CN110597875A - 一种店铺经营状况判定方法、系统、介质及设备 - Google Patents

一种店铺经营状况判定方法、系统、介质及设备 Download PDF

Info

Publication number
CN110597875A
CN110597875A CN201910802035.XA CN201910802035A CN110597875A CN 110597875 A CN110597875 A CN 110597875A CN 201910802035 A CN201910802035 A CN 201910802035A CN 110597875 A CN110597875 A CN 110597875A
Authority
CN
China
Prior art keywords
moving average
average value
passenger flow
shop
target day
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
CN201910802035.XA
Other languages
English (en)
Other versions
CN110597875B (zh
Inventor
王庆
周坚
潘潇君
张豪
吴相成
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.)
Shanghai Huina Data Technology Co Ltd
Original Assignee
Shanghai Huina Data Technology Co Ltd
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 Shanghai Huina Data Technology Co Ltd filed Critical Shanghai Huina Data Technology Co Ltd
Priority to CN201910802035.XA priority Critical patent/CN110597875B/zh
Publication of CN110597875A publication Critical patent/CN110597875A/zh
Application granted granted Critical
Publication of CN110597875B publication Critical patent/CN110597875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q10/063—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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Human Computer Interaction (AREA)
  • Fuzzy Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)

Abstract

本发明提供一种店铺经营状况判定方法、系统、介质及设备。所述店铺经营状况判定方法包括：获取各目标日内店铺的客流量；计算各目标日内所述客流量的移动平均值；对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布；根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。所述店铺经营状况判定方法允许运营方或管理者直接获取店铺运营情况分析结果，无需大量的人力参与，提高了店铺的管理效率。

