网点排班方法、装置、设备及存储介质与流程

1.本说明书涉及大数据处理技术领域，尤其是涉及一种网点排班方法、装置、设备及存储介质。


背景技术：

2.目前，网点排班多由人工完成。例如，以银行网点的人力资源排班(以下简称排班)为例，现阶段银行网点的排班一般由管理人员依据经验和员工的实际休息需求，手工规划完成。然而，这种人工规划方式不仅效率较低，也容易导致排班结果与实际业务量需求不匹配，从而容易出现网点人力资源过剩或网点人力资源不足的问题。


技术实现要素：

3.本说明书实施例的目的在于提供一种网点排班方法、装置、设备及存储介质，以提高网点排班效率，并提高排班结果与实际业务量需求的匹配度。
4.为达到上述目的，一方面，本说明书实施例提供了一种网点排班方法，包括：
5.从网点集合中选择目标网点；
6.获取所述目标网点的历史业务量，以及所述目标网点在目标时段的排班影响因子；
7.以所述历史业务量和所述排班影响因子为输入，调用自回归滑动平均模型预测所述目标网点在所述目标时段内的预测业务量；
8.获取所述目标网点的排班约束条件；
9.根据所述预测业务量和所述排班约束条件构建排班目标函数；
10.通过优化所述排班目标函数确定所述目标网点的排班数据。
11.本说明书的实施例中，所述自回归滑动平均模型包括以下模型中任意一种：
12.arma模型；
13.arima模型。
14.本说明书的实施例中，所述排班目标函数包括：
[0015][0016]
中，min表示排班目标函数最小化，t
j
表示n天内第j天，表示网点在n天内第j天的预测业务量，m表示网点在岗人数，i表示网点岗位数，表示对于任意，p
mi
表示第i个岗位上的第m个人员的平均业务处理量，c
i
表示第i个岗位所需的人力成本系数，x
i
表示第i个岗位的在岗人数，x
ia
表示x
i
中的a角色，x
ib
表示x
i
中的b角色，s.t.表示排班约束条件。
[0017]
本说明书的实施例中，所述排班约束条件，包括：
[0018][0019]
其中，p
k
表示第k个人员，x
k
表示p
k
的资质，t
k
表示p
k
的可工作日，r
i
表示x
i
的取值范围；s表示指定的多个x
i
之和，r
s
表示s的取值范围。
[0020]
本说明书的实施例中，所述通过优化所述排班目标函数确定所述目标网点的排班数据，包括：
[0021]
通过非线性规划算法优化所述排班目标函数确定所述目标网点的排班数据。
[0022]
本说明书的实施例中，所述排班影响因子包括以下中的任意一种或多种组合：
[0023]
天气状况；
[0024]
节假日；
[0025]
网点级别。
[0026]
本说明书的实施例中，所述排班约束条件包括以下中的任意一种或多种组合：
[0027]
人员资质；
[0028]
人员数量；
[0029]
人员休假信息；
[0030]
人员优先级。
[0031]
另一方面，本说明书实施例还提供了一种网点排班装置，包括：
[0032]
选择模块，用于从网点集合中选择目标网点；
[0033]
第一获取模块，用于获取所述目标网点的历史业务量，以及所述目标网点在目标时段的排班影响因子；
[0034]
调用模块，用于以所述历史业务量和所述排班影响因子为输入，调用自回归滑动平均模型预测所述目标网点在所述目标时段内的预测业务量；
[0035]
第二获取模块，用于获取所述目标网点的排班约束条件；
[0036]
构建模块，用于根据所述预测业务量和所述排班约束条件构建排班目标函数；
[0037]
优化模块，用于通过优化所述排班目标函数确定所述目标网点的排班数据。
[0038]
另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行上述方法的指令。
[0039]
另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。
[0040]
由以上本说明书实施例提供的技术方案可见，本说明书实施例中，可以以目标网点的历史业务量和目标网点在目标时段的排班影响因子为输入，调用自回归滑动平均模型预测目标网点在目标时段内的预测业务量，然后根据预测业务量和排班约束条件自动构建排班目标函数，然后通过优化排班目标函数确定目标网点的排班数据，从而实现了网点自动排班，与人工排班相比，本说明书实施例大幅提高了排班效率；并且，本说明书实施例在进行自动排班时，综合考到了网点历史业务量、网点在目标时段的排班影响因子以及排班约束条件等各种因素；从而使得排班结果与实际业务量需求的更加匹配，即提高了排班结
果与实际业务量需求的匹配度，减轻了或避免了网点人力资源过剩或网点人力资源不足的问题。
附图说明
[0041]
