CN111091417A - 选址方法及装置 - Google Patents
选址方法及装置 Download PDFInfo
- Publication number
- CN111091417A CN111091417A CN201911276621.1A CN201911276621A CN111091417A CN 111091417 A CN111091417 A CN 111091417A CN 201911276621 A CN201911276621 A CN 201911276621A CN 111091417 A CN111091417 A CN 111091417A
- Authority
- CN
- China
- Prior art keywords
- candidate
- circle
- grid
- grids
- business circle
- 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
- 238000010187 selection method Methods 0.000 title description 11
- 238000004220 aggregation Methods 0.000 claims abstract description 110
- 230000002776 aggregation Effects 0.000 claims abstract description 99
- 238000011156 evaluation Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000004931 aggregating effect Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000000638 solvent extraction Methods 0.000 description 5
- 238000006116 polymerization reaction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种选址方法及装置,该方法包括:确定待选址对象对应的候选区域;对候选区域进行网格划分,以获得与候选区域对应的多个网格;对多个网格进行聚合处理,并根据聚合处理结果生成与候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;展示任一候选商圈的选址评价指标。采用本方案能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种选址方法及装置。
背景技术
随着社会的不断发展,地理位置已成为影响许多行业网点运行(如餐饮行业、物流行业、以及零售业等等)的重要因素之一。目前采用的选址方法通常为人工选址方法,即由选址人员通过实地的调研,并结合选址人员的选址经验来进行选址。
然而,发明人在实施过程中,发现现有技术中存在如下缺陷:采用现有技术中的人工选址方式,不仅选址效率低下,选址周期长、成本高昂;而且由于人工经验的局限性,使得选址准确率较低,不适于大规模应用与实施。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的选址方法及装置。
根据本发明实施例的一个方面,提供了一种选址方法,包括:
确定待选址对象对应的候选区域;
对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示所述任一候选商圈的选址评价指标。
可选的,所述选址评价指标包括以下指标中的至少一种;
商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度;
其中,所述目标商户端与所述待选址对象具有行业关联性;所述有效网格内目标商户端密度大于预设阈值。
可选的,所述对所述候选区域进行网格划分进一步包括:
采用六边形网格划分方法,对所述候选区域进行网格划分。
可选的,所述采用六边形网格划分方法,对所述候选区域进行网格划分进一步包括:
根据预设划分精度,对所述候选区域进行六边形网格划分。
可选的,所述对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈进一步包括:
基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合;其中,任一第一集合中包含有至少一个网格;
对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈。
可选的,所述基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合进一步包括:
基于所述多个网格的网格地址,采用DBSCAN算法,对所述多个网格进行聚合处理,以生成至少一个第一集合。
可选的,所述对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈进一步包括:
针对于任一第一集合,确定该第一集合的质心;
基于所述至少一个第一集合的质心,采用DBSCAN算法,对所述至少一个第一集合进行聚合处理,以生成至少一个第二集合;其中,任一第二集合中包含有至少一个第一集合;
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
可选的,在所述对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈之前,所述方法还包括:
从所述多个网格中筛选出至少一个有效网格;
则所述基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合进一步包括:
基于所述至少一个有效网格的网格地址,对所述至少一个有效网格进行聚合处理,以生成至少一个第一集合。
可选的,在所述针对于任一候选商圈,计算该候选商圈的选址评价指标之后,所述方法还包括:
根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值;
根据任一候选商圈的评价值,从所述至少一个候选商圈中确定出目标候选商圈;
则所述展示所述任一候选商圈的选址评价指标进一步包括:
展示目标候选商圈的选址评价指标。
可选的,所述展示所述任一候选商圈的选址评价指标进一步包括:
响应于预设的选择操作,展示与所述选择操作对应的候选商圈的选址评价指标。
根据本发明实施例的另一个方面,提供了一种选址装置,包括:
候选区域确定模块,适于确定待选址对象对应的候选区域;
