营业厅业务规模预测方法、装置、设备及存储介质与流程

本发明属于通信技术领域，尤其涉及一种营业厅业务规模预测方法、装置、设备及存储介质。

背景技术：

营业厅作为展示优质服务的一个重要窗口，承载着向用户提供开户、缴费、查询等服务的同时，也起到宣传和吸引更多用户的作用。作为实体建筑，业务规模是新设立一个营业厅重要因素。营业厅规模过大会造成资源浪费；营业厅规模过小起不到预期的效果，投入产出不成比例。

针对新营业厅业务规模的预测，目前的方法是基于历史上设立新营业厅后，周边用户改变办理渠道的比例为依据，推算新增营业厅后周边用户放弃原来的渠道转到新营业厅办理业务的可能性，从而预测新营业厅业务规模。

现有的营业厅业务规模的预测方法预测出的营业厅业务规模不够准确。

技术实现要素：

为了解决上述中的至少一个技术问题，本发明实施例提供一种营业厅业务规模预测方法、装置、设备及存储介质，能够提高营业厅业务规模预测的准确性。

第一方面，本发明实施例提供一种营业厅业务规模预测方法，方法包括：

根据目标营业厅的位置信息，确定目标营业厅的第一辐射范围内的多个第一网格区域；其中，多个第一网格区域为基于对位置信息对应的目标地理区域进行网格化划分确定的；

根据各个第一网格区域对应的业务指标及业务指标权重，确定各个第一网格区域的网格分值；

根据各个第一网格区域的网格分值，以及目标营业厅与各个第一网格区域之间的距离，确定各个第一网格区域对目标营业厅的第一业务量影响因子；

将多个第一业务量影响因子输入预先建立的业务量预测模型，得到目标营业厅的业务量预测结果。

第二方面，本发明实施例提供了一种营业厅业务规模预测装置，装置包括：

第一网格区域确定模块，用于根据目标营业厅的位置信息，确定目标营业厅的第一辐射范围内的多个第一网格区域；其中，多个第一网格区域为基于对位置信息对应的目标地理区域进行网格化划分确定的；

网格分值确定模块，用于根据各个第一网格对应的业务指标及业务指标权重，确定各个第一网格区域的网格分值；

第一业务量影响因子确定模块，用于根据各个第一网格区域的网格分值，以及目标营业厅与各个第一网格区域之间的距离，确定各个第一网格区域对目标营业厅的第一业务量影响因子；

预测模块，用于将多个第一业务量影响因子输入预先建立的业务量预测模型，得到目标营业厅的业务量预测结果。

第三方面，本发明实施例提供了一种营业厅业务规模预测设备，设备包括：处理器以及存储有计算机程序指令的存储器；

处理器执行计算机程序指令时实现如第一方面的营业厅业务规模预测方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的营业厅业务规模预测方法。

本发明实施例的营业厅业务规模预测方法、装置、设备及存储介质，基于网格和大数据技术，先确定网格及网格对业务量的影响分值，之后将网格分值转化成网格对营业厅业务量的影响因子，从而建立营业厅业务量及辐射范围内网格之间的关系。本发明能够提高营业厅业务规模预测的准确性。

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的介绍，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的附图。

图1是本发明实施例提供的营业厅业务规模预测方法的流程示意图；

图2是本发明实施例提供的营业厅与网格区域的位置关系示意图；

图3是本发明实施例提供的网格区域中心点示意图；

图4是本发明实施例提供的营业厅辐射范围示意图；

图5是本发明实施例提供的营业厅业务规模预测装置的结构示意图；

图6是本发明实施例提供的营业厅业务规模预测设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，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。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

针对新营业厅业务规模预测，一种方法是基于历史上设立新营业厅后，周边用户改变办理渠道的比例为依据，推算新增营业厅后，周边用户放弃原来的渠道转到新营业厅办理业务的可能性，从而预测新营业厅业务规模。

然而，依赖于历史上建立营业厅时周边用户的位置数据和业务办理渠道数据。由于通信数据的海量性和存储介质的有限性，获取用户历史位置和业务办理渠道数据难度很大，或者根本无法获取。即使能够获取齐全的数据，通信业务也与几年前发生了很大的变化，以往业务模式和用户行为对于当前的参考价值也是有待商榷的。另外，如果只考虑新营业厅开始运营后分流已有的正在运营营业厅的业务办理量(既定业务)，而不考虑因为新营业厅的设立和宣传而新增加的业务量(潜在业务)，得到的新营业厅的业务规模的预测结果也是不够准确的。

为了解决上述中的至少一个技术问题，本发明实施例提供了一种营业厅业务规模预测方法、装置、设备及计算机存储介质。下面首先对本发明实施例所提供的营业厅业务规模预测方法进行介绍。

图1示出了本发明实施例提供的营业厅业务规模预测方法的流程示意图。如图1所示，本发明实施例提供的营业厅业务规模预测方法包括以下步骤：

s110，根据目标营业厅的位置信息，确定目标营业厅的第一辐射范围内的多个第一网格区域；其中，多个第一网格区域为基于对位置信息对应的目标地理区域进行网格化划分确定的；

s120，根据各个第一网格区域对应的业务指标及业务指标权重，确定各个第一网格区域的网格分值；

s130，根据各个第一网格区域的网格分值，以及目标营业厅与各个第一网格区域之间的距离，确定各个第一网格区域对目标营业厅的第一业务量影响因子；

s140，将多个第一业务量影响因子输入预先建立的业务量预测模型，得到目标营业厅的业务量预测结果。

在本发明中，目标营业厅可以是新增营业厅，营业厅可以包括通信营业厅、银行营业厅等。

根据本发明实施例，所预测的目标营业厅的业务量为目标营业厅稳定运行后的业务量，既包括目标营业厅分流周边已有营业厅的业务量，也包括因目标营业厅的设立和宣传而新增加的业务量。

在s110中，根据目标营业厅的位置信息，确定目标营业厅的第一辐射范围内的第一网格区域，包括：

根据目标营业厅的位置信息，确定目标营业厅所在的网格区域；

根据目标营业厅所在的网格区域，确定目标营业厅第一辐射范围内的多个第一网格区域；其中，第一辐射范围为以目标营业厅所在的网格区域为中心，以第一预设长度为半径的范围。

第一辐射范围也可以时以目标营业厅的坐标点为中心，以第一预设长度为半径的范围。

下面对目标营业厅的位置信息、目标营业厅所在的网格区域、第一网格区域等进行详细说明。

<营业厅的位置信息>

作为一个示例，以目标营业厅的位置信息确定目标地理区域，例如，以目标营业厅所属的城市作为目标地理区域，也可以根据需要选择其它合适的行政区域或者地理范围作为目标地理区域。另外，可以使用地理信息系统(geographicinformationsystem，gis)工具或其他工具，将目标营业厅的位置信息转换成目标地理区域内的二维平面坐标。目标营业厅的位置信息可以用坐标点表示，例如，将目标营业厅的具体文字描述的地址(例如，xx市xx街道xx号)或者经纬度描述的位置转换成平面坐标点。在本发明中，目标营业厅和已有营业厅的位置信息均可以为平面坐标点。

<目标营业厅所在的网格区域>

在确定目标营业厅所在的网格区域之前，本发明还可以包括对目标地理区域进行网格化划分，得到多个网格区域；根据各个网格区域对应的业务指标及业务指标权重，确定各个网格区域的网格分值；根据网格分值最大的网格区域，确定目标营业厅的位置信息。

网格区域可以理解为gis网格，即利用gis工具将目标地理区域进行网格化划分之后得到的多个网格区域。网格区域可以用字母g表示，可以是边长为l的正方形区域，l的取值范围可以是(0.05-1)km。

网格分值用字母i表示，以影响业务量为依据，确定的网格区域的人流特征、繁华程度、业务覆盖量、竞争对手等等指标计算得到的网格分值，得分越高的网格区域越有价值。网格分值的确定方法在s120中进行详细说明。目标地理区域内的网格区域及网格区域对应的网格分值可以作为新增营业厅的选址依据，可根据网格分值高低确定目标地理区域内最适合建立新营业厅的网格。

