[發明專利]基于自販機的銷售峰值預測方法、裝置、設備及存儲介質

在審

• 申請號: 201811545217.5
• 申請日: 2018-12-17
• 公開（公告）號: CN109558992A
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 董云龍;段南;劉葉
• 申請（專利權）人: 廣州甘來信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 黃華蓮;郝傳鑫

1.一種基于自販機的銷售峰值預測方法，其特征在于，包括以下步驟：

按照預設的時間間隔獲取當前自販機內各物品的銷量數據；

獲取當前自販機的歷史狀態數據；

對各物品的銷量數據、所述歷史狀態數據進行數據抽取，獲得銷量特征集；

對所述銷量特征集進行機器學習訓練，建立銷量趨勢預測模型；

獲取當前自販機在設定日期內對應的預設狀態數據；

根據所述設定日期對應的預設狀態數據，通過所述銷量趨勢預測模型，獲取所述設定日期對應的銷量趨勢預測結果。

2.根據權利要求1所述的基于自販機的銷售峰值預測方法，其特征在于，所述歷史狀態數據包括：當前自販機的歷史場景數據、歷史營銷數據；所述歷史場景數據包括當前自販機的歷史場所屬性、歷史日期屬性、歷史天氣數據以及歷史節日活動屬性；所述歷史營銷數據包括當前自販機內各物品的歷史價格折扣屬性。

3.根據權利要求1所述的基于自販機的銷售峰值預測方法，其特征在于，所述預測狀態數據包括：預設場景數據、預設營銷數據；所述預設場景數據包括預設場所屬性、所述設定日期對應的日期屬性、預測天氣數據以及預設節日活動屬性；所述預設營銷數據包括所述設定日期內各物品的預設價格折扣屬性。

4.根據權利要求1所述的基于自販機的銷售峰值預測方法，其特征在于，所述對各物品的銷量數據、所述歷史狀態數據進行數據抽取，獲得銷量特征集，具體包括：

通過Sqoop工具將獲取的各物品的銷量數據、所述歷史狀態數據進行數據抽取與清洗，獲得銷量特征集；

根據預設的數據倉庫模型，將所述銷量特征集加載到數據倉庫。

5.根據權利要求1所述的基于自販機的銷售峰值預測方法，其特征在于，所述對所述銷量特征集進行機器學習訓練，建立銷量趨勢預測模型，具體包括：

在Spark框架下采用三次指數平滑算法對所述數據倉庫中存儲的銷量特征集進行機器學習訓練，建立銷量趨勢預測模型。

6.根據權利要求5所述的基于自販機的銷售峰值預測方法，其特征在于，所述在Spark框架下采用三次指數平滑算法對所述數據倉庫中存儲的銷量特征集進行機器學習訓練，建立銷量趨勢預測模型，具體包括：

根據所述銷量特征集，通過三次指數平滑算法獲取多組觀測時間序列；

分別將各組觀測時間序列作為輸入值，采用Baum-Welch算法對預設的隱馬爾可夫模型進行迭代訓練，獲得各組觀測時間序列對應的模型參數；

計算各組觀測時間序列對應的模型參數的平均值模型參數；

根據所述平均模型參數、預設的跌倒概率閾值以及預設的隱馬爾可夫模型，建立銷量趨勢預測模型。

7.一種基于自販機的銷售峰值預測裝置，其特征在于，包括：

銷售數據獲取模塊，用于按照預設的時間間隔獲取當前自販機內各物品的銷量數據；

歷史狀態數據獲取模塊，用于獲取當前自販機的歷史狀態數據；

數據抽取模塊，用于對各物品的銷量數據、所述歷史狀態數據進行數據抽取，獲得銷量特征集；

模型建立模塊，用于對所述銷量特征集進行機器學習訓練，建立銷量趨勢預測模型；

預設狀態數據獲取模塊，用于獲取當前自販機在設定日期內對應的預設狀態數據；

銷量趨勢預測模塊，用于根據所述設定日期對應的預設狀態數據，通過所述銷量趨勢預測模型，獲取所述設定日期對應的銷量趨勢預測結果。

8.根據權利要求7所述的基于自販機的銷售峰值預測裝置，其特征在于，

所述歷史狀態數據包括：當前自販機的歷史場景數據、歷史營銷數據；所述歷史場景數據包括當前自販機的歷史場所屬性、歷史日期屬性、歷史天氣數據以及歷史節日活動屬性；所述歷史營銷數據包括當前自販機內各物品的歷史價格折扣屬性。