门店选址直接影响店铺的盈利和存续。在既有的研究中,门店选址主要分为两种,一种是基于GIS的选址,这种方法通常高度依赖于GIS软件,大量使用空间分析工具,虽然效果直观、操作方便,但仍然受限于软件本身的性能和方法本身的局限性;另一种是使用数据分析软件对数据进行探索性分析,基于分析结果使用合适的数学建模方法进行模拟和预测,这种方式有较高的准确率但在处理空间数据方面算法较为复杂。近年来随着互联网、人工智能、空间大数据的发展和LBS应用的普及,为使用多源空间数据进行选址问题的研究提供了可能。本文使用互联网爬虫技术获取来自公开网站的众源地理大数据和商业开源数据,将GIS软件和机器学习方法结合起来,对深圳市新式茶饮门店的选址问题展开研究,主要包括如下工作:首先,根据选址理论成果和研究对象本身的实际情况,分析了影响新式茶饮门店选址的各项因素,并归纳为人口因素、交通因素、竞争因素、其他因素等四类;其次,使用网络爬虫爬取了高德地图POI数据、高德地图交通态势数据、链家网二手房房价数据、来自大众点评和美团的点评数据,从政府公开平台上获取了城市更新规划数据,结合选址影响因素构建了用于模型训练的特征,并使用改进的特征选择方法对初始特征集合进行特征选择;第三,将选址问题转化为二分类问题,使用机器学习算法中常用的分类算法包括Logistic回归、支持向量机、BP神经网络和随机森林分类器对数据集进行了训练,并结合模型评价指标体系对模型的性能进行了评价;最后,基于模型评价结果,选出最适合本文研究的选址模型,将模型结果进行了可视化,同时依据特征选择和模型训练的结果对门店选址影响因素进行了讨论,并提出了新式茶饮门店选址模型的改进建议。