CN111178975A - 一种商圈的划分方法、装置、电子设备及存储介质 - Google Patents
一种商圈的划分方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111178975A CN111178975A CN201911417280.5A CN201911417280A CN111178975A CN 111178975 A CN111178975 A CN 111178975A CN 201911417280 A CN201911417280 A CN 201911417280A CN 111178975 A CN111178975 A CN 111178975A
- Authority
- CN
- China
- Prior art keywords
- distance
- merchant
- order
- calculating
- business
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种商圈的划分方法、装置、电子设备及存储介质,所述方法包括:获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;根据生成的多个类簇将对应的商户划分为对应的商圈。相比现有技术,本申请实施例在将特定区域内不同位置的商户自动划分到同一商圈时将商户距离和订单交叉量作为商户之间相似度程度的衡量因素,提高了划分效率,同时提高了有效的商户覆盖率,便于在商圈内提供物流调度。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种商圈的划分方法、装置、电子设备及存储介质。
背景技术
商圈的地理范围具有非常重要的商业价值,比如在同城即时物流领域中商圈模式的调度场景中,按照商圈维度进行系统调度,有助于提高配送效率。目前商圈地理范围的确定主要分为人工绘制和自动算法挖掘两种。其中,人工绘制是基于人工理解在地图上面手动绘制出商圈的地理范围,要求绘制人员对某个城市的商业圈较为熟悉,且需要大量的人力进行商圈的划分标注,效率比较低,而且手动划分只能考虑到商户空间位置的问题,无法有效地覆盖到所有的商户。而基于算法的挖掘是通过获取地理数据,设计算法程序自动划分商圈的地理范围。现有的自动算法划分方法存在着诸如准确度较低,参考价值低等问题,无法满足真实业务场景的需要。
发明内容
本申请实施例提供一种商圈的划分方法,通过在将特定区域内不同位置的商户自动划分到同一商圈时将商户距离和订单交叉量作为商户之间相似度程度的衡量的因素,提高了划分效率,同时提高了有效的商户覆盖率。
一方面,本申请提供一种商圈的划分方法,所述方法包括:
获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;
根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;
根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;
根据生成的多个类簇将对应的商户划分为对应的商圈。
在一些实施例中,所述根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度,包括:
根据获取的商户位置信息,将两两商户构造成一对商户组,计算所述商户组之间的导航距离;
判断对应商户组之间的导航距离是否小于预设导航距离阈值,若是,计算对应的商户组之间的推算距离;若否,计算对应商户组之间的订单交叉量;
判断对应商户组之间的订单交叉量是否大于订单交叉量阈值,若是,计算对应的商户组之间的推算距离;若否,返回对应商户组之间的导航距离,结束计算。
在一些实施例中,所述计算对应商户组之间的订单交叉量之后,包括:
判断所述订单交叉量是否大于预设订单交叉量阈值,若是,获取对应商户组的所在的商圈范围值;若否,返回对应商户组之间的导航距离,结束计算;
判断所述商圈范围值是否小于预设商圈范围的阈值,若是,计算对应商户组之间的推算距离,若否,返回对应商户组之间的导航距离,结束计算。
在一些实施例中,在所述获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息之后,还包括:
对所述历史订单信息进行分层抽样。
在一些实施例中,所述计算所述商户组之间的推算距离,包括:
获取对应商户组的商户位置信息和订单分布信息,计算所述商户组之间的订单交叉比和商户组的线段交叉比,赋予所述订单交叉比权重和所述线段交叉比权重;其中,订单交叉比为两个商户之间的订单交叉量与总订单量的比值;线段交叉比为两个商户位置分别与对应订单用户位置的所有直线线段距离中,两个商户之间的线段交叉的比例;
计算所述订单交叉比和所述线段交叉比进行加权后的和与所述商户组之间导航距离的差值,根据所述差值获取所述商户组之间的推算距离。
在一些实施例中,所述根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇,包括:
将相似度最大的商户组合并,作为一个新的商户,重复执行根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度这一步骤,直至所述最小推算距离大于预设推算距离为止,停止循环;其中,所述相似度最大的商户组为所述推算距离最小的商户组。
在一些实施例中,所述将相似度最大的商户组合并,作为一个新的商户,包括:
获取每对商户组之间的推算距离,建立推算距离矩阵;
获取推算距离矩阵的最小值及其对应的商户组;