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0042]
图1示出了本说明书一些实施例中网点排班系统的示意图；
[0043]
图2示出了本说明书一些实施例中网点排班方法的流程图；
[0044]
图3示出了本说明书一些实施例中网点排班装置的结构框图；
[0045]
图4示出了本说明书一些实施例中计算机设备的结构框图。
[0046]
【附图标记说明】
[0047]
1、排班系统；
[0048]
2、排班客户端；
[0049]
3、业务数据库；
[0050]
4、天气预报系统；
[0051]
5、人力管理系统；
[0052]
6、渠道管理系统；
[0053]
31、选择模块；
[0054]
32、第一获取模块；
[0055]
33、调用模块；
[0056]
34、第二获取模块；
[0057]
35、构建模块；
[0058]
36、优化模块；
[0059]
402、计算机设备；
[0060]
404、处理器；
[0061]
406、存储器；
[0062]
408、驱动机构；
[0063]
410、输入/输出接口；
[0064]
412、输入设备；
[0065]
414、输出设备；
[0066]
416、呈现设备；
[0067]
418、图形用户接口；
[0068]
420、网络接口；
[0069]
422、通信链路；
[0070]
424、通信总线。
具体实施方式
[0071]
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
[0072]
本说明书的实施例涉及网点自动(或智能)排班技术。其中，网点一般是指营业网点(例如银行营业网点等)。排班一般是指规划企业员工的轮流值班。鉴于现有技术中人工排班的效率较低，以及容易出现网点排班与实际业务量需求不匹配，从而容易出现网点人力资源过剩或网点人力资源不足的问题，本说明书的实施例提供了自动化(或智能化)的网点排班技术方案。
[0073]
图1中示出了本说明书一些实施例的网点排班系统包括排班系统1和排班客户端2；排班客户端2可以提供用户登录或进行其他人机交互(例如向排班系统1发送排班请求等)；排班系统1可以与排班客户端2以及其他系统进行通信。具体而言，排班系统1可以基于定时任务或接收到排班客户端2发送的排班请求时，从网点集合中选择目标网点；从业务数据库3获取所述目标网点的历史业务量，并从天气预报系统4、人力管理系统5和/或渠道管理系统6等中，获取所述目标网点在目标时段的排班影响因子；然后以所述历史业务量和所述排班影响因子为输入，调用自回归滑动平均模型预测所述目标网点在所述目标时段内的预测业务量；从人力管理系统5获取所述目标网点的排班约束条件；根据所述预测业务量和所述排班约束条件构建排班目标函数；通过优化所述排班目标函数确定所述目标网点的排班数据；并输出目标网点的排班数据(例如向班客户端2返回携带目标网点的排班数据的排班响应)；从而实现网点自动排班。
[0074]
在一些实施例中，所述排班系统可以为具有运算和网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理和网络交互提供业务逻辑的软件。所述排班用户端可以为移动终端(即智能手机)、显示器、台式电脑、平板电脑、笔记本电脑、数字助理或智能可穿戴设备等。其中，智能可穿戴设备可以包括智能手环、智能手表、智能眼镜或智能头盔等。当然，所述用户端并不限于上述具有一定实体的电子设备，其还可以为运行于上述电子设备中的软件。
[0075]
本说明书的实施例还提供了一种网点排班方法，所述网点排班方法可以应用于上述的排班系统侧。参考图2所示，在一些实施例中，所述网点排班方法可以包括以下步骤：
[0076]
s201、从网点集合中选择目标网点。
[0077]
s202、获取所述目标网点的历史业务量，以及所述目标网点在目标时段的排班影响因子。
[0078]
s203、以所述历史业务量和所述排班影响因子为输入，调用自回归滑动平均模型预测所述目标网点在所述目标时段内的预测业务量。
[0079]
s204、获取所述目标网点的排班约束条件。
[0080]
s205、根据所述预测业务量和所述排班约束条件构建排班目标函数。
[0081]
s206、通过优化所述排班目标函数确定所述目标网点的排班数据。
[0082]
本说明书实施例中，可以以目标网点的历史业务量和目标网点在目标时段的排班
影响因子为输入，调用自回归滑动平均模型预测目标网点在目标时段内的预测业务量，然后根据预测业务量和排班约束条件自动构建排班目标函数，然后通过优化排班目标函数确定目标网点的排班数据，从而实现了网点自动排班，与人工排班相比，本说明书实施例大幅提高了排班效率；并且，本说明书实施例在进行自动排班时，综合考到了网点历史业务量、网点在目标时段的排班影响因子以及排班约束条件等各种因素；从而使得排班结果与实际业务量需求的更加匹配，即提高了排班结果与实际业务量需求的匹配度，减轻了或避免了网点人力资源过剩或网点人力资源不足的问题。
[0083]
在一些实施例中，排班系统可以基于定时任务定时执行网点排班方法，即每当定时时间到来时，排班系统可以自动执行网点排班方法，以获取排班结果。例如，在一示例性实施例中，排班系统可以每天执行一次，以获取未来7天(这里以7天作为预测时长，即以7天作为目标时段)的排班结果。在此场景下，每当定时时间到来时，排班系统可以从网点集合中选择目标网点。
[0084]
在另一些实施例中，排班系统也可以是被特定随机事件触发时执行网点排班方法，即当特定随机事件发生时，排班系统可以执行一次网点排班方法，以获取排班结果。例如，在一示例性实施例中，特定随机事件可以是接收到客户端发送的排班请求，即当排班系统接收到客户端发送的排班请求时，执行一次网点排班方法，以获取排班结果。
[0085]
网点集合是需要进行网点排班的网点的集合；网点集合的网点范围，可以根据实际需要选择。例如，以xx银行mm市分行为例，当xx银行mm市分行各网点需要统一进行网点排班时，网点集合的网点范围可以包括xx银行mm市分行的所有网点。当xx银行mm市分行允许其下各支行自行进行网点排班时，则对于xx银行mm市分行的nn支行而言，网点集合的网点范围可以为xx银行mm市分行的nn支行的所有网点。当然，这里仅是举例说明，根据实际需要，网点集合的网点范围还可以更大或更小，本说明书对此不作具体限定。
[0086]
本说明书实施例中，目标网点即为当前被选中的网点。当网点集合中有多个网点时，为了实现网点集合每个网点的自动排班，在一些实施例中，可以通过随机选取或顺序选取等方式，逐一进行排班。当然，在另一些实施例中，从网点集合中选择目标网点，也可以是在人工干预下完成，即向排班客户端提供网点选项页面，以供用户选择目标网点。
[0087]
在一些实施例中，可以从业务数据库等中获取所述目标网点的历史业务量。其中，目标网点的历史业务量可以是目标网点在指定时间范围内的历史业务量。例如，目标网点最近半年、最近一年、最近三年等的历史业务量。其中，历史业务量可以包括目标网点的所有业务(例如开户/销户业务、存款业务、贷款业务、理财业务、基金业务等)或指定的部分业务的历史业务量。
[0088]
在一些实施例中，可以从天气预报系统、人力管理系5和/或渠道管理系6等中，获取目标网点在目标时段的排班影响因子。其中，目标时段为设定的预测时长，即一次可以预测出目标网点在未来多长时间范围的排班。例如，在一示例性实施例中，目标时段可以为未来一天、未来一周、未来一个月等，根据可以根据需要选择。排班影响因子是指对排班结果造成重要影响的影响因素，如果不考虑这些班影响因子，将使得排班结果与实际业务量需求存在较大偏差。
[0089]
在一些实施例中，排班影响因子可以包括但不限于天气状况、节假日和网点级别等(以下具体说明)。
[0090]
(一)天气状况
[0091]
统计研究表明，天气状况是影响网点业务量的重要因素之一。为使得排班结果与实际业务量需求的更加匹配，可以预先通过对比不同天气下同一周期里到店客户量变化(即到网点办理业务的客户数量)，获得不同天气对到店客户数的影响程度。例如，在一示例性实施例中，可以根据近期一个月的天气预测数据，与历史同期天气数据比较。如预测天气为恶劣天气(例如35℃以上高温、冰冻、暴雨、台风、沙尘暴等天气)，则排班系统将预测出的业务量适当减少(例如减少10％～30％)；如果预测天气为正常天气(即恶劣天气之外的天气)，则无需因此减少业务量。天气状况可以从天气预报系统等中获得。其中，天气预报系统为提供天气预报信息的系统。
[0092]
(二)节假日
[0093]
节假日也是影响网点业务量的重要因素之一。例如，对多数用户而言，由于工作日上班，可能没有时间去网点办理业务，需等到周末时才可以去网点办理业务。因此，相对于正常工作日期间的网点业务需求，周末时的网点业务需求可能会更高；此外，当假期(尤其是国庆节、春节等相对较长的假期)到来时，很多客户可能要出远门或去度假等。因此，相对于正常工作日期间的网点业务需求，在此期间的网点业务需求可能会偏低。因此，排班系统可以根据目标时段对应的节假日情况，适当增减预测出的业务量。节假日情况可以从人力资源管理系统和提供节假日信息服务的外部系统等中获得。
[0094]
(三)网点级别
[0095]
网点级别是影响网点排班的重要因素之一。网点级别主要根据网点的网点规模、网点类别等确定。其中，网点规模可以通过业务范围、资源配置等信息确定。资源配置可以包括：自助终端和智能柜台等数量，柜面设置(即涉及实物实钞的柜面)和非现金柜面(一般进行理财产品的咨询销售工作，所执行的工作内容不涉及实物实钞)。网点类别是指网点是否为核算网点；核算网点是指：该网点除了执行一般网点的相关营业功能之外，还兼顾承担其所在片区辖区内全部网点的账务核算、统计、归集等工作。显然，网点规模的大小对于排班的人员数量配比上会有直接影响；鉴于核算网点需承担额外业务，在排班时，其人力投入较一般网点要更多；因此，网点类别是影响网点排班的重要因素之一。网点级别可以从渠道管理系统等中获得。其中，渠道管理系统是指维护网点资源配置信息的系统。
[0096]
上述的排班影响因子仅为示例性说明；但是，这不应被理解为对本说明书实施例中的排班影响因子的限制；考虑到排班影响因子有很多，在本说明书其他的实施例中，根据实际需要，目标网点在目标时段的排班影响因子也可以选择更多或更少。
[0097]
在一些实施例中，自回归滑动平均模型(autoregressive moving average model，arma)是一种研究时间序列的算法。其核心思想为：从历史的时间序列数据中学习到随时间变化的规律，并根据该规律去预测未来的时间序列。自回归滑动平均模型必须满足平稳性的要求。其中，平稳性是指：经由样本时间序列所得到的拟合曲线在未来一段时间内仍能顺着现有的形态惯性地延续下去。具体而言，可以通过时间序列的均值和方差是否发生明显变化来评价时间序列是否具备平稳性。就本说明书实施例的网点排班应用场景而言，由于网点的业务量总体满足平稳性要求，因此，可以用自回归滑动平均模型来预测网点排班。显然，在本说明书的实施例中，当使用自回归滑动平均模型来预测网点排班时，输入的历史业务量和输出的预测业务量也均为时间序列数据。
[0098]
在另一些实施例中，上述的arma模型可以替换为arima(autoregressive integrated moving average model，整合滑动平均自回归模型)。与arma模型运用于平稳的原始数据时间序列不同，arima模型运用于原始数据差分后是平稳的时间序列。在另一些实施例中，arma模型还可以替换为其他任何合适的时间序列预测模型。可见，在本说明书的实施例中，arma模型仅为示例性举例，而非唯一限定，在实际实施时，可以根据需要进行选择。
[0099]
为了进一步提高预测结果的准确性，在考虑上述的排班影响因素的基础上，还可以考虑网点的人员资质、人员数量、人员休假信息和人员优先级等限制性条件。其中，人员资质反映了人员的业务范围、业务水平、工作效率等，人员休假信息反映了人员的实际休息日安排，显然，这些限制性条件对于排班会产生影响，因此，可以称之为排班约束条件。在一些实施例中，排班约束条件可以从人力资源管理系统获取。
[0100]
在一些实施例中，在确定预测业务量的基础上，构建出的排班目标函数可以表示为：排班目标函数含义是：对于未来n天内的第j天，预测业务量与所有排班在岗人员的平均业务处理量总和之差最小；如此，既能满足第j天的业务量需求，也不会浪费人力资源。其中，min表示排班目标函数最小化，t
j
表示n天内第j天，表示网点在n天内第j天的预测业务量，m表示网点在岗人数，i表示网点岗位数，表示对于任意，p
mi
表示第i个岗位上的第m个人员的平均业务处理量，c
i
表示第i个岗位所需的人力成本系数，x
i
表示第i个岗位的在岗人数，x
ia
表示x
i
中的a角色，x
ib
表示x
i
中的b角色，s.t.表示排班约束条件。
[0101]
在一些实施例中，所述排班约束条件可以包括
[0102]
其中，p
k
表示第k个人员，x
k
表示p
k
的资质，t
k
表示p
k
的可工作日，r
i
表示x
i
的取值范围；s表示指定的多个x
i
之和，r
s
表示s的取值范围。
[0103]
例如，在一示例性实施例中，排班约束条件可以为：
[0104][0105]
在上述的排班约束条件中，p1～p5表示不同的员工(例如p1为小明，p2为小花等)，x1,x2,x3,x4表示目标网点的不同岗位(例如x1为现金业务，x2为基金业务等)，x
1a
和x
1b
表示一个岗位x1可以由a和b两个或多个不同的角色组成(不一定每个岗位都是如此)，即x
1a
表示x1中的a角色，x
1b
表示x1中的b角色；其他的可以参照解释。其中(p1∈{x
1b
,x
2a
,x3},p2∈{x3,x4},p3∈{x2,x3,x4},p4∈{x2,x5},p5∈{x
1a
})反映了人员资质，其等价于每个岗位上可以上
任的人员为：x1＝{p1,p5}，x2＝{p1,p3,p4}，x3＝{p1,p2,p3}，x4＝{p2,p3}，x5＝{p4}。p1∈{t1,t2,t3,t4,t5},p2∈{t1,t2,t4,t5,t6},p3∈{1,t2,t3,t4,t5,t6,t7},p4∈{1,t2,t3,t4,t5,t6},p5∈{t1,t2,t3,t4,t5}反映了各员工的可工作日。例如，以p1∈{t1,t2,t3,t4,t5}为例，p1∈{t1,t2,t3,t4,t5}表示员工p1的可工作日为未来第1天～第5天。x1≥1,x2＝1,x3≤2表示各岗位的人员数量约束条件；例如，以x3≤2为例，x3≤2表示x3岗位的日在岗人数不能超过2人。(x1+x2+x4)≤3反映了岗位人员优先级。
[0106]
在一些实施例中，对于排班影响因子相对较少，且排班约束条件相对简单的场景，可以通过benders算法、d
‑
w算法、割平面法、分支定界法、分支定价法或拉格朗日松弛算法等确定性算法求解排班目标函数，从而确定出所述目标网点的排班数据。并且，由于这些算法均为确定性算法，具有较好的收敛性，易获得全局最优解。
[0107]
相较之下，对于排班影响因子相对较多，且排班约束条件相对复杂的场景，业务需求量或人员要合理预测或简化，可行方案及其成本评估需要计算机程序辅助计算。因此可以考虑使用列生成算法、遗传算法、模拟退火算法和tabu算法等非线性规划算法求解排班目标函数，从而也可以确定出所述目标网点的排班数据。
[0108]
在一些情况下，当求解或优化排班目标函数可能难以保证全局最优时，可通过适当修改排班约束条件(例如舍弃一些不太重要的排班约束条件)或更换优化算法等，再次进行求解或优化。若仍然难以保证全局最优，则可以选择性地根据局部最优对应的求解结果，确定出所述目标网点的排班数据。在特殊情况下，若求解或优化排班目标函数难以获得局部最优，则可以抛出报错。
[0109]
此外，在一些实施例中，排班系统还可以提供应急维护接口，以便于优化排班目标函数时修改排班约束条件，或者因某些原因(例如优惠活动、突发天气等)可能导致业务量突变的情况下，人工输入或调整排班影响因子参数等，从而使得排班系统具有更大的灵活性。
[0110]
虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
[0111]
与上述的网点排班方法对应，本说明书实施例还提供了一种网点排班装置，其可以配置于上述的排班系统中。参考图3所示，在一些实施例中，所述网点排班装置可以包括选择模块31、第一获取模块32、调用模块33、第二获取模块34、构建模块35和优化模块36。其中：
[0112]
选择模块31，可以用于从网点集合中选择目标网点；
[0113]
第一获取模块32，可以用于获取所述目标网点的历史业务量，以及所述目标网点在目标时段的排班影响因子；
[0114]
调用模块33，可以用于以所述历史业务量和所述排班影响因子为输入，调用自回归滑动平均模型预测所述目标网点在所述目标时段内的预测业务量；
[0115]
第二获取模块34，可以用于获取所述目标网点的排班约束条件；
[0116]
构建模块35，可以用于根据所述预测业务量和所述排班约束条件构建排班目标函数；
[0117]
优化模块36，可以用于通过优化所述排班目标函数确定所述目标网点的排班数
据。
[0118]
在一些实施例中，所述自回归滑动平均模型包括以下模型中任意一种：
[0119]
arma模型；
[0120]
arima模型。
[0121]
本说明书的实施例中，所述排班目标函数包括：
[0122][0123]
其中，min表示排班目标函数最小化，t
j
表示n天内第j天，示网点在n天内第j天的预测业务量，m表示网点在岗人数，i表示网点岗位数，表示对于任意，p
mi
表示第i个岗位上的第m个人员的平均业务处理量，c
i
表示第i个岗位所需的人力成本系数，x
i
表示第i个岗位的在岗人数，x
ia
表示x
i
中的a角色，x
ib
表示x
i
中的b角色，s.t.表示排班约束条件。
[0124]
在一些实施例中，所述排班约束条件包括：
[0125][0126]
其中，p
k
表示第k个人员，x
k
表示p
k
的资质，t
k
表示p
k
的可工作日，r
i
表示x
i
的取值范围；s表示指定的多个x
i
之和，r
s
表示s的取值范围。
[0127]
在一些实施例中，所述通过优化所述排班目标函数确定所述目标网点的排班数据，可以包括：
[0128]
通过非线性规划算法优化所述排班目标函数确定所述目标网点的排班数据。
[0129]
在一些实施例中，所述排班影响因子包括以下中的任意一种或多种组合：
[0130]
天气状况；
[0131]
节假日；
[0132]
网点级别。
[0133]
在一些实施例中，所述排班约束条件包括以下中的任意一种或多种组合：
[0134]
人员资质；
[0135]
人员数量；
[0136]
人员休假信息；
[0137]
人员优先级。
[0138]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0139]
本说明书的实施例还提供一种计算机设备。如图4所示，在本说明书一些实施例中，所述计算机设备402可以包括一个或多个处理器404，诸如一个或多个中央处理单元(cpu)或图形处理器(gpu)，每个处理单元可以实现一个或多个硬件线程。计算机设备402还可以包括任何存储器406，其用于存储诸如代码、设置、数据等之类的任何种类的信息，一具
体实施例中，存储器406上并可在处理器404上运行的计算机程序，所述计算机程序被所述处理器404运行时，可以执行上述任一实施例所述的网点排班方法的指令。非限制性的，比如，存储器406可以包括以下任一项或多种组合：任何类型的ram，任何类型的rom，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备402的固定或可移除部件。在一种情况下，当处理器404执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备402可以执行相关联指令的任一操作。计算机设备402还包括用于与任何存储器交互的一个或多个驱动机构408，诸如硬盘驱动机构、光盘驱动机构等。
[0140]
计算机设备402还可以包括输入/输出接口410(i/o)，其用于接收各种输入(经由输入设备412)和用于提供各种输出(经由输出设备414)。一个具体输出机构可以包括呈现设备416和相关联的图形用户接口418(gui)。在其他实施例中，还可以不包括输入/输出接口410(i/o)、输入设备412以及输出设备414，仅作为网络中的一台计算机设备。计算机设备402还可以包括一个或多个网络接口420，其用于经由一个或多个通信链路422与其他设备交换数据。一个或多个通信总线424将上文所描述的部件耦合在一起。
[0141]
通信链路422可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路422可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
[0142]
本技术是参照本说明书一些实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理器的处理器以产生一个机器，使得通过计算机或其他可编程数据处理器的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0143]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理器以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0144]
这些计算机程序指令也可装载到计算机或其他可编程数据处理器上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0145]
在一个典型的配置中，计算机设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0146]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0147]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd
‑
rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算机设备访问的信息。按照本说明书中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0148]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0149]
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理器来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0150]
还应理解，在本说明书实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0151]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0152]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。