本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及一種智能商業(yè)選址方法、裝置及系統(tǒng)。

背景技術(shù)：

傳統(tǒng)上用戶一般采用人工方式進行商業(yè)選址，選址流程例如為：1)明確商業(yè)類型、選址條件；2)根據(jù)經(jīng)驗粗選部分目標區(qū)域(選址范圍較大)；3)人工調(diào)研目標區(qū)域內(nèi)人群信息，地理設(shè)施信息，交通信息，進一步篩選目標區(qū)域，縮小選址范圍；4)確定目標區(qū)域后，尋找目標區(qū)域內(nèi)可租賃的店面；實地考察店面。這種傳統(tǒng)的選址方式整個過程耗費大量人力成本和時間，而且人工調(diào)研得到的信息可能不準確，容易造成項目失敗。

因此，目前出現(xiàn)了一些智能商業(yè)選址方案，其中一種智能商業(yè)選址方案為：構(gòu)建包含大量地址的地址數(shù)據(jù)庫和與該地址數(shù)據(jù)庫有關(guān)聯(lián)的商業(yè)信息數(shù)據(jù)庫，并可對上述數(shù)據(jù)庫中的數(shù)據(jù)進行歸納統(tǒng)計分析；用戶可向系統(tǒng)輸入欲查詢的地址，得到與該地址關(guān)聯(lián)的商業(yè)信息數(shù)據(jù)，這些數(shù)據(jù)例如為以圖表形式輸出查詢結(jié)果或分析報告；之后用戶可根據(jù)查詢結(jié)果或分析報告確定是否在該地址選址。

本申請發(fā)明人在實際應(yīng)用中發(fā)現(xiàn)，上述現(xiàn)有技術(shù)實際上是將大量人工采集的信息合成到統(tǒng)一的系統(tǒng)中供用戶查詢，其雖然合并了傳統(tǒng)選址的部分步驟，但是前期的信息采集過程依舊是由人工進行的，仍然會耗費大量的人力成本和時間。并且由于人工采集的信息相對主觀，可信度及準確性相對較低，因此可能導(dǎo)致對信息的分析結(jié)果不準確，進而導(dǎo)致用戶的查詢結(jié)果不準確，誤導(dǎo)用戶，甚至導(dǎo)致用戶生意的失敗。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種智能商業(yè)選址方法、裝置及系統(tǒng)，能夠提高用戶商業(yè)選址的精準性，并縮短選址過程的周期，降低人工成本。

為達到上述目的，本發(fā)明的實施例采用如下技術(shù)方案：

一種智能商業(yè)選址方法，包括：

獲取目標區(qū)域的商業(yè)地理數(shù)據(jù)并從電信運營商處獲取所述目標區(qū)域的用戶信息數(shù)據(jù)；

將所述目標區(qū)域網(wǎng)格化劃分為多個目標子區(qū)域；

利用所述商業(yè)地理數(shù)據(jù)以及用戶信息數(shù)據(jù)計算每個目標子區(qū)域的推薦值；

根據(jù)每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，使得用戶根據(jù)推薦的目標子區(qū)域進行選址。

一種智能商業(yè)選址裝置，包括：

獲取單元，所述獲取單元用于獲取目標區(qū)域的商業(yè)地理數(shù)據(jù)并從電信運營商處獲取所述目標區(qū)域的用戶信息數(shù)據(jù)；

網(wǎng)格劃分單元，所述網(wǎng)格劃分單元用于將所述目標區(qū)域網(wǎng)格化劃分為多個目標子區(qū)域；

計算單元，所述計算單元用于利用所述商業(yè)地理數(shù)據(jù)以及用戶信息數(shù)據(jù)計算每個目標子區(qū)域的推薦值；

選址推薦單元，所述推薦選址單元用于根據(jù)所述計算單元計算出的每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，使得用戶根據(jù)推薦的目標子區(qū)域進行選址。

