一种基于公交数字化转型的公交业务管理移动终端的制作方法

1.本发明涉及公交业务管理领域，尤其涉及一种基于公交数字化转型的公交业务管理移动终端。


背景技术：

2.公交业务管理的形式，除了传统的人工整理录入外，随着计算机技术的不断发展，借用办公程序等处于在线状态下的业务处理已成为主流，为用户提供了方便；但是由于公交业务管理业务类型的多样性以及复杂性，不能进行有效的信息反馈以及集中管理，为用户的使用带来很大的不便，降低了业务的满意度，限制了业务的数字化发展。


技术实现要素：

3.本发明提供一种基于公交数字化转型的公交业务管理移动终端，以克服上述技术问题。
4.一种基于公交数字化转型的公交业务管理移动终端，其特征在于，包括：内部人事资源监管子系统、用户身份验证子系统、采购监控子系统、客户体验监控子系统，
5.内部人事资源监管子系统，用于提供注册、登录界面进行用户注册、登录，将用户的实名注册信息存储在用户数据库中，通过注册的用户名登录公交业务管理移动系统进行操作；
6.用户身份验证子系统，用于对内部人事资源监管子系统的用户数据库的用户身份进行验证并配置相应的用户管理权限；
7.采购监控子系统，用于进行产品采购，实时生成预购产品的余量列表并向用户展示，当某一预购产品的余量达到阈值时，生成预购产品的采购信息，并将采购信息发送至具有采购权限的用户，获得采购授权后，调用所述预购产品的供应商信息，将所述采购信息发送至供应商进行采购；
8.客户体验监控子系统，用于实时获取客户的调研数据，所述调研数据包括文本数据、音频数据、视频数据的任意一种数据，对调研数据进行数据分析后，获取客户选择的业务类型，根据所述业务类型对应的自动回复数据库获取最优回复信息并反馈给客户。
9.优选地，所述生成预购产品的采购信息是指调用所述预购产品的历史订单数据，基于预设的指标评估模型对历史数据根据公式(1)进行计算获得评估指数，根据评估指数由高到低顺序获取预购产品的备选供应商列表并至少选定一个供应商信息，
10.s＝vyl(fx,y,z,u,v))+v
x
m(fx,y))
ꢀꢀꢀ
(1)
11.其中，x为调研数据，y为供应商信息，z为产品在同类产品的占有率、u为内部对该使用效果反馈信息，v为后续采购数据，s为评估指数，v
x
，vy表示置信度，取值范围[0,1]，l(*)表示使用交叉熵训练的卷积网络抽取后的特征，f(*)表示去除数据中的空格和特殊字符。
[0012]
优选地，所述对调研数据进行数据分析是指，当调研数据为文本数据时，基于分词
算法对文本数据进行解析，得到分词数据，并基于所获得分词数据获取第一文本情绪信息，所述第一文本情绪信息的获取过程为通过预设的情绪识别数据库，对分词数据进行文字特征比对以获得所述文本数据对应的情绪信息，根据公式(2)获取第一文本情绪信息，
[0013]
q＝vcfr(r,b)∩vdld(r',b')
ꢀꢀꢀ
(2)
[0014]
其中，r为分词数据，b为情绪识别数据库，q为第一文本情绪信息，vc表示分词数据特征的置信度，取值范围[0,1]，vd情绪识别数据库特征的置信度，取值范围[0,1]，ld(*)表示使用对比损失训练的残差网络抽取后的特征，fr(*)表示使用交叉熵训练的卷积网络抽取后的特征。
[0015]
优选地，所述对调研数据进行数据分析是指，当调研数据为音频数据时，进行音频解析获取对应的语音文本信息、语音文本的分词数据以及第二文本情绪信息，所述第二文本情绪包括语音文本情绪和声学情绪，
[0016]
语音文本情绪的获取过程为通过预设的情绪识别数据库，对分词数据进行文字特征比对以获得所述语音文本数据对应的情绪信息；
[0017]
声学情绪的获取过程为基于设定的关键声学特征列表，将音频数据与声学分类识别模型进行对照检录，匹配出情绪信息；
[0018]
基于语音文本情绪和声学情绪，确定音频数据的情绪信息并作为第二文本情绪信息。
[0019]
优选地，所述对调研数据进行数据分析是指，当调研数据为视频数据时，对视频数据进行音频与图像双重解析，获取对应的语音文本信息、语音文本的分词数据以及第三文本情绪信息，所述第三文本情绪信息包括语音文本情绪、声学情绪和人脸情绪，
