KR102217684B1 - 인공지능 기반 중고 차량 잔존가 산정 시스템 및 방법 - Google Patents

Abstract

본 발명의 실시예에 따른 딥러닝 기반의 차량용 부품 큐레이션 방법은, 수리 차량의 부품에 대해 딥러닝 기반의 부품 큐레이션 서비스를 제공하는 부품 큐레이션 서버의 부품 큐레이션 방법에 있어서, 조건 데이터 수신부에 의해 제1 클라이언트 서버로부터 상기 수리 차량의 부품에 대한 조건 데이터를 수신하는 단계; 부품 주문 처리부에 의해 수신한 상기 조건 데이터에 대응되는 부품에 대한 부품 큐레이션 데이터를 생성한 후, 상기 부품 큐레이션 데이터에 대한 유효성이 확인되면 상기 부품 큐레이션 데이터를 부품 승인용 오브젝트로서 제2 클라이언트 서버로 전송하는 단계; 및 수리 이력 관리부에 의해 상기 부품에 대한 부품 수리 이력을 포함하는 블록을 생성하고, 헤더에 기록된 해쉬값을 이용하여 이전에 생성되어 상기 부품 큐레이션 서버의 메모리에 저장된 상기 블록의 블록 데이터와 대조하여 블록의 신뢰성을 확인하는 단계를 포함할 수 있다.

Description

인공지능 기반 중고 차량 잔존가 산정 시스템 및 방법{A SYSTEM AND MEHTOD FOR ESTIMATING RESIDUAL VALUE OF USED VEHICLES BASED ON ARTIFICIAL INTELLIGENCE}

본 발명은 중고 차량 잔존가 산정 시스템 및 방법에 관한 것으로서, 보다 상세하게는 인공지능에 의한 기계 학습을 활용하여 부품 수리에 의한 차량의 잔존가 치 변동을 반영하는 중고 차량 잔존가 산정 시스템 및 방법에 관한 것이다.

전세계적으로 차량 등록 대수가 꾸준히 증가하고 있다. 차량은 생활에 있어 필수적인 생활 필수품으로 인식되고 있을 뿐만 아니라 빠르게 증가하는 중고차의 거래 또한 빠르게 증가하고 있다.

다만, 국내에서는 표준화된 차량 잔존가 산출 시스템이 없었다. 중고차 거래시 기준이 되는 기준 지표도 없었으며, 잔존가 산정 방식 또는 년식, 사고유무, 주행거리 및 옵션에 한하는 단순한 산정 방식을 사용해오고 있었다. 따라서, 정확한 진단과 표준화된 가격을 산정하는 차량 잔존가 산출 시스템이 절실하게 요청되고 있다.

특히, 차량 잔존가 산출 시, 수리 이력에 따라 신규 부품이 장착된 경우나 부품 수리가 필요하지만 수리가 되지 않은 경우에 향후 차량의 가치가 달라질 수 있어서 수리 이력이 반영되어야 함에도 불구하고 이와 같이 명확하게 부품별 수리 이력을 고려한 차량 잔존가 산출 시스템은 없었다.

이 경우, 차량의 부품의 수는 수만가지에 이르고, 수리 단위도 각각 달라서 모든 부품의 수리 여부를 고려한다는 것은 사실상 불가능하기 때문에 수리 이력을 차량 잔존가에 반영한다는 것은 매우 어려운 일이였다.

또한, 부품별 수리 이력을 고려할 때에 빅데이터를 운영하여 최대한 많은 데이터에 기초하여 고려함이 옳으나, 수리 서비스를 제공하는 업체에서 표준 부품 명칭을 사용하지 않고 관습적인 명칭을 사용함으로서 표준적인 수리 이력 데이터 베이스를 만드는 것이 어려웠기 때문에 정확한 차량 잔존가의 고려가 더욱 어려웠다.

한편, 차량 부품의 공식 표준 명칭은 대부분 영문이고 길기 때문에, 실제로 부품을 취급하는 부품 유통사 및 차량 정비소에서는 오랜시간 동안 관습적으로 사용되어지는 별칭이나 약어, 비속어 등의 관습 명칭을 흔히 사용하고 있다. 예를 들어, 공식 명칭이 ‘브라케트 어셈블리-엔진 마운팅(BRACKET ASSY-ENGINE MTG)’인 부품은 업계에서 ‘엔진 미미’라고 칭하여 불리우고 있다. 이처럼, 차량 정비업체는 지속적으로 증가하는 차량과 부품 정보를 기존 방식대로 다루기 때문에 부품 주문의 한계에 직면해 있다. 특히, 수리 차량의 정보와 부품 정보들을 빠르고 정확하게 찾기가 점점 어려워지고 있다.

뿐만 아니라, 완성차 업체에 부품을 공급하는 대형 벤더나 1차 대리점 외 소규모 2차 부품 대리점이나 하이브리드 유통사는 온라인 부품 유통 플랫폼이나 수발주 시스템의 부재로 고객 관리, 재고 관리 및 영업 관리가 제대로 이루어지지 못하고 있다. 일부 업체에서는 수발주 프로그램을 사용하고 있기는 하나, 차량 부품 유통 전용 수발주 프로그램이 아닌 시중에 상용으로 판매되는 일반적인 프로그램이기 때문에 여전히 한계가 있다. 따라서, 차량의 수리 여부를 차량 잔존가에 반영하는 것은 상당히 어려운 과제가 되고 있었다.

따라서, 정확한 차량 부품을 검색할 수 있는 서비스와 차량 부품 유통에 최적화된 시스템에 대한 개발 및 이러한 정확한 차량 부품 명칭 및 수리 이력을 반영한 차량 잔존가 산정 시스템의 개발이 시급하다.

