CN104091199A - 城市智能商业规划的神经网络系统 - Google Patents

Abstract

一种城市智能商业规划的神经网络系统，该系统包括：数据库单元，逻辑分类单元，模拟知识处理单元，所述数据库单元收集网点所处位置的自身属性，周边相邻属性进行若干特征定义，将网点空间特征划分成若干规模等级，并建立数据标签。本发明通过大中型商业体内部业态业种波动现象的数据收集，整理，统计，可以将这些无规律的社会现象、企业行为转化成有价值的各种行业发展情报，成为国家宏观治理的最有效、最真实信息来源，从而通过某类别数量的控制来有效管理区域商业业态业种的发展规模，优化内部结构，实现商业环境的生态化发展。

Description

城市智能商业规划的神经网络系统

技术领域

本发明涉及一种城市智能商业规划的神经网络系统。

背景技术

购物中心创造了多种业态相互依存共荣共生的高级形态，由于区域发展极不平衡，公建资源、产业分布、人口分布、社会消费、文化观念等差异，会形成区域商业景气度不平衡，而国内外大量咨询机构对综合商业体的研究和行业研究多处于浅层次阶段，着重“点、圈”的局部研究，停留在对商业体自身研究，片面使用某几个维度的数据，而缺乏对“线、面”纵深研究，对综合维度数据相关分析。只是从名词的角度对城市购物中心数量分布和开发类型进行总结，没有找出支撑其发展的文化根源和这个根源的可持续性，从中梳理出购物中心内部各行业发展的文脉，理解对商业空间的需求变化。

由于统计部门缺乏这类商业统计信息也就没有办法向社会传递各类预警信号，而中介代理机构等机构因为利益关系，缺乏社会责任意识，不断描绘一种海市蜃楼景象造成实际运营与市场需求严重脱节，经营步履维艰。因为任何机构提供的市场分析都是取自于小样本，且缺乏长期的数据积累，市场当前的状态并不代表是稳定的，协调的，其需要经过一定的时间沉淀才能验证正确性，而这样的正确性是阶段性的其自身也在不断进化，因此现有的数据搜集方法，统计技术都无法解决市场需求，市场迫切需要一个指导购物中心内各行业有序发展，反映行业，区域冷暖信号的发布体系。

本发明发现大中型商业体是城市的橱窗，代表社会零售标杆，其内部业态业种波动现象是品牌商对周边环境变化作出市场行为，通过系统方法收集，整理，统计，可以将这些无规律的社会现象、企业行为转化成有价值的各种行业发展情报，成为国家宏观治理的最有效、最真实信息来源。从而通过某类别数量的控制(类似国家大店法则)来有效管理区域商业业态业种的发展规模，优化内部结构，实现商业环境的生态化发展。

发明内容

发明目的：本发明的目的是为了解决现有城市商业规划不均衡、且可持续发展能力低的问题，提供一种城市智能商业规划的神经网络系统。

技术方案：本发明所述的城市智能商业规划的神经网络系统，其目的是这样实现的，一种城市智能商业规划的神经网络系统，所述系统包括：

数据库单元，收集网点所处位置的自身属性，周边相邻属性进行若干特征定义，将网点空间特征划分成若干规模等级，并建立数据标签；

逻辑分类单元，根据形成的数据标签，梳理数据之间的逻辑关系，所述逻辑关系包括层级关系、时间顺序、网络关系，所述层级关系根据企业经营特征进行行业大类及细分子类归集，形成业务层数据树状结构，同时根据任意网点位置的物理状态建立隶属层级关系，并依次对各个层级进行多维定义，建立若干环境特征标签，由此形成巨大的数据关系网；所述时间顺序是对网点位置实施标准化管理，记录其网点的状态变化，并随着时间推移，信息成为时态信息，采用时态数据库架构，支持数据“事务时间”和“有效时间”管理，同时应用常量表和变量表来解决时态数据转换关系；所述网络关系是利用拓扑原理将数据的物理特征和经营特征进行彼此关联，形成庞大的数据神经网络，通过属性识别、信号处理和控制系统对原始数据进行过滤，抽取，得到满意结果；

模拟知识处理单元，模拟人工神经网络原理形成算法规则，利用拓扑式方法挖掘数据，将挖掘的数据以分析图表或分析报告的形式输出。

有益效果：本发明与现有技术相比，具有以下效果：

1.数据质量可控：本发明数据源不是来自于互联网，而是来自于大中型商用物业体内品牌数据集合；其数量变化因区域物业增减而变动，其经营品质因相邻品牌变化、环境变化而产生新的商业组合，而这样一种变化是实时记录可以追溯和查询。由于采用标准化的录入，数据具备自动校验功能。传统技术受调研周期、人员素质和数据的理解差异影响，错误率会比较高。

2.数据可以量化：通过数据标签，可以将海量的企业数据格式化，形成有规律的可以计量的结构化的数据。因此无论数据以什么形式分类，以什么概念定义，都可以量化描述其特征，并可利用统计分析方法实现各种数据模型。而传统作业方法是小样本调研，且没有历史轨迹可行，量变才能形成质变，传统方法在处理大样本上需要耗费非常多的人力和时间。

3.具备时间维度：传统咨询都是对现状的统计，因为品牌投资行为是无规律的，分布是离散的，咨询机构不可能对海量的企业投资行为进行长期的跟踪；即使有少量连续时间段数据，因为信息覆盖面不全，难以发挥数据价值，而海量数据一旦加入时间维度，其处理的数据量将是几何级增长，本发明对数据采用时态管理，定期维护更新，有助于数据自身比对，同类比对，同期比对，挖掘出数据的商业情报。

4.数据信息丰富：由于数据源来自大中型商业体内网点数据，而这些网点分布在城市的各个城区，各个物业，各个楼层；区域的经济发展环境条件，开发商自身运营实力，使项目的业态组合产生多元化，而不同的业务模式对品牌需求，品牌组合提出要求，形成多层次，多样化，多品牌的组织形态，因此这些分散于城市各个角落的样本经过数据标签定义形成了丰富的数据内涵，而来自于不同商业体，商业区域的大抽样的统计范畴，使其产生的市场代表性增强，更具有现实指导意义。

5.分析指标多：本方法运用到的数据有存量和变量两部分组成，而他们和环境之间相互关系，产生了各种约束指标、饱和指标、敏感指标、趋势指标、结构指标、密度指标、概念指标，本发明通过多个角度数据抽取，实现了这些数据指标的动态化展示，可以在数秒之内提供上千个城区，数百个行业分析结果，这是传统技术无法实现的。

6.具备深度挖掘：本方法给每个企业建立了数十个标签，建立多维度层级关系，利用网络神经技术，根据数据反复发生频次，数据间关系的强弱度，挖掘数据中领头羊。

具体实施方式

为了加深对本发明的理解，下面将结合实施例对本发明作进一步详述，这些实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

一种城市智能商业规划的神经网络系统，所述系统包括：

数据库单元，收集网点所处位置的自身属性，周边相邻属性进行若干特征定义，将网点空间特征划分成若干规模等级，并建立数据标签；

逻辑分类单元，根据形成的数据标签，梳理数据之间的逻辑关系，所述逻辑关系包括层级关系、时间顺序、网络关系，所述层级关系根据企业经营特征进行行业大类及细分子类归集，形成业务层数据树状结构，同时根据任意网点位置的物理状态建立隶属层级关系，并依次对各个层级进行多维定义，建立若干环境特征标签，由此形成巨大的数据关系网；所述时间顺序是对网点位置实施标准化管理，记录其网点的状态变化，并随着时间推移，信息成为时态信息，采用时态数据库架构，支持数据“事务时间”和“有效时间”管理，同时应用常量表和变量表来解决时态数据转换关系；所述网络关系是利用拓扑原理将数据的物理特征和经营特征进行彼此关联，形成庞大的数据神经网络，通过属性识别、信号处理和控制系统对原始数据进行过滤，抽取，得到满意结果；

模拟知识处理单元，模拟人工神经网络原理形成算法规则，利用拓扑式方法挖掘数据，将挖掘的数据以分析图表或分析报告的形式输出。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种城市智能商业规划的神经网络系统，其特征在于，所述系统包括：

数据库单元，收集网点所处位置的自身属性，周边相邻属性进行若干特征定义，将网点空间特征划分成若干规模等级，并建立数据标签；

逻辑分类单元，根据形成的数据标签，梳理数据之间的逻辑关系，所述逻辑关系包括层级关系、时间顺序、网络关系，所述层级关系根据企业经营特征进行行业大类及细分子类归集，形成业务层数据树状结构，同时根据任意网点位置的物理状态建立隶属层级关系，并依次对各个层级进行多维定义，建立若干环境特征标签，由此形成巨大的数据关系网；所述时间顺序是对网点位置实施标准化管理，记录其网点的状态变化，并随着时间推移，信息成为时态信息，采用时态数据库架构，支持数据“事务时间”和“有效时间”管理，同时应用常量表和变量表来解决时态数据转换关系；所述网络关系是利用拓扑原理将数据的物理特征和经营特征进行彼此关联，形成庞大的数据神经网络，通过属性识别、信号处理和控制系统对原始数据进行过滤，抽取，得到满意结果；

模拟知识处理单元，模拟人工神经网络原理形成算法规则，利用拓扑式方法挖掘数据，将挖掘的数据以分析图表或分析报告的形式输出。