首页  思维导图  详情

美食场景分析脑图

2020-09-15 10:06:51   0  举报





AI智能生成

为你推荐

查看更多



美食场景分析脑图

美食

脑图

软件开发

作者其他创作

大纲/内容

美食场景分析方法与计算

数据采集

高德地图poi爬取

美食点

酒店

商场

超市

城市边界

osm开源数据

osm道路图层

省公司反馈

沿街美食聚集区域

商业综合体

重点美食酒楼

不规则美食聚集区

数据汇聚

生成图层

图层合并

merge

生成buffer30m图层

merge_buffer

增加area字段并计算面积

生成点在面内的美食点

导入food_tagged表

复制美食点表并在后面增加父级字段

导入边界关联数据

计算点在面外的美食点

交集取反symdif，用来计算美食街

获取街道

获取城市边界

结合osm道路地图获取城市范围内的道路

按名称合并道路

增加长度字段，计算街道长度

删除无名道路

筛选长度小于0.1（十进制度decimal degrees，约10公里）

生成buffer40米图层

road_buffer

生成点在街里的美食点

街内美食点dbscan

100米8个

选美食街>20个点

如有交叉路口美食点，则在parent_address用“|”分隔记录

取food_tagged表父级为空

dbscan200米100个汇聚成不规则美食聚集区域

数据分级

重点城市

1、人均消费、评价、环境得分、评价人数去除噪

2、对归属于同一条沿街美食聚集区域的所有店铺，进行人均消费、评价、环境得分、评价人数4种因素的汇总，其中人均消费、评价、环境得分求平均值，评价人数求和

3、人均消费、评分、环境、评价人数，店铺数量5个因素得分进行归一化

4、按照人均消费、评分、环境、评价人数40%-- 20%--20%-- 20% 的比例计算出店铺档次分。并将店铺档次分进行归一

5、店铺数量、评价人数、店铺档次得分按照 20%--20%--60%的比例算出最终得分，存储在结果表score_final

6、对结果表score_final按照人均消费（cost）降序排序。将位于30%位置的人均消费数值，记录为cost_limit

7、取结果表里score_final的前30%，通过人均消费（cost）大于cost_limit，店铺数量（num_store）大于25、街道（length，通过area字段，由decimal degree单位转换为米，）长度大于300米同时满足的，得到列表1

8、按照评价人数（total）降序排序，取前30%，得到列表2

9、取列表1、列表2的并集并去重，得到沿街美食聚集区域最终列表，北京共得到50条沿街美食聚集区

不规则聚类美食场景

1、对属于不规则聚类美食场景的店铺的人均消费、评价、环境得分、评价人数去除噪，避免极值对结果的影响

2、对归属于同一不规则聚类美食场景的所有店铺，进行人均消费、评价、环境得分、评价人数4种因素的汇总，其中人均消费、评价、环境得分求平均值，评价人数求和

3、对每一不规则聚类美食场景的人均消费、评分、环境、评价人数，店铺数量5个因素得分进行归一化

6、输出不规则聚类美食场景详细得分列表

1-5步同不规则聚类美食场景

6、得到结果后将店铺数量小于等于6的商业综合体所包含的店铺从原始数据中清除，再次进行商业综合体分级，得到最终结果

7、重复1-5步骤

8、剔除商业综合体名称（对应结果表中parent_name）包含“装修”、“暂停”字段的数据，得到商业综合体列表

重点酒店

1、\t剔除没有轮廓的酒店

2、\t剔除包含“连锁酒店”字段的酒店

3、\t取最低消费及平均消费的两者最大值排序，取TOP20%得出分级结果

4、\t剔除酒店名称名称（对应结果表中name）包含“装修”、“暂停”字段的数据

重点美食餐厅

1、\t排除店铺名称、店铺地址、店铺归属的美食场景名称（parent_name字段）中包含“装修”、“暂定”等字样的店铺

2、\t排除评价人数低于100的店铺

3、\t取人均消费排名的TOP4%列表、评价人数排名TOP2%列表，取并集，并去重

二三线城市分级

1、按照店铺数量分三档，分界线分别为30000、10000，高于30000为一线城市，低于10000为三线城市，中间为二线城市；一线城市参数集合采用38重点城市集合

2、不规则美食聚集区场景，源数据中没有，则可以为零，如果源表里有，结果中至少包含一个

3、沿街美食聚集区参数

对应步骤6

cost_limit

一线：30%，二线：20%、三线：20%

江苏更新

一线：30%，二线：10%、三线：10%

对应步骤7

包含店铺数量（沿街聚集美食聚集区定义）

一线：25、二线：23、三线：20

二三线25个

街长度（沿街聚集美食聚集区定义）

一线：300、二线：270、三线：240

二三线300

取清单前百分比

一线：30%、二线：30%、三线：30%

一线：30%、二线：10%、三线：10%

对应步骤8

评价人数top百分比门限(步骤8）

4、不规则美食聚集区参数

最终提取TOP百分比

一线：30%、二线：20%、三线：20%

二三线

10%

5、重点美食餐厅参数

评价人数

一线：100、二线：90、三线：80

一线：100、二线：90、三线：90

一线：取人均消费排名的TOP4%列表、评价人数排名TOP2%列表。二、三线：取人均消费排名的TOP2%列表、评价人数排名TOP1%列表

通报KPI/MR计算方法

KPI计算方法

高负荷待扩容

1、高负荷待扩容小区：ishighload > 0.5

2、高负荷待扩容场景：包括高负荷待扩容小区

高负荷预警

1、高负荷预警小区：isgaofuheyujing > 0.5

2、高负荷预警场景：包括高负荷预警小区

计算方式

1、Sheet1：加入高负荷待扩容小区比例、高负荷预警小区比例，2、Sheet3：高负荷待扩容美食场景清单：后面加上这个场景对应的类型；3、Sheet5：高负荷预警美食场景清单：后面加上这个场景对应的类型；4、Sheet2、4、6：在小区后引入Indoor&outdoor，有站名也加上（补充）5、Sheet7：增加，原来说过的，高负荷待扩容及高负荷预警，只要出过的，进行一下标记记录，同时记录一下时间，后期原则上不允许删除；（补充）6、Sheet3、Sheet5：累计出现次数，本次全为1，下次如果再有再累加1；这样的话COUNT(name)代表本次是否有，新增的累计出现次数列代表历史出现过的月份数；（补充）7、统计数据中加入时间，加入全网；各Sheet中加入时间；

KPI通报字段

汇总指标

省名称

市名称

高负荷待扩容小区数量

高负荷待扩容小区比例

高负荷待扩容美食场景数量

高负荷待扩容美食场景比例

高负荷预警小区数量

高负荷预警小区比例

高负荷预警美食场景数量

高负荷预警美食场景比例

美食场景数量

服务小区数量

高负荷待扩容美食场景清单

高负荷待扩容美食场景名称

包含的服务小区数量

美食场景名称