CN108009677A - 一种选址方法 - Google Patents

一种选址方法 Download PDF

Info

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
Application number
CN201711226671.XA
Other languages
English (en)
Other versions
CN108009677B (zh
Inventor
胡崇宇
韩建军
王鹏
王昆宇
李京原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heilongjiang Xin Lianhua Touchplus Information Corp
Original Assignee
Heilongjiang Xin Lianhua Touchplus Information Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heilongjiang Xin Lianhua Touchplus Information Corp filed Critical Heilongjiang Xin Lianhua Touchplus Information Corp
Priority to CN201711226671.XA priority Critical patent/CN108009677B/zh
Publication of CN108009677A publication Critical patent/CN108009677A/zh
Application granted granted Critical
Publication of CN108009677B publication Critical patent/CN108009677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种选址方法
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>&amp;times;</mo> <mi>b</mi> </mrow> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>b</mi> </msubsup> <msubsup> <mi>&amp;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>&amp;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>&amp;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>&amp;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>&amp;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>&amp;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。
CN201711226671.XA 2017-11-29 2017-11-29 一种选址方法 Active CN108009677B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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