基于主要设备的能耗数据推演商业活跃度的方法及系统

本发明涉及大数据分析的，尤其涉及一种基于主要设备的能耗数据推演商业活跃度的方法及系统。

背景技术：

1、在当前的全球化经济环境中，商业活动已经渗透到了我们生活的每一个角落。但目前缺乏对商业活跃度的预测手段。在这个背景下，基于网络数据分析的商业活跃度推演方法显得尤为重要。这种方法通过深度挖掘和精细化处理互联网上的丰富数据源，如消费者评价平台（例如手机应用程序大众点评）、搜索引擎数据、网页访问数据等，来抽象和理解商业活动的强度和趋势。这可以帮助预测商业活跃度，降低由于缺乏准确的商业活跃度预测信息而产生的商业风险。

2、对于利用网络数据推演商业活跃度的方法，该方法在普适性方面存在一些限制。首先，网络数据的可用性和类型因地区和行业而异，这意味着需要根据具体情况来确定可用的数据源和适用的分析方法。此外，网络数据的时效性对结果的准确性也有一定影响，因为网络数据的更新速度可能无法满足商业决策者对实时信息的需求。在满足具体商业决策者需求方面，该类型的方法存在一定的局限性。为了更好地满足商业决策者的需求，需要进一步研究和发展更精确、实时的数据分析和推演技术。这将有助于提高商业活跃度推演的准确性和可靠性，并使其更适应不同地区和行业的需求。

技术实现思路

1、（一）要解决的技术问题

2、鉴于现有技术的上述缺点、不足，本发明提供一种基于主要设备的能耗数据推演商业活跃度的方法及系统，其解决了现有技术因为网络数据的更新速度无法满足商业决策者对实时信息的需求，从而无法精确、实时地获得商业活跃度推演结果的技术问题。

3、（二）技术方案

4、为了达到上述目的，本发明采用的主要技术方案包括：

5、第一方面，本发明实施例提供一种基于主要设备的能耗数据推演商业活跃度的方法，包括：

6、实时收集商铺的主要用能的设备能耗数据并上传到计算机端或云端；

7、在计算机端或云端，将设备能耗数据、日期、天气、节假日情况、商业促销活动情况、客单量以及外卖成交量输入商业活跃度预测模型，输出商业活跃度，商业活跃度为人流量的时序数列；

8、商业活跃度预测模型，通过以下步骤训练得到：

9、在计算机端或云端，以收集到历史一段时间的历史一段时间的设备能耗数据、日期、客单量和外卖成交量以及历史人流量的时序数列，以及天气、节假日情况和商业促销活动情况作为推演模型的特征参数；采用机器学习算法进行训练、验证和测试得到商业活跃度预测模型；

10、商业活跃度预测模型的输入为设备能耗数据、日期、客单量以及外卖成交量的时序数列，以及天气、节假日情况和商业促销活动情况；商业活跃度预测模型的输出为商业活跃度；

11、利用训练得到后的商业活跃度预测模型实时预测商业活跃度，并结合实际发生的商业活跃度数据建立反馈机制，更新和优化模型。

12、本发明实施例提出的基于主要设备的能耗数据推演商业活跃度的方法，解决了利用网络数据推演商业活跃度因商业类型和实际情况的不同无法普遍适用的问题；在获取具体商铺的数据集后可快速通过商业活跃度预测模型并获取商业活跃度的预测结果，解决了利用网络数据推演商业活跃度的数据时效性的问题，减少人工操作和时间成本。

13、可选地，实时收集商铺的主要用能设备的能耗数据；包括以下步骤：

14、根据多组商铺已有设备的基本能耗信息，通过统计人员使用频率和是否与人交互，判断出具体商业性场所的主要用能设备；

15、在接入该主要用能设备的插座处安装能够实时监测设备能耗数据的装置，该装置用于实时收集设备能耗数据并上传到计算机端。

16、可选地，人员使用频率和是否与人交互，为：

17、人员使用频率通过统计设备启动的频率而确定；

18、是否与人交互为是否需要人操作而运行的设备。

19、可选地，反馈机制包括：

20、设定一个预测的相对误差区间，当商业活跃度预测模型预测的商业活跃度与实际发生的商业活跃度的相对误差超出相对误差区间，产生报警信息；以提醒使用者商业活跃度预测模型的预测准确度降低，应进行模型优化；相对误差区间如下：

21、；

22、其中，为相对误差；为预测结果；为实际结果。

23、可选地，在训练商业活跃度预测模型之前，对收集到的历史一段时间的设备能耗数据、日期、客单量和外卖成交量以及历史人流量的时序数列，以及天气、节假日情况和商业促销活动情况的缺失数据进行补齐：

24、对其中的连续性变量，包括设备能耗数据、日期、客单量和外卖成交量以及历史人流量的时序数列，采用均值插补法补全缺失值；

25、对其中的类别变量，包括天气、节假日情况和商业促销活动情况，采用固定值补全缺失值。

26、可选地，在训练商业活跃度预测模型之前，对于任一类别的缺失数据的数量大于设定的阈值时，删除类别中该缺失数据对应时间段的数据。

27、可选地，在训练商业活跃度预测模型之前，收集设备能耗数据、日期（考虑日期可以得知是否周末、月初或月末以及季节因素）、天气（主要考虑晴、雨、雪等对人员出行会产生影响）、节假日情况（考虑节假日与非节假日的人员的消费习惯的差异，以及人员出行的差异）、商业促销活动情况（例如某商场搞年庆、消费节等促销活动会增加人流）、客单量（客单量为实际成交单数，考虑客单量能够统计出人流量的实际转化率，更能够表现与能耗的直接关系，作为人流量中的有效转化部分，客单量更能够体现与主要设备能耗的关系，并能表示前述不同因素对转化率的影响，例如商场活动与本店活动时的人流量差不多的情况下，本店活动时的转化率更高，因此主要设备的能耗更高）、外卖成交量（考虑外卖成交量，主要考虑周围人群类型的消费习惯的影响因素）以及历史人流量数据（人流量的历史实际采集数据）后，对其中的连续性变量采用标准化处理；对于基数小于10的类别变量采用独热编码；对于基数大于等于10的类别变量采用顺序编码处理。

28、通过上述的数据补齐可以使得多来源的或者不正确的不全面的数据能够符合数据集的数据条目的要求，通过数据的标准化处理，可以减少模型训练时的运算量，使得模型的训练耗时更短，使得模型能够更快的收敛，也可提高模型预测的准确性。

29、第二方面，本发明实施例提供一种基于主要设备的能耗数据推演商业活跃度的系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。

30、第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一方法的步骤。

31、（三）有益效果

32、本发明的有益效果是：本发明的基于主要设备的能耗数据推演商业活跃度的方法，由于采用主要用能的设备能耗数据推演商业活跃度；商业决策者可以通过监测商铺的主要设备能耗数据，从而准确评估商业活跃度中的人流量，能够预测未来一段时间的人流量的时序数据（例如人/小时）。