CN111401787A - 一种选址方法、装置、系统 - Google Patents
一种选址方法、装置、系统 Download PDFInfo
- Publication number
- CN111401787A CN111401787A CN202010275174.4A CN202010275174A CN111401787A CN 111401787 A CN111401787 A CN 111401787A CN 202010275174 A CN202010275174 A CN 202010275174A CN 111401787 A CN111401787 A CN 111401787A
- Authority
- CN
- China
- Prior art keywords
- target
- weight
- index
- judgment matrix
- layer
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开一种选址方法、装置、系统,方法包括:利用层次分析法构建包括目标层、准则层和方案层的层次结构模型;计算准则层的每一个目标指标的第一权重;对目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;根据目标指标的目标权重计算方案层的每一个目标位置点的权重。本申请将层次分析法和回归分析法结合获取指标的权重,最终确定各个候选位置点的权重,实现了对候选位置点的评分,从而不再需要消耗大量的人力去实地检测,能够实现足不出户就实时了解地点的动态。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种选址方法、装置、系统。
背景技术
在进行商业机构、店铺等选址时,普遍采用的方法是实地踩点,以统计数据信息作为选址的数据依据,从而做出判断。该方法缺乏辅助工具,不仅消耗大量的人力物力,而且效率低下,最终得到的地址也并不一定科学,不利于在当今高速发展的社会发展。
发明内容
为了解决现有技术的问题,本发明提出了一种选址方法、装置、系统,本方法不再需要消耗大量的人力去实地检测,能够实现足不出户就实时了解地点的动态。
本发明实施例提供的具体技术方案如下:
第一方面,本发明提供一种选址方法,所述方法包括:
利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,所述准则层由获取到的至少一个目标指标构成、所述方案层由获取到的至少一个目标位置点构成;
计算所述准则层的每一个目标指标的第一权重;
对所述目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重。
优选的,根据第一权重和第二权重计算每一个目标指标的目标权重具体包括:
将所述目标指标的第一权重和第二权重相乘,得到每一个目标指标的综合权重;
计算所述目标指标的综合权重和第一权重之间的差值;
当差值满足预设范围时,将所述综合权重确定为目标权重;
当差值不满足预设范围时,按照预定的规则获取一计算方法,根据所述计算方法对所述综合权重进行调整,将调整后的综合权重确定为目标权重。
优选的,计算准则层的每一个目标指标的第一权重具体包括:
构建第一判断矩阵并对所述第一判断矩阵进行一致性检验以使所述第一判断矩阵满足一致性条件;
计算满足一致性条件的第一判断矩阵的特征向量,所述第一判断矩阵的特征向量中的各个元素代表了不同目标指标的第一权重;
其中,所述第一判断矩阵用于表示所述准则层的每一个目标指标相对于所述目标层的重要程度。
优选的,构建第一判断矩阵并对所述第一判断矩阵进行一致性检验以使所述第一判断矩阵满足一致性条件具体包括:
根据九标度法对所述第一判断矩阵的每一个目标指标进行两两比较,构建所述第一判断矩阵;
计算第一判断矩阵的最大特征根,并根据所述第一判断矩阵的最大特征根计算第一判断矩阵的一致性指标,根据所述第一判断矩阵的一致性指标计算第一判断矩阵的随机一致性比率;
将第一判断矩阵的随机一致性比率与预设值进行比较,当随机一致性比率大于预设值时对第一判断矩阵进行调整以使调整后的第一判断矩阵的随机一致性比率小于预设值从而使得所述第一判断矩阵满足一致性条件。
优选的,根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重具体包括:
构建第二判断矩阵,并对每一个第二判断矩阵进行一致性检验以使每一个第二判断矩阵满足一致性条件;
计算每一个满足一致性条件的第二判断矩阵的特征向量,每一个第二判断矩阵的特征向量中的各个元素代表了对应的目标位置点对所述准则层的每一个目标指标的权重;
将所述目标指标的目标权重作为权数,对每一个第二判断矩阵的特征向量进行加权求和,得到对应的目标位置点的权重;
其中,每一个第二判断矩阵用于表示所述方案层的一目标位置点相对于所述准则层的每一个目标指标的重要程度。
