KR102158253B1 - 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법 - Google Patents
인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법 Download PDFInfo
- Publication number
- KR102158253B1 KR102158253B1 KR1020180085791A KR20180085791A KR102158253B1 KR 102158253 B1 KR102158253 B1 KR 102158253B1 KR 1020180085791 A KR1020180085791 A KR 1020180085791A KR 20180085791 A KR20180085791 A KR 20180085791A KR 102158253 B1 KR102158253 B1 KR 102158253B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- data
- terminal
- shared
- sharing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 32
- 238000012552 review Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000007418 data mining Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000010845 search algorithm Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000002716 delivery method Methods 0.000 claims 2
- 238000004891 communication Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법이 제공되며, 적어도 하나의 차량 공유 단말로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장하는 단계,차량 피공유 단말로부터 차량 공유 선호 파라미터 및 차량 피공유 단말이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받는 단계, 공유 선호도 데이터를 기준으로 차량의 상태 데이터를 매칭시킨 결과를 차량 피공유 단말 및 매칭된 차량을 공유하고자 하는 적어도 하나의 차량 공유 단말로 전송하는 단계, 및 차량 피공유 단말 및 적어도 하나의 차량 공유 단말의 화면에 자신의 위치를 기준으로 매칭된 결과에 대응하는 단말이 출력되도록 제어하는 단계를 포함한다.
Description
본 발명은 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 관한 것으로, 빅데이터를 이용하여 서로의 선호도를 고려한 매칭방법으로 매칭거부를 제로화한 차량공유 방법을 제공한다.
글로벌 경제 위기가 지속되면서 물건을 소유하기보다는 자신이 가지고 있는 여유 자원을 다른 사람들과 나누어 쓰는 공유경제가 새로운 경제 패러다임으로 각광 받고 있다. 다만, 공유경제 기업은 ICT 기반의 파괴적 혁신을 주창하면서 새로운 서비스에 대한 비규제의 필요성을 제기하는 등 기존 규제와 충돌하고 있다. 이런 상황에서 정부는 혁신적 서비스를 장려하여 고용을 창출하고 성장을 유지하여야 할 입장임과 동시에 새로운 서비스가 기존의 규제와 충돌하면서 생기는 이해관계의 조정이나 새로운 서비스의 소비자에 대한 위험을 제거하기 위한 규제의 필요성이라는 상반되는 가치지향을 두고 고민하게 된다.
이때, 차량의 공유는 위치를 기반으로 한 P2P(Peer-to-Peer) 공유 방법이 연구 및 개발되었는데, 이와 관련하여 선행기술인 한국공개특허 제2018-0065319호(2018년06월18일 공개)에는, 공유 차량으로부터 차량 이용 정보를 수신하고, 적어도 하나의 사용자 단말기로부터 공유 차량의 탑승 요청 정보를 수신하고, 차량 이용 정보에 포함된 목적지 정보와 탑승 요청 정보에 포함된 출발지 정보 간 장소 매칭을 수행하고, 장소 매칭된 사용자들에 대해, 차량 이용 정보에 포함된 예상 도착 시간과 탑승 요청 정보에 포함된 탑승 요청 시간 간 시간 매칭을 수행하고, 장소 매칭과 시간 매칭이 이루어진 후보 고객 그룹 중 한 명의 탑승 요청 고객을 다음 이용 고객으로 선정하는 단계, 및 공유 차량과 다음 이용 고객 간 차량 인수를 유도하는 구성을 개시한다.
다만, 차량을 공유한다는 것은 단순히 차량 자체만을 공유하는 것이 아니라, 차량을 이용하는 운전자의 성격이 어떠한지, 판매자의 성향은 어떠한지에 따라 그 만족도나 결과가 달라질 수도 있으며, 운전자가 존재하거나 카풀을 하는 경우에는 함께 동승한 탑승객의 성향도 안전을 위협할 수 있다는 점에서 무시하지 못하는 조건이 되었으나, 이러한 조건까지 고려한 매칭 방법 및 공유 방법은 전혀 연구되지 않고 있으며, 안전 및 만족도의 보장을 위하여 서로의 성향을 고려한 매칭 방법의 개발의 필요성이 대두되고 있다.
본 발명의 일 실시예는, 피공유자와 공유자가 차량의 조건 및 가격만으로 매칭되는 것을 기본으로, 서로의 성향이나 문제 처리 방법을 포함하는 조건까지 매칭할 때 고려하도록 함으로써, 매칭이 되었을 때 매칭을 거부하는 상황을 제로화하고, 선호 데이터를 빅데이터로부터 추출한 예측 데이터로 이용함으로써 사용자가 선호 데이터를 굳이 입력하지 않더라도 사용자의 선호도를 고려할 수 있으며, 사용자가 이용한 로그가 존재하는 경우 이를 모두 매칭 파라미터로 설정함으로써 상호 간의 만족도를 인공지능적으로 극대화할 수 있는, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 적어도 하나의 차량 공유 단말로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장하는 단계,차량 피공유 단말로부터 차량 공유 선호 파라미터 및 차량 피공유 단말이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받는 단계, 공유 선호도 데이터를 기준으로 차량의 상태 데이터를 매칭시킨 결과를 차량 피공유 단말 및 매칭된 차량을 공유하고자 하는 적어도 하나의 차량 공유 단말로 전송하는 단계, 및 차량 피공유 단말 및 적어도 하나의 차량 공유 단말의 화면에 자신의 위치를 기준으로 매칭된 결과에 대응하는 단말이 출력되도록 제어하는 단계를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 피공유자와 공유자가 차량의 조건 및 가격만으로 매칭되는 것을 기본으로, 서로의 성향이나 문제 처리 방법을 포함하는 조건까지 매칭할 때 고려하도록 함으로써, 매칭이 되었을 때 매칭을 거부하는 상황을 제로화하고, 선호 데이터를 빅데이터로부터 추출한 예측 데이터로 이용함으로써 사용자가 선호 데이터를 굳이 입력하지 않더라도 사용자의 선호도를 고려할 수 있으며, 사용자가 이용한 로그가 존재하는 경우 이를 모두 매칭 파라미터로 설정함으로써 상호 간의 만족도를 인공지능적으로 극대화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 차량 공유 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 2는 도 1의 시스템에 포함된 차량 공유 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템(1)은, 피공유 단말(100), 차량 공유 서비스 제공 서버(300), 적어도 하나의 차량 공유 단말(400), 및 적어도 하나의 공유차량 이용단말(500)을 포함할 수 있다. 다만, 이러한 도 1의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.
이때, 도 1의 각 구성요소들은 일반적으로 네트워크(network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 피공유 단말(100)은 네트워크(200)를 통하여 차량 공유 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 차량 공유 서비스 제공 서버(300)는, 네트워크(200)를 통하여 피공유 단말(100), 적어도 하나의 차량 공유 단말(400), 적어도 하나의 공유차량 이용단말(500)과 연결될 수 있다. 또한, 적어도 하나의 차량 공유 단말(400)은, 네트워크(200)를 통하여 차량 공유 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 적어도 하나의 공유차량 이용단말(500)은, 네트워크(200)를 통하여 차량 공유 서비스 제공 서버(300)와 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
피공유 단말(100)은, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 차량을 공유받고자 하는 사용자의 단말일 수 있다. 이때, 피공유 단말(100)은, 렌터카, 카쉐어링, 카풀, 차량공유업체 등을 이용하고자 하는 사용자의 단말일 수 있다. 그리고, 피공유 단말(100)은, 자신이 원하는 차량 및 기타 조건을 제공하고, 원하는 차량에 대한 매칭 결과를 차량 공유 서비스 제공 서버(300)로부터 수신하는 단말일 수 있다. 이때, 피공유 단말(100)은, 자신의 위치를 기준으로 지도상에 매칭된 공유자의 위치를 출력하는 단말일 수 있다. 여기서, 피공유 단말(100)은 차량을 공유한 후, 즉 이용한 후에는 공유차량 이용단말(500)과 같이 이용후기나 로그를 제공하는 역할을 물론 수행할 수도 있고, 차량을 제공하는 경우에는 차량 공유 단말(400)과 같이 기능할 수도 있음은 물론이지만, 본 발명의 명세서에서는 설명의 편의를 위하여 공유를 요청하고 매칭을 받는 역할로만 한정하여 설명하도록 한다.
여기서, 피공유 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 피공유 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 피공유 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
차량 공유 서비스 제공 서버(300)는, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 차량 공유 서비스 제공 서버(300)는, 적어도 하나의 공유차량 이용단말(500)로부터 이용후기, 이용자의 정보, 이용조건, 선호조건 등의 로우데이터(Raw Data)를 병렬분산되도록 수집 및 저장하고, 이를 전처리 등의 과정을 거쳐 빅데이터화하는 서버일 수 있다. 이때, 차량 공유 서비스 제공 서버(300)는, 차량 공유 단말(400)로부터 공유하고자 하는 차량의 조건을 등록받는 서버일 수 있고, 차량 공유 단말(400)에서 피공유자의 조건을 설정한 경우에는 피공유자의 조건도 함께 매핑하여 저장하는 서버일 수 있다. 또한, 차량 공유 서비스 제공 서버(300)는, 피공유 단말(100)에서 차량을 검색할 때, 피공유자가 설정한 조건에 맞는 차량을 검색하되, 차량 공유자가 원하는 조건도 함께, 즉 상호조건이 모두 일치하는 경우에만 매칭 결과에 출력되도록 하는 서버일 수 있다. 이에 따라, 차량 공유 서비스 제공 서버(300)는, 피공유자가 공유자를 거부하거나, 공유자가 피공유자를 거부하는 상황이 제로화되도록 하는 서버일 수 있다. 이를 위하여, 차량 공유 서비스 제공 서버(300)는, 일차적으로 차량의 조건으로 필터링을 수행한 후, 피공유자 및 공유자에서 각각 설정한 공유자 및 피공유자의 조건으로 이차적으로 필터링을 수행하는 서버일 수 있다. 또한, 차량 공유 서비스 제공 서버(300)는, 공유차량 이용단말(500)로부터 수집한 빅데이터에 기초하여 피공유 단말(100)의 선호도를 예측하고, 피공유자가 조건을 설정하지 않았을지라도 예측된 조건으로 재필터링을 수행하는 서버일 수 있다.
여기서, 차량 공유 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
적어도 하나의 차량 공유 단말(400)은, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 공유자의 단말일 수 있다. 그리고, 적어도 하나의 차량 공유 단말(400)은, 차량 공유 서비스 제공 서버(300)로 공유자가 공유하고자하는 차량의 조건, 시간, 가격 등을 기재하고 등록하는 단말일 수 있다. 그리고, 적어도 하나의 차량 공유 단말(400)은, 차량의 조건 이외에도 자신이 원하는 피공유자의 조건도 함께 설정할 수 있고, 모든 조건을 만족하는 매칭결과를 차량 공유 서비스 제공 서버(300)로부터 수신하고, 자신의 위치를 기준으로 지도상에 매칭자인 피공유자를 출력하는 단말일 수 있다.
여기서, 적어도 하나의 차량 공유 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 차량 공유 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 차량 공유 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
적어도 하나의 공유차량 이용단말(500)은, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 자신이 이용했던 차량, 조건, 이용자의 조건 등의 데이터를 차량 공유 서비스 제공 서버(300)로 전송하는 단말일 수 있다. 그리고, 적어도 하나의 공유차량 이용단말(500)은 이용후기를 기재하지 않더라도 백그라운드 모드(Background Mode)로 자신의 기록을 차량 공유 서비스 제공 서버(300)로 전송하는 단말일 수 있다. 물론, 적어도 하나의 공유차량 이용단말(500)은, 데이터 수집에 동의한 경우에 자동으로 로그를 전송할 수 있다.
여기서, 적어도 하나의 공유차량 이용단말(500)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 공유차량 이용단말(500)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 공유차량 이용단말(500)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 2는 도 1의 시스템에 포함된 차량 공유 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 차량 공유 서비스 제공 서버(300)는, 저장부(310), 입력부(320), 전송부(330), 제어부(340), 빅데이터화부(350), 검증부(360)를 포함할 수 있다.
본 발명의 일 실시예에 따른 차량 공유 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 피공유 단말(100), 적어도 하나의 차량 공유 단말(400), 및 적어도 하나의 공유차량 이용단말(500)로 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 피공유 단말(100), 적어도 하나의 차량 공유 단말(400), 및 적어도 하나의 공유차량 이용단말(500)은, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 피공유 단말(100), 적어도 하나의 차량 공유 단말(400), 및 적어도 하나의 공유차량 이용단말(500)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hyper text mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.
공유경제에서 차량이나 숙박의 공유라는 아이디어는 사실 인류 역사이래 계속 있어 온 것이기 때문에 특별히 혁신적인 것은 아니지만 스마트폰이라는 간편한 수단으로 이용자들을 연결하는 온라인 플랫폼을 만들어낸 것은 기술적 혁신이라고 할 수 있다. 사람들은 인터넷과 연결된 스마트폰만 있으면 국경을 넘어 차량, 숙박 등의 수요를 공급자와 실시간 의사교환을 통해 해결하고 결제까지 동시에 처리할 수 있게 되었다. 경제적으로 보면 공유경제의 혁신성은 거래비용의 획기적인 감소에 있다. 모바일 디바이스와 애플리케이션을 통해 쉽게 익명의 거래상대방을 찾는 것이 가능해졌고 또한 익명의 거래상대방이 믿을 만한 주체인지 여부를 탐지하는데 있어 SNS의 활성화를 기반으로 누적된 이용후기 정보를 통해 거래의 신뢰성에 대한 탐색비용을 낮출 수 있게 되었다. 이에 따라, 본 발명의 일 실시예는, 소비자인 피공유자 뿐만 아니라, 판매자인 공유자도 만족할 수 있는 결과를 제공함으로써, 매칭 후 거부가 일어나는 경우의 수를 최소화할 수 있고, 양 당사자에게 서로 높은 만족감을 줄 수 있는 방법을 제공한다.
도 2를 참조하면, 저장부(310)는, 적어도 하나의 차량 공유 단말(400)로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장할 수 있다. 이때, 차량의 상태 데이터는, 이용가능가격, 이용가능시간, 차종, 차량 연식, 타이어 마모 정도, 이용고객 만족도, 및 이용고객 후기 중 적어도 하나 또는 적어도 하나의 조합을 포함할 수 있으나, 상술한 것에 한정되지 않으며 실시예에 따라 부가, 삭제 및 편집가능함은 자명하다 할 것이다.
입력부(320)는, 차량 피공유 단말(100)로부터 차량 공유 선호 파라미터 및 차량 피공유 단말(100)이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받을 수 있다. 이때, 차량 공유 선호 파라미터는, 피공유자가 원하는 차량의 종류, 가격, 차량상태, 차와 본인 간의 거리, 안전 및 편의장비 등을 포함할 수 있으나, 이 또한 상술한 것에 한정되지 않는다. 그리고, 공유 선호도 데이터는, 피공유자가 렌트, 카쉐어링, 공유 등을 했던 차량의 조건을 추출한 데이터일 수 있다.
전송부(330)는, 공유 선호도 데이터를 기준으로 차량의 상태 데이터를 매칭시킨 결과를 차량 피공유 단말(100) 및 매칭된 차량을 공유하고자 하는 적어도 하나의 차량 공유 단말(400)로 전송할 수 있다.
제어부(340)는, 차량 피공유 단말(100) 및 적어도 하나의 차량 공유 단말(400)의 화면에 자신의 위치를 기준으로 매칭된 결과에 대응하는 단말이 출력되도록 제어할 수 있다.
제어부(340)는, 적어도 하나의 차량 공유 단말(400)로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장한 후, 적어도 하나의 차량 공유 단말(400)로부터 차량을 공유받을 피공유자의 조건을 지정할 수 있다. 이때, 제어부(340)는, 공유 선호도 데이터를 기준으로 차량의 상태 데이터를 매칭시킨 후 피공유자 조건으로 재필터링을 진행할 수 있다. 예를 들어, 차량 공유가 아닌 카풀과 같은 경우에는, 운전자나 함께 탄 동승객의 신분도 중요할 수 있다. 또는, 차량 공유라고 할지라도 피공유자, 즉 차량을 운전할 운전자가 난폭하게 운전을 한다거나 운전자가 차량을 더럽히는 경우에는 차량을 빌려주는 사람은 빌려주기를 꺼려할 수도 있다. 이에 따라, 판매자인 공유자라고 할지라도 고객을 원하는 조건의 고객으로 받을 수 있고, 공유차량이라고 해서 난폭하게 운전하는 경우에는 매칭을 받지 못하게 되므로 궁극적으로는 공유차량을 훼손하는 일이 줄어들도록 할 수 있다.
