CN109255538A - 银行网点选址的评估方法和系统、服务器、存储介质 - Google Patents
银行网点选址的评估方法和系统、服务器、存储介质 Download PDFInfo
- Publication number
- CN109255538A CN109255538A CN201811062008.5A CN201811062008A CN109255538A CN 109255538 A CN109255538 A CN 109255538A CN 201811062008 A CN201811062008 A CN 201811062008A CN 109255538 A CN109255538 A CN 109255538A
- Authority
- CN
- China
- Prior art keywords
- density
- user
- region area
- user set
- population
- 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.)
- Pending
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及银行网点选址的评估方法和系统、服务器、存储介质。其中,该方法包括:根据预设半径计算待定网点对应的区域面积;获取区域面积对应的基站信息;从预存测量报告数据中提取与基站信息对应的信令数据;根据信令数据和所述区域面积确定区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K;根据居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K确定所述待定网点的评分。避免了现有技术中,通过人工调查的方式时,浪费人力物力,效率低,且调查结果误差偏大的技术弊端,实现了高效且精准的选取银行网点的地址的技术效果。
Description
技术领域
本发明实施例涉及互联网应用技术领域,尤其涉及银行网点选址的评估方法和系统、服务器、存储介质。
背景技术
随着科学技术的不断发展,尤其是互联网和物联网技术的发展,很多传统行业已经融入了互联网技术,或即将融入互联网技术。
近年来,传统银行网点受到互联网金融和金融互联网化的双重冲击。各银行2017年半年报及相关报道显示,四大行的传统网点正在进一步优化调整,整体数量有所下降,员工数进一步减少。大型商业银行网点数量减少,临柜人员进一步压缩已经成为未来金融行业发展的必然趋势。银行的个人业务办理量呈现出逐年下降的明显趋势,为提升盈利水平及人员效率,未来银行必须将持续优化网点的战略布局。在现有技术中,主要通过专门的调查公司通过人工来获取不同地点的数据的,以数据为依据选择银行网点。
在发明实现本发明的过程中,发现至少存在耗时耗力,且数据误差较大的情况。
发明内容
为解决上述技术问题,本发明实施例提供了银行网点选址的评估方法和系统、服务器、存储介质。
根据本发明实施例的一个方面,本发明实施例提供了银行网点选址的评估方法,所述方法包括:
根据预设半径计算待定网点对应的区域面积;
获取所述区域面积对应的基站信息;
从预存测量报告数据中提取与所述基站信息对应的信令数据;
根据所述信令数据和所述区域面积确定所述区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K;
根据所述居民人口密度R′、所述就业人口密度W′、所述工作日流动人口密度P′、所述节假日流动人口密度Q′和所述移动支付普及率K确定所述待定网点的评分。
通过本实施例提供的:从预存测量报告数据中提取与基站信息相对应的信令数据,根据信令数据和区域面积确定该区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K,从而根据居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K确定待定网点的评分的技术方案,避免了现有技术中,通过人工调查的方式时,浪费人力物力,效率低,且调查结果误差偏大的技术弊端,实现了高效且精准的选取银行网点的地址的技术效果。
进一步地,所述根据所述居民人口密度R′、所述就业人口密度W′、所述工作日流动人口密度P′、所述节假日流动人口密度Q′和所述移动支付普及率K确定所述待定网点的评分,具体包括:
根据式1确定所述待定网点的评分S,式1:
S=α*R′*K+β*W′+γ1*P′+γ2*Q′;
其中,α为所述居民人口密度R′对应的权重系数,β所述就业人口密度W′对应的权重系数,γ1为所述工作日流动人口密度P′对应的权重系数,γ2为所述节假日流动人口密度Q′对应的权重系数。
进一步地,所述根据所述信令数据和所述区域面积确定所述区域面积对应的居民人口密度R′,具体包括:
从所述信令数据中提取预设休息时段对应的休息信令数据;
根据所述休息信令数据,获取预设第一时间段内,平均每天在所述休息时段的驻留时间大于预设第一时间阈值的第一用户集合;
根据所述第一用户集合确定第一用户总数;
