一种银行网点人员的调度方法及装置与流程

1.本发明涉及人工智能技术领域，具体涉及一种银行网点人员的调度方法及装置。


背景技术：

2.银行网点是银行对外营业的地方，包括分行，支行、分理处等。需要合理安排银行网点的工作人员，为客户提供高质量的服务。
3.传统商业银行具有大量线下网点，而随着智能柜台、手机银行等更加方便快捷的办理业务的通道的普及，到银行网点现场办理业务的客户逐渐减少。而以微众银行、网商银行为代表的互联网银行逐渐兴起，由于互联网银行不开设物理网点，不发行实体卡片，所有业务操作均可以在移动终端完成，对传统商业银行带来挑战。因此，如何对银行网点的工作人员进行合理调度，以节约人力成本成为本领域亟待解决的重要课题。


技术实现要素：

4.针对现有技术中的问题，本发明实施例提供一种银行网点人员的调度方法及装置，能够至少部分地解决现有技术中存在的问题。
5.第一方面，本发明提出一种银行网点人员的调度方法，包括：
6.基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，每个银行网点的各个业务的预测办理人数是预先获得的；
7.基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；
8.基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；
9.根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
10.第二方面，本发明提供一种银行网点人员的调度装置，包括：
11.第一获得模块，用于基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，每个银行网点的各个业务的预测办理人数是预先获得的；
12.第二获得模块，用于基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；
13.预测模块，用于基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；
14.第三获得模块，用于根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
15.第三方面，本发明提供一种计算机设备，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程序，所述处理器执行所述程序时实现上述任一实施例所述银行网点人员的调度方法。
16.第四方面，本发明提供一种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任一实施例所述银行网点人员的调度方法。
17.第五方面，本发明提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述银行网点人员的调度方法。
18.本发明实施例提供的银行网点人员的调度方法及装置，基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据，基于设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据，基于银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数，根据各个银行网点的各个业务的需求人数以及设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数，对设定区域内的各个银行网点整体进行工作人员调度，提高了人员调度的合理性。
附图说明
19.为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
20.图1是本发明第一实施例提供的银行网点人员的调度方法的流程示意图。
21.图2是本发明第二实施例提供的银行网点人员的调度方法的流程示意图。
22.图3是本发明第三实施例提供的银行网点人员的调度方法的流程示意图。
23.图4是本发明第四实施例提供的银行网点人员的调度方法的流程示意图。
24.图5是本发明第五实施例提供的银行网点人员的调度方法的流程示意图。
25.图6是本发明第六实施例提供的银行网点人员的调度方法的流程示意图。
26.图7是本发明第七实施例提供的银行网点人员的调度装置的结构示意图。
27.图8是本发明第八实施例提供的银行网点人员的调度装置的结构示意图。
28.图9是本发明第九实施例提供的银行网点人员的调度装置的结构示意图。
29.图10是本发明第十实施例提供的银行网点人员的调度装置的结构示意图。
30.图11是本发明第十一实施例提供的银行网点人员的调度装置的结构示意图。
31.图12是本发明第十二实施例提供的银行网点人员的调度装置的结构示意图。
32.图13是本发明十三实施例提供的电子设备的实体结构示意图。
具体实施方式
33.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。
34.为了便于理解本技术提供的技术方案，下面先对本技术技术方案的相关内容进行说明。
35.本发明实施例提供的银行网点人员的调度方法，对设定区域内各个银行网点的不同业务的办理人数进行预测，在各个银行网点的各个业务的预测办理人数的基础上，对各个银行网点的各个业务的需求人数进行预测，以基于设定区域内各个业务的总人数对各个银行网点进行人员调度，实现对设定区域内各个银行网点的人员的动态调度，提高各个银行网点人员分配的合理性，减少各网点人力资源的浪费的同时，缓解业务较多网点工作压力，缩短用户等待时间，提升用户的满意度。
36.下面以服务器作为执行主体为例，对本发明实施例提供的银行网点人员的调度方法的具体实现过程进行说明。
37.图1是本发明第一实施例提供的银行网点人员的调度方法的流程示意图，如图1所示，本发明实施例提供的银行网点人员的调度方法，包括：
38.s101、基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，每个银行网点的各个业务的预测办理人数是预先获得的；
39.具体地，服务器可以获取设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，然后对设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数进行特征处理，获得银行网点的第一特征数据。其中，设定区域根据实际需要进行设置，本发明实施例不做限定。银行网点的环境基本信息根据实际需要进行设置，本发明实施例不做限定。其中，特征处理包括但不限于将非数值数据进行数值化，对数据进行标准化处理等，根据实际需要进行设置，本发明实施例不做限定。
40.例如，银行网点的环境基本信息包括但不限于银行网点的所在地区、工作人员数量、网点自助柜员机与智能终端的设备数量、营业面积、网点周边预设范围内的人口数量、流动人口数量、同业网点等信息。银行网点的各个业务的预测办理人数包括银行网点的每个业务的预测办理人数。
41.例如，设定区域为某个城市或者某个城市的一个市辖区。
42.s102、基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；
43.具体地，所述服务器根据各个银行网点的位置坐标可以计算获得任意两个网点之间的距离，然后根据所述设定区域内各个银行网点之间的距离构建邻接矩阵，获得银行网点的第二特征数据。
44.s103、基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；
45.具体地，所述服务器将所述银行网点的第一特征数据和银行网点的第二特征数据输入到网点业务人员预测模型中，对各个银行网点的各个业务的需求人数进行预测，获得各个银行网点的各个业务的需求人数。其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的，第一标签为各个银行网点的不同业务的实
际柜员数量。
46.s104、根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
47.具体地，对于每个业务，所述服务器统计各个银行网点的业务的需求总人数，然后根据每个银行网点的业务的需求人员以及各个银行网点的业务的需求总人数，计算出每个银行网点的需求比例，再根据所述设定区域内业务的总人数与每个银行网点的需求比例，计算获得每个银行网点的业务的配备人数。重复上述过程，可以获得每个银行网点的各个业务的配备人数。其中，所述设定区域内每个业务的总人数是预先设置的。
48.本发明实施例提供的银行网点人员的调度方法，基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据，基于设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据，基于银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数，根据各个银行网点的各个业务的需求人数以及设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数，对设定区域内的各个银行网点整体进行工作人员调度，提高了人员调度的合理性。此外，对于人员充足的银行网点减少了银行网点的人力资源的浪费，对于人力紧张的银行网点，缓解业务较多的银行网点工作压力，缩短客户的等待时间，提升了客户的满意度。
49.图2是本发明第二实施例提供的银行网点人员的调度方法的流程示意图，如图2所示，在上述各实施例的基础上，进一步地，预先获得每个银行网点的各个业务的预测办理人数的步骤包括：
50.s201、对预设时间段内每个银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行特征处理，获得每个银行网点的各个业务的客户流量预测特征数据；
51.具体地，服务器可以获取预设时间段内设定区域内每个银行网点的环境基本信息、每个银行网点的网点基本信息以及每个银行网点的各个业务的办理人数，然后对每个银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行特征处理，获得每个银行网点的各个业务的客户流量预测特征数据。其中，特征处理包括但不限于将非数值数据进行数值化，对数据进行标准化处理等，根据实际需要进行设置，本发明实施例不做限定。预设时间段根据实际需要进行设置，比如为30天，本发明实施例不做限定。银行网点的网点基本信息根据实际需要进行设置，本发明实施例不做限定。
52.例如，银行网点的网点基本信息包括但不限于银行网点每天的客户数量、每天的交易额等信息。银行网点的各个业务的办理人数包括银行网点的每个业务的办理人数，业务的办理人数为银行网点的每天办理该业务的客户总数。
53.s202、基于每个银行网点的每个业务的客户流量预测特征数据以及网点业务客流量预测模型，获得每个银行网点的每个业务的预测办理人数；其中，所述网点业务客流量预测模型是基于业务历史样本数据以及对应的第二标签训练获得的。
54.具体地，对于每个银行网点，所述服务器将银行网点的每个业务的客户流量预测特征数据输入到网点业务客流量预测模型，能够预测出银行网点的每个业务的预测办理人数。其中，所述网点业务客流量预测模型是基于业务历史样本数据以及对应的第二标签训练获得的，第二标签为银行网点的各个业务的办理人数。
55.例如，可以基于银行网点过去三十天的环境基本信息、网点基本信息以及各个业务的办理人数，预测过去三十天的下一天的银行网点的各个业务的办理人数。
56.图3是本发明第三实施例提供的银行网点人员的调度方法的流程示意图，如图3所示，在上述各实施例的基础上，进一步地，基于业务历史样本数据以及对应的第二标签训练获得网点业务客流量预测模型包括：
57.s301、获取业务历史样本数据以及对应的第二标签；其中，所述业务历史样本数据包括第一历史时间段内银行网点的环境基本信息、网点基本信息以及各个业务的实际办理人数；
58.具体地，可以收集第一历史时间段内银行网点的环境基本信息、网点基本信息以及各个业务的实际办理人数，作为业务历史样本数据。所述服务器可以获取业务历史样本数据。业务历史样本数据可以根据实际模型训练的需要，划分为多组样本训练数据，每组样本训练数据对应一个第二标签。其中，所述第一历史时间段根据实际需要进行设置，本发明实施例不做限定。
59.例如，以30天内的银行网点的环境基本信息、网点基本信息以及业务a的实际办理人数为一组样本训练数据，那么30天的下一天的业务a的实际办理人数作为该组样本训练数据对应的第二标签。
60.s302、对所述第一历史时间段内银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行特征处理，获得业务训练特征数据；
61.具体地，所述服务器对所述第一历史时间段内银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行特征处理，获得业务训练特征数据。业务训练特征数据可以包括多组特征数据，每组特征数据与每组样本训练数据对应，一组样本训练训练数据对应的第二标签与该组样本训练训练数据对应的特征数据相对应。其中，特征处理包括但不限于将非数值数据进行数值化，对数据进行标准化处理等，根据实际需要进行设置，本发明实施例不做限定。
62.s303、基于第一原始模型、所述业务训练特征数据以及对应的第二标签，训练获得所述网点业务客流量预测模型。
63.具体地，所述服务器基于所述业务训练特征数据中每组特征数据以及每组业务训练特征数据对应的第二标签，对第一原始模型进行训练，可以训练获得所述网点业务客流量预测模型。其中，第一原始模型根据实际经验进行选择，本发明实施例不做限定。
64.例如，第一原始模型选择gru(gate recurrent unit)模型，gru模型是(long short-term memory，简称lstm)网络模型的一种效果很好的变体，它较lstm网络模型的结构更加简单，而且效果也很好。
65.图4是本发明第四实施例提供的银行网点人员的调度方法的流程示意图，如图4所示，在上述各实施例的基础上，进一步地，基于历史业务人员样本数据以及对应的第一标签训练获得网点业务人员预测模型包括：
66.s401、获取历史业务人员样本数据以及对应的第一标签；其中，所述历史业务人员样本数据包括第二历史时间段内预设区域内银行网点的数量，所述设定区域内各个银行网点之间的距离，各个银行网点的环境基本信息和各个银行网点的各个业务的实际办理人数；
67.具体地，可以收集第二历史时间段内预设区域内银行网点的数量、所述预设区域内各个银行网点之间的距离、所述预设区域内各个银行网点的环境基本信息以及所述预设区域内各个银行网点的各个业务的实际办理人数，作为历史业务人员样本数据。历史业务人员样本数据可以根据实际模型训练的需要，划分为多组样本训练数据，每组业务人员样本训练数据对应一个第一标签。其中，所述第二历史时间段根据实际需要进行设置，本发明实施例不做限定。
68.例如，以一天的预设区域内银行网点的数量、预设区域内各个银行网点之间的距离、预设区域内各个银行网点的环境基本信息以及预设区域内各个银行网点的某个业务的实际办理人数为一组样本训练数据，该组样本训练数据对应的第一标签为该天各个银行网点的某个业务的实际工作人员数量。由于银行网点不会频繁进行搬迁和撤销，通常各组业务人员样本训练数据中的预设区域内银行网点的数量以及预设区域内各个银行网点之间的距离是相同的。
69.s402、根据所述第二历史时间段内所述预设区域内银行网点的数量、各个银行网点的环境基本信息和各个银行网点的各个业务的实际办理人数，获得第一训练特征数据；
70.具体地，所述服务器对所述第二历史时间段内所述设定区域内银行网点的数量、各个银行网点的环境基本信息和各个银行网点的各个业务的实际办理人数进行特征处理，获得第一训练特征数据。
71.例如，以所述预设区域内每个银行网点为节点，对于每个银行网点，将第二历史时间段内银行网点的环境基本信息和各个业务的实际办理人数以天为单位进行划分，获得银行网点每天的环境基本信息和各个业务的实际办理人数，作为每天的节点特征，所述预设区域内n个节点的每天的节点特征，可以构成n
×
m特征矩阵，m为节点特征数量。若第二历史时间段为q天，那么第一训练特征数据包括q个n
×
m特征矩阵。
72.s403、根据所述预设区域内各个银行网点之间的距离，获得第二训练特征数据；
73.具体地，所述服务器根据所述预设区域内各个银行网点的位置坐标可以计算获得任意两个网点之间的距离，然后根据所述预设区域内各个银行网点之间的距离构建邻接矩阵，获得第二训练特征数据。
74.例如，所述预设区域内有n个银行网点，以n个银行网点为顶点，以银行网点之间的距离为边，通过二维数组存放n个银行网点之间的距离，建立邻接矩阵，以邻接矩阵作为第二训练特征数据。
75.s404、基于第二原始模型、所述第一训练特征数据和所述第二训练特征数据以及对应的第一标签，训练获得所述网点业务人员预测模型。
76.具体地，所述服务器基于所述第一训练特征数据和所述第二训练特征数据以及对应的第一标签，对第二原始模型进行训练，可以训练获得所述网点业务人员预测模型。其中，第二原始模型根据实际经验进行选择，本发明实施例不做限定。
77.例如，第二原始模型采用图卷积神经网络模型。图卷积神经网络模型包括一个节点数为16的第一图卷积层，第一图卷积层之后接入relu激活层，relu激活层的输出接dropout层(随机失活层，避免过拟合)，dropout层的输出接节点数为2的第二图卷积层，第二图卷积层的输出连接一个全连接层。
78.图5是本发明第五实施例提供的银行网点人员的调度方法的流程示意图，如图5所
示，在上述各实施例的基础上，进一步地，所述根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数包括：
79.s501、根据各个银行网点的每个业务的需求人数，获得每个银行网点的每个业务的需求比例；
80.具体地，所述服务器统计各个银行网点的每个业务的需求人数，获得每个业务的需求总人数，然后计算每个银行网点的每个业务的需求人数与每个业务的需求总人数的比值，获得每个银行网点的每个业务的需求比例。
81.例如，对于业务a，第i个银行网点的业务a的需求人数为业务a的总需求人数n为银行网点的总数量。第i个银行网点的业务a的需求比例i为正整数且i小于等于n。
82.s502、根据所述设定区域内每个业务的总人数以及每个银行网点的每个业务的需求比例，获得每个银行网点的每个业务的配备人数。
83.具体地，对于每个银行网点，所述服务器计算所述设定区域内每个业务的总人数与银行网点的每个业务的需求比例的乘积的结果并取整，获得银行网点的每个业务的配备人数。其中，所述设定区域内每个业务的总人数是预设的。
84.例如，对于业务a，所述设定区域内业务a的总人数为qa，第i个银行网点的业务a的需求比例为那么第i个银行网点的业务a的配备人数为：[]表示四舍五入取整。
[0085]
图6是本发明第六实施例提供的银行网点人员的调度方法的流程示意图，如图6所示，在上述各实施例的基础上，进一步地，所述基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据包括：
[0086]
s601、根据所述设定区域内各个银行网点之间的距离以及截断距离，获得各个银行网点之间距离参数；
[0087]
具体地，所述服务器将所述设定区域内的任意两个银行网点之间的距离与截断距离进行比较，根据比较的结果，获得任意两个银行网点之间的距离参数。其中，截断距离根据实际需要进行设置，本发明实施例不做限定。
[0088]
s602、根据各个银行网点之间的距离参数，构建邻接矩阵作为银行网点的第二特征数据。
[0089]
具体地，所述服务器以各个银行网点为顶点，以距离参数为边，通过二维数组存放各个银行网点之间距离参数，构建邻接矩阵，获得的邻接矩阵作为银行网点的第二特征数据。
[0090]
在上述各实施例的基础上，进一步地，所述根据所述设定区域内各个银行网点之间的距离以及截断距离，获得各个银行网点之间距离参数包括：
[0091]