제어부(340)는, 차량 피공유 단말(100)로부터 차량 공유 선호 파라미터 및 차량 피공유 단말(100)이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받은 이후에, 차량 피공유 단말(100)로부터 차량을 공유해줄 공유자의 조건을 지정할 수 있다. 이때, 제어부(340)는, 공유 선호도 데이터를 기준으로 차량의 상태 데이터를 매칭시킨 후 공유자의 조건으로 재필터링을 진행할 수 있다. 즉, 종래에는 고객은 판매자를 고르지 못하는 경우의 매칭서비스가 많았다면, 본 발명의 일 실시예는, 판매자의 성향 등을 고려하여 고를 수 있도록 함으로써, 매칭된 후 거부하는 상황을 제로화할 수 있다. 예를 들어, 카풀인 경우에는 공유자가 운전자인 경우가 많으므로, 여성 혼자 타는 경우에는 안전이 걱정될 수도 있고, 차량 공유인 경우에는, 사고가 나는 경우 고객에게 과다하게 요금을 청구하는 부당사례를 발생시키는 판매자를 피하고 싶은 경우도 있을 수 있다. 이에 따라, 피공유자도 공유자의 성향이나 사고 처리 결과나 이용후기 등을 통하여 공유자를 고를 수 있는 조건을 설정할 수 있고, 해당 조건에 기반하여 매칭된 결과를 받을 수 있다.
빅데이터화부(350)는, 저장부(310)에서 적어도 하나의 차량 공유 단말(400)로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장하기 이전에, 적어도 하나의 공유차량 이용단말(500)로부터 공유받은 차량의 종류, 이용자의 데이터, 차량과 이용자 간의 거리, 및 이용차량의 종류, 연식 및 가격을 포함하는 이용 패턴 데이터를 수집할 수 있다. 그리고, 빅데이터화부(350)는, 수집된 이용 패턴 데이터를 포함한 로우 데이터(Raw Data)를 식별자에 매핑되도록 병렬 및 분산하여 저장하고, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시할 수 있다. 또한, 빅데이터화부(350)는, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시하고, 분석된 데이터를 시각화하여 출력하는 빅데이터화할 수 있다.
이를 통하여, 본 발명의 일 실시예는, 피공유자가 선호하는 조건을 입력하지 않을지라도, 피공유자와 유사 및 동일한 조건을 가지는 다른 이용자들의 선호도를 통하여 피공유자의 선호도를 예측할 수 있고, 피공유자가 일일이 데이터를 입력하지 않을지라도 피공유자의 선호도를 반영한 매칭 결과를 제공할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행하는 것을 포함할 수 있다.
검증부(360)는, 제어부(340)에서 차량 피공유 단말(100) 및 적어도 하나의 차량 공유 단말(400)의 화면에 자신의 위치를 기준으로 매칭된 결과에 대응하는 단말이 출력되도록 제어한 후, 매칭된 결과의 오류 검증을 위한 인증을 실시할 수 있고, 인증의 결과로 매칭된 결과의 오류 부분 및 오류 원인을 파악하고, 파악된 오류 부분 및 오류 원인을 빅데이터에 업데이트한 후, 오류의 패턴을 발견하고 분류를 통하여 오류율을 예측하기 위하여, 인공신경망을 이용한 딥 러닝을 실시할 수 있다. 또한, 검증부(360)는, 딥 러닝으로 도출된 데이터를 빅데이터화된 데이터베이스에 반영되도록 업데이트할 수 있다. 이때, 빅데이터화부(350)를 통하여 피공유자의 선호도를 예측한 것 뿐이므로, 실제 피공유자의 선호도와는 차이가 발생할 수 있으므로, 검증부(360)에서는 이를 검증하도록 함으로써, 피공유자의 니즈에 더욱 가까운 조건을 제시할 수 있는 커스터마이징이 가능할 수 있다.
덧붙여서, 본 발명의 일 실시예에 따른 차량 공유 서비스 제공 방법은, 편도 차량 공유가 가능하도록 할 수 있다. 즉, 현재 시행되고 있는 B2C 카셰어링의 가장 큰 단점은 차량을 본래 차고지에 반납해야 한다는 점이다. 이 때문에 이용자들이 출고 차고지로 다시 돌아와야 한다는 점에서 이용에 부담을 느낄 수 있으며, 목적지에 차량을 주차하고 다른 용무를 보는 시간도 이용시간으로 계산되므로 주차료가 실제 운전하는 시간보다 높게 책정되는 단점이 있다. 또한 용무를 보는 동안은 차량을 이용하지 않으므로 차량의 공유 효율이 떨어질 수 있다. 이러한 단점을 보완하기 위해 출발 차고지와 떨어진 목적지 근처의 차고지에서 언제든지 차량 반납이 가능한 편도 차량공유 방법을 제공할 수 있다. 이때, 편도 차량고유는, 차량배분의 불균형, 즉 출고와 반납 차고지가 달라지면서 차량의 쏠림 현상이 발생할 수 있어 카셰어링의 효율을 저하시킬 수 있다는 점이다. 이러한 단점을 보완하기 위하여, 랜덤 서치 알고리즘 모델, 및 혼합정수 프로그램을 이용할 수 있다.
또한, 본 발명의 일 실시예는, P2P(Peer-to-Peer) 차량 공유 방법을 더 제공할 수 있다. 우선, 교통부문 자동차 공유의 제대로된 구현은 P2P 방식의 채택이라고 볼 수 있다. P2P 카셰어링 시장이 최근 형성되면서 급속하게 성장하고 있으나 관련 연구는 급변하는 시장의 흐름에 맞춰나가기 버거운 실정이다. 때문에 P2P 관련 연구는 이제야 시작하는 단계이며 문헌의 수 또한 많지 않다. 최근 수행되고 있는 P2P 카셰어링에 관한 연구는 기존 카셰어링과 비교하여 시장 잠재력에 관한 연구가 발표되고 있다. Hampshire & Sinha(2011)는 P2P 카셰어링의 개념을 정의하고 시뮬레이션 모델을 제시하였으며, 기본정책(Baseline Policy)과 예약통제 정책(Reservation conrtol policy, RCP)의 적용 후 수익의 차이를 비교하였다. 여기서 RCP란 예약인의 운전경력 및 사고경력 기록에 대한 관리를 말하고, 기본 정책(Baseline Policy)은 기존 B2C 카셰어링과 같이 예약인의 운전경력 및 사고경력 등을 적용하지 않은 경우에 해당된다. 두 관리체계의 차이를 분석한 결과 RCP를 적용할 경우가 그렇지 않은 경우보다 수익이 더 발생하는 것으로 나타났다. 이 결과는 P2P 카셰어링에 위험 부담을 감소시켜 주는 관리방식을 적용한다면 시장이 확대될 수 있다는 가능성을 보여준다. 이에 따라, 본 발명의 일 실시예는, P2P 차량 공유 모델을 적용함으로써 위험부담 요소를 감소시키는 방식을 더 부가하여 제공할 수 있다.
덧붙여서, 본 발명의 일 실시예는, 무인자동차와 접목하여 차량을 공유하거나 카풀을 이용할 수 있도록 구현될 수도 있다. 최근 전 세계적으로 미래자동차 개발에 박차를 가하고 있으며, 일본에서는 최근 2020년 올림픽 때 무인차량을 무선으로 예약을 받아 카셰어링 서비스로 제공한다는 계획을 발표했다. awrence D. Burns(2013)의 Transforming Personal Mobility에서는 개인이 동수단의 미래 변화상으로 스마트폰의 앱 기반의 무인자동차 공유를 가장 큰 특징으로 제시했으며, 세 종류의 Case study를 통해 교통비용 감소의 효과를 분석하였다. 새로운 이동수단은 대체에너지를 사용하는 무인자동차로 이용자가 스마트폰을 이용해 예약하면 Door-to-Door 서비스로 제공되며 계속해서 예약자들을 연이어 태우면서 주차장 또한 필요 없다. 사례연구 결과 무인자동차 공유 시스템을 이용하면 직접 차량 운행을 하거나 대중 교통을 이용할 경우 발생되는 비용보다 훨씬 절약할 것으로 연구는 밝히고 있다. 따라서, 본 발명의 일 실시예는, 무인자동차의 차량공유에도 이용이 가능하며, 이 경우에도 서로 간의 매칭을 제공함으로써 서로 차량 공유를 거부하는 사태나, 위험성을 최소화하며 당사자 간의 매칭율 및 만족도를 극대화시킬 수 있도록 구성할 수 있다. 무인자동차가 대중화된다면 무인차는 직접 운전할 필요가 없으므로 운전에 대한 위험 부담이 없어 구입하는 것보다 필요할 때마다 렌트하는 것이 더 경제적이라는 의식이 보편화된다면 카셰어링이 가속화될 수 있다.
이때, 공유되는 차량이 무인자동차인 경우에는, 자동 운전상에서, 사용자와 차량은 모두 운전 시 결정을 내릴 수 있어야 하므로, 차량과 사용자 간 충분한 양방향 정보 전달이 되지 않는다면 이는 주행 중 불편함을 넘어 큰 사고로까지 이어질 수 있다. 따라서, 피공유 단말(100)에게 제공되어야 할 기본적인 정보는, 차량 목적지, 예상경로, 이동시간 및 위치, 운전주행예상(U턴, 차선 변경, 장애물 피하기 등), 현재 센서들의 정상 작동 여부 및 센싱 되는 정보, 외부 기기와의 연동(모바일, 신호등, 주차장과 같은 시스템), 차량 이용 전 각 항목별 안전 및 정상여부와 이용 전후 차량의 상태의 비교 등이 제공될 수 있으나, 해당 정보에만 한정되지 않는다. 이때, 무인자동차의 통신단말(미도시)과 피공유자 단말(100) 간의 통신은 차량 공유 서비스 제공 서버(300)가 중개할 수 있다. 또한, 차량-사용자 간 효과적인 인터페이스는 터치스크린과 음성 인식이 결합된 형태로 정의할 수 있는데, 각각이 독립적으로 정의될 수도 있다. 상술한 구성을 모두 갖춘 후에는, 피공유자 단말(100)은, 원하는 장소와 시간, 원하는 차종을 선택하면, 차량 공유 서비스 제공 서버(300)에서 무인자동차의 통신단말로 해당 정보를 전송하여, 해당 장소로 예약시간에 차량이 피공유자를 마중 나갈 수 있도록 한다. 또한, 피공유자 단말(100)의 피공유자는, 공유 차량이 주차되어 있는 차량 존(ZONE)을 찾고, 가서 차를 확인하는 수고로움 없이 차량을 사용할 수 있고, 차량은 자동으로 유저의 운전습관 및 신체사이즈에 맞게 조정되어 도착하며, 인터페이스에 차량 상태 및 최종 점검일, 예약 정보 등을 표시해준다주행 시엔 현재 위치 및 주행 속도, 운전 주행 예상 등이 안내되며, 주의사항이 있을 경우 음성 서비스가 함께 제공될 수 있다. 이때, 피공유자의 주행이 끝난 후, 피공유자가 차량을 반납하면 자동으로 차고지로 들어간다. 이는, 카풀 서비스에서도 마찬가지로 적용가능하다.
덧붙여서, 본 발명의 일 실시예는, 공유경제 시스템과 결합될 수 있다. 즉, 최근 들어, 공유교통 분야가 확산되고 있고, 인터넷 웹이나 스마트폰의 앱을 활용해 실시간으로 이웃간 쓰지 않는 주차장을 공유하거나, 자전거를 공유하는 것을 넘어 실시간 카풀, Uber, 공유 택시 관련 연구도 활발히 진행되고 있다. 실시간 카풀의 대표적인 사례로 스페인에서는 여행객들을 대상으로 Blablacar 서비스가 제공되고 있는데 혼자 자동차로 여행하는 사람과 차편을 구하는 사람을 연결해주는 방식이다. 이와 비슷하게 국내의 티클(tikle)이라는 같은 목적지로 이동하려는 사람들에게 실시간으로 연결해주는 서비스가 존재한다. 또한, 주차장을 공유하는 모두의 주차장 서비스가 시행되고 있는데, 즉 주차공간 소유주와 사용자가 주차공간을 공유하는 참여형 공유경제 플랫폼으로, 남는 주차장이나 주차면의 사용하지 않는 시간을 스마트폰 앱을 통해 효과적으로 나누어 사용할 수 있도록 하는 주차공간 정보공유 플랫폼이다. 이에 따라, 공유 택시, 공유 주차장 등을 본 발명의 일 실시예에 접목시킬 수 있으며, 공유 주차장이나 공유 택시를 이용할 때, 매칭을 서로 간의 조건으로 재필터링시킴으로써, 서로가 서로를 거부하는 최악의 사태를 없애도록 할 수 있다.
이하, 상술한 도 2의 차량 공유 서비스 제공 서버의 구성에 따른 동작 과정을 도 3을 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3을 참조하면, (a) 차량 공유 서비스 제공 서버(300)는 차량 공유 단말(400)로부터 차량의 상태, 조건, 피공유자의 조건 등이 설정 및 등록되는 경우, 공유자의 식별코드와 함께 저장을 하며, 공유자들이 이후에 검색할 수 있는 상태로 웹페이지, 앱페이지, 애플리케이션 또는 프로그램 등에 업로드한다. (b) 그리고, 차량 공유 서비스 제공 서버(300)는 피공유 단말(100)이 차량을 검색하는 경우, 피공유자와 동일한 조건을 가진 차량이용자의 이용 히스토리 및 빅데이터로부터 피고융자의 선호차량 및 조건 등을 유추 및 예측하여, 예측한 결과와 피공유 단말(100)에서 입력한 조건을 모두 만족하는 차량을 검색해준다. 이때, (c) 차량 공유 서비스 제공 서버(300)는 고객인 피공유자의 선호도 뿐만 아니라, 판매자인 공유자의 선호도도 반영한 결과를 검색할 수 있다.
이렇게, (d) 양측의 선호도를 모두 충족시킨 매칭 결과가 도출되면, 차량 공유 서비스 제공 서버(300)는 피공유자를 중심으로 매칭결과인 공유자의 차량을 지도상에 제공하고, 마찬가지로 공유자를 중심으로 피공유자가 어디에 존재하는지를 확인할 수 있도록 한다. (e) 차량 공유 서비스 제공 서버(300)는 공유차량 이용단말(500)로부터 이용후기 등을 수집하여 빅데이터화할 수 있는데, 이 마저도 귀찮은 사용자들을 위하여 승인만 받으면 백그라운드 모드를 통하여 자동으로 데이터를 수집할 수 있도록 구현될 수 있다. 그리고, 이용후기가 없다고 할지라도, 소비자가 A라는 조건의 차량을 이용하다가 갑자기 B로 변경한 경우 등과 같이 조건의 변화가 발생한 경우에는, 이전의 차량이나 가격 등의 조건을 선호하지 않는 것으로 간주하고, 선호도에 반영할 수도 있다. 이에 따라, 사용자들은 굳이 데이터를 일일이 입력하지 않아도 자신의 선호도나 취향이 반영되므로 더욱 편하게 차량 서비스를 이용할 수 있다.
이와 같은 도 2 및 도 3의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 4는 본 발명의 일 실시예에 따른 도 1의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 4를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 4에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 4를 참조하면, 차량 공유 서비스 제공 서버(300)는, 적어도 하나의 공유차량 이용단말(500)로부터 정보를 수집하고(S4100), 수집된 정보를 카테고리화 및 빅데이터화하여(S4200, S4300), 저장하고 이후에 사용자인 피공유자의 선호도를 예측하는 기준으로 사용한다. 이때, 차량 공유 서비스 제공 서버(300)는, 차량 공유 단말(400)에서 차량을 등록하고(S4400), 차량을 이용할 사용자인 피공유자의 조건을 설정하는 경우(S4500), 이를 공유자의 식별자와 매핑되도록 저장한다(S4500).
또한, 차량 공유 서비스 제공 서버(300)는, 피공유 단말(100)로부터 공유 차량이 검색되는 경우(S4600), 피공유자의 정보가 전혀 존재하지 않는 경우에는, 피공유자와 유사 또는 동일한 조건을 가진 공유차량 이용자의 선호도로 피공유자의 선호도를 예측하여 필터링에 이용하도록 하고, 피공유자의 이용 정보가 존재하는 경우에는, 예측한 결과와 이용 정보에 기반하여 사용자의 선호도를 예측함으로써, 검색 조건과 예측된 선호도를 모두 적용할 수도 있으며, 피공유자가 직접 공유자의 조건을 설정한 경우에는, 이를 최우선순위로 가중치를 부여하여 공유자의 조건을 만족하는 차량을 찾도록 할 수 있다(S4700-S4820).
이에 따라, 차량 공유 서비스 제공 서버(300)는, 매칭된 결과를 소비자나 공급자 일측에만 전송하는 것이 아니라, 양 당사자에게 모두 전송할 수 있다(S4900). 물론, 차량 공유 서비스 제공 서버(300)에서 일측에만 전송하는 것을 배제하는 것은 아니다. 그리고 나서, 차량 공유 서비스 제공 서버(300)는, 차량 공유 단말(400) 및 피공유 단말(100)로부터 입력받음으로써, 고객의 후기 뿐만 아니라, 공급자인 차량 공유자의 후기까지 수집함으로써, 고객도 평가대상이 될 수 있도록 한다(S4910). 이때, 고객(피공유자, 사용자)이 낮은 점수를 받는 경우에는, 매칭율이 낮아질 수 있으며, 더 좋은 차량을 배차받지 못하는 결과를 얻을 수 있다. 이를 통하여, 소위 진상고객과 갑질을 막을 수 있으며, 귀중한 자원인 차량이 훼손되는 경우를 방지할 수 있다.
그리고, 차량 공유 서비스 제공 서버(300)는, 그 결과를 빅데이터에 다시 입력값으로 넣어 학습시킴으로써, 이후 매칭에 이용되도록 할 수 있다(S4920).
상술한 단계들(S4100~S4920)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S4100~S4920)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 4의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 3을 통해 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법을 설명하기 위한 동작 흐름도이다. 도 5를 참조하면, 차량 공유 서비스 제공 서버는, 적어도 하나의 차량 공유 단말로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장한다(S5100).
그리고, 차량 공유 서비스 제공 서버는, 차량 피공유 단말로부터 차량 공유 선호 파라미터 및 차량 피공유 단말이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받고(S5200), 공유 선호도 데이터를 기준으로 차량의 상태 데이터를 매칭시킨 결과를 차량 피공유 단말 및 매칭된 차량을 공유하고자 하는 적어도 하나의 차량 공유 단말로 전송한다(S5300).
마지막으로, 차량 공유 서비스 제공 서버는, 차량 피공유 단말 및 적어도 하나의 차량 공유 단말의 화면에 자신의 위치를 기준으로 매칭된 결과에 대응하는 단말이 출력되도록 제어한다(S5400).
이와 같은 도 5의 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (7)
- 차량 공유 서비스 제공 서버에서 실행되는 차량 공유 서비스 제공 방법에 있어서,
적어도 하나의 공유차량 이용단말로부터 공유받은 차량의 종류, 이용자의 데이터, 차량과 이용자 간의 거리, 및 이용차량의 종류, 연식 및 가격을 포함하는 이용 패턴 데이터를 수집하는 단계;
상기 수집된 이용 패턴 데이터를 포함한 로우 데이터(Raw Data)를 식별자에 매핑되도록 병렬 및 분산하여 저장하는 단계;
상기 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시하는 단계;
상기 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시하는 단계;
상기 분석된 데이터를 시각화하여 출력하는 빅데이터화 단계;
적어도 하나의 차량 공유 단말로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장하는 단계;
차량 피공유 단말로부터 차량 공유 선호 파라미터 및 상기 차량 피공유 단말이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받는 단계;
상기 공유 선호도 데이터를 기준으로 상기 차량의 상태 데이터를 매칭시킨 결과를 상기 차량 피공유 단말 및 상기 매칭된 차량을 공유하고자 하는 적어도 하나의 차량 공유 단말로 전송하는 단계;
상기 차량 피공유 단말 및 상기 적어도 하나의 차량 공유 단말의 화면에 자신의 위치를 기준으로 매칭된 결과에 대응하는 단말이 출력되도록 제어하는 단계;
상기 매칭된 결과의 오류 검증을 위한 인증을 실시하는 단계;
상기 인증의 결과로 상기 매칭된 결과의 오류 부분 및 오류 원인을 파악하는 단계;
상기 파악된 오류 부분 및 오류 원인을 빅데이터에 업데이트한 후, 상기 오류의 패턴을 발견하고 분류를 통하여 오류율을 예측하기 위하여, 인공신경망을 이용한 딥 러닝을 실시하는 단계-상기 빅데이터는 백그라운드 모드에서 수집되고, 상기 적어도 하나의 차량 공유 단말 및 차량 피공유 단말로부터 수집된 이용 후기 정보를 포함하는-; 및
상기 딥 러닝으로 도출된 데이터를 빅데이터화된 데이터베이스에 반영되도록 업데이트하는 단계를 포함하되,
상기 차량 공유 서비스 제공 방법은 편도 차량 공유 서비스를 포함하고,
상기 편도 차량 공유 서비스는 랜덤 서치 알고리즘 및 혼합 정수 프로그램이 적용되는
인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법.
- 제 1 항에 있어서,
상기 적어도 하나의 차량 공유 단말로부터 차량의 상태 데이터를 수신하여 차량 및 공유자에 매핑되도록 저장하는 단계 이후에,
상기 적어도 하나의 차량 공유 단말로부터 상기 차량을 공유받을 피공유자의 조건을 지정하는 단계;
를 더 포함하고,
상기 공유 선호도 데이터를 기준으로 상기 차량의 상태 데이터를 매칭시킨 후 상기 피공유자 조건으로 재필터링을 진행하는 것인, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법.
- 제 1 항에 있어서,
상기 차량 피공유 단말로부터 차량 공유 선호 파라미터 및 상기 차량 피공유 단말이 공유한 차량의 데이터를 포함한 공유 선호도 데이터를 입력받는 단계 이후에,
상기 차량 피공유 단말로부터 상기 차량을 공유해줄 공유자의 조건을 지정하는 단계;
를 더 포함하고,
상기 공유 선호도 데이터를 기준으로 상기 차량의 상태 데이터를 매칭시킨 후 상기 공유자의 조건으로 재필터링을 진행하는 것인, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법.
- 삭제
- 제 1 항에 있어서,
상기 데이터 마이닝은, 상기 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행하는 것을 포함하는 것인, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법.
- 제 1 항에 있어서,
상기 차량의 상태 데이터는, 이용가능가격, 이용가능시간, 차종, 차량 연식, 타이어 마모 정도, 이용고객 만족도, 및 이용고객 후기 중 적어도 하나 또는 적어도 하나의 조합을 포함하는 것인, 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180085791A KR102158253B1 (ko) | 2018-07-24 | 2018-07-24 | 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180085791A KR102158253B1 (ko) | 2018-07-24 | 2018-07-24 | 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200011109A KR20200011109A (ko) | 2020-02-03 |
| KR102158253B1 true KR102158253B1 (ko) | 2020-09-21 |
Family
ID=69627168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180085791A KR102158253B1 (ko) | 2018-07-24 | 2018-07-24 | 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102158253B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220076012A (ko) * | 2020-11-30 | 2022-06-08 | 푸드팡 주식회사 | Ｂ２ｂ 시장을 위한 인공지능 기반 판매가격 결정 서비스 제공 시스템 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11665281B2 (en) * | 2020-02-27 | 2023-05-30 | Byung Kwan Jung | Call recommendation system and call recommendation method based on artificial intelligence |
| KR102377402B1 (ko) * | 2020-02-27 | 2022-03-22 | 주식회사 그로비 | 인공지능에 기반하는 콜 추천 시스템 및 콜 추천 방법 |
| KR102167414B1 (ko) * | 2020-04-27 | 2020-10-19 | 이한구 | 드론을 이용한 교통법규 위반차량 단속 서비스 제공 시스템 및 방법 |
| KR102194962B1 (ko) * | 2020-05-20 | 2020-12-24 | 주식회사 네이처모빌리티 | 빅데이터 기반 택시수요예측을 이용한 ａｉ 자동배차 매칭 서비스 제공 시스템 |
| KR102565261B1 (ko) * | 2021-05-12 | 2023-08-10 | 이우영 | 인공지능을 활용한 드라이버 매칭 방법 및 이를 수행하는 드라이버 매칭 시스템 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015035044A (ja) * | 2013-08-08 | 2015-02-19 | 日産自動車株式会社 | 相乗り支援システム |
| KR101873926B1 (ko) * | 2017-11-22 | 2018-07-04 | 김광호 | 빅데이터 기반 의료자문 서비스 제공 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130037133A (ko) * | 2011-10-05 | 2013-04-15 | 조은형 | 모바일 기기를 사용한 차량동승 시스템 및 방법 |
-
2018
- 2018-07-24 KR KR1020180085791A patent/KR102158253B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015035044A (ja) * | 2013-08-08 | 2015-02-19 | 日産自動車株式会社 | 相乗り支援システム |
| KR101873926B1 (ko) * | 2017-11-22 | 2018-07-04 | 김광호 | 빅데이터 기반 의료자문 서비스 제공 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220076012A (ko) * | 2020-11-30 | 2022-06-08 | 푸드팡 주식회사 | Ｂ２ｂ 시장을 위한 인공지능 기반 판매가격 결정 서비스 제공 시스템 |
| KR102547491B1 (ko) * | 2020-11-30 | 2023-06-27 | 푸드팡 주식회사 | Ｂ２ｂ 시장을 위한 인공지능 기반 판매가격 결정 서비스 제공 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200011109A (ko) | 2020-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102158253B1 (ko) | 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법 | |
| Golbabaei et al. | The role of shared autonomous vehicle systems in delivering smart urban mobility: A systematic review of the literature | |
| US10671961B2 (en) | Systems and methods for transportation | |
| Zhang et al. | Parking spaces in the age of shared autonomous vehicles: How much parking will we need and where? | |
| Cardenas et al. | City logistics, urban goods distribution and last mile delivery and collection | |
| Fagnant et al. | Operations of shared autonomous vehicle fleet for Austin, Texas, market | |
| Ronald et al. | Simulating demand-responsive transportation: a review of agent-based approaches | |
| US20160027307A1 (en) | Short-term automobile rentals in a geo-spatial environment | |
| US20140172727A1 (en) | Short-term automobile rentals in a geo-spatial environment | |
| US20160364679A1 (en) | Systems and methods for on-demand transportation | |
| US20160364823A1 (en) | Systems and methods for on-demand transportation | |
| US20160364812A1 (en) | Systems and methods for on-demand transportation | |
| DE112018007119T5 (de) | Optimieren und vorhersagen der verfügbarkeit von ressourcen in einer umgebung zur gemeinsamen fahrradnutzung | |
| US20160292596A1 (en) | Methods and systems for scheduling a shared ride among commuters | |
| KR20240116837A (ko) | 실시간 모드 다중 모드화물 운송 서비스 자동적인 형성의 방법 및 시스템 | |
| Swaminathan et al. | Digital@ Scale: the playbook you need to transform your company | |
| Pei et al. | Real-time optimal scheduling model for transit system with flexible bus line length | |
| Shen et al. | Vehicle routing and scheduling of demand-responsive connector with on-demand stations | |
| Chen et al. | Dynamic user equilibrium of mobility-on-demand system with linear programming rebalancing strategy | |
| Dawes | Perspectives on the ridesourcing revolution: Surveying individual attitudes toward Uber and Lyft to inform urban transportation policymaking | |
| Dahooie et al. | A portfolio selection of internet of things (IoTs) applications for the sustainable urban transportation: A novel hybrid multi criteria decision making approach | |
| Lempp et al. | Automotive Disruption and the Urban Mobility Revolution | |
| Lucken et al. | Incorporating Mobility-on-Demand (MOD) and Mobility-as-a-Service (MaaS) automotive services into public transportation | |
| Tang et al. | Optimal operational strategies for multiple bus lines considering passengers’ preferences | |
| Crotty | Locating day-labor employment: toward a geographic understanding of day-labor hiring site locations in the San Diego metropolitan area |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E601 | Decision to refuse application | ||
| E601 | Decision to refuse application | ||
| E801 | Decision on dismissal of amendment | ||
| J201 | Request for trial against refusal decision | ||
| J301 | Trial decision |
Free format text: TRIAL NUMBER: 2019101003891; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20191126 Effective date: 20200820 |
|
| GRNO | Decision to grant (after opposition) | ||
| GRNT | Written decision to grant |