判断所述最小值是否小于预设推算距离阈值,若是,将对应的商户组合并为一个新的商户。
另一方面,本申请实施例提供一种装置,所述装置包括:
获取模块,用于获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;
计算模块,用于根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;
聚类模块,根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;
划分模块,根据生成的多个类簇将对应的商户划分为对应的商圈。
本申请实施例还提供一种电子设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的商圈划分方法。
另一方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的商圈划分方法。
本申请实施例通过获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;根据生成的多个类簇将对应的商户划分为对应的商圈。相比现有技术,本发明实施例在将特定区域内不同位置的商户自动划分到同一商圈时将商户距离和订单交叉量作为商户之间相似度程度的衡量的因素,提高了划分效率,同时提高了有效的商户覆盖率,便于在商圈内提供物流调度。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1是本发明实施例所提供的商圈划分方法的一个实施例流程示意图。
图2是本发明实施例所提供的商圈划分方法的一个实施例流程示意图。
图3是本发明实施例中步骤102的一个实施例流程示意图。
图4是本发明实施例中步骤102的又一个实施例流程示意图。
图5是本发明实施例中步骤103的一个实施例流程示意图。
图6是本发明实施例中提供的商圈划分装置的一个实施例结构示意图。
图7是本发明实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。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一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
具体地,请参阅图1,图1是本发明实施例所提供的商圈划分方法的一个实施例流程示意图,本申请实施例提供一种商圈的划分方法主要包括以下步骤101~104包括:
101,获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息。
其中,历史订单信息为待规划区域中的历史订单信息,所述待规划区域为一个商圈划分区域,可以对应一个行政区域,例如某市某区,也可以是某个行政区域下的一块设定区域,具体此处不做限定,只要是需要进行商圈划分的区域即可。
此外,在获取订单分布信息后,通过按照订单距离对订单分布信息进行分层抽样,可以尽可能的保留商户订单分布信息的同时,大幅度提高计算效率。
102,根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度。
具体地,在步骤102中根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度,如图2所示,具体包括:
根据获取的商户位置信息,将两两商户构造成一对商户组,计算所述商户组之间的导航距离;
判断对应商户组之间的导航距离是否小于预设导航距离阈值,若是,计算对应的商户组之间的推算距离;若否,计算对应商户组之间的订单交叉量;
判断对应商户组之间的订单交叉量是否大于订单交叉量阈值,若是,计算对应的商户组之间的推算距离;若否,返回对应商户组之间的导航距离,结束计算。
其中,所述商户组之间的导航距离是指根据两个商户的经纬度坐标,利用地图API导航平台的获取两个商户之间的距离。
在本实施例中,在实际场景的推算距离的计算中增加了将商圈内的订单分布作为类簇的条件限制,当簇间的紧密程度太低,即两个商户之间的订单过于分散,订单交叉比太小则不考虑合并这两个商户。
在其他优选实施例中,如图4所示,图4是本发明实施例中步骤102的又一个实施例流程示意图,具体地,在步骤102中根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度,具体包括:
根据获取的商户位置信息,将两两商户构造成一对商户组,计算所述商户组之间的导航距离;
判断对应商户组之间的导航距离是否小于预设导航距离阈值,若是,计算对应的商户组之间的推算距离;若否,计算对应商户组之间的订单交叉量;
判断所述订单交叉量是否大于预设订单交叉量阈值,若是,获取对应商户组的所在的商圈范围值;若否,返回对应商户组之间的导航距离,结束计算;
判断所述商圈范围值是否小于预设商圈范围的阈值,若是,计算对应商户组的推算距离,若否,返回对应商户组之间的导航距离,结束计算。
在上述实施例中,使用Graham扫描算法计算类簇内商户位置坐标的凸包点集作为类簇的范围,即商圈范围,当两个商户之间的推算距离超过预设商圈范围的阈值则不考虑合并这个两个商户。
进一步地,所述计算对应商户组之间的推算距离,具体包括:将两两商户作为一个商户组,根据获取的对应商户组的商户位置信息和订单分布信息,计算所述商户组间的订单交叉比和商户组的线段交叉比,赋予所述订单交叉比权重和所述线段交叉比权重。
