[发明专利]基于自贩机的销售峰值预测方法、装置、设备及存储介质

说明书

本发明公开了一种基于自贩机的销售峰值预测方法、装置、设备及存储介质，该方法包括：按照预设的时间间隔获取当前自贩机内各物品的销量数据；获取当前自贩机的历史状态数据；对各物品的销量数据、历史状态数据进行数据抽取，获得销量特征集；对销量特征集进行机器学习训练，建立销量趋势预测模型；获取当前自贩机在设定日期内对应的预设状态数据；根据设定日期对应的预设状态数据，通过销量趋势预测模型，获取设定日期对应的销量趋势预测结果。本发明能够准确预测自贩机的未来的销量趋势，为后续自贩机的错峰维护和补货提供数据支持，从而提高自贩机维护、补货的合理性，降低运维成本。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于自贩机的销售峰值预测方法、装置、设备及计算机可读存储介质。

背景技术

自贩机指的是一种由顾客自助取货、自助付款的机器，在各大商场及大型的公共场所均能见到自助售货机，自助售货机给人们的出行带来了很多方便。自贩机货道是指陈放寄售商品的物理轨道，一台自贩机有几十甚至上百个货道。自贩机工控系统通过硬件驱动程序，下发出货指令，驱动货道中的电机，推动商品从轨道中推出或掉落。

传统技术中，自助售货机的补货与维修通常是由运营人员依靠自身直觉和经验判断什么时候需要对设备维修与补货，运维成本高，而且这种维修和补货方法可能与实际合理时间存在较大差异，补货与维修时间不合理。

发明内容

基于此，本发明实施例提供了一种基于自贩机的销售峰值预测方法、装置、设备及计算机可读存储介质，其能准确预测自贩机的销量趋势，从而实现自贩机的错峰补货与维修，提高自贩机补货与维修的合理性，降低运维成本。

第一方面，本发明实施例提供了一种基于自贩机的销售峰值预测方法，包括以下步骤：

按照预设的时间间隔获取当前自贩机内各物品的销量数据；

获取当前自贩机的历史状态数据；

对各物品的销量数据、所述历史状态数据进行数据抽取，获得销量特征集；

对所述销量特征集进行机器学习训练，建立销量趋势预测模型；

获取当前自贩机在设定日期内对应的预设状态数据；

根据所述设定日期对应的预设状态数据，通过所述销量趋势预测模型，获取所述设定日期对应的销量趋势预测结果。

优选地，所述历史状态数据包括：当前自贩机的历史场景数据、历史营销数据；所述历史场景数据包括当前自贩机的历史场所属性、历史日期属性、历史天气数据以及历史节日活动属性；所述历史营销数据包括当前自贩机内各物品的历史价格折扣属性。

优选地，所述预测状态数据包括：预设场景数据、预设营销数据；所述预设场景数据包括预设场所属性、所述设定日期对应的日期属性、预测天气数据以及预设节日活动属性；所述预设营销数据包括所述设定日期内各物品的预设价格折扣属性。

优选地，所述对各物品对应的交易次数与销量数据、所述历史状态数据进行数据抽取，获得销量特征集，具体包括：

通过Sqoop工具将获取的各物品对应的交易次数与销量数据、所述历史状态数据进行数据抽取与清洗，获得销量特征集；

根据预设的数据仓库模型，将所述销量特征集加载到数据仓库。

优选地，所述对所述销量特征集进行机器学习训练，建立销量趋势预测模型，具体包括：

在Spark框架下采用三次指数平滑算法对所述数据仓库中存储的销量特征集进行机器学习训练，建立销量趋势预测模型。

优选地，所述在Spark框架下采用三次指数平滑算法对所述数据仓库中存储的销量特征集进行机器学习训练，建立销量趋势预测模型，具体包括：