KR101870787B1 - 위치추정을 통한 최적경로 안내방법 및 그 장치 - Google Patents

위치추정을 통한 최적경로 안내방법 및 그 장치 Download PDF

Info

Publication number
KR101870787B1
KR101870787B1 KR1020160142696A KR20160142696A KR101870787B1 KR 101870787 B1 KR101870787 B1 KR 101870787B1 KR 1020160142696 A KR1020160142696 A KR 1020160142696A KR 20160142696 A KR20160142696 A KR 20160142696A KR 101870787 B1 KR101870787 B1 KR 101870787B1
Authority
KR
South Korea
Prior art keywords
user
product
machine learning
information
pattern information
Prior art date
Application number
KR1020160142696A
Other languages
English (en)
Other versions
KR20180047049A (ko
Inventor
이동명
Original Assignee
동명대학교 산학협력단
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 동명대학교 산학협력단 filed Critical 동명대학교 산학협력단
Priority to KR1020160142696A priority Critical patent/KR101870787B1/ko
Publication of KR20180047049A publication Critical patent/KR20180047049A/ko
Application granted granted Critical
Publication of KR101870787B1 publication Critical patent/KR101870787B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C17/00—Compasses; Devices for ascertaining true or magnetic north for navigation or surveying purposes
    • G01C17/02—Magnetic compasses
    • G01C17/28—Electromagnetic compasses
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/014—Identifying transitions between environments
    • G01S5/016—Identifying transitions between environments between areas within a building
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

본 발명은 특정 공간을 이용하는 사용자들의 위치를 정밀하게 추정하여 사용자의 이동상황과 해당 공간에 존재하는 객체의 매칭을 토대로 실제 해당 사용자의 성향을 지속적으로 저장, 관리하고, 각 사용자들의 성향을 기계학습을 통해 분석하여 특정 공간에 재방문한 경우 해당 사용자에게 상기 객체를 추천하거나 처음 방문하거나 방문회수가 작은 경우에는 기존 사용자의 유형에 대한 공통적인 패턴으로 해당 사용자에게 객체를 추천하고, 추천된 객체를 찾아가는데 필요한 최적의 이동경로를 산출하여 제공하도록 하는 사용자의 위치추정을 통한 최적경로 안내방법 및 그 장치에 관한 것이다.

Description

위치추정을 통한 최적경로 안내방법 및 그 장치{AN APPARATUS AND METHOD FOR GUIDING OPTIMAL PATH THROUGH LOCATION PREDICTION}
본 발명은 특정 공간을 이용하는 사용자들의 위치를 정밀하게 추정하여 사용자의 이동상황과 해당 공간에 존재하는 객체의 매칭을 토대로 실제 해당 사용자의 성향을 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 통해 지속적으로 저장, 관리하고, 각 사용자들의 성향을 기계학습(machine learning)을 통해 분석하여 특정 공간에 재방문한 경우 해당 사용자에게 상기 객체를 추천하거나 처음 방문하거나 방문회수가 작은 경우에는 기존 사용자의 유형에 대한 공통적인 패턴으로 해당 사용자에게 객체를 추천하고, 추천된 객체를 찾아가는데 필요한 최적의 이동경로를 산출하여 제공하도록 하는 사용자의 위치추정을 통한 최적경로 안내방법 및 그 장치에 관한 것이다.
최근 들어 스마트폰, 태블릿 등과 같은 다양한 통신 단말기들의 보급이 확산되면서 통신 단말기의 위치 정보를 이용하는 응용 서비스의 개발이 활발해지고 있다. 즉 통신 단말기 사용자의 위치에 따라 서비스를 제공하는 위치 기반 서비스(LBS, Location-Based Service) 시장이 급속도로 증가하고 있는 것이다.
초기의 LBS는 GPS(Global Positioning System)와 같은 위성항법시스템을 통해 사용자의 위치정보 획득이 가능한 실외공간에 한정되었지만, 최근 실내공간이 복합화 되어 대부분의 일상생활이 실내공간에서 이루어질 수 있게 됨에 따라 주로 실외공간을 대상으로 제공되어 오던 위치 기반 서비스는 그 범위를 점차 실내공간으로 확대하고 있으며, 그 수요가 지속적으로 증가하고 있다. 그리고 실내 LBS 수요 증가에 따라 실내공간에서 사용자 또는 사물의 위치를 측정, 추정할 수 있는 실내 위치측위 기술의 중요성이 날로 강조되고 있다.
이때 기존에 많이 사용되었던 GPS와 같은 위성항법시스템은 실외 환경에서 매우 높은 성능을 보이는 것과 대조적으로 위성으로부터의 수신신호가 미약하고 LOS(Line Of Sight)가 보장되지 않는 점 등의 원인으로 인하여 터널, 주차장, 건물 안과 같은 실내 환경에서의 측위가 매우 어려운 상황이다.
이에 따라 최근에 GPS 수신이 어려운 실내 환경에서 와이파이(Wi-Fi) 신호를 이용한 위치 추정 기술이 학계 및 산업계에서 많은 관심을 모으고 있다. Wi-Fi를 이용한 실내 위치 추정은 기기 값이 저렴할 뿐 아니라 이미 많은 빌딩 내에 다수의 AP(Access Point)들이 설치되어 있어 기존 인프라를 이용할 수 있는 장점이 있다. 또한, Wi-Fi 기반의 위치 추정은 수신되는 무선 트래픽만 검사하면 되기 때문에 매우 효율적인 방식이며, 직진성을 갖는 레이저나 카메라 등과 달리 Wi-Fi 신호는 장애물로 가로막힌 공간이나 구부러진 공간에도 전달이 가능하다는 장점이 있다. 하지만, Wi-Fi 신호 강도는 날씨와 시간, 이동 물체들의 움직임, 공간의 복잡도 등 다양한 환경 여건들에 따라 매우 민감하게 변화하는 불안정성을 가지고 있기 때문에 정확한 위치 추정을 매우 어렵게 한다. 그러므로 Wi-Fi 신호의 불확실성 문제를 해소하고, 위치 추정의 정확도를 개선하기 위한 다양한 기계학습 및 추론 기술들이 시도되었다.
한편, 실내 측위 기술을 이용한 시장의 잠재적인 규모가 크다. 예를 들어, 복합 쇼핑몰, 환승센터, 대형병원 등과 같은 실내공간이 크고 복잡한 곳에서 실내 측위 기술을 사용하면, 사용자가 길을 헤매지 않고 원하는 특정 위치로 빠르게 찾아가거나, 실내 주차장의 빈 공간으로 주차안내를 하거나, 원하는 상점 검색뿐만 아니라 상품검색 및 장보기 안내 등의 서비스 제공이 가능한 것이다.
또한, 더 나아가 실내 측위를 통해 사용자의 동선과 관심 상품에 관한 통계 정보를 얻을 수 있고, 서비스 제공자는 이러한 정보를 매장과 상품 배치 등의 마케팅 자료로 활용할 수 있다. 이러한 예로부터 앞으로의 실내 측위 기술은 좁은 지역에서보다 넓은 지역에서, 단순한 공간보다 복잡한 공간에서, 그리고 추적하고자 하는 객체가 적을 때보다 많을 때 유용한 것을 알 수 있다.
그러나, 상술한 바와 같은 종래의 사용자의 실내 위치 추정 및 쇼핑과 관련된 마케팅 모델의 융합 기술은 사용자 편의 증진, 관련 서비스 기업의 매출 성장, 새로운 블루오션 시장의 창출을 통한 중소기업 업계 진출, 고용창출 등의 효과가 크게 때문에 기술개발 및 시장 적용이 시급하지만, 현재 이에 대한 서비스 모델의 개발이 늦어지고 있는 실정이다.
따라서 본 발명은 이러한 문제점을 해결하기 위한 것으로, 특정 공간을 이용하는 사용자들의 위치를 정밀하게 추정하여 사용자의 이동상황과 해당 공간에 존재하는 객체의 매칭을 토대로 실제 해당 사용자의 성향을 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 통해 지속적으로 저장, 관리하고, 각 사용자들의 성향을 기계학습(machine learning)을 통해 분석하여 특정 공간에 재방문한 경우 해당 사용자에게 상기 객체를 추천하거나 처음 방문하거나 방문회수가 작은 경우에는 기존 사용자의 유형에 대한 공통적인 패턴으로 해당 사용자에게 객체를 추천하고, 추천된 객체를 찾아가는데 필요한 최적의 이동경로를 산출하여 제공하도록 하는 사용자의 위치추정을 통한 최적경로 안내방법 및 그 장치에 관한 것이다.
본 발명에서는 특정 공간을 백화점이나 쇼핑몰로 볼 수 있으며, 객체는 매장에 진열된 상품이 될 수 있고, 사용자의 성향은 해당 사용자가 실제 구매한 상품이나 관심 상품에 대한 쇼핑패턴 정보가 될 수 있다. 또한 추천된 객체를 찾아가는데 필요한 최적의 이동경로는 추천된 각 상품의 구매를 위한 최적의 이동경로를 말한다.
특히 백화점이나 쇼핑몰을 이용하는 사용자들의 이동에 따른 정밀한 위치 추정을 통해 사용자가 관심을 가진 상품 및 사용자가 실제 구매한 상품에 대한 각 사용자들의 쇼핑패턴 정보를 체계적으로 관리할 수 있는 방안을 제시하고자 한다.
또한, 본 발명은 각 사용자별로 체계적으로 저장, 관리하고 있는 쇼핑패턴 정보를 기계학습을 통해 분석하여 재방문을 수행하거나 신규로 방문하는 사용자에게 구매할 상품을 추천하고, 추천된 각 상품의 구매를 위한 최적의 이동경로를 산출하여 제공하는 방안을 제시하고자 한다.
다음으로 본 발명의 기술 분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.
먼저 한국공개특허 제2016-0026739호(2016.03.09.공개)는 실내 위치 추정 기술에 따라 스마트 쇼퍼 서비스와, 스마트 상공인 서비스를 통합하여 스마트 샵 플랫폼(Smart Shop Platform) 서비스를 제공할 수 있도록 하는 쇼퍼와 상공인을 연계한 위치 추정 기반 스마트 샵 플랫폼 서비스 시스템 및 방법에 관한 것이다.
상기 선행기술은 위치 추정 기술에 기반한 스마트 쇼퍼 서비스와 스마트 상공인 서비스를 통합한 스마트 샵 플랫폼 서비스를 제공할 수 있고, 쇼퍼 및 상공인 서비스를 통해 상공인이 필요로 하는 경영 마케팅 정보와 쇼퍼에 대한 보다 구체적인 정보를 제공함으로써 마케팅 비용을 효율적으로 감소시키고 경쟁력을 높이며 지속 가능한 이윤을 창출할 수 있는 효과를 제공하는 것으로서, 쇼퍼의 위치 추정을 기반으로 스마트 쇼퍼 서비스를 제공하는 점에서 본 발명의 사용자들의 이동에 따른 위치 추정을 통해 각 사용자들의 쇼핑패턴 정보를 관리하는 구성과 일부 유사성이 있다.
하지만, 본 발명은 사용자들의 이동에 따른 정밀한 위치 추정을 통해 사용자가 실제 구매한 상품은 물론, 사용자가 직접 구매하지는 않았지만 사용자가 관심을 가진 상품을 포함한 쇼핑패턴 정보를 체계적으로 관리하는 기술적 구성을 제시하고 있기 때문에, 상기 선행기술의 쇼퍼의 위치 추정을 기반으로 스마트 쇼퍼 서비스를 제공하는 기술 구성과 비교해 볼 때 기술적 특징의 차이점이 분명하다.
그리고 상기 선행기술에서 제시하고 있지 못하는 각 사용자들의 쇼핑패턴 정보를 기계학습을 통해 분석하여 재방문을 수행하거나 신규로 방문하는 사용자에게 구매할 상품을 추천하는 구성, 및 추천된 각 상품의 구매를 위한 최적의 이동경로를 산출하여 제공하는 구성은 본 발명만의 특징적 구성이다.
또한, 한국공개특허 제2015-0112138호(2015.10.07.공개)는 사용자의 위치 이동 정보에 기반한 위치 추천 장치 및 방법에 관한 것으로서, 추천 대상 사용자의 이동 경로에 따른 위치 정보를 획득하고, 획득한 위치 정보를 이용하여 체류 위치를 결정하고, 결정된 체류 위치에 대한 체류 정보를 이용하여 추천 영역을 생성할 수 있다. 그리고 추천 대상 사용자의 현재 위치를 기준으로 하여 생성된 추천 영역에 포함된 하나 이상의 추천 위치를 추천 대상 사용자에게 제공함에 따라, 사용자에게 적극적으로 추천하는 추천 영역과 그렇지 않은 영역을 분리하여 품질 높은 추천 위치를 제공하는 것이 가능하다.
상기 선행기술은 사용자의 위치 획득을 통해 추천 위치를 제공하는 점에서 본 발명의 사용자들의 이동에 따른 위치 추정을 통해 생성한 쇼핑패턴 정보를 분석하여 추천 상품을 제공하는 구성과 일부 연관성이 있다.
하지만, 본 발명은 사용자의 위치 추정을 통해 사용자가 실제 구매한 상품 및 사용자가 관심을 가진 상품을 포함한 쇼핑패턴 정보를 기반으로 기계학습을 수행하고, 분석 결과를 토대로 매장을 재방문하거나 신규로 방문하는 사용자에게 구매할 상품을 추천하며, 추천된 각 상품의 구매를 위한 최적의 이동경로를 산출하여 제공하는 기술 구성을 제시하고 있기 때문에, 상기 선행기술의 사용자의 위치 획득을 통해 추천 위치를 제공하는 기술과 비교할 때 확연한 기술적 구성의 차이점이 있음을 확인할 수 있다.
또한, 한국공개특허 제2016-0112760호(2016.09.28.공개)는 제1 사용자들의 프로파일, 제1 사용자들의 환경 프로파일, 제1 사용자들의 이동 경로를 포함하는 경로 정보를 수신하고, 제1 사용자들의 이동 경로에 대응하는 제1 사용자들의 프로파일 및 제1 사용자들의 환경 프로파일을 분석하여 경로 정보로부터 추천 경로를 데이터 마이닝(data mining)하며, 이동 단말로부터 수신한, 제2 사용자의 프로파일, 제2 사용자의 환경 프로파일 및 제2 사용자의 위치 정보를 포함하는 사용자 정보에 기초하여 추천 경로와 관련된 정보를 이동 단말에게 제공하는 추천 경로를 제공하는 방법을 제공하는 기술이다.
상기 선행기술은 사용자들의 경로 분석을 토대로 선호되는 관광지, 쇼핑몰, 또는 음식점 등에 대한 추천 경로를 제공하는 점에서 본 발명의 추천된 각 상품의 구매를 위한 최적의 이동경로를 산출하여 제공하는 구성과 일부 유사성이 있다.
하지만, 사용자들의 정밀한 위치 추정을 통해 사용자가 실제 구매한 상품 및 사용자가 관심을 가진 상품을 포함한 쇼핑패턴 정보를 관리하고, 각 사용자들의 쇼핑패턴 정보를 기계학습을 통해 분석하여 재방문을 수행하거나 신규로 방문하는 사용자에게 구매할 상품을 추천하는 본 발명의 기술적 구성은 상기 선행기술에 전혀 언급되어 있지 않은 본 발명만의 특징적 구성이기 때문에, 상기 선행기술과 기술적 구성의 차이점이 분명하다.
본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 백화점이나 쇼핑몰을 이용하는 사용자들의 이동에 따른 정밀한 위치 추정을 통해 사용자가 매장의 특정 위치에 기 설정된 소정의 시간 이상 머물러 있는 경우 해당 위치에 진열된 상품을 관심 상품으로 선정하고, 선정된 관심 상품 및 사용자가 실제 구매한 상품에 대한 각 사용자들의 쇼핑패턴 정보를 데이터베이스에 지속적으로 저장, 관리하도록 하는 위치추정을 통한 최적경로 안내방법 및 그 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 백화점이나 쇼핑몰 운영자 측에서 데이터베이스로 저장, 관리중인 각 사용자들의 쇼핑패턴 정보를 기계학습을 통해 분석하여 재방문하거나 신규로 방문하는 각 사용자들에게 구매할 상품을 추천하고, 추천된 각 상품의 진열 위치와 사용자의 현재 위치를 토대로 이동거리를 최소화할 수 있는 최적의 경로를 산출하여 제공하도록 하는 위치추정을 통한 최적경로 안내방법 및 그 장치를 제공하는 것을 다른 목적으로 한다.
또한, 본 발명은 각 사용자들의 쇼핑패턴 정보를 기계학습을 통해 분석하여 구매할 상품을 추천할 때, 기 설정된 횟수 이상 방문한 사용자인 경우 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 해당 사용자의 쇼핑패턴 정보를 토대로 기계학습을 수행하여 구매할 상품을 추천하도록 하는 위치추정을 통한 최적경로 안내방법 및 그 장치를 제공하는 것을 또 다른 목적으로 한다.
또한, 본 발명은 각 사용자들의 쇼핑패턴 정보를 기계학습을 통해 분석하여 구매할 상품을 추천할 때, 신규 방문이거나 또는 기 설정된 횟수 미만으로 방문한 사용자인 경우 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 쇼핑패턴 정보를 토대로 기계학습을 수행하여 구매할 상품을 추천하도록 하는 위치추정을 통한 최적경로 안내방법 및 그 장치 제공하는 것을 또 다른 목적으로 한다.
본 발명의 일 실시예에 따른 위치추정을 통한 최적경로 안내 장치는, 삼변 측량을 통한 와이파이 신호의 세기값, 비콘 신호, 블루투스 신호 또는 이들의 조합을 토대로 사용자 단말기의 위치를 추정하는 위치 추정부; 추정된 상기 사용자 단말기의 위치를 기반으로 관심 상품을 선정하고, 선정된 상기 관심 상품 및 사용자가 직접 구매한 상품의 정보를 토대로 각 사용자별 쇼핑패턴 정보를 생성하여 데이터베이스에 누적, 저장하는 쇼핑패턴 정보 처리부; 및 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 매장을 방문한 상기 사용자 단말기로 구매할 상품을 적어도 하나 이상 추천하는 기계학습 처리부;를 포함하는 것을 특징으로 한다.
그리고 상기 최적 경로 안내 장치는, 상기 기계학습 처리부의 기계학습 결과를 토대로 추천된 상품의 진열 위치와 상기 사용자 단말기의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 상기 사용자 단말기로 제공하는 경로 안내부;를 더 포함하는 것을 특징으로 한다.
그리고 상기 위치 추정부는, 상기 사용자 단말기로부터 제공되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 상기 사용자 단말기의 위치를 보정하는 것을 특징으로 한다.
그리고 상기 쇼핑패턴 정보 처리부는, 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 포함한 데이터를 토대로 각각의 사용자별 쇼핑패턴 정보를 생성하는 것을 특징으로 한다.
그리고 상기 쇼핑패턴 정보 처리부는, 상기 위치 추정부에서 추정된 특정 위치에서 상기 사용자 단말기가 기 설정된 시간 이상 머물러 있는 경우 해당 위치 및 방향에 진열된 상품을 관심 상품으로 선정하는 것을 특징으로 한다.
그리고 상기 기계학습 처리부는, 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 구매할 상품을 추천할 때, 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 이상이면 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 상기 사용자의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하며, 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 미만이면 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따른 위치추정을 통한 최적경로 안내방법은, 추천 상품 제공 서버에서, 삼변 측량을 통한 와이파이 신호의 세기값, 비콘 신호, 블루투스 신호 또는 이들의 조합을 토대로 사용자 단말기의 위치를 추정하는 위치 추정 단계; 상기 위치 추정 단계에서 확인된 상기 사용자 단말기의 위치 정보를 기반으로 관심 상품을 선정하고, 선정된 상기 관심 상품 및 사용자가 직접 구매한 상품의 정보를 토대로 각 사용자별 쇼핑패턴 정보를 생성하여 데이터베이스에 누적, 저장하는 쇼핑패턴 정보 처리 단계; 및 상기 쇼핑패턴 정보 처리 단계를 통해 생성된 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 매장을 방문한 상기 사용자 단말기로 구매할 상품을 적어도 하나 이상 추천하는 기계학습 처리 단계;를 포함하는 것을 특징으로 한다.
그리고 상기 최적 경로 안내 방법은, 상기 기계학습 처리 단계에서의 기계학습 결과를 토대로 추천된 상품의 진열 위치와 상기 사용자 단말기의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 상기 사용자 단말기로 제공하는 경로 안내 단계;를 더 포함하는 것을 특징으로 한다.
그리고 상기 위치 추정 단계는, 상기 사용자 단말기로부터 제공되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 상기 사용자 단말기의 위치를 보정하는 것을 특징으로 한다.
그리고 상기 쇼핑패턴 정보 처리 단계는, 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 포함한 데이터를 토대로 각각의 사용자별 쇼핑패턴 정보를 생성하는 것을 특징으로 한다.
그리고 상기 쇼핑패턴 정보 처리 단계는, 상기 위치 추정 단계에서 추정된 특정 위치에서 상기 사용자 단말기가 기 설정된 시간 이상 머물러 있는 경우 해당 위치 및 방향에 진열된 상품을 관심 상품으로 선정하는 것을 특징으로 한다.
그리고 상기 기계학습 처리 단계는, 상기 추천 상품 제공 서버에서, 현재 매장을 방문한 상기 사용자 단말기의 매장방문 횟수가 기 설정된 횟수 이상인지를 판단하는 방문횟수 판단 단계; 상기 방문횟수 판단 단계의 판단결과 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 이상이면, 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 상기 사용자의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 제1 기계학습 처리 단계; 및 상기 방문횟수 판단 단계의 판단결과 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 미만이면, 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 제2 기계학습 처리 단계;를 포함하는 것을 특징으로 한다.
이상에서와 같이 본 발명의 위치추정을 통한 최적경로 안내방법 및 그 장치에 따르면, 사용자들의 이동에 따른 위치 추정을 통해 사용자가 실제 구매한 상품은 물론 구매를 하지는 않았으나 관심이 있는 상품에 대한 쇼핑패턴 정보를 각 사용자별로 구분하여 관리하고, 각 사용자들의 쇼핑패턴 정보를 토대로 기계학습을 수행하여 매장에 재방문하거나 신규 방문하는 사용자에게 구매할 상품을 추천하기 때문에 각 사용자들이 연월일, 시간, 계절 등의 각종 요소에 따라 효율적인 상품 구매 및 소비가 이루어지도록 함은 물론, 유행을 선도하거나 대중화된 상품 구매를 유도할 수 있는 효과가 있다.
또한, 종래에서와 같이 단순히 사용자가 구매한 상품을 토대로 쇼핑패턴 정보를 구축하는 것에 그치지 않고 사용자들의 이동에 따른 위치 추정을 통해 사용자가 실제 구매를 하지는 않았으나 관심이 있는 상품에 대한 정보도 함께 쇼핑패턴 정보로 구축하기 때문에 기계학습 수행을 통해 각 사용자에게 구매할 상품을 추천할 때 보다 정확한 분석 자료를 토대로 수행할 수 있으며, 이로 인해 각 사용자들의 쇼핑 만족도를 높일 수 있는 효과가 있다.
또한, 백화점이나 쇼핑몰 운영자 측에서 각 사용자에게 기계학습을 통해 추천한 구매 상품들의 진열 위치와 사용자의 현재 위치를 토대로 최적의 이동경로를 제공하기 때문에 상품을 구매하는 사용자들의 이동거리가 최소화되어 쇼핑시간을 절감할 수 있으며, 불필요한 상품의 구매를 방지하여 충동구매나 과소비를 억제할 수 있는 효과가 있다.
또한, 기 설정된 횟수 이상 매장을 방문한 사용자의 경우 해당 사용자의 누적된 쇼핑패턴 정보를 토대로 기계학습을 수행하고, 기 설정된 횟수 미만으로 매장을 이용하거나 또는 신규로 방문한 사용자의 경우 해당 매장을 이용한 모든 사용자들의 쇼핑패턴 정보를 토대로 기계학습을 수행하여, 구매할 상품을 추천하기 때문에 기계학습의 분석 정확도를 높일 수 있는 효과가 있다.
도 1은 본 발명이 적용된 위치추정을 통한 최적경로 안내과정을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 위치추정을 통한 최적경로 안내장치의 구성을 개략적으로 나타낸 도면이다.
도 3은 도 2의 사용자 단말기의 구성을 상세하게 나타낸 도면이다.
도 4는 도 2의 추천 상품 제공 서버의 구성을 상세하게 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 위치추정을 통한 최적경로 안내방법의 동작과정을 상세하게 나타낸 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 위치추정을 통한 최적경로 안내방법 및 그 장치를 상세하게 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예에 한정되지 않는다. 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 도면 부호를 붙였다.
도 1은 본 발명이 적용된 위치추정을 통한 최적경로 안내 과정을 설명하기 위한 개념도이다.
도 1에 도시된 바와 같이, 본 발명의 백화점, 쇼핑몰 등의 매장 운영자 측에서는 쇼핑을 수행하는 사용자들에게 자신의 쇼핑패턴을 토대로 구매할 상품을 추천하고, 추천 상품의 구매를 위한 최적의 경로안내를 수행하기 위한 스마트한 쇼핑 서비스를 제공한다.
즉 백화점, 쇼핑몰 등의 매장 운영자 측에서 매장 내에 소정의 간격을 두고 다수 개의 와이파이 AP를 설치하고, 추천 상품 제공 서버(즉 서버 컴퓨터)를 통해 각각의 와이파이 AP로부터 전달되는 각 사용자들의 이동 정보를 토대로 매장을 이용하는 각 사용자들의 쇼핑패턴 정보를 구축하고, 구매 상품의 추천 및 최적의 경로안내 서비스를 제공하는 것이다.
이를 통해 각 사용자들은 기존에 자신이 수행하였던 쇼핑패턴에 따라 분석된 결과를 토대로 어떠한 상품을 구매할 것인지를 추천받을 수 있고, 추천받은 상품을 이동 거리를 최소화하면서 빠른 시간 내에 구매할 수 있도록 경로안내를 제공받을 수 있다.
이를 위하여, 스마트폰, 태블릿 PC 등의 유무선 인터넷 접속이 가능한 단말기를 소지한 각 사용자들은 우선적으로 쇼핑패턴 정보의 구축, 구매할 상품의 추천, 경로 안내 등의 스마트한 쇼핑 서비스를 이용할 수 있는 애플리케이션을 다운로드받아 설치하여야 한다(①). 상기 애플리케이션은 사용자의 직접적인 조작에 의해 구동되는 것이 일반적이지만, 본 발명에서는 사용자의 직접적인 조작 없이 매장 방문시 자동으로 실행되도록 구현할 수 있다.
애플리케이션의 설치 이후, 사용자가 매장을 방문하게 되면 추천 상품 제공 서버에서는 매장 내에 설치된 와이파이 AP로부터 전달되는 정보를 토대로 각 사용자 단말기의 위치 정보를 추정한다(②). 즉 각 사용자들의 매장 내의 이동상황을 정밀하게 추적하여 해당 사용자가 쇼핑을 수행하는 동안의 이동 정보를 확인하는 것이다.
이때 상기 위치 추정은 삼변 측량을 통한 와이파이 신호의 세기값을 이용하는 것이 가장 일반적인 방식이지만 이에 한정되는 것은 아니며, 그 이외에 비콘 신호, 블루투스 신호 등의 공지된 다양한 방식을 적용하여 사용자 단말기의 위치를 추정할 수 있다. 예를 들어, 와이파이 신호 세기를 측정해 비선형 가우시안 커널 방법을 이용하여 와이파이 세기 지도를 생성하고 생성된 와이파이 세기 지도를 토대로 핑거 프린팅(finger printing) 방법으로 위치를 추정하는 방식, 사용자 단말기 내부에 있는 지자기 센서 등을 이용하여 위치를 추정하는 방식, 사용자 단말기에 비콘 신호를 송출하고 이에 대한 응답신호를 토대로 위치를 추정하는 방식, 블루투스 신호나 자기 센서를 이용한 마그네틱 필드 방식으로 위치를 추정하는 방식 등을 다양하게 적용할 수 있다.
한편, 본 발명에서는 와이파이 신호의 세기값을 이용하여 사용자 단말기의 위치 추정을 수행할 때, 와이파이 신호 세기의 왜곡 현상을 극복하면서 사용자 단말기의 위치 추정을 보다 정밀하게 수행할 수 있도록, 사용자 단말기로부터 제공되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 사용자 단말기의 위치를 보정하는 보행자 추측항법(PDR, Pedestrian Dead Reckoning) 방식을 추가로 적용할 수 있다.
이처럼 쇼핑을 수행하는 사용자의 매장 내의 이동에 의한 위치가 추정된 이후, 추천 상품 제공 서버에서는 각 사용자 단말기별로 추정된 위치 정보를 토대로 쇼핑패턴 정보를 생성하고, 생성된 쇼핑패턴 정보를 각 사용자별로 구분하여 데이터베이스에 누적, 저장한다(③).
이때 상기 추천 상품 제공 서버에서 각 사용자들의 쇼핑패턴 정보를 생성할 때, 사용자가 직접 구매한 상품 정보를 토대로 생성하는 것이 일반적이지만, 본 발명에서는 사용자가 직접 구매한 상품 이외에도 사용자가 매장의 특정 위치에 기 설정된 소정의 시간 이상 머물러 있는 경우 해당 위치에 진열된 상품을 직접 구매하지 않았다 하더라도 관심 상품인 것으로 판단하여 쇼핑패턴 정보에 반영할 수 있다. 즉 사용자가 직접 구매한 상품 정보와 함께, 정밀하게 추정한 사용자의 위치 정보에 따라 선정된 관심 상품을 반영하여 각 사용자별 쇼핑패턴 정보를 생성할 수 있도록 하는 것이다.
또한, 상기 추천 상품 제공 서버에서는 각 사용자별 쇼핑패턴 정보를 생성할 때, 계절별, 월별, 일별, 요일별, 시간별 등 다양한 요소(factor)를 기반으로 생성한다.
이제, 매장을 이용하는 각 사용자별로 쇼핑패턴 정보를 생성하여 데이터베이스에 누적, 저장한 상태에서, 추천 상품 제공 서버에서는 사용자 단말기로부터 구매하고자 하는 상품의 추천이 요청되는지를 판단한다. 즉 상품 구매를 보다 편리하고 스마트하게 수행하기 위하여 사용자로부터 기존에 누적, 저장된 쇼핑패턴 정보를 토대로 구매하고자 하는 상품의 추천 요청이 이루어지는지를 확인하는 것이다. 이때 상품 추천 요청은 사용자의 별다른 조작 없이 사용자가 매장에 방문하는 순간 애플리케이션의 자동 구동을 통해 수행될 수도 있다.
사용자 단말기로부터 상품 추천이 요청되면, 추천 상품 제공 서버에서는 해당 사용자가 매장을 몇 번 방문한 사용자인지를 확인하여, 매장방문 횟수가 기 설정된 횟수 이상인지를 판단한다. 즉 추천 상품 제공 서버에서 데이터베이스에 누적, 저장되어 있는 해당 사용자의 쇼핑패턴 정보를 참조하여 상품 추천을 위한 기계학습을 처리할 수 있는 정도의 쇼핑패턴 정보가 구축되어 있는지의 여부를 판단하는 것이다.
판단결과 해당 사용자의 매장 방문 횟수가 기 설정된 횟수 이상이면 추천 상품 제공 서버에서는 상품 추천을 요청한 시점의 계절, 월, 일, 요일, 시간 등의 요소와 데이터베이스에서 추출한 해당 사용자의 쇼핑패턴 정보의 관계를 참조하여 기계학습을 수행한 후 기계학습의 수행결과에 따라 구매할 상품을 적어도 하나 이상 추천하며, 해당 사용자의 매장 방문 횟수가 기 설정된 횟수 미만(신규 방문 포함)이면 상품 추천을 요청한 시점의 계절, 월, 일, 요일, 시간 등의 요소와 데이터베이스에 등록되어 있는 모든 사용자들의 쇼핑패턴 정보의 관계를 참조하여 기계학습을 수행한 후 기계학습의 수행 결과에 따라 구매할 상품을 적어도 하나 이상 추천한다(④, ⑤). 즉 본인의 쇼핑패턴 정보만으로도 기계학습을 충분히 수행할 수 있는 경우에는 사용자 자신의 쇼핑패턴 정보를 토대로 기계학습을 수행하여 구매할 상품을 추천하도록 하고, 신규 방문자이거나 기계학습을 수행할 정도의 쇼핑패턴 정보가 누적되지 않은 사용자의 경우에는 매장을 이용한 모든 사용자들의 쇼핑패턴 정보를 토대로 기계학습을 수행하여 구매할 상품을 추천하도록 하는 것이다.
이때 추천되는 상품은 기존에 사용자가 구매한 품목의 브랜드 및 상품이며, 만일 매장에 동일한 브랜드의 상품이 없다면 동일제조회사의 유사제품이나 타제조회사의 유사제품을 추천하도록 한다.
기계학습을 통해 구매할 상품이 추천되면, 추천 상품 제공 서버에서는 기계학습 결과를 토대로 추천된 상품의 진열 위치와 사용자 단말기의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 상기 사용자 단말기로 제공한다(⑥).
이에 따라 사용자 단말기에서는 화면상에 표시되는 경로정보를 토대로 스마트한 쇼핑을 수행할 수 있다(⑦). 이때 추천 상품 제공 서버로부터 기계학습을 통해 추천받은 상품은 쇼핑을 수행할 때 하나의 보조수단이므로 각 사용자들은 이를 충분히 고려하여 쇼핑을 수행한다.
본 발명에서, 특정 매장을 방문하는 고객(소비자, 방문자, 사용자 등)들의 상품구매 패턴은 고객이 구매하는 품목의 리스트와 구매순서(예를 들어, 공산품을 먼저 구매하고 신선제품을 나중에 구매하는 등)를 계절, 월, 일, 요일, 시간에 따라 분류되고, 고객의 연령, 직업, 성별, 결혼여부, 자녀의 성장 정도에 따라 추가로 분류될 수 있다.
먼저 고객의 개인정보, 쇼핑한 상품의 누적된 품목정보, 상품을 구매한 순서에 대한 정보를 입력데이터로 하여 상기 고객의 상품구매 패턴을 추출한다. 상기 상품구매 패턴을 추출하기 위해서 우선 상기 입력데이터를 기반으로 기계학습을 통해 클러스터링을 수행한다. 상기 기계학습은 비지도학습(unsupervised learning)을 수행하는 것으로, 유사한 패턴끼리 고객을 그룹핑하는 역할을 수행한다. 상기 기계학습은 계절, 월, 일, 요일, 시간에 따라 수행되며, 이렇게 학습을 수행하고 나면, 계절, 월, 일, 요일, 시간에 따라 학습모델이 생성된다. 이 후 상기 생성된 학습모델에 특정 고객의 정보를 입력하면, 해당 고객의 구매패턴(쇼핑패턴)을 알 수 있게되고, 이를 상기 위치정보와 각 위치에 진열되어 있는 품목의 정보를 매칭함으로써, 특정 쇼핑 위치에서 다음에 연속될 소핑 품목을 추정할 수 있으며, 이를 통해서 최적의 경로를 제시하는 것이 가능하게 된다.
도 2는 본 발명의 일 실시예에 따른 위치추정을 통한 최적경로 안내 장치의 구성을 개략적으로 나타낸 도면이고, 도 3은 도 2의 사용자 단말기의 구성을 상세하게 나타낸 도면이며, 도 4는 도 2의 추천 상품 제공 서버의 구성을 상세하게 나타낸 도면이다.
도 2에 도시된 바와 같이 본 발명의 추천 상품 제공 장치는, 네트워크(100), 복수의 사용자 단말기(200), 추천 상품 제공 서버(300), 데이터베이스(400) 등으로 구성된다.
네트워크(100)는 유/무선 인터넷, 블루투스(bluetooth), 지그비(Zigbee), 와이파이(Wi-Fi) 등을 포함한 현재 공지되어 있는 각종 통신망으로서, 복수의 사용자 단말기(200)와 추천 상품 제공 서버(300) 사이의 통신회선을 연결하여 상호간에 위치 추정, 구매할 상품의 추천, 경로안내 등과 관련된 데이터 통신이 이루어지도록 한다.
사용자 단말기(200)는 추천 상품 제공 서버(300)를 통해 백화점, 쇼핑몰 등의 각 매장에서 제공하는 스마트 쇼핑 서비스를 이용하는 사용자들이 사용하는 컴퓨터, 스마트폰, 태블릿 PC, 노트 PC 등의 기기로서, 네트워크(100)를 통해 추천 상품 제공 서버(300)와 통신 접속되어 있다.
또한, 상기 사용자 단말기(200)는 기기 내부에 구비된 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 등의 각종 센서 정보를 추천 상품 제공 서버(300)로 전송하여 위치 추정을 보다 정밀하게 수행하도록 하며, 추천 상품 제공 서버(300)로부터 구매하고자 하는 추천 상품 및 추천 상품의 구매를 위한 최적화된 경로정보를 제공받는다.
추천 상품 제공 서버(300)는 스마트 쇼핑 서비스를 제공하는 사업자(즉 백화점, 쇼핑몰 운영자)가 운영하는 컴퓨터로서, 매장 내에 소정의 간격을 두고 설치되어 있는 각각의 와이파이 AP로부터 전송되는 데이터를 토대로 각 사용자 단말기(200)의 위치 추정을 수행하고, 각 사용자 단말기(200)의 추정 위치를 기반으로 관심 상품의 선정을 처리하며, 상기 관심 상품 및 사용자가 직접 구매한 상품의 정보를 토대로 쇼핑패턴 정보를 생성하여 데이터베이스(400)에 각 사용자별로 구분하여 누적, 저장한다.
또한, 상기 추천 상품 제공 서버(300)는 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 매장을 방문한 사용자 단말기(200)로 구매할 상품을 추천하며, 기계학습 결과를 토대로 추천된 상품의 진열 위치와 사용자 단말기(200)의 현재 위치를 토대로 구매를 수행할 수 있는 최적의 경로정보를 산출하여 사용자 단말기(200)로 제공한다.
데이터베이스(400)는 추천 상품 제공 서버(300)의 제어를 토대로 매장별 각 위치의 진열 상품정보를 저장하고 있으며, 상기 추천 상품 제공 서버(300)에서 생성한 각 사용자별 쇼핑패턴 정보, 매장 방문 횟수 등을 누적, 저장한다.
한편, 상기 사용자 단말기(200)는 도 3에 도시된 바와 같이, 통신부(210), 표시부(220), 센서(230), 센서정보 처리부(240), 저장부(250), 제어부(260) 등으로 구성된다.
통신부(210)는 네트워크(100)를 통해 추천 상품 제공 서버(300)와 통신 접속을 수행하고, 사용자 단말기(200)에서 측정된 각종 센서 정보를 추천 상품 제공 서버(300)로 전송하여 위치 추정을 정밀하게 수행하도록 하며, 추천 상품 제공 서버(300)로부터 전송되는 기계학습의 결과에 따른 추천 상품 및 추천 상품의 구매를 위한 최적화된 경로정보를 제어부(260)로 출력한다.
표시부(220)는 제어부(260)의 제어를 토대로 추천 상품 제공 서버(300)로부터 제공받은 기계학습의 결과에 따른 추천 상품 및 추천 상품의 구매를 위한 최적화된 경로정보를 표시하는 기능을 수행하여, 사용자가 스마트한 쇼핑 서비스를 이용할 수 있도록 한다.
센서(230)는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함하며, 사용자 단말기(200)의 이동에 따른 측정 데이터를 센서정보 처리부(240)로 출력한다.
센서정보 처리부(240)는 센서(230)로부터 입력받은 사용자 단말기(200)의 이동에 따른 측정 데이터를 토대로 사용자 단말기(200)의 위치, 방향, 속도 등의 정보를 확인하여 제어부(260)로 출력한다.
저장부(250)는 스마트 쇼핑 서비스를 이용하기 위한 애플리케이션을 저장하고 있으며, 사용자 단말기(200)의 구동을 위한 각종 프로그램이 저장되어 있다.
제어부(260)는 통신부(210)에서의 추천 상품 제공 서버(300)와의 위치 추정, 추천 상품, 경로 안내와 관련된 데이터 송수신, 표시부(220)를 통한 기계학습의 결과에 따른 추천 상품 및 추천 상품의 구매를 위한 최적화된 경로정보 표시, 각종 센서(230)의 구동, 센서정보 처리부(240)에서의 사용자 단말기(200)의 위치, 방향, 속도 등의 정보 처리 등을 총괄적으로 제어하는 기능을 수행한다.
또한, 상기 추천 상품 제공 서버(300)는 도 4에 도시된 바와 같이, 통신부(310), 위치 추정부(320), 쇼핑패턴 정보 처리부(330), 기계학습 처리부(340), 경로 안내부(350), 제어부(360) 등으로 구성된다.
통신부(310)는 네트워크(100)를 통해 복수의 사용자 단말기(200)와 통신 접속을 수행하고, 매장 내에 위치한 각종 와이파이 AP로부터 전송되는 각 사용자 단말기(200)의 위치 정보 및 사용자 단말기(200)로부터 전송되는 각종 센서 정보를 위치 추정부(320)로 전달한다.
위치 추정부(320)는 삼변 측량을 통한 와이파이 신호의 세기값을 토대로 매장에 위치하는 각 사용자 단말기(200)의 위치를 추정한다. 이때 위치 추정은 와이파이 신호의 세기값을 이용하는 방식 이외에 비콘 신호, 블루투스 신호 등의 공지된 다양한 방식을 적용할 수 있다.
또한, 상기 위치 추정부(320)는 와이파이 신호 세기의 왜곡 현상을 극복하면서 사용자 단말기(200)의 위치 추정을 보다 정밀하게 수행할 수 있도록, 사용자 단말기(200)로부터 제공되는 각종 센서 정보를 토대로 사용자 단말기(200)의 위치를 보정하는 기능을 추가로 수행할 수 있다. 즉 와이파이 신호의 세기값을 이용하여 사용자 단말기의 위치 추정을 수행할 때, 사용자 단말기(200)로부터 제공되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 사용자 단말기(200)의 위치를 보정하여 보다 정밀한 위치 추정을 수행하도록 하는 것이다.
쇼핑패턴 정보 처리부(330)는 위치 추정부(320)에서 추정된 상기 사용자 단말기(200)의 위치를 기반으로 관심 상품을 선정하고, 선정된 관심 상품과 사용자가 직접 구매한 상품의 정보를 토대로 각 사용자별 쇼핑패턴 정보를 생성하며, 생성된 쇼핑패턴 정보를 데이터베이스(400)에 누적, 저장하는 기능을 수행한다.
이때 상기 쇼핑패턴 정보 처리부(330)는 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 포함한 데이터를 토대로 각각의 사용자별 쇼핑패턴 정보를 생성한다.
그리고 상기 쇼핑패턴 정보 처리부(330)는 즉 상기 위치 추정부(320)에서 추정된 특정 위치에서 상기 사용자 단말기(200)가 기 설정된 시간 이상 머물러 있는 경우 해당 위치 및 방향에 진열된 상품을 관심 상품으로 선정한다. 즉 사용자가 직접 상품을 구매하지는 않았지만 특정 위치에서 기 설정된 시간 이상으로 머물러 있는 것으로 확인되면, 해당 위치 및 방향에 진열된 상품의 구매 의사가 있는 것으로 판단하여 관심 상품으로 등록하는 것이다.
기계학습 처리부(340)는 추출부(342), 분석부(344) 및 결과 산출부(346)로 구성되어, 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 매장을 방문한 사용자 단말기(200)로 구매할 상품을 적어도 하나 이상 추천하는 기능을 수행한다.
상기 추출부(342)는 매장을 방문하는 사용자 단말기(200)로부터 상품 추천이 요청되면, 해당 사용자의 매장 방문 횟수를 확인하여 데이터베이스(400)에 누적, 저장되어 있는 각 사용자별 쇼핑패턴 정보를 추출하는 기능을 수행한다. 즉 현재 매장을 방문하여 상품 추천을 요청한 사용자의 매장방문 횟수가 기 설정된 횟수 이상이면 해당 사용자의 누적, 저장된 쇼핑패턴 정보를 추출하며, 사용자의 매장방문 횟수가 기 설정된 횟수 미만이면 모든 사용자별로 누적, 저장된 쇼핑패턴 정보를 추출하는 것이다.
상기 분석부(344)는 상기 추출부(342)에서 추출한 사용자의 쇼핑패턴 정보를 토대로 기계학습을 수행하는 기능을 수행한다. 즉 상품 추천을 요청한 사용자의 매장방문 횟수가 기 설정된 횟수 이상이면 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 상기 사용자의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하며, 상품 추천을 요청한 사용자의 매장방문 횟수가 기 설정된 횟수 미만이면 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하는 것이다.
즉, 고객의 개인정보, 쇼핑한 상품의 누적된 품목정보, 상품을 구매한 순서에 대한 정보를 입력데이터로 하여 상기 고객의 상품구매 패턴을 추출한다. 상기 상품구매 패턴을 추출하기 위해서 우선 상기 입력데이터를 기반으로 기계학습을 통해 클러스터링을 수행한다. 상기 기계학습은 비지도학습(unsupervised learning)을 수행하는 것으로, 유사한 패턴끼리 고객을 그룹핑하는 역할을 수행한다. 상기 기계학습은 계절, 월, 일, 요일, 시간에 따라 수행되며, 이렇게 학습을 수행하고 나면, 계절, 월, 일, 요일, 시간에 따라 학습모델이 생성된다.
상기 결과 산출부(346)는 상기 분석부(344)에서의 기계학습 결과를 토대로 적어도 하나 이상의 상품을 추천하고, 추천된 상품 정보를 해당 사용자 단말기(200)로 제공하는 기능을 수행한다. 예를 들어, 분석부(340)의 기계학습 결과에 따라 상품 추천을 요청한 현재 시점에서 구매빈도가 높은 순서대로 상품을 산출하여 해당 사용자 단말기(200)로 추천하는 것이다.
즉, 생성된 학습모델에 특정 고객의 정보를 입력하면, 해당 고객의 구매패턴(쇼핑패턴)을 알 수 있게 되고, 이를 상기 위치정보와 각 위치에 진열되어 있는 품목의 정보를 매칭함으로써, 특정 쇼핑 위치에서 다음에 연속될 소핑 품목을 추정할 수 있으며, 이를 통해서 최적의 경로를 제시하는 것이 가능하게 된다.
경로 안내부(350)는 상기 기계학습 처리부(340)의 기계학습 결과를 토대로 추천된 상품의 진열 위치와 상기 사용자 단말기(200)의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 통신부(310)를 통해 상기 사용자 단말기(200)로 제공하는 기능을 수행한다.
제어부(360)는 통신부(310)에서의 사용자 단말기(200)와의 추천 상품, 경로 안내와 관련된 데이터 송수신, 위치 추정부(320)에서의 사용자 단말기(200) 위치 추정, 쇼핑패턴 정보 처리부(330)에서의 관심 상품 및 구매 상품 정보를 토대로 한 각 사용자별 쇼핑패턴 정보의 생성, 저장 및 관리, 기계학습 처리부(340)에서의 각각의 사용자별 쇼핑패턴 정보의 기계학습 수행 및 기계학습 결과에 따른 구매할 상품의 추천, 경로 안내부(350)에서의 추천 상품의 구매를 위한 최적의 경로안내 산출 등을 총괄적으로 제어하는 기능을 수행한다.
다음에는, 이와 같이 구성된 본 발명에 따른 위치추정을 통한 최적경로 안내방법의 일 실시예를 도 5를 참조하여 상세하게 설명한다. 이때 본 발명의 방법에 따른 각 단계는 사용 환경이나 당업자에 의해 순서가 변경될 수 있다.
도 5는 본 발명의 일 실시예에 따른 위치추정을 통한 최적경로 안내방법의 동작과정을 상세하게 나타낸 순서도이다.
우선, 백화점, 쇼핑몰 등의 매장에서 쇼핑을 수행하는 사용자가 보유한 사용자 단말기(200)에는 사용자별 쇼핑패턴을 토대로 구매할 상품의 추천과 추천 상품의 구매를 위한 최적의 경로안내 서비스를 이용하기 위한 애플리케이션이 설치되어 있다(S100).
S100 단계를 통해 애플리케이션이 설치된 이후, 사용자가 매장을 방문하게 되면 추천 상품 제공 서버(300)는 매장 내에 설치된 와이파이 AP로부터 전달되는 정보를 토대로 각 사용자 단말기(200)의 위치 정보를 추정한다(S200). 즉 삼변 측량을 통한 와이파이 신호의 세기값, 비콘 신호, 블루투스 신호 또는 이들의 조합을 토대로 사용자 단말기(200)의 위치를 추정하는 것이다. 이때 추천 상품 제공 서버(300)는 와이파이 신호의 세기값을 이용하여 사용자 단말기(200)의 위치 추정을 수행할 때, 와이파이 신호 세기의 왜곡 현상을 극복하면서 사용자 단말기(200)의 위치 추정을 보다 정밀하게 수행할 수 있도록, 사용자 단말기(200)로부터 제공되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 사용자 단말기(200)의 위치를 보정할 수 있다.
S200 단계를 통해 쇼핑을 수행하는 사용자의 매장 내의 이동에 의한 위치가 추정된 이후, 추천 상품 제공 서버(300)는 각 사용자 단말기(200)별로 추정된 위치 정보를 토대로 쇼핑패턴 정보를 생성하고, 생성된 쇼핑패턴 정보를 각 사용자별로 구분하여 데이터베이스(400)에 누적, 저장한다(S300). 즉 매장을 이용하는 각 사용자별 위치 추정, 위치 추정을 통한 쇼핑패턴 정보의 생성, 저장, 관리를 지속적으로 수행하는 것이다.
이때 추천 상품 제공 서버(300)는 S200 단계에서 추정된 특정 위치에서 상기 사용자 단말기(200)가 기 설정된 시간 이상 머물러 있는 경우 해당 위치 및 방향에 진열된 상품을 관심 상품으로 선정하며, 선정된 관심 상품과 사용자가 직접 구매한 상품 정보를 토대로 쇼핑패턴 정보를 생성하는 것이 바람직하다. 그리고 추천 상품 제공 서버(300)는 각 사용자별 쇼핑패턴 정보를 생성할 때, 계절별, 월별, 일별, 요일별, 시간별 등 다양한 요소를 기반으로 생성한다.
이제, S300 단계를 통해 매장을 이용하는 각 사용자별 쇼핑패턴 정보를 데이터베이스(400)에 누적, 저장하는 과정에서, 추천 상품 제공 서버(300)는 사용자 단말기(200)로부터 구매하고자 하는 상품의 추천이 요청되는지를 판단한다(S400). 즉 매장을 방문한 사용자로부터 자신의 쇼핑패턴 정보를 토대로 구매하고자 하는 상품의 추천 요청이 이루어지는지를 판단하는 것이다.
S400 단계의 판단결과 구매하고자 하는 상품이 요청되면, 추천 상품 제공 서버(300)는 현재 매장을 방문한 상기 사용자 단말기(200)의 매장방문 횟수가 기 설정된 횟수 이상인지를 판단한다(S500). 즉 추천 상품 제공 서버(300)는 상품 추천을 요청한 사용자의 쇼핑패턴 정보가 기계학습을 통해 상품 추천을 수행할 수 있을 정도로 구축되어 있는지의 여부를 판단하는 것이다.
S500 단계의 판단결과 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 이상이면, 추천 상품 제공 서버(300)는 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 상기 사용자의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행한다(S600). 즉 본인의 쇼핑패턴 정보만으로도 기계학습을 충분히 수행할 수 있는 경우 사용자 자신의 쇼핑패턴 정보를 토대로 기계학습을 수행하는 것이다.
그러나 S500 단계의 판단결과 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 미만이면, 추천 상품 제공 서버(300)는 상품 추천 시점의 계절, 월, 일, 요일, 시간 등의 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행한다(S700). 즉 신규 방문자이거나 기계학습을 수행할 정도의 쇼핑패턴 정보가 누적되지 않은 사용자의 경우 매장을 이용한 모든 사용자들의 쇼핑패턴 정보를 토대로 기계학습을 수행하는 것이다.
상기 S600 단계 및 S700 단계를 통해 기계학습을 처리한 이후, 추천 상품 제공 서버(300)는 기계학습을 통해 분석된 결과를 토대로 적어도 하나 이상의 추천 상품을 선정한다(S800). 이때 추천되는 상품은 기존에 사용자가 구매한 품목의 브랜드 및 상품이며, 만일 매장에 동일한 브랜드의 상품이 없다면 동일제조회사의 유사제품이나 타제조회사의 유사제품을 추천할 수 있다.
S800 단계를 통해 구매할 상품이 추천되면, 추천 상품 제공 서버(300)는 기계학습 결과를 토대로 추천된 상품의 진열 위치와 사용자 단말기(200)의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 상기 사용자 단말기(200)로 제공한다(S900).
이에 따라 사용자 단말기(200)는 추천 상품 제공 서버(300)로부터 제공되는 추천 상품 및 경로안내 정보를 화면상에 표시하고, 사용자는 화면상에 표시되는 추천 상품 및 경로안내 정보를 토대로 스마트한 쇼핑을 수행할 수 있다.
이처럼, 본 발명은 각 사용자들의 쇼핑패턴 정보를 토대로 기계학습을 수행하여 매장에 재방문하거나 또는 신규 방문하는 사용자에게 구매할 상품을 추천하기 때문에 각 사용자들이 연월일, 시간, 계절 등의 각종 요소에 따라 효율적인 상품 구매를 수행하도록 함은 물론, 유행을 선도하거나 대중화된 상품 구매를 유도할 수 있다.
또한, 추천한 상품의 구매를 위한 최적의 경로를 제공함으로써, 상품을 구매하는 사용자들의 이동거리가 최소화되어 쇼핑시간이 절감되며, 불필요한 상품의 구매를 방지하여 충동구매나 과소비를 억제할 수 있다.
또한, 매장을 방문한 횟수나 신규 방문 여부에 따라 사용자 본인의 누적된 쇼핑패턴 정보를 활용하거나 또는 모든 사용자들의 쇼핑패턴 정보를 활용하여 기계학습을 수행하여 구매할 상품을 추천하기 때문에 기계학습의 분석 정확도를 높일 수 있다.
여기에서, 상술한 본 발명에서는 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경할 수 있음을 이해할 수 있을 것이다.
100 : 네트워크 200 : 사용자 단말기
210 : 통신부 220 : 표시부
230 : 센서 240 : 센서정보 처리부
250 : 저장부 260 : 제어부
300 : 추천 상품 제공 서버 310 : 통신부
320 : 위치 추정부 330 : 쇼핑패턴 정보 처리부
340 : 기계학습 처리부 342 : 추출부
344 : 분석부 346 : 결과 산출부
350 : 경로 안내부 360 : 제어부
400 : 데이터베이스

Claims (12)

  1. 삼변 측량을 통한 와이파이 신호의 세기값, 비콘 신호, 블루투스 신호 또는 이들의 조합을 토대로 사용자 단말기의 위치를 추정하는 위치 추정부;
    추정된 상기 사용자 단말기의 위치를 기반으로 관심 상품을 선정하고, 선정된 상기 관심 상품 및 사용자가 직접 구매한 상품의 정보를 토대로 각 사용자별 쇼핑패턴 정보를 생성하여 데이터베이스에 누적, 저장하는 쇼핑패턴 정보 처리부; 및
    각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 매장을 방문한 상기 사용자 단말기로 구매할 상품을 적어도 하나 이상 추천하는 기계학습 처리부;를 포함하고,
    상기 쇼핑패턴 정보 처리부는, 상기 위치 추정부에서 추정된 특정 위치에서 상기 사용자 단말기가 기 설정된 시간 이상 머물러 있는 경우 해당 위치 및 방향에 진열된 상품을 관심 상품으로 선정하며,
    상기 기계학습 처리부는, 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 미만이거나 신규 방문일 경우, 상품 추천 시점의 계절, 월, 일, 요일, 시간 또는 이들의 조합을 포함한 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 상기 관심 상품 및 구매한 상품 정보가 포함된 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내장치.
  2. 청구항 1에 있어서,
    상기 최적경로 안내장치는,
    상기 기계학습 처리부의 기계학습 결과를 토대로 추천된 적어도 하나 이상의 구매할 상품의 진열 위치와 상기 사용자 단말기의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 상기 사용자 단말기로 제공하는 경로 안내부;를 더 포함하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내장치.
  3. 청구항 1에 있어서,
    상기 위치 추정부는,
    상기 사용자 단말기로부터 수신되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 상기 사용자 단말기의 위치를 보정하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내장치.
  4. 청구항 1에 있어서,
    상기 쇼핑패턴 정보 처리부는,
    계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 포함한 데이터를 토대로 상기 관심 상품 및 직접 구매한 상품의 정보와 관련된 각각의 사용자별 쇼핑패턴 정보를 생성하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내장치.
  5. 삭제
  6. 청구항 1에 있어서,
    상기 기계학습 처리부는,
    각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 구매할 상품을 추천할 때,
    현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 이상인 경우, 상품 추천 시점의 계절, 월, 일, 요일, 시간 또는 이들의 조합을 포함한 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 상기 사용자의 상기 관심 상품 및 구매한 상품 정보가 포함된 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내장치.
  7. 추천 상품 제공 서버에서, 삼변 측량을 통한 와이파이 신호의 세기값, 비콘 신호, 블루투스 신호 또는 이들의 조합을 토대로 사용자 단말기의 위치를 추정하는 위치 추정 단계;
    상기 위치 추정 단계에서 확인된 상기 사용자 단말기의 위치 정보를 기반으로 관심 상품을 선정하고, 선정된 상기 관심 상품 및 사용자가 직접 구매한 상품의 정보를 토대로 각 사용자별 쇼핑패턴 정보를 생성하여 데이터베이스에 누적, 저장하는 쇼핑패턴 정보 처리 단계; 및
    상기 쇼핑패턴 정보 처리 단계를 통해 생성된 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 매장을 방문한 상기 사용자 단말기로 구매할 상품을 적어도 하나 이상 추천하는 기계학습 처리 단계;를 포함하고,
    상기 쇼핑패턴 정보 처리 단계는, 상기 위치 추정 단계에서 추정된 특정 위치에서 상기 사용자 단말기가 기 설정된 시간 이상 머물러 있는 경우 해당 위치 및 방향에 진열된 상품을 관심 상품으로 선정하며,
    상기 기계학습 처리 단계는, 현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 미만이거나 신규 방문일 경우, 상품 추천 시점의 계절, 월, 일, 요일, 시간 또는 이들의 조합을 포함한 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 모든 사용자들의 상기 관심 상품 및 구매한 상품 정보가 포함된 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내방법.
  8. 청구항 7에 있어서,
    상기 최적경로 안내방법은,
    상기 기계학습 처리 단계에서의 기계학습 결과를 토대로 추천된 적어도 하나 이상의 구매할 상품의 진열 위치와 상기 사용자 단말기의 현재 위치를 토대로 이동거리를 최소화하기 위한 경로를 산출하고, 산출된 경로정보를 상기 사용자 단말기로 제공하는 경로 안내 단계;를 더 포함하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내방법.
  9. 청구항 7에 있어서,
    상기 위치 추정 단계는,
    상기 사용자 단말기로부터 수신되는 지자기 센서, 가속도 센서, 자이로스코프, 디지털 나침반 또는 이들의 조합을 포함한 센서 정보를 토대로 상기 사용자 단말기의 위치를 보정하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내방법.
  10. 청구항 7에 있어서,
    상기 쇼핑패턴 정보 처리 단계는,
    계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합을 포함한 데이터를 토대로 상기 관심 상품 및 직접 구매한 상품의 정보와 관련된 각각의 사용자별 쇼핑패턴 정보를 생성하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내방법.
  11. 삭제
  12. 청구항 7에 있어서,
    상기 기계학습 처리 단계는,
    상기 추천 상품 제공 서버에서, 각각의 사용자별 쇼핑패턴 정보를 기계학습을 통해 분석하여 구매할 상품을 추천할 때,
    현재 매장을 방문한 사용자의 매장방문 횟수가 기 설정된 횟수 이상인 경우, 상품 추천 시점의 계절, 월, 일, 요일, 시간 또는 이들의 조합을 포함한 요소와 계절별, 월별, 일별, 요일별, 시간별 또는 이들의 조합에 따라 생성한 상기 사용자의 상기 관심 상품 및 구매한 상품 정보가 포함된 쇼핑패턴 정보의 관계를 토대로 기계학습을 수행하여 적어도 하나 이상의 상품을 추천하는 단계;를 더 포함하는 것을 특징으로 하는 위치추정을 통한 최적경로 안내방법.
KR1020160142696A 2016-10-31 2016-10-31 위치추정을 통한 최적경로 안내방법 및 그 장치 KR101870787B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160142696A KR101870787B1 (ko) 2016-10-31 2016-10-31 위치추정을 통한 최적경로 안내방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160142696A KR101870787B1 (ko) 2016-10-31 2016-10-31 위치추정을 통한 최적경로 안내방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20180047049A KR20180047049A (ko) 2018-05-10
KR101870787B1 true KR101870787B1 (ko) 2018-06-25

Family

ID=62184889

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160142696A KR101870787B1 (ko) 2016-10-31 2016-10-31 위치추정을 통한 최적경로 안내방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101870787B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210060634A (ko) * 2018-10-16 2021-05-26 시냅스 파트너스, 엘엘씨 개인화된 육상 운송을 위한 시스템들 및 방법들
KR102222159B1 (ko) * 2020-07-02 2021-03-04 이주찬 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041761A (ja) * 2000-07-28 2002-02-08 Toshiba Corp 商品情報管理装置、商品情報入出力装置、および商品情報管理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041761A (ja) * 2000-07-28 2002-02-08 Toshiba Corp 商品情報管理装置、商品情報入出力装置、および商品情報管理方法

Also Published As

Publication number Publication date
KR20180047049A (ko) 2018-05-10

Similar Documents

Publication Publication Date Title
US11301833B1 (en) Method and system for communicating location of a mobile device for hands-free payment
US10462621B2 (en) Providing city services using mobile devices and a sensor network
US7200394B2 (en) Information distribution service system based on predicted changes in location of mobile information terminal
US20090005973A1 (en) Sponsored landmarks in navigation, couponing, parallel route calculation
US9541404B2 (en) System for determining the location of entrances and areas of interest
US8838586B2 (en) Relevancy ranking for map-related search
EP2671373B1 (en) Method and apparatus for mobile location determination
EP2534445B1 (en) Method and apparatus for evaluating an attribute of a point of interest
US20130332273A1 (en) Systems and methods for high-precision indoor positioning, navigation and shopping behavior profiling
EP2372627A2 (en) Providing city services using mobile devices and a sensor network
JP2017509036A (ja) 品目を位置特定し、品目ロケーションを決定するための方法およびシステム
EP2777304A1 (en) A method and apparatus for determining location information of a position in a multi-storey building
US20150262197A1 (en) Trajectory based context inference
CN102933938A (zh) 用于评估兴趣点的属性的方法及设备
KR101870787B1 (ko) 위치추정을 통한 최적경로 안내방법 및 그 장치
US9702720B2 (en) Navigation server for determining location-based advertisement effectiveness
KR101713266B1 (ko) 측위 시스템 및 측위 방법
KR101323253B1 (ko) 마케팅 방법 및 시스템
JP7114981B2 (ja) 経路探索装置、プログラム及び経路探索サーバ
JP6692377B2 (ja) 算出装置、算出方法及び算出プログラム
CN111107155B (zh) 一种信息推送的方法及服务器
KR101118534B1 (ko) 위치기반 서비스 정보 제공 방법
KR101118535B1 (ko) 위치기반 서비스 정보 제공 시스템
KR101750302B1 (ko) 측위 시스템 및 측위 방법
WO2023149900A1 (en) Systems and methods for identifying high traffic zones and suggesting alternative destinations to users

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
GRNT Written decision to grant