[0020]
语音文本情绪的获取过程为通过预设的情绪识别数据库，对分词数据进行文字特征比对以获得所述语音文本数据对应的情绪信息；
[0021]
声学情绪的获取过程为基于设定的关键声学特征列表，将音频数据与声学分类识别模型进行对照检录，匹配出情绪信息；
[0022]
人脸情绪的获取过程为将视频按帧划分为图像，基于图像识别技术，将图像与人脸情绪分类识别模型进行对照检录，从而匹配出某一种人脸情绪信息；
[0023]
基于语音文本情绪、声学情绪和人脸情绪，确定视频数据的情绪信息并作为第三文本情绪信息。
[0024]
本发明提供一种基于公交数字化转型的公交业务管理移动终端，能够对企业的资源进行系统管理，以实现企业可持续发展，在采购优化管理中，利用智能工作流程革新数字化采购运营、实现采购转型；在提升客户体验管理中，以人为本设计智慧的客户体验，实现客户体验管理转型，推进数字化转型并改善业务成果；在人力资源管理中，变革流程、构建现代化hr管理体系，提高企业效率和效能，实现人力资源数字化转型。
附图说明
[0025]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
[0026]
图1是本发明终端架构图；
[0027]
图2是本发明调研数据分析流程图。
具体实施方式
[0028]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029]
图1为本发明终端架构图，如图1所示，本实施例的方法可以包括：
[0030]
一种基于公交数字化转型的公交业务管理移动终端，包括：内部人事资源监管子系统、用户身份验证子系统、采购监控子系统、客户体验监控子系统。
[0031]
内部人事资源监管子系统，用于提供注册、登录界面进行用户注册、登录，将用户的实名注册信息存储在用户数据库中，通过注册的用户名登录公交业务管理移动系统进行操作。同时为用户提供操作界面，并在发生人事变更时,执行预设人事合约中的流程内容。
[0032]
用户身份验证子系统，用于对内部人事资源监管子系统的用户数据库的用户身份进行验证并配置相应的用户管理权限。
[0033]
采购监控子系统，用于进行产品采购，实时生成预购产品的余量列表并向用户展示，当某一预购产品的余量达到阈值时，生成预购产品的采购信息，所述生成预购产品的采购信息是指调用所述预购产品的历史订单数据，基于预设的指标评估模型对历史数据根据公式(1)进行计算获得评估指数，根据评估指数由高到低顺序获取预购产品的备选供应商列表并至少选定一个供应商信息，
[0034]
s＝vyl(f(x,y,z,u,v))+v
x
m(fx,y))
ꢀꢀꢀ
(1)
[0035]
其中，x为调研数据，y为供应商信息，z为产品在同类产品的占有率、u为内部对该使用效果反馈信息，v为后续采购数据，s为评估指数，v
x
，vy表示置信度，取值范围[0,1]，l(*)表示使用交叉熵训练的卷积网络抽取后的特征，f(*)表示去除数据中的空格和特殊字符，所述特殊字符包括
‘
@’、
‘
/’、
‘
#’、
‘
$’、
‘
％’、
‘……’
、
‘
(’、
‘
)’、
‘
*’、
‘
&’、
‘
～’、
‘
|’、
‘
[’、
‘
]’、
‘
{’、
‘
}’、
‘
；’、
‘
：’等。
[0036]
具体来说，对于输入的x、y、z、u、v，使用交叉熵损失训练的卷积网络抽取特征是指，训练时输入为可能的x、y、z、u、v值和评估指数的匹配对，然后依次馈送到卷积层、池化层和全连接层，具体卷积网络为vgg-19，损失函数是交叉熵损失，因此当输入是一组数据x、y、z、u、v，输出对应的是预测的评估指数，f(*)表示去除数据中的空格和特殊字符。对于输入的x，y，使用残差网络抽取后的特征是指，训练时输入为可能的x、y值和评估指数的匹配对，然后依次馈送到卷积层、池化层和全连接层，具体卷积网络为resnet-50，损失函数是交叉熵损失，因此当输入是一组数据x、y，输出对应的是预测的评估指数。
[0037]
将采购信息发送至具有采购权限的用户，获得采购授权后，调用所述预购产品的供应商信息，将所述采购信息发送至供应商进行采购。
[0038]
客户体验监控子系统，用于实时获取客户的调研数据，所述调研数据包括文本数据、音频数据、视频数据的任意一种数据。
[0039]
对调研数据进行数据分析包括分别对文本数据、音频数据、视频数据进行分析，如
图2所示为调研数据分析流程图，当调研数据为文本数据时，基于分词算法对文本数据进行解析，得到分词数据。
[0040]
本发明实施例优选为通过使用中科院ictclas分词系统对文本进行分词，分词后保留以下词性的词：名词(n)、字符串(x)、数词(m)、量词(q)、动词(v)、形容词(a)、状态词(z)、区别词(b)、副词(d)、未知词性(un)、疑问代词(ry)、问号(ww)、叹号(wt)、左括号(wkz)和右括号(wky)。并基于所获得分词数据获取第一文本情绪信息，其中，本实施例可以将情绪分为七类：生气(angry)、厌恶(disgust)、恐惧(fear)、高兴(happiness)、悲伤(sadness)、惊讶(surprise)和中性(neutral)，可以预先设置生气、厌恶、恐惧、高兴、悲伤、惊讶和中性这七种情绪类别标签。本实施例也可以根据另一种心理学定义将情绪分为三类：积极、消极、正常；如此，可以设置积极、消极、正常这三种情绪类别标签。所述第一文本情绪信息的获取过程为通过预设的情绪识别数据库，对分词数据进行文字特征比对以获得所述文本数据对应的情绪信息，根据公式(2)获取第一文本情绪信息，
[0041]
q＝vcfr(r,b)∩vdld(r’,b)
ꢀꢀꢀ
(2)
[0042]
其中，r为分词数据，b为情绪识别数据库，q为第一文本情绪信息，vc表示分词数据特征的置信度，取值范围[0,1]，vd情绪识别数据库特征的置信度，取值范围[0,1]，ld(*)表示使用对比损失训练的残差网络抽取后的特征，fr(*)表示使用交叉熵训练的卷积网络抽取后的特征。
[0043]
具体来说，对于输入的r',b'，使用对比损失训练的残差网络抽取后的特征是指，训练时输入为可能的r',b'值和第一文本情绪信息的匹配对，然后依次馈送到卷积层、池化层和全连接层，具体卷积网络为resnet-101，损失函数是对比损失，因此当输入是一组数据r',b'，输出对应的是预测的第一文本情绪信息。fr(*)表示使用交叉熵训练的卷积网络抽取后的特征，具体来说，对于输入的r,b，使用交叉熵损失训练的卷积网络抽取特征是指，训练时输入为可能的r,b值和第一文本情绪信息的匹配对，然后依次馈送到卷积层、池化层和全连接层，具体卷积网络为densenet-154，损失函数是交叉熵损失，因此当输入是一组数据r,b，输出对应的是预测的第一文本情绪信息，r',b'表示序列化后的数据，两个网络预测出来的情绪信息取交集，即得到为第一文本情绪信息。
[0044]
当调研数据为音频数据时，进行音频解析获取对应的语音文本信息、语音文本的分词数据以及第二文本情绪信息，所述第二文本情绪包括语音文本情绪和声学情绪，
[0045]
语音文本情绪的获取过程为通过预设的情绪识别数据库，对分词数据进行文字特征比对以获得所述语音文本数据对应的情绪信息；
[0046]
声学情绪的获取过程为基于设定的关键声学特征列表，将音频数据与声学分类识别模型进行对照检录，匹配出情绪信息；
[0047]
基于语音文本情绪和声学情绪，确定音频数据的情绪信息并作为第二文本情绪信息。例如，通过因子分析方法或主成分分析方法配置语音文本情绪、声学情绪所对应的权重，以确定出第二文本情绪信息。
[0048]
首先，当接收到用户语音，提取所述用户语音的多类音频特征，即可以从不同的角度表征用户的情绪。然后，分别将所述音频特征与情绪特征库中的特征样本进行匹配，得到与每个所述音频特征匹配的特征样本相应的情绪标签；这样可以获取到每个特征向量所表现的具有潜在可能的情绪，进而可以指导后续步骤中识别到用户潜在的各种隐藏的情绪。
然后，基于所述音频特征及所述匹配的特征样本相应的情绪标签，构建所述用户语音的特征标签矩阵；可以将不同类别的音频特征及相应的各个相似度的特征样本体现的不同可能性的情绪标签，通过特征标签矩阵结构化联系起来，可以反映出可能的情绪变化规律。进而，将所述特征标签矩阵输入多情绪识别模型，得到多个情绪集及每个所述情绪集对应的场景标签；可以通过多情绪识别模型，高效准确地基于特征标签矩阵分析出多个可能的场景及对应的多个情绪。最后，获取所述用户语音的语音场景所匹配的场景标签，以将所述匹配的场景标签对应的情绪集确定为识别出的用户语音情绪；这样可以根据语音真实场景的匹配，获取到语音的语音情绪识别结果。以这种方式可以实现高效地、准确地从语音中识别出各类潜在情绪。
[0049]
当调研数据为视频数据时，对视频数据进行音频与图像双重解析，获取对应的语音文本信息、语音文本的分词数据以及第三文本情绪信息，所述第三文本情绪信息包括语音文本情绪、声学情绪和人脸情绪，
[0050]
语音文本情绪的获取过程为通过预设的情绪识别数据库，对分词数据进行文字特征比对以获得所述语音文本数据对应的情绪信息；
[0051]
声学情绪的获取过程为基于设定的关键声学特征列表，将音频数据与声学分类识别模型进行对照检录，匹配出情绪信息；
[0052]
人脸情绪的获取过程为将视频按帧划分为图像，基于图像识别技术，将图像与人脸情绪分类识别模型进行对照检录，从而匹配出某一种人脸情绪信息；
[0053]
在一个具体示例中，本实现方式中，例如对于共30秒长的待识别视频，识别到第5-10秒的图像包含人脸，则将第5-10秒的图像帧作为包含人脸的图像，截取第5-10秒的音频数据并对第5-10秒的音频数据进行频谱分析，得到与第5-10秒的图像相对应的声音频谱图。
[0054]
在一种可能的实现方式中，获取以预定时间间隔由待识别视频抽取的n帧图像以及与n帧图像相对应的声音频谱图，包括：
[0055]
以预定时间间隔从待识别视频中抽取n帧图像，并记录n帧图像中每帧图像的时间信息；
[0056]
根据n帧图像中每帧图像的时间信息，截取所述待识别视频中对应时间的音频数据；
[0057]
对所述音频数据进行频谱分析，得到与所述包含人脸的图像相对应的声音频谱图。
[0058]
接续前述示例，例如预定时间间隔为5秒，则从共30秒长的待识别视频中抽取第1、5、10、15、20、25、30秒的图像作为“n帧图像”，截取第1、5、10、15、20、25、30秒的音频数据并对第1、5、10、15、20、25、30秒的音频数据进行频谱分析，得到与“n帧图像”相对应的声音频谱图。
[0059]
在一种可能的实现方式中，所述从每段中随机采样至少一帧图像，包括：
[0060]
对每段随机采样l次，获得l个至少两帧图像，l＞1。
[0061]
调用预先训练得到的人脸情绪分类识别模型，从包含人脸的图像提取人脸情绪特征向量、从所述至少两帧图像提取视频情绪特征向量。获取当前用户的历史数据，基于神经网络算法对历史数据进行分析并匹配当前图像所对应的人脸情绪特征向量、至少两帧图像
提取视频情绪特征向量，合并特征向量，得到历史状态下用户的情绪状态。
[0062]
对语音文本情绪、声学情绪和人脸情绪进行权重配置以确定视频数据的情绪信息即第三文本情绪信息，所述权重配置可采用因子分析方法和主成分分析方法等。
[0063]
在确定第三文本情绪信息时，还可以分别配置历史状态下用户的情绪状态、语音文本情绪、声学情绪和人脸情绪不同的权重得到当前视频的第三文本情绪信息，所述权重配置可采用因子分析方法和主成分分析方法等。
[0064]
对调研数据进行数据分析后，获取客户选择的业务类型，根据所述业务类型对应的自动回复数据库获取最优回复信息并反馈给客户。
[0065]
整体有的有益效果：本发明提供一种基于公交数字化转型的公交业务管理移动终端，能够对企业的资源进行系统管理，以实现企业可持续发展，在采购优化管理中，利用智能工作流程革新数字化采购运营、实现采购转型；在提升客户体验管理中，以人为本设计智慧的客户体验，实现客户体验管理转型，推进数字化转型并改善业务成果；在人力资源管理中，变革流程、构建现代化hr管理体系，提高企业效率和效能，实现人力资源数字化转型。
[0066]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。