1.本公开涉及计算机
技术领域：
：，具体涉及大数据、云计算以及人工智能等
技术领域：
：，尤其涉及一种空勤人员的排班方法、装置、电子设备及存储介质。
背景技术：
：：2.民航运输的发展与国民经济的发展息息相关。随着经济的快速发展,旅客出行量不断增加,高铁的出现更是进一步加剧了竞争的趋势。因此国内民航企业要想取得竞争优势，就必须不断提高自身的竞争力，降低成本。3.从机场运营来看，在淡季和旺季采用弹性制的人员配备，能够提高安检岗位的有效工时，同时降低相关人力成本，提高机场的盈利。如何在安检的质量以及安全性等最优化的同时，对员工配置寻找合理的方案成为研究方向之一。技术实现要素：4.本公开提供了一种空勤人员的排班方法、装置、电子设备及存储介质。5.根据本公开的一方面，提供了一种空勤人员的排班方法，包括：6.预测未来预设时间段内各预设时间周期的各通道的预测乘客流量；7.基于所述通道的历史评价信息、所述通道的历史乘客流量以及配置的空勤人员数量，获取所述通道的目标服务人员配比；8.基于所述未来预设时间段内各所述预设时间周期的各所述通道的预测乘客流量、所述通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，对所有空勤人员在所述未来预设时间段内的出勤进行排班。9.根据本公开的另一方面，提供了一种空勤人员的排班装置，包括：10.预测模块，用于预测未来预设时间段内各预设时间周期的各通道的预测乘客流量；11.获取模块，用于基于所述通道的历史评价信息、所述通道的历史乘客流量以及配置的空勤人员数量，获取所述通道的目标服务人员配比；12.排班模块，用于基于所述未来预设时间段内各所述预设时间周期的各所述通道的预测乘客流量、所述通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，对所有空勤人员在所述未来预设时间段内的出勤进行排班。13.根据本公开的再一方面，提供了一种电子设备，包括：14.至少一个处理器；以及15.与所述至少一个处理器通信连接的存储器；其中，16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。17.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。18.根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。19.根据本公开的技术，能够有效地提高排班准确性和排班效率。20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明21.附图用于更好地理解本方案，不构成对本公开的限定。其中：22.图1是根据本公开第一实施例的示意图；23.图2是根据本公开第二实施例的示意图；24.图3是根据本公开第三实施例的示意图；25.图4是根据本公开第四实施例的示意图；26.图5是用来实现本公开实施例的方法的电子设备的框图。具体实施方式27.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。28.显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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全部其他实施例，都属于本公开保护的范围。29.需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。30.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。31.现有的机场空勤人员的排班，主要采用人工的方式进行，由排班工作人员根据各通道的历史乘客数量大致分配所需的每种空勤人员的数量，进而根据可供排班的所有的空勤人员得到一定时间周期内的排班表。该排班方式由人工完成，导致排班的准确性以及排班效率都较低。32.图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种空勤人员的排班方法，具体可以包括如下步骤：33.s101、预测未来预设时间段内各预设时间周期的各通道的预测乘客流量；34.s102、基于通道的历史评价信息、通道的历史乘客流量以及配置的空勤人员数量，获取通道的目标服务人员配比；35.s103、基于未来预设时间段内各预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，对所有空勤人员在未来预设时间段内的出勤进行排班。36.本实施例的空勤人员的排班方法的执行主体可以为空勤人员的排班装置，该装置可以为一个实体装置，或者也可以为一个软件集成的应用。