网格划分模块,适于对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
聚合模块,适于对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
指标生成模块,适于针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示模块,适于展示所述任一候选商圈的选址评价指标。
可选的,所述选址评价指标包括以下指标中的至少一种;
商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度;
其中,所述目标商户端与所述待选址对象具有行业关联性;所述有效网格内目标商户端密度大于预设阈值。
可选的,所述网格划分模块进一步适于:
采用六边形网格划分方法,对所述候选区域进行网格划分。
可选的,所述网格划分模块进一步适于:
根据预设划分精度,对所述候选区域进行六边形网格划分。
可选的,所述聚合模块进一步适于:
基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合;其中,任一第一集合中包含有至少一个网格;
对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈。
可选的,所述聚合模块进一步适于:
基于所述多个网格的网格地址,采用DBSCAN算法,对所述多个网格进行聚合处理,以生成至少一个第一集合。
可选的,所述聚合模块进一步适于:
针对于任一第一集合,确定该第一集合的质心;
基于所述至少一个第一集合的质心,采用DBSCAN算法,对所述至少一个第一集合进行聚合处理,以生成至少一个第二集合;其中,任一第二集合中包含有至少一个第一集合;
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
可选的,所述装置还包括:
有效网格确定模块,适于在所述对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈之前,从所述多个网格中筛选出至少一个有效网格;
所述聚合模块进一步适于:基于所述至少一个有效网格的网格地址,对所述至少一个有效网格进行聚合处理,以生成至少一个第一集合。
可选的,所述装置还包括:
目标候选商圈确定模块,适于根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值;
根据任一候选商圈的评价值,从所述至少一个候选商圈中确定出目标候选商圈;
则所述展示模块进一步适于:展示目标候选商圈的选址评价指标。
可选的,所述展示模块进一步适于:
响应于预设的选择操作,展示与所述选择操作对应的候选商圈的选址评价指标。
根据本发明实施例的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述选址方法对应的操作。
根据本发明实施例的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述选址方法对应的操作。
根据本发明实施例提供的选址方法及装置,首先确定有待选址对象对应的候选区域,并进一步对候选区域进行网格划分,以获得与候选区域对应的多个网格;并在此基础上,对多个网格进行聚合处理,根据聚合处理结果生成至少一个候选商圈;进而针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;最终展示任一候选商圈的选址评价指标。采用本方案,能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例一提供的选址方法的流程图;
图2示出了本发明实施例一提供的一种选址展示示意图;
图3示出了本发明实施例二提供的选址方法的流程图;
图4示出了本发明实施例二提供的一种网格划分示意图;
图5示出了本发明实施例三提供的选址方法的流程图;
图6示出了本发明实施例四提供的选址方法的流程图;
图7示出了本发明实施例五提供的选址装置的结构示意图;
图8示出了本发明实施例七提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明实施例的示例性实施例。虽然附图中显示了本发明实施例的示例性实施例,然而应当理解,可以以各种形式实现本发明实施例而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明实施例,并且能够将本发明实施例的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的选址方法的流程图,该方法能够实现多种行业的选址,如餐饮行业、物流行业、以及零售业等等。本实施例所提供的选址方法也可应用于多种设备中,如手机、电脑、智能穿戴设备等等,本实施例对该设备的具体类型等不作限定。
如图1所示,该方法包括以下步骤:
步骤S110:确定待选址对象对应的候选区域。
其中,本实施例对待选址对象的类型等不作限定,例如,该待选址对象可以为菜市场、或零售超市等等。
在实际的实施过程中,接收对选址任务的创建请求,并响应于该创建请求,展示待选址对象的输入入口。进一步地接收通过该输入入口输入的待选址对象。其中,本实施例对具体的输入方式不作限定,例如,可通过手动输入、语音输入等多种方式中的一种或多种输入待选址对象信息。
待接收到输入的待选址对象之后,进一步确定待选址对象对应的候选区域。其中,该候选区域为选址过程中初始的大范围选址区域,例如,候选区域可以为杭州、北京等城市维度的选址区域。其中,本实施例对候选区域的确定方式不作限定,例如可根据用户的选择操作,确定待选址对象的候选区域,也可采用系统默认的方式确定待选址对象的候选区域。
步骤S120:对候选区域进行网格划分,以获得与该候选区域对应的多个网格。
在确定待选址对象对应的候选区域之后,进一步地基于候选区域的地理位置,对该候选区域进行细粒度的网格划分。其中,本实施例对具体的网格划分方式不作限定,例如,可采用矩形、正方形、三角形、和/或六边形的网格划分方式,对该候选区域进行网格划分。
通过对候选区域细粒度的网格划分,能够获得与该候选区域对应的至少一个尺寸一致的网格。
步骤S130:对多个网格进行聚合处理,并根据聚合处理结果生成与候选区域对应的至少一个候选商圈。
本实施例中,并非是直接根据网格划分结果来进行选址,而是在网格划分结果的基础上,进一步地对划分后的网格进行聚合处理,通过该聚合处理能够获得网格聚合体的整体特性,从而便于根据网格聚合体的整体特性实现商圈的准确划分,进而有利于提升选址的准确性。其中,本实施例对具体的聚合处理方式不作限定:例如,可为用户提供手绘商圈的入口,根据用户对候选商圈的划分操作,对多个网格进行聚合处理,并生成相应的候选商圈,生成的候选商圈与用户的划分操作相匹配;又或者,可通过智能划分的方式,采用相应的商圈划分策略,对多个网格进行聚合处理,并生成相应的候选商圈。生成的候选商圈中,任一候选商圈由至少一个网格聚合而成。
