KR102199087B1 - 빅데이터 기반 여행 수요 예측 방법 및 이를 위한 장치 - Google Patents

Abstract

본 발명은 수요 예측 서버가 빅데이터를 기반으로 여행 수요를 예측하는 방법을 개시한다. 특히, 상기 방법은 여행지에 대한 n 년 간의 월별 항공권 판매량 수를 수집하고, 포털 서버로부터 상기 여행지에 대한 항공권 검색 수 및 상기 여행지에 대해 검색된 항공권들의 출발일 및 도착일 정보를 수집하고, 상기 항공권들을 항공사 별로 분류하고, 상기 포털 서버로부터 획득된 항공사 선호도를 기반으로 상기 항공권들 각각에 제 1 가중치를 부가하고, 상기 월별 항공권 판매량 수, 출발일 및 도착일 정보 및 상기 항공권들 각각에 대한 제 1 가중치를 기반으로 항공사 별 여행 수요를 예측하는 것을 특징으로 한다.

Description

빅데이터 기반 여행 수요 예측 방법 및 이를 위한 장치 {METHOD AND APPARATUS FOR FORECASTING TRAVEL DEMAND BASED ON BIGDATA}

본 발명은 빅데이터 기반 여행 수요 예측 방법 및 이를 위한 장치에 관한 것으로서, 더욱 상세하게는, 여행사에서 미리 항공권을 선점할 때, 여행 수요 예측을 기반으로 구매해야 할 항공권 및 해당 항공권의 개수를 결정하는 방법 및 이를 위한 장치에 관한 것이다.

2030년이면 전 세계의 해외여행객 수는 연간 24억 명, 소비 규모는 2조 6천억 달러에 달하면서 여행 산업은 지속적으로 성장할 전망이며, 주로 중국, 프랑스, 미국이 그 수혜를 입을 것으로 예상된다. 또한, 미국, 일본 및 유로존 등 주요 경제국의 경제 전망이 개선됨에 따라,　2018년 해외여행객 수는 5% 증가한 14억 명에 달할 것으로 예상된다.

디지털 기술 발전과 모바일 판매로 인해 판매 채널이 옮겨감에 따라　여행 중개업체(이하, '여행사')는 2018년부터 2023년까지 연평균 5.6%의 높은 성장률을 보이며, 시장 규모도 2천억 달러를 상회할 것으로 전망된다.

한편, 여행사의 경우, 각 항공사의 티켓을 대량으로 구매한 이후, 이를 소비자들에게 재판매하고 있는데, 대량으로 구매한 티켓이 다 팔리지 않거나, 특정 목적지의 티켓을 적게 구매하여 수요를 따라잡지 못하는 경우가 많다.

따라서, 여행사에서 소비자의 여행 수요를 예측하여 각 항공사의 티켓을 정확하게 구매하기 위한 예측 시스템이 필요한 실정이다.

한국공개특허 제10-2015-0097912호 (명칭: 빅데이터를 활용한 블로그 기반의 여행정보 제공방법, 2015.08.27.)

본 발명은 빅데이터 기반 여행 수요 예측 방법 및 이를 위한 장치를 제공하고자 한다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 실시 예에 따른 수요 예측 서버가 빅데이터를 기반으로 여행 수요를 예측하는 방법에 있어서, 여행지에 대한 n 년 간의 월별 항공권 판매량 수를 수집하고, 포털 서버로부터 상기 여행지에 대한 항공권 검색 수 및 상기 여행지에 대해 검색된 항공권들의 출발일 및 도착일 정보를 수집하고, 상기 항공권들을 항공사 별로 분류하고, 상기 포털 서버로부터 획득된 항공사 선호도를 기반으로 상기 항공권들 각각에 제 1 가중치를 부가하고, 상기 월별 항공권 판매량 수, 출발일 및 도착일 정보 및 상기 항공권들 각각에 대한 제 1 가중치를 기반으로 항공사 별 여행 수요를 예측할 수 있다.

이 때, 상기 포털 서버로부터 SNS (Social Network Service) 및 블로그에서의 상기 여행지에 대한 컨텐츠의 총 업로드 수, 일정 기간 동안의 업로드 수 및 최근 m 개월 동안 업로드된 컨텐츠의 증가율을 수집하고, 상기 여행 수요를 예측하는 것은, 상기 총 업로드 수, 상기 일정 기간의 업로드 수 및 상기 증가율을 더 고려하여 여행 수요를 예측할 수 있다.

또한, 상기 증가율이 제 1 임계치 이상이면, 상기 여행지에 1보다 높은 가중치를 부여하고, 상기 증가율이 상기 제 1 임계치 미만이면, 상기 여행지에 1보다 낮은 가중치를 부여하며, 상기 여행지가 한국을 기준으로 일정 거리 이내에 위치하면, 상기 여행지의 컨텐츠의 (총 업로드 수 - 상기 일정 기간 동안의 업로드 수)에 1의 가중치를 부가하고, 상기 여행지가 한국을 기준으로 상기 일정 거리 밖에 위치하면, 상기 여행지의 컨텐츠의 (총 업로드 수 - 상기 일정 기간 동안의 업로드 수)에 1보다 낮은 가중치를 부여할 수 있다.

또한, 상기 포털 서버로부터 미디어 매체들에 상기 여행지가 노출된 총 횟수 및 최근 m 개월 동안 노출된 횟수를 수집하고, 상기 여행 수요를 예측하는 것은, 상기 여행지가 노출된 총 횟수 및 상기 최근 m 개월 동안 노출된 횟수를 더 고려하여 여행 수요를 예측할 수 있다.

또한, 상기 여행지가 노출된 미디어 매체의 프로그램이 여행 관련 프로그램이고, 상기 프로그램의 평균 시청률 또는 평균 화제성이 제 2 임계치 이상인 경우, 상기 여행지에 제 2 가중치를 부여하고, 상기 프로그램이 여행 관련 프로그램이 아니고, 상기 프로그램의 평균 시청률 또는 평균 화제성이 제 2 임계치 이상인 경우, 상기 여행지에 제 3 가중치를 부여하고, 상기 프로그램이 여행 관련 프로그램이 아니고, 상기 프로그램의 평균 시청률 또는 평균 화제성이 제 2 임계치 미만인 경우, 상기 여행지에 제 4 가중치를 부여하며, 상기 제 2 가중치는 상기 제 3 가중치보다 높고, 상기 제 3 가중치는 상기 제 4 가중치보다 높을 수 있다.

또한, 상기 여행 수요를 예측하는 것은, 상기 여행지의 여행 경보 단계가 철수 권고 또는 여행 금지 상태인 경우, 상기 여행 수요를 0으로 예측할 수 있다.

또한, 상기 여행 수요를 예측하는 것은, 상기 여행지가 최종 목적지인 경우, 상기 여행지에 1의 가중치를 부여하고, 상기 여행지가 경유지이고, 상기 여행지에서의 스탑오버가 없었으면, 상기 여행지에 0의 가중치를 부여하고, 상기 여행지가 경유지이고, 상기 여행지에서의 스탑오버가 있었다면, 상기 여행지에 0과 1 사이의 가중치를 부여하는 것을 기반으로 상기 여행 수요를 예측할 수 있다.

또한, 지도 제공 서버로부터 사용자들이 '가고 싶은 장소'로 표시한 여행지들 및 '방문한 장소'로 표시한 여행지들에 대한 정보를 수집하고, 상기 여행 수요를 예측하는 것은, 상기 여행지가 상기 '가고 싶은 장소'로 제 1 수 이상 포함되거나 최근 m 개월 내에 상기 '방문한 장소'로 제 2 수 이상 포함된 경우, 상기 여행지에 1보다 높은 가중치를 부여하고, 상기 여행지가 상기 최근 m 개월 내에 상기 '방문한 장소'로 제 2 수 미만 포함된 경우, 상기 여행지에 1 보다 낮은 가중치를 부여하는 것을 기반으로 상기 여행 수요를 예측할 수 있다.

또한, 상기 여행 수요를 예측하는 것은, 지도 제공 서버로부터 사용자들이 최근 m 개월 내에 정기적으로 방문한 특정 장소에 대한 정보를 수집하고, 상기 특정 장소에 관련된 상기 사용자들의 취미 정보를 추출하고, 상기 취미 정보와 관련된 관련 여행지들을 추출하고, 상기 관련 여행지들에 상기 여행지가 포함되어 있으면, 상기 여행지에 1보다 높은 가중치를 부여할 수 있다.

본 발명에 따른 빅데이터를 기반으로 여행 수요를 예측하기 위한 수요 예측 서버에 있어서, 포털 서버 및 지도 제공 서버와 각종 데이터를 송수신하는 통신 모듈; 상기 각종 데이터를 저장하는 저장 모듈; 및 상기 통신 모듈 및 상기 저장 모듈과 연동되어, 상기 수요 예측 서버의 동작을 제어하는 제어 모듈;을 포함하고, 상기 제어 모듈은, 여행지에 대한 n 년 간의 월별 항공권 판매량 수를 수집하고, 포털 서버로부터 상기 여행지에 대한 항공권 검색 수 및 상기 여행지에 대해 검색된 항공권들의 출발일 및 도착일 정보를 수집하고, 상기 항공권들을 항공사 별로 분류하고, 상기 포털 서버로부터 획득된 항공사 선호도를 기반으로 상기 항공권들 각각에 제 1 가중치를 부가하고, 상기 월별 항공권 판매량 수, 출발일 및 도착일 정보 및 상기 항공권들 각각에 대한 제 1 가중치를 기반으로 항공사 별 여행 수요를 예측할 수 있다.

본 발명에 따르면, 소비자들의 여행 수요를 정확하게 예측하여, 여행사에서 소비자에게 판매하기 위한 항공권의 개수를 정확하게 추정할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1 은 본 발명의 실시 예에 따른 빅데이터 기반 여행 수요 예측 시스템을 설명하기 위한 도면이다.
도 2 내지 도 3은 본 발명의 실시 예에 따른 포털 서버와 연동하여 여행 수요를 예측하는 방법을 설명하기 위한 도면이다.
도 4 내지 도 5는 본 발명의 실시 예에 따른 지도 제공 서버와 연동하여 여행 수요를 예측하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 실시 예에 따른 단말 장치의 구성을 나타내는 블록도이다.
도 7은 본 발명의 실시 예에 따른 수요 예측 서버의 구성을 나타내는 블록도이다.

본 발명의 과제 해결 수단의 특징 및 이점을 보다 명확히 하기 위하여, 첨부된 도면에 도시된 본 발명의 특정 실시 예를 참조하여 본 발명을 더 상세하게 설명한다.

다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

이하의 설명 및 도면에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

또한, 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하기 위해 사용하는 것으로, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 뿐, 상기 구성요소들을 한정하기 위해 사용되지 않는다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다.

또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 본 명세서에서 기술되는 "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 명세서에 기재된 "부", "기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 발명을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

상술한 용어들 이외에, 이하의 설명에서 사용되는 특정 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

아울러, 본 발명의 범위 내의 실시 예들은 컴퓨터 실행가능 명령어 또는 컴퓨터 판독가능 매체에 저장된 데이터 구조를 가지거나 전달하는 컴퓨터 판독가능 매체를 포함한다. 이러한 컴퓨터 판독가능 매체는, 범용 또는 특수 목적의 컴퓨터 시스템에 의해 액세스 가능한 임의의 이용 가능한 매체일 수 있다. 예로서, 이러한 컴퓨터 판독 가능 매체는 RAM, ROM, EPROM, CD-ROM 또는 기타 광 디스크 저장장치, 자기 디스크 저장장치 또는 기타 자기 저장장치, 또는 컴퓨터 실행가능 명령어, 컴퓨터 판독가능 명령어 또는 데이터 구조의 형태로 된 소정의 프로그램 코드 수단을 저장하거나 전달하는 데에 이용될 수 있고, 범용 또는 특수 목적 컴퓨터 시스템에 의해 액세스 될 수 있는 임의의 기타 매체와 같은 물리적 저장 매체를 포함할 수 있지만, 이에 한정되지 않는다.

아울러, 본 발명은 퍼스널 컴퓨터, 랩탑 컴퓨터, 핸드헬드 장치, 멀티프로세서 시스템, 마이크로프로세서-기반 또는 프로그램 가능한 가전제품(programmable consumer electronics), 네트워크 PC, 미니컴퓨터, 메인프레임 컴퓨터, 모바일 전화, PDA, 페이저(pager) 등을 포함하는 다양한 유형의 컴퓨터 시스템 구성을 가지는 네트워크 컴퓨팅 환경에서 실시될 수 있다. 본 발명은 또한 네트워크를 통해 유선 데이터 링크, 무선 데이터 링크, 또는 유선 및 무선 데이터 링크의 조합으로 링크된 로컬 및 원격 컴퓨터 시스템 모두가 태스크를 수행하는 분산형 시스템 환경에서 실행될 수 있다. 분산형 시스템 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치에 위치될 수 있다.

또한, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

본 개시의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.

이제, 본격적으로 본 발명의 실시 예에 따른 육아 보조 서비스 제공 방법에 대해 살펴보도록 한다.

도 1은 본 발명에 따른 여행 수요 예측 서비스를 제공하기 위한 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 본 발명의 실시 예에 따른 여행 수요 예측 서비스를 제공하기 위한 시스템은 통신망(100), 단말 장치(200), 수요 예측 서버(300), 포털 서버(400) 및 지도 제공 서버(500)를 포함하여 구성될 수 있다.

여기서, 단말 장치(200)는 수요 예측 서버(300)와 통신망(100)을 통해 연동될 수 있다. 이 때, 통신망(100)은 무선 통신망일 수 있다. 예를 들어, 해당 무선 통신망은 LTE (Long Term Evolution), 5G (5 Generation) 및 WiFi 등을 이용하는 무선 통신망일 수 있다.

한편, 수요 예측 서버(300)는 포털 서버(400) 및 지도 제공 서버(500)와 무선 통신망을 통해 연동될 수 있으나, 유선 통신망을 통해 연동될 수도 있다. 또한, 유무선 통신망이 결합된 형태로 수요 예측 서버(300)와 포털 서버(400) 및 지도 제공 서버(500) 간에 각종 데이터 등을 송수신할 수 있다. 여기서, 수요 예측 서버(300)와 포털 서버(400) 및 지도 제공 서버(500) 간에 송수신하는 각종 데이터의 예시는 후술하는 본 발명의 실시 예들에 따를 수 있다.

본 발명의 단말 장치(200)는 사용자의 조작에 따라 통신망(100)을 경유하여 각종 데이터를 송수신할 수 있는 사용자의 장치를 의미한다. 이러한 단말 장치(200)는 통신망(100)을 통하여 음성 또는 데이터 통신을 수행할 수 있으며, 수요 예측 서버(300)와 통신망(100)을 통해 정보를 송수신 할 수 있다. 이를 위한 본 발명의 단말 장치(200)는 수요 예측 서버(300)와 데이터를 송수신하기 위한 프로그램 및 프로토콜을 저장하는 메모리, 각종 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비할 수 있다.

이러한 단말 장치(200)는 우선적으로 통신망(100)에 접속된 어플리케이션(이하, '앱') 제공 장치(미도시) 예컨대, 앱 스토어 등에 접속을 수행하고 해당 앱 스토어로부터 수요 예측 서비스를 위한 앱을 수신하여 설치할 수 있다.

또한, 이러한 단말 장치(200)는 다양한 형태로 구현될 수 있다. 예를 들어, 본 명세서에서 기술되는 단말 장치(200)는 스마트 폰(smart phone), 타블렛 PC(Tablet PC), PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), MP3 Player 등의 이동 단말기는 물론, 스마트 TV(Smart TV), 데스크탑 컴퓨터 등과 같은 고정 단말기가 사용될 수도 있다.

또한, 본 발명의 단말 장치(200)는 디지털 기기의 컨버전스(convergence) 추세에 따라 휴대 기기의 변형이 매우 다양하여 모두 열거할 수는 없으나, 상기 언급된 유닛들과 동등한 수준의 유닛이 본 발명에 따른 단말 장치(200)로 사용될 수 있으며, 본 발명에 따른 수요 예측 서비스에 관련된 앱을 다운 및 설치할 수 있는 장치라면, 그 어떠한 장치도 본 발명의 실시 예에 따른 단말 장치(200)로 이용될 수 있다.

수요 예측 서버 (300)는 본 발명의 실시 예에 따른 추천 동영상 제공 서비스를 위한 각종 데이터 및 정보를 포털 서버(400), 지도 제공 서버(500) 및 단말 장치(200)와 송수신하고, 상기 각종 데이터 및 정보를 기반으로 여행 수요를 예측하기 위한 서버 장치이다.

포털 서버(400)는 수요 예측 서버(300)에게 SNS (Social Network Service) 및 블로그에 개시된 여행지에 대한 컨텐츠와 관련된 정보를 전송하거나, 수요 예측 서버(300)가 상기 컨텐츠와 관련된 정보를 수요 예측 서버(300)가 추출하기 위하여 여행지에 대한 컨텐츠를 전송하기 위한 서버이다.

지도 제공 서버(500)는 수요 예측 서버(300)에게 지도 제공 서버(500)에서 제공하는 지도 어플리케이션을 통해 사용자들이 지정한'가고 싶은 장소' 및 '방문한 장소'등, 사용자들이 지도 어플리케이션에 표시해 놓은 여행 관련 정보를 전송하기 위한 서버이다.

이제, 도 2 내지 도 5를 기반으로 본 발명의 실시 예에 따른 여행 수요 예측 서비스를 제공하는 방법에 대해서 구체적으로 살펴보도록 한다.

도 2는 본 발명의 실시 예에 따라 수요 예측 서버(300)가 여행지에 대한 항공사 별 여행 수요를 예측하기 위한 방법에 대한 실시 예이다. 이하, 도 2에 설명에 따른 실시 예들은 특별한 개시가 없는 한 수요 예측 서버(300)에 의해 수행되고 실행된다.

도 2를 참조하면, 수요 예측 서버(300)는 특정 여행지에 대한 현재로부터 과거 수년 간의 월별 항공권 판매량 수를 수집할 수 있다(S205). 이 때, 상기 월별 항공권 판매량 수는 수요 예측 서버(300)에 기 저장되어 있을 수도 있고, 포털 서버(400)로부터 수신할 수도 있으며, 별도의 서버(미도시)를 통해 수신할 수도 있다.

또한, 수요 예측 서버(300)는 포털 서버(400)로부터 소비자들이 해당 여행지로 가기 위한 항공권을 검색한 검색 횟수 및 상기 검색한 항공권들의 출발일과 도착일에 대한 정보를 수집할 수 있다(S210). 그리고 검색된 항공권들을 항공사 별로 분류하고, 항공사 선호도에 대한 정보를 포털 서버(400)로부터 수신하여 항공사 선호도를 기반으로 상기 항공권 각각에 대한 가중치를 부여한다(S215). 예를 들어, A 항공사의 선호도가 50%, B 항공사의 선호도가 30% 및 C 항공사의 선호도가 20%라고 가정하면, A 항공사의 항공권에는 2의 가중치를 B 항공사의 항공권에는 1의 가중치를, C 항공사의 항공권에는 0.5의 가중치를 부여할 수 있다. 이러한 경우, 상대적으로 선호도가 높은 A 항공사의 수요가 높게 예측되어, 소비자에게 선호도가 높은 항공사의 항공권을 판매할 수 있어, 항공권 판매 증가에 도움이 될 수 있다.

한편, 특정 여행지가 최근에 소비자들이 여행을 많이 가는 인기 여행지로 급부상하고 있는 경우, 여행사의 입장에서는 이전 해 보다 항공권을 많이 구매하고 있어야 할 필요가 있다. 따라서, 최근 인기 여행지로 급부상하고 있는 여행지에 대한 수요 예측을 하는 방법이 필요한 실정이다.

이를 위하여, 본 발명의 실시 예에서는, 수요 예측 서버(300)는 포털 서버(400)로부터 SNS 및 블로그에 여행지에 대한 컨텐츠 (예를 들어, 여행 후기, 투어 일정 정보 및 숙박 정보 등)가 업로드된 총 횟수, 그리고 최근 몇 개월 동안 업로드된 횟수 및 최근 몇 개월 동안 컨텐츠가 업로드된 증가율에 대한 정보를 수집할 수 있다.

여기서, 상기 업로드된 증가율이라, 예를 들어, 6월에 특정 여행지에 대한 컨텐츠가 10개가 업로드되었는데, 3개월이 지난 8월에 90개의 업로드가 되었다면, 업로드된 증가율이 9배로서, 900%로 계산할 수도 있다. 하지만, 6월에 10개, 7월에 30개, 8월에 90개가 업로드 되었다면, 6월에서 7월의 증가율이 200%이고, 7월에서 8월의 증가율이 300%이므로, 6월에서 7월의 증가율과 7월과 8월의 증가율의 평균 값 또는 중간 값으로서, 250%가 증가된 것으로 계산할 수 있다.

즉, 상술한 것과 증가율은 아래의 수학식에 따라 산정될 수 있다.

[수학식 1]

((n₂ - n₁) / n₁ * 100 + ... + (n_m - n_m-1) / n_m-1 * 100) / (m-1)

이러한 증가율을 산정하는 이유는, 해외 여행의 경우, 인기 여행지가 되더라도, 여행지의 거리나 계절에 따라 관심도만큼 항공권의 판매량이 급격히 증가하지 않을 수 있다. 따라서, 증가율이 급상승했다고 하더라도, 이러한 증가율에 보정값을 가할 필요가 있다. 또한, 여행지는 계절 또는 성수기/비성수기의 영향을 많이 받으므로, 증가율을 산정하는 최근 몇 개월이 성수기여서 증가율이 높아졌다면, 성수기가 지난 이후에는 항공권의 판매량이 감소할 수도 있기 때문에, 이러한 증가율을 그대로 반영하기 보다는, 보정 작업을 통해 적정 수준의 증가율을 산정할 필요성이 있다.

한편, 상술한 바와 같이 증가율이 산정하고, 산정된 증가율이 임계치 이상(예를 들어, 200%)이면, 상기 여행지에 1보다 높은 가중치를 부여하고, 임계치 미만이면, 상기 여행지에 1보다 낮은 가중치를 부여할 수 있다. 이 때, 상기 가중치는 증가율에 따라서 높아지거나 낮아질 수 있다. 예를 들어, 증가율이 200%인 경우, 1.5의 가중치를 부여한다면, 300%인 경우, 1.75, 400%인 경우, 2의 가중치를 부여하여 증가율에 따라 비례적으로 가중치를 부여할 수 있다.

다만, 상술한 바와 같이, 증가율이 급격히 높아졌다고 하여, 항공권 판매량도 컨텐츠 업로드 증가율과 비례하여 증가하는 것은 아니므로, 200%인 경우, 1.5의 가중치를 부여하면, 300%인 경우, 2의 가중치를 부여하고, 400%인 경우, 2.25의 가중치를 부여하여 가중치의 상승 간격을 점점 줄여 나갈 수도 있다(S220).

이 때 한국과 해당 여행지의 거리에 따라 다른 가중치를 추가적으로 부여할 수 있다. 예를 들어, 일본이나 대만과 같은 비교적 가까운 거리에 있는 나라들은 한번 여행을 가더라도 소비자들이 다시 한번 여행을 갈 가능성이 높다. 즉, 하나의 여행지를 여러 번 여행할 가능성이 높은 것이다.

그러나, 남미 지역이나 아프리카 지역과 같이 상대적으로 먼 거리에 있는 나라들은 소비자가 한번 해당 국가에 여행을 가면, 2~3번 여행을 갈 가능성이 낮아진다. 따라서, 해당 여행지가 급상승한 여행지가 아니라, 예전부터 어느정도 알려진 여행지라면, 해당 여행지에 대한 컨텐츠 업로드 수가 많다고 하더라도, 수요에 변화가 없을 수도 있다.

따라서, 한국과 해당 여행지의 거리에 따라서 추가적인 가중치를 다르게 부여할 수 있다. 예를 들어, 아시아와 같이, 한국을 기준으로 일정 거리 이내에 위치한 여행지의 경우, 해당 여행지의 컨텐츠의 (총 업로드 수 - 최근 m 개월 이내의 업로드 수)에 1의 가중치를 부여할 수 있다. 반면, 남미나 아프리카와 같이 한국을 기준으로 일정 거리 밖에 위치한 여행지의 경우, 해당 여행지 컨텐츠의 (총 업로드 수 - 최근 m 개월 이내의 업로드 수)에 1보다 낮은 가중치를 부여할 수 있다.

이는, 총 업로드 수에서 최근 m 개월 이내의 업로드 수를 빼면, 최근이 아닌 과거의 해당 여행지의 이슈 정도를 추정할 수 있고, 따라서, 과거에 이슈가 되었으나, 거리가 한국에서 먼 여행지의 경우에는 최근에 이슈가 되지 않으면 여행자들이 이러한 여행지는 후보 여행지에서 제외할 가능성이 크기 때문에, 1보다 낮은 가중치를 부여함으로써, 수요 예측이 줄어들게 할 수 있다. 다만, 한국에서 거리가 가까운 여행지의 경우에는 과거나 현재에도 해당 여행지의 수요가 크게 줄어들지 않을 가능성이 높으므로, 가중치를 1로 부여하여, 해당 요인에 의하여 수요 예측이 증감하지 않도록 보완할 수 있다.

한편, 최근 유튜브나 TV 프로그램 같은 미디어 매체들의 영향력이 커지면서 인기 있는 미디어 매체에 소개된 여행지가 이슈가 되어, 여행자들이 해당 여행지로 쏠리는 현상이 나타나고 있다. 따라서, 이러한 미디어 매체들에 해당 여행지가 노출된 횟수를 기반으로 항공권에 여행 수요를 예측할 수 있다(S225).

예를 들어, 수요 예측 서버(300)는 포털 서버(400)로부터 미디어 매체들에 여행지가 노출된 총 횟수 및 최근 몇 개월 동안 노출된 횟수를 수집하고, 총 횟수 및 최근 몇 개월 동안의 노출 횟수를 기반으로 여행 수요를 예측할 수 있다.

예를 들어, 최근 몇 개월 동안 노출된 빈도 수가 많을수록, 여행자들에게 더 이슈가 될 가능성이 높고, 이에 따라 해당 여행지의 수요가 높아질 가능성이 높다. 따라서, 미디어 매체에 노출된 총 횟수 대비 최근 몇 개월 동안의 노출 횟수의 비율을 기반으로 여행 수요를 예측할 수 있으며, 해당 비율, 즉, 최근 몇 개월 동안 노출된 횟수에 대한 비율이 높을수록 높은 가중치를 두고 여행 수요를 예측할 수 있다. 예를 들어, 미디어 매체에 노출된 총 횟수가 1000회인데, 최근 3개월 동안 노출된 횟수가 700회라면, 노출 횟수의 70%가 최근 3개월 내에 발생한 것이므로 이러한 경우, 해당 여행지에 대하여 1보다 높은 가중치를 부여할 수 있다. 반면에, 미디어 매체에 노출된 총 횟수가 1000회인데, 최근 3개월 동안 노출된 횟수가 200회라면, 노출 횟수의 20%만이 최근 3개원 내에 발생한 것이므로 해당 여행지에 대하여 1보다 낮은 가중치를 부여할 수 있다. 이 때, 해당 여행지에 대하여 1보다 높은 가중치를 부여할 것인지, 1보다 낮은 가중치를 부여할 것인지 여부는 일정 임계치 (예를 들어, 60%)를 기준으로 정해질 수 있다.

한편, 미디어 매체에 노출되었다고 하더라도, 해당 미디어 매체의 프로그램이 여행과 전혀 관련이 없고, 해당 여행지에 대해서 여행의 욕구를 불러일으킬 정도로 정보가 제공되지 않았다면, 이러한 미디어 매체의 프로그램에 해당 여행지가 노출되었다고 하여, 해당 여행지에 대한 수요가 크게 증가할 것이라고 예상되지 않을 수 있다. 따라서, 미디어 매체를 기반으로 한 수요 예측 시, 해당 여행지가 노출된 미디어 매체의 프로그램의 종류와 평균 시청률 또는 평균 화제성을 기반으로 수요 예측을 위한 가중치를 설정할 수 있다. 예를 들어, 해당 여행지가 소개된 미디어 매체의 프로그램이 여행 관련 프로그램이고, 평균 시청률 및/또는 평균 화제성이 일정 이상(예를 들어, 시청률 15% 및/또는 화제성 15위 이상)인 경우, 가장 높은 가중치를 부여할 수 있다. 또한, 해당 프로그램이 여행 관련 프로그램이 아니지만, 평균 시청률 및/또는 평균 화제성이 일정 이상인 경우, 2번째로 높은 가중치를 부여할 수 있다. 또한, 해당 프로그램이 여행 관련 프로그램이지만, 평균 시청률 및/또는 평균 화제성이 일정 미만인 경우, 3번째로 높은 가중치를 부여할 수 있다. 또한, 해당 프로그램이 여행 관련 프로그램도 아니고, 평균 시청률 및/또는 평균 화제성이 일정 미만인 경우, 가장 낮은 가중치를 부여할 수 있다.

그런데 이러한 여행지 중에서는 해당 여행지의 급변하는 상황, 예를 들어, 전염병, 시위, 쿠데타, 혁명, 자연 재해, 테러 등과 같은 사유로 인하여, 외교부에서 여행을 하지 말 것을 권고하는 국가에 포함된 여행지가 있을 수 있다.

예를 들어, 외교부에서는 세계 각 국가 혹은 지역의 여행 경보 단계를 여행 유의, 여행 자제, 철수 권고 및 여행 금지의 4단계로 나누고 있으며, 해당 단계에 포함되지 않은 여행지는 비교적 여행하기에 안전한 지역으로 판단할 수 있다.

따라서, 수요 예측 서버(300)는 여행 유의 또는 여행 자제의 경우에는, 여행지의 수요 예측에 아무런 영향을 가하지 않고, 상술한 방식대로 수요를 예측할 수 있으나, 철수 권고 또는 여행 금지인 여행지인 경우에는 여행자들이 해당 여행지를 많이 가지 않아, 수요가 줄어들 것으로 예상될 수 있으므로 1보다 낮은 가중치를 부여할 수 있다. 하지만, 외교부에서 철수 권고 또는 여행 금지의 경보 상태를 내렸다는 것은 국민의 안전과 직결하여 해당 여행지에는 여행을 하지 말 것을 지정한 것이므로, 상술한 수요 예측 방법들에 의한 수요 예측에도 불구하고, 여행 수요를 0으로 예측할 수 있다.

이는, 외교부의 지침에 따라 최대한 국민들이 해당 여행지에 여행할 수 없도록 하기 위한 조치로서, 여행 수요를 0으로 예측하면, 해당 항공권에 대한 구매가 여행사를 통해서 이루어지지 않고, 따라서, 여행사를 통해서는 항공권을 구매하기 어려워, 소비자들이 항공권 구매의 현실적인 어려움 등으로 해당 여행지의 여행을 포기하도록 하여, 간접적으로 해당 여행지에 가지 못하게 하는 효과가 발생할 수 있다.

또한, 외교부의 여행 경고 단계에 따르지 않고, 포털 서버(400)로부터 수신한 뉴스 또는 매체 등에 의한 정보들을 분석하여, 현재 재난 현황, 진압 현황, 시위, 국가 간 외교 상황 등에 대한 정보들을 추출할 수 있다. 또한, 매체들이나 뉴스들의 기사 정보를 기반으로 재난/시위/외교 등의 진행 상황을 예측하고, 재난/시위/안좋은 외교 상황 등이 진압되거나 좋아질 것으로 예상되는 기간까지는 해당 여행지의 수요를 1보다 낮은 가중치를 부여하여 계산하고, 그 이후에는 1로 부여하여 계산할 수 있다. 예를 들어, 특정 여행지에 산불이 크게 발생하여, 이러한 산불이 2달 동안 지속될 것으로 예상되는 경우, 해당 여행지의 수요를 2달 동안은 1보다 낮은 가중치로 부여하여 수요가 줄어들 것으로 예상할 수 있고, 2달 이후에는 수요가 회복할 것으로 예상하여 1의 가중치를 부여할 수 있다.

또한, 시위가 발생하거나 외교 분쟁이 발생한 경우, 해당 시위나 외교 분쟁이 3달 동안 지속될 것으로 예상되는 경우, 해당 여행지의 수요를 3달 동안은 1보다 낮은 가중치를 부여하여 수요가 줄어들 것으로 예상하고, 3달이 지난 시점에서는 수요가 회복할 것을 예상하여 1의 가중치을 부여할 수 있다.

또 다른 예로, 수요 예측 서버(300)는 항공권에 대한 수요를 예측할 때, 해당 항공권을 경유의 목적으로 소비자들이 많이 구매했는지, 아니면, 최종 여행지 (즉, 최종 목적지)를 위해 구매한 항공권인지에 따라서 해당하는 가중치를 다르게 설정할 수 있다.

예를 들어, 해당 여행지에 대한 지난 해의 항공권 판매량을 분석할 때, 해당 항공권을 구매한 소비자가 해당 항공권의 도착지를 스탑오버 없이, 단순 경유지로 활용한 경우에는, 해당 여행지에 대한 여행 의사가 소비자에게는 없었으므로, 가중치를 0으로 부여하고, 해당 여행지에 대한 예측 수요에서 제외할 수 있다. 반면에, 해당 여행지가 해당 항공권의 최종 목적지인 경우, 소비자는 해당 여행지를 여행할 목적으로 해당 항공권을 구매한 것인 바, 해당 여행지에 1의 가중치를 부여할 수 있다. 또한, 해당 여행지가 경유지더라도, 해당 여행지에서 스탑오버가 있었다면, 소비자가 최초로 원했던 여행지는 아니었을 가능성이 크나, 최종 목적지와 더불어, 여행할 의사가 생겨 스탑오버를 한 것이었는 바, 해당 여행지에 대한 수요가 어느정도 있는 것으로 보고, 0과 1사이의 가중치를 부여할 수 있다. 또한, 이러한 0과 1사이의 가중치는 스탑오버한 일 수에 따라서 달라질 수 있다. 예를 들어, 스탑오버를 5일 동안 했다면, 가중치를 0.8로 부여되고, 4일 동안 했다면 0.6으로 부여되고, 3일 동안 했다면, 0.4 등으로 부여될 수 있다.

상술한 실시 예들에 따라서 수요 예측 서버(300)는 여행지에 대한 항공사 별 항공권의 수요를 예측할 수 있다(S230). 다시 말해, 도 2와 같은 실시 예들에 따라 수요 예측 서버(300)가 예측한 항공권의 수요는 도3과 같이 예측될 수 있다.

한편, 항공권의 수요를 예측하기 위한 방법으로 지도 제공 서버(500)로부터 획득한 데이터들을 활용할 수도 있다. 이에 대해서는 도 4 내지 도 5를 통해서 살펴보도록 한다. 한편, 도 4 내지 도 5에 대한 실시 예는 도 2 내지 도 3에 의한 실시 예들과 별도로 수행될 수 있으나, 조합되어 수행될 수도 있다. 즉, 수요 예측 서버(300)는 도 2 내지 도 3에 따라 포털 서버(400)로부터 수집한 데이터들 및 후술하는 도 4 내지 도 5에 따라 지도 제공 서버(500)로부터 수집한 데이터들을 기반으로 수요를 예측할 수 있다.

이하, 도 4 내지 도 5를 참조하여, 지도 제공 서버(500)로부터 수집한 데이터들을 기반으로 수요 예측 서버(300)가 항공권의 수요를 예측하는 방법을 살펴보도록 한다.

도 4를 참조하면, 수요 예측 서버(300)는 지도 제공 서버(500)로부터 사용자들이 지도 앱에 도5와 같이, '가고 싶은 장소' 및 '방문한 장소'로 표시한 여행지에 대한 정보를 수집할 수 있다(S405~S410). 그리고, 이렇게 지도 제공 서버(500)로부터 수집한 정보를 기반으로 여행지 및 항공권에 대한 여행 수요를 예측할 수 있으며, 이 때, S230 단계와 조합하여, 도 2에서 예측한 여행 수요에서 지도 제공 서버(500)로부터 수집한 정보를 더 고려하여 여행 수요를 다시 예측할 수 있다(S415).

예를 들어, 지도 제공 서버(500)를 통해 소비자들이 '가고 싶은 장소'로 해당 여행지를 다수 지정했다면, 이러한 장소는 앞으로 여행지 수요가 증가할 수 있다. 또한, 다수의 소비자들이 최근 몇 개월 내에 '방문한 장소'로 지정되어 있는 경우, 해당 여행지는 소비자들의 여행지로서의 관심이 높아지고 있는 것으로 생각할 수 있으므로, 해당 '방문한 장소'에 대응하는 여행지 또한 여행 수요가 증가할 것으로 예상할 수 있다.

따라서, 수요 예측 서버(300)는 복수의 소비자들에 대응하는 '가고 싶은 장소' 및 '방문한 장소'를 기반으로 여행지의 수요를 예측할 수 있다. 예를 들어, '가고 싶은 장소'로 일정 수 이상의 소비자들이 해당 여행지를 지정한 경우, 해당 여행지에 대한 수요가 증가할 것으로 예상하고, 1보다 높은 가중치를 부여할 수 있다. 또한, 최근 수 개월 내에 해당 여행지가 '방문한 장소'로 일정 수 이상 포함된 경우에도 해당 여행지에 대한 가중치를 1보다 높게 부여할 수 있다.

반면, '방문한 장소'로 해당 여행지가 상당히 많은 수가 포함되어 있다고 하더라도, 최근 수 개월 내에 포함된 수가 일정 수 이상 작다면, 해당 여행지는 과거에 수요가 많았을 뿐, 현재에는 그 수요가 많아지지 않을 것으로 예상되는 여행지일 수 있으므로, 1 보다 낮은 가중치를 부여하여 여행 수요를 예측할 수 있다.

다만, 이러한 경우에도 '가고 싶은 장소'로 일정 수를 초과하여 포함되어 있는 경우, 1보다 높은 가중치를 부여할 수 있다. 다시 말해, 수요를 예측할 때, '가고 싶은 장소'에 대한 우선 순위가 '방문한 장소'에 대한 우선 순위보다 높을 수 있다.

예를 들어, 해당 여행지가 최근 수 개월 내에 '방문한 장소'로 포함된 수가 일정 수 미만이더라도, '가고 싶은 장소'로 일정 수를 초과하여 포함된 경우, 수요가 일정 이상 증가할 것으로 예상하고 1보다 높은 가중치를 부여할 수 있다. 이 때, '가고 싶은 장소' 및 '방문한 장소'가 모두 일정 수 이상인 경우의 가중치가 '가고 싶은 장소'로 일정 수 이상 포함되나, '방문한 장소'로 일정 수 미만 포함된 경우의 가중치보다 높을 수 있다.

한편, 수요 예측 서버(300)는 지도 제공 서버(500)로부터 소비자들의 행동 패턴, 이동 경로 등을 활용하여 여행에 대한 수요 예측을 할 수도 있다. 예를 들어, 지도 제공 서버(500)로부터 소비자들이 최근 수 개월 이내에 정기적 혹은 비정기적으로 방문한 특정 장소들에 대한 정보를 수집하고, 해당 특정 장소와 관련된 사용자들의 취미 정보를 추출할 수 있다. 예를 들어, 소비자들 중 일부가 최근 6개월 동안 지속적으로 와인 동호회, 와인 샵, 와인 바, 와인 전시회 및 와인 콜키지 가능한 식당 등을 정기적 혹은 비정기적으로 일정 수 이상 방문하였다면, 해당 소비자들의 취미가 와인이라는 것을 예상할 수 있다.

수요 예측 서버(300)는 추출된 취미 정보와 관련된 여행지들을 추출할 수 있는데, 상술한 예에 따라, 다수의 소비자들이 와인에 대한 취미를 가지고 있는 경우, 와인을 취미로 하는 사람들이 흥미를 느낄 수 있는 여행지에 대하여 가중치를 1보다 높게 부여함으로써, 수요가 증가할 수 있을 것으로 예측할 수 있다.

예를 들어, 와인을 취미로 가지고 있는 사람들은 넓게 와인 생산지가 형성되어 있고, 와이너리 투어가 잘 발달되어 있는, 프랑스, 스페인, 칠레 등에 포함된 여행지에 1보다 높은 가중치를 부여하여 여행 수요를 예측하는데 사용할 수 있다.

다만, 이러한 취미 정보를 기반으로 여행 수요를 예측하는 경우, 해당 여행지가 일반적인 여행지가 아닐 수도 있고, 취미를 가지고 있는 소비자가 절대적 다수를 차지 하지 않을 것이기 때문에, 취미에 의한 여행 수요 예측에 의해 여행 수요의 증가가 획기적으로 증가하는 것은 오히려 과도한 여행 수요를 예측하는 요인이 될 수 있다. 따라서, 취미 정보를 기반으로 하는 여행지에 대한 가중치는 1보다 높게 부여하되, 바람직하게는, 5%범위 내인 1.05를 넘지 않는 것이 바람직할 수 있다. 또한, 앞에서 언급된 해당 가중치들 중에서 취미 정보를 기반으로 하는 여행지에 대한 가중치를 가장 낮게 설정하여 가장 영향을 미치지 않게 설정할 수 있다.

도 6 내지 도 7은 상술한 본 발명의 실시 예를 구현하기 위한 장치의 구성을 나타내기 위한 블록도이다.

도 6은 상술한 본 발명의 실시 예를 구현하기 위한 단말 장치(200)의 구성을 설명하기 위한 블록도이다.

도 6을 참조하면, 단말 장치(200)는 제어 모듈(210), 통신 모듈(220), 저장 모듈(230), 출력 모듈(240), 입력 모듈(250) 등을 포함할 수 있다.

입력 모듈(250)은 숫자 및 문자 정보 등의 다양한 정보를 입력 받고, 각종 기능을 설정 및 단말 장치(200)의 기능 제어와 관련하여 입력되는 신호를 제어 모듈(250)로 전달한다. 또한, 입력 모듈(250)은 사용자의 터치 또는 조작에 따른 입력 신호를 발생하는 키패드와 터치패드 중 적어도 하나를 포함하여 구성될 수 있다. 이때, 입력모듈(250)은 출력 모듈(240)와 함께 하나의 터치패널(또는 터치스크린(touch screen))의 형태로 구성되어 입력과 표시 기능을 동시에 수행할 수 있다. 또한, 입력 모듈(250)은 키보드, 키패드, 마우스, 조이스틱 등과 같은 입력 장치 외에도 향후 개발될 수 있는 모든 형태의 입력 수단이 사용될 수 있다. 특히, 본 발명에 따른 입력 모듈(250)은 사용자로부터 입력되는 입력 정보를 감지하여 제어 모듈(210)로 전달한다.

출력 모듈(240)은 단말 장치(200)의 기능 수행 중에 발생하는 일련의 동작상태 및 동작결과 등에 대한 정보를 표시한다. 또한, 출력 모듈(240)은 단말 장치(200)의 메뉴 및 사용자가 입력한 사용자 데이터 등을 표시할 수 있다. 여기서, 출력 모듈(240)은 액정표시장치(LCD, Liquid Crystal Display), 초박막 액정표시장치(TFT-LCD,Thin Film Transistor LCD), 발광다이오드(LED, Light Emitting Diode), 유기 발광다이오드(OLED, OrganicLED), 능동형 유기발광다이오드(AMOLED, Active Matrix OLED), 레티나 디스플레이(Retina Display), 플렉시블 디스플레이(Flexible display) 및 3차원(3 Dimension) 디스플레이 등으로 구성될 수 있다. 이때, 출력 모듈(330)이 터치스크린(Touch screen) 형태로 구성된 경우, 출력 모듈(240)은 입력 모듈(250)의 기능 중 일부 또는 전부를 수행할 수 있다

저장 모듈(230)은 데이터를 저장하기 위한 장치로, 주 기억 장치 및 보조 기억 장치를 포함하고, 단말 장치(200)의 기능 동작에 필요한 응용 프로그램을 저장한다. 이러한 저장 모듈(230)은 크게 프로그램 영역과 데이터 영역을 포함할 수 있다. 여기서, 단말 장치(200)는 사용자의 요청에 상응하여 각 기능을 활성화하는 경우, 제어 모듈(210)의 제어 하에 해당 응용 프로그램들을 실행하여 각 기능을 제공하게 된다.

통신 모듈(220)은 통신망(100)을 통해 수요 예측 서버(300)와 데이터를 송수신할 수 있다. 또한, 통신 모듈(220)은 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신 수단과 수신되는 신호를 저잡음 증폭하고 주파수를 하강 변환하는 RF 수신 수단, 특정 통신 방식에 따른 통신 프로토콜을 처리하기 위한 데이터 처리 수단 등을 포함한다. 이러한 통신 모듈(220)은 무선통신 모듈(미도시) 및 유선통신 모듈(미도시) 중 적어도 하나를 포함할 수 있다. 그리고, 무선통신 모듈은 무선 통신 방법에 따라 데이터를 송수신하기 위한 구성이며, 단말 장치(200)가 무선 통신을 이용하는 경우, 무선망 통신 모듈, 무선랜 통신 모듈 및 무선팬 통신 모듈 중 어느 하나를 이용하여 데이터를 수요 예측 서버(300)와 송수신할 수 있다. 여기서 통신모듈(220)은 복수의 통신 모듈들을 포함할 수 있다. 복수의 통신 모듈이 통신 모듈(220)에 포함되어 있는 경우, 하나의 통신 모듈은 블루투스(Bluetooth)를 포함한 PAN(Personal Area Network) 방식의 통신을 수행할 수 있다.

또한, 다른 하나의 통신 모듈은 통신망(100)을 통해 운영 서버(300)와 통신한다. 여기서, 다른 하나의 통신 모듈은 WLAN(Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), HSDPA(High Speed Downlink Packet Access) 등의 무선 통신 방식을 이용할 수 있다.

제어 모듈(210)은 운영 체제(OS, Operation System) 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다.

따라서, 단말 장치(200)의 제어 모듈(210)은 입력 모듈(250)을 통해 입력받은 신호를 통신 모듈(220)을 통해 운영 서버(300)로 전송하도록 제어하고, 통신 모듈(220)을 통해 수신한 비콘, 와이파이, 기지국 신호 또는 수요 예측 서버(300)에서 전송한 정보들을 출력 모듈(240)을 통해 노출하도록 제어할 수 있다.

또한, 단말 장치(200)의 제어 모듈(210)은 본 발명의 실시 예에 따른 단말 장치(200)의 동작 과정 전반을 제어할 수 있다. 다시 말해, 도 1 내지 도 5를 기반으로 상술한 본 발명의 실시 예들에 따른 단말 장치(200)의 동작 과정 전반이 제어 모듈(210)에 의해 제어될 수 있다.

도 7은 본 발명의 실시 예들을 구현하기 위한 수요 예측 서버(300)의 구성을 도시하는 블록도이다.

도 7을 참조하면, 수요 예측 서버(300)는 제어 모듈(310), 통신 모듈(320) 및 저장 모듈(330)을 포함할 수 있다.

통신 모듈(320)은 단말 장치(200), SNS 서버(500)와 통신하기 위한 것으로서, 통신 모듈(320)이 기능을 수행하기 위한 통신망은 WLAN(Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), HSDPA(High Speed Downlink Packet Access) 등의 무선 통신 방식을 이용하는 것이 바람직하나, 이에 한정되는 것은 아니며, 시스템 구현 방식에 따라 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coaxial Cable), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신 방식을 이용할 수도 있다.

저장 모듈(330)은 데이터를 저장하기 위한 장치로, 주 기억 장치 및 보조 기억 장치를 포함하고, 수요 예측 서버(300)의 기능 동작에 필요한 응용 프로그램을 저장한다. 이러한 저장 모듈(330)은 크게 프로그램 영역과 데이터 영역을 포함할 수 있다. 여기서, 수요 예측 서버(300)는 단말 장치(200)의 요청에 상응하여 각 기능을 활성화하는 경우, 제어 모듈(310)의 제어 하에 해당 응용 프로그램들을 실행하여 각 기능을 제공하게 된다.

제어 모듈(310)은 운영 체제(OS, Operation System) 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다.

따라서, 수요 예측 서버(300)의 제어 모듈(310)은 본 발명의 실시 예에 따른 수요 예측 서버(300)의 동작 과정 전반을 제어할 수 있다. 다시 말해, 도 1 내지 도 5를 기반으로 상술한 본 발명의 실시 예들에 따른 수요 예측 서버(300)의 동작 과정 전반이 제어 모듈(310)에 의해 제어될 수 있다.

이상에서 설명한 바와 같이, 본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.

마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시 형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다.

본 명세서에서 설명한 주제의 특정한 실시형태를 설명하였다. 기타의 실시형태들은 이하의 청구항의 범위 내에 속한다. 예컨대, 청구항에서 인용된 동작들은 상이한 순서로 수행되면서도 여전히 바람직한 결과를 성취할 수 있다. 일 예로서, 첨부도면에 도시한 프로세스는 바람직한 결과를 얻기 위하여 반드시 그 특정한 도시된 순서나 순차적인 순서를 요구하지 않는다. 특정한 구현 예에서, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다.

본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 통상의 기술자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 통상의 기술자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다.

따라서 본 발명의 범위는 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위에 의해 정하여져야 한다.

본 발명은 빅데이터 기반 여행 수요 예측 방법 및 이를 위한 장치에 관한 것으로서, 더욱 상세하게는, 여행사에서 미리 항공권을 선점할 때, 여행 수요 예측을 기반으로 구매해야 할 항공권 및 해당 항공권의 개수를 결정하는 방법 및 이를 위한 장치에 관한 것이다.

본 발명에 따르면, 소비자들의 여행 수요를 정확하게 예측하여, 여행사에서 소비자에게 판매하기 위한 항공권의 개수를 정확하게 추정할 수 있다.

따라서, 본 발명은 빅데이터 기반 여행 수요 예측 방법 및 이를 위한 장치를 통해 관광 산업 전반의 발전에 이바지할 수 있으며, 시판 또는 영업의 가능성이 충분할 뿐 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있다.

100: 통신망 200: 단말 장치 300: 수요 예측 서버 400: 포털 서버 500: 지도 제공 서버

Claims (10)

1. 수요 예측 서버가 빅데이터를 기반으로 여행 수요를 예측하는 방법에 있어서,
   여행지에 대한 n 년 간의 월별 항공권 판매량 수를 수집하고,
   포털 서버로부터 상기 여행지에 대한 항공권 검색 수 및 상기 여행지에 대해 검색된 항공권들의 출발일 및 도착일 정보를 수집하고,
   상기 항공권들을 항공사 별로 분류하고,
   상기 포털 서버로부터 획득된 항공사 선호도를 기반으로 상기 항공권들 각각에 제 1 가중치를 부가하고,
   상기 월별 항공권 판매량 수, 출발일 및 도착일 정보 및 상기 항공권들 각각에 대한 제 1 가중치를 기반으로 항공사 별 여행 수요를 예측하고,
   상기 여행 수요를 예측하는 것은,
   상기 여행지가 최종 목적지인 경우, 상기 여행지에 1의 가중치를 부여하고,
   상기 여행지가 경유지이고, 상기 여행지에서의 스탑오버가 없었으면, 상기 여행지에 0의 가중치를 부여하고,
   상기 여행지가 경유지이고, 상기 여행지에서의 스탑오버가 있었다면, 상기 여행지에 0과 1 사이의 가중치를 부여하는 것을 기반으로 상기 여행 수요를 예측하는,,
   여행 수요 예측 방법.
2. 제 1 항에 있어서,
   상기 포털 서버로부터 SNS (Social Network Service) 및 블로그에서의 상기 여행지에 대한 컨텐츠의 총 업로드 수, 일정 기간 동안의 업로드 수 및 최근 m 개월 동안 업로드된 컨텐츠의 증가율을 수집하고,
   상기 여행 수요를 예측하는 것은,
   상기 총 업로드 수, 상기 일정 기간의 업로드 수 및 상기 증가율을 더 고려하여 여행 수요를 예측하는,
   여행 수요 예측 방법.
3. 제 2 항에 있어서,
   상기 증가율이 제 1 임계치 이상이면, 상기 여행지에 1보다 높은 가중치를 부여하고, 상기 증가율이 상기 제 1 임계치 미만이면, 상기 여행지에 1보다 낮은 가중치를 부여하며,
   상기 여행지가 한국을 기준으로 일정 거리 이내에 위치하면, 상기 여행지의 컨텐츠의 (총 업로드 수 - 상기 일정 기간 동안의 업로드 수)에 1의 가중치를 부가하고,
   상기 여행지가 한국을 기준으로 상기 일정 거리 밖에 위치하면, 상기 여행지의 컨텐츠의 (총 업로드 수 - 상기 일정 기간 동안의 업로드 수)에 1보다 낮은 가중치를 부여하고,
   여행 수요 예측 방법.
4. 제 1 항에 있어서,
   상기 포털 서버로부터 미디어 매체들에 상기 여행지가 노출된 총 횟수 및 최근 m 개월 동안 노출된 횟수를 수집하고,
   상기 여행 수요를 예측하는 것은,
   상기 여행지가 노출된 총 횟수 및 상기 최근 m 개월 동안 노출된 횟수를 더 고려하여 여행 수요를 예측하는,
   여행 수요 예측 방법.
5. 제 4 항에 있어서,
   상기 여행지가 노출된 미디어 매체의 프로그램이 여행 관련 프로그램이고, 상기 프로그램의 평균 시청률 또는 평균 화제성이 제 2 임계치 이상인 경우, 상기 여행지에 제 2 가중치를 부여하고,
   상기 프로그램이 여행 관련 프로그램이 아니고, 상기 프로그램의 평균 시청률 또는 평균 화제성이 제 2 임계치 이상인 경우, 상기 여행지에 제 3 가중치를 부여하고,
   상기 프로그램이 여행 관련 프로그램이 아니고, 상기 프로그램의 평균 시청률 또는 평균 화제성이 제 2 임계치 미만인 경우, 상기 여행지에 제 4 가중치를 부여하며,
   상기 제 2 가중치는 상기 제 3 가중치보다 높고, 상기 제 3 가중치는 상기 제 4 가중치보다 높은,
   여행 수요 예측 방법.
6. 제 1 항에 있어서,
   상기 여행 수요를 예측하는 것은,
   상기 여행지의 여행 경보 단계가 철수 권고 또는 여행 금지 상태인 경우, 상기 여행 수요를 0으로 예측하는,
   여행 수요 예측 방법.
7. 삭제
8. 제 1 항에 있어서,
   지도 제공 서버로부터 사용자들이 '가고 싶은 장소'로 표시한 여행지들 및 '방문한 장소'로 표시한 여행지들에 대한 정보를 수집하고,
   상기 여행 수요를 예측하는 것은,
   상기 여행지가 상기 '가고 싶은 장소'로 제 1 수 이상 포함되거나 최근 m 개월 내에 상기 '방문한 장소'로 제 2 수 이상 포함된 경우, 상기 여행지에 1보다 높은 가중치를 부여하고,
   상기 여행지가 상기 최근 m 개월 내에 상기 '방문한 장소'로 제 2 수 미만 포함된 경우, 상기 여행지에 1 보다 낮은 가중치를 부여하는 것을 기반으로 상기 여행 수요를 예측하는,
   여행 수요 예측 방법.
9. 제 1 항에 있어서,
   상기 여행 수요를 예측하는 것은,
   지도 제공 서버로부터 사용자들이 최근 m 개월 내에 정기적으로 방문한 특정 장소에 대한 정보를 수집하고,
   상기 특정 장소에 관련된 상기 사용자들의 취미 정보를 추출하고,
   상기 취미 정보와 관련된 관련 여행지들을 추출하고,
   상기 관련 여행지들에 상기 여행지가 포함되어 있으면, 상기 여행지에 1보다 높은 가중치를 부여하는,
   여행 수요 예측 방법.
10. 빅데이터를 기반으로 여행 수요를 예측하기 위한 수요 예측 서버에 있어서,
    포털 서버 및 지도 제공 서버와 각종 데이터를 송수신하는 통신 모듈;
    상기 각종 데이터를 저장하는 저장 모듈; 및
    상기 통신 모듈 및 상기 저장 모듈과 연동되어, 상기 수요 예측 서버의 동작을 제어하는 제어 모듈;을 포함하고,
    상기 제어 모듈은,
    여행지에 대한 n 년 간의 월별 항공권 판매량 수를 수집하고,
    포털 서버로부터 상기 여행지에 대한 항공권 검색 수 및 상기 여행지에 대해 검색된 항공권들의 출발일 및 도착일 정보를 수집하고,
    상기 항공권들을 항공사 별로 분류하고,
    상기 포털 서버로부터 획득된 항공사 선호도를 기반으로 상기 항공권들 각각에 제 1 가중치를 부가하고,
    상기 월별 항공권 판매량 수, 출발일 및 도착일 정보 및 상기 항공권들 각각에 대한 제 1 가중치를 기반으로 항공사 별 여행 수요를 예측하고,
    상기 여행 수요를 예측하는 것은,
    상기 여행지가 최종 목적지인 경우, 상기 여행지에 1의 가중치를 부여하고,
    상기 여행지가 경유지이고, 상기 여행지에서의 스탑오버가 없었으면, 상기 여행지에 0의 가중치를 부여하고,
    상기 여행지가 경유지이고, 상기 여행지에서의 스탑오버가 있었다면, 상기 여행지에 0과 1 사이의 가중치를 부여하는 것을 기반으로 상기 여행 수요를 예측하는,
    수요 예측 서버.

Images