CN111915041A - 一种基于云计算的餐饮会员大数据分析管理系统 - Google Patents
一种基于云计算的餐饮会员大数据分析管理系统 Download PDFInfo
- Publication number
- CN111915041A CN111915041A CN202010791192.8A CN202010791192A CN111915041A CN 111915041 A CN111915041 A CN 111915041A CN 202010791192 A CN202010791192 A CN 202010791192A CN 111915041 A CN111915041 A CN 111915041A
- Authority
- CN
- China
- Prior art keywords
- restaurant
- catering
- acquiring
- module
- members
- 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.)
- Withdrawn
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 238000013523 data management Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 15
- 235000019640 taste Nutrition 0.000 claims abstract description 11
- 235000013311 vegetables Nutrition 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 17
- 235000013305 food Nutrition 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 7
- 235000012054 meals Nutrition 0.000 claims description 7
- 235000019617 piquancy Nutrition 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 3
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 claims description 3
- 101000713585 Homo sapiens Tubulin beta-4A chain Proteins 0.000 claims description 3
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 3
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 235000019633 pungent taste Nutrition 0.000 claims description 2
- 230000036760 body temperature Effects 0.000 description 41
- 230000000694 effects Effects 0.000 description 30
- 238000001514 detection method Methods 0.000 description 14
- 238000012163 sequencing technique Methods 0.000 description 11
- 235000021158 dinner Nutrition 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000005686 eating Nutrition 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
- G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云计算的餐饮会员大数据分析管理系统，包括预约分析模块、菜品分析模块以及筛选推荐模块，所述预约分析模块用于对餐饮会员的预约信息进行分析，本发明在用餐高峰期时，餐饮会员系统能够合理处理餐饮会员的预约信息，提高餐饮会员的用餐效率；所述菜品分析模块用于将餐饮店的菜品与餐饮会员的口味进行匹配分析，所述筛选推荐模块用于系统自动筛选推荐餐饮店给餐饮会员，餐饮人员在使用餐饮会员数据系统时，系统能够根据餐饮人员的需求和口味推选出相应的餐饮店和菜品，功能较为齐全丰富。
Description
技术领域
本发明属于餐饮行业技术领域，涉及餐饮会员数据分析管理技术，具体是一种基于云计算的餐饮会员大数据分析管理系统。
