KR102121776B1 - Method of setting exhibition position of exhibits - Google Patents
Method of setting exhibition position of exhibits Download PDFInfo
- Publication number
- KR102121776B1 KR102121776B1 KR1020190114444A KR20190114444A KR102121776B1 KR 102121776 B1 KR102121776 B1 KR 102121776B1 KR 1020190114444 A KR1020190114444 A KR 1020190114444A KR 20190114444 A KR20190114444 A KR 20190114444A KR 102121776 B1 KR102121776 B1 KR 102121776B1
- Authority
- KR
- South Korea
- Prior art keywords
- exhibition
- rentals
- popularity
- rental
- location
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000013528 artificial neural network Methods 0.000 claims abstract description 126
- 238000004519 manufacturing process Methods 0.000 claims description 42
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 19
- 230000002787 reinforcement Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 239000004575 stone Substances 0.000 description 11
- 229910052571 earthenware Inorganic materials 0.000 description 10
- 238000007781 pre-processing Methods 0.000 description 8
- 229910052802 copper Inorganic materials 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 241001272720 Medialuna californiensis Species 0.000 description 3
- 235000014676 Phragmites communis Nutrition 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000011014 moonstone Substances 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010048909 Boredom Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
아래 실시예들은 전시관에 전시되는 전시물들의 전시 위치를 정하는 기술에 관한 것이다.The embodiments below relate to a technique for determining the display location of exhibits displayed in the exhibition hall.
최근 여가시간의 증가 및 문화 생활에 대한 관심과 함께, 예술/역사/과학/자연 등에 대한 사람들의 관심이 높아지고 있으며, 이로 인해 다양한 전시회들이 개최되고 있다. 특히, 미세먼지 문제로 인한 실외 활동 제약 및 이에 따른 실내 컨텐츠의 부상; 인터넷 및 스마트 기술과의 융복합을 통한 다각적 관람 경험 제공; 및 문화 수준 증가에 따른 전시회의 양적 질적 수준 향상 등에 힘입어, 전시회들은 점차 전문화 및 다양화가 이루어지고 있는 추세이다.Recently, with the increase in leisure time and interest in cultural life, people's interest in art/history/science/nature is increasing, and various exhibitions are held. In particular, restrictions on outdoor activities due to fine dust problems and thus the rise of indoor contents; Providing a diversified viewing experience through convergence with the Internet and smart technologies; And thanks to the quantitative and qualitative improvement of the exhibition as the cultural level increases, the exhibitions are gradually becoming specialized and diversified.
이처럼 전시회에서 다루는 주제들이 전문화되고 다양해짐에 따라, 전시회를 주관하는 측에서도 모든 전시물의 상세한 정보를 파악하기 어려워지고 있다. 이에 따라, 인기있는 전시물들을 중심으로 전시회의 성격을 파악하여 전시회의 특성을 도출하고자 하는 기술적 노력들이 확인되고 있다.As the topics covered in the exhibition are specialized and diversified, it becomes difficult for the organizer of the exhibition to grasp the detailed information of all exhibits. Accordingly, technical efforts have been confirmed to grasp the characteristics of the exhibition centering on popular exhibits and derive the characteristics of the exhibition.
일례로, 대한민국 등록특허공보 KR 10-1412505 B1는 IoT환경에서 관람객의 활동 기반 전시 서비스 제공 방법 및 시스템이 개시된다. 선행문헌의 IoT 환경에서 전시 서비스 제공 방법은, 사용자 단말로부터 센서 접속 시간 정보와 센서 이탈 시간 정보를 수신하는 단계; 상기 센서 접속 시간 정보와 상기 센서 이탈 시간 정보에 기초하여 해당 센서 신호에 대응하는 작품의 관람 시간을 계산하는 단계; 및 상기 계산된 관람 시간에 기초하여 상기 작품에 대한 관람객들의 관심도를 판별하는 단계를 포함한다. 이러한 방법에 의하여, 작품의 중요도 또는 관심도에 기초하여 사용자의 동선 안내 및 광고 서비스 등을 제공할 수 있고, 사용자별 작품 관심도에 기초하여 사용자 개인의 맞춤형 관람 내역 제공 서비스 또는 전시장에 전시될 전시품에 대한 사용자 개인의 맞춤형 관람 작품 내역 제공 서비스 등을 제공할 수 있다.As an example, Republic of Korea Patent Publication KR 10-1412505 B1 discloses a method and system for providing a visitor's activity-based exhibition service in an IoT environment. In the IoT environment of the prior literature, a method for providing an exhibition service includes receiving sensor access time information and sensor departure time information from a user terminal; Calculating a viewing time of a work corresponding to a corresponding sensor signal based on the sensor connection time information and the sensor departure time information; And determining the audience's interest in the work based on the calculated viewing time. By this method, it is possible to provide a user's movement guidance and advertisement service based on the importance or interest of the work, and provide a personalized viewing history of the user based on the user's interest in the work or the exhibits to be displayed in the exhibition hall. It is possible to provide a service for providing a user's personalized viewing experience.
선행문헌은 전시회에 전시된 작품들의 관심도를 관람자별로 추출하고, 특정 관람자가 특정 작품에 대해 관심을 가진다고 판별된 경우, 해당 관람자에게 해당 작품과 유사한 카테고리에 속하는 작품들에 대한 개인 맞춤형 관람 정보를 제공할 수 있다. 그러나, 이미 전시가 진행 중인 전시회의 작품들에 대한 개인별 맞춤 정보를 제공하는 수준을 넘어서, 전시회 개최를 준비하는 단계에서 전시물들의 인기도를 척도로 삼아 각각의 전시물이 전시관의 어느 위치에 전시되어야 효율적이면서도 흥미를 유발할 것인가를 정하는 방법에 대한 선행문헌은 확인되지 않고 있다.Prior literature extracts the interest level of works exhibited at the exhibition for each spectator, and when it is determined that a specific spectator is interested in a specific work, provides personalized viewing information for works belonging to a category similar to the corresponding work to the spectator can do. However, beyond the level of providing personalized information on the works of the exhibition already in progress, each exhibition must be exhibited at a certain location in the exhibition hall, using the popularity of the exhibition as a measure in the stage of preparing for the exhibition. No prior literature has been identified on how to determine whether or not to generate interest.
전시회들이 전문화되고 다양해짐에 따라, 전시회를 주관하는 측에서 모든 전시물의 상세한 정보를 파악하기 어려우며, 이에 따라 몇몇 큐레이터 내지 디렉터의 지식에만 의존하여 전시회에 전시될 전시물들의 전시 위치를 결정할 경우, 관람객들의 불편 내지 지루함을 유발시키는 문제가 발생할 수 있다.As the exhibitions are specialized and diversified, it is difficult for the organizer of the exhibition to grasp the detailed information of all exhibits, and accordingly, depending on the knowledge of some curators or directors, when determining the exhibition location of exhibits to be exhibited at the exhibition, visitors Problems that cause discomfort or boredom may occur.
가령, 인기있는 전시물 근처에 다른 전시물들이 가까이 배치되어 있으면, 전시관의 해당 부분에는 사람이 많이 몰리게 되며, 높은 관람객 밀도 때문에 관람객들은 온전한 전시 관람을 방해 받을 수 있으며, 심지어 다른 관람객과의 불필요한 접촉 때문에 불쾌감마저 느낄 수 있다. 또한, 인기있는 전시물들이 전시관의 동선을 따라 고르게 분포되지 않을 경우, 관람객들은 전시관의 한 곳에서는 재미를 느끼지만, 다른 곳에서는 지루함을 느끼게 될 수 있다.For example, if other exhibits are placed close to popular exhibits, there will be a lot of people in that part of the pavilion, and due to the high density of visitors, visitors may be prevented from seeing the whole exhibition, and even unpleasantness due to unnecessary contact with other visitors I can even feel it. In addition, if popular exhibits are not evenly distributed along the circulation of the pavilion, visitors may have fun in one part of the pavilion, but may feel bored in the other.
따라서, 이미 전시가 진행 중인 전시회의 작품들에 대한 개인별 맞춤 정보를 제공하는 수준을 넘어서, 전시회를 개최하는 준비 단계에서 각각의 전시물이 전시관의 어느 위치에 전시되어야 효율적이면서도 흥미를 유발할 것인가를 정하는 방법이 요구되고 있다. 요컨대, 관람객이 많이 몰리는 특정 구간이 없도록 전시물들의 전시 위치를 정하는 방법이 요구되고 있다. 또한, 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시물들의 전시 위치를 정하는 방법이 요구되고 있다. 나아가, 전시물들을 배치하는 과정에서 불가피하게 관람객이 많이 몰리는 특정 구간이 발생할 경우, 해당 구간으로부터 관람객들을 분산시킬 수 있는 방법이 요구되고 있다.Therefore, beyond the level of providing personalized information on the works of the exhibition that is already being exhibited, how to decide which location of each exhibit should be displayed efficiently and interesting in the preparation stage to hold the exhibition This is required. In short, there is a demand for a method of determining the exhibition location of exhibits so that there is no specific section crowded with visitors. In addition, there is a need for a method of locating exhibitions of exhibits that allow visitors to watch the entire exhibition with interest, rather than having a certain part of the exhibition interesting and not bored with the rest. Furthermore, when a certain section in which a large number of visitors inevitably occurs during the process of arranging exhibits, a method for dispersing the visitors from the section is required.
실시예들은 관람객들이 높은 밀도로 몰리는 구간을 최소화하여, 관람객들이 전시관에서 열리는 전시회를 막히는 구간 없이 관람하도록 도울 수 있는 전시물 전시 위치 설정 방법을 제공하고자 한다.The embodiments are intended to provide a method of setting a display location of an exhibition that can help visitors to view an exhibition held in an exhibition hall without blocking a section by minimizing a section in which the viewers are concentrated at a high density.
실시예들은 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있는 인공 신경망 및 그와 같은 인공 신경망을 학습시키는 방법을 제공하고자 한다.The embodiments are intended to provide an artificial neural network capable of outputting an exhibition location of exhibition rentals so that there is no specific section crowded by visitors and a method of learning such an artificial neural network.
실시예들은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 출력할 수 있는 인공 신경망 및 그와 같은 인공 신경망을 학습시키는 방법을 제공하고자 한다.Embodiments are artificial neural networks and such artificial neural networks capable of outputting the exhibition location of exhibit rentals that allow viewers to watch the entire exhibition with interest, rather than having a particular part of the exhibition interesting and bored by the rest. We want to provide a way to train neural networks.
실시예들은 면적으로 표현되는 전시대여물의 인기도를 구하는 방법을 제공하고자 한다. 이를 통해, 전시대여물의 인기라는 추상적인 개념을 넓이라는 구체적인 측량값으로 변환하는 방법을 제공하고자 한다. 가령, 인기가 많은 전시대여물은 큰 면적으로, 인기가 적은 전시대여물은 작은 면적으로 표현할 수 있는 방법을 제공하고자 한다.The embodiments are intended to provide a method for obtaining the popularity of an exhibition rental expressed in an area. Through this, we would like to provide a method for converting the abstract concept of popularity of exhibition rentals into concrete survey values. For example, we would like to provide a way to express popular rentals in large area and less popular rentals in small area.
실시예들은 전시대여물들을 관람하기 위해 몰렸던 관람객들이 전시제작물을 보기 위해 분산되고, 이에 따라 특정 부분에 많은 관람객들이 몰리는 현상이 줄어들어, 원활한 전시 관람이 이루어질 수 있도록, 전시제작물의 수 및 전시 위치를 설정하는 방법을 제공하고자 한다.In the embodiments, the number of exhibits produced and the location of exhibitions can be reduced so that the visitors who were gathered to view the exhibition rentals are distributed to view the exhibition productions, and accordingly, the number of visitors is attracted to a specific part, so that the exhibition can be smoothly performed. I would like to provide a method for setting.
나아가, 실시예들은 상기 배경 기술에서 언급한 과제들 및 본 명세서에서 드러나는 해당 기술 분야의 과제들을 해결하기 위한 전시물 전시 위치 설정 방법을 제공하고자 한다.Furthermore, the embodiments are intended to provide a method for setting an exhibition display location for solving the problems mentioned in the background art and the problems in the related technical field revealed in this specification.
일실시예에 따른 전시물 전시 위치 설정 방법은 전시관에서 열리는 전시회를 위해 대여한 전시대여물들-각각의 전시대여물은 면적으로 표현되는 인기도(人氣度)를 가짐-과, 상기 전시관에서 열리는 상기 전시회를 위해 제작되는 전시제작물들을 상기 전시관에 전시하기 위하여, 상기 전시관의 평면도 및 상기 전시관의 동선 데이터를 획득하는 단계; 상기 평면도, 상기 동선 데이터, 및 각각의 전시대여물의 인기도를 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로 상기 전시대여물들의 전시 위치를 정하는 단계; 및 상기 전시대여물들의 전시 위치를 기초로, 상기 전시제작물들의 수 및 전시 위치를 정하는 단계를 포함할 수 있다.According to an embodiment, a method for setting an exhibition location for exhibits is a rental of exhibitions for exhibitions held in an exhibition hall-each exhibition rental has a popularity expressed in terms of area-and for the exhibition held at the exhibition hall Acquiring the floor plan data of the exhibition hall and the copper wire data of the exhibition hall to display the produced productions on the exhibition hall; Determining the display location of the exhibit rentals based on the output of the artificial neural network by applying the top view, the movement data, and the popularity of each exhibit rental to an artificial neural network; And determining the number of exhibition productions and the exhibition location based on the exhibition location of the exhibition rentals.
일실시예에 따르면, 전시대여물의 인기도는, i) 전시 중인 전시대여물이 관람 가능한 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 측정할 수 있는 측정 수단을 통해 미리 정해진 횟수 또는 미리 정해진 시간만큼 측정한 측정 면적 및 측정 면적 내의 관람객 수를 획득하는 단계; ii) 단위 횟수 또는 단위 시간당 상기 측정 면적 내의 관람객 수를 전시대여물의 관람객 밀도로 정하는 단계; iii) 상기 전시대여물의 관람객 밀도와 미리 정해진 기준 밀도가 미리 정해진 오차범위 내인지 판별하는 단계; iv) 상기 전시대여물의 관람객 밀도와 상기 기준 밀도가 상기 오차범위를 벗어나는 경우, 상기 측정 수단이 측정하는 상기 바닥 면적을 조정한 후, 상기 i) 내지 iii)의 단계를 반복하는 단계; v) 상기 전시대여물의 관람객 밀도와 상기 기준 밀도가 상기 오차범위 내인 경우, 상기 측정 면적을 전시대여물의 인기도로 정하는 단계를 포함하는 방법으로 정해질 수 있다.According to an embodiment, the popularity of an exhibition rental is measured by a predetermined number of times or a predetermined time through a measuring means capable of measuring the floor area and the number of visitors in the floor space of the exhibition rental space being exhibited. Obtaining a measurement area and the number of visitors within the measurement area; ii) determining the number of spectators in the measurement area per unit number or unit time as the spectator density of exhibition rentals; iii) determining whether the visitor density of the exhibition rental and a predetermined reference density are within a predetermined error range; iv) repeating steps i) to iii) after adjusting the floor area measured by the measuring means when the density of the visitors of the exhibition rental and the reference density are outside the error range; v) If the visitor density of the exhibition rental and the reference density are within the error range, it may be determined by a method including determining the measurement area as the popularity of the exhibition rental.
일실시예에 따르면, 상기 인공 신경망은, 전시대여물들의 인기도가 서로 중복되는 면적을 최소화할수록 제 1 보상을 많이 수여하고, 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 상기 동선 데이터의 동선을 따라 일정한 주기로 위치할수록 제 2 보상을 많이 수여하는 강화 학습에 따라 학습된 인공 신경망일 수 있다.According to one embodiment, the artificial neural network, the smaller the area where the popularity of exhibition rentals overlaps with each other, the more the first reward is awarded, and the exhibition rentals classified as having high popularity according to a preset classification are used for the movement data. It may be an artificial neural network trained according to reinforcement learning that gives a lot of the second reward as it is positioned at a constant cycle along the circulation line.
일실시예에 따르면, 전시 위치가 정해진 전시대여물들의 인기도들이 서로 중복되는 교집합 면적들 중에서, 미리 설정된 면적값을 초과하는 상기 교집합 면적들의 개수를 상기 전시제작물들의 수로 정할 수 있다.According to an embodiment, the number of intersection areas exceeding a preset area value among the intersection areas in which the popularity of exhibition rentals having a predetermined exhibition location overlap each other may be determined as the number of exhibition productions.
일실시예에 따르면, 상기 미리 설정된 면적값을 초과하는 상기 교집합 면적들마다 하나의 전시제작물이 포함되도록 상기 전시제작물들의 전시 위치를 정할 수 있다.According to an embodiment of the present invention, an exhibition location of the exhibition productions may be determined to include one exhibition production for each intersection area exceeding the preset area value.
실시예들은 관람객들이 높은 밀도로 몰리는 구간을 최소화하여, 관람객들이 전시관에서 열리는 전시회를 막히는 구간 없이 관람하도록 도울 수 있는 전시물 전시 위치 설정 방법을 제공할 수 있다.Embodiments can provide a method for setting a display location of an exhibition that can help visitors to view an exhibition held in an exhibition hall without blocking a section by minimizing a section in which the viewers are concentrated at a high density.
실시예들은 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있는 인공 신경망 및 그와 같은 인공 신경망을 학습시키는 방법을 제공할 수 있다.Embodiments can provide an artificial neural network capable of outputting an exhibition location of exhibition rentals so that there is no specific section crowded by visitors, and a method of learning such an artificial neural network.
실시예들은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 출력할 수 있는 인공 신경망 및 그와 같은 인공 신경망을 학습시키는 방법을 제공할 수 있다.Embodiments are artificial neural networks and such artificial neural networks capable of outputting the exhibition location of exhibit rentals that allow viewers to watch the entire exhibition with interest, rather than having a particular part of the exhibition interesting and bored by the rest. It can provide a way to train a neural network.
실시예들은 면적으로 표현되는 전시대여물의 인기도를 구하는 방법을 제공할 수 있다. 이를 통해, 전시대여물의 인기라는 추상적인 개념을 넓이라는 구체적인 측량값으로 변환하는 방법을 제공할 수 있다. 가령, 인기가 많은 전시대여물은 큰 면적으로, 인기가 적은 전시대여물은 작은 면적으로 표현할 수 있는 방법을 제공할 수 있다.Embodiments can provide a method of obtaining the popularity of an exhibition rental expressed in area. Through this, it is possible to provide a method of converting the abstract concept of popularity of exhibition rentals into concrete measurement values of width. For example, it is possible to provide a method for expressing a large-scale exhibition rental with a large area and a small-scale exhibition rental with a small area.
실시예들은 전시대여물들을 관람하기 위해 몰렸던 관람객들이 전시제작물을 보기 위해 분산되고, 이에 따라 특정 부분에 많은 관람객들이 몰리는 현상이 줄어들어, 원활한 전시 관람이 이루어질 수 있도록, 전시제작물의 수 및 전시 위치를 설정하는 방법을 제공할 수 있다.In the embodiments, the number of exhibits produced and the location of exhibitions can be reduced so that the visitors who were gathered to view the exhibition rentals are distributed to view the exhibition productions, and accordingly, the number of visitors is attracted to a specific part, so that the exhibition can be smoothly performed. How to set it up can be provided.
한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.Meanwhile, the effects according to the embodiments are not limited to those mentioned above, and other effects not mentioned may be clearly understood by those having ordinary knowledge in the relevant technical field from the following description.
도 1은 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 전시물을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 전시물의 전시 위치를 정하는 방법을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 전시관의 평면도 및 동선 데이터를 설명하기 위한 도면이다.
도 5는 일실시예에 따른 전시대여물의 전시 위치 설정을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 전시제작물의 수 및 전시제작물의 전시 위치 설정을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 전시대여물의 인기도를 정하는 방법을 설명하기 위한 순서도이다.
도 8 내지 10은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.1 is an exemplary view of a configuration of an apparatus according to an embodiment.
2 is a view for explaining an exhibit according to an embodiment.
3 is a flowchart illustrating a method of determining an exhibition location of an exhibition object according to an embodiment.
4 is a view for explaining a plan view and copper wire data of an exhibition hall according to an embodiment.
5 is a view for explaining the display location setting of the exhibition rental according to an embodiment.
FIG. 6 is a view for explaining the number of exhibition productions and setting the exhibition location of the exhibition productions according to an embodiment.
7 is a flow chart for explaining a method for determining the popularity of an exhibition rental according to an embodiment.
8 to 10 are diagrams for explaining learning of an artificial neural network according to an embodiment.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, various changes may be made to the embodiments, and the scope of the patent application right is not limited or limited by these embodiments. It should be understood that all modifications, equivalents, or substitutes for the embodiments are included in the scope of rights.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only, and may be implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosure form, and the scope of the present specification includes modifications, equivalents, or substitutes included in the technical spirit.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but these terms should be interpreted only for the purpose of distinguishing one component from other components. For example, the first component may be referred to as the second component, and similarly, the second component may also be referred to as the first component.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When an element is said to be "connected" to another element, it should be understood that other elements may be present, either directly connected to or connected to the other element.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the examples are used for illustrative purposes only and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this specification, the terms "include" or "have" are intended to indicate the presence of features, numbers, steps, actions, components, parts or combinations thereof described herein, one or more other features. It should be understood that the existence or addition possibilities of fields or numbers, steps, operations, components, parts or combinations thereof are not excluded in advance.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the embodiment belongs. Terms, such as those defined in a commonly used dictionary, should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined in the present application. Does not.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.The spatially relative terms “below”, “beneath”, “lower”, “above”, “upper”, etc., are as shown in the figure. It can be used to easily describe a correlation between a component and other components. The spatially relative terms should be understood as terms including different directions of components in use or operation in addition to the directions shown in the drawings. For example, if a component shown in the drawing is flipped over, the component described as "below" or "beneath" the other component will be placed "above" the other component. Can be. Accordingly, the exemplary term “below” can include both the directions below and above. The component can also be oriented in other directions, so that spatially relative terms can be interpreted according to the orientation.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same reference numerals are assigned to the same components regardless of reference numerals, and redundant descriptions thereof will be omitted. In describing the embodiments, when it is determined that detailed descriptions of related known technologies may unnecessarily obscure the subject matter of the embodiments, detailed descriptions thereof will be omitted.
도 1은 일실시예에 따른 장치의 구성의 예시도이다.1 is an exemplary view of a configuration of an apparatus according to an embodiment.
일실시예에 따른 장치(101)는 프로세서(102) 및 메모리(103)를 포함한다. 프로세서(102)는 도 2 내지 도 10을 통하여 후술되는 적어도 하나의 장치들을 포함하거나, 도 2 내지 도 10을 통하여 후술되는 적어도 하나의 방법을 수행할 수 있다. 메모리(103)는 후술되는 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(103)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. The
장치(101)를 이용하는 자 또는 단체는 도 2 내지 도 10을 통하여 후술되는 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다. 장치(101)는 단일의 서버 내지 컴퓨터일 수도 있고, 복수의 서버 내지 노드들로 구성된 조합을 지칭할 수도 있다. 하나의 장치(101)가 도 2 내지 도 10을 통하여 후술되는 모든 방법들을 저장 및 수행할 수도 있으며, 개별적인 장치(101)들이 도 2 내지 도 10을 통하여 후술되는 방법들을 분담하여 저장 및 수행할 수도 있다. 예를 들어, 후술의 인공 신경망을 학습시키는 장치(101)와 학습된 인공 신경망을 이용하는 장치(101)는 동일할 수도 있고 개별적일 수도 있다. 또한, 후술의 전시대여물의 인기도를 정하는 장치(101)와 인기도가 정해진 전시대여물들의 전시 위치를 정하는 장치(101)는 동일할 수도 있고 개별적일 수도 있다. 또한, 전시대여물들(210)의 전시 위치를 정하는 장치(10)와 전시제작물들(220)의 전시 위치를 정하는 장치(101)는 동일할 수도 있고 개별적일 수도 있다.A person or organization using the
프로세서(102)는 프로그램을 실행하고, 장치(101)를 제어할 수 있다. 프로세서(102)에 의하여 실행되는 프로그램의 코드는 메모리(103)에 저장될 수 있다. 장치(101)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.The
장치(101)는 인공 신경망을 학습시키는데 사용될 수 있다. 메모리(103)는 학습된 인공 신경망을 포함할 수 있다. 프로세서(102)는 메모리(103)에 저장된 인공 신경망 알고리즘을 실행할 수 있다. 인공 신경망을 학습시키는 장치(101)와 학습된 인공 신경망을 이용하는 장치(101)는 동일할 수도 있고 개별적일 수도 있다.
도 2는 일실시예에 따른 전시물을 설명하기 위한 도면이다.2 is a view for explaining an exhibit according to an embodiment.
전시관에서 열리는 전시회를 위한 전시물(200)은 전시대여물(210)과 전시제작물(220)이 있을 수 있다. 가령, 평택시 농업기자재 전시관에서 열리는 전통 농업 전시회가 있을 수 있으며, 이를 위한 전시물(200)로 도 2에 도시된 전시대여물(210)과 전시제작물(220)이 있을 수 있다.The
전시대여물(210)은 전시관에서 열리는 전시회를 위해 대여한 전시물로, 장치(101)를 이용하는 자가 직간접적으로 제조하지 않거나 제조할 수 없는 전시물일 수 있다. 가령, 평택시 농업기자재 전시관에서 열리는 전통 농업 전시회를 위한 전시대여물(210)로는 갈판과 갈돌(211); 빗살무늬토기(212); 반달돌칼(213); 평택 토진리유적 석관묘(214); 및 홈자귀(215) 등이 있을 수 있다. 전시대여물(210)은 전시관 또는 전시회의 성격에 맞기만 하면, 그 개수, 종류, 크기 등은 제한이 없다. 가령, 전시회가 인상주의 화가들의 미술전이라면, 전시대여물은 인상주의 화가들의 그림일 수 있다.The
각각의 전시대여물(210)은 면적으로 표현되는 인기도(人氣度)를 가질 수 있다. 인기가 많은 전시대여물(210)일수록 많은 관람객이 감상하고자 하므로, 인기가 적은 전시대여물(210)과 비교하여 전시물 주변에 관람객이 많이 몰리게 된다. 그러므로, 전시관 전체가 고른 관람객 밀도를 가지도록 하기 위해, 인기가 많은 전시대여물은 넓은 면적의 인기도를 가지도록 할 수 있고, 인기가 적은 전시대여물은 적은 면적의 인기도를 가지도록 할 수 있다.Each
이를 위하여, 장치(101)는 i) 전시 중인 전시대여물이 관람 가능한 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 측정할 수 있는 측정 수단을 통해 미리 정해진 횟수 또는 미리 정해진 시간만큼 측정한 측정 면적 및 측정 면적 내의 관람객 수를 획득하고; ii) 단위 횟수 또는 단위 시간당 측정 면적 내의 관람객 수를 전시대여물의 관람객 밀도로 정하고; iii) 전시대여물의 관람객 밀도와 미리 정해진 기준 밀도가 미리 정해진 오차범위 내인지 판별하여; iv) 전시대여물의 관람객 밀도와 기준 밀도가 오차범위를 벗어나는 경우, 측정 수단이 측정하는 바닥 면적을 조정한 후, i) 내지 iii)의 단계를 반복하고; v) 전시대여물의 관람객 밀도와 기준 밀도가 오차범위 내인 경우, 측정 면적을 전시대여물의 인기도로 정할 수 있다.To this end, the device 101 i) a measurement area and measurement measured a predetermined number of times or a predetermined time through a measuring means capable of measuring the floor area of the exhibition rental space and the number of visitors within the floor area Acquire the number of visitors within the area; ii) the number of visitors within the measurement area per unit number or unit time is determined as the density of visitors in the exhibition rental; iii) determining whether the visitor density of the exhibition rental and the predetermined reference density are within a predetermined error range; iv) if the visitor density and the reference density of the exhibition rental are outside the error range, after adjusting the floor area measured by the measuring means, repeat steps i) to iii); v) If the visitor density and reference density of the exhibition rental are within the error range, the measurement area can be determined as the popularity of the exhibition rental.
전시대여물(210)의 인기도를 정하는 장치(101)는 전시물(200)의 전시 위치를 정하는 장치(101)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 전시대여물(210)들의 인기도를 정하는 구체적인 방법은 도 7을 참조하여 후술된다.The
장치(101)는 전시대여물(210)의 전시 위치를 정할 수 있다. 이를 위하여, 장치(101)는 전시관의 평면도(410) 및 전시관의 동선 데이터(420)를 획득한 후; 평면도(410), 동선 데이터(420), 및 각각의 전시대여물(210)의 인기도를 학습된 인공 신경망에 적용하여, 인공 신경망의 출력을 기초로 전시대여물(210)들의 전시 위치를 정할 수 있다.The
인공 신경망은 전시대여물들(210)의 면적으로 표현되는 인기도(人氣度)들이 서로 중복되는 교집합 면적의 총합이 최소화되는 전시대여물들의 전시 위치를 출력할 수 있다. 인기도가 서로 중복되는 면적은 관람객들의 밀도가 높으므로, 전시대여물들의 인기도가 서로 중복되는 면적이 최소화될수록 관람객이 많이 몰리는 특정 구간이 없어지고, 이에 따라 원활한 전시 관람이 이루어질 수 있다. 즉, 장치(101)는 인공 신경망의 출력을 통해 관람객이 많이 몰리는 특정 구간이 없도록 전시대여물들의 전시 위치를 정할 수 있다.The artificial neural network may output the exhibition positions of exhibition rentals in which the sum of the intersection area where the popularitys expressed by the area of the
또한, 장치(101)는 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 동선 데이터(420)의 동선을 따라 일정한 주기로 위치하도록 전시대여물들의 전시 위치를 출력할 수 있다. 이때, 미리 설정된 분류는, 인기도가 특정 면적 이상이면, 예를 들어 4m2 이상이면, 인기도가 높다고 분류하는 기준일 수 있다. 인기도가 높은 전시대여물은 관람객들의 흥미를 유발하므로, 전시대여물들의 인기도가 높다고 분류되는 전시대여물들이 전시관의 동선을 따라 일정한 주기로 위치될수록, 관람객들은 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있다. In addition, the
인공 신경망이 전시대여물(210)들의 전시 위치를 정하는 보다 구체적인 방법은 도 3 내지 5를 참조하여 후술된다. 또한, 인공 신경망을 학습시키는 구체적인 방법은 도 8 내지 10을 참조하여 후술된다.A more specific method of determining the display position of the artificial neural network by the
전시제작물(220)은 장치(101)를 이용하는 자가 전시관 내지 전시회의 목적에 부합하도록 직간접적인 방법을 통해 제작하는 전시물일 수 있다. 가령, 평택시 농업기자재 전시관에서 열리는 전통 농업 전시회를 위한 전시제작물(220)로는 농가 모형(221)과 석관묘 디오라마(222)가 있을 수 있다. 또는, 전시회가 인상주의 화가들의 미술전이라면, 전시제작물은 인상주의 화풍의 연혁을 설명하는 포스터 등일 수 있다.The
장치(101)는 전시제작물(220)의 전시 위치를 정할 수 있다. 구체적으로, 장치(101)는 전시 위치가 정해진 전시대여물들의 인기도들이 서로 중복되는 교집합 면적들 중에서, 미리 설정된 면적값, 예를 들어 1m2 이상을 초과하는 교집합 면적들의 개수를 전시제작물들의 수로 정할 수 있다. 또한, 미리 설정된 면적값을 초과하는 교집합 면적들마다 하나의 전시제작물이 포함되도록 전시제작물들의 전시 위치를 정할 수 있다.The
전시제작물(220)의 전시 위치를 정하는 장치(101)는 전시대여물(210)의 전시 위치를 정하는 장치(101)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 장치(101)가 전시제작물(220)의 수 및 위치를 정하는 구체적인 방법은 도 3 및 6을 참조하여 후술된다.The
도 3은 일실시예에 따른 전시물의 전시 위치를 정하는 방법을 설명하기 위한 순서도이다.3 is a flowchart illustrating a method of determining an exhibition location of an exhibition object according to an embodiment.
우선, 장치(101)는 전시관의 평면도 및 전시관의 동선 데이터를 획득할 수 있다(310). 획득은 롬(ROM)에서 램(RAM)으로 이루어질 수도 있고; 외부 장치의 물리적 삽입에 의해 이루어질 수도 있고; 인터넷 등의 유무선망을 통해 이루어질 수도 있다. 평면도 및 동선 데이터의 예는 도 4를 참조하여 후술된다.First, the
장치(101)는 획득한 평면도(410) 및 동선 데이터(420)와 더불어, 전시대여물(210)의 면적으로 표현되는 인기도를 바탕으로 인공 신경망에 적용될 입력을 생성할 수 있다. 전시대여물(210)들의 인기도는 도 7을 참조하여 후술되는 방법을 통해 정해질 수 있다.The
다음으로, 장치(101)는 평면도(410), 동선 데이터(420), 및 각각의 전시대여물의 인기도를 인공 신경망에 적용하여, 인공 신경망의 출력을 기초로 전시대여물들의 전시 위치를 정할 수 있다(320). 여기서, 인공 신경망은 전시회가 열리는 전시관의 평면도 및 동선 데이터와, 전시대여물들의 면적으로 표현되는 인기도를 입력 받은 후, 전시관의 전시 동선을 따라 전시대여물들의 전시 위치를 출력하는 알고리즘일 수 있다. 인공 신경망은 도 8 내지 10을 참조하여 후술되는 방법을 통해 학습될 수 있다.Next, the
인공 신경망은 전시대여물들(210)의 면적으로 표현되는 인기도(人氣度)들이 서로 중복되는 교집합 면적의 총합이 최소화되는 전시대여물(210)들의 전시 위치를 출력하도록 학습될 수 있다. 이를 통해, 인공 신경망은 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있다.The artificial neural network may be trained to output the exhibition positions of the
또한, 인공 신경망은 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 동선 데이터(420)의 동선을 따라 일정한 주기로 위치되는 전시대여물(210)들의 전시 위치를 출력하도록 학습될 수 있다. 이를 통해, 인공 신경망은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있는 전시대여물들의 전시 위치를 출력할 수 있다.In addition, the artificial neural network may be trained to output the display positions of the
또한, 인공 신경망은 전시대여물들(210)의 면적으로 표현되는 인기도(人氣度)들이 서로 중복되는 교집합 면적의 총합을 최소화하면서 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 동선 데이터(420)의 동선을 따라 일정한 주기로 위치하는 전시대여물들의 전시 위치를 출력하도록 학습될 수 있다.In addition, the artificial neural network minimizes the total sum of intersection areas where the popularity of the
또한, 인공 신경망은 전시대여물들(210)의 면적으로 표현되는 인기도(人氣度)들이 서로 중복되는 교집합 면적의 총합을 최소화하는 것을 우선순위로 삼고, 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 동선 데이터(420)의 동선을 따라 일정한 주기로 위치하는 것을 차선순위로 삼도록 학습될 수 있다.In addition, artificial neural networks are given priority as minimizing the total sum of intersection areas in which the popularity expressed by the area of the
또한, 인공 신경망은 전시대여물들(210)의 면적으로 표현되는 인기도(人氣度)들이 서로 중복되는 교집합 면적의 총합을 최소화하는 것을 차선순위로 삼고, 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 동선 데이터(420)의 동선을 따라 일정한 주기로 위치하는 것을 우선순위로 삼도록 학습될 수 있다.In addition, the artificial neural network has a priority in minimizing the total sum of the intersection areas where the popularity expressed by the area of the
이어서, 장치(101)는 전시대여물들의 전시 위치를 기초로, 전시제작물들의 수 및 전시 위치를 정할 수 있다(330).Subsequently, the
구체적으로, 장치(101)는 전시 위치가 정해진 전시대여물들의 인기도들이 서로 중복되는 교집합 면적들 중에서, 미리 설정된 면적값, 예를 들어 1m2 이상을 초과하는 교집합 면적들의 개수를 전시제작물들의 수로 정할 수 있다. 또한, 미리 설정된 면적값을 초과하는 교집합 면적들마다 하나의 전시제작물이 포함되도록 전시제작물들의 전시 위치를 정할 수 있다.Specifically, the
전시제작물(220)의 전시 위치를 정하는 장치(101)는 전시대여물(210)의 전시 위치를 정하는 장치(101)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 장치(101)가 전시제작물(220)의 수 및 위치를 정하는 구체적인 예시는 도 6을 참조하여 후술된다.The
도 4는 일실시예에 따른 전시관의 평면도 및 동선 데이터를 설명하기 위한 도면이다.4 is a view for explaining a plan view and copper wire data of an exhibition hall according to an embodiment.
장치(101)는 전시회가 열리는 전시관의 평면도(410)과 동선 데이터(420)을 획득할 수 있다. 평면도(410와 동선 데이터(420)는 전시대여물(210)들의 면적으로 표현되는 인기도와 더불어, 인공 신경망에 적용할 입력의 기초가 될 수 있다.The
평면도(410)는 입구와 출구가 표시되며, 전시회가 열리는 장소를 표현하기만 한다면, 평면도(410) 파일의 종류, 크기, 형식 등에는 제한이 없다. 가령, 평면도(410)는 CAD 파일이거나; 벡터(SVR) 파일이거나; 일러스트(AI) 파일이거나; TIF 파일일 수 있다.The
동선 데이터(420) 역시 시작점과 끝점이 표현되며, 전시관의 전시 동선을 표현하기만 한다면, 파일의 종류, 크기, 형식 등에는 제한이 없다. 가령, 평면도(410)는 CAD 파일이거나; 벡터(SVR) 파일이거나; 일러스트(AI) 파일이거나; TIF 파일일 수 있다.The moving
장치(101)는 평면도(410) 및 동선 데이터(420)에 전처리를 수행하여, 인공 신경망의 입력을 생성할 수 있다. 구체적으로, 장치(101)는 획득한 평면도(410) 및 동선 데이터(420)의 확장자 형식을 통일하고; 축적을 일치시키고; 해상도를 통일하고; 색상 정보에서 필요한 최소의 색상만을 남기는 등의 전처리를 수행할 수 있다. 또한, 장치(101)는 평면도(410) 및 동선 데이터(420)의 배경 영역을 투명화 한 후, 평면도(410) 및 동선 데이터(420)를 레이어화(layer)하여, 동선 데이터(420)의 입구 및 출구가 평면도(410)에 도시된 전시관 또는 전시회의 입구 및 출구와 일치하도록 조정하는 전처리를 수행할 수 있다.The
도 5는 일실시예에 따른 전시대여물의 전시 위치 설정을 설명하기 위한 도면이다.5 is a view for explaining the display location setting of the exhibition rental according to an embodiment.
장치(101)는 학습된 인공 신경망을 통해 전시관의 동선을 따라 전시대여물(210)의 전시 위치를 설정할 수 있다. 인공 신경망은 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있다. 또는, 인공 신경망은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 출력할 수 있다.The
예를 들어, 평택시 농업기자재 전시관의 1 층에서 열리는 전통 농업 전시회를 위한 전시대여물(210)은 갈판과 갈돌(211); 빗살무늬토기(212); 반달돌칼(213); 평택 토진리유적 석관묘(214); 및 홈자귀(215)가 있을 수 있다. 각각의 전시대여물(211, 212, 213, 214, 215)은 면적으로 표현되는 인기도를 가질 수 있다. 도 6에 도시된 것과 같이, 갈판과 갈돌의 인기도(611)가 가장 작고; 빗살무늬토기의 인기도(612)는 5개의 전시대여물 중에서 중간이고; 반달돌칼의 인기도(613)는 빗살무늬토기의 인기도(612)보다 크고 평택 토진리유적 석관묘의 인기도(614)보다 작고; 평택 토진리유적 석관묘의 인기도(614)는 가장 크고; 홈자귀의 인기도(615)는 빗살무늬토기의 인기도(612)보다 작으나 갈판과 갈돌의 인기도(611)보다 클 수 있다. 전시대여물(210)들의 인기도는 도 7을 참조하여 후술되는 방법을 통해 정해질 수 있다.For example, the
다시 도 5를 참조하면, 장치(101)는 학습된 인공 신경망을 통해 각각의 전시대여물(211, 212, 213, 214, 215)의 전시 위치를 정할 수 있다.Referring back to FIG. 5, the
구체적으로, 장치(101)는 평택시 농업기자재 전시관에서 전통 농업 전시회가 열리는 1층의 평면도; 전통 농업 전시회의 관람 동선 데이터; 및 각각의 전시대여물(211, 212, 213, 214, 215)의 인기도를 기초로 인공 신경망의 입력을 생성할 수 있다.Specifically, the
다음으로, 장치(101)는 인공 신경망에 입력을 적용할 수 있다. 인공 신경망은 강화 학습(reinforcement learning)에 따라 학습된 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.Next, the
이어서, 장치(101)는 인공 신경망으로부터 출력을 획득할 수 있다(830). 인공 신경망은 학습 결과에 따라 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있다. 또한, 인공 신경망은 학습 결과에 따라 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 출력할 수 있다. 도 5에서는 관람객이 많이 몰리는 특정 구간이 없도록 하는 갈판과 갈돌(211); 빗살무늬토기(212); 반달돌칼(213); 평택 토진리유적 석관묘(214); 및 홈자귀(215)의 전시 위치가 출력된 결과를 도시하고 있다.Subsequently, the
장치(101)는 인공 신경망의 출력을 그대로 이용하거나, 인공 신경망의 출력을 후처리하는 과정을 거쳐 전시대여물(210)들의 전시 위치를 정할 수 있다. 후처리 과정으로는 습도에 따른 후처리 및 전시관의 천장 높이에 따른 후처리 등이 있을 수 있다.The
구체적으로, 현재 전시회가 열리는 지리적 위치 및 시기의 습도에 따라 전시대여물(210)들의 전시 위치가 보정될 수 있다. 높은 습도는 불쾌감을 유발하므로, 현재 전시회가 열리는 지리적 위치 및 시기의 습도가 높다면, 전시대여물들 서로 간의 간격은 습도가 낮은 경우보다 넓도록 보정되어야 할 것이다.Specifically, the exhibition location of the
이를 위해, 장치(101)는 도 7을 참조하여 후술되는 방법을 통해 전시대여물의 인기도를 정하기 위해 전시대여물의 관람객 밀도가 측정됐던 이전 전시관들의 지리적 위치 및 각각의 전시관에서 전시가 열리던 시기의 습도 정보를 획득할 수 있다.To this end, the
이어서, 장치(101)는 이전 전시관들의 습도의 평균 등을 습도의 대표값으로 구하고, 이전 전시관들의 습도의 대표값을 현재 전시대여물이 전시되는 전시관의 습도와 비교한 후, 현재 전시대여물이 전시되는 전시관의 습도가 더 높은 경우, 인공 신경망이 출력한 전시대여물들의 전시 위치에서 전시대여물들의 간격을 보다 넓도록 설정할 수 있다. 이를 통해, 장치(101)는 습도가 높은 상황에서 관람객들이 전시관의 특정 부분에 몰렸을 때 불쾌감을 느끼는 상황을 감소시킬 수 있다.Subsequently, the
또한, 현재 전시회가 열리는 전시관의 천장 높이에 따라 전시대여물(210)들의 전시 위치가 보정될 수 있다. 일반적으로 사람들은 건물 내의 한 층에서 바닥으로부터 천장까지의 높이가 높을수록 쾌적함을 느끼며, 건물 내의 한 층에서 바닥으로부터 천장까지의 높이가 낮을수록 불쾌함을 느끼기 쉽다. 따라서 전시회가 열리는 전시관의 해당 층의 천장 높이가 낮다면, 전시대여물들 서로 간의 간격은 천장 높이가 높은 경우보다 넓도록 보정되어야 할 것이다.In addition, the exhibition location of the
이를 위해, 도 7을 참조하여 후술되는 방법을 통해 전시대여물의 인기도를 정하기 위해 전시대여물의 관람객 밀도가 측정됐던 이전 전시관들의 천장 높이 정보를 획득할 수 있다.To this end, with reference to FIG. 7, ceiling height information of previous exhibition halls in which the visitor density of the exhibition rental was measured is obtained to determine the popularity of the exhibition rental through a method described below.
이어서, 장치(101)는 이전 전시관들의 천장 높이의 평균 등을 천장 높이의 대표값으로 구하고, 이전 전시관들의 천장 높이의 대표값을 현재 전시대여물이 전시되는 전시관의 천장 높이와 비교한 후, 현재 전시대여물이 전시되는 전시관의 천장 높이가 더 낮은 경우, 인공 신경망이 출력한 전시대여물들의 전시 위치에서 전시대여물들의 간격을 보다 넓도록 설정할 수 있다. 이를 통해, 장치(101)는 천장 높이가 낮은 상황에서 관람객들이 전시관의 특정 부분에 몰렸을 때 불쾌감을 느끼는 상황을 감소시킬 수 있다.Subsequently, the
이상의 과정을 통해, 장치(101)는 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있다. 또한, 장치(101)는 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 출력할 수 있다. 또한, 장치(101)는 습도 정보 및 천장 높이 정보를 이용하여 인공 신경망의 출력을 후처리함으로써, 관람객들이 전시관의 특정 부분에 몰렸을 때 불쾌감을 느끼는 상황을 감소시킬 수 있다.Through the above process, the
도 6은 일실시예에 따른 전시제작물의 수 및 전시제작물의 전시 위치 설정을 설명하기 위한 도면이다.FIG. 6 is a view for explaining the number of exhibition productions and setting the exhibition location of the exhibition productions according to an embodiment.
우선, 각각의 전시대여물(211, 212, 213, 214, 215)의 면적으로 표현되는 인기도는 도 6과 같을 수 있다. 갈판과 갈돌의 인기도(611)가 가장 작고; 빗살무늬토기의 인기도(612)는 5개의 전시대여물 중에서 중간이고; 반달돌칼의 인기도(613)는 빗살무늬토기의 인기도(612)보다 크고 평택 토진리유적 석관묘의 인기도(614)보다 작고; 평택 토진리유적 석관묘의 인기도(614)는 가장 크고; 홈자귀의 인기도(615)는 빗살무늬토기의 인기도(612)보다 작으나 갈판과 갈돌의 인기도(611)보다 클 수 있다. 전시대여물(210)들의 인기도가 정해지는 구체적인 방법은 도 7을 참조하여 후술된다.First, the popularity expressed as the area of each
인기도가 서로 중복되는 면적은 관람객들의 밀도가 높은 영역이므로, 전시대여물들의 인기도가 서로 중복되는 면적에 전시제작물을 배치하면, 전시대여물들을 관람하기 위해 몰렸던 관람객들이 전시제작물을 보기 위해 분산되고, 이에 따라 특정 부분에 많은 관람객들이 몰리는 현상이 줄어들어, 원활한 전시 관람이 이루어질 수 있다.The area where the popularity overlaps with each other is a high-density area, so if an exhibition production is placed in an area where the popularity of the exhibition rentals overlaps, the visitors gathered to view the exhibition rentals are distributed to see the exhibition production, Accordingly, a phenomenon in which a large number of visitors are attracted to a specific portion is reduced, so that a smooth exhibition can be achieved.
전시대여물들의 인기도가 서로 중복되는 면적에 전시제작물을 배치하기 위해, 장치(101)는 전시 위치가 정해진 전시대여물들의 면적으로 표현되는 인기도들이 서로 중복되는 교집합 면적들 중에서, 미리 설정된 면적값을 초과하는 교집합 면적들의 개수를 상기 전시제작물들의 수로 정할 수 있다. 미리 설정된 면적값은, 가령, 1m2일 수 있다. In order to place the exhibition production in an area where the popularity of the exhibition rentals overlaps each other, the
예를 들어, 갈판과 갈돌의 인기도(611)와 빗살무늬토기의 인기도(612)가 서로 중복되는 작은 정방형 교집합 면적은 미리 설정된 면적값을 초과할 수 있다. 또한, 반달돌칼의 인기도(613); 평택 토진리유적 석관묘의 인기도(614); 및 홈자귀의 인기도(615)가 서로 중복되는 큰 비정방형 교집합 면적도 미리 설정된 면적값을 초과할 수 있다. 이 경우, 장치(101)는 제작해야 할 전시제작물의 수를 두 개로 정할 수 있다.For example, the small square intersection area where the
전시대여물들의 인기도가 서로 중복되는 면적에 전시제작물을 배치하기 위해, 장치(101)는 미리 설정된 면적값을 초과하는 교집합 면적들마다 하나의 전시제작물이 포함되도록 전시제작물들의 전시 위치를 정할 수 있다.In order to place the exhibition productions in an area where the popularity of the exhibition rentals overlap with each other, the
예를 들어, 갈판과 갈돌의 인기도(611)와 빗살무늬토기의 인기도(612)가 서로 중복되는 작은 정방형 교집합 면적은 미리 설정된 면적값을 초과하므로, 작은 정방형 교집합 면적에는 농가 모형(221)이 포함될 수 있다. 또한, 반달돌칼의 인기도(613); 평택 토진리유적 석관묘의 인기도(614); 및 홈자귀의 인기도(615)가 서로 중복되는 큰 비정방형 교집합 면적도 미리 설정된 면적값을 초과하므로, 큰 비정방형 교집합 면적에는 석관묘 디오라마(222)가 포함될 수 있다.For example, the small square intersection area where the
이처럼 전시 위치가 정해진 전시대여물들의 면적으로 표현되는 인기도들이 서로 중복되는 교집합 면적들 중에서, 미리 설정된 면적값을 초과하는 교집합 면적들의 개수를 상기 전시제작물들의 수로 정하고, 미리 설정된 면적값을 초과하는 교집합 면적들마다 하나의 전시제작물이 포함되도록 전시제작물들의 전시 위치를 정함으로써, 전시대여물들의 인기도가 서로 중복되는 면적, 즉 관람객이 많이 몰리는 영역에 전시제작물을 배치할 수 있게 된다. 이를 통해, 전시대여물들을 관람하기 위해 몰렸던 관람객들이 전시제작물을 보기 위해 분산되고, 이에 따라 특정 부분에 많은 관람객들이 몰리는 현상이 줄어들어, 원활한 전시 관람이 이루어질 수 있다.As such, among the intersection areas where the popularitys expressed by the area of the exhibition rentals where the exhibition location is determined overlap with each other, the number of intersection areas exceeding a preset area value is determined as the number of exhibition productions, and the intersection area exceeds a preset area value. By setting the exhibition location of exhibition productions so that one exhibition production is included in each area, it is possible to place the exhibition productions in an area where the popularity of exhibition rentals overlap with each other, that is, an area where there are many visitors. Through this, visitors who were gathered to view the exhibition rentals are distributed to view the exhibition productions, and accordingly, a phenomenon in which a large number of visitors are attracted to a specific part is reduced, so that a smooth exhibition can be achieved.
도 7은 일실시예에 따른 전시대여물의 인기도를 정하는 방법을 설명하기 위한 순서도이다.7 is a flow chart for explaining a method of determining the popularity of an exhibition rental according to an embodiment.
전시대여물의 인기도를 정하는 장치(101)는 인기도가 정해진 전시대여물을 인공 신경망의 입력으로 전처리하여 전시물들의 전시 위치 방법을 정하는 장치(101)와 동일한 장치(101)일수도 있고, 별개의 장치(101)일 수도 있다. 이하에서는 전시대여물의 인기도를 정하는 과정을 설명한다.The
우선, 장치(101)는 전시 중인 전시대여물이 관람 가능한 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 측정할 수 있는 측정 수단을 통해 미리 정해진 횟수 또는 미리 정해진 시간만큼 측정한 측정 면적 및 측정 면적 내의 관람객 수를 획득할 수 있다(710).First, the
장치(101)는 측정 수단(미도시)과 연동될 수 있다. 측정 수단은 일반 카메라; 열화상 카메라; 압력 내지 무게 센서 등일 수 있으며, 이들 중 적어도 하나 이상을 포함하는 조합일 수도 있다. 측정 수단은 전시대여물이 관람 가능한 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 측정할 수만 있다면, 그 종류 및 특성에는 제한이 없다. 측정 수단은 미리 정해진 횟수 또는 미리 정해진 시간 동안 전시대여물이 관람 가능한 특정 공간의 바닥 면적을 측정하도록 고정될 수 있다.The
미리 정해진 횟수는 전시화가 열리는 동안 전시대여물이 관람 가능한 특정 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 한 시간당 한 회 측정하는 것일 수 있다. 미리 정해진 시간은 전시화가 열리는 동안 전시대여물이 관람 가능한 특정 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 연속적으로 측정하는 것일 수 있다. 미리 정해진 횟수 및 미리 정해진 시간은 이에 제한되는 것은 아니며, 필요와 목적에 따라 얼마든지 다르게 설정될 수 있다.The predetermined number of times may be to measure the floor area and the number of visitors in the floor area of the specific space where the exhibition rental can be viewed once per hour during the exhibition. The predetermined time may be to continuously measure the floor area and the number of visitors in the floor area of the specific space where the exhibition rental can be viewed during the exhibition. The predetermined number of times and the predetermined time are not limited thereto, and may be set as many times as necessary and desired.
다음으로, 장치(101)는 단위 횟수 또는 단위 시간당 측정 면적 내의 관람객 수를 전시대여물의 관람객 밀도로 정할 수 있다(720). 전시대여물의 관람객 밀도의 단위는 [명/m2]일 수 있다.Next, the
구체적으로, 단위 횟수당 측정 면적 내의 관람객 수를 전시대여물의 관람객 밀도로 정하는 경우, 장치(101)는 미리 정해진 횟수, 가령, 전시화가 열리는 동안 전시대여물이 관람 가능한 특정 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 한 시간당 한 회 측정한 자료를 토대로, 바닥 면적 내의 관람객 수의 평균을 계산하여 전시대여물의 관람객 밀도를 얻을 수 있다.Specifically, when the number of visitors in the measurement area per unit number of times is determined as the audience density of the exhibition rental, the
또한, 단위시간당 측정 면적 내의 관람객 수를 전시대여물의 관람객 밀도로 정하는 경우, 장치(101)는 미리 정해진 시간, 가령, 전시화가 열리는 동안 전시대여물이 관람 가능한 특정 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 연속적으로 측정한 자료를 토대로, 바닥 면적 내의 관람객 수의 평균을 계산하여 전시대여물의 관람객 밀도를 얻을 수 있다.In addition, if the number of visitors within the measurement area per unit time is determined as the density of visitors in the exhibition rental, the
이어서, 장치(101)는 전시대여물의 관람객 밀도와 미리 정해진 기준 밀도가 미리 정해진 오차범위 내인지 판별할 수 있다(730). 미리 정해진 기준 밀도는, 가령, 2명/m2일 수 있다. 미리 정해진 오차범위는, 가령, 0.1명/m2일 수 있다. 미리 정해진 기준 밀도 및 미리 정해진 오차범위는 이에 제한되는 것은 아니며, 필요와 목적에 따라 얼마든지 다르게 설정될 수 있다.Subsequently, the
장치(101)는 전시대여물의 관람객 밀도와 기준 밀도가 오차범위를 벗어나는 경우, 측정 수단이 측정하는 바닥 면적을 조정할 수 있다(735). 구체적으로, 전시대여물의 관람객 밀도가 기준 밀도보다 큰 경우, 장치(101)는 측정 수단이 측정하는 바닥 면적을 증가시키도록 제어할 수 있다. 반대로, 전시대여물의 관람객 밀도가 기준 밀도보다 작은 경우, 장치(101)는 측정 수단이 측정하는 바닥 면적을 감소시키도록 제어할 수 있다.The
이후, 장치(101)는 단계(710)부터 단계(730)까지를 반복할 수 있다. 단계(710)부터 단계(730)까지를 반복함으로써, 전시대여물의 관람객 밀도는 미리 정해진 기준 밀도와 미리 정해진 오차범위 내로 점차 좁혀질 수 있다.Thereafter, the
장치(101)는 전시대여물의 관람객 밀도와 기준 밀도가 오차범위 내로 좁혀진 경우, 측정 수단이 측정한 측정 면적을 전시대여물의 인기도로 정할 수 있다(740). 이를 통해, 인기가 많은 전시대여물은 넓은 면적의 인기도를 가지게 되며, 인기가 적은 전시대여물은 적은 면적의 인기도를 가지게 된다.The
한편, 도 8을 참조하여 후술되는 방법으로 학습되는 인공 신경망은 전시대여물들(210)의 면적으로 표현되는 인기도(人氣度)들이 서로 중복되는 교집합 면적의 총합이 최소화되는 전시대여물들의 전시 위치를 출력할 수 있다. 따라서, 도 7을 참조하여 설명된 전시대여물들의 인기도를 인공 신경망에 적용하면, 인공 신경망은 인기가 많은 전시대여물은 넓은 전시 공간을 할당하고, 인기가 적은 전시대여물은 적은 전시 공간을 할당하면서, 전시대여물 서로 간의 인기도가 중복되는 면적은 최소화되어, 관람객들이 기준 밀도, 가령, 2명/m2 이상으로 몰리는 특정 구간이 최소화되도록 하는 전시대여물들의 전시 위치를 출력할 수 있다.On the other hand, the artificial neural network learned by the method described below with reference to FIG. 8 determines the display position of the exhibition rentals in which the sum of the intersection areas where the popularitys expressed by the area of the
도 8은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.8 is a diagram for explaining learning of an artificial neural network according to an embodiment.
인공 신경망은 전시회가 열리는 전시관의 평면도 및 동선 데이터와, 전시대여물들의 면적으로 표현되는 인기도를 입력 받은 후, 전시관의 전시 동선을 따라 전시대여물들의 전시 위치를 출력하는 알고리즘일 수 있다. 인공 신경망의 학습이 이루어지는 장치(101)는 학습된 인공 신경망을 이용하여 전시물 전시 위치 방법을 정하는 장치(101)와 동일한 장치(101)일수도 있고, 별개의 장치(101)일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.The artificial neural network may be an algorithm that outputs the location of the exhibition rentals along the exhibition circulation of the exhibition hall after receiving the floor plan and the movement data of the exhibition hall and the popularity expressed as the area of the exhibition rentals. The
우선, 장치(101)는 전시관의 평면도 및 동선 데이터와, 전시대여물들의 면적으로 표현되는 인기도를 기초로 입력을 생성할 수 있다(810). 구체적으로, 장치(101)는 획득한 평면도(410) 및 동선 데이터(420)의 확장자 형식을 통일하고; 축적을 일치시키고; 해상도를 통일하고; 색상 정보에서 필요한 최소의 색상만을 남기는 등의 전처리를 수행할 수 있다. 또한, 장치(101)는 평면도(410) 및 동선 데이터(420)의 배경 영역을 투명화 한 후, 평면도(410) 및 동선 데이터(420)를 레이어화(layer)하여, 동선 데이터(420)의 입구 및 출구가 평면도(410)에 도시된 전시관 또는 전시회의 입구 및 출구와 일치하도록 조정하는 전처리를 수행할 수 있다. First, the
또한, 전시대여물(210)들의 인기도도 평면도(410) 및 동선 데이터(420)와 확장자 형식을 통일하고; 축적을 일치시키고; 해상도를 통일하고; 색상 정보에서 필요한 최소의 색상만을 남기는 등의 전처리를 수행할 수 있다. 전처리가 수행된 전시관의 평면도(410) 및 동선 데이터(420)와, 전시대여물들(210)의 인기도를 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.In addition, the popularity of the
다음으로, 장치(101)는 인공 신경망에 입력을 적용할 수 있다(820). 인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.Next, the
강화 학습에 따라 학습되는 인공 신경망은 제 1 보상과 제 2 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 제 1 보상은 전시대여물들의 인기도가 서로 중복되는 면적을 최소화할수록 높아질 수 있다. 제 2 보상은 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 상기 동선 데이터의 동선을 따라 일정한 주기로 위치할수록 높아질 수 있다. 제 1 보상과 관련된 구체적인 설명은 도 9를 참조하여 후술된다. 제 2 보상과 관련된 구체적인 설명은 도 10을 참조하여 후술된다.The artificial neural network learned according to reinforcement learning may be updated and optimized by reflecting the evaluation on the first compensation and the second compensation. The first reward can be increased as the popularity of exhibition rentals is minimized. The second reward may be increased as exhibition rentals classified as having high popularity according to a predetermined classification are positioned at regular intervals along the moving line of the moving data. A detailed description related to the first compensation will be described later with reference to FIG. 9. A detailed description related to the second compensation will be described later with reference to FIG. 10.
이어서, 장치(101)는 인공 신경망으로부터 출력을 획득할 수 있다(830). 인공 신경망의 출력은, 전시관의 전시 동선을 따라 배치되는 전시대여물들의 전시 위치일 수 있다. 이때, 인공 신경망은 관람객이 많이 몰리는 특정 구간이 없도록 전시대여물들의 전시 위치를 정할 수 있다. 또한, 인공 신경망은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 정할 수 있다.Subsequently, the
이후, 장치(101)는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다(840). 출력의 평가는 제 1 보상과 제 2 보상으로 나뉠 수 있다. 제 1 보상은 인공 신경망은 전시대여물들의 인기도가 서로 중복되는 면적을 최소화할수록 높아질 수 있다. 제 2 보상은 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 상기 동선 데이터의 동선을 따라 일정한 주기로 위치할수록 높아질 수 있다. Thereafter, the
제 1 보상과 제 2 보상이 동일하게 단계화된 보상 체계를 가질 때, 제 1 보상과 제 2 보상이 동일한 보상 단계에 해당할 경우, 제 1 보상으로 주어지는 보상값과 제 2 보상으로 주어지는 보상값이 동일할 수도 있고; 제 1 보상으로 주어지는 보상값이 제 2 보상으로 주어지는 보상값보다 클 수도 있고; 제 1 보상으로 주어지는 보상값이 제 2 보상으로 주어지는 보상값보다 작을 수도 있다.When the first compensation and the second compensation have the same staged compensation system, when the first compensation and the second compensation correspond to the same compensation phase, the compensation value given as the first compensation and the compensation value given as the second compensation This may be the same; The compensation value given as the first compensation may be greater than the compensation value given as the second compensation; The compensation value given as the first compensation may be smaller than the compensation value given as the second compensation.
예를 들어, 제 1 보상과 제 2 보상이 10단계의 보상 체계를 가질 때, 제 1 보상과 제 2 보상이 동일한 보상 6 단계에 해당할 경우, 제 1 보상으로 주어지는 보상값과 제 2 보상으로 주어지는 보상값이 동일하게 60일 수도 있고; 제 1 보상으로 주어지는 보상값이 60, 제 2 보상으로 주어지는 보상값이 48일 수도 있고; 제 1 보상으로 주어지는 보상값이 48, 제 2 보상으로 주어지는 보상값이 60일 수도 있다. 보상 체계는 필요와 목적에 따라 보다 세분화될 수도 있고, 보다 단순할 수도 있다.For example, when the first compensation and the second compensation have a reward system of 10 steps, when the first compensation and the second compensation correspond to the same compensation step 6, the compensation value given as the first compensation and the second compensation The given compensation value may be equally 60; The compensation value given as the first compensation may be 60, and the compensation value given as the second compensation may be 48; The compensation value given as the first compensation may be 48, and the compensation value given as the second compensation may be 60. The reward system may be more subdivided or simpler depending on needs and objectives.
다음으로, 장치(101)는 평가를 기초로 인공 신경망을 갱신할 수 있다(850). 구체적으로, 장치(101)는 인공 신경망이 전시관의 평면도(410)에 동선 데이터(420)를 따라 면적으로 표현되는 인기도를 가지는 전시대여물(210)들을 배치하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공 신경망을 갱신할 수 있다.Next, the
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.Meanwhile, the process of optimizing the policy may be performed through the process of estimating the maximum value of the expected value of the sum of rewards or the maximum value of the Q-function, or the minimum value of the loss function of the Q-function. Estimation of the minimum value of the loss function can be made through stochastic gradient descent (SGD). The process of optimizing the policy is not limited to this, and various optimization algorithms used in reinforcement learning may be used.
장치(101)는 상기와 같은 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 장치(101)는 전시관의 동선을 따라 목적에 부합하게 전시대여물(210)들의 전시 위치를 출력하는 인공 신경망을 학습시킬 수 있다.The
구체적으로, 제 1 보상과 제 2 보상이 동일하게 단계화된 보상 체계를 가질 때, 제 1 보상과 제 2 보상이 동일한 보상 단계에 해당할 경우, 제 1 보상으로 주어지는 보상값과 제 2 보상으로 주어지는 보상값이 동일하다면, 인공 신경망은 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 제 1 보상과 제 2 보상을 동일하게 높아지도록 갱신될 것이다. Specifically, when the first compensation and the second compensation have the same phased compensation system, when the first compensation and the second compensation correspond to the same compensation phase, the compensation value and the second compensation given as the first compensation If the given reward value is the same, the artificial neural network will be updated to equally increase the first and second rewards so that the expected expectation of the rewards is maximized.
이를 통해, 인공 신경망은 전시대여물들의 인기도가 서로 중복되는 면적을 최소화하는 작업과 인기도가 높다고 분류된 전시대여물들을 상기 동선 데이터의 동선을 따라 일정한 주기로 위치시키는 작업을 동일한 중요도로 고려한 전시대여물(210)들의 전시 위치를 출력할 수 있다. 이를 통해, 인공 신경망은 관람객이 많이 몰리는 특정 구간이 없도록 전시대여물들의 전시 위치를 정하면서, 또한, 동등한 정도로, 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 정할 수 있다.Through this, the artificial neural network considers the task of minimizing the area where the popularity of exhibition rentals overlap with each other and the positioning of exhibition rentals classified as high in popularity at regular intervals along the circulation of the movement data with the same importance. 210) of the display location can be output. Through this, the artificial neural network determines the exhibition location of exhibition rentals so that there is no specific section crowded by visitors, and, to an equal extent, the audience is interested in rather than being bored in the rest of the exhibition and having fun with only certain parts of the exhibition. You can decide the location of the exhibition rentals so that you can see the entire exhibition with you.
또는, 제 1 보상과 제 2 보상이 동일하게 단계화된 보상 체계를 가질 때, 제 1 보상과 제 2 보상이 동일한 보상 단계에 해당할 경우, 제 1 보상으로 주어지는 보상값이 제 2 보상으로 주어지는 보상값보다 높다면, 인공 신경망은 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 제 1 보상을 제 2 보상보다 많이 얻을 수 있는 형태로 갱신될 것이다. Alternatively, when the first compensation and the second compensation have the same staged compensation system, when the first compensation and the second compensation correspond to the same compensation phase, the compensation value given as the first compensation is given as the second compensation If it is higher than the compensation value, the artificial neural network will be updated in such a way that the first compensation can be obtained more than the second compensation, so that the expectation of the sum of the compensation values is maximized.
이를 통해, 인공 신경망은 전시대여물들의 인기도가 서로 중복되는 면적을 최소화하는 작업을 인기도가 높다고 분류된 전시대여물들을 상기 동선 데이터의 동선을 따라 일정한 주기로 위치시키는 작업보다 높은 중요도로 고려한 전시대여물(210)들의 전시 위치를 출력할 수 있다. 이를 통해, 인공 신경망은, 우선적으로, 관람객이 많이 몰리는 특정 구간이 없도록 전시대여물들의 전시 위치를 정하면서, 또한, 차순위로, 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 정할 수 있다.Through this, the artificial neural network considers that the task of minimizing the area where the popularity of exhibition rentals overlap with each other is more important than the task of positioning the exhibition rentals classified as high in popularity at regular intervals along the circulation of the movement data ( 210) of the display location can be output. Through this, the artificial neural network, first of all, determines the location of the exhibition rentals so that there is no specific section crowded with visitors, and, in the next order, the viewers are only interested in the specific part of the exhibition and feel bored in the rest of the exhibition. Rather, it is possible to determine the location of the exhibition rentals, which allows you to watch the entire exhibition with interest.
또는, 제 1 보상과 제 2 보상이 동일하게 단계화된 보상 체계를 가질 때, 제 1 보상과 제 2 보상이 동일한 보상 단계에 해당할 경우, 제 2 보상으로 주어지는 보상값이 제 1 보상으로 주어지는 보상값보다 높다면, 인공 신경망은 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 제 2 보상을 제 1 보상보다 많이 얻을 수 있는 형태로 갱신될 것이다. Alternatively, when the first compensation and the second compensation have the same leveled compensation system, when the first compensation and the second compensation correspond to the same compensation phase, the compensation value given as the second compensation is given as the first compensation If it is higher than the compensation value, the artificial neural network will be updated in such a way that the second compensation can be obtained more than the first compensation, so that the expectation of the sum of the compensation values is maximized.
이를 통해, 인공 신경망은 인기도가 높다고 분류된 전시대여물들을 상기 동선 데이터의 동선을 따라 일정한 주기로 위치시키는 작업을 전시대여물들의 인기도가 서로 중복되는 면적을 최소화하는 작업보다 높은 중요도로 고려한 전시대여물(210)들의 전시 위치를 출력할 수 있다. 이를 통해, 인공 신경망은, 우선적으로, 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있도록 하는 전시대여물들의 전시 위치를 정하면서, 또한, 차순위로, 관람객이 많이 몰리는 특정 구간이 없도록 전시대여물들의 전시 위치를 정할 수 있다.Through this, the artificial neural network considers the display loans classified as highly popular as a higher priority than the task of minimizing the area where the popularity of the exhibition rentals overlaps with each other along the movement line of the movement data. 210) of the display location can be output. Through this, the artificial neural network preferentially determines the exhibition location of exhibition rentals, which allows visitors to watch the entire exhibition with interest, rather than having fun with only certain parts of the exhibition and feeling bored with the rest of the exhibition. In the second order, the exhibition location of exhibition rentals can be determined so that there is no specific section with a lot of visitors.
도 9는 일실시예에 따른 인공 신경망의 학습에 있어서, 제 1 보상을 설명하기 위한 도면이다.9 is a view for explaining a first compensation in the learning of an artificial neural network according to an embodiment.
강화 학습을 통해 학습되는 인공 신경망의 출력에 대하여, 제 1 보상은 전시대여물들의 인기도가 서로 중복되는 면적을 최소화할수록 높아질 수 있다. 인기도가 서로 중복되는 면적은 관람객들의 밀도가 높으므로, 전시대여물들의 인기도가 서로 중복되는 면적이 최소화될수록 관람객이 많이 몰리는 특정 구간이 없어지고, 이에 따라 원활한 전시 관람이 이루어질 수 있다.With respect to the output of the artificial neural network learned through reinforcement learning, the first reward may be increased as the popularity of exhibit rentals is minimized to minimize the overlapping area. The area where the popularity overlaps with each other has a high density of visitors, so as the area where the popularity of exhibition rentals overlaps with each other is minimized, a specific section that attracts a lot of visitors disappears, and accordingly, a smooth exhibition can be achieved.
인공 신경망은 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록 갱신되므로, 학습이 이루어지는 동안 인공 신경망의 출력은 제 1 보상이 점차 최대화, 즉 전시대여물들의 인기도가 서로 중복되는 면적이 점차 최소화될 수 있다. 이를 통해, 인공 신경망은 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 출력할 수 있다.Since the artificial neural network is updated so that the expected expectation of the rewards is maximized, the output of the artificial neural network gradually maximizes the first compensation during learning, that is, the area where the popularity of exhibition rentals overlap each other gradually. Can be minimized. Through this, the artificial neural network can output the exhibition location of exhibition rentals so that there is no specific section crowded with visitors.
구체적으로, 제 1 학습 주기를 거친 인공 신경망을 통해 출력된 반달돌칼(213); 평택 토진리유적 석관묘(214); 및 홈자귀(215)의 전시 위치는 제 1 출력(901)과 같을 수 있다. 즉, 반달돌칼의 제 1 인기도(613); 평택 토진리유적 석관묘의 제 1 인기도(614); 홈자귀의 제 1 인기도(615)가 차지하는 면적은 도 9 좌측에 도시된 제 1 출력(901)과 같을 수 있다.Specifically, the
한편, 제 2 학습 주기를 거친 인공 신경망을 통해 출력된 반달돌칼(213); 평택 토진리유적 석관묘(214); 및 홈자귀(215)의 전시 위치는 제 2 출력(902)과 같을 수 있다. 즉, 반달돌칼의 제 2 인기도(913); 평택 토진리유적 석관묘의 제 2 인기도(914); 홈자귀의 제 2 인기도(915)가 차지하는 면적은 도 9 우측에 도시된 제 2 출력(902)과 같을 수 있다.On the other hand, the
제 1 출력(901)과 제 2 출력(902)을 비교하면, 제 2 출력(902)의 전시대여물들(213, 214, 215)의 인기도가 서로 중복되는 면적이 제 1 출력(901)의 전시대여물들(213, 214, 215)의 인기도가 서로 중복되는 면적보다 작다. 따라서 장치(101)는 인공 신경망을 학습시킴에 있어서, 제 1 출력(901)의 경우보다 제 2 출력(902)인 경우에 더 많은 제 1 보상의 보상값을 지급한다. 이를 통해, 인공 신경망은 제 1 출력(901)보다 제 2 출력(902)에 가까운 출력을 연산할 수 있도록 인공 신경망이 갱신될 수 있다. 이를 통해, 인공 신경망은 전시대여물들의 인기도가 서로 중복되는 면적이 점차 최소화된 출력을 추론할 수 있다. 이를 통해, 인공 신경망은 관람객이 많이 몰리는 특정 구간이 없도록 하는 전시대여물들의 전시 위치를 점차 출력할 수 있게 된다.When the
도 10은 일실시예에 따른 인공 신경망의 학습에 있어서, 제 2 보상을 설명하기 위한 도면이다.10 is a view for explaining a second compensation in the learning of an artificial neural network according to an embodiment.
강화 학습을 통해 학습되는 인공 신경망의 출력에 대하여, 제 2 보상은 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 상기 동선 데이터의 동선을 따라 일정한 주기로 위치할수록 높아질 수 있다. 이때, 미리 설정된 분류는, 인기도가 특정 면적 이상이면, 예를 들어 4m2 이상이면, 인기도가 높다고 분류하는 기준일 수 있다. 인기도가 높은 전시대여물은 관람객들의 흥미를 유발하므로, 전시대여물들의 인기도가 높다고 분류되는 전시대여물들이 전시관의 동선을 따라 일정한 주기로 위치될수록, 관람객들은 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있다.With respect to the output of the artificial neural network learned through reinforcement learning, the second compensation may be increased as the exhibition rentals classified as having high popularity according to a preset classification are positioned at regular intervals along the circulation of the moving data. In this case, the preset classification may be a criterion for classifying that the popularity is high if the popularity is a specific area or more, for example, 4 m 2 or more. Since the exhibition rentals with high popularity cause visitors' interest, the more the exhibition rentals classified as highly popular in the exhibition rentals are located at regular intervals along the circulation of the exhibition hall, the more interesting the audience is in the rest of the exhibition. Rather than feeling bored, you can watch the entire exhibition with interest.
인공 신경망은 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록 갱신되므로, 학습이 이루어지는 동안 인공 신경망의 출력은 제 2 보상이 점차 최대화, 즉 인기도가 높다고 분류된 전시대여물들이 전시관의 동선을 따라 점차 일정하게 배치될 수 있다. 이를 통해, 인공 신경망은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있는 전시대여물들의 전시 위치를 출력할 수 있다.Since the artificial neural network is updated so that the expected expectation of the rewards is maximized, the output of the artificial neural network during the learning is gradually maximized by the second compensation, that is, exhibition rentals classified as highly popular are exhibited. It can be arranged gradually and gradually. Through this, the artificial neural network can output the exhibition positions of exhibition rentals where the viewers can watch the entire exhibition with interest, rather than having only a certain part of the exhibition fun and bored by the rest of the exhibition.
구체적으로, 제 1 학습 주기를 거친 인공 신경망을 통해 출력된 전시대여물 1(1010); 전시대여물 2(1020); 전시대여물 3(1030); 전시대여물 4(1040); 전시대여물 5(1050); 및 전시대여물 6(1060)의 전시 위치는 제 1 출력(1001)과 같을 수 있다. 제 1 출력(1001)은 인기도가 높은 전시대여물 1(1010); 전시대여물 3(1030); 및 전시대여물 5(1050)이 전시관의 동선을 따라 상대적으로 일정한 주기로 배치됨을 확인할 수 있다.Specifically, the exhibition rental 1 11010 output through an artificial neural network that has undergone a first learning cycle; Exhibition Rental 2 (1020); Exhibition Rental 3 (1030); Exhibition Rental 4 (1040); Exhibition Rental 5 (1050); And the exhibition location of the exhibition rental 6 (1060) may be the same as the first output (1001). The
한편, 제 2 학습 주기를 거친 인공 신경망을 통해 출력된 반달돌칼(213); 평택 토진리유적 석관묘(214); 및 홈자귀(215)의 전시 위치는 제 2 출력(1002)과 같을 수 있다. 제 2 출력(1002)은 인기도가 높은 전시대여물 1(1010); 전시대여물 3(1030); 및 전시대여물 5(1050)이 전시관의 동선을 따라 상대적으로 불규칙한 주기로 배치됨을 확인할 수 있다.On the other hand, the
제 1 출력(1001)과 제 2 출력(1002)을 비교하면, 제 1 출력(1001)의 인기도가 높다고 분류된 전시대여물들(1010, 1030, 1050)의 배치가 제 2 출력(1002)의 인기도가 높다고 분류된 전시대여물들(1010, 1030, 1050)의 배치보다 일정한 주기성을 가진다. 따라서 장치(101)는 인공 신경망을 학습시킴에 있어서, 제 2 출력(1002)의 경우보다 제 1 출력(1001)인 경우에 더 많은 제 2 보상의 보상값을 지급한다. 이를 통해, 인공 신경망은 제 2 출력(1002)보다 제 1 출력(1001)에 가까운 출력을 연산할 수 있도록 인공 신경망이 갱신될 수 있다. 이를 통해, 인공 신경망은 인기도가 높다고 분류된 전시대여물들이 전시관의 동선을 따라 점차 일정한 주기로 배치되는 출력을 추론할 수 있다. 이를 통해, 인공 신경망은 관람객들이 전시회의 특정 부분만 재미있어 하고 나머지 부분들에서 지루함을 느끼기보다는, 흥미를 가지고 전체 전시회를 관람할 수 있는 전시대여물들의 전시 위치를 출력할 수 있게 된다.When the
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented as hardware components, software components, and/or combinations of hardware components and software components. For example, the devices, methods, and components described in the embodiments include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors (micro signal processors), microcomputers, and field programmable gates (FPGAs). It can be implemented using one or more general purpose computers or special purpose computers, such as arrays, programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.
실시예에 따른 방법은 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 실시예를 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 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiments or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. Includes hardware devices specifically configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and/or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodied in the transmitted signal wave. The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited drawings, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if substituted or substituted by equivalents, appropriate results can be achieved.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
Claims (5)
상기 전시관에서 열리는 상기 전시회를 위해 제작되는 전시제작물들
을 상기 전시관에 전시하기 위하여,
상기 전시관의 평면도 및 상기 전시관의 동선 데이터를 획득하는 단계;
상기 평면도, 상기 동선 데이터, 및 각각의 전시대여물의 인기도를 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로 상기 전시대여물들의 전시 위치를 정하는 단계; 및
상기 전시대여물들의 전시 위치를 기초로, 상기 전시제작물들의 수 및 전시 위치를 정하는 단계
를 포함하며,
상기 평면도는 상기 전시관의 입구와 출구를 포함하고,
상기 동선 데이터는 시작점과 끝점을 포함하고,
상기 동선 데이터의 시작점은 상기 전시관의 입구와 일치하고,
상기 동선 데이터의 끝점은 상기 전시관의 출구와 일치하고,
상기 전시대여물들의 전시 위치는, 상기 전시대여물들의 상기 인기도들이 서로 중복되는 교집합 면적의 총합을 최소화하면서, 미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 상기 동선 데이터의 시작점에서 끝점을 따라 일정한 주기로 위치하도록, 강화 학습에 따라 학습된 상기 인공 신경망의 출력을 기초로 배열되고,
상기 전시제작물들의 전시 위치는, 상기 전시대여물들의 상기 인기도들이 서로 중복되는 교집합 면적 중에서, 미리 설정된 면적값을 초과하는 상기 교집합 면적들마다 하나의 전시제작물이 포함되도록 정해지는
전시물 전시 위치 설정 방법.
Exhibit rentals rented for exhibitions held in the exhibition hall-each exhibit rental has a popularity expressed in area-and
Exhibits produced for the exhibition held at the exhibition hall
In order to exhibit in the exhibition hall,
Obtaining a plan view of the exhibition hall and copper wire data of the exhibition hall;
Determining the exhibition location of the exhibition rentals based on the output of the artificial neural network by applying the top view, the movement data, and the popularity of each exhibition rental to an artificial neural network; And
Determining the number and location of exhibits based on the location of the exhibit rentals.
It includes,
The floor plan includes an entrance and an exit of the exhibition hall,
The copper wire data includes a start point and an end point,
The starting point of the moving line data coincides with the entrance of the exhibition hall,
The end point of the copper wire data coincides with the exit of the exhibition hall,
The exhibition location of the exhibition rentals, while minimizing the total number of intersection areas where the popularitys of the exhibition rentals overlap each other, exhibit rentals classified as high in popularity according to a preset classification, end points at the starting point of the moving data. According to the output of the artificial neural network learned according to reinforcement learning, so as to be positioned at a constant cycle,
The exhibition location of the exhibition productions is determined to include one exhibition production for each intersection area exceeding a preset area value among intersection areas where the popularity of the exhibition rentals overlap each other.
How to set the exhibition location.
전시대여물의 인기도는,
i) 전시 중인 전시대여물이 관람 가능한 공간의 바닥 면적 및 바닥 면적 내의 관람객 수를 측정할 수 있는 측정 수단을 통해 미리 정해진 횟수 또는 미리 정해진 시간만큼 측정한 측정 면적 및 측정 면적 내의 관람객 수를 획득하는 단계;
ii) 단위 횟수 또는 단위 시간당 상기 측정 면적 내의 관람객 수를 전시대여물의 관람객 밀도로 정하는 단계;
iii) 상기 전시대여물의 관람객 밀도와 미리 정해진 기준 밀도가 미리 정해진 오차범위 내인지 판별하는 단계;
iv) 상기 전시대여물의 관람객 밀도와 상기 기준 밀도가 상기 오차범위를 벗어나는 경우, 상기 측정 수단이 측정하는 상기 바닥 면적을 조정한 후, 상기 i) 내지 iii)의 단계를 반복하는 단계;
v) 상기 전시대여물의 관람객 밀도와 상기 기준 밀도가 상기 오차범위 내인 경우, 상기 측정 면적을 전시대여물의 인기도로 정하는 단계
를 포함하는 방법으로 정해지는,
전시물 전시 위치 설정 방법.
According to claim 1,
The popularity of exhibit rentals is
i) acquiring the number of visitors in the measurement area and the measurement area measured for a predetermined number of times or a predetermined time through a measuring means capable of measuring the floor area and the number of visitors in the floor space of the exhibition rental space being exhibited. ;
ii) determining the number of spectators within the measurement area per unit number or unit time as the spectator density of exhibition rentals;
iii) determining whether the visitor density of the exhibition rental and a predetermined reference density are within a predetermined error range;
iv) repeating the steps of i) to iii) after adjusting the floor area measured by the measuring means when the density of the visitors of the exhibition rental and the reference density are out of the error range;
v) determining the measured area as the popularity of the exhibition rental when the density of the visitors of the exhibition rental and the reference density are within the error range.
Determined in a way that includes,
How to set the exhibition location.
상기 인공 신경망은,
전시대여물들의 인기도가 서로 중복되는 면적을 최소화할수록 제 1 보상을 많이 수여하고,
미리 설정된 분류에 따라 인기도가 높다고 분류된 전시대여물들이 상기 동선 데이터의 동선을 따라 일정한 주기로 위치할수록 제 2 보상을 많이 수여하는
강화 학습에 따라 학습된 인공 신경망인
전시물 전시 위치 설정 방법.
According to claim 2,
The artificial neural network,
The smaller the area where the popularity of exhibition rentals overlap with each other, the more rewards are awarded,
The more rewards that are classified as high in popularity according to the preset classification, the second reward is awarded as they are positioned at regular intervals along the circulation of the moving data.
Artificial neural network learned by reinforcement learning
How to set the exhibition location.
전시 위치가 정해진 전시대여물들의 인기도들이 서로 중복되는 교집합 면적들 중에서, 상기 미리 설정된 면적값을 초과하는 상기 교집합 면적들의 개수를 상기 전시제작물들의 수로 정하는
전시물 전시 위치 설정 방법.
The method of claim 3,
Among the intersection areas in which the popularity of exhibition rentals having a fixed exhibition location overlap each other, the number of intersection areas exceeding the preset area value is determined as the number of exhibition productions.
How to set the exhibition location.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190114444A KR102121776B1 (en) | 2019-09-18 | 2019-09-18 | Method of setting exhibition position of exhibits |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190114444A KR102121776B1 (en) | 2019-09-18 | 2019-09-18 | Method of setting exhibition position of exhibits |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102121776B1 true KR102121776B1 (en) | 2020-06-11 |
Family
ID=71070626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190114444A KR102121776B1 (en) | 2019-09-18 | 2019-09-18 | Method of setting exhibition position of exhibits |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102121776B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102350131B1 (en) | 2021-06-04 | 2022-01-11 | (주)피플리 | Method, device and system for deriving exhibition planning strategy based on analysis movement analysis of visitor in exhibit hall |
| KR102647341B1 (en) * | 2023-09-14 | 2024-03-12 | 김철규 | AI-based promising seller selection system |
| KR102671214B1 (en) | 2023-10-04 | 2024-05-30 | 은혜민 | Diorama design device and method |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100970475B1 (en) * | 2009-12-18 | 2010-07-16 | (주)디큐 | A system for designing and simulating culture sightseeing ceremony and the method thereof |
| KR20160014798A (en) * | 2014-07-28 | 2016-02-12 | 주식회사 비엔알아이 | Shop congestion analysis system and method |
| KR101933279B1 (en) | 2016-09-29 | 2018-12-27 | 김영규 | Method and system for providing exhibition service based on audience's activity in the iot environment |
-
2019
- 2019-09-18 KR KR1020190114444A patent/KR102121776B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100970475B1 (en) * | 2009-12-18 | 2010-07-16 | (주)디큐 | A system for designing and simulating culture sightseeing ceremony and the method thereof |
| KR20160014798A (en) * | 2014-07-28 | 2016-02-12 | 주식회사 비엔알아이 | Shop congestion analysis system and method |
| KR101933279B1 (en) | 2016-09-29 | 2018-12-27 | 김영규 | Method and system for providing exhibition service based on audience's activity in the iot environment |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102350131B1 (en) | 2021-06-04 | 2022-01-11 | (주)피플리 | Method, device and system for deriving exhibition planning strategy based on analysis movement analysis of visitor in exhibit hall |
| KR102647341B1 (en) * | 2023-09-14 | 2024-03-12 | 김철규 | AI-based promising seller selection system |
| KR102671214B1 (en) | 2023-10-04 | 2024-05-30 | 은혜민 | Diorama design device and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210304510A1 (en) | Three-dimensional virtual environment | |
| US10846937B2 (en) | Three-dimensional virtual environment | |
| CA2998394C (en) | Platform for providing customizable user activity experiences, sponsorship junctions, and conversion attribution | |
| US20190325460A1 (en) | Techniques for automatic real-time calculation of user wait times | |
| CA2945936C (en) | Platform for providing customizable user activity experiences | |
| US20140195277A1 (en) | Systems and methods for generating dynamic seating charts | |
| KR102121776B1 (en) | Method of setting exhibition position of exhibits | |
| US20170364835A1 (en) | Online reservation system for open deck chairs | |
| EP2930671A1 (en) | Dynamically adapting a virtual venue | |
| KR102035841B1 (en) | Method, apparatus and program for providing virtual reality event | |
| CN110268338A (en) | It is inputted using vision and carries out Agent navigation | |
| KR100970475B1 (en) | A system for designing and simulating culture sightseeing ceremony and the method thereof | |
| KR102330689B1 (en) | Artificial intelligence based hotel recommendation device and method | |
| Hegazy et al. | Evaluating and visualizing perceptual impressions of daylighting in immersive virtual environments | |
| KR102238790B1 (en) | Method for providing content combined with viewing route of exhibit | |
| KR102121777B1 (en) | Method of generating guidline for designing produced exhibits | |
| JP2001236396A (en) | Mediation support system for real estate article | |
| KR102121778B1 (en) | Method of controlling exhibition lighting | |
| JP2023067771A (en) | Information processing system, program, and information processing method | |
| Levinson | An evolutionary transportation planning model: Structure and application | |
| Lee | An integrated model for planning development projects using ACO and construction simulation | |
| Yobesia et al. | Effects of accommodation facilities’ attributes on room rates in a wildlife tourism destination area, Kenya | |
| KR102281584B1 (en) | Method, device, and system of providing observatory video and augmented reality content to user terminal | |
| Khan | Hajj crowd management: Discovering superior performance with agent-based modeling and queueing theory | |
| KR102461336B1 (en) | Method, apparatus and system for recommendation of customized housing in shared housing group based on resident movement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |