本發明提供了一種基于人工智能和大數據的商場選址方法及系統，還方法包括：基于待建商場與現有商場的相似度和競爭關系得到待建商場的若干備選地址；獲取現有商場和備選地址的商圈，并對商圈進行調整，基于調整前或調整后的商圈計算現有商場和備選地址的商圈特征得分；計算商圈特征權重；基于備選地址與現有商場間的距離、商圈特征的權重和得分計算現有商場對待建商場的斥力；基于斥力得到待建商場的若干優選地址，在優選地址中選擇待建商場的最優地址。本發明基于待建商場與現有商場的相似度和競爭關系對商圈進行調整，保障了后續確定待建商場地址的精確性。

技術領域

本發明涉及大數據領域，具體為一種基于人工智能和大數據的商場選址方法及系統。

背景技術

商場在人們的日常生活必不可少，為滿足人們的購買需求，在同一個區域內經常會有多個商場。現有技術中商場的選址往往根據區域中的常住人口情況、交通情況、競爭情況、政策情況進行選址，但是卻忽略了不同因素對商場選址的影響程度不同，導致選址結果不準確。

發明內容

為了解決上述問題，本發明提出一種基于人工智能和大數據的商場選址方法，該方法包括：

步驟S1，基于待建商場與現有商場的相似度和競爭關系確定待建商場的若干備選地址；

步驟S2，獲取現有商場和備選地址的商圈，基于商圈相鄰的商場間的相似度和競爭關系對商場的商圈進行調整，基于所述商圈或調整后的商圈計算現有商場和備選地址的商圈特征得分；

步驟S3，假設在備選地址處建設待建商場，基于備選地址與現有商場間的距離、商圈特征的權重和得分計算現有商場對待建商場的斥力；

步驟S4，根據斥力在備選地址周圍探索優選地址，基于優選地址的商圈特征得分在優選地址中選擇待建商場的最優地址。

進一步地，基于商場的面積、店鋪類型、商場服務質量獲取每個商場的特征向量，基于特征向量計算商場與商場的相似度和競爭關系。

進一步地，備選地址的獲取方法為：

現有商場為現有離散點，基于現有離散點獲取初始泰森多邊形；

在初始泰森多邊形中將與待建商場相似且競爭關系滿足預設條件的現有商場對應的現有離散點和對應的包圍現有離散點的邊刪去；

初始泰森多邊形中剩余邊的中點為備選地址。

進一步地，現有商場和備選地址的商圈的獲取方法為：備選地址為新增離散點，根據基于現有離散點和新增離散點得到的第一泰森多邊形獲取商圈。

進一步地，商圈特征包括商圈的地理位置特征、商圈內快遞公司類別特征和基礎設施特征。

進一步地，商圈特征的權重的獲取方法為：

基于初始泰森多邊形中初始商圈相鄰的現有商場間的相似度和競爭關系對每個現有商場的初始商圈進行調整；基于初始商圈或調整后每個現有商場的商圈計算現有商場的商圈特征得分，根據商圈特征得分計算商圈特征的權重。

進一步地，所述調整具體為：

對于每個商場，計算商圈相鄰的商場與該商場的相似度和競爭關系，則調整后該商場的商圈包括相似度和競爭關系滿足預設條件的商圈相鄰的商場的商圈。

進一步地，根據商圈特征得分計算商圈特征的權重具體為：

對于每個商圈特征：基于每個現有商場的商圈特征得分獲取該商圈特征與其他商圈特征的相關系數，基于相關系數得到該商圈特征對應的第一數值；基于所有現有商場的該商圈特征的得分計算方差得到第二數值；基于該商圈特征對現有商場盈虧的影響程度得到第三數值；

基于每個商圈特征對應的第一數值、第二數值、第三數值得到每個商圈特征的權重。