一種智能商業(yè)選址系統(tǒng)，包括如上所述的智能商業(yè)選址裝置。

本發(fā)明提供的智能商業(yè)選址方法、裝置及系統(tǒng)，通過從電信運營商處直接獲取所述目標區(qū)域的用戶信息數(shù)據(jù)，能夠省去現(xiàn)有技術(shù)中通過人工調(diào)研來獲取這類數(shù)據(jù)的人工成本，并大大縮短選址周期，同時避免了人工采集的數(shù)據(jù)可信度及準確性相對較低的缺陷。并且，本申請通過網(wǎng)格化劃分的方式將大的目標區(qū)域細分為更小的目標子區(qū)域，之后計算每個目標子區(qū)域的推薦值，根據(jù)每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，能夠使得向用戶推薦的選址地址更加精確。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例一提供的智能商業(yè)選址方法的流程圖；

圖2為本發(fā)明實施例一提供的智能商業(yè)選址方法的另一流程圖；

圖3本發(fā)明實施例二提供的智能商業(yè)選址裝置的結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例二提供的智能商業(yè)選址裝置的另一結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

實施例一

為了提高用戶商業(yè)選址的精準性，并縮短選址過程的周期，降低人工成本，如圖1所示，本發(fā)明實施例一提供的智能商業(yè)選址方法包括：

S1、獲取目標區(qū)域的商業(yè)地理數(shù)據(jù)并從電信運營商處獲取所述目標區(qū)域的用戶信息數(shù)據(jù)。

其中，所述目標區(qū)域為用戶期望的選址地點，如某個城市等。

其中，所述目標區(qū)域的商業(yè)地理數(shù)據(jù)包括地理化基礎(chǔ)設(shè)施數(shù)據(jù)以及地理化商業(yè)數(shù)據(jù)。所述獲取目標區(qū)域的商業(yè)地理數(shù)據(jù)包括：利用數(shù)據(jù)爬蟲技術(shù)從地圖上爬取地理化基礎(chǔ)設(shè)施數(shù)據(jù)以及地理化商業(yè)數(shù)據(jù)。

本申請中的地理化基礎(chǔ)設(shè)施數(shù)據(jù)的數(shù)據(jù)表結(jié)構(gòu)如表1所示：

表1：

表1中的TYPE(基礎(chǔ)設(shè)施類型)字段所包含的枚舉值如表2所示：

表2：

本申請中的地理化商業(yè)數(shù)據(jù)的數(shù)據(jù)表結(jié)構(gòu)如表3所示：

表3：

表3中TYPE(商鋪大類)字段所包含的枚舉值如表4所示：

表4：

其中，商鋪子類SUB_TYPE指的是商鋪大類下的具體商鋪，比如表4中商鋪大類“超市”下的商鋪子類可以為沃爾瑪、家樂福、華聯(lián)等等。由于商鋪子類SUB_TYPE枚舉值較多，在此處不做一一列舉。

如上所述，上述地理化基礎(chǔ)設(shè)施數(shù)據(jù)以及地理化商業(yè)數(shù)據(jù)都可利用數(shù)據(jù)爬蟲技術(shù)從地圖上爬取，例如利用數(shù)據(jù)爬蟲技術(shù)從高德地圖開放平臺爬取含有經(jīng)緯度信息的基礎(chǔ)設(shè)施數(shù)據(jù)。

需注意，本申請中對地理化基礎(chǔ)設(shè)施數(shù)據(jù)以及地理化商業(yè)數(shù)據(jù)的獲取方式不做限定，除了利用數(shù)據(jù)爬蟲技術(shù)從高德地圖開放平臺爬取這些數(shù)據(jù)之外，還可以利用現(xiàn)有技術(shù)中的其他方式來獲取這些數(shù)據(jù)，只要所獲得的數(shù)據(jù)中包含本申請表1和表3中所列出的數(shù)據(jù)的全量信息即可。

其中，所述用戶信息數(shù)據(jù)包括用戶基礎(chǔ)信息數(shù)據(jù)以及用戶業(yè)務(wù)數(shù)據(jù)。所述從電信運營商處獲取所述目標區(qū)域的用戶信息數(shù)據(jù)包括：從電信運營商的業(yè)務(wù)運營支撐系統(tǒng)(Business&Operation Support System，BOSS)中獲取所述目標區(qū)域的用戶基礎(chǔ)信息數(shù)據(jù)；從電信運營商移動網(wǎng)絡(luò)Gn/S1-U接口獲取所述目標區(qū)域的用戶業(yè)務(wù)數(shù)據(jù)(例如，通過在移動網(wǎng)絡(luò)核心網(wǎng)側(cè)的Gn/S1-U接口進行掛表采集在網(wǎng)用戶的業(yè)務(wù)數(shù)據(jù)，基于接口協(xié)議規(guī)范/業(yè)務(wù)類別解析規(guī)則進行數(shù)據(jù)解析，解析后生成結(jié)構(gòu)化數(shù)據(jù)，通過與移動網(wǎng)絡(luò)小區(qū)工參數(shù)據(jù)關(guān)聯(lián)回填經(jīng)緯度信息，生成所需用戶業(yè)務(wù)數(shù)據(jù))。

本申請中的用戶基礎(chǔ)信息數(shù)據(jù)的數(shù)據(jù)表結(jié)構(gòu)如表5中所示：

表5：

本申請中的用戶業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)表如表6所示：

表6：

表6中的SERVICE_CLASS(業(yè)務(wù)類別)的枚舉值如表7所示：

表7：

S2、將所述目標區(qū)域網(wǎng)格化劃分為多個目標子區(qū)域。

具體地，“網(wǎng)格化劃分”是指以所述目標區(qū)域的中心點為基準，將所述目標區(qū)域劃分為具有預(yù)設(shè)邊長的多個正方形網(wǎng)格，其中每一個正方形網(wǎng)格為一個目標子區(qū)域。

需要注意，以下所述“網(wǎng)格”以及“目標子區(qū)域”都指目標子區(qū)域。

其中，預(yù)設(shè)邊長可根據(jù)用戶的選址需要進行設(shè)定，例如200米/500米/1000米。

本申請中對每個網(wǎng)格的邊長是否一樣不做限定。在實際應(yīng)用中，可以將每個網(wǎng)格的邊長都設(shè)為一樣，例如每個網(wǎng)格的邊長都是200米；或者劃分出的網(wǎng)格可具有不一樣的邊長，例如某些網(wǎng)格的邊長可為200米，而另外一些網(wǎng)格的邊長為500米。

本申請中，為了分析商鋪選址與各個影響因素之間的相關(guān)關(guān)系，需要將數(shù)據(jù)歸屬到統(tǒng)一的計算單元中進行量化計算，因此，在步驟S2中，將目標區(qū)域進行了劃分，之后會將得到的每一個正方形的網(wǎng)格(即目標子區(qū)域)作為一個單元進行選址數(shù)據(jù)的計算及分析。

每個網(wǎng)格的相關(guān)數(shù)據(jù)如表8中所示，其中每個網(wǎng)格(即目標子區(qū)域)的位置由兩對經(jīng)緯度表示，其他4類數(shù)據(jù)(即地理化基礎(chǔ)設(shè)施數(shù)據(jù)、地理化商業(yè)數(shù)據(jù)、用戶基礎(chǔ)信息數(shù)據(jù)以及用戶業(yè)務(wù)數(shù)據(jù))可以通過自身經(jīng)緯度與網(wǎng)格經(jīng)緯度進行關(guān)聯(lián)，這樣，就可得到每個網(wǎng)格的各類數(shù)據(jù)。

表8：

其中，每一個網(wǎng)格都有一個唯一標示GRID_ID，例如GRID_1、GRID_2、GRID_3等。

S3、利用所述商業(yè)地理數(shù)據(jù)以及用戶信息數(shù)據(jù)計算每個目標子區(qū)域的推薦值。

在實際應(yīng)用中，如圖2所示，此步驟可包括步驟S31-S34：

S31、利用所述商業(yè)地理數(shù)據(jù)以及用戶信息數(shù)據(jù)計算每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值。

其中，所述影響因素包括人口集聚度、交通通達性、人口收入水平、商鋪種類多樣性、同類商鋪聚集度；其中，所述人口集聚度的影響值用目標子區(qū)域的人口密度P_average表示；所述交通通達性的影響值用目標子區(qū)域內(nèi)的交通基礎(chǔ)設(shè)施的數(shù)量N_traffic表示；所述人口收入水平的影響值用目標子區(qū)域內(nèi)的人口相對收入水平V_income表示；所述商鋪種類多樣性用目標子區(qū)域內(nèi)已有商鋪大類的數(shù)量N_type表示；所述同類商鋪聚集度用目標子區(qū)域內(nèi)同類商鋪的密度P_{sub_type}表示。

以下對P_average、N_traffic、V_income、N_type和P_{sub_type}的具體計算方法進行描述：

P_average：

在實際應(yīng)用中，目標子區(qū)域的人口密度P_average可以為每個網(wǎng)格(即每個目標子區(qū)域)多天(例如一個星期或者10天或者一個月等)的人口密度的平均值。具體計算思路例如為：對于標示為GRID_1的網(wǎng)格，統(tǒng)計其一天內(nèi)出現(xiàn)的去重人數(shù)N，使用N除以網(wǎng)格GRID_1的面積得到網(wǎng)格GRID_1當天的人口密度P，再根據(jù)最近一周(或者10天或者一個月等)的P，計算平均值，就得到網(wǎng)格GRID_1的人口密度P_average。利用同樣的方法就可計算出每個網(wǎng)格的人口密度。

N_traffic：

在實際應(yīng)用中，目標子區(qū)域內(nèi)的交通基礎(chǔ)設(shè)施例如包括：地鐵站、公交站、停車場。其中地鐵站數(shù)量為N_subway，公交站為N_busstop，停車場為N_parking。綜合三者，得到交通通達性的表達式N_traffic＝α×N_subway+β×N_busstop+γ×N_parking，其中，α、β、γ分別為三種交通基礎(chǔ)設(shè)施(地鐵站、公交站、停車場)所占的權(quán)重，在本申請中，三個權(quán)重的推薦值為α＝0.5，β＝0.2，γ＝0.3。

V_income：

在實際應(yīng)用中，目標子區(qū)域內(nèi)的人口相對收入水平V_income可由用戶基礎(chǔ)信息表(表5)中的月均消費值A(chǔ)RPU以及用戶所持終端價格PHONEPRICE綜合得到，具體地，V_income＝λ×ARPU+μ×PHONEPRICE。其中，λ、μ分別為月均消費值A(chǔ)RPU與用戶所持終端價格PHONEPRICE權(quán)重，在本申請中，兩個權(quán)重的推薦值為λ＝0.8，μ＝0.2。

N_type：

在實際應(yīng)用中，目標子區(qū)域內(nèi)已有商鋪大類(表3中用TYPE表示)的枚舉值如表4中所示，在表4中，目標子區(qū)域內(nèi)已有商鋪大類的數(shù)量N_type＝10。

P_{sub_type}：

在實際應(yīng)用中，首先，統(tǒng)計網(wǎng)格內(nèi)符合選址條件的商鋪大類(表3中用TYPE表示)的商鋪數(shù)量N_type，然后，統(tǒng)計符合選址條件的商鋪子類(表3中用SUB_TYPE表示)的商鋪數(shù)量N_{sub_type}，最終得到同類商鋪聚集度表達式P_{sub_type}＝N_{sub_type}/N_type。

也就是說，如果用戶需要為服裝店選址，則首先統(tǒng)計每個網(wǎng)格內(nèi)的服裝店(即商鋪大類)的數(shù)量N_type，然后統(tǒng)計服裝店這一商鋪大類下的具體的服裝店的(即商鋪子類)數(shù)量N_{sub_type}，然后利用同類商鋪聚集度公式P_{sub_type}＝N_{sub_type}/N_type計算出每個網(wǎng)格內(nèi)服裝店的聚集度。

需要注意的是，在步驟S31中計算出每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值之后，由于上述計算算法選用的各指標具有不同的量綱，所以在做進一步分析之前對各個指標數(shù)據(jù)進行標準化處理，即將指標數(shù)值轉(zhuǎn)換到某一指定的范圍，例如[0,1]。

也就是說，在計算出每個網(wǎng)格的每個因素的影響值之后，需要對每個因素的影響值進行標準化。

因此，本發(fā)明的智能商業(yè)選址方法在步驟S31之后，所述方法還可包括：

S32、對計算出的每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值進行標準化。

在實際應(yīng)用中，可利用min-max數(shù)據(jù)標準化方法對計算出的每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值進行標準化。

具體地，min-max數(shù)據(jù)標準化方法為：設(shè)min_A和max_A分別是屬性A原始值中的最小值和最大值，則將屬性A的原始值v通過min-max標準化方法映射而來的v’為：

v’＝(v-min_A)/(max_A-min_A) (等式1)

