实体对象的选址方法、装置、计算设备及计算机存储介质

技术领域

本发明涉及数据处理技术领域，具体涉及一种实体对象的选址方法、装置、计算设备及计算机存储介质。

背景技术

随着时代发展，人们的日常需求也越来越丰富，随之产生的则有满足这些需求的实体店铺，例如，超市、商城、汽车店。与此同时，实体店铺的选址不同，面临着覆盖人群、周边环境等的不同，对于线下门店而言，实体门店是面向消费者最重要的触点，选址的好坏更是直接决定了实体店铺的销量，可见，选址具有极其重要的意义。

现有技术中，选址策略都是依据该领域专家的经验，由选址人员评估获取候选门店的区域数据，通过短时间、小范围的数据采集进行数据质量评估，并根据人工采集的数据估算大致的周边客流量、竞对分布等维度数据，最终由领域专家依据已有经验，对候选门店进行综合评估，确认门店选址。

然而，发明人在实现本发明的过程中发现现有技术至少存在以下不足：第一，由于经费、时间等因素的限制，选址人员需要长期的实地考察和调研，成本高且耗时长；第二，难以做到大范围考察、调研和对比分析；第三，专家经验存在区域适用性，不能直接将现有经验套用于新的选址区域，无法进行跨区选址，也难以利用已有的数据；第四，依据领域专家的经验，也无法科学有效评估差异因素对选址带来的影响，最终会影响选址的精确性。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的实体对象的选址方法、装置、计算设备及计算机存储介质。

根据本发明的一个方面，提供了一种实体对象的选址方法，包括：

获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

根据本发明的另一方面，提供了一种实体对象的选址装置，包括：

分层处理模块，适于获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

定位模块，适于响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

数据分析模块，适于根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

数据计算模块，适于获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

数据可视化模块，适于呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下操作：

获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行以下操作：

获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

根据本发明的实体对象的选址方法、装置、计算设备及计算机存储介质，包括：获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。通过上述方式，首先根据环境业务指标数据确定匹配用户选址需求和用户选址范围的候选选址区域，然后基于指标数据对候选的选址区域内的各个实体门店进行打分，最终将得分情况呈现给用户，该方式结合大数据和数据挖掘技术，结合可视化GIS选址系统实现了一种通用、快速、精确直观、低成本的选址比对方法。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的实体对象的选址方法的流程图；

图2示出了本发明另一实施例提供的实体对象的选址方法的流程图；

图3示出了本发明另一实施例提供的选址界面的示意图；

图4示出了本发明另一实施例提供的实体对象的选址方法的交互示意图；

图5示出了本发明又一实施例提供的模型计算的流程图；

图6示出了本发明另一实施例提供的实体对象的选址装置的结构示意图；

图7示出了本发明实施例提供的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1示出了本发明实施例提供的实体对象的选址方法的流程图，该方法可由任意具有数据处理能力的计算设备来执行，如图1所示，该方法包括以下步骤：

步骤S110，获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理。

本步骤实现的是大数据的采集和分层。其中，环境业务指标数据指的是实体商业环境的指标，也即实体门店所处的环境指标，实体商业环境包括：商场环境、品牌环境、小区环境、写字楼环境、小区和写字楼周边环境。

其中，商场环境的业务指标数据包括：商场名称信息、商场别名信息、所在地区信息、商场信息点标识(商场PoiID)、商场参照坐标信息(商场WKT)、商场地址信息、商场面积信息、入驻品牌信息、控股公司信息、建立时间信息。

品牌环境的业务指标数据包括：品牌名称信息、品牌别名信息、业态大类信息、业态小类信息、客单价信息、经营方式信息、经营公司信息、创立时间信息、需求面积信息、品牌概述信息、物业要求信息。

小区环境的业务指标数据包括：小区名称信息、小区信息点标识(小区PoiID)、小区参照坐标信息(商场WKT)、小区地址信息、居住人口数量信息、小区房价信息、小区档次信息、小区经纬度信息。

写字楼环境的业务指标数据包括：写字楼名称信息、写字楼信息点标识(写字楼PoiID)、写字楼参照坐标信息(写字楼WKT)、写字楼地址信息、工作人员数量信息、写字楼平均工资信息、写字楼档次信息、写字楼经纬度信息。