본 발명은 상술한 기술적 문제에 대응하기 위하여 안출된 것으로, 본 발명의 목적은 종래 기술에서의 한계와 단점에 의해 발생하는 다양한 문제점을 실질적으로 보완할 수 있는 것으로, 본 발명에 따르면, 수리 이력을 통한 중고차량 잔존 가치의 산출을 통하여 소비자 및 딜러들은 보다 정확한 거래 가치의 매매가 가능하다.

또한, 본원발명의 시스템의 적용을 통하여 중고차량의 수리여부가 반영되어 정확하게 산정된 가격으로 중고차를 거래함으로서 소비자는 불의의 손해를 입지 않을 수 있게 되었으며, 또한, 차량의 수리 이력을 정확하게 파악할 수 있어서 차량 구매자의 안전이 현저하게 강화되게 된다.

또한, 본 발명에 따르면, 차량부품 전용 검색 서비스를 제공하는 웹 기반 플랫폼을 통해 차량 부품의 신속하고 정확한 검색과 유통이 가능한, 딥러닝 기반의 차량용 부품 큐레이션 시스템이 제공된다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 차량의 수리 이력을 반영하는 차량 잔존가 산정 방법은, 중고차 가격 데이터, 차량 수리 이력 데이터 및 부품 가격 데이터를 수신하는 단계; 중고차 가격 데이터에 따른 부품 고장 빈도를 산출하는 단계; 상기 부품 고장 빈도, 상기 부품 가격 데이터 및 중고차 가격 데이터에 기초하여 다차원 벡터를 생성하고, 상기 다차원 벡터에 기초하여 서포트 벡터 및 초평면을 산출하는 단계; 및 상기 초평면에 기초하여 차량 잔존가에 영향을 미치는 부품들에 대하여 부품 우선순위를 결정하는 단계;를 포함할 수 있다.

이 경우, 본 발명의 차량의 수리 이력을 반영하는 차량 잔존가 산정 방법은, 상기 부품 우선순위에 기초하여 기준 순위 이상의 부품들에 대하여 부품 보정 데이터를 수신하는 단계; 및 대상 차량 정보를 수신하고, 상기 부품 보정 데이터 및 대상 차량 정보에 기초하여 차량 잔존가를 보정하는 단계를 더 포함할 수 있다.

한편, 상기 부품 가격 데이터를 산출하는 단계는 상기 부품 가격 데이터를 표준 부품 명칭을 활용하여 수정하는 단계를 포함할 수 있다.

또한, 상기 수리 이력 데이터는 상기 수리 차량에 대한 차대번호, 수리 일시, 부품코드, 부품명, 정비소명, 부품 제조사 및 수리 부품의 보증 기간 중 적어도 하나 및/또는 둘 이상의 조합을 포함할 수 있다.

또한, 상기 부품 우선순위를 결정하는 단계는: 상기 다차원 벡터를 포함하는 학습 샘플 데이터를

라 하고, 상기 초평면에 직교하는 기준 벡터를

라 할 때, 상기 학습 샘플 데이터 벡터 및 상기 기준 벡터의 내적 값에 기초하여

가 차량 잔존가에 영향을 주는 학습 샘플 데이터인지를 판단하는 단계; 부품별로 차량 잔존가에 영향을 주는 학습 샘플 데이터의 빈도를 구하는 단계; 및 상기 부품별 차량 잔존가에 영향을 주는 학습 샘플 데이터의 빈도에 기초하여 부품 우선순위를 결정하는 단계를 포함할 수 있다.

기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명에 따르면, 수리 이력을 통한 중고차량 잔존 가치의 산출을 통하여 소비자 및 딜러들은 보다 정확한 거래 가치의 매매가 가능하다. 특히, 기존에는 소비자 또는 딜러들이 차량의 수리 여부 등을 직접 확인하기가 어려웠고, 침수 차량, 중요 부품의 수리 등에 대한 여부를 알기 어려웠다. 따라서, 침수 차량 또는 중요 부품이 수리되지 않은 차량들에 대하여 정상 가치보다 높은 금액을 지불하면서 중고차를 구매하는 경우가 많았다.

하지만, 본원발명의 시스템의 적용을 통하여 중고차량의 수리여부가 반영되어 정확하게 산정된 가격으로 중고차를 거래함으로서 소비자는 불의의 손해를 입지 않을 수 있게 되었으며, 또한, 차량의 수리 이력을 정확하게 파악할 수 있어서 차량 구매자의 안전이 현저하게 강화되게 된다.

한편, 본원 발명의 시스템은, 추가적으로 차량용 부품 검색에 특화된 검색 시스템을 제공함으로써 부품 유통사와 정비소 간의 수발주 편의성을 증대시킬 수 있다. 특히, 본원 발명은 큐레이션 서버에 차량 잔존가 산출 기능, 수발주 기능 및 표준 부품 명칭 큐레이션 기능을 추가함으로서, 실제 수발주 정보 데이터들을 차량 잔존가 산출에 반영할 수 있고, 표준 부품 명칭을 이용함으로서 신뢰성 있는 데이터를 구축할 수 있다는 것에 큰 장점이 있다.

또한, 본 발명은 부품 유통사가 차량 정비 시 신속하고 정확하게 정비차량에 적합한 부품을 주문함으로써 업무 효율을 극대화시킬 수 있다.

또한, 본 발명은 차량 정비소 간에 관습적으로 사용되던 부품의 약어, 속어 등으로 검색이 가능하도록 함으로써 부품의 오(誤) 주문 문제를 효과적으로 줄일 수 있다.

