一种预测银行网点营业窗口数的方法、装置及电子设备与流程

本申请涉及数据挖掘技术领域，特别涉及一种预测银行网点营业窗口数的方法、装置及电子设备。

背景技术：

目前在银行网点都是人为调整营业窗口数，也就是根据目前等待办理业务的客户数人为来增加或者减少窗口数。当没有人为干预的情况下，就可能会出现如下情况：现有的窗口数目较小导致客户等待很长的时间，或者是客户很少而营业窗口数比较多造成资源的浪费，并且人为增加或者减少窗口数都带有一定的随意性。如果人为干预失败，则仍然造成让客户等待较长时间或者造成网点资源浪费的问题。

技术实现要素：

本申请实施方式的目的是提供一种预测银行网点营业窗口数的方法、装置及电子设备，本技术方案预测的银行网点营业窗口数能够最大化合理利用网点资源的同时让用户等待比较少的时间。

为实现上述目的，本申请实施方式提供一种预测银行网点营业窗口数的方法，包括：

设置等待时间阈值；其中，所述等待时间阈值为客户容忍的从进入银行网点的起始时间到开始办理业务的起始时间之间时间差的最大值；

获取所述网点在一时间段内每一天的时刻t的等待客户信息集合；

根据所有的等待客户信息集合获取最长等待时间集合；其中，所述最长等待时间集合中的每个最长等待时间表示在一个网点内假设开设一个营业窗口的情况下，所述时间段内每一天的同一时刻t的所述等待客户信息集合中对应最后一个等待客户的等待时间或所述等待客户信息集合中所有等待客户办理业务花费的时间；

根据所述最长等待时间集合确定同一时刻t的等待客户信息集合的最长等待时间预测值；

根据所述网点的营业窗口数的最大值、所述等待时间阈值、所述同一时刻t的等待客户信息集合的最长等待时间预测值确定所述网点在时刻t开设的营业窗口数。

优选地，所述网点在时刻t开设的营业窗口数获取步骤包括：

所述同一时刻t的等待客户信息集合的最长等待时间预测值除以所述等待时间阈值的商上取整，获得第一结果；

比较所述第一结果与所述网点的营业窗口数的最大值，两者取最小值为所述网点在时刻t开设的营业窗口数。

优选地，所述等待客户信息集合的每个等待客户信息包括客户id及对应的序号、进入银行网点的起始时刻、办理业务类型、办理业务起始时刻、办理业务完成时刻。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤包括：

根据所述客户id及对应的办理业务起始时刻、办理业务完成时刻获得所述等待客户信息集合中每个等待客户办理业务花费的时间；

将所述等待客户信息集合中每个等待客户办理业务花费的时间相加，获得第二结果；

所述第二结果减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤包括：

根据所述客户id及对应的办理业务起始时刻、办理业务完成时刻获得所述等待客户信息集合中每个等待客户办理业务花费的时间；

计算所述等待客户信息集合中每个等待客户办理业务花费的时间之和，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤包括：

在网点开设一个营业窗口的情况下，所述等待客户信息集合中最后一个等待客户的办理业务起始时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤包括：

在网点开设一个营业窗口的情况下，所述等待客户信息集合中最后一个等待客户的办理业务完成时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤还包括：

获取间隙时间；其中，所述间隙时间为所有的等待客户信息集合中下一个等待客户的办理业务起始时刻减去当前等待客户的办理业务完成时刻的差相加求和的结果；

所述间隙时间加上所述第二结果再减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤还包括：

获取间隙时间；其中，所述间隙时间为所有的等待客户信息集合中下一个等待客户的办理业务起始时刻减去当前等待客户的办理业务完成时刻的差相加求和的结果；

所述等待客户信息集合中每个等待客户办理业务花费的时间之和再加上所述间隙时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤还包括：

所述同一时刻t对应网点开设的每个营业窗口上正在办理业务的客户的办理业务完成时刻分别减去时刻t的差相加，获得第三结果；

所述间隙时间加上所述第二结果、所述第三结果之后再减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤还包括：

