令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质技术方案

本发明专利技术提供一种令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质，该训练方法在存在影响程度达到预设程度的多个相关店铺，且影响程度最高的相关店铺有多个分店的情况下，获取该分店的营业数据、周边预定范围内的商业兴趣点数据和其他相关店铺数量；以商业兴趣点数据和其他相关店铺数量作为输入信号，以该分店的营业数据是否达到对应于店铺选址标准的预设值作为输出信号，构成供人工神经网络进行店铺选址训练的一组学习样本；采用多组学习样本对人工神经网络进行店铺选址训练，直至该人工神经网络具备根据店铺地点的周边预定范围内的商业兴趣点数据和其他相关店铺数量来预测待选址店铺的营业数据是否达到预设值的能力。据是否达到预设值的能力。

【技术实现步骤摘要】
令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质


[0001]本专利技术涉及数据处理
，特别涉及一种令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、系统及存储介质。

技术介绍

[0002]在开设店铺之前，为使店铺营业状况良好，需合理地进行店铺选址。目前常用的店铺选址方法是由考察人员到各个候选地址进行实地考察，从而得到各个候选地址的周边环境和人流量，然后据此进行店铺选址。但是，该店铺选址方法是基于考察人员的个人经验进行的，这使得店铺选址结果主观性较强，降低了店铺选址结果的合理性。
[0003]兴趣点数据(Point of Interest，POI)作为一种新的空间数据源，其分布模式和分布密度在基础设施规划和城市空间分析中具有重要意义，其中，商业兴趣点数据包含不同业态商店的空间位置信息和商业属性信息，具有数据量丰富、现势性强的特点，有助于提高城市商业空间热点判别的准确性。在店铺开设之前，可基于商业兴趣点数据来获取各个店铺地点的周边环境和周边人流量，这样就有助于进行店铺选址，使得店铺选址结果较为合理，但周边环境和周边人流量只是影响店铺营业状况的部分主要因素，就算店铺周边环境好且周边人流量多，如果店铺周边有多个竞争店铺，该店铺也难以吸引到足够多的消费者进店消费，该店铺营业状况也会不佳，因此单凭商业兴趣点数据进行店铺选址合理性有限。