37.本实施例的未来预设时间段可以指的是未来的一周、两周、一个月或者其他时间长度的时间段。其中的预设时间周期可以指的是为方便数据统计所选择的时间单元，例如可以为一天、两天或者其他时间长度，优选地为一天。38.本实施例的空勤人员的排班方法，用于实现对任意机场的空勤人员在未来预设时间段内的出勤进行排班。根据机场的大小，配置不同数量的通道。为了进行更加准确地排班，本实施例中，可以对未来预设时间段内各预设时间周期的各通道的乘客流量进行预测，为排班提供丰富的依据信息，提高排班的准确性。39.本实施例中，还基于通道的历史评价信息、通道的历史乘客流量以及配置的空勤人员数量，获取通道的目标服务人员配比。具体地，通道的服务人员配比指的是通道的乘客流量与通道配置的空勤人员的数量的比值。实际应用中，该比值越大，表示乘客流量相对越多，而空勤人员相对越少，这样的话，乘客办理登机业务排队时间越长，舒适度越低，满意度越低。反之，通道的服务人员配比的比值越小，表示乘客流量相对越少，而空勤人员相对越多，这样的话，乘客办理登机业务排队时间越短，舒适度越高，满意度越高。但是实际应用中，若过于追求乘客满意度，通道的服务人员配比配置较小，造成每个通道需要配置较多的空勤人员，造成人员冗余，成本增加。而若过于追求成本，通道的服务人员配比配置较大，造成每个通道需要配置过少的空勤人员，造成乘客满意度非常差，为机场带来非常不好的负面影响。所以，获取通道的目标服务人员配比，目的在于获取通道的最佳服务人员配比，即取通道的乘客流量与配置的空勤人员的数量的最佳比值。例如，该通道的目标服务人员配比，可以为参考通道的历史评价信息、通道的历史乘客流量以及配置的空勤人员数量，取乘客满意度在预设满意度阈值以上，通道的乘客流量与配置的空勤人员的数量比值最大的值，该值较为合理，既在乘客舒适度的范围内，保证乘客一定的满意度，又不会造成服务人员冗余、成本增加的一个最佳服务人员配比。40.而且本实施例中，获取通道的目标服务人员配比的过程中，可以参考机场的任意一个、两个、多个或者所有通道的历史评价信息、通道的历史乘客流量以及配置的空勤人员数量来获取。而且获取的通道的目标服务人员配比是适用于所有通道。41.最后，本实施例的预设的约束条件可以包括：符合劳动法规定的劳动者在一定时间周期的最长工作时长、根据人的身体机能一个空勤人员一次出勤的最长时长、以及一个出勤人员的连续两次出勤间隔要大于等于8小时等等约束条件，在此不再限定。42.使用时，将未来预设时间段内各预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，输入本实施例的空勤人员的排班装置中，该装置可以对所有空勤人员在未来预设时间段内的出勤进行排班，并输出未来预设时间段内的排班表。43.本实施例的空勤人员的排班方法，通过采用上述方案，可以自动地对空勤人员在未来预设时间段内的出勤进行排班，该排班方法能够参考未来预设时间段内各预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比以及预设的约束条件，能够有效都提高排班的准确性和排班效率。而且与现有技术的人工排班相比，排班速度更快，排班方式更加智能，能够进一步提高排班的准确性和排班效率。44.图2是根据本公开第二实施例的示意图；如图2所示，本实施例提供一种空勤人员的排班方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地介绍本公开的技术方案。如图2所示，本实施例提供一种空勤人员的排班方法，具体可以包括如下步骤：45.s201、基于历史时间段内各预设时间周期的乘客流量，预测未来预设时间段内各预设时间周期的预测乘客流量；46.具体实现时，可以基于历史时间段内各预设时间周期的乘客流量，采用数学方式获取未来预设时间段内各预设时间周期的预测乘客流量。例如，可以根据去年假期a的第一天的乘客流量以及去年相对于前年的涨幅，得到今年假期a的第一天的乘客流量。再例如，可以根据去年b月份第一周的周一或者周末的乘客流量，预测今年b月份第一周的周一或者周末的乘客流量。或者还可以采用其他数学计算方式，来基于历史时间段内各预设时间周期的乘客流量，预测未来预设时间段内各预设时间周期的预测乘客流量，在此不再一一举例赘述。47.另外，在本公开的一个实施例中，还可以基于历史时间段内各预设时间周期的乘客流量，采用预先训练的乘客流量预测模型，预测未来预设时间段内各预设时间周期的预测乘客流量。本实施例的乘客流量预测模型可以为一个差分整合移动平均自回归模型(autoregressiveintegratedmovingaveragemodel；arima)，又称整合移动平均自回归模型，属于一个时间序列模型。