CN110674976A - 一种基于车辆时空分布的汽修门店选址方法 - Google Patents
一种基于车辆时空分布的汽修门店选址方法 Download PDFInfo
- Publication number
- CN110674976A CN110674976A CN201910840983.2A CN201910840983A CN110674976A CN 110674976 A CN110674976 A CN 110674976A CN 201910840983 A CN201910840983 A CN 201910840983A CN 110674976 A CN110674976 A CN 110674976A
- Authority
- CN
- China
- Prior art keywords
- data
- area
- site selection
- store
- analyzing
- 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
Images
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"
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Instructional Devices (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
Abstract
本发明公开了一种基于车辆时空分布的汽修门店选址方法,属于数据处理技术领域。本发明基于城市路网、居民区、办公商业区的综合因素,以可视化的地图展示,来分析区域车辆保有量的情况,根据相应评级,制定对应权重等级,计算区域综合评分;并且排除区域内竞争带来的负面影响;综合分析汽修门店最佳选址方案,为汽修门店选址提供理论支持。通过优化选址,提高门店的客流量,带来更多的利润点。
Description
技术领域
本发明涉及一种基于车辆时空分布的汽修门店选址方法,属于数据处理技术领域。
背景技术
随着社会的快速发展,“选址”被广泛应用在各行各业,较多的出现在连锁性的全国终端的选择。随着全国车辆保有量的快速增长,汽车后市场行业快速发展,汽车后市场企业快速建设汽修连锁店,企业会根据自己公司的战略规划进行选址。
选址对于商铺来说是一个长期投资,地址的选择对于长期经营有着至关重要的作用,在确定地址后无法轻易变动,所以选址必须综合考虑各方面的影响因素,以及未来可能发生的变化,店铺位置能够及时适应外界的变化,这样才能够达到长期的发展。
然而目前在选址中,主要通过人工进行实地考察调研,进行利益核算,此种方式会造成时间和人力的浪费,并且缺少客观指导。
发明内容
本发明所要解决的技术问题在于:提供一种基于车辆时空分布的汽修门店选址方法,它解决了目前在选址中,主要通过人工进行实地考察调研,进行利益核算,此种方式会造成时间和人力的浪费,并且缺少客观指导的问题。
本发明所要解决的技术问题采取以下技术方案来实现:
一种基于车辆时空分布的汽修门店选址方法,包括以下步骤:
S1、采集城市路网车流量数据、办公商业区分布数据、居民区分布数据,以及同行业门店分布数据,并进行分类存储。
S2、构建可视化电子地图,将采集的数据在电子地图上根据时间、位置等多纬度进行整合和展示,根据不同数据的权重,分析出车辆分布热点图和行为规律。
S3、结合同行业门店分布情况,进行店面可服务汽车数量全面分析,找到选址的中心坐标。
S4、根据车辆出行规律,进行区域选址的详细规划。
S5、综合分析上述数据,得到门店的最佳选址方案。
作为优选实例,所述S2包括以下步骤:
S2.1、分析周围的路网数据,根据路况和每小时车流量对道路进行综合评级,选择周边道路综合评级最高的区域。
S2.2、分析周围的小区数据,根据小区常住人口和汽车保有量进行综合评级,选择周边小区综合评级最高的区域。
S2.3、分析周围的办公商业区数据,根据汽车保有量进行综合评级,选择周边办公商业区综合评级最高的区域。
S2.4、综合处理三类区域数据,通过电子地图平台,将三类区域数据以点位的形式展示在平面地图上,根据点位密集度生成办公商业区和居民区的热点图,对门店分布点位根据服务能力进行x公里范围做缓冲区展示形成缓冲区平面图,计算三个区域的重叠部分,对居民区和商业区叠加并且排除门店缓冲区,规划出适宜选址的热点图,其中,x取值为车主开车半小时的正常行驶距离。
作为优选实例,所述S3包括以下步骤:
S3.1、分析周围的同行业的门店数据,分析这些门店规模以及服务能力,对竞争对手进行综合评价,选择竞争力相对较弱的区域。
S3.2、结合S2.4中分析出的区域数据热点图,对生成的热点图进行展示,并且利用电子地图平台计算每个热点区域的中心点,计算出选址的中心点坐标。
作为上述技术方案的优选,车辆出行规律对于门店未来运营状况具有一定的影响,对于居民区和办公商业区,在工作日和节假日有着特定的出行规律,对于不同时间带来的车辆出行规律的影响,分析出不同时间居民区和办公商业区给能够带来运营方面的影响,进一步综合分析选址的可行性,实现最大化利益。
作为优选实例,所述S4的选址模型为:
其中,i表示城市路网,i∈I;j为表示居民区,j∈J;k表示办公商业区,k∈K;Fi表示i道路的权重;Gj表示j居民区的权重;Tk表示k办公商业区的权重;l为表示同行汽修门店,j∈J;Hl表示l门店的权重。
其中1表示作为考虑因素,0表示不考虑。
上述模型中,
第一项为道路综合评分,第二项为居民区综合评分,第三项办公商业区综合评分;
目标函数(2)为同行门店综合分数,在模型中作为负面分数进行分析。
作为优选实例,所述S5包括以下步骤:
S5.1、根据S4计算S3各个中心点正面因素评分。
S5.2、根据S4计算S3各个中心点负面因素评分。
S5.3、对各个中心点综合评分进行统计,计算最高的分数的为合适的选址位置。
本发明的有益效果是:本发明基于城市路网、居民区、办公商业区的综合因素,以可视化的地图展示,来分析区域车辆保有量的情况,根据相应评级,制定对应权重等级,计算区域综合评分;并且排除区域内竞争带来的负面影响;综合分析汽修门店最佳选址方案,为汽修门店选址提供理论支持。通过优化选址,提高门店的客流量,带来更多的利润点。
附图说明
图1为本发明中汽修门店选址方法流程图。
具体实施方式
为了对本发明的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图例和实施例,进一步阐述本发明。
实施例1
一种基于车辆时空分布的汽修门店选址方法,包括以下步骤:
S1、采集城市路网车流量数据、办公商业区分布数据、居民区分布数据,以及同行业门店分布数据,并进行分类存储。
S2、构建可视化电子地图,将采集的数据在电子地图上根据时间、位置等多纬度进行整合和展示,根据不同数据的权重,分析出车辆分布热点图和行为规律,具体包括以下步骤:
S2.1、分析周围的路网数据,根据路况和每小时车流量对道路进行综合评级,选择周边道路综合评级最高的区域。
S2.2、分析周围的小区数据,根据小区常住人口和汽车保有量进行综合评级,选择周边小区综合评级最高的区域。
S2.3、分析周围的办公商业区数据,根据汽车保有量进行综合评级,选择周边办公商业区综合评级最高的区域。
S2.4、综合处理三类区域数据,通过电子地图平台,将三类区域数据以点位的形式展示在平面地图上,根据点位密集度生成办公商业区和居民区的热点图,对门店分布点位根据服务能力进行x公里范围做缓冲区展示形成缓冲区平面图,计算三个区域的重叠部分,对居民区和商业区叠加并且排除门店缓冲区,规划出适宜选址的热点图,其中,x取值为车主开车半小时的正常行驶距离。
S3、结合同行业门店分布情况,进行店面可服务汽车数量全面分析,找到选址的中心坐标,具体包括以下步骤:
S3.1、分析周围的同行业的门店数据,分析这些门店规模以及服务能力,对竞争对手进行综合评价,选择竞争力相对较弱的区域。
S3.2、结合S2.4中分析出的区域数据热点图,对生成的热点图进行展示,并且利用电子地图平台计算每个热点区域的中心点,计算出选址的中心点坐标。
车辆出行规律对于门店未来运营状况具有一定的影响,对于居民区和办公商业区,在工作日和节假日有着特定的出行规律,对于不同时间带来的车辆出行规律的影响,分析出不同时间居民区和办公商业区给能够带来运营方面的影响,进一步综合分析选址的可行性,实现最大化利益。
S4、根据车辆出行规律,进行区域选址的详细规划,具体选址模型如下:
其中,i表示城市路网,i∈I;j为表示居民区,j∈J;k表示办公商业区,k∈K;Fi表示i道路的权重;Gj表示j居民区的权重;Tk表示k办公商业区的权重;l为表示同行汽修门店,j∈J;Hl表示l门店的权重。
其中1表示作为考虑因素,0表示不考虑。
上述模型中,
S5、综合分析上述数据,得到门店的最佳选址方案,具体步骤如下:
S5.1、根据S4计算S3各个中心点正面因素评分。
S5.2、根据S4计算S3各个中心点负面因素评分。
S5.3、对各个中心点综合评分进行统计,计算最高的分数的为合适的选址位置。
本发明可获取城市路网数据、车流量数据、办公商业区分布、居民区分布,可以将这些数据整合成可视化地图数据进行展示和分析,整合各类影响因素形成科学的汽修门店选址方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于车辆时空分布的汽修门店选址方法,其特征在于,包括以下步骤:
S1、采集城市路网车流量数据、办公商业区分布数据、居民区分布数据,以及同行业门店分布数据,并进行分类存储。
S2、构建可视化电子地图,将采集的数据在电子地图上根据时间、位置等多纬度进行整合和展示,根据不同数据的权重,分析出车辆分布热点图和行为规律。
S3、结合同行业门店分布情况,进行店面可服务汽车数量全面分析,找到选址的中心坐标。
S4、根据车辆出行规律,进行区域选址的详细规划。
S5、综合分析上述数据,得到门店的最佳选址方案。
2.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法,其特征在于,所述S2包括以下步骤:
S2.1、分析周围的路网数据,根据路况和每小时车流量对道路进行综合评级,选择周边道路综合评级最高的区域。
S2.2、分析周围的小区数据,根据小区常住人口和汽车保有量进行综合评级,选择周边小区综合评级最高的区域。
S2.3、分析周围的办公商业区数据,根据汽车保有量进行综合评级,选择周边办公商业区综合评级最高的区域。
S2.4、综合处理三类区域数据,通过电子地图平台,将三类区域数据以点位的形式展示在平面地图上,根据点位密集度生成办公商业区和居民区的热点图,对门店分布点位根据服务能力进行x公里范围做缓冲区展示形成缓冲区平面图,计算三个区域的重叠部分,对居民区和商业区叠加并且排除门店缓冲区,规划出适宜选址的热点图,其中,x取值为车主开车半小时的正常行驶距离。
3.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法,其特征在于,所述S3包括以下步骤:
S3.1、分析周围的同行业的门店数据,分析这些门店规模以及服务能力,对竞争对手进行综合评价,选择竞争力相对较弱的区域。
S3.2、结合S2.4中分析出的区域数据热点图,对生成的热点图进行展示,并且利用电子地图平台计算每个热点区域的中心点,计算出选址的中心点坐标。
5.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法,其特征在于,所述S5包括以下步骤:
S5.1、根据S4计算S3各个中心点正面因素评分。
S5.2、根据S4计算S3各个中心点负面因素评分。
S5.3、对各个中心点综合评分进行统计,计算最高的分数的为合适的选址位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910840983.2A CN110674976B (zh) | 2019-09-06 | 2019-09-06 | 一种基于车辆时空分布的汽修门店选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910840983.2A CN110674976B (zh) | 2019-09-06 | 2019-09-06 | 一种基于车辆时空分布的汽修门店选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110674976A true CN110674976A (zh) | 2020-01-10 |
CN110674976B CN110674976B (zh) | 2022-09-30 |
Family
ID=69076083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910840983.2A Active CN110674976B (zh) | 2019-09-06 | 2019-09-06 | 一种基于车辆时空分布的汽修门店选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674976B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612536A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网数据的换车指数的计算方法 |
CN112668803A (zh) * | 2021-01-06 | 2021-04-16 | 上海阑途信息技术有限公司 | 一种基于LightGBM模型的汽车服务连锁企业开店选址方法 |
CN113609209A (zh) * | 2021-08-12 | 2021-11-05 | 上海氢枫能源技术有限公司 | 一种加氢站建站区域和规模的系统及方法 |
CN113610309A (zh) * | 2021-08-13 | 2021-11-05 | 清华大学 | 基于大数据和人工智能的消防站选址方法及装置 |
CN113763045A (zh) * | 2021-09-06 | 2021-12-07 | 武汉博创非凡智能科技有限公司 | 一种基于多源数据融合的门店选址可视化分析方法及系统 |
CN114782115A (zh) * | 2022-06-20 | 2022-07-22 | 深圳联友科技有限公司 | 一种专营店选址推荐方法、系统和终端设备 |
CN115310840A (zh) * | 2022-08-16 | 2022-11-08 | 上海复通软件技术有限公司 | 一种基于互联网的汽修门店的评级方法及系统 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009145472A1 (ko) * | 2008-04-05 | 2009-12-03 | 주식회사 타스테크 | 소상공인의 영업점 입지적합도 및 매출등급 계산 시스템 및 방법 |
CN108681796A (zh) * | 2018-06-01 | 2018-10-19 | 郑州大学 | 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法 |
CN109902845A (zh) * | 2017-12-08 | 2019-06-18 | 宝沃汽车(中国)有限公司 | 车辆服务点的配置方法、装置和系统 |
-
2019
- 2019-09-06 CN CN201910840983.2A patent/CN110674976B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009145472A1 (ko) * | 2008-04-05 | 2009-12-03 | 주식회사 타스테크 | 소상공인의 영업점 입지적합도 및 매출등급 계산 시스템 및 방법 |
CN109902845A (zh) * | 2017-12-08 | 2019-06-18 | 宝沃汽车(中国)有限公司 | 车辆服务点的配置方法、装置和系统 |
CN108681796A (zh) * | 2018-06-01 | 2018-10-19 | 郑州大学 | 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法 |
Non-Patent Citations (7)
Title |
---|
倪玲霖: "《中国优秀博硕士学位论文全文数据库 (硕士)经济与管理科学辑》", 15 June 2006 * |
王晓辉: "《中国优秀博硕士学位论文全文数据库 (硕士)工程科技Ⅱ辑》", 15 February 2005 * |
王璟: "《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》", 15 February 2019 * |
谢伟平: "社区型汽车快修连锁选址模型的构建", 《市场周刊·理论研究》 * |
顾丰 等: "一种汽车快修连锁店双层规划选址模型", 《大连理工大学学报》 * |
顾丰 等: "基于"性价比"及云模型的汽车快修店备选点选址方法", 《中国科技论文》 * |
黄潆: "《中国优秀硕士学位论文全文数据库 经济与管理科学辑》", 15 January 2017 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612536A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网数据的换车指数的计算方法 |
CN112668803A (zh) * | 2021-01-06 | 2021-04-16 | 上海阑途信息技术有限公司 | 一种基于LightGBM模型的汽车服务连锁企业开店选址方法 |
CN112668803B (zh) * | 2021-01-06 | 2023-02-10 | 上海阑途信息技术有限公司 | 一种基于LightGBM模型的汽车服务连锁企业开店选址方法 |
CN113609209A (zh) * | 2021-08-12 | 2021-11-05 | 上海氢枫能源技术有限公司 | 一种加氢站建站区域和规模的系统及方法 |
CN113609209B (zh) * | 2021-08-12 | 2024-02-20 | 上海氢枫能源技术有限公司 | 一种加氢站建站区域和规模的判断系统及方法 |
CN113610309A (zh) * | 2021-08-13 | 2021-11-05 | 清华大学 | 基于大数据和人工智能的消防站选址方法及装置 |
CN113763045A (zh) * | 2021-09-06 | 2021-12-07 | 武汉博创非凡智能科技有限公司 | 一种基于多源数据融合的门店选址可视化分析方法及系统 |
CN113763045B (zh) * | 2021-09-06 | 2024-02-23 | 武汉博创非凡智能科技有限公司 | 一种基于多源数据融合的门店选址可视化分析方法及系统 |
CN114782115A (zh) * | 2022-06-20 | 2022-07-22 | 深圳联友科技有限公司 | 一种专营店选址推荐方法、系统和终端设备 |
CN115310840A (zh) * | 2022-08-16 | 2022-11-08 | 上海复通软件技术有限公司 | 一种基于互联网的汽修门店的评级方法及系统 |
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110674976B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674976B (zh) | 一种基于车辆时空分布的汽修门店选址方法 | |
Falchetta et al. | Electric vehicle charging network in Europe: An accessibility and deployment trends analysis | |
Anderluh et al. | Analytic hierarchy process for city hub location selection-The Viennese case | |
CN107316098B (zh) | 一种基于用户行为分析的汽车租赁点选址方法 | |
Gan et al. | The identification of truck-related greenhouse gas emissions and critical impact factors in an urban logistics network | |
Clausen et al. | Hands-on testing of last mile concepts | |
CN113112068A (zh) | 一种村镇公共设施选址布局的方法及其系统 | |
Gonzalez-Feliu et al. | Estimated Data Production for Urban Goods Transport Diagnosis: The Freturb Methodology | |
CN111539764B (zh) | 基于次模函数的大数据多址选择方法 | |
CN106127316A (zh) | 自动化车辆保养预估系统 | |
CN112884420B (zh) | 一种智慧物流查询系统及方法 | |
Leonardi et al. | Feasibility study of a network of consolidation centres in Luxembourg | |
Hargroves et al. | A computer assisted school bus routing strategy: A case study | |
CN110633898A (zh) | 一种考虑交通出行碳排放的县域城镇生活圈划分方法 | |
Uddin et al. | Modeling freight traffic demand and highway networks for hydrogen fueling station planning: A case study of US Interstate 75 Corridor | |
Martínez-Maldonado et al. | Optimal routing for mass transit systems using multicriteria methodologies | |
CN110674990A (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
CN115345351A (zh) | 一种基于用户行为的电动汽车充电负荷预测方法 | |
Bush et al. | SERA scenarios of early market fuel cell electric vehicle introductions: modeling framework, regional markets, and station clustering | |
Celiński et al. | Sustainable development of the transport system through rationalization of transport tasks using a specialised travel planner | |
Jonkers et al. | Evaluation of eco-driving systems: a European analysis with scenarios and micro simulation | |
Kuiper et al. | Modeling Electric Vehicle Charging Station Siting Suitability with a Focus on Equity | |
Schürmann et al. | Towards a European peripherality index | |
Patil et al. | Site Suitability Assessment of Public EV Charging Stations in Urban Environment | |
CN111832599B (zh) | 一种基于机器学习随机森林的加油站预测方法 |
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 |