流量调度方法和装置、计算设备及存储介质与流程

本说明书涉及流量预测技术领域，特别涉及一种流量调度方法和装置、计算设备及存储介质。

背景技术

人工智能时代，业界众多公司都已经具备ivr(interactivevoiceresponse，互动式语音应答)和机器人自助服务双重服务能力。ivr服务由人工坐席承接可服务资源有限，而机器人自助服务能力几乎能满足所有服务诉求但是体验略低于人工服务。

在智能ivr系统中，用户会被要求描述遇到问题。系统根据描述识别出求助的“标准问题”。由于ivr和自助机器人使用同一套知识库，因此根据热线求助问题可以计算出其在自助的解决率。运营人员在每个月更新一次问题自助解决率基准值。用户每次拨打电话进入到ivr后都会将识别出的标准问题自助解决率与解决率基准值对比。若高于解决率基准值话务分流到自助机器人解决，若低于解决率基准值话务分流到人工服务解决。

用户遇到问题后，会在特定的时间内进行求助。例如早上就是一个电话求助高峰期，此时流入量增加，应答量处于饱和且一直恒定。若没有分流用户到机器人自助服务，会使大量的用户面临长时间等待后挂断电话。相对比而言自助服务的体验要高于电话无法接通的体验。

由于来电分布不均匀，一天总会存在话务相对较少的时段。这个时候坐席小二较为空闲，但是此时一个用户拨打电话进来后因为问题相对简单被分流到机器人自助服务，不能享用空闲坐席资源，体验不佳且造成人力浪费。

技术实现要素：

有鉴于此，本说明书实施例提供了一种流量调度方法和装置、计算设备及存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种流量调度方法，包括：

获取通过预先建立的流量预测模型得到的(t+1)时段的第二预测流量，其中，t为当前时段的序号，(t+1)为当前时段的下个时段的序号；

根据所述(t+1)时段的第二预测流量、(t+1)时段的产能、自动分流至人工的比例、目标接通率和分流自助不接受比例确定调级比例；

根据所述调级比例进行流量的调级调度。

根据本说明书实施例的第二方面，提供了一种流量调度装置，包括：

预测流量获取器，被配置为获取通过流量预测方法得到的(t+1)时段的第二预测流量，其中，t为当前时段的序号，(t+1)为当前时段的下个时段的序号；

比例计算器，被配置为根据所述(t+1)时段的第二预测流量、(t+1)时段的产能、自动分流至人工的比例、目标接通率和分流自助不接受比例确定调级比例；

调度器，被配置为根据所述调级比例进行流量的调级调度。

根据本说明书实施例的第三方面，提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现所述的流量调度方法的步骤。

根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现所述的流量调度方法的步骤。

本说明书实施例的流量调度方案对下一时段的流量进行滚动预测，同时参考分流机器人服务接受率、产能、目标接通率得到调级比例，进而根据生成的比例进行话务升、降级调度，从而在话务高峰来临前，通过精准降级调度，分流需要长时间等待用户到机器人自助服务，避免用户长时间等待或呼损，提升用户体验；在话务低谷来临前，通过精准升级调度，分流本该机器人服务的话务到人工服务，保证坐席资源的充分利用，提升用户求助体验。

附图说明

图1是示出了根据本说明书一实施例的计算设备100的结构框图；

图2是示出了根据本说明书一实施例的流量预测模型的实现方法的示意性流程图；

图3是示出了根据本说明书一实施例的流量预测方法的示意性流程图；

图4是示出了根据本说明书一实施例的流量调度方法的示意性流程图；

图5是示出了本说明书一个实施例的流量预测模型实现方法和流量预测方法的示意性流程图；

图6是示出了根据本说明书一个实施例的流量预测调度系统的模块图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。