所述同一时刻t对应网点开设的每个营业窗口上正在办理业务的客户的办理业务完成时刻分别减去时刻t的差相加，获得第三结果；

所述等待客户信息集合中每个等待客户办理业务花费的时间之和再加上所述间隙时间、所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤还包括：

网点开设一个营业窗口的情况下，所述同一时刻t对应网点开设的一个营业窗口上正在办理业务的客户的办理业务完成时刻减去时刻t的差，获得第三结果；

所述等待客户信息集合中最后一个等待客户的办理业务起始时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻再加上所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合中每个最长等待时间获取步骤还包括：

网点开设一个营业窗口的情况下，所述同一时刻t对应网点开设的一个营业窗口上正在办理业务的客户的办理业务完成时刻减去时刻t的差，获得第三结果；

所述等待客户信息集合中最后一个等待客户的办理业务完成时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻、再加上所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述同一时刻t的等待客户信息集合的最长等待时间预测值是将一时间段内的时刻t的最长等待时间集合中的所有最长等待时间相加求平均获得。

优选地，所述同一时刻t的等待客户信息集合的最长等待时间预测值获取步骤包括：

设置概率值；

将所述最长等待时间集合中最长等待时间大于或小于所述同一时刻t的等待客户信息集合的最长等待时间预测值的个数除以所述最长等待时间集合中的最长等待时间的个数等于所述概率值来确定所述同一时刻t的等待客户信息集合的最长等待时间预测值。

为实现上述目的，本申请实施方式提供一种预测银行网点营业窗口数的装置，包括：

等待时间阈值设置单元，用于设置等待时间阈值；其中，所述等待时间阈值为客户容忍的从进入银行网点的起始时间到开始办理业务的起始时间之间时间差的最大值；

统计单元，用于获取所述网点在一时间段内每一天的时刻t的等待客户信息集合；

最长等待时间集合获取单元，用于根据所有的等待客户信息集合获取最长等待时间集合；其中，所述最长等待时间集合中的每个最长等待时间表示在一个网点内假设开设一个营业窗口的情况下，所述时间段内每一天的同一时刻t的所述等待客户信息集合中对应最后一个等待客户的等待时间或所述等待客户信息集合中所有等待客户办理业务花费的时间；

等待时间预测值获取单元，用于根据所述最长等待时间集合确定同一时刻t的等待客户信息集合的最长等待时间预测值；

预测单元，用于根据所述网点的营业窗口数的最大值、所述等待时间阈值、所述同一时刻t的等待客户信息集合的最长等待时间预测值确定所述网点在时刻t开设的营业窗口数。

优选地，所述预测单元包括：

第一计算模块，用于所述同一时刻t的等待客户信息集合的最长等待时间预测值除以所述等待时间阈值的商上取整，获得第一结果；

比较模块，用于比较所述第一结果与所述网点的营业窗口数的最大值，两者取最小值为所述网点在时刻t开设的营业窗口数。

优选地，所述统计单元获取的等待客户信息集合的每个等待客户信息包括客户id及对应的序号、进入银行网点的起始时刻、办理业务类型、办理业务起始时刻、办理业务完成时刻。

优选地，所述最长等待时间集合获取单元包括：

第二计算模块，用于根据所述客户id及对应的办理业务起始时刻、办理业务完成时刻获得所述等待客户信息集合中每个等待客户办理业务花费的时间；

第三计算模块，用于将所述等待客户信息集合中每个等待客户办理业务花费的时间相加，获得第二结果；

第四计算模块，用于所述第二结果减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元包括：

第五计算模块，用于根据所述客户id及对应的办理业务起始时刻、办理业务完成时刻获得所述等待客户信息集合中每个等待客户办理业务花费的时间；

第六计算模块，用于计算所述等待客户信息集合中每个等待客户办理业务花费的时间之和，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还用于在网点开设一个营业窗口的情况下，所述等待客户信息集合中最后一个等待客户的办理业务起始时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还用于在网点开设一个营业窗口的情况下，所述等待客户信息集合中最后一个等待客户的办理业务完成时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还包括：

第七计算模块，用于获取间隙时间；其中，所述间隙时间为所有的等待客户信息集合中下一个等待客户的办理业务起始时刻减去当前等待客户的办理业务完成时刻的差相加求和的结果；

