Coffee Shop Location Selection Based on Machine Learning and Multi-Model Fusion

カテゴリ: 研究会(論文単位)

論文No: IS24027

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2024/09/24

タイトル(英語): Coffee Shop Location Selection Based on Machine Learning and Multi-Model Fusion

著者名: 馬 兆其(大阪公立大学),湯 剣松(大阪公立大学),佐賀 亮介(大阪公立大学)

著者名(英語): Ma Zhaoqi(Osaka Metropolitan University),Tang Jiansong(Osaka Metropolitan University),Saga Ryosuke(Osaka Metropolitan University)

キーワード: Location selection|Multi-model fusion|XGBoost|Huff model

要約(日本語): コーヒー市場の拡大に伴い、店舗立地の選定がビジネス成功の鍵となっている。本研究では、機械学習とマルチモデル融合を組み合わせたコーヒー店の立地最適化手法を提案する。GISとウェブスクレイピングを用いて18都市のデータを収集し、Random Forest、XGBoost、Support Vector Machine、Logistic Regressionによる立地モデルを構築した。XGBoostが最も優れた性能を示し、さらにハフモデルを用いて立地精度を向上させた。実験結果により、この手法は意思決定精度を高め、業界戦略の効果的な支援に寄与することが示された。

要約(英語): The expansion of the coffee market has made location selection crucial for business success. This study proposes a method combining machine learning and multi-model fusion for optimizing coffee shop locations. Data from 18 cities were collected using GIS and web scraping technologies. Location models were developed using Random Forest, XGBoost, Support Vector Machine, and Logistic Regression, with XGBoost performing best. The Huff model was used to enhance location accuracy, resulting in an optimized selection plan. Experimental results show that this method improves decision accuracy and supports effective industry strategies.

本誌: 2024年9月27日情報システム研究会

本誌掲載ページ: 19-24 p

原稿種別: 英語

PDFファイルサイズ: 831 Kバイト