其中，min-max數(shù)據(jù)標準化方法中的“屬性”即指本申請中的5個影響因素：人口集聚度、交通通達性、人口收入水平、商鋪種類多樣性、同類商鋪聚集度。“屬性”的值即影響因素的影響值，例如屬性A的原始值v可以為人口集聚度的影響值P_average。min_A為所有網(wǎng)格中屬性A的最小值，max_A為所有網(wǎng)格中屬性A的最大值。v’即屬性A的原始值v經(jīng)過標準化之后的值。

下面以本申請的人口集聚度作為屬性A為例，對步驟S31中計算出的人口集聚度的影響值的標準化進行說明。

首先計算出所有網(wǎng)格的人口集聚度的影響值。若要對網(wǎng)格GRID_1的人口集聚度的影響值進行標準化，則假設(shè)步驟S31中計算出的網(wǎng)格GRID_1的人口集聚度的影響值P_average1＝5(即原始值v＝5)，而所有網(wǎng)格中人口集聚度的影響值中的最小值為2(例如計算出的網(wǎng)格GRID_6的人口集聚度的影響值最小，即P_average6＝2，也即min_A＝2)，所有網(wǎng)格中人口集聚度的影響值中的最大值為12(例如計算出的網(wǎng)格GRID_15的人口集聚度的影響值最大，即P_average15＝12，也即max_A＝12)，則網(wǎng)格GRID_1的人口集聚度經(jīng)標準化后的值為：P_average1’＝(P_average1-P_average6)/(P_average15-P_average6)＝(5-2)/(12-2)＝0.3。之后利用同樣的方法可以計算出每個網(wǎng)格的每個影響因素的影響值經(jīng)過標準化之后的值。

經(jīng)過標準化后的數(shù)據(jù)取值區(qū)間為[0,1]，此方法將原始數(shù)據(jù)的相互關(guān)系保留了下來。

需要注意的是，雖然本申請上例中以min-max數(shù)據(jù)標準化方法對計算出的每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值進行標準化，但是在實際應(yīng)用中，還可以采用其他的標準化方法，本申請對此不做限定，只要經(jīng)過標準化后的數(shù)據(jù)取值區(qū)間為[0,1]，將原始數(shù)據(jù)的相互關(guān)系保留下來即可。

S33、計算每個目標子區(qū)域中各影響因素的權(quán)重因子。

在實際應(yīng)用中，可利用灰色關(guān)聯(lián)分析法來計算每個目標子區(qū)域中各影響因素的權(quán)重因子?；疑P(guān)聯(lián)分析法無需知道變量之間的關(guān)系，可根據(jù)其時間序列曲線的相似程度來判斷其關(guān)聯(lián)程度的大小，若兩條曲線的形狀相似，關(guān)聯(lián)度則越大，權(quán)重也就越大。

本發(fā)明可通過計算已有商鋪子類SUB_TYPE的商鋪數(shù)量N_{sub_type}與5個影響因素之間的相關(guān)關(guān)系來計算權(quán)重因子。具體計算方法如下：

假設(shè)參考因素數(shù)列為X，記為X＝{X₁，X₂，X₃，…，X_k，…，X_n}，其中n為網(wǎng)格數(shù)量，X_k等于第k個網(wǎng)格的N_{sub_type}。

比較因素數(shù)列Y,每個Y分別表示一個影響因素數(shù)列，記為Y_i＝{Y_i1，Y_i2，Y_i3，…，Y_ik，…Y_in}，其中，在本申請中i表示影響因素，且i＝1，2，3，…5。

此時，X和Y_i的關(guān)聯(lián)度為其中r_i反映的是Y_i對X的影響度。

在等式2中，ξ為分辨系數(shù)，一般在0～1之間，通常取0.5。△min為數(shù)列X(1行n列)與數(shù)列Y_i(1行n列)相減之后所得到的數(shù)列(1行n列)中的最小值；為數(shù)列X(1行n列)與數(shù)列Y_i(1行n列)相減之后所得到的數(shù)列(1行n列)中的最大值。

經(jīng)過歸一化處理，可求得因素Y_i的權(quán)重(即影響因子)為：

利用灰色關(guān)聯(lián)分析法計算出的人口集聚度、交通通達性、人口收入水平、商鋪種類多樣性、同類商鋪聚集度這五個影響因素的權(quán)重因子例如可以分別為0.3、0.2、0.2、0.1、0.2。

