【技术实现步骤摘要】
本专利技术涉及大数据，具体涉及一种零售终端订单需求预测方法、装置、设备及介质。
技术介绍
1、随着经济高速发展，商品的生产和销售流程已愈发成熟，商品是指商家销售给消费者的有形物品或者无形服务，包括各种日常用品、电子产品、服装、食品、化妆品、汽车等各种产品，在商品生产和销售的过程中通过时序订单需求预测方法可以对未来短时间内商品的销售数据进行模糊预测，进而便于工作人员对商品的生产量进行规划，降低商品产能过剩或者商品滞销现象的出现。
2、然而传统的订单需求预测方法大多步骤过于繁琐，不便于工作人员精准预测未来某一长时间段的商品订单需求情况，进而难以对企业提供生产决策支持，同时传统的订单需求预测方法难以按照不同消费层次和社会属性的消费者群体、零售终端群体、城市商圈进行精准的商品投放，进而对商品的销售带来不利的影响。
技术实现思路
1、有鉴于此，本专利技术提供了一种零售终端订单需求预测方法、装置、设备及介质，以解决传统的订单需求预测方法步骤繁琐，不能精准预测未来某一长时间段的商品订单需求情况的问题。
2、第一方面，本专利技术提供了一种零售终端订单需求预测方法，该方法包括：
3、获取待预测网格区域内零售终端外部第一历史订单数据集、零售终端内部历史订单数据集；获取待预测网格区域的网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和网格id数据集；利用网格id数据集对零售终端外部第一历史订单数据集进行销量数据特征提取，得到零售终端外部销量特征数据集；基于网格拓扑
4、本专利技术提供的零售终端订单需求预测方法，通过待预测网格区域的网格id数据集可以提取得到零售终端外部第一历史订单数据集内的零售终端外部销量特征数据集，进一步，结合获取的网格拓扑结构特征数据集和网格地理信息兴趣点特征数据集可以对待预测网格区域内未能获取到的除零售终端外部第一历史订单数据集外的其他订单数据进行预测。进一步，在获取得到的零售终端外部第一历史订单数据集和零售终端内部历史订单数据集的基础上，结合预测得到的零售终端外部第二历史订单数据集，通过预设特征提取方法可以准确提取待预测网格区域内订单特征，进而结合xgboost机器学习算法进行处理，可以更加精准地对待预测网格区域内的零售终端订单需求进行预测，进而为企业提供生产决策支持，使生产出的商品在对应的时间段内可以满足内部和内部销售的需求，进而降低商品出现产能过剩或者商品滞销的情况，进而稳定了商品的价格和企业的利润，同时也降低了资源浪费的现象。
5、在一种可选的实施方式中，获取待预测网格区域的网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和网格id数据集，包括：
6、获取待预测网格区域的网格中心点位置数据和网格id数据集；基于网格中心点位置数据，经过预设计算方法和node2vec随机游走算法处理，得到网格拓扑结构特征数据集；基于网格id数据集，经过预设处理方法和特征筛选方法处理，得到网格地理信息兴趣点特征数据集。
7、本专利技术通过网格中心点位置数据，结合预设计算方法和node2vec随机游走算法处理可以得到待预测网格区域的网格拓扑结构特征数据集，进一步，通过预设处理方法和特征筛选方法对网格id数据集进行处理，可以得到待预测网格区域的网格地理信息兴趣点特征数据集，为后续待预测网格区域内未能获取到的除零售终端外部第一历史订单数据集外的其他订单数据的预测提供了支持。
8、在一种可选的实施方式中，基于网格中心点位置数据，经过预设计算方法和node2vec随机游走算法处理，得到网格拓扑结构特征数据集，包括：
9、利用网格中心点位置数据，计算待预测网格区域内多个网格距离值；基于多个网格距离值计算多个网格距离权重值；基于多个网格距离权重值，经过node2vec随机游走算法处理，得到网格拓扑结构特征数据集。
10、在一种可选的实施方式中，基于网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和零售终端外部销量特征数据集，经过xgboost机器学习算法处理，确定零售终端外部第二历史订单数据集，包括：
11、基于网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和零售终端外部销量特征数据集，经过xgboost机器学习算法处理，建立零售终端外部订单数据预测模型；利用零售终端外部订单数据预测模型对待预测网格区域内零售终端外部订单数据进行预测，得到零售终端外部第二历史订单数据集。
12、本专利技术结合得到的网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和零售终端外部销量特征数据集，通过xgboost机器学习算法训练可以建立对应的零售终端外部订单数据预测模型，进一步，通过该零售终端外部订单数据预测模型可以实现对待预测网格区域内未能获取到的除零售终端外部第一历史订单数据集外的其他订单数据的预测。
13、在一种可选的实施方式中，基于零售终端外部第一历史订单数据集、零售终端内部历史订单数据集和零售终端外部第二历史订单数据集，经过预设特征提取方法和xgboost机器学习算法处理，得到待预测网格区域内的零售终端订单需求预测结果，包括：
14、获取零售终端内部特征数据集；基于零售终端外部第一历史订单数据集、零售终端内部历史订单数据集和零售终端外部第二历史订单数据集，经过预设特征提取方法处理，得到零售终端衍生特征数据集、零售终端外部特征数据集和零售终端one-hot特征数据集；基于零售终端衍生特征数据集、零售终端内部特征数据集、零售终端外部特征数据集和零售终端one-hot特征数据集，经过xgboost机器学习算法处理，建立零售终端订单需求预测模型；利用零售终端订单需求预测模型对待预测网格区域内零售终端订单需求进行预测，得到零售终端订单需求预测结果。
15、本专利技术通过对零售终端外部第一历史订单数据集、零售终端内部历史订单数据集和零售终端外部第二历史订单数据集进行特征提取，可以准确提取待预测网格区域内的零售终端衍生特征、零售终端内部特征、零售终端外部特征和零售终端one-hot特征，进一步，将三种特征数据结合并经过xgboost机器学习算法处理，可以建立得到对应的零售终端订单需求预测模型，进而通过该模型可以更加精准地对待预测网格区域内的零售终端订单需求进行预测。
16、在一种可选的实施方式中，基于零售终端外部第一历史订单数据集、零售终端内部历史订单数据集和零售终端外部第二历史订单数据集，经过预设特征提取方法处理，得到零售终端衍生特征数据集、零售终端外部特征数据集和零售终端one-hot特征数据集之前，该方法还包括：
17、分别本文档来自技高网...
【技术保护点】
1.一种零售终端订单需求预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，获取所述待预测网格区域的网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和网格ID数据集，包括：
3.根据权利要求2所述的方法，其特征在于，基于所述网格中心点位置数据，经过预设计算方法和Node2Vec随机游走算法处理，得到所述网格拓扑结构特征数据集，包括：
4.根据权利要求1所述的方法，其特征在于，基于所述网格拓扑结构特征数据集、所述网格地理信息兴趣点特征数据集和所述零售终端外部销量特征数据集，经过XGBoost机器学习算法处理，确定零售终端外部第二历史订单数据集，包括：
5.根据权利要求1所述的方法，其特征在于，基于所述零售终端外部第一历史订单数据集、所述零售终端内部历史订单数据集和所述零售终端外部第二历史订单数据集，经过预设特征提取方法和XGBoost机器学习算法处理，得到所述待预测网格区域内的零售终端订单需求预测结果，包括：
6.根据权利要求5所述的方法，其特征在于，基于所述零售终端外部第一历史订单数据集、
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
8.根据权利要求5所述的方法，其特征在于，
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的零售终端订单需求预测方法。
...【技术特征摘要】
1.一种零售终端订单需求预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，获取所述待预测网格区域的网格拓扑结构特征数据集、网格地理信息兴趣点特征数据集和网格id数据集，包括：
3.根据权利要求2所述的方法，其特征在于，基于所述网格中心点位置数据，经过预设计算方法和node2vec随机游走算法处理，得到所述网格拓扑结构特征数据集，包括：
4.根据权利要求1所述的方法，其特征在于，基于所述网格拓扑结构特征数据集、所述网格地理信息兴趣点特征数据集和所述零售终端外部销量特征数据集，经过xgboost机器学习算法处理，确定零售终端外部第二历史订单数据集，包括：
5.根据权利要求1所述的方法，其特征在于，基于所述零售终端外部第一历史订单数据集、所述零售终端内部历史订单数据集和所述零售终端外部第二历史订单数据集，经过预...
【专利技术属性】
技术研发人员：邓超，梁雪霞，莫玉华，陈凯迪，吕红海，赵斌，陆斌，许良本，陈志，刘朦，
申请(专利权)人：广西中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。