또한, 본 발명은 고객이 차량부품 전용 검색 서비스를 제공하는 웹 기반 플랫폼을 통해 소유 차량의 정보와 수리내역을 확인할 수 있도록 편의성을 제공할 수 있다.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.

도 1은 본 발명의 실시예에 따른 딥러닝 기반의 차량용 부품 큐레이션 시스템의 개략도이다.
도 2는 본 발명의 실시예에 따른 부품 큐레이션 서버의 구성도이다.
도 3a는 본 발명의 실시예에 따른 부품 큐레이션 서버의 프로세서부의 구성도이다.
도 3b는 본 발명의 실시예에 따른 수리 이력 관리부의 구성도이다.
도 4a는 본 발명의 실시예에 따른 차량정보를 검색하는 화면 예시도이다.
도 4b는 본 발명의 실시예에 따른 부품정보를 검색하는 화면 예시도이다.
도 5는 본 발명의 실시예에 따른 부품관리탭에서 부품정보를 등록하는 화면 예시도이다.
도 6은 본 발명의 실시예에 따른 수주 등록하는 화면 예시도이다.
도 7은 본 발명의 실시예에 따른 부품 이력 관리 과정을 나타낸 흐름도이다.
도 8은 본 발명의 실시예에 따른 부품 우선순위 학습 및 출력 모드의 과정을 나타낸 흐름도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조부호가 사용될 수 있다.

본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는(3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~ 를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된)프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들을 상세히 설명한다.

이하에서는, 도 1을 참조하여 본 발명의 실시예에 따른 딥러닝 기반의 차량용 부품 큐레이션 시스템(1000)에 대해 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 딥러닝 기반의 차량용 부품 큐레이션 시스템의 개략도이다.

도 1을 참조하면, 차량용 부품 큐레이션 시스템(1000)은 국내외 모든 차종의 부품에 대한 검색, 유통 서비스 및 차량 잔존가 정보를 제공하는 시스템으로, 제1 클라이언트 장치(20)에 의해 부품 수리 의뢰가 들어온 차량의 부품에 대한 주문을 요청하는 제1 클라이언트 서버(200, 이하, ‘정비소 서버’라 함), 제1 클라이언트 장치(20)의 요청에 따라 차량용 부품 검색 데이터(PSD)를 기반으로 한 부품 큐레이션 데이터(PCD) 및 차량 잔존가 정보를 제공하는 부품 큐레이션 서버(100), 부품 큐레이션 서버(100)로부터 생성된 부품 큐레이션 데이터(PCD)를 기반으로 제2 클라이언트 장치(30)를 통해 차량용 부품을 수·발주하는 제2 클라이언트 서버(300, 이하, ‘부품유통사 단말’이라 함) 및 소유 차량의 정보 및 수리내역을 확인하는 사용자 장치(400)를 포함할 수 있다.

제1 클라이언트 장치(20)는 정비소에 있는 클라이언트 유저에 의해 사용되는 전자 장치이다. 제1 클라이언트 장치(20)에는 수리 및/또는 정비 차량에 필요한 부품을 발주하기 위해 원하는 조건의 부품이 분류별로 입력된다. 제1 클라이언트 장치(20)로부터 분류별 조건이 입력되면, 제1 클라이언트 서버(200, 이하, ‘정비소 서버’라고 함)에는 분류별 조건에 대한 검색 데이터(PSD)가 저장된다.

구체적으로, 제1 클라이언트 서버(200)는 부품 큐레이션 서버(100)로 차량용 부품 검색 데이터(PSD)를 전송하고, 부품 큐레이션 서버(100)로부터 수신된 부품 큐레이션 데이터(PCD)는 제1 클라이언트 단말(20)의 사용자 인터페이스(User Interface, UI)를 통해 제공된다. 제1 클라이언트 장치(200)는 상술한 사용자 인터페이스를 표시하기 위한 웹 브라우저가(Web browser)가 설치된 스마트폰, 태블릿 PC(Personal Computer), 노트북 및/또는 PC 등 중 적어도 하나를 포함할 수 있다. 다양한 실시예에서 사용자 인터페이스는 웹 브라우저뿐만 아니라 어플리케이션, 프로그램 또는 위젯 등으로 제공될 수 있다.

제1 클라이언트 서버(200)가 부품 큐레이션 서버(100)로 부품 검색 데이터(PSD)를 전송하면 부품 큐레이션 서버(100)로부터 수신된 부품 큐레이션 데이터(PCD)에 따른 추천 부품 정보가 제1 클라이언트 장치(20)의 다양한 인터페이스 화면을 통해 제공될 수 있다. 예를 들어, 다양한 인터페이스 화면은 적어도 하나의 사용자의 계정에 따라 서로 다른 권한을 설정하기 위한 인터페이스 화면, 제1 클라이언트가 원하는 다양한 검색 조건을 획득하기 위한 인터페이스 화면, 및/또는 검색 조건을 기반으로 도출된 부품 추천 리스트를 나타내는 인터페이스 화면 등을 포함할 수 있다. 본 발명에서 제1 클라이언트는 차량 정비 서비스를 제공하는 정비소(이하, ‘차량 정비업체’라고 함)의 직원을 의미한다.

부품 큐레이션 서버는 딥러닝(Deep learning)을 기반으로 수리·정비 차량에 적합한 부품을 검색하여 추천해주는 기능과 중고 부품에 대한 정보에 기초하여 차량 잔존가에 대한 정보를 제공하는 기능을 가진 서버이다.

