[发明专利]令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、存储介质及店铺选址系统

说明书

本发明提供令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、存储介质及店铺选址系统，该训练方法在已存在品牌相同的多个店铺的情况下，多次执行样本获取步骤：获取其中一个已存在的店铺的周边预定范围内的商业兴趣点数据和目标消费者的数量；获取该店铺的营业数据；以商业兴趣点数据和目标消费者的数量作为输入信号，以营业数据是否达到对应于店铺选址标准的预设值作为输出信号，构成供人工神经网络进行店铺选址训练的一组学习样本；采用上述多组学习样本对人工神经网络进行店铺选址训练，直至该人工神经网络具备根据店铺地点的周边预定范围内的商业兴趣点数据和目标消费者的数量预测待选址店铺的营业数据是否达到所述预设值的能力。

技术领域

本发明涉及数据处理技术领域，特别涉及令人工神经网络具备店铺选址能力的训练方法、店铺选址方法、存储介质及系统。

背景技术

连锁店铺、加盟店铺等品牌相同的店铺在开设之前，为使店铺营业状况良好，需合理地进行店铺选址。目前常用的店铺选址方法是由考察人员到各个候选地址进行实地考察，从而得到各个候选地址的周边环境和周边人流量，然后据此进行店铺选址。但是，该店铺选址方法是基于考察人员的个人经验进行的，这使得店铺选址结果主观性较强，降低了店铺选址结果的合理性。

兴趣点数据(Point of Interest，POI)作为一种新的空间数据源，其分布模式和分布密度在基础设施规划和城市空间分析中具有重要意义，其中，商业兴趣点数据包含不同业态商店的空间位置信息和商业属性信息，具有数据量丰富、现势性强的特点，有助于提高城市商业空间热点判别的准确性。在店铺选址过程中，可基于商业兴趣点数据来获取各个店铺地点的周边环境和周边人流量，这样就有助于进行店铺选址，使得店铺选址结果较为合理，但周边环境和周边人流量只是影响店铺营业状况的部分主要因素，就算店铺周边环境好且周边人流量多，如果店铺不能吸引到足够多的目标消费者进店消费，该店铺营业状况也会不佳，因此单凭商业兴趣点数据进行店铺选址合理性有限。

发明内容

本发明要解决的技术问题是如何提高店铺选址合理性。

为解决上述技术问题，本发明提供一种令人工神经网络具备店铺选址能力的训练方法，包括如下步骤：

P.在已存在品牌相同的多个店铺的情况下，多次执行下述样本获取步骤，获得多组学习样本，每次样本获取步骤包括如下A、B、C：

——A.获取其中一个已存在的店铺的周边预定范围内的商业兴趣点数据和目标消费者的数量；

——B.获取该店铺的营业数据；

——C.以商业兴趣点数据和目标消费者的数量作为输入信号，以营业数据是否达到对应于店铺选址标准的预设值作为输出信号，构成供人工神经网络进行店铺选址训练的一组学习样本；

Q.采用上述多组学习样本对人工神经网络进行店铺选址训练，直至该人工神经网络具备根据店铺地点的周边预定范围内的商业兴趣点数据和目标消费者的数量预测待选址店铺的营业数据是否达到所述预设值的能力，从而使得人工神经网络能把待选址店铺选址在营业数据达到所述预设值的店铺地点。

优选地，在所述步骤A中，获取所述店铺的周边预定范围内的各个年龄区间的常住人口数量，以处于预设年龄区间内的常住人口数量作为目标消费者的数量。

优选地，在所述步骤A中，还获取目标消费者的消费能力；相应地，在所述步骤C中，还以目标消费者的消费能力作为输入信号。

优选地，在所述步骤A中，获取所述店铺的周边预定范围内的房价均值，根据所述房价均值分析出目标消费者的消费能力。

本发明还提供一种店铺选址方法，其特征是，包括如下步骤：

a.获取待选的店铺地点；

b.获取该店铺地点的周边预定范围内的商业兴趣点数据和目标消费者的数量；