若判断获知两个银行网点之间的距离小于等于截断距离，则将两个银行网点之间的距离作为两个银行网点之间距离参数；
[0092]
若判断获知两个银行网点之间的距离大于截断距离，则两个银行网点之间距离参数为无穷大。
[0093]
具体地，所述服务器将任意两个银行网点之间距离与截断距离进行比较，如果两个银行网点之间距离大于截断距离，那么这两个银行网点之间视为没有边连接，这两个银
行网点之间的距离参数为无穷大。如果两个银行网点之间距离小于等于截断距离，那么将这两个银行网点之间的距离作为两个银行网点之间距离参数。
[0094]
下面以城市y的一个市辖区内的10个银行网点的调度对象，对本发明实施例提供的银行网点人员的调度方法的实现过程进行说明。
[0095]
获取上述市辖区内的10个银行网点中连续30天每个银行网点的环境基本信息、网点基本信息以及各个业务的办理人数。以天为单位将过去30天每个银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行划分，并以业务为维度对上述数据进行整理，可以获得每个银行网点的第k天的环境基本信息、网点基本信息以及第j个业务的办理人数，k为正整数且k小于等于30，j为正整数且j小于等于p，p为业务的总数。业务包括但不限于现金业务、信用卡业务、理财业务等，根据实际需要进行设置，本发明实施例不做限定。
[0096]
对每个银行网点的第k天的环境基本信息、网点基本信息以及第j个业务的办理人数进行特征处理，可以获得每个银行网点的第k天的第j个业务的客户流量预测特征数据。
[0097]
将银行网点的连续30天的第j个业务的客户流量预测特征数据，输入到网点业务客流量预测模型中，可以预测出连续30天的接下来一天的第j个业务的预测办理人数。重复上述过程，可以获得10个银行网点的各个业务的预测办理人数。
[0098]
获取上述市辖区内的银行网点的数量、10个银行网点的环境基本信息和10个银行网点的各个业务的预测办理人数。对10个银行网点的环境基本信息和10个银行网点的各个业务的预测办理人数进行特征处理，获得每个银行网点的特征数据，假设每个银行网点的特征数据的种类为m种。10个网点的特征数据，组成一个10
×
m的特征矩阵，作为银行网点的第一特征数据。由于相隔1天银行网点的环境基本信息发生的变化可以忽略，可以将连续30天中的第30天的银行网点的环境基本信息，作为连续30天的接下来一天的银行网点的环境基本信息。
[0099]
获取上述市辖区内的10个银行网点之间距离，将任意两个银行网点之间距离与截断距离进行比较，如果两个银行网点之间距离大于截断距离，这两个银行网点之间的距离参数为无穷大；如果任意两个银行网点之间距离小于等于截断距离，那么将这两个银行网点之间的距离作为两个银行网点之间距离参数，10个银行网点之间的距离参数最为以10个银行网点为顶点的边，构成邻接矩阵，作为银行网点的第二特征数据。
[0100]
将银行网点的第一特征数据和第二特征数据，输入到网点业务人员预测模型中，可以预测出10个银行网点的每个业务的需求人数。
[0101]
根据10个银行网点的第j个业务的需求人数，获得第j个业务的需求总人数，计算每个银行网点的第j个业务的需求人数与第j个业务的需求总人数的比值，获得每个银行网点的第j个业务的需求比例。分别计算上述市辖区内第j个业务的总人数与每个银行网点的第j个业务的需求比例的乘积并取整，获得每个银行网点的第j个业务的配备人数。重复上述过程，最终能够获得每个银行网点的每个业务的配备人数。
[0102]
图7是本发明第七实施例提供的银行网点人员的调度装置的结构示意图，如图7所示，本发明实施例提供的银行网点人员的调度装置包括第一获得模块701、第二获得模块702、预测模块703和第三获得模块704，其中：
[0103]
第一获得模块701用于基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，
每个银行网点的各个业务的预测办理人数是预先获得的；第二获得模块702用于基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；预测模块703用于基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；第三获得模块704用于根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
[0104]
具体地，第一获得模块701可以获取设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，然后对设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数进行特征处理，获得银行网点的第一特征数据。其中，设定区域根据实际需要进行设置，本发明实施例不做限定。银行网点的环境基本信息根据实际需要进行设置，本发明实施例不做限定。其中，特征处理包括但不限于将非数值数据进行数值化，对数据进行标准化处理等，根据实际需要进行设置，本发明实施例不做限定。
