申请实施例提供的预测方法,其执行主体可以是一种计算机设备,该计算机设备可以是终端。
在一个实施例中,如图1所示,提供了一种预测方法,该方法包括以下步骤:
步骤101、接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点。
可选的,该网点指的是银行的线下网点,该网点预约指的是通过电子银行整合连接线下营业的网点的排队叫号机、打印机等设备,实现网点用户身份主动识别、叫号队列管理等功能,用户可通过该网点预约办理在指定网点、指定日期的业务预约,以提高效率,减少排队时间。
在一种可能实现的方式中,用户可以在网点选择页面对网点进行选择,当用户基于该网点选择页面对网点进行触发选择操作后,基于该用户的触发选择操作就可获取该网点预约请求。
可选的,该网点预约请求中包括有该用户的网点选择信息。
在一种可能实现的方式中,基于该网点预约请求中包括的网点选择信息确定目标网点的标识信息,基于该目标网点的标识信息从多个网点中确定目标网点。
步骤102、获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息。
可选的,该目标网点当前时刻待办理业务的各用户的用户年龄信息用于指示当前时刻目标网点办理业务的各用户的用户年龄。
在一种可能实现的方式中,可以先获取该目标网点网前时刻的预约信息,确定当前时刻该目标网点待办理业务的用户,并获取这些用户的预约业务信息,当用户需要在银行办理业务时,均需进行预约,无论是线上预约,还是线下预约,在预约时均需填写预约业务信息,该预约业务信息包括有用户的身份信息,其中就包括用户的年龄信息,基于预约业务信息就可获取该目标网点当前时刻待办理业务的各用户的用户年龄信息。
可选的,各该用户待办理业务的业务类型信息用于指示各个用户待办理业务的业务类型,例如存款业务,取款业务,办卡业务等。
在一种可能实现的方式中,可以先获取该目标网点网前时刻的预约信息,确定当前时刻该目标网点待办理业务的用户,并获取这些用户的预约业务信息,当用户需要在银行办理业务时,均需进行预约,无论是线上预约,还是线下预约,在预约时均需填写预约业务信息,该预约业务信息包括有用户所需办理业务的业务类型信息信息,基于该预约业务信息就可获取该目标网点当前时刻待办理业务的各用户的用户年龄信息。
步骤103、将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
可选的,该等待时间预测模型可以是时间序列模型,该等待时间预测模型可以用于预测用户在目标网点办理业务所需等待的时间。
在本申请一个可选的实施例中,可以先获取训练数据集,该训练数据集包括有多个用户的年龄信息,该多个用户的办理业务的业务类型信息,以及该多个用户办理业务的办理时长信息,基于该训练数据集训练初始等待时间预测模型,以得到等待时间预测模型。
如上文所述,将该业务办理信息输入至等待时间预测模型中,就可确定该用户若要在该目标网点办理业务所需等待的时间,也即是目标预测等待时间。
在一种可能实现的方式中,可以将该业务办理信息直接输入至该等待时间预测模型中,以得到该等待时间预测模型输出的目标预测等待时间。
上述预测方法,接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。本申请提供的预测方法基于目标网点当前时刻的业务办理信息以及等待时间预测模型,就可以确定该目标网点的目标预测等待时间,而且,由于该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息,所以基于该业务办理信息得到的目标预测等待时间也更加准确,采用本申请提供的预测方法可以精准的预测用户在银行网点办理业务所需等待的时间。
在一个实施例中,如图2所示,该方法还包括:
步骤201、在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点。
可选的,该预设等待时间阈值可以由技术人员根据实际需求预先设置。
可选的,该预设距离阈值也可以由技术人员根据实际需求预先设置。
在一种可能实现的方式中,若该目标预测等待时间大于该预设等待时间阈值,则根据该用户当前所处位置和预设距离阈值从多个网点中确定候选网点,例如,该目标预测等待时间为30min,该预设等待时间阈值为20min,则确定该目标预测等待时间大于该预设等待时间阈值,则根据该用户当前所处位置和预设距离阈值从多个网点中确定候选网点。
在另一种可能实现的方式中,若该目标预测等待时间小于或者等于该预设等待时间阈值,则根据该用户当前所处位置和预设距离阈值从多个网点中确定候选网点,例如,该目标预测等待时间为10min,该预设等待时间阈值为20min,则确定该目标预测等待时间小于该预设等待时间阈值,则不执行根据该用户当前所处位置和预设距离阈值从多个网点中确定候选网点的步骤。
步骤202、获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一种可能实现的方式中,获取该候选网点当前时刻的业务办理信息,包括该候选网点当前时刻待办理业务的各用户的用户年龄信息以及各所述用户待办理业务的业务类型信息,将该候选网点当前时刻的业务办理信息输入至等待时间预测模型中,以得到该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在本申请一个可选的实施例中,若该候选网点存在有多个,则可以先获取该多个候选网点对应的候选预测等待时间,再确定多个候选网点中候选预测等待时间最短的候选网点,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一个实施例中,如图3所示,该根据预设距离阈值从多个网点中确定候选网点,包括以下步骤:
步骤301、获取该多个网点的位置信息。
在一种可能实现的方式中,可以基于多个网点的标识信息以及位置信息服务器获取该多个网点的位置信息。
在另一种可能实现的方式中,还可以基于银行的网点位置服务器获取该多个网点的位置信息。
步骤302、根据该位置信息确定该多个网点的距离信息。
可选的,该距离信息用于表征该用户当前所处位置与该多个网点之间的距离。
在一种可能实现的方式中,可以先获取该用户当前所处的位置,基于算法处理,该用户当前所处的位置以及该多个网点的位置信息确定该距离信息。
步骤303、根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在一种可能实现的方式中,根据该预设距离阈值以及该多个网点的距离信息对该多个网点进行筛选处理,具体的,若该网点的距离信息指示的该网点与该用户当前所处位置的距离小于该预设距离阈值,则确定该网点为候选网点,若该网点的距离信息指示的该网点与该用户当前所处位置的距离大于等于该预设距离阈值,则确定该网点不为候选网点
在一个实施例中,如图4所示,该将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,包括以下步骤:
步骤401、将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;