根据所述第一用户总数和所述区域面积确定所述居民人口密度R′。
在本实施例中,通过从信令数据中提取与休息时间段对应的休息信令数据,并获取第一用户集合,以便根据第一用户集合确定第一用户总数,并根据第一用户总数和区域面积确定居民人口密度R′的技术方案,实现了精准确定居民人口密度R′的准确性。
进一步地,所述根据所述信令数据和所述区域面积确定所述区域面积对应的就业人口密度W′,具体包括:
从所述信令数据中提取预设工作时段对应的工作信令数据;
根据所述工作信令数据,获取第二时间段内,平均每天在所述工作时段的驻留时间大于预设第二时间阈值的初始第二用户集合;
获取所述第一用户集合和所述初始第二用户集合的第一交集用户集合;
从所述初始第二用户集合中剔除与所述第一交集用户集合对应的用户,得到目标第二用户集合;
根据所述目标第二用户集合确定第二用户总数;
根据所述第二用户总数和所述区域面积,确定所述就业人口密度W′;
其中,所述第一时间段大于所述第二时间段。
通过本实施例提供的:从信令数据中提取工作时间段对应的工作信令数据,获取初始第二用户集合,根据第二用户集合和初始第一用户集合确定目标第二用户集合,以便根据目标第二用户集合确定第二用户总数,并根据第二用户总数和区域面积确定就业人口密度W′的技术方案,实现了精准确定就业人口密度W′的准确性。
进一步地,所述根据所述信令数据和所述区域面积确定所述区域面积对应的工作日流动人口密度P′,具体包括:
获取所述第一时间段内,在每个工作日中的所述工作时段内的驻留时间小于所述第二时间阈值,且大于预设第三时间阈值的初始第三用户集合;
获取所述第一用户集合和所述初始第三用户集合的第二交集用户集合;
从所述初始第三用户集合中剔除与所述第二交集用户集合对应的用户,得到目标第三用户集合;
根据所述目标第三用户集合确定第三用户总数;
根据所述第三用户总数和所述区域面积,确定工作日流动人口密度P′。
通过本实施例提供的:获取目标初始第三用户集合,根据第一用户集合和初始第三用户集合确定目标第三用户集合,以便根据目标第三用户集合确定第三用户总数,并根据第三用户总数和区域面积,确定工作日流动人口密度P′的技术方式,实现了精准确定工作日流动人口密度P′的技术效果。
进一步地,所述根据所述信令数据和所述区域面积确定所述区域面积对应的节假日流动人口密度Q′,具体包括:
从所述信令数据中提取节假日时段对应的节假日信令数据;
根据所述节假日信令数据,获取预设第三时间段内,在所述节假日时段的驻留时间大于所述第三时间阈值的初始第四用户集合;
获取所述第一用户集合和所述初始第四用户集合的第三交集用户集合;
从所述初始第四用户集合中剔除与所述第三交集用户集合对应的用户,得到目标第四用户集合;
根据所述目标第四用户集合和所述第三时间段包括的节假日天数确定所述节假日对应的平均人流量;
根据所述平均人流量和所述区域面积,确定所述节假日人流密度Q′;
其中,所述第三时间段大于所述第一时间段。
在本实施例中,通过从信令数据中提取节假日时段对应的节假日信令数据,获取初始第四用户集合,根据第一用户集合和初始第四用户集合确定目标第四用户集合,以便获取平均人流量,并根据平均人流量和区域面积,确定节假日人流密度Q′的技术方案,实现了精准确定节假日人流密度Q′的技术效果。
进一步地,所述根据所述信令数据和所述区域面积确定所述区域面积对应的移动支付普及率K,具体包括:
从所述信令数据中提取所述第一时间段内,所述第一用户集合中的用户对应的移动支付短信信息;
根据所述移动支付短信信息获取,在所述第一时间段内移动支付次数大于预设次数阈值的支付用户总数;
根据所述支付用户总数和所述第一用户总数确定所述移动支付普及率K。
通过本实施例提供的:从信令数据中提取移动支付短信信息,以便获取支付用户总数,并根据支付用户总数和第一用户总数确定移动支付普及率K的技术方案,实现了精准确定移动支付普及率K的技术效果。
根据本发明的另一个方面,本发明实施例还提供了一种服务器,应用于银行网点选址,所述服务器包括:计算模块、获取模块、提取模块、确定模块,其中,
所述计算模块用于:根据预设半径计算待定网点对应的区域面积;
所述获取模块用于:获取所述区域面积对应的基站信息;
所述提取模块用于:从预存测量报告数据中提取与所述基站信息对应的信令数据;
所述确定模块用于:根据所述信令数据和所述区域面积确定所述区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K,并根据所述居民人口密度R′、所述就业人口密度W′、所述工作日流动人口密度P′、所述节假日流动人口密度Q′和所述移动支付普及率K确定所述待定网点的评分。
进一步地,所述确定模块具体用于:
根据式1确定所述待定网点的评分S,式1:
S=α*R′*K+β*W′+γ1*P′+γ2*Q′;
其中,α为所述居民人口密度R′对应的权重系数,β所述就业人口密度W′对应的权重系数,γ1为所述工作日流动人口密度P′对应的权重系数,γ2为所述节假日流动人口密度Q′对应的权重系数。
进一步地,所述确定模块具体用于:
从所述信令数据中提取预设休息时段对应的休息信令数据;
根据所述休息信令数据,获取预设第一时间段内,平均每天在所述休息时段的驻留时间大于预设第一时间阈值的第一用户集合;
根据所述第一用户集合确定第一用户总数;
根据所述第一用户总数和所述区域面积确定所述居民人口密度R′。
进一步地,所述确定模块具体用于:
从所述信令数据中提取预设工作时段对应的工作信令数据;
根据所述工作信令数据,获取第二时间段内,平均每天在所述工作时段的驻留时间大于预设第二时间阈值的初始第二用户集合;
获取所述第一用户集合和所述初始第二用户集合的第一交集用户集合;
从所述初始第二用户集合中剔除与所述第一交集用户集合对应的用户,得到目标第二用户集合;
根据所述目标第二用户集合确定第二用户总数;
根据所述第二用户总数和所述区域面积,确定所述就业人口密度W′;
其中,所述第一时间段大于所述第二时间段。
进一步地,所述确定模块具体用于:
获取所述第一时间段内,在每个工作日中的所述工作时段内的驻留时间小于所述第二时间阈值,且大于预设第三时间阈值的初始第三用户集合;
获取所述第一用户集合和所述初始第三用户集合的第二交集用户集合;
从所述初始第三用户集合中剔除与所述第二交集用户集合对应的用户,得到目标第三用户集合;
根据所述目标第三用户集合确定第三用户总数;
根据所述第三用户总数和所述区域面积,确定工作日流动人口密度P′。
进一步地,所述确定模块具体用于:
从所述信令数据中提取节假日时段对应的节假日信令数据;
根据所述节假日信令数据,获取预设第三时间段内,在所述节假日时段的驻留时间大于所述第三时间阈值的初始第四用户集合;
获取所述第一用户集合和所述初始第四用户集合的第三交集用户集合;
从所述初始第四用户集合中剔除与所述第三交集用户集合对应的用户,得到目标第四用户集合;
根据所述目标第四用户集合和所述第三时间段包括的节假日天数确定所述节假日对应的平均人流量;
根据所述平均人流量和所述区域面积,确定所述节假日人流密度Q′;
其中,所述第三时间段大于所述第一时间段。
进一步地,所述确定模块具体用于:
从所述信令数据中提取所述第一时间段内,所述第一用户集合中的用户对应的移动支付短信信息;
根据所述移动支付短信信息获取,在所述第一时间段内移动支付次数大于预设次数阈值的支付用户总数;
根据所述支付用户总数和所述第一用户总数确定所述移动支付普及率K。
根据本发明实施例的另一个方面,本发明实施例还提供了一种银行网点选址的评估系统,所述系统包括:
存储器,被配置为存储数据及指令;
与所述存储器建立通信的处理器,其中,当执行所述存储器中的指令时,所述处理器被配置为执行如上任一项实施例所述的方法。
根据本发明实施例的另一个方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一项实施例所述的方法。
附图说明
图1为本发明实施例提供的银行网点选址的评估方法的流程示意图;
图2为本发明实施例提供的服务器的模块示意图;
图3为本发明实施例提供的银行网点选址的评估系统的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了银行网点选址的评估方法和系统、服务器、存储介质。
根据本发明实施例的一个方面,本发明实施例提供了银行网点选址的评估方法。
第一实施例:
请参阅图1,图1为本发明实施例提供的银行网点选址的评估方法的流程示意图。
如图1所示,该方法包括:
S100:根据预设半径计算待定网点对应的区域面积。
可根据实际需求以及待定网点的周边情况设定相应的半径。可以理解的是,半径的选定可主动自行调整。以待定网点为圆心,结合半径进行计算,得到待定网点的区域面积。
S200:获取区域面积对应的基站信息。
可以理解的是,在区域面积内,可能存在多个基站,或者可能只存在一个基站。则将该一个或多个基站对应的基站信息进行获取。
S300:从预存测量报告数据中提取与基站信息对应的信令数据。
预存测量报告数据中包括区域面积内的基站信息,也包括区域面积外的基站信息。从预存测量报告数据中提取信令数据,加速了选址的进度,且确保了数据的准确性。预存测量报告数据即为预存MR数据。
S400:根据信令数据和区域面积确定区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K。
S500:根据居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K确定待定网点的评分。
在一种可能实现的技术方案中,在S300之前,该方法还包括:
S1:从信令网上采集初始测量报告数据;
S2:根据预设字段从初始测量报告数据中抽取预存测量报告数据。
其中,预设字段包括:IMSI(国际移动用户识别码)、LAC、CI、经维度、时间等。
其中,通过S2对数据进行清洗,得到预存测量报告数据。实现了获取到的预存测量报告数据的精准性,以便精准的对待定网点进行评估。
第二实施例:
本实施例以第一实施例为基础。在本实施例中,S500具体包括:
根据式1确定待定网点的评分S,式1:
S=α*R′*K+β*W′+γ1*P′+γ2*Q′;