[0105]
第二获得模块702根据各个银行网点的位置坐标可以计算获得任意两个网点之间的距离，然后根据所述设定区域内各个银行网点之间的距离构建邻接矩阵，获得银行网点的第二特征数据。
[0106]
预测模块703将所述银行网点的第一特征数据和银行网点的第二特征数据输入到网点业务人员预测模型中，对各个银行网点的各个业务的需求人数进行预测，获得各个银行网点的各个业务的需求人数。其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的，第一标签为各个银行网点的不同业务的实际柜员数量。
[0107]
对于每个业务，第三获得模块704统计各个银行网点的业务的需求总人数，然后根据每个银行网点的业务的需求人员以及各个银行网点的业务的需求总人数，计算出每个银行网点的需求比例，再根据所述设定区域内业务的总人数与每个银行网点的需求比例，计算获得每个银行网点的业务的配备人数。重复上述过程，可以获得每个银行网点的各个业务的配备人数。其中，所述设定区域内每个业务的总人数是预先设置的。
[0108]
本发明实施例提供的银行网点人员的调度装置，基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据，基于设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据，基于银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数，根据各个银行网点的各个业务的需求人数以及设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数，对设定区域内的各个银行网点整体进行工作人员调度，提高了人员调度的合理性。此外，对于人员充足的银行网点减少了银行网点的人力资源的浪费，对于人力紧张的银行网点，缓解业务较多的银行网点工作压力，缩短客户的等待时间，提升了客户的满意度。
[0109]
图8是本发明第八实施例提供的银行网点人员的调度装置的结构示意图，如图8所示，在上述各实施例的基础上，进一步地，本发明实施例提供的银行网点人员的调度装置还包括第一特征处理模块705和人数预测模块706，其中：
[0110]
第一特征处理模块705用于对预设时间段内每个银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行特征处理，获得每个银行网点的各个业务的客户流量预测特征数据；人数预测模块706用于基于每个银行网点的每个业务的客户流量预测特征数据以及网点业务客流量预测模型，获得每个银行网点的每个业务的预测办理人数；其中，所述网点业务客流量预测模型是基于业务历史样本数据以及对应的第二标签训练获得的。
[0111]
图9是本发明第九实施例提供的银行网点人员的调度装置的结构示意图，如图9所示，在上述各实施例的基础上，进一步地，本发明实施例提供的银行网点人员的调度装置还包括获取模块707、第二特征处理模块708和第一训练模块709，其中：
[0112]
第一获取模块707用于获取业务历史样本数据以及对应的第二标签；其中，所述业务历史样本数据包括第一历史时间段内银行网点的环境基本信息、网点基本信息以及各个业务的实际办理人数；第二特征处理模块708用于对所述第一历史时间段内银行网点的环境基本信息、网点基本信息以及各个业务的办理人数进行特征处理，获得业务训练特征数据；第一训练模块709用于基于第一原始模型、所述业务训练特征数据以及对应的第二标签，训练获得所述网点业务客流量预测模型。
[0113]
图10是本发明第十实施例提供的银行网点人员的调度装置的结构示意图，如图10所示，在上述各实施例的基础上，进一步地，本发明实施例提供的银行网点人员的调度装置还包括第二获取模块710、第四获得模块711、第五获得模块712和第二训练模块713，其中：
[0114]
第二获取模块710用于获取历史业务人员样本数据以及对应的第一标签；其中，所述历史业务人员样本数据包括第二历史时间段内预设区域内银行网点的数量，所述设定区域内各个银行网点之间的距离，各个银行网点的环境基本信息和各个银行网点的各个业务的实际办理人数；第三获得模块711用于根据所述第二历史时间段内所述预设区域内银行网点的数量、各个银行网点的环境基本信息和各个银行网点的各个业务的实际办理人数，获得第一训练特征数据；第四获得模块712用于根据所述预设区域内各个银行网点之间的距离，获得第二训练特征数据；第二训练模块713用于基于第二原始模型、所述第一训练特征数据和所述第二训练特征数据以及对应的第一标签，训练获得所述网点业务人员预测模型。
[0115]
图11是本发明第十一实施例提供的银行网点人员的调度装置的结构示意图，如图11所示，在上述各实施例的基础上，进一步地，第三获得模块704包括第一获得单元7041和第二获得单元7042，其中：
[0116]
第一获得单元7041用于根据各个银行网点的每个业务的需求人数，获得每个银行网点的每个业务的需求比例；第二获得单元7042用于根据所述设定区域内每个业务的总人数以及每个银行网点的每个业务的需求比例，获得每个银行网点的每个业务的配备人数。
