[发明专利]一种基于连锁业态的门店选址规划方法

权利要求书

1.一种基于连锁业态的门店选址规划方法，其特征在于，包括以下步骤：

S1、采用实时空间聚合模块，对客户调研的地区进行商圈聚合，找出适合的商圈，实时空间聚合模块包括以下步骤：

S11、根据所选区域选取空间聚合DBSCAN算法和空间聚合K-means算法；

S12、根据S11中选取的算法对所选区域进行空间聚合；

S13、对空间聚合的结果不断调参，生成最优解并反馈聚合结果；

S14、对多因素计算聚合区和聚合区的关系度；

S15、根据关系度划分聚合区；

S2、采用机会点预测模块，对指定的城市网格数据进行分析，按照指标进行过滤和排序，通过查看初步处理过后的数据的分布情况做出推荐，机会点预测模块包括以下步骤：

S21、根据指定的阙值筛选，指定的维度排序；

S22、对数据进行统计分布；

S23、根据统计分布的种类和特征计算出推荐机会点数量；

S24、根据推荐输出机会点持久化至表中；

S3、采用机会区扩散模块，通过推举算法在机会区中找到节点以及存储机会区与机会区之间的关系，将机会区和机会区之间的关系存储为知识图谱，机会区扩散模块包括：

S31、通过网络对维度评分，获取聚合区评分；

S32、根据聚合区推举核心节点；

S33、节点与节点之间生成关系维度；

S34、根据关系维度生成聚合区Graph；

S35、根据需求进行数字化推荐。

2.根据权利要求1所述的一种基于连锁业态的门店选址规划方法，其特征在于，分析区域合适的聚合算法包括在面对大区域范围进行空间聚合时，系统使用了DBSCAN算法，在面对小范围且选定区域形状较为规整的区域范围进行空间聚合时，系统使用K-means算法。

3.根据权利要求2所述的一种基于连锁业态的门店选址规划方法，其特征在于，所述DBSCAN算法包括，定义：

Ε邻域：给定对象半径为Ε内的区域称为该对象的Ε邻域；

核心对象：如果给定对象Ε邻域内的样本点数大于等于MinPts，则称该对象为核心对象；

直接密度可达：对于样本集合D，如果样本点q在p的Ε邻域内，并且p为核心对象，那么对象q从对象p直接密度可达；

密度可达：对于样本集合D，给定一串样本点p1,p2…pn，p= p1,q= pn,假如对象pi从pi-1直接密度可达，那么对象q从对象p密度可达；

密度相连：存在样本集合D中的一点o，如果对象o到对象p和对象q都是密度可达的，那么p和q密度相联。

4.根据权利要求2所述的一种基于连锁业态的门店选址规划方法，其特征在于，所述K-means算法包括，随机选取K个对象作为初始的聚类中心，计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心；聚类中心以及分配给它们的对象就代表一个聚类；每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算，这个过程将不断重复直到满足某个终止条件，终止条件是没有或最小数目对象被重新分配给不同的聚类，没有或最小数目聚类中心再发生变化，同时误差平方和局部最小。

5.根据权利要求1所述的一种基于连锁业态的门店选址规划方法，其特征在于，所述阙值筛选和维度排序包括使用spark进行计算对当前总数据进行过滤，然后动态选取多种维度，通过使用spark工具选取维度对已有数据进行分布排序。