其中,α为居民人口密度R′对应的权重系数,β就业人口密度W′对应的权重系数,γ1为工作日流动人口密度P′对应的权重系数,γ2为节假日流动人口密度Q′对应的权重系数。
优选地,α等于0.3,β等于0.3,γ等于0.2,γ等于0.2。
第三实施例:
本实施例以第一或第二实施例为基础。在本实施例中,根据信令数据和区域面积确定区域面积对应的居民人口密度R′,具体包括:
S11:从信令数据中提取预设休息时段对应的休息信令数据;
S12:根据休息信令数据,获取预设第一时间段内,平均每天在休息时段的驻留时间大于预设第一时间阈值的第一用户集合;
S13:根据第一用户集合确定第一用户总数;
S14:根据第一用户总数和区域面积确定居民人口密度R′。
例如:
信令数据中包括各种时段的数据。在本实施例中,休息时段为晚上10点至第二天早上8点。从信令数据中提取该时间段的数据,即提取休息信令数据。本实施例中的第一时间段为一个月。选取一个月内,平均每天在晚上10点至第二天早上8点内,驻留时间大于6个小时(即为第一时间阈值)的用户集合,该用户集合为第一用户集合。
若用户A为第一用户集合中的任一用户,用户A在一个月中,可能有多次,如15次,驻留时间均大于6个小时,则用户A会在第一用户集合中出现15次。所以,需要对第一用户集合进行排查,筛选出第一用户总数。而根据第一用户总数与区域面积就能确定居民人口密度R′。
当然,在一种可能实现的方案中,当用户A第二次驻留时间再次大于6个小时时,可不在第一用户集合中做任何记录。即,第一用户集合中用户的数量等于第一用户总数。
具体地,第一用户总数除以区域面积的商,即为居民人口密度R′。
其中,驻留时间=某用户最晚一条休息信令数据对应的时间-该用户最早一条休息信令数据对应的时间。需要说明的是,此处说的最晚和最早为针对某一天晚上10点至第二天早上8点这一具体时间段而言的。
第四实施例:
本实施例以第三实施例为基础。在本实施例中,根据信令数据和区域面积确定区域面积对应的就业人口密度W′,具体包括:
S21:从信令数据中提取预设工作时段对应的工作信令数据;
S22:根据工作信令数据,获取第二时间段内,平均每天在工作时段的驻留时间大于预设第二时间阈值的初始第二用户集合;
S23:获取第一用户集合和初始第二用户集合的第一交集用户集合;
S24:从初始第二用户集合中剔除与第一交集用户集合对应的用户,得到目标第二用户集合;
S25:根据目标第二用户集合确定第二用户总数;
S26:根据第二用户总数和区域面积,确定就业人口密度W′;
其中,第一时间段大于第二时间段。
例如:工作时段为剔除法定节假日之外的工作日的早9点至下午5点。从信令数据中获取该时间段对应数据,即为工作信令数据。
当第二时间段为一周时,则获取一周内,每天在早9点至下午5点之间的驻留时间大于5个小时(即第二时间阈值)的用户集合,该用户集合为第二用户集合。
第一用户集合和初始第二用户集合自然会存在相同的用户,即第一交集用户集合。所以,从初始第二用户集合中剔除相同的用户,即剔除第一交集用户集合,得到目标第二用户集合。
在根据目标第二用户集合确定第二用户总数后,将第二用户总数除以区域面积,得到的商就是就业人口密度W′。
第五实施例:
本实施例以第四实施例为基础。在本实施例中,根据信令数据和区域面积确定区域面积对应的工作日流动人口密度P′,具体包括:
S31:获取第一时间段内,在每个工作日中的工作时段内的驻留时间小于第二时间阈值,且大于预设第三时间阈值的初始第三用户集合;
S32:获取第一用户集合和初始第三用户集合的第二交集用户集合;
S33:从初始第三用户集合中剔除与第二交集用户集合对应的用户,得到目标第三用户集合;
S34:根据目标第三用户集合确定第三用户总数;
S35:根据第三用户总数和区域面积,确定工作日流动人口密度P′。
例如:
当第三时间阈值为15分钟时,则获取一个月内,每个工作日的工作时间段的驻留时间小于5个小时,且大于15分钟的用户的集合,该集合为初始第三用户集合。
第一用户集合和初始第三用户集合自然会存在相同的用户,即第二交集用户集合。所以,从初始第三用户集合中剔除相同的用户,即剔除第二交集用户集合,得到目标第三用户集合。
在根据目标第三用户集合确定第三用户总数后,将第三用户总数除以区域面积,得到的商就是工作日流动人口密度P′。
第六实施例:
本实施例以第五实施例为基础。在本实施例中,根据信令数据和区域面积确定区域面积对应的节假日流动人口密度Q′,具体包括:
S41:从信令数据中提取节假日时段对应的节假日信令数据;
S42:根据节假日信令数据,获取预设第三时间段内,在节假日时段的驻留时间大于第三时间阈值的初始第四用户集合;
S43:获取第一用户集合和初始第四用户集合的第三交集用户集合;
S44:从初始第四用户集合中剔除与第三交集用户集合对应的用户,得到目标第四用户集合;
S45:根据目标第四用户集合和第三时间段包括的节假日天数确定节假日对应的平均人流量;
S46:根据平均人流量和区域面积,确定节假日人流密度Q′;
其中,第三时间段大于第一时间段。
例如:
当第三时间段为一年,节假日时间段为节假日早上9点至下午5点时,则从信令数据中提取节假日早上9点至下午5点对应的数据,即为节假日信令数据。从一年中,选取节假日早上9点至下午5点的驻留时间大于15分钟用户的集合,该集合为第四用户集合。
第一用户集合和初始第四用户集合自然会存在相同的用户,即第三交集用户集合。所以,从初始第四用户集合中剔除相同的用户,即剔除第三交集用户集合,得到目标第四用户集合。
根据目标第四用户集合和节假日天数得到平均人流量。如,目标第四用户集合的第四用户的总户数为X,而该年内共有Y天节假日,则X除以Y得到的商即为节假日对应的平均人流量。该平均人流量与区域面积的商即为节假日人流密度Q′。
第七实施例:
本实施例以第三至第六中任一实施例为基础。在本实施例中,根据信令数据和区域面积确定区域面积对应的移动支付普及率K,具体包括:
S51:从信令数据中提取第一时间段内,第一用户集合中的用户对应的移动支付短信信息;
S52:根据移动支付短信信息获取,在第一时间段内移动支付次数大于预设次数阈值的支付用户总数;
S53:根据支付用户总数和第一用户总数确定移动支付普及率K。
例如:
当次数阈值为10时,则获取一个月内,第一用户集合中的用户对应的移动支付短信信息,计算大于10条移动支付短信信息的用户的数量,该数量即为支付用户总数。支付用户总数除以第一用户总数得到的商,即为移动支付普及率K。
根据本发明的另一个方面,本发明实施例还提供了一种服务器,应用于银行网点选址。
请参阅图2,图2为本发明实施例提供的一种服务器的模块示意图。
如图2所示,该服务器包括:计算模块、获取模块、提取模块、确定模块,其中,
计算模块用于:根据预设半径计算待定网点对应的区域面积;
获取模块用于:获取区域面积对应的基站信息;
提取模块用于:从预存测量报告数据中提取与基站信息对应的信令数据;
确定模块用于:根据信令数据和区域面积确定区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K,并根据居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K确定待定网点的评分。
在一种可能实现的技术方案中,确定模块具体用于:
根据式1确定待定网点的评分S,式1:
S=α*R′*K+β*W′+γ1*P′+γ2*Q′;
其中,α为居民人口密度R′对应的权重系数,β就业人口密度W′对应的权重系数,γ1为工作日流动人口密度P′对应的权重系数,γ2为节假日流动人口密度Q′对应的权重系数。
在一种可能实现的技术方案中,确定模块具体用于:
从信令数据中提取预设休息时段对应的休息信令数据;
根据休息信令数据,获取预设第一时间段内,平均每天在休息时段的驻留时间大于预设第一时间阈值的第一用户集合;
根据第一用户集合确定第一用户总数;
根据第一用户总数和区域面积确定居民人口密度R′。
在一种可能实现的技术方案中,确定模块具体用于:
从信令数据中提取预设工作时段对应的工作信令数据;
根据工作信令数据,获取第二时间段内,平均每天在工作时段的驻留时间大于预设第二时间阈值的初始第二用户集合;
获取第一用户集合和初始第二用户集合的第一交集用户集合;
从初始第二用户集合中剔除与第一交集用户集合对应的用户,得到目标第二用户集合;
根据目标第二用户集合确定第二用户总数;
根据第二用户总数和区域面积,确定就业人口密度W′;
其中,第一时间段大于第二时间段。
在一种可能实现的技术方案中,确定模块具体用于:
获取第一时间段内,在每个工作日中的工作时段内的驻留时间小于第二时间阈值,且大于预设第三时间阈值的初始第三用户集合;
获取第一用户集合和初始第三用户集合的第二交集用户集合;
从初始第三用户集合中剔除与第二交集用户集合对应的用户,得到目标第三用户集合;
根据目标第三用户集合确定第三用户总数;
根据第三用户总数和区域面积,确定工作日流动人口密度P′。
在一种可能实现的技术方案中,确定模块具体用于:
从信令数据中提取节假日时段对应的节假日信令数据;
根据节假日信令数据,获取预设第三时间段内,在节假日时段的驻留时间大于第三时间阈值的初始第四用户集合;
获取第一用户集合和初始第四用户集合的第三交集用户集合;
从初始第四用户集合中剔除与第三交集用户集合对应的用户,得到目标第四用户集合;
根据目标第四用户集合和第三时间段包括的节假日天数确定节假日对应的平均人流量;
根据平均人流量和区域面积,确定节假日人流密度Q′;
其中,第三时间段大于第一时间段。
在一种可能实现的技术方案中,确定模块具体用于:
从信令数据中提取第一时间段内,第一用户集合中的用户对应的移动支付短信信息;
根据移动支付短信信息获取,在第一时间段内移动支付次数大于预设次数阈值的支付用户总数;
根据支付用户总数和第一用户总数确定移动支付普及率K。
根据本发明实施例的另一个方面,本发明实施例还提供了银行网点选址的评估系统。
请参阅图3,图3为本发明实施例提供的银行网点选址的评估系统的结构示意图。
如图3所示,该系统包括:
存储器,被配置为存储数据及指令;
与存储器建立通信的处理器,其中,当执行存储器中的指令时,处理器被配置为执行如上第一实施例至第七实施例中的任一实施例所述的方法。
其中,存储器与处理器通过总线连接。处理器用于执行存储器中存储的可执行模块,例如计算机程序。
其中,存储器可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
如图3所示,该系统还包括通信接口(至少为一个)。
该系统通过通信接口可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。
其中,存储器用于存储程序,处理器在接收到执行指令后,执行程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器中,或者由处理器实现。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
根据本发明实施例的另一个方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上第一至第七任一项实施例所述的方法。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
还应理解,在本发明各实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种银行网点选址的评估方法,其特征在于,所述方法包括:
根据预设半径计算待定网点对应的区域面积;
获取所述区域面积对应的基站信息;
从预存测量报告数据中提取与所述基站信息对应的信令数据;
根据所述信令数据和所述区域面积确定所述区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K;
根据所述居民人口密度R′、所述就业人口密度W′、所述工作日流动人口密度P′、所述节假日流动人口密度Q′和所述移动支付普及率K确定所述待定网点的评分。
2.根据权利要求1所述的银行网点选址的评估方法,其特征在于,所述根据所述居民人口密度R′、所述就业人口密度W′、所述工作日流动人口密度P′、所述节假日流动人口密度Q′和所述移动支付普及率K确定所述待定网点的评分,具体包括:
根据式1确定所述待定网点的评分S,式1:
S=α*R′*K+β*W′+γ1*P′+γ2*Q′;
其中,α为所述居民人口密度R′对应的权重系数,β所述就业人口密度W′对应的权重系数,γ1为所述工作日流动人口密度P′对应的权重系数,γ2为所述节假日流动人口密度Q′对应的权重系数。
3.根据权利要求1所述的银行网点选址的评估方法,其特征在于,所述根据所述信令数据和所述区域面积确定所述区域面积对应的居民人口密度R′,具体包括:
从所述信令数据中提取预设休息时段对应的休息信令数据;
根据所述休息信令数据,获取预设第一时间段内,平均每天在所述休息时段的驻留时间大于预设第一时间阈值的第一用户集合;
根据所述第一用户集合确定第一用户总数;
根据所述第一用户总数和所述区域面积确定所述居民人口密度R′。
4.根据权利要求3所述的银行网点选址的评估方法,其特征在于,所述根据所述信令数据和所述区域面积确定所述区域面积对应的就业人口密度W′,具体包括:
从所述信令数据中提取预设工作时段对应的工作信令数据;
根据所述工作信令数据,获取第二时间段内,平均每天在所述工作时段的驻留时间大于预设第二时间阈值的初始第二用户集合;
获取所述第一用户集合和所述初始第二用户集合的第一交集用户集合;
从所述初始第二用户集合中剔除与所述第一交集用户集合对应的用户,得到目标第二用户集合;
根据所述目标第二用户集合确定第二用户总数;
根据所述第二用户总数和所述区域面积,确定所述就业人口密度W′;
其中,所述第一时间段大于所述第二时间段。
5.根据权利要求4所述的银行网点选址的评估方法,其特征在于,所述根据所述信令数据和所述区域面积确定所述区域面积对应的工作日流动人口密度P′,具体包括:
获取所述第一时间段内,在每个工作日中的所述工作时段内的驻留时间小于所述第二时间阈值,且大于预设第三时间阈值的初始第三用户集合;
获取所述第一用户集合和所述初始第三用户集合的第二交集用户集合;
从所述初始第三用户集合中剔除与所述第二交集用户集合对应的用户,得到目标第三用户集合;
根据所述目标第三用户集合确定第三用户总数;
根据所述第三用户总数和所述区域面积,确定工作日流动人口密度P′。
6.根据权利要求5所述的银行网点选址的评估方法,其特征在于,所述根据所述信令数据和所述区域面积确定所述区域面积对应的节假日流动人口密度Q′,具体包括:
从所述信令数据中提取节假日时段对应的节假日信令数据;
根据所述节假日信令数据,获取预设第三时间段内,在所述节假日时段的驻留时间大于所述第三时间阈值的初始第四用户集合;
获取所述第一用户集合和所述初始第四用户集合的第三交集用户集合;
从所述初始第四用户集合中剔除与所述第三交集用户集合对应的用户,得到目标第四用户集合;
根据所述目标第四用户集合和所述第三时间段包括的节假日天数确定所述节假日对应的平均人流量;
根据所述平均人流量和所述区域面积,确定所述节假日人流密度Q′;
其中,所述第三时间段大于所述第一时间段。
7.根据权利要求3-6中任一项所述的银行网点选址的评估方法,其特征在于,所述根据所述信令数据和所述区域面积确定所述区域面积对应的移动支付普及率K,具体包括:
从所述信令数据中提取所述第一时间段内,所述第一用户集合中的用户对应的移动支付短信信息;
根据所述移动支付短信信息获取,在所述第一时间段内移动支付次数大于预设次数阈值的支付用户总数;
根据所述支付用户总数和所述第一用户总数确定所述移动支付普及率K。
8.一种服务器,应用于银行网点选址,其特征在于,所述服务器包括:计算模块、获取模块、提取模块、确定模块,其中,
所述计算模块用于:根据预设半径计算待定网点对应的区域面积;
所述获取模块用于:获取所述区域面积对应的基站信息;
所述提取模块用于:从预存测量报告数据中提取与所述基站信息对应的信令数据;
所述确定模块用于:根据所述信令数据和所述区域面积确定所述区域面积对应的居民人口密度R′、就业人口密度W′、工作日流动人口密度P′、节假日流动人口密度Q′和移动支付普及率K,并根据所述居民人口密度R′、所述就业人口密度W′、所述工作日流动人口密度P′、所述节假日流动人口密度Q′和所述移动支付普及率K确定所述待定网点的评分。
9.一种银行网点选址的评估系统,其特征在于,所述系统包括:
存储器,被配置为存储数据及指令;
与所述存储器建立通信的处理器,其中,当执行所述存储器中的指令时,所述处理器被配置为执行权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811062008.5A CN109255538A (zh) | 2018-09-12 | 2018-09-12 | 银行网点选址的评估方法和系统、服务器、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811062008.5A CN109255538A (zh) | 2018-09-12 | 2018-09-12 | 银行网点选址的评估方法和系统、服务器、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109255538A true CN109255538A (zh) | 2019-01-22 |
Family
ID=65047340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811062008.5A Pending CN109255538A (zh) | 2018-09-12 | 2018-09-12 | 银行网点选址的评估方法和系统、服务器、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255538A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN111145452A (zh) * | 2019-12-31 | 2020-05-12 | 中国银行股份有限公司 | 一种可取火车票自助存取款机选址方法及装置 |
CN112541786A (zh) * | 2020-12-11 | 2021-03-23 | 中信银行股份有限公司 | 一种网点选址方法、装置、电子设备和存储介质 |
CN113191681A (zh) * | 2021-05-21 | 2021-07-30 | 中国工商银行股份有限公司 | 网点选址方法、装置、电子设备及可读存储介质 |
CN116777512A (zh) * | 2023-04-04 | 2023-09-19 | 深圳市明源云科技有限公司 | 园区选址方法、装置、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105516928A (zh) * | 2016-01-15 | 2016-04-20 | 中国联合网络通信有限公司广东省分公司 | 一种基于位置人群特征的位置推荐方法和系统 |
CN106454729A (zh) * | 2016-10-09 | 2017-02-22 | 广州杰赛科技股份有限公司 | 一种城市轨道交通站点选址规划方法和装置 |
CN106780275A (zh) * | 2017-01-18 | 2017-05-31 | 中国联合网络通信集团有限公司 | 一种营业厅选址方法及装置 |
CN107086922A (zh) * | 2016-02-15 | 2017-08-22 | 中国移动通信集团福建有限公司 | 一种用户行为识别方法和装置 |
CN108388970A (zh) * | 2018-03-22 | 2018-08-10 | 浙江工业大学 | 一种基于gis的公交站点选址方法 |
-
2018
- 2018-09-12 CN CN201811062008.5A patent/CN109255538A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105516928A (zh) * | 2016-01-15 | 2016-04-20 | 中国联合网络通信有限公司广东省分公司 | 一种基于位置人群特征的位置推荐方法和系统 |
