基于数据监测的商圈发展分析方法、装置、设备及介质与流程

1.本发明涉及数据分析技术领域，尤其涉及一种基于数据监测的商圈发展分析方法、装置、设备及介质。


背景技术：

2.商圈通常是指商店以其所在地点为中心，沿着一定方向和距离扩展，吸引顾客的辐射范围。大型商圈已经成为人们消费、娱乐、购物的主要场所，也是大量商铺入驻的场所，商圈凭借天然的聚集能力和展示功能，浓缩了一个城市的历史文化、地域特色和发展风貌，商圈是城市商业发展的环境基础，是城市综合竞争力的集中体现。
3.一个商圈经营的发展状况,往往受到商圈周边的资源、商圈内店铺的产品定位以及商圈的地理位置等因素影响，如何根据顾客的反馈及时的对商圈进行优化，制定下一步的发展策略成为亟待解决的问题，但现有的顾客商圈问题反馈方法，主要是通过进行线上或线下的问卷调查，调查样本数量少且样本数据的准确度不高，因此，如何高效准确地分析商圈当前的发展状况，以制定下一步的发展策略成为亟待解决的问题。


技术实现要素：

4.本发明提供一种基于数据监测的商圈发展分析方法、装置、设备及介质，其主要目的在于解决进行商圈发展状况分析准确度较低的问题。
5.为实现上述目的，本发明提供的一种基于数据监测的商圈发展分析方法，包括：
6.采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；
7.提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；
8.从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；
9.计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；
10.根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。
11.可选地，所述根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓，包括：
12.从所述多源数据中提取所述目标商圈的多个商业兴趣点，并获取每个所述商业兴趣点的辐射范围，根据所述辐射范围构建所述商业兴趣点的兴趣覆盖面；
13.从所述多源数据中查找所述兴趣覆盖面内的交通路段，计算所述交通路段的外包范围；
14.根据所述兴趣覆盖面及所述交通路段的外包范围生成所述目标商圈的商圈覆盖面；
15.构建所述商圈覆盖面的外接矩形，对所述外接矩形进行网格化，得到矩形网格；
16.从所述矩形网格中提取所述商圈覆盖面与所述外接矩形的相交网格，将所述相交网格的边界轮廓作为所述目标商圈的商圈边界轮廓。
17.可选地，所述根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺，包括：
18.以所述商铺的位置数据为中心点向所述商圈边界轮廓生成一条射线，查找所述射线与所述商圈边界轮廓之间的交点；
19.在所述交点的数量为偶数时，剔除所述商铺的位置数据对应的商铺；
20.在所述交点的数量为奇数时，将所述商铺的位置数据对应的商铺作为商圈内点商铺。
21.可选地，所述根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据，包括：
22.根据所述基础数据中的数据属性生成属性数据集，并获取预设的商圈分析维度的维度属性；
23.根据所述维度属性从所述属性数据集中提取所述商圈分析维度对应的商圈分析维度数据。
24.可选地，所述计算每个所述商圈分析维度数据的信息熵，包括：
25.计算所述商圈分析维度数据的数据均值及标准差；
26.根据所述数据均值及所述标准差对每个所述商圈分析维度数据进行标准化，得到每个所述商圈分析维度数据对应的标准维度数据；
27.根据每个所述商圈分析维度数据对应的标准维度数据生成标准维度数据集，计算每个所述标准维度数据在所述标准维度数据集中的概率；
28.根据所述概率计算每个所述商圈分析维度数据的信息熵；
29.利用如下公式计算每个所述商圈分析维度数据的信息熵：
[0030][0031]
其中，其中，x表示第x个商圈分析维度数据对应的标准维度数据，h(x)表示第x个商圈分析维度数据对应的标准维度数据的信息熵，p(x)表示第x个商圈分析维度数据对应的标准维度数据在标准维度数据集中的概率，n表示商圈分析维度数据对应的标准维度数据的总数。
[0032]
可选地，所述计算所述商圈边界轮廓包含的商圈面积，包括：
[0033]
获取所述商圈边界轮廓的横坐标区间，将所述横坐标区间划分为预设数量的横坐标子区间；
[0034]
通过计算每个横坐标子区间的定积分值确定所述商圈边界轮廓包含的商圈面积；
[0035]
利用如下公式计算每个横坐标子区间的定积分值，得到所述商圈边界轮廓包含的商圈面积：
[0036][0037]
其中，s表示所述商圈边界轮廓包含的商圈面积，k表示第k个横坐标子区间，k表示横坐标子区间的总数，[a，b]表示所述商圈边界轮廓的横坐标区间。
[0038]
可选地，所述根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，包括：
[0039]
利用如下公式计算所述目标商圈的发展评分：
[0040][0041]
其中，p表示所述目标商圈的发展评分，s表示所述商圈面积，x表示第x个商圈分析维度数据对应的标准维度数据，m表示商圈分析维度数据的总数，h(x)表示第x个商圈分析维度数据对应的标准维度数据的信息熵。
