电力呼叫中心话务温度相关预测模型的应用

景伟强，毛燕萍，邢聪聪，魏骁雄，徐家宁

（1．国网浙江省电力公司客户服务中心，杭州310009；2．杭州远传通信技术有限公司，杭州310007）

电力呼叫中心话务温度相关预测模型的应用

景伟强1，毛燕萍1，邢聪聪2，魏骁雄1，徐家宁1

（1．国网浙江省电力公司客户服务中心，杭州310009；2．杭州远传通信技术有限公司，杭州310007）

针对电力呼叫中心的话务量受到天气影响较为显著的情况，综合考虑了当地气温、周规律、月规律、法定节假日、同期增长趋势等因素对话务量的影响，提出一种温度相关预测模型，数值试验证明这一模型应用于电力行业呼叫中心话务预测效果良好。

话务预测；电力行业；呼叫中心；温度相关预测模型

0 引言

话务预测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排对应的坐席，在满足呼叫中心优质服务水平的前提条件下，实现呼叫中心人力资源的最优配置。因此，如何能准确预测呼叫中心话务量是一个重要且亟待解决的问题。

针对电力呼叫中心话务量受天气影响较为明显的特点，提出了一种话务预测模型。对杭州地区的历史话务量及气象数据进行多维度的挖掘分析，通过数学模型进行初步预测，并根据预测准确率，分析预测偏差的原因，进而修正话务预测模型。该模型综合考虑了气温、周规律、月规律、法定节假日、同期增长趋势等因素对话务量的影响。

1 相关预测模型

1.1 数据分析工具

数据分析工具有：

（1）相关系数，用以反映变量之间关系密切程度的统计指标；

（2）散点图，通过绘制1个变量对另1个变量的影响变化图示，说明2个变量之间的关系。如图1为日总话务量与最高气温的散点分布，图2为日总话务量和平均湿度的散点分布。

1.2 数据相关性分析

根据数据分析工具，以杭州地区2010—2012年的日总话务量、最高气温、平均湿度为例，分析相关性。

日总话务量和最高气温的总体相关系数为0.401，说明2个变量之间有中等程度的相关性。从图1可以看出，随着气温增高，话务量具有明显的上升趋势，最高气温在4～31℃时，最高气温和话务量之间关系不明显；在32℃之上时，最高气温和话务量呈正相关性。通过以上分析可知，最高气温对于电力呼叫中心话务量影响较大。

日总话务量和平均湿度的总体相关系数为-0.071，相关性微弱。从图2可以看出，平均湿度在20%～90%之间时，话务量和湿度几乎没有关系，在湿度极大或极小时，话务量的置信区间范围很大，湿度极大或极小的天数特别少。通过以上分析可知，湿度对于电力呼叫中心话务量的影响较小。

图2 日总话务量和平均湿度的散点分布

1.3 因子选择

通过话务量与各种因素之间的相关性分析，以及反复预测的结果分析，选择了温度、周属性、月属性、节假日属性、同期增长趋势这几个因素，建立了话务预测模型，命名为温度相关预测模型。

1.4 算法流程

具体的算法步骤为：

（1）用线性插值方法处理缺失数据，用时间序列平滑方法处理突发异常数据；

（2）根据离散化处理的历史温度数据，统计相应话务量，根据所得均值及离散系数，确定温度修正系数，根据所述温度修正系数，确定历史修正话务量；

（3）判断预测周期是否含有重大节假日；

（4）根据历史数据，确定小节假日调整系数；

（5）根据相似温度天的时段话务走势，进行时段话务占比预测，得到预测周期每天每时段话务量；

（6）输出预测结果，算法流程示意见图3。

图3 算法流程示意

2 模型预测结果

2.1 话务预测误差

根据话务预测模型，分别对不同时期的话务量进行预测，采用的误差度量工具为平均相对误差EMAPE：

式中：Li为表示第i次预测的真实值；为第i次预测的估计值；i=1，…，n。

2.2 正常月份预测结果分析

采用浙江省2013年1月1日—2014年3月30日的所有历史话务数据及省会城市杭州的气象数据作为训练集，预测了2014年4月1日—30日的话务量。本预测周期（剔除清明节期间）的日总量平均相对误差为7.7%。

气温比较宜人时，每天话务量有2个高峰期，即早高峰和下午高峰。预测结果与此相符。如图4所示为2014年4月某日的预测结果，实际值序列和预测值序列的相关系数为0.98，说明2个序列的相关性很强。

图42014 年4月某日实际值和预测值

2.3 高温月份预测结果分析

采用杭州地区2013年1月1日—2014年7月31日的所有历史数据作为训练集，预测了2014年8月1日—31日的话务数据。本预测周期的月总量预测误差为6.0%。

在高温天，大量使用空调容易导致电力负荷过大而发生故障，话务量会飙升。每天话务量分布会有3个高峰，即早高峰、下午高峰和晚高峰，预测结果与此相符。如图5所示为2014年8月某日的预测结果，实际值序列和预测值序列的相关系数为0.97，说明两个序列的相关性强。

3 结语

电力行业的呼叫中心话务量的众多气象影响因素中，温度起着重要的作用。此处主要考虑了温度影响因素，可以初步认为，温度相关预测模型在电力话务预测中，可以得到较为准确的预测结果，基本能够满足实际话务量预测需要。电力行业的话务量还受到雷暴、台风等特殊天气以及电价等业务调整的影响，这些事件因为程度较难界定、记录较少而较难考虑。今后模型的优化方向既要考虑增加政策、业务影响因素，对特定时间进行话务量修正，还要考虑以时段话务量代替天话务量，以及增加短时天气预报数来进一步修正雷暴等短期特殊天气的影响。

图52014 年8月某日实际值和预测值

[1]牟颖，王俊峰，谢传柳，等．大型呼叫中心话务量预测[J]．计算机工程与设计，2010（21）:4686-4689．

[2]艾勇．电力呼叫中心话务量的指数平滑预测方法[J]．中南民族大学学报（自然科学版），2012（9）:81-84．

[3]雷绍兰，孙才新，周湶，等．电力短期负荷的多变量序列线性回归预测方法研究[J]．中国电机工程学报，2006（2）:25-29．

（本文编辑：陆莹）

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

景伟强（1972），男，工程师，从事电力企业呼叫中心话务管理工作。