景偉強(qiáng)，毛燕萍，邢聰聰，魏驍雄，徐家寧

（1．國(guó)網(wǎng)浙江省電力公司客戶服務(wù)中心，杭州310009；2．杭州遠(yuǎn)傳通信技術(shù)有限公司，杭州310007）

電力呼叫中心話務(wù)溫度相關(guān)預(yù)測(cè)模型的應(yīng)用

景偉強(qiáng)1，毛燕萍1，邢聰聰2，魏驍雄1，徐家寧1

（1．國(guó)網(wǎng)浙江省電力公司客戶服務(wù)中心，杭州310009；2．杭州遠(yuǎn)傳通信技術(shù)有限公司，杭州310007）

針對(duì)電力呼叫中心的話務(wù)量受到天氣影響較為顯著的情況，綜合考慮了當(dāng)?shù)貧鉁?、周?guī)律、月規(guī)律、法定節(jié)假日、同期增長(zhǎng)趨勢(shì)等因素對(duì)話務(wù)量的影響，提出一種溫度相關(guān)預(yù)測(cè)模型，數(shù)值試驗(yàn)證明這一模型應(yīng)用于電力行業(yè)呼叫中心話務(wù)預(yù)測(cè)效果良好。

話務(wù)預(yù)測(cè)；電力行業(yè)；呼叫中心；溫度相關(guān)預(yù)測(cè)模型

0 引言

話務(wù)預(yù)測(cè)是呼叫中心坐席數(shù)安排的前提，呼叫中心可以針對(duì)不同的話務(wù)量安排對(duì)應(yīng)的坐席，在滿足呼叫中心優(yōu)質(zhì)服務(wù)水平的前提條件下，實(shí)現(xiàn)呼叫中心人力資源的最優(yōu)配置。因此，如何能準(zhǔn)確預(yù)測(cè)呼叫中心話務(wù)量是一個(gè)重要且亟待解決的問題。

針對(duì)電力呼叫中心話務(wù)量受天氣影響較為明顯的特點(diǎn)，提出了一種話務(wù)預(yù)測(cè)模型。對(duì)杭州地區(qū)的歷史話務(wù)量及氣象數(shù)據(jù)進(jìn)行多維度的挖掘分析，通過數(shù)學(xué)模型進(jìn)行初步預(yù)測(cè)，并根據(jù)預(yù)測(cè)準(zhǔn)確率，分析預(yù)測(cè)偏差的原因，進(jìn)而修正話務(wù)預(yù)測(cè)模型。該模型綜合考慮了氣溫、周規(guī)律、月規(guī)律、法定節(jié)假日、同期增長(zhǎng)趨勢(shì)等因素對(duì)話務(wù)量的影響。

1 相關(guān)預(yù)測(cè)模型

1.1 數(shù)據(jù)分析工具

數(shù)據(jù)分析工具有：

（1）相關(guān)系數(shù)，用以反映變量之間關(guān)系密切程度的統(tǒng)計(jì)指標(biāo)；

（2）散點(diǎn)圖，通過繪制1個(gè)變量對(duì)另1個(gè)變量的影響變化圖示，說明2個(gè)變量之間的關(guān)系。如圖1為日總話務(wù)量與最高氣溫的散點(diǎn)分布，圖2為日總話務(wù)量和平均濕度的散點(diǎn)分布。

1.2 數(shù)據(jù)相關(guān)性分析

根據(jù)數(shù)據(jù)分析工具，以杭州地區(qū)2010—2012年的日總話務(wù)量、最高氣溫、平均濕度為例，分析相關(guān)性。

日總話務(wù)量和最高氣溫的總體相關(guān)系數(shù)為0.401，說明2個(gè)變量之間有中等程度的相關(guān)性。從圖1可以看出，隨著氣溫增高，話務(wù)量具有明顯的上升趨勢(shì)，最高氣溫在4～31℃時(shí)，最高氣溫和話務(wù)量之間關(guān)系不明顯；在32℃之上時(shí)，最高氣溫和話務(wù)量呈正相關(guān)性。通過以上分析可知，最高氣溫對(duì)于電力呼叫中心話務(wù)量影響較大。

日總話務(wù)量和平均濕度的總體相關(guān)系數(shù)為-0.071，相關(guān)性微弱。從圖2可以看出，平均濕度在20%～90%之間時(shí)，話務(wù)量和濕度幾乎沒有關(guān)系，在濕度極大或極小時(shí)，話務(wù)量的置信區(qū)間范圍很大，濕度極大或極小的天數(shù)特別少。通過以上分析可知，濕度對(duì)于電力呼叫中心話務(wù)量的影響較小。

圖2 日總話務(wù)量和平均濕度的散點(diǎn)分布

1.3 因子選擇

通過話務(wù)量與各種因素之間的相關(guān)性分析，以及反復(fù)預(yù)測(cè)的結(jié)果分析，選擇了溫度、周屬性、月屬性、節(jié)假日屬性、同期增長(zhǎng)趨勢(shì)這幾個(gè)因素，建立了話務(wù)預(yù)測(cè)模型，命名為溫度相關(guān)預(yù)測(cè)模型。

1.4 算法流程

具體的算法步驟為：

（1）用線性插值方法處理缺失數(shù)據(jù)，用時(shí)間序列平滑方法處理突發(fā)異常數(shù)據(jù)；

（2）根據(jù)離散化處理的歷史溫度數(shù)據(jù)，統(tǒng)計(jì)相應(yīng)話務(wù)量，根據(jù)所得均值及離散系數(shù)，確定溫度修正系數(shù)，根據(jù)所述溫度修正系數(shù)，確定歷史修正話務(wù)量；

