[发明专利]一种大数据智能项目预测分析系统及分析方法

权利要求书

1.一种大数据智能项目预测分析系统，其特征在于：包括主服务器和外发服务器，所述主服务器包括：

基础数据库，通过导入、录入、调取的方式汇集能够融入Map架构的多项带有坐标标记和类型标记的离散数据集合；

Map架构，作为基础数据库中所有带标记的离散数据的唯一关联附着网并以电子地图方式呈现；

信息收集模块，集合了N个收集单元，任一个收集单元用于根据子项表单向所述基础数据库中抓取特定坐标标记的离散数据；

子项表单，用于定义目标数据的附条件指令集合；

任务管理单元，用于将子项表单中的多项附条件指令进行优先级排序，并按照优先级先后分别将附条件指令与信息收集模块中的收集单元进行匹配；

计算单元，包含N个计算器，并分别对应一个固定关联的收集单元，将该对应的收集单元中的离散数据按照计算单元预设的算法进行逻辑运算，获得目标数据表单；

所述外发服务器用于将计算单元输出的目标数据表单结合用户输入数据和/或导入数据生成报告并导出。

2.根据权利要求1所述的一种大数据智能项目预测分析系统，其特征在于：所信息收集模块中的收集单元分别对应收集单一类型标记的数据并排序去重，所述类型标记包括住宅、写字楼、产业园、医疗教育单位、机关单位、商业综合体、娱乐综合体、景点、交通枢纽。

3.根据权利要求2所述的一种大数据智能项目预测分析系统，其特征在于：所述收集单元对数据去重的标定参数分别为：住宅数据去重范围为200米、写字楼数据去重范围为50米、产业园数据去重范围为200米、医疗教育单位数据去重范围为300米、机关单位数据去重范围为80米、商业综合体数据去重范围为50米。

4.根据权利要求3所述的一种大数据智能项目预测分析系统，其特征在于：所述计算单元中的多个计算器分别对任一单一类型标记的数据进行逻辑运算，运算的范围以定位点为圆心，2km为半径；运算方式如下：

针对类型标记为住宅的计算方式为：计算距离定位点前十的离散数据a₀并遵循以下规则：a_k＝a₀*k+a₁*k+a₂*k+a₃*k+……a_n*k,n≤10,a_k≤15；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，a₀为离散数据，a₀取值0.5，a_k为目标数据，k为系数；

针对类型标记为写字楼的计算方式为：计算距离定位点前十的离散数据b₀并遵循以下规则：b_k＝b₀*k+b₁*k+b₂*k+b₃*k+……b_n*k,n≤10,b_k≤60；定义集合B[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，b₀为离散数据，b₀取值2.5，b_k为目标数据，k为系数；

针对类型标记为产业园的计算方式为：计算距离定位点前十的离散数据c₀并遵循以下规则：c_k＝c₀*k+c₁*k+c₂*k+c₃*k+……c_n*k,n≤10,c_k≤50；定义集合C[0,0.5km],C(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.1}，c₀为离散数据，c₀取值20，c_k为目标数据，k为系数；

针对类型标记为医疗教育单位的计算方式为：计算距离定位点前十的离散数据d₀并遵循以下规则：d_k＝d₀*k+d₁*k+d₂*k+d₃*k+……d_n*k,n≤10；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，d₀为离散数据，d₀取值5，d_k为目标数据，k为系数；

针对类型标记为机关单位的计算方式为：计算距离定位点前十的离散数据e₀并遵循以下规则：e_k＝e₀*k+e₁*k+e₂*k+e₃*k+……e_n*k,n≤10；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，e₀为离散数据，e₀取值0.1，e_k为目标数据，k为系数；

针对类型标记为商业综合体的计算方式为：计算距离定位点前十的离散数据f₀并遵循以下规则：f_k＝f₀*k+f₁*k+f₂*k+f₃*k+……f_n*k,n≤10,f_k≤25；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，f₀为离散数据，f₀取值3，f_k为目标数据，k为系数；

针对类型标记为娱乐综合体的计算方式为：计算距离定位点前十的离散数据f₀并遵循以下规则：g_k＝g₀*k+g₁*k+g₂*k+g₃*k+……g_n*k,n≤10,g_k≤10；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，g₀为离散数据，g₀取值0.5，g_k为目标数据，k为系数；

针对类型标记为景点的计算方式为：5A景点门口距离定位点距离L≤2km，90≥h_k≥40；2L≤8km，90≥h_k≥25；8L≤15km，90≥h_k≥15；

如若没有5A景点，4A景点i_k＝25*k，累加≤35；3A景点j_k＝5，累加≤35；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}；

针对类型标记为交通枢纽的计算方式为：火车站门口距离定位点距离L≤1km，80≥m_k≥40；1L≤1.5km，80≥m_k≥25；1.5L≤2km，80≥m_k≥15；

机场航站楼距离定位点距离L≤2km，80≥n_k≥40；2L≤3km，80≥n_k≥25；3L≤4km，80≥n_k≥15。

5.一种大数据智能项目预测分析方法，用于实现对商业体后期项目运行的状态数据预测，其特征在于：采用权利要求4所述的一种大数据智能项目预测分析系统实现分析并获得预测分析报告，具体包含下述步骤：

步骤S01，通过外发服务器键入目标项目的基础信息，同时由用户自定义通过链接主服务器中的Map架构定位目标项目；

步骤S02，信息收集模块将以Map架构为基础，以定位的目标项目坐标点为中心，2km为半径抓取向基础数据库抓取离散数据；所述基础数据库将能够融入Map架构的数据分别标记有用于索引的坐标标记和类型标记；类型标记包括住宅、写字楼、产业园、医疗教育单位、机关单位、商业综合体、娱乐综合体、景点、交通枢纽；

步骤S03，计算单元将同一类型数据按照该类型数据预设逻辑进行清洗计算，获得对应的目标数据；各类型标记的目标数据清洗步骤如下：

将同一类型标记数据按照距离目标项目坐标点由近至远排序，取前十个数据作为有效数据；

将有效数据转换为目标数据的计算方式如下：

针对类型标记为住宅的计算方式为：计算距离定位点前十的离散数据a₀并遵循以下规则：a_k＝a₀*k+a₁*k+a₂*k+a₃*k+……a_n*k,n≤10,a_k≤15；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，a₀为离散数据，a₀取值0.5，a_k为目标数据，k为系数；

针对类型标记为写字楼的计算方式为：计算距离定位点前十的离散数据b₀并遵循以下规则：b_k＝b₀*k+b₁*k+b₂*k+b₃*k+……b_n*k,n≤10,b_k≤60；定义集合B[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，b₀为离散数据，b₀取值2.5，b_k为目标数据，k为系数；

针对类型标记为产业园的计算方式为：计算距离定位点前十的离散数据c₀并遵循以下规则：c_k＝c₀*k+c₁*k+c₂*k+c₃*k+……c_n*k,n≤10,c_k≤50；定义集合C[0,0.5km],C(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.1}，c₀为离散数据，c₀取值20，c_k为目标数据，k为系数；

针对类型标记为医疗教育单位的计算方式为：计算距离定位点前十的离散数据d₀并遵循以下规则：d_k＝d₀*k+d₁*k+d₂*k+d₃*k+……d_n*k,n≤10；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，d₀为离散数据，d₀取值5，d_k为目标数据，k为系数；

针对类型标记为机关单位的计算方式为：计算距离定位点前十的离散数据e₀并遵循以下规则：e_k＝e₀*k+e₁*k+e₂*k+e₃*k+……e_n*k,n≤10；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，e₀为离散数据，e₀取值0.1，e_k为目标数据，k为系数；

针对类型标记为商业综合体的计算方式为：计算距离定位点前十的离散数据f₀并遵循以下规则：f_k＝f₀*k+f₁*k+f₂*k+f₃*k+……f_n*k,n≤10,f_k≤25；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，f₀为离散数据，f₀取值3，f_k为目标数据，k为系数；

针对类型标记为娱乐综合体的计算方式为：计算距离定位点前十的离散数据f₀并遵循以下规则：g_k＝g₀*k+g₁*k+g₂*k+g₃*k+……g_n*k,n≤10,g_k≤10；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}，g₀为离散数据，g₀取值0.5，g_k为目标数据，k为系数；

针对类型标记为景点的计算方式为：5A景点门口距离定位点距离L≤2km，90≥h_k≥40；2L≤8km，90≥h_k≥25；8L≤15km，90≥h_k≥15；

如若没有5A景点，4A景点i_k＝25*k，累加≤35；3A景点j_k＝5，累加≤35；定义集合A[0,0.5km],B(0.5,1km],C(1,1.5km],D(1.5,2km]；{k∈A,k＝1}\{k∈B,k＝0.7}{k∈A,k＝1}\{k∈B,k＝0.7}\{k∈C,k＝0.5}\{k∈D,k＝0.3}；

针对类型标记为交通枢纽的计算方式为：火车站门口距离定位点距离L≤1km，80≥m_k≥40；1L≤1.5km，80≥m_k≥25；1.5L≤2km，80≥m_k≥15；

机场航站楼距离定位点距离L≤2km，80≥n_k≥40；2L≤3km，80≥n_k≥25；3L≤4km，80≥n_k≥15；

步骤S04，外发服务器收集目标数据形成目标数据表单，并将用户输入数据和导入数据融合生成报告，并以PDF格式导出。