CN108009677A - 一种选址方法 - Google Patents
一种选址方法 Download PDFInfo
- Publication number
- CN108009677A CN108009677A CN201711226671.XA CN201711226671A CN108009677A CN 108009677 A CN108009677 A CN 108009677A CN 201711226671 A CN201711226671 A CN 201711226671A CN 108009677 A CN108009677 A CN 108009677A
- Authority
- CN
- China
- Prior art keywords
- mrow
- addressing
- msub
- equation
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据技术领域,尤其涉及一种选址方法。为解决现有选址方法耗时长、成本高、不精确、难理解、未考虑互斥因素的问题。本发明的选址方法具体步骤包括:步骤1、确定需选址的门店类型;步骤2、划分网格;步骤3、分析网格要素;步骤4、确定选址方程;步骤5、验证选址方程精确性;步骤6、根据选址方程完成选址。本发明适用商业零售业、物流业、会展业、金融业、餐饮业、旅游业、房地产业、广告业、信息咨询服务业和公共事业等众多领域的门店选址。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种选址方法。
背景技术
有大量的研究表明,影响选址的因素包括人口密度、流量、供需情况等等。然而以上数据获取难度较大,且数据通用性差。现有方法多以人力收集为主,成本高,周期长,准确率有限,难以大范围应用;结果不直观,解释性不强;且多数只考虑增量因素,没考虑互斥因素;难以有效利用已有数据;难以验证选址方法准确性;亦没有考虑环境因素比如交通情况(堵塞)道路宽度、长度、朝向、楼层、桥梁、铁路等;没有充分考虑到行业、区域间的影响因素差异等等。
发明内容
本发明为解决现有选址方法耗时长、成本高、不精确、难理解、未考虑互斥因素的问题,提供了一种通用、快速、精确、直观、可校验的选址方法。
本发明为解决上述问题采取的技术方案是:本发明的一种选址方法,具体步骤包括:
步骤1、确定需选址的门店类型
从若干种门店类型中选择选址的门店类型,所述门店类型包括但不限于所述门店类型包括:商业零售业、物流业、会展业、金融业、餐饮业、旅游业、房地产业、广告业、信息咨询服务业和公共事业;
步骤2、划分网格
将备选区域地图划分为若干个边长为d的正方形网格,边长d计算公式如下:
其中,a为设置的最近功能区数量,b为备选区域功能区总数,dij为第i个功能区与第j个功能区之间的距离,为边长上限,dij的一种取值方法为功能区地理位置的欧式距离
其中x和y分别为小区的空间位置的横纵坐标,功能区根据需选址的门店类型设定。
步骤3、分析网格要素
将网格内要素按照要素功能分为环境因素、营业因素、结构因素、周边要素。
步骤4、确定选址方程;
步骤5、验证精确性;
步骤6、确定选址
使用规则对m个网格或指定位置进行计算,得到预测值对于观测值yi,令对α进行排序,α最低的k个区域或小于阈值的k个区域即为选定区域。
进一步地,步骤3中所述的环境因素是指区域环境相关的因素,包括网格面积、道路长度、道路宽度、交叉路口数量、店铺朝向、步道板宽度、立交桥、楼层高度、停车位、区域规划、地铁、坡度和交通情况;营业因素是指经营相关因素,包括营业时长、闭店时间、租金水平、耗电量、公司数量、店铺面积、楼层分布、客流量和车流量;结构因素是指区域内各类型门店的绝对数量和相对数量,包括各类餐饮、药店、银行、学校、邮政、网吧、生鲜、商超、医院、服装、菜市场和公园等;周边要素是指环境因素、营业因素和结构因素在网格内的分布情况,网格层级大小根据人群可达范围或者网格边长d确定,当人群可达范围越大或网格边长越小,网格层级取值越大。
进一步地,所述步骤4的具体方法是:
步骤41、确定影响因素及权重
假定共有m个网格,前述分析网格要素共得到n个要素x1,x2,x3,...,xn预选门店类型数量y,建立如下方程:
y=β0+β1x1+β2x2+β3x3+...βnxn+ε
其中,ε为误差项,β为权重系数,当β确定时,方程确定;当β>0时,因素x为支持因素,当β<0时,因素x为排斥因素,β=0时,因素x为无影响因素,最终选址时,需去掉无影响因素;
步骤42、确定方程参数的求解目标,获得选址方程
根据最小二乘法确定步骤41中方程参数的求解目标,即找到一个方程,使得所有样本到直线的欧式距离之和最小,该求解目标,即代价函数J的表达式如下:
求解β等价于求解使得代价函数J最小的参数β,使用梯度下降法,求得β的解以后,方程确定,即影响因素及权重确定,所得方程即为选址规则。
进一步地,所述步骤5的具体方法是:
使用度量拟合优度统计量可决系数R2作为检验标准,R2计算公式如下:
其中,yi是观测值,是观测值的平均值,是根据方程计算出的预测值,可决系数R2最大值为1,且R2越接近1,说明选址的正确率越高,判断根据步骤1~4的选址规则得到的R2与1的误差是否在阈值范围内,如果:
是,则将步骤1~4获得的选址方程应用在实际选址上,