如前所述，用户遇到问题后，会在特定的时间内通过固定电话或网络电话向客服求助，例如银行等机构的客服电话一般是固定电话，京东等网上商城一般是网络电话或固定电话。无论是固定电话客服还是网络电话客服一般都包括人工服务和机器人自助服务两种方式。归纳起来，当前ivr现状包括了两个问题：

1、在话务高峰期，用户在ivr中面临等待长时间等待没有分流到机器人自助服务，导致用户主动挂机。从体验上说机器人自助服务比呼损要好。

2、在话务低谷期，坐席资源相对空闲却有用户打电话后被分流在机器人自助服务，导致用户没有享受到人工服务造成资源浪费和较差服务体验。

针对当前ivr现状，在本说明书中，提供了一种流量预测、调度方法和装置、计算设备及存储介质，在下面的实施例中逐一进行详细说明。

图1是示出了根据本说明书一实施例的计算设备100的结构框图。该计算设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接，数据库150用于保存用户数据。

计算设备100还包括接入设备140，接入设备140使得计算设备100能够经由一个或多个网络通信。这些网络的示例包括公用交换电话网(pstn)、局域网(lan)、广域网(wan)、个域网(pan)或诸如因特网的通信网络的组合。接入设备140可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic))中的一个或多个，诸如ieee802.11无线局域网(wlan)无线接口、全球微波互联接入(wi-max)接口、以太网接口、通用串行总线(usb)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc)接口，等等。

在本说明书的一个实施例中，计算设备100的上述以及图1中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图1所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备100可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或pc的静止计算设备。计算设备100还可以是移动式或静止式的服务器。

图5是示出了本说明书一个实施例的流量预测模型实现方法和流量预测方法的示意性流程图。如图5所示，图中的方法步骤与图2、图3实施例相对应，以下结合图5对图2、图3实施例进行介绍。

其中，处理器120可以执行图2所示方法中的步骤。图2是示出了根据本说明书一实施例的流量预测模型的实现方法的示意性流程图，包括步骤202、步骤204和步骤206。

步骤202：获取设定时段的实际流量和所述设定时段之前连续间隔设定时长的多个时段的实际流量，以及获取利用第一预测方法得到的所述设定时段的第一预测流量和所述多个时段的第一预测流量，其中所述设定时段是当前时段之前的时段。

一种实现方式中，所述流量为话务流量，如采样今天当前时段之前的实际流量数据，每30min作为一个时段，得到今天当前时段之前的真实流量。例如，今天当前时段之前的真实流量包括(t-1)时段的实际流量、(t-2)时段的实际流量、(t-3)时段的实际流量，(t-1)为当前时段的上个时段的序号，(t-2)为(t-1)时段的上个时段的序号、(t-3)为(t-2)时段的上个时段的序号。

步骤204：基于所述设定时段的实际流量和所述设定时段的第一预测流量得到所述设定时段的预测误差量，以及基于所述多个时段的实际流量和所述多个时段的第一预测流量得到所述多个时段的预测误差量序列。

一种实现方式中，所述第一预测方法可以采用现有的数据预测方法进行数据预测得到第一预测流量。例如，所述第一预测流量可以包括(t-2)时段的第一预测流量、(t-1)时段的第一预测流量、t时段的第一预测流量和(t+1)时段的第一预测流量；相应的，取今天当前时段之前的所有时段的实际流量可以得到当前时段之前所有时段的误差量序列(f-1，f-2，f-3…)。

步骤206：训练流量预测模型，所述流量预测模型使得所述多个时段的预测误差量序列和所述设定时段的预测误差量相关联。

一种实现方式中，可以采用深度学习算法生成预测模型，并采用所述多个时段的预测误差量序列和所述设定时段的预测误差量作为输入进行训练，使得多个时段的预测误差量序列和所述设定时段的预测误差量相关联，训练得到流量预测模型的模型因子。本说明书上说实施例的流量预测模型通过采样实际流量数据并与常规的预测方法形成误差序列对下一时段的流量误差进行滚动预测，相较于现有的预测方法，提高了流量预测的准确率。

