CN116385062B - 一种基于大数据的店铺区域选址确定方法及系统 - Google Patents

一种基于大数据的店铺区域选址确定方法及系统 Download PDF

Info

Publication number
CN116385062B
CN116385062B CN202310657629.2A CN202310657629A CN116385062B CN 116385062 B CN116385062 B CN 116385062B CN 202310657629 A CN202310657629 A CN 202310657629A CN 116385062 B CN116385062 B CN 116385062B
Authority
CN
China
Prior art keywords
cell
cells
area
seed
tissue
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
CN202310657629.2A
Other languages
English (en)
Other versions
CN116385062A (zh
Inventor
王国章
黄振琳
王庭飞
王庭龙
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.)
And Yuan Da Mdt Infotech Ltd
Original Assignee
And Yuan Da Mdt Infotech 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 And Yuan Da Mdt Infotech Ltd filed Critical And Yuan Da Mdt Infotech Ltd
Priority to CN202310657629.2A priority Critical patent/CN116385062B/zh
Publication of CN116385062A publication Critical patent/CN116385062A/zh
Application granted granted Critical
Publication of CN116385062B publication Critical patent/CN116385062B/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
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的店铺区域选址确定方法及系统，本发明技术方案通过通信基站对用户手机终端进行寻呼的方式精准地确定目标选址区域中各个单元格所对应的人流量，为后续模型推演提供精准的基础数据；并利用元胞自动机能够进行数据推演的特性，在考虑店铺选址的类型、预计开业时间和环境影响因子的情况下，确定发育红线后进行模型推演，继而得到面积值最大的候选目标元胞，利用其对应的单元格所在位置，作为最终的店铺区域选址，以解决环境和周边店铺情况对人流量在未来的变化影响，能够精准地推演出人流量在约定条件或时间内发生的最终变化，从而为店铺区域选址提供有力的数据支撑。

Description

一种基于大数据的店铺区域选址确定方法及系统
技术领域
本发明涉及大数据处理技术领域，尤其涉及一种基于大数据的店铺区域选址确定方法及系统。
背景技术
商业店铺在选址过程中需要考虑人流量、租金、园区环境和当地政策等多种因素，通过综合对比之后才确定最终的店铺选址区域。目前人们是通过实地考察的方式来综合判断店铺的选址区域，但这种人工考察的方式效率低下，且准确度不高，往往无法为用户提供精准的数据支撑。
现有技术也有通过大数据的方式来进行店铺选址的，例如：利用采集的人流量图像对该区域中的人流情况进行判断，根据人流量的大小来决定店铺区域的选址。现有技术中的大数据店铺选址方式存在多个弊端：一是没有考虑到环境对于人流量在未来的变化导致最佳店铺选址区域位移的问题；二是没有考虑到周边店铺的开业和关闭对人流量的影响问题；三是采用图像判断人流量的方式无法精准地识别出具体的人流数据，使得最佳店铺区域的选址不准确。基于上述种种原因，目前现有技术中采用图像处理技术确定人流量从而选址店铺选址的方式由于未考虑到多种因素带来的变化而仍然具有影响数据准确性的弊端。
元胞自动机(通常称为：CA) 是一种具备时间、空间和状态都离散，空间相互作用和时间因果关系为局部的网格动力学模型，具有模拟复杂系统时空演化过程的能力。元胞自动机模型可以对事件发生状况进行推演，但由于元胞自动机模型以往常见于生态学和经济推演当中，如何利用元胞自动机模型对人流量在商业区域中进行推演，从而得到准确的人流量数据是我们需要研究的。
因此，目前市面上亟需一种基于大数据的店铺区域选址确定策略，以解决环境和周边店铺情况对人流量在未来的变化影响，精准地推演出人流量在约定条件或时间内发生的最终变化，从而为店铺区域选址提供有力的数据支撑。
发明内容
本发明提供了一种基于大数据的店铺区域选址确定方法及系统，能够考虑环境和周边店铺情况对人流量在未来的变化影响，精准地推演出人流量在约定条件或时间内发生的最终变化，从而为店铺区域选址提供有力的数据支撑。
为了解决上述技术问题，本发明提供了一种基于大数据的店铺区域选址确定方法，包括：
获取目标选址区域的地理数据，根据所述地理数据将所述目标选址区域划分为多个单元格；同时，通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量；
根据各个单元格所对应的人流量按比例分别对各个单元格进行面积缩小和放大，以调整面积完成后的单元格为网络模型构建元胞自动机模型，并在所述元胞自动机模型中确定种子元胞和组织元胞；其中，所述种子元胞是初步意向店铺选址所在单元格；所述组织元胞是所有单元格中除所述种子元胞以外的单元格；
获取店铺选址的类型、预计开业时间和环境影响因子，根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线，并将所述环境影响因子输入到所述元胞自动机模型中，控制所述元胞自动机模型在所述预计开业时间的时间范围内进行模型推演；
在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束；
提取推演结束时元胞自动机模型中存在的种子元胞，作为候选目标元胞，分别计算各个候选目标元胞的面积值，选择面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址。
作为优选方案，所述通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量的步骤中，具体包括：
在所述目标选址区域中确定多个通信基站的位置，作为基准位置点；
分别计算每一个所述基准位置点到每一个单元格之间的空间距离，生成空间距离矩阵；
分别控制每一个所述基准位置点向四周发出寻呼信号，以使用户手机终端响应于所述寻呼信号反馈应答信号；
根据接收到的应答信号计算出用户手机终端分别与每一个所述基准位置点之间的空间距离，形成距离序列；
根据所述距离序列在所述空间距离矩阵中进行匹配处理，确定所述用户手机终端所在的单元格位置；
对每一个单元格位置上出现的用户手机终端的数量进行统计，并将统计得到的用户手机终端总数作为该单元格位置上的人流量。
作为优选方案，所述根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线的步骤中，具体包括：
根据所述店铺选址的类型确定所述种子元胞对应的第一发育频率和所述组织元胞对应的第二发育频率；
获取用户设置的第一预设红线时长，计算所述第一预设红线时长、所述第一发育频率和所述种子元胞所在单元格所对应的人流量之间的乘积值，作为所述种子元胞在推演中发育面积的上限，确定为所述种子元胞的上限发育红线；
根据所述店铺选址的类型确定所述种子元胞的下限权重值，计算所述种子元胞的下限权重值与所述种子元胞的上限发育红线之间的乘积值，作为所述种子元胞的下限发育红线；
获取用户设置的第二预设红线时长，计算所述第二预设红线时长、所述第二发育频率和所述组织元胞所在单元格所对应的人流量之间的乘积值，作为所述组织元胞在推演中发育面积的上限，确定为所述组织元胞的上限发育红线；
根据所述店铺选址的类型确定所述组织元胞的下限权重值，计算所述组织元胞的下限权重值与所述组织元胞的上限发育红线之间的乘积值，作为所述组织元胞的下限发育红线。
作为优选方案，所述在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束的步骤中，具体包括：
当确定所述种子元胞的发育程度达到所述种子元胞的上限发育红线时，将所述种子元胞确定为候选目标元胞；
当确定所述种子元胞的发育程度达到所述种子元胞的下限发育红线时，将所述种子元胞转换为组织元胞，并以转换后的组织元胞的面积，以及结合所述用户设置的第二预设红线时长和所述店铺选址的类型重新计算组织元胞的上限发育红线和下限发育红线，直到推演结束；
当确定所述组织元胞的发育程度达到所述组织元胞的上限发育红线时，将所述组织元胞转换为种子元胞，并以转换后的种子元胞的面积，以及结合所述用户设置的第一预设红线时长和所述店铺选址的类型重新计算种子元胞的上限发育红线和下限发育红线，直到推演结束；
当确定所述组织元胞的发育程度达到所述组织元胞的下限发育红线时，控制所述组织元胞停止发育，并根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整，直到推演结束。
作为优选方案，所述根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整的步骤中，具体包括：
根据组织元胞所在单元格的位置，确定与所述组织元胞相邻的目标元胞，并分别确定所述目标元胞所在单元格的位置；
确定所述组织元胞和所述目标元胞的内接圆，分别计算所述组织元胞的内接圆的圆心与所述目标元胞的内接圆的圆心之间的空间距离，作为所述目标元胞受所述环境影响因子所影响的诱发频率；
根据每个目标元胞的诱发频率在所述元胞自动机模型进行模型推演的过程中触发所述环境影响因子运行，直到推演结束。
作为优选方案，所述分别计算各个候选目标元胞的面积值的步骤中，具体包括：
确定每个候选目标元胞所在单元格的位置，并提取对应单元格上元胞阴影区域；
将所述候选目标元胞的相邻元胞中，与所述元胞阴影区域发生重合的元胞确定为面积阴影元胞；
分别计算每个所述候选目标元胞所对应的元胞阴影区域与所述面积阴影元胞的重合面积；
计算所述重合面积与所述元胞阴影区域之间的比值，作为所述面积阴影元胞相对于所述候选目标元胞所对应的阴影修正率；
分别计算所述候选目标元胞和每个面积阴影元胞所在单元格面积，通过每个面积阴影元胞所对应的阴影修正率，计算出所述候选目标元胞的面积值。
作为优选方案，所述候选目标元胞的面积值的计算公式为：
，
其中，为第i个候选目标元胞的面积值；为第i个候选目标元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的阴影修正率。
相应地，本发明还提供了一种基于大数据的店铺区域选址确定系统，包括：流量确定模块、模型构建模块、发育红线模块、模型推演模块和店铺选址模块；
所述流量确定模块，用于获取目标选址区域的地理数据，根据所述地理数据将所述目标选址区域划分为多个单元格；同时，通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量；
所述模型构建模块，用于根据各个单元格所对应的人流量按比例分别对各个单元格进行面积缩小和放大，以调整面积完成后的单元格为网络模型构建元胞自动机模型，并在所述元胞自动机模型中确定种子元胞和组织元胞；其中，所述种子元胞是初步意向店铺选址所在单元格；所述组织元胞是所有单元格中除所述种子元胞以外的单元格；
所述发育红线模块，用于获取店铺选址的类型、预计开业时间和环境影响因子，根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线，并将所述环境影响因子输入到所述元胞自动机模型中，控制所述元胞自动机模型在所述预计开业时间的时间范围内进行模型推演；
所述模型推演模块，用于在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束；
所述店铺选址模块，用于提取推演结束时元胞自动机模型中存在的种子元胞，作为候选目标元胞，分别计算各个候选目标元胞的面积值，选择面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址。
作为优选方案，所述流量确定模块用于通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量的步骤中，具体包括：在所述目标选址区域中确定多个通信基站的位置，作为基准位置点；分别计算每一个所述基准位置点到每一个单元格之间的空间距离，生成空间距离矩阵；分别控制每一个所述基准位置点向四周发出寻呼信号，以使用户手机终端响应于所述寻呼信号反馈应答信号；根据接收到的应答信号计算出用户手机终端分别与每一个所述基准位置点之间的空间距离，形成距离序列；根据所述距离序列在所述空间距离矩阵中进行匹配处理，确定所述用户手机终端所在的单元格位置；对每一个单元格位置上出现的用户手机终端的数量进行统计，并将统计得到的用户手机终端总数作为该单元格位置上的人流量。
作为优选方案，所述发育红线模块用于根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线的步骤中，具体包括：根据所述店铺选址的类型确定所述种子元胞对应的第一发育频率和所述组织元胞对应的第二发育频率；获取用户设置的第一预设红线时长，计算所述第一预设红线时长、所述第一发育频率和所述种子元胞所在单元格所对应的人流量之间的乘积值，作为所述种子元胞在推演中发育面积的上限，确定为所述种子元胞的上限发育红线；根据所述店铺选址的类型确定所述种子元胞的下限权重值，计算所述种子元胞的下限权重值与所述种子元胞的上限发育红线之间的乘积值，作为所述种子元胞的下限发育红线；获取用户设置的第二预设红线时长，计算所述第二预设红线时长、所述第二发育频率和所述组织元胞所在单元格所对应的人流量之间的乘积值，作为所述组织元胞在推演中发育面积的上限，确定为所述组织元胞的上限发育红线；根据所述店铺选址的类型确定所述组织元胞的下限权重值，计算所述组织元胞的下限权重值与所述组织元胞的上限发育红线之间的乘积值，作为所述组织元胞的下限发育红线。
作为优选方案，所述模型推演模块具体用于：当确定所述种子元胞的发育程度达到所述种子元胞的上限发育红线时，将所述种子元胞确定为候选目标元胞；当确定所述种子元胞的发育程度达到所述种子元胞的下限发育红线时，将所述种子元胞转换为组织元胞，并以转换后的组织元胞的面积，以及结合所述用户设置的第二预设红线时长和所述店铺选址的类型重新计算组织元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的上限发育红线时，将所述组织元胞转换为种子元胞，并以转换后的种子元胞的面积，以及结合所述用户设置的第一预设红线时长和所述店铺选址的类型重新计算种子元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的下限发育红线时，控制所述组织元胞停止发育，并根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整，直到推演结束。
作为优选方案，所述模型推演模块用于根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整的步骤中，具体包括：根据组织元胞所在单元格的位置，确定与所述组织元胞相邻的目标元胞，并分别确定所述目标元胞所在单元格的位置；确定所述组织元胞和所述目标元胞的内接圆，分别计算所述组织元胞的内接圆的圆心与所述目标元胞的内接圆的圆心之间的空间距离，作为所述目标元胞受所述环境影响因子所影响的诱发频率；根据每个目标元胞的诱发频率在所述元胞自动机模型进行模型推演的过程中触发所述环境影响因子运行，直到推演结束。
作为优选方案，所述店铺选址模块用于分别计算各个候选目标元胞的面积值的步骤中，具体包括：确定每个候选目标元胞所在单元格的位置，并提取对应单元格上元胞阴影区域；将所述候选目标元胞的相邻元胞中，与所述元胞阴影区域发生重合的元胞确定为面积阴影元胞；分别计算每个所述候选目标元胞所对应的元胞阴影区域与所述面积阴影元胞的重合面积；计算所述重合面积与所述元胞阴影区域之间的比值，作为所述面积阴影元胞相对于所述候选目标元胞所对应的阴影修正率；分别计算所述候选目标元胞和每个面积阴影元胞所在单元格面积，通过每个面积阴影元胞所对应的阴影修正率，计算出所述候选目标元胞的面积值。
作为优选方案，所述候选目标元胞的面积值的计算公式为：
，
其中，为第i个候选目标元胞的面积值；为第i个候选目标元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的阴影修正率。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的基于大数据的店铺区域选址确定方法。
本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的基于大数据的店铺区域选址确定方法。
相比于现有技术，本发明具有如下有益效果：
本发明技术方案通过通信基站对用户手机终端进行寻呼的方式精准地确定目标选址区域中各个单元格所对应的人流量，为后续模型推演提供精准的基础数据；并利用元胞自动机能够进行数据推演的特性，在考虑店铺选址的类型、预计开业时间和环境影响因子的情况下，确定发育红线后进行模型推演，继而得到面积值最大的候选目标元胞，利用其对应的单元格所在位置，作为最终的店铺区域选址，以解决环境和周边店铺情况对人流量在未来的变化影响，能够精准地推演出人流量在约定条件或时间内发生的最终变化，从而为店铺区域选址提供有力的数据支撑。
附图说明
图1 ：为本发明提供的一种基于大数据的店铺区域选址确定方法的步骤流程图；
图2 ：为本发明提供的一种基于大数据的店铺区域选址确定系统的结构示意图；
图3 ：为本发明提供的终端设备的结构示意图。
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他实施例，都属于本发明保护的范围。
实施例一，请参照图1，为本发明实施例提供的一种基于大数据的店铺区域选址确定方法的步骤流程图，包括：步骤101至步骤105，各步骤具体如下：
步骤101，获取目标选址区域的地理数据，根据所述地理数据将所述目标选址区域划分为多个单元格；同时，通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量。
在本实施例中，所述通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量的步骤中，具体包括：步骤1011，在所述目标选址区域中确定多个通信基站的位置，作为基准位置点；步骤1012，分别计算每一个所述基准位置点到每一个单元格之间的空间距离，生成空间距离矩阵；步骤1013，分别控制每一个所述基准位置点向四周发出寻呼信号，以使用户手机终端响应于所述寻呼信号反馈应答信号；步骤1014，根据接收到的应答信号计算出用户手机终端分别与每一个所述基准位置点之间的空间距离，形成距离序列；步骤1015，根据所述距离序列在所述空间距离矩阵中进行匹配处理，确定所述用户手机终端所在的单元格位置；步骤1016，对每一个单元格位置上出现的用户手机终端的数量进行统计，并将统计得到的用户手机终端总数作为该单元格位置上的人流量。
具体地，由于后续在元胞自动机模型构建过程中需要通道人流量作为各个元胞的初始数据来源，因此，区域中各个位置的人流量是否准确就显得非常重要，可以直接影响到元胞自动机模型的推演结果准确性。而由于传统的人流量确定策略往往是通过摄像头采集等手段，实际上好多拍摄盲区和图像识别的准确度都会直接影响到人流量的真实数据，导致数据来源不准确。而本步骤利用基站寻呼的方式，通过信号传输确定位置和统计人流量，可以最大限度地提高该区域中人流量统计的准确度。
步骤102，根据各个单元格所对应的人流量按比例分别对各个单元格进行面积缩小和放大，以调整面积完成后的单元格为网络模型构建元胞自动机模型，并在所述元胞自动机模型中确定种子元胞和组织元胞；其中，所述种子元胞是初步意向店铺选址所在单元格；所述组织元胞是所有单元格中除所述种子元胞以外的单元格。
具体地，在元胞自动机模型中具有种子发育模式和组织发育模式，所以我们需要提前确定元胞自动机模型中那些元胞是属于种子元胞，而那些是属于组织元胞。可以理解的是，用户在目标选址区域中进行选址，而该区域中具有多个空置可选位置，则我们通过用户确定这些空置可选位置来确定初步意向店铺，并确定其选址所在单元格作为种子元胞即可。种子元胞会根据推演过程进行种子发育模式开展发育，其发育程度即为人流量的发育程度，可以直观地看到人流量在该区域的变化情况。而可以理解的是，在元胞自动机模型中除种子元胞之外的其他元胞，即为组织元胞。当然地，随着种子元胞和组织元胞的继续发育，存在着发育过剩和发育不足两个情况。在后续步骤104中会根据上述两种情况进行详细讲解。
步骤103，获取店铺选址的类型、预计开业时间和环境影响因子，根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线，并将所述环境影响因子输入到所述元胞自动机模型中，控制所述元胞自动机模型在所述预计开业时间的时间范围内进行模型推演。
在本实施例中，所述根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线的步骤中，具体包括：步骤1031，根据所述店铺选址的类型确定所述种子元胞对应的第一发育频率和所述组织元胞对应的第二发育频率；步骤1032，获取用户设置的第一预设红线时长，计算所述第一预设红线时长、所述第一发育频率和所述种子元胞所在单元格所对应的人流量之间的乘积值，作为所述种子元胞在推演中发育面积的上限，确定为所述种子元胞的上限发育红线；步骤1033，根据所述店铺选址的类型确定所述种子元胞的下限权重值，计算所述种子元胞的下限权重值与所述种子元胞的上限发育红线之间的乘积值，作为所述种子元胞的下限发育红线；步骤1034，获取用户设置的第二预设红线时长，计算所述第二预设红线时长、所述第二发育频率和所述组织元胞所在单元格所对应的人流量之间的乘积值，作为所述组织元胞在推演中发育面积的上限，确定为所述组织元胞的上限发育红线；步骤1035，根据所述店铺选址的类型确定所述组织元胞的下限权重值，计算所述组织元胞的下限权重值与所述组织元胞的上限发育红线之间的乘积值，作为所述组织元胞的下限发育红线。
具体地，为了后续可以更准确地控制元胞的发育程度，在本步骤中我们需要对元胞的发育红线进行设置。我们通过店铺选址的类型设置了不同的发育频率。例如，经营餐饮的店铺其发育频率较高（人流量大）；而经营文化的店铺其发育频率略低（人流量相比餐饮较少）。然后控制红线的限制时长，即由用户设置的第一预设红线时长和第二预设红线时长。通过红线时长的设置，可以计算出其发育频率的影响下，结合红线时长，究竟可以达到的发育上限是什么程度。而利用店铺选址的类型可以通过权重值的设置，在下限的红线范围中适配对应的发育程度。由此，我们可以设置出种子元胞和组织元胞各自发育的上限和下限。
步骤104，在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束。
在本实施例的第一方面中，所述步骤104具体包括：步骤1041，当确定所述种子元胞的发育程度达到所述种子元胞的上限发育红线时，将所述种子元胞确定为候选目标元胞；步骤1042，当确定所述种子元胞的发育程度达到所述种子元胞的下限发育红线时，将所述种子元胞转换为组织元胞，并以转换后的组织元胞的面积，以及结合所述用户设置的第二预设红线时长和所述店铺选址的类型重新计算组织元胞的上限发育红线和下限发育红线，直到推演结束；步骤1043，当确定所述组织元胞的发育程度达到所述组织元胞的上限发育红线时，将所述组织元胞转换为种子元胞，并以转换后的种子元胞的面积，以及结合所述用户设置的第一预设红线时长和所述店铺选址的类型重新计算种子元胞的上限发育红线和下限发育红线，直到推演结束；步骤1044，当确定所述组织元胞的发育程度达到所述组织元胞的下限发育红线时，控制所述组织元胞停止发育，并根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整，直到推演结束。
具体地，考虑到种子元胞和组织元胞的继续发育，存在着发育过剩和发育不足两个情况，当种子元胞发育程度达到上限时，则证明该种子元胞对应的单元格位置其人流量已经达到开店的程度，可以将其直接设置为候选目标元胞，以便后续步骤105进行面积最大值筛选。而当种子元胞一直发育不足达到下限时，则证明其不再适合作为初步意向店铺选址了，此时我们需要将该种子元胞转换类型变为组织元胞。而当组织元胞的发育程度达到上限时，则证明该组织元胞所在单元格位置的人流量足以作为初步意向店铺选址进行选择，所以我们需要将其转换为种子元胞，并继续进行推演，直到该元胞进入候选目标元胞或再次转换类型为组织元胞或推演结束。而当组织元胞由于发育不足达到下限时，此时该组织元胞所在店铺或位置相当于结业或不再考虑选址了。但我们需要考虑到该类型的组织元胞对整体环境造成的影响。所以我们需要对其存在的位置对环境影响因子的诱发频率进行调整。
在本实施例的第二方面中，所述步骤1044根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整的步骤中，具体包括：步骤10441，根据组织元胞所在单元格的位置，确定与所述组织元胞相邻的目标元胞，并分别确定所述目标元胞所在单元格的位置；步骤10442，确定所述组织元胞和所述目标元胞的内接圆，分别计算所述组织元胞的内接圆的圆心与所述目标元胞的内接圆的圆心之间的空间距离，作为所述目标元胞受所述环境影响因子所影响的诱发频率；步骤10443，根据每个目标元胞的诱发频率在所述元胞自动机模型进行模型推演的过程中触发所述环境影响因子运行，直到推演结束。
具体地，在具体调整诱发频率的步骤中，可以通过组织元胞与其相邻的元胞之间的距离来确定诱发频率的影响程度。而进行距离的计算过程中，我们为了保持数据的准确性，利用元胞内接圆的设置将其圆心之间的空间距离定义为诱发频率，可以更直接地由元胞自动机模型控制该环境影响因子实行该诱发频率而带来的直接影响，直到推演结束。可以使得整个元胞自动机模型的推演过程和结果更加的真实和准确，进一步提高本方案的实用性和准确性。
步骤105，提取推演结束时元胞自动机模型中存在的种子元胞，作为候选目标元胞，分别计算各个候选目标元胞的面积值，选择面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址。
在本实施例中，所述分别计算各个候选目标元胞的面积值的步骤中，具体包括：步骤1051，确定每个候选目标元胞所在单元格的位置，并提取对应单元格上元胞阴影区域；步骤1052，将所述候选目标元胞的相邻元胞中，与所述元胞阴影区域发生重合的元胞确定为面积阴影元胞；步骤1053，分别计算每个所述候选目标元胞所对应的元胞阴影区域与所述面积阴影元胞的重合面积；步骤1054，计算所述重合面积与所述元胞阴影区域之间的比值，作为所述面积阴影元胞相对于所述候选目标元胞所对应的阴影修正率；步骤1055，分别计算所述候选目标元胞和每个面积阴影元胞所在单元格面积，通过每个面积阴影元胞所对应的阴影修正率，计算出所述候选目标元胞的面积值。
具体地，在进行元胞面积计算的过程中，我们需要考虑到元胞阴影对元胞实际面积的影响。由于元胞自动机模型在推演过程中，各个元胞的发育程度不大，有些距离过近的元胞可能相互重合而产生阴影区域，此时，我们需要计算出阴影区域与其候选目标元胞相邻的其他元胞之间的重合度，从而计算重合面积与元胞阴影区域之间的比值，可以得到阴影修正率。这里的阴影修正率可以结合候选目标元胞自身所在单元格的面积来推算出其实际的发育面积。在实际应用中，我们通过大量实验和公式推导，考虑数据准确性的前提下，我们采用如下公式来确定候选目标元胞的面积值计算。具体地，所述候选目标元胞的面积值的计算公式为：
，
其中，为第i个候选目标元胞的面积值；为第i个候选目标元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的阴影修正率。
最后，通过计算出的面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址，可以精准地选择出目标选址区域中受环境影响因子、人流量等影响，综合推演出在预设时间段中人流量最大的区域位置，从而精准地向用户推荐最终的店铺区域选址。
本发明技术方案通过通信基站对用户手机终端进行寻呼的方式精准地确定目标选址区域中各个单元格所对应的人流量，为后续模型推演提供精准的基础数据；并利用元胞自动机能够进行数据推演的特性，在考虑店铺选址的类型、预计开业时间和环境影响因子的情况下，确定发育红线后进行模型推演，继而得到面积值最大的候选目标元胞，利用其对应的单元格所在位置，作为最终的店铺区域选址，以解决环境和周边店铺情况对人流量在未来的变化影响，能够精准地推演出人流量在约定条件或时间内发生的最终变化，从而为店铺区域选址提供有力的数据支撑。
实施例二，请参照图2，为本发明提供的一种基于大数据的店铺区域选址确定系统的结构示意图，包括：流量确定模块、模型构建模块、发育红线模块、模型推演模块和店铺选址模块。
所述流量确定模块，用于获取目标选址区域的地理数据，根据所述地理数据将所述目标选址区域划分为多个单元格；同时，通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量。
在本实施例中，所述流量确定模块用于通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量的步骤中，具体包括：在所述目标选址区域中确定多个通信基站的位置，作为基准位置点；分别计算每一个所述基准位置点到每一个单元格之间的空间距离，生成空间距离矩阵；分别控制每一个所述基准位置点向四周发出寻呼信号，以使用户手机终端响应于所述寻呼信号反馈应答信号；根据接收到的应答信号计算出用户手机终端分别与每一个所述基准位置点之间的空间距离，形成距离序列；根据所述距离序列在所述空间距离矩阵中进行匹配处理，确定所述用户手机终端所在的单元格位置；对每一个单元格位置上出现的用户手机终端的数量进行统计，并将统计得到的用户手机终端总数作为该单元格位置上的人流量。
所述模型构建模块，用于根据各个单元格所对应的人流量按比例分别对各个单元格进行面积缩小和放大，以调整面积完成后的单元格为网络模型构建元胞自动机模型，并在所述元胞自动机模型中确定种子元胞和组织元胞；其中，所述种子元胞是初步意向店铺选址所在单元格；所述组织元胞是所有单元格中除所述种子元胞以外的单元格。
所述发育红线模块，用于获取店铺选址的类型、预计开业时间和环境影响因子，根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线，并将所述环境影响因子输入到所述元胞自动机模型中，控制所述元胞自动机模型在所述预计开业时间的时间范围内进行模型推演。
在本实施例中，所述发育红线模块用于根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线的步骤中，具体包括：根据所述店铺选址的类型确定所述种子元胞对应的第一发育频率和所述组织元胞对应的第二发育频率；获取用户设置的第一预设红线时长，计算所述第一预设红线时长、所述第一发育频率和所述种子元胞所在单元格所对应的人流量之间的乘积值，作为所述种子元胞在推演中发育面积的上限，确定为所述种子元胞的上限发育红线；根据所述店铺选址的类型确定所述种子元胞的下限权重值，计算所述种子元胞的下限权重值与所述种子元胞的上限发育红线之间的乘积值，作为所述种子元胞的下限发育红线；获取用户设置的第二预设红线时长，计算所述第二预设红线时长、所述第二发育频率和所述组织元胞所在单元格所对应的人流量之间的乘积值，作为所述组织元胞在推演中发育面积的上限，确定为所述组织元胞的上限发育红线；根据所述店铺选址的类型确定所述组织元胞的下限权重值，计算所述组织元胞的下限权重值与所述组织元胞的上限发育红线之间的乘积值，作为所述组织元胞的下限发育红线。
所述模型推演模块，用于在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束。
在本实施例的第一方面中，所述模型推演模块具体用于：当确定所述种子元胞的发育程度达到所述种子元胞的上限发育红线时，将所述种子元胞确定为候选目标元胞；当确定所述种子元胞的发育程度达到所述种子元胞的下限发育红线时，将所述种子元胞转换为组织元胞，并以转换后的组织元胞的面积，以及结合所述用户设置的第二预设红线时长和所述店铺选址的类型重新计算组织元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的上限发育红线时，将所述组织元胞转换为种子元胞，并以转换后的种子元胞的面积，以及结合所述用户设置的第一预设红线时长和所述店铺选址的类型重新计算种子元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的下限发育红线时，控制所述组织元胞停止发育，并根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整，直到推演结束。
在本实施例的第二方面中，所述模型推演模块用于根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整的步骤中，具体包括：根据组织元胞所在单元格的位置，确定与所述组织元胞相邻的目标元胞，并分别确定所述目标元胞所在单元格的位置；确定所述组织元胞和所述目标元胞的内接圆，分别计算所述组织元胞的内接圆的圆心与所述目标元胞的内接圆的圆心之间的空间距离，作为所述目标元胞受所述环境影响因子所影响的诱发频率；根据每个目标元胞的诱发频率在所述元胞自动机模型进行模型推演的过程中触发所述环境影响因子运行，直到推演结束。
所述店铺选址模块，用于提取推演结束时元胞自动机模型中存在的种子元胞，作为候选目标元胞，分别计算各个候选目标元胞的面积值，选择面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址。
在本实施例中，所述店铺选址模块用于分别计算各个候选目标元胞的面积值的步骤中，具体包括：确定每个候选目标元胞所在单元格的位置，并提取对应单元格上元胞阴影区域；将所述候选目标元胞的相邻元胞中，与所述元胞阴影区域发生重合的元胞确定为面积阴影元胞；分别计算每个所述候选目标元胞所对应的元胞阴影区域与所述面积阴影元胞的重合面积；计算所述重合面积与所述元胞阴影区域之间的比值，作为所述面积阴影元胞相对于所述候选目标元胞所对应的阴影修正率；分别计算所述候选目标元胞和每个面积阴影元胞所在单元格面积，通过每个面积阴影元胞所对应的阴影修正率，计算出所述候选目标元胞的面积值。
具体地，所述候选目标元胞的面积值的计算公式为：
，
其中，为第i个候选目标元胞的面积值；为第i个候选目标元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的所在单元格面积；为第i个候选目标元胞所对应的第j个面积阴影元胞的阴影修正率。
实施例三，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于大数据的店铺区域选址确定方法。
实施例四，请参照图3，是本发明实施例提供的终端设备的一种实施例的结构示意图，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的基于大数据的店铺区域选址确定方法。优选地，所述计算机程序可以被分割成一个或多个模块/单元（如计算机程序、计算机程序），所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡（SmartMedia Card，SMC）、安全数字（Secure Digital，SD）卡和闪存卡（Flash Card）等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据的店铺区域选址确定方法，其特征在于，包括：
获取目标选址区域的地理数据，根据所述地理数据将所述目标选址区域划分为多个单元格；同时，通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量；
根据各个单元格所对应的人流量按比例分别对各个单元格进行面积缩小和放大，以调整面积完成后的单元格为网络模型构建元胞自动机模型，并在所述元胞自动机模型中确定种子元胞和组织元胞；其中，所述种子元胞是初步意向店铺选址所在单元格；所述组织元胞是所有单元格中除所述种子元胞以外的单元格；
获取店铺选址的类型、预计开业时间和环境影响因子，根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线，并将所述环境影响因子输入到所述元胞自动机模型中，控制所述元胞自动机模型在所述预计开业时间的时间范围内进行模型推演；
在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束；
提取推演结束时元胞自动机模型中存在的种子元胞，作为候选目标元胞，分别计算各个候选目标元胞的面积值，选择面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址；
所述在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束的步骤中，具体包括：当确定所述种子元胞的发育程度达到所述种子元胞的上限发育红线时，将所述种子元胞确定为候选目标元胞；当确定所述种子元胞的发育程度达到所述种子元胞的下限发育红线时，将所述种子元胞转换为组织元胞，并以转换后的组织元胞的面积，以及结合所述用户设置的第二预设红线时长和所述店铺选址的类型重新计算组织元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的上限发育红线时，将所述组织元胞转换为种子元胞，并以转换后的种子元胞的面积，以及结合所述用户设置的第一预设红线时长和所述店铺选址的类型重新计算种子元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的下限发育红线时，控制所述组织元胞停止发育，并根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整，直到推演结束；
所述分别计算各个候选目标元胞的面积值的步骤中，具体包括：确定每个候选目标元胞所在单元格的位置，并提取对应单元格上元胞阴影区域；将所述候选目标元胞的相邻元胞中，与所述元胞阴影区域发生重合的元胞确定为面积阴影元胞；分别计算每个所述候选目标元胞所对应的元胞阴影区域与所述面积阴影元胞的重合面积；计算所述重合面积与所述元胞阴影区域之间的比值，作为所述面积阴影元胞相对于所述候选目标元胞所对应的阴影修正率；分别计算所述候选目标元胞和每个面积阴影元胞所在单元格面积，通过每个面积阴影元胞所对应的阴影修正率，计算出所述候选目标元胞的面积值；
其中，所述候选目标元胞的面积值的计算公式为：
其中，Si为第i个候选目标元胞的面积值；Xi为第i个候选目标元胞的所在单元格面积；Yij为第i个候选目标元胞所对应的第j个面积阴影元胞的所在单元格面积；Kij为第i个候选目标元胞所对应的第j个面积阴影元胞的阴影修正率。
2.如权利要求1所述的基于大数据的店铺区域选址确定方法，其特征在于，所述通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量的步骤中，具体包括：
在所述目标选址区域中确定多个通信基站的位置，作为基准位置点；
分别计算每一个所述基准位置点到每一个单元格之间的空间距离，生成空间距离矩阵；
分别控制每一个所述基准位置点向四周发出寻呼信号，以使用户手机终端响应于所述寻呼信号反馈应答信号；
根据接收到的应答信号计算出用户手机终端分别与每一个所述基准位置点之间的空间距离，形成距离序列；
根据所述距离序列在所述空间距离矩阵中进行匹配处理，确定所述用户手机终端所在的单元格位置；
对每一个单元格位置上出现的用户手机终端的数量进行统计，并将统计得到的用户手机终端总数作为该单元格位置上的人流量。
3.如权利要求1所述的基于大数据的店铺区域选址确定方法，其特征在于，所述根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线的步骤中，具体包括：
根据所述店铺选址的类型确定所述种子元胞对应的第一发育频率和所述组织元胞对应的第二发育频率；
获取用户设置的第一预设红线时长，计算所述第一预设红线时长、所述第一发育频率和所述种子元胞所在单元格所对应的人流量之间的乘积值，作为所述种子元胞在推演中发育面积的上限，确定为所述种子元胞的上限发育红线；
根据所述店铺选址的类型确定所述种子元胞的下限权重值，计算所述种子元胞的下限权重值与所述种子元胞的上限发育红线之间的乘积值，作为所述种子元胞的下限发育红线；
获取用户设置的第二预设红线时长，计算所述第二预设红线时长、所述第二发育频率和所述组织元胞所在单元格所对应的人流量之间的乘积值，作为所述组织元胞在推演中发育面积的上限，确定为所述组织元胞的上限发育红线；
根据所述店铺选址的类型确定所述组织元胞的下限权重值，计算所述组织元胞的下限权重值与所述组织元胞的上限发育红线之间的乘积值，作为所述组织元胞的下限发育红线。
4.如权利要求3所述的基于大数据的店铺区域选址确定方法，其特征在于，所述根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整的步骤中，具体包括：
根据组织元胞所在单元格的位置，确定与所述组织元胞相邻的目标元胞，并分别确定所述目标元胞所在单元格的位置；
确定所述组织元胞和所述目标元胞的内接圆，分别计算所述组织元胞的内接圆的圆心与所述目标元胞的内接圆的圆心之间的空间距离，作为所述目标元胞受所述环境影响因子所影响的诱发频率；
根据每个目标元胞的诱发频率在所述元胞自动机模型进行模型推演的过程中触发所述环境影响因子运行，直到推演结束。
5.一种基于大数据的店铺区域选址确定系统，其特征在于，包括：流量确定模块、模型构建模块、发育红线模块、模型推演模块和店铺选址模块；
所述流量确定模块，用于获取目标选址区域的地理数据，根据所述地理数据将所述目标选址区域划分为多个单元格；同时，通过通信基站对用户手机终端进行寻呼的方式确定所述目标选址区域中各个单元格所对应的人流量；
所述模型构建模块，用于根据各个单元格所对应的人流量按比例分别对各个单元格进行面积缩小和放大，以调整面积完成后的单元格为网络模型构建元胞自动机模型，并在所述元胞自动机模型中确定种子元胞和组织元胞；其中，所述种子元胞是初步意向店铺选址所在单元格；所述组织元胞是所有单元格中除所述种子元胞以外的单元格；
所述发育红线模块，用于获取店铺选址的类型、预计开业时间和环境影响因子，根据所述店铺选址的类型分别确定所述种子元胞和所述组织元胞的发育红线，并将所述环境影响因子输入到所述元胞自动机模型中，控制所述元胞自动机模型在所述预计开业时间的时间范围内进行模型推演；
所述模型推演模块，用于在所述模型推演的过程中，当确定所述种子元胞和所述组织元胞的发育程度达到所述发育红线时，对所述种子元胞和所述组织元胞进行转换元胞类型，直到推演结束；
所述店铺选址模块，用于提取推演结束时元胞自动机模型中存在的种子元胞，作为候选目标元胞，分别计算各个候选目标元胞的面积值，选择面积值最大的候选目标元胞所对应的单元格所在位置，作为最终的店铺区域选址；
所述模型推演模块具体用于：当确定所述种子元胞的发育程度达到所述种子元胞的上限发育红线时，将所述种子元胞确定为候选目标元胞；当确定所述种子元胞的发育程度达到所述种子元胞的下限发育红线时，将所述种子元胞转换为组织元胞，并以转换后的组织元胞的面积，以及结合所述用户设置的第二预设红线时长和所述店铺选址的类型重新计算组织元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的上限发育红线时，将所述组织元胞转换为种子元胞，并以转换后的种子元胞的面积，以及结合所述用户设置的第一预设红线时长和所述店铺选址的类型重新计算种子元胞的上限发育红线和下限发育红线，直到推演结束；当确定所述组织元胞的发育程度达到所述组织元胞的下限发育红线时，控制所述组织元胞停止发育，并根据所述组织元胞所在单元格的位置对所述环境影响因子的诱发频率进行调整，直到推演结束；
所述店铺选址模块用于分别计算各个候选目标元胞的面积值的步骤中，具体包括：确定每个候选目标元胞所在单元格的位置，并提取对应单元格上元胞阴影区域；将所述候选目标元胞的相邻元胞中，与所述元胞阴影区域发生重合的元胞确定为面积阴影元胞；分别计算每个所述候选目标元胞所对应的元胞阴影区域与所述面积阴影元胞的重合面积；计算所述重合面积与所述元胞阴影区域之间的比值，作为所述面积阴影元胞相对于所述候选目标元胞所对应的阴影修正率；分别计算所述候选目标元胞和每个面积阴影元胞所在单元格面积，通过每个面积阴影元胞所对应的阴影修正率，计算出所述候选目标元胞的面积值；
其中，所述候选目标元胞的面积值的计算公式为：
其中，Si为第i个候选目标元胞的面积值；Xi为第i个候选目标元胞的所在单元格面积；Yij为第i个候选目标元胞所对应的第j个面积阴影元胞的所在单元格面积；Kij为第i个候选目标元胞所对应的第j个面积阴影元胞的阴影修正率。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-4中任一项所述的基于大数据的店铺区域选址确定方法。
7.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-4中任一项所述的基于大数据的店铺区域选址确定方法。
CN202310657629.2A 2023-06-06 2023-06-06 一种基于大数据的店铺区域选址确定方法及系统 Active CN116385062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310657629.2A CN116385062B (zh) 2023-06-06 2023-06-06 一种基于大数据的店铺区域选址确定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310657629.2A CN116385062B (zh) 2023-06-06 2023-06-06 一种基于大数据的店铺区域选址确定方法及系统

Publications (2)

Publication Number Publication Date
CN116385062A CN116385062A (zh) 2023-07-04
CN116385062B true CN116385062B (zh) 2023-09-19

Family

ID=86981006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310657629.2A Active CN116385062B (zh) 2023-06-06 2023-06-06 一种基于大数据的店铺区域选址确定方法及系统

Country Status (1)

Country Link
CN (1) CN116385062B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145983A (zh) * 2017-05-09 2017-09-08 东南大学 一种基于城市虚拟交通平台的电动汽车充电站选址方法
CN112948748A (zh) * 2021-02-09 2021-06-11 深圳大学 一种基于多利益主体的重大基础设施选址优化方法及系统
CN114372652A (zh) * 2021-08-19 2022-04-19 广东工业大学 一种城市生态容量评估及开发边界模拟方法
CN114676568A (zh) * 2022-01-17 2022-06-28 中国地质大学（北京） 一种基于元胞自动机的区域地质构造演化方法及装置
CN115758890A (zh) * 2022-11-22 2023-03-07 广州市嘉卉园林绿化建筑工程有限公司 一种海绵城市智慧监测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145983A (zh) * 2017-05-09 2017-09-08 东南大学 一种基于城市虚拟交通平台的电动汽车充电站选址方法
CN112948748A (zh) * 2021-02-09 2021-06-11 深圳大学 一种基于多利益主体的重大基础设施选址优化方法及系统
CN114372652A (zh) * 2021-08-19 2022-04-19 广东工业大学 一种城市生态容量评估及开发边界模拟方法
CN114676568A (zh) * 2022-01-17 2022-06-28 中国地质大学（北京） 一种基于元胞自动机的区域地质构造演化方法及装置
CN115758890A (zh) * 2022-11-22 2023-03-07 广州市嘉卉园林绿化建筑工程有限公司 一种海绵城市智慧监测方法及系统

Also Published As

Publication number Publication date
CN116385062A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN108513251B (zh) 一种基于mr数据的定位方法及系统
CN103068035A (zh) 一种无线网络定位方法、装置及系统
CN108260075A (zh) 一种基站部署位置的寻址方法及装置
CN111177222A (zh) 模型测试方法、装置及计算设备、存储介质
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
CN111328082B (zh) 基站规划方法、装置、设备及存储介质
CN112469060B (zh) 一种天线参数确定方法及装置
CN111382808A (zh) 一种车辆检测处理方法及装置
CN109005514B (zh) 用户位置信息的回填方法、装置、终端设备及存储介质
CN111008561A (zh) 一种牲畜的数量确定方法、终端及计算机存储介质
CN112383874B (zh) 越区覆盖识别方法、装置、设备及存储介质
CN113449986A (zh) 一种业务分配方法、装置、服务器及存储介质
CN111125290A (zh) 一种基于河长制的智能巡河方法、装置及存储介质
CN113365306A (zh) 网络分析方法及装置、存储介质、计算机系统
CN107943571B (zh) 后台应用管控方法、装置、存储介质及电子设备
CN102957572A (zh) 一种系统性能评估方法及装置
CN116385062B (zh) 一种基于大数据的店铺区域选址确定方法及系统
EP2976750A1 (en) Geospatial smoothing in web applications
CN115238837B (zh) 一种数据处理方法、装置、电子设备及存储介质
EP4290914A1 (en) Traffic scenario identification method and apparatus, device, and storage medium
CN112235723B (zh) 定位方法、装置、电子设备及计算机可读存储介质
CN114022844A (zh) 天线权值配置方法、装置、电子设备以及存储介质
CN112991039A (zh) 银行现金盘点业务处理方法及装置
CN109842847B (zh) 一种室内外用户终端的判别方法及基站
CN113034134A (zh) 一种交易风险控制方法及装置

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
GR01 Patent grant
GR01 Patent grant