基于大数据的农产品的智能产销匹配系统和方法

技术领域

本发明涉及大数据处理领域，具体而言，涉及一种基于大数据的农产品的智能产销匹配系统和方法。

背景技术

广义上来说，农产品的产销匹配是以提升农产品流通效率为目的，覆盖农产品生产、加工、储运、销售以及信息、营销、服务等各环节的市场行为。狭义上来说，农产品的产销匹配是指农产品的生产方（农户）和经销商（商户）双方的贸易洽谈活动。随着农业产业的不断发展，农产品的产销匹配逐渐摆脱早期的依附状态，成为独立完整的农业市场性服务活动，既可以依托相关产业开展服务，也可以独立于产业自主发展，形成了相对完善的发展机制。

目前而言，农产品存在运不出、卖不掉、价不高的现象，这除了受到市场周期性波动影响外，往往更受到产销信息不对称的制约，也即是产销不匹配。产销信息不对称、不匹配阻碍着农户的发家致富。如何贯通产销信息，匹配农户与商户之间的需求，是当前需要重点关注和解决的问题。具体来说，农产品产得出，但产不好、卖不掉、卖不好的现象时有发生，其原因是当前的农产品的产销匹配对接存在着不紧密、不稳定、成交率不高以及产销信息匹配不精准的问题，从而阻碍了农业和农产品市场的健康稳定发展。

发明内容

有鉴于此，本发明的目的在于提供一种基于大数据的农产品的智能产销匹配系统和方法，能够基于大数据预测出成交几率更高的商户，并将该商户与农户进行匹配，以提高农户与商户之间达成交易的成功率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明提供一种基于大数据的农产品的智能产销匹配系统，包括数据获取模块、商户预测模块、产销匹配模块和信息推送模块；其中，数据获取模块，用于获取M个商户中每个商户与目标区域的农户达成交易的成交数据；其中，M为大于1的正整数；商户预测模块，用于根据M个商户中每个商户的成交数据确定N个商户；其中，N个商户中每个商户的成交数据大于预设阈值，N小于M，N为大于1的正整数；数据获取模块，还用于获取目标区域中的目标农户的当前生产能力信息和N个商户的当前产品需求信息；产销匹配模块，用于根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户；信息推送模块，用于向目标农户发送目标商户的当前产品需求信息，以及向目标商户发送当前生产能力信息。

在本发明的可选实施例中，N个商户为从待选商户群中选出的商户；待选商户群由M个商户确定；其中，待选商户群包括：M个商户中的一个或多个商户，和/或，M个商户周围的一个或多个商户。

在本发明的可选实施例中，商户预测模块，用于根据M个商户中每个商户的成交数据确定N个商户，具体包括：商户预测模块，还用于根据M个商户中每个商户的成交数据，在M个商户中选择K个商户；其中，M个商户中的商户被选中的概率与商户的成交数据成正比，K小于N，K为大于1的正整数；商户预测模块，还用于获取K个商户周围的多个商户中确定出M-K个商户；其中，M-K个商户中的商户与K个商户中的至少一个商户的距离小于预设距离阈值；商户预测模块，还用于判断重组后的商户群中是否至少存在N个成交数据大于预设阈值的商户；其中，重组后的商户群包括K个商户和M-K个商户；商户预测模块，还用于在重组后的商户群中至少存在N个成交数据大于预设阈值的商户时，在重组后的商户群中确定出N个商户；否则，返回执行根据M个商户中每个商户的成交数据，在M个商户中选择K个商户的步骤。

在本发明的可选实施例中，商户预测模块，还用于根据M个商户中每个商户的成交数据，在M个商户中选择K个商户，具体包括：商户预测模块，还用于在M个商户中选择成交数据按从大到小顺序排列靠前的K个商户；或者，商户预测模块，还用于根据M个商户中每个商户的成交数据并利用轮盘赌算法并在M个商户中选择K个商户。

在本发明的可选实施例中，成交数据包括如下一项或多项：成交额、成交量、成交次数以及商户设置的成交期望值。

在本发明的可选实施例中，当成交数据包括成交额、成交量、成交次数以及商户设置的成交期望值时，预设阈值包括预设成交额、预设成交量、预设成交次数以及预设成交期望值；成交数据大于预设阈值包括：成交数据的成交额大于预设成交额，成交数据的成交量大于预设成交量，成交数据的成交次数大于预设成交次数，且成交数据的成交期望值大于预设成交期望值。

在本发明的可选实施例中，成交数据采集的季节，与当前生产能力信息和当前产品需求信息采集的季节相同。

在本发明的可选实施例中，当前生产能力信息包括：目标农户的位置、期望卖出价格、供应量以及期望卖出时间，当前产品需求信息包括：商户的位置、期望买入价格、需求量以及期望买入时间；其中，产销匹配模块，用于根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户，具体包括：产销匹配模块，还用于根据如下公式确定N个商户中每个商户与目标农户的匹配度：Si=exp（k1*A+k2*|B|+k3*|C|+k4*|D|）；其中，Si为N个商户中第i个商户与目标农户的匹配度，A为第i个商户的位置与目标农户的位置之间的距离，B为第i个商户的期望买入价格与目标农户的期望卖出价格的差值，C为第i个商户的需求量与目标农户的供应量的差值，D为第i个商户的期望买入时间与目标农户的期望卖出时间的差值，k1、k2、k3、k4均为经验系数；产销匹配模块，还用于将匹配度最大的商户确定为与目标商户。

在本发明的可选实施例中，信息推送模块，还用于向目标农户周围的多个待售农户发送匹配商户的当前产品需求信息，以及向匹配商户发送多个待售农户的当前生产能力信息。

第二方面，本发明提供一种基于大数据的农产品的智能产销匹配方法。第二方面的方法包括：获取M个商户中每个商户与目标区域的农户达成交易的成交数据；其中，M为大于1的正整数；根据M个商户中每个商户的成交数据确定N个商户；其中，N个商户中每个商户的成交数据大于预设阈值，N小于M，N为大于1的正整数；获取目标区域中的目标农户的当前生产能力信息和N个商户的当前产品需求信息；根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户；向目标农户发送目标商户的当前产品需求信息，以及向目标商户发送当前生产能力信息。

在本发明的可选实施例中，N个商户为从待选商户群中选出的商户；待选商户群由M个商户确定；其中，待选商户群包括：M个商户中的一个或多个商户，和/或，M个商户周围的一个或多个商户。

在本发明的可选实施例中，根据M个商户中每个商户的成交数据确定N个商户，包括：根据M个商户中每个商户的成交数据，在M个商户中选择K个商户；其中，M个商户中的商户被选中的概率与商户的成交数据成正比，K小于N，K为大于1的正整数；获取K个商户周围的多个商户中确定出M-K个商户；其中，M-K个商户中的商户与K个商户中的至少一个商户的距离小于预设距离阈值；判断重组后的商户群中是否至少存在N个成交数据大于预设阈值的商户；其中，重组后的商户群包括K个商户和M-K个商户；在重组后的商户群中至少存在N个成交数据大于预设阈值的商户时，在重组后的商户群中确定出N个商户；否则，返回执行根据M个商户中每个商户的成交数据，在M个商户中选择K个商户的步骤。

在本发明的可选实施例中，根据M个商户中每个商户的成交数据，在M个商户中选择K个商户，具体包括：在M个商户中选择成交数据按从大到小顺序排列靠前的K个商户；或者，根据M个商户中每个商户的成交数据并利用轮盘赌算法并在M个商户中选择K个商户。

在本发明的可选实施例中，成交数据包括如下一项或多项：成交额、成交量、成交次数以及商户设置的成交期望值。

在本发明的可选实施例中，当成交数据包括成交额、成交量、成交次数以及商户设置的成交期望值时，预设阈值包括预设成交额、预设成交量、预设成交次数以及预设成交期望值；成交数据大于预设阈值包括：成交数据的成交额大于预设成交额，成交数据的成交量大于预设成交量，成交数据的成交次数大于预设成交次数，且成交数据的成交期望值大于预设成交期望值。

