[发明专利]优化高速公路服务区业态的方法

说明书

本发明提供一种优化高速公路服务区业态的方法，所述方法包括以下步骤：S1：获取N天的目标高速公路服务区用户的消费数据，所述消费数据至少包括商品名称、采购时间和采购金额，所述N为大于1的整数；S2：对所述消费数据进行预处理获得近度R、频率F和强度M；S3：根据步骤S2所述的近度R、频率F和强度M，采用K‑Means聚类算法对用户进行分类；S4：挖掘各个类别的用户的消费行为，获得用户消费偏好的集合。本申请利用聚类算法对客户进行分类，随后根据不同类别的客户，以购物数据中客户购买的产品为事务集，基于FP‑Growth算法确定该类客户的购物产品的频繁项集，从而得知各类客户购买频次最多的产品，为高速公路服务提供数据参考。

技术领域

本发明涉及服务优化领域，尤其涉及一种优化高速公路服务区业态的方法。

背景技术

我们生活的“大数据时代”，是在信息化时代基础上升级衍变而来的智能化时代。“大数据时代”不再局限于信息共享，而是更加关注于信息的智能化应用，数据已经不是社会生产中无价值的“副产物”了；相反，数据已经成为一种可再生，并且价值巨大的生产资料。海量的数据蕴含了海量的信息，隐藏着巨大的价值，通过对数据的分析挖掘，不仅可以对现存现象进行描述和深度解释，还能对服务进行优化，现有的高速公路服务区一般仅为客户提供加油、零售等业务，难以满足客户的个性化需求，存在服务业态单一、结构不完善、匹配服务水平较低等问题。

因此，亟需一种根据客户消费数据优化高速公路服务区业态的方法。

发明内容

有鉴于此，本发明提供一种根据高速公路服务区客户的消费数据来优化高速公路服务区业态的方法。

本发明提供一种优化高速公路服务区业态的方法，其特征在于：所述方法包括以下步骤：

S1：获取N天的目标高速公路服务区用户的消费数据，所述消费数据至少包括商品名称、采购时间和采购金额，所述N为大于1的整数；

S2：对所述消费数据进行预处理获得近度R、频率F和强度M；

S3：根据步骤S2所述的近度R、频率F和强度M，采用K-Means聚类算法对用户进行分类；

S4：挖掘各个类别的用户的消费行为，获得用户消费偏好的集合。

进一步，所述近度R、频率F和强度M采用如下方法确定：

所述近度R表示用户最后一次在目标服务区消费距离观测时间结束日期的天数；

R＝A-B，其中，R表示近度，A表示观测时间结束日期，B表示用户最后一次在目标服务区消费的日期；

所述频率F表示在观测时间内用户在目标服务区消费的次数；

所述强度M表示在观测时间内用户消费金额的总和；

其中，M表示强度，S_i表示用户一次消费的总额，F表示观测时间内用户在目标服务区消费的次数。

进一步，所述步骤S3包括：

S31：从近度R、频率F和强度M中随机选取三个数据作为初始的聚类中心；

S32：计算每个数据到所述初始聚类中心的距离，并将数据归类到距离初始聚类中心距离最小的初始聚类中心的类；

S33：重复步骤S302，直至所有的数据均被归类；

S34：计算各个步骤S302获得的各个类的聚类中心；

S35：判断步骤S304计算的聚类中心与初始聚类中心是否相等，若是，则分类结束；若否，则进入步骤S302。

进一步，所述步骤S302中计算每个数据到初始聚类中心的距离采用欧氏距离确定，