KR101269874B1 - 데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출 방법 - Google Patents

Abstract

본 발명은 데이터 베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출 방법에 관한 것으로, 나라장터 낙찰 가격에 접근하기 위한 투찰 금액의 산출 시에 일자, 기초 금액, 사정율, 발주처, 종목, 지역 및 업종 등의 주어진 조건 하에 기존 개찰 결과 데이터베이스를 분석하여 낙찰 확률이 높은 다수의 금액들을 산출하고, 모의 실험을 통해 각 금액의 우선순위를 부여한 다음, 클라이언트들 측에 기존 낙찰 횟수에 따라 차등제공할 수 있도록 한 데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출방법을 제공함에 그 목적이 있다.
이를 위해, 본 발명은, 인터넷망을 매개로 시스템에 연결되는 적어도 한 개 이상의 사용자 PC와; 각 사용자 PC로부터 입력되어 전송되는 일자, 금액, 사정율, 발주처, 종목, 지역 및 업종의 조건이 저장되는 사용자 정보 DB와, 과거의 개찰 결과에 대한 데이터가 저장되는 과거 입찰 결과 DB와, 상기 과거 입찰 DB의 데이터를 기초로 낙찰에 접근하는 금액을 다수 결정한 후 소정 수량의 데이터는 휴리스틱 학습에 사용하고, 나머지는 순차적으로 모의 실험에 사용한 다음 모의 실험 결과를 통해 우선순위를 부여하는 낙찰 접근 금액 결정부 및, 상기 사용자 정보 DB에 저장된 낙찰 횟수를 오름차순으로 정렬하고, 낙찰 횟수가 낮은 사용자일수록, 모의 실험 결과에 의한 낙찰 확률이 높을 것으로 추정되는 금액을 분배하는 금액분배부를 포함하는 중앙 시스템;을 포함하여 구성된다.

Description

데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출 방법{CALCULATION SYSTEM AND THE METHOD OF A HIGHEST BID PRICE USING BY DATABASE}

본 발명은 데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출 방법에 관한 것으로, 보다 상세하게는 나라장터 입찰 시스템의 낙찰 가격 접근 시에 일자, 기초 금액, 사정율, 발주처, 종목, 지역 및 업종 등의 주어진 조건 하에서 기존의 개찰 결과 데이터베이스를 분석하여 입력된 기초금액을 기준으로 낙찰이 가능한 다수의 금액들을 산출하고 모의 실험을 통해 각 금액의 우선순위를 부여한 다음, 클라이언트 측에 기존 낙찰 횟수에 따라 차등 제공할 수 있도록 한 데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출 방법에 관한 것이다.

일반적으로, 나라장터에서는 300억 미만의 공사를 중소기업들에게 고르게 발주하기 위하여, -97% ~ 103%, -2% ~ 102% 등과 같은 특정 사정 비율 범위 내에서 15개의 난수를 설정한 다음 기초 금액에 곱하여 복수 예비가를 산출한 후, 입찰 참여 업체들의 투표 빈도수에 따라 15개의 난수 중 4개의 복수 예비가를 선택해 평균을 얻음으로써 예정 가격을 결정하고, 예정 가격에 낙찰 하한율을 승산하여 낙찰 금액을 결정하게 된다.

이때, 입찰에 참가하는 업체들은 상술한 바와 같은 낙찰 금액이 결정되기 이전에 자신이 예상한 낙찰 금액을 나라장터에 투찰해야 하며, 개찰 시 결정된 낙찰 금액보다 높은 투찰 금액 중 낙찰 금액에 가장 가까운 금액이 낙찰가로 결정되게 된다.

이에, 대개의 업체에서는 상기 예상한 낙찰 금액을 결정하는 전담 직원을 고용하고 있으며, 엑셀 등에 저장된 기존의 개찰 결과를 수작업으로 확인해 결정하게 되는데, 상술한 방법은 전담 직원이 눈으로 직접 기존의 개찰 결과를 확인하여 낙찰가를 결정하기 때문에 낙찰가 결정에 많은 시간이 소요됨과 아울러, 낙찰 확률 또한 극히 낮은 문제점이 발생하게 된다.

또, 최근에는 일부 입찰 정보 서비스를 제공하는 웹 사이트에서 복수 예비가 산정이나 입찰 가격을 대행해주는 서비스가 제공되기도 하는데, 이러한 웹 사이트를 통한 가격 산정 방식은 대다수가 기존의 개찰 결과 데이터를 분석하지 않고, 단순히 랜더마이즈 프로그램을 이용한 임의번호 추출방법을 기반으로 하기 때문에 낙찰 확률은 여전히 낮은 문제점이 발생하게 된다.

따라서, 본 발명은 상기한 바와 같은 종래의 문제점을 개선하기 위하여 안출된 것으로, 그 목적은 나라장터 낙찰 가격에 접근하기 위한 투찰 금액의 산출 시에 일자, 금액, 사정율, 발주처, 종목, 지역 및 업종 등의 주어진 조건 하에 기존 개찰 결과 데이터베이스를 분석하여 낙찰 확률이 높은 다수의 금액들을 산출하고 모의실험을 통해 각 금액의 우선순위를 부여한 다음, 클라이언트 측에 기존 낙찰 횟수에 따라 차등 제공할 수 있도록 한 데이터베이스 분석을 통한 낙찰 금액 산출 시스템 및 그 산출방법을 제공하고자 하는 것이다.

상기한 바와 같은 목적을 달성하기 위한 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 시스템은, 인터넷망을 매개로 시스템에 연결되는 적어도 한 개 이상의 사용자 PC와; 각 사용자 PC로부터 입력되어 전송되는 일자, 금액, 사정율, 발주처, 종목, 지역 및 업종의 조건이 저장되는 사용자 정보 DB와, 과거의 개찰 결과에 대한 데이터가 저장되는 과거 입찰 결과 DB와, 상기 과거 입찰 DB의 데이터를 기초로 낙찰에 접근하는 금액을 다수 결정한 후 소정 수량의 데이터는 휴리스틱 학습에 사용하고, 나머지는 순차적으로 모의 실험에 사용한 다음 모의 실험 결과를 통해 우선순위를 부여하는 낙찰 접근 금액 결정부 및, 상기 사용자 정보 DB에 저장된 낙찰 횟수를 오름차순으로 정렬하고, 낙찰 횟수가 낮은 사용자일수록, 모의 실험 결과에 의한 낙찰 확률이 높을 것으로 추정되는 금액을 분배하는 금액분배부를 포함하는 중앙 시스템으로 구성된 것;을 특징으로 한다.

한편, 본 발명에 따른 데이터 베이스 분석을 통한 낙찰 금액 산출 방법은, 사용자 PC가 인터넷망을 매개로 중앙 시스템에 접속한 후 낙찰 금액 산출을 위한 일자, 금액, 사정율, 발주처, 종목, 지역 및 업종의 조건을 입력함에 따라 해당 데이터가 사용자 정보 DB에 저장되는 사용자 정보 입력 및 저장단계와; 중앙 시스템의 낙찰 접근 금액 결정부가 상기 사용자 정보 DB에 저장된 조건에 해당하는 데이터를 과거 입찰 DB에서 추출하는 데이터 추출단계와; 상기 낙찰 접근 금액 결정부가 상기 데이터 추출단계에서 추출된 데이터를 다수 분할하여 낙찰 가격 예측에 사용되는 데이터와 낙찰 가격 후보 결정에 사용된 방법을 검증하는데 사용되는 데이터로 분리하는 데이터 분리단계와; 상기 데이터 분리단계를 통해 데이터가 분리된 후, 상기 낙찰 접근 금액 결정부가 통계량을 이용하는 랜더마이즈 방법 또는 기존 데이터를 학습하는 휴리스틱을 이용하는 방법을 통해 낙찰될 것으로 예측되는 다수의 가격을 결정하는 낙찰 가격 후보 결정단계와; 순위별 낙찰 빈도를 얻어 각 순위의 값을 평가하는 모의 실험단계 및; 상기 모의 실험단계에서 얻은 낙찰 횟수가 높을 수록 낙찰 접근 금액에 접근한다고 가정하여 낙찰 횟수가 높은 순으로 낙찰 접근 비율을 결정한 후, 낙찰 접근 비율, 기초 금액 및 낙찰 하한율의 곱을 통해 낙찰 접근 금액을 산출하는 낙찰 접근 금액 결정단계를 포함하여 이루어진 것;을 특징으로 한다.

바람직하게, 상기 낙찰 가격 후보 결정 단계에서는, 낙찰 가격 후보를 결정하기 위해, 입찰 공고상 기초 금액에 가까울수록 높은 가중치를 부여해 빈도를 합산하는 것을 특징으로 하는 한편, 낙찰 가격 후보를 결정한 다음, 현재 분석에 사용된 개찰 결과 데이터의 빈도상의 중심 및 비율상의 중심을 이용해 낙찰 가격 후보를 보정하는 것을 특징으로 한다.

바람직하게, 상기 데이터 분리단계에서는 데이터를 10분할한 후, 9개는 낙찰 가격 예측에 사용함과 아울러 나머지 1개는 낙찰 가격 예측에 사용된 방법을 사용해 검증하도록 함에 따라, 총 10번의 검증이 이루어지는 것을 특징으로 한다.

더 바람직하게, 상기 낙찰 접근 금액 결정단계를 통해 낙찰 접근 금액을 산출하는 후, 상기 중앙 시스템의 금액 분배부는 사용자 정보 DB에 저장된 업체 번호와 낙찰 횟수를 독출한 후, 낙찰 횟수가 적을 수록 더 높은 낙찰 기회가 부여되도록 낙찰 접근 금액을 분배하도록 이루어진 것을 특징으로 한다.

상기에서 설명한 바와 같이 이루어진 본 발명에 따르면, 나라장터 낙찰가 결정을 자동화 함에 따라, 입찰 가격 산정하는데 요구되는 인력 및 소요시간을 단축시킬 수 있는 효과가 있게 된다.

또한, 기존의 개찰 결과에 대한 데이터베이스를 분석하므로써, 보다 낙찰가에 근접한 투찰 금액을 산출할 수 있는 효과도 있게 되는 것이다.

도 1은 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 시스템의 개략적인 구성을 나타내는 블록도,
도 2는 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 시스템에 구비되는 중앙 시스템의 구성을 나타내는 블록도,
도 3은 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법을 나타내는 플로우차트,
도 4는 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법의 유사 데이터 추출단계에서 분리된 데이터의 예를 나타내는 도면,
도 5는 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법의 낙찰 가격 후보 결정단계에서 사용되는 금액 범위 및 가중치에 대한 예를 나타내는 도면,
도 6은 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법의 낙찰 가격 후보 결정단계에서 비율 범위를 소정의 간격으로 분할하고, 각 단계에 대한 빈도수 및 가중치를 곱해 합산한 데이터의 예를 나타내는 도면,
도 7은 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법의 낙찰 가격 후보 결정 단계에서 얻은 순위 및 대표 값의 예를 나타내는 도면,
도 8은 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법의 낙찰 접근 금액 결정 단계에서 낙찰 접근 금액을 결정하기 위해 낙찰 횟수를 기준으로 내림차순으로 정렬된 낙찰 접근 비율의 예를 나타내는 도면,
도 9는 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 방법에서 중앙 시스템의 금액 분배부가 기존 낙찰 횟수를 기준으로 금액을 분배한 예를 나타내는 도면이다.

이하, 상기한 바와 같이 구성된 본 발명에 대해 첨부도면을 참조하여 상세히 설명한다.

도 1은 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 시스템의 개략적인 구성을 나타내는 블록도, 도 2는 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 시스템에 구비되는 중앙 시스템의 구성을 나타내는 블록도이다.

먼저, 본 발명에 따른 데이터베이스 분석을 통한 낙찰 금액 산출 시스템은 금액, 지역 및 공종 등과 같은 주어진 조건 하에 기존 개찰 결과 데이터를 분석함으로써, 낙찰 가능성이 높은 다수의 금액들을 산출할 수 있도록 함에 따라 구현된다.

이를 위해, 상기 시스템은 인터넷망(40)을 매개로 시스템에 연결되는 적어도 한 개 이상의 사용자 PC(30) 및 소정 DB와 프로그램을 포함하는 중앙 시스템(10)으로 구성된다.

상기 사용자 PC(30)는 다수의 사용자 측에 구비되는 PC로서, 설치된 프로그램이나 웹 브라우저를 이용하여 인터넷망(40)을 매개로 상기 중앙 시스템(10)에 선택적으로 접속되어 연동되도록 구성된다.

그리고, 상기 중앙 시스템(10)은 과거의 개찰 정보에 대한 데이터를 기초로 낙찰 가능한 금액을 산정한 후, 사용자에게 각 금액을 배분하는 기능을 수행하게 되는데, 이를 위해 상기 중앙 시스템(10)에는 각 사용자 PC(30)로부터 입력되어 전송되는 사정율, 일자, 금액, 지역 및 공종의 조건이 저장되는 사용자 정보 DB(20) 및, 과거의 개찰 결과에 대한 데이터가 저장되는 과거 입찰 DB(22) 등의 저장수단이 구비된다.

또, 상기 중앙 시스템(10)에는 낙찰 접근 금액 결정부(12) 및 금액분배부(14)가 구비되는데, 상기 낙찰 접근 금액 결정부(12)는 상기 과거 입찰 DB(22)의 데이터를 기초로 낙찰에 접근하는 금액을 다수 산정한 후 모의 실험을 통해 낙찰 금액의 우선순위를 부여하도록 구성되며, 상기 금액분배부(14)는 상기 사용자 정보 DB(20)에 저장된 낙찰 횟수를 오름차순으로 정렬하고, 낙찰 횟수가 낮은 사용자일수록, 모의 실험 결과에 의한 낙찰 확률이 높을 것으로 추정되는 금액을 분배하도록 구성된다.

이에 따라, 상기 사용자 PC(30)로부터 중앙 시스템(10) 측으로 일자, 금액, 지역 및 공종 등의 주어진 조건을 입력되어 전송되면, 상기 중앙 시스템(10)의 낙철 접근 금액 결정부(12)는 과거 입찰 DB(22)에 저장된 과거 개찰 결과 데이터를 이용해 낙찰에 접근하는 금액을 다수 산정한 후 모의 실험을 통해 우선순위를 부여하게 되며, 그 후 상기 중앙 시스템(10)의 금액 분배부(14)는 상기 사용자 정보 DB(20)에 입력된 낙찰 횟수를 오름차순으로 정렬하고, 낙찰 횟수가 낮은 사용자일수록, 모의 실험 결과에 의한 낙찰 확률이 높을 것으로 추정되는 금액을 분배하게 된다.

이어, 상기한 바와 같이 이루어진 본 발명에 따른 데이터 베이스 분석을 통한 낙찰 금액 산출 방법에 대해 도를 참조하여 설명하면 다음과 같다.

본 발명에 따른 데이터 베이스 분석을 통한 낙찰 금액 산출 시스템을 이용한 낙찰 금액 산출 과정은 도 3에 도시된 바와 같이, 사용자 정보 입력 및 저장단계(S 1)와, 유사데이터 추출 단계(S 2)와, 데이터 분리 단계(S 3)와, 낙찰 가격 후보 결정 단계(S 4)와, 모의 실험 단계(S 5) 및, 낙찰 접근 금액 결정 단계(S 6)를 통해 진행되게 된다.

먼저, 상기 사용자 정보 입력 및 저장단계(S 1)에서는 임의의 사용자 PC(30)가 인터넷망(40)을 매개로 상기 중앙 시스템(10)에 접속한 상태에서, 낙찰 금액 산출을 위한 일자, 금액, 지역 및 공종 등을 비롯한 각종 조건을 입력함에 따라 해당 데이터가 상기 중앙 시스템(10)의 사용자 정보 DB(20)에 저장되게 된다.

그 후, 상기 중앙 시스템(10)의 낙찰 접근 금액 결정부(12)는 상술한 진행 과정을 통해 낙찰 접근 금액을 결정하게 된다.

먼저, 상기 유사 데이터 추출 단계(S 2)에서는 상기 사용자 정보 DB(20)에 저장된 조건에 해당하는 데이터를 과거 입찰 DB(22)로부터 추출하게 되는데, 이는 입찰이 진행되는 과정에 있어 완전히 난수에 해당하지 않으며, 입찰에 참여하는 업체에서 투표하는 예비 가격에 대한 번호가 특정한 성향을 따르기 때문인 것으로, 완전히 동일한 업체들이 입찰에 참여하게 되면, 결정되는 4개의 예비가격 번호가 같을 수 있게 된다.

따라서, 지역, 공종 등을 비롯한 각종 조건들을 활용하면 유사한 개찰 데이를 얻을 수가 있으며, 이를 분석하여 낙찰 가격을 예측하거나, 평균, 분산 등 통계적 수치에 의해 난수를 생성하게 되면, 보다 효과적으로 낙찰 가격을 예측할 수 있게 되는 것이다.

도 4는 상기 유사 데이터 추출단계(S 2)를 통해 분리된 데이터를 나타내는 예시도로서, 경북에서 발주된 20억 전후의 데이터들을 수집한 예를 나타낸다.

즉, 수집된 데이터에서 낙찰 하한가를 기초금액으로 나누고, 각 금액마다 정해져 있는 낙찰 하한율을 다시 나누면, 100%에 대한 비율을 얻을 수 있게 된다.

예컨데, 번호 1에 해당하는 공사건은 1,384,480,409 / 1,585,570,000 / 86.745% = 100.66% 이며, 상기 86.745%가 해당 금액 공사에 대한 낙찰 하한율로서, 이는 금액에 따라 법으로 정해져 있다.

그리고, 상기 데이터 분리단계(S 3)에서는 상기 중앙 시스템(10)의 낙찰 접근 금액 결정부(12)가 상기 데이터 추출단계(S 2)에서 추출된 데이터를 다수 분할하여 낙찰 가격 예측에 사용되는 데이터와 낙찰 가격 후보 결정에 사용된 방법을 검증하는데 사용되는 데이터로 분리하게 된다.

상기 데이터가 분리되는데 있어서는 다양한 기술들이 적용될 수 있는데, 예를 들면, 데이터를 10분할하여, 그 중 9개는 낙찰 가격 예측에 사용하고, 나머지 하나는 낙찰 가격 예측에 사용된 방법을 사용해 검증할 수 있는데, 이 경우에 총 10번의 검증이 가능하므로, 결과치의 통계량은 자유도가 9인 T 분포 모델을 이용해 검증이 가능하다.

또한, 상기 데이터 분리 단계에서는 모의 실험 단계에서 눈먼(blind) 방법을 적용하기 위해, 특정 개찰 건 이전의 데이터는 사용하지 않을 수 있다. 이러한 방법은 특정 개찰 건 이후의 개찰 건만 모의 실험 함으로써, 모의 실험 결과의 정확성을 높일 수 있는 것으로 알려져 있다.

또한, 저가의 낙찰 건의 경우 유사 건의 수가 많을 수 있기 때문에, 전체 데이터를 활용하는 것 보다는 입력된 금액에 가까운 순으로 소정 수량의 데이터를 선택할 수 있다.

상기 낙찰 가격 후보 결정 단계(S 4)는 낙찰될 것으로 예측되는 다수의 가격을 결정하는 단계로서, 이 단계에서는 통계량을 이용한 랜더마이즈 방법과 기존 데이터를 학습하는 휴리스틱을 이용하는 방법을 사용하여 가격을 결정하게 된다.

통계량을 이용한 랜더마이즈 방법은 생성되는 난수들이 인위적으로 해당 통계량에 근접하도록 한 다음 난수를 다수 생성해 적합성을 검증하는 방법인데, 이는 종래의 기술을 통해 쉽게 달성이 가능하다.

또, 휴리스틱을 이용한 방법은 금액이 가까울수록 유사한 업체들이 입찰에 참여할 수 있으므로, 금액 범위 마다 입력된 금액에 가까울수록 높은 가중치를 부여한 다음, 비율 범위를 소정의 간격으로 분할하고, 범위에 속한 빈도에 가중치를 곱해 합산한 데이터를 이용할 수 있다. 이는 금액에 따른 가중치 부여 방법으로, 종래의 사정율 범위 내에서 소정의 간격으로, 구간을 설정한 다음 출현 빈도를 기준으로 빈도가 높은 순으로 구간을 선택한 다음, 종래의 방법에 따라 전체 개찰 건 중 구간 내에 존재하는 개찰 건의 비율을 이용해 가중치 혹은 비중으로 사용할 수 있다.

도 5는 상술한 낙찰 가격 후보 결정단계(S 4)에서 사용되는 금액 범위 및 가중치에 대한 예를 나타내는 도면으로서, 이때 필요한 단계와 금액 범위 및 가중치 등은 사용자가 임의로 지정하거나, 종래의 통계 분석 기법을 이용해 더 좋은 값들로 결정할 수가 있다.

또, 도 6은 상기 낙찰 가격 후보 결정단계(S 4)에서 기존 개찰 데이터에 대한 최대 최소 비율 범위를 소정의 간격으로 분할하고, 각 간격 및 단계에 대한 빈도수 및 가중치를 곱해 합산한 데이터의 예를 나타내는 도면으로서, 여기에서 비율 범위를 분할하는 간격은 사전에 임의로 결정하거나, 수집된 데이터들의 특성을 반영해 결정할 수 있으며, 수집된 데이터들의 특성을 반영하는 방법으로는 평균과 분산을 이용한 방법이 적용될 수 있다.

예를 들면, 데이터를 정규 분포로 가정하고, 평균에 가까울수록 간격을 줄이고(확률 밀도가 높으므로), 평균에서 멀어질수록 간격을 늘릴 수 있으며, 이후 가장 빈도수가 높은 구간 순으로 순위를 정하고, 구간 내 비율들의 평균을 해당 구간을 대표하는 값으로 정할 수 있다.

또, 나라장터의 낙찰가격 산출 시스템은 15개의 복수 예비가 중 임의의 4개를 선택해 산술 평균함에 있어서 복수 예비가를 선택하기 위한 15개의 구간이 정해져 있기 때문에 특정 확률분포 모델에 수렴하게 된다.

예를 들면 임의의 4개에 대한 평균은 자유도가 3인 T분포에 수렴한다고 볼 수 있다.

따라서, 상기 정해진 구간을 대표하는 값은 해당 분포모델의 평균에서, 선택된 개찰 건들의 비율상의 중심(평균)이나 특정 비율을 초과하는 개찰 건수와 특정 비율 미만에 속하는 개찰 건수가 같아지는 지점인 빈도상의 중심 등을 이용해, 예를 들면 아래 수학식과 같은 보정값을 산출하여 대표하는 값을 보정할 수 있다.

[수학식 1]

보정값 = 확률 분포 모델상의 평균 - (빈도상의 중심 + 비율상의 중심) / 2

도 7은 상기 낙찰 가격 후보 결정 단계(S 4)에서 얻은 순위 및 대표 값의 예를 나타내는 도면으로서, 도시된 바와 같이 대표 값은 특정 비율로 나타낼 수 있다.

그리고, 상기 모의 실험단계(S 5)에서는 순위별 낙찰 빈도를 얻어 각 순위의 값을 평가하게 되는데, 즉 지난 개찰 결과를 토대로 상술한 바와 같은 단계들을 진행하여 순위 및 대표 값을 산출함과 더불어 실제 낙찰된 횟수를 얻을 수 있게 된다.

이때, 낙찰된 횟수는 금액 등의 조건에 따라 가중치를 부여할 수 있으며, 순위에 따른 대표 값은 각 개찰 건 마다 다를 수 있다.

또한, 상기 낙찰 접근 금액 결정 단계(S 6)에서는 상기 모의 실험단계(S 5)에서 모의 실험 결과를 토대로 낙찰 횟수가 높을수록 낙찰 접근 금액에 접근한다고 보고, 낙찰 횟수가 높은 순으로 낙찰 접근 비율을 결정하게 된다.

상기 모의 실험은 일종의 시뮬레이션으로 판단할 수 있으나, 특정 파라미터를 입력하고, 확률 이론 등에 의해 앞으로의 값을 가늠하는 시뮬레이션과는 차이가 있다.

예를 들면, 상기 모의 실험은 과거의 다수 개찰 데이터를 데이터베이스로부터 얻고, 각 개찰 데이터의 사정율, 공종, 지역 등을 조건으로 하고, 해당 개찰 데이터 이전의 데이터를 이용해 기초금액과의 거리 혹은 사정율 범위 내에서의 특정 구간번호 등 소정의 방법으로 정렬된 다수의 낙찰 가격 후보를 결정할 수 있다. 그 다음 개찰 데이터의 낙찰 하한가와 실제로 낙찰 받은 금액에 상기 다수의 낙찰 가격 후보가 존재한다면, 해당 순위에 소정의 값을 더할 수 있다. 동일한 방법으로 해당 건과 유사한 소정의 범위 내에서의 개찰 결과에 대해 모의 실험이 모두 끝난 다음 낙찰 접근 금액 결정 단계에서, 정렬된 각 순위에 더해진 값을 비교하면 다수의 낙찰 가격 후보의 정렬 순서 중 낙찰 확률이 높은 순서를 결정할 수 있게 되는 것이다.

그러나, 시뮬레이션에 의한 방법은 과거의 데이터를 활용해 앞으로 발생하게될 일들을 예측하는 것이 목적으로, 나라 장터의 입찰에 적용하여 본다면, 각 업체가 금액, 공종 등의 조건에 따라 입찰에 참여하게 될 확률, 15개의 복수 예비가들이 해당 업체에 의해 선택할 확률, 그리고 조건에 따른 복수예비가의 비율에 대한 정보를 이용해 나라장터에서 복수예비가 산출에 활용하는 균등(uniform) 난수 방법을 적용해 15개 복수 예비가를 산출 한 다음, 특정 입찰 건에 대해 해당 건에 참여하게 될 업체들을 소정의 확률에 따라 임의로 결정하고, 해당 업체들이 선택에 의한 복수 예비가의 평균을 이용해 낙찰 하한가를 정할 수 있다. 이러한 낙찰 하한가를 정하는 방법을 다수 반복하면, 해당 건에 대한 낙찰 하한가의 추이를 가늠하여 볼수 있게되는 것이다. 그러나, 이러한 시뮬레이션에 의한 방법은 15개의 복수예비가가 공개된 입찰 건에는 유용할지 모르나, 대부분의 공사 입찰에서는 복수 예비가를 공개하지 않는다.

도 8은 상기 낙찰 접근 금액 결정 단계(S 6)에서 낙찰 접근 금액을 결정하기 위하여, 낙찰 횟수를 기준으로 내림차순으로 정렬된 낙찰 접근 비율의 예를 나타내는 도면으로서, 상기 낙찰 접근 금액은 낙찰 접근 비율, 기초 금액 및 낙찰 하한율의 곱으로 얻을 수가 있다.

한편, 상기 낙찰 접근 금액 결정단계(S 6)를 통해 소정 낙찰 접근 금액을 산출하는 후에는 상기 중앙 시스템(10)의 금액 분배부(14)가 사용자 정보 DB(20)에 저장된 업체 번호와 낙찰 횟수를 독출하여, 낙찰 횟수가 적을수록 더 높은 낙찰 기회가 부여되도록 하기 위해 효과적인 낙찰 접근 금액을 분배하게 된다.

도 9는 상기 중앙 기초 금액이 1,585,000,000원인 특정 입찰 건에 대해 상술한 과정을 통해 낙찰 예상 금액을 산출하고, 모의 실험한 다음, 시스템(10)의 금액 분배부(14)에서 기존 낙찰 횟수를 기준으로 금액을 분배한 예를 나타내는 도면으로서, 업체 번호 및 낙찰 횟수에 따라 투찰금액이 분배된 상태를 나타내는 것이다.

이때, 상기 투찰 금액은 상기 낙찰 접근 금액 결정 단계(S 6)에서 얻은 낙찰 접근 금액인 것이다.

여기에서, 본 발명에 따른 실시 예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있으며, 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독 또는 조합하여 구현할 수 있다.

또, 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있는 것이다.

상기 컴퓨터 판독 가능 기록 매체의 예로는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기기록 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광기록 매체(magneto-optical media) 및, 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다.

또, 상기 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

그리고, 상술한 하드웨어 장치들은 본 발명의 동작을 수행하기 위하여 한 개 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

한편, 상술한 바와 같은 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능함은 물론이다.

따라서, 본 발명의 사상은 설명된 실시 예에 국한되어 정해져서는 아니되며, 기재된 특허청구범위 뿐만 아니라, 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 수 있는 것이다.

10: 중앙 시스템, 12: 낙찰 접근 금액 결정부,
14: 금액분배부, 20: 사용자 정보 DB,
22: 과거 입찰 DB, 30: 사용자 PC,
40: 인터넷망.

Claims (6)

1. 인터넷망을 매개로 시스템에 연결되는 적어도 한 개 이상의 사용자 PC 및; 각 사용자 PC로부터 입력되어 전송되는 일자, 금액, 사정율, 발주처, 종목, 지역 및 업종의 조건이 저장되는 사용자 정보 DB와, 과거의 개찰 결과에 대한 데이터가 저장되는 과거 입찰 결과 DB를 포함하여 구성되어, 과거의 개찰 정보에 대한 데이터를 기초로 낙찰 가능한 금액을 산정하여 사용자에게 각 금액을 배분하는 기능을 수행하는 중앙 시스템;으로 구성된 난찰 금액 산출 시스템에 있어서,
   상기 중앙 시스템은,
   상기 과거 입찰 DB의 데이터를 기초로 낙찰에 접근하는 금액을 다수 결정한 후 소정 수량의 데이터는 휴리스틱 학습에 사용하고, 나머지는 순차적으로 모의 실험에 사용하되, 과거의 다수 개찰 데이터를 상기 과거 입찰 결과 DB로부터 얻은 후, 각 개찰 데이터의 사정율, 공종, 지역을 조건으로 하고, 해당 개찰 데이터 이전의 데이터를 이용하여 기초금액과의 거리 혹은 사정율 범위 내에서의 특정 구간번호와 같은 방법으로 정렬된 다수의 낙찰 가격 후보를 결정한 다음, 개찰 데이터의 낙찰 하한가와 실제로 낙찰 받은 금액에 상기 다수의 낙찰 가격 후보가 존재하는 경우, 해당 순위에 소정 값을 더하는 모의 실험 결과를 통해 우선순위를 부여하는 낙찰 접근 금액 결정부 및;
   상기 사용자 정보 DB에 저장된 낙찰 횟수를 오름차순으로 정렬하고, 낙찰 횟수가 낮은 사용자일수록, 모의 실험 결과에 의한 낙찰 확률이 높을 것으로 추정되는 금액을 분배하는 금액분배부를 더 포함하여 구성된 것;을 특징으로 하는 데이터 베이스 분석을 통한 낙찰 금액 산출 시스템.
2. 사용자 PC가 인터넷망을 매개로 중앙 시스템에 접속한 후 낙찰 금액 산출을위한 일자, 금액, 사정율, 발주처, 종목, 지역 및 업종의 조건을 입력함에 따라 해당 데이터가 사용자 정보 DB에 저장되는 사용자 정보 입력 및 저장단계와;
   중앙 시스템의 낙찰 접근 금액 결정부가 상기 사용자 정보 DB에 저장된 조건에 해당하는 데이터를 과거 입찰 DB에서 추출하는 데이터 추출단계와;
   상기 낙찰 접근 금액 결정부가 상기 데이터 추출단계에서 추출된 데이터를 다수 분할하여 낙찰 가격 예측에 사용되는 데이터와 낙찰 가격 후보 결정에 사용된 방법을 검증하는데 사용되는 데이터로 분리하는 데이터 분리단계와;
   상기 데이터 분리단계를 통해 데이터가 분리된 후, 상기 낙찰 접근 금액 결정부가 통계량을 이용하는 랜더마이즈 방법 또는 기존 데이터를 학습하는 휴리스틱을 이용하는 방법을 통해 낙찰될 것으로 예측되는 다수의 가격을 결정하되, 낙찰 가격 후보의 결정 시에는 입찰 공고상 기초 금액에 가까울수록 많은 가중치를 부여해 빈도를 합산함과 아울러, 낙찰 가격 후보를 결정한 다음에는 현재 분석에 사용된 개찰 결과 데이터의 빈도상의 중심 및 비율상의 중심을 이용해 낙찰 가격 후보를 보정하는 낙찰 가격 후보 결정단계와;
   과거의 다수 개찰 데이터를 과거 입찰 결과 DB로부터 얻은 후, 각 개찰 데이터의 사정율, 공종, 지역을 조건으로 하고, 해당 개찰 데이터 이전의 데이터를 이용하여 기초금액과의 거리 혹은 사정율 범위 내에서의 특정 구간번호와 같은 방법으로 정렬된 다수의 낙찰 가격 후보가 결정됨에 따라, 개찰 데이터의 낙찰 하한가와 실제로 낙찰 받은 금액에 상기 다수의 낙찰 가격 후보가 존재하는 경우, 해당 순위에 소정 값을 더하는 모의 실험 과정을 통해 각 순위의 값을 평가하는 모의 실험단계 및;
   상기 모의 실험단계에서 얻은 낙찰 횟수가 많을 수록 낙찰 접근 금액에 접근한다고 가정하여 낙찰 횟수가 많은 순으로 낙찰 접근 비율을 결정한 후, 낙찰 접근 비율, 기초 금액 및 낙찰 하한율의 곱을 통해 낙찰 접근 금액을 산출하는 낙찰 접근 금액 결정단계를 포함하여 이루어진 것;을 특징으로 하는 데이터 베이스 분석을 통한 낙찰 금액 산출 방법.
3. 삭제
4. 삭제
5. 제 2항에 있어서,
   상기 데이터 분리단계에서는, 데이터를 10분할한 후, 9개는 낙찰 가격 예측에 사용함과 아울러 나머지 1개는 낙찰 가격 예측에 사용된 방법을 사용해 검증하도록 함에 따라, 총 10번의 검증이 이루어지는 것을 특징으로 하는 데이터 베이스 분석을 통한 낙찰 금액 산출 방법.
6. 제 2항에 있어서,
   상기 낙찰 접근 금액 결정단계를 통해 낙찰 접근 금액을 산출하는 후, 상기 중앙 시스템의 금액 분배부는 사용자 정보 DB에 저장된 업체 번호와 낙찰 횟수를 독출한 후, 낙찰 횟수가 적을 수록 더 많은 낙찰 기회가 부여되도록 낙찰 접근 금액을 분배하도록 이루어진 것을 특징으로 하는 데이터 베이스 분석을 통한 낙찰 금액 산출 방법.

Images