基于支持向量机的电力营业厅服务检查智能规划化研究

聂玮 朱艺璇 刘杰 张滋华 曹悦

（国网天津市电力公司客户服务中心 天津市 300000）

1 引言

随着大数据、云计算、物联网等迅猛发展，营业厅正朝着业务自助化、自动化、互动化和智能化发展，电力营业厅作为电网公司服务客户的重要场所，近年来经过数字化转型系列探索，在智慧服务、业务办理等方面取得诸多成就，但自动化设备利用、智能业务引导、智能柜台服务交互等方面仍有较大提升空间，亟待构建一套科学的营业厅管理“画像”体系，识别营业厅管理和设备状态的短板，有效指导服务检查、设备巡视规划化，支持营业厅的管理服务动态优化。

本文提出采用一种基于支持向量机 (SVM) 的电力营业厅管理服务标签构建方法，通过构建科学合理的营业厅服务、设备状态标签体系，全面分析评估营业厅基本信息、服务能力、设备状态水平等方面存在的问题与短板，对各个营业厅管理进行“画像”，并结合问题标签，探讨电力营业厅检查规划、设备巡视等问题，以更好辅助营业厅的管控效率与服务水平提升。本文的整体研究思路为：首先明确电力营业厅服务检查智能规划研究主题，并对电力营业厅服务检查现状进行分析、厘清支持向量机的基本原理和相关应用研究，之后构建管理服务标签体系模型，再运用支持向量机算法识别管理服务中存在的问题，最后针对问题提出解决策略。

2 基于支持向量机的营业厅检查技术研究

2.1 支持向量机的概念与优势

支持向量机(SVM)是V.Vapnik 等人提出的一种新的机器学习方法，SVM 最初用来解决模式识别问题，目的是发现泛化性能好的决策规则。支持向量机的基本思想是在样本空间或特征空间, 构造出最优超平面, 使得超平面与不同类样本集之间的距离最大, 从而达到最大的泛化能力[1]。

支持向量机的优势在于其建立在统计学理论的VC 理论和结构风险最小原理基础上，不仅泛化能力强而且还能有效 克服维数灾难问题，其能够较好地解决小样本、非线性、高维数和局部极小点等实际问题，并成功运用于分类和时间预测等方面[2]，在识别和检测方面表现亦良好。

2.2 支持向量机的基本原理

支持向量机理论源于数据分类问题的处理,其是从线性可分情况下的最优分类面发展而来的, 基本思想可用两类线性可分情况说明。设训练样本集：(Xi,Yi)，i=1，2……，n（n 代表训练样本的个数），训练样本为Xi∈Rd，输入样本Xi的类标记（期望输出）为Yi∈{1,-1}。SVM 算法的出发点是寻找最优分类超平面，平面不仅能将两类训练样本正确分开, 而且要使分类间隔 (Margin) 最大，边际定义为训练数据集到该分类超平面的最小距离之和[3]，最优分类超平面意味着对测试数据平均分类误差最小。

若样本集线性可分，d 维空间中线性判别函数g(x)=ω•x+b，分类面方程为ω•x+b=0。将判别函数归一化，使离分类面最近样本的|g(x)|=1。若分类面对所有样本都能够正确分类，则约束条件满足：

分类超平面H0:ω•x1+b=0 为最优当且仅当(ω,b)是下面优化问

表1：营业厅检查标签体系

题的解：

对每个训练样本Xi，都有一个Lagrange 乘子∝j。解∝j>0 所 对应的Xi称为支持向量，它满足式（1）中的等式约束。若∝j为最优解则：

所以得到的分类决策函数为：

其中X 为待分类样本，SV 为支持向量集，b*为分类阈值，可用任一支持向量求得[5]。

2.3 支持向量机的应用研究

支持向量机的应用领域日趋广泛，已经在众多的应用研究领域中凸显出其自身预测和分类的优势，尤其是在人脸检测、验证和识别、语音识别、文字/手写体识别、图像处理及其他应用研究等方面取得了大量的研究成果，此外也有不少学者利用支持向量机算法识别和检测系统问题。正如学者陈光英[6]等使用支持向量机算法对网络入侵检测系统的流量特征进行分类，识别并比较连接的服务类型，有效检测出异常连接。

鉴于此，综合考虑支持向量机在预测和分类方面的优势，以及借鉴其在问题分类和识别方面的现有研究方式和研究成果，将其引入到电力营业厅的标签构建中，帮助电力营业厅识别运营管理中存在的具体问题，从而找出流程优化的管理策略，提高营业厅的整体管控效率。

3 电力营业厅智能检查与设备巡视智能规划方法

3.1 营业厅服务检查现状分析

当前大多数电力营业厅所面临的问题均具有普遍性，其一是周期性服务特征明显，在高峰期客流激增暴露出服务承载力不足，延长了业务受理时间及客户等待时间。其二是电力营业厅工作人员专业素质不足、服务提供能力与客户需求不匹配，供求关系不协调，用户需求难以满足。其三是客户固有的消费习惯和方式未能习惯自助化办理业务，尤其是老年客户依旧倾向于柜台人工办理，且电力营业厅缺乏积极的宣传和引导，造成自动化设备的利用率不足。由此可以看出，电力营业厅的管理服务质量来自于多重因素的影响。就目前电网各地电力营业厅的管理检查和管理服务质量评估来看，基本依靠人为感知与线下反馈，缺乏科学化的管理方法与评价手段[7]。

