[发明专利]一种针对客户探访的智能排班平台

权利要求书

1.一种针对客户探访的智能排班平台，其特征在于：根据距离进行聚类，并且针对AOI数据进行排班优化，一个商场点多一天不能排完，根据数量，计算出天数，采用VRP模型进行分配。

2.根据权利要求1所述的一种针对客户探访的智能排班平台，其特征在于，所述聚类使用dbscan聚类算法，DBSCAN 是基于密度空间的聚类算法，其可以用于凹数据集，适合用于不规则分布客户点的聚类分析，DBSCAN 需要确定两个参数：Eps 为在一个点周围邻近区域的半径；MinPts 为邻近区域内至少包含点的个数，Eps 的选择根据实际问题而定，MinPts的选择通常采用k-距离图像法来确定，采用一种自适应DBSCAN 聚类分析方法，通过利用数据集自身分布特性生成候选Eps 和MinPts，自动寻找到聚类簇数量变化的稳定区间，此时对应的参数即为要选择的最优参数，同时针对样本数量巨大的情况对该方法进行了改进，将Eps 和MinPts 候选参数的选择由全局取期望值改成了抽样取期望值。

3.根据权利要求2所述的一种针对客户探访的智能排班平台，其特征在于，所述抽样取期望值包括如下步骤：

步骤1：计算数据集D 的距离分布矩阵，n 为样本大小；

步骤2：对距离矩阵的每一行元素进行升序排列，则第i 列的元素随机取x 个组成；

步骤3：对中的所有元素取平均数，对所有的i 值进行计算，最终得到Eps 参数候选列表；

步骤4：生成MinPts 参数候选列表，在数据集D 中随机选取x 个对象，对于步骤3 得到的Eps 参数候选列表，依次计算每一个列表中的Eps 候选值的领域对象数量，并计算对象数量的数学期望，作为数据集D 的邻域密度阈值MinPts参数；

式中：表示第i 个对象的Eps 邻域对象数量，x 表示从数据集D 中随机抽取的对象数；

步骤5：依次选用列表和列表中的元素作为Eps 和MinPts 参数，输入DBSCAN 算法中对数据集进行聚类分析，分别得到不同输入参数下对应的聚类簇数，当聚类簇数连续3 次相同时，认为聚类结果趋于稳定，记该聚类簇数为最优聚类簇数M；

步骤6：继续执行步骤5，直到聚类簇数不为M，则选择最后一次聚类簇数为M 时对应的Eps 和MinPts 为最优参数。

4.根据权利要求3所述的一种针对客户探访的智能排班平台，其特征在于，所述步骤1中：

；

所述步骤2中中：

；

所述步骤3中MinPts参数，即：

。

5.根据权利要求1所述的一种针对客户探访的智能排班平台，其特征在于，所述聚类进行由外向内进行聚类，优先对最外面离散的点进行聚类，优先进行规划，防止离散点规划不上情况。

6.根据权利要求1所述的一种针对客户探访的智能排班平台，其特征在于，所述抽样取期望值对优先级低的参数进行适当放宽处理，首先要保证把所有的点都排进去，但是出现点实在太多，会进行取舍，优先舍去的是等级低的、离散的点，然后会进行其他参数的调整，拜访时间间隔，每天拜访距离和每天工作时间，会按照参数限制的优先级进行调整。

7.根据权利要求1所述的一种针对客户探访的智能排班平台，其特征在于，所述智能排班平台包括客户信息录入、客户位置可视化、智能划分分区、智能排班计算，排班优化、结果输出和反馈优化。