AI 视频分析技术在供电营业厅的应用与实践

时间：2024-06-01

吴琼傅家伟章美丹

(国网浙江省电力有限公司杭州供电公司,浙江杭州 310000)

0 引言

供电营业厅作为服务客户的前沿触角,是实现国网公司构建“卓越服务工程”的重要场所。近年来,为了推动实体营业厅从传统业务办理型向面向市场的现代服务体验型转变,使营业厅真正成为公司形象展示的窗口,电力公司以“互联网+”及信息技术为手段,开展营业厅“三型一化”转型,即“智能型、市场型、体验型”转型升级,形成线上线下一体化的营销服务新格局,并积极探索“无人化”营业厅转型落地。“智能型”要求充分利用物联网、大数据分析等技术对业务数据、设备设施、客户体验等进行智能统一管控。

1 需求分析

1.1 系统智能化水平不足

目前,在营业厅统一部署的音视频监控系统基于人工巡检的传统监控模式,逐渐无法适应营业厅的转型需求:一方面是依靠人工巡检,不能做到全时段、全区域覆盖;另一方面缺乏智能识别分析,互动性不足,尽管采集了大量的图像数据,但是未能充分挖掘数据价值,无法服务营业厅智能化管控的需求。

1.2 业务规范难管控

电力营业厅是落实“最多跑一次”、对外展现服务质量与企业形象的重要窗口。营业厅人员是否按照工作规范执行一直是管控的难点,往往在客户事后通过95598等热线渠道反馈后才发现,缺乏主动管控手段[1]。

1.3 服务规范难量化

对于能够有效体现服务热情水平、提升用户体验的服务举措及要求执行不到位。例如业务受理时窗口人员需起身迎客,办理窗口不得同时空岗以及长时间离岗情况。以上情况实际业务场景中往往难以量化监测,却容易对用户业务体验产生较大影响。

2 解决方案

基于AI视频智能分析系统,借助营业厅现有音视频监控设备获取图像,利用人工智能等技术,对营业厅客户群体进行识别和分类,并挖掘客户办电行为信息。研究内容及步骤见图1。

图1 AI 视频智能分析系统分析步骤Fig.1 AI video intelligent analysis system analysis steps

2.1 搭建客户行为视频智能分析系统

为了及时、全面、有效地获取客户行为信息,基于原有音视频系统的工作岗位和营业大厅监控布局,在关键位置增补视频采集设备,完善面向客户的画面视角。在此基础上,构建营业厅客户行为智能分析系统,一方面能及时获取客户到访的第一时间素材,另一方面也将现场物联网感知能力与后台运算能力有机结合为一体,能够利用人工智能技术高效的从多源海量视频素材中自动地完成关键信息的提取和识别模型的分析运算[2]。

2.1.1 系统工作流程

AI视频智能分析系统将营业厅现场原始的视频记录自动提取转换为可分析运算的数据信息,基本工作流程如图2,首次是数据提取,将各营业厅摄像头现场采集和存储的视频记录初步提取后传输至平台;其次是智能分析,对上传的图像进行智能分析和处理,按照约定的业务规则对信息记录进行存证和上报;然后是服务评判,对分析出的存疑情况,依照监管要求与现场人员核查确认后进行二次评判;最后是监管处理,系统在联动处理模块定期形成管理报告,从而形成管理闭环。

图2 系统工作流程图Fig.2 System workflow

2.1.2 系统功能架构

为了适配原有音视频系统的架构,实现实时智能分析,同时避免大量视频流传输对主干网络的带宽压力,营业厅客户行为智能分析系统采用边缘计算和后台计算相结合的体系架构[3]。系统功能架构如图3所示。

图3 系统功能架构图Fig.3 System function architecture diagram

系统架构从上到下可划分为应用层、业务层、支撑层、物联层,感知层。其中下面三层为基础的物联网设备和底层支撑模块,上面两层为业务应用模块:

(1)业务层,主要有客户办电行为分析模块、行为标签模型、异常到访识别模型、异常受理识别模型、客户样本库、客户ID编码模块、客户到访记录档案、客户临厅办电档案。

(2)应用层,主要有客群画像分析、客户标签检索、图像反向检索、智能巡视报告。其中:客群画像对营业厅客户群体特征进行了精准描述,包括到厅客户的年龄层次占比、性别比例、来访时段规律、关注点空间分布等信息。

2.2 基于客户到访记录的客户行为识别模型

客户首次临厅,系统根据客户人像样本建档并生成唯一ID,建档后客户在厅内被其他摄像头采集到的数据以及再次来访形成的到访记录都会基于客户I D 进行归集,根据归集记录可以进一步开展数据挖掘分析[4]。