需要注意的是，雖然本申請中上例用灰色關(guān)聯(lián)分析法計算每個目標子區(qū)域中各影響因素的權(quán)重因子，但是在實際應(yīng)用中，還可以采用其他的計算權(quán)重因子的方法，本申請對此不做限定，只要能計算出各影響因素的權(quán)重因子即可。

S34、根據(jù)標準化后的影響值以及計算出的權(quán)重因子計算每個目標子區(qū)域的推薦值。

此步驟實際上是根據(jù)5個影響因素(人口集聚度、交通通達性、人口收入水平、商鋪種類多樣性、同類商鋪聚集度)的標準化數(shù)據(jù)以及對應(yīng)的影響因子取值對每個網(wǎng)格(即目標子區(qū)域)進行綜合打分。例如，通過線性相加的方式將各個因素進行融合，從而得出每個網(wǎng)格的最終的推薦值。推薦值計算公式如下：

其中，k代表每個網(wǎng)格的序號，w_i為序號為i的影響因素的權(quán)重因子(即步驟S33中計算出的權(quán)重因子)；P_ki為在第k個網(wǎng)格中，影響因素i經(jīng)過數(shù)據(jù)標準化之后的值(即步驟S31中的v’的值)，此處的P_ki的下標ki與步驟S33的等式2中Y_ik的下標ik指代相同的內(nèi)容，即都是指第k個網(wǎng)格的第i個因素；P_k為求出的網(wǎng)格k的推薦值。

S4、根據(jù)每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，使得用戶根據(jù)推薦的目標子區(qū)域進行選址。

在實際應(yīng)用中，此步驟可為：

將每個目標子區(qū)域的推薦值按從大到小的順序進行排序；將排序后的目標子區(qū)域的列表推薦給用戶，使得用戶根據(jù)所述列表進行選址。

例如，可照推薦值從大到小的順序?qū)⒕W(wǎng)格(目標子區(qū)域)推薦給用戶。網(wǎng)格的推薦值越大，則越建議用戶在此網(wǎng)格內(nèi)進行選址。

由上可見，本發(fā)明實施例一提供的智能商業(yè)選址方法，通過從電信運營商處直接獲取所述目標區(qū)域的用戶信息數(shù)據(jù)，能夠省去現(xiàn)有技術(shù)中通過人工調(diào)研來獲取這類數(shù)據(jù)的人工成本，并大大縮短選址周期，同時避免了人工采集的數(shù)據(jù)可信度及準確性相對較低的缺陷。并且，本申請通過網(wǎng)格化劃分的方式將大的目標區(qū)域細分為更小的目標子區(qū)域，之后計算每個目標子區(qū)域的推薦值，根據(jù)每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，能夠使得向用戶推薦的選址地址更加精確。

實施例二

如圖3所示，本發(fā)明實施例二提供了一種智能商業(yè)選址裝置20，包括：獲取單元21，所述獲取單元21用于獲取目標區(qū)域的商業(yè)地理數(shù)據(jù)并從電信運營商處獲取所述目標區(qū)域的用戶信息數(shù)據(jù)；網(wǎng)格劃分單元22，所述網(wǎng)格劃分單元用于將所述目標區(qū)域網(wǎng)格化劃分為多個目標子區(qū)域；計算單元23，所述計算單元23用于利用所述獲取單元獲取的商業(yè)地理數(shù)據(jù)以及用戶信息數(shù)據(jù)計算每個目標子區(qū)域的推薦值；選址推薦單元24，所述推薦選址單元24用于根據(jù)所述計算單元23計算出的每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，使得用戶根據(jù)推薦的目標子區(qū)域進行選址。

其中，所述獲取單元21獲取的目標區(qū)域的商業(yè)地理數(shù)據(jù)包括地理化基礎(chǔ)設(shè)施數(shù)據(jù)以及地理化商業(yè)數(shù)據(jù)，所述用戶信息數(shù)據(jù)包括用戶基礎(chǔ)信息數(shù)據(jù)以及用戶業(yè)務(wù)數(shù)據(jù)。此時，所述獲取單元21具體用于：利用數(shù)據(jù)爬蟲技術(shù)從地圖上爬取地理化基礎(chǔ)設(shè)施數(shù)據(jù)以及地理化商業(yè)數(shù)據(jù)，從電信運營商的業(yè)務(wù)運營支撐系統(tǒng)BOSS中獲取所述目標區(qū)域的用戶基礎(chǔ)信息數(shù)據(jù)；從電信運營商移動網(wǎng)絡(luò)Gn/S1-U接口獲取所述目標區(qū)域的用戶業(yè)務(wù)數(shù)據(jù)。