在一种实现方式中，将训练得到的流量预测模型存储在磁盘中，以供后续的流量预测使用。

其中，处理器120还可以执行图3所示方法中的步骤。图3是示出了根据本说明书一实施例的流量预测方法的示意性流程图，包括步骤302、步骤304和步骤306。

步骤302：调用流量预测模型。

其中，可以预先将训练得到的流量预测模型存储在磁盘中，在后续的流量预测中可以直接调用。

步骤304：将(t+1)时段作为所述设定时段对时段序列进行更新，通过所述流量预测模型得到(t+1)时段的预测误差量，其中，t为当前时段的序号，(t+1)为当前时段的下个时段的序号。

其中，输入当前时段即可对时段序列进行更新，模型预测流量误差值，从而可以滚动更新预测。

步骤306：根据所述(t+1)时段的预测误差量和利用第一预测方法预测得到的(t+1)时段的第一预测流量得到(t+1)时段的第二预测流量。

假设模型预测流量误差值为f0，则最终输出预测流量f＝f0+fbi，fbi为采用数据拟合方法得到的预测流量。

一种实现方式中调用流量预测模型的模型因子如表1所示。

一种实现方式中，当前时段的实际流量通过调用流量预测模型计算得到：调用流量预测模型，将当前时段作为所述设定时段对时段序列进行更新，通过所述流量预测模型得到当前时段的预测误差量；根据所述当前时段的预测误差量和利用第一预测方法预测得到的当前时段的第一预测流量得到当前时段的第二预测流量，将当前时段的第二预测流量作为当前时段的实际流量。

一种实现方式中，当前时段的实际流量通过对当前时段的流量属性特征进行拟合得到，例如，可以根据当前时段中当前时刻之前的平均流量速度进行计算得到，也可以按照当前时段的上个时段的平均通话时长、上个时段的工时利用率和当前时段的排班人数进行计算得到。

表1流量预测模型的模型因子

本说明书上说实施例的流量预测模型通过采样实际流量数据并与常规的预测方法形成误差序列对下一时段的流量进行滚动预测，相较于现有的预测方法如数据拟合方法，提高了流量预测的准确率。

其中，处理器120可以执行图4所示方法中的步骤。图4是示出了根据本说明书一实施例的流量调度方法的示意性流程图，包括步骤402、步骤404和步骤406。

其中，处理器120还可以执行图4所示方法中的步骤。图4是示出了根据本说明书一实施例的流量调度方法的示意性流程图，包括步骤402、步骤404和步骤406。

步骤402：获取通过预先建立的流量预测模型得到的(t+1)时段的第二预测流量，其中，t为当前时段的序号，(t+1)为当前时段的下个时段的序号。

步骤404：根据所述(t+1)时段的第二预测流量、(t+1)时段的产能、自动分流至人工的比例、目标接通率和分流自助不接受比例确定调级比例。

其中，在流量自动调度过程中，用户拨打客服电话描述问题，若问题对应的标准问题的解决率大于基准值则输出至机器人自助服务，否则输出至人工坐席服务。渠道调度升级是对渠道调度输出自助的话务的流量，按照升级比例强制输出至人工服务，例如，在10点～11点升级30％，则在该时段内本该由渠道调度输出至机器人自助服务的话务总量的30％强制输出至人工坐席服务。渠道调度降级是对渠道调度输出人工的话务,按照降级比例强制输出自助。例如:在10点～11点降级30％,则在该时段内本该由渠道调度输出人工的话务总的30％强制输出机器人自助服务。

一种实施方式中，升降级调度公式推导如下：

已知：m是滚动预测流入量，n是分流自助不接受比例，k是产能，l是目标接通率，t自动分流至人工的比例。

求证:不经过升降级，设自动分流到人工服务、自助的流量、承接缺口分别为：manflow，botflow，responsegap，则

manflow＝m*(1-t)+m*t*n

botflow＝m*t*(1-n)

a.当botflow大于0时，可以进行升级操作，即将自动分流至自助服务的流量部分地升级到人工服务，假设升级的比例是r1，

responsegap＝k-manflow*l

botflow*r1＝responsegap，

b.当botflow小于0时，可以进行降级操作，即将自动分流至人工服务的流量部分地降级到自助服务，假设降级的比例是r2，

responsegap＝manflow*l-k

m*(1-t)*(1-n)*r2＝responsegap

其中，产能预估是在某个基于排班数据预估的话务员可以承接话务量，可以根据下个时段的排班人数和下个时段的承诺量计算得到。

步骤406：根据所述调级比例进行流量的调级调度。

一种实现方式中，根据所述调级比例进行流量的调度步骤包括：

步骤4062：获取用户的问题描述信息，根据所述问题描述信息确定对应的标准问题。

一种实施方式中，当所述流量为话务流量时，所述问题描述信息可以通过语音识别转文本的方式获取，进而根据语义相似度计算或关键词搜索查找到对应的标准问题，例如，可以调用预先建立的问题识别模型，通过所述问题识别模型计算所述问题描述信息与每个标准问题的相似度，进而根据与每个所述标准问题的相似度的大小关系确定所述问题描述信息对应的标准问题。

步骤4064：根据问题与技能映射表确定所述标准问题对应的技能组、自助解决率和解决率基准值，根据所述自助解决率和所述解决率基准值的关系将该用户分流至自助服务或人工服务，其中，所述问题与技能映射表保存有每个标准问题对应的技能组、自助解决率和解决率基准值。

其中，自助解决率是采用现有方法(如数据拟合方法)离线分析算出的标准问题在自助服务渠道的解决率。解决率基准值是根据专家经验设置的问题在机器人自助服务的解决率阈值。所述问题与技能映射表中的标准问题、技能组、自助解决率和解决率基准值可以根据运行过程中情况的变化进行定期或不定期更新。

步骤4066：根据所述调级比例对分流至自助服务或人工服务的流量进行强制调级。

在一种实施方式中，还可以根据用户的级别为用户提供个性化的升降级服务，以提升优质客户的体验，例如，可以通过用户的手机号码或用户名信息识别出用户的身份信息，根据所述身份信息查询用户数据库确定用户的级别，其中，所述用户数据库中存储有用户的身份信息及对应的级别。在根据所述调级比例进行流量的升级调度时，可以优先对用户的级别高于级别阈值的用户(如vip级别或金牌级别用户)的流量进行升级调度。在根据所述调级比例进行流量的降级调度时，优先对用户的级别低于级别阈值的用户(如非vip级别或铁牌级别用户)的流量进行降级调度。

本说明书实施例的流量调度方案对下一时段的流量进行滚动预测，同时参考分流机器人服务接受率、产能、目标接通率得到调级比例，进而根据生成的比例进行话务升、降级调度，从而话务高峰来临前，进行精准降级调度，引流。

需要长时间等待用户到机器人自助服务，避免用户长时间等待或呼损，提升用户体验；在话务低谷来临前，通过精准升级调度，分流本该机器人服务的话务到人工服务，保证坐席资源的充分利用，提升用户求助体验。

本说明书的上述实施例通过建立流量预测模型来精确地进行升降级调度，避免人工凭借经验做调度造成误差较大，保证了用户体验和资源合理利用。

与前述流量预测模型的实现方法相对应，本说明书还提供了流量预测模型的实现装置实施例，所述装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，本说明书生成事件检测模型的装置所在设备的一种硬件结构可以包括处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常根据该事件检测的实际功能，还可以包括其他硬件，对此不再赘述。

参见图6，为本说明书一实施例提供的流量预测调度系统的模块图。该流量预测度系统包括流量预测模型的实现装置700、流量预测装置800和流量调度装置900和存储装置1000。流量预测模型的实现装置700用于根据训练样本生成流量预测模型，所生成的模型存储在存储装置1000中，流量预测装置800根据当前时段进行流量预测时先从存储装置1000中调用该模型。以下分别对流量预测模型的实现装置700、流量预测装置800和流量调度装置900和存储装置1000进行详细介绍。

流量预测模型的实现装置700对应了图2所示实施例，所述装置700包括:

流量获取器710，被配置为获取设定时段的实际流量和所述设定时段之前连续间隔设定时长的多个时段的实际流量，以及获取利用第一预测方法得到的所述设定时段的第一预测流量和所述多个时段的第一预测流量，其中所述设定时段是当前时段之前的时段；

误差序列生成器720，被配置为基于所述设定时段的实际流量和所述设定时段的第一预测流量得到所述设定时段的预测误差量，以及基于所述多个时段的实际流量和所述多个时段的第一预测流量得到所述多个时段的预测误差量序列；

模型训练器730，被配置为训练流量预测模型，所述流量预测模型使得所述多个时段的预测误差量序列和所述设定时段的预测误差量相关联。

流量预测装置800对应了图3所示实施例，所述装置800包括:

模型调用器810，被配置为调用流量预测模型；

误差计算器820，被配置为将(t+1)时段作为所述设定时段对时段序列进行更新，通过所述流量预测模型得到(t+1)时段的预测误差量，其中，t为当前时段的序号，(t+1)为当前时段的下个时段的序号；

流量预测器830，被配置为根据所述(t+1)时段的预测误差量和利用第一预测方法预测得到的(t+1)时段的第一预测流量得到(t+1)时段的第二预测流量。

流量调度装置900对应了图4所示实施例，所述装置900包括:

预测流量获取器910，被配置为获取通过流量预测方法得到的(t+1)时段的第二预测流量，其中，t为当前时段的序号，(t+1)为当前时段的下个时段的序号；

比例计算器920，被配置为根据所述(t+1)时段的第二预测流量、(t+1)时段的产能、自动分流至人工的比例、目标接通率和分流自助不接受比例确定调级比例；

调度器930，被配置为根据所述调级比例进行流量的调级调度。

一个可选的实施例中，所述比例计算器包括：

升级计算单元，被配置为当自动分流到人工服务与目标接通率的乘积小于(t+1)时段的产能时，将自动分流至自助的流量至少部分地升级至人工服务，升级比例r1的计算公式为：

m是(t+1)时段的第二预测流量，n是分流自助不接受比例，k是(t+1)时段的产能，l是目标接通率，t是自动分流至人工的比例。

一个可选的实施例中，所述比例计算器包括：

降级计算单元，被配置为当自动分流到人工服务与目标接通率的乘积大于(t+1)时段的产能时，将自动分流至人工的流量至少部分地降级至自助的流量，降级比例r2的计算公式为：

m是(t+1)时段的第二预测流量，n是分流自助不接受比例，k是(t+1)时段的产能，l是目标接通率，t是自动分流至人工的比例。

一个可选的实施例中，所述调度器包括：

问题确定单元，被配置为获取用户的问题描述信息，根据所述问题描述信息确定对应的标准问题；

自动分流模块，被配置为根据问题与技能映射表确定所述标准问题对应的技能组、自助解决率和解决率基准值，根据所述自助解决率和所述解决率基准值的关系将所述用户预分流至自助服务或人工服务，其中，所述问题与技能映射表保存有每个标准问题对应的技能组、自助解决率和解决率基准值；

调级模块，被配置为根据所述调级比例对预分流至自助服务或人工服务的流量进行强制调级。

上述实施例阐明的装置、模块或单元，具体可以由计算机芯片或实体实现，

或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本说明书一实施例还提供一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现所述的流量调度方法。

本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现所述的流量调度方法的步骤。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的自动化测试方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述自动化测试方法的技术方案的描述。

所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书并不受所描述的动作顺序的限制，因为依据本说明书，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。