CN111401960B - 智能柜的规格推荐方法、装置、服务器及存储介质 - Google Patents

智能柜的规格推荐方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN111401960B
CN111401960B CN202010194949.5A CN202010194949A CN111401960B CN 111401960 B CN111401960 B CN 111401960B CN 202010194949 A CN202010194949 A CN 202010194949A CN 111401960 B CN111401960 B CN 111401960B
Authority
CN
China
Prior art keywords
intelligent cabinet
recommending
intelligent
target cell
predicted
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.)
Active
Application number
CN202010194949.5A
Other languages
English (en)
Other versions
CN111401960A (zh
Inventor
姜东晓
白程宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hive Box Technology Co Ltd
Original Assignee
Shenzhen Hive Box Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hive Box Technology Co Ltd filed Critical Shenzhen Hive Box Technology Co Ltd
Priority to CN202010194949.5A priority Critical patent/CN111401960B/zh
Publication of CN111401960A publication Critical patent/CN111401960A/zh
Application granted granted Critical
Publication of CN111401960B publication Critical patent/CN111401960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种智能柜的规格推荐方法、装置、服务器及存储介质。该方法包括：获取目标小区的画像信息和营收环境数据；根据所述画像信息和营收环境数据构建所述目标小区的特征向量；将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；根据所述预测日均收件量和预测日均派件量推荐智能柜的第一投放规格。根据智能化推荐智能柜的铺设规格，使推荐的智能柜铺设数量更加精准，提升智能柜铺设的投资回报率的效果。

Description

智能柜的规格推荐方法、装置、服务器及存储介质
技术领域
本发明实施例涉及智能柜的规格推荐技术，尤其涉及一种智能柜的规格推荐方法、装置、服务器及存储介质。
背景技术
智能柜的安装规格作为柜机自身最重要的变量，极大影响了一个小区潜在需求变现的程度。规格过大或过小，都会直接导致收益的损失。若一个件量特别多的小区只投放了较少的格口，白白损失了应有的收益，而一个件量较少的小区投放较多的格口，周转率也只能一直在低位徘徊，投资回报率不佳。目前这一决策过程是由运营人员在单个备选小区进行详细的件量评估后确定的。而运营人员由于经验限制，选择的规格可以能会产生误差，准确性差，导致比必要的损失，并且人工评估还相对耗时较长。
发明内容
本发明提供一种智能柜的规格推荐方法、装置、服务器及存储介质，以实现智能化推荐智能柜的铺设规格。
第一方面，本发明实施例提供了一种智能柜的规格推荐方法，包括：
获取目标小区的画像信息和营收环境数据；
根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
可选的，所述在根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格之后，还包括：
将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；
根据所述相似小区的智能柜的运行规格确认智能柜第二规格。
可选的，所述在根据所述相似小区的智能柜的运行规格确认的智能柜第二规格之后，还包括：
根据第二规格验证第一规格是否推荐准确。
可选的，所述根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格还包括：
根据第一规格推荐智能柜的型号和/或智能柜的数量。
可选的，所述画像信息包括：房价、栋数、户数、人口数、物业费、物业类别、建筑面积、占地面积、绿化率、建筑类型和/或建成时间中的一种或多种。
第二方面，本发明实施例还提供了一种智能柜的规格推荐装置，包括：
获取模块，用于获取目标小区的画像信息和营收环境数据；
特征向量构建模块，用于根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
预测模块，用于将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
推荐模块，用于根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
可选的，智能柜的规格推荐装置还包括：
相似小区确认模块，用于将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；
所述推荐模块，还用于根据所述相似小区的智能柜的运行规格确认智能柜第二规格。
可选的，智能柜的规格推荐装置还包括：
优化模块，用于根据第一规格推荐智能柜的型号和/或智能柜的数量。
第三方面，本发明实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储装置，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上述任一所述的智能柜的规格推荐方法。
第四方面，本发明实施例还提供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上述任一所述的智能柜的规格推荐方法。
本发明通过过根据所述画像信息和营收环境数据构建所述目标小区的特征向量；将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格，解决了在铺设智能柜时智能柜规格难以确定的问题，达到了智能化推荐智能柜的铺设规格，使推荐的智能柜的规格更加精准，提升智能柜铺设的投资回报率的效果。
附图说明
下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明实施例的上述及其他特征和优点，附图中：
图1是本发明实施例一中的智能柜的规格推荐方法的流程图；
图2是本发明实施例二中的智能柜的规格推荐方法的流程图；
图3是本发明实施例三中的智能柜的规格推荐方法的流程图；
图4是本发明实施例三中的智能柜的规格推荐方法的流程图；
图5是本发明实施例四中的智能柜的规格推荐装置的示意图
图6是本发明实施例五中的服务器的示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对发明的限定。另外还需要说明的是，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一规格为第二规格，且类似地，可将第二规格称为第一规格。第一规格和第二规格两者都是规格，但其不是同一规格。术语“第一”、“第二”等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。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的智能柜的规格推荐方法的流程图，本实施例具体包括如下步骤：
步骤110、获取目标小区的画像信息和营收环境数据；
本实施例中，所述画像信息包括：房价、栋数、户数、人口数、物业费、物业类别、建筑面积、占地面积、绿化率、建筑类型和/或建成时间中的一种或多种。具体的，画像信息可以是人工走访时采集的，也可以是在互联网上收集的数据，本实施例对此不作限定。
本实施例中，营收环境数据为目标小区的总营收环境，具体的，目标小区的总营收环境可以根据目标小区地理上邻近的小区总营收进行构造，还可以是根据预设区域内的所有小区的营收状况进行构造，示例性的，当预设区域内的所有小区的营收平均值为1万元，则将目标小区的营收环境数据构造为1万元。
步骤120、根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
本实施例中，将目标小区的画像信息和营收环境数据共同构建为特征向量。
步骤130、将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
本实施例中，预测模型为深度学习模型，具体的，将智能柜的周转率在80％-120％之间的小区作为预测模型的样本小区，其中，周转率为智能柜格口的使用率。在预测模型的训练过程中，将样本小区的样本特征向量作为预测模型的训练样本，将样本小区的样本日均收件量和样本日均派件量作为预测模型的训练标记，其中，样本特征向量是通过样本小区的画像信息和营收数据构建的。
本实施例中，将目标小区的特征向量输入预测模型之后，预测模型可以输出目标小区的预测日均收件量和预测日均派件量。
步骤140、根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
本实施例中，由于每个独立的智能柜在出场时就设定好了智能柜的型号以及每个型号对应的格口数目，第一规格还包括智能柜的格口总数、智能柜的型号、每个型号的智能柜的数量。
优选的，第一规格为智能柜的格口总数。示例性的，当日均收件量为320件，日均寄件量为180件，则推荐智能柜的智能柜的格口总数应当不少于500个格口。
本实施例的技术方案通过根据所述画像信息和营收环境数据构建所述目标小区的特征向量；将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格，解决了在铺设智能柜时智能柜规格难以确定的问题，达到了智能化推荐智能柜的铺设规格，使推荐的智能柜的规格更加精准，提升智能柜铺设的投资回报率的效果。
实施例二
图2为本发明实施例二提供的智能柜的规格推荐方法的流程图，本实施例具体包括如下步骤：
步骤210、获取目标小区的画像信息和营收环境数据；
本实施例中，在步骤210之前还包括：根据预设区域内的所有小区智能柜的营收数据构建目标小区的总营收环境数据。示例性的，当预设区域内的所有小区的营收数据为日均营收平均值1千元，则将目标小区的营收环境数据构建为日均营收平均值1千元。
步骤220、根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
本实施例中，将目标小区的画像信息和营收环境数据共同构建为特征向量。
步骤230、将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
本实施例中，将目标小区的特征向量输入预测模型之后，预测模型可以输出目标小区的预测日均收件量和预测日均派件量。
步骤240、根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
本实施例中，第一规格还包括智能柜的格口总数、智能柜的型号、每个型号的智能柜的数量。
步骤250、根据第一规格推荐智能柜的型号和/或智能柜的数量。
本实施例中，智能柜的型号为单独一个智能柜的尺寸、格口数量，在一些实施例中，由于派件量和收件量较大，单独一个智能柜难以满足要求，则需要多种规格的智能柜共同配合使用，智能柜的数量为每一个型号的智能柜对应的数量。
本实施例中，根据第一规格推荐智能柜的型号和/或智能柜的数量还包括根据第一规格推荐和运营成本最小的智能柜的型号和/或智能柜的数量。当智能柜存在不同的型号时，会存在多个不同的型号智能柜的组合均可以满足预测日均收件量和预测日均派件量，但是每一种型号的运营成本不相同，其中，运营成本包括生产成本、安装成本和维护成本。和第一规格推荐。
示例性的，A型号智能柜有格口10个，运营成本为50元；B型号智能柜有格口7个，运营成本为40元；当需要30个格口总数时，可以选择安装3个A型号智能柜，还可以选择安装1个A型号智能柜和3个B型号智能柜，但是选择安装3个A型号智能柜的运营成本更低，则将A型号智能柜，智能柜数量3个，则推荐的智能柜的型号为A型号智能柜，推荐A型号智能柜的数量为3个。在其他实施例中，对第一投放规格进行优化是还需要考虑到限制条件，示例性的，限制条件可以是每个小区至少安装一个B型号的智能柜，则推荐的智能柜的型号为A型号智能柜和B型号智能柜，推荐的A型号智能柜的数量为2个，推荐的B型号智能柜的数量为1个。
本实施例的技术方案通过根据第一规格推荐智能柜的型号和/或智能柜的数量，解决了智能柜投放时成本难以控制的问题，达到了以最低成本对智能柜进行投放，达到了解决成本的，提高智能柜收益的效果。
实施例三
图3为本发明实施例三提供的智能柜的规格推荐方法的流程图，本实施例在上述实施例的技术之上还包括：
步骤310、将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；
本实施例中，聚类模型为K-Means聚类模型，具体的，将已经安装过智能柜的小区作为聚类模型的样本小区，在构造聚类模型的样本小区的样本特征向量之后，将所有聚类模型的样本小区的样本特征向量进行K-Means聚类以获得聚类模型。将目标小区的特征向量输入聚类模型之后，聚类模型将确认目标小区的特征向量最接近的聚类中心，根据聚类中心即可获取到与目标小区最接近的一个或多个相似小区。其中，聚类模型的样本特征向量是通过聚类模型的样本小区的画像信息和营收数据构建的。
步骤320、根据所述相似小区的智能柜的运行规格确认智能柜第二规格。
本实施例中，将相似小区的智能柜运行规格确认为第二规格，优选的，本步骤之前还包括获取相似小区的智能柜的周转率。根据所述相似小区的智能柜的运行规格确认智能柜第二规格还包括：将智能柜的周转率在80％-120％之间的相似小区的智能柜运行规格确认为第二规格。其中，第二规格包括智能柜的格口总数、智能柜的型号和/或智能柜的数量。
替代实施例中，参见图4，还包括:
步骤330、根据第二规格验证第一规格是否推荐准确。
本替代实施例中，根据第二规格验证第一规格具体包括：获取第二规格与第一规格差异值；判断所述差异值是否在预设阈值范围内，若所述差异值在预设阈值范围内则第一规格推荐准确。
在替代实施例中，步骤330之后还包括：若根据第二规格验证第一规格推荐准确，则根据第一规格推荐智能柜的型号和/或智能柜的数量。
本实施例中，根据第一规格推荐智能柜的型号和/或智能柜的数量还包括根据第一规格推荐和运营成本最小的智能柜的型号和/或智能柜的数量。当智能柜存在不同的型号时，会存在多个不同的型号智能柜的组合均可以满足预测日均收件量和预测日均派件量，但是每一种型号的运营成本不相同，其中，运营成本包括生产成本、安装成本和维护成本。
本实施例的技术方案，通过将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；根据所述相似小区的智能柜的运行规格确认智能柜第二规格，解决了在铺设智能柜时智能柜规格难以确定的问题，达到了根据相似小区的已投放情况对智能柜的投放进行进一步的验证的效果，使推荐的智能柜的规格更加具有参考价值。
实施例四
图5为本发明实施例所提供的智能柜的规格推荐装置可执行本发明任意实施例所提供的智能柜的规格推荐方法，智能柜的规格推荐装置4具体包括：
获取模块41，用于获取目标小区的画像信息和营收环境数据；
其中，所述画像信息包括：房价、栋数、户数、人口数、物业费、物业类别、建筑面积、占地面积、绿化率、建筑类型和/或建成时间中的一种或多种。
特征向量构建模块42，用于根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
预测模块43，用于将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
推荐模块44，用于根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格；
其中，第一优化规格包括智能柜的格口总数、智能柜的型号和/或智能柜的数量。
替代实施例中，智能柜的规格推荐装置还包括：
相似小区确认模块，用于将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；
所述推荐模块，还用于根据所述相似小区的智能柜的运行规格确认智能柜第二规格，
其中，第二规格包括智能柜的格口总数、智能柜的型号和/或智能柜的数量。
替代实施例中，智能柜的规格推荐装置还包括：
验证模块，用于根据第二规格验证第一规格是否推荐准确。
替代实施例中，智能柜的规格推荐装置还包括：
优化模块，用于优化模块，用于根据第一规格推荐智能柜的型号和/或智能柜的数量。。
本发明实施例所提供的智能柜的规格推荐装置可执行本发明任意实施例所提供的智能柜的规格推荐方法，具备执行方法相应的功能模块和有益效果。
实施例五
图6为本发明实施例五提供的一种服务器的结构示意图，如图6所示，该服务器包括处理器51、存储器52；服务器中处理器51的数量可以是一个或多个，图6中以一个处理器51为例；服务器中的处理器51、存储器52可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器52作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的智能柜的规格推荐方法对应的程序指令/模块(例如，获取模块、特征向量构建模块、预测模块和推荐模块)。处理器51通过运行存储在存储器52中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述的智能柜的规格推荐方法。
存储器52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；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器52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、或其他非易失性固态存储器件。在一些实例中，存储器52可进一步包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种智能柜的规格推荐方法，该方法包括：
获取目标小区的画像信息和营收环境数据；
根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的智能柜的规格推荐方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种智能柜的规格推荐方法，其特征在于，包括：
获取目标小区的画像信息和营收环境数据；
根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
2.根据权利要求1所述的智能柜的规格推荐方法，其特征在于，在根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格之后，还包括：
将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；
根据所述相似小区的智能柜的运行规格确认智能柜第二规格。
3.根据权利要求2所述的智能柜的规格推荐方法，其特征在于，所述在根据所述相似小区的智能柜的运行规格确认的智能柜第二规格之后，还包括：
根据第二规格验证第一规格是否推荐准确。
4.根据权利要求1所述的智能柜的规格推荐方法，其特征在于，所述根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格还包括：
根据第一规格推荐智能柜的型号和/或智能柜的数量。
5.根据权利要求1所述的智能柜的规格推荐方法，其特征在于，所述画像信息包括：房价、栋数、户数、人口数、物业费、物业类别、建筑面积、占地面积、绿化率、建筑类型和/或建成时间中的一种或多种。
6.一种智能柜的规格推荐装置，其特征在于，包括：
获取模块，用于获取目标小区的画像信息和营收环境数据；
特征向量构建模块，用于根据所述画像信息和营收环境数据构建所述目标小区的特征向量；
预测模块，用于将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量；
推荐模块，用于根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。
7.根据权利要求6所述的智能柜的规格推荐装置，其特征在于，还包括：
相似小区确认模块，用于将目标小区的特征向量输入聚类模型以确认目标小区的相似小区；所述推荐模块，还用于根据所述相似小区的智能柜的运行规格确认智能柜第二规格。
8.根据权利要求6所述的智能柜的规格推荐装置，其特征在于，还包括：
优化模块，用于根据第一规格推荐智能柜的型号和/或智能柜的数量。
9.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储装置，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1-5中任一所述的智能柜的规格推荐方法。
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1-5中任一所述的智能柜的规格推荐方法。
CN202010194949.5A 2020-03-19 2020-03-19 智能柜的规格推荐方法、装置、服务器及存储介质 Active CN111401960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010194949.5A CN111401960B (zh) 2020-03-19 2020-03-19 智能柜的规格推荐方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010194949.5A CN111401960B (zh) 2020-03-19 2020-03-19 智能柜的规格推荐方法、装置、服务器及存储介质

Publications (2)

Publication Number Publication Date
CN111401960A CN111401960A (zh) 2020-07-10
CN111401960B true CN111401960B (zh) 2023-08-04

Family

ID=71431013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010194949.5A Active CN111401960B (zh) 2020-03-19 2020-03-19 智能柜的规格推荐方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN111401960B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829592A (zh) * 2019-03-07 2019-05-31 深圳市丰巢科技有限公司 一种快递柜用户的流失预测方法、装置、设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100943513B1 (ko) * 2007-09-13 2010-02-22 한국전자통신연구원 실시간 배달작업 계획 관리 시스템 및 방법
US10380546B2 (en) * 2015-10-08 2019-08-13 Shenzhen Wale Intelligent Systems Limited Intelligent display and self-serve experience system and method
CN108960431A (zh) * 2017-05-25 2018-12-07 北京嘀嘀无限科技发展有限公司 指标的预测、模型的训练方法及装置
CN108596399A (zh) * 2018-05-04 2018-09-28 国家邮政局邮政业安全中心 快递业务量预测的方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829592A (zh) * 2019-03-07 2019-05-31 深圳市丰巢科技有限公司 一种快递柜用户的流失预测方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN111401960A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
EP3928473B1 (en) Systems and methods for communications node upgrade and selection
CN104572449A (zh) 一种基于用例库的自动化测试方法
US20180285788A1 (en) System for energy consumption prediction
KR102063999B1 (ko) 스마트 전력 수요 관리 시스템
CN104574141A (zh) 一种业务影响度分析方法
CN108830649A (zh) 用于电力营销的产权变更用电客户定位方法
CN103250376A (zh) 用于执行与通信网络的节点有关的预测分析的方法和系统
CN112529257B (zh) 一种计及agc信号影响的储能电站联合优化方法及系统
US20120095794A1 (en) Eco score analytics system
CN109934368B (zh) 订单数量和订单状态的预测方法、装置及系统
Li et al. Targeting Building Energy Efficiency Opportunities: An Opensource Analytical & Benchmarking Tool.
CN109191408A (zh) 快速循环地面气象融合方法、装置及服务器
CN111401960B (zh) 智能柜的规格推荐方法、装置、服务器及存储介质
Ferreira et al. A data-mining-based methodology for transmission expansion planning
CN102222038A (zh) 一种基于银行业务的交易软件测试方法及系统
CN104778088A (zh) 一种基于减少进程间通信开销的并行i/o优化方法与系统
CN116611785A (zh) 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质
CN112488343B (zh) 一种基于超启发式算法的智慧城市智能感知终端选址方法
CN115129706A (zh) 一种考虑周期性特征的土壤水分观测数据质量评估方法
CN115203545A (zh) 基于深度学习和知识图谱的康养服务智能匹配方法和系统
CN110197221B (zh) 基于层次分析法确定智能仪表抄表集中器安装位置的方法
CN113988493A (zh) 终端评价模型的构建方法、装置和存储介质
Kularathna et al. Multi-objective optimisation using optimizer WSS to support operation and planning decisions of Melbourne water supply system
CN111626460B (zh) 一种区域用水网络拓扑关系确认方法、装置和系统
CN118249741B (zh) 一种光伏叠光控制器的智能监测控制方法及系统

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