3.2 建立营业厅检查标签体系

在电力营业厅实际业务服务中，营销电力营业厅整体管控能力的因素主要有：营业厅基本信息、服务资源质量和营业厅管理三个层面，具体来讲，营业厅基本信息主要包含人工柜台数与智能自助设备数量、质量状态，人工服务次数与智能自主服务次数等方面；服务质量主要包括工作人员服务态度与设备健康状态；营业厅管理包含营业厅人文关怀提供情况、引导人员安排情况等方面。因此，本文采用以上三个层面作为电力营业厅标签体系构建的目标层，针对营业厅基本信息、服务质量、设备状态等管控能力进行检查，从此三个角度来探讨电力营业厅的检查服务所存在的问题。

本研究对营业厅管理服务水平界定与计算如下：营业厅的管理服务水平通过用户投诉情况来反映，投诉总次数与服务总次数之比小于5%认定为管理服务水平高，5%-10%认定为管理服务水平一般，10%以上认定为管理服务水平差。本文认为营业厅管理服务水平受服务营业厅基本信息、服务资源质量和营业厅管理三个维度的影响，采用以下11 个评价指标，进行“营业厅画像”，见表1。

3.3 营业厅检查标签构建方法算法描述

属性集组成营业厅管理服务评价系统的学习样本，输入属性制定决策。具体的算法如下:

步骤1：输入样本数据，利用Relief F 方法对训练集样本从输入属性集中进行约减，分辨出重要度较小的样本属性，得到由最少属性构成的训练集样本V`[8];

步骤2：将V`输入SVM 进行预测，输出模型M，M=SVM(V`);

步骤3：输入测试数据Vt，输出预测结果向量Decision，计算正确率Accuracy=SVM(Vt，M)。

将该方法运用于电力营业厅服务的预测上，不仅预测结果更加科学和准确，而且该方法可以更为准确的预测出电力营业厅在服务过程中受到的具体因素影响的情况。一般而言，运用支持向量机的方法能够识别出设备方面存在的设备利用不充分、设备故障率高、操作困难等问题[9]，还有能够从人员服务意识、沟通能力等方面判断出人员服务层面存在的问题，此外还能够挖掘出业务流程和环节方面存在的具体问题[10]。通过对电力营业厅现存以及隐藏问题的预测，可对相关营业厅进行“画像”，进而为营业厅检查的频率、重点检查内容提供智能规划，实现智能管理、智慧优化以及科学合理的电力营业厅运营管理模式。

4 电力营业厅服务检查质量提升策略

对于电力营业厅服务检查质量提升应该综合考虑设备改进、业务人员提升、营业厅智能规划和服务方式优化四方面进行改善和优化，具体提升策略如下。

在设备改进方面，一是注意适时调整设备分布、改进功能、增减数量，及时开展维修和检修，确保设备安全可靠与高效运作；二是在设备的实际运作中，尤其要注意提升智能化设备的人机交互体验质量，为用户带去良好感官体验，提高服务满意度。

在业务人员提升方面，从营业人员工作纪律、服务规范率、应答准确率、业务办理效率、业务量等八项指标进行员工绩效评估开展考核，增强服务意识，提升综合素质，为电力用户提供快捷、高效的互动式服务,提升电力营业厅的形象。同时注重加强营业厅人员的技能培训，技能熟练度的提升有利于提高业务办理速度，从而提升客户评价。

在营业厅智能规划方面，关键在于结合数据分析结果智能化设计营业厅空间布局，合理化用户业务办理路线，具体包含预约挂号、排队等待、业务办理等环节路线实现流程化与标准化；还有，根据营业厅的主要功能需求来科学合理划分重点厅，提升各厅之间衔接性与协调性；此外，还需完善服务窗口和等候区的人性化设置，例如提供免费饮用水、纸笔、报刊杂志、糖果、影片、网络以及按摩设施等提升对客户的关怀度。

在服务方式优化方面，开展智能互动服务，推行主动与自助服务，对业务差异化细分。对客户进行有序引导和合理分流，节省客户时间成本，节约营业厅资源，为用户提供个性化、多元化的定制服务,提高现场客户感知与认同感。

电力营业厅在发展优化阶段可通过如上具体措施对营业厅智能检查规划，进行“画像”标签化管理，提升电力营业厅现场管理水平，为客户提供规范化、人性化、优质化的服务，优化客户感知。同时，引入人工智能技术对电力营业厅持续优化改进，能够弥补传统人工服务工作中存在的工作压力大、业务水平不熟练以及服务态度差等问题,由此来提升营业厅服务质量，实现营业厅智能化发展，树立电力营业厅良好的社会形象。

5 结语

在全面分析电力营业厅管理服务的基础上，采用支持向量机的多类分类原理建立了电力营业厅标签系统模型，建立三项评价层次11 个维度的标签系统模型，该模型的建立有助于电力营业厅对管理服务质量和效果作出较好的预测，有助于营销服务人员对营业厅检查的频率、重点检查内容提供智能规划，为电力营业厅各个环节优化，提升业务办理智能化水平与营业厅管理服务水平。