부품 추천과 관련하여, 구체적으로, 부품 큐레이션 서버(100)는 제1 클라이언트 장치로부터 차량용 부품 검색 데이터를 수신하고, 차량용 부품 검색 데이터에 기반하여 차량용 부품 큐레이션 데이터를 생성한다. 여기서, 부품 큐레이션 데이터는 사용자에게 적합한 표준 명칭의 부품의 큐레이션(Curation)을 위해 생성되는 데이터이다. 특히, 부품 큐레이션 데이터는 수리 또는 정비 차량에 적합한 표준 명칭의 부품을 추천해주는 표준 부품 추천부(60)에 의해 생성되는 추천 데이터 및 추천 데이터에 기초하여 주문을 요청하는 주문 요청 데이터를 포함할 수 있다. 생성된 부품 큐레이션 데이터는 제1 클라이언트 서버(200) 및/또는 제2 클라이언트 서버(300)로 다시 전송될 수 있다.

부품 큐레이션 서버(100)는 차량용 부품 큐레이션 데이터 생성 및 차량 잔존가 산정을 위해 다양한 연산을 수행하는 범용 컴퓨터, 랩탑(Laptop) 및/또는 클라우드 서버 등을 포함할 수 있다. 부품 큐레이션 서버(100)는 웹 페이지를 제공하는 웹 서버 또는 모바일 웹 사이트를 제공하는 모바일 웹 서버일 수 있으나, 이에 한정되지 않는다. 예를 들어, 차량용 부품 큐레이션 데이터는 클라이언트 장치 및/또는 사용자 장치에 설치된 웹 브라우저를 통해 웹 페이지로 제공되거나, 어플리케이션, 또는 프로그램 형태로 제공될 수 있다. 또는 클라이언트-서버 환경에서 플랫폼에 포함되는 형태로 제공될 수 있다. 정비소에 있는 클라이언트에 의해 사용되는 전자 장치이다. 부품 큐레이션 서버와 관련한 보다 구체적인 설명은 후술하기로 한다.

제2 클라이언트 장치(30)는 부품 유통사에 있는 클라이언트 유저에 의해 사용되는 전자 장치이다. 제2 클라이언트 장치(30)는 제1 클라이언트 장치의 요청에 의해 부품 큐레이션 서버(100)를 통해 주문을 접수받고, 부품을 수주하거나, 다른 유통사에 발주 요청을 한다. 또한, 제2 클라이언트 장치(30)에서는 차량 이력을 관리할 수 있으며, 본 발명에서 차량 이력 관리의 주체로서 역할을 하는 것으로 이해되는 것이 바람직하다. 제2 클라이언트 장치(30)에서 부품 수발주 요청을 하면, 제2 클라이언트 서버(300, 이하, ‘유통사 서버’라고 함)는 부품 큐레이션 서버(100)로 부품 주문 요청 데이터를 전송한다. 여기서, 부품 주문 요청 데이터는 부품의 수주 및/또는 발주를 위해 유통사에 의해 전송되는 데이터인 것으로 이해되는 것이 바람직하다.

사용자 장치(400)는 고객에 의해 사용되는 전자 장치로서, 소유하고 있는 차량에 대한 수리 내역을 확인할 수 있고, 소유 차량에 적합한 부품들에 대한 정보와 가격을 제공받을 수 있다. 사용자 장치(400)는 부품 큐레이션 서버(100)를 이용하려는 사용자가 사용하는 단말로서, 데스크탑 또는 노트북 등의 고정형(stationary) 단말 및 스마트폰, 태블릿 PC 등의 이동형(portable) 단말을 포함할 수 있다.

도 2 내지 도 3b 및 도 7을 참조하여 본 발명의 실시예에 따른 부품 큐레이션 서버를 설명하기로 한다. 도 2는 본 발명의 실시예에 따른 부품 큐레이션 서버의 구성도이다. 도 3a는 본 발명의 실시예에 따른 부품 큐레이션 서버의 프로세서부의 구성도이다. 도 3b는 본 발명의 실시예에 따른 수리 이력 관리부의 구성도이다. 도 7은 본 발명의 실시예에 따른 부품 이력 관리 과정을 나타낸 흐름도이다.

도 2를 참조하면, 부품 큐레이션 서버(100)는 프로세서(110), 통신부(120), 표시부(130) 및 메모리(140)를 포함한다.

프로세서(110)는 부품 검색, 부품 추천 동작 및 차량 잔존가 추정 동작을 실행하는 구성이다. 구체적으로, 프로세서(110)는 도 3에 도시된 바와 같이, 조건 데이터 수신부(10), 수발주 승인부(20), 부품 주문 처리부(30) 및 수리 이력 관리부(40)를 더 포함할 수 있다. 본 실시예에서, 조건 데이터 수신부(10), 수발주 승인부(20), 부품 주문 처리부(30) 및 수리 이력 관리부(40)는 프로세서(110)에서 실행되는 소프트웨어 모듈이지만, 별도의 하드웨어, 소프트웨어 및 하드웨어의 조합 등으로 구성하는 것도 가능하다.

조건 데이터 수신부(10)는 사용자에게 최적화된 부품 큐레이션 서비스를 제공할 수 있도록 제1 클라이언트 서버(200)와 제2 클라이언트 서버(300)로부터 조건 데이터를 수신하는 구성이다. 보다 상세하게, 조건 데이터 수신부(10)는 제1 클라이언트 서버(200)로부터 차량용 부품 검색 데이터(PSD)를 수신하거나, 제2 클라이언트 서버(200)로부터 주문 요청 데이터를 수신할 수 있다.

이때, 제1 클라이언트 서버(200)에서 차량용 부품을 검색하는 과정을 생략하고 바로 부품을 주문할 경우, 조건 데이터 수신부(10)는 제1 클라이언트 서버(200)로부터 주문 요청 데이터를 수신할 수도 있다. 또한, 조건 데이터 수신부(10)는 인공 지능(AI)에 기초한 음성 인식 검색 방식을 통해 조건 데이터를 수신할 수 있다.

수발주 승인부(20)는 조건 데이터 수신부(10)에 의해 수신한 부품 큐레이션 데이터에 기반하여 부품에 대한 수주 요청 및/또는 발주 요청을 승인하는 구성이다. 수발주 승인부(20)는 제1 클라이언트 서버(200) 및/또는 제2 클라이언트 서버(300)에서 요청한 주문 요청 데이터를 미리 수신한 수리 차량 정보와 비교해서 수리 차량에 적합한 부품이라고 판단된 경우에만 수주 및/또는 발주를 승인한다. 이 때에, 수발주 승인부(20)는 표준 부품 추천부(60)으로부터 생성된 부품 큐레이션 데이터에 기초하여 표준 부품 명칭을 참조하여 수발주를 승인할 수 있다.

부품 주문 처리부(30)는 수발주 승인부(20)의 승인 여부에 기초하여 부품 주문을 처리하는 구성이다. 이 때 부품 주문 처리부(30)는 수발주 승인이 난 경우, 사전에 제1 클라이언트 서버(200)로부터 수신한 부품 주문서를 제2 클라이언트 서버(300)로 전송하는 것을 특징으로 한다. 보다 상세하게는, 수신한 조건 데이터에 대응되는 부품에 대한 부품 큐레이션 데이터를 표준 부품 추천부(60)에서 생성한 후, 상기 부품 큐레이션 데이터에 대한 유효성이 확인되면 상기 부품 큐레이션 데이터를 부품 승인용 오브젝트로서 제2 클라이언트 서버로 전송하는 것을 특징으로 한다.

예컨대, 부품 주문서는 수리 차량에 대한 정보, 예를 들면, 차대 번호, 수리 부품에 대한 부품코드, 부품명, 업체 명(정비소 명), 수리 날짜 등 중 적어도 하나를 포함하는 것을 특징으로 한다. 이와 관련된 내용은 도 6을 참조하여 후술하기로 한다.

수리 이력 관리부(40)는 부품 수리에 따른 수리 이력을 기록하고, 분류하고, 저장하는 역할을 수행하는 구성으로서, 블록체인(Block chain) 기술을 이용하여 이력을 관리하는 것을 특징으로 한다. 구체적으로, 도 3a 및 도 7과 같이, 수리 이력 관리부(40)는 차량에 대한 부품 수리 시, 블록 생성부(41)를 이용하여 부품 수리 이력을 포함하는 블록을 생성하고, 블록 검증부(42)를 이용하여 헤더(Header) 부분에 기록된 해쉬(Hash) 값을 이용하여 이전에 생성되어 부품 큐레이션 서버(100)의 메모리에 저장된 블록의 블록 데이터(Block data)와 대조함으로써 블록의 신뢰성을 확인하는 동작을 수행할 수 있다.

차량 잔존 가치 연산부(50)는 수리 이력 관리부(40) 로부터 차량의 수리 이력 정보를 수신하여 차량의 잔존 가치를 연산하도록 구성된다. 이 경우, 차량의 잔존 가치 연산부(50)의 연산 동작은 도 8와 함께 추후 설명하도록 한다.

표준 부품 추천부(60)는 검색한 검색 조건 데이터와 관련된 표준 부품 명칭을 추천해줄 수 있고, 검색 조건 데이터와 연관되는 연관 검색어를 노출할 수 있는 것을 특징으로 한다. 표준 부품 추천부(60)는 사전(Lexicon)의 형태로 메모리에 저장되고, 룰 기반의 검색을 제공한다. 이후, 최초에 매뉴얼 등의 부품 관련 문서와 웹 크롤링을 통하여 수집된 문서와의 문서 간 유사성 비교를 통하여 사전이 업데이트 된다. 문서간의 유사성 비교는 예를 들어, Doc2vec 알고리즘과 같은 문장 유사 검색을 통하여 이루어질 수 있다.

통신부(120)는 부품 큐레이션 서버(100)가 통신 네트워크를 통해 제1 클라이언트 서버(200), 제2 클라이언트 서버(300) 및/또는 사용자 장치(400)와 통신하는 기능을 수행한다. 구체적으로, 제1 클라이언트 서버(200)와 제2 클라이언트 서버(300) 사이에서 수발주 인증을 수행할 수 있도록 통신부(120)을 통해 통신을 수행한다. 예컨대, 통신부(120)는 블루투스, 근거리 무선 통신(Near Field Communication, NFC), RFID(Radio-Frequency Identification), 지그비(Zigbee) 모듈, 저전력 블루투스 모듈(Bluethooth Low Energy, BLE), 무선랜(Wireless Local Area Net-work, WLAN), Wi-Fi 통신 등을 포함할 수 있다.

표시부(130)는 제1 클라이언트 장치(20), 제2 클라이언트 장치(30) 및 사용자 장치(40)의 디스플레이 화면을 통해 부품 검색, 부품 주문, 수리 이력 확인, 차량 잔존 가치 정보 등을 위한 다양한 사용자 인터페이스를 출력하는 구성으로서, 텍스트, 이미지, 비디오, 아이콘, 배너 또는 심볼 등이 출력될 수 있다.

메모리(140)는 컴퓨터 프로그램을 저장하거나 보유할 수 있고, 텍스트, 데이터베이스, 그래픽, 오디오, 비디오, 이들의 조합 및 기타 데이터를 저장할 수 있다. 메모리(140)는 컴퓨터로 판독가능한 매체 또는 컴퓨터로 판독가능한 저장 매체라고 지칭될 수 있고, RAM(Random Access Memory), ROM(Read Only Memory), 플래시 드라이브, 플로피 디스크, 하드 디스크, 콤팩트 디스크(CD-ROM), DVD(Digital Video Disc) 등과 같은 광 저장 매체, 또는 이들의 조합으로 이루어질 수 있다.

도 4a는 본 발명의 실시예에 따른 차량정보를 검색하는 화면 예시도이다. 도 4b는 본 발명의 실시예에 따른 부품정보를 검색하는 화면 예시도이다. 도 5는 본 발명의 실시예에 따른 부품관리탭에서 부품정보를 등록하는 화면 예시도이다. 도 6은 본 발명의 실시예에 따른 수주 등록하는 화면 예시도이다.

도 4a를 참조하면, 표시부(130)는 검색 조건 입력 영역(410) 및 차량 정보 표시 영역(420)을 포함할 수 있다. 검색 조건 입력 영역(410)은 원하는 검색 조건에 따른 두 가지 항목을 선택한 후(예: 차량번호, 부품명) 각 항목에 대한 조건을 추가로 입력할 수 있다. 예컨대, 차량번호와 부품명을 선택한 경우, 차량번호 ‘31버7562’를 입력하고, 부품명 ‘디스크’를 입력하면, 해당 차량에 대한 차량 정보와 해당 차량의 디스크에 관한 정보가 차량 정보 표시 영역(420)에 표시된다. 차량 정보 표시 영역(420)에는 차량번호와 차대번호가 함께 표시될 수 있으며, 차량의 모델명, 제조사, 연식, 배기량, 엔진형식, 구동방식 등을 포함한 차량정보를 더 포함할 수 있다. 또한, 부품명, 부품코드, 공식 부품명, 제조사 부품코드, 부품의 위치, 해당 부품이 적용되는 차종, 부품의 재고, 판매가, 최소 판매수량, 부품교체율, 부품 교체주기 등을 포함한 부품 정보를 더 포함할 수 있다.

도 4b를 참조하면, 표시부(130)는 상세 검색 화면 표시 영역(430)을 더 포함할 수 있다. 상세 검색 화면 표시 영역(430)에는 검색 조건 입력 영역(410)에서 입력한 조건에 대해 보다 상세한 조건으로 검색하기 위해 입력한 조건에 대한 결과들이 팝업 창 형태로 리스팅되어 표시될 수 있다.

한편, 검색 조건 입력 영역(410)에서 사용자는 부품명 검색 시, 공식 부품명이 아닌, 업계에서 사용되는 은어, (비)속어, 약어 등으로 검색할 수 있는 것을 특징으로 한다. 예를 들어, 검색 조건 입력 영역(410)에는 공식 명칭으로 스티어링 기어(혹은 웜기어)를 입력하거나, 업계 은어인 오무 기어를 입력함으로써 부품 검색을 할 수 있다. 또는, 검색 조건 입력 영역(410)에서는 점화플러거(혹은 쁘라그), 스태빌라이져(혹은 활대) 등의 다양한 형태로 검색이 가능한 것을 특징으로 한다.

이때, 검색 조건 입력 영역(410)에는 음성 인식 검색을 위한 버튼을 더 포함할 수 있으며, 음성 인식 검색을 위한 버튼이 포함된 경우, 사용자는 모바일 기기의 마이크, 데스크탑 PC, 태블릿 PC, 노트북 등에 연결된 별도의 입력 수단(예: 이어폰)을 통해 검색 조건을 입력할 수도 있다.

도 5를 참조하면, 표시부(130)는 부품 관리를 위해 부품을 대분류, 중분류, 소분류 등으로 세분화하여 분류하는 부품 분류 영역(510)과 분류 별로 부품을 등록할 수 있는 부품 등록 영역(520)을 포함할 수 있다. 구체적으로, 부품 분류 영역(510)에서 부품을 분류별로 선택한 후, 부품 등록 영역(520)에서 등록하고자 하는 부품과 관련된 정보를 입력할 수 있다. 이때, 해당 부품을 취급하는 유통사와 정비소에 대한 정보를 입력하기 때문에 유통사, 정비소 또는 고객은 부품에 대한 관리를 수월하게 진행할 수 있을 뿐만 아니라, 부품 주문 시 편리성이 증대된다.

도 6을 참조하면, 표시부(130)는 주문하고자 하는 부품들의 목록이 표시된 주문 목록 표시 영역(610)을 포함할 수 있다. 이때, 주문 목록 표시 영역(610)에는 공식부품코드, 공식부품명, 관리부품명, 규격, 단위, 수량, 단가, 금액, 납품/회수상태, 주문차량부품, 메모, 최종변경일시 등에 대한 정보를 포함할 수 있다. 주문 목록 표시 영역(610)의 상단에는 주문에 필요한 기타 정보를 입력하는 개인 정보 입력 영역이 배치된다. 개인 정보 입력 영역에는 주문하는 업체의 이름, 담당자, 주소, 차량 브랜드, 차종, 차대번호, 차량번호 등 중 적어도 하나가 입력될 수 있다.

이하에서는 도 8을 참조하여, 차량 잔존 가치 연산부(50)의 상세한 동작에 대하여 설명한다.

도 8을 참조하면, 차량 잔존 가치 연산부(50)는 기계 학습 모드(도 8a) 및 차량 잔존 가치 출력 모드(도 8b)의 2가지 모드로 동작하며, 학습모드에 의하여 차량 잔존 가치에 대한 영향력을 기준으로 부품의 우선순위화가 수행된다. 학습모드 수행 후, 기준 순위 이상의 우선순위를 가지는 부품들에 대해서 가격 보정 정보를 수신한 후, 잔존가를 보정하게 된다.

학습모드와 관련하여, 먼저, 차량 잔존 가치 연산부(50)는 중고차 가격 데이터 및 차량 수리 이력 데이터, 수리 시 부품 가격 데이터를 수집한다. (S100). 이 경우, 중고차 가격 데이터는 예를 들어, 차량 연식, 사고유무, 주행거리 및 차량 옵션에 따른 가격 데이터를 포함할 수 있다.

차량 수리 이력 데이터는 수리 이력 관리부(40)에 의하여 생성된 데이터를 수집하며, 부품 가격 데이터는 표준 부품 추천부(60)에 의하여 생성된 부품의 표준 명칭을 기준으로 가격 데이터를 수집한다.

그리고, 차량 잔존 가치 연산부(50)는 중고차 가격 데이터(연식/차종/차량 옵션 등)에 따른 각 부품의 수리 빈도 및 부품 가격 데이터를 도출한다. (S200)

그리고, 각 부품 데이터(가격)는 기계 학습의 용이성 및 정확성을 보장하기 위하여 정규화 등을 사용하여 특성을 스케일링하는 전처리 과정을 거친 후 다차원 벡터로서 생성되게 된다. 그 후, SVM 알고리즘을 이용하여 서포트 벡터 및 초평면을 산출하게 된다. (S300)

초평면은 해당 학습 데이터 샘플이 특정 부품이 중고차 가격에 유의미한 영향을 주었는지 판단하는 기준이 되는 평면으로 초평면 기준 해당 학습 데이터 샘플의 위치가 중고차 가격에 영향 여부를 판단하는 기준이 된다. 이 경우, 서포트 벡터 및 초평면을 산출하는 과정은 예컨대, 아래와 같다.

이 경우, 학습 샘플 데이터를

라 하고, 구하고자 하는 분류기준인 초평면에 직교하는 기준 벡터를

라 하면, 두 벡터인 내적 값이 일정 기준 값(-b) 이상인 경우(초평면에 대하여 학습 샘플 데이터가 어떤 위치에 존재하는지 여부)에는 특정 분류기준(예를 들어, 특정 부품 값 및 특정 부품 수리 빈도가 중고차 가격에 영향을 미친 것으로 분류됨)을 만족한다고 볼 수 있다. 즉, 초평면에 직교하는 기준 벡터

에 대한 내적 값의 범위에 따라, 특정 부품 값 및 특정 부품 수리 빈도가 중고차 가격에 영향을 미쳤는지 여부를 알 수 있다. 따라서, 기준 벡터

를 구하게 되면, 초평면이 특정될 수 있다.

따라서, 이를 수식으로 정리하면, 아래의 수학식 1과 같다.

(수학식 1)

한편, 학습용 데이터 셋을

라 정의하고, 이 때

는 다차원의 학습 샘플 데이터이고, y_i는 Xi가 특정 분류기준에 만족하는 경우 +1, 분류기준에 만족하지 않는 경우에 -1이라 정의한다.

즉, y_i는 아래와 같이 정의된다.

(수학식 2)

x₊를 특정 분류기준에 만족하는 경계의 샘플(이하, + 샘플), x를 특정 분류기준에 만족하지 않는 경계의 샘플(이하, - 샘플)이라 할 때 다음과 같은 수학식 2가 식이 성립할 수 있다.

(수학식 3)

y_i를 수학식 3에 양변에 각각 곱하면 아래의 수학식 4 하나로 도출할 수 있다.

(수학식 4)

이 경우, 경계 조건은 아래와 같이 된다.

(수학식 5)

이 경우, 최적화 조건은 x₊ 샘플과 x_-샘플의 거리를 최대화하는 것이 제한 조건이 될 수 있고, 이 경우, x₊ 샘플과 x_-샘플의 거리는 수학식 6과 같이 도출될 수 있다.

(수학식 6)

이 때, WIDTH를 최대화하는 제한 조건을 좀더 간단하게 연산하기 위하여 아래와 같이 변형할 수 있다.

(수학식 7)

즉, x₊ 샘플과 x_-샘플의 거리(WIDTH)를 최대화하기 위하여

이 최소값이 되는 기준 벡터

를 구하면 된다.

이 때 초평면을 구하기 위하여 라그랑주 승수법을 아래 수학식 8와 같이 적용할 수 있다.

(수학식 8)

이 경우,

는 라그랑주 승수법에서 정의되는 보조 함수이고, α_i는 라그랑주 승수이다. 이 경우, 구하고자 하는 관심있는 변수(w, b)에 대하여 각각 편미분을 수행하면 수학식 9가 도출되며, 각각의 미분 값이 0이 될 때의 라그랑주 승수를 구하게 되면 초평면이 도출되게 된다.

(수학식 9)

따라서, 수학식 10의 해인 α_i를 구하여 경계가 되는 샘플값인 x₊ 샘플과 x_-샘플 (서포트 벡터) 및 초평면을 산출할 수 있다. 이경우, 초평면 산출을 용이하게 하기 위하여 커널 함수를 적용할 수 있으며, 예컨대, RDF 커널(Radial Basis Function) SVM을 사용할 수 있다.

한편, 서포트 벡터와 초평면이 산출되면, 산출된 초평면을 기준으로 각 부품별로 중고차량 가격에 영향을 준 샘플들을 취하여 그 빈도로서 부품의 우선순위를 결정하게 된다.

한편, 도 8b를 참조하면, 기계 학습된 부품 우선순위에 기초하여 차량 잔존 가치를 출력하는 알고리즘이 제공된다.

먼저, 차량 잔존가치를 추정할 대상 차량 정보 및 차량 수리 이력 데이터를 수신한다. (S600)

한편, 학습된 부품 우선 순위에 기초하여 차량 수리 이력 데이터 중 수리가 진행된 부품에 대한 가격 보정 정보를 수신한다. (S700) 그리고, 가격 보정 정보에 기초하여 대상 차량의 연식, 사고유무, 옵션 등의 중고차 가격 데이터를 보정한다. (S800) 이 경우. 차량 정보 및 차량 수리 이력 데이터는 OBD(On-Board Diagnostics)에 기초하여 생성할 수 있으며, 예컨대, 가격 보정 정보는 부품별로 미리 정해진 값일 수 있다.

수리 이력을 통한 중고차량 잔존 가치의 산출을 통하여 소비자 및 딜러들은 보다 정확한 거래 가치의 매매가 가능하다. 특히, 기존에는 소비자 또는 딜러들이 차량의 수리 여부 등을 직접 확인하기가 어려웠고, 침수 차량, 중요 부품의 수리 등에 대한 여부를 알기 어려웠다. 따라서, 침수 차량 또는 중요 부품이 수리되지 않은 차량들에 대하여 정상 가치보다 높은 금액을 지불하면서 중고차를 구매하는 경우가 많았다.

하지만, 본원발명의 시스템의 적용을 통하여 중고차량의 수리여부가 반영되어 정확하게 산정된 가격으로 중고차를 거래함으로서 소비자는 불의의 손해를 입지 않을 수 있게 되었으며, 또한, 차량의 수리 이력을 정확하게 파악할 수 있어서 차량 구매자의 안전이 현저하게 강화되게 된다.

또한 본 발명은 수발주 시스템과 잔존가치 산정 시스템을 함께 제공함으로서 실제 거래 데이터 및 수리 이력에 기초하여 잔존 가치를 정확하게 산정할 수 있다는 장점이 있다.

본 발명은 차량용 부품 검색에 특화된 검색 시스템을 제공함으로써 부품 유통사와 정비소 간의 수발주 편의성을 증대시킬 수 있다.

본 발명은 부품 유통사가 차량 정비 시 신속하고 정확하게 정비차량에 적합한 부품을 주문함으로써 업무 효율을 극대화시킬 수 있다.

본 발명은 차량 정비소 간에 관습적으로 사용되던 부품의 약어, 속어 등으로 검색이 가능하도록 함으로써 부품의 오(誤) 주문 문제를 효과적으로 줄일 수 있다.

본 발명은 고객이 차량부품 전용 검색 서비스를 제공하는 웹 기반 플랫폼을 통해 소유 차량의 정보와 수리내역을 확인할 수 있도록 편의성을 제공할 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (5)

1. 부품 큐레이션 서버에서 차량의 수리 이력을 반영하는 차량 잔존가 산정 방법에 있어서,
   상기 부품 큐레이션 서버가 중고차 가격 데이터, 차량 수리 이력 데이터 및 부품 가격 데이터를 수신하는 단계;
   상기 부품 큐레이션 서버가 상기 중고차 가격 데이터에 따른 부품 고장 빈도를 산출하는 단계;
   상기 부품 큐레이션 서버가 상기 부품 고장 빈도, 상기 부품 가격 데이터 및 상기 중고차 가격 데이터에 기초하여 다차원 벡터를 생성하고, 상기 다차원 벡터에 기초하여 서포트 벡터 및 초평면을 산출하는 단계; 및
   상기 부품 큐레이션 서버가 상기 초평면에 기초하여 차량 잔존가에 영향을 미치는 부품들에 대하여 부품 우선순위를 결정하는 단계;를 포함하는,
   차량 잔존가 산정 방법.
2. 제1항에 있어서,
   상기 부품 큐레이션 서버가 상기 부품 우선순위에 기초하여 기준 순위 이상의 부품들에 대하여 부품 보정 데이터를 수신하는 단계; 및
   상기 부품 큐레이션 서버가 대상 차량 정보를 수신하고, 상기 부품 보정 데이터 및 상기 대상 차량 정보에 기초하여 차량 잔존가를 보정하는 단계를 더 포함하는;
   차량 잔존가 산정 방법.
3. 제1항에 있어서,
   상기 부품 가격 데이터를 산출하는 단계는 상기 부품 가격 데이터를 표준 부품 명칭을 활용하여 수정하는 단계를 포함하는,
   차량 잔존가 산정 방법.
4. 제1항에 있어서,
   상기 수리 이력 데이터는 상기 수리 차량에 대한 차대번호, 수리 일시, 부품코드, 부품명, 정비소명, 부품 제조사 및 수리 부품의 보증 기간 중 적어도 하나 및/또는 둘 이상의 조합을 포함하는,
   차량 잔존가 산정 방법.
5. 제 1 항에 있어서,
   상기 부품 우선순위를 결정하는 단계는:
   상기 다차원 벡터를 포함하는 학습 샘플 데이터를

   

   라 하고, 상기 초평면에 직교하는 기준 벡터를

   

   라 할 때, 상기 학습 샘플 데이터 벡터 및 상기 기준 벡터의 내적 값에 기초하여

   

   가 차량 잔존가에 영향을 주는 학습 샘플 데이터인지를 결정하는 단계;
   부품별로 차량 잔존가에 영향을 주는 학습 샘플 데이터의 빈도를 구하는 단계; 및
   상기 부품별 차량 잔존가에 영향을 주는 학습 샘플 데이터의 빈도에 기초하여 부품 우선순위를 결정하는 단계를 포함하는;
   차량 잔존가 산정 방법.

Images