Description

一种店铺经营状况判定方法、系统、介质及设备
技术领域
本发明涉及一种判定方法，特别是涉及一种店铺经营状况判定方法、系统、介质及设备。
背景技术
随着经济的不断发展以及人们消费水平的提高，店铺的数量越来越多。对于店铺运营方或管理者来说，掌握店铺的运营状况并及时发现运营状况异常的店铺至关重要。然而，目前常用的店铺运营状况分析方法是搜集相关店铺的运营数据，然后利用多种手段对运营数据进行分析得到结论，这种方法往往需要消耗大量的人力且效率较低。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种店铺经营状况判定方法、系统、介质及设备，用于解决现有技术中存在的需要消耗大量的人力且效率较低的问题。
为实现上述目的及其他相关目的，本发明提供一种店铺经营状况判定方法，所述店铺经营状况判定方法包括：获取各目标日内店铺的客流量；计算各目标日内所述客流量的移动平均值；对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布；根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。
于本发明的一实施例中，计算各目标日内所述客流量的移动平均值的实现方法包括：所述客流量的移动平均值的计算公式为其中，Mn表示第n个所述目标日内所述客流量的N项移动平均值；Cn+i-1表示第n+i-1个目标日内所述店铺的客流量；N的取值为大于1的正整数，n的取值为大于等于1的正整数。
于本发明的一实施例中，对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布的实现方法包括：对各目标日内所述客流量的移动平均值进行统计，绘制所述移动平均值的频率分布图；对所述频率分布图进行拟合，获得所述移动平均值的概率分布。
于本发明的一实施例中，所述店铺经营状况判定方法还包括：根据所述客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记。
于本发明的一实施例中，根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常的实现方法包括：所述客流量的移动平均值的概率分布为一类正态分布；若某一目标日内所述客流量的移动平均值对应的概率分布函数低于a％或高于b％，则认为所述店铺在该目标日内经营状况异常；其中a为第一阈值，b为第二阈值，a和b为小数且0<a<b<100。
于本发明的一实施例中，获取店铺在各目标日内的客流量的实现方法包括：利用设置在所述店铺门口的视频设备获取所述店铺在各目标日内的客流量。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器调用时实现本发明所述的店铺运营状况判定方法。
本发明还提供一种电子设备，所述电子设备包括：存储器，用于存储一计算机程序；处理器，与所述存储器通信相连，用于调用所述计算机程序时实现本发明所述的店铺运营状况判定方法；显示器，与所述处理器通信相连，用于显示所述店铺运营状况判定方法的人机交互界面。
本发明还提供一种店铺经营状况判定系统，所述店铺经营状况判定系统包括：获取模块，用于获取各目标日内店铺的客流量；平均值计算模块，与所述获取模块相连，用于计算各目标日内所述客流量的移动平均值；统计模块，与所述平均值计算模块相连，用于对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布；判定模块，与所述统计模块相连，用于根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。
于本发明的一实施例中，所述店铺经营状况判定系统还包括：异常值标记模块，与所述平均值计算模块相连，用于根据所述各店铺的客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记。
如上所述，本发明所述店铺经营状况判定方法能够通过客流量来反映店铺的运营状况，从而为店铺的运营方或管理者提供决策建议；所述店铺经营状况判定方法通过计算移动平均值并对所述移动平均值进行统计分析，得到的数据更加客观和准确，并且能够得出时间因素对店铺客流量带来的影响；所述店铺经营状况判定方法允许运营方或管理者直接获取店铺运营情况分析结果，无需大量的人力参与，极大地提高了店铺的管理效率。
附图说明
图1显示为本发明所述店铺经营状况判定方法于一具体实施例中的流程示意图。
图2显示为本发明所述店铺经营状况判定方法中找出并标记异常值的流程示意图。
图3A显示为本发明所述店铺经营状况判定方法中客流量概率分布函数于一具体实施例中的示例图。
图3B显示为本发明所述店铺经营状况判定方法中客流量概率密度函数于一具体实施例中的示例图。
图4显示为本发明所述电子设备于一具体实施例中的实现结构示意图。
图5显示为本发明所述店铺经营状况判定系统于一具体实施例的结构示意图。
元件标号说明
400 电子设备
410 存储器
420 处理器
430 显示器
440 总线
500 店铺经营状况判定系统
510 获取模块
520 平均值计算模块
530 统计模块
540 判定模块
S110～S140 步骤
S211～S214 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
随着经济的不断发展以及人们消费水平的提高，店铺的数量越来越多。对于店铺运营方或管理者来说，掌握店铺的运营状况并及时发现运营状况异常的店铺至关重要。然而，目前常用的店铺运营状况分析方法是搜集相关店铺的运营数据，然后利用多种手段对运营数据进行分析得到结论，这种方法往往需要消耗大量的人力且效率较低。针对这一问题，本发明提供一种店铺经营状况判定方法，所述店铺经营状况判定方法包括：获取各目标日内店铺的客流量；计算各目标日内所述客流量的移动平均值；对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布；根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。所述店铺经营状况判定方法能够通过客流量来反映店铺的运营状况，从而为店铺的运营方或管理者提供决策建议；所述店铺经营状况判定方法通过计算平均值并对平均值进行统计分析，得到的数据更加客观和准确，并且能够得出时间因素对店铺客流量带来的影响；所述店铺经营状况判定方法允许运营方或管理者直接获取店铺运营情况分析结果，无需大量的人力参与，极大地提高了店铺的管理效率。
请参阅图1，于本发明的一实施例中，所述店铺经营状况判定方法包括：
S110，获取各目标日内店铺的客流量。其中，所述目标日的数量至少为2。
S120，计算各目标日内所述客流量的移动平均值。为了从整体上反映所述店铺的客流量，本实施例中采用各目标日内所述客流量的移动平均值作为分析基础。
S130，对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布。所述概率分布可以通过概率分布函数或概率密度函数来表示。