否,则获得的选址方程没有通过验证,返回步骤2,重新生成选址方程。
本发明的有益效果:
第一,本发明通过分析大量数据样本,得到选址的通用方程,具有普遍的适用性,可以用于各种店铺的选址,而且一旦获得选址方程,便能够进行快速的选址;
第二,本发明的选址方法,充分考虑了影响店铺客流量的多种客观因素,并且计算对每种客观因素的影响力大小的权重,选址结果更加客观;
第三,本发明的选址方法具有校验的步骤,通过对获得选址方程进一步校验,使选址结果更加精确。
附图说明
图1本发明的方法流程图。
具体实施方式
具体实施例:结合图1说明本实施方式,本实施方式的一种选址方法流程图如图1所示,某人计划在A市开一家火锅店,具体步骤包括:
步骤1、确定选址门店的类型为餐饮业;
步骤2、标出小区的空间位置的横纵坐标x和y,根据公式:计算第i个功能区与第j个功能区之间的距离dij,根据第i个功能区与第j个功能区之间的距离dij,最近功能区数量a,备选区域功能区总数n,边长上限β,将A市划分为50×60个边长为500米的等大正方形网格;
步骤3、分析网格内各要素的结构组成,包括火锅店、烧烤店、药店、银行、网吧、学校数量,以及道路总长、交通情况等;
步骤4、通过建立方程确定实际影响火锅店的影响因素及权重,发现银行、药店对火锅店数量没影响,烧烤店对火锅店的数量有负面影响,其他因素为正面影响,影响程度依照各自方程系数确定,确定选址方程,选址方程为:y=-1.033×烧烤店数量+0.05×网吧数量+0.004×学校数量+1.8×道路总长+2.2×交通通畅率;
步骤5、将步骤4中获得的选址方程作为选址规则进行验证,求得R2值为0.4,大于要求阈值,通过验证;
步骤6、根据选址方程对A市3000网格进行预测,选择预测值与实际值差额最大的前5个区域或预测值与实际值差额小于要求阈值的5个区域作为最终选址区域。
Claims (4)
1.一种选址方法,其特征在于,具体步骤包括:
步骤1、确定需选址的门店类型
从若干种门店类型中选择选址的门店类型,所述门店类型包括:商业零售业、物流业、会展业、金融业、餐饮业、旅游业、房地产业、广告业、信息咨询服务业和公共事业;
步骤2、划分网格
将备选区域地图划分为若干个边长为d的正方形网格,边长d计算公式如下:
<mrow>
<mi>d</mi>
<mo>=</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>a</mi>
<mo>&times;</mo>
<mi>b</mi>
</mrow>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>b</mi>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>a</mi>
</msubsup>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<mover>
<mi>d</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
其中,a为设置的最近功能区数量,b为备选区域功能区总数,dij为第i个功能区与第j个功能区之间的距离,为边长上限,dij的一种取值方法为功能区地理位置的欧式距离
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中x和y分别为小区的空间位置的横纵坐标,功能区根据需选址的门店类型设定;
步骤3、分析网格要素
将网格内要素按照要素功能分为环境因素、营业因素、结构因素、周边要素;
步骤4、确定选址方程;
步骤5、验证选址方程精确性;
步骤6、根据选址方程完成选址
使用规则对m个网格或指定位置进行计算,得到预测值对于观测值yi,令对α进行排序,α最低的k个区域或小于阈值的k个区域即为选定区域。
2.根据权利要求1所述的选址方法,其特征在于,步骤3中所述的环境因素是指区域环境相关的因素,包括网格面积、道路长度、道路宽度、交叉路口数量、店铺朝向、步道板宽度、立交桥、楼层高度、停车位、区域规划、地铁、坡度和交通情况;营业因素是指经营相关因素,包括营业时长、闭店时间、租金水平、耗电量、公司数量、店铺面积、楼层分布、客流量和车流量;结构因素是指区域内各类型门店的绝对数量和相对数量,包括各类餐饮、药店、银行、学校、邮政、网吧、生鲜、商超、医院、服装、菜市场和公园;周边要素是指环境因素、营业因素和结构因素在网格内的分布情况,网格层级大小根据人群能够到达范围或者网格边长d确定,当人群能够到达范围越大或网格边长越小,网格层级取值越大。
3.根据权利要求1所述的选址方法,其特征在于,所述步骤4的具体方法是:
步骤41、确定影响因素及权重
假定共有m个网格,前述分析网格要素共得到n个要素x1,x2,x3,...,xn预选门店类型数量y,建立如下方程:
y=β0+β1x1+β2x2+β3x3+...βnxn+ε
其中,ε为误差项,β为权重系数,当β确定时,方程确定;当β>0时,因素x为支持因素,当β<0时,因素x为排斥因素,β=0时,因素x为无影响因素,最终选址时,需去掉无影响因素;
步骤42、确定方程参数的求解目标,获得选址方程
根据最小二乘法确定步骤41中方程参数的求解目标,即找到一个方程,使得所有样本到直线的欧式距离之和最小,该求解目标,即代价函数J的表达式如下:
<mrow>
<mi>J</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&beta;x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
求解β等价于求解使得代价函数J最小的参数β,使用梯度下降法,求得β的解以后,方程确定,即影响因素及权重确定,所得方程即为选址规则。
4.根据权利要求1所述的选址方法,其特征在于,所述步骤5的具体方法是:
使用度量拟合优度统计量可决系数R2作为检验标准,R2计算公式如下:
<mrow>
<msup>
<mi>R</mi>
<mn>2</mn>
</msup>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
其中,yi是观测值,是观测值的平均值,是根据方程计算出的预测值,可决系数R2最大值为1,且R2越接近1,说明选址的正确率越高,判断根据步骤1~4的选址规则得到的R2与1的误差是否在阈值范围内,如果:
是,则将步骤1~4获得的选址方程应用在实际选址上,
否,则获得的选址方程没有通过验证,返回步骤2,重新生成选址方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711226671.XA CN108009677B (zh) | 2017-11-29 | 2017-11-29 | 一种选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711226671.XA CN108009677B (zh) | 2017-11-29 | 2017-11-29 | 一种选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108009677A true CN108009677A (zh) | 2018-05-08 |
CN108009677B CN108009677B (zh) | 2021-11-30 |
Family
ID=62054794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711226671.XA Active CN108009677B (zh) | 2017-11-29 | 2017-11-29 | 一种选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009677B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596520A (zh) * | 2018-05-16 | 2018-09-28 | 北京优网助帮信息技术有限公司 | 一种餐厅选址优化方法及装置 |
CN108876032A (zh) * | 2018-06-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对象选址的数据处理方法、装置、设备及系统 |
CN109087149A (zh) * | 2018-08-17 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 基于道路的信息数字化方法及装置 |
CN109242525A (zh) * | 2018-07-17 | 2019-01-18 | 浙江工业大学 | 一种宜动避静的城市人行天桥选址方法 |
CN109242580A (zh) * | 2018-11-28 | 2019-01-18 | 北京腾云天下科技有限公司 | 确定目标品牌在指定城市的推荐入驻商场的方法 |
CN109359162A (zh) * | 2018-08-28 | 2019-02-19 | 浙江工业大学 | 一种基于gis的学校选址方法 |
CN109446244A (zh) * | 2018-12-06 | 2019-03-08 | 重庆协洽科技有限公司 | 一种通过大数据挖掘进行优化选址工作方法 |
CN110019568A (zh) * | 2019-04-12 | 2019-07-16 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110728400A (zh) * | 2019-09-30 | 2020-01-24 | 口碑(上海)信息技术有限公司 | 选址推荐的方法及装置 |
CN111008803A (zh) * | 2019-12-04 | 2020-04-14 | 圆通速递有限公司 | 一种门店选址的方法和系统 |
CN111125273A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 门店选址方法及装置 |
CN111242666A (zh) * | 2018-11-29 | 2020-06-05 | Tcl集团股份有限公司 | 基于大数据分析的门店选址方法、存储介质及服务器端 |
CN111260392A (zh) * | 2020-01-07 | 2020-06-09 | 广州大学 | 一种基于多源大数据的自动售货机选址方法及装置 |