步骤S140:针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标。
为便于快速准确地实现选址,本实施例在确定候选商圈之后,基于候选商圈对应的至少一个网格,计算任一候选商圈的选址评价指标。其中,该选址评价指标能够表征对应的候选商圈的选址特性。
可选的,选址评价指标可以包括以下指标中的至少一种;商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度。其中,商圈面积为,候选商圈所对应的实际面积大小;商圈包含的网格数量为,候选商圈对应的网格的数量;目标商户端数量为,候选商圈包含的目标商户端的数量,该目标商户端与待选址对象具有行业关联性,如待选址对象为菜市场,则目标商户端为与菜市场存在行业关联的餐厅商户端;目标商户端密度为,候选商圈包含的目标商户端的数量与该候选商圈包含的网格数量的比值;有效网格占比为,候选商圈包含的有效网格与该候选商圈包含的网格数量的比值,其中,有效网格内目标商户端密度大于预设阈值;订单密度为,候选商圈包含的商户端(或目标商户端)的订单的数量与该候选商圈包含的网格数量的比值。
步骤S150:展示任一候选商圈的选址评价指标。
待计算获得候选商圈的选址评价指标之后,进一步地展示任一候选商圈的选址评价指标,以便于用户快速地获知各个候选商圈的选址特性,从而提升选址效率。
可选的,可响应于用户的选择操作,展示与该选择操作相对应的候选商圈的选址评价指标。例如,可呈现候选商圈列表,根据用户针对该候选商圈列表的点击等选择操作,确定用户选中的候选商圈,继而呈现用户选中的候选商圈的选址评价指标。
进一步可选的,在展示任一候选商圈的选址评价指标过程中,可针对于某一个或多个指标的大小,对各个候选商圈进行排序,进而根据排序结果展示任一候选商圈的选址评价指标。如图2所示,可按照商圈面积这一评价指标,对候选商圈进行排序,并按照商圈面积由大至小的顺序依次展现各个候选商圈的评价指标。
又进一步可选的,可以以地图化的方式展示候选商圈的选址评价指标。仍如图2所示,在图2右侧区域显示有各个候选商圈的地图信息,通过该地图展示的方式能够便于用户以直观化的方式获知候选商圈的位置、商圈面积、目标商户端数量或密度等等;在图2左侧区域显示有候选商圈的相关选址评价指标(其中,leads为目标商户端);菜市场为候选商圈所属的行业类目;分类中的现有、潜在及手绘为商圈的类型,现有表示该商圈现实中已存在,潜在为该商圈是采用系统默认的方式(如智能推荐的方式)确定待选址对象的候选区域,手绘则为该商圈是根据用户的操作(手动绘制操作等)确定的候选区域。
在一种可选的实施方式中,可进一步基于用户实际选取的待选取对象的位置,进行本实施例提供的选址方法的效果评估。例如,可根据用户实际选取的待选区对象的位置,确定每个候选商圈的渗透率、商户质量分布等等,进行对本实施例提供的选址方法进行效果评估。
由此可见,本实施例中首先确定有待选址对象对应的候选区域,并进一步对候选区域进行网格划分,以获得与候选区域对应的多个网格;并在此基础上,对多个网格进行聚合处理,根据聚合处理结果生成至少一个候选商圈;进而针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;最终展示任一候选商圈的选址评价指标。采用本方案,能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施。
实施例二
图3示出了本发明实施例二提供的选址方法的流程图。其中,本实施例所提供的选址方法是针对于实施例一中选址方法的进一步优化。
如图3所示,该方法包括:
步骤S310:确定待选址对象对应的候选区域。
步骤S320:采用六边形网格划分方法,对候选区域进行网格划分,以获得与候选区域对应的多个网格。
在具体的实施过程中,若采用矩形网格划分方式,则其划分的网格中高纬度和低纬度地区单位面积相差较大,并且如图4所示,该划分方式中矩形网格八邻域至中心存在两种距离;同理,采用三角形网格划分方式,其邻域至中心存在三种距离。而采用六边形网格划分方式,其邻域至中心仅存在一种距离,从而本实施例采用六边形网格划分方法,对候选区域进行网格划分,以提升网格划分精度,进而便于网格的精准聚合及候选商圈的准确划分。
其中,在采用六边形网格划分方式进行网格划分过程中,划分后的每个网格为六边形。可选的,可根据预设划分精度,对候选区域进行六边形网格划分。其中,划分精度越高,则划分后的每个六边形网格面积越小;反之,划分精度越低,则划分后的每个六边形网格面积越大。本领域技术人员可根据实际的业务需求选择相应的划分精度。
在实际的实施过程中,可基于候选区域的经纬度地址信息,按照预设的划分精度对候选区域进行划分,并确定划分后的各个网格的网格地址。其中,网格地址具体为每个六边形所对应的网格地址,该网格地址是基于相应的经纬度地址转化而来。
步骤S330:对多个网格进行聚合处理,并根据聚合处理结果生成与候选区域对应的至少一个候选商圈。
步骤S340:针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标。
步骤S350:展示任一候选商圈的选址评价指标。
其中,步骤S310、步骤S330-步骤S350的具体实施方式可参照其他方法实施例中相应部分的描述,本实施例在此不做赘述。
由此可见,本实施例能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施;此外,本实施例通过采用六边形网格划分的方式对候选区域进行网格划分,能够进一步地提升划分精度,从而为网格的聚合及候选商圈的准确划分提供基础,并有利于提升选址精度。
实施例三
图5示出了本发明实施例三提供的选址方法的流程图。其中,本实施例所提供的选址方法是针对于实施例一中选址方法的进一步优化。
如图5所示,该方法包括:
步骤S510:确定待选址对象对应的候选区域。
步骤S520:对候选区域进行网格划分,以获得与候选区域对应的多个网格。
