本发明涉及金融管理，更具体地说，本发明涉及一种基于地理定位数据分析的pos交易数据分析系统。
背景技术：
1、随着电子支付和移动支付的广泛应用，pos（point of salx）终端在金融交易中的应用日益普及，特别是在零售、餐饮等商业场景，pos终端已经成为商户日常交易的重要工具；然而，随着市场需求的多样化和交易频次的波动，pos服务商面临着设备供需管理的巨大挑战；尤其是在交易频繁的区域，pos终端的供给能否满足需求，直接影响着交易的顺利进行和客户的支付体验。
2、现有的pos终端管理系统通常是基于静态的部署方式，未能充分考虑不同地区和不同时段交易需求的变化；由于缺乏智能化的供需分析手段，pos服务商在面临市场需求波动时，难以对市场需求进行及时的响应，从而无法及时调整pos终端的供给库存，进一步地，导致pos终端的销售和服务推广无法针对不同区域的实际需求进行有效调整，进而难以有效降低pos终端库存管理成本，同时影响了pos服务商的设备销售和服务推广效率。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明的实施例提供基于地理定位数据分析的pos交易数据分析系统。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于地理定位数据分析的pos交易数据分析系统，所述系统包括：
4、区域划分模块，用于获取pos终端位于目标地理区域内的地理定位，依据地理定位划分出多个金融交易区域，并计算出每个金融交易区域的交易活跃度；
5、数据获取模块，用于根据交易活跃度大小筛选出交易活跃区域，并预测交易活跃区域在未来时段内的交易需求量，以及获取交易活跃区域的当前最大处理交易量；
6、供需判断模块，用于根据交易需求量和当前最大处理交易量对交易活跃区域是否存在pos终端的供需失衡进行判断，得到判断结果；所述判断结果包括供需失衡和供需平衡中的一种；所述供需失衡包括供给不足和供给过剩中的一种；
7、供需调整模块，用于当判断结果显示供给不足时，利用预配置的遗传算法获取最佳的pos终端供给量，并根据最佳的pos终端供给量进行库存管理。
8、进一步地，所述依据地理定位划分出多个金融交易区域，包括：
9、构建空的平面坐标系，其中，平面坐标系的横坐标为经度，平面坐标系的纵坐标为纬度；
10、将所有pos终端的地理位置映射至空的平面坐标系内，得到pos终端的位置散点图；所述位置散点图中包括多个pos终端的地理位置散点；
11、利用凸包算法寻取位置散点图中的m个外延点，并对位置散点图中的m个外延点进行顺序连接，形成pos终端分布的封闭区域，m为大于零的整数；
12、利用k-means聚类算法对封闭区域内的地理位置散点进行聚类，得到多个聚类簇，每个聚类簇中均包含多个地理位置散点；
13、再次利用凸包算法寻取每个聚类簇中的n个外延点，并对每个聚类簇中的n个外延点进行顺序连接，形成多个局部封闭区域，将每个局部封闭区域标记为金融交易区域，得到多个金融交易区域，n为大于零的整数。
14、进一步地，所述计算出每个金融交易区域的交易活跃度，包括：
15、获取每个金融交易区域内存在的pos终端的数量g，以及获取每个pos终端的pos交易数据；
16、其中，所述pos交易数据包括pos终端的交易笔数、交易金额和平均交易时间间隔；
17、根据pos终端的数量和每个pos终端的pos交易数据进行交易活跃度计算，得到每个金融交易区域的交易活跃度；
18、其中，所述交易活跃度的计算公式如下：
19、;
20、式中：表示金融交易区域的交易活跃度；表示金融交易区域内所有pos终端的总交易笔数的和；表示第g个pos终端的交易笔数； 表示g个pos终端的交易金额；为第g个pos终端的平均交易时间间隔。
21、进一步地，所述根据交易活跃度大小筛选出交易活跃区域，包括：
22、设置交易活跃度阈值；
23、将每个金融交易区域的交易活跃度与交易活跃度阈值进行比较；
24、若交易活跃度大于等于交易活跃度阈值，则将对应的金融交易区域标记为交易活跃区域；
25、若交易活跃度小于交易活跃度阈值，则将对应的金融交易区域标记为非交易活跃区域。
26、进一步地，所述预测交易活跃区域在未来时段内的交易需求量，包括：
27、在当前时段[q-u,q]内，提取交易活跃区域内pos终端的数量s，q、u、s为大于零的整数；
28、提取每个pos终端在每一时刻下的实际交易笔数，将pos终端的数量s和每个pos终端在每一时刻下的实际交易笔数，输入预构建的交易预测模型中，得到在未来时段内[q+u,q+2u]的预测交易总笔数；
29、其中，所述交易预测模型的训练逻辑如下：
30、获取历史交易数据，将历史交易数据划分为交易需求训练集和交易需求测试集，所述历史交易数据包括交易需求特征数据及其对应的预测交易总笔数；
31、其中，所述交易需求特征数据包括在当前时段[q-u,q]内pos终端的数量s以及每一时刻下每个pos终端的实际交易笔数；
32、构建回归网络，将交易需求训练集中的交易需求特征数据作为回归网络的输入，以及将交易需求训练集中的预测交易总笔数作为回归网络的输出，对回归网络进行训练，得到初始回归网络；
33、利用交易需求测试集对初始回归网络进行模型验证，输出小于等于预设测试误差阈值的初始回归网络作为预构建的交易预测模型；
34、将在未来时段内[q+u,q+2u]的预测交易总笔数，作为交易活跃区域在未来时段内的交易需求量。
35、进一步地，所述获取交易活跃区域的当前最大处理交易量，包括：
36、根据未来时段确定固定交易时长l，并提取交易活跃区域内pos终端的数量s，以及提取每个pos终端的单笔交易处理时间，l为大于零的整数；
37、根据固定交易时长、pos终端的数量s以及每个pos终端的单笔交易处理时间，计算出交易活跃区域的当前最大处理交易量；
38、其中，所述计算出交易活跃区域的当前最大处理交易量的表达式如下：
39、；
40、式中：表示交易活跃区域的当前最大处理交易量；表示每个表示pos终端的单笔交易处理时间；其中，为在固定时长l内每个pos终端的最大处理交易量。
41、进一步地，所述对交易活跃区域是否存在pos终端的供需失衡进行判断，包括：
42、计算交易需求量和当前最大处理交易量的差值，并将交易需求量和当前最大处理交易量的差值标记为供需差；
43、将供需差与预设的供需区间进行比较；
44、若供需差大于等于供需区间的最大值，则判断交易活跃区域存在供需失衡，且为供给不足；
45、若供需差小于等于供需区间的最小值，则判断交易活跃区域存在供需失衡，且为供给过剩；
46、若供需差小于供需区间的最大值，且大于供需区间的最小值，则判断交易活跃区域不存在供需失衡。
47、进一步地，所述利用预配置的遗传算法获取最佳的pos终端供给量，包括：
48、a1：初始化种群：随机产生原始种群，所述原始种群种中包含x个染色体，每个染色体代表一个pos终端供给量，x为大于零的整数；
49、a2：适应度评估：在每一染色体下，获取修正最大处理交易量，以及提取交易需求量，根据修正最大处理交易量和交易需求量预构建的适应度函数中，并计算每个染色体的适应度；
50、其中，所述预构建的适应度函数的计算公式为：；式中：为适应度，为交易需求量，为修正最大处理交易量；
51、a3：选择：采用轮盘赌法选择原始种群中两个适应度高的染色体作为父本和母本；
52、a4：交叉：对父本和母本进行交叉操作，以产生新的染色体；
53、a5：变异：对新的染色体进行变异操作，得到y个新的染色体，将y个新的染色体组合为新种群，并将新种群替换掉原始种群，并返回步骤a2；
54、a6：重复上述步骤a2～a5，直至原始种群或新种群中染色体的适应度大于等于预设的适应度阈值，或迭代次数大于等于预设最大迭代次数阈值时，输出对应染色体代表的pos终端供给量作为最佳的pos终端供给量。
55、一种基于地理定位数据分析的pos交易数据分析方法，其基于上述所述的基于地理定位数据分析的pos交易数据分析系统实现，所述方法包括：
56、获取pos终端位于目标地理区域内的地理定位，依据地理定位划分出多个金融交易区域，并计算出每个金融交易区域的交易活跃度；
57、根据交易活跃度大小筛选出交易活跃区域，并预测交易活跃区域在未来时段内的交易需求量，以及获取交易活跃区域的当前最大处理交易量；
58、根据交易需求量和当前最大处理交易量对交易活跃区域是否存在pos终端的供需失衡进行判断，得到判断结果；所述判断结果包括供需失衡和供需平衡中的一种；所述供需失衡包括供给不足和供给过剩中的一种；
59、当判断结果显示供给不足时，利用预配置的遗传算法获取最佳的pos终端供给量，并根据最佳的pos终端供给量进行库存管理。
60、相比于现有技术，本发明的有益效果在于：
61、本技术公开了一种基于地理定位数据分析的pos交易数据分析系统，包括：依据地理定位划分出多个金融交易区域，并计算出每个金融交易区域的交易活跃度；根据交易活跃度大小筛选出交易活跃区域，并预测交易活跃区域在未来时段内的交易需求量，以及获取交易活跃区域的当前最大处理交易量；根据交易需求量和当前最大处理交易量对交易活跃区域是否存在pos终端的供需失衡进行判断，得到判断结果；当判断结果显示供给不足时，利用预配置的遗传算法获取最佳的pos终端供给量，并根据最佳的pos终端供给量进行库存管理；基于上述内容，本发明通过以最小化供需差异为目的，利用遗传算法对交易活跃区域内最佳的pos终端供给量进行寻取，本发明能够在面临市场需求波动时，对市场需求进行及时的响应，从而有利于及时调整pos终端的供给库存，进一步地，有利于使pos终端的销售和服务推广能针对不同区域的实际需求进行有效调整，进而有效降低pos终端库存管理成本，同时提高pos服务商的设备销售和服务推广效率。
1.一种基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述依据地理定位划分出多个金融交易区域，包括：
3.根据权利要求2所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述计算出每个金融交易区域的交易活跃度，包括：
4.根据权利要求3所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述根据交易活跃度大小筛选出交易活跃区域，包括：
5.根据权利要求4所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述预测交易活跃区域在未来时段内的交易需求量，包括：
6.根据权利要求5所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述获取交易活跃区域的当前最大处理交易量，包括：
7.根据权利要求6所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述对交易活跃区域是否存在pos终端的供需失衡进行判断，包括：
8.根据权利要求7所述的基于地理定位数据分析的pos交易数据分析系统，其特征在于，所述利用预配置的遗传算法获取最佳的pos终端供给量，包括：
9.一种基于地理定位数据分析的pos交易数据分析方法，其特征在于，其基于权利要求1至8任意一项所述的基于地理定位数据分析的pos交易数据分析系统实现，所述方法包括：