（3）判斷預(yù)測(cè)周期是否含有重大節(jié)假日；

（4）根據(jù)歷史數(shù)據(jù)，確定小節(jié)假日調(diào)整系數(shù)；

（5）根據(jù)相似溫度天的時(shí)段話務(wù)走勢(shì)，進(jìn)行時(shí)段話務(wù)占比預(yù)測(cè)，得到預(yù)測(cè)周期每天每時(shí)段話務(wù)量；

（6）輸出預(yù)測(cè)結(jié)果，算法流程示意見圖3。

圖3 算法流程示意

2 模型預(yù)測(cè)結(jié)果

2.1 話務(wù)預(yù)測(cè)誤差

根據(jù)話務(wù)預(yù)測(cè)模型，分別對(duì)不同時(shí)期的話務(wù)量進(jìn)行預(yù)測(cè)，采用的誤差度量工具為平均相對(duì)誤差EMAPE：

式中：Li為表示第i次預(yù)測(cè)的真實(shí)值；為第i次預(yù)測(cè)的估計(jì)值；i=1，…，n。

2.2 正常月份預(yù)測(cè)結(jié)果分析

采用浙江省2013年1月1日—2014年3月30日的所有歷史話務(wù)數(shù)據(jù)及省會(huì)城市杭州的氣象數(shù)據(jù)作為訓(xùn)練集，預(yù)測(cè)了2014年4月1日—30日的話務(wù)量。本預(yù)測(cè)周期（剔除清明節(jié)期間）的日總量平均相對(duì)誤差為7.7%。

氣溫比較宜人時(shí)，每天話務(wù)量有2個(gè)高峰期，即早高峰和下午高峰。預(yù)測(cè)結(jié)果與此相符。如圖4所示為2014年4月某日的預(yù)測(cè)結(jié)果，實(shí)際值序列和預(yù)測(cè)值序列的相關(guān)系數(shù)為0.98，說明2個(gè)序列的相關(guān)性很強(qiáng)。

圖42014 年4月某日實(shí)際值和預(yù)測(cè)值

2.3 高溫月份預(yù)測(cè)結(jié)果分析

采用杭州地區(qū)2013年1月1日—2014年7月31日的所有歷史數(shù)據(jù)作為訓(xùn)練集，預(yù)測(cè)了2014年8月1日—31日的話務(wù)數(shù)據(jù)。本預(yù)測(cè)周期的月總量預(yù)測(cè)誤差為6.0%。

在高溫天，大量使用空調(diào)容易導(dǎo)致電力負(fù)荷過大而發(fā)生故障，話務(wù)量會(huì)飆升。每天話務(wù)量分布會(huì)有3個(gè)高峰，即早高峰、下午高峰和晚高峰，預(yù)測(cè)結(jié)果與此相符。如圖5所示為2014年8月某日的預(yù)測(cè)結(jié)果，實(shí)際值序列和預(yù)測(cè)值序列的相關(guān)系數(shù)為0.97，說明兩個(gè)序列的相關(guān)性強(qiáng)。

3 結(jié)語

電力行業(yè)的呼叫中心話務(wù)量的眾多氣象影響因素中，溫度起著重要的作用。此處主要考慮了溫度影響因素，可以初步認(rèn)為，溫度相關(guān)預(yù)測(cè)模型在電力話務(wù)預(yù)測(cè)中，可以得到較為準(zhǔn)確的預(yù)測(cè)結(jié)果，基本能夠滿足實(shí)際話務(wù)量預(yù)測(cè)需要。電力行業(yè)的話務(wù)量還受到雷暴、臺(tái)風(fēng)等特殊天氣以及電價(jià)等業(yè)務(wù)調(diào)整的影響，這些事件因?yàn)槌潭容^難界定、記錄較少而較難考慮。今后模型的優(yōu)化方向既要考慮增加政策、業(yè)務(wù)影響因素，對(duì)特定時(shí)間進(jìn)行話務(wù)量修正，還要考慮以時(shí)段話務(wù)量代替天話務(wù)量，以及增加短時(shí)天氣預(yù)報(bào)數(shù)來進(jìn)一步修正雷暴等短期特殊天氣的影響。

圖52014 年8月某日實(shí)際值和預(yù)測(cè)值

[1]牟穎，王俊峰，謝傳柳，等．大型呼叫中心話務(wù)量預(yù)測(cè)[J]．計(jì)算機(jī)工程與設(shè)計(jì)，2010（21）:4686-4689．

[2]艾勇．電力呼叫中心話務(wù)量的指數(shù)平滑預(yù)測(cè)方法[J]．中南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2012（9）:81-84．

[3]雷紹蘭，孫才新，周湶，等．電力短期負(fù)荷的多變量序列線性回歸預(yù)測(cè)方法研究[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2006（2）:25-29．

（本文編輯：陸瑩）

Application of Temperature-based Forecasting Model of Telephone Traffic in Electric Power Call Center

JING Weiqiang1，MAO Yanping1，XING Congcong2，WEI Xiaoxiong1，XU Jianing1
（1.Customer Service Center，State Grid Zhejiang Electric Power Company，Hangzhou 310009，China；2.Hangzhou Utry Communication Technology Co.，Ltd.，Hangzhou 310007，China）

Telephone traffic in electric power center depends very much on weather conditions.The paper considers impact of local temperature，weekly rules，monthly rules，statutory holidays and growth trend at the same period on telephone traffic；it proposes a temperature-based forecasting model.It is proved by numerical test that the application of the model in call center of electric power industry can achieve favorable effect.

traffic forecasting；electric power industry；call center；temperature-based forecasting model

TN915.853

B

1007-1881（2015）01-0052-03

2014-08-12

景偉強(qiáng)（1972），男，工程師，從事電力企業(yè)呼叫中心話務(wù)管理工作。