[0042]
为了解决上述问题，本发明还提供一种基于数据监测的商圈发展分析装置，所述装置包括：
[0043]
商圈边界轮廓划分模块，用于采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；
[0044]
商圈内点商铺识别模块，用于提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；
[0045]
商圈维度数据构建模块，用于从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；
[0046]
信息熵及商圈面积计算模块，用于计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；
[0047]
目标商圈发展状况确定模块，用于根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。
[0048]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0049]
至少一个处理器；以及，
[0050]
与所述至少一个处理器通信连接的存储器；其中，
[0051]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于数据监测的商圈发展分析方法。
[0052]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于数据监测的商圈发展分析方法。
[0053]
本发明实施例通过多源数据对目标商圈进行边缘划分，能够明确目标商圈的商圈范围；再通过多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺，从而能够去除商圈外部的影响因素，准确地对商圈内部进行分析；构建商圈
内点商铺的商圈分析维度，计算每个商圈分析维度的信息熵以及目标商圈所占的商圈面积，从多个维度对目标商圈进行评价，综合分析得到目标商圈的发展评分，进而确定目标商圈当前准确的发展状况。因此本发明提出的基于数据监测的商圈发展分析方法、装置、电子设备及计算机可读存储介质，可以解决进行商圈发展状况分析时准确度较低的问题。
附图说明
[0054]
图1为本发明一实施例提供的基于数据监测的商圈发展分析方法的流程示意图；
[0055]
图2为本发明一实施例提供的划分商圈边界轮廓的流程示意图；
[0056]
图3为本发明一实施例提供的基于数据监测的商圈发展分析装置的功能模块图；
[0057]
图4为本发明一实施例提供的实现所述基于数据监测的商圈发展分析方法的电子设备的结构示意图。
[0058]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0059]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0060]
本技术实施例提供一种基于数据监测的商圈发展分析方法。所述基于数据监测的商圈发展分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于数据监测的商圈发展分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0061]
参照图1所示，为本发明一实施例提供的基于数据监测的商圈发展分析方法的流程示意图。在本实施例中，所述基于数据监测的商圈发展分析方法包括：
[0062]
s1、采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓。
[0063]
本发明实施例中，所述目标商圈是以多个目标商铺为中心的购物娱乐辐射范围，例如，以万象城、万达广场以及国贸等重点购物中心为中点的购物娱乐辐射范围；所述多源数据包括目标商圈中的商铺信息数据、每个商铺的销售数据、商圈的地理位置数据、周边资源数据、道路交通数据等多个来源的商圈数据，通过多源数据对目标商圈进行边缘划分，进而确定目标商圈的范围。
[0064]
本发明实施例中，参阅图2所示，所述根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓，包括：
[0065]
s21、从所述多源数据中提取所述目标商圈的多个商业兴趣点，并获取每个所述商业兴趣点的辐射范围，根据所述辐射范围构建所述商业兴趣点的兴趣覆盖面；
[0066]
s22、从所述多源数据中查找所述兴趣覆盖面内的交通路段，计算所述交通路段的外包范围；
[0067]
s23、根据所述兴趣覆盖面及所述交通路段的外包范围生成所述目标商圈的商圈
覆盖面；
[0068]
s24、构建所述商圈覆盖面的外接矩形，对所述外接矩形进行网格化，得到矩形网格；
[0069]
s25、从所述矩形网格中提取所述商圈覆盖面与所述外接矩形的相交网格，将所述相交网格的边界轮廓作为所述目标商圈的商圈边界轮廓。
[0070]
本发明实施例中，所述商业兴趣点可以是多源数据中具有地标建筑性质的商业点，例如，著名商场大厦、地铁站、健身公园、旅游景点等，对不同的商业兴趣点分配不同的兴趣等级，根据不同的兴趣等级预设不同的辐射范围，进而获取每个商业兴趣点的辐射范围；可以通过以每个商业兴趣点为中心，对应的辐射范围为半径画圆的方法，得到商业兴趣点的兴趣覆盖面。
[0071]
