收费处排队叫号方法、系统及计算机可读存储介质

本发明涉及智能叫号，具体涉及收费处排队叫号方法、系统及计算机可读存储介质。

背景技术：

1、现有收费处排队叫号系统，排队时间的计算往往采用历史的统计数据，不够精准；所有窗口的类型一般是固定的，即可办理的业务类型和服务类型一般也是固定的，不能根据实际情况动态调整窗口可办理的业务类型和可提供的服务类型；所有业务的优先级一般是相同的，难以为特定业务提供优先叫号的服务；用户取号楼层往往是固定的，用户一般只能取当前楼层的号，不会推荐到其他楼层以节省排队时间。导致现有医疗系统的排队效率低下，排队时间长，就医体验差。

技术实现思路

1、鉴于上述问题，本发明实施例提供了收费处排队叫号方法、系统及计算机可读存储介质，解决了现有医疗系统的排队效率低下，排队时间长，就医体验差的问题。

2、根据本发明实施例的一个方面，提供了一种收费处排队叫号方法，所述方法至少包括：

3、获取用户病历号，并根据所述病历号选择业务类型、服务类型；

4、根据所述业务类型、服务类型，查询收费处的窗口类型，获取匹配窗口，

5、根据所述匹配窗口，通过排队算法模型获得各匹配窗口的排队时间，并确定每个楼层排队时间最短的匹配窗口作为目标窗口；

6、将每个楼层的目标窗口，提供用户进行选择；

7、其中，所述通过排队算法模型获得各匹配窗口的排队时间包括：通过业务处理时间、服务暂停时间之和计算获得各匹配窗口的排队时间。

8、在一种可选的方式中，所述排队算法模型，具体通过以下公式获取排队时长：

9、t＝thandle+tsuspend·p，

10、其中，thandle为业务处理时间，tsuspend为服务暂停时间，p为服务暂停概率。

11、在一种可选的方式中，计算所述业务处理时间，还包括：

12、根据系统日志，获取各匹配窗口的业务优先级；

13、计算所述业务处理等候时间时，将该用户根据业务优先级顺序进行排序或者在排到同一业务优先级的最后一个，并计算业务处理时间。

14、在一种可选的方式中，所述业务处理时间通过匹配窗口的在先排队的各业务排队人数进行计算，具体通过以下公式进行计算：

15、

16、其中，是匹配窗口业务员处理第i类业务的第j个用户的时间，i＝1,2,…,n，n是指该用户前面排队队列中业务的种类数量；j＝1,2,…,mi，mi是第i类业务的用户数量，所述通过以下公式获得：其中，是业务员处理第i类业务时间的历史平均时间，通过系统日志统计获得；是业务员处理第i类的第j个用户时间的校准值，通过bp神经网络模型获得。

17、所述通过bp神经网络模型获得，具体包括：

18、通过所述用户病历号，获得用户年龄、用户医保所在省市、用户费用条目，并将用户年龄、用户医保所在省市、用户费用条目输入到bp神经网络模型的输入层中；

19、所述bp神经网络模型的隐藏层和输出层采用leaky relu激活函数，计算并输出

20、其中，所述bp神经网络模型通过以下步骤训练获取：

21、设定误差函数其中为校准值的目标值，zy为校准值的计算值；

22、将系统日志记载的x1,x2,x3,作为训练样本，其中，x1为用户年龄，x2为用户医保所在省市，x3为用户费用条目；得到，为业务员处理第i类业务任一用户业务的实际时间，为业务员处理第i类业务的历史平均时间；

23、通过梯度下降算法，对隐藏层到输出层以及输入层到隐藏层的权重进行更新，获得bp神经网络模型。

24、在一种可选的方式中，所述业务处理时间通过匹配窗口的在先排队的各业务排队人数进行计算，具体通过以下公式进行计算：

25、

26、其中，i＝1,2,…,n，j＝1,2,…,mi，是匹配窗口业务员处理第i类业务的第j个用户的时间，n是指该用户前面排队队列中业务的种类数量；mi是第i类业务的用户数量,既往的每一条都可以由系统日志查询到。为了预测准确的结合了基准值和校准值：

27、

28、其中，是匹配窗口业务员处理第i类业务时间的基准值，该时间为匹配窗口业务员处理第i类业务的历史平均时间，可以由系统日志统计得到。是匹配窗口业务员处理第i类的第j个用户时间的校准值，是指多种因素导致业务处理时间的真实值和基准值存在偏差：

29、

30、为了得到本专利采用基于bp神经网络模型。该bp神经网络模型一共包括3层神经网络。

31、第一层为输入层，一共3个单元，分别指用户年龄、用户医保所在省市、用户费用条目。隐藏层有7个单元，输出层为业务处理时间的校准值。

32、隐藏层单元hj的计算表达式为：

33、

34、其中hj,j＝1,2,…,7，为隐藏层单元；xi，i＝1,2,3，为输入层单元；i＝1,2,3,j＝1,2,…,7，为输入层到隐藏层的权重；阈值b1＝1，b1的权重为j＝1,2,…,7。

35、隐藏层单元hj的输出zj：

36、

37、其中，zj,j＝1,2,…,7，为隐藏层激活后的输出。隐藏层的激活函数采用leakyrelu函数，其中系数a1＝0.5。

38、隐藏层输出zj到输出层单元y的计算表达式为：

39、

40、其中wj2,j＝1,2,…,7，为隐藏层到输出层的权重，阈值b2＝1，b2的权重为

41、输出层单元y的输出zy：

42、

43、其中，zy为输出层激活后的输出，即最终得到的校准值。隐藏层的激活函数采用leaky relu函数，其中系数a2＝0.5。隐藏层和输出层的输出均采用leaky relu激活函数。原因是leaky relu为线性函数，计算速度比sigmoid和tanh快得多，适于本专利窗口排队实时性要求高的场景。其次，本专利的校准值有正数和负数情况。最后，相比relu函数解决了dead relu问题，即当输入为负时，leaky relu仍然有效。

44、设定误差函数

45、其中为校准值的目标值，zy为校准值的计算值。将历史的作为训练样本，其中x1,x2,x3分别指用户年龄、用户医保所在省市、用户费用条目，通过系统日志可以查询到。为校准值，为业务员处理第i类业务该用户业务的实际时间，为业务员处理第i类业务的历史平均时间，均可由系统日志查询和统计得到。

46、通过梯度下降方法，对隐藏层到输出层以及输入层到隐藏层的权重进行更新：

47、

48、

49、其中η为学习率，这里取值0.5。

50、在一种可选的方式中，所述当前业务员平均暂停时长tsuspend可以通过查询系统日志统计获得，所述在排到该患者之前业务员服务暂停的概率期望值通过以下步骤进行计算：

51、根据系统日志统计出匹配窗口的当前业务员在各个时间段暂停服务的频率f(t),t∈tk,k＝1…k，其中，tk表示第k个时间段，k表示时间段的数量，为业务员的暂停周期，即业务员在之前暂停的概率期望值为1,

52、获取当前业务员自从上一次开启服务后的服务时长t0，则排到该用户时业务员的服务时长为t0+thandle，在排到该用户之前业务员服务暂停的概率期望值p为：

53、

54、其中表示向下取整函数。j是为排到当前用户时刻所在的时间段序号，即其中％为求余函数，tj,begin和tj,end分别是tj时间段的开始时刻和结束时刻。

55、在一种可选的方式中，所述在排到该患者之前业务员服务暂停的概率期望值通过以下步骤进行计算：

56、根据系统日志统计出匹配窗口的当前业务员在各个时间段暂停服务的频率f(t),t∈tk,k＝1…k，可以通过系统日志统计获得，其中，tk表示第k个时间段，k表示时间段的数量，可以理解为业务员的暂停周期，即业务员在之前暂停的概率期望值为1,

57、获取当前业务员自从上一次开启服务后的服务时长t0，则排到该用户时业务员的服务时长为t0+thandle，在排到该用户之前业务员服务暂停的概率期望值p为：

58、

59、其中表示向下取整函数。j是指排到该用户时刻所在的时间段序号，即其中％为求余函数，tj,begin和tj,end分别是tj时间段的开始时刻和结束时刻。

60、在一种可选的方式中，所述服务暂停时间通过系统日志统计的平均服务暂停时间获得。

61、在一种可选的方式中，在所述确定每个楼层排队时间最短的匹配窗口作为目标窗口之后，还包括：

62、通过收费处自助机或手机app的扫描信息，确认用户所在楼层；

63、根据所述用户所在楼层，查询各楼层收费处行程统计表，获取用户到各楼层的目标窗口所需的行程时间，并将所述行程时间提供给用户；

64、其中，各楼层收费处行程统计表包括任一楼层收费处到其他楼层收费处的时间。

65、在一种可选的方式中，所述获取用户病历号，并根据所述病历号选择业务类型、服务类型，包括：

66、通过收费处自助机或手机app接收用户病历号、业务类型、服务类型；

67、查询病历号的用户信息、费用信息，并判断用户选择的业务类型是否正确；

68、若是则按照业务类型、服务类型进行窗口类型匹配；

69、否则业务类型、服务类型选择错误并提示重新选择；

70、其中，业务类型包括门诊类型、住院类型，所述门诊类型具体包括缴费、退费、打印收据、特定优待人群；所述住院类型具体包括入院、出院、特定优待人群；窗口类型包括业务类型优先级、服务类型，所述业务类型优先级由每个窗口业务员确定或通过系统确定，所述服务类型包括普通话、本地语言和英语中任一项或多项。

71、在一种可选的方式中，所述收费处的窗口类型，是指窗口可办理的业务类型，业务优先级和可提供的服务类型，其中这三者均可由业务员进行选择；和/或，所述收费处的各个窗口类型，由管理员根据各个窗口的实际排队情况进行实时调整。

72、根据本发明实施例的另一方面，提供了一种收费处排队叫号系统，所述系统包括：

73、信息获取模块，用于获取用户病历号，并根据所述病历号选择业务类型、服务类型；

74、信息匹配模块，用于根据所述业务类型、服务类型，查询收费处的窗口类型，获取匹配窗口；

75、信息处理模块，用于根据所述匹配窗口，通过排队算法模型获得各匹配窗口的排队时间，并确定每个楼层排队时间最短的匹配窗口作为目标窗口；将每个楼层的目标窗口，提供用户进行选择；其中，所述通过排队算法模型获得各匹配窗口的排队时间包括：通过业务处理时间、服务暂停时间之和计算获得各匹配窗口的排队时间。

76、根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在如上述的一种收费处排队叫号系统上运行时，使得一种收费处排队叫号系统执行如上述的一种收费处排队叫号方法的操作。

77、本发明实施例提供了一种收费处排队叫号方法、系统及计算机可读存储介质，其有益效果在于：本发明结合了基于历史数据的基准值和基于神经网络的校准值计算业务处理时间，并考虑到业务员暂停服务时间，精确计算用户的预计排队时间；本发明基于业务类型和服务类型匹配窗口，并根据业务优先级排序，计算出匹配窗口等待时间最短的窗口和时间；同时，本发明还通过计算用户到各楼层窗口的路程时间，并将目标窗口、预计等候时间推荐给用户，从而减少排队时间。通过本发明方案计算排队时间更加准确，可有效提高医院排队效率，以及提高就医体验。

78、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。