CN107086922A (zh) * | 2016-02-15 | 2017-08-22 | 中国移动通信集团福建有限公司 | 一种用户行为识别方法和装置 |
CN106454729A (zh) * | 2016-10-09 | 2017-02-22 | 广州杰赛科技股份有限公司 | 一种城市轨道交通站点选址规划方法和装置 |
CN106780275A (zh) * | 2017-01-18 | 2017-05-31 | 中国联合网络通信集团有限公司 | 一种营业厅选址方法及装置 |
CN108388970A (zh) * | 2018-03-22 | 2018-08-10 | 浙江工业大学 | 一种基于gis的公交站点选址方法 |
Non-Patent Citations (3)
Title |
---|
李兵: ""基于群体行为模式特征的银行网点选址模型研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
韩玉辉: ""通信数据在城市规划行业中的应用探讨"", 《邮电设计技术》 * |
黎巎: "《旅游大数据研究》", 31 July 2018 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN111145452A (zh) * | 2019-12-31 | 2020-05-12 | 中国银行股份有限公司 | 一种可取火车票自助存取款机选址方法及装置 |
CN112541786A (zh) * | 2020-12-11 | 2021-03-23 | 中信银行股份有限公司 | 一种网点选址方法、装置、电子设备和存储介质 |
CN113191681A (zh) * | 2021-05-21 | 2021-07-30 | 中国工商银行股份有限公司 | 网点选址方法、装置、电子设备及可读存储介质 |
CN116777512A (zh) * | 2023-04-04 | 2023-09-19 | 深圳市明源云科技有限公司 | 园区选址方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255538A (zh) | 银行网点选址的评估方法和系统、服务器、存储介质 | |
US8843431B2 (en) | Social network analysis for churn prediction | |
CN107481090A (zh) | 一种用户异常行为检测方法、装置和系统 | |
CN106959925B (zh) | 一种版本测试方法及装置 | |
CN105721187A (zh) | 一种业务故障诊断方法及装置 | |
CN107403334A (zh) | 数据处理方法及装置 | |
CN106296399A (zh) | 业务规则公式化的数据处理方法和系统 | |
CN110209551B (zh) | 一种异常设备的识别方法、装置、电子设备及存储介质 | |
CN109034434A (zh) | 一种智能派工方法和装置 | |
CN113360269A (zh) | 一种任务分配方法、装置、服务器及存储介质 | |
CN108416684A (zh) | 一种账号主体的可信程度评估方法、装置及服务器 | |
CN110188990A (zh) | 一种资源请求和资金请求分流方法、装置及设备 | |
CN109582550A (zh) | 一种获取全量业务场景故障集合的方法、装置及服务器 | |
CN113206909A (zh) | 骚扰电话拦截方法及装置 | |
CN111582678B (zh) | 一种事件流分配方法、事件流分配装置及电子设备 | |
CN110008393A (zh) | 一种用于获取网站信息的方法及设备 | |
CN109493958A (zh) | 一种随访计划制定方法、装置、服务器及介质 | |
CN110796178B (zh) | 决策模型训练方法及样本特征选择方法、装置和电子设备 | |
CN106656943A (zh) | 一种网络用户属性的匹配方法及装置 | |
CN110968547B (zh) | 一种信息筛选方法及系统 | |
CN110070291A (zh) | 审计任务分配方法及系统 | |
CN114816915A (zh) | 链路追踪方法以及设备 | |
CN107832267A (zh) | 一种统计数据汇总方法及装置 | |
CN110544104B (zh) | 帐号的确定方法、装置、存储介质及电子装置 | |
CN113919873A (zh) | 市场容量的确定方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190122 |
|
RJ01 | Rejection of invention patent application after publication |