小区和写字楼周边环境的业务指标数据包括：周边品牌信息、周边商场信息。

其中，数据分层处理指的是：将性质相同、同一条件下收集的数据归纳在一起，以便进行比较分析，从而得到客观、科学的分析结果。数据分层可以降低环境业务指标中因时间不同、品牌不同、地址不同、面积不同等因素对分析结果的影响。本实施例中，通过多个维度对采集的环境业务指标数进行数据分层处理，具体地，多个维度包括：时间维度、品牌维度、地址维度、以及面积维度。例如，将时间、品牌地址和面积均匹配的环境业务指标数据划分成一个数据集。

步骤S120，响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域。

用户通过在选址界面上输入地址，发起携带位置信息的实体对象选址请求，基于可视化GIS系统自动定位到目标区域，并将目标区域呈现给用户，以供用户在目标区域内圈选选址区域。

步骤S130，根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域。

同样地，用户可以在选址界面中输入选址需求，例如，选址需求可以包括：周边房价、周边写字楼工资、门店租金、商品个数。获取到用户提供的选址需求和用户圈选的选址区域以后，将选址需求和选址区域与分层处理后的环境业务指标数据进行匹配，根据匹配结果确定候选的选址区域，也就是说，候选的选址区域是根据大数据匹配的用户圈选的选址区域内且符合用户选址需求的区域。

步骤S140，获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分。

获取候选的选址区域内各个候选实体对象(也即候选门店)的各类评估指标数据，利用已经构建的数据模型，预测每一个候选实体对象的每一类评估数据指标的得分。

步骤S150，呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

将各个候选实体对象的各类评估指标数据的得分和各个候选实体对象的位置信息在选址界面上进行呈现，以便用户参考呈现的信息决策选址结果。

图3示出了本发明另一实施例提供的选址界面的示意图，如图3所示，用户可以在选址界面中通过点击输入框或者控件提交选址需求，点击“开始模型计算”之后则启动本发明实施例的方法计算各个候选实体对象的各类评估指标的得分，该实施例中，除了候选实体对象(即区域A和区域B)的各类评估指标的得分和候选实体对象的具体信息之外，还呈现了各类评估指标的得分较高的候选实体对象的具体指标数据以及评估指标之间的比较结果，本领域技术人员可以根据需要设置选址界面所要呈现的信息。

根据本实施例的实体对象的选址方法，获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。通过上述方式，首先根据环境业务指标数据确定匹配用户选址需求和用户选址范围的候选选址区域，然后基于指标数据对候选的选址区域内的各个实体门店进行打分，最终将得分情况呈现给用户，该方式结合大数据和数据挖掘技术，结合可视化GIS选址系统实现了一种通用、快速、精确直观、低成本的选址比对方法。

图2示出了本发明另一实施例提供的实体对象的选址方法的流程图，该方法可由任意具有数据处理能力的计算设备来执行。如图2所示，该方法包括以下步骤：

步骤S210，获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理。

其中，环境业务指标数据的含义参照上述实施例中的描述，在此不进行赘述。可选地，在获取到环境业务指标数据之后，对环境业务指标数据进行预处理，预处理包括数据清洗处理、数据集成处理和数据转换处理。其中，数据清洗处理是指清除无效数据，比如利用回归分析、决策树方法推断某条记录特定属性的最大可能值对遗漏值进行补全。数据集成处理是指将多个数据源的数据进行合并，形成一个完整的数据集。数据转换处理是指将数据格式进行标准化。

然后，对预处理后的环境业务指标数据进行数据分层处理，数据分层处理指的是：将性质相同、同一条件下收集的数据归纳在一起，以便进行比较分析，从而得到客观、科学的分析结果。可选的，根据不同行业或者不同品牌的实体对象需求进行分层处理，相当于将每一个行业的环境业务指标数据归纳到一起，或者将每一个品牌的环境业务指标数据归纳到一起。

步骤S220，采集各类评估指标的样本数据，针对于每一类评估指标的样本数据，对该类评估指标的样本数据进行打分，根据该类评估指标的样本数据及对应的得分构建预测模型。

其中，评估指标包括以下各类指标：竞争类指标、地理类指标、客群类指标以及客流类指标。

地理类指标包括以下子分类评估指标：开店预算指标、开店面积指标、门店租金指标、门店面积指标、交通路况指标；

客群类指标包括以下子分类评估指标：居住社区人口指标、写字楼人口指标、高消费能力指标、低消费能力指标、客群单价指标；

客流类指标包括以下子分类评估指标：人口总数指标、人口密度指标、常驻人口数量指标。

获取样本实体对象的各类评估指标的样本数据，对每一类评估指标的样本数据进行打分，根据该类评估指标的样本数据及对应的得分构建多元线性回归模型，即得到每一类评估指标对应的预测模型。

在一种可选的方式中，采集原始样本数据，使用聚类算法对原始样本数据之间的相似性和差异性进行分析，根据分析结果进行分类，得到各类评估指标的样本数据。其中，原始样本数据包括：宏观经济数据、项目周边配套数据、项目客流量数据、项目客群画像数据和行业关键指标数据。

步骤S230，响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域。

用户通过在选址界面上输入地址，发起携带位置信息的实体对象选址请求，基于可视化GIS系统自动定位到包含该位置信息对应的地址的目标区域的中心点，并将目标区域呈现给用户，以供用户在目标区域内圈选选址区域，用户可以通过绘制地理围栏的方式圈选选址区域。

步骤S240，根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域。

例如，实体对象选址需求信息包括：周边房价信息、周边写字楼工资信息、门店租金信息以及商品个数等等。获取到用户提供的选址需求和用户圈选的选址区域以后，将选址需求和选址区域与分层处理后的环境业务指标数据进行匹配，根据匹配结果确定候选的选址区域，也就是说，候选的选址区域是根据大数据匹配的用户圈选的选址区域内且符合用户选址需求的区域。

在一种可选的实施方中，响应于用户的选择操作，确定候选的选址区域。该方式中，用户可以通过操作精准定位已意向的选址区域，而无需通过大数据的方式匹配候选的选址区域。

步骤S250，获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分。

获取候选的选址区域内各个候选实体对象(也即候选门店)的各类评估指标数据，针对于每一个候选实体对象的每一类评估指标数据，将该类评估指标数据输入至预先构建的相应的多元线性回归模型中进行处理，多元线性回归模型输出该候选实体对象的该类评估指标数据的得分。

具体地，确定候选的选址区域之后，根据候选的选址区域的参照坐标，利用参照坐标确定候选区域内各个候选实体对象，并获取各个候选实体对象的各类评估指标数据。

相应地，首先采集各个候选实体对象的原始指标数据，对原始指标数据之间的相似性和差异性进行分析，根据分析结果进行分类，得到各类评估指标数据。

步骤S260，针对于每一个候选实体对象，对该候选实体对象的各类评估指标数据的得分进行归一化处理。

具体地，针对于每一个候选实体对象，使用离差标准化对其各类评估指标数据的得分进行归一化处理。

图4示出了本发明又一实施例提供的模型计算的流程图，如图4所示，模型计算主要包括以下几个步骤：

步骤S410，原始样本数据分类；步骤S420，构建数学模型，即根据样本数据构建预测模型；步骤S430，校验数学模型是否满足显著性条件，若是，则执行步骤S440，反之，跳转执行步骤S420，直到满足显著性条件；步骤S440，若满足显著性条件，则预测模型训练结束，后续过程中利用预测模型计算候选实体对象的各类评估指标数据的得分；步骤S450，对各类评估指标数据的得分进行归一化处理。

步骤S270，根据候选实体对象的各类评估指标数据的归一化的得分及相应评估指标的权重值，计算该候选实体对象的选址得分，呈现该候选实体对象的选址得分及其位置信息。

在计算出候选实体对象的各类评估指标数据的得分，以及各类评估指标对应的权重值，计算得到候选实体对象最终的选址得分。将候选实体对象的选址得分及位置信息呈现给用户，以便用户参考呈现的信息决策选址结果。

可选地，针对于每一类评估指标，根据该类评估指标数据的平均值确定该类评估指标的权重值。和/或，根据门店定位、所属行业、开店预算、门店面积、客单价范围等用户需求确定各类评估指标的权重值，可预先设定上述各个因素与权重值之间的数值关系，基于用户提供的需求和预设的数值关系，确定各类评估指标数据的权重值。举例来说，用户需要对化妆品品牌进行选址，需求是入驻某商场，根据化妆行业同价位品牌的客群单价信息计算平均值以及根据化妆行业同价位品牌的客单价信息计算平均值，进而根据平均值确定客群类指标的权重值，根据同类商场内化妆品牌的店面租金计算平均值以及根据同类商场内化妆品牌的面积计算平均值，进而根据平均值确定地理类指标的权重值。后续过程中，还可以根据用户需求调整各类评估指标的权重值，从而矫正候选实体对象的选址得分。

在一种可选的方式中，按照候选实体对象的选址得分的高低顺序，呈现该候选实体对象的选址得分及其位置信息。即按照候选实体的选址得分的高低，在选址界面上呈现各个候选实体的选址得分和其位置信息。

由此可见，本实施例的方法大致可以分为以下步骤：(1)大数据采集和清洗；(2)从不同维度的实体需求对采集的数据进行分层处理；(3)抽取候选实体对象的各类评估指标数据；(4)根据各类评估指标数据计算各类评估指标的得分；(5)设置各类评估指标的得分权重值；(6)呈现候选实体对象的排名。

图5示出了本发明另一实施例提供的实体对象的选址方法的交互示意图，如图5所示，主要流程包括：1.用户提交选址范围筛选门店，当用户新增选址时，需要提供选址的具体位置信息；2.环境业务指标数据分层处理；3.创建地理围栏；4.调用数据后端接口，生成各类评估指标数据；5.通过预测模型计算各类评估指标的得分；6.设置各类评估指标的权重值；7.基于权重值计算候选区域的整体分值；8.将各个候选区域的整体分值返回给用户。

根据本实施例所提供的实体对象的选址方法，通过使用大数据结合可视化GIS系统，实现门店可视化在线选址，从而降低零门店选址成本；通过分析大量数据样本，得到选址的通用方程，具有普遍的适用性，可以用于各种门店的选址，而且一旦获得选址方程，便能够进行快速的选址；充分考虑了影响门店的多种客观因素，并且计算对每种客观因素的影响力大小的权重，选址打分结果更加客观。

图6示出了本发明另一实施例提供的实体对象的选址装置的结构示意图，如图6所示，该装置包括以下模块：

分层处理模块61，适于获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

定位模块62，适于响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

数据分析模块63，适于根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

数据计算模块64，适于获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

数据可视化模块65，适于呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

可选地，数据计算模块64进一步适于：根据候选实体对象的各类评估指标数据的得分及相应评估指标的权重值，计算该候选实体对象的选址得分；

则数据可视化模块65进一步适于：呈现该候选实体对象的选址得分及其位置信息。

可选地，数据可视化模块65进一步适于：按照候选实体对象的选址得分的高低顺序，呈现该候选实体对象的选址得分及其位置信息。

可选地，装置进一步包括模型计算模块，适于采集各类评估指标的样本数据；

针对于每一类评估指标的样本数据，对该类评估指标的样本数据进行打分，根据该类评估指标的样本数据及对应的得分构建预测模型。

可选地，每一类评估指标包括多个子分类评估指标，预测模型为多元线性回归模型。

可选地，各类评估指标包括：竞争类指标、地理类指标、客群类指标以及客流类指标；

竞争类指标包括以下子分类评估指标：行业个数指标、选址面积指标；

地理类指标包括以下子分类评估指标：开店预算指标、开店面积指标、门店租金指标、门店面积指标、交通路况指标；

客群类指标包括以下子分类评估指标：居住社区人口指标、写字楼人口指标、高消费能力指标、低消费能力指标、客群单价指标；

客流类指标包括以下子分类评估指标：人口总数指标、人口密度指标、常驻人口数量指标。

可选地，模型计算模块进一步适于：针对于每一个候选实体对象，对该候选实体对象的各类评估指标数据的得分进行归一化处理。

由此可见，上述方式通过使用大数据结合可视化GIS系统，实现门店可视化在线选址，从而降低零门店选址成本；通过分析大量数据样本，得到选址的通用方程，具有普遍的适用性，可以用于各种门店的选址，而且一旦获得选址方程，便能够进行快速的选址；充分考虑了影响门店的多种客观因素，并且计算对每种客观因素的影响力大小的权重，选址打分结果更加客观。