其中，所述網(wǎng)格劃分單元22具體用于：以所述目標區(qū)域的中心點為基準，將所述目標區(qū)域劃分為具有預(yù)設(shè)邊長的多個正方形網(wǎng)格，其中每一個正方形網(wǎng)格為一個目標子區(qū)域。

其中，如圖4所示，所述計算單元23包括：第一計算子單元231，所述第一計算子單元231用于利用所述商業(yè)地理數(shù)據(jù)以及用戶信息數(shù)據(jù)計算每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值；數(shù)據(jù)標準化子單元232，所述數(shù)據(jù)標準化子單元用于對所述第一計算子單元231計算出的每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值進行標準化；第二計算子單元233，所述第二計算子單元233用于計算每個目標子區(qū)域中各影響因素的權(quán)重因子；第三計算子單元234，所述第三計算子單元234用于根據(jù)所述數(shù)據(jù)標準化子單元232標準化后的影響值以及所述第二計算子單元233計算出的權(quán)重因子計算每個目標子區(qū)域的推薦值。

所述影響因素包括人口集聚度、交通通達性、人口收入水平、商鋪種類多樣性、同類商鋪聚集度；其中，所述人口集聚度的影響值用目標子區(qū)域的人口密度P_average表示；所述交通通達性的影響值用目標子區(qū)域內(nèi)的交通基礎(chǔ)設(shè)施的數(shù)量N_traffic表示；所述人口收入水平的影響值用目標子區(qū)域內(nèi)的人口相對收入水平V_income表示；所述商鋪種類多樣性用目標子區(qū)域內(nèi)已有商鋪大類的數(shù)量N_type表示；所述同類商鋪聚集度用目標子區(qū)域內(nèi)同類商鋪的密度P_{sub_type}表示。

上述P_average、N_traffic、V_income、N_type、P_{sub_type}的計算方法可參照前面方法實施例中的描述，在此不再贅述。

所述數(shù)據(jù)標準化子單元232具體可用于利用min-max數(shù)據(jù)標準化方法對所述第一計算子單元231計算出的每個目標子區(qū)域中各影響因素對商業(yè)選址的影響值進行標準化。

所述第二計算子單元233具體可利用灰色關(guān)聯(lián)分析法計算每個目標子區(qū)域中各影響因素的權(quán)重因子。

其中，所述選址推薦單元24具體用于：將所述計算單元23計算出的每個目標子區(qū)域的推薦值按從大到小的順序進行排序；將排序后的目標子區(qū)域的列表推薦給用戶，使得用戶根據(jù)所述列表進行選址。

上述裝置的工作原理可參照前述方法實施例中的描述，在此不再贅述。

由上可見，本發(fā)明實施例二提供的智能商業(yè)選址裝置，通過從電信運營商處直接獲取所述目標區(qū)域的用戶信息數(shù)據(jù)，能夠省去現(xiàn)有技術(shù)中通過人工調(diào)研來獲取這類數(shù)據(jù)的人工成本，并大大縮短選址周期，同時避免了人工采集的數(shù)據(jù)可信度及準確性相對較低的缺陷。并且，本申請通過網(wǎng)格化劃分的方式將大的目標區(qū)域細分為更小的目標子區(qū)域，之后計算每個目標子區(qū)域的推薦值，根據(jù)每個目標子區(qū)域的推薦值向用戶推薦目標子區(qū)域，能夠使得向用戶推薦的選址地址更加精確。

此外，本發(fā)明實施例還提供了一種智能商業(yè)選址系統(tǒng)，該系統(tǒng)包括如上所述的智能商業(yè)選址裝置20。

本說明書中的各個實施例均采用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的之處。尤其，對于裝置實施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

需說明的是，以上所描述的裝置實施例僅僅是示意性的，其中作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。另外，本發(fā)明提供的裝置實施例附圖中，模塊之間的連接關(guān)系表示它們之間具有通信連接，具體可以實現(xiàn)為一條或多條通信總線或信號線。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動的情況下，即可以理解并實施。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準。