在本发明实施例中，以网格分值作为目标营业厅的选址依据，能够提高目标营业厅的业务量，并降低成本。

营业厅与网格区域的关系包括如图2所示的三种关系：营业厅在网格区域内、营业厅在网格区域的交线上(图2为在横向交线上)、营业厅在网格区域的交点上。

如果营业厅在网格区域内，则基于最近距离原则，营业厅所在的网格区域的中心点与营业厅坐标点距离最短。如果营业厅在网格区域的交线或交点上，则离营业厅距离最新的网格区域存在两个或者两个以上。

其中，如图3所示，网格区域的中心点可以用网格区域的四个顶点计算。如图3所示，(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)分别是一网格区域的四个顶点，设中心点坐标为(x,y)，则x＝(x1+x2)/2，y＝(y1+y2)/2。

根据上述分析，以已有营业厅为例，根据已有营业厅的位置信息，确定已有营业厅所在的网格区域；其中，若与已有营业厅最近的网格区域的数量存在多个，则按照预设规则确定已有营业厅所在的网格区域。确定已有营业厅所在网格区域的方法可以包括如下步骤：

步骤1，获取目标地理区域内的所有已有营业厅h1,h2,…,hp以及其位置坐标；

步骤2，遍历目标地理区域内网格区域，按照已有营业厅位置坐标与网格区域的中心点之间的距离，确定离已有营业厅最近的网格区域及其个数h1(n1:g11,g12,…,g1n1),h2(n2:g21,g22,…,g2n2),…,hp(np:gp1,gp2,…,gpnp)，其中ni是离第i个已有营业厅最近的网格区域的个数；

步骤3，遍历步骤2离已有营业厅最近的网格区域及个数结果，i＝1，2，…，p，如果ni＝1，即离已有营业厅最近的网格区域只存在一个，则该网格区域gi1就是已有营业厅所在网格区域，将已有营业厅及所属的网格区域对(hi,gi)存入到结果集合；如果ni>1，则离已有营业厅最近的网格区域有多个，则将营业厅与相应的网格区域信息hi(ni:gi1,gi2,…,gini)存入到待定集合；

步骤4，判断结果集合和待定集合是否为空，如果结果集合不空、待定集合为空，则说明所有的已有营业厅所在的网格区域都已经确定，算法结束；如果结果集合为空、待定集合不空，则说明所有的已有营业厅均处于网格区域的交线或交点上，则转步骤5；如果结果集合不为空、待定集合不为空，说明一部分已有营业厅处于网格区域的交线或交点上，则转步骤6；结果集合为空、待定集合为空的情况不出现；

步骤5，结果集合为空、待定集合不空，说明所有的已有营业厅均处于网格区域的交线或交点上。此时，从头到尾遍历待定集合，按照如下的方法确定已有营业厅所在网格区域：已有营业厅处在两个网格区域横向交线上，则选择下方网格区域作为已有营业厅所在网格区域；已有营业厅处在两个网格区域纵向交线上，则选择左方网格区域作为已有营业厅所在网格区域；已有营业厅在网格区域交点上，则选择左下方网格区域作为已有营业厅所在的网格区域。将已有营业厅及所属的网格区域对(hi,gi)存储到结果集合，算法结束；

步骤6，读取待定集合中的一个已有营业厅hi(ni:gi1,gi2,…,gini)，遍历结果集合中的已有营业厅，其中计算出与待定的已有营业厅hi距离最近的已定的已有营业厅，如果存在多个已定的已有营业厅与hi的距离都最近，则取其中任一个已有营业厅作为与hi距离最近的已有营业厅，记为h*。分别计算h*到待定的已有营业厅hi最近网格区域gi1,gi2,…,gini的距离。由于h*不在交线或交点上，所以h*到网格区域gi1,gi2,…,gini的距离肯定不相等。选择其中离h*距离最远的网格区域作为待定的已有营业厅hi所属网格区域，结果存入结果集合；

步骤7，重复步骤5，直到待定集合变空；

特别需要说明的是，计算结果中可能会出现两个已有营业厅归属同一个网格区域的情况。如果出现两个或两个以上已有营业厅归属同一个网格区域的现象，则将这一网格区域内的已有营业厅合并视为1个已有营业厅，其稳定业务量的合计值作为合并后已有营业厅的业务量。

上述仅以已有营业厅作为示例，目标营业厅所在的网格区域的确定也可以采用上述方法。

根据本发明实施例提供的营业厅所在网格区域的确定方式，能够遍历所有网格区域，避免不同的营业厅所在网格区域都为同一个，进而能够提高营业厅业务量预测的准确性。

<第一网格区域>

目标营业厅的第一辐射范围内的多个第一网格区域的确定可以是，以目标营业厅所在的网格区域为中心，以l＝n*l为目标营业厅的辐射半径，圈定目标营业厅的第一辐射范围内的n＝(2n+1)*(2n+1)个第一网格区域，形成网格区域序列g1,g2,…,gn。

如图4所示，营业厅h所在网格区域为g13，辐射半径l＝2*l，第一辐射范围内的第一网格区域为25个，分别为g1,g2,….,g25。

在本发明实施例中，能够准确确定目标营业厅的第一辐射范围内的多个第一网格区域，进而提高目标营业厅业务规模预测的准确性。

在s120中，可以采用指标加权方法计算网格分值。相关指标依据业务理解和指标筛选技术(包括相关性分析、因子分析、主成分分析、属性筛选等方法)确定，指标权重依据指标对目标的重要性(包括基于信息熵的重要性打分、基于相关性的重要性打分、基于基尼系数(ginicoefficient，gini)的重要性打分等多种方法)确定。

作为一个示例，基于电信业务理解和业务指标筛选技术，给出了如表格1所述的实施实例业务指标及业务指标权重。业务指标数据可以来源于移动bmo数据、调研数据、爬取的公开数据。根据业务指标代表的意义不同，将基础实例业务指标归纳成了三个级别，每一级别的业务指标通过其下一个级别的业务指标以及对应的权重加权而得，第一级业务指标和其权重确定了网格分值。具体计算公式如下：

其中，i是网格分值，indexi是第i个一级指标，是第i个一级指标的权重，m是一级指标个数，indexij是第i个一级指标下的第j个二级指标，是第i个一级指标下第j个二级指标的权重，mi是第i个一级指标下二级指标个数，indexijk是第i个一级指下的第j个二级指标下的第k个三级指标，是第i个一级指下的第j个二级指标下的第k个三级指标权重，mij是第i个一级指下的第j个二级指标下的三级指标个数。

表1

在s130中，目标营业厅与各个第一网格区域之间的距离可以是目标营业厅所在网格区域中的任一点与各个第一网格区域中的任一点之间的距离。优选地，为目标营业厅所在的网格区域的中心点与各个第一网格区域的中心点之间的距离。可以更准确的确定各个第一网格区域对目标营业厅的第一业务量影响因子。

根据距离值从小到大顺序重新排序第一网格区域，距离相等的网格区域按照顺时针方向(上、右、下、左)确定排序顺序，得到的网格区域序列仍记为g1,g2,…,gn，对应的距离序列记为d1,d2,…,dn；将各个第一网格区域对目标营业厅的第一业务量影响因子记为f1,f2,…,fn，具体计算方法如下：

如果第一网格区域只在目标营业厅的第一辐射范围内，则该第一网格区域对目标营业厅的第一业务量影响因子表达式(3)如下：

fj＝ij/dj(3)

其中ij是第j个第一网格区域的网格分值，dj是第j个第一网格区域到目标营业厅的距离。

如果第一网格区域不仅在目标营业厅的第一辐射范围内，同时又在已运营营业厅的第二辐射范围内，假设第一网格区域同时在p0个已运营营业厅的第二辐射范围内，则第一网格区域对目标营业厅影响因子的表达式(4)如下：

在s140中，将第一业务量影响因子记为f1,f2,…,fn输入预先建立的业务量预测模型，得到目标营业厅的业务量。

具体地，业务量预测模型可以根据经验直接设置。优选地，业务量预测模型为根据目标营业厅所属地理区域内的已有营业厅的业务量及第二网格区域对已有营业厅的第二业务量影响因子而建立的预测模型；其中，第二网格区域为已有营业厅的第二辐射范围内的网格区域，第二辐射范围为以已有营业厅所在的网格区域为中心，以第二预设长度为半径的范围。基于当前正在运营的已有营业厅业务量建立业务量预测模型，使得前期数据的搜集变得更加的简便和可能。

进一步地，业务量预测模型的建立过程可以包括：根据各个第二网格区域的网格分值，以及已有营业厅与各个第二网格区域之间的距离，确定各个第二网格区域对已有营业厅的第二业务量影响因子；以已有营业厅的业务量及各个第二业务量影响因子为样本数据，利用预设算法建立业务量预测模型。

具体地，业务量预测模型的建立过程可以包括以下步骤：

步骤1，以目标营业厅位置划定目标地理区域，例如取目标营业厅所属市为目标地理区域；

步骤2，借助arcgis工具，将目标地理区域划分成l×l大小的网格区域，对网格区域进行编号并计算网格区域的网格分值；

步骤3，根据目标营业厅的归属区域，筛选出目标地理区域中当前还在运营的已有营业厅，假设目标地理区域内的有p个还在运营的已有营业厅，对已有营业厅进行编号h1,h2,…,hp；

步骤4，计算步骤3选出已有营业厅的稳定业务量v1,v2,…,vp，稳定业务量v计算公式(5)如下：

其中，vi是第i个还在运营的已有营业厅稳定业务量，q是跟踪月数，vij为第i个还在运营的已有营业厅在第j月的实际业务量；

步骤5，使用arcgis工具或其他工具，将步骤3选出的运营的已有营业厅地址信息转化成坐标点(x1,y1),(x2,y2),…,(xp,yp)；

步骤6，确定步骤3选出的运营的已有营业厅所在的网格区域g1,g2,…,gp，具体方法可以为上述描述的目标营业厅所在的网格区域的确定方式。

步骤7，以l＝n*l为已有营业厅辐射半径，步骤6已有营业厅所在网格区域g1,g2,…,gp为基础，圈定每个运营的已有营业厅的第二辐射范围内的第二网格区域。根据辐射半径定义l＝n*l可知，每个运营的已有营业厅的第二辐射范围内的第二网格区域数量为n＝(2n+1)*(2n+1)。因此得到p个运营的已有营业厅的第二辐射范围内的网格序列(g11,g12,…,g1n),(g21,g22,…,g2n),…,(gp1,gp2,…,gpn)；

步骤8，使用平面两点距离公式，计算步骤7确定的第二网格区域与对应辐射已有营业厅的距离，第二网格区域与已有营业厅的距离定义为第二网格区域的中心点与已有营业厅所在网格区域的中心点之间的距离，其中已有营业厅所在的网格区域与本身的距离定义为l0＝l/10。得到运营营业厅的第二辐射范围内的网格与营业厅距离序列(d11,d12,…,d1n),(d21,d22,…,d2n),…,(dp1,dp2,…,dpn)。平面两点之间的距离公式(6)如下：

其中，pa，pb是平面中的两点，坐标分别为(xa,ya)和(xb,yb)。

步骤9，根据步骤8运营的已有营业厅与第二辐射范围内的第二网格区域的距离从小到大的顺序重新排序步骤7和8得到的运营的已有营业厅的第二辐射范围内的第二网格区域序列及对应的距离序列，与已有营业厅距离相等的第二网格区域按照顺时针方向(上、右、下、左)确定排序顺序。得到的重新排序的网格序列和距离序列，可以沿用原来的标记方法(g11,g12,…,g1n),(g21,g22,…,g2n),…,(gp1,gp2,…,gpn)和(d11,d12,…,d1n),(d21,d22,…,d2n),…,(dp1,dp2,…,dpn)，其中di1<＝di2<＝…<＝din，i＝1,2,…,p。按照已有营业厅与第二网格区域之间距离的定义可知第二网格区域g1j,g2j,…,gpj分别到其辐射已有营业厅h1,h2,…,hp的距离相等，即d1j＝d2j＝…＝dpj，j＝1,2,…,n。

步骤10，根据步骤2、9中第二网格区域的网格分值和第二网格区域到辐射已有营业厅的距离，计算步骤9网格序列中第二网格区域对已有营业厅的第二业务量影响因子，记为(f11,f12,…,f1n),(f21,f22,…,f2n),…,(fp1,fp2,…,fpn)。第二业务量影响因子计算方法如下：

如果一个第二网格区域只在一个运营的已有营业厅的第二辐射范围内，则该第二网格区域对其辐射的已有营业厅的第二业务量影响因子是网格分值除以该第二网格区域与已有营业厅距离，即：

fij＝ij/dij(7)

其中ij是第i营业厅辐射范围内第j个网格指数；

如果一个第二网格区域同时在两个或两个以上已有营业厅的第二辐射范围内，假设第二网格区域j在p0个运营营业厅h1,h2,…hp0辐射范围内，则该第二网格区域对其中第i个已有营业厅影响因子为：

步骤11，将第二业务量影响因子按照网格离营业厅距离从近到远顺序排序。

h1(v1:f11,f12,…,f1n),h2(v2:f21,f22,…,f2n),…,hp(vp:fp1,fp2,…,fpn)如步骤9所述，运营的已有营业厅辐射范围内的网格区域序列(g11,g12,…,g1n),(g21,g22,…,g2n),…,(gp1,gp2,…,gpn)中排在每个子序列相同位置的网格区域到对应的辐射营业厅的距离相等，即网格区域g1j,g2j,…,gpj(j＝1,2,…,n)分别到其辐射营业厅h1,h2,…,hp的距离相等。因此，根据网格区域在子序列中的位置序号，可以定义n个变量g1,g2,…,gn，将这n个变量作为自变量，运营的已有营业厅业务量作为自变量，以hi(vi:fi1,fi2,…,fin)，i＝1,2,…,p为样本数据，建立回归预测模型。线性回归预测模型结果如下：

v＝a1g1+a2g2+…+angn+a0(9)

其中，gj是运营的已有营业厅网格序列中第j位置的网格定义的自变量，aj第j个自变量系数，a0是常量。

除了线性回归，还可以采用广义回归、神经网络回归、支持向量机等各种回归分析算法进行建模。

在本发明实施例中，定义了网格区域对辐射营业厅的影响因子，从而建立网格区域与营业厅业务量之间的关系模型，利用该关系模型，是预测的目标营业厅的业务量不仅包括了目标营业厅运营后分流其周边其它渠道的业务量，也包括了目标营业厅的设立和宣传而新增加的业务量。

图5是本发明实施例提供的营业厅业务规模预测装置的结构示意图。如图5所述，本发明实施例提供的营业厅业务规模预测装置包括以下模块：

第一网格区域确定模块201，用于根据目标营业厅的位置信息，确定目标营业厅的第一辐射范围内的多个第一网格区域；其中，多个第一网格区域为基于对位置信息对应的目标地理区域进行网格化划分确定的；

网格分值确定模块202，用于根据各个第一网格对应的业务指标及业务指标权重，确定各个第一网格区域的网格分值；

第一业务量影响因子确定模块203，用于根据各个第一网格区域的网格分值，以及目标营业厅与各个第一网格区域之间的距离，确定各个第一网格区域对目标营业厅的第一业务量影响因子；

预测模块204，用于将多个第一业务量影响因子输入预先建立的业务量预测模型，得到目标营业厅的业务量预测结果。

本发明实施例提供的营业厅业务规模预测装置，基于网格和大数据技术，先确定网格及网格对业务量的影响分值，之后将网格分值转化成网格对营业厅业务量的影响因子，从而建立营业厅业务量及辐射范围内网格之间的关系。本发明能够提高营业厅业务规模预测的准确性。

在一个实施方式中，第一网格区域确定模块201具体用于：

根据目标营业厅的位置信息，确定目标营业厅所在的网格区域；

根据目标营业厅所在的网格区域，确定目标营业厅的第一辐射范围内的多个第一网格区域；其中，第一辐射范围为以目标营业厅所在的网格区域为中心，以第一预设长度为半径的范围。

在本发明实施例中，能够准确确定目标营业厅的第一辐射范围内的多个第一网格区域，进而提高目标营业厅业务规模预测的准确性。

在一个实施方式中，第一业务量影响因子确定模块203具体用于：

目标营业厅与各个第一网格区域之间的距离包括目标营业厅所在的网格区域的中心点与各个第一网格区域的中心点之间的距离。

在本发明实施例中，可以更准确的确定各个第一网格区域对目标营业厅的第一业务量影响因子。

在一个实施方式中，预测模块204具体用于：

业务量预测模型为根据目标营业厅所属地理区域内的已有营业厅的业务量及第二网格区域对已有营业厅的第二业务量影响因子而建立的预测模型；其中，第二网格区域为已有营业厅的第二辐射范围内的网格区域，第二辐射范围为以已有营业厅所在的网格区域为中心，以第二预设长度为半径的范围。

在本发明实施例中，基于当前正在运营的已有营业厅业务量建立业务量预测模型，使得前期数据的搜集变得更加的简便和可能。

在一个实施方式中，预测模块204具体用于：

根据各个第二网格区域的网格分值，以及已有营业厅与各个第二网格区域之间的距离，确定各个第二网格区域对已有营业厅的第二业务量影响因子；

以已有营业厅的业务量及各个第二业务量影响因子为样本数据，利用预设算法建立业务量预测模型。

在本发明实施例中，定义了网格区域对辐射营业厅的影响因子，从而建立网格区域与营业厅业务量之间的关系模型，利用该关系模型，是预测的目标营业厅的业务量不仅包括了目标营业厅运营后分流其周边其它渠道的业务量，也包括了目标营业厅的设立和宣传而新增加的业务量。

在一个实施方式中，预测模块204具体用于：

根据已有营业厅的位置信息，确定已有营业厅所在的网格区域；其中，若与已有营业厅最近的网格区域的数量存在多个，则按照预设规则确定已有营业厅所在的网格区域。

根据本发明实施例提供的营业厅所在网格区域的确定方式，能够遍历所有网格区域，避免不同的营业厅所在网格区域都为同一个，进而能够提高营业厅业务量预测的准确性。

在一个实施方式中，第一网格区域确定模块201具体用于：

对目标地理区域进行网格化划分，得到多个网格区域；

根据各个网格区域对应的业务指标及业务指标权重，确定各个网格区域的网格分值；

根据网格分值最大的网格区域，确定目标营业厅的位置信息。

在本发明实施例中，以网格分值作为目标营业厅的选址依据，能够提高目标营业厅的业务量，并降低成本。

图6是本发明实施例提供的营业厅业务规模预测设备的结构示意图。

在营业厅业务规模预测设备可以包括处理器301以及存储有计算机程序指令的存储器302。

具体地，上述处理器301可以包括中央处理器(cpu)，或者特定集成电路(applicationspecificintegratedcircuit，asic)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(harddiskdrive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存或者两个或更多个以上这些的组合。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种营业厅业务规模预测方法。

在一个示例中，营业厅业务规模预测设备还可包括通信接口303和总线310。其中，如图6所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将营业厅业务规模预测设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

该营业厅业务规模预测设备可以执行本发明实施例中的营业厅业务规模预测方法，从而实现结合图1和图5描述的营业厅业务规模预测方法和装置。

另外，结合上述实施例中的营业厅业务规模预测方法，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种营业厅业务规模预测方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。