优选的,所述目标指标的获取方法包括:
构建指标库;
采集POI信息点并对所述POI信息点进行标准化处理以得到目标变量;
对指标库中的指标及所述目标变量进行相关性分析,获取相关度大于预设值时的指标;
将相关度大于预设值时的指标确定为所述目标指标。
优选的,所述相关性分析的方法为皮尔森算法。
优选的,所述目标位置点的获取方法包括:
根据电子地图和POI信息点,确定目标位置点。
第二方面,本发明提供一种选址装置,所述装置包括:
建模模块,用于利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,所述准则层由获取到的至少一个目标指标构成、所述方案层由获取到的至少一个目标位置点构成;
计算模块,用于计算所述准则层的每一个目标指标的第一权重;
调整模块,用于对所述目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
所述计算模块还用于根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重。
优选的,所述调整模块具体用于:
将所述目标指标的第一权重和第二权重相乘,得到每一个目标指标的综合权重;
计算所述目标指标的综合权重和第一权重之间的差值;
当差值满足预设范围时,将所述综合权重确定为目标权重;
当差值不满足预设范围时,按照预定的规则获取一计算方法,根据所述计算方法对所述综合权重进行调整,将调整后的综合权重确定为目标权重。
优选的,所述计算模块具体用于:
构建第一判断矩阵并对所述第一判断矩阵进行一致性检验以使所述第一判断矩阵满足一致性条件;
计算满足一致性条件的第一判断矩阵的特征向量,所述第一判断矩阵的特征向量中的各个元素代表了不同目标指标的第一权重;
其中,所述第一判断矩阵用于表示所述准则层的每一个目标指标相对于所述目标层的重要程度。
优选的,所述计算模块还具体用于:
根据九标度法对所述第一判断矩阵的每一个目标指标进行两两比较,构建所述第一判断矩阵;
计算第一判断矩阵的最大特征根,并根据所述第一判断矩阵的最大特征根计算第一判断矩阵的一致性指标,根据所述第一判断矩阵的一致性指标计算第一判断矩阵的随机一致性比率;
将第一判断矩阵的随机一致性比率与预设值进行比较,当随机一致性比率大于预设值时对第一判断矩阵进行调整以使调整后的第一判断矩阵的随机一致性比率小于预设值从而使得所述第一判断矩阵满足一致性条件。
优选的,所述计算模块还具体用于:
构建第二判断矩阵,并对每一个第二判断矩阵进行一致性检验以使每一个第二判断矩阵满足一致性条件;
计算每一个满足一致性条件的第二判断矩阵的特征向量,每一个第二判断矩阵的特征向量中的各个元素代表了对应的目标位置点对所述准则层的每一个目标指标的权重;
将所述目标指标的目标权重作为权数,对每一个第二判断矩阵的特征向量进行加权求和,得到对应的目标位置点的权重;
其中,每一个第二判断矩阵用于表示所述方案层的一目标位置点相对于所述准则层的每一个目标指标的重要程度。
优选的,所述装置还包括第一获取模块,用于:
构建指标库;
采集POI信息点并对所述POI信息点进行标准化处理以得到目标变量;
对指标库中的指标及所述目标变量进行相关性分析,获取相关度大于预设值时的指标;
将相关度大于预设值时的指标确定为所述目标指标。
优选的,所述相关性分析的方法为皮尔森算法。
优选的,所述装置还包括第二获取模块,用于
根据电子地图和POI信息点,确定目标位置点。
第三方面,本发明提供一种计算机系统,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,所述准则层由获取到的至少一个目标指标构成、所述方案层由获取到的至少一个目标位置点构成;
计算所述准则层的每一个目标指标的第一权重;
对所述目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重。
本发明实施例具有如下有益效果:本方法以层次分析法作为基础分析方法构建层次结构模型,由于层次分析法中指标权重的确定依赖经验判断、易受主观因素影响,基于此使用数据分析的方法(即一元线性回归分析)来调整指标的权重,最终确定各个候选位置点的权重,实现了对候选位置点的评分,从而不再需要消耗大量的人力去实地检测,能够实现足不出户就实时了解地点的动态。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的选址方法的流程图;
图2是本申请实施例二提供的选址装置的结构示意图;
图3是本申请实施例三提供的计算机系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,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,本领域普通技术人员在没有做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。
实施例一
如背景技术中所述,现有技术中在进行商业机构、店铺等选址时,普遍采用的方法是实地踩点,该方法虽以统计数据信息为基础,但是仍依赖于人的主观判断,因此选址结果并不一定精确,并且由于人为选址,消耗巨大人力物力,造成成本浪费,基于此,本申请提供了一种选址方法,如图1所示,可以实现一商业机构(如银行)的选址,该方法不消耗大量的人力去实地检测,可以实现足不出户实时了解地点的动态。方法具体包括:
S1、确定目标指标和目标位置点。
具体可以包括:
S11、构建指标库;
对于商业机构来说,当其设置于各城市的资源聚合、商业聚合、交通聚合、人流量汇聚的区域,通常可以为机构带来更大的收益;
示例性的,本方案中商业机构为银行,因此可以选择资源、商业、交通、人流量等作为评分指标。
具体的,指标库中指标要素可以包括资源密度、人流动线、同业竞争、立地条件等,其中,资源密度要素包括商业资源、居民资源、政企资源等第一指标;人流动线要素包括步行动线、机动车动线、零售联动性等第一指标;同业竞争项要素包括同业数量,本企业等第一指标;立地条件要素包括位置特征、物业条件、客流阻隔等第一指标。各个第一指标下还细分了若干第二指标。
S12、采集POI信息点并对POI信息点进行标准化处理以得到目标变量;
其中,POI信息点为兴趣点,每一个信息点包括四个维度的信息:名称、类别、经度、纬度,此外,对于一银行来说,目标变量可以为银行营业额。
上述标准化处理的步骤具体可以包括:
对POI信息点的极值、缺失值进行处理以实现标准化。
S13、对指标库中的指标及目标变量进行相关性分析,获取相关度大于预设值时的指标;
具体的,相关性分析的方法可以选择皮尔森算法;
S14、将相关度大于预设值时的指标确定为目标指标。
本方案中,目标指标为12个第一指标(商业资源、居民资源、政企资源、步行动线、机动车动线、零售联动性、步行动线、机动车动线、零售联动性、位置特征、物业条件、客流阻隔)下的21项指标。
S15、根据电子地图和POI信息点,确定目标位置点。
根据电子地图和POI信息点,便可找到各城市的若干中心点,即区域内资源聚合、商业聚合、交通聚合、人流量汇聚的地方,从而确定得到目标位置点。
S2、利用层次分析法构建包括目标层、准则层和方案层的层次结构模型。
本方案中,目标层即为本方案需要解决的技术问题:对目标位置点的排序;准则层由获取到的至少一个目标指标构成、方案层由获取到的至少一个目标位置点构成。
层次分析法(AHP)是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法,该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出个方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。
S3、计算准则层的每一个目标指标的第一权重。
上述步骤具体包括:
S31、构建第一判断矩阵并对第一判断矩阵进行一致性检验以使第一判断矩阵满足一致性条件;
其中,第一判断矩阵用于表示准则层的每一个目标指标相对于目标层的重要程度。
上述步骤S31具体可以包括:
1、根据九标度法对第一判断矩阵的每一个目标指标进行两两比较,构建第一判断矩阵;
2、计算第一判断矩阵的最大特征根,并根据第一判断矩阵的最大特征根计算第一判断矩阵的一致性指标,根据第一判断矩阵的一致性指标计算第一判断矩阵的随机一致性比率;
3、将第一判断矩阵的随机一致性比率与预设值进行比较,当随机一致性比率大于预设值时对第一判断矩阵进行调整以使调整后的第一判断矩阵的随机一致性比率小于预设值从而使得第一判断矩阵满足一致性条件。
具体的,当CR<0.1时,则第一判断矩阵符合一致性条件;
当CR>0.1时,第一判断矩阵不符合一致性条件,对第一判断矩阵进行调整以使得调整后的第一判断矩阵的随机一致性比率小于0.1。
S32、计算满足一致性条件的第一判断矩阵的特征向量,第一判断矩阵的特征向量中的各个元素代表了不同目标指标的第一权重。
具体的,λmax对应的的特征特征向量为W={w1,w2,…,wn,},其中W即为每一个目标指标的第一权重的集合。
S4、对目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重。
具体的,上述根据第一权重和第二权重计算每一个目标指标的目标权重具体包括:
S41、将目标指标的第一权重和第二权重相乘,得到每一个目标指标的综合权重;
S42、计算目标指标的综合权重和第一权重之间的差值;
S43、当差值满足预设范围时,将综合权重确定为目标权重;
S44、当差值不满足预设范围时,按照预定的规则获取一计算方法,根据计算方法对综合权重进行调整,将调整后的综合权重确定为目标权重。
S5、根据目标指标的目标权重计算方案层的每一个目标位置点的权重。
具体包括:
S51、构建第二判断矩阵,并对每一个第二判断矩阵进行一致性检验以使每一个第二判断矩阵满足一致性条件;
其中,每一个第二判断矩阵用于表示方案层的一目标位置点相对于准则层的每一个目标指标的重要程度。
具体的,第二判断矩阵的构建方法与第一判断矩阵的构建方法相同,因此不再赘述。
S52、计算每一个满足一致性条件的第二判断矩阵的特征向量,每一个第二判断矩阵的特征向量中的各个元素代表了对应的目标位置点对准则层的每一个目标指标的权重;
S53、将目标指标的目标权重作为权数,对每一个第二判断矩阵的特征向量进行加权求和,得到对应的目标位置点的权重。
实施例二
与实施例一对应,如图2所示,本申请还提供一种选址装置,包括:
建模模块21,用于利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,准则层由获取到的至少一个目标指标构成、方案层由获取到的至少一个目标位置点构成;
计算模块22,用于计算准则层的每一个目标指标的第一权重;
调整模块23,用于对目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
上述计算模块22还用于根据目标指标的目标权重计算方案层的每一个目标位置点的权重。
优选的,上述调整模块23具体用于:
将目标指标的第一权重和第二权重相乘,得到每一个目标指标的综合权重;
计算目标指标的综合权重和第一权重之间的差值;
当差值满足预设范围时,将综合权重确定为目标权重;
当差值不满足预设范围时,按照预定的规则获取一计算方法,根据计算方法对综合权重进行调整,将调整后的综合权重确定为目标权重。
优选的,上述计算模块22具体用于:
构建第一判断矩阵并对第一判断矩阵进行一致性检验以使第一判断矩阵满足一致性条件;
计算满足一致性条件的第一判断矩阵的特征向量,第一判断矩阵的特征向量中的各个元素代表了不同目标指标的第一权重;
其中,第一判断矩阵用于表示准则层的每一个目标指标相对于目标层的重要程度。
优选的,上述计算模块22还具体用于:
根据九标度法对第一判断矩阵的每一个目标指标进行两两比较,构建第一判断矩阵;
计算第一判断矩阵的最大特征根,并根据第一判断矩阵的最大特征根计算第一判断矩阵的一致性指标,根据第一判断矩阵的一致性指标计算第一判断矩阵的随机一致性比率;
将第一判断矩阵的随机一致性比率与预设值进行比较,当随机一致性比率大于预设值时对第一判断矩阵进行调整以使调整后的第一判断矩阵的随机一致性比率小于预设值从而使得第一判断矩阵满足一致性条件。
优选的,上述计算模块22还具体用于:
构建第二判断矩阵,并对每一个第二判断矩阵进行一致性检验以使每一个第二判断矩阵满足一致性条件;
计算每一个满足一致性条件的第二判断矩阵的特征向量,每一个第二判断矩阵的特征向量中的各个元素代表了对应的目标位置点对准则层的每一个目标指标的权重;
将目标指标的目标权重作为权数,对每一个第二判断矩阵的特征向量进行加权求和,得到对应的目标位置点的权重;
其中,每一个第二判断矩阵用于表示方案层的一目标位置点相对于准则层的每一个目标指标的重要程度。
优选的,上述装置还包括第一获取模块24,用于:
构建指标库;
采集POI信息点并对POI信息点进行标准化处理以得到目标变量;
对指标库中的指标及目标变量进行相关性分析,获取相关度大于预设值时的指标;
将相关度大于预设值时的指标确定为目标指标。
优选的,上述相关性分析的方法为皮尔森算法。
优选的,上述装置还包括第二获取模块25,用于:
根据电子地图和POI信息点,确定目标位置点。
实施例三
本申请还提供一种计算机系统,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,准则层由获取到的至少一个目标指标构成、方案层由获取到的至少一个目标位置点构成;
计算准则层的每一个目标指标的第一权重;
对目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
根据目标指标的目标权重计算方案层的每一个目标位置点的权重。
其中,图3示例性的展示出了计算机系统的架构,具体可以包括处理器32,视频显示适配器34,磁盘驱动器36,输入/输出接口38,网络接口310,以及存储器312。上述处理器32、视频显示适配器34、磁盘驱动器36、输入/输出接口38、网络接口310,与存储器312之间可以通过通信总线314进行通信连接。
其中,处理器32可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器312可以采用ROM(Read Only Memory,只读存储器)、RAM(RandomAccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器312可以存储用于控制计算机系统30运行的操作系统316,用于控制计算机系统的低级别操作的基本输入输出系统(BIOS)318。另外,还可以存储网页浏览器320,数据存储管理系统322等等。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器312中,并由处理器32来调用执行。
输入/输出接口38用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口310用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
通信总线314包括一通路,在设备的各个组件(例如处理器32、视频显示适配器34、磁盘驱动器36、输入/输出接口38、网络接口310,与存储器312之间传输信息。
另外,该计算机系统还可以从虚拟资源对象领取条件信息数据库中获得具体领取条件的信息,以用于进行条件判断,等等。
需要说明的是,尽管上述设备仅示出了处理器32、视频显示适配器34、磁盘驱动器36、输入/输出接口38、网络接口310,存储器312,通信总线314等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,云服务端,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
尽管已描述了本发明实施例中的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例中范围的所有变更和修改。另外,上述实施例提供的计算机系统、选址装置与选址方法属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种选址方法,其特征在于,所述方法包括:
利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,所述准则层由获取到的至少一个目标指标构成、所述方案层由获取到的至少一个目标位置点构成;
计算所述准则层的每一个目标指标的第一权重;
对所述目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重。
2.根据权利要求1所述的方法,其特征在于,根据第一权重和第二权重计算每一个目标指标的目标权重具体包括:
将所述目标指标的第一权重和第二权重相乘,得到每一个目标指标的综合权重;
计算所述目标指标的综合权重和第一权重之间的差值;
当差值满足预设范围时,将所述综合权重确定为目标权重;
当差值不满足预设范围时,按照预定的规则获取一计算方法,根据所述计算方法对所述综合权重进行调整,将调整后的综合权重确定为目标权重。
3.根据权利要求1所述的方法,其特征在于,计算所述准则层的每一个目标指标的第一权重具体包括:
构建第一判断矩阵并对所述第一判断矩阵进行一致性检验以使所述第一判断矩阵满足一致性条件;
计算满足一致性条件的第一判断矩阵的特征向量,所述第一判断矩阵的特征向量中的各个元素代表了不同目标指标的第一权重;
其中,所述第一判断矩阵用于表示所述准则层的每一个目标指标相对于所述目标层的重要程度。
4.根据权利要求3所述的方法,其特征在于,构建第一判断矩阵并对所述第一判断矩阵进行一致性检验以使所述第一判断矩阵满足一致性条件具体包括:
根据九标度法对所述第一判断矩阵的每一个目标指标进行两两比较,构建所述第一判断矩阵;
计算第一判断矩阵的最大特征根,并根据所述第一判断矩阵的最大特征根计算第一判断矩阵的一致性指标,根据所述第一判断矩阵的一致性指标计算第一判断矩阵的随机一致性比率;
将第一判断矩阵的随机一致性比率与预设值进行比较,当随机一致性比率大于预设值时对第一判断矩阵进行调整以使调整后的第一判断矩阵的随机一致性比率小于预设值从而使得所述第一判断矩阵满足一致性条件。
5.根据权利要求1所述的方法,其特征在于,根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重具体包括:
构建第二判断矩阵,并对每一个第二判断矩阵进行一致性检验以使每一个第二判断矩阵满足一致性条件;
计算每一个满足一致性条件的第二判断矩阵的特征向量,每一个第二判断矩阵的特征向量中的各个元素代表了对应的目标位置点对所述准则层的每一个目标指标的权重;
将所述目标指标的目标权重作为权数,对每一个第二判断矩阵的特征向量进行加权求和,得到对应的目标位置点的权重;
其中,每一个第二判断矩阵用于表示所述方案层的一目标位置点相对于所述准则层的每一个目标指标的重要程度。
6.根据权利要求1~5任意一项所述的方法,其特征在于,所述目标指标的获取方法包括:
构建指标库;
采集POI信息点并对所述POI信息点进行标准化处理以得到目标变量;
对指标库中的指标及所述目标变量进行相关性分析,获取相关度大于预设值时的指标;
将相关度大于预设值时的指标确定为所述目标指标。
7.根据权利要求6所述的方法,其特征在于,所述相关性分析的方法为皮尔森算法。
8.根据权利要求1~5任意一项所述的方法,其特征在于,所述目标位置点的获取方法包括:
根据电子地图和POI信息点,确定目标位置点。
9.一种选址装置,其特征在于,所述装置包括:
建模模块,用于利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,所述准则层由获取到的至少一个目标指标构成、所述方案层由获取到的至少一个目标位置点构成;
计算模块,用于计算所述准则层的每一个目标指标的第一权重;
调整模块,用于对所述目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
所述计算模块还用于根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重。
10.一种计算机系统,其特征在于,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
利用层次分析法构建包括目标层、准则层和方案层的层次结构模型,所述准则层由获取到的至少一个目标指标构成、所述方案层由获取到的至少一个目标位置点构成;
计算所述准则层的每一个目标指标的第一权重;
对所述目标指标及获取到的目标变量进行一元线性回归分析,得到每一个目标指标的第二权重,并根据第一权重和第二权重计算每一个目标指标的目标权重;
根据所述目标指标的目标权重计算方案层的每一个目标位置点的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010275174.4A CN111401787A (zh) | 2020-04-09 | 2020-04-09 | 一种选址方法、装置、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010275174.4A CN111401787A (zh) | 2020-04-09 | 2020-04-09 | 一种选址方法、装置、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111401787A true CN111401787A (zh) | 2020-07-10 |
Family
ID=71429543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010275174.4A Pending CN111401787A (zh) | 2020-04-09 | 2020-04-09 | 一种选址方法、装置、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401787A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417791A (zh) * | 2020-11-19 | 2021-02-26 | 山东山大电力技术股份有限公司 | 基于线性回归与ahp算法的电力设备监视预警方法及系统 |
CN113890043A (zh) * | 2021-12-06 | 2022-01-04 | 广东电网有限责任公司惠州供电局 | 基于多条件约束的移相变压器选址方法、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360458A (zh) * | 2011-10-19 | 2012-02-22 | 浙江大学 | 一种移民安置区选择模糊评价方法 |
CN102945507A (zh) * | 2012-10-09 | 2013-02-27 | 东北大学 | 基于模糊层次分析的分散式风电场优化选址方法及装置 |
CN105069297A (zh) * | 2015-08-11 | 2015-11-18 | 广西南宁碧湾园林工程有限公司 | 基于层次分析法的茶花品种的综合评价方法 |
CN106485427A (zh) * | 2016-10-25 | 2017-03-08 | 大连理工大学 | 风电安装船综合指标评价方法 |
CN106548357A (zh) * | 2016-10-27 | 2017-03-29 | 南方电网科学研究院有限责任公司 | 客户满意度的测评方法及系统 |
CN110807916A (zh) * | 2019-10-11 | 2020-02-18 | 武汉理工大学 | 一种基于路网拓扑结构的交通状态评定方法及系统 |
-
2020
- 2020-04-09 CN CN202010275174.4A patent/CN111401787A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360458A (zh) * | 2011-10-19 | 2012-02-22 | 浙江大学 | 一种移民安置区选择模糊评价方法 |
CN102945507A (zh) * | 2012-10-09 | 2013-02-27 | 东北大学 | 基于模糊层次分析的分散式风电场优化选址方法及装置 |
CN105069297A (zh) * | 2015-08-11 | 2015-11-18 | 广西南宁碧湾园林工程有限公司 | 基于层次分析法的茶花品种的综合评价方法 |
CN106485427A (zh) * | 2016-10-25 | 2017-03-08 | 大连理工大学 | 风电安装船综合指标评价方法 |
CN106548357A (zh) * | 2016-10-27 | 2017-03-29 | 南方电网科学研究院有限责任公司 | 客户满意度的测评方法及系统 |
CN110807916A (zh) * | 2019-10-11 | 2020-02-18 | 武汉理工大学 | 一种基于路网拓扑结构的交通状态评定方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417791A (zh) * | 2020-11-19 | 2021-02-26 | 山东山大电力技术股份有限公司 | 基于线性回归与ahp算法的电力设备监视预警方法及系统 |
CN113890043A (zh) * | 2021-12-06 | 2022-01-04 | 广东电网有限责任公司惠州供电局 | 基于多条件约束的移相变压器选址方法、系统及介质 |
CN113890043B (zh) * | 2021-12-06 | 2022-03-18 | 广东电网有限责任公司惠州供电局 | 基于多条件约束的移相变压器选址方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11972295B2 (en) | Green cloud computing recommendation system | |
CN112884224A (zh) | 实体对象的选址方法、装置、计算设备及计算机存储介质 | |
CN106485585A (zh) | 用于等级评定的方法及系统 | |
CN112308387B (zh) | 客户意向度评估方法与装置、云服务器 | |
CN111401787A (zh) | 一种选址方法、装置、系统 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN114693351A (zh) | 信息预测方法、装置以及电子设备 | |
CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
Ilonen et al. | Toward automatic forecasts for diffusion of innovations | |
CN114187009A (zh) | 交易风险预测模型的特征解释方法、装置、设备及介质 | |
CN113850479A (zh) | 基于指标差异和变化机理的装备作战效能综合评估方法 | |
Soltani et al. | Ranking decision making units based on the multi-directional efficiency measure | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
Thasni et al. | Cloud service provider selection using fuzzy TOPSIS | |
CN116630051A (zh) | 收益率曲线和债券估值实时计算系统、方法及设备 | |
CN113868110B (zh) | 一种企业数字中台服务健康度的评估方法和装置 | |
CN110111201A (zh) | 一种信用额度管理方法、装置、系统和记录介质 | |
CN112581250B (zh) | 模型生成方法、装置、计算机设备和存储介质 | |
CN114282951A (zh) | 一种网络零售预测方法、设备及介质 | |
CN113592263A (zh) | 基于动态资源归还增比的资源归还增量预测方法和装置 | |
CN112907141A (zh) | 一种压力测试方法、装置、设备及存储介质 | |
CN115943399A (zh) | 生成方法、生成装置、程序、信息处理方法及信息处理装置 | |
CN112163943A (zh) | 违约概率的确定方法、装置、设备和介质 | |
Tursunalieva et al. | A semi-parametric approach to estimating the operational risk and Expected Shortfall | |
CN115934971A (zh) | 一种诉讼案件筛选方法、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 |