其中,订单交叉比为两个商户之间的订单交叉量与总订单量的比值,所述订单交叉量是两个商户与同一用户之间有交叉的订单的数量。例如,对于商户A和商户B,通过计算商户A的所有订单中,用户实际距离B商户更近的订单量,获得订单量A1;再计算商户B的所有订单中,用户实际距离A商户更近的订单量B1;最后将订单量A1和订单量B1加和,即为商户A和商户B之间的订单交叉量。因而,对于商户A和商户B,订单交叉比即商户A和商户B之间的订单交叉量与商户A和商户B之间所有订单的总订单量的比值。商户A和商户B之间线段交叉比为两个商户位置分别与对应订单用户位置的所有直线线段中,两个商户之间的线段出现交叉的比例。例如,计算商户A、B之间线段交叉比时,先将商户A的订单连线,即将商户A的位置与其用户的位置相连接,获得线段量A2;再将商户B的订单连线,即将商户B的位置与其用户的位置相连接,获得线段量B2;将线段量A2和线段量B2即获得商户A和商户B之间的总线段量。计算商户A和商户B之间的线段交叉比线段量A2和线段量B2之间出现两两相交的线段数量,得到线段交叉量;最后计算获得的线段交叉量和总线段量之间的比值即之间得到这两个商户之间的线段交叉比。
通过计算所述订单交叉比和所述线段交叉比进行加权后的和与所述商户组之间导航距离的差值,根据所述差值获取所述商户组之间的推算距离。
所述商户组的推算距离计算公式如下:
DC=DR-ω1r1-ω2r2…… (1)
其中,DC表示商户组之间的推算距离,DR表示商户组之间的导航距离,r1表示商户组之间的订单交叉比,r2表示商户组之间的线段交叉比,ω1和ω2分别表示订单交叉比和线段交叉比权重。
例如,商户A和商户B之间的导航距离DR是500m,商户A的订单量是40单,商户B的订单量是60单,ω1和ω1都是100。商户A、B商户之间有30单产生订单交叉,则订单交叉比r1是0.3;商户A、B之间有20单产生线段交叉,线段交叉比r2是0.2,根据公式(1)最终的计算得到的推算距离DC为450m。
距离相似度可由的推算距离转换公式获得,例如,在本实施例中,所述距离相似度为1/DC;即,当商户组之间的推算距离越大,则所述商户组之间的距离相似度越小。
103,根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇。
具体地,步骤103中根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇,具体包括:
将相似度最大的商户组合并,作为一个新的商户,重复执行步骤102,直至所述最小推算距离大于预设推算距离为止,停止循环;其中,所述相似度最大的商户组为所述推算距离最小的商户组。
具体地,所述将相似度最大的商户组合并,作为一个新的商户,如图5所示,具体包括:
301,获取每对商户组之间的推算距离,建立推算距离矩阵;
302,获取推算距离矩阵的最小值及其对应的商户组;
303,判断所述最小值是否小于预设推算距离阈值,若是,将对应的商户组合并为一个新的商户。
104,根据生成的多个类簇将对应的商户划分为对应的商圈。
具体地,在本实施例中,根据生成的多个类簇可将待规划区域的对应的商户划分为对应的多个商圈。例如可以通过以上步骤将一个配送中心(如A市B区)的相似商户合并成一组,最终形成多个商圈。在实际应用中,商圈的划分随着划分区域的不断发展,商圈的范围以及个数都可能随着产生变化,因此,可周期性地获取商圈中的历史订单信息,对历史订单信息进行更新,从而方便对商圈进行调账,以保证商圈的时效性和合理性。
为了更好实施本发明实施例中的商圈划分方法,在商圈划分方法的基础之上,本申请实施例提供一种商圈划分装置,如图6所示,所述商圈划分装置包括:
获取模块501,用于获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;
在一些实施例中,所述获取模块101还用于:对所述历史订单信息进行分层抽样。
计算模块502,用于根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;
在一些实施例中,计算模块502具体用于:
根据获取的商户位置信息,将两两商户构造成一对商户组,计算所述商户组之间的导航距离;
判断对应商户组之间的导航距离是否小于预设导航距离阈值,若是,计算对应的商户组之间的推算距离;若否,计算对应商户组之间的订单交叉量;
判断对应商户组之间的订单交叉量是否大于订单交叉量阈值,若是,计算对应的商户组之间的推算距离;若否,返回对应商户组之间的导航距离,结束计算。
在一些实施例中,所述计算对应商户组的订单交叉量值之后,包括:
判断所述订单交叉量是否大于预设订单交叉量阈值,若是,获取对应商户组的所在的商圈范围值;若否,返回对应商户组之间的导航距离,结束计算;
判断所述商圈范围值是否小于预设商圈范围的阈值,若是,计算对应商户组的推算距离,若否,返回对应商户组之间的导航距离,结束计算。
在一些实施例中,所述获取所述商户组的推算距离,具体包括:
获取对应商户组的商户位置信息和订单分布信息,计算所述商户组之间的订单交叉比和商户组的线段交叉比,赋予所述订单交叉比权重和所述线段交叉比权重;其中,订单交叉比为两个商户之间的订单交叉量与总订单量的比值;线段交叉比为两个商户位置分别与对应订单用户位置的所有直线线段距离中,两个商户之间的线段交叉的比例;
计算所述订单交叉比和所述线段交叉比进行加权后的和与所述商户组之间导航距离的差值,根据所述差值获取所述商户组的推算距离。
聚类模块503,根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇。
在一些实施例中,所述聚类模块503具体用于:将相似度最大的商户组合并,作为一个新的商户,重复执行根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度这一步骤,直至所述最小推算距离大于预设推算距离为止,停止循环;其中,所述相似度最大的商户组为所述推算距离最小的商户组。