步骤402、根据各该用户对应的预测等待时间确定该目标预测等待时间。
在一种可能实现的方式中,假设确定的当前时刻该目标网点待办理业务的用户为A用户,B用户以及C用户,可以先将该A用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到该A用户对应的预测等待时间,再将该B用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到该B用户对应的预测等待时间,再将该C用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到该C用户对应的预测等待时间,基于该A用户对应的预测等待时间,该B用户对应的预测等待时间以及该C用户对应的预测等待时间确定该目标预测等待时间。
在另一种可能实现的方式中,在一种可能实现的方式中,假设确定的当前时刻该目标网点待办理业务的用户为A用户和B用户,可以先将该A用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到该A用户对应的预测等待时间,再将该B用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到该B用户对应的预测等待时间,基于该A用户对应的预测等待时间和该B用户对应的预测等待时间确定该目标预测等待时间。
在一个实施例中,如图5所示,该等待时间预测模型包括第一预测模型以及第二预测模型,该将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间,包括以下步骤:
步骤501、对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间。
可选的,该第一预测模型指的是可以基于该用户的年龄信息预测该用户办理业务所需时间的模型。
步骤502、将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间。
可选的,该第二预测模型指的是可以基于该用户所需办理业务的业务类型信息预测该用户办理业务所需时间的模型。
步骤503、根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在一种可能实现的方式中,可以取该第一预测时间以及该第二预测时间的平均值,并确定该平均值为该用户对应的预测等待时间。
在本申请一个可选的实施例中,该根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间,包括以下步骤:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
可选的,该预设的权重系数可以由技术人员根据实际需求预先设置,该预设的权重系数用于控制该第一预设时间以及该第二预测时间对该用户对应的预测时间的影响程度,也即是该用户的年龄信息以及该用户的业务类型信息对该用户对应的预测时间的影响程度。
在一个实施例中,如图6所示,提供了另一种预测方法,该方法包括以下步骤:
步骤601、接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点。
步骤602、获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息。
步骤603、对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间,该等待时间预测模型包括第一预测模型以及第二预测模型,根据各该用户对应的预测等待时间确定该目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
步骤604、在该目标预测等待时间大于预设等待时间阈值的情况下,获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
步骤605、获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
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预测方法的预测装置。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预测装置实施例中的具体限定可以参见上文中对于预测方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种预测装置700,包括:接收模块701、获取模块702和第一执行模块703,其中:
接收模块701,用于接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;
获取模块702,用于获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;
第一执行模块703,用于将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
在一个实施例中,如图7所示,提供了另一种预测装置800,该预测装置800除了包括预测装置700包括的各个模块外,还包括第二执行模块704,该第二执行模块704,用于:在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一个实施例中,该第二执行模块704,具体用于:获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在一个实施例中,该第一执行模块703,具体用于:将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;根据各该用户对应的预测等待时间确定该目标预测等待时间。
在一个实施例中,该等待时间预测模型包括第一预测模型以及第二预测模型,该第一执行模块703,具体用于:对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在一个实施例中,该第一执行模块703,具体用于:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
上述预测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,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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和内存储器。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。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预测方法。
