CN107944674A - 一种利用线上线下数据评估商业规划的方法 - Google Patents

Abstract

本发明公开了一种利用线上线下数据评估商业规划的方法，属于城市计算领域，包括：获取线上数据集和线下数据集，从线上数据集和线下数据集提取特征，包括商业策略特征、地理特征和移动特征；将特征分为训练集和测试集，利用训练集训练梯度提升模型，得到商业规划评估模型，将测试集输入商业规划评估模型得到商业规划评估结果。本发明同时考虑线上数据集和线下数据集，使得商业规划评估结果更准确更可靠。

Description

一种利用线上线下数据评估商业规划的方法

技术领域

本发明属于城市计算领域，更具体地，涉及一种利用线上线下数据评估商业规划的方法。

背景技术

随着手机，电子商务及相关技术的普及，新的商业模式O2O已经繁荣了好几年。利用电子银行和移动设备，人们可以在O2O平台上选择或支付服务，然后离线消费。随后，反映酒店品质的客户意见会在平台上共享。

规划一个新的商业点时，包括其商业策略和地理位置，是投资成功的关键因素，如规划新的电影院，超市，酒店等等的规划。以规划一个新的酒店为例，选择适当的地理位置将有利于利润的提高。此外，考虑线上业务策略，例如，酒店的规模，装修，提供的设施，服务质量和收费价格，将给予新酒店优越的竞争力。如何智能地比较和评价不同方案是城市规划的一个研究问题。

由此可见，现有技术存在不能同时考虑线上和线下数据对商业点进行规划的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种利用线上线下数据评估商业规划的方法，由此解决现有技术存在不能同时考虑线上和线下数据对商业点进行规划的技术问题。

为实现上述目的，本发明提供了一种利用线上线下数据评估商业规划的方法，包括：

(1)获取线上数据集和线下数据集，从线上数据集和线下数据集提取特征，包括商业策略特征、地理特征和移动特征；

(2)将特征分为训练集和测试集，利用训练集训练梯度提升模型，得到商业规划评估模型，将测试集输入商业规划评估模型得到商业规划评估结果。

进一步的，线上数据集包括O2O-Ctrip数据集和O2O-MeiTuan数据集，所述线下数据集包括地图数据集、POI数据集和Taxicabs数据集。

进一步的，步骤(1)还包括对线上数据集和线下数据集依次进行预处理和可视化分析。

进一步的，移动特征包括酒店h的r范围内丽人评论数量CC_Lady(h，r)、酒店h的r范围内餐饮评论数量CC_Food(h，r)、酒店h的r范围内娱乐评论数量CC_{Entertainment}(h，r)、酒店h的r范围内旅游景点评论数量CC_{tourist site}(h，r)、起始或者终止于酒店h的r范围内的出租车点CPT_{all taxicabs}(h，r)、起始于酒店h的r范围内而终止于交通枢纽或者终止于酒店h的r范围内而起始于交通枢纽的出租车点CPT_{transport hub}(h，r)。

进一步的，CPT_{transport hub}(h，r)为：

CPT_{transport hub}(h，r)＝

|{o|(o，t)∈S(tr)，dist(o，h)＜r，dist(t，th)＜r，th∈S(th)}|+

|{t|(o，t)∈S(tr)，dist(t，h)＜r，dist(o，th)＜r，th∈S(th)}|

其中，S(tr)为所有轨迹的成对起始和终止点，S(th)表示城市中的所有交通枢纽，包括机场、火车站和汽车站，h代表一个酒店，r是限定距离，o代表起点，t代表终点，dist(o，h)是起始点和酒店的距离，dist(t，h)是终点t和酒店h的距离，dist(o，th)是起点o和交通枢纽th的距离，dist(t，th)是终点和交通枢纽th的距离。

进一步的，CPT_{all taxicabs}(h，r)为：

CPT_{all taxicabs}(h，r)＝|{o|(o，t)∈S(tr)，dist(o，h)＜r}|+

|{t|(o，t)∈S(tr)，dist(t，h)＜r}|。

进一步的，CC_{tourist site}(h，r)为：

CC_{tourist site}(h，r)＝∑CC(s)，s∈{s|s∈S(ts)，dist(h，s)＜r}

其中，S(ts)为城市的所有旅游景点，CC(s)为一个旅游景点的评论数，s为一个旅游景点，dist(h，s)为酒店和旅游景点间的距离。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)传统的规划只考虑线下因素，然而现在的商业受到互联网的影响。本发明同时考虑线上数据集和线下数据集，探索新数据集，并将其应用到新场景中，评估新商业点的规划，本发明为商业规划提供更加全面的综合评价，且评估结果更准确更可靠。

(2)本发明考虑了很多的全面的特征，这些特征可以适用于不同场景的规划，而梯度提升模型的特征自动提取功能也增强本发明应用到其他场景的普适性。

附图说明

图1是本发明实施例提供的一种利用线上线下数据评估商业规划的方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明提供了一种利用线上线下数据评估商业规划的方法，包括：

(1)获取线上数据集和线下数据集，对线上数据集和线下数据集依次进行预处理和可视化分析，然后从线上数据集和线下数据集提取特征，包括商业策略特征、地理特征和移动特征；

线上数据集包括O2O-Ctrip数据集和O2O-MeiTuan数据集，所述线下数据集包括地图数据集、POI数据集和Taxicabs数据集。

O2O-Ctrip数据集，携程是国际领先的O2O平台专注于旅游，提供酒店预订，交通票务和跟团旅游等服务。从Ctrip爬取数据，获得有关全市各地酒店的详细信息。

O2O-MeiTuan数据集，O2O平台MeTuan专注于餐饮娱乐业务如食物，娱乐，电影院和丽人。分享在平台上评论可以揭示该业务的受欢迎程度。其中类别丽人表示所有与女士相关的业务站点，如美容沙龙，美发沙龙等。

地图数据集和POI数据集，包括兴趣点(POI)数据集和城市的详细地图，都可以从高德，百度或谷歌提供的开放地图API中收集。

Taxicabs数据集，从交通公司或政府获得大约三千辆出租车的GPS数据。

本发明实施例优选的，对Taxicabs数据集预处理，利用大数据处理平台Spark，对原始的出租车GPS数据进行去重、过滤、排序等预处理过程。因为采集的GPS精度比较差，需要对数据进行修正并且需要将GPS点映射到相应的路段方便后续涉及的精确计算(路段平均速度计算等)，这一步通过采用基于HMM模型的地图匹配过程来完成，利用预处理过后的出租车GPS数据和地图数据作为输入以提高精确度。

商业策略特征包括酒店的规模、酒店是否提供停车场、酒店提供的设施服务、酒店的收费价格等等。地理特征包括与地铁站的距离、所属的商业区、周围POI密度、POI分布类型等等。移动特征包括餐饮业的评论数量、娱乐业的评论数量、丽人相关商业的评论数量以及旅游景点的评论数量等等。

表1.不同类型的特征概览

如表1所示，商业策略特征包括：

average price记录酒店的平均价格。

service star记录酒店的服务星级。

N(room)记录酒店提供的房间数量，表示酒店的规模。

N(picture)记录酒店在携程平台上展示的图片数量。

N(credit card)记录酒店支持的信用卡数量。

cooperation(O2OCtrip)，是二进制值，表示酒店是否与携程平台合作并提供打折。

cooperation(tourist site)，是二进制值，表示酒店是否与旅游景点合作并提供打折。

if(breakfase)也是二进制值，表示酒店是否提供早餐。

if(parking lot)也是二进制值，表示酒店是否提供停车场。

地理特征包括：

business zone指酒店所属的商业区。

N_POI(h，r)是指酒店周围的POI的数量。

dist(airport)是距离机场的距离。

dist(underground)是距离地铁的距离。

dist(downtown)是距离市区的距离。

MQJ_business是一个因子，揭示了一个地方的质量，是否有利于新开业的高产商务旅行酒店。

MQJ_vacation揭示了一个地方的质量，是否有利于新开业的高产度假旅游酒店。

QJ利用不同位置之间的相互关系描绘一个地方是否有利于新开业的商业点。为了加强QJ，揭示一个地方是否有利于新开业的高销量商业点，这里使用MQJ：

其中，表明类别p是否有能促进酒店h的高销量。而和分别为类别γ_p在酒店h周围的r范围内的数量以及其平均值。

其中，LD是一个根据客户量排序的酒店列表。LD_Top被为列表的顶部。D_mean(p，LD，r)是计算为集LD的所有酒店的场地p的平均密度。和D_gradient(p，LD，r)是基于LD_Top的高生产型酒店的梯度密度。梯度的信息通过增加计算因子1/log₂(i_h+1)。i_h是酒店h在排序列表中的位置。N(h，r)是酒店周围r范围内的所有POI的数量。

从LD_Top删除不属于度假群体的酒店时，为度假酒店计算一套因子从LD_Top不属于商业群体的酒店时，获得另一套针对商业酒店的因子。最后，对于每个酒店，分别使用两套来计算它的MQJ_business和MQJ_vacation，分别表明这个地方是否有促进商务或度假出行的潜能。

移动特征包括酒店h的r范围内丽人评论数量CC_Lady(h，r)、酒店h的r范围内餐饮评论数量CC_Food(h，r)、酒店h的r范围内娱乐评论数量CC_{Entertainment}(h，r)、酒店h的r范围内旅游景点评论数量CC_{tourist site}(h，r)、起始或者终止于酒店h的r范围内的出租车点CPT_{au taxicabs}(h，r)、起始于酒店h的r范围内而终止于交通枢纽或者终止于酒店h的r范围内而起始于交通枢纽的出租车点CPT_{transport hub}(h，r)。CPT_{transport hub}(h，r)为：

CPT_{transporrt hub}(h，r)＝

|{o|(o，t)∈S(tr)，dist(o，h)＜r，dist(t，th)＜r，th∈S(th)}|+

|{t|(o，t)∈S(tr)，dist(t，h)＜r，dist(o，th)＜r，th∈S(th)}|

其中，S(tr)为所有轨迹的成对起始和终止点，S(th)表示城市中的所有交通枢纽，包括机场、火车站和汽车站，h代表一个酒店，r是限定距离，o代表起点，t代表终点，dist(o，h)是起始点和酒店的距离，dist(t，h)是终点t和酒店h的距离，dist(o，th)是起点o和交通枢纽th的距离，dist(t，th)是终点和交通枢纽th的距离。

CPT_{all taxicabs}(h，r)为：

CPT_{all taxicabs}(h，r)＝|{o|(o，t)∈S(tr)，dist(o，h)＜r}|+

|{t|(o，t)∈S(tr)，dist(t，h)＜r}|。

CC_{tourist site}(h，r)为：

CC_{tourist site}(h，r)＝∑CC(s)，s∈{s|s∈S(ts)，dist(h，s)＜r}

其中，S(ts)为城市的所有旅游景点，CC(s)为一个旅游景点的评论数，s为一个旅游景点，dist(h，s)为酒店和旅游景点间的距离。

(2)将特征分为训练集和测试集，利用训练集训练梯度提升模型，得到商业规划评估模型，将测试集输入商业规划评估模型得到商业规划评估结果。

特征间存在冗余，会损害模型的性能。为了避免这种情况，选择有自动选择重要特征和丢弃冗余特征的梯度提升模型(xgboost)

通过添加一个针对所构建树的复杂性的惩罚项来限制多度拟合。其中L是xgboost的总损耗函数。是对树复杂度的惩罚。T是每棵树中的叶结点数，w是叶的重量。λ||ω||²是众所周知的L2正则。此外，xgboost的其他调优参数也可以帮助其实现比其他方法更好的预测，如每个树的最大深度，学习率等。

选择F1-score，Precision和Recall来满足预测准确度的评估。

其中，P，R是一个类别的精度和召回率，TP是事件测试是真正的数量，FP是事件测试为假正的数量，TN是真负预测，FN指假负预测。F1分数可以解释为精度和召回率的平均加权。

通过O2O平台的新数据集，我们旨在解决综合考虑在线商业策略与离线地理位置来全面地评估新的商业点规划。通过探索新数据集，将提取的主要特征分为地理特征，商业策略特征和移动特征三大类。然后，通过融合不同类型的特征，训练不同的模型来评估新酒店的规划。评估不仅包括传统的地理位置评估，也包括酒店交易量粗略预测。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种利用线上线下数据评估商业规划的方法，其特征在于，包括：

(1)获取线上数据集和线下数据集，从线上数据集和线下数据集提取特征，包括商业策略特征、地理特征和移动特征；

(2)将特征分为训练集和测试集，利用训练集训练梯度提升模型，得到商业规划评估模型，将测试集输入商业规划评估模型得到商业规划评估结果。

2.如权利要求1所述的一种利用线上线下数据评估商业规划的方法，其特征在于，所述线上数据集包括O2O-Ctrip数据集和O2O-MeiTuan数据集，所述线下数据集包括地图数据集、POI数据集和Taxicabs数据集。

3.如权利要求1或2所述的一种利用线上线下数据评估商业规划的方法，其特征在于，所述步骤(1)还包括对线上数据集和线下数据集依次进行预处理和可视化分析。

4.如权利要求1或2所述的一种利用线上线下数据评估商业规划的方法，其特征在于，所述移动特征包括酒店h的r范围内丽人评论数量CC_Lady(h，r)、酒店h的r范围内餐饮评论数量CC_Food(h，r)、酒店h的r范围内娱乐评论数量CC_{Entertainment}(h，r)、酒店h的r范围内旅游景点评论数量CC_touristsite(h，r)、起始或者终止于酒店h的r范围内的出租车点CPT_{all taxicabs}(h，r)、起始于酒店h的r范围内而终止于交通枢纽或者终止于酒店h的r范围内而起始于交通枢纽的出租车点CPT_{transport hub}(h，r)。

5.如权利要求4所述的一种利用线上线下数据评估商业规划的方法，其特征在于，所述CPT_{transport hub}(h，r)为：

CPT_{transporrt hub}(h，r)＝

|{o|(o，t)∈S(tr)，dist(o，h)＜r，dist(t，th)＜r，th∈S(th)}|+

|{t|(o，t)∈S(tr)，dist(t，h)＜r，dist(o，th)＜r，th∈S(th)}|

其中，S(tr)为所有轨迹的成对起始和终止点，S(th)表示城市中的所有交通枢纽，包括机场、火车站和汽车站，h代表一个酒店，r是限定距离，o代表起点，t代表终点，dist(o，h)是起始点和酒店的距离，dist(t，h)是终点t和酒店h的距离，dist(o，th)是起点o和交通枢纽th的距离，dist(t，th)是终点和交通枢纽th的距离。

6.如权利要求5所述的一种利用线上线下数据评估商业规划的方法，其特征在于，所述CPT_{all taxicabs}(h，r)为：

CPT_{all taxicabs}(h，r)＝|{o|(o，t)∈S(tr)，dist(o，h)＜r}|+

|{t|(o，t)∈S(tr)，dist(t，h)＜r}|。

7.如权利要求5所述的一种利用线上线下数据评估商业规划的方法，其特征在于，所述CC_{tourist site}(h，r)为：

CC_{tourist site}(h，r)＝∑CC(s)，s∈{s|s∈S(ts)，dist(h，s)＜r}

其中，S(ts)为城市的所有旅游景点，CC(s)为一个旅游景点的评论数，s为一个旅游景点，dist(h，s)为酒店和旅游景点间的距离。