在一些实施例中,所述将相似度最大的商户组合并,作为一个新的商户,具体包括:
获取每对商户组的推算距离,建立推算距离矩阵;
获取推算距离矩阵的最小值及其对应的商户组;
判断所述最小值是否小于预设推算距离阈值,若是,将对应的商户组合并为一个新的商户。
划分模块504,根据生成的多个类簇将对应的商户划分为对应的商圈。
本申请实施例通过获取模块501获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;计算模块502根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;聚类模块503根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;划分模块504根据生成的多个类簇将对应的商户划分为对应的商圈。相比现有技术,本发明实施例在将特定区域内不同位置的商户自动划分到同一商圈时将商户距离和订单交叉量作为商户之间相似度程度的衡量的因素,提高了划分效率,同时提高了有效的商户覆盖率,便于在商圈内提供物流调度。
本实施例还提供一种电子设备,其集成了本发明实施例所提供的任一种商圈划分装置,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的商圈划分方法中的步骤。
本申请实施例还提供一种电子设备,其集成了本发明实施例所提供的任一种商圈划分装置。如图7所示,其示出了本发明实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、电源603和输入单元604等部件。本领域技术人员可以理解,图6中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中:
处理器601是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器602内的软件程序和/或模块,以及调用存储在存储器602内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器601可包括一个或多个处理核心;优选的,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。
存储器602可用于存储软件程序以及模块,处理器601通过运行存储在存储器602的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器602还可以包括存储器控制器,以提供处理器601对存储器602的访问。
电子设备还包括给各个部件供电的电源603,优选的,电源603可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元604,该输入单元604可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器601会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中,并由处理器601来运行存储在存储器602中的应用程序,从而实现各种功能,如下:
获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;根据生成的多个类簇将对应的商户划分为对应的商圈。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本发明实施例所提供的任一种商圈划分方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;根据生成的多个类簇将对应的商户划分为对应的商圈。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述,在此不再赘述。。
以上对本申请实施例所提供的一种电子装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想;本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。
Claims (10)
1.一种商圈划分方法,其特征在于,包括:
获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;
根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;
根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;
根据生成的多个类簇将对应的商户划分为对应的商圈。
2.如权利要求1所述的方法,其特征在于,所述根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度,包括:
根据获取的商户位置信息,将两两商户构造成一对商户组,计算所述商户组之间的导航距离;
判断对应商户组之间的导航距离是否小于预设导航距离阈值,若是,计算对应的商户组之间的推算距离;若否,计算对应商户组之间的订单交叉量;
判断对应商户组之间的订单交叉量是否大于订单交叉量阈值,若是,计算对应的商户组之间的推算距离;若否,返回对应商户组之间的导航距离,结束计算。
3.如权利要求2所述的方法,其特征在于,所述计算对应商户组之间的订单交叉量之后,包括:
判断所述订单交叉量是否大于预设订单交叉量阈值,若是,获取对应商户组的所在的商圈范围值;若否,返回对应商户组之间的导航距离,结束计算;
判断所述商圈范围值是否小于预设商圈范围的阈值,若是,计算对应商户组之间的推算距离,若否,返回对应商户组之间的导航距离,结束计算。
4.如权利要求1所述的方法,其特征在于,在所述获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息之后,还包括:
对所述历史订单信息进行分层抽样。
5.如权利要求2或3所述的方法,其特征在于,所述计算所述商户组之间的推算距离,包括:
获取对应商户组的商户位置信息和订单分布信息,计算所述商户组之间的订单交叉比和商户组的线段交叉比,赋予所述订单交叉比权重和所述线段交叉比权重;其中,订单交叉比为两个商户之间的订单交叉量与总订单量的比值;线段交叉比为两个商户位置分别与对应订单用户位置的所有直线线段距离中,两个商户之间的线段交叉的比例;
计算所述订单交叉比和所述线段交叉比进行加权后的和与所述商户组之间导航距离的差值,根据所述差值获取所述商户组的推算距离。
6.如权利要求2所述的方法,其特征在于,所述根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇,包括:
将相似度最大的商户组合并,作为一个新的商户,重复执行根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度这一步骤,直至所述最小推算距离大于预设推算距离为止,停止循环;其中,所述相似度最大的商户组为所述推算距离最小的商户组。
7.如权利要求6所述的方法,其特征在于,所述将相似度最大的商户组合并,作为一个新的商户,包括:
获取每对商户组之间的推算距离,建立推算距离矩阵;
获取推算距离矩阵的最小值及其对应的商户组;
判断所述最小值是否小于预设推算距离阈值,若是,将对应的商户组合并为一个新的商户。
8.一种装置,其特征在于,所述装置包括:
获取模块,用于获取历史订单信息,根据所述历史订单信息获取商户位置信息和订单分布信息;
计算模块,用于根据所述商户位置信息和订单分布信息计算两两商户之间的距离相似度;
聚类模块,根据所述距离相似度和预设距离相似度对商户进行聚类,生成多个类簇;
划分模块,根据生成的多个类簇将对应的商户划分为对应的商圈。
9.一种电子设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7任一项所述的商圈划分方法。
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至7任一项所述的商圈划分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417280.5A CN111178975A (zh) | 2019-12-31 | 2019-12-31 | 一种商圈的划分方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417280.5A CN111178975A (zh) | 2019-12-31 | 2019-12-31 | 一种商圈的划分方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111178975A true CN111178975A (zh) | 2020-05-19 |
Family
ID=70654419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911417280.5A Pending CN111178975A (zh) | 2019-12-31 | 2019-12-31 | 一种商圈的划分方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178975A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932318A (zh) * | 2020-09-21 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 区域划分方法、装置、电子设备及计算机可读存储介质 |
CN112257737A (zh) * | 2020-06-29 | 2021-01-22 | 北京沃东天骏信息技术有限公司 | 异常商品对象的识别方法、设备及存储介质 |
CN112308600A (zh) * | 2020-09-15 | 2021-02-02 | 天津五八到家货运服务有限公司 | 商圈划分方法、装置及存储介质 |
CN112783963A (zh) * | 2021-03-17 | 2021-05-11 | 上海数喆数据科技有限公司 | 基于商圈划分的企业线下与线上多源数据整合方法及装置 |
CN113592539A (zh) * | 2021-06-30 | 2021-11-02 | 杭州拼便宜网络科技有限公司 | 基于人工智能的店铺订单趋势预测方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649331A (zh) * | 2015-10-29 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 商圈识别方法及设备 |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN109102334A (zh) * | 2018-08-07 | 2018-12-28 | 长沙市到家悠享家政服务有限公司 | 商圈划分方法、装置及电子设备 |