该方式预测的未来预设时间段内各预设时间周期的预测乘客流量更加准确，实现方式也更加简单、方便。48.在使用时，可以将历史时间段内各预设时间周期的乘客流量按照先后顺序输入至arima模型中，该arima模型可以预测并输出未来预设时间段内各预设时间周期的预测乘客流量。49.本实施例中，通过采用乘客流量预测模型，预测未来预设时间段内各预设时间周期的预测乘客流量，能够有效地提高未来预设时间段内各预设时间周期的预测乘客流量的准确性，进而可以有效地提高排班的准确性。50.实际应用中，在每次未来预设时间段到来之后，还可以根据该未来预设时间段内各预设时间周期的实际乘客流量和预测乘客流量，对该乘客流量预测模型进行更新，以提高该乘客流量预测模型的准确性。51.s202、预测未来预设时间段内各预设时间周期的新增乘客流量；52.本实施例的预测未来预设时间段内各预设时间周期的新增乘客流量的方式，可以有多种。例如，可以基于近期新增乘客流量的增量，预测未来预设时间段内各预设时间周期的新增乘客流量。还可以基于机场的宣传运营数据以及预先统计的转换率，预测未来预设时间段内各预设时间周期的新增乘客流量。其中机场的宣传运营数据可以包括机场的广告宣传运营数据。例如某机场所在地近期有一场大型活动，该机场也对该活动作为大量的广告宣传，可以基于预先统计的运营数据与客流量的转换率，预测机场的运营数据为未来预设时间段内各预设时间周期带来的新增乘客流量。采用该方式，可以提高未来预设时间段内各预设时间周期带来的新增乘客流量的预测的准确性，进而可以有效地提高排班的准确性。53.s203、基于未来预设时间段内各预设时间周期的预测乘客流量和新增乘客流量、以及各通道的历史数据，预测未来预设时间段内各预设时间周期的各通道的预测乘客流量；54.例如，本实施例中，可以基于未来预设时间段内各预设时间周期的预测乘客流量和新增乘客流量，获取未来预设时间段内各预设时间周期的乘客总流量。然后，根据各通道的历史数据，分析各通道的乘客流量占比，进而预测未来预设时间段内各预设时间周期的各通道的预测乘客流量。55.在本公开的一个实施例中，为了进一步提高预测的准确性，还可以基于未来预设时间段内各预设时间周期的乘客总流量、各通道的历史时间段内各预设时间周期的乘客流量以及通道特征信息，采用预先训练的通道乘客流量预测模型，预测未来预设时间段内各预设时间周期的各通道的预测乘客流量。56.通道的特征信息包括通道的值机的出发地、目的地、出发地与目的地的距离、出发地到目的地的飞行时长以及通道的乘客中改签乘客的数量等中的至少一个特征。57.使用时，可以将各通道的历史时间段内各预设时间周期的乘客流量以及通道特征信息，输入通道乘客流量预测模型，该模型为一个回归模型，可以基于输入的信息，拟合并预测未来预设时间段内各预设时间周期的各通道的乘客流量占比。进一步参考未来预设时间段内各预设时间周期的乘客总流量，可以预测得到未来预设时间段内各预设时间周期的各通道的预测乘客流量。58.或者可选地，也可以直接将各通道的历史时间段内各预设时间周期的乘客流量和通道特征信息、以及未来预设时间段内各预设时间周期的乘客总流量，一起输入通道乘客流量预测模型，由该模型预测并输出未来预设时间段内各预设时间周期的各通道的预测乘客流量。59.本实施例中，通过采用通道乘客流量预测模型，预测未来预设时间段内各预设时间周期的各通道的预测乘客流量，能够有效地提高未来预设时间段内各预设时间周期的各通道的预测乘客流量的准确性，进而可以有效地提高排班的准确性。60.实际应用中，在每次未来预设时间段到来之后，还可以根据该未来预设时间段内各预设时间周期各通道的预测乘客流量和实际乘客流量，对该通道乘客流量预测模型进行更新，以提高该通道乘客流量预测模型的准确性。61.本实施例中，采用上述方式，预测未来预设时间段内各预设时间周期的各通道的预测乘客流量的方式非常客观、合理，得到的未来预设时间段内各预设时间周期的各通道的预测乘客流量的数据非常准确。62.步骤s201-s203为上述图1所示实施例的步骤s101的一种实现方式。可选地，实际应用中，也可以仅基于未来预设时间段内各预设时间周期的预测乘客流量、以及各通道的历史数据，预测未来预设时间段内各预设时间周期的各通道的预测乘客流量，预测原理相同，在此不再赘述。63.s204、基于通道的历史时间段内各预设时间周期的历史评价信息，获取历史时间段内各预设时间周期的通道的乘客满意度；64.实际应用中，乘客在通道值机后，可以对本次的值机体验进行评价，通常情况下，评价可以包括两方面的数据，一方面为文字评价，如用户的评价内容可以为：“排队时间太长”、“速度很快、体验很好”等等。另一方面，用户还可以对值机体验进行打分，例如，可以打1到10分，分值越高，越满意，分值越低，越不满意。可以基于这两方面的评价信息，综合获取历史时间段内各预设时间周期的通道的乘客满意度。