大型呼叫中心话务量预测.pdfVIP

4686 2010，31(21) 计算机工程 与设计 ComputerEngineeringandDesign ·开发与应用 · 大型呼叫中心话务量预测 牟 颖 ， 王俊峰 ， 谢传柳 ， 夏正洪 (1．四川大学 计算机学院，四川 成都 610064；2．中国民航飞行学院空中交通管理学院，四川 广汉618307) 摘 要：为进行呼叫中心的坐席数估计和后续的排班．Y-作，分析 了历史话务量数据的特点，总结出影响大型呼叫中心话务 量的因素，并用这些影响因素的不同组合来预测话务量，通过结果的对 比分析得出相对最优的话务量预测模型。在此模型 的基础上分别采用BP神经网络算法和支持向量机算法 (LS—sVM)对话务量进行 了预测，通过分析和比较结果表明，BP神经 网络比支持向量机算法更适合对 大型呼叫中心话务量的预测。 关键词：呼叫中心；坐席数；话务量；BP神经网络；支持向量机算法 中图法分类号：TP391 文献标识码：A 文章编号：l000—7024(2010)21—4686—04 ForecastontrafjfiCof1argecallcenter MOU Ying， WANGJun—feng， XIEChuan—liu， XIAZheng—hong (1．SchoolofComputerScience，SichuanUniversity,Chengdu610064，China； 2．SchoolofAirTrafficControl，CivilAviationFlightUniversiytofChina，Guanghan618307，China) Abstract：Toestimatethenumberofagentsandthefollow—upschedulingofacallcenter, thecharacteristicsoftraffic’Shistoricaldata areanalyzed．Somefactorsimpactingthetrafficoflargecallcenteraresummedup，anddifferentcombinationsofthesefactorsraeused topredictthetraffic，comparedtheresults，aoptimum modelisobtained．Basedonthemodel，theBPneuralnetworkalgorithm and LS—SVM algorithm areusedtothetrafficforecast．besidesacomparativena alysisismadeforthewtomethods．AccordingtOthepresented simulations，itisprovedthatBPneuralnetworkalgorithm ismoreefficienttothetrafficforecastingforlargecallcenterthna LS-SVM． Keywords：callcenter；numberofagents；telephonetraffic；BPneuralnewt ork；LS—SVM 用 LS—SVM 算法得到的话务量预测结果进行 了对 比分析 。 0 引 言 对 比结果证明，基于 BP神经 网络 的话务量预测更加准确，更 由于很多呼叫中心的话务员都 已经达到数干人 ，若使用 加适合大型呼叫中心 。 传统的经验式排班模式，不但会使工作量加大，而且会增加话 1 话务量预测模型 务预测的偏差，无法满足实际生产需要。话务量数据是呼叫 中心坐席数安排的前提 ，呼叫中心可 以针对不 同的话务量安 1．1 历史话务量分析 排对应的坐席 ，使得在满足呼叫中心的服务水平的前提条件 图1为任意选取 的某呼叫中心7～l0月每半小时 的话务量 下，实现呼叫中心人力资源 的最优