CN110363414A (zh) * | 2019-06-28 | 2019-10-22 | 秒针信息技术有限公司 | 配送区域的划分方法及装置 |
-
2019
- 2019-12-31 CN CN201911417280.5A patent/CN111178975A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649331A (zh) * | 2015-10-29 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 商圈识别方法及设备 |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN109102334A (zh) * | 2018-08-07 | 2018-12-28 | 长沙市到家悠享家政服务有限公司 | 商圈划分方法、装置及电子设备 |
CN110363414A (zh) * | 2019-06-28 | 2019-10-22 | 秒针信息技术有限公司 | 配送区域的划分方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257737A (zh) * | 2020-06-29 | 2021-01-22 | 北京沃东天骏信息技术有限公司 | 异常商品对象的识别方法、设备及存储介质 |
CN112308600A (zh) * | 2020-09-15 | 2021-02-02 | 天津五八到家货运服务有限公司 | 商圈划分方法、装置及存储介质 |
CN111932318A (zh) * | 2020-09-21 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 区域划分方法、装置、电子设备及计算机可读存储介质 |
CN111932318B (zh) * | 2020-09-21 | 2021-01-19 | 腾讯科技(深圳)有限公司 | 区域划分方法、装置、电子设备及计算机可读存储介质 |
CN112783963A (zh) * | 2021-03-17 | 2021-05-11 | 上海数喆数据科技有限公司 | 基于商圈划分的企业线下与线上多源数据整合方法及装置 |
CN112783963B (zh) * | 2021-03-17 | 2023-04-28 | 上海数喆数据科技有限公司 | 基于商圈划分的企业线下与线上多源数据整合方法及装置 |
CN113592539A (zh) * | 2021-06-30 | 2021-11-02 | 杭州拼便宜网络科技有限公司 | 基于人工智能的店铺订单趋势预测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178975A (zh) | 一种商圈的划分方法、装置、电子设备及存储介质 | |
EP3449435A1 (en) | System and method for determining routes of transportation service | |
CN107767212B (zh) | 一种供需关系的计算方法、装置、服务器和存储介质 | |
CN107289925A (zh) | 一种绘制用户轨迹的方法和装置 | |
CN103870604B (zh) | 旅游推荐方法和装置 | |
CN109144697A (zh) | 一种任务调度方法、装置、电子设备及存储介质 | |
CN110555432A (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN105264457B (zh) | 能耗监控方法及装置 | |
CN112270825B (zh) | 一种停车判定方法、装置、电子设备及存储介质 | |
CN112581184A (zh) | 一种空铁联运票价制定方法、系统、设备及可读存储介质 | |
CN116977575A (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN115511343A (zh) | 一种城市核心区域的确定方法、装置、设备以及存储介质 | |
CN116401326A (zh) | 道路标识的更新方法及装置 | |
CN114741435A (zh) | 控制站供水保证水位确定方法及其相关装置 | |
CN111339468B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN114937215A (zh) | 一种城市功能区的识别方法及装置 | |
CN111985514A (zh) | 商圈识别方法、装置、电子设备及存储介质 | |
CN111861092B (zh) | 一种停放区域风险识别方法、装置、电子设备及存储介质 | |
CN109635047B (zh) | 地理网格的信息处理方法、装置、设备及可读存储介质 | |
CN112396202A (zh) | 业务目标的预测方法、装置、服务器及存储介质 | |
CN112418625A (zh) | 一种道路养护资源分配方法和装置 | |
CN113077309A (zh) | 订单分配方法、装置、计算机设备及可读存储介质 | |
CN112199077A (zh) | 一种基于dtin的cors选站指标优化方法 | |
CN112949960A (zh) | 物流片区划分方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |