[发明专利]一种基于LightGBM模型的汽车服务连锁企业开店选址方法

权利要求书

1.一种基于LightGBM模型的汽车服务连锁企业开店选址方法，其特征在于，该方法包括：

a、将任一家样本门店的位置信息、和该家样本门店下单用户在注册时填写的居住/办公地址进行六边形网格边长为固定值的H3编码，得到该家样本门店所处的地理网格和其下单用户居住/办公地址所属的地理网格；将居住/办公地址位于围绕该家样本门店所处地理网格四周形成N层环状分布、且包括该样本门店所处的地理网格在内的多个区域网格、最近一定时间段内的下单用户产生的收益，合并到相关用户各自居住/办公地址所处的一个所述区域网格中；其中、所述区域网格与该样本门店的地理网格形状、大小一致，每个所述区域网格的收益作为一个收益样本；

b、对于每个收益样本分别以所述区域网格、样本门店、城市作为粒度进行多层次多粒度的特征构造，并根据构造好的特征收集对应的特征数据；

c.将所有的所述收益样本以及其对应的特征数据构成数据集，使用所述数据集对lightGBM模型进行训练、基于该模型输出的不同特征重要程度进行特征筛选，采用筛选后的特征作为预测特征集合；

d.从每个所述收益样本以及其对应的特征数据构成数据集抽取所述预测特征集合中每个特征对应的特征数据值构成开店选址收益预测模型训练数据集，使用所述开店选址收益预测模型训练数据集对lightGBM模型进行训练得到开店选址收益预测模型；

e.对所述开店候选点进行与步骤a中相同的H3编码，收集开店候选点所处地理网格四周形成N层环状分布、且包含该家样本门店所处地理网格的多个边长为所述固定值的六边形区域网格内、所述最近一定时间段内对应于所述预测特征集合中每个特征对应的特征数据构成开店候选点特征数据集，将所述开店候选点特征数据集输入到所述开店选址收益预测模型预测开店候选点产生的收益。

2.如权利要求1所述的方法，其特征在于，所述使用所述开店选址收益预测模型训练数据集对lightGBM模型进行训练得到开店选址收益预测模型，包括：使用所述开店选址收益预测模型训练数据集对lightGBM分类模型进行训练得到初步开店选址收益预测模型；将部分实际收益样本对应于所述预测特征集合中每个特征对应的特征数据构成测试特征数据集对所述初步开店选址收益预测模型进行测试，调整所述初步开店选址收益预测模型的参数、当其预测结果与所述部分实际收益样本最接近时，将所述初步开店选址收益预测模型作为开店选址收益预测模型。

3.如权利要求1或2所述的方法，其特征在于，所述步骤a中，所述六边形网格边长设为461米；所述将居住/办公地址位于围绕该家样本门店所处地理网格四周形成N层环状分布的多个区域网格内的下单用户产生的收益，合并到每个用户相关用户各自居住/办公地址所处的一个区域网格中，具体为：将居住/办公地址位于围绕该家样本门店所处地理网格四周形成7层分布、且包含该家样本门店所处地理网格在内的169个区域网格内，在所述最近一定时间段内的下单用户产生的收益，合并到相关用户各自居住/办公地址所处的一个所述区域网格内。

4.如权利要求1或2所述的方法，其特征在于，所述步骤b中以所述区域网格作为粒度进行特征构造包括：每个区域网格内的人群特征、竞争对手特征、每个区域网格到该样本门店的交通便利性以及每个区域网格的商住属性；每个所述区域网格内人群特征包括：用户总数，小区户数、建筑物数、建筑物的平均年代、平均房价；每个区域网格的竞争对手特征包括：分别以所述每个区域网格中心为中心点，分别汇总半径1公里、3公里、5公里范围内的汽修门店数、洗车美容门店数据以及4S汽车店数；每个区域网格到该样本门店的交通便利性包括：该区域网格中心点到所述样本门店所在地理网格中心点的直线距离、导航距离以及所述导航距离和所述直线距离的比值。