KR102190392B1 - 기상 데이터 스마트 레시피 생성 방법 및 시스템 - Google Patents

기상 데이터 스마트 레시피 생성 방법 및 시스템 Download PDF

Info

Publication number
KR102190392B1
KR102190392B1 KR1020200119861A KR20200119861A KR102190392B1 KR 102190392 B1 KR102190392 B1 KR 102190392B1 KR 1020200119861 A KR1020200119861 A KR 1020200119861A KR 20200119861 A KR20200119861 A KR 20200119861A KR 102190392 B1 KR102190392 B1 KR 102190392B1
Authority
KR
South Korea
Prior art keywords
weather condition
condition attribute
weather
smart recipe
amount
Prior art date
Application number
KR1020200119861A
Other languages
English (en)
Inventor
김성곤
Original Assignee
주식회사 에스프렉텀
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 주식회사 에스프렉텀 filed Critical 주식회사 에스프렉텀
Priority to KR1020200119861A priority Critical patent/KR102190392B1/ko
Application granted granted Critical
Publication of KR102190392B1 publication Critical patent/KR102190392B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 사용자가 기상 데이터를 이용해 원하는 용도에 따른 스마트 레시피를 생성할 수 있는 방법 및 시스템에 관한 것으로, 사용자가 사용하고자하는 목적의 정보를 획득하고, 인공지능 학습을 통해 획득된 정보로부터 기상 상태에 따른 결과를 추정할 수 있도록 데이터를 가공해 스마트 레시피를 생성할 수 있는 방법 및 시스템에 관한 것으로, 사용자가 원하는 스마트 레시피의 대상의 정보를 입력받는 단계; 상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산하는 단계; 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정하는 단계; 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시하는 단계; 및 상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 제공하는 단계;를 포함하는 구성을 개시한다.

Description

기상 데이터 스마트 레시피 생성 방법 및 시스템{WEATHER DATA SMART RECIPE CREATION METHOD AND SYSTEM}
본 발명은 사용자가 기상 데이터를 이용해 원하는 용도에 따른 스마트 레시피를 생성할 수 있는 방법 및 시스템에 관한 것으로, 사용자가 사용하고자 하는 목적의 정보를 획득하고, 인공지능 학습을 통해 획득된 정보로부터 기상 상태에 따른 결과를 추정할 수 있도록 데이터를 가공해 스마트 레시피를 생성할 수 있는 방법 및 시스템에 관한 것이다.
오늘날에는 인터넷이나 신문 또는 텔레비전을 통해 쉽게 일기 예보를 접한다. 그런데 이러한 일기 예보가 잘못 보도되어 생활에서 불편을 겪거나 크고 작은 피해를 입는 경우가 많다. 과거에도 날씨 변화는 우리 삶에 많은 영향을 미쳤다. 심지어는 전쟁터에서 날씨의 변화가 승패를 결정짓는 중요한 요인이 되기도 하였다. 예를 들어, 뛰어난 지략가인 제갈 공명이 적벽 대전에서 남동풍을 이용하여 조조의 대군을 화공으로 불살랐다고 한다. 이것은 제갈 공명의 신통력이라기 보다는 그 무렵에 드물게 나타나는 날씨 변화를 이용한 것이었고, 그만큼 날씨를 예측하는 것은 큰 힘이 될 수 있다.
인간의 사회 활동이 과거보다 많아진 오늘날에 일기 예보에 관한 관심이 더욱 많아진 것은 당연한 일이다. 오늘날에는 소리 없는 전쟁터인 기업들의 마케팅에서도 날씨는 그 위력을 유감없이 발휘한다. 특히 계절에 따라 매출이 큰 영향을 받는 기업일수록 날씨 변화는 더 없이 중요한 판매 전략이 될 수도 있다. 예를 들어, 아이스크림이나 에어컨의 제조업자들은 여름철의 더위로 매출을 올릴 수 있을 것이다. 이 기업들에게는 정확한 일기 예보야말로 매출 상승을 위한 소중한 정보가 되는 것이다. 그 밖에 주변의 크고 작은 행사를 진행하는 데도 일기 예보는 매우 중요한 영향을 미치고 있다.
따라서, 사용자가 진행하고자 하는 행사, 판매하고자 하는 제품 등의 속성에 따라 날씨가 미치는 영향을 분석하고 추후 일기 예보 상으로 목적을 달성하기 위한 날짜를 찾아내기 위해 스마트 레시피를 생성하고, 이러한 스마트 레시피 생성 과정에서 복잡한 연산의 연산량을 감소시켜 시스템의 부하를 줄일 수 있는 기술이 필요한 실정이다.
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위한 것으로서, 사용자의 목적 달성을 위한 최적의 날씨를 찾기 위한 스마트 레시피를 생성할 수 있는 방법 및 시스템을 제공하고자 한다.
본 발명은 사용자의 목적 달성에 영향을 미치는 속성을 찾아내 연산량을 최소화하여 시스템의 부담을 줄일 수 있는 방법 및 시스템을 제공하고자 한다.
상기한 문제를 해결하기 위한 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 사용자가 원하는 스마트 레시피의 대상의 정보를 입력받는 단계; 상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산하는 단계; 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정하는 단계; 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시하는 단계; 및 상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 제공하는 단계;를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 상관 정보량 연산 단계는 적어도 하나 이상의 기상 상태 속성과 상기 대상의 상태를 매칭하는 단계; 상기 기상 상태 속성의 변동과 상기 대상의 상태의 변동의 상관 관계를 확률로 정의하여 학습하는 단계; 및 상기 확률에 따라 상기 스마트 레시피의 대상과 적어도 하나 이상의 상기 기상 상태 속성과의 상관 정보량을 연산하는 단계;를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 상관 정보량 연산 단계는 하기 수학식 1에 의해 연산되는 것을 특징으로 하는 주행 차량 정보 기반 기상 정보 분석 방법.
[수학식 1]
Figure 112020098897221-pat00001
(여기서, IG(S, A)는 상관 정보량, E(S)는 엔트로피 값, S는 이미 발생한 대상 상태의 모음, A는 기상 상태 속성이다.)
본 발명의 일 실시 예에 따르면, 상기 기상 상태 속성은 기온, 습도, 구름, 강우, 강설, 천둥, 번개, 풍속, 계절 중 적어도 하나 이상을 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 기상 상태 속성의 순위를 결정 단계는 복수의 상기 기상 상태 속성의 조합을 포함하는 순위를 결정하고, 상기 스마트 레시피를 제공 단계는 복수의 상기 기상 상태 속성의 조합에 따른 결과를 제공할 수 있다.
상기한 문제를 해결하기 위한 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 시스템은 사용자가 원하는 스마트 레시피의 대상의 정보를 입력받는 사용자 단말; 상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산하는 연산부; 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정하는 순위결정부; 상기 사용자 단말은, 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시하고, 상기 연산부는 상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 상기 사용자 단말을 통해 사용자에 제공할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 연산부는 적어도 하나 이상의 기상 상태 속성과 상기 대상의 상태를 매칭하고, 상기 기상 상태 속성의 변동과 상기 대상의 상태의 변동의 상관 관계를 확률로 정의하여 학습하고, 상기 확률에 따라 상기 스마트 레시피의 대상과 적어도 하나 이상의 상기 기상 상태 속성과의 상관 정보량을 연산할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 연산부는 상기 상관 정보량을 하기 수학식 1에 의해 연산하는 것을 특징으로 하는 주행 차량 정보 기반 기상 정보 분석 시스템.
[수학식 1]
Figure 112020098897221-pat00002
(여기서, IG(S, A)는 상관 정보량, E(S)는 엔트로피 값, S는 이미 발생한 대상 상태의 모음, A는 기상 상태 속성이다.)
본 발명의 일 실시 예에 따르면, 상기 기상 상태 속성은 기온, 습도, 구름, 강우, 강설, 천둥, 번개, 풍속, 계절 중 적어도 하나 이상을 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 순위 결정부는 복수의 상기 기상 상태 속성의 조합을 포함하는 순위를 결정하고, 상기 연산부는 복수의 상기 기상 상태 속성의 조합에 따른 결과를 연산하고 제공할 수 있다.
본 발명에 따르면, 사용자의 목적의 정보를 통해 상기 목적 달성을 위한 최적의 날씨를 찾기 위한 스마트 레시피를 생성할 수 있다.
또한, 사용자의 목적 달성에 영향을 미치는 속성을 찾아내 연산량을 최소화하여 시스템의 부담을 줄일 수 있다.
한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 기상 산업의 대표 업종별 분류이다.
도 2는 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법을 적용한 스마트 레시피의 일 예시이다.
도 3은 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 알고리즘도이다.
도 4는 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 시스템의 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 상관 정보량에 따른 의사결정트리의 일 예시이다.
도 6은 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법에서 상관 정보량 연산 방법의 흐름도이다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 '기상 데이터 스마트 레시피 생성 방법 및 시스템'을 상세하게 설명한다. 설명하는 실시 예들은 본 발명의 기술사상을 당업자가 용이하게 이해할 수 있도록 제공되는 것으로 이에 의해 본 발명이 한정되지 않는다. 또한, 첨부된 도면에 표현된 사항들은 본 발명의 실시 예들을 쉽게 설명하기 위해 도식화된 도면으로 실제로 구현되는 형태와 상이할 수 있다.
한편, 이하에서 표현되는 각구성부는 본 발명을 구현하기 위한 예일 뿐이다. 따라서, 본 발명의 다른 구현에서는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 다른 구성부가 사용될 수 있다.
또한, 각구성부는 순전히 하드웨어 또는 소프트웨어의 구성만으로 구현될 수도 있지만, 동일 기능을 수행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합으로 구현될 수도 있다. 또한, 하나의 하드웨어 또는 소프트웨어에 의해 둘 이상의 구성부들이 함께 구현될 수도 있다.
또한, 어떤 구성요소들을 '포함'한다는 표현은, '개방형'의 표현으로서 해당구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안된다.
도 1은 기상 산업의 대표 업종별 분류이고, 도 2는 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법을 적용한 스마트 레시피의 일 예시이다.
도 1 및 도 2를 참조하면, 국내 기상 산업 구조는 기상 기기 및 장치 업체를 중심으로 구성되어 있으며 기상 데이터를 활용한 컨설팅, 서비스 및 연구 분야 등을 포함하는 기상정보서비스 시장은 매우 취약한 상태이다.
국내에서도 사용자가 진행하고자 하는 행사, 판매하고자 하는 제품 등의 속성에 따라 날씨가 미치는 영향을 분석하고 추후 일기 예보 상으로 목적을 달성하기 위한 날짜를 찾아내기 위해 스마트 레시피를 생성하고, 이러한 스마트 레시피 생성 과정에서 복잡한 연산의 연산량을 감소시켜 시스템의 부하를 줄일 수 있는 기술에 대한 수요가 있고, 도 2와 같이 날씨를 예측해 최적의 결과를 제공하는 기술이 필요하다. 따라서, 분야 전문가, 스타트업 또는 일반 기업을 대상으로 산업 분야별 COI(Community of Interest)을 구성하여 운영하여 무엇을 필요로 하는지 이해하여 필요 수요를 확인하고 이로 인해 기상 데이터가 어떻게 활용될 때 가치를 가질 수 있을지를 정의하는 것이 필요하다.
도 3은 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 알고리즘도이다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 기상 데이터를 이용하여 스타트업이나 기업들의 수요 및 가치 실현을 빠르게 실행 및 확인 할 수 있도록 '기상 데이터', '수치모델 및 알고리즘', '시각화 방법' 등을 XML 기반의 기계가독형 형태로 작성, 실행 및 수정이 가능토록 구성한 실행형 포맷일 수 있다.
기상 데이터 스마트 레시피는 산업 분야별 COI(Community of Interest)를 통해 분야 전문가 및 기업들이 가지고 있는 지식, 경험 및 노하우를 활용하여 개발되며 기상 서비스 또는 소프트웨어 개발 초기에 요구되는 유사 시험 및 연구개발에 필요한 시간과 비용을 획기적으로 절감시키며 데이터 컨설팅 중 '비즈니스에 대한 이해 및 데이터에 대한 이해에 소요되는 시간(데이터 컨설팅 소요 시간 중 60% 정도)'을 단축
기상 데이터 스마트 레시피는 기상 서비스 시장뿐아니라 개발자 시장 또한 커버할 수 있는 비즈니스 모델로 기상전문가와 기업들의 지식 및 데이터 자산을 공유하여 개발하거나 기초원천/산업융합/공공활용으로 구분하여 기대 편익 적시할 수 있고,
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 기상 데이터 활용 과정을 XML 기반의 객체지향형 모델로 구성하여 이와 같은 별개로 진행되던 절차를 통합하여 일괄 처리 할 수 있도록 함은 물론이며 자신의 용도에 맞게 데이터, 수치모델 및 시각화 방법 등을 선택하여 관련 옵션 항목을 바꿔가며 자신의 요구사항을 만족하는 결과를 얻을 수 있도록 직접 실행하며 검증할 수 있도록 할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 스마트 레시피는 XML 기반의 객체지향형 모델로 구성되며 스마트 레시피의 일반 구성 항목을 정의하기 위해 XML 스키마를 사용하고 있으며 이에 대한 도식화는 UML 다이어그램을 이용하였다.
스마트 레시피는 크게 '레시피', '데이터' 및 '서비스'로 구성되는데 '레시피'는 레시피에 대한 이해 및 디스커버리를 위한 레시피 식별정보와 지재권 유무 또는 적용 플랫폼과 같은 제약조건을 명시하고 있는 부분과 사용자에게 제공될 수 있는 포맷을 명시하고 있는 부분이 있으며 레시피에서 가장 중요한 데이터 및 서비스를 명시하고 있는 레시피 사용법으로 구성될 수 있다.
스마트 레시피를 실행할 수 있도록 하는 '서비스'는 프로세스를 정의하여 데이터를 가지고 시각화를 할지 결과 확인을 위한 수치모델을 통한 시뮬레이션을 할지 결정할 수 있도록 구성되어 있으며 이 과정에서 적용되게 되는 수치모델 및 시각화 방법은 변경 또는 수정이 가능하도록 구성될 수 있고, 실행 루틴 구성은 'Python' 및 'Json'일 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 기상 데이터 스마트 레시피는 이와같은 기상 데이터 활용 과정을 XML 기반의 객체지향형 모델로 구성하여 이와 같은 별개로 진행되던 절차를 통합하여 일괄 처리 할 수 있도록 함은 물론이며 자신의 용도에 맞게 데이터, 수치모델 및 시각화 방법 등을 선택하여 관련 옵션 항목을 바꿔가며 자신의 요구사항을 만족하는 결과를 얻을 수 있도록 직접 실행하며 검증할 수 있다.
스마트 레시피는 산업분야에 범용적으로 적용될 수 있는 'General Recipe'에서 부터 특정 제품이나 기술 개발을 위해 사용되는 'Master Recipe' 또는 'Control Recipe'까지 수정 또는 새롭게 개발되며 재사용되며 진화할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 스마트 레시피 요청 단계, 스마트 레시피 적정성 판단 단계 및 스마트 레시피 실행 및 검진 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 아이디어&편익을 발견하고, 레시피 디스커버리/검토 후 레시피가 있으면 레시피 내용 및 편익 검토 후 레시피 적정성을 판단하고, 레시피 옵션 항목을 선택하게 한 후, 레시피 실행 및 결과를 검증하여 마스터 레시피 등록 및 배포버젼 생성을 할 수 있다. 아이디어&편익을 발견하고, 레시피 디스커버리/검토 후 레시피가 없으면 새로운 레시피를 생성하고, 레시피 적합성을 검증하고, 레시피 실행 및 결과를 검증하여 마스터 레시피 등록 및 배포버젼 생성을 할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 시스템의 블록도이다.
도 4를 참조하면, 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 시스템은 사용자단말(110), 데이터부(120), 연산부(130) 및 순위결정부(140)를 포함할 수 있다.
상기 사용자단말(110)은 사용자가 원하는 스마트 레시피의 대상의 정보를 입력 받을 수 있다. 상기 사용자단말(110)은 데스크탑, 랩탑, 스마트폰 중 어느 하나를 포함할 수 있고, 이에 한정되지 않고 사용자로부터 입력을 받고 결과물을 출력해 제공할 수 있는 단말기를 모두 포함할 수 있다.
상기 사용자단말(110)은 상기 스마트 레시피 대상의 정보를 입력 받으면 상기 데이터부(120), 연산부(130) 및 순위결정부(140) 중 적어도 하나 이상에 스마트 레시피의 제공을 요청할 수 있다.
상기 데이터부(120)는 기상 상태 및 그동안 일어난 모든 사건에 대한 데이터를 포함할 수 있다. 상기 데이터부(120)는 상기 연산부(130)에서 상관 정보량 연산 및 학습을 위한 데이터를 제공할 수 있다.
상기 연산부(130)는 상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산할 수 있다. 상기 상관 정보량은 상기 주행 정보의 속성에 따라 상기 기상 상태를 판단할 때 엔트로피를 의미할 수 있다.
상기 연산부(130)는 적어도 하나 이상의 기상 상태 속성과 상기 대상의 상태를 매칭할 수 있다. 상기 연산부(130)는 복수의 기상 상태 속성과 상기 대상의 상태를 매칭할 수 있다.
상기 연산부(130)는 상기 기상 상태 속성의 변동과 상기 대상의 상태의 변동의 상관 관계를 확률로 정의하여 학습할 수 있다. 상기 연산부(130)는 학습하여 정보량을 측정할 수 있다.
상기 연산부(130)는 상기 확률에 따라 상기 스마트 레시피의 대상과 적어도 하나 이상의 상기 기상 상태 속성과의 상관 정보량을 연산할 수 있다.
상기 연산부(130)는 상기 정보량은 상기 스마트 레시피의 대상과 상기 기상 상태와 관련성이 얼마나 있는지에 따라 달라지는 값으로 다음의 수학식 1에 의해 연산될 수 있다.
[수학식 1]
Figure 112020098897221-pat00003
여기서　p(x)는 사건　x가 발생할 확률이다. 발생할 확률이 1에 가까울수록 정보량은 0에 가까워지고, 발생할 확률이 0에 가까울수록 정보량은 무한히 커질 수 있다.
상기 연산부(130)에서 엔트로피는 정보량의 기댓값(평균)을 나타내는 것으로써, 엔트로피가 크다는 것은 평균 정보량이 크다는 것이며 불확실성이 크면 클수록 분류하기는 어려워지기 때문에 엔트로피가 가장 작은 것을 상위 의사 결정 노드에 위치시켜 연산량을 감소시킬 수 있다. 상기 엔트로피는 하기 수학식 2를 연산해 구할 수 있다.
[수학식 2]
Figure 112020098897221-pat00004
여기서　S는 이미 발생한 모든 사건의 모음을 의미하며　c는 사건의 개수를 의미할 수 있다.
상기 연산부(130)에서 상기 상관 정보량은 하기 수학식 3을 연산해 구할 수 있다.
[수학식 3]
Figure 112020098897221-pat00005
여기서 A는 속성을 의미하며　어떤 속성을 가지고 분류했을 때 가장 엔트로피가 작은지(즉, 정보획득량이 큰 것)를 판단할 수 있다.
상기 순위결정부(140)는 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정할 수 있다. 상기 순위결정부(140)는 상기 상관 정보량이 낮은 순서대로 순위를 결정할 수 있다. 상기 순위결정부(140)는 상기 상관 정보량이 낮은 상기 기상 상태 속성을 추천 우선순위에 둘 수 있다.
상기 사용자단말(110)은 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시할 수 있다. 상기 사용자는 상기 사용자단말(110)에서 제시된 적어도 하나 이상의 상기 기상 상태 속성 중 적어도 하나 이상을 스마트 레시피 생성을 위해 선택할 수 있다.
상기 사용자단말(110)은 상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 제공할 수 있다.
상기 기상 상태 속성은 기온, 습도, 구름, 강우, 강설, 천둥, 번개, 풍속, 계절 중 적어도 하나 이상을 포함할 수 있다.
상기 순위결정부(140)는 복수의 상기 기상 상태 속성의 조합을 포함하는 순위를 결정할 수 있다. 상기 순위결정부(140)는 인공지능 학습을 통해 복수의 상기 기상 상태 속성과 상기 스마트 레시피의 상관 정보량을 학습할 수 있다.
상기 사용자단말(110)은 복수의 상기 기상 상태 속성의 조합에 따른 스마트 레시피를 제공할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 상관 정보량에 따른 의사결정트리의 일 예시이다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 머신 러닝 알고리즘인 의사결정 트리를 이용하여 사용자가 원하는 기상 데이터 스마트 레시피를 추천하고 스마트 레시피를 구성하고 있는 수치모델의 변수 및 알고리즘을 선정토록 할 수 있다.
상기 의사결정 트리(Decision tree) 알고리즘은 변수들의 규칙 혹은 조건문을 토대로 자료를 나무의 가지 형태로 표현하며, 분리 규칙에 의해 서로 유사한 데이터들로 세분화하고 최종 분류 기준을 만족할 때까지 반복 이분할(binary recursive partitioning) 과정을 통해 각 단계에서 평균제곱오차(Mean Squared Error, MSE)를 최소화 하는 분기 변수 및 분기점을 찾아 데이터를 이분화하여 결과를 도출하는 알고리즘으로 대표적인 머신 러닝 알고리즘 중 하나일 수 있다.
상기 연산부(130)는 기상 데이터 스마트 레시피를 추천하기 위해 사용자의 원함을 식별하기 위해　질문을 제시하고 정보 이론의 정보량과 엔트로피를 활용하여 주어진 기상 데이터 집합을 가장 적합한 기준으로 분할하는 변수값을 선정하도록 할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법의 흐름도이고, 도 7은 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법에서 상관 정보량 연산 방법의 흐름도이다.
도 6 및 도 7을 참조하면, 본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 사용자가 원하는 스마트 레시피의 대상의 정보를 입력받는 단계(S110)를 포함할 수 있다.
S110 단계에서, 상기 사용자단말(110)은 사용자가 원하는 스마트 레시피의 대상의 정보를 입력 받을 수 있다. 상기 사용자단말(110)은 데스크탑, 랩탑, 스마트폰 중 어느 하나를 포함할 수 있고, 이에 한정되지 않고 사용자로부터 입력을 받고 결과물을 출력해 제공할 수 있는 단말기를 모두 포함할 수 있다.
S110 단계에서, 상기 사용자단말(110)은 상기 스마트 레시피 대상의 정보를 입력 받으면 상기 데이터부(120), 연산부(130) 및 순위결정부(140) 중 적어도 하나 이상에 스마트 레시피의 제공을 요청할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산하는 단계(S120)를 포함할 수 있다.
S120 단계에서, 상기 연산부(130)는 상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산할 수 있다. 상기 상관 정보량은 상기 주행 정보의 속성에 따라 상기 기상 상태를 판단할 때 엔트로피를 의미할 수 있다.
S121 단계에서, 상기 연산부(130)는 적어도 하나 이상의 기상 상태 속성과 상기 대상의 상태를 매칭할 수 있다. 상기 연산부(130)는 복수의 기상 상태 속성과 상기 대상의 상태를 매칭할 수 있다.
S122 단계에서, 상기 연산부(130)는 상기 기상 상태 속성의 변동과 상기 대상의 상태의 변동의 상관 관계를 확률로 정의하여 학습할 수 있다. 상기 연산부(130)는 학습하여 정보량을 측정할 수 있다.
S123 단계에서, 상기 연산부(130)는 상기 확률에 따라 상기 스마트 레시피의 대상과 적어도 하나 이상의 상기 기상 상태 속성과의 상관 정보량을 연산할 수 있다.
S120 단계에서, 상기 연산부(130)는 상기 정보량은 상기 스마트 레시피의 대상과 상기 기상 상태와 관련성이 얼마나 있는지에 따라 달라지는 값으로 다음의 수학식 1에 의해 연산될 수 있다.
[수학식 1]
Figure 112020098897221-pat00006
여기서　p(x)는 사건　x가 발생할 확률이다. 발생할 확률이 1에 가까울수록 정보량은 0에 가까워지고, 발생할 확률이 0에 가까울수록 정보량은 무한히 커질 수 있다.
S120 단계에서, 상기 연산부(130)에서 엔트로피는 정보량의 기댓값(평균)을 나타내는 것으로써, 엔트로피가 크다는 것은 평균 정보량이 크다는 것이며 불확실성이 크면 클수록 분류하기는 어려워지기 때문에 엔트로피가 가장 작은 것을 상위 의사 결정 노드에 위치시켜 연산량을 감소시킬 수 있다. 상기 엔트로피는 하기 수학식 2를 연산해 구할 수 있다.
[수학식 2]
Figure 112020098897221-pat00007
여기서　S는 이미 발생한 모든 사건의 모음을 의미하며　c는 사건의 개수를 의미할 수 있다.
S120 단계에서, 상기 연산부(130)에서 상기 상관 정보량은 하기 수학식 3을 연산해 구할 수 있다.
[수학식 3]
Figure 112020098897221-pat00008
여기서 A는 속성을 의미하며　어떤 속성을 가지고 분류했을 때 가장 엔트로피가 작은지(즉, 정보획득량이 큰 것)를 판단할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정하는 단계(S130)를 포함할 수 있다.
S130 단계에서, 상기 순위결정부(140)는 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정할 수 있다. 상기 순위결정부(140)는 상기 상관 정보량이 낮은 순서대로 순위를 결정할 수 있다. 상기 순위결정부(140)는 상기 상관 정보량이 낮은 상기 기상 상태 속성을 추천 우선순위에 둘 수 있다.
S130 단계에서, 상기 순위결정부(140)는 복수의 상기 기상 상태 속성의 조합을 포함하는 순위를 결정할 수 있다. 상기 순위결정부(140)는 인공지능 학습을 통해 복수의 상기 기상 상태 속성과 상기 스마트 레시피의 상관 정보량을 학습할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시하는 단계(S140)를 포함할 수 있다.
S140 단계에서, 상기 사용자단말(110)은 상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시할 수 있다. 상기 사용자는 상기 사용자단말(110)에서 제시된 적어도 하나 이상의 상기 기상 상태 속성 중 적어도 하나 이상을 스마트 레시피 생성을 위해 선택할 수 있다.
S140 단계에서, 상기 기상 상태 속성은 기온, 습도, 구름, 강우, 강설, 천둥, 번개, 풍속, 계절 중 적어도 하나 이상을 포함할 수 있다.
본 발명의 일 실시 예에 따른 기상 데이터 스마트 레시피 생성 방법은 상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 제공하는 단계(S150)를 포함할 수 있다.
S150 단계에서, 상기 사용자단말(110)은 상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 제공할 수 있다.
S150 단계에서, 상기 사용자단말(110)은 복수의 상기 기상 상태 속성의 조합에 따른 스마트 레시피를 제공할 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통 상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (10)

  1. 사용자가 원하는 스마트 레시피의 대상의 정보를 입력받는 단계;
    상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산하는 단계;
    상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정하는 단계;
    상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시하는 단계; 및
    상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 제공하는 단계;를 포함하고,
    상기 상관 정보량 연산 단계는,
    적어도 하나 이상의 기상 상태 속성과 상기 대상의 상태를 매칭하는 단계;
    상기 기상 상태 속성의 변동과 상기 대상의 상태의 변동의 상관 관계를 확률로 정의하여 학습하는 단계; 및
    상기 확률에 따라 상기 스마트 레시피의 대상과 적어도 하나 이상의 상기 기상 상태 속성과의 상관 정보량을 연산하는 단계;를 포함하고,
    상기 상관 정보량 연산 단계는,
    하기 수학식 1에 의해 연산되는 기상 데이터 스마트 레시피 생성 방법.
    [수학식 1]
    Figure 112020129328595-pat00018

    (여기서, IG(S, A)는 상관 정보량, E(S)는 엔트로피 값, S는 이미 발생한 대상 상태의 모음, A는 기상 상태 속성이다.)
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 기상 상태 속성은,
    기온, 습도, 구름, 강우, 강설, 천둥, 번개, 풍속, 계절 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 기상 데이터 스마트 레시피 생성 방법.
  5. 제4항에 있어서,
    상기 기상 상태 속성의 순위를 결정 단계는,
    복수의 상기 기상 상태 속성의 조합을 포함하는 순위를 결정하고,
    상기 스마트 레시피를 제공 단계는,
    복수의 상기 기상 상태 속성의 조합에 따른 결과를 제공하는 것을 특징으로 하는 기상 데이터 스마트 레시피 생성 방법.
  6. 사용자가 원하는 스마트 레시피의 대상의 정보를 입력받는 사용자 단말;
    상기 스마트 레시피의 대상과 적어도 하나 이상의 기상 상태 속성과의 상관 관계를 학습하고, 상관 정보량을 연산하는 연산부;
    상기 상관 정보량에 따른 상기 기상 상태 속성의 순위를 결정하는 순위결정부;
    상기 사용자 단말은,
    상기 상관 정보량에 따른 상기 기상 상태 속성의 순위에 따라 상기 기상 상태 속성을 상기 사용자에 제시하고,
    상기 연산부는,
    상기 사용자에 의해 선택된 상기 기상 상태 속성에 따른 상기 스마트 레시피를 상기 사용자 단말을 통해 사용자에 제공하고,
    상기 연산부는,
    적어도 하나 이상의 기상 상태 속성과 상기 대상의 상태를 매칭하고, 상기 기상 상태 속성의 변동과 상기 대상의 상태의 변동의 상관 관계를 확률로 정의하여 학습하고, 상기 확률에 따라 상기 스마트 레시피의 대상과 적어도 하나 이상의 상기 기상 상태 속성과의 상관 정보량을 연산하고,
    상기 연산부는,
    상기 상관 정보량을 하기 수학식 1에 의해 연산하는 것을 특징으로 하는 기상 데이터 스마트 레시피 생성 시스템.
    [수학식 1]
    Figure 112020129328595-pat00019

    (여기서, IG(S, A)는 상관 정보량, E(S)는 엔트로피 값, S는 이미 발생한 대상 상태의 모음, A는 기상 상태 속성이다.)
  7. 삭제
  8. 삭제
  9. 제6항에 있어서,
    상기 기상 상태 속성은,
    기온, 습도, 구름, 강우, 강설, 천둥, 번개, 풍속, 계절 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 기상 데이터 스마트 레시피 생성 시스템.
  10. 제9항에 있어서,
    순위 결정부는,
    복수의 상기 기상 상태 속성의 조합을 포함하는 순위를 결정하고,
    상기 연산부는,
    복수의 상기 기상 상태 속성의 조합에 따른 결과를 연산하고 제공하는 것을 특징으로 하는 기상 데이터 스마트 레시피 생성 시스템.
KR1020200119861A 2020-09-17 2020-09-17 기상 데이터 스마트 레시피 생성 방법 및 시스템 KR102190392B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200119861A KR102190392B1 (ko) 2020-09-17 2020-09-17 기상 데이터 스마트 레시피 생성 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200119861A KR102190392B1 (ko) 2020-09-17 2020-09-17 기상 데이터 스마트 레시피 생성 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102190392B1 true KR102190392B1 (ko) 2020-12-11

Family

ID=73786281

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200119861A KR102190392B1 (ko) 2020-09-17 2020-09-17 기상 데이터 스마트 레시피 생성 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102190392B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120072951A (ko) * 2010-12-24 2012-07-04 삼성전자주식회사 변수 조합을 이용한 확률 그래프 모델 생성 장치 및 변수 조합 결정 방법
KR20160064304A (ko) * 2014-11-27 2016-06-08 주식회사 포워드벤처스 기상예보에 기반한 아이템 추천 시스템, 방법, 및 기상예보에 기반한 아이템 추천 방법을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터 판독가능한 기록매체
KR20170118297A (ko) * 2016-04-14 2017-10-25 주식회사 나우드림 기상 정보에 기반한 상품 추천 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120072951A (ko) * 2010-12-24 2012-07-04 삼성전자주식회사 변수 조합을 이용한 확률 그래프 모델 생성 장치 및 변수 조합 결정 방법
KR20160064304A (ko) * 2014-11-27 2016-06-08 주식회사 포워드벤처스 기상예보에 기반한 아이템 추천 시스템, 방법, 및 기상예보에 기반한 아이템 추천 방법을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터 판독가능한 기록매체
KR20170118297A (ko) * 2016-04-14 2017-10-25 주식회사 나우드림 기상 정보에 기반한 상품 추천 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
신성호 외 7, ‘딥러닝을 활용한 날씨 빅데이터와 소상공인 매출 분석’, 한국과학기술정보연구원, 페이지 1-70, (2016.10.31.) *

Similar Documents

Publication Publication Date Title
Aguilar et al. A systematic literature review on the use of artificial intelligence in energy self-management in smart buildings
Oliveira et al. Power system security assessment for multiple contingencies using multiway decision tree
US10664931B2 (en) Data analyzing system and method
US20160077538A1 (en) Load forecasting for residential sector demand response
Giannelos et al. Option value of demand-side response schemes under decision-dependent uncertainty
Khan et al. Load prediction based on multivariate time series forecasting for energy consumption and behavioral analytics
US9625171B2 (en) Optimized precooling of structures
EP4283511A1 (en) Information processing method and device, server and user equipment
Jain et al. Electricity consumption forecasting using time series analysis
Trueman et al. A graph-based method for ranking of cloud service providers
Önder et al. Classification of smart grid stability prediction using cascade machine learning methods and the internet of things in smart grid
Qiao et al. Predicting building energy consumption based on meteorological data
Song et al. Dynamic thermal line rating model of conductor based on prediction of meteorological parameters
KR102190392B1 (ko) 기상 데이터 스마트 레시피 생성 방법 및 시스템
Zhang et al. Privacy Preserving Demand Side Management Method via Multi-Agent Reinforcement Learning
Razi A Hybrid Grey Relational Analysis and Nondominated Sorting Genetic Algorithm‐II for Project Portfolio Selection
Xin et al. Piecewise affine approximations for quality modeling and control of perishable foods
Kumar et al. Strategic demand response framework for energy management in distribution system based on network loss sensitivity
CN115619503A (zh) 一种物品推荐方法、装置、存储介质和计算机设备
Pandey et al. A unified strategy for forecasting of a new product
Mohan et al. A Comprehensive Review of Various Machine Learning Techniques used in Load Forecasting
Han et al. Predicting energy use in construction using Extreme Gradient Boosting
Mousavi Ziabari et al. Prediction using long short‐term memory networks in the service of designing a novel pricing policy for smart grid
Xu et al. Optimal scheduling of discrete-time switched linear systems
CN112380700A (zh) 服务型制造模式下产品服务配置和定价方法及介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Publication of correction