[0117]
图12是本发明第十二实施例提供的银行网点人员的调度装置的结构示意图，如图12所示，在上述各实施例的基础上，进一步地，第二获得模块702包括第三获得单元7021和构建单元7022，其中：
[0118]
第三获得单元7021用于根据所述设定区域内各个银行网点之间的距离以及截断距离，获得各个银行网点之间距离参数；构建单元7022用于根据各个银行网点之间的距离参数，构建邻接矩阵作为银行网点的第二特征数据。
[0119]
在上述各实施例的基础上，进一步地，第三获得单元7021具体用于：
[0120]
若判断获知两个银行网点之间的距离小于等于截断距离，则将两个银行网点之间的距离作为两个银行网点之间距离参数；
[0121]
若判断获知两个银行网点之间的距离大于截断距离，则两个银行网点之间距离参数为无穷大。
[0122]
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
[0123]
需要说明的是，本发明实施例提供的银行网点人员的调度方法及装置可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对银行网点人员的调度方法及装置的应用领域不做限定。
[0124]
图13是本发明十三实施例提供的电子设备的实体结构示意图，如图13所示，该电子设备可以包括：处理器(processor)1301、通信接口(communications interface)1302、存储器(memory)1303和通信总线1304，其中，处理器1301，通信接口1302，存储器1303通过通信总线1304完成相互间的通信。处理器1301可以调用存储器1303中的逻辑指令，以执行如下方法：基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，每个银行网点的各个业务的预测办理人数是预先获得的；基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
[0125]
此外，上述的存储器1303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0126]
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，每个银行网点的各个业务的预测办理人数是预先获得的；基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；根据各个银行网点的各个业务的需求人数以及所述设定
区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
[0127]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：基于设定区域内银行网点的数量，各个银行网点的环境基本信息和各个银行网点的各个业务的预测办理人数，获得银行网点的第一特征数据；其中，每个银行网点的各个业务的预测办理人数是预先获得的；基于所述设定区域内各个银行网点之间的距离，获得银行网点的第二特征数据；基于所述银行网点的第一特征数据和第二特征数据以及网点业务人员预测模型，预测各个银行网点的各个业务的需求人数；其中，所述网点业务人员预测模型是基于历史业务人员样本数据以及对应的第一标签训练获得的；根据各个银行网点的各个业务的需求人数以及所述设定区域内各个业务的总人数，获得每个银行网点的各个业务的配备人数。
[0128]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
[0129]
本发明是参照根据本发明实施例的方法、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设备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设备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。
[0130]
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设备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。
[0131]
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设备上，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。
[0132]
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
[0133]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。