本领域技术人员可以理解,图9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,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:
接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;
获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;
将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一个实施例中,该根据预设距离阈值从多个网点中确定候选网点,处理器执行计算机程序时还实现以下步骤:获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在一个实施例中,该将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,处理器执行计算机程序时还实现以下步骤:将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;根据各该用户对应的预测等待时间确定该目标预测等待时间。
在一个实施例中,该等待时间预测模型包括第一预测模型以及第二预测模型,该将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间,处理器执行计算机程序时还实现以下步骤:对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在一个实施例中,该根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间,处理器执行计算机程序时还实现以下步骤:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
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:
接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一个实施例中,该根据预设距离阈值从多个网点中确定候选网点,计算机程序被处理器执行时还实现以下步骤:获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在一个实施例中,该将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,计算机程序被处理器执行时还实现以下步骤:将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;根据各该用户对应的预测等待时间确定该目标预测等待时间。
在一个实施例中,该等待时间预测模型包括第一预测模型以及第二预测模型,该将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间,计算机程序被处理器执行时还实现以下步骤:对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在一个实施例中,该根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间,计算机程序被处理器执行时还实现以下步骤:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
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:
接收网点预约请求,并基于该网点预约请求从多个网点中确定目标网点;获取该目标网点当前时刻的业务办理信息,该业务办理信息包括该目标网点当前时刻待办理业务的各用户的用户年龄信息以及各该用户待办理业务的业务类型信息;将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,并在该目标网点的预约页面显示该目标预测等待时间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在该目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;获取该候选网点的候选预测等待时间,并在该目标网点的预约页面显示该候选网点的位置信息以及该候选预测等待时间。
在一个实施例中,该根据预设距离阈值从多个网点中确定候选网点,计算机程序被处理器执行时还实现以下步骤:获取该多个网点的位置信息,根据该位置信息确定该多个网点的距离信息;根据该预设距离阈值以及该多个网点的距离信息从该多个网点中确定该候选网点。
在一个实施例中,该将该业务办理信息输入至等待时间预测模型中,以得到该目标网点的目标预测等待时间,计算机程序被处理器执行时还实现以下步骤:将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间;根据各该用户对应的预测等待时间确定该目标预测等待时间。
在一个实施例中,该等待时间预测模型包括第一预测模型以及第二预测模型,该将各该用户的用户年龄信息和业务类型信息输入至该等待时间预测模型中,以得到各该用户对应的预测等待时间,计算机程序被处理器执行时还实现以下步骤:对于每一个用户,将该用户的用户年龄信息输入至该第一预测模型中,以得到该用户的第一预测时间;将该用户的业务类型信息输入至该第二预测模型中,以得到该用户的第二预测时间;根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间。
在一个实施例中,该根据该第一预测时间以及该第二预测时间确定该用户对应的预测等待时间,计算机程序被处理器执行时还实现以下步骤:基于预设的权重系数对该第一预测时间以及该第二预测时间进行数据处理,以得到该用户对应的预测等待时间。
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,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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 (10)
1.一种预测方法,其特征在于,所述方法包括:
接收网点预约请求,并基于所述网点预约请求从多个网点中确定目标网点;
获取所述目标网点当前时刻的业务办理信息,所述业务办理信息包括所述目标网点当前时刻待办理业务的各用户的用户年龄信息以及各所述用户待办理业务的业务类型信息;
将所述业务办理信息输入至等待时间预测模型中,以得到所述目标网点的目标预测等待时间,并在所述目标网点的预约页面显示所述目标预测等待时间。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述目标预测等待时间大于预设等待时间阈值的情况下,根据预设距离阈值从多个网点中确定候选网点;
