[發(fā)明專利]基于自販機(jī)的銷售峰值預(yù)測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811545217.5
• 申請日: 2018-12-17
• 公開（公告）號(hào): CN109558992A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計(jì)）人: 董云龍;段南;劉葉
• 申請（專利權(quán)）人: 廣州甘來信息科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/02
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 黃華蓮;郝傳鑫

本發(fā)明公開了一種基于自販機(jī)的銷售峰值預(yù)測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：按照預(yù)設(shè)的時(shí)間間隔獲取當(dāng)前自販機(jī)內(nèi)各物品的銷量數(shù)據(jù)；獲取當(dāng)前自販機(jī)的歷史狀態(tài)數(shù)據(jù)；對各物品的銷量數(shù)據(jù)、歷史狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取，獲得銷量特征集；對銷量特征集進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，建立銷量趨勢預(yù)測模型；獲取當(dāng)前自販機(jī)在設(shè)定日期內(nèi)對應(yīng)的預(yù)設(shè)狀態(tài)數(shù)據(jù)；根據(jù)設(shè)定日期對應(yīng)的預(yù)設(shè)狀態(tài)數(shù)據(jù)，通過銷量趨勢預(yù)測模型，獲取設(shè)定日期對應(yīng)的銷量趨勢預(yù)測結(jié)果。本發(fā)明能夠準(zhǔn)確預(yù)測自販機(jī)的未來的銷量趨勢，為后續(xù)自販機(jī)的錯(cuò)峰維護(hù)和補(bǔ)貨提供數(shù)據(jù)支持，從而提高自販機(jī)維護(hù)、補(bǔ)貨的合理性，降低運(yùn)維成本。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種基于自販機(jī)的銷售峰值預(yù)測方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

自販機(jī)指的是一種由顧客自助取貨、自助付款的機(jī)器，在各大商場及大型的公共場所均能見到自助售貨機(jī)，自助售貨機(jī)給人們的出行帶來了很多方便。自販機(jī)貨道是指陳放寄售商品的物理軌道，一臺(tái)自販機(jī)有幾十甚至上百個(gè)貨道。自販機(jī)工控系統(tǒng)通過硬件驅(qū)動(dòng)程序，下發(fā)出貨指令，驅(qū)動(dòng)貨道中的電機(jī)，推動(dòng)商品從軌道中推出或掉落。

傳統(tǒng)技術(shù)中，自助售貨機(jī)的補(bǔ)貨與維修通常是由運(yùn)營人員依靠自身直覺和經(jīng)驗(yàn)判斷什么時(shí)候需要對設(shè)備維修與補(bǔ)貨，運(yùn)維成本高，而且這種維修和補(bǔ)貨方法可能與實(shí)際合理時(shí)間存在較大差異，補(bǔ)貨與維修時(shí)間不合理。

發(fā)明內(nèi)容

基于此，本發(fā)明實(shí)施例提供了一種基于自販機(jī)的銷售峰值預(yù)測方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其能準(zhǔn)確預(yù)測自販機(jī)的銷量趨勢，從而實(shí)現(xiàn)自販機(jī)的錯(cuò)峰補(bǔ)貨與維修，提高自販機(jī)補(bǔ)貨與維修的合理性，降低運(yùn)維成本。

第一方面，本發(fā)明實(shí)施例提供了一種基于自販機(jī)的銷售峰值預(yù)測方法，包括以下步驟：

按照預(yù)設(shè)的時(shí)間間隔獲取當(dāng)前自販機(jī)內(nèi)各物品的銷量數(shù)據(jù)；

獲取當(dāng)前自販機(jī)的歷史狀態(tài)數(shù)據(jù)；

對各物品的銷量數(shù)據(jù)、所述歷史狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取，獲得銷量特征集；

對所述銷量特征集進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，建立銷量趨勢預(yù)測模型；

獲取當(dāng)前自販機(jī)在設(shè)定日期內(nèi)對應(yīng)的預(yù)設(shè)狀態(tài)數(shù)據(jù)；

根據(jù)所述設(shè)定日期對應(yīng)的預(yù)設(shè)狀態(tài)數(shù)據(jù)，通過所述銷量趨勢預(yù)測模型，獲取所述設(shè)定日期對應(yīng)的銷量趨勢預(yù)測結(jié)果。

優(yōu)選地，所述歷史狀態(tài)數(shù)據(jù)包括：當(dāng)前自販機(jī)的歷史場景數(shù)據(jù)、歷史營銷數(shù)據(jù)；所述歷史場景數(shù)據(jù)包括當(dāng)前自販機(jī)的歷史場所屬性、歷史日期屬性、歷史天氣數(shù)據(jù)以及歷史節(jié)日活動(dòng)屬性；所述歷史營銷數(shù)據(jù)包括當(dāng)前自販機(jī)內(nèi)各物品的歷史價(jià)格折扣屬性。

優(yōu)選地，所述預(yù)測狀態(tài)數(shù)據(jù)包括：預(yù)設(shè)場景數(shù)據(jù)、預(yù)設(shè)營銷數(shù)據(jù)；所述預(yù)設(shè)場景數(shù)據(jù)包括預(yù)設(shè)場所屬性、所述設(shè)定日期對應(yīng)的日期屬性、預(yù)測天氣數(shù)據(jù)以及預(yù)設(shè)節(jié)日活動(dòng)屬性；所述預(yù)設(shè)營銷數(shù)據(jù)包括所述設(shè)定日期內(nèi)各物品的預(yù)設(shè)價(jià)格折扣屬性。

優(yōu)選地，所述對各物品對應(yīng)的交易次數(shù)與銷量數(shù)據(jù)、所述歷史狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)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對應(yīng)的交易次數(shù)與銷量數(shù)據(jù)、所述歷史狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取與清洗，獲得銷量特征集；

根據(jù)預(yù)設(shè)的數(shù)據(jù)倉庫模型，將所述銷量特征集加載到數(shù)據(jù)倉庫。

優(yōu)選地，所述對所述銷量特征集進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，建立銷量趨勢預(yù)測模型，具體包括：

在Spark框架下采用三次指數(shù)平滑算法對所述數(shù)據(jù)倉庫中存儲(chǔ)的銷量特征集進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，建立銷量趨勢預(yù)測模型。

優(yōu)選地，所述在Spark框架下采用三次指數(shù)平滑算法對所述數(shù)據(jù)倉庫中存儲(chǔ)的銷量特征集進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，建立銷量趨勢預(yù)測模型，具體包括：