所述第四计算模块，还用于所述间隙时间加上所述第二结果再减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还包括：

第七计算模块，用于获取间隙时间；其中，所述间隙时间为所有的等待客户信息集合中下一个等待客户的办理业务起始时刻减去当前等待客户的办理业务完成时刻的差相加求和的结果；

所述第六计算模块，还用于所述等待客户信息集合中每个等待客户办理业务花费的时间之和再加上所述间隙时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还包括：

第八计算模块，用于所述同一时刻t对应网点开设的每个营业窗口上正在办理业务的客户的办理业务完成时刻分别减去时刻t的差相加，获得第三结果；

所述第四计算模块，还用于所述间隙时间加上所述第二结果、所述第三结果之后再减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还包括：

第八计算模块，用于所述同一时刻t对应网点开设的每个营业窗口上正在办理业务的客户的办理业务完成时刻分别减去时刻t的差相加，获得第三结果；

所述第六计算模块，还用于所述等待客户信息集合中每个等待客户办理业务花费的时间之和再加上所述间隙时间、所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还包括：

第八计算模块，用于在网点开设一个营业窗口的情况下，所述同一时刻t对应网点开设的一个营业窗口上正在办理业务的客户的办理业务完成时刻减去时刻t的差，获得第三结果；

第四计算模块，还用于所述等待客户信息集合中最后一个等待客户的办理业务起始时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻再加上所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述最长等待时间集合获取单元还包括：

第八计算模块，用于在网点开设一个营业窗口的情况下，所述同一时刻t对应网点开设的一个营业窗口上正在办理业务的客户的办理业务完成时刻减去时刻t的差，获得第三结果；

第六计算模块，还用于所述等待客户信息集合中最后一个等待客户的办理业务完成时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻再加上所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

优选地，所述等待时间预测值获取单元是将一时间段内的时刻t的最长等待时间集合中的所有最长等待时间相加求平均获得所述同一时刻t的等待客户信息集合的最长等待时间预测值。

优选地，所述等待时间预测值获取单元包括：

概率阈值设置模块，用于设置概率值；

第九计算模块，用于将所述最长等待时间集合中最长等待时间大于或小于所述同一时刻t的等待客户信息集合的最长等待时间预测值的个数除以所述最长等待时间集合中的最长等待时间的个数等于所述概率值来确定所述同一时刻t的等待客户信息集合的最长等待时间预测值。

为实现上述目的，本申请实施方式提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的预测银行网点营业窗口数的方法的步骤。

为实现上述目的，本申请实施方式提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述所述的预测银行网点营业窗口数的方法的步骤。

由上可见，与现有技术相比较，本技术方案能够准确预测相应时间段应该开设的银行网点营业窗口数，这样银行就可以提前规划好在某一时刻网点窗口的营业数，使银行利用最少的网点资源来满足客户的需求，不仅可以保证一定的客户满意度，还能节省网点资源。

附图说明

为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式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申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施方式提供一种预测银行网点营业窗口数的方法流程图；

图2为本申请实施方式提供一种预测银行网点营业窗口数的装置功能框图；

图3为本申请实施方式提供的预测银行网点营业窗口数的装置中预测单元的功能框图；

图4为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之一；

图5为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之二；

图6为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之三；

图7为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之四；

图8为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之五；

图9为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之六；

图10为本申请实施例提出的一种电子设备示意图。

具体实施方式

下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述参考在附图中示出并在以下描述中详述的非限制性示例实施例，更加全面地说明本公开的示例实施例和它们的多种特征及有利细节。应注意的是，图中示出的特征不是必须按照比例绘制。本公开省略了已知材料、组件和工艺技术的描述，从而不使本公开的示例实施例模糊。所给出的示例仅旨在有利于理解本公开示例实施例的实施，以及进一步使本领域技术人员能够实施示例实施例。因而，这些示例不应被理解为对本公开的实施例的范围的限制。

除非另外特别定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。此外，在本公开各个实施例中，相同或类似的参考标号表示相同或类似的构件。

在一定时期内，某一时刻t(比如上午11点)的客户等待数目和办理业务的类型在统计意义上是大致确定的，也就是说在某一时刻客户的等待时间是大致确定的，这个值可以通过银行巨大的客户历史数据准确的获得。当设置一个合适的等待时间阈值，就可以得出满足该等待时间阈值时的银行网点开设的营业窗口数的最小值。在本技术方案中，等待时间阈值为客户容忍的从进入银行网点的起始时间到开始办理业务的起始时间的最大值。一旦客户在银行网点等待时间超过该等待时间阈值，很容易产生情绪，甚至发生投诉事件。如果客户在银行网点等待时间小于该等待时间阈值，客户的满意度得到提高。这种规划可以使银行利用最少的网点资源来满足客户的需求，不仅可以保证一定的客户满意度，还能节省网点资源。

基于上述描述，如图1所示，为本申请实施方式提供一种预测银行网点营业窗口数的方法流程图。其中，所述预测银行网点营业窗口数的方法可以应用于银行后台服务器中。具体地，所述银行后台服务器可以是能够提供执行交易时涉及金融数据处理的后台业务服务器。在本实施方式中，所述服务器可以为一个具有数据运算、存储功能以及网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件。在本实施方式中并不具体限定所述服务器的数量。所述服务器可以为一个服务器，还可以为几个服务器，或者，若干服务器形成的服务器集群。包括：

步骤101)：设置等待时间阈值；其中，所述等待时间阈值为客户容忍的从进入银行网点的起始时间到开始办理业务的起始时间之间时间差的最大值。

在本实施例中，等待时间阈值可以基于银行网点业务人员的经验设置，也可以是通过问卷调查中客户给出的值统计获得。在这里就不详述如何设置等待时间阈值，这不是本技术方案的重点。

步骤102)：获取所述网点在一时间段内每一天的时刻t的等待客户信息集合。

在本实施例中，统计过去一段时间内每一天同一时刻的等待客户情况，假设统计的时间范围共有m天，时刻t可以是下午3点。m天中的第i天的下午3点的等待客户集合为：{ci1、ci2、ci3……cin(i)}。其中，cin(i)表示m天中的第i天的下午3点的等待客户集合中顺序排队排列序号为n(i)的客户交易信息。n(i)表示m天中每一天同一时刻t对应的等待客户的数量。在实际应用中，每天中同一时刻t的等待客户数量可以相同，也可以不相同。该交易信息包括：客户id及对应的序号、进入银行网点的起始时刻、办理业务类型、办理业务起始时刻、办理业务完成时刻。

步骤103)：根据所有的等待客户信息集合获取最长等待时间集合；其中，所述最长等待时间集合中的每个最长等待时间表示在一个网点内假设开设一个营业窗口的情况下，所述时间段内每一天的同一时刻t的所述等待客户信息集合中对应最后一个等待客户的等待时间或所述等待客户信息集合中所有等待客户办理业务花费的时间。

由步骤103可知，最长等待时间集合分为两种情况，第一种：最长等待时间集合中的每个最长等待时间表示在一个网点内假设开设一个营业窗口的情况下，所述时间段内每一天的同一时刻t的所述等待客户信息集合中对应最后一个等待客户的等待时间。

在本实施例中，假设银行网点仅开设一个营业窗口的情况下，m天中的第i天的下午3点对应等待客户集合中最后一个等待客户的等待时间wi,n(i)的公式为：

wi,n(i)＝vi,1+vi,2+...+vi,(n(i)-1)(1)

其中，等待客户集合中有n(i)个等待客户，根据每个等待客户的对应客户交易信息中业务办理完成时刻减去业务办理起始时刻获得每个等待客户办理业务需要的时间，最后一个等待客户等待时间就是前面n(i)-1个等待客户办理业务需要的时间之和。

在本实施例中，还有一种极特殊的情况，就是网点开设一个营业窗口这一简单的应用场景，这时就无需通过公式(1)获得最后一个等待客户的等待时间。m天中的第i天的下午3点对应等待客户集合中最后一个等待客户的等待时间wi,n(i)的公式还可以表示为：

wi,n(i)＝t1,n(i)-t2,1(2)