背景技术
餐饮业的概念主要有两种：一是饮食，二是指提供餐饮的行业或者机构，满足食客的饮食需求，从而获取相应的服务收入。由于在不同的地区、不同的文化下，不同的人群饮食习惯、口味的不同，因此，世界各地的餐饮表现出多样化的特点，餐饮市场将进入品牌消费时代，中国餐饮业将以百分之十六的增速继续对扩大消费、促进就业发挥积极作用。对于餐饮企业而言，品牌力的重要性不言而喻。餐饮市场的竞争最后必将是品牌之间的竞争，谁的品牌力更强，谁就能拥有更广阔的市场，品牌力成为餐饮企业逐鹿市场的关键。
餐饮人员在使用当前的餐饮会员数据系统时，只能根据系统挑选餐饮店和餐饮店的菜品，系统的功能较为单一，系统不能根据餐饮人员的需求和口味推选出相应的餐饮店，同时，在用餐高峰期时，餐饮会员系统不能合理处理餐饮会员的预约信息，导致餐饮会员用餐效率低下，为此，我们提出一种基于云计算的餐饮会员大数据分析管理系统。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于云计算的餐饮会员大数据分析管理系统。
本发明所要解决的技术问题为：
(1)餐饮人员在使用当前的餐饮会员数据系统时，只能根据系统挑选餐饮店和餐饮店的菜品，系统的功能较为单一，系统不能根据餐饮人员的需求和口味推选出相应的餐饮店；
(2)在用餐高峰期时，餐饮会员系统不能合理处理餐饮会员的预约信息，导致餐饮会员用餐效率低下；
(3)当前疫情还未完全结束，外出就餐需要对餐饮人员的体温和活动范围进行检测，当前的检测方式只是简单的体温测量，检测方式欠佳。
本发明的目的可以通过以下技术方案实现：
一种基于云计算的餐饮会员大数据分析管理系统，包括注册登录模块、数据采集模块、定位模块、预约分析模块、菜品分析模块以及筛选推荐模块；
所述注册登录模块用于餐饮会员通过手机终端提交个人信息进行注册登录，并将个人信息发送至服务器内存储；所述数据采集模块用于采集的餐饮会员和餐饮店的信息；所述定位模块用于定位餐饮会员和餐饮店的地理位置；
所述预约分析模块用于对餐饮会员的预约信息进行分析，具体分析过程如下：
S1：获取餐饮店餐饮会员的预约人数，并将预约人数标记为i，i＝1、……、n；
S2：获取每个餐饮会员的预约时长，并将预约时长标记为Ti；获取每个餐饮会员在餐饮店的消费次数，并将消费次数标记为Xi；
S3：获取餐饮会员在餐饮店的每次消费金额JXi，利用求和取平均值公式得出餐饮会员在餐饮店的平均消费金额PJXi；
S4：获取每个餐饮会员在餐饮店的预约次数，并将预约次数标记为Yi；获取每个餐饮会员在餐饮店的预约取消次数Qi，根据预约取消次数与预约次数比得出餐饮会员在餐饮店的预约取消率YQi；
S5：利用公式计算得出每个餐饮会员在餐饮店的预约优先值Yyx，具体公式如下：
S6：将计算得到的预约优先值Yyx进行降序排列，降序排列的餐饮会员的预约信息反馈至服务器；
所述菜品分析模块用于将餐饮店的菜品与餐饮会员的口味进行匹配分析，具体工作过程如下：
SS1：获取餐饮店的数量，并将每个餐饮店标记为J，J＝1、……、n；
SS2：获取每个餐饮店J的菜品总数量；
SS3：将每个餐饮店J的菜品种类划分为八大菜系和其他菜系，分别获取所有菜品中八大菜系和其他菜系的数量，并将八大菜系和其他菜系分别标记为Bc和Qx；
SS4：获取餐饮会员的身份证号码，根据身份号码前两位获取餐饮会员的省份Sf；
SS41：若餐饮会员的省份Sf属于八大菜系的省份；
SS42：获取每个餐饮店J中八大菜系Bc的占比，c＝1、……、8，并将每个餐饮店j中八大菜系Bc的占比标记为ZBcJ；
SS43：将每个餐饮店J中八大菜系Bc的占比ZBcJ进行降序排列，得到八大菜系中每个菜系占比最大的八个餐饮店；
SS44：若餐饮会员的省份Sf不属于八大菜系的省份；
SS45：获取每个餐饮店J中其他菜系Qx的占比，并将每个餐饮店J中其他菜系Qx的占比标记为ZQxJ；
SS46：将每个餐饮店J中其他菜系Qx的占比ZQxJ进行降序排列，得到其他菜系占比最大的餐饮店；
SS5：将八大菜系中每个菜系占比最大的餐饮店和其他菜系占比最大的餐饮店发送至服务器中，归类为待选餐饮店h，h＝1、……、9；
SS6：获取待选餐饮店h中每个菜品的辣味程度，特辣菜品的数量为Th，中辣菜品的数量为Zh，微辣菜品的数量为Wh，其中单个特辣菜品取值为3、单个中辣菜品取值为2以及单个中辣菜品取值为1；
SS7：相加取平均值得到待选餐饮店h的平均辣味程度Plwh，待选餐饮店h的平均辣味程度Plwh发送至服务器；
SS8：获取餐饮人员的辣味程度数据，选择辣味程度最为接近的待选餐饮店h反馈给餐饮人员的手机终端；
所述筛选推荐模块用于系统自动筛选推荐餐饮店给餐饮会员。
进一步地，所述筛选推荐模块的具体过程如下：
P1：获取每个餐饮店J的成立时间，并将成立时间标记为CtJ；
P2：获取每个餐饮店J的点餐量，并将点餐量标记为DcJ；获取每个餐饮店J的客流量KlJ；
P3：获取每个餐饮店J的平均消费价格PxJ；
P4：利用公式计算得出每个餐饮店J的餐饮值CyJ，具体公式如下：
P5：将每个餐饮店J的餐饮值CyJ进行降序排列，选取排名前五的候选餐饮店d，d＝1、……、5，候选餐饮店的餐饮值CyJ重新标记为Cyd；
P6：以餐饮人员的手机终端为原点建立直角坐标系，利用两点间距离公式计算得出餐饮人员距离候选餐饮店d的直线距离Zjd；
P7：获取候选餐饮店d的总评价数，并提取总评价数中的好评数，计算得到候选餐饮店d的好评率Hpd；
P8：利用公式计算得出候选餐饮店的推荐值TJZ，具体公式如下：
P9：将推荐值TJZ最大的餐饮店认定为最终推荐餐饮店，并将该餐饮店的信息发送至餐饮人员的手机终端。
进一步地，所述个人信息包括餐饮会员的姓名、手机号码、身份证号码、个人照片以及辣味程度。
进一步地，所述定位模块还用于将推荐值TJZ最大的餐饮店的地理位置发送至餐饮人员的手机终端上。
进一步地，系统还包括身份验证模块和生成打印模块，所述身份验证模块用于餐饮人员进入推荐的餐饮店时，对餐饮人员的身份信息进行验证，验证通过即可进入餐饮店；所述生成打印模块用于将餐饮人员的点餐信息进行生成打印。
进一步地，所述预约分析模块还根据降序排列的餐饮会员的预约信息生成升序排列的排序号，并将排序号反馈至餐饮会员的移动终端，所述注册登录模块还包括实时刷新单元，所述实时刷新单元用于餐饮人员的手机终端实时刷新排序号。
进一步地，系统还包括健康分析模块，所述健康分析模块用于对餐饮会员的健康进行分析，具体分析工程如下：
PP1：获取餐饮人员前14天的体温数据Wi，i＝1、……、14，设定四个体温安全等级：高危险等级、中危险等级、低危险等级以及无危险等级，四个体温安全等级的对应取值为Mo，o＝1、2、3、4，且M1＜M2＜M3＜M4；
PP11遍历餐饮人员前14天体温数据中的体温最大值Wmax和体温最小值Wmin，设定一个体温安全阈值Wy；
PP12：若Wmin＞Wy，则判定该餐饮人员前14天中的体温处于高危险等级，体温检测不通过，餐饮人员不准许进入餐饮店；
PP13：若Wmax≤Wy，则判定餐饮人员前14天中的体温处于无危险等级，体温检测通过，进入下一步骤；
PP14：获取餐饮人员前14天的体温安全等级中中危险等级、低危险等级和无危险等级的天数，其中中危险等级的天数为h、低危险等级的天数为l；
PP2：获取餐饮人员前14天的活动区域，并将餐饮人员的每天活动区域标记为Qi，i＝1、……、14，设定四个区域风险等级：高风险区域、中风险区域以及低风险区域，并依次对应取值Xe，e＝1、2、3，且X1＞X2＞X3；
PP21：若餐饮人员前14天的活动区域中存在任意一个高风险区域，活动区域检测不通过，餐饮人员不准许进入餐饮店；
PP22：若餐饮人员前14天的活动区域中不存在任意一个高风险区域，活动区域检测通过，进入下一步骤；
PP23：获取餐饮人员前14天的活动区域中风险区域和低风险区域的数量，其中中风险区域的数量为j；
PP3：利用公式计算得出餐饮人员前14天中体温数据的安全值Aq和活动区域的风险值Fx，具体公式如下：
Aq＝M2*h+M3*l+M4*(14-h-l)；
Fx＝X2*j+X3*(14-j)；
PP4：结合体温数据的安全值Aq和活动区域的风险值Fx，去量化处理后，利用公式计算得出餐饮人员的健康值JK，具体公式如下：
PP5：健康值反馈至服务器，若健康值在预设健康阈值范围内，服务器产生通过信号发送至餐饮会员的手机终端中，若健康值不在预设健康阈值范围内，服务器产生不通过信号发送至餐饮会员的手机终端中。
与现有技术相比，本发明的有益效果是：
1、本发明中的餐饮会员在用餐高峰期时，系统通过预约分析模块对餐饮会员的预约信息进行分析，通过获取预约人数、预约时长、消费次数、平均消费金额以及预约取消率，计算得出餐饮会员在餐饮店的预约优先值，将预约优先值进行降序排列，降序排列的餐饮会员的预约信息反馈至服务器，根据降序排列的餐饮会员的预约信息生成相应的升序排列的排序号，排序号反馈至餐饮会员的移动终端，餐饮人员可通过实时刷新单元实时刷新排序号，该设计在用餐高峰期时，餐饮会员系统合理处理餐饮会员的预约信息，大大提高餐饮会员用餐效率，同时也方便餐饮会员实时知晓餐饮排队情况；
2、本发明中的餐饮会员在使用系统进行点餐时，菜品分析模块将餐饮店的菜品与餐饮会员的口味进行匹配分析，首先获取餐饮会员的身份证号码，根据身份号码前两位获取餐饮会员的省份，而后获取个餐饮店的菜品数量，将每个餐饮店的菜品种类划分为八大菜系和其他菜系，若餐饮会员的省份属于八大菜系的省份，分别获取每个餐饮店中八大菜系的占比，从而得到八大菜系中每个菜系占比最大的八个餐饮店，若餐饮会员的省份不属于八大菜系的省份，从而得到其他菜系占比最大的餐饮店，将九个餐饮店归类为待选餐饮店，进一步获取待选餐饮店中每个菜品的辣味程度，相加取平均值得到待选餐饮店的平均辣味程度，待选餐饮店的平均辣味程度发送至服务器，与餐饮人员的辣味程度数据进行匹配，选择辣味程度最为接近的待选餐饮店反馈给餐饮人员的手机终端；
在餐饮人员餐饮系统中漫无目的找寻餐饮店时，系统自身通过筛选推荐模块进行筛选推荐餐饮店给餐饮会员，通过餐饮店的成立时间、点餐量、客流量以及平均消费价格，计算得出每个餐饮店的餐饮值，将餐饮值排名前五归类为候选餐饮店，进一步结合餐饮人员距离候选餐饮店的直线距离和候选餐饮店的好评率，计算得出候选餐饮店的推荐值，将推荐值最大的餐饮店认定为最终推荐餐饮店，该餐饮店的信息发送至餐饮人员的手机终端，该设计在餐饮人员使用餐饮会员系统时，系统能够根据餐饮人员的需求和口味推选出相应的餐饮店和菜品，提高餐饮人员的用餐满意度；
3、在就餐前，通过健康分析模块用于对餐饮会员的健康进行分析，获取餐饮人员前14天的体温数据和前14天的活动区域，若餐饮人员前14天的活动区域中存在高风险区域或前14天的最低体温高于体温阈值，检测不通过，餐饮人员不准许进入餐饮店，否则利用公式计算得出餐饮人员前14天中体温数据的安全值和活动区域的风险值，而后结合体温数据的安全值和活动区域的风险值，去量化处理后，再次利用公式计算得出餐饮人员的健康值，健康值反馈至服务器，若健康值在预设健康阈值范围内，服务器产生通过信号发送至餐饮会员的手机终端中，若健康值不在预设健康阈值范围内，服务器产生不通过信号发送至餐饮会员的手机终端中，该设计对外出就餐的餐饮人员进行体温和活动范围检测，改变当前只是简单测量体温的检测方式，避免产生出现聚集性疫情。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于云计算的餐饮会员大数据分析管理系统，包括注册登录模块、数据采集模块、定位模块、预约分析模块、菜品分析模块以及筛选推荐模块；
所述注册登录模块用于餐饮会员通过手机终端提交个人信息进行注册登录，并将个人信息发送至服务器内存储；所述数据采集模块用于采集的餐饮会员和餐饮店的信息；所述定位模块用于定位餐饮会员和餐饮店的地理位置；
所述预约分析模块用于对餐饮会员的预约信息进行分析，具体分析过程如下：
S1：获取餐饮店餐饮会员的预约人数，并将预约人数标记为i，i＝1、……、n；
S2：获取每个餐饮会员的预约时长，并将预约时长标记为Ti；获取每个餐饮会员在餐饮店的消费次数，并将消费次数标记为Xi；
S3：获取餐饮会员在餐饮店的每次消费金额JXi，利用求和取平均值公式得出餐饮会员在餐饮店的平均消费金额PJXi；
S4：获取每个餐饮会员在餐饮店的预约次数，并将预约次数标记为Yi；获取每个餐饮会员在餐饮店的预约取消次数Qi，根据预约取消次数与预约次数比得出餐饮会员在餐饮店的预约取消率YQi；
S5：利用公式计算得出每个餐饮会员在餐饮店的预约优先值Yyx，具体公式如下：
S6：将计算得到的预约优先值Yyx进行降序排列，降序排列的餐饮会员的预约信息反馈至服务器；
所述菜品分析模块用于将餐饮店的菜品与餐饮会员的口味进行匹配分析，具体工作过程如下：
SS1：获取餐饮店的数量，并将每个餐饮店标记为J，J＝1、……、n；
SS2：获取每个餐饮店J的菜品总数量；
SS3：将每个餐饮店J的菜品种类划分为八大菜系和其他菜系，分别获取所有菜品中八大菜系和其他菜系的数量，并将八大菜系和其他菜系分别标记为Bc和Qx；
SS4：获取餐饮会员的身份证号码，根据身份号码前两位获取餐饮会员的省份Sf；
SS41：若餐饮会员的省份Sf属于八大菜系的省份；
SS42：获取每个餐饮店J中八大菜系Bc的占比，c＝1、……、8，并将每个餐饮店j中八大菜系Bc的占比标记为ZBcJ；
SS43：将每个餐饮店J中八大菜系Bc的占比ZBcJ进行降序排列，得到八大菜系中每个菜系占比最大的八个餐饮店；
SS44：若餐饮会员的省份Sf不属于八大菜系的省份；
SS45：获取每个餐饮店J中其他菜系Qx的占比，并将每个餐饮店J中其他菜系Qx的占比标记为ZQxJ；
SS46：将每个餐饮店J中其他菜系Qx的占比ZQxJ进行降序排列，得到其他菜系占比最大的餐饮店；
SS5：将八大菜系中每个菜系占比最大的餐饮店和其他菜系占比最大的餐饮店发送至服务器中，归类为待选餐饮店h，h＝1、……、9；
SS6：获取待选餐饮店h中每个菜品的辣味程度，特辣菜品的数量为Th，中辣菜品的数量为Zh，微辣菜品的数量为Wh，其中单个特辣菜品取值为3、单个中辣菜品取值为2以及单个中辣菜品取值为1；
SS7：相加取平均值得到待选餐饮店h的平均辣味程度Plwh，待选餐饮店h的平均辣味程度Plwh发送至服务器；
SS8：获取餐饮人员的辣味程度数据，选择辣味程度最为接近的待选餐饮店h反馈给餐饮人员的手机终端；
所述筛选推荐模块用于系统自动筛选推荐餐饮店给餐饮会员。
其中，所述筛选推荐模块的具体过程如下：
P1：获取每个餐饮店J的成立时间，并将成立时间标记为CtJ；
P2：获取每个餐饮店J的点餐量，并将点餐量标记为DcJ；获取每个餐饮店J的客流量KlJ；
P3：获取每个餐饮店J的平均消费价格PxJ；
P4：利用公式计算得出每个餐饮店J的餐饮值CyJ，具体公式如下：
P5：将每个餐饮店J的餐饮值CyJ进行降序排列，选取排名前五的候选餐饮店d，d＝1、……、5，候选餐饮店的餐饮值CyJ重新标记为Cyd；
P6：以餐饮人员的手机终端为原点建立直角坐标系，利用两点间距离公式计算得出餐饮人员距离候选餐饮店d的直线距离Zjd；
P7：获取候选餐饮店d的总评价数，并提取总评价数中的好评数，计算得到候选餐饮店d的好评率Hpd；
P8：利用公式计算得出候选餐饮店的推荐值TJZ，具体公式如下：
P9：将推荐值TJZ最大的餐饮店认定为最终推荐餐饮店，并将该餐饮店的信息发送至餐饮人员的手机终端。
其中，所述个人信息包括餐饮会员的姓名、手机号码、身份证号码、个人照片以及辣味程度。
其中，所述定位模块还用于将推荐值TJZ最大的餐饮店的地理位置发送至餐饮人员的手机终端上，方便餐饮会员根据发送的地理位置快速找寻到餐饮店。
其中，系统还包括身份验证模块和生成打印模块，所述身份验证模块用于餐饮人员进入推荐的餐饮店时，对餐饮人员的身份信息进行验证，验证通过即可进入餐饮店，方便指定的餐饮人员进入餐饮店；所述生成打印模块用于将餐饮人员的点餐信息进行生成打印，生产打印后的清单方便餐饮店进行餐饮制作。
其中，所述预约分析模块还根据降序排列的餐饮会员的预约信息生成升序排列的排序号，并将排序号反馈至餐饮会员的移动终端，餐饮人员根据排序号知晓排队序号，所述注册登录模块还包括实时刷新单元，所述实时刷新单元用于餐饮人员的手机终端实时刷新排序号，方便餐饮人员实时刷新排序号。
其中，系统还包括健康分析模块，所述健康分析模块用于对餐饮会员的健康进行分析，具体分析工程如下：
PP1：获取餐饮人员前14天的体温数据Wi，i＝1、……、14，设定四个体温安全等级：高危险等级、中危险等级、低危险等级以及无危险等级，四个体温安全等级的对应取值为Mo，o＝1、2、3、4，且M1＜M2＜M3＜M4；
PP11遍历餐饮人员前14天体温数据中的体温最大值Wmax和体温最小值Wmin，设定一个体温安全阈值Wy；
PP12：若Wmin＞Wy，则判定该餐饮人员前14天中的体温处于高危险等级，体温检测不通过，餐饮人员不准许进入餐饮店；
PP13：若Wmax≤Wy，则判定餐饮人员前14天中的体温处于无危险等级，体温检测通过，进入下一步骤；
PP14：获取餐饮人员前14天的体温安全等级中中危险等级、低危险等级和无危险等级的天数，其中中危险等级的天数为h、低危险等级的天数为l；
PP2：获取餐饮人员前14天的活动区域，并将餐饮人员的每天活动区域标记为Qi，i＝1、……、14，设定四个区域风险等级：高风险区域、中风险区域以及低风险区域，并依次对应取值Xe，e＝1、2、3，且X1＞X2＞X3；
PP21：若餐饮人员前14天的活动区域中存在任意一个高风险区域，活动区域检测不通过，餐饮人员不准许进入餐饮店；
PP22：若餐饮人员前14天的活动区域中不存在任意一个高风险区域，活动区域检测通过，进入下一步骤；
PP23：获取餐饮人员前14天的活动区域中风险区域和低风险区域的数量，其中中风险区域的数量为j；
PP3：利用公式计算得出餐饮人员前14天中体温数据的安全值Aq和活动区域的风险值Fx，具体公式如下：
Aq＝M2*h+M3*l+M4*(14-h-l)；
Fx＝X2*j+X3*(14-j)；
PP4：结合体温数据的安全值Aq和活动区域的风险值Fx，去量化处理后，利用公式计算得出餐饮人员的健康值JK，具体公式如下：
PP5：健康值反馈至服务器，若健康值在预设健康阈值范围内，服务器产生通过信号发送至餐饮会员的手机终端中，若健康值不在预设健康阈值范围内，服务器产生不通过信号发送至餐饮会员的手机终端中。
一种基于云计算的餐饮会员大数据分析管理系统，工作时，餐饮会员通过手机终端注册后登陆注册登录模块，通过数据采集模块对餐饮会员和餐饮店的信息进行采集，利用定位模块用于定位餐饮会员和餐饮店的地理位置，在用餐高峰期时，通过预约分析模块对餐饮会员的预约信息进行分析，获取餐饮店餐饮会员的预约人数i，获取每个餐饮会员的预约时长Ti、每个餐饮会员消费次数Xi、每个餐饮会员在餐饮店的预约次数Yi，而后获取每个餐饮会员在餐饮店的每次消费金额JXi，利用求和取平均值公式得出餐饮会员在餐饮店的平均消费金额PJXi，获取每个餐饮会员在餐饮店的预约取消次数Qi，根据预约取消次数与预约次数比得出餐饮会员在餐饮店的预约取消率YQi，利用公式
计算得出每个餐饮会员在餐饮店的预约优先值Yyx，将计算得到的预约优先值Yyx进行降序排列，降序排列的餐饮会员的预约信息反馈至服务器，根据降序排列的餐饮会员的预约信息生成升序排列的排序号，并将排序号反馈至餐饮会员的移动终端，餐饮人员通过实时刷新单元实时刷新排序号；
餐饮会员在使用系统进行点餐时，菜品分析模块将餐饮店的菜品与餐饮会员的口味进行匹配分析，首先获取餐饮店J的数量，获取每个餐饮店J的菜品总数量m，并将餐饮店J对应的菜品数量标记为Jm，将每个餐饮店J的菜品种类划分为八大菜系和其他菜系，分别获取所有菜品中八大菜系和其他菜系的数量，并将八大菜系和其他菜系分别标记为Bc和Qx，获取餐饮会员的身份证号码，根据身份号码前两位获取餐饮会员的省份Sf，若餐饮会员的省份Sf属于八大菜系的省份，则进一步获取每个餐饮店J中八大菜系Bc的占比ZBcJ，将每个餐饮店J中八大菜系Bc的占比ZBcJ进行降序排列，得到八大菜系中每个菜系占比最大的八个餐饮店；若餐饮会员的省份Sf不属于八大菜系的省份，获取每个餐饮店J中其他菜系Qx的占比ZQxJ，将每个餐饮店J中其他菜系Qx的占比ZQxJ进行降序排列，得到其他菜系占比最大的餐饮店，最后将八大菜系中每个菜系占比最大的餐饮店和其他菜系占比最大的餐饮店发送至服务器中，九个餐饮店归类为待选餐饮店H，获取待选餐饮店h中每个菜品的辣味程度，特辣菜品的数量为Th，中辣菜品的数量为Zh，微辣菜品的数量为Wh，相加取平均值得到待选餐饮店h的平均辣味程度Plwh，待选餐饮店h的平均辣味程度Plwh发送至服务器，获取得到餐饮人员的辣味程度数据，选择辣味程度最为接近的待选餐饮店h反馈给餐饮人员的手机终端；
在餐饮人员餐饮系统中漫无目的找寻餐饮店时，系统自身通过筛选推荐模块进行筛选推荐餐饮店给餐饮会员，首先获取每个餐饮店J的成立时间CtJ、点餐量DcJ、客流量KlJ以及平均消费价格PxJ，利用公式
计算得出每个餐饮店J的餐饮值CyJ，将每个餐饮店J的餐饮值CyJ进行降序排列，选取排名前五的候选餐饮店d，候选餐饮店的餐饮值CyJ重新标记为Cyd，以餐饮人员的手机终端为原点建立直角坐标系，利用两点间距离公式计算得出餐饮人员距离候选餐饮店d的直线距离Zjd，而后计算得到候选餐饮店d的好评率Hpd，利用公式
计算得出候选餐饮店的推荐值TJZ，将推荐值TJZ最大的餐饮店认定为最终推荐餐饮店，并将该餐饮店的信息发送至餐饮人员的手机终端。
在就餐前，还通过健康分析模块用于对餐饮会员的健康进行分析，获取餐饮人员前14天的体温数据Wi，遍历餐饮人员前14天体温数据中的体温最大值Wmax和体温最小值Wmin，设定一个体温安全阈值Wy，若Wmin＞Wy，则判定该餐饮人员前14天中的体温处于高危险等级，体温检测不通过，餐饮人员不准许进入餐饮店，若Wmax≤Wy，则判定餐饮人员前14天中的体温处于无危险等级，体温检测通过，然后获取餐饮人员前14天的活动区域，若餐饮人员前14天的活动区域中存在任意一个高风险区域，活动区域检测不通过，餐饮人员不准许进入餐饮店，若餐饮人员前14天的活动区域中不存在任意一个高风险区域，活动区域检测通过，利用公式计算得出餐饮人员前14天中体温数据的安全值Aq和活动区域的风险值Fx，结合体温数据的安全值Aq和活动区域的风险值Fx，去量化处理后，利用公式
计算得出餐饮人员的健康值JK，健康值反馈至服务器，若健康值在预设健康阈值范围内，服务器产生通过信号发送至餐饮会员的手机终端中，若健康值不在预设健康阈值范围内，服务器产生不通过信号发送至餐饮会员的手机终端中。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种基于云计算的餐饮会员大数据分析管理系统，其特征在于，包括注册登录模块、数据采集模块、定位模块、预约分析模块、菜品分析模块以及筛选推荐模块；
所述注册登录模块用于餐饮会员通过手机终端提交个人信息进行注册登录，并将个人信息发送至服务器内存储；所述数据采集模块用于采集的餐饮会员和餐饮店的信息；所述定位模块用于定位餐饮会员和餐饮店的地理位置；
所述预约分析模块用于对餐饮会员的预约信息进行分析，具体分析过程如下：
S1：获取餐饮店餐饮会员的预约人数，并将预约人数标记为i，i＝1、……、n；
S2：获取每个餐饮会员的预约时长，并将预约时长标记为Ti；获取每个餐饮会员在餐饮店的消费次数，并将消费次数标记为Xi；
S3：获取餐饮会员在餐饮店的每次消费金额JXi，利用求和取平均值公式得出餐饮会员在餐饮店的平均消费金额PJXi；
S4：获取每个餐饮会员在餐饮店的预约次数，并将预约次数标记为Yi；获取每个餐饮会员在餐饮店的预约取消次数Qi，根据预约取消次数与预约次数比得出餐饮会员在餐饮店的预约取消率YQi；
S5：利用公式计算得出每个餐饮会员在餐饮店的预约优先值Yyx，具体公式如下：
S6：将计算得到的预约优先值Yyx进行降序排列，降序排列的餐饮会员的预约信息反馈至服务器；
所述菜品分析模块用于将餐饮店的菜品与餐饮会员的口味进行匹配分析，具体工作过程如下：
SS1：获取餐饮店的数量，并将每个餐饮店标记为J，J＝1、……、n；
SS2：获取每个餐饮店J的菜品总数量；
SS3：将每个餐饮店J的菜品种类划分为八大菜系和其他菜系，分别获取所有菜品中八大菜系和其他菜系的数量，并将八大菜系和其他菜系分别标记为Bc和Qx；
SS4：获取餐饮会员的身份证号码，根据身份号码前两位获取餐饮会员的省份Sf；
SS41：若餐饮会员的省份Sf属于八大菜系的省份；
SS42：获取每个餐饮店J中八大菜系Bc的占比，c＝1、……、8，并将每个餐饮店j中八大菜系Bc的占比标记为ZBcJ；
SS43：将每个餐饮店J中八大菜系Bc的占比ZBcJ进行降序排列，得到八大菜系中每个菜系占比最大的八个餐饮店；
SS44：若餐饮会员的省份Sf不属于八大菜系的省份；
SS45：获取每个餐饮店J中其他菜系Qx的占比，并将每个餐饮店J中其他菜系Qx的占比标记为ZQxJ；
SS46：将每个餐饮店J中其他菜系Qx的占比ZQxJ进行降序排列，得到其他菜系占比最大的餐饮店；
SS5：将八大菜系中每个菜系占比最大的餐饮店和其他菜系占比最大的餐饮店发送至服务器中，归类为待选餐饮店h，h＝1、……、9；
SS6：获取待选餐饮店h中每个菜品的辣味程度，特辣菜品的数量为Th，中辣菜品的数量为Zh，微辣菜品的数量为Wh；
SS7：相加取平均值得到待选餐饮店h的平均辣味程度Plwh，待选餐饮店h的平均辣味程度Plwh发送至服务器；
SS8：获取餐饮人员的辣味程度数据，选择辣味程度最为接近的待选餐饮店h反馈给餐饮人员的手机终端；
所述筛选推荐模块用于系统自动筛选推荐餐饮店给餐饮会员。
2.根据权利要求1所述的一种基于云计算的餐饮会员大数据分析管理系统，其特征在于，所述筛选推荐模块的具体过程如下：
P1：获取每个餐饮店J的成立时间，并将成立时间标记为CtJ；
P2：获取每个餐饮店J的点餐量，并将点餐量标记为DcJ；获取每个餐饮店J的客流量KlJ；
P3：获取每个餐饮店J的平均消费价格PxJ；
P4：利用公式计算得出每个餐饮店J的餐饮值CyJ，具体公式如下：
P5：将每个餐饮店J的餐饮值CyJ进行降序排列，选取排名前五的候选餐饮店d，d＝1、……、5，候选餐饮店的餐饮值CyJ重新标记为Cyd；
P6：以餐饮人员的手机终端为原点建立直角坐标系，利用两点间距离公式计算得出餐饮人员距离候选餐饮店d的直线距离Zjd；
P7：获取候选餐饮店d的总评价数，并提取总评价数中的好评数，计算得到候选餐饮店d的好评率Hpd；
P8：利用公式计算得出候选餐饮店的推荐值TJZ，具体公式如下：
P9：将推荐值TJZ最大的餐饮店认定为最终推荐餐饮店，并将该餐饮店的信息发送至餐饮人员的手机终端。
3.根据权利要求1所述的一种基于云计算的餐饮会员大数据分析管理系统，其特征在于，所述个人信息包括餐饮会员的姓名、手机号码、身份证号码、个人照片以及辣味程度。
4.根据权利要求1所述的一种基于云计算的餐饮会员大数据分析管理系统，其特征在于，所述定位模块还用于将推荐值TJZ最大的餐饮店的地理位置发送至餐饮人员的手机终端上。
5.根据权利要求1所述的一种基于云计算的餐饮会员大数据分析管理系统，其特征在于，系统还包括身份验证模块和生成打印模块，所述身份验证模块用于餐饮人员进入推荐的餐饮店时，对餐饮人员的身份信息进行验证，验证通过即可进入餐饮店；所述生成打印模块用于将餐饮人员的点餐信息进行生成打印。
6.根据权利要求1所述的一种基于云计算的餐饮会员大数据分析管理系统，其特征在于，所述预约分析模块还根据降序排列的餐饮会员的预约信息生成升序排列的排序号，并将排序号反馈至餐饮会员的移动终端，所述注册登录模块还包括实时刷新单元，所述实时刷新单元用于餐饮人员的手机终端实时刷新排序号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010791192.8A CN111915041A (zh) | 2020-08-07 | 2020-08-07 | 一种基于云计算的餐饮会员大数据分析管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010791192.8A CN111915041A (zh) | 2020-08-07 | 2020-08-07 | 一种基于云计算的餐饮会员大数据分析管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111915041A true CN111915041A (zh) | 2020-11-10 |
Family
ID=73284715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010791192.8A Withdrawn CN111915041A (zh) | 2020-08-07 | 2020-08-07 | 一种基于云计算的餐饮会员大数据分析管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915041A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113283625A (zh) * | 2021-06-28 | 2021-08-20 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的餐饮信息服务运营系统 |
| CN115375507A (zh) * | 2022-10-26 | 2022-11-22 | 山东济宁烟草有限公司 | 一种基于数字孪生的智慧食堂管理方法及系统 |
-
2020
- 2020-08-07 CN CN202010791192.8A patent/CN111915041A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113283625A (zh) * | 2021-06-28 | 2021-08-20 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的餐饮信息服务运营系统 |
| CN115375507A (zh) * | 2022-10-26 | 2022-11-22 | 山东济宁烟草有限公司 | 一种基于数字孪生的智慧食堂管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| De Choudhury et al. | Characterizing dietary choices, nutrition, and language in food deserts via social media | |
| CN105677831B (zh) | 一种确定推荐商户的方法及装置 | |
| Coghlan et al. | Mortality in the Democratic Republic of Congo: a nationwide survey | |
| Frongillo Jr et al. | Questionnaire-based measures are valid for the identification of rural households with hunger and food insecurity | |
| Powell et al. | Field validation of secondary commercial data sources on the retail food outlet environment in the US | |
| CN107291888B (zh) | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 | |
| Kalbar et al. | Personal metabolism (PM) coupled with life cycle assessment (LCA) model: Danish case study | |
| CN105608650A (zh) | 一种菜品搭配推荐方法及其系统 | |
| CN110956508A (zh) | 大数据管理方法及大数据管理系统 | |
| TWI793412B (zh) | 消費預測系統及消費預測方法 | |
| CN111915041A (zh) | 一种基于云计算的餐饮会员大数据分析管理系统 | |
| CN116402399B (zh) | 基于人工智能与电子商城的业务数据处理方法及系统 | |
| CN110727859A (zh) | 一种推荐信息推送方法及其装置 | |
| CN107229816A (zh) | 一种营养点餐系统 | |
| CN110264284A (zh) | 新媒体营销属性分析预测方法、装置及系统 | |
| CN107194739B (zh) | 一种基于大数据的智能推荐系统 | |
| CN110533454B (zh) | 一种识别业务对象群体的方法及系统 | |
| CN112037095B (zh) | 一种人工智能核心算法的智慧校园管理系统 | |
| CN108153785A (zh) | 生成展示信息的方法和装置 | |
| Galil et al. | Tracking varicella deaths: accuracy and completeness of death certificates and hospital discharge records, New York State, 1989–1995 | |
| CN111008331B (zh) | 门店端的展示方法、装置、电子设备及存储介质 | |
| KR102442988B1 (ko) | Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템 | |
| CN111125351B (zh) | 商情简报生成方法及装置、电子设备及存储介质 | |
| Smith et al. | SimHealth: Estimating Small Area Populations Using Deterministic Spatial Microsimulation in Leeds and Bradford. | |
| CN112183914A (zh) | 一种菜项的评价方法及装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201110 |