本实施例中在进行网格划分之后,采用智能的候选商圈划定方式来确定出候选区域对应的候选商圈,从而能够提升划分的候选商圈的准确度,并且提升候选商圈的划定效率。其中,在进行智能的候选商圈划定过程中,本实施例具体是采用双重聚合的方式来确定最终的候选商圈。其中,第一重聚合为通过步骤S530基于多个网格的网格地址,对多个网格进行聚合处理,以生成至少一个第一集合,即通过第一重聚合能够将位置相差微小的网格聚合为一体,从而实现细粒度的网格聚合;并基于第一重聚合结果进行第二重聚合,即通过步骤S540对至少一个第一集合进行聚合处理,以生成与候选区域对应的至少一个候选商圈,第二重聚合一方面将具有相同特性的第一集合进行再聚合,使得能够通过再聚合结果的特性集中体现该至少一个第一集合的整体特性;而且,若直接基于第一重聚合结果确定候选商圈,会使得确定出的候选商圈区域较小,从而使得后续计算获得的选址评价指标无法真实反映该候选商圈的选址特性;而且,直接基于第一重聚合结果确定候选商圈,还会使得生成的候选商圈数量繁多,不利于用户快速地确定目标候选商圈,从而本实施例采用的第二重聚合不仅能够使得后续计算获得的选址评价指标真实反映该候选商圈的选址特性,而且使得生成的候选商圈数量处于合理范围之内,便于用户快速地确定目标候选商圈。
步骤S530:基于多个网格的网格地址,对多个网格进行聚合处理,以生成至少一个第一集合。
首先进行第一重聚合:即基于多个网格的网格地址,对多个网格进行聚合处理,以生成至少一个第一集合。其中,任一第一集合中包含有至少一个网格。其中,在进行第一重聚合过程中,基于多个网格的网格地址,可采用矩形聚合算法(即将预设尺寸的矩形内包含的网格聚合为一个第一集合)、Kmeans聚合算法、和/或DBSCAN算法等,对多个网格进行聚合处理,以生成至少一个第一集合。
可选的,为提升后续确定出的候选商圈的商圈价值,本实施例预先从划分出的多个网格中筛选出至少一个有效网格,从而本步骤基于该至少一个有效网格的网格地址,对至少一个有效网格进行聚合处理,以生成至少一个第一集合。其中,由于本实施例中有效网格在空间分布的不均匀性,采用矩形聚合算法获得的第一集合无法体现有效网格的空间分布特性;而且本实施例中有效网格数目较多,采用Kmeans聚合算法会增大聚合计算量,从而降低商圈划分的整体效率;而采用DBSCAN算法,一方面能够体现本实施例中有效网格的空间分布特性,还进一步地节约计算资源,提升商圈划分的整体效率,因此,在一种优选的实施方式中,本实施例采用DBSCAN算法对多个网格进行聚合处理。
以下以一具体示例来阐明本步骤的实施过程:
随机选取一有效网格作为中心网格,并以该中心网格为中心,第一预设距离为半径划定选取区域。若选取区域内不存在其他的有效网格,则方法终止,并将该中心网格作为第一集合中的一个网格;若选取区域内存在其他的有效网格,则将该其他的有效网格及该中心网格均作为该第一集合中的网格,并分别以该其他的有效网格为新的中心网格,划定对应的选取区域,并确定该选取区域内是否存在其他的有效网格;依次类推,实现一个第一集合的聚合;并再次从剩下的有效网格中选取一有效网格作为中心网格,重复上述操作,实现下一个第一集合的聚合。直至所有的有效网格均被遍历后结束本步骤。
步骤S540:对至少一个第一集合进行聚合处理,以生成与候选区域对应的至少一个候选商圈。
待进行第一重聚合之后,基于第一重聚合结果,进行第二重聚合。具体地,首先针对于任一第一集合,确定该第一集合的质心。其中,本实施例对具体的质心确定方式不作限定,例如可通过采用中位数和/或算数平均数等方式确定第一集合的质心。
进一步地,基于至少一个第一集合的质心,可采用矩形聚合算法、Kmeans聚合算法、和/或DBSCAN算法等,对至少一个第一集合进行聚合处理,以生成至少一个第二集合。在一种优选的实施方式中,本实施例具体采用DBSCAN算法对至少一个第一集合进行聚合处理,从而使得聚合结果体现本实施例中第一集合的空间分布特性,并且能够节约计算资源,提升商圈划分的整体效率。
其中,任一第二集合中包含有至少一个第一集合。例如,可随机选取一第一集合的质心作为中心,并以第二预设距离(其中,第二预设距离大于第一预设距离)为半径划定选取区域。若选取区域内不存在其他的第一集合的质心,则方法终止,并将该中心对应的第一集合作为第二集合中的一个子集合;若选取区域内存在其他的第一集合的质心,则将该其他的第一集合及该中心对应的第一集合均作为该第二集合中的子集合,并分别以该其他的第一集合的质心为新的中心,划定对应的选取区域,并确定该选取区域内是否存在其他的第一集合的质心;依次类推,实现一个第二集合的聚合;并再次从剩下的第一集合的质心中选取一质心作为中心,重复上述操作,实现下一个第二集合的聚合。直至所有的第一集合的质心均被遍历后结束聚合。
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。由于第二集合中包含的各个第一集合为离散的点区,所以在确定第二集合包含的第一集合之后,进行连续化处理,即将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
步骤S550:针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标。
步骤S560:展示任一候选商圈的选址评价指标。
其中,步骤S510-步骤S520,步骤S550-步骤S560的具体实施方式可参照其他方法实施例中相应部分的描述,本实施例在此不做赘述。
由此可见,本实施例能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施;此外,本实施例通过采用双重聚合的方式来进行候选商圈的智能化划分,有利于提升商圈划分的精确度,从而为提升选址精确度提供基础。
实施例四
图6示出了本发明实施例四提供的选址方法的流程图。其中,本实施例所提供的选址方法是针对于实施例一中选址方法的进一步优化。
如图6所示,该方法包括:
步骤S610:确定待选址对象对应的候选区域。
步骤S620:对候选区域进行网格划分,以获得与候选区域对应的多个网格。
步骤S630:对多个网格进行聚合处理,并根据聚合处理结果生成与候选区域对应的至少一个候选商圈。
步骤S640:针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标。
步骤S650:根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值。
本实施例中基于计算出的候选商圈的选址评价指标,综合地确定出与待选址对象匹配度较高的目标候选商圈。
在具体的实施过程中,首先根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值。例如,当候选商圈对应有多个选址评价指标时,为每个选址评价指标配置相应的权重值,从而根据每个选址评价指标的指标值及对应的权重值,通过加权求和的方式,确定出该候选商圈的评价值。
步骤S660:根据任一候选商圈的评价值,从至少一个候选商圈中确定出目标候选商圈。
在确定出候选商圈的评价值之后,可按照评价值由高到底的次序对候选商圈进行排序,并选取评价值较高的n个候选商圈作为目标候选商圈。其中,确定出的目标候选商圈是与待选址对象具有较高匹配度的候选商圈。