CN111506619A (zh) * | 2020-03-12 | 2020-08-07 | 中国建筑设计研究院有限公司 | 一种产业园区空间选址方法及系统 |
CN111598359A (zh) * | 2020-06-04 | 2020-08-28 | 上海燕汐软件信息科技有限公司 | 物流场站选址方法及系统 |
CN111680837A (zh) * | 2020-06-08 | 2020-09-18 | 北京化工大学 | 一种竞争环境下的多场景多商品连锁便利店选址优化方法 |
CN112183885A (zh) * | 2020-10-21 | 2021-01-05 | 中国银联股份有限公司 | 一种位置确定方法及装置 |
CN112330973A (zh) * | 2019-12-23 | 2021-02-05 | 卢建伟 | 基于云计算的交通路况电子显示屏的选址方法 |
CN112801335A (zh) * | 2020-12-02 | 2021-05-14 | 徐枫 | 长租公寓选址数字化方法 |
CN113837790A (zh) * | 2021-08-17 | 2021-12-24 | 中国地质大学(武汉) | 支持跨城市的地块级商业选址方法及装置 |
CN114295111A (zh) * | 2021-12-31 | 2022-04-08 | 浙江明坤勘测规划设计有限公司 | 一种基于无人机的土地勘测规划方法及其系统 |
CN116151839A (zh) * | 2023-04-18 | 2023-05-23 | 中汽传媒(天津)有限公司 | 一种汽车售后点动态规划方法及系统 |
CN116187599A (zh) * | 2023-05-04 | 2023-05-30 | 中铁第四勘察设计院集团有限公司 | 基于遗传算法的多式联运铁路物流中心布点方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070162372A1 (en) * | 2005-12-27 | 2007-07-12 | Alex Anas | Computer based system to generate data for implementing regional and metropolitan economic, land use and transportation planning |
CN106204118A (zh) * | 2016-06-30 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 一种用于商圈发现的方法与装置 |
CN106384250A (zh) * | 2016-09-13 | 2017-02-08 | 百度在线网络技术(北京)有限公司 | 一种选址方法及装置 |
CN106651392A (zh) * | 2016-12-07 | 2017-05-10 | 中国联合网络通信集团有限公司 | 一种智能商业选址方法、装置及系统 |
CN107194525A (zh) * | 2017-03-23 | 2017-09-22 | 同济大学 | 一种基于手机信令的城市中心评估方法 |
-
2017
- 2017-11-29 CN CN201711226671.XA patent/CN108009677B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070162372A1 (en) * | 2005-12-27 | 2007-07-12 | Alex Anas | Computer based system to generate data for implementing regional and metropolitan economic, land use and transportation planning |
CN106204118A (zh) * | 2016-06-30 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 一种用于商圈发现的方法与装置 |
CN106384250A (zh) * | 2016-09-13 | 2017-02-08 | 百度在线网络技术(北京)有限公司 | 一种选址方法及装置 |
CN106651392A (zh) * | 2016-12-07 | 2017-05-10 | 中国联合网络通信集团有限公司 | 一种智能商业选址方法、装置及系统 |
CN107194525A (zh) * | 2017-03-23 | 2017-09-22 | 同济大学 | 一种基于手机信令的城市中心评估方法 |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596520B (zh) * | 2018-05-16 | 2021-09-17 | 北京优网助帮信息技术有限公司 | 一种餐厅选址优化方法及装置 |
CN108596520A (zh) * | 2018-05-16 | 2018-09-28 | 北京优网助帮信息技术有限公司 | 一种餐厅选址优化方法及装置 |
CN108876032A (zh) * | 2018-06-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对象选址的数据处理方法、装置、设备及系统 |
CN109242525A (zh) * | 2018-07-17 | 2019-01-18 | 浙江工业大学 | 一种宜动避静的城市人行天桥选址方法 |
CN109242525B (zh) * | 2018-07-17 | 2021-08-24 | 浙江工业大学 | 一种宜动避静的城市人行天桥选址方法 |
CN109087149A (zh) * | 2018-08-17 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 基于道路的信息数字化方法及装置 |
CN109087149B (zh) * | 2018-08-17 | 2022-11-04 | 创新先进技术有限公司 | 基于道路的信息数字化方法及装置 |
CN109359162A (zh) * | 2018-08-28 | 2019-02-19 | 浙江工业大学 | 一种基于gis的学校选址方法 |
CN109359162B (zh) * | 2018-08-28 | 2022-07-26 | 浙江工业大学 | 一种基于gis的学校选址方法 |
CN111125273A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 门店选址方法及装置 |
CN109242580A (zh) * | 2018-11-28 | 2019-01-18 | 北京腾云天下科技有限公司 | 确定目标品牌在指定城市的推荐入驻商场的方法 |
CN109242580B (zh) * | 2018-11-28 | 2020-12-29 | 北京腾云天下科技有限公司 | 确定目标品牌在指定城市的推荐入驻商场的方法 |
CN111242666A (zh) * | 2018-11-29 | 2020-06-05 | Tcl集团股份有限公司 | 基于大数据分析的门店选址方法、存储介质及服务器端 |
CN109446244A (zh) * | 2018-12-06 | 2019-03-08 | 重庆协洽科技有限公司 | 一种通过大数据挖掘进行优化选址工作方法 |
CN109446244B (zh) * | 2018-12-06 | 2021-06-25 | 重庆协洽科技有限公司 | 一种通过大数据挖掘进行优化选址工作方法 |
CN110019568A (zh) * | 2019-04-12 | 2019-07-16 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110019568B (zh) * | 2019-04-12 | 2022-03-11 | 深圳市和讯华谷信息技术有限公司 | 基于空间聚类的选址方法、装置、计算机设备及存储介质 |
CN110728400A (zh) * | 2019-09-30 | 2020-01-24 | 口碑(上海)信息技术有限公司 | 选址推荐的方法及装置 |
CN111008803A (zh) * | 2019-12-04 | 2020-04-14 | 圆通速递有限公司 | 一种门店选址的方法和系统 |
CN112330973B (zh) * | 2019-12-23 | 2023-06-27 | 内蒙古快为科技有限公司 | 基于云计算的交通路况电子显示屏的选址方法 |
CN112330973A (zh) * | 2019-12-23 | 2021-02-05 | 卢建伟 | 基于云计算的交通路况电子显示屏的选址方法 |
CN111260392A (zh) * | 2020-01-07 | 2020-06-09 | 广州大学 | 一种基于多源大数据的自动售货机选址方法及装置 |
CN111260392B (zh) * | 2020-01-07 | 2023-11-07 | 广州大学 | 一种基于多源大数据的自动售货机选址方法及装置 |
CN111506619B (zh) * | 2020-03-12 | 2023-10-03 | 中国建筑设计研究院有限公司 | 一种产业园区空间选址方法及系统 |
CN111506619A (zh) * | 2020-03-12 | 2020-08-07 | 中国建筑设计研究院有限公司 | 一种产业园区空间选址方法及系统 |
CN111598359A (zh) * | 2020-06-04 | 2020-08-28 | 上海燕汐软件信息科技有限公司 | 物流场站选址方法及系统 |
CN111598359B (zh) * | 2020-06-04 | 2023-11-21 | 上海燕汐软件信息科技有限公司 | 物流场站选址方法及系统 |
CN111680837A (zh) * | 2020-06-08 | 2020-09-18 | 北京化工大学 | 一种竞争环境下的多场景多商品连锁便利店选址优化方法 |
CN111680837B (zh) * | 2020-06-08 | 2023-12-08 | 北京化工大学 | 一种竞争环境下的多场景多商品连锁便利店选址优化方法 |
CN112183885A (zh) * | 2020-10-21 | 2021-01-05 | 中国银联股份有限公司 | 一种位置确定方法及装置 |
CN112801335A (zh) * | 2020-12-02 | 2021-05-14 | 徐枫 | 长租公寓选址数字化方法 |
CN113837790A (zh) * | 2021-08-17 | 2021-12-24 | 中国地质大学(武汉) | 支持跨城市的地块级商业选址方法及装置 |
CN114295111A (zh) * | 2021-12-31 | 2022-04-08 | 浙江明坤勘测规划设计有限公司 | 一种基于无人机的土地勘测规划方法及其系统 |
CN116151839B (zh) * | 2023-04-18 | 2023-06-27 | 中汽传媒(天津)有限公司 | 一种汽车售后点动态规划方法及系统 |
CN116151839A (zh) * | 2023-04-18 | 2023-05-23 | 中汽传媒(天津)有限公司 | 一种汽车售后点动态规划方法及系统 |
CN116187599A (zh) * | 2023-05-04 | 2023-05-30 | 中铁第四勘察设计院集团有限公司 | 基于遗传算法的多式联运铁路物流中心布点方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108009677B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009677A (zh) | 一种选址方法 | |
US10621604B2 (en) | Method for defining metropolitan area based on regional inter-city flow intensity measurement model | |
CN104330089B (zh) | 一种利用历史gps数据进行地图匹配的方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN107341599A (zh) | 城市道路网络资产评估方法、装置与系统 | |
CN104916133B (zh) | 一种基于交通轨迹数据的道路海拔信息提取方法及系统 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN104537597A (zh) | 一种城市空间格局合理性诊断的技术方法 | |
CN103049829A (zh) | 城乡客运线网与枢纽场站一体化融合方法 | |
CN112381251A (zh) | 一种公路评定与养护决策信息化系统 | |
Yoshida et al. | Measurement of accessibility and its applications | |
Biermann | The strategic identification of suitable land for low income housing: A case study from South Africa | |
CN106980942A (zh) | 测算自行车快速道对公共自行车租赁点的影响范围的方法 | |
CN115810271B (zh) | 一种基于刷卡数据判断客流走廊位置的方法 | |
CN104463442A (zh) | 一种城乡建设集聚性的探测方法 | |
CN105701579A (zh) | 高原双车道二级公路基本路段交通事故预测方法 | |
KR20150069305A (ko) | 교통 혼잡도 계산 시스템 및 방법 | |
Zhang et al. | Using gis and kde analysis spatial distribution on public housing households: A case study | |
Mehmood et al. | AHP-DEMATEL Based Research on the Influencing Factors of the Daily Maintenance Costs of China's National and Provincial Trunk Highways | |
Sousa et al. | Inferring asset live load distributions from traffic flow data: a new SHM opportunity? | |
Hyun et al. | Sensor location decision model for truck flow measurement | |
Jansuwan et al. | Alternative planning tool for small metropolitan planning organization in Utah | |
Deng et al. | Freight distribution analysis and modelling of inland waterway transport using big data | |
CN207008961U (zh) | 一种山洪灾害调查历史洪痕的标记装置 | |
Li et al. | Determining the sample size of probe vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |