本说明书一个或多个实施例涉及数据处理领域，尤其涉及一种iot设备铺设量的确定方法、装置、设备和介质。
背景技术：
目前，关于物联网(internetofthings，iot)设备的应用越来越广泛。例如，iot设备可以为自助收银设备，既便利了消费者，也为商家提供了良好体验。
对于iot设备的铺设数量，iot设备的使用方一般自己随机选取，则会出现铺设数量不合理的现象。若iot设备的铺设量过高，则会增加iot设备使用方的成本，若iot设备的铺设量过低，则会降低消费者的消费体验。
技术实现要素：
本说明书一个或多个实施例提供一种iot设备铺设量的确定方法、装置、设备和介质，提高了iot设备铺设的合理性。
本说明书一个或多个实施例提供的技术方案如下：
第一方面，提供一种iot设备铺设量确定方法，包括：
获取门店的多个目标信息；
基于门店的多个目标信息，确定门店的目标iot设备铺设量；
其中，多个目标信息包括以下信息中的至少两种信息：
门店所属门店运营商的行业信息、门店运营商的位置信息、门店运营商的品牌信息、门店在预设时间段内的历史交易信息、门店中铺设的结算设备的数目。
第二方面，提供一种iot设备铺设量确定装置，包括：
目标信息获取模块，用于获取门店的多个目标信息；
第一确定模块，用于基于门店的多个目标信息，确定门店的目标iot设备铺设量；
其中，多个目标信息包括以下信息中的至少两种信息：
门店所属门店运营商的行业信息、门店运营商的位置信息、门店运营商的品牌信息、门店在预设时间段内的历史交易信息、门店中铺设的结算设备的数目。
第三方面，提供了一种计算设备，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本说明书实施例提供的iot设备铺设量确定方法。
第四方面，提供了一种计算机存储介质，计算机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本说明书实施例提供的iot设备铺设量确定方法。
根据本说明书实施例，利用门店的多个目标信息，确定门店的目标iot设备铺设量，综合考虑了影响门店的iot设备铺设量的多种因素，提高了对iot铺设的合理性。
附图说明
为了更清楚地说明本说明书一个或多个实施例的技术方案，下面将对本说明书一个或多个实施例中所需要使用的附图作简单地介绍，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为本说明书一个实施例提供的a门店运营商铺设iot设备的示意图；
图2为本说明书一个实施例提供的iot设备铺设量确定方法的流程示意图；
图3为本说明书一个实施例提供的铺设量计算模型的训练方法的流程示意图；
图4为本说明书另一实施例提供的iot设备铺设量确定方法的流程示意图；
图5为本说明书一个实施例提供的iot设备铺设量确定装置的结构示意图；
图6为本说明书一个实施例提供的计算设备的结构示意图。
具体实施方式
下面将详细描述本说明书的各个方面的特征和示例性实施例，为了使本说明书的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本说明书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说明书，并不被配置为限定本说明书。对于本领域技术人员来说，本说明书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说明书的示例来提供对本说明书更好的理解。
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。
图1示出a门店运营商铺设iot设备的场景示意图。如图1所示，a门店运营商在运营的2家门店(a1门店和a2门店)中共铺设了5台支付宝的iot设备。其中，a1门店中铺设了iot设备10和iot设备11，a2门店铺设了iot设备12、iot设备13和iot设备14。其中，门店运营商是指管理和运营具有相同属性的门店的运营机构。门店是指门店运营商的一个具体经营场所。
目前支付宝的iot设备投放有租赁和售卖两种方式。支付宝的iot设备可以为支付宝提供的收银装置，例如蜻蜓设备和自助收银设备等。租赁是指支付宝将iot设备提供给商户的一种方式，支付宝按月收取设备租金。若某门店运营商下的iot设备的动销率和动销笔数(即支付笔数)达到免租要求，则支付宝免收该门店运营商的租金。其中，iot设备上产生了支付行为，即为在该设备上产生了动销。其中，iot设备的动销率是指在预设时间段内门店运营商下产生动销的iot设备与门店运营商下铺设的所有iot设备的比值。
假设a1门店的人流量较大，在a1门店只铺设了2台iot设备，铺设的设备数偏小。则可能存在一部分a1门店的顾客本来可以使用iot设备支付，但由于没有铺设足够数量的iot设备，导致这些用户无法使用iot设备支付，会降低iot设备的支付渗透率。
a2门店的人流量较小，在a2门店铺设了3台iot设备，铺设的iot设备数偏大，则会导致部分多余的iot设备达不到动销要求。这就会导致支付宝向该iot设备的使用者收取租金，增加使用者的成本。因此，对每一个门店运营商，准确地确定一个合理的iot设备铺设数量，是非常重要的。
基于此，本说明书实施例提供一种iot设备铺设量确定方法，通过综合考虑门店的多个与iot设备铺设量相关的目标信息，来确定该门店的目标iot设备铺设量，考虑因素多，提高了对iot设备铺设量确定的合理性和准确性。
图2示出根据本说明书实施例的iot设备铺设量确定方法200的流程示意图。如图2所示，本说明书实施例提供的iot设备铺设量确定方法包括以下步骤：
s210，获取门店的多个目标信息。
s220，基于门店的多个目标信息，确定门店的目标iot设备铺设量。
其中，多个目标信息包括以下信息中的至少两种信息：门店所属门店运营商的行业信息、门店运营商的位置信息、门店运营商的品牌信息、门店在预设时间段内的历史交易信息、门店中铺设的结算设备的数目。
根据本说明书实施例，通过利用门店的多个与iot铺设量相关的目标信息，确定该门店的目标iot设备铺设量，综合考虑了影响门店的iot设备铺设量的多种因素，提高了对iot铺设的合理性和精准性。
本说明书实施例提供的iot设备铺设量可以精确地计算每个门店的iot铺设数量，可以实现门店运营商合理地对每个门店铺设iot设备。
下面分别介绍s210～s230中每个步骤的具体实现方式。
首先介绍s210的具体实现方式。作为一个示例，目标信息可以为门店运营商的行业信息、门店运营商的位置信息、门店运营商的品牌信息、门店在预设时间段内的历史交易信息或门店中铺设的结算设备的数目。
门店运营商的行业信息可以从预先获取的行业分类列表中进行查询。其中，需要说明的是，门店运营商的行业信息可以包括该门店运营商所属的主行业的行业信息和/或该门店运营商所属子行业的行业信息。
作为一个示例，门店运营商为肯德基的北京分公司，其所属的主行业为餐饮行业，其所属子行业为快消行业。
作为一个示例，门店运营商的品牌信息为该运营商所属品牌的品牌名称。
作为一个示例，门店在预设时间段内的历史交易信息可以为门店在预设时间段内的历史交易数目。
作为一个示例，结算设备可以为自助收银设备或人工收银设备。其中，结算设备的数目即是收银通道的个数。
在一些实施例中，在s220中，将门店的多个目标信息输入预先训练的铺设量计算模型，得到该门店的目标iot设备铺设量。
其中，铺设量计算模型是基于满足预设条件的样本门店的多个目标信息进行训练得到的。作为一个示例，样本门店为已经铺设了iot设备的门店，且样本门店中具有在预设时间段内动销笔数达到预设标准的iot设备。
下面介绍一下铺设量计算模型的训练过程。
首先获取训练样本集，训练样本集中包括每个样本门店所属门店运营商的行业信息、每个样本门店所属门店运营商的位置信息、每个样本门店所属门店运营商的品牌信息、每个样本门店在预设时间段内的历史交易信息和每个样本门店中铺设的结算设备的数目。
参见图3，对于每个样本门店，将该样本门店所属门店运营商的行业信息、该样本门店所属门店运营商的位置信息、该样本门店所属门店运营商的品牌信息、该样本门店在预设时间段内的历史交易信息、该样本门店中铺设的结算设备的数目输入待训练铺设量计算模型，得到每个样本门店对应的iot设备铺设量预测数目。
然后，基于每个样本门店的iot设备铺设量预测数目和每个样本门店的iot设备铺设量标签，调整待训练铺设量计算模型的参数。需要说明的是，样本门店的铺设量标签是指该样本门店中预设时间段内动销笔数达到预设标准的iot设备的总数目。
判断是否满足预设训练条件，若不满足，继续利用训练样本集对调整后的铺设量计算模型进行迭代训练，直至满足预设训练条件，得到训练后的铺设量计算模型。
在本说明书的一个实施例中，预设训练条件包括迭代次数达到预设次数阈值。
在本说明书的另一个实施例中，预设训练条件包括待训练铺设量计算模型的损失函数值与上一次迭代过程中确定的损失函数值之间的差值不超过预设差值阈值。也就是说待训练铺设量计算模型的损失函数值与上一次迭代过程中计算的损失函数值较为接近，则可以认为训练出的铺设量计算模型的性能已达到最佳。
在本说明书的一个或多个实施例中，铺设量计算模型为以下模型中的任意一种模型：线性回归模型、随机森林模型、支持向量机回归模型、神经网络回归模型以及梯度提升迭代决策树回归模型。
参见图4，对于需要计算iot铺设量的门店运营商，对于该门店运营商中的每个门店，将该门店运营商的行业信息、该门店运营商的位置信息、该门店运营商的品牌信息、该门店在预设时间段内的历史交易笔数、该门店中的收银通道数输入预先训练好的铺设量计算模型，可以得出每个门店需要铺设的iot设备数量，即每个门店的目标iot设备铺设量。
通过利用机器学习的方法，而不是靠根据经验的估计和猜测，可以提高门店运营商的iot设备的铺设数量的计算的准确性和效率。
在一些实施例中，将门店运营商下每个门店的目标iot设备铺设量进行求和，得到目标和值；将目标和值可以作为门店运营商的目标iot设备铺设量。
也就是说，将每个门店的目标iot设备铺设量加起来得到门店运营商的目标iot设备铺设量。
在本说明书的一些实施例中，为了提高门店运营商的良好体验，iot设备铺设量确定方法还包括：根据门店运营商的目标iot设备铺设量，确定门店运营商的iot设备铺设方案。
作为一个示例，在门店运营商未铺设iot设备的情况下，铺设方案为在门店运营商铺设m个iot设备，m等于门店运营商的目标iot设备铺设量。
也就是说，如果门店运营商未铺设iot设备，则按照计算出的该门店运营商的目标iot设备铺设量为该门店运营商下的每个门店铺设iot设备。
作为一个示例，按照计算的门店运营商下每个门店的目标iot铺设量为每个门店铺设iot设备。
在另一些实施例中，在门店运营商已铺设iot设备的情况下，获取门店运营商的实际iot设备铺设量。
若门店运营商的实际iot设备铺设量小于门店运营商的目标iot设备铺设量，则铺设方案为在门店运营商增加n个iot设备。n为门店运营商的目标iot设备铺设量减去门店运营商的实际iot设备铺设量之后得到的差值。
继续参见图4，若门店运营商的实际iot设备铺设量小于门店运营商的目标iot设备铺设量，则代表该门店运营商的当前iot设备铺设数量不足，即偏小，则可以补充n台iot设备。
具体地，由于门店运营商下每个门店的目标iot设备铺设量已经得到，因此可以明确每个门店应该补充几台iot设备。
若门店运营商的实际iot设备铺设量大于门店运营商的目标iot设备铺设量，则铺设方案为从门店运营商撤掉p个iot设备，p为门店运营商的实际iot设备铺设量减去门店运营商的目标iot设备铺设量之后得到的差值。其中，m，n和p均为正整数。
继续参见图4，若门店运营商的实际iot设备铺设量大于门店运营商的目标iot设备铺设量，则代表该门店运营商的当前iot设备铺设数量超出，即偏大，则可以撤出p台iot设备。
具体地，由于门店运营商下每个门店的目标iot设备铺设量已经得到，因此可以明确每个门店应该撤出几台iot设备。
在本说明书的实施例中，通过结合门店运营商的实际iot设备铺设量以及该门店运营商的目标iot设备铺设量，可以为该门店运营商给予合理的铺设方案，不用人工去设计铺设方案，效率更高，合理性更强。
图5示出了根据本说明书一实施例提供的iot设备铺设量装置的结构示意图。如图5所示，iot设备铺设量装置500包括：
目标信息获取模块510，用于获取门店的多个目标信息。
第一确定模块520，用于基于门店的多个目标信息，确定门店的目标iot设备铺设量。
其中，多个目标信息包括以下信息中的至少两种信息：门店所属门店运营商的行业信息、门店运营商的位置信息、门店运营商的品牌信息、门店在预设时间段内的历史交易信息、门店中铺设的结算设备的数目。
根据本说明书实施例，通过利用门店的多个与iot铺设量相关的信息，确定该门店的目标iot设备铺设量，综合考虑了影响门店的iot设备铺设量的多种因素，提高了对iot铺设的合理性。
在本说明书的实施例中，第一确定模块520用于：
将门店的多个目标信息输入预先训练的铺设量计算模型，得到门店的目标iot设备铺设量。
其中，铺设量计算模型是基于满足预设条件的样本门店的多个目标信息进行训练得到的。
在本说明书的实施例中，铺设量计算模型为以下模型中的任意一种模型：
线性回归模型、随机森林模型、支持向量机回归模型、神经网络回归模型以及梯度提升迭代决策树回归模型。
根据本说明书实施例的iot设备铺设量确定装置的其他细节与以上结合图2至图4描述的根据本说明书实施例的iot设备铺设量确定类似，在此不再赘述。
结合图2至图5描述的根据本说明书实施例的iot设备铺设量确定方法和装置可以由计算设备600来实现。图6是示出根据说明书实施例的计算设备的硬件结构600示意图。
如图6所示，计算设备600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与计算设备600的其他组件连接。
具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606；输出设备606将输出信息输出到计算设备600的外部供用户使用。
也就是说，图6所示的计算设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图2至图5描述的iot设备铺设量确定方法和装置。
本说明书实施例还提供一种计算机存储介质，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本说明书实施例提供的iot设备铺设量确定方法。
以上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，本说明书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，本说明书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，本说明书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，仅为本说明书的具体实施方式，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，本说明书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说明书揭露的技术范围内，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说明书的保护范围之内。
1.一种物联网iot设备铺设量确定方法，其特征在于，所述方法包括：
获取门店的多个目标信息；
基于所述门店的多个目标信息，确定所述门店的目标iot设备铺设量；
其中，所述多个目标信息包括以下信息中的至少两种信息：
所述门店所属门店运营商的行业信息、所述门店运营商的位置信息、所述门店运营商的品牌信息、所述门店在预设时间段内的历史交易信息、所述门店中铺设的结算设备的数目。
2.根据权利要求1所述的方法，其特征在于，所述基于所述门店的多个目标信息，确定所述门店的目标iot设备铺设量，包括：
将所述门店的多个目标信息输入预先训练的铺设量计算模型，得到所述门店的目标iot设备铺设量；
其中，所述铺设量计算模型是基于满足预设条件的样本门店的多个目标信息进行训练得到的。
3.根据权利要求2所述的方法，其特征在于，所述模型为以下模型中的任意一种模型：
线性回归模型、随机森林模型、支持向量机回归模型、神经网络回归模型以及梯度提升迭代决策树回归模型。
4.一种物联网iot设备铺设量确定装置，其特征在于，所述装置包括：
目标信息获取模块，用于获取门店的多个目标信息；
第一确定模块，用于基于所述门店的多个目标信息，确定所述门店的目标iot设备铺设量；
其中，所述多个目标信息包括以下信息中的至少两种信息：
所述门店所属门店运营商的行业信息、所述门店运营商的位置信息、所述门店运营商的品牌信息、所述门店在预设时间段内的历史交易信息、所述门店中铺设的结算设备的数目。
5.根据权利要求4所述的装置，其特征在于，所述第一确定模块用于：
将所述门店的多个目标信息输入预先训练的铺设量计算模型，得到所述门店的目标iot设备铺设量；
其中，所述铺设量计算模型是基于满足预设条件的样本门店的多个目标信息进行训练得到的。
6.根据权利要求5所述的装置，其特征在于，所述模型为以下模型中的任意一种模型：
线性回归模型、随机森林模型、支持向量机回归模型、神经网络回归模型以及梯度提升迭代决策树回归模型。
7.一种计算设备，其特征在于，所述计算设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-3任意一项所述的iot设备铺设量确定方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-3任意一项所述的iot设备铺设量确定方法。
技术总结