一种自动售货机的备货方法、装置及存储介质与流程

1.本发明涉及计算机程序设计技术领域，具体涉及一种自动售货机的备货方法、装置及存储介质。


背景技术：

2.现有技术中，零售自动售货机销售数据仅能代表已有货物销售情况，但可能存在用户需求变化或用户可选择商品较少，所以基于销售数据生产的备货数据并不一定是用户喜欢的商品，可能是由于没有可选择的余地，用户不得不选择了自己不喜欢的商品。
3.因此，现有技术中的自动售货机的备货算法存在缺陷，其不能提供使得用户较为满意的备货方案，进而影响了用户体验，这是现有技术的缺陷。


技术实现要素：

4.本发明针对上述现有技术中一个或多个技术缺陷，提出了如下技术方案。
5.一种自动售货机的备货方方法，该方法包括：采集步骤，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；分类步骤，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；计算步骤，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；生成步骤，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
6.更进一步地，在所述采集步骤中，所述摄像头为ai摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。
7.更进一步地，在所述分类步骤中，基于所述m种商品将所述购买行为数据分为m个集合cs1、cs2
……
csm，每个集合对应一种商品的购买行为数据。
8.更进一步地，在所述计算步骤中，基于m个购买行为数据集合cs1、cs2
……
csm对应计算m个购买难度指数集合ds1、ds2
……
dsm，令dsi=[s1,s2,s3,...sn]，其中，dsi表示第i种商品的购买难度指数集合，1≤i≤m，s1,s2,s3,
……
sn表示n个用户分别购买第i种商品的难度指数；其中，sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；对每一个购买难度指数集合dsi计算标准差：；将所述进行归一化得到；
基于所述计算每种商品的备货数量权重：=n/(1+)；基于每种商品的备货数量权重计算每种商品的备货比例：=；基于每种商品的备货比例计算每种商品的备货数量：，其中，q为自动售货机装满货品后所有商品的总数量。
[0009]
更进一步地，得到每种商品的标准差后，判断该种商品的标准差是否大于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初始值。
[0010]
本发明还提出了一种自动售货机的备货装置，该装置包括：采集单元，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；分类单元，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；计算单元，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；生成单元，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
[0011]
更进一步地，在所述采集单元中，所述摄像头为ai摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。
[0012]
更进一步地，在所述分类单元中，基于所述m种商品将所述购买行为数据分为m个集合cs1、cs2
……
csm，每个集合对应一种商品的购买行为数据。
[0013]
更进一步地，在所述计算单元中，基于m个购买行为数据集合cs1、cs2
……
csm对应计算m个购买难度指数集合ds1、ds2
……
dsm，令dsi=[s1,s2,s3,...sn]，其中，dsi表示第i种商品的购买难度指数集合，1≤i≤m，s1,s2,s3,
……
sn表示n个用户分别购买第i种商品的难度指数；其中，sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；对每一个购买难度指数集合dsi计算标准差：；将所述进行归一化得到；基于所述计算每种商品的备货数量权重：=n/(1+)；基于每种商品的备货数量权重计算每种商品的备货比例：
=；基于每种商品的备货比例计算每种商品的备货数量：，其中，q为自动售货机装满货品后所有商品的总数量。更进一步地，得到每种商品的标准差后，判断该种商品的标准差是否大于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初始值。
[0014]
本发明还提出了一种计算机可读存储介质，所述存储介质上存储有计算机程序代码，当所述计算机程序代码被计算机执行时执行上述之任一的方法。
[0015]
本发明的技术效果在于：本发明的一种自动售货机的备货方法、装置及存储介质，该方法包括：采集步骤s101，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；分类步骤s102，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；计算步骤s103，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；生成步骤s104，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。本发明中，基于摄像头自动售货机采集所有用户购买所述自动售货机上商品的购买行为数据，进而将用户购买行为数据基于商品种类划分为相应的集合，基于该集合计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量，然后再确定每种商品的备货列表后进行备货，由于采用大数据的方式进行用户备货列表的生成，提高了备货的精确度，提升了用户体验；本发明中，为了便于数据的处理，将m种商品将所述购买行为数据分为m个集合，每个集合中的数据可以使用数组或链表记录，从而便于后续的针对每种商品进行推荐数量的计算；本发明中，为了提高用户的体验，使得自动备货机准备的商品符合大部分人需求，设计上述具体的计算备货数量的方法，通过用户的购买行为数据计算每个用户购买每种商品的购买难度指数，计算难度指数的标准差后进行归一化计算，然后确定每种商品的备货数量权重，再基于备货数量权重计算每种商品的备货比例，最后确定备货数量，从而准备的货物符合大众的要求，避免了用户没有中意的商品，而不得不选择一种商品的情况，提升了用户体验，本发明中，当该种商品的标准差大于一预设阈值后，后续的备货权重等计算不再进行，直接使用初始值作为备选商品的备货数量，从而提高了推荐的准确性。
附图说明
[0016]
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显。
[0017]
图1是根据本发明的实施例的一种自动售货机的备货方法的流程图。
[0018]
图2是根据本发明的实施例的一种自动售货机的备货装置的结构图。
具体实施方式
[0019]
下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描
述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
[0020]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
[0021]
图1示出了本发明的一种自动售货机的备货方法，该方法包括：采集步骤s101，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；分类步骤s102，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；计算步骤s103，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量；生成步骤s104，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
[0022]
本发明中，基于摄像头自动售货机采集所有用户购买所述自动售货机上商品的购买行为数据，比如一天时间段内、一周时间段内，从而基于大数据进行用户购买行为的分析，进而将用户购买行为数据基于商品种类划分为相应的集合，基于该集合计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量，然后再确定每种商品的备货列表后进行备货，由于采用大数据的方式进行用户备货列表的生成，提高了备货的精确度，提升了用户体验，这是本发明的重要发明点之一。
[0023]
在一个实施例，在所述采集步骤s101中，所述摄像头为ai摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。由于ai摄像头内置智能运算芯片，ai摄像头具备智能分区检测、实时移动追踪等功能。可以自动捕获移动的人员和物体，并对其进行追踪拍摄。因此，本发明中采用ai摄像头识别同一用户，然后自动售货机记录下来用户的购买行为数据，自动售货机上内置了计算机用于采集用户购买行为数据，可以在本地计算机处理，也可以发送至后台服务器进行处理。比如，通过ai摄像头检测到一用户来到自动售货机前，记录当前的时间t1，然后摄像头一直检测该用户的行为，记录该用户选择好商品后打开自动售货机柜门的时间t2，然后继续检测用户的动作，检测到用户选购商品后关上柜门，记录此时用户的关门时间t3，用户选购商品类型，可以通过商品的标识表示商品的类型，并记录商品的价格，商品的价格可以通过预置的商品类型与价格关系表中获取，用户购买时间t=t3-t1，将这些数据保存起来，用户后续的计算。
[0024]
在一个实施例，在所述分类步骤s102中，基于所述m种商品将所述购买行为数据分为m个集合cs1、cs2
……
csm，每个集合对应一种商品的购买行为数据。
[0025]
本发明中，为了便于数据的处理，将m种商品将所述购买行为数据分为m个集合，每个集合中的数据可以使用数组或链表记录，从而便于后续的针对每种商品进行推荐数量的计算，这是本发明的另一个重要发明点。
[0026]
在一个实施例，在所述计算步骤s103中，基于m个购买行为数据集合cs1、cs2
……
csm对应计算m个购买难度指数集合ds1、ds2
……
dsm，令dsi=[s1,s2,s3,...sn]，其中，dsi表示第i种商品的购买难度指数集合，1≤i≤m，s1,s2,s3,
……
sn表示n个用户分别购买第i种商品的难度指数；
其中，sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；对每一个购买难度指数集合dsi计算标准差： ；将所述进行归一化得到；基于所述计算每种商品的备货数量权重：=n/(1+)；基于每种商品的备货数量权重计算每种商品的备货比例：=；基于每种商品的备货比例计算每种商品的备货数量：，其中，q为自动售货机装满货品后所有商品的总数量。
[0027]
本发明中，为了提高用户的体验，使得自动备货机准备的商品符合大部分人需求，设计上述具体的计算备货数量的方法，通过用户的购买行为数据计算每个用户购买每种商品的购买难度指数，计算难度指数的标准差后进行归一化计算，然后确定每种商品的备货数量权重，再基于备货数量权重计算每种商品的备货比例，最后确定备货数量，从而准备的货物符合大众的要求，避免了用户没有中意的商品，而不得不选择一种商品的情况，提升了用户体验，该计算方法属于本发明的重要发明点之另一。
[0028]
在一个实施例中，得到每种商品的标准差后，判断该种商品的标准差是否大于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初始值。标准差越大，对应的购买难度指数越离散，这就要考虑换品类，并可以给相应的用户发送回访意见，或者推荐新的营销产品。如果标准差越小，说明此种商品深受客户喜爱，辅助运营人员大量备货。将备选商品的备货数量设置为一个初始值。初始值可以是q/m取整，也可以是q/2m取整，等等。即刚开始上一个新品可以先尝试较少的数量，看看用户的购买行为后再今天调整。当该种商品的标准差大于一预设阈值后，后续的备货权重等计算不再进行，直接使用初始值作为备选商品的备货数量，从而提高了推荐的准确性，这是本发明的另一个重要发明点。
[0029]
在生成步骤s104，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。自动售货机本地计算机或服务器将计算的备货数量减去对应的当前每种商品剩余数量后生成生成备货列表后发送至库房计算机进行备货。
[0030]
图2示出了本发明的一种自动售货机的备货装置，该装置包括：采集单元201，基于设置在所述自动售货机上的摄像头采集一时间段内的所有用户购买所述自动售货机上商品的购买行为数据，其中所述自动售货机包括m种商品；分类单元202，基于所述m种商品将所述购买行为数据分为m个集合，每个集合中的购买行为数据对应一种商品；计算单元203，基于所述m个集合中的购买行为数据计算每种商品的备货比例，基
于所述备货比例确定每种商品的备货数量；生成单元204，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。
[0031]
本发明中，基于摄像头自动售货机采集所有用户购买所述自动售货机上商品的购买行为数据，比如一天时间段内、一周时间段内，从而基于大数据进行用户购买行为的分析，进而将用户购买行为数据基于商品种类划分为相应的集合，基于该集合计算每种商品的备货比例，基于所述备货比例确定每种商品的备货数量，然后再确定每种商品的备货列表后进行备货，由于采用大数据的方式进行用户备货列表的生成，提高了备货的精确度，提升了用户体验，这是本发明的重要发明点之一。
[0032]
在一个实施例，在所述采集单元201中，所述摄像头为ai摄像头，所述购买行为数据包括用户购买时间t、商品种类和商品价格price。由于ai摄像头内置智能运算芯片，ai摄像头具备智能分区检测、实时移动追踪等功能。可以自动捕获移动的人员和物体，并对其进行追踪拍摄。因此，本发明中采用ai摄像头识别同一用户，然后自动售货机记录下来用户的购买行为数据，自动售货机上内置了计算机用于采集用户购买行为数据，可以在本地计算机处理，也可以发送至后台服务器进行处理。比如，通过ai摄像头检测到一用户来到自动售货机前，记录当前的时间t1，然后摄像头一直检测该用户的行为，记录该用户选择好商品后打开自动售货机柜门的时间t2，然后继续检测用户的动作，检测到用户选购商品后关上柜门，记录此时用户的关门时间t3，用户选购商品类型，可以通过商品的标识表示商品的类型，并记录商品的价格，商品的价格可以通过预置的商品类型与价格关系表中获取，用户购买时间t=t3-t1，将这些数据保存起来，用户后续的计算。
[0033]
在一个实施例，在所述分类单元202中，基于所述m种商品将所述购买行为数据分为m个集合cs1、cs2
……
csm，每个集合对应一种商品的购买行为数据。
[0034]
本发明中，为了便于数据的处理，将m种商品将所述购买行为数据分为m个集合，每个集合中的数据可以使用数组或链表记录，从而便于后续的针对每种商品进行推荐数量的计算，这是本发明的另一个重要发明点。
[0035]
在一个实施例，在所述计算单元203中，基于m个购买行为数据集合cs1、cs2
……
csm对应计算m个购买难度指数集合ds1、ds2
……
dsm，令dsi=[s1,s2,s3,...sn]，其中，dsi表示第i种商品的购买难度指数集合，1≤i≤m，s1,s2,s3,
……
sn表示n个用户分别购买第i种商品的难度指数；其中，sj＝t*price，t表示用户购买商品的购买时间，price表示商品价格；对每一个购买难度指数集合dsi计算标准差：；将所述进行归一化得到；基于所述计算每种商品的备货数量权重：=n/(1+)；基于每种商品的备货数量权重计算每种商品的备货比例：
=；基于每种商品的备货比例计算每种商品的备货数量：，其中，q为自动售货机装满货品后所有商品的总数量。
[0036]
本发明中，为了提高用户的体验，使得自动备货机准备的商品符合大部分人需求，设计上述具体的计算备货数量的方法，通过用户的购买行为数据计算每个用户购买每种商品的购买难度指数，计算难度指数的标准差后进行归一化计算，然后确定每种商品的备货数量权重，再基于备货数量权重计算每种商品的备货比例，最后确定备货数量，从而准备的货物符合大众的要求，避免了用户没有中意的商品，而不得不选择一种商品的情况，提升了用户体验，该计算方法属于本发明的重要发明点之另一。
[0037]
在一个实施例中，得到每种商品的标准差后，判断该种商品的标准差是否大于一预设阈值，如果是，将该种商品替换为备选商品，将备选商品的备货数量设置为一个初始值。标准差越大，对应的购买难度指数越离散，这就要考虑换品类，并可以给相应的用户发送回访意见，或者推荐新的营销产品。如果标准差越小，说明此种商品深受客户喜爱，辅助运营人员大量备货。将备选商品的备货数量设置为一个初始值。初始值可以是q/m取整，也可以是q/2m取整，等等。即刚开始上一个新品可以先尝试较少的数量，看看用户的购买行为后再今天调整。当该种商品的标准差大于一预设阈值后，后续的备货权重等计算不再进行，直接使用初始值作为备选商品的备货数量，从而提高了推荐的准确性，这是本发明的另一个重要发明点。
[0038]
在生成单元204，基于确定的每种商品的备货数量及所述自动售货机当前每种商品剩余数量生成备货列表后发送至库房计算机进行备货。自动售货机本地计算机或服务器将计算的备货数量减去对应的当前每种商品剩余数量后生成生成备货列表后发送至库房计算机进行备货。
[0039]
本发明一个实施例中提出了一种本地应用服务与浏览器的交互设备，所述设备包括处理器和存储器，所述处理器与所述处理器通过总线连接，所述存储器上存储有计算机程序，所述处理器执行所述存储器上的计算机程序时实现上述的方法，该设备可以是台式计算机、服务器、笔记本、智能终端等等。
[0040]
本发明一个实施例中提出了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，当所述计算机存储介质上的计算机程序被处理器执行时实现上述的方法，该计算机存储介质可以是硬盘、dvd、cd、闪存等等存储器。
[0041]
本发明的为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0042]
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例或者实施例的某些部分所述的装置。
[0043]
最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。