基于客户到访记录的频率分类标签和异常识别模型。标签模型根据客户的某一方面特征进行归纳描述,本方案对客户到访的周期特征进行了深入研究,对客户到访频次进行标签化管理,主要的标签有首次到访、“跑两次”(短期多次来访)、高频到访(经常到访、但是无特定规律)、周期性到访(按照一定时间规律到营业厅办理业务,比如领取增值税发票等)等。当客户再次到访营业厅时,将本次到访记录与之前到访记录按照标签模型进行判别,如为首次来访或周期性到访客户时,可视为正常,如为第二次来访客户,或高频到访客户,则存在疑似非“最多跑一次”的情况,需对客户来访原因进行核查,由工作人员标记客户基本信息,比如施工代办人员、附近居民闲逛等,作为后续异常识别的白名单,提高异常识别准确性。通过标签管理,识别异常情况,实现现场服务的分析可控。

3 研究成果及分析

3.1 结构化客户管理

通过搭建客户行为视频智能分析系统,形成了一种基于开放环境下的客户样本库创建模式,无感建立客户到访记录档案,根据客户档案标签,确定与客户相匹配的体验服务内容,常态化开展客户体验满意度分析评价,不断改进客户体验。

3.2 助力营商环境服务水平提升

通过客户到访记录档案,识别客户到厅日常需求,对客户行为进行分析,甄别客户办电往返情况,推进办电服务的标准化和规范化,实现客户“一证受理一次办结”,真正做到“最多跑一次”,提升客户满意度和体验感[5]。

3.2.1 客户到访特征分类识别

通过分析系统7-9月到访客户,识别出周期性到访客户15 人,经工作人员核实均为区域内企业工作人员前来领取发票;识别到“跑两次”客户25例,经核实其中5例为客户办理业务跑两次的情况(首次资料不齐全或以咨询为主,第二次正式办理),其他为非营业厅供电公司员工到访处理事务。针对典型行为分类标签,以数据分析为基础,进一步明确了判别规则与业务诊断措施,如表1 所示。

表1 典型行为分类标签判别逻辑及相应诊断措施Tab.1 Typical behavior classification label discrimination logic and corresponding diagnostic measures

3.2.2 稽查整改闭环,提升服务规范度

通过及时发现客户异常来访等特殊情况,了解客户实际需求、所遇困难。减少办事环节、整合办事材料、缩短办事时限、减免办事费用,优化办事流程,提高办事效率。根据系统判别的客户到访日期和流程受理日期的差异,相关稽查部门可进一步核查分析业务执行规范性,如图4流程进行闭环整改:

图4 稽查整改闭环管理流程Fig.4 Audit and rectify the closed-loop management process

将营销系统客户办电资料和客户到访档案数据比对,能及时发现问题,杜绝营业厅业务“压单”、未一次性告知造成客户往返、服务推诿等情况的发生,提高客户临厅体验,提升电力营商环境。

3.3 提升营业厅服务规范化管理

3.3.1 营业厅客群画像精准分析

基于视频智能分析的客户识别技术,建立客户标签库,开展营业厅客户群体特征分析,主要包括到厅客户的年龄层次、性别比例、来访时段、兴趣关注点、来访时间分布等,为不同群体客户的精准化差异服务提供基础[6]。例如识别到VIP客户到访时,系统会实时推送提醒,工作人员主动上前问好,引导至VIP服务室进行一对一沟通服务。对于周期性临厅企业办事人员,经确认后可直接建议其采用邮寄发票的服务。营业厅内区域热力图如图5 所示。

图5 客群画像:营业厅内区域热力图Fig.5 Customer portrait: regional heat map in the business hall

3.3.2 员工服务规范监测

系统通过预警提醒的方式,督促营业厅窗口人员强化服务规范,典型应用有:

(1)营业厅现场服务情况感知。将营业厅营业状态、窗口坐席就位状态及服务时长、当天总客流数、长时间滞留客户数、现场重要的提醒事件等汇总形成概览功能,并结合事件记录与绩效考核挂钩,加强公司对营业厅现场的远程管理响应。

(2)起身迎客工作规范预警提醒。通过视频智能分析判别窗口来客时柜台人员是否起身相迎,如未及时起身,系统会自动发出提醒,强化窗口人员礼仪服务规范执行。起身迎客动作分析如图6 所示。

图6 起身迎客动作分析Fig.6 Analysis of getting up and welcoming guests

(3)窗口监测的预警提醒。在岗状态可与实时监控画面对照,直观了解现场工作状态。如所有服务窗口空岗超过5 分钟,系统给予离岗提醒,管理员可随时核查相关取证记录。