步骤S670:展示目标候选商圈的选址评价指标。
最终向用户展示目标候选商圈,以及该目标候选商圈的选址评价指标。
其中,步骤S610-步骤S640的具体实施方式可参照其他方法实施例中相应部分的描述,本实施例在此不做赘述。
由此可见,本实施例能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施;此外,本实施例能够为用户呈现出与待选址对象匹配度较高的目标候选商圈,从而进一步简化用户选址操作,提升选址效率。
实施例五
图7示出了本发明实施例五提供的选址装置的结构示意图。如图7所示,该装置包括:候选区域确定模块71、网格划分模块72、聚合模块73、指标生成模块74和展示模块75。
候选区域确定模块71,适于确定待选址对象对应的候选区域;
网格划分模块72,适于对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
聚合模块73,适于对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
指标生成模块74,适于针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示模块75,适于展示所述任一候选商圈的选址评价指标。
可选的,所述选址评价指标包括以下指标中的至少一种;
商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度;
其中,所述目标商户端与所述待选址对象具有行业关联性;所述有效网格内目标商户端密度大于预设阈值。
可选的,所述网格划分模块进一步适于:
采用六边形网格划分方法,对所述候选区域进行网格划分。
可选的,所述网格划分模块进一步适于:
根据预设划分精度,对所述候选区域进行六边形网格划分。
可选的,所述聚合模块进一步适于:
基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合;其中,任一第一集合中包含有至少一个网格;
对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈。
可选的,所述聚合模块进一步适于:
基于所述多个网格的网格地址,采用DBSCAN算法,对所述多个网格进行聚合处理,以生成至少一个第一集合。
可选的,所述聚合模块进一步适于:
针对于任一第一集合,确定该第一集合的质心;
基于所述至少一个第一集合的质心,采用DBSCAN算法,对所述至少一个第一集合进行聚合处理,以生成至少一个第二集合;其中,任一第二集合中包含有至少一个第一集合;
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
可选的,所述装置还包括:
有效网格确定模块,适于在所述对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈之前,从所述多个网格中筛选出至少一个有效网格;
所述聚合模块进一步适于:基于所述至少一个有效网格的网格地址,对所述至少一个有效网格进行聚合处理,以生成至少一个第一集合。
可选的,所述装置还包括:
目标候选商圈确定模块,适于根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值;
根据任一候选商圈的评价值,从所述至少一个候选商圈中确定出目标候选商圈;
则所述展示模块进一步适于:展示目标候选商圈的选址评价指标。
可选的,所述展示模块进一步适于:
响应于预设的选择操作,展示与所述选择操作对应的候选商圈的选址评价指标。
其中,本实施例中各模块的具体实施过程可参照方法实施例中相应部分描述,本实施例在此不做赘述。
由此可见,本实施例能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施。
实施例六
本发明实施例六提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的选址方法。
可执行指令具体可以用于使得处理器执行以下操作:
确定待选址对象对应的候选区域;
对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示所述任一候选商圈的选址评价指标。
在一种可选的实施方式中,所述选址评价指标包括以下指标中的至少一种;
商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度;
其中,所述目标商户端与所述待选址对象具有行业关联性;所述有效网格内目标商户端密度大于预设阈值。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
采用六边形网格划分方法,对所述候选区域进行网格划分。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
根据预设划分精度,对所述候选区域进行六边形网格划分。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合;其中,任一第一集合中包含有至少一个网格;
对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
基于所述多个网格的网格地址,采用DBSCAN算法,对所述多个网格进行聚合处理,以生成至少一个第一集合。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
针对于任一第一集合,确定该第一集合的质心;
基于所述至少一个第一集合的质心,采用DBSCAN算法,对所述至少一个第一集合进行聚合处理,以生成至少一个第二集合;其中,任一第二集合中包含有至少一个第一集合;
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
从所述多个网格中筛选出至少一个有效网格;
则所述基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合进一步包括:
基于所述至少一个有效网格的网格地址,对所述至少一个有效网格进行聚合处理,以生成至少一个第一集合。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值;
根据任一候选商圈的评价值,从所述至少一个候选商圈中确定出目标候选商圈;
则所述展示所述任一候选商圈的选址评价指标进一步包括:
展示目标候选商圈的选址评价指标。
在一种可选的实施方式中,可执行指令具体可以用于使得处理器执行以下操作:
响应于预设的选择操作,展示与所述选择操作对应的候选商圈的选址评价指标。
由此可见,本实施例能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施。
实施例七
图8示出了本发明实施例七提供的计算设备的结构示意图,本发明实施例具体实施例并不对计算设备的具体实现做限定。
如图8所示,该计算设备可以包括:处理器(processor)802、通信接口(Communications Interface)804、存储器(memory)806、以及通信总线808。
其中:处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。通信接口804,用于与其它设备比如客户端或其它服务器等的网元通信。处理器802,用于执行程序810,具体可以执行上述选址方法实施例中的相关步骤。
具体地,程序810可以包括程序代码,该程序代码包括计算机操作指令。
处理器802可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器806,用于存放程序810。存储器806可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序810具体可以用于使得处理器802执行以下操作:
确定待选址对象对应的候选区域;
对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示所述任一候选商圈的选址评价指标。
在一种可选的实施方式中,所述选址评价指标包括以下指标中的至少一种;
商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度;
其中,所述目标商户端与所述待选址对象具有行业关联性;所述有效网格内目标商户端密度大于预设阈值。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
采用六边形网格划分方法,对所述候选区域进行网格划分。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
根据预设划分精度,对所述候选区域进行六边形网格划分。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合;其中,任一第一集合中包含有至少一个网格;
对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
基于所述多个网格的网格地址,采用DBSCAN算法,对所述多个网格进行聚合处理,以生成至少一个第一集合。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
针对于任一第一集合,确定该第一集合的质心;
基于所述至少一个第一集合的质心,采用DBSCAN算法,对所述至少一个第一集合进行聚合处理,以生成至少一个第二集合;其中,任一第二集合中包含有至少一个第一集合;
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
从所述多个网格中筛选出至少一个有效网格;
则所述基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合进一步包括:
基于所述至少一个有效网格的网格地址,对所述至少一个有效网格进行聚合处理,以生成至少一个第一集合。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
根据任一候选商圈的选址评价指标,确定任一候选商圈的评价值;
根据任一候选商圈的评价值,从所述至少一个候选商圈中确定出目标候选商圈;
则所述展示所述任一候选商圈的选址评价指标进一步包括:
展示目标候选商圈的选址评价指标。
在一种可选的实施方式中,程序810具体可以用于使得处理器802执行以下操作:
响应于预设的选择操作,展示与所述选择操作对应的候选商圈的选址评价指标。
由此可见,本实施例能够实现商圈的准确划分,并便于选址用户快速准确地获知商圈的选址特征,有利于选址精度及选址效率的提升;并且,本方案简单易行,成本低廉,适于大规模应用与实施。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明实施例的内容,并且上面对特定语言所做的描述是为了披露本发明实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明实施例并帮助理解各个发明方面中的一个或多个,在上面对本发明实施例的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明实施例的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种选址方法,包括:
确定待选址对象对应的候选区域;
对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示所述任一候选商圈的选址评价指标。
2.根据权利要求1所述的方法,其中,所述选址评价指标包括以下指标中的至少一种;
商圈面积、商圈包含的网格数量、目标商户端数量、目标商户端密度、有效网格的占比、以及订单密度;
其中,所述目标商户端与所述待选址对象具有行业关联性;所述有效网格内目标商户端密度大于预设阈值。
3.根据权利要求1或2所述的方法,其中,所述对所述候选区域进行网格划分进一步包括:
采用六边形网格划分方法,对所述候选区域进行网格划分。
4.根据权利要求3所述的方法,其中,所述采用六边形网格划分方法,对所述候选区域进行网格划分进一步包括:
根据预设划分精度,对所述候选区域进行六边形网格划分。
5.根据权利要求1-4中任一项所述的方法,其中,所述对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈进一步包括:
基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合;其中,任一第一集合中包含有至少一个网格;
对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈。
6.根据权利要求5所述的方法,其中,所述基于所述多个网格的网格地址,对所述多个网格进行聚合处理,以生成至少一个第一集合进一步包括:
基于所述多个网格的网格地址,采用DBSCAN算法,对所述多个网格进行聚合处理,以生成至少一个第一集合。
7.根据权利要求5所述的方法,其中,所述对所述至少一个第一集合进行聚合处理,以生成与所述候选区域对应的至少一个候选商圈进一步包括:
针对于任一第一集合,确定该第一集合的质心;
基于所述至少一个第一集合的质心,采用DBSCAN算法,对所述至少一个第一集合进行聚合处理,以生成至少一个第二集合;其中,任一第二集合中包含有至少一个第一集合;
针对于任一第二集合,将能够包含该第二集合中所有第一集合的最小连续区域,确定为与该第二集合对应的候选商圈。
8.一种选址装置,包括:
候选区域确定模块,适于确定待选址对象对应的候选区域;
网格划分模块,适于对所述候选区域进行网格划分,以获得与所述候选区域对应的多个网格;
聚合模块,适于对所述多个网格进行聚合处理,并根据聚合处理结果生成与所述候选区域对应的至少一个候选商圈;其中,任一候选商圈由至少一个网格聚合而成;
指标生成模块,适于针对于任一候选商圈,基于该候选商圈对应的至少一个网格,计算该候选商圈的选址评价指标;
展示模块,适于展示所述任一候选商圈的选址评价指标。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的选址方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的选址方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276621.1A CN111091417B (zh) | 2019-12-12 | 2019-12-12 | 选址方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276621.1A CN111091417B (zh) | 2019-12-12 | 2019-12-12 | 选址方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091417A true CN111091417A (zh) | 2020-05-01 |
CN111091417B CN111091417B (zh) | 2023-10-31 |
Family
ID=70395571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911276621.1A Active CN111091417B (zh) | 2019-12-12 | 2019-12-12 | 选址方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091417B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488749A (zh) * | 2020-11-27 | 2021-03-12 | 上海晶确科技有限公司 | 商圈信息评估方法 |
CN112651546A (zh) * | 2020-12-10 | 2021-04-13 | 北京北大千方科技有限公司 | 一种公交线路优化方法以及系统 |
CN112669094A (zh) * | 2021-01-29 | 2021-04-16 | 亿景智联(北京)科技有限公司 | 一种基于时空大数据与机器学习算法的药店选址方法 |
CN113077181A (zh) * | 2021-04-22 | 2021-07-06 | 上海钧正网络科技有限公司 | 一种停车站点设置方法、装置、介质及电子设备 |
CN113792107A (zh) * | 2021-09-15 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 区域识别方法和装置 |
CN114417457A (zh) * | 2021-12-22 | 2022-04-29 | 山东同圆数字科技有限公司 | 一种基于cim技术的规划项目在线多维协同选址系统 |
CN114462199A (zh) * | 2021-12-29 | 2022-05-10 | 中科星通(廊坊)信息技术有限公司 | 遥感数字试验场选址与评价方法 |
CN117280370A (zh) * | 2020-12-15 | 2023-12-22 | 维萨国际服务协会 | 用于将卡交易数据与移动应用程序使用匹配的方法、系统和计算机程序产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965920A (zh) * | 2015-07-08 | 2015-10-07 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN108596648A (zh) * | 2018-03-20 | 2018-09-28 | 阿里巴巴集团控股有限公司 | 一种商圈判定方法和装置 |
CN108763496A (zh) * | 2018-05-30 | 2018-11-06 | 南京讯高科技有限公司 | 一种基于网格和密度的动静态数据融合客户分类算法 |
CN109118265A (zh) * | 2018-06-27 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 商圈确定方法、装置和服务器 |
CN109949063A (zh) * | 2017-12-20 | 2019-06-28 | 中移(苏州)软件技术有限公司 | 一种地址确定方法、装置、电子设备及可读存储介质 |
CN110335068A (zh) * | 2019-06-18 | 2019-10-15 | 平安普惠企业管理有限公司 | 一种商户聚集区域确定方法及装置 |
CN110503463A (zh) * | 2019-08-08 | 2019-11-26 | 江苏荣泽信息科技股份有限公司 | 一种基于连锁业态的门店选址规划方法 |
CN110543999A (zh) * | 2018-08-17 | 2019-12-06 | 杉数科技(北京)有限公司 | 用于门店选址的方法和装置 |
-
2019
- 2019-12-12 CN CN201911276621.1A patent/CN111091417B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965920A (zh) * | 2015-07-08 | 2015-10-07 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN109949063A (zh) * | 2017-12-20 | 2019-06-28 | 中移(苏州)软件技术有限公司 | 一种地址确定方法、装置、电子设备及可读存储介质 |
