[發(fā)明專利]基于空間聚類的選址方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910295425.2
• 申請日: 2019-04-12
• 公開（公告）號: CN110019568B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 洪晶;陳宇
• 申請（專利權(quán)）人: 深圳市和訊華谷信息技術(shù)有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/29
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 馮筠

本發(fā)明公開了一種基于空間聚類的選址方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，方法包括：針對目標(biāo)城市，建立體系化的各類屬性的網(wǎng)格特征數(shù)據(jù)M；從網(wǎng)格特征數(shù)據(jù)M中提取出：行業(yè)特征數(shù)據(jù)M1，用戶特征數(shù)據(jù)M2；針對特征數(shù)據(jù)M1和特征數(shù)據(jù)M2，建立空間聚類模型，將上述兩種模型進(jìn)行映射，將需求量高于供應(yīng)量的小區(qū)篩選為候選地址小區(qū)。該基于空間聚類的選址方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，將空間將城市網(wǎng)格空間特征和城市網(wǎng)格商業(yè)特征融為一體進(jìn)行聚集分析，刻畫出某一細(xì)分市場的供需關(guān)系，精確洞察不同類型的商業(yè)項目的選址聚集情況，輸出選址數(shù)量輔以決策。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種采用城市網(wǎng)格的基于大數(shù)據(jù)空間聚類的商業(yè)項目選址方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)

商業(yè)項目在進(jìn)駐一個全新的城市時需要進(jìn)行大量的線下調(diào)研，傳統(tǒng)商業(yè)拓展方法主要靠人脈、靠人工獲取相關(guān)信息，而其中區(qū)域選址是企業(yè)制定經(jīng)營目標(biāo)和經(jīng)營戰(zhàn)略的重要依據(jù)，事關(guān)企業(yè)成敗?，F(xiàn)有選址技術(shù)大致可分為傳統(tǒng)選址和大數(shù)據(jù)選址兩類。

傳統(tǒng)選址如開展問卷調(diào)查、線下走訪，了解意向位置周邊的客流、交通、消費(fèi)能力、消費(fèi)品級、政府政策、行業(yè)競品、周邊產(chǎn)品等相關(guān)信息，綜合分析對企業(yè)的利弊，擇優(yōu)選址。

大數(shù)據(jù)選址的優(yōu)勢之一是利用企業(yè)自身所能獲取到的數(shù)據(jù)信息，通過對區(qū)域的人口、經(jīng)濟(jì)、消費(fèi)、客戶畫像、交通、競品等因素進(jìn)行分析，輔助商業(yè)選址決策；優(yōu)勢之二是大數(shù)據(jù)算法的技術(shù)研究和應(yīng)用研究越來越成熟，比如空間聚類方法是一個比較大的多維數(shù)據(jù)集中根據(jù)距離的度量找出簇或稠密區(qū)域，對于提取大型空間數(shù)據(jù)庫中有用的信息和知識提供了有效手段，因此在商業(yè)應(yīng)用中具有十分重要的現(xiàn)實意義。

空間聚類研究主要集中在算法研究上，目前存在兩種情況，一種是從事GIS理論研究方法和技術(shù)工具研究的場景，大多數(shù)根據(jù)空間對象的地理坐標(biāo)進(jìn)行聚類，即只考慮對象的空間鄰近性，而不考慮對象屬性特征的相似性；另一種場景是直接運(yùn)用傳統(tǒng)聚類分析方法，根據(jù)屬性特征集進(jìn)行分析，忽視了對象的空間鄰近性。

發(fā)明內(nèi)容

本發(fā)明的實施例提供了一種基于空間聚類的選址方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，旨在解決現(xiàn)有的大數(shù)據(jù)選址時，采用GIS或傳統(tǒng)聚類分析方法僅考慮地理位置或?qū)傩蕴卣鲗?dǎo)致結(jié)果不準(zhǔn)確的問題。

為達(dá)到上述目的，本發(fā)明所提出的技術(shù)方案為：

第一方面，本發(fā)明提供了一種基于空間聚類的選址方法，其包括以下步驟：

針對目標(biāo)城市，以城市網(wǎng)格GID為粒度，構(gòu)建城市網(wǎng)格為主鍵的網(wǎng)格畫像數(shù)據(jù)，建立城市網(wǎng)格知識圖譜，建立體系化的各類屬性的網(wǎng)格特征數(shù)據(jù)M；

從網(wǎng)格特征數(shù)據(jù)M中提取出：行業(yè)特征數(shù)據(jù)M1，所述行業(yè)特征數(shù)據(jù)M1反應(yīng)該行業(yè)的現(xiàn)狀，用戶特征數(shù)據(jù)M2，所述用戶特征數(shù)據(jù)M2反應(yīng)該行業(yè)的用戶需求現(xiàn)狀；

針對特征數(shù)據(jù)M1，建立空間聚類模型，確定目標(biāo)城市該行業(yè)聚集結(jié)果，獲得城市的n個該行業(yè)位置聚集小區(qū)，計算每個小區(qū)的店鋪數(shù)量的均值，基于均值細(xì)分為高度聚集、中度聚集、輕度聚集、無聚集四類；

針對特征數(shù)據(jù)M2，建立空間聚類模型，確定目標(biāo)城市該行業(yè)需求聚集結(jié)果，獲得城市的m個需求位置聚集小區(qū)，計算每個小區(qū)的用戶數(shù)量的均值，基于均值細(xì)分為高度需求、中度需求、輕度需求、無需求四類；以及

將步驟“針對特征數(shù)據(jù)M1，建立空間聚類模型，確定目標(biāo)城市該行業(yè)聚集結(jié)果，獲得城市的n個該行業(yè)位置聚集小區(qū)，計算每個小區(qū)的店鋪數(shù)量的均值，基于均值細(xì)分為高度聚集、中度聚集、輕度聚集、無聚集四類”和步驟“針對特征數(shù)據(jù)M2，建立空間聚類模型，確定目標(biāo)城市該行業(yè)需求聚集結(jié)果，獲得城市的m個需求位置聚集小區(qū)，計算每個小區(qū)的用戶數(shù)量的均值，基于均值細(xì)分為高度需求、中度需求、輕度需求、無需求四類”進(jìn)行映射，將需求量高于供應(yīng)量的小區(qū)篩選為候選地址小區(qū)。

第二方面，本發(fā)明的實施例公開了一種選址的裝置，其包括：