CN113935697A - 一种自动售货机的备货方法、装置及存储介质 - Google Patents

一种自动售货机的备货方法、装置及存储介质 Download PDF

Info

Publication number
CN113935697A
CN113935697A CN202111528034.4A CN202111528034A CN113935697A CN 113935697 A CN113935697 A CN 113935697A CN 202111528034 A CN202111528034 A CN 202111528034A CN 113935697 A CN113935697 A CN 113935697A
Authority
CN
China
Prior art keywords
commodity
stock
behavior data
vending machine
purchasing
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.)
Granted
Application number
CN202111528034.4A
Other languages
English (en)
Other versions
CN113935697B (zh
Inventor
郑亚栋
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.)
CHANJET INFORMATION TECHNOLOGY CO LTD
Original Assignee
CHANJET INFORMATION 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 CHANJET INFORMATION TECHNOLOGY CO LTD filed Critical CHANJET INFORMATION TECHNOLOGY CO LTD
Priority to CN202111528034.4A priority Critical patent/CN113935697B/zh
Publication of CN113935697A publication Critical patent/CN113935697A/zh
Application granted granted Critical
Publication of CN113935697B publication Critical patent/CN113935697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F11/00—Coin-freed apparatus for dispensing, or the like, discrete articles
    • G07F11/004—Restocking arrangements therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)

Abstract

本发明提出了一种自动售货机的备货方法、装置及存储介质，该方法包括：基于设置在自动售货机上的摄像头采集一时间段内的所有用户购买自动售货机上商品的购买行为数据，其中自动售货机包括m种商品；基于m种商品将购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；基于m个集合中的购买行为数据计算每种商品的备货比例，基于备货比例确定每种商品的备货数量；基于确定的每种商品的备货数量及自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。本发明中，基于购买行为数据计算每种商品的备货比例，基于备货比例确定每种商品的备货数量，提高了备货的精确度，提升了用户体验。

Description

一种自动售货机的备货方法、装置及存储介质
技术领域
本发明涉及计算机程序设计技术领域，具体涉及一种自动售货机的备货方法、装置及存储介质。
背景技术
现有技术中，零售自动售货机销售数据仅能代表已有货物销售情况，但可能存在用户需求变化或用户可选择商品较少，所以基于销售数据生产的备货数据并不一定是用户喜欢的商品，可能是由于没有可选择的余地，用户不得不选择了自己不喜欢的商品。
因此，现有技术中的自动售货机的备货算法存在缺陷，其不能提供使得用户较为满意的备货方案，进而影响了用户体验，这是现有技术的缺陷。
发明内容
本发明针对上述现有技术中一个或多个技术缺陷，提出了如下技术方案。
一种自动售货机的备货方方法，该方法包括：
采集步骤，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；
分类步骤，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；
计算步骤，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；
生成步骤，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
更进一步地，在所述采集步骤中，所述摄像头为AI摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。
更进一步地，在所述分类步骤中，基于所述m种商品将所述购买行为数据分为m个集合CS1、CS2……CSm，每个集合对应一种商品的购买行为数据。
更进一步地，在所述计算步骤中，基于m个购买行为数据集合CS1、CS2……CSm对应计算m个购买难度指数集合DS1、DS2……DSm，令DSi=[S1,S2,S3,...Sn]，其中，DSi表示第i种商品的购买难度指数集合，1≤i≤m，S1,S2,S3,……Sn表示n个用户分别购买第i种商品的难度指数；
其中，Sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；
对每一个购买难度指数集合DSi计算标准差：
Figure 125683DEST_PATH_IMAGE001
；
将所述
Figure 308403DEST_PATH_IMAGE002
进行归一化得到
Figure 291402DEST_PATH_IMAGE003
；
基于所述
Figure 952191DEST_PATH_IMAGE003
计算每种商品的备货数量权重：
Figure 94459DEST_PATH_IMAGE004
=n/(1+
Figure 916921DEST_PATH_IMAGE003
)；
基于每种商品的备货数量权重计算每种商品的备货比例：
Figure 449534DEST_PATH_IMAGE005
=
Figure 851696DEST_PATH_IMAGE006
；
基于每种商品的备货比例计算每种商品的备货数量：
Figure 520575DEST_PATH_IMAGE007
，其中，Q为自动售货机装满货品后所有商品的总数量。
更进一步地，得到每种商品的标准差
Figure 779518DEST_PATH_IMAGE002
后，判断该种商品的标准差
Figure 861744DEST_PATH_IMAGE002
是否大于一 预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初始 值。
本发明还提出了一种自动售货机的备货装置，该装置包括：
采集单元，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；
分类单元，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；
计算单元，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；
生成单元，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
更进一步地，在所述采集单元中，所述摄像头为AI摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。
更进一步地，在所述分类单元中，基于所述m种商品将所述购买行为数据分为m个集合CS1、CS2……CSm，每个集合对应一种商品的购买行为数据。
更进一步地，
在所述计算单元中，基于m个购买行为数据集合CS1、CS2……CSm对应计算m个购买难度指数集合DS1、DS2……DSm，令DSi=[S1,S2,S3,...Sn]，其中，DSi表示第i种商品的购买难度指数集合，1≤i≤m，S1,S2,S3,……Sn表示n个用户分别购买第i种商品的难度指数；
其中，Sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；
对每一个购买难度指数集合DSi计算标准差：
Figure 864335DEST_PATH_IMAGE001
；
将所述
Figure 387720DEST_PATH_IMAGE002
进行归一化得到
Figure 20827DEST_PATH_IMAGE003
；
基于所述
Figure 528031DEST_PATH_IMAGE003
计算每种商品的备货数量权重：
Figure 131051DEST_PATH_IMAGE004
=n/(1+
Figure 40101DEST_PATH_IMAGE003
)；
基于每种商品的备货数量权重计算每种商品的备货比例：
Figure 578530DEST_PATH_IMAGE005
=
Figure 573031DEST_PATH_IMAGE006
；
基于每种商品的备货比例计算每种商品的备货数量：
Figure 979741DEST_PATH_IMAGE007
，其中，Q为自动售货机装满货品后所有商品的总数量。更进一步地，得到 每种商品的标准差
Figure 743298DEST_PATH_IMAGE002
后，判断该种商品的标准差
Figure 577262DEST_PATH_IMAGE002
是否大于一预设阈值，如果是，将该种商 品替换为备选商品，将备选商品的备货数量设置为一个初始值。
本发明还提出了一种计算机可读存储介质，所述存储介质上存储有计算机程序代码，当所述计算机程序代码被计算机执行时执行上述之任一的方法。
本发明的技术效果在于：本发明的一种自动售货机的备货方法、装置及存储介质， 该方法包括：采集步骤S101，基于设置在所述自动售货机上的摄像头采集一时间段内的所 有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；分 类步骤S102，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为 数据对应一种商品；计算步骤S103，基于所述m个集合中的购买行为数据计算每种商品的备 货比例，基于所述备货比例确定每种商品的备货数量；生成步骤S104，基于确定的每种商品 的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机 进行备货。本发明中，基于摄像头自动售货机采集所有用户购买所述自动售货机上商品的 购买行为数据，进而将用户购买行为数据基于商品种类划分为相应的集合，基于该集合计 算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量，然后再确定每种商 品的备货列表后进行备货，由于采用大数据的方式进行用户备货列表的生成，提高了备货 的精确度，提升了用户体验；本发明中，为了便于数据的处理，将m种商品将所述购买行为数 据分为m个集合，每个集合中的数据可以使用数组或链表记录，从而便于后续的针对每种商 品进行推荐数量的计算；本发明中，为了提高用户的体验，使得自动备货机准备的商品符合 大部分人需求，设计上述具体的计算备货数量的方法，通过用户的购买行为数据计算每个 用户购买每种商品的购买难度指数，计算难度指数的标准差后进行归一化计算，然后确定 每种商品的备货数量权重，再基于备货数量权重计算每种商品的备货比例，最后确定备货 数量，从而准备的货物符合大众的要求，避免了用户没有中意的商品，而不得不选择一种商 品的情况，提升了用户体验，本发明中，当该种商品的标准差
Figure 731163DEST_PATH_IMAGE002
大于一预设阈值后，后续的 备货权重等计算不再进行，直接使用初始值作为备选商品的备货数量，从而提高了推荐的 准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1是根据本发明的实施例的一种自动售货机的备货方法的流程图。
图2是根据本发明的实施例的一种自动售货机的备货装置的结构图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种自动售货机的备货方法，该方法包括：
采集步骤S101，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；
分类步骤S102，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；
计算步骤S103，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；
生成步骤S104，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
本发明中，基于摄像头自动售货机采集所有用户购买所述自动售货机上商品的购买行为数据，比如一天时间段内、一周时间段内，从而基于大数据进行用户购买行为的分析，进而将用户购买行为数据基于商品种类划分为相应的集合，基于该集合计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量，然后再确定每种商品的备货列表后进行备货，由于采用大数据的方式进行用户备货列表的生成，提高了备货的精确度，提升了用户体验，这是本发明的重要发明点之一。
在一个实施例，在所述采集步骤S101中，所述摄像头为AI摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。由于AI摄像头内置智能运算芯片，AI摄像头具备智能分区检测、实时移动追踪等功能。可以自动捕获移动的人员和物体，并对其进行追踪拍摄。因此，本发明中采用AI摄像头识别同一用户，然后自动售货机记录下来用户的购买行为数据，自动售货机上内置了计算机用于采集用户购买行为数据，可以在本地计算机处理，也可以发送至后台服务器进行处理。比如，通过AI摄像头检测到一用户来到自动售货机前，记录当前的时间t1，然后摄像头一直检测该用户的行为，记录该用户选择好商品后打开自动售货机柜门的时间t2，然后继续检测用户的动作，检测到用户选购商品后关上柜门，记录此时用户的关门时间t3，用户选购商品类型，可以通过商品的标识表示商品的类型，并记录商品的价格，商品的价格可以通过预置的商品类型与价格关系表中获取，用户购买时间t=t3-t1，将这些数据保存起来，用户后续的计算。
在一个实施例，在所述分类步骤S102中，基于所述m种商品将所述购买行为数据分为m个集合CS1、CS2……CSm，每个集合对应一种商品的购买行为数据。
本发明中，为了便于数据的处理，将m种商品将所述购买行为数据分为m个集合，每个集合中的数据可以使用数组或链表记录，从而便于后续的针对每种商品进行推荐数量的计算，这是本发明的另一个重要发明点。
在一个实施例，在所述计算步骤S103中，基于m个购买行为数据集合CS1、CS2……CSm对应计算m个购买难度指数集合DS1、DS2……DSm，令DSi=[S1,S2,S3,...Sn]，其中，DSi表示第i种商品的购买难度指数集合，1≤i≤m，S1,S2,S3,……Sn表示n个用户分别购买第i种商品的难度指数；
其中，Sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；
对每一个购买难度指数集合DSi计算标准差：
Figure 613668DEST_PATH_IMAGE001
；
将所述
Figure 231731DEST_PATH_IMAGE002
进行归一化得到
Figure 502175DEST_PATH_IMAGE003
；
基于所述
Figure 205689DEST_PATH_IMAGE003
计算每种商品的备货数量权重：
Figure 626306DEST_PATH_IMAGE004
=n/(1+
Figure 302138DEST_PATH_IMAGE003
)；
基于每种商品的备货数量权重计算每种商品的备货比例：
Figure 743484DEST_PATH_IMAGE005
=
Figure 996611DEST_PATH_IMAGE006
；
基于每种商品的备货比例计算每种商品的备货数量：
Figure 486498DEST_PATH_IMAGE007
，其中，Q为自动售货机装满货品后所有商品的总数量。
本发明中，为了提高用户的体验，使得自动备货机准备的商品符合大部分人需求，设计上述具体的计算备货数量的方法，通过用户的购买行为数据计算每个用户购买每种商品的购买难度指数，计算难度指数的标准差后进行归一化计算，然后确定每种商品的备货数量权重，再基于备货数量权重计算每种商品的备货比例，最后确定备货数量，从而准备的货物符合大众的要求，避免了用户没有中意的商品，而不得不选择一种商品的情况，提升了用户体验，该计算方法属于本发明的重要发明点之另一。
在一个实施例中，得到每种商品的标准差
Figure 751257DEST_PATH_IMAGE002
后，判断该种商品的标准差
Figure 629083DEST_PATH_IMAGE002
是否大 于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初 始值。标准差越大，对应的购买难度指数越离散，这就要考虑换品类，并可以给相应的用户 发送回访意见，或者推荐新的营销产品。如果标准差越小，说明此种商品深受客户喜爱，辅 助运营人员大量备货。将备选商品的备货数量设置为一个初始值。初始值可以是Q/m取整， 也可以是Q/2m取整，等等。即刚开始上一个新品可以先尝试较少的数量，看看用户的购买行 为后再今天调整。当该种商品的标准差
Figure 307189DEST_PATH_IMAGE002
大于一预设阈值后，后续的备货权重等计算不再 进行，直接使用初始值作为备选商品的备货数量，从而提高了推荐的准确性，这是本发明的 另一个重要发明点。
在生成步骤S104，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。自动售货机本地计算机或服务器将计算的备货数量减去对应的当前每种商品剩余数量后生成生成备货列表后发送至库房计算机进行备货。
图2示出了本发明的一种自动售货机的备货装置，该装置包括：
采集单元201，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；
分类单元202，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；
计算单元203，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；
生成单元204，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
本发明中，基于摄像头自动售货机采集所有用户购买所述自动售货机上商品的购买行为数据，比如一天时间段内、一周时间段内，从而基于大数据进行用户购买行为的分析，进而将用户购买行为数据基于商品种类划分为相应的集合，基于该集合计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量，然后再确定每种商品的备货列表后进行备货，由于采用大数据的方式进行用户备货列表的生成，提高了备货的精确度，提升了用户体验，这是本发明的重要发明点之一。
在一个实施例，在所述采集单元201中，所述摄像头为AI摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。由于AI摄像头内置智能运算芯片，AI摄像头具备智能分区检测、实时移动追踪等功能。可以自动捕获移动的人员和物体，并对其进行追踪拍摄。因此，本发明中采用AI摄像头识别同一用户，然后自动售货机记录下来用户的购买行为数据，自动售货机上内置了计算机用于采集用户购买行为数据，可以在本地计算机处理，也可以发送至后台服务器进行处理。比如，通过AI摄像头检测到一用户来到自动售货机前，记录当前的时间t1，然后摄像头一直检测该用户的行为，记录该用户选择好商品后打开自动售货机柜门的时间t2，然后继续检测用户的动作，检测到用户选购商品后关上柜门，记录此时用户的关门时间t3，用户选购商品类型，可以通过商品的标识表示商品的类型，并记录商品的价格，商品的价格可以通过预置的商品类型与价格关系表中获取，用户购买时间t=t3-t1，将这些数据保存起来，用户后续的计算。
在一个实施例，在所述分类单元202中，基于所述m种商品将所述购买行为数据分为m个集合CS1、CS2……CSm，每个集合对应一种商品的购买行为数据。
本发明中，为了便于数据的处理，将m种商品将所述购买行为数据分为m个集合，每个集合中的数据可以使用数组或链表记录，从而便于后续的针对每种商品进行推荐数量的计算，这是本发明的另一个重要发明点。
在一个实施例，在所述计算单元203中，基于m个购买行为数据集合CS1、CS2……CSm对应计算m个购买难度指数集合DS1、DS2……DSm，令DSi=[S1,S2,S3,...Sn]，其中，DSi表示第i种商品的购买难度指数集合，1≤i≤m，S1,S2,S3,……Sn表示n个用户分别购买第i种商品的难度指数；
其中，Sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；
对每一个购买难度指数集合DSi计算标准差：
Figure 538450DEST_PATH_IMAGE001
；
将所述
Figure 720033DEST_PATH_IMAGE002
进行归一化得到
Figure 175285DEST_PATH_IMAGE003
；
基于所述
Figure 403004DEST_PATH_IMAGE003
计算每种商品的备货数量权重：
Figure 234694DEST_PATH_IMAGE004
=n/(1+
Figure 739625DEST_PATH_IMAGE003
)；
基于每种商品的备货数量权重计算每种商品的备货比例：
Figure 365778DEST_PATH_IMAGE005
=
Figure 752897DEST_PATH_IMAGE006
；
基于每种商品的备货比例计算每种商品的备货数量：
Figure 450595DEST_PATH_IMAGE007
，其中，Q为自动售货机装满货品后所有商品的总数量。
本发明中，为了提高用户的体验，使得自动备货机准备的商品符合大部分人需求，设计上述具体的计算备货数量的方法，通过用户的购买行为数据计算每个用户购买每种商品的购买难度指数，计算难度指数的标准差后进行归一化计算，然后确定每种商品的备货数量权重，再基于备货数量权重计算每种商品的备货比例，最后确定备货数量，从而准备的货物符合大众的要求，避免了用户没有中意的商品，而不得不选择一种商品的情况，提升了用户体验，该计算方法属于本发明的重要发明点之另一。
在一个实施例中，得到每种商品的标准差
Figure 606770DEST_PATH_IMAGE002
后，判断该种商品的标准差
Figure 607087DEST_PATH_IMAGE002
是否大 于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初 始值。标准差越大，对应的购买难度指数越离散，这就要考虑换品类，并可以给相应的用户 发送回访意见，或者推荐新的营销产品。如果标准差越小，说明此种商品深受客户喜爱，辅 助运营人员大量备货。将备选商品的备货数量设置为一个初始值。初始值可以是Q/m取整， 也可以是Q/2m取整，等等。即刚开始上一个新品可以先尝试较少的数量，看看用户的购买行 为后再今天调整。当该种商品的标准差
Figure 481502DEST_PATH_IMAGE002
大于一预设阈值后，后续的备货权重等计算不再 进行，直接使用初始值作为备选商品的备货数量，从而提高了推荐的准确性，这是本发明的 另一个重要发明点。
在生成单元204，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。自动售货机本地计算机或服务器将计算的备货数量减去对应的当前每种商品剩余数量后生成生成备货列表后发送至库房计算机进行备货。
本发明一个实施例中提出了一种本地应用服务与浏览器的交互设备，所述设备包括处理器和存储器，所述处理器与所述处理器通过总线连接，所述存储器上存储有计算机程序，所述处理器执行所述存储器上的计算机程序时实现上述的方法，该设备可以是台式计算机、服务器、笔记本、智能终端等等。
本发明一个实施例中提出了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，当所述计算机存储介质上的计算机程序被处理器执行时实现上述的方法，该计算机存储介质可以是硬盘、DVD、CD、闪存等等存储器。
本发明的为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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，服务器，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装置。
最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种自动售货机的备货方法，其特征在于，该方法包括：
采集步骤，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；
分类步骤，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；
计算步骤，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；
生成步骤，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
2.根据权利要求1所述的方法，其特征在于，在所述采集步骤中，所述摄像头为AI摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。
3.根据权利要求2所述的方法，其特征在于，在所述分类步骤中，基于所述m种商品将所述购买行为数据分为m个集合CS1、CS2……CSm，每个集合对应一种商品的购买行为数据。
4.根据权利要求3所述的方法，其特征在于，在所述计算步骤中，基于m个购买行为数据集合CS1、CS2……CSm对应计算m个购买难度指数集合DS1、DS2……DSm，令DSi=[S1,S2,S3,...Sn]，其中，DSi表示第i种商品的购买难度指数集合，1≤i≤m，S1,S2,S3,……Sn表示n个用户分别购买第i种商品的难度指数；
其中，Sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；
对每一个购买难度指数集合DSi计算标准差：
Figure 719204DEST_PATH_IMAGE001
；
将所述
Figure DEST_PATH_IMAGE002
进行归一化得到
Figure 698661DEST_PATH_IMAGE003
；
基于所述
Figure 502233DEST_PATH_IMAGE003
计算每种商品的备货数量权重：
Figure DEST_PATH_IMAGE004
=n/(1+
Figure 694180DEST_PATH_IMAGE003
)；
基于每种商品的备货数量权重计算每种商品的备货比例：
Figure 39710DEST_PATH_IMAGE005
=
Figure DEST_PATH_IMAGE006
；
基于每种商品的备货比例计算每种商品的备货数量：
Figure 658911DEST_PATH_IMAGE007
，其中，Q为自动售货机装满货品后所有商品的总数量。
5.根据权利要求4所述的方法，其特征在于，得到每种商品的标准差
Figure 457102DEST_PATH_IMAGE002
后，判断该种商 品的标准差
Figure 187161DEST_PATH_IMAGE002
是否大于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备 货数量设置为一个初始值。
6.一种自动售货机的备货装置，其特征在于，该装置包括：
采集单元，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；
分类单元，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；
计算单元，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；
生成单元，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
7.根据权利要求6所述的装置，其特征在于，在所述采集单元中，所述摄像头为AI摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。
8.根据权利要求7所述的装置，其特征在于，在所述分类单元中，基于所述m种商品将所述购买行为数据分为m个集合CS1、CS2……CSm，每个集合对应一种商品的购买行为数据。
9.根据权利要求8所述的装置，其特征在于，在所述计算单元中，基于m个购买行为数据集合CS1、CS2……CSm对应计算m个购买难度指数集合DS1、DS2……DSm，令DSi=[S1,S2,S3,...Sn]，其中，DSi表示第i种商品的购买难度指数集合，1≤i≤m，S1,S2,S3,……Sn表示n个用户分别购买第i种商品的难度指数；
其中，Sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；
对每一个购买难度指数集合DSi计算标准差：
Figure 387198DEST_PATH_IMAGE001
；
将所述
Figure 413185DEST_PATH_IMAGE002
进行归一化得到
Figure 698673DEST_PATH_IMAGE003
；
基于所述
Figure 29160DEST_PATH_IMAGE003
计算每种商品的备货数量权重：
Figure 83704DEST_PATH_IMAGE004
=n/(1+
Figure 44707DEST_PATH_IMAGE003
)；
基于每种商品的备货数量权重计算每种商品的备货比例：
Figure 817491DEST_PATH_IMAGE005
=
Figure 122308DEST_PATH_IMAGE006
；
基于每种商品的备货比例计算每种商品的备货数量：
Figure 296937DEST_PATH_IMAGE007
，其中，Q为自动售货机装满货品后所有商品的总数量。
10.一种计算机存储介质，所述计算机存储介质上存储有计算机程序，其特征在于，当所述计算机存储介质上的计算机程序被处理器执行时实现权利要求1-5任一项所述的方法。
CN202111528034.4A 2021-12-15 2021-12-15 一种自动售货机的备货方法、装置及存储介质 Active CN113935697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111528034.4A CN113935697B (zh) 2021-12-15 2021-12-15 一种自动售货机的备货方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111528034.4A CN113935697B (zh) 2021-12-15 2021-12-15 一种自动售货机的备货方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113935697A true CN113935697A (zh) 2022-01-14
CN113935697B CN113935697B (zh) 2022-04-08

Family

ID=79288838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111528034.4A Active CN113935697B (zh) 2021-12-15 2021-12-15 一种自动售货机的备货方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113935697B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044905A (ja) * 2001-07-27 2003-02-14 Fuji Electric Co Ltd 商品割付システム、商品割付装置、商品割付方法およびその方法をコンピュータに実行させるためのプログラム
CN101308560A (zh) * 2007-05-15 2008-11-19 株式会社电通零售营销 店铺管理系统及程序
US8666847B1 (en) * 2011-08-01 2014-03-04 Intuit Inc. Methods systems and computer program products for monitoring inventory and prices
CN107633598A (zh) * 2017-09-22 2018-01-26 合肥众驰天下网络科技有限公司 一种无人售货机管理系统
CN107705155A (zh) * 2017-10-11 2018-02-16 北京三快在线科技有限公司 一种消费能力预测方法、装置、电子设备及可读存储介质
CN108961547A (zh) * 2018-06-29 2018-12-07 深圳和而泰数据资源与云技术有限公司 一种商品识别方法、无人售货机及计算机可读存储介质
US20190102996A1 (en) * 2017-10-02 2019-04-04 Adp Gauselmann Gmbh Gaming system and method having a practice round
CN110264236A (zh) * 2019-05-07 2019-09-20 美佳亚太投资有限公司 自动贩卖机销售数据分析方法、装置及存储介质
CN110335410A (zh) * 2019-04-03 2019-10-15 深圳壹账通智能科技有限公司 基于大数据的售货机补货方法、装置和计算机设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044905A (ja) * 2001-07-27 2003-02-14 Fuji Electric Co Ltd 商品割付システム、商品割付装置、商品割付方法およびその方法をコンピュータに実行させるためのプログラム
CN101308560A (zh) * 2007-05-15 2008-11-19 株式会社电通零售营销 店铺管理系统及程序
US8666847B1 (en) * 2011-08-01 2014-03-04 Intuit Inc. Methods systems and computer program products for monitoring inventory and prices
CN107633598A (zh) * 2017-09-22 2018-01-26 合肥众驰天下网络科技有限公司 一种无人售货机管理系统
US20190102996A1 (en) * 2017-10-02 2019-04-04 Adp Gauselmann Gmbh Gaming system and method having a practice round
CN107705155A (zh) * 2017-10-11 2018-02-16 北京三快在线科技有限公司 一种消费能力预测方法、装置、电子设备及可读存储介质
CN108961547A (zh) * 2018-06-29 2018-12-07 深圳和而泰数据资源与云技术有限公司 一种商品识别方法、无人售货机及计算机可读存储介质
CN110335410A (zh) * 2019-04-03 2019-10-15 深圳壹账通智能科技有限公司 基于大数据的售货机补货方法、装置和计算机设备
CN110264236A (zh) * 2019-05-07 2019-09-20 美佳亚太投资有限公司 自动贩卖机销售数据分析方法、装置及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王庆阳: "关于自动售货机间断需求预测方法的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 经济与管理科学辑(月刊)》 *
王永周 等: "基于大数据预测的消费者购买决策行为分析", 《商业经济研究》 *
陈灿 等: "基于消费者购买前后感知价值差异下的卖方最优订货量与定价分析", 《中国科学技术大学学报》 *

Also Published As

Publication number Publication date
CN113935697B (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
US10430859B2 (en) System and method of generating a recommendation of a product or service based on inferring a demographic characteristic of a customer
US9727616B2 (en) Systems and methods for predicting sales of item listings
CN106339393B (zh) 信息推送方法及装置
KR101726520B1 (ko) 개인화 추천 방법, 시스템 및 기록 매체
US20180165746A1 (en) Network Interaction System
GB2516550A (en) Aggregating system
CN110348868A (zh) 服务信息获取方法和装置
US20200410573A1 (en) Computer-implemented method for generating a suggestion list and system for generating an order list
CN113689259A (zh) 基于用户行为的商品个性化推荐方法及系统
CN110232589B (zh) 一种基于大数据的意向客户分析系统
CN111709813A (zh) 一种基于大数据线上商品推荐方法
CN110570271A (zh) 信息推荐方法、装置、电子设备及可读存储介质
Smith Optimizing retail assortments for diverse customer preferences
KR102564646B1 (ko) 온라인 상품 정보 자동 생성 방법 및 시스템
CN113935697B (zh) 一种自动售货机的备货方法、装置及存储介质
CN112307231A (zh) 信息处理、模型训练、特征库创建方法及电子设备
KR102429104B1 (ko) 인공지능에 기반한 상품 카탈로그 자동 분류 시스템
CN115660708A (zh) 商品数据的处理方法、装置、电子设备及存储介质
CN112508594B (zh) 带货视频的商品销量属性估算方法及装置
KR101865216B1 (ko) 사용자 선호 맞춤형 평가 관리 방법
CN112330098A (zh) Kol带货能力属性的智能化计算方法及装置
CN111639274A (zh) 线上商品智能排序方法、装置、计算机设备和存储介质
CN111598660A (zh) 一种用于筛选供应商的计算机筛选装置、方法及存储介质
CN112288549B (zh) 一种商品推荐列表生成方法、装置、设备及可读存储介质
CN112330037B (zh) 一种新品库存比例预测的方法、装置及服务器

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