本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的实体对象的选址方法。

可执行指令具体可以用于使得处理器执行以下操作：

获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：

根据候选实体对象的各类评估指标数据的得分及相应评估指标的权重值，计算该候选实体对象的选址得分，呈现该候选实体对象的选址得分及其位置信息。

在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：

按照候选实体对象的选址得分的高低顺序，呈现该候选实体对象的选址得分及其位置信息。

在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：

采集各类评估指标的样本数据；

针对于每一类评估指标的样本数据，对该类评估指标的样本数据进行打分，根据该类评估指标的样本数据及对应的得分构建预测模型。

在一种可选的方式中，每一类评估指标包括多个子分类评估指标，预测模型为多元线性回归模型。

在一种可选的方式中，各类评估指标包括：竞争类指标、地理类指标、客群类指标以及客流类指标；

竞争类指标包括以下子分类评估指标：行业个数指标、选址面积指标；

地理类指标包括以下子分类评估指标：开店预算指标、开店面积指标、门店租金指标、门店面积指标、交通路况指标；

客群类指标包括以下子分类评估指标：居住社区人口指标、写字楼人口指标、高消费能力指标、低消费能力指标、客群单价指标；

客流类指标包括以下子分类评估指标：人口总数指标、人口密度指标、常驻人口数量指标。

在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：

针对于每一个候选实体对象，对该候选实体对象的各类评估指标数据的得分进行归一化处理。

由此可见，上述方式通过使用大数据结合可视化GIS系统，实现门店可视化在线选址，从而降低零门店选址成本；通过分析大量数据样本，得到选址的通用方程，具有普遍的适用性，可以用于各种门店的选址，而且一旦获得选址方程，便能够进行快速的选址；充分考虑了影响门店的多种客观因素，并且计算对每种客观因素的影响力大小的权重，选址打分结果更加客观。

图7示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

如图7所示，该计算设备可以包括：处理器(processor)702、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。

其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。处理器702，用于执行程序710，具体可以执行上述用于计算设备的实体对象的选址方法实施例中的相关步骤。

具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。

处理器702可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器706，用于存放程序710。存储器706可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序710具体可以用于使得处理器702执行以下操作：

获取环境业务指标数据，从多个维度对环境业务指标数据进行数据分层处理；

响应于用户发起的携带位置信息的实体对象选址请求，通过GIS系统定位目标区域并进行呈现，以供用户在目标区域内选择选址区域；

根据用户提供的实体对象选址需求信息、选址区域以及分层处理后的环境业务指标数据，确定候选的选址区域；

获取候选的选址区域内各个候选实体对象的各类评估指标数据，针对每一个候选实体对象的每一类评估指标数据，将其输入至相应的预测模型中，预测得到该候选实体对象的该类评估指标数据的得分；

呈现各个候选实体对象的各类评估指标数据的得分及其位置信息。

在一种可选的方式中，所述程序710使所述处理器702执行以下操作：

根据候选实体对象的各类评估指标数据的得分及相应评估指标的权重值，计算该候选实体对象的选址得分，呈现该候选实体对象的选址得分及其位置信息。

在一种可选的方式中，所述程序710使所述处理器702执行以下操作：

按照候选实体对象的选址得分的高低顺序，呈现该候选实体对象的选址得分及其位置信息。

在一种可选的方式中，所述程序710使所述处理器702执行以下操作：

采集各类评估指标的样本数据；

针对于每一类评估指标的样本数据，对该类评估指标的样本数据进行打分，根据该类评估指标的样本数据及对应的得分构建预测模型。

在一种可选的方式中，每一类评估指标包括多个子分类评估指标，预测模型为多元线性回归模型。

在一种可选的方式中，各类评估指标包括：竞争类指标、地理类指标、客群类指标以及客流类指标；

竞争类指标包括以下子分类评估指标：行业个数指标、选址面积指标；

地理类指标包括以下子分类评估指标：开店预算指标、开店面积指标、门店租金指标、门店面积指标、交通路况指标；

客群类指标包括以下子分类评估指标：居住社区人口指标、写字楼人口指标、高消费能力指标、低消费能力指标、客群单价指标；

客流类指标包括以下子分类评估指标：人口总数指标、人口密度指标、常驻人口数量指标。

在一种可选的方式中，所述程序710使所述处理器702执行以下操作：针对于每一个候选实体对象，对该候选实体对象的各类评估指标数据的得分进行归一化处理。

由此可见，上述方式通过使用大数据结合可视化GIS系统，实现门店可视化在线选址，从而降低零门店选址成本；通过分析大量数据样本，得到选址的通用方程，具有普遍的适用性，可以用于各种门店的选址，而且一旦获得选址方程，便能够进行快速的选址；充分考虑了影响门店的多种客观因素，并且计算对每种客观因素的影响力大小的权重，选址打分结果更加客观。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。