The invention relates to data mining and large data application fields, in particular to a multi-source data-driven recommendation method for bank network location. The method includes the following steps: acquiring mobile signaling data and bank network peripheral data, including local bus data, network crawling data; extracting human flow, user value and traffic from the acquired data to the target bank network. Five features are traffic congestion index, number of competition networks and per capita income; using the constructed features, training multiple location classification models, and building a probability-based multi-model fusion recommendation model for banking network location; using the constructed recommendation model for banking network location, recommending the best distribution of banking network location in the region according to the characteristics of the target region, in order to achieve banking network location. The purpose of intelligent site selection is to solve the problems of inaccurate location range and high human cost brought by traditional site selection, and to achieve better economic and social benefits.
【技术实现步骤摘要】
一种基于多源数据驱动的银行网点选址推荐方法
本专利技术涉及数据挖掘与大数据领域,具体涉及一种基于多源数据驱动的银行网点选址推荐方法。
技术介绍
随着社会经济发展,各大商业银行对业务的需求,用户的积累日益增加,银行网点的选址直接关系到银行的发展及利益。因此,银行网点的选址对于银行的发展及未来规划具有重要的意义。传统的银行选址方法主要是包括人工调研法、专家打分法、询问专业的咨询公司等。这些方法首先是通过人力大范围的收集数据,包括地点范围内的人流量、银行竞争网点数、交通流量等,最后结合这些数据,通过数据可视化的方式展示结果,再由专家根据这些结果分析进而选择出最佳地址。但这些方法通常具有个人的偏向性,且结果不一定准确,由于不能实现自动化,因此效率低下,工作量较大,不仅导致人力经济支出负担较大,且决策时间也大大加长,无法满足现代社会高效、精确的需求。
技术实现思路
为解决上述问题的不足,本专利技术通过移动信令大数据及银行网点周边数据,其包括本地公交数据,网络爬取数据,提供一种基于多源数据驱动的银行网点选址推荐方法,能够有效解决传统方法时间长,调研成本高的问题,实现自动化银行选址的目的,且快速、精确、有效。为实现上述目的,本专利技术所述的基于多源数据驱动的银行网点选址推荐方法,包括如下步骤:步骤一、获取移动信令数据和银行网点周边数据;步骤二、根据获取的数据对目标银行网点构造至少包括人流量、用户价值、交通拥堵指数、周边竞争网点数和人均收入中任意两个或以上的特征;步骤三、利用构造的特征,训练多个选址分类模型,并构建基于概率的多模型融合的银行网点选址推荐模型;步骤四、使用已构建 ...
【技术保护点】
1.基于多源数据驱动的银行网点选址推荐方法,其特征在于,包括以下步骤:步骤一、获取包括银行网点基站数据、移动用户轨迹数据、移动用户工作地居住地数据、移动用户上网信息数据以及移动用户所属银行数据的移动信令数据,以及获取包括本地公交数据、网络数据、地图数据以及周边房价数据的银行网点周边数据;步骤二、根据获取的数据对目标银行网点构造包括人流量、用户价值、交通拥堵指数、周边竞争网点数和人均收入特征;人流量特征:确定选址范围内基站信息,利用移动信令数据统计该范围内移动用户数,通过去重处理,统计记录条数,作为人流量特征;用户价值特征:根据移动用户上网信息数据以及移动用户所属银行数据构造用户价值特征;交通拥堵指数特征:结合本地公交数据和地图软件的应用程序编程接口数据,基于路段速度计算交通拥堵状况指数;周边竞争网点数特征:通过地图软件的应用程序编程接口,查询选址范围内的银行网点数,并作为周边竞争网点数;人均收入特征:确定选址范围,利用爬虫技术从网络爬取选址范围内的周边小区房价及其房价收入比ε,则该范围内人均收入X计算公式为:
【技术特征摘要】
1.基于多源数据驱动的银行网点选址推荐方法,其特征在于,包括以下步骤:步骤一、获取包括银行网点基站数据、移动用户轨迹数据、移动用户工作地居住地数据、移动用户上网信息数据以及移动用户所属银行数据的移动信令数据,以及获取包括本地公交数据、网络数据、地图数据以及周边房价数据的银行网点周边数据;步骤二、根据获取的数据对目标银行网点构造包括人流量、用户价值、交通拥堵指数、周边竞争网点数和人均收入特征;人流量特征:确定选址范围内基站信息,利用移动信令数据统计该范围内移动用户数,通过去重处理,统计记录条数,作为人流量特征;用户价值特征:根据移动用户上网信息数据以及移动用户所属银行数据构造用户价值特征;交通拥堵指数特征:结合本地公交数据和地图软件的应用程序编程接口数据,基于路段速度计算交通拥堵状况指数;周边竞争网点数特征:通过地图软件的应用程序编程接口,查询选址范围内的银行网点数,并作为周边竞争网点数;人均收入特征:确定选址范围,利用爬虫技术从网络爬取选址范围内的周边小区房价及其房价收入比ε,则该范围内人均收入X计算公式为:Xi表示第i个小区的房价;n为该选址范围内的小区数;步骤三、利用构造的特征,训练多个选址分类模型,并构建基于概率的多模型融合的银行网点选址推荐模型;步骤四、使用已构建的银行网点选址推荐模型,根据目标区域的特征,推荐该区域最佳银行网点选址分布。2.根据权利要求1所述的基于多源数据驱动的银行网点选址推荐方法,其特征在于,用户价值的计算方法包括:建立出以上层为用户价值,下层为影响价值的三个指标的阶梯层次结构;计算下层的三个指标对用户评分的影响权重,构建对比矩阵,即对各指标的影响权重进行两两比较,得到对比矩阵A,并计算出其最大特征值λmax与其特征向量a=(a1,a2,a3)T;在具有满意的一致性检验要求下,求得用户价值val为:val=a1·b1+a2·b2+a3·b3;b1表示移动用户使用银行金融app的次数,b2表示移动用户在银行的支付信息,b3表示移动用户是否属于待选址银行网点的客户,其中b1、b2为归一化后的值,b3为01值,即b3等于0或1;三个指标依次为移动用户使用银行金融app的次数指标,移动用户在该银行的支付信息指标,移动用户是否属于该银行的客户指标。3.根据权利要求1所述的基于多源数据驱动的银行网点选址推荐方法,其特征在于,所述的交通拥堵状况指数计算方...
【专利技术属性】
技术研发人员:冯辉宗,邓轲,范兴容,许国良,雒江涛,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。