CN111125273A - 门店选址方法及装置 - Google Patents
门店选址方法及装置 Download PDFInfo
- Publication number
- CN111125273A CN111125273A CN201811296921.1A CN201811296921A CN111125273A CN 111125273 A CN111125273 A CN 111125273A CN 201811296921 A CN201811296921 A CN 201811296921A CN 111125273 A CN111125273 A CN 111125273A
- Authority
- CN
- China
- Prior art keywords
- store
- vector
- addressed
- grid
- attraction
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出一种门店选址方法及装置，其中方法包括：获取待选址门店的业务类型以及目标区域，对目标区域进行栅格划分，得到多个栅格；获取待选址门店所属的初始栅格的区域属性，以及具有业务类型的各个已有门店的特征信息，进而确定待选址门店对应的吸引力向量和排斥力向量；根据吸引力向量和排斥力向量，确定待选址门店是否处于稳定状态；若处于稳定状态，则将初始栅格确定为待选址门店对应的目的地址，从而能够结合目标区域中各栅格的区域属性以及与待选址门店同类型的各个已有门店的特征信息，自动选择合适的栅格作为待选址门店对应的目的地址，减少了人工参与，不容易受到主观因素影响，提高了门店选址的效率和效果，降低了门店选址的成本。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种门店选址方法及装置。
背景技术
目前的门店选址方法是，获取待选址门店的业务类型以及目标区域，获取具有所述业务类型的所有已有门店；获取各个已有门店的特征，例如自身特征、区域特征、业绩等，根据已有门店的特征对已有门店进行聚类，并根据聚类结果分析确定影响门店业绩的主要因素，然后基于这些主要因素人工去寻找合适的门店位置。上述方案中，需要人工基于主要因素去寻找合适的门店位置，成本高，效率低，且容易受到主观因素影响，难以找到最好的位置，因此选址成本高，效率差，效果差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种门店选址方法，用于解决现有技术中门店选址成本高，效率差，效果差的问题。
本发明的第二个目的在于提出一种门店选址装置。
本发明的第三个目的在于提出另一种门店选址装置。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
本发明的第五个目的在于提出一种计算机程序产品。
为达上述目的，本发明第一方面实施例提出了一种门店选址方法，包括：
获取待选址门店的业务类型以及目标区域，对所述目标区域进行栅格划分，得到多个栅格；
获取所述待选址门店所属的初始栅格的区域属性，以及具有所述业务类型的各个已有门店的特征信息；
根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量；所述吸引力向量为已有门店对所述初始栅格的吸引力向量；所述排斥力向量为对所述初始栅格中所述待选址门店的排斥力向量；
根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态；
若所述待选址门店处于稳定状态，则将所述初始栅格确定为所述待选址门店对应的目的地址。
进一步的，所述的方法还包括：
若所述待选址门店处于非稳定状态，则根据所述吸引力向量，确定所述待选址门店的移动方向；
按照所述移动方向将所述待选址门店移动至相邻栅格中；
根据所述相邻栅格的区域属性以及所述各个已有门店的特征信息，重新确定所述待选址门店对应的吸引力向量和排斥力向量，直至所述待选址门店处于稳定状态；
将所述待选址门店处于稳定状态时所属的栅格，确定为所述待选址门店对应的目的地址。
进一步的，所述根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态，包括：
计算所述吸引力向量与所述排斥力向量之间的距离；
若所述距离小于第一距离阈值，则确定所述待选址门店处于稳定状态；
若所述距离大于等于第一距离阈值，则确定所述待选址门店处于非稳定状态。
进一步的，所述待选址门店的数量为多个；确定多个所述待选址门店的目的地址的方式为，
确定各个待选址门店对应的吸引力向量和排斥力向量；
根据各个待选址门店对应的吸引力向量和排斥力向量，确定符合第一预设条件的第一待选址门店；所述预设条件为对应的吸引力向量和排斥量向量之间的距离最大，或者平均到店距离减小最快；
根据第一待选址门店对应的吸引力向量和排斥力向量，确定所述第一待选址门店的目的地址；
重新确定各个待选址门店对应的吸引力向量和排斥力向量，直至各个待选址门店符合第二预设条件为止；所述第二预设条件为对应的吸引力向量和排斥力向量之间的距离小于第二距离阈值，或者平均到店距离小于第三距离阈值。
进一步的，所述根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量，包括：
根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述初始栅格的需求分数；
将所述初始栅格的需求分数以及各个已有门店的特征信息，输入预设的万有引力模型，获取已有门店对所述初始栅格的吸引力向量，以及对所述初始栅格中所述待选址门店的排斥力向量。
进一步的，已有门店对所述初始栅格的吸引力向量，为已有门店对所述初始栅格的渗透率向量；已有门店对所述初始栅格中所述待选址门店的排斥力向量，为所述初始栅格对已有门店的渗透率向量；
所述根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量，包括：
将所述初始栅格的区域属性以及所述各个已有门店的特征信息，输入预设的基于到店数据的回归模型，获取已有门店对所述初始栅格的渗透率向量，以及所述初始栅格对已有门店的渗透率向量。
进一步的，所述特征信息包括：门店属性、区域属性、到店人群属性、竞品门店属性；
所述栅格的区域属性包括以下属性中的任意一个或者多个：位置属性、常驻人群属性、交通属性、网络属性。
本发明实施例的门店选址方法，通过获取待选址门店的业务类型以及目标区域，对目标区域进行栅格划分，得到多个栅格；获取待选址门店所属的初始栅格的区域属性，以及具有业务类型的各个已有门店的特征信息；根据初始栅格的区域属性以及各个已有门店的特征信息，确定待选址门店对应的吸引力向量和排斥力向量；吸引力向量为已有门店对初始栅格的吸引力向量；排斥力向量为对初始栅格中待选址门店的排斥力向量；根据吸引力向量和排斥力向量，确定待选址门店是否处于稳定状态；若待选址门店处于稳定状态，则将初始栅格确定为待选址门店对应的目的地址，从而能够结合目标区域中各栅格的区域属性以及与待选址门店同类型的各个已有门店的特征信息，自动选择合适的栅格作为待选址门店对应的目的地址，减少了人工参与，不容易受到主观因素影响，提高了门店选址的效率和效果，降低了门店选址的成本。
为达上述目的，本发明第二方面实施例提出了一种门店选址装置，包括：
获取模块，用于获取待选址门店的业务类型以及目标区域；
划分模块，用于对所述目标区域进行栅格划分，得到多个栅格；
所述获取模块，还用于获取所述待选址门店所属的初始栅格的区域属性，以及具有所述业务类型的各个已有门店的特征信息；
确定模块，用于根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量；所述吸引力向量为已有门店对所述初始栅格的吸引力向量；所述排斥力向量为对所述初始栅格中所述待选址门店的排斥力向量；
所述确定模块，还用于根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态；
所述确定模块，还用于在所述待选址门店处于稳定状态时，将所述初始栅格确定为所述待选址门店对应的目的地址。
进一步的，所述的装置还包括：移动模块；
所述确定模块，还用于在所述待选址门店处于非稳定状态时，根据所述吸引力向量，确定所述待选址门店的移动方向；
所述移动模块，用于按照所述移动方向将所述待选址门店移动至相邻栅格中；
所述确定模块，还用于根据所述相邻栅格的区域属性以及所述各个已有门店的特征信息，重新确定所述待选址门店对应的吸引力向量和排斥力向量，直至所述待选址门店处于稳定状态；
所述确定模块，还用于将所述待选址门店处于稳定状态时所属的栅格，确定为所述待选址门店对应的目的地址。
进一步的，所述确定模块具体用于，
计算所述吸引力向量与所述排斥力向量之间的距离；
若所述距离小于第一距离阈值，则确定所述待选址门店处于稳定状态；
若所述距离大于等于第一距离阈值，则确定所述待选址门店处于非稳定状态。
进一步的，所述待选址门店的数量为多个；确定多个所述待选址门店的目的地址的方式为，
确定各个待选址门店对应的吸引力向量和排斥力向量；
根据各个待选址门店对应的吸引力向量和排斥力向量，确定符合第一预设条件的第一待选址门店；所述预设条件为对应的吸引力向量和排斥量向量之间的距离最大，或者平均到店距离减小最快；
根据第一待选址门店对应的吸引力向量和排斥力向量，确定所述第一待选址门店的目的地址；
重新确定各个待选址门店对应的吸引力向量和排斥力向量，直至各个待选址门店符合第二预设条件为止；所述第二预设条件为对应的吸引力向量和排斥力向量之间的距离小于第二距离阈值，或者平均到店距离小于第三距离阈值。
进一步的，所述特征信息包括：门店属性、区域属性、到店人群属性、竞品门店属性；
所述栅格的区域属性包括以下属性中的任意一个或者多个：位置属性、常驻人群属性、交通属性、网络属性。
本发明实施例的门店选址装置，通过获取待选址门店的业务类型以及目标区域，对目标区域进行栅格划分，得到多个栅格；获取待选址门店所属的初始栅格的区域属性，以及具有业务类型的各个已有门店的特征信息；根据初始栅格的区域属性以及各个已有门店的特征信息，确定待选址门店对应的吸引力向量和排斥力向量；吸引力向量为已有门店对初始栅格的吸引力向量；排斥力向量为对初始栅格中待选址门店的排斥力向量；根据吸引力向量和排斥力向量，确定待选址门店是否处于稳定状态；若待选址门店处于稳定状态，则将初始栅格确定为待选址门店对应的目的地址，从而能够结合目标区域中各栅格的区域属性以及与待选址门店同类型的各个已有门店的特征信息，自动选择合适的栅格作为待选址门店对应的目的地址，减少了人工参与，不容易受到主观因素影响，提高了门店选址的效率和效果，降低了门店选址的成本。
为达上述目的，本发明第三方面实施例提出了另一种门店选址装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的门店选址方法。
为了实现上述目的，本发明第四方面实施例提出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所述的门店选址方法。
为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上所述的门店选址方法。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的一种门店选址方法的流程示意图；
图2为本发明实施例提供的一种门店选址装置的结构示意图；
图3为本发明实施例提供的另一种门店选址装置的结构示意图；
图4为本发明实施例提供的另一种门店选址装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的门店选址方法及装置。
图1为本发明实施例提供的一种门店选址方法的流程示意图。如图1所示，该门店选址方法包括以下步骤：
S101、获取待选址门店的业务类型以及目标区域，对目标区域进行栅格划分，得到多个栅格。
本发明提供的门店选址方法的执行主体为门店选址装置，门店选址装置可以为终端设备、服务器等硬件设备，或者为硬件设备上安装的软件。待选址门店的业务类型例如可以为手机通信业务、货物售卖业务、服务业务等。具有手机通信业务类型的门店例如移动、联通、电信等。具有货物售卖业务类型的门店例如蛋糕店、超时、便利店等。其中，目标区域可以为需要新建待选址门店的区域。
本实施例中，当某个区域中具有所述业务类型的门店过少，或者需要对具有所述业务类型的某个门店进行位置挪动时，需要为该业务类型的门店进行选址操作，因此，门店选址装置可以将该门店作为待选址门店，将该门店的目的地址所属的区域确定为目标区域。
本实施例中，栅格的尺寸例如可以为500米×500米等，可以根据待选址门店的性质以及需求程度进行设置。例如，若待选址门店为蛋糕店等，栅格的尺寸可以设置的较小；若待选址门店为移动营业厅等，栅格的尺寸可以设置的较大。或者，门店选址装置可以为各种业务类型的门店设置相同尺寸的栅格，以便统一进行计算。
S102、获取待选址门店所属的初始栅格的区域属性，以及具有业务类型的各个已有门店的特征信息。
本实施例中，初始栅格的区域属性中可以包括以下属性中的任意一个或者多个：位置属性、常驻人群属性、交通属性、网络属性等。已有门店的特征信息中可以包括：特征信息包括：门店属性、区域属性、到店人群属性、竞品门店属性。其中，门店属性包括以下信息中的任意一种或者多种：门店位置、门店面积、门店内商品数量、门店内服务人员数量、门店内环境、门店所运营的业务、门店内商品属性等门店自身的属性。区域属性包括以下信息中的任意一种或者多种：门店附近公司、门店附近景区、门店附近居民区、门店附近常驻人群、门店附近交通情况、门店附近网络情况、门店附近环境等周边属性。到店人群属性包括以下信息中的任意一种或者多种：到店人群的关注点、到店人群的购买内容、到店人群距离门店的距离、到店人群的来店次数、到店人群的到店时间、到店人群对门店的搜索记录、到达人群到达门店所花费的时间等属性。竞品门店属性指的是，与门店具有相同业务类型，且对门店的业绩造成负面影响的各个门店的特征信息。
S103、根据初始栅格的区域属性以及各个已有门店的特征信息，确定待选址门店对应的吸引力向量和排斥力向量；吸引力向量为已有门店对初始栅格的吸引力向量；排斥力向量为对初始栅格中待选址门店的排斥力向量。
本实施例中，在第一种实施场景中，门店选址装置可以采用万有引力模型来执行步骤103。具体的，门店选址装置执行步骤103的过程具体可以为，根据初始栅格的区域属性以及各个已有门店的特征信息，确定初始栅格的需求分数；将初始栅格的需求分数以及各个已有门店的特征信息，输入预设的万有引力模型，获取已有门店对初始栅格的吸引力向量，以及对初始栅格中待选址门店的排斥力向量。
本实施例中，针对栅格，若栅格内或者栅格附近存在已有门店，则表示栅格对该业务类型的门店有需求；栅格附近已有门店越多，已有门店面积越大，表示栅格对该业务类型门店的需求越大。若栅格内关注或经常访问该业务类型门店的用户越多，表示栅格对该业务类型门店的需求越大。本实施例中，可以采用lookalike模型或者销量预测模型等来计算栅格的需求分数。
另外，门店选址装置获取栅格的需求分数的方式还可以为，获取已知需求分数的各个第一栅格的区域属性；将该栅格的区域属性与各个第一栅格的区域属性进行比对，确定该栅格与各个第一栅格之间的区域属性相似度，当区域属性相似度满足一定条件时，将满足一定条件的第一栅格的需求分数确定为该栅格的需求分数。
本实施例中，栅格作为承载需求的基本单位，为需求点。已有门店为需求点中的顾客提供服务，门店由于其门店属性和区域属性等的不同，提供服务的能力也不同，对需求点的吸引力也不相同；同时已有门店与需求点之间的吸引力还遵从着随着距离的增大，吸引力随之减弱的性质；且已有门店的面积越大，涵盖功能越广泛，对需求点中顾客的吸引力越强；且相同大小的已有门店，门店附近的交通越便利，顾客到访越方便，对顾客的吸引力越大，因此，基于栅格的区域属性和已有门店的特征信息，可以计算确定已有门店对栅格的吸引力向量。
本实施例中，针对栅格中的待选址门店，同一连锁网络上的其他门店以及竞品门店，会对该待选址门店的业绩产生负面影响，即门店和门店之间天然存在排斥关系。例如，当企业连锁网络上的待选址门店距离已有门店较近，且业务类型相同，则已有门店的一部分到店人群会被分流至待选址门店，导致已有门店业绩下降；同样的，由于已有门店的存在，待选址门店的业绩也提升不上去，因此，基于栅格的区域属性和已有门店的特征信息，可以计算确定已有门店对栅格中各个候选地址的排斥力向量。
本实施例中，万有引力模型中吸引力向量和排斥力向量的计算公式例如可以如公式(1)所示。
其中，F为吸引力向量或者排斥力向量；fmin是为了保证已有门店与栅格的距离大于一定范围时，F值为0；m1和m2分别为需求分数和单个已有门店的特征信息。当F为吸引力向量时，dmin为防止吸引力无限大的最小距离。当F为排斥力向量时，dmin为防止排斥力无限大的最下距离。
本实施例中，在第二种实施场景中，门店选址装置可以采用基于到店数据的回归模型来执行步骤103。其中，已有门店对初始栅格的吸引力向量，为已有门店对初始栅格的渗透率向量；已有门店对初始栅格中待选址门店的排斥力向量，为初始栅格对已有门店的渗透率向量。对应的，门店选址装置执行步骤103的过程具体可以为，将初始栅格的区域属性以及各个已有门店的特征信息，输入预设的基于到店数据的回归模型，获取已有门店对初始栅格的渗透率向量，以及初始栅格对已有门店的渗透率向量。
其中，基于到店数据的回归模型具体是根据初始栅格的区域属性以及已有门店的特征信息来确定初始栅格的人群到店曲线，根据该曲线来确定到店人群来源以及渗透率，进而确定已有门店对初始栅格的渗透率向量以及初始栅格对已有门店的渗透率向量。
S104、根据相邻栅格的区域属性以及各个已有门店的特征信息，重新确定待选址门店对应的吸引力向量和排斥力向量，直至待选址门店处于稳定状态。
本实施例中，门店选址装置执行步骤104的过程具体可以为，计算吸引力向量与排斥力向量之间的距离；若距离小于第一距离阈值，则确定待选址门店处于稳定状态；若距离大于等于第一距离阈值，则确定待选址门店处于非稳定状态。
S105、若待选址门店处于稳定状态，则将初始栅格确定为待选址门店对应的目的地址。
另外，所述的方法还可以包括以下步骤：若待选址门店处于非稳定状态，则根据吸引力向量，确定待选址门店的移动方向；按照移动方向将待选址门店移动至相邻栅格中；根据相邻栅格的区域属性以及各个已有门店的特征信息，重新确定待选址门店对应的吸引力向量和排斥力向量，直至待选址门店处于稳定状态；将待选址门店处于稳定状态时所属的栅格，确定为待选址门店对应的目的地址。
本实施例中，当待选址门店位于相邻栅格中时，根据相邻栅格的区域属性以及各个已有门店的特征信息，重新确定待选址门店对应的吸引力向量和排斥力向量，若根据吸引力向量和排斥力向量，确定待选址门店处于稳定状态，则将相邻栅格确定为待选址门店的目的地址；若待选址门店处于非稳定状态，则按照吸引力向量确定的移动方向重新确定移动方向，并对待选址门店进行移动，直至待选址门店处于稳定状态，从而将待选址门店处于稳定状态时所属的栅格，确定为待选址门店对应的目的地址。
进一步的，在上述实施例的基础上，待选址门店的数量可以为多个。对应的，确定多个待选址门店的目的地址的方式为，确定各个待选址门店对应的吸引力向量和排斥力向量；根据各个待选址门店对应的吸引力向量和排斥力向量，确定符合第一预设条件的第一待选址门店；预设条件为对应的吸引力向量和排斥量向量之间的距离最大，或者平均到店距离减小最快；根据第一待选址门店对应的吸引力向量和排斥力向量，确定第一待选址门店的目的地址；重新确定各个待选址门店对应的吸引力向量和排斥力向量，直至各个待选址门店符合第二预设条件为止；第二预设条件为对应的吸引力向量和排斥力向量之间的距离小于第二距离阈值，或者平均到店距离小于第三距离阈值。
其中，根据目标函数的不同，门店选址装置可以通过以下不同的算法来实现一定区域内多个待选址门店的布局，例如梯度下降算法、PageRank搜索算法、Monte Carlo算法等。其中，目标函数例如可以为最小化门店附近常驻人群的平均到店时间、最小化门店附近常驻人群的平均到店距离等。
以梯度下降算法为例，目标函数设置为最小化门店附近常驻人群的平均到店距离。在该算法的每次迭代中，找出所有待选址门店中，向吸引力向量方向移动适当位置后，常驻人群的平均到店距离减少最多或者最快的待选址门店，并将该待选址门店部署到新的位置，并更新每个待选址门店所受到的吸引力向量和排斥力向量。经过多次迭代之后，常驻人群的平均到店距离会逐渐降低并固定到某一个最优值。这是的待选址门店布局就是我们需要的最优门店布局。
本发明实施例的门店选址方法，通过获取待选址门店的业务类型以及目标区域，对目标区域进行栅格划分，得到多个栅格；获取待选址门店所属的初始栅格的区域属性，以及具有业务类型的各个已有门店的特征信息；根据初始栅格的区域属性以及各个已有门店的特征信息，确定待选址门店对应的吸引力向量和排斥力向量；吸引力向量为已有门店对初始栅格的吸引力向量；排斥力向量为对初始栅格中待选址门店的排斥力向量；根据吸引力向量和排斥力向量，确定待选址门店是否处于稳定状态；若待选址门店处于稳定状态，则将初始栅格确定为待选址门店对应的目的地址，从而能够结合目标区域中各栅格的区域属性以及与待选址门店同类型的各个已有门店的特征信息，自动选择合适的栅格作为待选址门店对应的目的地址，减少了人工参与，不容易受到主观因素影响，提高了门店选址的效率和效果，降低了门店选址的成本。
图2为本发明实施例提供的一种门店选址装置的结构示意图。如图2所示，包括：获取模块21、划分模块22和确定模块23；
其中，获取模块21，用于获取待选址门店的业务类型以及目标区域；
划分模块22，用于对所述目标区域进行栅格划分，得到多个栅格；
所述获取模块21，还用于获取所述待选址门店所属的初始栅格的区域属性，以及具有所述业务类型的各个已有门店的特征信息；
确定模块23，用于根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量；所述吸引力向量为已有门店对所述初始栅格的吸引力向量；所述排斥力向量为对所述初始栅格中所述待选址门店的排斥力向量；
所述确定模块23，还用于根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态；
所述确定模块23，还用于在所述待选址门店处于稳定状态时，将所述初始栅格确定为所述待选址门店对应的目的地址。
本发明提供的门店选址装置可以为终端设备、服务器等硬件设备，或者为硬件设备上安装的软件。待选址门店的业务类型例如可以为手机通信业务、货物售卖业务、服务业务等。具有手机通信业务类型的门店例如移动、联通、电信等。具有货物售卖业务类型的门店例如蛋糕店、超时、便利店等。其中，目标区域可以为需要新建待选址门店的区域。
本实施例中，当某个区域中具有所述业务类型的门店过少，或者需要对具有所述业务类型的某个门店进行位置挪动时，需要为该业务类型的门店进行选址操作，因此，门店选址装置可以将该门店作为待选址门店，将该门店的目的地址所属的区域确定为目标区域。
本实施例中，栅格的尺寸例如可以为500米×500米等，可以根据待选址门店的性质以及需求程度进行设置。例如，若待选址门店为蛋糕店等，栅格的尺寸可以设置的较小；若待选址门店为移动营业厅等，栅格的尺寸可以设置的较大。或者，门店选址装置可以为各种业务类型的门店设置相同尺寸的栅格，以便统一进行计算。
本实施例中，初始栅格的区域属性中可以包括以下属性中的任意一个或者多个：位置属性、常驻人群属性、交通属性、网络属性等。已有门店的特征信息中可以包括：特征信息包括：门店属性、区域属性、到店人群属性、竞品门店属性。
本实施例中，在第一种实施场景中，确定模块23可以采用万有引力模型来确定吸引力向量和排斥力向量。其中，确定模块23具体可以用于，根据初始栅格的区域属性以及各个已有门店的特征信息，确定初始栅格的需求分数；将初始栅格的需求分数以及各个已有门店的特征信息，输入预设的万有引力模型，获取已有门店对初始栅格的吸引力向量，以及对初始栅格中待选址门店的排斥力向量。
本实施例中，针对栅格，若栅格内或者栅格附近存在已有门店，则表示栅格对该业务类型的门店有需求；栅格附近已有门店越多，已有门店面积越大，表示栅格对该业务类型门店的需求越大。若栅格内关注或经常访问该业务类型门店的用户越多，表示栅格对该业务类型门店的需求越大。本实施例中，可以采用lookalike模型或者销量预测模型等来计算栅格的需求分数。
另外，门店选址装置获取栅格的需求分数的方式还可以为，获取已知需求分数的各个第一栅格的区域属性；将该栅格的区域属性与各个第一栅格的区域属性进行比对，确定该栅格与各个第一栅格之间的区域属性相似度，当区域属性相似度满足一定条件时，将满足一定条件的第一栅格的需求分数确定为该栅格的需求分数。
本实施例中，万有引力模型中吸引力向量和排斥力向量的计算公式例如可以如公式(1)所示。
其中，F为吸引力向量或者排斥力向量；fmin是为了保证已有门店与栅格的距离大于一定范围时，F值为0；m1和m2分别为需求分数和单个已有门店的特征信息。当F为吸引力向量时，dmin为防止吸引力无限大的最小距离。当F为排斥力向量时，dmin为防止排斥力无限大的最下距离。
本实施例中，在第二种实施场景中，确定模块23可以采用基于到店数据的回归模型来确定吸引力向量和排斥力向量。其中，已有门店对初始栅格的吸引力向量，为已有门店对初始栅格的渗透率向量；已有门店对初始栅格中待选址门店的排斥力向量，为初始栅格对已有门店的渗透率向量。对应的，确定模块23具体可以用于，将初始栅格的区域属性以及各个已有门店的特征信息，输入预设的基于到店数据的回归模型，获取已有门店对初始栅格的渗透率向量，以及初始栅格对已有门店的渗透率向量。
其中，基于到店数据的回归模型具体是根据初始栅格的区域属性以及已有门店的特征信息来确定初始栅格的人群到店曲线，根据该曲线来确定到店人群来源以及渗透率，进而确定已有门店对初始栅格的渗透率向量以及初始栅格对已有门店的渗透率向量。
进一步的，在上述实施例的基础上，确定模块23具体可以用于，计算吸引力向量与排斥力向量之间的距离；若距离小于第一距离阈值，则确定待选址门店处于稳定状态；若距离大于等于第一距离阈值，则确定待选址门店处于非稳定状态。
进一步的，结合参考图3，在图2所示实施例的基础上，所述的装置还可以包括：移动模块24。
其中，所述确定模块23，还用于在所述待选址门店处于非稳定状态时，根据所述吸引力向量，确定所述待选址门店的移动方向；
所述移动模块24，用于按照所述移动方向将所述待选址门店移动至相邻栅格中；
所述确定模块23，还用于根据所述相邻栅格的区域属性以及所述各个已有门店的特征信息，重新确定所述待选址门店对应的吸引力向量和排斥力向量，直至所述待选址门店处于稳定状态；
所述确定模块23，还用于将所述待选址门店处于稳定状态时所属的栅格，确定为所述待选址门店对应的目的地址。
本实施例中，当待选址门店位于相邻栅格中时，根据相邻栅格的区域属性以及各个已有门店的特征信息，重新确定待选址门店对应的吸引力向量和排斥力向量，若根据吸引力向量和排斥力向量，确定待选址门店处于稳定状态，则将相邻栅格确定为待选址门店的目的地址；若待选址门店处于非稳定状态，则按照吸引力向量确定的移动方向重新确定移动方向，并对待选址门店进行移动，直至待选址门店处于稳定状态，从而将待选址门店处于稳定状态时所属的栅格，确定为待选址门店对应的目的地址。
进一步的，在上述实施例的基础上，待选址门店的数量可以为多个。对应的，确定多个待选址门店的目的地址的方式为，确定各个待选址门店对应的吸引力向量和排斥力向量；根据各个待选址门店对应的吸引力向量和排斥力向量，确定符合第一预设条件的第一待选址门店；预设条件为对应的吸引力向量和排斥量向量之间的距离最大，或者平均到店距离减小最快；根据第一待选址门店对应的吸引力向量和排斥力向量，确定第一待选址门店的目的地址；重新确定各个待选址门店对应的吸引力向量和排斥力向量，直至各个待选址门店符合第二预设条件为止；第二预设条件为对应的吸引力向量和排斥力向量之间的距离小于第二距离阈值，或者平均到店距离小于第三距离阈值。
其中，根据目标函数的不同，门店选址装置可以通过以下不同的算法来实现一定区域内多个待选址门店的布局，例如梯度下降算法、PageRank搜索算法、Monte Carlo算法等。其中，目标函数例如可以为最小化门店附近常驻人群的平均到店时间、最小化门店附近常驻人群的平均到店距离等。
以梯度下降算法为例，目标函数设置为最小化门店附近常驻人群的平均到店距离。在该算法的每次迭代中，找出所有待选址门店中，向吸引力向量方向移动适当位置后，常驻人群的平均到店距离减少最多或者最快的待选址门店，并将该待选址门店部署到新的位置，并更新每个待选址门店所受到的吸引力向量和排斥力向量。经过多次迭代之后，常驻人群的平均到店距离会逐渐降低并固定到某一个最优值。这是的待选址门店布局就是我们需要的最优门店布局。
本发明实施例的门店选址装置，通过获取待选址门店的业务类型以及目标区域，对目标区域进行栅格划分，得到多个栅格；获取待选址门店所属的初始栅格的区域属性，以及具有业务类型的各个已有门店的特征信息；根据初始栅格的区域属性以及各个已有门店的特征信息，确定待选址门店对应的吸引力向量和排斥力向量；吸引力向量为已有门店对初始栅格的吸引力向量；排斥力向量为对初始栅格中待选址门店的排斥力向量；根据吸引力向量和排斥力向量，确定待选址门店是否处于稳定状态；若待选址门店处于稳定状态，则将初始栅格确定为待选址门店对应的目的地址，从而能够结合目标区域中各栅格的区域属性以及与待选址门店同类型的各个已有门店的特征信息，自动选择合适的栅格作为待选址门店对应的目的地址，减少了人工参与，不容易受到主观因素影响，提高了门店选址的效率和效果，降低了门店选址的成本。
图4为本发明实施例提供的另一种门店选址装置的结构示意图。该门店选址装置包括：
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行所述程序时实现上述实施例中提供的门店选址方法。
进一步地，门店选址装置还包括：
通信接口1003，用于存储器1001和处理器1002之间的通信。
存储器1001，用于存放可在处理器1002上运行的计算机程序。
存储器1001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。
处理器1002，用于执行所述程序时实现上述实施例所述的门店选址方法。
如果存储器1001、处理器1002和通信接口1003独立实现，则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1001、处理器1002及通信接口1003，集成在一块芯片上实现，则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，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。
本发明还提供一种非临时性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所述的门店选址方法。
本发明还提供一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上所述的门店选址方法。
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、材料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须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种门店选址方法，其特征在于，包括：
获取待选址门店的业务类型以及目标区域，对所述目标区域进行栅格划分，得到多个栅格；
获取所述待选址门店所属的初始栅格的区域属性，以及具有所述业务类型的各个已有门店的特征信息；
根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量；所述吸引力向量为已有门店对所述初始栅格的吸引力向量；所述排斥力向量为对所述初始栅格中所述待选址门店的排斥力向量；
根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态；
若所述待选址门店处于稳定状态，则将所述初始栅格确定为所述待选址门店对应的目的地址。
2.根据权利要求1所述的方法，其特征在于，还包括：
若所述待选址门店处于非稳定状态，则根据所述吸引力向量，确定所述待选址门店的移动方向；
按照所述移动方向将所述待选址门店移动至相邻栅格中；
根据所述相邻栅格的区域属性以及所述各个已有门店的特征信息，重新确定所述待选址门店对应的吸引力向量和排斥力向量，直至所述待选址门店处于稳定状态；
将所述待选址门店处于稳定状态时所属的栅格，确定为所述待选址门店对应的目的地址。
3.根据权利要求1所述的方法，其特征在于，所述根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态，包括：
计算所述吸引力向量与所述排斥力向量之间的距离；
若所述距离小于第一距离阈值，则确定所述待选址门店处于稳定状态；
若所述距离大于等于第一距离阈值，则确定所述待选址门店处于非稳定状态。
4.根据权利要求1所述的方法，其特征在于，所述待选址门店的数量为多个；确定多个所述待选址门店的目的地址的方式为，
确定各个待选址门店对应的吸引力向量和排斥力向量；
根据各个待选址门店对应的吸引力向量和排斥力向量，确定符合第一预设条件的第一待选址门店；所述预设条件为对应的吸引力向量和排斥量向量之间的距离最大，或者平均到店距离减小最快；
根据第一待选址门店对应的吸引力向量和排斥力向量，确定所述第一待选址门店的目的地址；
重新确定各个待选址门店对应的吸引力向量和排斥力向量，直至各个待选址门店符合第二预设条件为止；所述第二预设条件为对应的吸引力向量和排斥力向量之间的距离小于第二距离阈值，或者平均到店距离小于第三距离阈值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量，包括：
根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述初始栅格的需求分数；
将所述初始栅格的需求分数以及各个已有门店的特征信息，输入预设的万有引力模型，获取已有门店对所述初始栅格的吸引力向量，以及对所述初始栅格中所述待选址门店的排斥力向量。
6.根据权利要求1所述的方法，其特征在于，已有门店对所述初始栅格的吸引力向量，为已有门店对所述初始栅格的渗透率向量；已有门店对所述初始栅格中所述待选址门店的排斥力向量，为所述初始栅格对已有门店的渗透率向量；
所述根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量，包括：
将所述初始栅格的区域属性以及所述各个已有门店的特征信息，输入预设的基于到店数据的回归模型，获取已有门店对所述初始栅格的渗透率向量，以及所述初始栅格对已有门店的渗透率向量。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述特征信息包括：门店属性、区域属性、到店人群属性、竞品门店属性；
所述栅格的区域属性包括以下属性中的任意一个或者多个：位置属性、常驻人群属性、交通属性、网络属性。
8.一种门店选址装置，其特征在于，包括：
获取模块，用于获取待选址门店的业务类型以及目标区域；
划分模块，用于对所述目标区域进行栅格划分，得到多个栅格；
所述获取模块，还用于获取所述待选址门店所属的初始栅格的区域属性，以及具有所述业务类型的各个已有门店的特征信息；
确定模块，用于根据所述初始栅格的区域属性以及所述各个已有门店的特征信息，确定所述待选址门店对应的吸引力向量和排斥力向量；所述吸引力向量为已有门店对所述初始栅格的吸引力向量；所述排斥力向量为对所述初始栅格中所述待选址门店的排斥力向量；
所述确定模块，还用于根据所述吸引力向量和所述排斥力向量，确定所述待选址门店是否处于稳定状态；
所述确定模块，还用于在所述待选址门店处于稳定状态时，将所述初始栅格确定为所述待选址门店对应的目的地址。
9.根据权利要求8所述的装置，其特征在于，还包括：移动模块；
所述确定模块，还用于在所述待选址门店处于非稳定状态时，根据所述吸引力向量，确定所述待选址门店的移动方向；
所述移动模块，用于按照所述移动方向将所述待选址门店移动至相邻栅格中；
所述确定模块，还用于根据所述相邻栅格的区域属性以及所述各个已有门店的特征信息，重新确定所述待选址门店对应的吸引力向量和排斥力向量，直至所述待选址门店处于稳定状态；
所述确定模块，还用于将所述待选址门店处于稳定状态时所属的栅格，确定为所述待选址门店对应的目的地址。
10.根据权利要求8所述的装置，其特征在于，所述确定模块具体用于，
计算所述吸引力向量与所述排斥力向量之间的距离；
若所述距离小于第一距离阈值，则确定所述待选址门店处于稳定状态；
若所述距离大于等于第一距离阈值，则确定所述待选址门店处于非稳定状态。
11.根据权利要求8所述的装置，其特征在于，所述待选址门店的数量为多个；确定多个所述待选址门店的目的地址的方式为，
确定各个待选址门店对应的吸引力向量和排斥力向量；
根据各个待选址门店对应的吸引力向量和排斥力向量，确定符合第一预设条件的第一待选址门店；所述预设条件为对应的吸引力向量和排斥量向量之间的距离最大，或者平均到店距离减小最快；
根据第一待选址门店对应的吸引力向量和排斥力向量，确定所述第一待选址门店的目的地址；
重新确定各个待选址门店对应的吸引力向量和排斥力向量，直至各个待选址门店符合第二预设条件为止；所述第二预设条件为对应的吸引力向量和排斥力向量之间的距离小于第二距离阈值，或者平均到店距离小于第三距离阈值。
12.根据权利要求8-12任一项所述的装置，其特征在于，所述特征信息包括：门店属性、区域属性、到店人群属性、竞品门店属性；
所述栅格的区域属性包括以下属性中的任意一个或者多个：位置属性、常驻人群属性、交通属性、网络属性。
13.一种门店选址装置，其特征在于，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的门店选址方法。
14.一种非临时性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中任一所述的门店选址方法。
15.一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如权利要求1-7中任一所述的门店选址方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811296921.1A CN111125273A (zh) | 2018-11-01 | 2018-11-01 | 门店选址方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811296921.1A CN111125273A (zh) | 2018-11-01 | 2018-11-01 | 门店选址方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111125273A true CN111125273A (zh) | 2020-05-08 |
Family
ID=70495081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811296921.1A Pending CN111125273A (zh) | 2018-11-01 | 2018-11-01 | 门店选址方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125273A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016969A (zh) * | 2020-08-31 | 2020-12-01 | 中国银联股份有限公司 | 一种确定目标区域的方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003281348A (ja) * | 2002-03-25 | 2003-10-03 | Yunitekku:Kk | 商圏分析システム、方法、プログラム、及び記録媒体 |
| CN102393869A (zh) * | 2011-12-02 | 2012-03-28 | 河海大学 | 基于加权Voronoi图的连续型物流节点布局优化方法 |
| CN103440589A (zh) * | 2013-09-17 | 2013-12-11 | 上海商学院 | 门店选址系统及方法 |
| WO2014050957A1 (ja) * | 2012-09-27 | 2014-04-03 | 京セラ株式会社 | 表示装置、制御方法および制御プログラム |
| CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
| CN105303418A (zh) * | 2015-12-09 | 2016-02-03 | 北京京东尚科信息技术有限公司 | 一种选址方法和装置 |
| CN106952105A (zh) * | 2017-04-26 | 2017-07-14 | 浙江大学 | 一种基于迁移学习的商铺最优化选址方法 |
| CN107766984A (zh) * | 2017-10-27 | 2018-03-06 | 郑州云海信息技术有限公司 | 基于云计算的商家最优选址系统及方法 |
| CN108009677A (zh) * | 2017-11-29 | 2018-05-08 | 黑龙江鑫联华信息股份有限公司 | 一种选址方法 |
-
2018
- 2018-11-01 CN CN201811296921.1A patent/CN111125273A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003281348A (ja) * | 2002-03-25 | 2003-10-03 | Yunitekku:Kk | 商圏分析システム、方法、プログラム、及び記録媒体 |
| CN102393869A (zh) * | 2011-12-02 | 2012-03-28 | 河海大学 | 基于加权Voronoi图的连续型物流节点布局优化方法 |
| WO2014050957A1 (ja) * | 2012-09-27 | 2014-04-03 | 京セラ株式会社 | 表示装置、制御方法および制御プログラム |
| CN103440589A (zh) * | 2013-09-17 | 2013-12-11 | 上海商学院 | 门店选址系统及方法 |
| CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
| CN105303418A (zh) * | 2015-12-09 | 2016-02-03 | 北京京东尚科信息技术有限公司 | 一种选址方法和装置 |
| CN106952105A (zh) * | 2017-04-26 | 2017-07-14 | 浙江大学 | 一种基于迁移学习的商铺最优化选址方法 |
| CN107766984A (zh) * | 2017-10-27 | 2018-03-06 | 郑州云海信息技术有限公司 | 基于云计算的商家最优选址系统及方法 |
| CN108009677A (zh) * | 2017-11-29 | 2018-05-08 | 黑龙江鑫联华信息股份有限公司 | 一种选址方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱华桂;: "基于持续运营机会约束的竞争设施点选址研究――一种有效的实数编码遗传求解算法" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016969A (zh) * | 2020-08-31 | 2020-12-01 | 中国银联股份有限公司 | 一种确定目标区域的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109067725B (zh) | 网络流量异常检测方法及装置 | |
| CN105091890B (zh) | 用于推荐候选路径的方法和装置 | |
| JP6991163B2 (ja) | 情報をプッシュする方法及びデバイス | |
| US10083228B2 (en) | Searching method and apparatus | |
| CN110675177A (zh) | 门店选址方法和装置 | |
| US10244060B2 (en) | Determining seeds for targeted notifications through online social networks in conjunction with user mobility data | |
| Krehl | Urban subcentres in German city regions: Identification, understanding, comparison | |
| CN104267980B (zh) | 一种软件评分显示方法、终端、数据服务器及系统 | |
| WO2019062418A1 (zh) | 应用清理方法、装置、存储介质及电子设备 | |
| CN108960901B (zh) | 数据处理方法、装置、介质及电子设备 | |
| CN108921656B (zh) | 业务推荐方法及装置 | |
| US20190347306A1 (en) | Taxonomy-based system for discovering and annotating geofences from geo-referenced data | |
| CN109635208A (zh) | 用户到访推断模型建立方法、装置及存储介质 | |
| CN110210564B (zh) | 相似户型检测方法及装置 | |
| CN113536152B (zh) | 一种地图兴趣点展示方法、装置及电子设备 | |
| KR20130134046A (ko) | 하이브리드 협업적 여과 방법을 이용한 코사인 유사도 기반 전문가 추천 장치 및 방법 | |
| JP2014044675A (ja) | 魅力度評価装置及び魅力度調整装置、並びに魅力度を評価するためのコンピュータプログラム、魅力度を調整するためのコンピュータプログラム | |
| CN110969172A (zh) | 一种文本的分类方法以及相关设备 | |
| WO2017155811A1 (en) | Method and device for signal processing | |
| CN113722409A (zh) | 空间关系的确定方法、装置、计算机设备及存储介质 | |
| CN112860993A (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
| CN111125273A (zh) | 门店选址方法及装置 | |
| CN113139139B (zh) | 用于确定上车点的方法、装置、电子设备和介质 | |
| CN112561569B (zh) | 基于双模型的到店预测方法、系统、电子设备及存储介质 | |
| CN108364026A (zh) | 一种簇心更新方法、装置及K-means聚类分析方法、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 |