本发明实施例中，所述交通路段的外包范围是对交通路段进行凸包计算，得到包含所有交通路段的外包范围，从而能够生成目标商圈的商业覆盖面。
[0072]
本发明实施例中，通过生成目标商圈的商圈边界轮廓，能够明确目标商圈的包含范围，从而对目标商圈内的商铺进行分析，提高目标商圈发展分析的准确度。
[0073]
s2、提取所述多源数据中商铺的位置数据，根据所述商铺的位置数据识别所述商圈边界轮廓内的商圈内点商铺。
[0074]
本发明实施例中，所述商圈内点商铺是在商圈边界轮廓内的商铺，可以根据位置数据剔除不在商圈边界轮廓内的商铺，从而提高对目标商圈发展评价的准确度。
[0075]
本发明实施例中，所述根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺，包括：
[0076]
以所述商铺的位置数据为中心点向所述商圈边界轮廓生成一条射线，查找所述射线与所述商圈边界轮廓之间的交点；
[0077]
在所述交点的数量为偶数时，剔除所述商铺的位置数据对应的商铺；
[0078]
在所述交点的数量为奇数时，将所述商铺的位置数据对应的商铺作为商圈内点商铺。
[0079]
本发明实施例中，根据多边形内点判断法则判断商圈内点商铺，如果由p出发的一条射线与多边形边界有奇数个交点，则p在多边形内部，因此，以位置数据为中心点向商圈边界轮廓发出一条射线，在射线与商圈边界轮廓的交点数量为奇数时，确定商铺的位置数据对应的商铺为商圈内点商铺。
[0080]
本发明实施例中，通过识别商圈内点商铺能够避免无关商铺对目标商圈发展分析的影响，从而实现精确的目标商圈发展分析。
[0081]
s3、从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据。
[0082]
本发明实施例中，所述基础数据包括每个商圈内点店铺的地理位置数据以及每个商圈内点店铺辐射范围内的辐射多源数据，例如，每个商圈内点店铺辐射范围内的住宅区、公共交通设施数据、休闲娱乐设施数据等，不同的基础数据对应着不同的数据属性，例如，商铺的标称属性，数值属性等，具体地，可根据上述每个商圈内点商铺的商铺等级从所述多源数据中提取辐射范围的辐射多源数据。
[0083]
本发明实施例中，所述商圈内点商铺的商圈分析维度是评价每个商圈内点商铺发
展状况的评价指标维度，例如，商圈内点商铺对应的辐射多源数据包含的周边资源、商铺的所处位置、商铺的销售数据、商铺的环境等影响商圈内点商铺发展的评价维度，其中，不同的商圈分析维度具有不同的维度属性，例如，数值型维度，序数型维度等，通过维度属性能够描述同一类型的商圈分析维度。
[0084]
本发明实施例中，所述根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据，包括：
[0085]
根据所述基础数据中的数据属性生成属性数据集，并获取预设的商圈分析维度的维度属性；
[0086]
根据所述维度属性从所述属性数据集中提取所述商圈分析维度对应的商圈分析维度数据。
[0087]
本发明实施例中，所述数据属性以维度属性表示基础数据对应的数据类型以及预设的商圈分析维度对应的维度类型，根据数据属性以及维度属性构建商圈内点商铺的商圈分析维度数据，能够提高商圈分析维度数据的准确度，从而更精确地对每个商圈内重点店铺进行多维度的分析。
[0088]
s4、计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积。
[0089]
本发明实施例中，所述信息熵表示每个分析维度数据包含的信息量，是对商圈发展分析的不确定性的量化，具体地，可以根据每个商圈分析维度数据的概率分布计算对应的信息熵。
[0090]
本发明是实施例中，所述计算每个所述商圈分析维度数据的信息熵，包括：
[0091]
计算所述商圈分析维度数据的数据均值及标准差；
[0092]
根据所述数据均值及所述标准差对每个所述商圈分析维度数据进行标准化，得到每个所述商圈分析维度数据对应的标准维度数据；
[0093]
根据每个所述商圈分析维度数据对应的标准维度数据生成标准维度数据集，计算每个所述标准维度数据在所述标准维度数据集中的概率；
[0094]
根据所述概率计算每个所述商圈分析维度数据的信息熵。
[0095]
本发明实施例中，由于不同的商圈维度数据的数值范围以及单位均不同，若直接进行计算，数值较小的商圈分析维度数据会被忽略，因此，需要对商圈分析维度数据进行标准化，使得标准维度数据符合标准正态分布，去除商圈分析维度数据的量纲，进而得到更准确的信息熵。
[0096]
本发明实施例中，数据概率表示每个标准维度数据在整个标准维度数据集中的出现概率，可通过每个商圈分析维度数据在标准维度数据集中的比例计算对应的标准维度数据的概率。
[0097]
本发明实施例中，利用如下公式计算每个所述商圈分析维度数据的信息熵：
[0098][0099]
其中，其中，x表示第x个商圈分析维度数据对应的标准维度数据，h(x)表示第x个商圈分析维度数据对应的标准维度数据的信息熵，p(x)表示第x个商圈分析维度数据对应
的标准维度数据在标准维度数据集中的概率，n表示商圈分析维度数据对应的标准维度数据的总数。
[0100]
本发明实施例中，由于商圈边界轮廓是根据每个商业兴趣点的辐射范围得到的，并不是规范的矩形，因此，需要对商圈边界轮廓进行区间划分，得到多个矩形，进而得到商圈边界轮廓包含的商圈面积。
[0101]
本发明实施例中，所述计算所述商圈边界轮廓包含的商圈面积，包括：
[0102]
获取所述商圈边界轮廓的横坐标区间，将所述横坐标区间划分为预设数量的横坐标子区间；
[0103]
通过计算每个横坐标子区间的定积分值确定所述商圈边界轮廓包含的商圈面积。
[0104]
本发明实施例中，利用如下公式计算每个横坐标子区间的定积分值，得到所述商圈边界轮廓包含的商圈面积：
[0105][0106]
其中，s表示所述商圈边界轮廓包含的商圈面积，k表示第k个横坐标子区间，k表示横坐标子区间的总数，[a，b]表示所述商圈边界轮廓的横坐标区间。
[0107]
本发明实施例中，通过计算商圈边界轮廓包含的商圈面积，能够综合目标商圈的面积对目标商圈进行发展分析，从而得到更精确的目标商圈的发展评分。
[0108]
s5、根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。
[0109]
本发明实施例中，所述发展评分是综合目标商圈的面积、每个商圈分析维度数据以及商圈分析维度数据对应的信息熵综合对目标商圈进行评价，得到商圈发展状况的评分，不同的发展评分对应不同的发展状况，例如，发展评分大于等于90，表示目标商圈发展状况优秀，发展评分小于90大于等于60，表示目标商圈发展状况良好，发展评分小于60，表示目标商圈的发展状况较差，需要及时进行战略调整或商圈规划。
[0110]
本发明实施例中，所述根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，包括：
[0111]
利用如下公式计算所述目标商圈的发展评分：
[0112][0113]
其中，p表示所述目标商圈的发展评分，s表示所述商圈面积，x表示第x个商圈分析维度数据对应的标准维度数据，m表示商圈分析维度数据的总数，h(x)表示第x个商圈分析维度数据对应的标准维度数据的信息熵。
[0114]
本发明实施例中，通过计算目标商圈的发展评分，能够对目标商圈的当前发展状况进行综合评价，从而对目标商圈进行针对性地改造升级，以提高目标商圈对消费者的吸引力，增强目标商圈的发展韧性。
[0115]
本发明实施例通过多源数据对目标商圈进行边缘划分，能够明确目标商圈的商圈
范围；再通过多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺，从而能够去除商圈外部的影响因素，准确地对商圈内部进行分析；构建商圈内点商铺的商圈分析维度，计算每个商圈分析维度的信息熵以及目标商圈所占的商圈面积，从多个维度对目标商圈进行评价，综合分析得到目标商圈的发展评分，进而确定目标商圈当前准确的发展状况。因此本发明提出的基于数据监测的商圈发展分析方法，可以解决进行商圈发展状况分析时准确度较低的问题。
[0116]
如图3所示，是本发明一实施例提供的基于数据监测的商圈发展分析装置的功能模块图。
[0117]
本发明所述基于数据监测的商圈发展分析装置300可以安装于电子设备中。根据实现的功能，所述基于数据监测的商圈发展分析装置300可以包括商圈边界轮廓划分模块301、商圈内点商铺识别模块302、商圈维度数据构建模块303、信息熵及商圈面积计算模块304及目标商圈发展状况确定模块305。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0118]
在本实施例中，关于各模块/单元的功能如下：
[0119]
所述商圈边界轮廓划分模块301，用于采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；
[0120]
所述商圈内点商铺识别模块302，用于提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；
[0121]
所述商圈维度数据构建模块303，用于从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；
[0122]
所述信息熵及商圈面积计算模块304，用于计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；
[0123]
所述目标商圈发展状况确定模块305，用于根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。
[0124]
详细地，本发明实施例中所述基于数据监测的商圈发展分析装置300中所述的各模块在使用时采用与上述图1至图2中所述的基于数据监测的商圈发展分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0125]
如图4所示，是本发明一实施例提供的实现基于数据监测的商圈发展分析方法的电子设备的结构示意图。
[0126]
所述电子设备400可以包括处理器401、存储器402、通信总线403以及通信接口404，还可以包括存储在所述存储器402中并可在所述处理器401上运行的计算机程序，如基于数据监测的商圈发展分析程序。
[0127]
其中，所述处理器401在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器401是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存
储器402内的程序或者模块(例如执行基于数据监测的商圈发展分析程序等)，以及调用存储在所述存储器402内的数据，以执行电子设备的各种功能和处理数据。
[0128]
所述存储器402至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器402在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器402在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器402还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器402不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于数据监测的商圈发展分析程序的代码等，还可以用于暂时的存储已经输出或者将要输出的数据。
[0129]
所述通信总线403可以是外设部件互联标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器402以及至少一个处理器401等之间的连接通信。
[0130]
所述通信接口404用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0131]
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0132]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器401逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0133]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0134]
所述电子设备1中的所述存储器402存储的基于数据监测的商圈发展分析程序是多个指令的组合，在所述处理器401中运行时，可以实现：
[0135]
采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；
[0136]
提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；
[0137]
从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；
[0138]
计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；
[0139]
根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。
[0140]
具体地，所述处理器401对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0141]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0142]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0143]
采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；
[0144]
提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；
[0145]
从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；
[0146]
计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；
[0147]
根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。
[0148]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0149]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0150]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0151]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0152]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0153]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0154]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0155]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0156]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于数据监测的商圈发展分析方法，其特征在于，所述方法包括：采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。2.如权利要求1所述的基于数据监测的商圈发展分析方法，其特征在于，所述根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓，包括：从所述多源数据中提取所述目标商圈的多个商业兴趣点，并获取每个所述商业兴趣点的辐射范围，根据所述辐射范围构建所述商业兴趣点的兴趣覆盖面；从所述多源数据中查找所述兴趣覆盖面内的交通路段，计算所述交通路段的外包范围；根据所述兴趣覆盖面及所述交通路段的外包范围生成所述目标商圈的商圈覆盖面；构建所述商圈覆盖面的外接矩形，对所述外接矩形进行网格化，得到矩形网格；从所述矩形网格中提取所述商圈覆盖面与所述外接矩形的相交网格，将所述相交网格的边界轮廓作为所述目标商圈的商圈边界轮廓。3.如权利要求1所述的基于数据监测的商圈发展分析方法，其特征在于，所述根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺，包括：以所述商铺的位置数据为中心点向所述商圈边界轮廓生成一条射线，查找所述射线与所述商圈边界轮廓之间的交点；在所述交点的数量为偶数时，剔除所述商铺的位置数据对应的商铺；在所述交点的数量为奇数时，将所述商铺的位置数据对应的商铺作为商圈内点商铺。4.如权利要求1所述的基于数据监测的商圈发展分析方法，其特征在于，所述根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据，包括：根据所述基础数据中的数据属性生成属性数据集，并获取预设的商圈分析维度的维度属性；根据所述维度属性从所述属性数据集中提取所述商圈分析维度对应的商圈分析维度数据。5.如权利要求1所述的基于数据监测的商圈发展分析方法，其特征在于，所述计算每个所述商圈分析维度数据的信息熵，包括：计算所述商圈分析维度数据的数据均值及标准差；根据所述数据均值及所述标准差对每个所述商圈分析维度数据进行标准化，得到每个所述商圈分析维度数据对应的标准维度数据；根据每个所述商圈分析维度数据对应的标准维度数据生成标准维度数据集，计算每个
所述标准维度数据在所述标准维度数据集中的概率；根据所述概率计算每个所述商圈分析维度数据的信息熵；利用如下公式计算每个所述商圈分析维度数据的信息熵：其中，其中，x表示第c个商圈分析维度数据对应的标准维度数据，h(x)表示第x个商圈分析维度数据对应的标准维度数据的信息熵，p(x)表示第x个商圈分析维度数据对应的标准维度数据在标准维度数据集中的概率，n表示商圈分析维度数据对应的标准维度数据的总数。6.如权利要求1所述的基于数据监测的商圈发展分析方法，其特征在于，所述计算所述商圈边界轮廓包含的商圈面积，包括：获取所述商圈边界轮廓的横坐标区间，将所述横坐标区间划分为预设数量的横坐标子区间；通过计算每个横坐标子区间的定积分值确定所述商圈边界轮廓包含的商圈面积；利用如下公式计算每个横坐标子区间的定积分值，得到所述商圈边界轮廓包含的商圈面积：其中，s表示所述商圈边界轮廓包含的商圈面积，k表示第k个横坐标子区间，k表示横坐标子区间的总数，[a,b]表示所述商圈边界轮廓的横坐标区间。7.如权利要求1所述的基于数据监测的商圈发展分析方法，其特征在于，所述根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，包括：利用如下公式计算所述目标商圈的发展评分：其中，p表示所述目标商圈的发展评分，s表示所述商圈面积，x表示第x个商圈分析维度数据对应的标准维度数据，m表示商圈分析维度数据的总数，h(x)表示第x个商圈分析维度数据对应的标准维度数据的信息熵。8.一种基于数据监测的商圈发展分析装置，其特征在于，所述装置包括：商圈边界轮廓划分模块，用于采集目标商圈的多源数据，根据所述多源数据对所述目标商圈进行边缘划分，得到所述目标商圈的商圈边界轮廓；商圈内点商铺识别模块，用于提取所述多源数据中商铺的位置数据，根据所述位置数据识别所述商圈边界轮廓内的商圈内点商铺；商圈维度数据构建模块，用于从所述多源数据中提取所述商圈内点商铺的基础数据，根据所述基础数据构建所述商圈内点商铺的商圈分析维度数据；
信息熵及商圈面积计算模块，用于计算每个所述商圈分析维度数据的信息熵，并计算所述商圈边界轮廓包含的商圈面积；目标商圈发展状况确定模块，用于根据所述商圈面积、所述商圈分析维度数据及每个所述商圈分析维度数据对应的信息熵计算所述目标商圈的发展评分，根据所述发展评分确定所述目标商圈的当前发展状况。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于数据监测的商圈发展分析方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于数据监测的商圈发展分析方法。

技术总结
本发明涉及数据分析技术领域，揭露了一种基于数据监测的商圈发展分析方法，包括：采集目标商圈的多源数据，根据多源数据对目标商圈进行边缘划分，得到目标商圈的商圈边界轮廓；提取多源数据中商铺的位置数据，根据位置数据识别商圈边界轮廓内的商圈内点商铺；提取商圈内点商铺的基础数据，构建商圈内点商铺的商圈分析维度数据；计算每个商圈分析维度数据的信息熵，并计算商圈边界轮廓的商圈面积；根据商圈面积、商圈分析维度数据及对应的信息熵计算目标商圈的发展评分，根据发展评分确定目标商圈的当前发展状况。本发明还提出一种基于数据监测的商圈发展分析装置、电子设备以及存储介质。本发明可以提高对目标商圈的发展分析的准确度。确度。确度。


技术研发人员：李想
受保护的技术使用者：深圳市赋风科技有限公司
技术研发日：2023.06.20
技术公布日：2023/9/23