在本发明的可选实施例中，成交数据采集的季节，与当前生产能力信息和当前产品需求信息采集的季节相同。

在本发明的可选实施例中，当前生产能力信息包括：目标农户的位置、期望卖出价格、供应量以及期望卖出时间，当前产品需求信息包括：商户的位置、期望买入价格、需求量以及期望买入时间；其中，根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户，包括：根据如下公式确定N个商户中每个商户与目标农户的匹配度：Si=exp（k1*A+k2*|B|+k3*|C|+k4*|D|）；其中，Si为N个商户中第i个商户与目标农户的匹配度，A为第i个商户的位置与目标农户的位置之间的距离，B为第i个商户的期望买入价格与目标农户的期望卖出价格的差值，C为第i个商户的需求量与目标农户的供应量的差值，D为第i个商户的期望买入时间与目标农户的期望卖出时间的差值，k1、k2、k3、k4均为经验系数；将匹配度最大的商户确定为与目标商户。

在本发明的可选实施例中，向目标农户周围的多个待售农户发送匹配商户的当前产品需求信息，以及向匹配商户发送多个待售农户的当前生产能力信息。

第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器存储有机器可读指令，所述处理器用于执行所述机器可读指令，以实现所述第二方面中任一可选实施例所述的基于大数据的农产品的智能产销匹配方法。

第四方面，本发明提供一种计算机可读存储介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述第二方面中任一可选实施例所述的基于大数据的农产品的智能产销匹配方法被执行。

可以理解，基于上述各个方面提供的实施例，相较于现有的农产品的产销匹配方式，本发明实施例提供的基于大数据的农产品的智能产销匹配系统中，由于商户的成交数据大于预设阈值可以表示该商户的达成交易的成功率更高，因此换句话说，商户预测模块可以从大量的商户中筛选（预测）出达成交易的成功率更高的N个商户，然后产销匹配模块能够计算这N个商户中与目标农户最为匹配的目标商户，最后由信息推送模块向目标农户发送目标商户的当前产品需求信息，以及向目标商户发送当前生产能力信息，以使得目标农户与目标商户进行匹配，便于两者达成交易。因此，本发明提供的智能产销匹配系统能够提高产销匹配的效率和成功率，也即是说，本发明能够基于大数据预测出成交几率更高的商户，并将该商户与农户进行匹配，以提高农户与商户之间达成交易的成功率。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例所提供的电子设备的结构框图；

图2为本发明实施例所提供的基于大数据的农产品的智能产销匹配系统的一种模块框图；

图3为本发明实施例所提供的基于大数据的农产品的智能产销匹配系统的应用场景示意图；

图4为本发明实施例所提供的一种基于大数据的农产品的智能产销匹配方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。

为了解决上文现有技术中存在的“当前的农产品的产销匹配对接存在着不紧密、不稳定、成交率不高以及产销信息匹配不精准的问题”，本发明实施例提出了一种技术方案，包括基于大数据的农产品的智能产销匹配系统、方法及电子设备。本方案能够基于大数据预测出成交几率更高的商户，并将该商户与农户进行匹配，以提高农户与商户之间达成交易的成功率。需要说明的是，以上现有技术中的技术方案所存在的技术问题，均是发明人经过仔细的实践研究后得出的结果，因此，上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案，都应该是发明人在实现本发明过程中对本发明做出的贡献。

首先，本发明实施例提供了一种电子设备。请参考图1，为本发明实施例所提供的电子设备的结构框图。该电子设备100可以包括：存储器110、处理器120，该存储器110、处理器120可以与通信接口130之间直接地或间接地电性连接，以实现数据的传输以及交互。例如，这些元件相互之间可通过总线和/或信号线实现电性连接。

处理器120可以处理与基于大数据的农产品的智能产销匹配方法有关的信息和/或数据，以执行本发明描述的一个或多个功能。例如，处理器120可以：获取M个商户中每个商户与目标区域的农户达成交易的成交数据；其中，M为大于1的正整数；根据所述M个商户中每个商户的成交数据确定N个商户；其中，所述N个商户中每个商户的成交数据大于预设阈值，N小于M，N为大于1的正整数；获取所述目标区域中的目标农户的当前生产能力信息和所述N个商户的当前产品需求信息；根据所述当前生产能力信息和N个所述当前产品需求信息在所述N个商户中确定与所述目标农户匹配的目标商户；向所述目标农户发送所述目标商户的当前产品需求信息，以及向所述目标商户发送所述当前生产能力信息。如此，电子设备100能够基于大数据预测出成交几率更高的商户，并将该商户与农户进行匹配，以提高农户与商户之间达成交易的成功率。

其中，上述的存储器110包括但不限于：固态硬盘（Solid State Disk，SSD）、机械硬盘（Hard Disk Drive，HDD）、只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（Erasable ProgrammableRead-Only Memory，EPROM），随机存取存储器（Random Access Memory，RAM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。

上述的处理器120包括但不限于：中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是但不限于：专用集成电路（ApplicationSpecific Integrated Circuit，ASIC）、数字信号处理器（Digital Signal Processing，DSP）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。因此，上述的处理器120可以是一种具有信号处理能力的集成电路芯片。

可以理解的是，图1所示的电子设备100的结构仅为一种示意结构，该电子设备100还可以包括比图1中所示的结构更多或者更少的组件或模块，或者具有与图1中所示的结构不同的配置或构造。并且，图1中所示的各组件可通过硬件、软件或两者的组合来实现。

此外，还应理解的是，根据实际应用时的需求的不同，本发明提供的电子设备100可以采用不同的配置或构造。例如，本发明所提供的电子设备100可以是具有通信、计算和存储功能的电子设备（例如服务器、云平台、计算机、手机、平板等）。

进一步的，当本发明所提供的电子设备100为具有通信、计算和存储功能的电子设备时，这些电子设备也可以：获取M个商户中每个商户与目标区域的农户达成交易的成交数据；其中，M为大于1的正整数；根据所述M个商户中每个商户的成交数据确定N个商户；其中，所述N个商户中每个商户的成交数据大于预设阈值，N小于M，N为大于1的正整数；获取所述目标区域中的目标农户的当前生产能力信息和所述N个商户的当前产品需求信息；根据所述当前生产能力信息和N个所述当前产品需求信息在所述N个商户中确定与所述目标农户匹配的目标商户；向所述目标农户发送所述目标商户的当前产品需求信息，以及向所述目标商户发送所述当前生产能力信息。如此，能够实现本发明实施例提供的基于大数据的农产品的智能产销匹配方法。

本发明实施例还提供一种基于大数据的农产品的智能产销匹配系统，可以应用于上述的电子设备100。

下面将结合附图对该基于大数据的农产品的智能产销匹配系统进行阐述。

请参照图2，图2示出了本发明实施例提供的基于大数据的农产品的智能产销匹配系统的一种模块框图。其中，基于大数据的农产品的智能产销匹配系统200包括：数据获取模块210、商户预测模块220、产销匹配模块230和信息推送模块240。

在可选实施例中，上述的各个模块可以以软件或固件（Firmware）的形式存储于存储器中或固化于本发明提供的图1所示的电子设备200的操作系统（Operating System，OS）中，并可由图1所示电子设备100中的处理器执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器中。

在图2所示的系统中，数据获取模块210，用于获取M个商户中每个商户与目标区域的农户达成交易的成交数据。其中，M为大于1的正整数。商户预测模块220，用于根据M个商户中每个商户的成交数据确定N个商户。其中，N个商户中每个商户的成交数据大于预设阈值，N小于M，N为大于1的正整数。数据获取模块210，还用于获取目标区域中的目标农户的当前生产能力信息和N个商户的当前产品需求信息。产销匹配模块230，用于根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户。信息推送模块240，用于向目标农户发送目标商户的当前产品需求信息，以及向目标商户发送当前生产能力信息。

下面分别对上述的各个模块的功能的表述进行说明。

首先，上述的目标区域可以是地图上的一块预设区域，例如，可以是某个市区、县级单位所占据的区域、乡镇单位所占据的区域等。在可选实施例中，目标区域还可以是某一片农业开发区、某个农户的种植区等。

上述的成交数据是指商户与农户达成交易的各种数据，例如成交额、成交量、成交次数等，对此不作限定。上述的预设阈值可以是指预设的成交数据阈值，例如，假设成交数据为成交额，那么上述的预设阈值可以是预设成交额。具体的，假设某个商户的成交额为10万元，预设成交额为50万元，那么可以判断该商户的成交数据小于预设阈值。

在可选实施例中，成交数据包括如下一项或多项：成交额、成交量、成交次数以及商户设置的成交期望值。可以理解，该实施例中，成交数据包括多个维度的数据，如此可以使得在计算过程中可以从更多的维度考量商户的适合程度，从而提高匹配准确度和交易成功率。

进一步的，在可选实施例中，当成交数据包括成交额、成交量、成交次数以及商户设置的成交期望值时，预设阈值包括预设成交额、预设成交量、预设成交次数以及预设成交期望值；进而，成交数据大于预设阈值包括：成交数据的成交额大于预设成交额，成交数据的成交量大于预设成交量，成交数据的成交次数大于预设成交次数，且成交数据的成交期望值大于预设成交期望值。换言之，成交数据大于预设阈值可以是指成交数据中每个维度的数据均大于预设阈值中对应维度的数据。

可以理解，商户的成交数据可以表示该商户的成交潜力，也即是说成交数据越高，则该商户与农户达成交易的能力和意愿越强，从而成交数据大于预设阈值可以表示该商户的达成交易的成功率足够高。

上述的目标农户可以认为是一个农户，也可以认为是一群有同样农产品销售需求的农户。当前生产能力信息用于表示农户的农产品的生产和销售信息。在可选实施例中，当前生产能力信息包括：目标农户的位置、期望卖出价格、供应量以及期望卖出时间。

上述的当前产品需求信息用于表示商户的农产品的需求信息。在可选实施例中，当前产品需求信息包括：商户的位置、期望买入价格、需求量以及期望买入时间。

本发明实施例中，上述的当前生产能力信息和当前产品需求信息对应同一种农产品。

在可选实施例中，信息推送模块240用于向目标农户的终端（例如手机）发送目标商户的当前产品需求信息，以及向目标商户的终端（例如，手机、平板电脑、笔记本电脑等）发送当前生产能力信息。

基于上述的智能产销匹配系统200实施例，可以理解，由于商户的成交数据大于预设阈值可以表示该商户的达成交易的成功率更高，因此换句话说，商户预测模块220可以从大量的商户中筛选（预测）出达成交易的成功率更高的N个商户，然后产销匹配模块230能够计算这N个商户中与目标农户最为匹配的目标商户，最后由信息推送模块240向目标农户发送目标商户的当前产品需求信息，以及向目标商户发送当前生产能力信息，以使得目标农户与目标商户进行匹配，便于两者达成交易。因此，本发明提供的智能产销匹配系统能够提高产销匹配的效率和成功率，也即是说，本发明能够基于大数据预测出成交几率更高的商户，并将该商户与农户进行匹配，以提高农户与商户之间达成交易的成功率。

以上简单介绍了本发明实施例的智能产销匹配系统200的各个模块的功能，下面将进一步对各个模块的功能进行阐述。

在可选实施例中，N个商户为从待选商户群中选出的商户。待选商户群由M个商户确定。其中，待选商户群包括：M个商户中的一个或多个商户，和/或，M个商户周围的一个或多个商户。换言之，待选商户群的确定方式包括：从M个商户以及M个商户周围的多个商户中选取多个商户作为待选商户群。这样，相当于商户预测模块220在预测N个商户时，从M个商户和随机商户中对N个商户进行预测，从而扩大了商户的选择范围，避免从固定的商户群中对N个商户进行预测，从而提高匹配的准确度和交易的成功率。

本发明实施例中，在确定出待选商户群之后，在其中选出N个成交数据大于预设阈值的商户，即可得到N个商户。在可选实施例中，M的值越大越好，一般情况下，可以至少设置为100。N的值可以设置为3-10之间的任一个值。

在可选实施例中，商户预测模块220，用于根据M个商户中每个商户的成交数据确定N个商户，具体包括如下几个步骤（S1~S4）：

S1，根据M个商户中每个商户的成交数据，在M个商户中选择K个商户。其中，M个商户中的商户被选中的概率与商户的成交数据成正比，K小于N，K为大于1的正整数。换言之，K个商户可以是M个商户中成交数据较高的K个商户。

在可选实施例中，S1，根据M个商户中每个商户的成交数据，在M个商户中选择K个商户，具体包括：在M个商户中选择成交数据按从大到小顺序排列靠前的K个商户；或者，根据M个商户中每个商户的成交数据并利用轮盘赌算法并在M个商户中选择K个商户。轮盘赌算法的具体实施方式可以参照相关技术，在此不再赘述。可以理解，该实施例中，通过对M个商户进行选择，筛除不合适的商户，留下更合适的商户，从而能够提高匹配的准确度和交易的成功率。

S2，获取K个商户周围的多个商户中确定出M-K个商户。其中，M-K个商户中的商户与K个商户中的至少一个商户的距离小于预设距离阈值。

在可选实施例中，预设距离阈值可以是1千米~100千米中的任意值，例如，10千米。

S3，判断重组后的商户群中是否至少存在N个成交数据大于预设阈值的商户。其中，重组后的商户群包括上述的K个商户和上述的M-K个商户。换言之，重组后的商户群包括S2中确定出的M-K个商户和S1中选择出的K个商户。可以理解，该重组后的商户群包括原来M个商户中的商户和随机的商户，从而扩大了商户的选择范围。

S4，在重组后的商户群中至少存在N个成交数据大于预设阈值的商户时，在重组后的商户群中确定出N个商户；否则，返回执行S1。

在可选实施例中，成交数据采集的季节，与当前生产能力信息和当前产品需求信息采集的季节相同。换句话说，成交数据、当前生产能力信息和当前产品需求信息在采集的时间（或时间段，例如季节）上相同。这样，限定了成交数据与当前生产能力信息、当前产品需求信息的采集时间，从而从季节维度限制了商户的范围，能够降低季节对商户需求的影响，从而能够提高匹配的准确度和交易的成功率。

在可选实施例中，当前生产能力信息包括：目标农户的位置、期望卖出价格、供应量以及期望卖出时间，当前产品需求信息包括：商户的位置、期望买入价格、需求量以及期望买入时间。

其中，产销匹配模块230，用于根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户，具体包括：根据如下公式确定N个商户中每个商户与目标农户的匹配度：

Si=exp（k1*A+k2*|B|+k3*|C|+k4*|D|）

其中，Si为N个商户中第i个商户与目标农户的匹配度，A为第i个商户的位置与目标农户的位置之间的距离，B为第i个商户的期望买入价格与目标农户的期望卖出价格的差值，C为第i个商户的需求量与目标农户的供应量的差值，D为第i个商户的期望买入时间与目标农户的期望卖出时间的差值，k1、k2、k3、k4均为经验系数。

在计算出N个商户中每个商户与目标农户的匹配度后，产销匹配模块230，还用于将匹配度最大的商户确定为与目标商户。

在可选实施例中，信息推送模块240，还用于向目标农户周围的多个待售农户发送匹配商户的当前产品需求信息，以及向匹配商户发送多个待售农户的当前生产能力信息。如此一来，本发明实施例提供的系统在将目标农户和目标商户匹配成功后，还会向更多的农户和商户发送该匹配信息，以在目标农户和目标商户交易不成功时，向更多的商户、农户提供进行交易的可能性，从而提高信息的利用率以及交易的成功率。

基于上述智能产销匹配系统200的实施例，下面结合图3示例对该系统200做进一步说明。其中，区域A为目标区域，农户a为目标农户，商户b1-商户b14组成商户群，假设M个商户包括商户b1、b3、b5、b7、b9、b13。首先，数据获取模块210获取M个商户中每个商户与农户a达成交易的成交数据（该成交数据可以是历年记录下来的历史数据）。然后，商户预测模块220根据M个商户中每个商户的成交数据确定N个商户，例如，假设N个商户包括商户b1、b6（随机商户，不再M个商户中）、b7、b14（随机商户，不再M个商户中）。数据获取模块210还获取农户a的当前生产能力信息和N个商户的当前产品需求信息。产销匹配模块230根据该当前生产能力信息和N个当前产品需求信息在该N个商户中确定与目标农户匹配的目标商户，例如假设目标商户为b7。最后，信息推送模块240向农户a发送商户b7的当前产品需求信息，以及向商户b7发送农户a的当前生产能力信息，以使农户a与商户b7达成农产品交易。

进一步的，为了实现上述的智能产销匹配系统200的实施例中各个模块的功能，下面给出一种基于大数据的农产品的智能产销匹配方法的实现方式。请参阅图4，图4示出了本发明实施例提供的一种基于大数据的农产品的智能产销匹配方法的流程示意图。

该基于大数据的农产品的智能产销匹配方法可以应用于上述图1所示的电子设备100以及图2所示的智能产销匹配系统200。需要说明的是，本实施例所提供的基于大数据的农产品的智能产销匹配方法，其基本原理及产生的技术效果和上述系统实施例相同，为简要描述，本实施例部分未提及之处，可参照上述的系统实施例中相应内容。

具体来说，该基于大数据的农产品的智能产销匹配方法可以包括以下步骤S110~S150，下面分别说明。

S110，获取M个商户中每个商户与目标区域的农户达成交易的成交数据。其中，M为大于1的正整数。

S120，根据M个商户中每个商户的成交数据确定N个商户。其中，N个商户中每个商户的成交数据大于预设阈值，N小于M，N为大于1的正整数。

在可选实施例中，N个商户为从待选商户群中选出的商户，该待选商户群由M个商户确定。其中，待选商户群包括：M个商户中的一个或多个商户，和/或，M个商户周围的一个或多个商户。

在可选实施例中，S120，根据M个商户中每个商户的成交数据确定N个商户，包括如下步骤1.1~步骤1.4：

步骤1.1，根据M个商户中每个商户的成交数据，在M个商户中选择K个商户。其中，M个商户中的商户被选中的概率与商户的成交数据成正比，K小于N，K为大于1的正整数。

步骤1.2，获取K个商户周围的多个商户中确定出M-K个商户。其中，M-K个商户中的商户与K个商户中的至少一个商户的距离小于预设距离阈值。

步骤1.3，判断重组后的商户群中是否至少存在N个成交数据大于预设阈值的商户。其中，重组后的商户群包括K个商户和M-K个商户。

步骤1.4，在重组后的商户群中至少存在N个成交数据大于预设阈值的商户时，在重组后的商户群中确定出N个商户；否则，返回执行步骤1.1。

在可选实施例中，步骤1.1，根据M个商户中每个商户的成交数据，在M个商户中选择K个商户，具体包括：在M个商户中选择成交数据按从大到小顺序排列靠前的K个商户；或者，根据M个商户中每个商户的成交数据并利用轮盘赌算法并在M个商户中选择K个商户。

在可选实施例中，成交数据包括如下一项或多项：成交额、成交量、成交次数以及商户设置的成交期望值。

在可选实施例中，当成交数据包括成交额、成交量、成交次数以及商户设置的成交期望值时，预设阈值包括预设成交额、预设成交量、预设成交次数以及预设成交期望值。其中，成交数据大于预设阈值包括：成交数据的成交额大于预设成交额，成交数据的成交量大于预设成交量，成交数据的成交次数大于预设成交次数，且成交数据的成交期望值大于预设成交期望值。

在可选实施例中，成交数据采集的季节，与当前生产能力信息和当前产品需求信息采集的季节相同。

S130，获取目标区域中的目标农户的当前生产能力信息和N个商户的当前产品需求信息。

S140，根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户。

在可选实施例中，当前生产能力信息包括：目标农户的位置、期望卖出价格、供应量以及期望卖出时间。当前产品需求信息包括：商户的位置、期望买入价格、需求量以及期望买入时间。

其中，S140，根据当前生产能力信息和N个当前产品需求信息在N个商户中确定与目标农户匹配的目标商户，包括如下步骤2.1~步骤2.2：

步骤2.1，根据如下公式确定N个商户中每个商户与目标农户的匹配度：Si=exp（k1*A+k2*|B|+k3*|C|+k4*|D|）。

其中，Si为N个商户中第i个商户与目标农户的匹配度，A为第i个商户的位置与目标农户的位置之间的距离，B为第i个商户的期望买入价格与目标农户的期望卖出价格的差值，C为第i个商户的需求量与目标农户的供应量的差值，D为第i个商户的期望买入时间与目标农户的期望卖出时间的差值，k1、k2、k3、k4均为经验系数。

步骤2.2，将匹配度最大的商户确定为与目标商户。

S150，向目标农户发送目标商户的当前产品需求信息，以及向目标商户发送当前生产能力信息。

在可选实施例中，上述方法还包括：向目标农户周围的多个待售农户发送匹配商户的当前产品需求信息，以及向匹配商户发送多个待售农户的当前生产能力信息。

基于上述实施例，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述基于大数据的农产品的智能产销匹配方法的步骤。

具体地，该存储介质可以为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述实施例中的方法，从而解决“当前的农产品的产销匹配对接存在着不紧密、不稳定、成交率不高以及产销信息匹配不精准”的问题，提高农户与商户之间达成交易的成功率。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，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单元来实现本实施例方案的目的。

再者，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本发明的实施例而已，并不用于限制本发明的保护范围，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。