KR102174756B1 - Automated freight fare recomandation system - Google Patents

Automated freight fare recomandation system Download PDF

Info

Publication number
KR102174756B1
KR102174756B1 KR1020180147417A KR20180147417A KR102174756B1 KR 102174756 B1 KR102174756 B1 KR 102174756B1 KR 1020180147417 A KR1020180147417 A KR 1020180147417A KR 20180147417 A KR20180147417 A KR 20180147417A KR 102174756 B1 KR102174756 B1 KR 102174756B1
Authority
KR
South Korea
Prior art keywords
price
freight
actual transaction
estimation
information
Prior art date
Application number
KR1020180147417A
Other languages
Korean (ko)
Other versions
KR20200061753A (en
Inventor
박진우
윤준노
송창환
Original Assignee
박진우
송창환
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 박진우, 송창환 filed Critical 박진우
Priority to KR1020180147417A priority Critical patent/KR102174756B1/en
Publication of KR20200061753A publication Critical patent/KR20200061753A/en
Application granted granted Critical
Publication of KR102174756B1 publication Critical patent/KR102174756B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters

Landscapes

  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템에 관한 것으로, 화물 운송 관련 정보 및 추정 운임 비용 정보를 송·수신하는 단말기; 평가대상 화물 운송을 기준으로 소정 지역 내에 위치하는 실거래 화물운임의 실거래가 및 차주 관련 운송 정보를 획득하는 정보 획득부; 실거래가 및 시세 추정 가격의 검정 오차율 허용 범위 내에서 실거래가와 시세 추정 가를 비교·분석하는 실거래가·시세 추정가 비교분석부; 시세 추정 가중치를 조정하여 변동 비율을 적용해 시세를 추정하는 모델을 생성하는 시세 추정 모델 생성부; 및 획득된 실거래 화물 운임의 실거래가 및 화물 운송 관련 정보를 이용하여 최적의 화물 운임을 제공하는 시세 추정부; 를 포함하여 구성되고, 빅데이터를 이용한 화물 운임 시세 추정 시스템 및 이를 이용한 추정 방법에 관련된다.The present invention relates to a system for actively estimating a freight price price using the interaction between a price calculation system and big data, comprising: a terminal for transmitting and receiving freight transport related information and estimated freight cost information; An information acquisition unit for acquiring an actual transaction price of an actual transaction freight rate located within a predetermined area based on the freight transport subject to be evaluated and transport information related to a borrower; An actual transaction price and price estimation price comparison and analysis unit that compares and analyzes the actual transaction price and the estimated market price within the allowable error rate of the test error rate of the actual transaction price and the estimated market price; A market price estimation model generator for generating a model for estimating a market price by adjusting a price estimation weight and applying a variation ratio; And a market price estimation unit that provides an optimal freight rate by using the actual transaction price of the acquired actual freight rate and information related to freight transportation. It is configured to include, and relates to a freight rate price estimation system using big data and an estimation method using the same.

Description

화물 운송 정보와 차주 관련 운송 정보를 통해 가격 산출 프로그램과 빅데이터의 상호작용 모델을 적용한 화물 운임 추정 시스템{Automated freight fare recomandation system}Freight fare estimation system applying an interactive model of a price calculation program and big data through freight transport information and borrower-related transport information {Automated freight fare recomandation system}

본 발명은 화물 운임 시세를 추정하는 시스템 및 방법에 관한 것으로, 빅데이터를이용한 화물 운임의 시세를 능동적으로 추정하는 시스템 및 방법에 관련된다.The present invention relates to a system and method for estimating freight rate price, and to a system and method for actively estimating freight rate price using big data.

삭제delete

종래의 화물 운송 가격을 산출하기 위해서는 화주와 차주 사이에 직거래 또는 중개단계를 이용한 방식이다. 그러나 이러한 종래 방식은 평가대상이 되는 화물 운송의 실거래가 등을 고려하지 않아, 실제 거래 사례에 대한 사항을 가격 산출에 반영하지 못하고 다단계 중개 방식으로 인해 차주에게 적정 수준의 운임 비를 부과하지 못하는 문제점이 존재한다. 그로 인하여, 산출되는 가격의 정확도가 낮아지는 문제가 발생할 수 있다.
이러한 종래기술로는 등록특허 제10-1948533호 "표준화물운임 산출이 가능한 스마트 견적 시스템"(이하 '종래기술1'이라 함.), 공개특허 제10-2000-0036575호 "인터넷을 이용한 화물의 운임결정 중개서비스 시스템"(이하 '종래기술2'라 함.)을 들 수 있다.
상기 종래기술1은 화물운송차량의 내부에 탈부착이 가능한 복수 개의 거리측정센서를 이용하여 화물운송차량의 내부에 실제로 적재된 화물이 차지하는 부피에 해당하는 견적을 산출한 후, 각 화물의 중량을 누적한 총 화물 중량의 대, 소 정도에 따라 부피에 따라 산출된 견적을 증가 또는 감소시킴으로써 화물 운임 견적을 보정하여 정확하고 신뢰성 있는 화물 운임 견적을 산출할 수 있는 표준화물운임 산출이 가능한 스마트 견적시스템에 관한 것이고,

상기 종래기술2는 화주의 자세한 화물정보와 연락 정보를 입력하고 운송회사의 운송 서비스 가능지역을 세계 각국의 도시를 중심으로 입력할 수 있는 정보 입력 서식을 적어도 하나 이상 포함하는 서식문서파일과, 사용자의 회원가입 여부와 식별 가능한 정보를 받아들이는 사용자 인증란을 포함하고 있는 서비스 제공자 중개서비스 시스템의 홈페이지와, 사용자가 원하는 정보를 호스트 서버 또는 이와 연결된 데이터베이스에서 가져와서 다양한 형태로 컴퓨터 단말기 상에 디스플레이하는 웹브라우져와, 상기 웹브라우져와 인터넷과의 물리적인 연결을 제어하는 인터넷연결수단과, 인터넷연결 요청이 상기 인터넷연결수단을 통하여 입력되면 상기 서비스 제공자의 홈페이지를 인터넷연결수단에 통해 상기 웹브라우져로 출력하고 상기 홈페이지의 사용자 인증란을 통해 입력된 아이디와 패스워드를 수신하여 다양한 화물정보를 출력하는 호스트 서버와, 상기 호스트 서버에 연결된 데이터베이스로부터 화주의 화물정보와 운송회사의 운송 정보를 조합하여 추출된 다수의 운송회사에게 자동으로 이메일을 전송하는 메일 서버로 구성되는 기술을 제시하고 있다.
그러나 상기 종래기술1은 단순히 화물 중량에 따라 화물 운임 견적을 산출할 수 있는 기술로, 다양한 기타 요소, 즉 거리, 지역 등에 의한 운임 변동은 예측하기 어렵고,
상기 종래기술2 또한 인터넷을 통하여 화주와 차주를 연결하는 단순 중개서비스로, 운임결정에 있어서 다양한 변수를 고려하기에는 한계가 있다.In order to calculate the conventional freight transport price, it is a method using a direct transaction or intermediary step between the shipper and the borrower. However, this conventional method does not take into account the actual transaction price of freight transport, which is subject to evaluation, so the matters on actual transaction cases cannot be reflected in the price calculation, and due to the multi-stage brokerage method, it is not possible to impose an appropriate level of freight rate on the borrower. Exists. Accordingly, there may be a problem that the accuracy of the calculated price is lowered.
Such conventional technologies include Registration Patent No. 10-1948533 "Smart estimating system capable of calculating standard freight rates" (hereinafter referred to as'Prior Art 1'), and Korean Patent Publication No. 10-2000-0036575 "For freight using the Internet. The fare decision brokerage service system" (hereinafter referred to as'conventional technology 2') is mentioned.
The prior art 1 calculates an estimate corresponding to the volume occupied by the cargo actually loaded inside the cargo transportation vehicle using a plurality of distance measuring sensors that can be attached and detached inside the cargo transportation vehicle, and then accumulates the weight of each cargo. A smart estimating system capable of calculating standard freight rates that can calculate accurate and reliable freight rate estimates by correcting the freight rate estimate by increasing or decreasing the estimate calculated according to the volume according to the size of the total freight weight. About,

The prior art 2 is a form document file including at least one information input form for inputting detailed cargo information and contact information of a shipper and inputting a transport service area of a transport company around cities around the world, and a user The homepage of the service provider's brokerage service system, which includes a user authentication section that accepts membership registration and identifiable information, and a web that retrieves the information desired by the user from the host server or a database connected to it and displays it on a computer terminal in various forms. When a browser, an internet connection means for controlling the physical connection between the web browser and the Internet, and an internet connection request is input through the internet connection means, the homepage of the service provider is output to the web browser through the internet connection means, and A host server that receives the ID and password entered through the user authentication section of the homepage and outputs various cargo information, and a number of transportations extracted by combining the cargo information of the shipper and the transportation information of the transportation company from the database connected to the host server. It proposes a technology consisting of a mail server that automatically sends emails to companies.
However, the prior art 1 is a technology that can simply calculate a freight fare estimate according to the weight of the cargo, and it is difficult to predict the fare fluctuations due to various other factors, such as distance, region, etc.
The prior art 2 is also a simple brokerage service that connects a shipper and a borrower through the Internet, and there is a limitation in considering various variables in determining a fare.

삭제delete

이에 따라서 차량 차주의 운행 일정에 맞는 화물 운송 정보를 실시간으로 획득하도록 할 수 있으므로 화주와 차주 거래에 연결망 역할을 할 수 있으며, 차주는 고정적인 수익을 창출할 수 있다. 또한, 화주와 차주 사이에 직거래를 가능하게 하는 시스템으로 다단계 중개 단계를 해소하여 화주와 차주에게 적정 수준의 운임 비를 부과 및 적절하게 배차하는 것이 가능하며, 유류비 낭비를 막고 이산화탄소의 배출을 낮출 수 있다.Accordingly, it is possible to acquire cargo transportation information that fits the operating schedule of the vehicle owner in real time, thereby acting as a network for transactions between the shipper and the borrower, and the borrower can generate a fixed income. In addition, with a system that enables direct transactions between shippers and borrowers, it is possible to impose an appropriate level of freight rates and allocate appropriately to shippers and borrowers by solving the multi-stage intermediary step, preventing waste of fuel costs and reducing carbon dioxide emissions. have.

본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템 또는 장치는 화물 운송 관련 정보 및 추정 운임 비용 정보를 송·수신하는 단말기, 평가대상 화물 운송을 기준으로 소정 지역에 위치하는 실거래 화물 운임의 실거래가 및 화물 운송 정보를 획득하는 정보 획득부, 실거래가 및 시세 추정 가격의 검정 오차율 허용 범위 내에서 실거래가와 시세 추정 가를 비교·분석하는 실거래가·시세 추정가 비교분석부, 시세 추정 가중치를 조정하여 변동 비율을 적용해 시세를 추정하는 모델을 생성하는 시세 추정 모델 생성부 및 획득된 실거래 화물 운임의 실거래가 및 화물 운송 관련 정보를 이용하여 최적의 화물 운임을 제공하는 시세 추정부를 포함할 수 있다.A system or device for actively estimating freight rates by using the interaction between the price calculation system and big data according to an implementation example of the present invention is a terminal that transmits and receives freight-related information and estimated freight cost information, an evaluation target An information acquisition unit that acquires the actual transaction price and cargo transportation information of the actual transaction price located in a predetermined area based on the cargo transportation, and compares and analyzes the actual transaction price and the estimated market price within the allowable error rate of the test of the actual transaction price and the estimated market price. Using the actual transaction price and market price estimation price comparison and analysis unit, the market price estimation model generation unit that generates a model that estimates the market price by applying the change ratio by adjusting the price estimation weight, and the actual transaction price of the obtained actual transaction freight rate and cargo transportation information. It may include a market price estimation unit that provides an optimal freight rate.

일 시행 예에서, 상기 단말기는 이용자의 화물 운송 관련 정보를 얻어 정보획득 부에 전송할 수 있다.In one implementation example, the terminal may obtain information related to a user's freight transport and transmit it to the information acquisition unit.

일 시행 예에서, 상기 단말기는 시세 추정부로부터 추정 화물 운임을 전송받을 수 있다.In one implementation example, the terminal may receive the estimated freight rate from the market price estimation unit.

일 시행 예에서, 상기 단말기에서 이용자는 서비스의 이용료를 단말기를 통해 결제할 수 있다.In one implementation example, in the terminal, the user may pay the service fee through the terminal.

일 시행 예에서, 상기 평가 대상 화물 운송의 차주 관련 운송 정보를 상기 거래가 가격 산출 프로그램과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 모델 및 이를 이용한 추정 방법을 포함할 수 있다.In one implementation example, it may include a model for actively estimating the freight price price using the interaction between the transaction price calculation program and big data for the vehicle owner-related transport information of the freight transport subject to be evaluated, and an estimation method using the same.

일 예에서, 상기 정보 획득 부는 이용자의 모든 화물 운송에 대한 정보를 수집하고 이를 시간 및 각 항목에 따라 체계화, 목록화할 수 있다.In one example, the information acquisition unit may collect information on all cargo transportation of a user, and organize and catalog it according to time and each item.

일 시행 예에서, 상기 화물 운송에 대한 정보는 차종, 화물의 종류, 운송 거리, 통행료, 유류비, 인건비, 실거래가, 실시간 운행정보, 인터페이스 정보 중 적어도 하나를 포함할 수 있으나 이에 제한되지 않으며 화물 운임을 결정할 수 있는 화물 정보를 포함하여 적용할 수 있다.In one implementation example, the information on the cargo transport may include at least one of vehicle type, cargo type, transport distance, toll, fuel cost, labor cost, actual transaction price, real-time operation information, and interface information, but is not limited thereto. Can be applied by including cargo information that can be determined.

일 시행 예에서, 상기 정보 획득 부에서 정보 획득 부는 실거래가·시세 추정가 비교분석부에 정보를 지속해서 전송할 수 있다.In one implementation example, the information acquisition unit from the information acquisition unit may continuously transmit information to the actual transaction price/price estimate price comparison and analysis unit.

일 시행 예에서, 상기 실거래가 및 화물 운송 정보 획득 부는, 상기 실거래 화물 운송의 지역별 운송 밀집도 또는 실거래 시간을 기준으로 실거래 화물 운송 중 일부 실거래 화물 운송을 필터링할 수 있다.In one implementation example, the actual transaction price and cargo transportation information acquisition unit may filter some actual transaction cargo transportation during actual transaction cargo transportation based on regional transport density or actual transaction time of the actual transaction cargo transportation.

일 시행 예에서, 실거래가·시세 추정가 비교분석부는 실거래가·시세 추정가 쌍 생성부, 실거래가·시세 추정가 쌍 오차율 비교부, 실거래가·시세 추정가 쌍 분석부를 포함한다.In one implementation example, the actual transaction price/price estimate price comparison and analysis unit includes an actual transaction price/price estimate price pair generation unit, an actual transaction price/price estimate price pair error rate comparison unit, and an actual transaction price/market price estimate pair analysis unit.

일 시행 예에 있어서, 상기 실거래가·시세 추정가 쌍 생성부는 소정 지역에 대하여 실거래 화물 운임과 시세 추정 운임 쌍을 생성할 수 있다. In one implementation example, the actual transaction price/price estimate pair generation unit may generate a pair of actual transaction freight rates and price estimate rates for a predetermined area.

일 시행 예에 있어서, 상기 실거래가·시세 추정가 쌍 오차율 비교부는 각 실거래가·시세 추정가 쌍에 대하여 검정 오차율을 실시간으로 계산할 수 있다. In one implementation example, the actual transaction price/price estimate price pair error rate comparison unit may calculate a test error rate for each actual transaction price/price estimate price pair in real time.

일 시행 예에 있어서, 상기 실거래가·시세 추정가 쌍 분석부는 실시간으로 비교된 검정 오차율을 기준으로 검정 오차율 이하일 경우 시세 추정부의 가중치가 유지하도록 할 수 있다. 또한 검정 오차율 초과일 경우에는 시세 추정 모델 생성 명령 및 실거래가·시세 추정가 쌍 정보를 시세 추정 모델 생성부에 전달할 수 있다.In one implementation example, the actual transaction price/market price estimation price pair analysis unit may maintain the weight of the price estimation unit when the test error rate is less than or equal to the test error rate compared in real time. In addition, when the test error rate is exceeded, the command for generating a market price estimation model and information on a pair of actual transaction price and price estimation price may be transmitted to the price estimation model generator.

일 시행 예에 있어서, 상기 실거래가·시세 추정가 쌍 분석부는 고정비, 변동비, 변동사항 및 각종 통계를 고려하여 오차 허용 범위를 검출하여, 시세 검증 대상을 추출하고 보고(report) 후 모델 생성부로 전송한다.In one implementation example, the real transaction price/market price estimator pair analysis unit detects an error tolerance in consideration of fixed costs, variable costs, changes, and various statistics, extracts the target for market price verification, and transmits the report to the model generator. .

일 시행 예에 있어서, 시세 추정 모델 생성부는 시세 추정 가중치 생성부, 시세 추정 가중치 적용부, 시세 추정 가중치 변동 비율 적용부 및 모델링부를 포함할 수 있다.In an implementation example, the price estimation model generation unit may include a price estimation weight generation unit, a price estimation weight application unit, a price estimation weight variation ratio application unit, and a modeling unit.

일 시행 예에 있어서, 상기 시세 추정 가중치 생성부는 시세를 추정하기 위해 지역별 복귀 시 O/D양, 지역별 영업용 차량의 대수량, 행정구역별 인구수를 종합하여 지역별로 가중치를 생성할 수 있다.In one implementation example, the market price estimation weight generator may generate a weight for each region by synthesizing the O/D amount, the number of vehicles for business by region, and the number of populations by administrative districts when returning to each region to estimate the market price.

일 시행 예에 있어서, 상기 시세 추정 가중치 적용부는 시세를 추정하기 위해 화물 운송 정보 중 지역에 대하여 생성된 가중치를 적용할 수 있다. In one implementation example, the price estimation weight application unit may apply a weight generated for a region among freight transport information to estimate a market price.

일 시행 예에 있어서, 상기 시세 추정 가중치 변동 비율 적용부는 검정 오차율 이하의 가중치의 비율로 조정하여 적용할 수 있다. In one implementation example, the price estimation weight variation ratio application unit may adjust and apply a weight ratio equal to or less than a test error rate.

일 시행 예에 있어서, 상기 모델링부는 시세 추정 가중치 및 상기 실거래 화물 운임과 추정 화물 운임 정보를 기초로 상기 거래가 추정 모델을 생성할 수 있다. In one implementation example, the modeling unit may generate the transaction price estimation model based on the price estimation weight and the actual transaction freight rate and estimated freight rate information.

일 시행 예에서, 모델링부은 가중치가 적용된 추정 화물 운임에 대하여, 난수를 발생시키고, 분류하여 기계 학습을 위한 학습 데이터군 검정 데이터군으로 그루 핑(grouping)할 수도 있다. In one implementation example, the modeling unit may generate a random number for the estimated freight rate to which the weight is applied, classify it, and group it into a training data group test data group for machine learning.

일 시행 예에 있어서, 상기 시세 추정부는, 상기 평가대상 화물 운송을 기준으로 소정 지역에서 이루어지는 실거래 화물 운송 관련 정보를 수신받아 최적의 화물 운임을 제공한다.In one implementation example, the market price estimating unit receives information related to actual cargo transportation in a predetermined area based on the cargo transportation to be evaluated and provides an optimal cargo fare.

일 시행 예에 있어서, 상기 시세 추정부는, 본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하여 최적의 화물 운임을 제공한다.In one implementation example, the market price estimating unit provides an optimal freight rate by actively estimating the freight price price using the interaction between the price calculation system and big data according to the implementation example of the present invention.

본 발명의 일 시행 예에 따른 컴퓨터로 판독 가능한 기록 매체는, 상술한 방법을 실행하기 위한 명령을 저장할 수 있다.A computer-readable recording medium according to an implementation example of the present invention may store instructions for executing the above-described method.

본 발명의 일 시행 예에 따르면, 평가대상 화물 운송의 실거래 화물 운송 관련 정보 및 실거래가의 빅데이터를 학습하여 모델을 생성하고, 이를 이용함으로써 보다 정확한 화물 운임의 예측이 가능하다.According to an implementation example of the present invention, a model is generated by learning information related to actual transaction cargo transport and big data of an actual transaction price of an evaluation target cargo transport, and by using this, it is possible to predict a more accurate cargo freight rate.

도 1은 본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템의 순서도이다.
도 2는 본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템의 블록도이다.
도 3은 본 발명의 일 시행 예에 따른 단말기의 블록도이다.
도 4는 본 발명의 일 시행 예에 따른 실거래가·시세 추정가 비교분석부의 블록도이다.
도 5는 본 발명의 일 시행 예에 따른 시세 추정 모델 생성부의 블록도이다.
도 6은 본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 방법의 이해를 돕기 위한 전반적인 과정에 대한 알고리즘이다.1 is a flow chart of a system for actively estimating freight rates by using the interaction between a price calculation system and big data according to an implementation example of the present invention.
2 is a block diagram of a system for actively estimating a freight rate price using the interaction between a price calculation system and big data according to an implementation example of the present invention.
3 is a block diagram of a terminal according to an implementation example of the present invention.
4 is a block diagram of an actual transaction price and price estimation price comparison and analysis unit according to an implementation example of the present invention.
5 is a block diagram of a price estimation model generator according to an implementation example of the present invention.
6 is an algorithm for an overall process for helping understanding a method of actively estimating a freight rate price using an interaction between a price calculation system and big data according to an implementation example of the present invention.

본 명세서에서, 빅데이터는 대량의 정형, 비정형 또는 반정형 데이터 집합을 의미하는 것으로서, 화물 운송 관련 정보, 실거래가 정보 등을 포함할 수 있다. 여기서 정형 데이터는 고정된 필드에 저장된 데이터로서, 관계형 데이터베이스, 스프레드시트 등이 있다. 또한, 비정형 데이터는 고정된 필드에 저장되어 있지 않은 데이터로서, 텍스트 문서, 이미지, 동영상, 음성 데이터 등이 있다. 또한, 반정형 데이터는 고정된 필드에 저장되어 있지 않지만, 메타데이터나 스키마를 포함하는 데이터로서, XML, HTML, 텍스트 등이 있다. 본 발명에서 빅데이터의 활용은 대량의 정형, 비정형 또한 반정형 데이터의 집합으로서 이 데이터들을 이용하여 Data mining을 통해 화물 운임의 실거래가와 추정가를 비교분석을 하여 추정 운임 비용을 산출하는 것을 목적으로 한다. In the present specification, big data refers to a large amount of structured, unstructured or semi-structured data set, and may include information related to freight transport, information on actual transaction prices, and the like. Here, the structured data is data stored in a fixed field, such as a relational database and a spreadsheet. In addition, unstructured data is data that is not stored in a fixed field, such as text documents, images, moving pictures, and audio data. In addition, semi-structured data is not stored in a fixed field, but data including metadata or schema include XML, HTML, text, and the like. In the present invention, the use of big data is a set of large amounts of structured, unstructured and semi-structured data, with the purpose of calculating the estimated freight cost by comparing and analyzing the actual transaction price and the estimated price of freight rates through data mining using these data. do.

상기 Data mining은 빅데이터가 포함하는 데이터 중에서 화물 운임의 실거래가와 추정 운임 가격 사이에 상관관계를 발견하여 미래 추정 화물 운임 비용 결정에 이용하는 과정을 포함한다.The data mining includes a process of finding a correlation between an actual transaction price of a freight rate and an estimated freight price among data included in big data and using it to determine the estimated freight freight cost in the future.

상기 화물 운송 관련 정보는, 차량 감가상각비, 유류비, 교통비, 인건비, 관리비 정보 중 적어도 하나를 포함할 수 있으나 이에 제한되는 것은 아니다. The cargo transportation related information may include at least one of vehicle depreciation cost, fuel cost, transportation cost, labor cost, and management cost information, but is not limited thereto.

본 발명의 일 시행 예에 따른 방법은 일련의 과정들을 수행하기 위한 컴퓨터 프로그램의 형태로 구현될 수도 있으며, 상기 컴퓨터 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록될 수도 있다.The method according to an implementation example of the present invention may be implemented in the form of a computer program for performing a series of processes, and the computer program may be recorded in a computer-readable recording medium.

이하에서, 도면을 참조하여 본 발명의 시행 예들에 대하여 상세히 살펴본다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the drawings.

도 2는 본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템의 순서도이다. 도면 2를 참조하면 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템(1000)은 화주·차주 단말기(100), 정보 획득부(200), 실거래가·시세 추정가 비교분석부(300), 시세 추정 모델 생성부(400) 및 시세 추정부(500)를 포함할 수 있다. 다른 일 시행 예에서 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템(1000)은 데이터베이스(600) 또는 사용자 인터페이스 제공부(700)를 더 포함할 수 있다.2 is a flow chart of a system for actively estimating a freight rate price using the interaction between a price calculation system and big data according to an implementation example of the present invention. Referring to Figure 2, the system 1000 actively estimating the freight rate price using the interaction between the price calculation system and big data includes a shipper/borrower terminal 100, an information acquisition unit 200, and an actual transaction price/price estimate. A comparison analysis unit 300, a price estimation model generation unit 400, and a price estimation unit 500 may be included. In another implementation example, the system 1000 for actively estimating the freight rate price using the interaction between the price calculation system and big data may further include a database 600 or a user interface providing unit 700.

가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템(1000)은 사용자에 의해 선택된 평가대상 화물 운송의 지역 주변 실거래 화물 운임의 실거래가 및 화물 운송 관련 정보를 이용하여 평가대상 화물 운임에 대한 시세를 추정할 수 있다. 이를 위해서 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템(1000)은 주기적으로 공시되는 화물 운송 관련 정보 및 실거래 정보를 획득하여 저장할 수 있다.The system 1000 actively estimating the freight price price using the interaction between the price calculation system and big data uses the actual transaction price of the actual freight price and the freight transport related information around the area of the freight to be evaluated selected by the user. You can estimate the market price for the freight rate subject to evaluation. To this end, the system 1000 for actively estimating freight rates by using the interaction between the price calculation system and big data may acquire and store information related to freight transport and actual transaction information that are periodically announced.

예컨대, 실거래 정보는 거래 등록 후 실시간으로 비교분석 후 개시되므로 시세 분석을 실시간으로 거래 정보를 이용할 수 있다.For example, since actual transaction information is initiated after comparative analysis in real time after transaction registration, it is possible to use transaction information in real time for market price analysis.

도 3은 본 발명의 일 시행 예에 따른 화주·차주 단말기의 블록도이다. 도 3을 참조하면 화주·차주 단말기(100)는 화주 단말기(110), 차주 단말기(120)를 포함한다.3 is a block diagram of a shipper/borrower terminal according to an implementation example of the present invention. Referring to FIG. 3, the shipper/borrower terminal 100 includes a shipper terminal 110 and a vehicle owner terminal 120.

화주 단말기(110)는 전송받은 시세 추정값을 확인하고 수정과정을 거치게 된다. 수정과정은 화주가 수신받은 시세 추정값을 확인하고 운임 변경 여부에 관해 결정한다. 결정한 운임에 대해 입력하고 입력된 운임 정보는 차주 단말기(120)로 전송될 수 있다.The shipper terminal 110 checks the received price estimate and undergoes a correction process. In the correction process, the shipper checks the price estimate received and decides whether to change the fare. The determined fare may be input and the input fare information may be transmitted to the vehicle owner terminal 120.

차주 단말기(120)는 화물 관련 운송 정보와 운임에 대해 승인하는 과정을 거친다. 차주의 승인 과정 여부에 따라 다시 화주 단말기(110)에서 거래 진행 여부에 관해 결정하고 거래가 진행된다.The vehicle owner terminal 120 goes through a process of approving freight-related transport information and freight rates. Depending on whether the borrower's approval process or not, the shipper terminal 110 determines whether to proceed with the transaction again, and the transaction proceeds.

도 4는 본 발명의 일 시행 예에 따른 실거래가·시세 추정가 비교분석부의 블록도이다. 도 4를 참조하면 실거래가·시세 추정가 비교분석부(300)는 실거래가·시세 추정가 쌍 생성부(310), 실거래가·시세 추정가 쌍 오차율 비교부(320), 실거래가·시세 추정가 쌍 분석부(330)를 포함한다.4 is a block diagram of an actual transaction price and price estimation price comparison and analysis unit according to an implementation example of the present invention. Referring to FIG. 4, the actual transaction price/price estimate price comparison and analysis unit 300 includes an actual transaction price/price estimate price pair generation unit 310, an actual transaction price/price estimate pair error rate comparison unit 320, and an actual transaction price/market price estimate pair analysis unit. Includes 330.

실거래가·시세 추정가 쌍 생성부(310)는 소정 지역에 대하여 실거래 화물 운임과 추정 운임 쌍을 생성할 수 있다. 실거래가·시세 추정가 쌍 생성부(310)는 실거래가 화물 운임(A1)과 시세 추정 운임(B1)으로 A1-B1 쌍을 생성할 수 있다. 이와 같은 방식으로 A2-B2, A3-B3 등이 생성될 수 있다. 또한 A1-B1을 예로 들면, 앞에 기재된 A1은 종속거래로 보고, 뒤에 기재된 B1은 독립거래로 볼 수 있다. 따라서 A1-B1 쌍과 B1-A1이 각각 생성될 수 있다.The actual transaction price/price estimation price pair generation unit 310 may generate an actual transaction freight rate and an estimated price pair for a predetermined area. The actual transaction price/price estimate pair generation unit 310 may generate an A1-B1 pair from the actual transaction price freight rate (A1) and the estimated price price (B1). In this way, A2-B2, A3-B3, and the like can be created. Also, taking A1-B1 as an example, A1 described above can be viewed as a subordinate transaction, and B1 described later can be viewed as an independent transaction. Thus, A1-B1 pair and B1-A1 can be generated respectively.

실거래가·시세 추정가 쌍 오차율 비교부(320)는 각 실거래가·시세 추정가 쌍에 대하여 검정 오차율을 실시간으로 계산할 수 있다. 검정 오차율은 제1 화물 운송의 실거래가 화물 운임과 제2 화물 운송의 시세 추정 운임 가와의 오차를 실거래가 화물 운임으로 나눈 값으로 구한다. 예컨대, A1의 실거래가가 10만 원이고, A2의 시세 추정가가 8만 원인 경우, A1-A2의 검정 오차율은 20%가 될 수 있다.The actual transaction price/price estimate pair error rate comparison unit 320 may calculate a test error rate for each actual transaction price/price estimate pair in real time. The test error rate is obtained by dividing the error between the actual transaction price of the first cargo transportation and the estimated market price price of the second cargo transportation by the actual transaction price. For example, if the actual transaction price of A1 is 100,000 won and the estimated market price of A2 is 80,000, the test error rate of A1-A2 may be 20%.

실거래가·시세 추정가 쌍 분석부(330)는 실시간으로 비교된 검정 오차율을 기준으로 검정 오차율이 검정기준 이하일 경우에는 비교된 검정 오차율을 시세 추정부(500)에 유지하도록 한다. 또한 검정기준 초과일 경우에는 시세 추정 모델 생성 명령과 함께 실거래가·시세 추정가 쌍 정보를 시세 추정 모델 생성부(400)에 전달한다.The actual transaction price/price estimator pair analysis unit 330 maintains the compared test error rate in the market price estimator 500 when the test error rate is less than or equal to the test standard based on the test error rate compared in real time. In addition, when the test standard is exceeded, the pair information of the actual transaction price and the price estimation price is transmitted to the price estimation model generation unit 400 together with an instruction to generate the price estimation model.

도 5는 본 발명의 일 시행 예에 따른 시세 추정 모델 생성부의 블록도이다. 도5를 참조하면 시세 추정 모델 생성부(400)는 시세 추정 가중치 생성부(410), 시세 추정 가중치 적용부(420), 시세 추정 가중치 변동 비율 적용부(430) 및 모델링부(440)를 포함할 수 있다.5 is a block diagram of a price estimation model generator according to an implementation example of the present invention. 5, the price estimation model generation unit 400 includes a price estimation weight generation unit 410, a price estimation weight application unit 420, a price estimation weight variation ratio application unit 430, and a modeling unit 440. can do.

시세 추정 가중치 생성부(410)는 시세를 추정하기 위해 지역별 복귀 시 O/D양, 지역별 영업용 차량의 도착 대수량, 행정구역별 인구수를 모두 종합하여 지역별로 가중치를 생성한다.In order to estimate the market price, the weight estimation unit 410 generates weights for each region by synthesizing all of the O/D amount, the number of arrivals of commercial vehicles for each region, and the number of populations for each administrative region when returning to each region to estimate the market price.

상기 지역별 복귀 O/D양은 Origin and Destination으로서 화물 운송이 이루어지는 지역에 대하여 출발지와 도착지에 따라 화물 운송 차량 대수량을 표시한 값이다. 출발지와 도착지의 순서에 따라서 O/D양 값이 달라진다. 예컨대, 서울에서 부산으로 가는 화물 운송 차량 대수와 부산에서 서울로 가는 화물 운송 차량 대수의 O/D양은 각각 다르다.The area-specific return O/D amount is an origin and destination, which is a value representing the number of cargo transport vehicles according to the origin and destination for an area where cargo is transported. The value of O/D varies according to the order of departure and arrival. For example, the O/D quantity of the number of freight transport vehicles from Seoul to Busan and the number of freight transport vehicles from Busan to Seoul is different.

상기 지역별 복귀 O/D양은 목적지와 출발지를 기준으로 지역별 영업용 차량의 대수량을 포함한다. 지역별 복귀 O/D양은 영업용 차량, 즉 화물자동차, 건설 기계 등 적어도 하나를 포함하는 데이터 값이나 이에 제한되지 않으며 다양한 화물 운송에 관련된 데이터 값이다.The amount of return O/D for each region includes the number of vehicles for business by region based on a destination and a departure point. The amount of return O/D for each region is a data value including at least one of a commercial vehicle, that is, a lorry, a construction machine, etc., but is not limited thereto and is a data value related to various cargo transportation.

상기 지역별 영업용 차량의 도착 대수량은 지역별로 영업용 차량이 도착하는 대수량을 나타내는 지표로 각 8도, 예컨대, 경기도, 강원도, 충청북도, 충청남도, 전라북도, 전라남도, 경상북도, 경상남도와 광역시, 예컨대, 부산, 대구, 인천, 광주, 대전, 울산 및 자치 시, 예컨대, 세종, 제주 등을 포함한다. The number of arrivals of commercial vehicles for each region is an index representing the number of vehicles for commercial use by region.For example, Gyeonggi-do, Gangwon-do, Chungcheongbuk-do, Chungcheongnam-do, Jeollabuk-do, Jeollanam-do, Gyeongsangbuk-do, Gyeongsangnam-do and metropolitan cities, for example, Busan, Daegu, Incheon, Gwangju, Daejeon, Ulsan and autonomous cities such as Sejong, Jeju, etc.

상기 행정구역별 인구수는 행정구역, 예컨대, 시, 군, 구별로 인구수 데이터를 포함한다. The number of populations for each administrative district includes population data for administrative districts such as city, county, and distinction.

시세 추정 가중치 적용부(420)는 시세를 추정하기 위해 화물 운송 정보 중 지역에 대하여 생성된 가중치를 적용한다. The price estimation weight application unit 420 applies a weight generated for a region among freight transport information to estimate a market price.

시세 추정 가중치의 변동 비율 적용부(430)는 오차율의 검정기준 이하의 가중치의 비율로 조정하여 적용한다. 가중치 변동 비율이 시간, 거리, 유류비 등의 고정비 대비 가중치 적용 시 비정상적으로 변동할 경우 개별 가격 변동 비율을 적용하고 모델링부에 보고(report)한다. 예컨대, 시세 추정 가중치 생성부에서 생성한 가중치의 각각의 가중치 비율을 변동시켜 오차율의 검정기준 범위 수준에 맞게 적용한다.The change ratio application unit 430 of the price estimation weight adjusts and applies the weight ratio of the error rate below the test standard. If the weight change ratio changes abnormally when the weight is applied to the fixed costs such as time, distance, and fuel costs, the individual price change ratio is applied and reported to the modeling unit. For example, the weight ratio of each of the weights generated by the price estimation weight generator is varied and applied according to the level of the standard range of the error rate.

모델링부(440)는 시세 추정 가중치 및 상기 실거래 화물 운임과 추정 화물 운임 정보를 기초로 상기 거래가 추정 모델을 생성하고 검증할 수 있다. 예컨대 모델링부(440)는 기계 학습 시 인공 신경망, 다중 회귀분석 중 적어도 하나를 이용하여 상기 거래가 추정 모델을 생성할 수 있으나 이에 제한되지 않으며 다양한 기계 학습법을 적용할 수 있다. The modeling unit 440 may generate and verify the transaction price estimation model based on the price estimation weight and the actual transaction freight rate and estimated freight rate information. For example, the modeling unit 440 may generate the transaction cost estimation model using at least one of an artificial neural network and a multiple regression analysis during machine learning, but is not limited thereto and various machine learning methods may be applied.

일 시행 예에서, 모델링부(440)은 가중치가 적용된 추정 화물 운임에 대하여, 난수를 발생시키고, 분류하여 기계 학습을 위한 학습 데이터군 검정 데이터군으로 그루 핑(grouping)할 수도 있다. In one implementation example, the modeling unit 440 may generate a random number for the estimated freight rate to which the weight is applied, classify it, and group it into a training data group test data group for machine learning.

도 6은 본 발명의 일 시행 예에 따른 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 방법의 이해를 돕기 위한 알고리즘이다. 도 6을 참조하여 전체적인 과정을 살펴보면 다음과 같다. 먼저 화주 단말기(110)에서 화물 관련 운송 정보에 대한 요청사항을 입력(2)하면 정보 획득부(200)에 입력한 정보가 전송된다. 이때 획득한 이용자의 모든 화물 운송 정보를 정확히 수집(3)하고 이를 시간 및 각 항목에 따라 체계화, 목록화하여 데이터베이스에 저장관리(4) 된다.6 is an algorithm for helping understanding of a method of actively estimating a freight rate price using the interaction between a price calculation system and big data according to an implementation example of the present invention. The overall process will be described with reference to FIG. 6. First, when a request for freight-related transport information is input (2) in the shipper terminal 110, the information input to the information acquisition unit 200 is transmitted. At this time, all cargo transport information of the acquired user is accurately collected (3), and it is organized and cataloged according to time and each item, and stored and managed in a database (4).

이처럼 데이터베이스로 정보가 저장되면 실거래가와 시세 추정가를 비교분석을 하게 된다. 비교분석은 먼저 실거래가·시세 추정가 쌍 생성부(310)를 통해 소정 지역에 대하여 실거래 화물 운임과 시세 추정 운임 쌍을 생성(5)한다. 그리고 생성한 쌍에 대하여 실거래가·시세 추정가 쌍 오차율 비교부(320)에서 각 실거래가·시세 추정가 쌍에 대하여 검정 오차율을 실시간으로 계산(6)한다. 계산된 오차율 값이 오차 허용 범위(검정기준 범위)를 초과할 경우 오차 허용 범위 초과 보고 및 검토(8)를 한다. 이때 오차 허용 범위 이하일 경우에는 이전에 적용된 가중치를 유지하도록 시세 추정부(500)에 요청(7→14) 한다.When the information is stored in the database, the actual transaction price and the estimated market price are compared and analyzed. In the comparative analysis, the actual transaction price and price estimation price pair generation unit 310 generates (5) a pair of actual transaction freight rates and price estimation rates for a predetermined region. In addition, the actual transaction price/price estimate price pair error rate comparison unit 320 for the generated pair calculates a test error rate for each actual transaction price/price estimate price pair in real time (6). If the calculated error rate value exceeds the error tolerance (the test standard range), report and review the error tolerance (8). At this time, if it is less than the tolerance range, a request (7→14) is made to the market price estimating unit 500 to maintain the previously applied weight.

보고 및 검토(8)가 이루어진 정보는 시세 추정을 통해 모델을 생성하게 된다. 모델 생성은 먼저 시세 추정 가중치 생성부(410)에서 시세를 추정하기 위해 지역별 복귀 시 O/D양, 지역별 영업용 차량의 도착 대수량, 행정구역별 인구수를 종합하여 지역별로 가중치를 생성(10)한다. 시세 추정 가중치 적용부(420)에서는 시세를 추정하기 위해 화물 운송 정보 중 지역에 대하여 생성된 가중치를 적용(11)한다. 시세 추정 가중치의 변동 비율 적용부(430)에서는 적용된 각각의 가중치를 검정 오차율 이하의 가중치의 비율로 조정하여 적용(12)한다. 가중치 변동 비율이 시간, 거리, 유류비 등의 고정비 대비 가중치 적용 시 비정상적으로 변동할 경우 개별 가격 변동 비율을 적용하고 모델링부에 보고(9→13)한다. 모델링부(440)에서는 적용된 시세 추정 가중치 및 상기 실거래 화물 운임과 추정 화물 운임 정보를 기초로 상기 거래가 추정 모델을 생성하고 검증(13)할 수 있다. The information that has been reported and reviewed (8) will be modeled through market price estimation. In the model generation, first, in order to estimate the market price in the market price estimation weight generator 410, a weight is generated for each region by synthesizing the O/D amount when returning to each region, the number of arrivals of commercial vehicles by region, and the number of populations by administrative region (10) . The price estimation weight application unit 420 applies (11) a weight generated for a region among freight transport information in order to estimate a market price. The change ratio application unit 430 of the price estimation weight adjusts and applies each applied weight to a ratio of a weight equal to or less than the test error rate (12). If the weight change ratio changes abnormally when the weight is applied to the fixed costs such as time, distance, and fuel costs, the individual price change ratio is applied and reported to the modeling department (9→13). The modeling unit 440 may generate and verify (13) the transaction price estimation model based on the applied price estimation weight and the actual transaction freight rate and estimated freight rate information.

검증된 모델을 통해 신규 모델링 가중치를 적용받은 시세 추정부(500)에서는 상기 평가대상 화물 운송을 기준으로 소정 지역에서 이루어지는 실거래 화물 운송 관련 정보를 수신받아 시세 추정값을 생성(14)한다.The market price estimating unit 500 to which the new modeling weight has been applied through the verified model receives information related to actual cargo transportation in a predetermined area based on the cargo transportation to be evaluated and generates (14) a price estimation value.

생성된 시세 추정값은 데이터베이스에 저장됨과 동시에 화주 단말기(110)에 전송(14→15)된다. 화주 단말기(110)에서는 전송받은 시세 추정값을 확인(15)하고 수정과정을 거치게 된다. 수정과정은 화주가 수신받은 시세 추정값을 확인하고 운임 변경 여부에 관해 결정(16)하게 된다. 결정한 운임에 대해 입력(17)하고 입력된 운임 정보는 차주 단말기(120)로 전송되어 화물 관련 운송 정보와 운임에 대해 승인하는 과정(18)을 거친다. 차주의 승인 과정 여부에 따라 다시 화주 단말기(110)에서 거래 진행 여부에 관해 결정(19)하고 거래가 진행(20)됨과 동시에 거래 정보는 정보획득부(200)내의 데이터베이스에 저장(19→4)된다. 본 발명의 일 시행 예에 따른 컴퓨터로 판독 가능한 기록 매체는, 상술한 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세 추정방법을 실행하기 위한 명령을 실시간으로 저장할 수 있다.The generated price estimate is stored in the database and transmitted to the shipper terminal 110 (14→15). The shipper terminal 110 checks (15) the received price estimate and undergoes a correction process. In the correction process, the shipper checks the estimated price received and decides whether to change the fare (16). The determined fare is input (17) and the input fare information is transmitted to the vehicle owner's terminal 120 to undergo a process (18) of approving freight-related transport information and fare. Depending on whether the borrower's approval process or not, the shipper terminal 110 determines whether to proceed with the transaction (19), and the transaction proceeds (20), and the transaction information is stored in the database in the information acquisition unit (200) (19→4). . The computer-readable recording medium according to an implementation example of the present invention may store in real time a command for executing a method for estimating freight rates by using the interaction between the above-described price calculation system and big data.

이상에서 살펴본 본 발명은 도면에 도시된 시행 예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당 해당 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 시행 예의 변형이 가능하다는 점을 이해할 것이다. 그러나 이와 같은 변형은 본 발명의 기술적 보호 범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구 범위의 기술적 사상에 의해서 정해져야 할 것이다.The present invention described above has been described with reference to implementation examples shown in the drawings, but this is only exemplary, and it will be understood that various modifications and variations of implementation examples are possible from those of ordinary skill in the relevant field. . However, such a modification should be considered to be within the technical protection scope of the present invention. Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

삭제delete

삭제delete

1000 : 가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템
100 : 화주·차주 단말기
200 : 정보 획득부
300 : 실거래가·시세 추정가 비교분석부
400 : 시세 추정 모델 생성부
500 : 시세 추정부1000: A system that actively estimates freight rates by using the interaction between the price calculation system and big data
100: shipper/borrower terminal
200: information acquisition unit
300: Actual Transaction Price and Estimated Market Price Comparative Analysis Department
400: price estimation model generation unit
500: price estimation unit

Claims (5)

가격 산출 시스템과 빅데이터의 상호작용을 이용하여 화물 운임 시세를 능동적으로 추정하는 시스템에 있어서,
화물 운송 관련 정보 및 추정 운임 비용 정보를 송·수신하는 단말기;
평가대상 화물 운송을 기준으로 소정 지역 내에 위치하는 실거래 화물운임의 실거래가 및 화물 운송 관련 정보를 획득하는 정보 획득부와;
실거래가 및 시세 추정 가격의 검정 오차율 허용 범위 내에서 실거래가와 시세 추정 가를 비교·분석하는 실거래가·시세 추정가 비교분석부와;
시세 추정 가중치를 조정하여 변동 비율을 적용해 시세를 추정하는 모델을 생성하는 시세 추정 모델 생성부와;
획득된 실거래 화물 운임의 실거래가 및 화물 운송 관련 정보를 이용하여 최적의 화물 운임을 제공하는 시세 추정부; 를 포함하여 이루어지고,

상기 시세 추정 모델 생성부(400)는,
시세를 추정하기 위해 지역별 복귀 시 O/D양과 지역별 영업용 차량의 도착 대수량과 행정구역별 인구수를 모두 종합하여 지역별로 가중치를 생성하는 시세 추정 가중치 생성부(410)와;
시세를 추정하기 위해 화물 운송 정보 내의 지역에 대하여 생성된 가중치를 적용하는 시세 추정 가중치 적용부(420)와;
검정 오차율 이하의 가중치의 비율을 조정하여 적용하는 시세 추정 가중치의 변동 비율 적용부(430)와;
시세 추정 가중치 및 상기 실거래 화물 운임과 추정 화물 운임 정보를 기초로 상기 화물 운임 시세 추정 모델을 생성하고 검증하는 모델링부(440)를 갖추어 구성된 것을 특징으로 하는 화물 운임 시세 추정 시스템.In the system for actively estimating the freight price price by using the interaction between the price calculation system and big data,
A terminal for transmitting and receiving cargo transport related information and estimated freight cost information;
An information acquisition unit for acquiring an actual transaction price of an actual transaction freight rate located within a predetermined area based on the freight transport subject to be evaluated and information related to freight transport;
An actual transaction price and price estimation price comparison and analysis unit that compares and analyzes the actual transaction price and the estimated market price within the tolerance of the test error rate of the actual transaction price and the estimated market price;
A market price estimation model generator for generating a model for estimating a market price by adjusting a price estimation weight and applying a change ratio;
A market price estimation unit that provides an optimal freight rate by using the actual transaction price of the acquired actual freight rate and information related to freight transport; It is made including,

The price estimation model generation unit 400,
A market price estimation weight generation unit 410 for generating a weight for each region by synthesizing all of the O/D amount, the number of arrivals of business vehicles for each region, and the number of populations for each administrative region when returning to each region to estimate the market price;
A market price estimation weight application unit 420 that applies a weight generated for a region in the freight transport information to estimate a market price;
A change ratio application unit 430 for adjusting and applying a ratio of weights below the test error rate;
A freight rate price estimation system comprising a modeling unit (440) for generating and verifying the freight rate price estimation model based on the price estimation weight and the actual freight rate and estimated freight rate information. 제 1 항에 있어서,
상기 실거래가·시세 추정가 비교분석부는,
소정 지역에 대하여 실거래 화물 운임과 시세 추정 운임 쌍을 생성하는 실거래가·시세 추정가 쌍 생성부(310)와;
각 실거래가·시세 추정가 쌍에 대하여 검정 오차율을 실시간으로 계산하는 실거래가·시세 추정가 쌍 오차율 비교부(320)와;
실시간으로 비교된 검정 오차율을 기준으로 검정 오차율이 검정기준 이하일 경우 시세 추정부(500)에 상기 검정 오차율을 유지하도록 하고, 상기 검정 오차율이 검정기준 초과일 경우에는 시세 추정 모델 생성 명령 및, 실거래가·시세 추정가 쌍 정보를 시세 추정 모델 생성 부(400)에 전달하는 실거래가·시세 추정가 쌍 분석부(330); 를 포함하여 구성됨을 특징으로 하는 화물 운임 시세 추정 시스템.The method of claim 1,
The actual transaction price and price estimate comparison and analysis unit,
An actual transaction price/price estimation price pair generation unit 310 for generating pairs of actual transaction freight rates and price estimation rates for a predetermined region;
An actual transaction price/market price estimation price pair error rate comparison unit 320 for calculating a test error rate for each actual transaction price/market price estimation price pair in real time;
Based on the test error rate compared in real time, if the test error rate is less than the test standard, the market price estimating unit 500 maintains the test error rate, and if the test error rate exceeds the test standard, the command to create a market price estimation model and the actual transaction price An actual transaction price/price estimator pair analysis unit 330 that transmits the price estimate pair information to the price estimation model generation unit 400; Cargo freight price estimation system, characterized in that configured to include. 삭제delete 삭제delete 삭제delete
KR1020180147417A 2018-11-26 2018-11-26 Automated freight fare recomandation system KR102174756B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180147417A KR102174756B1 (en) 2018-11-26 2018-11-26 Automated freight fare recomandation system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180147417A KR102174756B1 (en) 2018-11-26 2018-11-26 Automated freight fare recomandation system

Publications (2)

Publication Number Publication Date
KR20200061753A KR20200061753A (en) 2020-06-03
KR102174756B1 true KR102174756B1 (en) 2020-11-05

Family

ID=71087984

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180147417A KR102174756B1 (en) 2018-11-26 2018-11-26 Automated freight fare recomandation system

Country Status (1)

Country Link
KR (1) KR102174756B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102558105B1 (en) 2022-12-21 2023-07-24 (주)와이오엘 System and method for predicting sea freight based on artificial intelligence
KR102560210B1 (en) 2023-01-27 2023-07-27 (주)와이오엘 System for predicting freight rates of optimized import and export cargo transfort routes and providng customized customer managing services based on artificial intelligence
KR102560208B1 (en) 2023-01-27 2023-07-27 (주)와이오엘 System for predicting freight rates of optimized import and export cargo transfort routes
KR102565446B1 (en) 2023-01-27 2023-08-08 (주)와이오엘 System for predicting sea freight rates and providng customized customer managing services based on artificial intelligence

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950789A (en) * 2020-08-13 2020-11-17 王宗尧 Railway freight calculation system based on decision tree

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020004062A (en) * 2000-06-30 2002-01-16 김순철 A goods transporting system and the transporting method
KR20090103087A (en) * 2008-03-27 2009-10-01 연세대학교 산학협력단 Land Value Monitoring System and Method Thereof
KR20150116121A (en) * 2014-04-04 2015-10-15 아시아나아이디티 주식회사 System and method for estimating value of continuous dependent variable, system and method for estimating billing of air cargo

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102558105B1 (en) 2022-12-21 2023-07-24 (주)와이오엘 System and method for predicting sea freight based on artificial intelligence
KR102560210B1 (en) 2023-01-27 2023-07-27 (주)와이오엘 System for predicting freight rates of optimized import and export cargo transfort routes and providng customized customer managing services based on artificial intelligence
KR102560208B1 (en) 2023-01-27 2023-07-27 (주)와이오엘 System for predicting freight rates of optimized import and export cargo transfort routes
KR102565446B1 (en) 2023-01-27 2023-08-08 (주)와이오엘 System for predicting sea freight rates and providng customized customer managing services based on artificial intelligence

Also Published As

Publication number Publication date
KR20200061753A (en) 2020-06-03

Similar Documents

Publication Publication Date Title
KR102174756B1 (en) Automated freight fare recomandation system
Ghofrani et al. Recent applications of big data analytics in railway transportation systems: A survey
Serag et al. Model for quantifying the impact of change orders on project cost for US roadwork construction
KR101996797B1 (en) Method for providing transaction security analysis service for risk management in real estate transaction based on disclosure data and statistics
CN110400215B (en) Method and system for constructing enterprise family-oriented small micro enterprise credit assessment model
CN104766215B (en) A kind of comprehensive, various dimensions owner of cargo selects quantization method
Wang et al. Development of truck loading groups for the mechanistic-empirical pavement design guide
US20160162986A1 (en) Systems and methods for determining a value of commercial real estate
CN104240024A (en) Financial budget system and method based on B/S structure
Woldemariam et al. Estimating annual maintenance expenditures for infrastructure: Artificial neural network approach
Alasad et al. Dynamic demand risk assessment for toll road projects
CN113421165A (en) Method and system for evaluating and managing green financial products
JP6049799B2 (en) Management support program
WO2022067045A1 (en) Blockchain-based carbon credit database
Elwakil et al. Construction productivity fuzzy knowledge base management system
US20210312560A1 (en) Machine learning systems and methods for elasticity analysis
CN117391292A (en) Carbon emission energy-saving management analysis system and method
Kelley et al. Monitoring in small firms: Experimental evidence from Kenyan public transit
Zahed et al. Investment valuation of underground freight transportation systems under uncertainty
Zarembski et al. Correlating ballast volume deficit with the development of track geometry exceptions utilizing data science algorithm
Pavelková et al. Passenger car sales projections: Measuring the accuracy of a sales forecasting model
Siripongvakin et al. Infrastructure project investment decision timing using a real options analysis framework with Rainbow option
Kantianis Stochastic Socio-economic Ex-ante Evaluation of Road Transport Infrastructure Projects
de Sousa et al. Does the single currency a ect FDI? A gravity-like approach
CN112766734A (en) Multi-influence-factor small-micro enterprise credit line decision method and device

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right