65.例如，具体实现时，可以包括如下步骤：66.(1)基于通道的历史时间段内各预设时间周期的文字评价信息，获取乘客的文字满意度；67.例如，可以采用预先训练的满意度打分模型来获取乘客的文字满意度。使用时，将通道的历史时间段内各预设时间周期的文字评价信息，输入该满意度打分模型，该模型可以基于输入的信息中的文字的内容，挖掘乘客的满意度信息，进而预测并输出乘客的文字满意度。例如为了便于标识，输出的的乘客的文字满意度可以为0-1之间的数值，越靠近1，表示乘客越满意，越靠近0，表示乘客越不满意。68.实际应用中，还可以建立预设的满意度表，该满意度表中包括每个满意度分值对应的评价词。使用时，可以先从文字评价信息中提取评价词，该评价词的抽取可以采用模型来实现，或者基于一定规则实现最长匹配原则的评价词的抽取。例如“非常不满意”，一定要保证抽取完整，不能只抽取部分，造成满意度识别不准确。然后根据满意度表检测对应的评价词的满意度分值。69.(2)基于通道的历史时间段内各预设时间周期的打分满意度，获取乘客的打分满意度；70.(3)基于通道的所述历史时间段内各预设时间周期的乘客的文字满意度和乘客的打分满意度，获取历史时间段内各预设时间周期的通道的乘客满意度。71.本实施例中，文字满意度的分值和打分满意度的分值可能不是一个标准，可以将两者转换到同一个标准下，然后进行加权求和，计算得到历史时间段内各预设时间周期的通道的乘客满意度。权重可以根据需求来设置，例如，若两者权重一样，可以都设置0.5，哪种打分的分值重要，相应的权重设置高一点即可。72.通过上述方式，获取历史时间段内各预设时间周期的通道的乘客满意度的方式，非常客观、合理，得到的历史时间段内各预设时间周期的通道的乘客满意度非常准确，进而可以有效地提高获取的通道的目标服务人员配比的准确性，并促进后续排班准确性和排班效率的提高。73.s205、基于通道的所述历史时间段内各预设时间周期的历史乘客流量以及配置的空勤人员数量，获取历史时间段内各预设时间周期的通道的已知服务人员配比；74.s206、基于历史时间段内各预设时间周期的通道的乘客满意度和已知服务人员配比、以及预设满意度阈值，获取通道的目标服务人员配比；75.采用上述方式，可以获取到历史时间段内各预设时间周期的通道的乘客满意度以及相应的已知服务人员配比。经过分析，获取一个乘客满意度在预设满意度阈值以上，通道的乘客流量与配置的空勤人员的数量比值即服务人员配比最大的值，作为通道的目标服务人员配比。该目标服务人员配比既可以确保乘客的满意度，又可以不保证空勤人员不会冗余，属于一个最佳的通道的目标服务人员配比。76.步骤s204-s206为上述图1所示实施例的步骤s102的一种实现方式。通过上述方式，获取的通道的目标服务人员配比非常合理、准确，能够为空勤人员的排班提供有效地数据支持，进而可以有效地提高空勤人员的排班效率。77.实际应用中，也可以采用其他方式来获取通道的目标服务人员配比，例如，通过人工分析，并输入。在此不做限定。78.s207、基于未来预设时间段内各预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，采用遗传算法(geneticalgorithm；ga)，对所有空勤人员在未来预设时间段内的出勤进行排班。79.具体地，获取到未来预设时间段内各预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比和所有空勤人员的标识之后，配置预设的约束条件，便可以采用遗传算法，对所有空勤人员在未来预设时间段内的出勤进行排班。80.本实施例的约束条件除了图1所示实施例中的相关条件之外，还可以包括想要设置的任何其他符合法律、法规，以及体现人为关怀的多个条件。例如，每个出勤人员单次出勤最少8小时，最长12小时，一周需要累计出勤40小时；所有出勤人员的出勤时间的均值和方差分别不大于一定阈值，以尽量合理、公平。81.在本公开的一个实施例中，为了进一步提高排班的准确性，还可以预先获取每个空勤人员的服务类型。并在约束条件中配置每个通道所需的每种服务类型的空勤人员的最少数量以及最大数量等。82.本实施例的ga算法，在排班过程中，可以包括如下步骤：83.step1：初始化所有基因，也就是排班计划初始化，随机初始化；84.step2：开始增值(启动程序，设置iteration_time)；85.step3:选择下一代(选择下一代)，下一代的评价标准是ga的评估函数；86.step4:交配(crossover)；87.step5:变异(突变)；88.step6:重复step3到step5；89.step7:时间达到一定限制或者人员支出小于一定阈值，输出排班结果。90.例如，本实施例中的ga算法的评估函数可以设置为：91.eval＝sum(每类服务类型的空勤人员的工资*每类服务类型的空勤人员的人数)+sum(不满足约束条件的每类人员人数*1000)；其中eval表示评估函数的值，可以表示人员支出。92.例如，在某些约束条件下，ga算法循环迭代过程中，部分迭代的评估函数输出结果如下：93.迭代1：94.休假-工作-休假的次数：2295.早班接晚班的次数：13396.全部符合劳动法97.总方差:348.833613445498.迭代10：99.休假-工作-休假的次数:25100.早班接晚班的次数:122101.全部符合劳动法102.总方差:345.4084033613103.迭代20：104.休假-工作-休假的次数：37105.早班接晚班的次数:127106.全部符合劳动法107.总方差:335.7546218487108.迭代30：109.休假-工作-休假的次数：37110.早班接晚班的次数:127111.全部符合劳动法112.总方差:335.7546218487113.迭代260：114.休假-工作-休假的次数：24115.早班接晚班的次数:112116.全部符合劳动法117.总方差:261.9411764706118.迭代1170：119.休假-工作-休假的次数：27120.早班接晚班的次数：82121.总方差:209.6857142857122.基于以上迭代结果，可以得知迭代1170步时，总方差最小时，即支持最小，成本最低，可以获取该步骤的排班结果，作为最终的排班结果。123.可选地，实际应用中，也可以基于基于未来预设时间段内各所述预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，采用其他的启发式算法对所有空勤人员在未来预设时间段内的出勤进行排班，得到相应的排班表，在此不再一一举例赘述。124.本实施例的空勤人员的排班方法，通过采用上述方案，可以自动地对空勤人员在未来预设时间段内的出勤进行排班，实现方式非常智能。与现有技术的人工排班相比，排班速度更快，排班方式更加智能，能够进一步提高排班的准确性和排班效率。125.而且本实施例中，通过预测的未来预设时间段内各预设时间周期的预测乘客流量和新增乘客流量以及各通道的历史数据，预测未来预设时间段内各预设时间周期的各通道的预测乘客流量，能够有效地保证预测的未来预设时间段内各预设时间周期的各通道的预测乘客流量的准确性，进而可以有效地提高排班的准确性。126.而且，本实施例中，可以采用ga算法，基于未来预设时间段内各预设时间周期的各通道的预测乘客流量、通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，对所有空勤人员在未来预设时间段内的出勤进行排班，能够有效都提高排班的合理性、准确性以及排班效率。127.图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种空勤人员的排班装置300，包括：128.预测模块301，用于预测未来预设时间段内各预设时间周期的各通道的预测乘客流量；129.获取模块302，用于基于所述通道的历史评价信息、所述通道的历史乘客流量以及配置的空勤人员数量，获取所述通道的目标服务人员配比，所述目标服务人员配比等于乘客满意度在预设满意度阈值以上，所述通道的乘客流量与配置的空勤人员的数量比值最大的值；130.排班模块303，用于基于所述未来预设时间段内各所述预设时间周期的各所述通道的预测乘客流量、所述通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，对所有空勤人员在所述未来预设时间段内的出勤进行排班。131.本实施例的空勤人员的排班装置300，通过采用上述模块实现空勤人员的排班的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。132.图4是根据本公开第四实施例的示意图；如图4所示，本实施例提供一种空勤人员的排班装置400，包括上述图3所示的同名同功能模块：预测模块401、获取模块402和排班模块403。133.如图4所示，本实施例的空勤人员的排班装置400中，预测模块401，包括：134.第一预测单元4011，用于基于历史时间段内各预设时间周期的乘客流量，预测所述未来预设时间段内各所述预设时间周期的预测乘客流量；135.第二预测单元4012，用于预测所述未来预设时间段内各所述预设时间周期的新增乘客流量；136.第三预测单元4013，用于基于所述未来预设时间段内各所述预设时间周期的所述预测乘客流量和所述新增乘客流量、以及各通道的历史数据，预测所述未来预设时间段内各所述预设时间周期的各所述通道的预测乘客流量。137.