获取所述候选网点的候选预测等待时间,并在所述目标网点的预约页面显示所述候选网点的位置信息以及所述候选预测等待时间。
3.根据权利要求2所述的方法,其特征在于,所述根据预设距离阈值从多个网点中确定候选网点,包括:
获取所述多个网点的位置信息,
根据所述位置信息确定所述多个网点的距离信息;
根据所述预设距离阈值以及所述多个网点的距离信息从所述多个网点中确定所述候选网点。
4.根据权利要求1所述的方法,其特征在于,所述将所述业务办理信息输入至等待时间预测模型中,以得到所述目标网点的目标预测等待时间,包括:
将各所述用户的用户年龄信息和业务类型信息输入至所述等待时间预测模型中,以得到各所述用户对应的预测等待时间;
根据各所述用户对应的预测等待时间确定所述目标预测等待时间。
5.根据权利要求4所述的方法,其特征在于,所述等待时间预测模型包括第一预测模型以及第二预测模型,所述将各所述用户的用户年龄信息和业务类型信息输入至所述等待时间预测模型中,以得到各所述用户对应的预测等待时间,包括:
对于每一个用户,将所述用户的用户年龄信息输入至所述第一预测模型中,以得到所述用户的第一预测时间;
将所述用户的业务类型信息输入至所述第二预测模型中,以得到所述用户的第二预测时间;
根据所述第一预测时间以及所述第二预测时间确定所述用户对应的预测等待时间。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一预测时间以及所述第二预测时间确定所述用户对应的预测等待时间,包括:
基于预设的权重系数对所述第一预测时间以及所述第二预测时间进行数据处理,以得到所述用户对应的预测等待时间。
7.一种预测装置,其特征在于,所述装置包括:
接收模块,用于接收网点预约请求,并基于所述网点预约请求从多个网点中确定目标网点;
获取模块,用于获取所述目标网点当前时刻的业务办理信息,所述业务办理信息包括所述目标网点当前时刻待办理业务的各用户的用户年龄信息以及各所述用户待办理业务的业务类型信息;
第一执行模块,用于将所述业务办理信息输入至等待时间预测模型中,以得到所述目标网点的目标预测等待时间,并在所述目标网点的预约页面显示所述目标预测等待时间。
8.一种计算机设备,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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品,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6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943531.3A CN117172896A (zh) | 2023-07-28 | 2023-07-28 | 预测方法、装置、计算机设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943531.3A CN117172896A (zh) | 2023-07-28 | 2023-07-28 | 预测方法、装置、计算机设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117172896A true CN117172896A (zh) | 2023-12-05 |
Family
ID=88936542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310943531.3A Pending CN117172896A (zh) | 2023-07-28 | 2023-07-28 | 预测方法、装置、计算机设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172896A (zh) |
-
2023
- 2023-07-28 CN CN202310943531.3A patent/CN117172896A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909234A (zh) | 工作流数据的时限提醒方法、处理方法及其装置、设备 | |
CN117172450A (zh) | 业务序列处理方法、装置、设备、介质和产品 | |
CN117035980A (zh) | 资源借调评估方法、装置、计算机设备和存储介质 | |
CN116737373A (zh) | 负载均衡方法、装置、计算机设备、存储介质 | |
CN117172896A (zh) | 预测方法、装置、计算机设备、存储介质和程序产品 | |
CN117391330A (zh) | 金融业务办理顺序确定方法、装置和计算机设备 | |
CN117474650A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN117217438A (zh) | 号码分配方法、装置、计算机设备和存储介质 | |
CN117648484A (zh) | 内容推荐方法、装置、计算机设备和存储介质 | |
CN117437051A (zh) | 金融业务虚拟资源转移方法、装置、计算机设备和介质 | |
CN116884132A (zh) | 线上排队的等待时间确定方法、装置、设备和存储介质 | |
CN117455501A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
CN117853217A (zh) | 数据隐私保护的金融违约率预测方法、装置以及设备 | |
CN117132283A (zh) | 识别方法、装置、计算机设备、存储介质和程序产品 | |
CN117291535A (zh) | 业务处理方法、装置和计算机设备 | |
CN116561189A (zh) | 业务处理方法、装置、计算机设备、存储介质和程序产品 | |
CN117171444A (zh) | 问卷信息推送方法、装置、计算机设备和存储介质 | |
CN117391757A (zh) | 资源回馈参数的确定方法、装置和计算机设备 | |
CN116866419A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN116739775A (zh) | 申请资格的调查方法、申请准入系统、装置和计算机设备 | |
CN114418747A (zh) | 资金回流检测方法、装置、计算机设备、介质和程序产品 | |
CN117649303A (zh) | 保全业务受理方法、装置、计算机设备和存储介质 | |
CN117455386A (zh) | 资源审核方法、装置、计算机设备及其存储介质 | |
CN117273922A (zh) | 交易预警方法、装置、计算机设备和存储介质 | |
CN116993358A (zh) | 业务处理方法、装置、计算机设备、存储介质和程序产品 |
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 |