[发明专利]一种基于地理位置的酒店行业选址评价系统及评价方法

权利要求书

1.一种基于地理位置的酒店行业选址评价系统，包括选址优化分析系统，其特征在于：所述的选址优化分析系统与选址评分结果展示模块连接，选址优化分析系统包括城市宏观分析模块、周边微观环境分析模块、趋势发展分析模块；

其中城市宏观分析模块包括经济数据采集模块、交通数据采集模块，其中经济数据采集模块、交通数据采集模块分别与数据处理模块A连接；

其中经济数据采集模块的的采集数据包括国内生产总值、人均国内生产总值、国内生产总值及5年复合增长率、常住人口、第三产业占比、财政负债率；

交通数据采集模块的采集数据包括机场流量、高铁运输量、铁路运输量、旅游人数、旅游消费；旅游人数模块的采集数据包括入境人数、景区接待人数；旅游消费模块的采集数据包括门票收入、营业收入、酒店业收入、餐饮业收入；

周边微观环境分析模块包括价格数据采集模块、4A/5A景点数据采集模块，学校医院数据采集模块、开发区数据采集模块，其中价格数据采集模块、4A/5A景点数据采集模块，学校医院数据采集模块、开发区数据采集模块均分别与数据处理模块B连接；

其中价格数据采集模块的采集数据包括携程5星酒店数量、携程5星酒店标准房的平均房价、携程4星酒店数量、携程4星酒店标准房的平均房价、携程3星酒店数量、携程3星酒店标准房的平均房价、点评餐饮点人均消费、奢侈品连锁零售店、中档连锁零售店、低端连锁零售店、点评餐饮点数量、二手房数据、地铁、三甲医院、大学；

开发区数据采集模块的采集数据包括国家级开发区数量、省级开发区数量；

趋势发展分析模块包括趋势数据采集模块、自定义数据模块，其中趋势数据采集模块、自定义数据模块分别与数据处理模块C连接；自定义数据模块的数据，由用户直接对该位置趋势进行打分，得到趋势指数；

数据处理模块A、数据处理模块B、数据处理模块C组成数据处理总模块，数据处理总模块内包括数据ETL过程模块、数据分析模块。

2.一种基于地理位置的酒店行业选址评价方法，其特征在于：包括以下操作步骤：

一)、数据采集：

A)、对城市宏观分析模块的经济数据采集模块、交通数据采集模块进行数据采集；

利用爬虫技术爬取各大统计局以及开发区、旅游景区相关网站，由于该数据更新频率较慢，基本上按照年或者季度进行更新；

B)、对周边微观环境分析模块的价格数据采集模块、4A/5A景点数据采集模块，学校医院数据采集模块进行数据采集；

利用爬虫技术爬取各大互联网网站，由于此类数据更新频率相对变化较快，按月进行更新；

C)、对周边微观环境分析模块的开发区数据采集模块进行数据采集；

利用爬虫技术爬取各大统计局以及开发区相关网站，由于该数据更新频率较慢，基本上按照年或者季度进行更新；

D)、对趋势发展分析模块的趋势数据采集模块进行数据采集；

通过采集各区域政府的官方规划报告进行分析，判断该区域未来的开发计划；

E)、对趋势发展分析模块的自定义数据模块根据情况进行自定义设置；

二)、数据初步处理：

A)、数据处理模块A利用数据ETL过程模块对数据进行清洗；

针对每种数据进行归一化处理，公式为X^*＝(X-Min)/(Max-Min)；

B)、数据处理模块B利用高德地图的经纬度接口，获取所有位置的经纬度信息，用来作为后面距离以及时间计算的依据；

C)、数据处理模块C计算趋势基础得分；

其中D_i为开发计划值域为{0，1}；

M_i为预计投入的金额；

T_i为投资计划时间；

α_i为相应的权重；

三)、数据分析：

A)、宏观分数计算：由于不同的数据有着不同的数据格式，需要利用数据处理模块A将这些不同数据结构的数据进行处理，计算出一种通用的指数指标；

Macro Score＝αE+βT

其中E为经济指数；

T为交通指数加权；

α为经济权重系数；

β为交通的权重系数；

B)、微观分数计算：由于不同类型的数据其所带来的权重是不一样的，为此针对上述采集之后的数据需要进行加权，然后通过数据处理模块B进行指数化；

其中n为数据类型；

N_i为以选址位置为圆心，周边3KM以内该类型位置点的数据量和；

D_i为这类型所有相关点到酒店选址位置的距离总和；

P_i为这些位置点的价格总和；

α_i与β_i为具体的权重系数；

C)、趋势分数计算：利用数据处理模块C对采集的结果或者自定义输入的结果进行指数化处理；

其中D_i为开发计划值域为{0，1}；

M_i为预计投入的金额；

T_i为投资计划时间；

I_i为该选址中人为输入的分数，用来纠正根据模型算出来的分；

α_i、β_i、γ_i、为相应的权重系数；

四)、选址评分计算：

Project Score_i＝α_iMacro Score_i+β_iMicro Score_i+γ_iTrend Score_i

其中Macro Score_i为宏观得分；

Micro Score_i为微观得分；

Trend Score_i为趋势得分；

β_i、γ_i、α_i为相应权重系数；

五)、选址评分结果展示模块展示最终的评分。