在本公开的一个实施例中，第一预测单元4011，用于：138.基于所述历史时间段内各所述预设时间周期的乘客流量，采用预先训练的乘客流量预测模型，预测所述未来预设时间段内各所述预设时间周期的预测乘客流量。139.在本公开的一个实施例中，第二预测单元4012，用于：140.基于机场的宣传运营数据以及预先统计的转换率，预测所述未来预设时间段内各所述预设时间周期的新增乘客流量。141.在本公开的一个实施例中，第三预测单元4013，用于：142.基于所述未来预设时间段内各所述预设时间周期的所述预测乘客流量和所述新增乘客流量，获取所述未来预设时间段内各所述预设时间周期的乘客总流量；143.基于所述未来预设时间段内各所述预设时间周期的乘客总流量、各所述通道的所述历史时间段内各预设时间周期的乘客流量以及通道特征信息，采用预先训练的通道乘客流量预测模型，预测所述未来预设时间段内各所述预设时间周期的各所述通道的预测乘客流量。144.如图4所示，本实施例的空勤人员的排班装置400中，获取模块402包括：145.第一获取单元4021，用于基于所述通道的所述历史时间段内各所述预设时间周期的历史评价信息，获取所述历史时间段内各所述预设时间周期的所述通道的乘客满意度；146.第二获取单元4022，用于基于所述通道的所述历史时间段内各所述预设时间周期的历史乘客流量以及配置的空勤人员数量，获取所述历史时间段内各所述预设时间周期的所述通道的已知服务人员配比；147.第三获取单元4023，用于基于所述历史时间段内各所述预设时间周期的所述通道的乘客满意度和所述已知服务人员配比、以及预设满意度阈值，获取所述通道的目标服务人员配比。148.在本公开的一个实施例中，第一获取单元4021，用于：149.基于所述通道的所述历史时间段内各所述预设时间周期的文字评价信息，获取乘客的文字满意度；150.基于所述通道的所述历史时间段内各所述预设时间周期的打分满意度，获取乘客的打分满意度；151.基于所述通道的所述历史时间段内各所述预设时间周期的所述乘客的文字满意度和所述乘客的打分满意度，获取所述历史时间段内各所述预设时间周期的所述通道的乘客满意度。152.在本公开的一个实施例中，排班模块403，用于：153.基于所述未来预设时间段内各所述预设时间周期的各所述通道的预测乘客流量、所述通道的目标服务人员配比、所有空勤人员的标识以及预设的约束条件，采用遗传算法，对所有空勤人员在所述未来预设时间段内的出勤进行排班。154.本实施例的空勤人员的排班装置300，通过采用上述模块实现空勤人员的排班的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。155.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。156.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。157.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。158.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。159.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。160.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram503并由计算单元501执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的上述方法。161.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。162.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。163.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。164.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。165.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。166.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。167.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。168.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。当前第1页12当前第1页12