[发明专利]一种商业选址方法及系统

说明书

技术领域

本发明涉及一种商业选址方法及系统，特别是涉及一种基于卫星数据和城市数据的商业选址方法及系统。

背景技术

对于商业的成功而言，选择一个好的店铺位置是十分重要的。好的店铺位置可以给商家带来很多顾客，实现商业的成功。而较差的店铺选址的错误在开业之后却是几乎不能改正的。因此商业选址对商家来说至关重要。然而商业选址的过程费时又费力，需要人们搜集和调研各种类型的数据，例如交通状况、潜在顾客的多少、租金状况、员工的来源等等

传统的商业选址方法包括调研、询问专业的咨询公司。一些研究工作在探索使用用户在网络上的签到数据、用户连接实体店wifi的记录、在电子地图上的查询数据等来进行商业选址分析。然而，这些方法都存在一些问题，一方面这些方法使用的数据获取比较难，另一方面使用的数据可能会涉及到用户的隐私问题。

随着科技的发展，卫星数据(如灯光数据、卫星图片数据等)和一些城市数据(如城市路网、汽车轨迹等)变得越来越容易获取。这些数据从一些方面反映了一个地点的商业潜力，例如城市灯光的强度反映了一个地区人口的密度和商业的繁荣程度，卫星图片可以反映地面建筑用地和绿地的比例，对于城市数据，城市路网反映了各个地区交通的便利程度，汽车轨迹反映了人群的移动情况。不同类型的商业对地点的需求可能不同，如大型商场偏向于在繁华的地方，以吸引尽可能多的顾客，而篮球馆等因为占地面积比较大，考虑到租金的问题，会选择租金便宜，距离城市中心一段距离的地方，因此，本发明从卫星数据和城市数据出发，提出一种基于卫星数据和城市数据的商业选址技术，以解决上述问题。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种商业选址方法及系统，以解决传统的调研方法成本较高，而且时间较长的问题，实现自动商业选址的目的。

为达上述及其它目的，本发明提出一种商业选址方法，包括如下步骤：

步骤一，获取卫星数据和城市数据；

步骤二，根据收集到的卫星数据和城市数据对目标地点抽取特征；

步骤三，使用降噪自编码器对抽取到的特征进行降维和去噪处理，并使用处理后的特征，针对特定的商业类型，训练经典的分类模型或者拟合模型；

步骤四，使用训练好的模型，根据目标地点的特征，判断该地点是否适合某一类型的商业。

进一步地，所述卫星数据包括灯光强度数据、卫星可见红外扫描辐射计数据以及卫星图像数据，所述卫星可见红外扫描辐射计数据包括地表温度、植被覆盖率、地表反射率。

进一步地，所述城市数据包括城市路网数据和汽车轨迹数据。

进一步地，步骤二进一步包括：

针对灯光强度采样数据，对目标地点计算平均灯光强度，根据灯光强度采样数据进行聚类，得到城市中一些商业中心的位置，并计算目标地点到这些商业中心的距离和这些距离中的最小值；将平均灯光强度和到聚类中心的距离作为灯光强度数据的特征；

针对卫星可见红外扫描辐射计的数据，分别计算目标地点平均地表温度、平均植被覆盖率、平均地表反射率，以及该些特征在一年中不同月份的变化情况；

针对卫星图像数据，利用卷积神经网络从卫星图像中抽取特征。

进一步地，步骤二还包括：

对于城市数据中的城市路网数据，统计目标地点的各类道路长度，总长度，以及交叉点的数目作为特征；

针对汽车轨迹数据，统计目标地点各个时间段的GPS记录的数目和访问次数作为特征向量。

进一步地，步骤三还包括：

将抽取到的同一地点的特征拼合成一个向量，作为自编码器的输入和输出，训练自编码器；

待训练完成，使用其中的编码器部分对特征向量进行降维；

使用处理后的特征，针对特定的商业类型，训练经典的分类模型或者拟合模型。

进一步地，所述自编码器的训练过程为最小化输入x_〔i〕和输出f(x_〔i〕)的偏差：

其中，其中x表示前面抽取到的特征拼接成的特征向量，下标i表示第i个训练样本，w和b为神经网络中的权重和偏置，σ为神经网络中的激活函数。

进一步地，所述自编码器的输出z_〔i〕计算公式如下：

为达到上述目的，本发明还提供一种商业选址系统，包括：

数据获取单元，用于获取卫星数据和城市数据；

特征抽取单元，用于根据收集到的卫星数据和城市数据对目标地点抽取特征；