[發明專利]基于大數據的網點客流量分析方法、裝置、設備及介質

在審

• 申請號: 202111150209.2
• 申請日: 2021-09-29
• 公開（公告）號: CN113822723A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 杜志亮
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種基于大數據的網點客流量分析方法，其特征在于，所述方法包括：

獲取預設網點在歷史不同時間段的客流量，對所述客流量進行函數擬合，得到擬合函數；

獲取所述預設網點在所述歷史不同時間段的客戶預約數量以及客戶履約數量，根據所述客戶預約數量和所述客戶履約數量生成履約率矩陣；

對所述履約率矩陣進行特征提取，得到履約率特征；

根據所述擬合函數計算得到預設時間段的預測客流量，并利用所述履約率特征對所述預測客流量進行調整，得到調整后的預測客流量；

獲取預設的天氣權重，根據所述天氣權重對所述調整后的預測客流量進行權重計算，得到標準客流量。

2.如權利要求1所述的基于大數據的網點客流量分析方法，其特征在于，所述對所述客流量進行函數擬合，得到擬合函數，包括：

將所述歷史不同時間段的客流量映射至預先構建的坐標系中，得到所述預設網點在歷史不同時間段的客流量坐標；

利用預設的初始函數計算每一個所述客流量坐標的擬合坐標；

計算所述擬合坐標與所述客流量坐標之間的差異值；

判斷所述差異值是否小于預設差異閾值；

當所述差異值大于或等于所述預設差異閾值，根據所述差異值對所述初始函數的參數進行調整，并返回利用預設的初始函數計算每一個所述客流量坐標的擬合坐標的步驟；

當所述差異值小于所述預設差異閾值，確定此時的初始函數為擬合函數。

3.如權利要求1所述的基于大數據的網點客流量分析方法，其特征在于，所述根據所述客戶預約數量和所述客戶履約數量生成履約率矩陣，包括：

構建空白矩陣；

從所述多個預設權益中逐個選取其中一個權益為目標權益；

根據所述客戶預約數量和所述客戶履約數量計算得到履約率；

將所述履約率作為元素填充至所述空白矩陣中，得到履約率矩陣。

4.如權利要求1所述的基于大數據的網點客流量分析方法，其特征在于，所述對所述履約率矩陣進行特征提取，得到履約率特征，包括：

對所述履約率矩陣進行隨機采樣，生成所述履約率矩陣的多個子集矩陣；

從所述多個子集矩陣中逐個選取其中一個矩陣為目標矩陣；

利用預先訓練的深度神經網絡將所述目標矩陣中的每一個元素進行特征描述，得到元素特征；

利用預設的激活函數計算每一個元素的元素特征的特征值；

選取所述特征值大于預設特征閾值的元素特征對應的元素為所述目標矩陣的履約率特征。

5.如權利要求4所述的基于大數據的網點客流量分析方法，其特征在于，所述對所述履約率矩陣進行隨機采樣，生成所述履約率矩陣的多個子集矩陣，包括：

按照預設數量對所述履約率矩陣中的元素進行隨機采樣，并將采樣得到的元匯集為所述履約率矩陣的子集矩陣；

判斷所述子集矩陣的數量是否等于預設閾值；

若所述采樣元素的數量不等于預設閾值，則返回按照預設數量對所述履約率矩陣中的元素進行隨機采樣的步驟；

若所述采樣元素的數量等于預設數量，則將所有子集矩陣匯集為所述履約率矩陣的多個子集矩陣。

6.如權利要求1所述的基于大數據的網點客流量分析方法，其特征在于，所述利用所述履約率特征對所述預測客流量進行調整，得到調整后的預測客流量，包括：

對所述履約率特征進行求均值，得到履約均值；

將所述履約均值與所述預測客流量進行乘積處理，得到調整后的預測客流量。

7.如權利要求1至6中任一項所述的基于大數據的網點客流量分析方法，其特征在于，所述根據所述天氣權重對所述調整后的預測客流量進行權重計算，得到標準客流量，包括：

利用如下權重算法根據所述天氣權重對所述調整后的預測客流量進行權重計算得到標準客流量：

Z＝∑ω*Q

其中，Z為所述標準客流量，Q為所述調整后的預測客流量，ω為所述天氣權重。