技术实现思路

[0004]本专利技术要解决的技术问题是如何提高店铺选址合理性。
[0005]为解决上述技术问题，本专利技术提供一种令人工神经网络具备店铺选址能力的训练方法，包括如下步骤：
[0006]P.在已存在对待选址店铺的影响程度达到预设程度的多个相关店铺，且影响程度最高的相关店铺有多个分店的情况下，对多个分店各自执行样本获取步骤，获得多组学习样本，其中对每个分店执行的样本获取步骤包括如下A、B、C、D：
[0007]——A.获取该分店的营业数据；
[0008]——B.获取该分店的周边预定范围内的商业兴趣点数据；
[0009]——C.获取该分店的周边预定范围内的对该待选址店铺的影响程度达到预设程度的其他相关店铺数量；
[0010]——D.以所述商业兴趣点数据和所述其他相关店铺数量作为输入信号，以该分店的营业数据是否达到对应于店铺选址标准的预设值作为输出信号，构成供人工神经网络进行店铺选址训练的一组学习样本；
[0011]Q.采用上述多组学习样本对人工神经网络进行店铺选址训练，直至该人工神经网络具备根据待选的店铺地点的周边预定范围内的商业兴趣点数据，并根据待选的店铺地点
的周边预定范围内的影响程度达到预设程度的其他相关店铺数量，来预测待选址店铺的营业数据是否达到所述预设值的能力，从而使得人工神经网络能把待选址店铺选址在营业数据达到所述预设值的店铺地点。
[0012]优选地，在所述步骤C中，所获取的其他相关店铺数量中，包括对该分店的营业数据产生正影响的正相关店铺数量，以及对该分店的营业数据产生负影响的负相关店铺数量；所述正相关店铺数量越多，该分店的营业数据越高；所述负相关店铺数量越多，该分店的营业数据越低。
[0013]本专利技术还提供一种店铺选址方法，包括如下步骤：
[0014]a.获取待选的店铺地点；
[0015]b.获取该店铺地点的周边预定范围内的商业兴趣点数据；
[0016]c.获取该店铺地点的周边预定范围内的对待选址店铺的影响程度达到预设程度的其他相关店铺数量；
[0017]d.把所述商业兴趣点数据和所述其他相关店铺数量输入到已训练好的人工神经网络，由该人工神经网络据此预测该待选址店铺的营业数据是否达到对应于店铺选址标准的预设值，若达到则把该待选址店铺选址在该店铺地点。
[0018]优选地，在所述步骤c中，所获取的对该待选址店铺的影响程度达到预设程度的其他相关店铺数量中，包括对该待选址店铺的营业数据产生正影响的正相关店铺数量，以及对该待选址店铺的营业数据产生负影响的负相关店铺数量；所述正相关店铺数量越多，该待选址店铺的营业数据越高；所述负相关店铺数量越多，该待选址店铺的营业数据越低。
[0019]优选地，所述人工神经网络是执行如上所述的训练方法后得到的人工神经网络。
[0020]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的训练方法和/或店铺选址方法。
[0021]本专利技术还提供一种店铺选址系统，包括相互连接的计算机可读存储介质和处理器，计算机可读存储介质如上所述。
[0022]本专利技术具有以下有益效果：在店铺选址过程中，与现有技术仅考虑待选的店铺地点的周边预定范围内的商业兴趣点数据相比，本专利技术还考虑了待选的店铺地点的周边预定范围内的对待选址店铺的影响程度达到预设程度的其他相关店铺数量，这样在待选的店铺地点的周边预定范围内的商业兴趣点数据所反映的周边环境好且周边人流量多的情况下，再基于其他相关店铺数量进行选址，就能使得待选址店铺的营业数据达到对应于店铺选址标准的预设值，从而使得店铺营业状况变佳，故本专利技术能更加合理地进行店铺选址。
具体实施方式
[0023]在开设店铺之前，为了让店铺日后能够有良好的营业状况，会先利用店铺选址系统预测店铺开设在不同地点之后的营业数据，再根据预测到的各个店铺地点的营业数据来将店铺选址在营业数据达到对应于店铺选址标准的预设值的店铺地点。营业数据会受店铺地点的周边环境、周边人流量、和周边相关店铺数量影响，其中，该店铺地点的周边环境和周边人流量会被该店铺地点的周边预定范围内的商业兴趣点数据反映出来。本实施例中，周边预定范围内是指方圆5千米内，可选地，该周边预定范围内可以是方圆3千米内、方圆8千米内、方圆10千米内或其他任何可以设定的范围内。
[0024]以待选址的服装店铺为例，因为鞋店、背包店和其他服装店铺会售卖与衣物相关的商品，所以鞋店、背包店和其他服装店铺都会吸引想购买衣物的消费者过来消费，据此把鞋店、背包店和其他服装店铺预设为对待选址的服装店铺的影响程度达到预设程度的相关店铺，其中：鞋店和背包店不会与待选址的服装店铺竞争消费者，故在鞋店和背包店能吸引消费者的情况下，鞋店和背包店是对该待选址的服装店铺的营业数据产生正影响的正相关店铺，即鞋店和背包店数量越多，该待选址的服装店铺的营业数据会越高；而其他服装店铺会与待选址的服装店铺竞争消费者，导致待选址的服装店铺客流量减少，故其他服装店铺是对该待选址的服装店铺的营业数据产生负影响的负相关店铺，即其他服装店铺数量越多，该待选址的服装店铺的营业数据越低。
[0025]在开设待选址的服装店铺之前，分析待选址的服装店铺和其他服装店铺的店铺规模和商品均价，把店铺规模最接近和商品均价综合起来最接近的其他服装店铺作为对该待选址的服装店铺的影响程度最高的相关店铺，该影响程度最高的相关店铺的营业数据会非常接近于待选址的服装店铺的营业数据，例如，待选址的服装店铺是优衣库，根据对优衣库和其他服装店本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.令人工神经网络具备店铺选址能力的训练方法，其特征是，包括如下步骤：P.在已存在对待选址店铺的影响程度达到预设程度的多个相关店铺，且影响程度最高的相关店铺有多个分店的情况下，对多个分店各自执行样本获取步骤，获得多组学习样本，其中对每个分店执行的样本获取步骤包括如下A、B、C、D：——A.获取该分店的营业数据；——B.获取该分店的周边预定范围内的商业兴趣点数据；——C.获取该分店的周边预定范围内的对该待选址店铺的影响程度达到预设程度的其他相关店铺数量；——D.以所述商业兴趣点数据和所述其他相关店铺数量作为输入信号，以该分店的营业数据是否达到对应于店铺选址标准的预设值作为输出信号，构成供人工神经网络进行店铺选址训练的一组学习样本；Q.采用上述多组学习样本对人工神经网络进行店铺选址训练，直至该人工神经网络具备根据待选的店铺地点的周边预定范围内的商业兴趣点数据，并根据待选的店铺地点的周边预定范围内的影响程度达到预设程度的其他相关店铺数量，来预测待选址店铺的营业数据是否达到所述预设值的能力，从而使得人工神经网络能把待选址店铺选址在营业数据达到所述预设值的店铺地点。2.根据权利要求1所述的训练方法，其特征是：在所述步骤C中，所获取的其他相关店铺数量中，包括对该分店的营业数据产生正影响的正相关店铺数量，以及对该分店的营业数据产生负影响的负相关店铺数量；所述正相关店铺数量越多，该分店的营业数据越高；所述负相关店...

【专利技术属性】
技术研发人员：王一乐，
申请(专利权)人：广东赢商网数据服务股份有限公司，
类型：发明
国别省市：