CN108596648A (zh) * | 2018-03-20 | 2018-09-28 | 阿里巴巴集团控股有限公司 | 一种商圈判定方法和装置 |
CN108763496A (zh) * | 2018-05-30 | 2018-11-06 | 南京讯高科技有限公司 | 一种基于网格和密度的动静态数据融合客户分类算法 |
CN109118265A (zh) * | 2018-06-27 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 商圈确定方法、装置和服务器 |
CN110543999A (zh) * | 2018-08-17 | 2019-12-06 | 杉数科技(北京)有限公司 | 用于门店选址的方法和装置 |
CN110335068A (zh) * | 2019-06-18 | 2019-10-15 | 平安普惠企业管理有限公司 | 一种商户聚集区域确定方法及装置 |
CN110503463A (zh) * | 2019-08-08 | 2019-11-26 | 江苏荣泽信息科技股份有限公司 | 一种基于连锁业态的门店选址规划方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488749A (zh) * | 2020-11-27 | 2021-03-12 | 上海晶确科技有限公司 | 商圈信息评估方法 |
CN112651546A (zh) * | 2020-12-10 | 2021-04-13 | 北京北大千方科技有限公司 | 一种公交线路优化方法以及系统 |
CN117280370A (zh) * | 2020-12-15 | 2023-12-22 | 维萨国际服务协会 | 用于将卡交易数据与移动应用程序使用匹配的方法、系统和计算机程序产品 |
CN112669094A (zh) * | 2021-01-29 | 2021-04-16 | 亿景智联(北京)科技有限公司 | 一种基于时空大数据与机器学习算法的药店选址方法 |
CN112669094B (zh) * | 2021-01-29 | 2024-01-26 | 亿景智联(苏州)科技有限公司 | 一种基于时空大数据与机器学习算法的药店选址方法 |
CN113077181A (zh) * | 2021-04-22 | 2021-07-06 | 上海钧正网络科技有限公司 | 一种停车站点设置方法、装置、介质及电子设备 |
CN113077181B (zh) * | 2021-04-22 | 2022-11-18 | 上海钧正网络科技有限公司 | 一种停车站点设置方法、装置、介质及电子设备 |
CN113792107A (zh) * | 2021-09-15 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 区域识别方法和装置 |
CN114417457A (zh) * | 2021-12-22 | 2022-04-29 | 山东同圆数字科技有限公司 | 一种基于cim技术的规划项目在线多维协同选址系统 |
CN114462199A (zh) * | 2021-12-29 | 2022-05-10 | 中科星通(廊坊)信息技术有限公司 | 遥感数字试验场选址与评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111091417B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111091417B (zh) | 选址方法及装置 | |
US11238065B1 (en) | Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis | |
US11758366B2 (en) | Methods and devices for displaying a heat map and providing heat data | |
Wang et al. | A theoretical approach to the use of cyberinfrastructure in geographical analysis | |
US20150324464A1 (en) | Searching method and apparatus | |
KR20160100809A (ko) | 목표 주소를 확정하기 위한 방법 및 장치 | |
CN107133900B (zh) | 城市土地混合利用特征格网计算方法及装置 | |
CN106681996A (zh) | 确定地理范围内兴趣区域、兴趣点的方法和装置 | |
CN110556049B (zh) | 一种地图数据处理方法、装置、服务器和存储介质 | |
CN112069281B (zh) | 兴趣点位置的确定方法、装置、计算机设备及存储介质 | |
CN111753041A (zh) | 数据聚合渲染方法、装置、系统、电子设备及存储介质 | |
CN112084865A (zh) | 目标检测方法、装置、电子设备和存储介质 | |
CN112800165A (zh) | 一种基于聚类算法的产业集群定位方法、装置及电子设备 | |
CN112100511B (zh) | 一种偏好程度数据获得方法、装置以及电子设备 | |
CN112215473B (zh) | 一种配送压力数据的获得方法、装置、电子设备 | |
CN113379269A (zh) | 多因素空间聚类的城市商业功能区划方法、装置及介质 | |
CN113706222B (zh) | 一种门店选址的方法、装置 | |
WO2014193771A1 (en) | Data interpolation and classification method for map data visualization | |
CN114549106A (zh) | 商家信息展示的方法、装置、存储介质及电子设备 | |
CN112860828A (zh) | 一种定位方法及装置、电子设备及存储介质 | |
CN111985514A (zh) | 商圈识别方法、装置、电子设备及存储介质 | |
CN113658033B (zh) | 一种计算给定区域内部点集的gpu方法 | |
CN113177099B (zh) | 终端聚合方法、装置、电子设备和可读存储介质 | |
CN116156513B (zh) | 一种通信基站规划评估方法及装置 | |
CN113381900B (zh) | 路测数据的可视化方法及装置 |
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 |