在式2中，t1,n(i)表示等待客户集合中最后一个等待客户办理业务的起始时刻，t2,1表示等待客户集合中第一个等待客户办理业务的起始时刻。

第二种情况：最长等待时间集合中的每个最长等待时间表示所述等待客户信息集合中所有等待客户办理业务花费的时间。

在本实施例中，m天中的第i天的下午3点对应等待客户集合的最长等待时间的公式可以表示为：

v＝vi,1+vi,2+...+vi,(n(i)-1)+vi,n(i)(3)

式(3)中，等待客户集合中有n(i)个等待客户，根据每个等待客户的对应客户交易信息中业务办理完成时刻减去业务办理起始时刻获得每个等待客户办理业务需要的时间，所述等待客户信息集合中所有等待客户办理业务花费的时间之和为最长等待时间。

同样地，还有一种极特殊的情况，就是网点开设一个营业窗口这一简单的应用场景，这时就无需通过公式(3)获得最后一个等待客户的等待时间。m天中的第i天的下午3点对应等待客户集合的最长等待时间的公式为：

v＝t2,n(i)-t1,1(4)

式(4)中，t2,n(i)表示等待客户集合中最后一个等待客户办理业务完成时刻，t1,1表示等待客户集合中第一个等待客户的办理业务起始时刻。

在实际中，当前客户办理完业务到下一客户开始在营业窗口办理业务之前是有一个时间差的。为了更为精确计算等待客户集合中最后一个等待客户等待时间，当前客户办理完业务到下一客户开始在营业窗口办理业务之前的时间差可以根据下一客户办理业务的起始时刻减去当前客户业务办理完成时刻确定，将等待客户集合中所有的时间差相加，该结果加入式(1)或式(4)中，这样估算出来的最长等待时间更为精确。

当然，还需要考虑，在时刻t，开设的银行网点的营业窗口还有客户正在办理业务，他们会影响后面等待客户的等待时间。进一步地，计算最长等待时间的前提条件为假设网点开设一个营业窗口的情况下。基于此，需要计算出时刻t时开设的银行网点的每个营业窗口上客户办理业务还需要的时间。假设当前开设4个营业窗口，每个营业窗口上客户办理业务还需要的时间基于公式(5)获得，最后获得4个时间值，将这4个时间值加入之前计算所得的最长等待时间中，最后获得的值比之前估算出来的最长等待时间值更加精确。

步骤104)：根据所述最长等待时间集合确定同一时刻t的等待客户信息集合的最长等待时间预测值。

在本实施例中，同一时刻t的等待客户信息集合的最长等待时间预测值是将一时间段内的时刻t的最长等待时间集合中的所有最长等待时间相加求平均获得。

在本实施例中，同一时刻t的等待客户信息集合的最长等待时间预测值获取还可以包括：

设置概率值；将所述最长等待时间集合中最长等待时间大于或小于所述同一时刻t的等待客户信息集合的最长等待时间预测值的个数除以所述最长等待时间集合中的最长等待时间的个数等于所述概率值来确定所述同一时刻t的等待客户信息集合的最长等待时间预测值。

在实际中，还有很多种如何根据最长等待时间集合确定同一时刻t的等待客户信息集合的最长等待时间预测值，在这里就不详述如何计算获得，这不是本技术方案的重点。

步骤105)：根据所述网点的营业窗口数的最大值、所述等待时间阈值、所述同一时刻t的等待客户信息集合的最长等待时间预测值确定所述网点在时刻t开设的营业窗口数。

在本实施例中，所述网点在时刻t开设的营业窗口数获取步骤包括：

所述同一时刻t的等待客户信息集合的最长等待时间预测值除以所述等待时间阈值的商上取整，获得第一结果；

比较所述第一结果与所述网点的营业窗口数的最大值，两者取最小值为所述网点在时刻t开设的营业窗口数。

综上所述，由图1和上述实施例可知，本技术方案能够准确预测相应时间段应该开设的银行网点营业窗口数，这样银行就可以提前规划好在某一时刻网点窗口的营业数，使银行利用最少的网点资源来满足客户的需求，不仅可以保证一定的客户满意度，还能节省网点资源。

如图2所示，为本申请实施方式提供一种预测银行网点营业窗口数的装置功能框图。包括：

等待时间阈值设置单元201，用于设置等待时间阈值；其中，所述等待时间阈值为客户容忍的从进入银行网点的起始时间到开始办理业务的起始时间之间时间差的最大值；

统计单元202，用于获取所述网点在一时间段内每一天的时刻t的等待客户信息集合；

最长等待时间集合获取单元203，用于根据所有的等待客户信息集合获取最长等待时间集合；其中，所述最长等待时间集合中的每个最长等待时间表示在一个网点内假设开设一个营业窗口的情况下，所述时间段内每一天的同一时刻t的所述等待客户信息集合中对应最后一个等待客户的等待时间或所述等待客户信息集合中所有等待客户办理业务花费的时间；

等待时间预测值获取单元204，用于根据所述最长等待时间集合确定同一时刻t的等待客户信息集合的最长等待时间预测值；

预测单元205，用于根据所述网点的营业窗口数的最大值、所述等待时间阈值、所述同一时刻t的等待客户信息集合的最长等待时间预测值确定所述网点在时刻t开设的营业窗口数。

如图3所示，为本申请实施方式提供的预测银行网点营业窗口数的装置中预测单元的功能框图。所述预测单元205包括：

第一计算模块2051，用于所述同一时刻t的等待客户信息集合的最长等待时间预测值除以所述等待时间阈值的商上取整，获得第一结果；

比较模块2052，用于比较所述第一结果与所述网点的营业窗口数的最大值，两者取最小值为所述网点在时刻t开设的营业窗口数。

在本实施例中，所述统计单元获取的等待客户信息集合的每个等待客户信息包括客户id及对应的序号、进入银行网点的起始时刻、办理业务类型、办理业务起始时刻、办理业务完成时刻。

如图4所示，为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之一。所述最长等待时间集合获取单元203包括：

第二计算模块2031，用于根据所述客户id及对应的办理业务起始时刻、办理业务完成时刻获得所述等待客户信息集合中每个等待客户办理业务花费的时间；

第三计算模块2032，用于将所述等待客户信息集合中每个等待客户办理业务花费的时间相加，获得第二结果；

第四计算模块2033，用于所述第二结果减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

如图5所示，为本申请实施方式提供的预测银行网点营业窗口数的装置中最长等待时间集合获取单元的功能框图之二。所述最长等待时间集合获取单元203包括：

第五计算模块2031’，用于根据所述客户id及对应的办理业务起始时刻、办理业务完成时刻获得所述等待客户信息集合中每个等待客户办理业务花费的时间；

第六计算模块2032’，用于计算所述等待客户信息集合中每个等待客户办理业务花费的时间之和，获得所述等待客户信息集合对应的最长等待时间。

在本实施例中，所述最长等待时间集合获取单元还用于在网点开设一个营业窗口的情况下，所述等待客户信息集合中最后一个等待客户的办理业务起始时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻，获得所述等待客户信息集合对应的最长等待时间。

在本实施例中，所述最长等待时间集合获取单元还用于在网点开设一个营业窗口的情况下，所述等待客户信息集合中最后一个等待客户的办理业务完成时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻，获得所述等待客户信息集合对应的最长等待时间。

在图4的基础之上，如图6所示，所述最长等待时间集合获取单元203还包括：

第七计算模块2034，用于获取间隙时间；其中，所述间隙时间为所有的等待客户信息集合中下一个等待客户的办理业务起始时刻减去当前等待客户的办理业务完成时刻的差相加求和的结果；

所述第四计算模块2033，还用于所述间隙时间加上所述第二结果再减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

在图5的基础之上，如图7所示，所述最长等待时间集合获取单元还包括：

第七计算模块2034，用于获取间隙时间；其中，所述间隙时间为所有的等待客户信息集合中下一个等待客户的办理业务起始时刻减去当前等待客户的办理业务完成时刻的差相加求和的结果；

所述第六计算模块2032’，还用于所述等待客户信息集合中每个等待客户办理业务花费的时间之和再加上所述间隙时间，获得所述等待客户信息集合对应的最长等待时间。

在图6的基础之上，如图8所示，所述最长等待时间集合获取单元203还包括：

第八计算模块2035，用于所述同一时刻t对应网点开设的每个营业窗口上正在办理业务的客户的办理业务完成时刻分别减去时刻t的差相加，获得第三结果；

所述第四计算模块2033，还用于所述间隙时间加上所述第二结果、所述第三结果之后再减去所述等待客户信息集合中最后一个等待客户办理业务花费的时间，获得所述等待客户信息集合对应的最长等待时间。

在图7的基础上，如图9所示，所述最长等待时间集合获取单元203还包括：

第八计算模块2035，用于所述同一时刻t对应网点开设的每个营业窗口上正在办理业务的客户的办理业务完成时刻分别减去时刻t的差相加，获得第三结果；

所述第六计算模块2032’，还用于所述等待客户信息集合中每个等待客户办理业务花费的时间之和再加上所述间隙时间、所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

在图6的基础上，所述最长等待时间集合获取单元203还包括：

第八计算模块2035，用于在网点开设一个营业窗口的情况下，所述同一时刻t对应网点开设的一个营业窗口上正在办理业务的客户的办理业务完成时刻减去时刻t的差，获得第三结果；

所述第四计算模块2033，用于所述等待客户信息集合中最后一个等待客户的办理业务起始时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻再加上所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

在图7的基础上，所述最长等待时间集合获取单元203还包括：

第八计算模块2035，用于在网点开设一个营业窗口的情况下，所述同一时刻t对应网点开设的一个营业窗口上正在办理业务的客户的办理业务完成时刻减去时刻t的差，获得第三结果；

所述第六计算模块2032’，用于所述等待客户信息集合中最后一个等待客户的办理业务完成时刻减去所述等待客户信息集合中第一个等待客户的办理业务起始时刻再加上所述第三结果，获得所述等待客户信息集合对应的最长等待时间。

在本实施例中，所述等待时间预测值获取单元是将一时间段内的时刻t的最长等待时间集合中的所有最长等待时间相加求平均获得所述同一时刻t的等待客户信息集合的最长等待时间预测值。

在本实施例中，所述等待时间预测值获取单元包括：

概率阈值设置模块，用于设置概率值；

等待时间预测值计算模块，用于将所述最长等待时间集合中最长等待时间大于或小于所述同一时刻t的等待客户信息集合的最长等待时间预测值的个数除以所述最长等待时间集合中的最长等待时间的个数等于所述概率值来确定所述同一时刻t的等待客户信息集合的最长等待时间预测值。

如图10所示，为本申请实施例提出的一种电子设备示意图。包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的预测银行网点营业窗口数的方法的步骤。

本说明书实施方式提供的预测银行网点营业窗口数的方法，其存储器和处理器实现的具体功能，可以与本说明书中的前述实施方式相对照解释，本技术方案预测的银行网点营业窗口数能够最大化合理利用网点资源的同时让用户等待比较少的时间，并能够达到前述实施方式的技术效果，这里便不再赘述。

在本实施方式中，所述存储器可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方法的媒体加以存储。本实施方式所述的存储器又可以包括：利用电能方式存储信息的装置，如ram、rom等；利用磁能方式存储信息的装置，如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘；利用光学方式存储信息的装置，如cd或dvd。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等等。

在本实施方式中，所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式等等。

在本实施例中，本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述所述的预测银行网点营业窗口数的方法的步骤。

由上可见，本技术方案能够准确预测相应时间段应该开设的银行网点营业窗口数，这样银行就可以提前规划好在某一时刻网点窗口的营业数，使银行利用最少的网点资源来满足客户的需求，不仅可以保证一定的客户满意度，还能节省网点资源。总之，本技术方案预测的银行网点营业窗口数能够最大化合理利用网点资源的同时让用户等待比较少的时间。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现客户端和服务器以外，完全可以通过将方法步骤进行逻辑编程来使得客户端和服务器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种客户端和服务器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，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)执行本申请各个实施方式或者实施方式的某些部分所述的方法。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。尤其，针对客户端和服务器的实施方式来说，均可以参照前述方法的实施方式的介绍对照解释。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施方式描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。