KR101308872B1 - 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말 - Google Patents

사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말 Download PDF

Info

Publication number
KR101308872B1
KR101308872B1 KR1020110139158A KR20110139158A KR101308872B1 KR 101308872 B1 KR101308872 B1 KR 101308872B1 KR 1020110139158 A KR1020110139158 A KR 1020110139158A KR 20110139158 A KR20110139158 A KR 20110139158A KR 101308872 B1 KR101308872 B1 KR 101308872B1
Authority
KR
South Korea
Prior art keywords
user
information
behavior
unit
sensory data
Prior art date
Application number
KR1020110139158A
Other languages
English (en)
Other versions
KR20130071755A (ko
Inventor
김대식
이정수
박준철
장민수
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020110139158A priority Critical patent/KR101308872B1/ko
Publication of KR20130071755A publication Critical patent/KR20130071755A/ko
Application granted granted Critical
Publication of KR101308872B1 publication Critical patent/KR101308872B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Navigation (AREA)

Abstract

본 발명의 일실시예에 따른 서비스 서버는 복수의 사용자들의 공통된 행동 패턴을 저장하는 공통 패턴 데이터베이스; 적어도 하나의 단말로부터 센서리(sensory) 데이터를 수신하는 수신부; 및 상기 단말의 사용자에게 제공할 서비스 정보를 생성하기 위하여, 공통 패턴 데이터베이스 및 센서리 데이터를 이용하여 상기 사용자의 행동을 예측하는 예측부를 포함한다.

Description

사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말{SERVICE SERVER AND TERMINAL FOR PROVIDING SERVICE BASED ON PREDICTION OF USER'S BEHAVIOR}
아래의 실시예들은 단말에 의해 측정된 센서리(sensory) 데이터를 이용하여 사용자의 행동을 예측하고, 상기 예측된 사용자 행동에 기반하여 서비스를 제공하는 서비스 서버 및 단말에 관한 것이다.
유비쿼터스 기술은 사용자가 시간과 장소에 상관없이 자유롭게 네트워크에 접속할 수 있는 기술이다. 이러한 유비쿼터스 기술은 일상 생활 속에서 사용자의 목적을 자동으로 파악함으로써, 사용자에게 필요한 서비스를 제공할 수 있다.
이와 같은 서비스의 제공을 위하여, 사용자의 현 상황을 인식하고, 그 상황에 맞는 가장 적절한 서비스를 예측하는 방법에 대한 연구가 진행되어 왔다.
다만, 기존의 서비스 예측 방식은 기 설정된 규칙을 이용하여 현재 상황에 대한 목표를 설정하고, 설정된 목표에 상응하는 응용 프로그램을 수행하는 방식으로 동작한다.
예를 들면, 기존의 서비스 예측 방식은 센서로부터 수집된 상황 정보 및 도메인 전문가들이 작성해 둔 사실 정보에 따라 규칙을 기 설정하고, 기 설정된 규칙을 기초로 사용자에게 제공할 서비스를 예측한다.
그런데, 이와 같은 종래의 서비스 예측 방식은 서비스 예측의 기준이 되는 규칙들이 기 설정되어 있거나, 또는 특정 환경에 부합되는 규칙들에 따라 서비스를 예측함으로써 서비스 유연성이 떨어지게 된다. 뿐만 아니라, 사용자의 환경이 기 설정된 규칙 이외의 환경일 때에는 해당하는 서비스의 예측이 불가능하다.
본 발명의 실시예들은 복수의 사용자들로부터 공통된 행동 패턴을 학습하여 데이터베이스를 구축함으로써, 사용자의 현재 행동 및 주변 환경에 적응적으로 서비스를 제공하는 기술을 제공한다.
또한, 본 발명의 실시예들은 개별 사용자의 고유한 행동 패턴에 기반한 개별 패턴 데이터베이스를 보유함으로써, 개별 사용자의 고유한 개별 패턴에 부합하는 서비스를 제공하는 기술을 제공한다.
더 나아가, 본 발명의 실시예들은 개별 패턴 데이터베이스뿐 아니라 복수의 사용자들의 공통된 행동 패턴에 기반한 공통 패턴 데이터베이스도 함께 보유함으로써, 개별 사용자의 고유한 개별 패턴의 학습에 필요한 기간 동안에도 공통 패턴 데이터베이스를 이용하여 대체 서비스를 제공하는 기술을 제공한다.
본 발명의 일실시예에 따른 서비스 서버는 복수의 사용자들의 공통된 행동 패턴을 저장하는 공통 패턴 데이터베이스; 적어도 하나의 단말로부터 센서리(sensory) 데이터를 수신하는 수신부; 및 상기 단말의 사용자에게 제공할 서비스 정보를 생성하기 위하여, 상기 공통 패턴 데이터베이스 및 상기 센서리 데이터를 이용하여 상기 사용자의 행동을 예측하는 예측부를 포함하고, 상기 단말은 적어도 하나의 센서를 이용하여 상기 사용자의 행동 패턴과 관련된 정보를 수집하고, 상기 정보를 이용하여 상기 센서리 데이터를 생성한다.
상기 서비스 서버는 상기 공통된 행동 패턴을 계산하는 공통 패턴 계산부를 더 포함하고, 상기 수신부는 상기 복수의 사용자들로부터 복수의 센서리 데이터를 획득하며, 상기 공통 패턴 계산부는 상기 복수의 센서리 데이터를 이용하여 상기 공통된 행동 패턴을 계산할 수 있다.
상기 센서리 데이터는 상기 사용자의 위치에서 측정된 GPS 데이터를 포함하고, 상기 예측부는 적어도 상기 GPS 데이터를 기초로 상기 사용자의 현재 위치를 추정하는 위치 추정부; 상기 현재 위치, 상기 센서리 데이터, 및 상기 공통 패턴 데이터베이스를 이용하여 상기 사용자가 다음으로 이동할 위치로 추천되는 적어도 하나의 위치 후보를 선출하는 후보 선출부; 및 상기 공통 패턴 데이터베이스를 기초로 상기 적어도 하나의 위치 후보 각각의 기대치와 관련된 확률을 계산하는 확률 계산부를 포함할 수 있다.
상기 위치 추정부는 상기 사용자의 위치를 추정하기 위하여 미리 정해진 복수의 위치 카테고리들 중 어느 하나의 위치 카테고리를 선택하고, 상기 후보 선출부는 상기 적어도 하나의 위치 후보를 선출하기 위하여 상기 미리 정해진 복수의 위치 카테고리들 중 적어도 어느 하나의 위치 카테고리를 선택할 수 있다.
상기 센서리 데이터는 상기 사용자의 위치에서 생성된 360도 파노라마(panorama) 이미지를 포함하고, 상기 예측부는 상기 파노라마 이미지를 축적하는 축적부; 및 상기 사용자의 행동을 예측하기 위하여 상기 축적된 파노라마 이미지를 분석하는 이미지 분석부를 포함할 수 있다.
상기 이미지 분석부는 상기 축적된 파노라마 이미지 및 상기 공통 패턴 데이터베이스를 기초로 상기 사용자가 현재 이동 중인 목적지를 예측하는 목적지 예측부; 및 상기 공통 패턴 데이터베이스를 기초로 상기 목적지와 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션(action)을 결정하는 액션 결정부를 포함할 수 있다.
상기 센서리 데이터는 상기 파노라마 이미지에 포함된 얼굴 정면에 관한 정보 및 상기 파노라마 이미지에 포함된 이동체의 모션에 관한 정보를 더 포함하고, 상기 이미지 분석부는 상기 축적된 파노라마 이미지, 상기 얼굴 정면에 관한 정보, 및 상기 이동체의 모션에 관한 정보를 기초로 상기 이동체가 수행 중인 행동을 인식하는 행동 인식부; 및 상기 인식된 행동 및 상기 공통 패턴 데이터베이스를 기초로 상기 인식된 행동과 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정하는 액션 결정부를 포함할 수 있다.
상기 센서리 데이터는 상기 사용자의 상태에 관한 정보를 포함하고, 상기 예측부는 상기 센서리 데이터 및 상기 공통 패턴 데이터베이스를 이용하여 상기 사용자의 육체적 상태 및 상기 사용자의 정신적 상태를 예측하는 상태 예측부; 및 상기 육체적 상태, 상기 정신적 상태, 및 상기 공통 패턴 데이터베이스를 기초로 상기 육체적 상태 및 상기 정신적 상태와 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정하는 액션 결정부를 포함할 수 있다.
상기 서비스 서버는 개별 사용자의 고유한 행동 패턴을 저장하는 개별 패턴 데이터베이스; 및 상기 센서리 데이터를 이용하여 상기 고유한 행동 패턴을 계산하는 개별 패턴 계산부를 더 포함하고, 상기 예측부는 상기 사용자의 행동을 예측하기 위하여 상기 개별 패턴 데이터베이스를 더 이용할 수 있다.
본 발명의 일실시예에 따른 단말은 복수의 센서들을 이용하여 사용자의 행동 패턴과 관련된 정보를 수집하는 수집부; 상기 정보를 이용하여 센서리(sensory) 데이터를 생성하는 생성부; 상기 센서리 데이터를 서버로 송신하는 송신부; 상기 서버로부터 상기 사용자를 위한 서비스 정보를 수신하는 수신부; 및 상기 수신에 응답하여, 상기 서비스 정보를 자동으로 제공하는 정보 제공부를 포함하고, 상기 서버는 복수의 사용자들의 공통된 행동 패턴 및 상기 센서리 데이터를 기초로 상기 사용자의 행동을 예측함으로써 상기 서비스 정보를 생성한다.
상기 복수의 센서들은 상기 사용자의 위치에서 GPS 데이터를 측정하는 GPS 센서를 포함하고, 상기 센서리 데이터는 적어도 상기 GPS 데이터를 포함할 수 있다.
상기 서비스 정보는 상기 사용자가 다음으로 이동할 위치로 추천되는 복수의 위치 후보들 및 상기 복수의 위치 후보들 각각의 확률을 포함하고, 상기 정보 제공부는 상기 복수의 위치 후보들에 관한 정보 또는 상기 복수의 위치 후보들 각각의 확률에 관한 정보 중 적어도 하나를 표시하는 정보 표시부를 포함할 수 있다.
상기 정보 제공부는 상기 복수의 위치 후보들에 대응하는 복수의 어플리케이션들을 결정하는 어플리케이션 결정부; 및 상기 복수의 위치 후보들 각각의 확률을 기초로 상기 복수의 어플리케이션들 중 적어도 어느 하나를 자동으로 실행하는 어플리케이션 실행부를 더 포함할 수 있다.
상기 복수의 센서들은 상기 사용자의 위치에서 360도 파노라마(panorama) 이미지를 생성하는 복수의 카메라를 포함하고, 상기 센서리 데이터는 적어도 상기 파노라마 이미지를 포함할 수 있다.
상기 서비스 정보는 상기 사용자가 현재 이동 중인 목적지 및 상기 목적지와 관련하여 상기 사용자에게 추천되는 액션을 포함하고, 상기 정보 제공부는 상기 목적지에 관한 정보 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부를 포함할 수 있다.
상기 복수의 센서들은 상기 파노라마 이미지에 포함된 얼굴 정면(frontal face)을 감지하는 페이스 감지부; 및 상기 파노라마 이미지에 포함된 이동체의 모션을 감지하는 모션 감지부를 더 포함하고, 상기 센서리 데이터는 상기 얼굴 정면에 관한 정보 및 상기 이동체의 모션에 관한 정보를 더 포함할 수 있다.
상기 서비스 정보는 상기 이동체가 수행 중인 행동 및 상기 이동체의 행동과 관련하여 상기 사용자가 취할 액션으로 추천되는 액션을 포함하고, 상기 정보 제공부는 상기 이동체의 행동에 관한 정보 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부를 포함할 수 있다.
상기 복수의 센서들은 사용자의 상태에 관한 정보를 입력 받는 입력부를 포함하고, 상기 센서리 데이터는 적어도 상기 사용자의 상태에 관한 정보를 포함할 수 있다.
상기 서비스 정보는 상기 사용자의 육체적 상태, 상기 사용자의 정신적 상태, 및 상기 육체적 상태 및 상기 정신적 상태와 관련하여 상기 사용자에게 추천되는 액션을 포함하고, 상기 정보 제공부는 상기 육체적 상태에 관한 정보, 상기 정신적 상태에 관한 정보, 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부를 포함할 수 있다.
상기 단말은 개별 사용자의 고유한 행동 패턴을 저장하는 개별 패턴 데이터베이스; 상기 센서리 데이터를 이용하여 상기 고유한 행동 패턴을 계산하는 개별 패턴 계산부; 상기 센서리 데이터 및 상기 개별 패턴 데이터베이스를 이용하여 상기 사용자의 행동을 예측하는 예측부; 및 상기 개별 패턴 데이터베이스의 신뢰성에 따라 상기 수신된 서비스 정보 및 상기 예측부에 의해 예측된 행동을 기초로 생성된 서비스 정보 중 어느 하나를 선택하는 선택부를 더 포함할 수 있다.
본 발명의 실시예들은 복수의 사용자들로부터 공통된 행동 패턴을 학습하여 데이터베이스를 구축함으로써, 사용자의 현재 행동 및 주변 환경에 적응적으로 서비스를 제공하는 기술을 제공할 수 있다.
또한, 본 발명의 실시예들은 개별 사용자의 고유한 행동 패턴에 기반한 개별 패턴 데이터베이스를 보유함으로써, 개별 사용자의 고유한 개별 패턴에 부합하는 서비스를 제공하는 기술을 제공할 수 있다.
더 나아가, 본 발명의 실시예들은 개별 패턴 데이터베이스뿐 아니라 복수의 사용자들의 공통된 행동 패턴에 기반한 공통 패턴 데이터베이스도 함께 보유함으로써, 개별 사용자의 고유한 개별 패턴의 학습에 필요한 기간 동안에도 공통 패턴 데이터베이스를 이용하여 대체 서비스를 제공하는 기술을 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 사용자의 행동 패턴을 기초로 사용자의 행동을 예측하고, 예측된 행동을 이용하여 사용자에게 서비스를 제공하는 서비스 시스템을 개관하는 도면이다.
도 2는 본 발명의 일실시예에 따른 센서리 데이터를 이용하여 서비스 정보를 생성하는 서비스 서버를 나타낸 블록도이다.
도 3은 본 발명의 일실시예에 따른 적어도 GPS 데이터를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 4는 본 발명의 일실시예에 따른 적어도 360도 파노라마 이미지를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 5는 본 발명의 일실시예에 따른 적어도 사용자의 상태 정보를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 6은 본 발명의 일실시예에 따른 사용자의 개별 패턴 데이터베이스를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 7은 본 발명의 일실시예에 따른 GPS 센서를 이용하여 센서리 데이터를 생성하고, 상기 센서리 데이터를 이용하여 서버에 의하여 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 단말을 나타낸 블록도이다.
도 8은 본 발명의 일실시예에 따른 GPS 데이터를 이용하여 서버에 의하여 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 정보 표시부를 설명한 도면이다.
도 9는 본 발명의 일실시예에 따른 적어도 복수의 카메라를 이용하여 센서리 데이터를 생성하고, 상기 센서리 데이터를 이용하여 서버에 의하여 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 단말을 나타낸 블록도이다.
도 10은 본 발명의 일실시예에 따른 360도 파노라마 이미지를 생성하기 위한 복수의 카메라의 배치를 설명하는 도면이다.
도 11은 본 발명의 일실시예에 따른 360도 파노라마 이미지를 이용하여 서버에 의해 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 정보 표시부를 설명한 도면이다.
도 12는 본 발명의 일실시예에 따른 사용자의 상태 정보를 입력 받기 위한 입력부를 설명한 도면이다.
도 13은 본 발명의 일실시예에 따른 사용자의 개별 패턴 데이터베이스를 이용하여 사용자의 행동을 예측하는 단말을 나타낸 블록도이다.
1. 서비스 서버 및 복수의 단말들을 포함하는 시스템
도 1은 본 발명의 일실시예에 따른 사용자의 행동 패턴을 기초로 사용자의 행동을 예측하고, 예측된 행동을 이용하여 사용자에게 서비스를 제공하는 서비스 시스템을 개관하는 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 복수의 단말들(120)은 적어도 하나의 센서를 이용하여 센서리 데이터를 생성하고, 생성된 센서리 데이터를 서비스 서버(110)로 전송한다.
여기서, 단말(120)에 의해 생성되는 센서리 데이터는 각종 센서를 이용하여 수집한 결과 값을 포함한다. 즉, 상기 센서리 데이터는 GPS 센서를 이용하여 측정된 위도 정보 및 경도 정보, 온도계를 이용하여 측정된 온도 정보, 소음계를 이용하여 측정된 소음 정보, 조도계를 이용하여 측정된 조도 정보, 및 가속도 센서를 이용하여 측정된 가속도 정보 등을 포함할 수 있다.
뿐만 아니라, 상기 센서리 데이터는 사용자의 행동 패턴을 예측할 수 있는 모든 데이터를 포괄한다. 예를 들면, 센서리 데이터는 사용자의 이메일 송신 및 수신 내역, 사용자의 통화 내역, 및 사용자의 일정(스케줄) 내역 등 사용자의 행동 패턴을 예측하는 데 도움이 되는 모든 정보를 포함할 수 있다.
또한, 서비스 서버(110)는 사용자의 행동 패턴을 저장하는 데이터베이스를 이용하여, 전송 받은 센서리 데이터에 대응하여 사용자의 행동을 예측함으로써, 사용자에게 제공할 서비스 정보를 생성할 수 있다.
보다 구체적으로, 서비스 서버(110)는 복수의 사용자들로부터 수집된 복수의 센서리 데이터를 이용하여 상기 복수의 사용자들의 공통된 행동 패턴을 계산할 수 있다. 서비스 서버(110)는 상기 계산된 공통된 행동 패턴을 저장하는 데이터베이스(공통 패턴 데이터베이스)를 보유하고, 상기 공통 패턴 데이터베이스를 이용하여 적어도 하나의 단말(120)로부터 전송된 센서리 데이터에 대응하는 사용자의 행동을 예측할 수 있다.
이 때, 상기 서비스 서버(110)에 의한 서비스 시스템 망에 처음으로 접속한 단말(120)(사용자)가 있다고 가정하자. 본 발명의 일실시예에 따른 사용자의 행동을 예측하는 서비스는 개별 사용자의 고유한 행동 패턴을 학습하고, 개별 패턴을 이용하여 개개의 사용자에 맞는 맞춤형 서비스 제공을 할 수 있다. 다만, 초기 진입 사용자의 경우, 해당 사용자의 고유한 행동 패턴을 학습하는 기간 동안에는 서비스를 제공받을 수 없다.
본 발명의 일실시예에 따른 서비스 서버(110)는 전술한 공통 패턴 데이터베이스를 보유함으로써, 초기 진입 사용자의 고유한 행동 패턴을 학습하는 기간 동안에는 복수의 사용자들에게 공통된 행동 패턴을 기반으로 서비스를 제공함으로써 전술한 문제를 해결할 수 있다.
본 발명의 실시예들은 복수의 사용자들의 공통된 행동 패턴을 계산하거나, 개별 사용자의 고유한 행동 패턴을 계산할 때, HTM(Hierarchal Temporal Memory) 모델을 사용할 수 있다. HTM 모델은 머신 러닝(machine learning) 기법에 기반한다. 본 발명의 일실시예에 따른 서비스 서버(110)는 HTM 모델을 이용하여 (a) 트레이닝(training) 단계에서 복수의 센서리 데이터로부터 자주 관측되는 공통된 패턴을 선별하고, 이를 기초로 복수의 공간적 패턴(spatial pattern)들을 생성할 수 있다. 또한, 본 발명의 일실시예에 따른 서비스 서버는 단말로부터 전송 받은 센서리 데이터가 상기 생성된 복수의 공간적 패턴들 중 어느 하나와 동일한지 여부를 판단할 수 있고, 동일하지는 않으나 매우 유사한 경우, 상기 전송 받은 센서리 데이터를 상기 매우 유사한 공간적 패턴으로 간주할 수 있다. (b) 다음으로, 본 발명의 일실시예에 따른 서비스 서버는 상기 생성된 복수의 공간적 패턴들이 전송되는 순서에 따라, 복수의 공간적 패턴들의 시간적 시퀀스(temporal sequence of spatial patters)를 생성할 수 있다. 이러한 시간적 시퀀스가 복수 개 모여서 시간적 시퀀스들의 집합을 형성할 수 있고, 상기 집합은 데이터베이스에 저장될 수 있다.
본 발명의 일실시예에 따른 서비스 서버는 (c) 추론(infer) 단계에서 상기 복수의 공간적 패턴들의 시간적 시퀀스 집합(즉, 공통 패턴 데이터베이스)를 이용하여 입력된 센서리 데이터로부터 사용자의 행동을 예측할 수 있다. 이 때, 본 발명의 일실시예에 따른 서비스 서버는 한 개 이상의 사용자의 행동들을 후보로 선출할 수 있다. 이 경우, 상기 서비스 서버는 HTM 모델을 이용하여 상기 후보로 선출된 복수의 사용자의 행동들 각각에 대한 확률을 계산할 수 있다.
이상에서, 본 발명의 일실시예에 따른 서비스 서버가 HTM 모델을 이용하여 사용자의 행동 패턴을 계산하고, 데이터베이스를 구축하며, 사용자의 행동을 예측하는 방법을 설명하였으나, 본 발명의 권리 범위가 상기 HTM 모델을 이용한 구성만으로 한정되지 아니한다.
2. 본 발명의 실시예들에 따른 서비스 서버
도 2는 본 발명의 일실시예에 따른 센서리 데이터를 이용하여 서비스 정보를 생성하는 서비스 서버를 나타낸 블록도이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 서비스 서버(200)는 수신부(230), 공통 패턴 계산부(210), 공통 패턴 데이터베이스(220), 예측부(240), 및 송신부(250)를 포함한다.
본 발명의 일실시예에 따른 트레이닝(training) 단계에서, 수신부(230)는 복수의 사용자들로부터 복수의 센서리 데이터를 획득하고, 공통 패턴 계산부(210)는 상기 복수의 센서리 데이터를 이용하여 상기 복수의 사용자들의 공통된 행동 패턴을 계산한다. 도 1을 참조하여 전술한 바와 같이, 본 발명의 일실시예에 따른 공통 패턴 계산부(210)는 HTM 모델을 이용하여 상기 복수의 사용자들의 공통된 행동 패턴을 계산할 수 있다. 이 경우, 공통 패턴 데이터베이스(210)는 공통 패턴 계산부(210)에 의해 계산된 복수의 사용자들의 공통된 행동 패턴을 저장한다.
한편, 본 발명의 일실시예에 따른 추론(infer) 단계에서, 수신부(230)는 적어도 하나의 단말로부터 센서리(sensory) 데이터를 수신하고, 예측부(240)는 상기 공통 패턴 데이터베이스 및 상기 센서리 데이터를 이용하여 상기 사용자의 행동을 예측한다. 마찬가지로, 본 발명의 일실시예에 따른 예측부(240)는 HTM 모델을 이용하여 상기 사용자의 행동을 예측할 수 있다.
더 나아가, 예측부(240)는 상기 예측된 행동을 기초로 상기 단말의 사용자에게 제공할 서비스 정보를 생성할 수 있다. 송신부(250)는 상기 단말의 사용자에게 상기 생성한 서비스 정보를 전송한다.
이 때, 센서리 데이터를 전송 하는 적어도 하나의 단말은 적어도 하나의 센서를 이용하여 상기 사용자의 행동 패턴과 관련된 정보를 수집하고, 상기 정보를 이용하여 센서리 데이터를 생성한다.
이하, 도 3 내지 도 6을 참조하여 본 발명의 실시예들에 따른 서비스 서버의 구성 및 동작 방법을 보다 상세하게 설명한다.
도 3은 본 발명의 일실시예에 따른 적어도 GPS 데이터를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 3을 참조하면, 본 발명의 일실시예에 따른 서비스 서버(300)는 수신부(320), 공통 패턴 데이터베이스(310), 및 예측부(330)를 포함한다.
수신부(320)는 상기 사용자의 위치에서 측정된 GPS 데이터를 포함하는 센서리 데이터를 수신한다. 이 때, 본 발명의 일실시예에 따른 서비스 서버(300)는 전술한 트레이닝 단계를 수행함으로써, 수신부(320)에 의해 수신된 센서리 데이터에 대응하여 사용자의 행동을 예측하기에 충분한 공통 패턴들을 보유할 수 있다. 따라서, 이하 도 3의 실시예를 설명함에 있어서 공통 패턴 데이터베이스(310)는 이미 구축되어 있다고 가정한다.
예측부(330)는 위치 추정부(331), 후보 선출부(332), 및 확률 계산부(333)을 포함할 수 있다.
여기서, 위치 추정부(331)는 적어도 상기 GPS 데이터를 기초로 상기 사용자의 현재 위치를 추정한다. GPS 데이터는 경도에 관한 정보 및 위도에 관한 정보를 포함하고 있으므로, 위치 추정부(331)는 이러한 정보를 바탕으로 사용자의 위치를 추정할 수 있다. 뿐만 아니라, GPS 데이터는 고도에 관한 정보를 더 포함할 수 있다. 위치 추정부(331)는 고도에 관한 정보를 이용하여 사용자의 위치를 보다 정확하게 추정할 수 있다.
이 때, 도 1을 참조하여 전술한 바와 같이 센서리 데이터는 GPS 데이터뿐 아니라, 사용자의 행동 패턴을 예측하는 데 도움이 되는 모든 종류의 정보를 포함할 수 있다. 따라서, 본 발명의 일실시예에 따른 위치 추정부(331)는 상기 GPS 데이터뿐 아니라 사용자의 가속도 정보, 사용자 주변의 조도 정보, 및 사용자 주변의 소음 정보 등을 더 활용할 수 있다.
예를 들면, GPS 데이터를 이용하여 위치를 추정한 결과, GPS 지도 상 고가도로 및 일반도로가 겹치는 지역으로 사용자의 위치가 추정될 수 있다. 이 때, 본 발명의 일실시예에 따른 위치 추정부(331)는 사용자의 가속도 정보를 더 활용하여 상기 사용자가 고가도로 위를 지나고 있는지, 혹은 일반도로 위를 지나고 있는지 여부를 판단할 수 있다.
한편, 위치 추정부(331)는 상기 사용자의 위치를 추정하기 위하여 미리 정해진 복수의 위치 카테고리들 중 어느 하나의 위치 카테고리를 선택하는 방식에 따라 구현될 수 있다. 여기서, 상기 미리 정해진 복수의 위치 카테고리들은 학교, 병원, 동물병원, 도서관, 주유소, 및 집 등을 포함할 수 있다. 즉, 본 발명의 일실시예에 따르면, 위치 추정부(331)는 상기 사용자가 현재 상기 위치 카테고리들 중 어느 하나에 해당하는 장소에 위치하고 있는지 여부를 판단할 수 있다.
또한, 후보 선출부(332)는 위치 추정부(331)에 의해 추정된 현재 위치, 센서리 데이터, 및 공통 패턴 데이터베이스를 이용하여 상기 사용자가 다음으로 이동할 위치로 추천되는 적어도 하나의 위치 후보를 선출할 수 있다.
즉, 후보 선출부(332)는 복수의 사용자들의 공통된 패턴에 따라 상기 단말의 사용자가 다음으로 이동할 장소를 추천할 수 있다. 이 때, 전술한 바와 같이 후보 선출부(332)는 HTM 모델을 이용하여 상기 단말의 사용자가 이동할 장소로 추천되는 위치 후보들을 예측할 수 있다. 이 경우, 후보 선출부(332)는 상기 추정된 사용자의 위치 및 상기 센서리 데이터에 포함된 다양한 정보를 상기 HTM 모델의 입력으로 인가함으로써, 상기 위치 후보들을 예측할 수 있다.
한편, 후보 선출부(332)는 상기 위치 후보들을 선출하기 위하여 미리 정해진 복수의 위치 카테고리들 중 적어도 어느 하나의 위치 카테고리를 선택하는 방식에 따라 구현될 수 있다. 여기서, 상기 미리 정해진 복수의 위치 카테고리들은 학교, 병원, 동물병원, 도서관, 주유소, 및 집 등을 포함할 수 있다. 즉, 본 발명의 일실시예에 따르면, 후보 선출부(332)는 상기 위치 카테고리들 중에서 하나 이상의 위치 카테고리를 선택함으로써, 상기 사용자가 이동할 장소로 추천되는 위치 후보들을 선출할 수 있다.
또한, 확률 계산부(333)는 상기 공통 패턴 데이터베이스를 기초로 상기 적어도 하나의 위치 후보 각각의 기대치와 관련된 확률을 계산할 수 있다. 이 때, 전술한 바와 같이 확률 계산부(333)는 HTM 모델을 이용하여 상기 단말의 사용자가 이동할 장소로 추천되는 위치 후보들 각각의 확률을 계산할 수 있다. 여기서, 상기 위치 후보들 각각의 확률은 상기 단말의 사용자가 이동할 장소로 추천되는 기대치와 연관될 수 있다.
본 발명의 일실시예에 따른 후보 선출부(332) 및 확률 계산부(333)는 예측부(330)의 구현 방식에 따라 하나의 독립한 구성 요소로 구성될 수 있다. 즉, 본 발명의 일실시예에 따른 예측부(330)는 위치 추정부(331)에 의해 추정된 사용자의 위치, 수신부(320)에 의해 수신된 GPS 데이터 및 공통 패턴 데이터베이스(310)를 이용하여, 상기 GPS 데이터를 전송한 단말의 사용자가 다음으로 이동할 장소로 추천되는 위치 후보들 및 이들 각각의 확률을 동시에 계산할 수 있다.
도 3의 실시예에 따른 서비스 서버는 후술할 도 7의 실시예에 따른 단말과 연동하여 도 8의 실시예에 따른 서비스를 제공할 수 있다. 이에 대한 보다 구체적인 사항들에 대하여는 후술한다.
도 4는 본 발명의 일실시예에 따른 적어도 360도 파노라마 이미지를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 4를 참조하면, 본 발명의 일실시예에 따른 서비스 서버(400)는 수신부(420), 공통 패턴 데이터베이스(410), 및 예측부(430)를 포함한다.
수신부(420)는 상기 사용자의 위치에서 측정된 360도 파노라마 이미지를 포함하는 센서리 데이터를 수신한다. 여기서, 360도 파노라마 이미지는 복수의 카메라를 이용하여 상기 사용자 주변으로 360도의 이미지를 연속되게 붙인 이미지이다. 상기 360도 파노라마 이미지를 생성하기 위한 복수의 카메라들의 배치에 대하여는 도 10을 참조하여 후술한다.
이 때, 본 발명의 일실시예에 따른 서비스 서버(400)는 전술한 트레이닝 단계를 수행함으로써, 수신부(420)에 의해 수신된 센서리 데이터에 대응하여 사용자의 행동을 예측하기에 충분한 공통 패턴들을 보유할 수 있다. 따라서, 이하 도 4의 실시예를 설명함에 있어서 공통 패턴 데이터베이스(410)는 이미 구축되어 있다고 가정한다.
예측부(430)는 축적부(431) 및 이미지 분석부(432)를 포함할 수 있다. 축적부(431)는 상기 수신된 파노라마 이미지를 축적하고, 이미지 분석부(432)는 상기 축적된 파노라마 이미지를 분석함으로써, 상기 사용자의 행동을 예측할 수 있다.
본 발명의 일실시예에 따른 이미지 분석부(432)는 목적지 예측부(433) 및 액션 결정부(434)를 포함할 수 있다.
목적지 예측부(433)는 상기 축적된 파노라마 이미지 및 공통 패턴 데이터베이스(410)를 기초로 상기 사용자가 현재 이동 중인 목적지를 예측할 수 있다. 즉, 본 발명의 일실시예에 따른 목적지 예측부(433)는 단말(사용자)로부터 수신된 360도 파노라마 이미지를 분석하고, 상기 이미지가 사용자의 출근 길에 자주 관측되는 이미지인지, 혹은 도서관으로 이동하는 중간에 자주 관측되는 이미지인지 여부 등을 판단할 수 있다.
또한, 액션 결정부(434)는 목적지 예측부(433)에 의해 예측된 사용자의 목적지와 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정할 수 있다. 예를 들면, 목적지 예측부(433)가 사용자는 도서관으로 이동 중이라고 판단한 경우, 액션 결정부(434)는 상기 사용자에게 대여한 책의 잔여 대여 기간 내지 연체한 책과 관련된 정보 등을 제공하고, 이러한 정보와 관련하여 사용자에게 추천되는 액션을 결정할 수 있다. 여기서, 본 발명의 일실시예에 따른 목적지 예측부(433) 및 액션 결정부(434)는 HTM 모델을 이용하여 전술한 동작을 수행할 수 있다.
한편, 본 발명의 다른 실시예에 따른 이미지 분석부(432)는 목적지 예측부 대신 행동 인식부(433)을 포함할 수 있다.
이 때, 수신부(420)는 360도 파노라마 이미지뿐 아니라, 상기 파노라마 이미지에 포함된 얼굴 정면에 관한 정보 및 상기 파노라마 이미지에 포함된 이동체의 모션에 관한 정보를 더 포함하는 센서리 데이터를 수신할 수 있다.
행동 인식부(433)는 상기 축적된 파노라마 이미지, 상기 얼굴 정면에 관한 정보, 및 상기 이동체의 모션에 관한 정보를 기초로 상기 이동체가 수행 중인 행동을 인식할 수 있다. 즉, 본 발명의 일실시예에 따른 행동 인식부(433)는 상기 축적된 파노라마 이미지에서 얼굴 정면을 인식한 정보 및 이동체의 모션에 관한 정보를 기초로 사용자 주변에 있는 사람의 움직임을 감지할 수 있다.
더 나아가, 본 발명의 일실시예에 따른 행동 인식부(433)는 상기 감지한 주변 사람의 움직임을 HTM 모델의 입력으로 인가함으로써, 상기 주변 사람이 수행 중인 행동을 인식할 수 있다.
이 경우, 액션 결정부(434)는 상기 인식된 행동 및 상기 공통 패턴 데이터베이스(410)를 기초로 상기 인식된 행동과 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정할 수 있다.
도 4의 실시예에 따른 서비스 서버는 후술할 도 9 및 도 10의 실시예에 따른 단말과 연동하여 도 11의 실시예에 따른 서비스를 제공할 수 있다. 이에 대한 보다 구체적인 사항들에 대하여는 후술한다.
도 5는 본 발명의 일실시예에 따른 적어도 사용자의 상태 정보를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 5를 참조하면, 본 발명의 일실시예에 따른 서비스 서버(500)는 수신부(520), 공통 패턴 데이터베이스(510), 및 예측부(530)를 포함한다.
수신부(520)는 상기 사용자의 상태 정보를 포함하는 센서리 데이터를 수신한다. 여기서, 사용자의 상태 정보는 사용자가 임의의 시점에 느끼는 기분 및 사용자가 임의의 시점에 겪는 증상 등 사용자의 상태와 관련된 모든 정보를 포함한다. 상기 사용자가 사용하는 단말은 상기 사용자의 상태와 관련된 정보를 입력할 수 있도록 입력 수단을 제공할 수 있다. 상기 단말에 의해 제공되는 입력 수단에 대하여는 도 12를 참조하여 후술한다.
이 때, 본 발명의 일실시예에 따른 서비스 서버(500)는 전술한 트레이닝 단계를 수행함으로써, 수신부(520)에 의해 수신된 사용자의 상태 정보에 대응하여 사용자의 행동을 예측하기에 충분한 공통 패턴들을 보유할 수 있다. 따라서, 이하 도 5의 실시예를 설명함에 있어서 공통 패턴 데이터베이스(510)는 이미 구축되어 있다고 가정한다.
예측부(530)는 상태 예측부(531) 및 액션 결정부(532)를 포함할 수 있다.
여기서, 상태 예측부(531)는 상기 센서리 데이터 및 상기 공통 패턴 데이터베이스를 이용하여 상기 사용자의 육체적 상태 및 상기 사용자의 정신적 상태를 예측할 수 있다. 본 발명의 일실시예에 따른 상태 예측부(531)는 수신부(520)에 의해 수신된 사용자의 상태 정보를 HTM 모델의 입력으로 인가함으로써, 상기 사용자의 육체적 상태 및 상기 사용자의 정신적 상태를 예측할 수 있다.
또한, 액션 결정부(532)는 상기 육체적 상태, 상기 정신적 상태, 및 상기 공통 패턴 데이터베이스를 기초로 상기 육체적 상태 및 상기 정신적 상태와 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정할 수 있다. 예를 들면, 본 발명의 일실시예에 따른 상태 예측부(531)가 사용자의 육체적 상태를 감기 증상으로 판단하는 경우, 액션 결정부(532)는 상기 사용자에게 병원에 가라든지, 약국에 들르라는 등 추천되는 액션을 결정할 수 있다. 마찬가지로, 본 발명의 일실시예에 따른 액션 결정부(532)는 HTM 모델을 이용함으로써, 상기 추천되는 액션을 결정할 수 있다.
도 6은 본 발명의 일실시예에 따른 사용자의 개별 패턴 데이터베이스를 이용하여 사용자의 행동을 예측하는 서비스 서버를 나타낸 블록도이다.
도 6을 참조하면, 본 발명의 일실시예에 따른 서비스 서버(600)는 수신부(630), 공통 패턴 계산부(610), 공통 패턴 데이터베이스(620), 개별 패턴 계산부(640), 개별 패턴 데이터베이스(650), 및 예측부(660)을 포함한다.
여기서, 수신부(630), 공통 패턴 계산부(610), 및 공통 패턴 데이터베이스(620)에는 도 2를 참조하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
본 발명의 일실시예에 따른 개별 패턴의 트레이닝(training) 단계에서, 수신부(630)는 개별 패턴의 트레이닝 대상인 개별 사용자로부터 복수의 센서리 데이터를 획득하고, 개별 패턴 계산부(640)는 상기 복수의 센서리 데이터를 이용하여 상기 개별 사용자의 고유한 행동 패턴을 계산한다. 공통 패턴 계산부(610)와 마찬가지로, 본 발명의 일실시예에 따른 개별 패턴 계산부(640)는 HTM 모델을 이용하여 상기 개별 사용자의 고유한 행동 패턴을 계산할 수 있다. 이 경우, 개별 패턴 데이터베이스(650)는 개별 패턴 계산부(640)에 의해 계산된 개별 사용자의 고유한 행동 패턴을 저장한다.
한편, 본 발명의 일실시예에 따른 개별 패턴의 추론(infer) 단계에서, 수신부(630)는 적어도 하나의 단말로부터 센서리(sensory) 데이터를 수신하고, 예측부(660)는 상기 개별 패턴 데이터베이스(650) 및 상기 센서리 데이터를 이용하여 상기 개별 사용자의 행동을 예측한다. 마찬가지로, 본 발명의 일실시예에 따른 예측부(660)는 HTM 모델을 이용하여 상기 사용자의 행동을 예측할 수 있다.
또한, 본 발명의 일실시예에 따른 예측부(660)는 상기 개별 패턴 데이터베이스(650)의 신뢰성에 따라 상기 공통 패턴 데이터베이스(620)를 이용하여 상기 사용자의 행동을 예측할 것인지, 혹은 상기 개별 패턴 데이터베이스(650)를 이용하여 상기 사용자의 행동을 예측할 것인지 여부를 판단할 수 있다.
예를 들면, 본 발명의 일실시예에 따른 서비스 서버(600)가 센서리 데이터를 전송한 단말의 사용자로부터 개별 패턴 데이터베이스를 구축할 만큼 충분한 센서리 데이터를 전송 받지 못한 경우를 가정하자. 이 경우, 예측부(660)는 개별 패턴 데이터베이스의 신뢰성이 낮다고 판단할 수 있다. 예측부(660)는 개별 패턴 데이터베이스의 신뢰성이 낮다고 판단하면, 공통 패턴 데이터베이스를 이용하여 사용자의 행동을 예측함으로써 상기 사용자에게 서비스를 제공한다.
반면, 본 발명의 일실시예에 따른 서비스 서버(600)가 센서리 데이터를 전송한 단말의 사용자로부터 개별 패턴 데이터베이스를 구축할 만큼 충분한 센서리 데이터를 전송 받은 경우, 예측부(660)는 개별 패턴 데이터베이스의 신뢰성이 높다고 판단할 수 있다. 이 경우, 예측부(660)는 개별 패턴 데이터베이스를 이용하여 사용자의 행동을 예측함으로써, 개별 사용자의 고유한 행동 패턴에 대응하는 사용자의 행동과 관련된 서비스를 제공할 수 있다.
3. 본 발명의 실시예들에 따른 단말
도 7은 본 발명의 일실시예에 따른 GPS 센서를 이용하여 센서리 데이터를 생성하고, 상기 센서리 데이터를 이용하여 서버에 의하여 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 단말을 나타낸 블록도이다.
도 7을 참조하면, 본 발명의 일실시예에 따른 단말(700)은 수집부(710), 생성부(720), 송신부(730), 수신부(740), 및 정보 제공부(750)를 포함한다.
수집부(710)는 복수의 센서들을 이용하여 사용자의 행동 패턴과 관련된 정보를 수집한다. 본 발명의 일실시예에 따른 수집부(710)는 상기 사용자의 위치에서 GPS 데이터를 측정하기 위한 GPS 센서를 포함할 수 있다.
또한, 생성부(720)는 수집부(710)에서 수집된 정보를 이용하여 센서리(sensory) 데이터를 생성한다. 전술한 바와 같이, 센서리 데이터는 사용자의 행동 패턴을 예측할 수 있는 모든 데이터를 포괄한다. 송신부(730)는 상기 센서리 데이터를 서버로 송신한다.
또한, 수신부(740)는 상기 서버로부터 상기 사용자를 위한 서비스 정보를 수신한다. 이 때, 상기 서버는 복수의 사용자들의 공통된 행동 패턴 및 상기 센서리 데이터를 기초로 상기 사용자의 행동을 예측함으로써 상기 서비스 정보를 생성한다. 상기 서버에는 도 1 내지 도 6을 통하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
또한, 정보 제공부(750)는 상기 수신에 응답하여, 상기 서비스 정보를 사용자에게 자동으로 제공한다. 여기서, 상기 서비스 정보는 상기 사용자가 다음으로 이동할 위치로 추천되는 복수의 위치 후보들 및 상기 복수의 위치 후보들 각각의 확률을 포함할 수 있다.
이 경우, 상기 정보 제공부(750)는 상기 복수의 위치 후보들에 관한 정보 또는 상기 복수의 위치 후보들 각각의 확률에 관한 정보 중 적어도 하나를 표시하는 정보 표시부(753)를 포함할 수 있다. 정보 표시부(753)에 표시되는 컨텐츠에 대한 보다 구체적인 사항들에 대하여는 도 8을 참조하여 후술한다.
또한, 정보 제공부(750)는 어플리케이션 결정부(751) 및 어플리케이션 실행부(752)를 더 포함할 수 있다.
어플리케이션 결정부(751)는 상기 복수의 위치 후보들에 대응하는 복수의 어플리케이션들을 결정할 수 있다. 표 1을 참조하면, 본 발명의 일실시예는 상기 복수의 위치 후보들 각각의 장소에 대응되는 어플리케이션의 리스트를 테이블 형태로 구축할 수 있다.
위치 후보의 장소 대응되는 어플리케이션
도서관 자동 매너 모드 APP
극장 영화 리뷰 APP, 영화 예약 APP
마트 가계부 APP
레스토랑 메뉴판 APP, 레스토랑 평가 APP
주차장 빈 주차 공간 APP
또한, 어플리케이션 실행부(752)는 상기 복수의 위치 후보들 각각의 확률을 기초로 상기 복수의 어플리케이션들 중 적어도 어느 하나를 자동으로 실행할 수 있다. 예를 들면, 본 발명의 일실시예에 따른 어플리케이션 실행부(752)는 사용자가 다음으로 이동할 장소로 가장 유력하게 추천되는 위치 후보에 대응되는 어플리케이션을 자동을 실행시킬 수 있다.
도 8은 본 발명의 일실시예에 따른 GPS 데이터를 이용하여 서버에 의하여 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 정보 표시부를 설명한 도면이다.
도 8을 참조하면, 정보 표시부(753)는 우측 하단에 상기 복수의 위치 후보들에 관한 정보 및 상기 복수의 위치 후보들 각각의 확률에 관한 정보를 표시할 수 있다.
보다 구체적으로, 정보 표시부(753)는 사용자의 현재 위치로 추정되는 장소(810)를 지도 상에 표시할 수 있다. 이 때, 전술한 바와 같이, 상기 단말은 사용자의 현재 위치가 미리 정해진 복수의 위치 카테고리들 중 어느 하나에 해당한다는 정보를 상기 서버로부터 전송 받을 수 있다. 예를 들면, 도 8에서 사용자가 현재 위치하는 장소는 고등학교의 위치 카테고리에 속할 수 있다.
본 발명의 일실시예에 따른 정보 표시부(753)는 서버로부터 전송 받은 복수의 위치 후보들 각각의 위치를 지도 상에 원형으로 표시할 수 있다(820, 830, 및 840). 이 때, 본 발명의 일실시예에 따른 정보 표시부(753)는 복수의 위치 후보들 각각의 확률의 크기에 따라 상기 지도 상에 표시되는 원형의 크기를 제어할 수 있다.
예를 들면, 사용자의 위치가 고등학교로 추정된 경우, 본 발명의 일실시예에 따른 서비스 서버는 상기 사용자가 다음으로 이동할 장소로 추천되는 위치 후보들로써, 동물 병원(75%의 확률), 은행(11%의 확률), 및 한의원(8%의 확률)을 선정할 수 있다. 이 때, 본 발명의 일실시예에 따른 정보 표시부(753)는 동물 병원(820)을 지도 상에 표시할 때 가장 큰 원을 사용하고, 은행(830)을 지도 상에 표시할 때 그 다음 크기의 원을 사용하며, 한의원(840)을 지도 상에 표시할 때 가장 작은 크기의 원을 사용할 수 있다.
뿐만 아니라, 본 발명의 일실시예에 따른 정보 표시부(753)는 상기 복수의 위치 후보들 각각의 확률을 기초로, 상기 사용자에게 다음으로 이동할 장소를 직접적으로 추천할 수 있다. 예를 들면, 정보 표시부(753)는 사용자에게 가장 큰 확률을 가지는 동물 병원에 가는 것을 추천하는 텍스트 메시지(850)를 화면 좌측 상단에 표시할 수 있다.
본 발명의 일실시예에 따른 정보 제공부(750)는 기존에 추정하였던 위치와 다른 새로운 위치로 사용자의 위치가 추정되는 경우, 이를 반영하여 새로운 정보를 사용자에게 제공할 수 있다. 즉, 사용자의 위치가 슈퍼마켓으로 새로이 추정되는 경우, 정보 표시부(753)는 사용자의 현재 위치(860)를 지도 상에서 갱신할 수 있다.
더 나아가, 사용자의 현재 위치가 변경되면, 상기 사용자가 다음으로 이동할 장소로 추천되는 위치 후보들의 리스트 및 위치 후보들 각각의 확률이 변경되므로, 정보 표시부(753)는 이러한 변경된 정보들을 사용자에게 제공할 수 있다. 예를 들면, 사용자의 위치가 슈퍼마켓으로 이동되었다고 추정된 경우, 본 발명의 일실시예에 따른 서비스 서버는 상기 사용자가 다음으로 이동할 장소로 가장 유력하게 추천하는 위치 후보로 은행(870)을 선정하고, 이를 지도 상에 원형으로 표시할 수 있다.
도 9는 본 발명의 일실시예에 따른 적어도 복수의 카메라를 이용하여 센서리 데이터를 생성하고, 상기 센서리 데이터를 이용하여 서버에 의하여 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 단말을 나타낸 블록도이다.
도 9를 참조하면, 본 발명의 일실시예에 따른 단말(900)은 수집부(910), 생성부(920), 송신부(930), 수신부(940), 및 정보 제공부(950)를 포함한다.
수집부(910)는 복수의 센서들을 이용하여 사용자의 행동 패턴과 관련된 정보를 수집한다.
본 발명의 일실시예에 따른 수집부(910)는 상기 사용자의 위치에서 360도 파노라마 이미지를 생성하기 위한 복수의 카메라들을 포함할 수 있다.
도 10은 본 발명의 일실시예에 따른 360도 파노라마 이미지를 생성하기 위한 복수의 카메라의 배치를 설명하는 도면이다. 도 10을 참조하면, 본 발명의 일실시예에 따른 수집부(910)는 각각 150도의 시야각을 가지는 총 4 대의 카메라들을 포함할 수 있다. 보다 구체적으로, 본 발명의 일실시예에 따른 수집부(910)는 사용자를 중심으로 북쪽을 향하는 제1 카메라(1010), 서쪽을 향하는 제2 카메라(1020), 남쪽을 향하는 제3 카메라(1030), 및 동쪽을 향하는 제4 카메라(1040)을 포함할 수 있다. 이 경우, 수집부(910)는 제1 카메라(1010), 제2 카메라(1020), 제3 카메라(1030), 및 제4 카메라(1040)를 동시에 촬영함으로써, 상기 사용자 주변의 360도 파노라마 이미지를 생성할 수 있다.
또한, 생성부(920)는 수집부(910)에서 수집된 정보를 이용하여 센서리(sensory) 데이터를 생성한다. 전술한 바와 같이, 센서리 데이터는 사용자의 행동 패턴을 예측할 수 있는 모든 데이터를 포괄한다. 송신부(930)는 상기 센서리 데이터를 서버로 송신한다.
또한, 수신부(940)는 상기 서버로부터 상기 사용자를 위한 서비스 정보를 수신한다. 이 때, 상기 서버는 복수의 사용자들의 공통된 행동 패턴 및 상기 센서리 데이터를 기초로 상기 사용자의 행동을 예측함으로써 상기 서비스 정보를 생성한다. 상기 서버에는 도 1 내지 도 6을 통하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
또한, 정보 제공부(950)는 상기 수신에 응답하여, 상기 서비스 정보를 사용자에게 자동으로 제공한다. 여기서, 상기 서비스 정보는 상기 사용자가 현재 이동 중인 목적지 및 상기 목적지와 관련하여 상기 사용자에게 추천되는 액션을 포함할 수 있다.
이 경우, 상기 정보 제공부(950)는 상기 목적지에 관한 정보 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부(951)를 포함할 수 있다.
도 11은 본 발명의 일실시예에 따른 360도 파노라마 이미지를 이용하여 서버에 의해 예측된 사용자의 행동을 기초로 사용자에게 서비스를 제공하는 정보 표시부를 설명한 도면이다.
도 11을 참조하면, 본 발명의 일실시예에 따른 단말(900)은 사용자가 제1 장소에서 제2 장소로 이동하는 중간에 복수의 카메라들(911)을 이용하여 생성한 360도 파노라마 이미지를 서버로 전송할 수 있다.
예를 들면, 사용자는 집(1130)에서 주유소(1140)으로 이동하는 도중, 커피숍(1120)에서 집(1130)으로 이동하는 도중, 또는 주유소(1140)에서 커피숍(1120)으로 이동하는 도중 등 장소의 이동 중간에 360도 파노라마 이미지를 서버로 전송할 수 있다.
전술한 바와 같이, 서버는 상기 전송 받은 파노라마 이미지를 분석하여 상기 사용자가 현재 이동 중인 장소를 예측할 수 있다. 도 11의 실시예에서, 사용자(1110)는 집(1130)에서 커피숍(1120)으로 이동하는 중이라고 가정하자.
이 때, 정보 제공부(950)는 서버로부터 사용자가 커피숍으로 이동하고 있다는 정보 및 커피숍과 관련하여 상기 사용자에게 추천되는 액션(커피 가루의 구입 등)과 관련된 정보를 사용자에게 제공할 수 있다.
한편, 본 발명의 다른 실시예에 따른 수집부(910)는 페이스 감지부(912) 및 모션 감지부(913)을 더 포함할 수 있다.
페이스 감지부(912)는 상기 파노라마 이미지에 포함된 얼굴 정면(frontal face)을 감지할 수 있다. 본 발명의 일실시예에 따른 페이스 감지부(912)는 OpenCV 라이브러리 및 ROI(Region of Interest) 기법을 이용할 수 있다.
또한, 모션 감지부(913)는 상기 파노라마 이미지에 포함된 이동체의 모션을 감지할 수 있다. 본 발명의 일실시예에 따른 모션 감지부(913)는 상기 이동체의 모션을 감지하기 위하여, 하드웨어 캡쳐 기법을 이용할 수 있다.
이 때, 수신부(940)에 의해 수신된 서비스 정보는 상기 이동체가 수행 중인 행동 및 상기 이동체의 행동과 관련하여 상기 사용자가 취할 액션으로 추천되는 액션을 포함할 수 있다. 이 경우, 정보 제공부(950)는 상기 이동체의 행동에 관한 정보 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부(951)를 포함할 수 있다.
도 12는 본 발명의 일실시예에 따른 사용자의 상태 정보를 입력 받기 위한 입력부를 설명한 도면이다.
도 12를 참조하면, 본 발명의 일실시예에 따른 단말은 사용자의 상태에 관한 정보를 입력 받는 입력부를 포함한다.
사용자는 입력부를 이용하여 임의의 시점에 두통이 느껴지는 경우, 피부 상태가 좋은 경우, 또는 불면증에 시달리는 경우 등 사용자의 상태에 관한 정보를 입력할 수 있다.
예를 들면, 본 발명의 일실시예에 따라, 사용자는 두통이 느껴지는 시점에 상기 입력부에 포함된 두통 버튼(1210)을 클릭할 수 있다. 이로써, 상기 사용자가 사용하는 단말은 해당 정보를 서버에 전송할 수 있다.
더 나아가, 서버는 상기 정보를 이용하여 상기 사용자의 육체적 상태, 상기 사용자의 정신적 상태에 관한 정보를 제공하고, 상기 육체적 상태 및 상기 정신적 상태와 관련하여 상기 사용자에게 추천되는 액션을 제공할 수 있다.
또한, 본 발명의 일실시예에 따라, 사용자가 개별적으로 사용자의 상태를 기술하여 새로운 버튼을 생성할 수 있다. 따라서, 본 발명의 일실시예에 따른 입력부는 상기 새로운 버튼을 생성하기 위한 버튼(1220)을 포함할 수 있다.
도 13은 본 발명의 일실시예에 따른 사용자의 개별 패턴 데이터베이스를 이용하여 사용자의 행동을 예측하는 단말을 나타낸 블록도이다.
도 13을 참조하면, 본 발명의 일실시예에 따른 단말(1300)은 수집부(1310), 생성부(1320), 송신부(1330), 수신부(1340), 개별 패턴 계산부(1350), 개별 패턴 데이터베이스(1360), 예측부(1370), 선택부(1380), 및 정보 제공부(1390)을 포함한다.
여기서, 수집부(1310), 생성부(1320), 송신부(1330), 수신부(1340), 및 정보 제공부(1390)에는 도 7 및 도 9를 통하여 기술된 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
본 발명의 일실시예에 따른 개별 패턴의 트레이닝(training) 단계에서, 수집부(1310)는 개별 패턴의 트레이닝을 위한 개별 사용자의 고유한 행동 패턴과 관련된 정보를 획득하고, 생성부(1320)는 상기 정보를 이용하여 복수의 센서리 데이터를 생성한다.
개별 패턴 계산부(1350)는 상기 복수의 센서리 데이터를 이용하여 상기 개별 사용자의 고유한 행동 패턴을 계산한다. 이 때, 본 발명의 일실시예에 따른 개별 패턴 계산부(1350)는 HTM 모델을 이용하여 상기 개별 사용자의 고유한 행동 패턴을 계산할 수 있다. 이 경우, 개별 패턴 데이터베이스(1360)는 개별 패턴 계산부(1350)에 의해 계산된 개별 사용자의 고유한 행동 패턴을 저장한다.
한편, 본 발명의 일실시예에 따른 개별 패턴의 추론(infer) 단계에서, 수집부(1310)는 사용자의 행동을 예측하기 위한 적어도 하나의 정보를 획득하고, 생성부(1320)는 상기 정보를 이용하여 적어도 하나의 센서리 데이터를 생성한다.
예측부(1370)는 상기 개별 패턴 데이터베이스(1360) 및 상기 센서리 데이터를 이용하여 상기 개별 사용자의 행동을 예측한다. 마찬가지로, 본 발명의 일실시예에 따른 예측부(1370)는 HTM 모델을 이용하여 상기 사용자의 행동을 예측할 수 있다.
또한, 본 발명의 일실시예에 따른 선택부(1380)는 상기 개별 패턴 데이터베이스(1360)의 신뢰성에 따라 상기 수신된 서비스 정보 및 상기 예측부(1370)에 의해 예측된 행동을 기초로 생성된 서비스 정보 중 어느 하나를 선택할 수 있다.
예를 들면, 본 발명의 일실시예에 따른 단말(1300)이 개별 패턴 데이터베이스를 구축할 만큼 충분한 센서리 데이터를 확보하지 못한 경우를 가정하자. 이 경우, 선택부(1380)는 개별 패턴 데이터베이스(1360)의 신뢰성이 낮다고 판단할 수 있다. 선택부(1380)는 개별 패턴 데이터베이스(1360)의 신뢰성이 낮다고 판단하면, 서버로부터 수신된 서비스 정보를 선택하고, 정보 제공부(1390)는 상기 수신된 서비스 정보를 사용자에게 제공한다.
반면, 본 발명의 일실시예에 따른 단말(1300)가 개별 패턴 데이터베이스를 구축할 만큼 충분한 센서리 데이터를 확보한 경우, 선택부(1380)는 개별 패턴 데이터베이스(1360)의 신뢰성이 높다고 판단할 수 있다. 이 경우, 선택부(1380)는 개별 패턴 데이터베이스(1360)를 이용하여 사용자의 행동을 예측함으로써, 개별 사용자의 고유한 행동 패턴에 대응하는 사용자의 행동과 관련된 서비스를 제공할 수 있다.
상술한 서비스 서버 및 단말의 동작 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
210: 공통 패턴 계산부
220: 공통 패턴 데이터베이스
230: 수신부
240: 예측부

Claims (20)

  1. 복수의 사용자들의 공통된 행동 패턴을 저장하는 공통 패턴 데이터베이스;
    적어도 하나의 단말로부터 센서리(sensory) 데이터를 수신하는 수신부; 및
    상기 단말의 사용자에게 제공할 서비스 정보를 생성하기 위하여, 상기 공통 패턴 데이터베이스 및 상기 센서리 데이터를 이용하여 상기 사용자의 행동을 예측하는 예측부
    를 포함하고,
    상기 단말은
    적어도 하나의 센서를 이용하여 상기 사용자의 행동 패턴과 관련된 정보를 수집하고, 상기 정보를 이용하여 상기 센서리 데이터를 생성하는 서비스 서버.
  2. 제1항에 있어서,
    상기 공통된 행동 패턴을 계산하는 공통 패턴 계산부
    를 더 포함하고,
    상기 수신부는
    상기 복수의 사용자들로부터 복수의 센서리 데이터를 획득하며,
    상기 공통 패턴 계산부는
    상기 복수의 센서리 데이터를 이용하여 상기 공통된 행동 패턴을 계산하는 서비스 서버.
  3. 제1항에 있어서,
    상기 센서리 데이터는
    상기 사용자의 위치에서 측정된 GPS 데이터를 포함하고,
    상기 예측부는
    적어도 상기 GPS 데이터를 기초로 상기 사용자의 현재 위치를 추정하는 위치 추정부;
    상기 현재 위치, 상기 센서리 데이터, 및 상기 공통 패턴 데이터베이스를 이용하여 상기 사용자가 다음으로 이동할 위치로 추천되는 적어도 하나의 위치 후보를 선출하는 후보 선출부; 및
    상기 공통 패턴 데이터베이스를 기초로 상기 적어도 하나의 위치 후보 각각의 기대치와 관련된 확률을 계산하는 확률 계산부
    를 포함하는 서비스 서버.
  4. 제3항에 있어서,
    상기 위치 추정부는
    상기 사용자의 위치를 추정하기 위하여 미리 정해진 복수의 위치 카테고리들 중 어느 하나의 위치 카테고리를 선택하고,
    상기 후보 선출부는
    상기 적어도 하나의 위치 후보를 선출하기 위하여 상기 미리 정해진 복수의 위치 카테고리들 중 적어도 어느 하나의 위치 카테고리를 선택하는 서비스 서버.
  5. 제1항에 있어서,
    상기 센서리 데이터는
    상기 사용자의 위치에서 생성된 360도 파노라마(panorama) 이미지를 포함하고,
    상기 예측부는
    상기 파노라마 이미지를 축적하는 축적부; 및
    상기 사용자의 행동을 예측하기 위하여 상기 축적된 파노라마 이미지를 분석하는 이미지 분석부
    를 포함하는 서비스 서버.
  6. 제5항에 있어서,
    상기 이미지 분석부는
    상기 축적된 파노라마 이미지 및 상기 공통 패턴 데이터베이스를 기초로 상기 사용자가 현재 이동 중인 목적지를 예측하는 목적지 예측부; 및
    상기 공통 패턴 데이터베이스를 기초로 상기 목적지와 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션(action)을 결정하는 액션 결정부
    를 포함하는 서비스 서버.
  7. 제5항에 있어서,
    상기 센서리 데이터는
    상기 파노라마 이미지에 포함된 얼굴 정면에 관한 정보 및 상기 파노라마 이미지에 포함된 이동체의 모션에 관한 정보를 더 포함하고,
    상기 이미지 분석부는
    상기 축적된 파노라마 이미지, 상기 얼굴 정면에 관한 정보, 및 상기 이동체의 모션에 관한 정보를 기초로 상기 이동체가 수행 중인 행동을 인식하는 행동 인식부; 및
    상기 인식된 행동 및 상기 공통 패턴 데이터베이스를 기초로 상기 인식된 행동과 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정하는 액션 결정부
    를 포함하는 서비스 서버.
  8. 제1항에 있어서,
    상기 센서리 데이터는
    상기 사용자의 상태에 관한 정보를 포함하고,
    상기 예측부는
    상기 센서리 데이터를 상기 공통 패턴 데이터베이스의 입력으로 인가함으로써, 상기 상태에 관한 정보에 대응되는 사용자의 육체적 상태 및 사용자의 정신적 상태를 예측하는 상태 예측부; 및
    상기 육체적 상태, 상기 정신적 상태, 및 상기 공통 패턴 데이터베이스를 기초로 상기 육체적 상태 및 상기 정신적 상태와 관련하여 상기 사용자에게 추천되는 적어도 하나의 액션을 결정하는 액션 결정부
    를 포함하는 서비스 서버.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    개별 사용자의 고유한 행동 패턴을 저장하는 개별 패턴 데이터베이스; 및
    상기 센서리 데이터를 이용하여 상기 고유한 행동 패턴을 계산하는 개별 패턴 계산부
    를 더 포함하고,
    상기 예측부는
    상기 사용자의 행동을 예측하기 위하여 상기 개별 패턴 데이터베이스를 더 이용하는 서비스 서버.
  10. 복수의 센서들을 이용하여 사용자의 행동 패턴과 관련된 정보를 수집하는 수집부;
    상기 정보를 이용하여 센서리(sensory) 데이터를 생성하는 생성부;
    상기 센서리 데이터를 서버로 송신하는 송신부;
    상기 서버로부터 상기 사용자를 위한 서비스 정보를 수신하는 수신부; 및
    상기 수신에 응답하여, 상기 서비스 정보를 자동으로 제공하는 정보 제공부
    를 포함하고,
    상기 서버는
    복수의 사용자들의 공통된 행동 패턴 및 상기 센서리 데이터를 기초로 상기 사용자의 행동을 예측함으로써 상기 서비스 정보를 생성하는 단말.
  11. 제10항에 있어서,
    상기 복수의 센서들은
    상기 사용자의 위치에서 GPS 데이터를 측정하는 GPS 센서를 포함하고,
    상기 센서리 데이터는
    적어도 상기 GPS 데이터를 포함하는 단말.
  12. 제11항에 있어서,
    상기 서비스 정보는
    상기 사용자가 다음으로 이동할 위치로 추천되는 복수의 위치 후보들 및 상기 복수의 위치 후보들 각각의 확률을 포함하고,
    상기 정보 제공부는
    상기 복수의 위치 후보들에 관한 정보 또는 상기 복수의 위치 후보들 각각의 확률에 관한 정보 중 적어도 하나를 표시하는 정보 표시부
    를 포함하는 단말.
  13. 제12항에 있어서,
    상기 정보 제공부는
    상기 복수의 위치 후보들에 대응하는 복수의 어플리케이션들을 결정하는 어플리케이션 결정부; 및
    상기 복수의 위치 후보들 각각의 확률을 기초로 상기 복수의 어플리케이션들 중 적어도 어느 하나를 자동으로 실행하는 어플리케이션 실행부
    를 더 포함하는 단말.
  14. 제10항에 있어서,
    상기 복수의 센서들은
    상기 사용자의 위치에서 360도 파노라마(panorama) 이미지를 생성하는 복수의 카메라를 포함하고,
    상기 센서리 데이터는
    적어도 상기 파노라마 이미지를 포함하는 단말.
  15. 제14항에 있어서,
    상기 서비스 정보는
    상기 사용자가 현재 이동 중인 목적지 및 상기 목적지와 관련하여 상기 사용자에게 추천되는 액션을 포함하고,
    상기 정보 제공부는
    상기 목적지에 관한 정보 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부
    를 포함하는 단말.
  16. 제14항에 있어서,
    상기 복수의 센서들은
    상기 파노라마 이미지에 포함된 얼굴 정면(frontal face)을 감지하는 페이스 감지부; 및
    상기 파노라마 이미지에 포함된 이동체의 모션을 감지하는 모션 감지부
    를 더 포함하고,
    상기 센서리 데이터는
    상기 얼굴 정면에 관한 정보 및 상기 이동체의 모션에 관한 정보를 더 포함하는 단말.
  17. 제16항에 있어서,
    상기 서비스 정보는
    상기 이동체가 수행 중인 행동 및 상기 이동체의 행동과 관련하여 상기 사용자가 취할 액션으로 추천되는 액션을 포함하고,
    상기 정보 제공부는
    상기 이동체의 행동에 관한 정보 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부
    를 포함하는 단말.
  18. 제10항에 있어서,
    상기 복수의 센서들은
    사용자의 상태에 관한 정보를 입력 받는 입력부를 포함하고,
    상기 센서리 데이터는
    적어도 상기 사용자의 상태에 관한 정보를 포함하는 단말.
  19. 제18항에 있어서,
    상기 서비스 정보는
    사용자의 육체적 상태, 사용자의 정신적 상태, 및 상기 육체적 상태 및 상기 정신적 상태와 관련하여 상기 사용자에게 추천되는 액션을 포함하고,
    상기 정보 제공부는
    상기 육체적 상태에 관한 정보, 상기 정신적 상태에 관한 정보, 또는 상기 액션에 관한 정보 중 적어도 하나를 표시하는 정보 표시부
    를 포함하는 단말.
  20. 제10항 내지 제19항 중 어느 한 항에 있어서,
    개별 사용자의 고유한 행동 패턴을 저장하는 개별 패턴 데이터베이스;
    상기 센서리 데이터를 이용하여 상기 고유한 행동 패턴을 계산하는 개별 패턴 계산부;
    상기 센서리 데이터 및 상기 개별 패턴 데이터베이스를 이용하여 상기 사용자의 행동을 예측하는 예측부; 및
    상기 개별 패턴 데이터베이스의 신뢰성에 따라 상기 수신된 서비스 정보 및 상기 예측부에 의해 예측된 행동을 기초로 생성된 서비스 정보 중 어느 하나를 선택하는 선택부
    를 더 포함하는 단말.
KR1020110139158A 2011-12-21 2011-12-21 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말 KR101308872B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110139158A KR101308872B1 (ko) 2011-12-21 2011-12-21 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110139158A KR101308872B1 (ko) 2011-12-21 2011-12-21 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말

Publications (2)

Publication Number Publication Date
KR20130071755A KR20130071755A (ko) 2013-07-01
KR101308872B1 true KR101308872B1 (ko) 2013-09-16

Family

ID=48986665

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110139158A KR101308872B1 (ko) 2011-12-21 2011-12-21 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말

Country Status (1)

Country Link
KR (1) KR101308872B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101616956B1 (ko) * 2014-06-13 2016-04-29 전자부품연구원 피로도 및 스트레스 측정 시스템
KR101627533B1 (ko) * 2014-06-30 2016-06-07 경북대학교 산학협력단 사용자 상황 예측 시스템 및 방법과, 이를 수행하기 위한 기록매체
KR101624184B1 (ko) * 2015-03-11 2016-06-07 연세대학교 산학협력단 에이전트 시스템을 위한 행동학습 모델의 의도-대응 인터페이스 장치 및 방법
WO2018194273A1 (en) 2017-04-21 2018-10-25 Samsung Electronics Co., Ltd. Image display apparatus and method
KR102054947B1 (ko) * 2017-04-21 2019-12-11 삼성전자주식회사 영상 표시 장치 및 영상 표시 방법
KR20190088128A (ko) 2018-01-05 2019-07-26 삼성전자주식회사 전자 장치 및 그의 제어 방법
KR102134010B1 (ko) * 2019-09-20 2020-07-15 (주)씨어스테크놀로지 환경의 영향에 기초한 건강 정보를 제공하기 위한 방법 및 서버

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090084175A (ko) * 2008-01-31 2009-08-05 연세대학교 산학협력단 반복 패턴을 이용한 음악 검색 방법 및 장치
KR20110032758A (ko) * 2009-09-24 2011-03-30 주식회사 동부하이텍 이중 패터닝을 위한 레티클 패턴의 형성 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090084175A (ko) * 2008-01-31 2009-08-05 연세대학교 산학협력단 반복 패턴을 이용한 음악 검색 방법 및 장치
KR20110032758A (ko) * 2009-09-24 2011-03-30 주식회사 동부하이텍 이중 패터닝을 위한 레티클 패턴의 형성 방법

Also Published As

Publication number Publication date
KR20130071755A (ko) 2013-07-01

Similar Documents

Publication Publication Date Title
KR101308872B1 (ko) 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말
US10318670B2 (en) Venue-based real-time crowd modeling and forecasting
US8438127B2 (en) Behaviour pattern analysis system, mobile terminal, behaviour pattern analysis method, and program
EP2455713B1 (en) Building directory aided navigation
TWI500003B (zh) 基於虛擬地標之定位及地圖繪製技術
CN108414971B (zh) 用于确定多层建筑物中位置的位置信息的方法和装置
US20120327119A1 (en) User adaptive augmented reality mobile communication device, server and method thereof
US20120310737A1 (en) Method for providing advertisement, computer-readable medium including program for performing the method and advertisement providing system
KR101680266B1 (ko) 지역 서비스 정보를 이용한 상황 정보 생성 장치 및 방법
CN107209783A (zh) 自适应位置指示符
JP2018077821A (ja) ユーザによって訪問される施設のカテゴリの予測モデルを生成する方法、プログラム、サーバ装置、及び処理装置
WO2016115668A1 (zh) 一种车位确认、导航的方法装置和系统
KR101797870B1 (ko) 영상통화 품질 측정 방법 및 시스템
JPWO2014050432A1 (ja) 情報処理システム、情報処理方法及びプログラム
US20180048720A1 (en) Geo-locating individuals based on a derived social network
CN109211259A (zh) 轨迹路线的显示方法、装置、终端及存储介质
CN111027734A (zh) 信息处理方法、信息显示方法、装置、电子设备及服务器
CN103874983A (zh) 用于众包自动数据收集的自动代码产生
KR101256907B1 (ko) 사용자 상황 실시간 인식 장치 및 방법
JP2017033569A (ja) インスタントメッセージに基づいてユーザの感情および活動を収集するシステムおよび方法
JP2012221354A (ja) 嗜好情報推定装置、方法及びプログラム
JP2018101201A (ja) 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法
KR20140133069A (ko) 사용자 단말 및 사용자 활동 예측 방법
JP6854474B2 (ja) 位置情報を利用した行動分析システム及びそのプログラム
Carboni et al. Infrastructure-free indoor navigation: a case study

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160830

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170825

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190826

Year of fee payment: 7