信息预测方法、装置以及电子设备与流程

1.本公开涉及数据处理技术领域，尤其涉及地图技术领域，具体涉及一种信息预测方法、装置以及电子装置。


背景技术：

2.在相关技术中，通常采用人工评估的方式对某一位置商铺的营业额进行预测，但该方法对评估人的专业性要求极强，评估耗费的人力物力成本巨大，且评估结果没有足够的数据作为支撑。


技术实现要素：

3.本公开提供了一种信息预测方法、装置以及电子设备。
4.根据本公开的一方面，提供了一种信息预测方法，包括：确定待预测的目标商铺以及目标商铺位置；获取目标商铺位置的地理环境信息；获取地理环境信息对应的目标人群信息；获取目标商铺位置的商业模式信息；基于目标人群信息以及商业模式信息，预测目标商铺在目标商铺位置的目标信息。
5.可选地，获取目标商铺位置的地理环境信息，包括：获取目标商铺位置预定范围内的道路地图数据和兴趣面地图数据以及目标商铺位置对应的室内地图数据；基于道路地图数据，兴趣面地图数据和室内地图数据，生成地理环境信息。
6.可选地，基于目标人群信息以及商业模式信息，预测目标商铺在目标商铺位置的目标信息，包括：基于目标人群信息，预测目标商铺在目标商铺位置的客流量；基于商业模式信息，预测目标商铺在目标商铺位置的客单价；基于目标商铺在目标商铺位置的客流量，以及目标商铺在目标商铺位置的客单价，得到目标商铺在目标商铺位置的目标信息。
7.可选地，基于目标人群信息，预测目标商铺在目标商铺位置的客流量，包括：基于目标人群信息，预测目标商铺所在商业区的人流量；基于目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。
8.可选地，基于目标人群信息，预测目标商铺所在商业区的人流量，包括：在目标人群信息包括：预定历史时间段内进入商业区的历史人流量的情况下，基于历史人流量预测目标商铺所在商业区的人流量。
9.可选地，基于目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量，包括：统计多个用户模型下，预定历史时间段内选择目标商铺的历史人流量占预定历史时间段内所在商业区的历史人流量的占比，其中，多个不同的用户模型对应不同的人群信息类型；获取多个用户模型分别对应的权重系数；基于多个用户模型分别对应的占比，多个用户模型分别对应的权重系数，以及目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。
10.可选地，基于商业模式信息，预测目标商铺在目标商铺位置的客单价，包括：在商业模式信息包括业态分布的情况下，获取在预定历史时间段内各个业态下目标商铺所在商
业区的客单价；基于在预定历史时间段内各个业态下目标商铺所在商业区的客单价，预测目标商铺在目标商铺位置的客单价。
11.根据本公开的另一方面，提供了一种信息预测装置，包括：确定模块，用于确定待预测的目标商铺以及目标商铺位置；第一获取模块，用于获取目标商铺位置的地理环境信息；第二获取模块，用于获取地理环境信息对应的目标人群信息；第三获取模块，用于获取目标商铺位置的商业模式信息；预测模块，用于基于目标人群信息以及商业模式信息，预测目标商铺在目标商铺位置的目标信息。
12.可选地，第一获取模块包括：第一获取单元，用于获取目标商铺位置预定范围内的道路地图数据和兴趣面地图数据以及目标商铺位置对应的室内地图数据；第一生成单元，用于基于道路地图数据，兴趣面地图数据和室内地图数据，生成地理环境信息。
13.可选地，预测模块包括：第一预测单元，用于基于目标人群信息，预测目标商铺在目标商铺位置的客流量；第二预测单元，用于基于商业模式信息，预测目标商铺在目标商铺位置的客单价；第一确定单元，用于基于目标商铺在目标商铺位置的客流量，以及目标商铺在目标商铺位置的客单价，得到目标商铺在目标商铺位置的目标信息。
14.可选地，第一预测单元，包括：第三预测单元，用于基于目标人群信息，预测目标商铺所在商业区的人流量；第四预测单元，用于基于目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。
15.可选地，第三预测单元包括：第五预测单元，用于在目标人群信息包括：预定历史时间段内进入商业区的历史人流量的情况下，基于历史人流量预测目标商铺所在商业区的人流量。
16.可选地，第四预测单元包括：统计单元，用于统计多个用户模型下，预定历史时间段内选择目标商铺的历史人流量占预定历史时间段内所在商业区的历史人流量的占比，其中，多个不同的用户模型对应不同的人群信息类型；第二获取单元，用于获取多个用户模型分别对应的权重系数；第六预测单元，用于基于多个用户模型分别对应的占比，多个用户模型分别对应的权重系数，以及目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。
17.可选地，第二预测单元包括：第三获取单元，用于在商业模式信息包括业态分布的情况下，获取在预定历史时间段内各个业态下目标商铺所在商业区的客单价；第七预测单元，用于基于在预定历史时间段内各个业态下目标商铺所在商业区的客单价，预测目标商铺在目标商铺位置的客单价。
18.根据本公开的还一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行任一项上述的方法。
19.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行任一项上述的方法。
20.根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现任一项上述的方法。
21.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.附图用于更好地理解本方案，不构成对本公开的限定。其中：
23.图1是根据本公开实施例提供的信息预测方法的流程图；
24.图2是根据本公开可选实施方式提供的商业区流量测算系统的整体构成示意图；
25.图3是根据本公开可选实施方式提供的业务实现流程图；
26.图4是根据本公开实施例提供的信息预测装置的结构框图；
27.图5是用来实现本公开实施例的信息预测方法的电子设备的框图。
具体实施方式
28.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
29.术语说明
30.兴趣面(area of interest，简称aoi)，即信息面，也叫兴趣面。指的是地图数据中的区域状的地理实体。aoi包含四项基本信息，主要用于在地图中表达区域状的地理实体，如一个居民小区、一所大学、一个写字楼、一个产业园区、一个综合商场、一个医院、一个景区或一个体育馆等等。
31.数字孪生，指充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
32.业态，指业务经营的形式、状态。
33.在本公开实施例中，提供了一种信息预测方法，图1是根据本公开实施例提供的信息预测方法的流程图，如图1所示，该流程图包括如下步骤：
34.步骤s102，确定待预测的目标商铺以及目标商铺位置；
35.步骤s104，获取目标商铺位置的地理环境信息；
36.步骤s106，获取地理环境信息对应的目标人群信息；
37.步骤s108，获取目标商铺位置的商业模式信息；
38.步骤s110，基于目标人群信息以及商业模式信息，预测目标商铺在目标商铺位置的目标信息。
39.通过上述步骤，根据获取得到的目标商铺，目标商铺位置，地理环境信息，目标人群信息以及商业模式信息，就可以多角度地、全面地、直接地预测出目标商铺在目标商铺位置的目标信息，而不需要人为地进行操作或评估，同时，该信息预测方式适用性很好，已建成的商铺和未建成的商铺都可以应用，还可以完成对整个商场的整体预测，其中，目标信息可以包括目标商铺在目标位置处的营业额，通过对营业额进行预测，就可以实现低成本、高效率进行商铺选址或经营策略调整等，使得资源浪费降低。
40.作为一种可选的实施例，获取目标商铺位置的地理环境信息，可以采用以下方式：获取目标商铺位置预定范围内的道路地图数据和兴趣面地图数据以及目标商铺位置对应
的室内地图数据；基于道路地图数据，兴趣面地图数据和室内地图数据，生成地理环境信息。利用道路地图数据，兴趣面地图数据和室内地图数据生成地理环境信息，可以获取目标商铺所属区域范围内多方面的信息数据，使得后续在利用地理环境信息获取进一步的信息以及进行预测时，可以确保有足够的、有效的数据作为支撑，使得获取的信息及预测结果可以更加真实可靠。
41.作为一种可选的实施例，基于目标人群信息以及商业模式信息，预测目标商铺在目标商铺位置的目标信息，可以采用以下方式：基于目标人群信息，预测目标商铺在目标商铺位置的客流量；基于商业模式信息，预测目标商铺在目标商铺位置的客单价；基于目标商铺在目标商铺位置的客流量，以及目标商铺在目标商铺位置的客单价，得到目标商铺在目标商铺位置的目标信息。根据目标人群信息预测目标商铺的客流量，根据商业模式信息预测目标商铺的客单价，根据得到的预测结果，从客流量和客单价两种角度预测目标商铺在目标商铺位置的目标信息，并最大限度地保证了预测结果的准确性和可靠性。
42.作为一种可选的实施例，在基于目标商铺在目标商铺位置的客流量，以及目标商铺在目标商铺位置的客单价，得到目标商铺在目标商铺位置的目标信息时，可以采用多种方式，例如，可以基于客流量与客单价两者相结合，确定目标商铺在目标商铺位置的目标信息，其中，两者相结合的方式可以多种，例如，可以直接将两者作乘法，得到该目标信息；也可以单独对客流量，或者客单价设置一个权重，基于设置权重后得到的表示方式，将得到的表示方式进行上述乘法操作，得到该目标信息；还可以分别对客流量和客单价分别设置权重，基于设置权重后得到的表示方式，将两者分别得到的表示方式进行上述乘法操作，得到目标信息。
43.作为一种可选的实施例，基于目标人群信息，预测目标商铺在目标商铺位置的客流量，可以采用以下方式：基于目标人群信息，预测目标商铺所在商业区的人流量；基于目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。为保证客流量的预测结果足够准确，本可选实施例将针对目标商铺的客流量预测划分成两部分，即，先预测得到目标商铺所在商业区的人流量，就可以得到该商业区整体的人流量情况，进而再预测目标商铺在目标商业区中的相对人流量情况，也就是目标商铺的客流量，以提高目标商铺客流量的准确性。
44.作为一种可选的实施例，基于目标人群信息，预测目标商铺所在商业区的人流量，可以采用以下方式：在目标人群信息包括：预定历史时间段内进入商业区的历史人流量的情况下，基于历史人流量预测目标商铺所在商业区的人流量。根据历史人流量预测目标商铺所在商业区的人流量可以确保进行预测时的数据来源是真实有效的，进而提高客流量预测结果的准确性。
45.作为一种可选的实施例，基于目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量，可以采用以下方式：统计多个用户模型下，预定历史时间段内选择目标商铺的历史人流量占预定历史时间段内所在商业区的历史人流量的占比，其中，多个不同的用户模型对应不同的人群信息类型；获取多个用户模型分别对应的权重系数；基于多个用户模型分别对应的占比，多个用户模型分别对应的权重系数，以及目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。由于在进行客流量预测时，可以利用不同角度的用户特征来统计人流量，例如，出行方式，出行时间，出行地点，年龄和性别，消
费情况等等，因此，本公开可选实施例采用了多个用户模型以进行历史人流量的占比统计。根据商业区的营业情况和目标商铺的相关信息，设置各个用户模型的权重系数，结合各个用户模型的人流量占比和用户模型对应的权重系数，就可以提高目标商铺客流量预测结果的准确性。
46.作为一种可选的实施例，基于商业模式信息，预测目标商铺在目标商铺位置的客单价，可以采用以下方式：在商业模式信息包括业态分布的情况下，获取在预定历史时间段内各个业态下目标商铺所在商业区的客单价；基于在预定历史时间段内各个业态下目标商铺所在商业区的客单价，预测目标商铺在目标商铺位置的客单价。不同的目标商铺可以对应不同的经营类型，例如，零售，餐饮，娱乐，服务等等，通过确定目标商铺对应的经营类型以及目标商铺所在商业区的经营情况，就可以准确预测出目标商铺的客单价。
47.需要说明的是，本公开实施例是基于数字孪生技术实现的，由于数字孪生技术的特点，方案中所有数据来源均是真实、可靠、有效的，且会不断采集数据进行更新和反馈，使得预测结果越来越准确。
48.需要说明的是，本公开实施例可以对商铺的目标信息进行预测，也可以对商场整体的目标信息进行预测。
49.基于上述实施例及可选实施例，提供了一种可选实施方式，下面进行说明。
50.建设商场需要大量的人力物力投入，而一旦投入就不能轻易更改，如果建设地段不合理，那么会导致极大的资本浪费。
51.在相关技术中，通常是由开发商请专业团队进行选址和业态评估，但这种评估一方面对评估人员的专业性极强，且会耗费巨大的人力物力，另一方面，这种评估并没有真实有效的数据作为支撑，且每个地段都具有独特不可复制性，导致这类型的评估十分困难。
52.本公开可选实施方式提出了一种基于数字孪生进行商业区流量测算的系统和方法，通过数字孪生建设，可以在数字世界中进行模拟运营，通过大量的用户模型和现实数据的训练，能够对整个商场进行经营评估，同时还能对部分门店进行经营评估。一方面能够实现对已有商场的业态变更优化，另一方面也可以对未建成的商场进行数字孪生建模，并在数字世界中进行试运营，降低资本浪费，提高收益。
53.图2是根据本公开可选实施方式提供的商业区流量测算系统的整体构成示意图，如图2所示，该商业区流量测算系统包括以下三部分：数据采集系统、数据分析平台和用户使用终端。
54.1、整体构成：
55.(1)数据采集系统
56.1)道路采集系统：通过雷达相机建模，叠加互补金属氧化物半导体(complementary metal oxide semiconductor，简称为cmos)相机照片，并用全球定位系统(global positioning system，简称为gps)数据进行定位，制作道路地图；
57.2)兴趣面(area of interest，简称aoi)采集系统：通过全景相机拍摄以及采集人员的gps定位，基于轨迹路线和全景照片，制作aoi兴趣面数据，包含小区、办公楼、公园等不同的范围数据，并通过信息采集，记录aoi不同类型下的房价、占地面积、使用面积、楼高、人流量等信息；
58.3)室内图采集系统：通过雷达点云进行建模，叠加cmos相机照片，并用室内蓝牙及
gps联合定位的功能，实现高精度的室内地图制作；
59.4)测试人员采集终端：用于采集测试人员的出行方式、轨迹信息、消费记录、年龄和性别以及收入信息；
60.5)商场采集终端：包括红外线传感器、收银系统和租赁系统，其中，红外线传感器布置在商场各大出入口，用于检测商场人流量，收银系统用于检测不同业态的客流量和客单价，租赁系统用于统计不同业态的租金分布，其中，租金单价可代表户型的可能人流分布。
61.(2)数据分析平台：
62.1)地图制作：根据数据采集系统的1)、2)、3)，制作目标区域内的高精度的室内3d地图、aoi地图和道路地图；
63.2)用户模型：根据数据采集终端中采集得到的信息，建立用户的出行方式、起点分布、消费记录和基础信息等方面的用户画像；
64.3)人流量模型：根据目标区域的人流量总量及用户画像结果，估算人流潜力，并通过实际人流量进行校验，生成人流量模型；
65.4)商场模型：根据商场采集终端，建立商场的业态、租金占比、客流量、客单价的综合模型；
66.5)ai综合算法系统：根据上述四个模型，自动计算不同时段不同店铺的预期客流量和客单价。
67.(3)用户使用终端
68.1)数据输入模块：用于输入待预测时间段、待预测商铺名称，通过数据分析平台，测算该时段该商铺的可能客流量和客单价；
69.2)数据接收模块：用于接收来自数据分析平台的测算结果和模型数据；
70.3)数据展示模块：用于对测算结果和模型数据进行展示；
71.4)数据操作模块：用于更换商场内的部分商铺位置，可以获得新的客流量和客单价的数据。
72.2、业务实现
73.图3是根据本公开可选实施方式提供的业务实现流程图，如图3所示，该业务实现包括如下处理过程：
74.(1)数据准备：
75.1)地图制作：根据道路、aoi、室内图采集结果，分别生成道路、aoi、室内地图和导航功能；
76.2)完成商场模型建设：包含整体面积、承租面积、租客业态、租客分布、商场租赁情况、收银情况等；
77.3)完成测试人员的数据采集及用户模型建设；
78.4)完成人流量模型建设。
79.(2)实现逻辑：
80.1)用户在需要对指定商铺进行未来营业收入预测时，打开终端，输入商铺名称和需要预测的时段；
81.2)数据分析平台获取商铺名称和时段后，根据人流和人均单价的变化趋势，计算
整体的预测营业收入，并反馈给用户。具体的预测逻辑举例如下：
82.a)获取该商场的整体用户模型，例如该商场共有3个店铺，分别为a、b、c，其中，工作日每日平均人流量为3000人；
83.其中，在出行方式用户模型中，1000人出行方式为步行，步行中选择a店的为300人；1000人出行方式为公交，公交中选择a店的为500人；1000人出行方式为驾车，驾车中选择a店的为100人，同时此模型的决策常数为α；
84.其中，在出行时间用户模型中，500人出行时间为10min以内，选择a店的为100人；500人为10-30min，选择a店的为50人；2000人为》30min，选择a店的为1000人。同时此模型的决策常数为β；
85.其中，在起点用户模型中，1500人为住宅，选择a店的为500人；1000人为写字楼，选择a店为100人；500人为公园，选择a店的为100人。同时，此模型的决策常数为γ；
86.其余更多用户模型及其决策常数省略；
87.b)通过ai计算得到待预测时间段的预期人流及其在不同用户模型中的分布。根据a店的预期占比和决策常数即可算的a店的人流量，即针对不同的店铺，对用户模型中各个方面的用户画像结果进行加权，并将占比的加权结果结合人流量预测结果，就可以确定出店铺的在该时段的预计客流量；
88.c)通过商场模型，预测该店铺的客单价；
89.d)根据预测得到的客流量和客单价，确定出预测结果，即店铺在预计时段内的营业收入情况；
90.3)在用户页面展示用户信息、人流量信息、商场业态信息和预测结果；
91.4)用户可以对数据进行点击、关闭、导出等操作。
92.在本公开实施例中，还提供了一种信息预测装置，图4是根据本公开实施例提供的信息预测装置的结构框图，如图4所示，该装置包括：确定模块41，第一获取模块42，第二获取模块43，第三获取模块44，预测模块45，下面对该装置进行说明。
93.确定模块41，用于确定待预测的目标商铺以及目标商铺位置；第一获取模块42，连接至上述确定模块41，用于获取目标商铺位置的地理环境信息；第二获取模块43，连接至上述第一获取模块42，用于获取地理环境信息对应的目标人群信息；第三获取模块44，连接至上述第二获取模块43，用于获取目标商铺位置的商业模式信息；预测模块45，连接至上述第三获取模块44，用于基于目标人群信息以及商业模式信息，预测目标商铺在目标商铺位置的目标信息。
94.作为一种可选的实施例，第一获取模块42包括：第一获取单元，用于获取目标商铺位置预定范围内的道路地图数据和兴趣面地图数据以及目标商铺位置对应的室内地图数据；第一生成单元，用于基于道路地图数据，兴趣面地图数据和室内地图数据，生成地理环境信息。
95.作为一种可选的实施例，预测模块45包括：第一预测单元，用于基于目标人群信息，预测目标商铺在目标商铺位置的客流量；第二预测单元，用于基于商业模式信息，预测目标商铺在目标商铺位置的客单价；第一确定单元，用于基于目标商铺在目标商铺位置的客流量，以及目标商铺在目标商铺位置的客单价，得到目标商铺在目标商铺位置的目标信息。
96.作为一种可选的实施例，第一预测单元包括：第三预测单元，用于基于目标人群信息，预测目标商铺所在商业区的人流量；第四预测单元，用于基于目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。
97.作为一种可选的实施例，第三预测单元包括：第五预测单元，用于在目标人群信息包括：预定历史时间段内进入商业区的历史人流量的情况下，基于历史人流量预测目标商铺所在商业区的人流量。
98.作为一种可选的实施例，第四预测单元包括：统计单元，用于统计多个用户模型下，预定历史时间段内选择目标商铺的历史人流量占预定历史时间段内所在商业区的历史人流量的占比，其中，多个不同的用户模型对应不同的人群信息类型；第二获取单元，用于获取多个用户模型分别对应的权重系数；第六预测单元，用于基于多个用户模型分别对应的占比，多个用户模型分别对应的权重系数，以及目标商铺所在商业区的人流量，预测目标商铺在目标商铺位置的客流量。
99.作为一种可选的实施例，第二预测单元包括：第三获取单元，用于在商业模式信息包括业态分布的情况下，获取在预定历史时间段内各个业态下目标商铺所在商业区的客单价；第七预测单元，用于基于在预定历史时间段内各个业态下目标商铺所在商业区的客单价，预测目标商铺在目标商铺位置的客单价。
100.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
101.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
102.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
103.如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
104.电子设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
105.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，
例如信息预测方法。例如，在一些实施例中，信息预测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的信息预测方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息预测方法。
106.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
107.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
108.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
109.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
110.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网
(lan)、广域网(wan)和互联网。
111.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
112.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
113.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。