S140，根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。
于本发明的一实施例中，计算各目标日内所述客流量的移动平均值的实现方法包括：所述客流量的移动平均值的计算公式为其中，Mn表示第n个所述目标日内所述客流量的N项移动平均值；Cn+i-1表示第n+i-1个目标日内所述店铺的客流量；N的取值为大于1的正整数，n的取值为大于等于1的正整数。
于本实施例中，对于第n个所述目标日，利用该目标日的客流量Cn以及其后的N-1个目标日的客流量计算该目标日对应的N项移动平均值。例如，为确定连续30天内所述店铺的经营状况，取N＝7，则：表示自第一天开始连续7天内所述客流量之和除以7，获得的结果即为第一天对应的客流量的移动平均值；表示自第二天开始连续7天内所述客流量之和除以7，获得的结果即为第二天对应的客流量的移动平均值。
移动平均值是指采用逐项递进的办法，将时间序列中的若干项数据进行算术平均所得到的一系列平均数。若平均的数据项数为M，就称为M项移动平均值。相较之下，算术平均值是对时间序列的全部观察数据求一个平均值，该平均值只能反映现象在观察期内的平均水平，不能反映出趋势的变化。而移动平均值是按一定的平均项数滑动着对时间序列求一系列平均值，这些平均值不仅能消除或减弱时间序列中的不规则变动，而且能揭示现象的变化趋势。
于本发明的一实施例中，对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布的实现方法包括：对各目标日内所述客流量的移动平均值进行统计，绘制所述移动平均值的频率分布图；对所述频率分布图进行拟合，获得所述移动平均值的概率分布。接下来将对上述过程进行详细介绍。
对各目标日内所述客流量的移动平均值进行统计，绘制所述移动平均值的频率分布图，所述频率分布图用于反映所述客流量的移动平均值的取值范围以及对应出现的天数，例如频率分布直方图。具体地，将每一目标日内所述客流量的移动平均值作为一项数据，所述数据的项数与所述目标日的数量相同；按照所述客流量的移动平均值的最小值和最大值将所有数据分为m组，使最大值和最小值落在开区间(x，y)内，其中x略小于所述数据的最小值，y略大于所述数据的最大值。组距z＝(y-x)/m；各数据组区间均为左闭右开，例如[x，x+z)，[x+z，x+2z)……[x+(m-1)z，y)。纵轴表示所述数据出现的频数除以组距，横轴表示所述数据的可能取值。
对所述频率分布图进行拟合，获得所述移动平均值的概率分布。所述拟合可以通过MATLAB、Python等软件实现，根据所述拟合结果即可获得所述移动平均值的概率分布的概率分布函数或概率密度函数。所述拟合可以利用MATLAB、Python等软件内的现有函数实现，此处不再赘述。
于本发明的一实施例中，所述店铺经营状况判定方法还包括：根据所述各店铺的客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记。由于节假日对不同类型的店铺影响不同，天气、交通、商场活动等外部影响因素也会引起店铺的客流量浮动，上述情况下店铺的客流量数值均为异常值，对所述异常值进行标记有利于提升经营状况判定结果的准确性。
分位数亦称分位点，是指将一个随机变量的概率分布范围分为几个等份的数值点，常用的有中位数(即二分位数)、四分位数、百分位数等。以四分位数为例，四分位数是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。其中，第一四分位数(Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25％的数字；第二四分位数(Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50％的数字；第三四分位数(Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后第75％的数字。其中，第三四分位数与第一四分位数的差距又称四分位距(IQR)。
请参阅图2，根据所述各店铺的客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记的实现方法包括：
S211，将所述客流量的移动平均值按照从小到大顺序排序；
S212，计算所述客流量的移动平均值的第一四分位数(Q1)、第三四分位数(Q3)和四分位距(IQR)；具体地，Q1、Q3以及IQR的计算方法如下：
Q1的位置为Q3的位置为
其中，Num表示参与统计的所述目标日的数量，也即所有移动平均值的数量。若LQ1为整数，则排序后的所述客流量的移动平均值中第LQ1项即为Q1；若LQ1为小数，记第LQ1的整数部分为p1，小数部分为q1，记排序后的所述客流量的移动平均值中第p1项为Qp1，第p1+1项为Qp1+1，则Q1的值为Qp1+q1×(Qp1+1-Qp1)。若LQ3为整数，则排序后的所述客流量的移动平均值的第LQ3项即为Q3；若LQ3为小数，记第LQ3的整数部分为p3，小数部分为q3，排序后的所述客流量的移动平均值中第p3项为Qp3，第p3+1项为Qp3+1，则Q3的值为Qp3+q3×(Qp3+1-Qp3)。IQR的取值为Q3-Q1。
S213，若所述店铺在某一目标日内对应的客流量的移动平均值小于Q1-1.5×IQR或大于Q3+1.5×IQR，则该目标日内所述店铺的客流量为异常值；
S214，对所述异常值对应的统计时间段进行详细分析，若所述异常值对应的目标日确实存在节假日、天气、交通、商场活动等外部因素的影响，则标记所述异常值。
于本发明的一实施例中，根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常的实现方法包括：所述客流量的移动平均值的概率分布为一类正态分布；若某一目标日内所述客流量的移动平均值低于a％或高于b％，则认为所述店铺在该目标日内经营状况异常；其中a为第一阈值，b为第二阈值，a和b为小数且0<a<b<100。优选地，a＝0.3，b＝0.95。
请参阅图3A，显示为本实施例中所述客流量的移动平均值对应的概率分布函数。其中所述客流量的移动平均值为x1时对应的概率分布函数值为a，所述客流量的移动平均值为x2时对应的概率分布函数为b。若某一目标日内客流量的移动平均值小于x1或大于x2，则认为所述店铺在该目标日内经营状况异常。
请参阅图3B，显示为本实施例中所述客流量的移动平均值对应的概率密度函数。所述概率密度函数与正态分布的概率密度函数类似，其中所述客流量的移动平均值小于x1的概率为a，所述客流量的移动平均值大于x2的概率为b。若某一目标日内所述客流量的移动平均值位于x1左侧或x2右侧，则认为所述店铺在该目标日内经营状况异常。
于本发明的一实施例中，获取店铺在各目标日内的客流量的实现方法包括：利用设置在所述店铺门口的视频设备获取所述店铺在各目标日内的客流量。于实际实施中，所述店铺在目标日内的客流量可以利用已有的视频客流统计技术获得。常见的一种视频客流统计技术是利用热成像实现客流量统计，这种热成像视频客流统计方法的原理是通过捕捉目标散发的热量来识别追踪，一旦出现行人经过就会自动计数。另一种常见的视频客流统计技术是通过人脸识别来实现，其原理是抓取进入门店顾客的脸部特征值后与动态临时库存储抓拍的人脸特征值作比对，一旦比对成功就可实现客流自动加一的效果。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器调用时实现本发明所述的店铺运营状况判定方法。
请参阅图4，本发明还提供一种电子设备400，所述电子设备400包括：存储器410，用于存储一计算机程序；处理器420，与所述存储器410通信相连，用于调用所述计算机程序时实现本发明所述的店铺运营状况判定方法；显示器430，与所述处理器420通信相连，用于显示所述店铺运营状况判定方法的人机交互界面。
本发明还提供一种店铺经营状况判定系统，请参阅图5，所述店铺经营状况判定系统包括：获取模块510，用于实现步骤S110，即获取店铺在各目标日内的客流量；平均值计算模块520，与所述获取模块510相连，用于实现步骤S120，即计算各目标日内所述店铺的客流量的移动平均值；统计模块530，与所述平均值计算模块530相连，用于实现步骤S130，即对各所述目标日内所述店铺的客流量的移动平均值进行处理，获得所述移动平均值的概率分布；判定模块540，与所述统计模块530相连，用于实现步骤S140，即根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。
于本发明的一实施例中，所述店铺经营状况判定系统还包括：异常值标记模块，与所述平均值计算模块相连，用于根据所述各店铺的客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记。
本发明所述的店铺经营状况判定方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种店铺经营状况判定系统，所述店铺经营状况判定系统可以实现本发明所述的店铺经营状况判定方法，但本发明所述的店铺经营状况判定方法的实现装置包括但不限于本实施例列举的店铺经营状况判定系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
本发明所述店铺经营状况判定方法能够通过客流量来反映店铺的运营状况，从而为店铺的运营方或管理者提供决策建议；所述店铺经营状况判定方法通过计算移动平均值并对所述移动平均值进行统计分析，得到的数据更加客观和准确，并且能够得出时间因素对店铺客流量带来的影响；所述店铺经营状况判定方法允许运营方或管理者直接获取店铺运营情况分析结果，无需大量的人力参与，极大地提高了店铺的管理效率。综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种店铺经营状况判定方法，其特征在于，所述店铺经营状况判定方法包括：
获取各目标日内店铺的客流量；
计算各目标日内所述客流量的移动平均值；
对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布；
根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。
2.根据权利要求1所述的店铺经营状况判定方法，其特征在于，计算各目标日内所述客流量的移动平均值的实现方法包括：
所述客流量的移动平均值的计算公式为其中，Mn表示第n个所述目标日内所述客流量的N项移动平均值；Cn+i-1表示第n+i-1个目标日内所述店铺的客流量；N的取值为大于1的正整数，n的取值为大于等于1的正整数。
3.根据权利要求1所述的店铺经营状况判定方法，其特征在于，对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布的实现方法包括：
对各目标日内所述客流量的移动平均值进行统计，绘制所述移动平均值的频率分布图；
对所述频率分布图进行拟合，获得所述移动平均值的概率分布。
4.根据权利要求1所述的店铺经营状况判定方法，其特征在于，所述店铺经营状况判定方法还包括：
根据所述客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记。
5.根据权利要求1所述的店铺运营状况判定方法，其特征在于，根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常的实现方法包括：
所述客流量的移动平均值的概率分布为一类正态分布；
若某一目标日内所述客流量的移动平均值对应的概率分布函数低于a％或高于b％，则认为所述店铺在该目标日内经营状况异常；其中a为第一阈值，b为第二阈值，a和b为小数且0<a<b<100。
6.根据权利要求1所述的店铺经营状况判定方法，其特征在于，获取店铺在各目标日内的客流量的实现方法包括：
利用设置在所述店铺门口的视频设备获取所述店铺在各目标日内的客流量。
7.一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：该程序被处理器调用时实现权利要求1至6任一项所述的店铺运营状况判定方法。
8.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储一计算机程序；
处理器，与所述存储器通信相连，用于调用所述计算机程序时实现权利要求1至6任一项所述的店铺运营状况判定方法；
显示器，与所述处理器通信相连，用于显示所述店铺运营状况判定方法的人机交互界面。
9.一种店铺经营状况判定系统，其特征在于，所述店铺经营状况判定系统包括：
获取模块，用于获取各目标日内店铺的客流量；
平均值计算模块，与所述获取模块相连，用于计算各目标日内所述客流量的移动平均值；
统计模块，与所述平均值计算模块相连，用于对各目标日内所述客流量的移动平均值进行处理，获得所述移动平均值的概率分布；
判定模块，与所述统计模块相连，用于根据所述移动平均值的概率分布，确定店铺在哪些目标日内运营状况异常。
10.根据权利要求9所述的店铺经营状况判定系统，其特征在于，所述店铺经营状况判定系统还包括：
异常值标记模块，与所述平均值计算模块相连，用于根据所述客流量的移动平均值的分位数筛选出所述店铺的客流量的异常值并标记。
CN201910802035.XA 2019-08-28 2019-08-28 一种店铺经营状况判定方法、系统、介质及设备 Active CN110597875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910802035.XA CN110597875B (zh) 2019-08-28 2019-08-28 一种店铺经营状况判定方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910802035.XA CN110597875B (zh) 2019-08-28 2019-08-28 一种店铺经营状况判定方法、系统、介质及设备

Publications (2)

Publication Number Publication Date
CN110597875A true CN110597875A (zh) 2019-12-20
CN110597875B CN110597875B (zh) 2022-02-25

Family

ID=68856019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910802035.XA Active CN110597875B (zh) 2019-08-28 2019-08-28 一种店铺经营状况判定方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN110597875B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100205042A1 (en) * 2009-02-11 2010-08-12 Mun Johnathan C Integrated risk management process
CN106874280A (zh) * 2015-12-10 2017-06-20 博雅网络游戏开发（深圳）有限公司 异常数据的报警方法和装置
CN109493122A (zh) * 2018-10-22 2019-03-19 深圳市秦丝科技有限公司 用于实体店铺的客流统计分析方法、终端及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100205042A1 (en) * 2009-02-11 2010-08-12 Mun Johnathan C Integrated risk management process
CN106874280A (zh) * 2015-12-10 2017-06-20 博雅网络游戏开发（深圳）有限公司 异常数据的报警方法和装置
CN109493122A (zh) * 2018-10-22 2019-03-19 深圳市秦丝科技有限公司 用于实体店铺的客流统计分析方法、终端及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
佟慧姣 等: ""虹桥枢纽WiFi嗅探客流量监测系统研究与实现"", 《现代电子技术》 *
宋宪捷 等: ""基于客流量的贝叶斯回归服装销售预测方法"", 《丝绸》 *

Also Published As

Publication number Publication date
CN110597875B (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN110991311B (zh) 一种基于密集连接深度网络的目标检测方法
WO2021184727A1 (zh) 数据异常检测方法、装置、电子设备及存储介质
Wise et al. Regionalisation tools for the exploratory spatial analysis of health data
WO2020062702A1 (zh) 短信发送的方法、装置、计算机设备和存储介质
CN114169381A (zh) 图像标注方法、装置、终端设备及存储介质
CN109375204A (zh) 基于雷达的目标检测方法、系统、设备及介质
WO2019200739A1 (zh) 数据欺诈识别方法、装置、计算机设备和存储介质
CN109726737B (zh) 基于轨迹的异常行为检测方法及装置
CN115660262B (zh) 一种基于数据库应用的工程智慧质检方法、系统及介质
CN111626360A (zh) 用于检测锅炉故障类型的方法、装置、设备和存储介质
CN115311623A (zh) 一种基于红外热成像的设备漏油检测方法及系统
CN110597875B (zh) 一种店铺经营状况判定方法、系统、介质及设备
CN116311089B (zh) 一种基于图像处理的污水水质数据智能分析方法和系统
Lin et al. Investigating and explaining the frequency bias in image classification
CN109376689B (zh) 人群分析方法及装置
CN109389571B (zh) 一种遥感影像变化检测方法、装置及终端
CN115471772A (zh) 一种关键帧的提取方法、装置、设备及介质
CN112699824B (zh) 电能表仪表常数检测方法、设备及存储介质
CN113705625A (zh) 异常生活保障申请家庭的识别方法、装置及电子设备
CN112926991A (zh) 一种套现团伙严重等级划分方法及系统
CN110555721A (zh) 一种商场类型分类方法、装置及电子设备
CN105513090B (zh) 一种观察模型构建方法及装置
CN112860824B (zh) 一种高分辨率dem地形特征提取的尺度适应性评价方法
CN112422953B (zh) 一种识别摄像头是否被遮挡的方法、装置及终端设备
CN114491188B (zh) 数据容量的可视化方法、系统及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant