KR102223800B1 - 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 - Google Patents
빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102223800B1 KR102223800B1 KR1020190116789A KR20190116789A KR102223800B1 KR 102223800 B1 KR102223800 B1 KR 102223800B1 KR 1020190116789 A KR1020190116789 A KR 1020190116789A KR 20190116789 A KR20190116789 A KR 20190116789A KR 102223800 B1 KR102223800 B1 KR 102223800B1
- Authority
- KR
- South Korea
- Prior art keywords
- bus route
- big data
- information
- adjustment
- bus
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 9
- 238000013523 data management Methods 0.000 claims description 9
- 238000007667 floating Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003058 natural language processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 빅데이터 제공하는 통신사 서버; 상기 빅데이터를 반영한 후, 버스노선을 생성하여 제공하는 버스노선 제공서버; 상기 버스노선 제공서버가 생성한 상기 버스노선을 반영하여 최종적인 버스노선을 조정하기 위한 조정정보를 생성하는 관리기관 서버; 및 상기 관리기관 서버로부터 상기 조정정보를 수신하여 상기 버스노선 제공서버가 생성한 최종적인 버스노선을 수신하는 사용자 단말기;를 포함하여 빅데이터 및 인공지능 기술을 활용해 버스노선 최적화 가능한 효과가 있고, 버스노선 조정 전 편익분석 확인을 통한 최적의 노선 선정이 가능한 효과가 있다.
Description
본 발명은 빅데이터 기반 인공지능을 활용한 스마트 버스노선 생성 시스템 및 그 방법에 관한 것으로써, 더욱 상세하게는 빅데이터 및 인공지능 기술을 활용하여 고객 맞춤형 버스노선을 생성하여 제공할 수 있고, 고객의 주기적인 버스노선 평가와 조정 가능한 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법에 관한 것이다.
기존 버스노선은 실제 버스를 이용하는 고객의 의견을 제대로 반영하기가 어려운 문제점이 있었고, 그로 인해 불필요하거나, 불편한 버스노선 이용시 고객의 불만이 증가하는 문제점이 있었다.
상술한 문제점을 해결하기 위해 본 발명은 빅데이터 및 인공지능 기술을 활용하여 고객 맞춤형 버스노선을 생성하여 제공할 수 있고, 고객의 주기적인 버스노선 평가와 조정 가능한 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법을 제공하는데 목적이 있다.
상술한 목적을 달성하기 위해 본 발명은 빅데이터 제공하는 통신사 서버; 상기 빅데이터를 반영한 후, 버스노선을 생성하여 제공하는 버스노선 제공서버; 상기 버스노선 제공서버가 생성한 상기 버스노선을 반영하여 최종적인 버스노선을 조정하기 위한 조정정보를 생성하는 관리기관 서버; 및 상기 관리기관 서버로부터 상기 조정정보를 수신하여 상기 버스노선 제공서버가 생성한 최종적인 버스노선을 수신하는 사용자 단말기;를 포함하는 것을 특징으로 한다.
바람직하게, 상술한 문제점을 해결하기 위한 본 발명의 버스노선 조정모듈은 버스노선 토폴로지를 생성하는 토폴로지 생성부; 버스노선 조정을 시뮬레이션하기 위한 상기 조정항목 및 해당 조정항목들에 대한 가중치를 입력받아 관리하는 조정항목 관리부; 운영중인 토폴로지 정보와, 가공처리된 빅데이터 정보, 고객평가 정보, 버스노선 조정항목 정보를 이용하여 머신러닝을 통해 토폴로지를 생성하는 토폴로지 머신러닝; 상기 토폴로지 머신러닝에 의해 생성된 복수의 버스노선 토폴로지에 대하여, 해당 버스노선별 운영비용, 예상 이용자 수, 예상 매출, 예상 고객의견정보를 반영한 편익분석을 통해 분석 보고서를 생성하는 토폴로지 편익분석부; 및 상기 분석 보고서에 근거하여 상기 관리기관 서버가 생성한 버스노선 조정정보를 반영하여 버스노선을 조정하는 노선 조정부;를 포함하는 것을 특징으로 한다.
다른 실시예로써, 상술한 목적을 달성하기 위해 본 발명은 (a) 빅데이터 관리모듈이 통신사 서버로부터 빅데이터를 수신하는 단계; (b) 버스노선 조정모듈이 상기 빅데이터를 반영하여, 버스노선을 생성하는 단계; (c) 상기 버스노선 조정모듈이 상기 버스노선이 실시간 배차간격 조정 대상인지 판단하는 단계; 및 (d) 상기 버스노선 조정모듈이 실시간 배차간격 조정 대상의 버스노선에 대해 배차간격을 조정하는 단계;를 포함하는 것을 특징으로 한다.
더욱 바람직하게, 상술한 목적을 달성하기 위한 본 발명의 (b)단계는 (b-1) 상기 버스노선 조정모듈의 토폴로지 생성부가 현행 버스 승하차 정보와 GIS 정보DB의 지리정보를 이용하여 버스노선 토폴로지를 생성하는 단계; (b-2) 상기 버스노선 조정모듈의 토폴로지 머신러닝이 상기 토폴로지를 생성하는 알로고리즘을 지속적으로 학습하고, 해당 학습을 통해 토폴로지 정보를 주기적으로 시뮬레이션하는 단계; (b-3) 학습된 상기 토폴로지 머신러닝이 군집 분석을 수행한 후, 산출된 군집 데이터를 반영하여 복수의 상이한 머신러닝 알고리즘을 통해 복수의 알고리즘별 버스노선을 생성하는 단계; (b-4) 상기 버스노선 조정모듈의 토폴로지 편익부석부가 복수의 버스노선에 대하여, 해당 버스노선별 운영비용, 예상 이용자 수, 예상 매출, 예상 고객의견 정보를 반영한 편익분석을 통해 분석 보고서를 생성하는 단계; (b-5) 상기 토폴로지 편익부석부가 상기 분석 보고서를 버스노선을 관리하는 외부의 관리기관 서버에 전달하는 단계; (b-6) 상기 노선 조정부가 관리기관에서 버스노선 조정업무를 담당하는 담당자에 의해 버스노선의 조정이 이루어짐에 따라 생성되는 버스노선 조정정보를 수신하는 단계; (b-7) 상기 버스노선 조정모듈의 노선 조정부가 버스노선 조정정보를 전달받아 버스노선을 조정하는 단계; 및 (b-8) 모바일 앱 관리부가 상기 (b-7)단계에서 상기 버스노선 조정모듈에 의해 조정된 버스노선을 상기 사용자 단말기에 설치된 모바일 앱을 통해 고객에게 안내하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법은 빅데이터 및 인공지능 기술을 활용해 버스노선 최적화 가능한 효과가 있고, 버스노선 조정 전 편익분석 확인을 통한 최적의 노선 선정이 가능한 효과가 있다.
또한, 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법은 주기적 버스노선 평가 및 조정 가능한 효과가 있고, 고객의 의견을 반영한 고객 맞춤형 버스노선을 제공할 수 있는 효과가 있다.
도 1은 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 관계도 이다.
도 2는 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 상세 블록도 이다.
도 3은 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 머신러닝을 통한 노선 생성 알고리즘을 도시한 도면이다.
도 4는 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 방법의 흐름도 이다.
도 5는 본 발명에 따른 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 모바일 앱 관리부에 의한 버스노선 안내 및 고객의 의견 수신을 위한 흐름도 이다.
도 2는 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 상세 블록도 이다.
도 3은 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 머신러닝을 통한 노선 생성 알고리즘을 도시한 도면이다.
도 4는 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 방법의 흐름도 이다.
도 5는 본 발명에 따른 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 모바일 앱 관리부에 의한 버스노선 안내 및 고객의 의견 수신을 위한 흐름도 이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법에 대해 설명한다.
도 1은 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템의 관계도 이다.
도 1에 도시된 바와 같이 본 발명에 따른 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템은 통신사 서버(100), 버스노선 제공서버(200), 사용자 단말기(300), 통신망(400), 및 관리기관 서버(500)를 포함한다.
상기 통신사 서버(100)는 장소별, 연령대별 유동인구 정보, 정류장별 승하차 인원정보, 날씨 및 공휴일 정보를 상기 버스노선 제공서버(200)에 제공한다.
한편, 상기 버스노선 제공서버(200)는 도 2에 도시된 바와 같이 빅데이터 관리모듈(210), 버스노선 조정모듈(220), 데이터 베이스부(230), 모바일 앱 관리부(240)를 포함한다.
상기 빅데이터 관리모듈(210)은 빅데이터 수집부(211) 및 빅데이터 처리부(212)를 포함한다.
상기 빅데이터 수집부(211)는 상기 통신사 서버(100)에서 제공하는 장소별, 연령대별 유동인구 정보, 정류장별 승하차 인원정보, 날씨 및 공휴일 정보를 수집한다.
상기 빅데이터 처리부(212)는 상기 빅데이터 수집부(211)가 수집한 데이터를 가지고 머신러닝시 사용할 수 있는 형태로 가공처리 한다.
즉, 상기 빅데이터 처리부(212)는 연령, 유동인구, 시간, 계절, 요일, 정류장, 날씨에 따라 버스이용 패턴을 머신러닝시 사용할 수 있는 형태로 가공처리하여 머신러닝 DB(213)에 저장한다.
보다 구체적으로, 상기 빅데이터 처리부(212)는 데이터를 스플릿 또는 중복 제거 중 하나 이상을 수행하는 전처리, 및 샘플링, 결측값, 평활화 정규화, 표준화, 이상값, 또는 이산값 처리중 어느 하나 이상을 수행하는 후처리 공정을 통해 상기 가공처리를 수행 한다.
상기 버스노선 조정모듈(220)은 토폴로지 생성부(221), 조정항목 관리부(222), 토폴로지 머신러닝(223), 토폴로지 편익분석부(224), 노선 조정부(225)를 포함한다.
상기 토폴로지 생성부(221)는 현행 버스 승하차 정보와 데이터 베이스부(230)의 GIS 정보DB(231)의 지리정보를 이용하여 기하학적으로 버스노선 토폴로지를 생성한다.
상기 토폴로지 생성부(221)는 상기 버스노선 토폴로지를 상기 데이터 베이스부(230)의 토폴로지DB(232)에 저장한다.
상기 조정항목 관리부(222)는 버스노선 조정을 시뮬레이션하기 위한 항목 및 해당 항목들에 대한 가중치를 입력받아 관리한다.
즉, 상기 조정항목 관리부(222)는 주변 정류소 간 거리, 전·후 정류소 사이의 거리, 정류소당 최소 버스노선, 최소 평균 승하차 인원, 고객의견 반영률, 날씨 영향도 반영률, 최대·최소 배차 간격, 조정 주기, 버스노선 비용정보, 실시간 배차간격 조정 여부 등과 같은 항목과 상술한 항목들에 대한 항목별 가중치를 입력받아 관리한다.
상기 조정항목 관리부(222)는 상술한 조정항목과 항목별 가중치를 상기 데이터 베이스부(230)의 조정항목 및 가중치DB(233)에 저장하여 관리한다.
상기 토폴로지 머신러닝(223)는 현재 운영중인 토폴로지 정보와, 머신러닝시 사용할 수 있는 형태로 가공처리되어 상기 머신러닝DB(213)에 저장된 빅데이터 정보, 기존 고객평가 정보, 버스노선 조정항목 정보를 이용하여 지속적인 머신러닝을 통해 최적의 토폴로지 생성한다.
즉, 상기 토폴로지 머신러닝(223)은 지속적인 머신러닝을 통해 상기 빅데이터 정보를 기반으로 조정항목 정보를 최대한 많이 만족하고, 버스노선 운용비용을 가능한 최소화하면서 과거 노선 데이터를 통해 고객의 긍정적인 결과가 많이 나오는 토폴로지를 참조해 정류장의 위치 조정을 통해 지속적으로 버스노선 변경한다.
보다 구체적으로, 상기 토폴로지 머신러닝(223)은 도 3에 도시된 바와 같이 먼저 기존 노선정보 및 지역 정보를 이용하여 군집 분석을 수행한 후, 해당 군집 분석을 통해 산출된 군집 데이터를 반영하여 3종의 상이한 머신러닝 알고리즘을 통해 해당 알고리즘별 최적의 버스노선을 생성한다.
상기 토폴로지 편익부석부(224)는 상기 토폴로지 머신러닝(223)에 의해 생성된 복수의 버스노선에 대하여, 해당 버스노선별 운영비용, 예상 이용자 수, 예상 매출, 예상 고객의견(부정&긍정 비율)정보를 반영한 편익분석을 통해 분석 보고서를 생성한다.
상기 분석 보고서는 버스노선을 관리하는 외부의 관리기관 서버(500)에 전달하여, 관리기관에서 버스노선을 조정업무를 담당하는 담당자에 의해 버스노선의 조정이 이루어질 수 있도록 한다.
상기 노선 조정부(225)는 상기 관리기관 서버(500)에서 전달되는 버스노선 조정정보를 전달받아 버스노선 조정을 수행한다.
한편, 상기 데이터 베이스부(230)는 GIS 정보DB(231), 토폴로지DB(232), 조정항목&가중치DB(233), 고객평가&의견DB(234), 및 토폴로지 시뮬레이션 결과DB(235)를 포함한다.
상기 GIS 정보DB(231)는 언급한 바와 같이 상기 토폴로지 생성부(221)가 버스노선 토폴로지를 생성하는데 필요한 지리정보를 전장관리하면서 필요시 제공한다.
상기 토폴로지DB(232)는 상기 토폴로지 생성부(221)에서 생성한 버스노선 토폴로지를 저장관리하면서 데이터 베이스화 한다.
상기 조정항목&가중치DB(233)는 상술한 주변 정류소 간 거리, 전·후 정류소 사이의 거리, 정류소당 최소 버스노선, 최소 평균 승하차 인원, 고객의견 반영률, 날씨 영향도 반영률, 최대·최소 배차 간격, 조정 주기, 버스노선 비용정보, 실시간 배차간격 조정 여부 등과 같은 조정항목과 해당 조정항목에 대한 항목별 가중치를 저장관리한다.
상기 고객평가&의견DB(234)는 스마트 버스노선 시스템 모바일 앱(APP)이 설치된 사용자 단말기(300)로부터 수신하여 저장관리하면서, 상기 조정항목 중 고객의견 반영률에 소정부분 반영될 수 있도록 한다.
상기 토폴로지 시뮬레이션 결과DB(235)는 상기 토폴로지 머신러닝(223)에서 빅데이터 정보, 기존 고객평가 정보, 버스노선 조정항목 정보를 이용하여 지속적인 머신러닝을 통해 생성한 토폴로지에 대한 시뮬레이션 결과를 저장관리한다.
상기 버스노선 제공서버(200)의 모바일 앱 관리부(240)는 현행 버스정보 제공부(241), 고객평가&의견 등록부(242), 후보군 버스노선 제공부(243), 조정된 버스노선 제공부(244) 및 고객의견 자연어 처리부(245)를 포함하여, 상기 사용자 단말기(300)에 설치된 스마트 버스노선 제공 모바일 앱을 관리하고 각종 정보를 업데이트 하여 사용자에게 제공한다.
상기 현행 버스정보 제공부(241)는 현행 버스 노선정보 및 각 정류장 마다 버스의 도착 정보 등을 사용자가 사용자 단말기(300)에 설치한 앱으로 제공한다.
상기 고객평가&의견 등록부(242)는 특정 버스노선을 운행하는 버스 이용 후, 고객이 해당 버스노선에 대한 평가와 의견을 상기 사용자 단말기(300)를 통해 전달하면 해당 평가와 의견을 등록하고, 상기 데이터 베이스부(230)의 고객평가&의견DB(234)에 제공함으로써 버스 노선 조정에 반영될 수 있도록 한다.
상기 후보군 버스노선 제공부(243)는 상기 고객평가&의견 등록부(242)를 통해 버스노선에 대한 만족도가 낮은 승객을 대상으로 버스노선 조정 시뮬레이션에 대한 의견청취를 위해 상기 토폴로지 머신러닝(223)에 의해 생성된 버스노선 후보군을 제공하고 고객평가를 유도한다.
상기 조정된 버스노선 제공부(244)는 편익분석 후, 관리기관에서 버스노선을 조정업무를 담당하는 담당자에 의해 버스노선이 조정된 경우, 앱이 설치된 상기 사용자 단말기(300)에 제공한다.
상기 고객평가&의견 등록부(242)는 조정된 버스노선에 대해서도 고객평가를 유도하여 고객평가 및 의견을 등록받는다.
상기 고객의견 자연어 처리부(245)는 고객평가 및 의견을 주기적으로 수집하여 자연어 처리를 통해 고객이 텍스트로 남긴 평가와 의견에 대한 의미분석 및 감정분석하여 그 결과를 관리한다.
상기 고객의견 자연어 처리부(245)에 의한 상기 자연어 처리는 형태소분석, 고정밀 구문분석과 같은 구조 분석을 바탕으로 하여 고객이 남긴 평가와 의견에 대한 의미분석 및 감정분석을 수행한다.
상기 통신망(400)은 통신사 서버(100), 버스노선 제공서버(200), 사용자 단말기(300), 및 관리기관 서버(500) 사이에 데이터 송수신을 위한 데이터 통신을 가능하게 하는 통신네트워크를 제공한다.
상기 관리기관 서버(500)는 상기 분석 보고서를 전달받아 최종적인 버스노선을 조정하기 위한 조정정보를 생성하여, 버스노선의 조정이 이루어질 수 있도록 상기 버스노선 조정모듈(220)의 노선 조정부(225)로 전달한다.
다른 실시예로써, 상술한 바와 같은 구성에 의한 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 방법에 대해 설명한다.
상기 버스노선 제공서버(200)의 빅데이터 수집부(211)는 통신사 서버(100)로부터 장소별, 연령대별 유동인구 정보, 정류장별 승하차 인원정보, 날씨 및 공휴일 정보를 수신하는 단계를 수행한다(S1).
상기 버스노선 제공서버(200)의 빅데이터 처리부(211)는 연령, 유동인구, 시간, 계절, 요일, 정류장, 날씨에 따라 버스이용 패턴을 머신러닝시 사용할 수 있는 형태로 가공처리하는 단계를 수행한다(S2).
상기 토폴로지 생성부(221)는 현행 버스 승하차 정보와 데이터 베이스부(230)의 GIS 정보DB(231)의 지리정보를 이용하여 기하학적으로 버스노선 토폴로지를 생성하는 단계를 수행한다(S3).
상기 토폴로지 머신러닝(223)은 현재 운영중인 토폴로지 정보와, 머신러닝시 사용할 수 있는 형태로 가공처리되어 상기 머신러닝DB(213)에 저장된 빅데이터 정보, 기존 고객평가 정보, 버스노선 조정항목 정보를 이용하여 토폴로지를 생성하는 알고리즘을 지속적으로 학습하고, 해당 학습을 통해 최적의 토폴로지 정보를 주기적으로 시뮬레이션하는 단계를 수행한다(S4).
다음으로, 상기 토폴로지 머신러닝(223)은 기존 노선정보 및 지역 정보를 이용하여 군집 분석을 수행한 후, 해당 군집 분석을 통해 산출된 군집 데이터를 반영하여 3종의 상이한 머신러닝 알고리즘을 통해 해당 알고리즘별 최적의 버스노선을 생성하는 단계를 수행한다(S5).
상기 버스노선 조정모듈(220)의 토폴로지 편익부석부(224)는 상기 토폴로지 머신러닝(223)에 의해 생성된 복수의 버스노선에 대하여, 해당 버스노선별 운영비용, 예상 이용자 수, 예상 매출, 예상 고객의견(부정&긍정 비율)정보를 반영한 편익분석을 통해 분석 보고서를 생성하는 단계를 수행한다(S6).
상기 토폴로지 편익부석부(224)는 상기 분석 보고서를 버스노선을 관리하는 외부의 관리기관 서버(500)에 전달하는 단계를 수행한 후(S7), 관리기관에서 버스노선 조정업무를 담당하는 담당자에 의해 버스노선의 조정이 이루어짐에 따라 생성되는 버스노선 조정정보를 수신하는 단계를 수행한다(S8).
상기 버스노선 조정모듈(220)의 노선 조정부(225)는 상기 관리기관 서버(500)에서 전달되는 버스노선 조정정보를 전달받아 버스노선을 조정하는 단계를 수행한다(S9).
상기 모바일 앱 관리부(240)의 조정된 버스노선 제공부(244)는 상기 버스노선 조정모듈(220)에 의해 조정된 버스노선을 상기 사용자 단말기(300)에 설치된 모바일 앱을 통해 고객에게 안내하는 단계를 더 수행한다(S9`).
상기 버스노선 조정모듈(220)은 조정된 버스노선이 실시간 배차 간격 조정이 필요한지 판단하는 단계를 수행한다(S10).
상기 S10단계에서 상기 버스노선 조정모듈(220)은 빅데이터의 시간대별 승하차 인원정보에 따라 시간대별 승하차 인원의 편차가 큰 경우, 실시간 배차간격 조정이 필요한 대상으로 판단하고, 시간대별 승하차 인원의 편차가 크지 않은 경우 실시간 배차간격 조정이 필요하지 않은 대상으로 판단한다.
상기 버스노선 조정모듈(220)은 상기 조정된 버스노선이 실시간 배차간격 조정이 필요한 대상인 경우, 정기적으로 버스노선에 대한 정보를 시뮬레이션하여 배차간격을 조정하는 단계를 수행하고(S11), 실시간 배차간격 조정이 필요한 대상이 아닌 경우 조정된 버스노선을 제공하고 버스노선 조정 프로세스를 종료한다.
추가적으로, 상기 실시간 배차간격 조정은 상기 버스노선 조정모듈(220)이 조정된 버스노선을 상기 관리기관 서버(500)에 전달하여, 관리기관에서 버스노선을 조정업무를 담당하는 담당자에 의한 추가적인 버스노선의 조정이 이루어지는 과정에서 이루어질 수도 있다.
이하에서, 도 5를 참조하여 상기 모바일 앱 관리부(240)가 상기 버스노선 조정모듈(220)에 의해 조정된 버스노선을 상기 사용자 단말기(300)에 설치된 모바일 앱을 통해 고객에게 안내하는 단계에 대해 더욱 상세히 설명한다.
사용자가 사용자 단말기(300)에 설치된 버스노선 정보 안내 앱(App)을 구동시키면 상기 모바일 앱 관리부(240)는 이를 감지하는 단계를 수행한다(S10).
상기 모바일 앱 관리부(240)는 버스노선 정보 안내 앱의 구동을 감지하면, 조정확정 노선이 있는 경우 우선하여 고객에게 안내하는 단계를 수행한다(S20).
상기 모바일 앱 관리부(240)는 사용자가 사용자 단말기(300)를 통해 출발지와 도착지, 또는 노선번호를 입력함에 따라 버스 노선정보와 도착정보를 제공하는 단계를 수행한다(S30).
상기 모바일 앱 관리부(240)는 임의의 버스노선을 운행하는 버스의 승차정보와 하차정보를 상기 사용자 단말기(300)를 통해 수신하는 단계를 수행한다(S40).
상기 모바일 앱 관리부(240)는 버스에 승차 후 하차시 해당 노선에 대한 평가 및 의견을 입력할 수 있도록 사용자 단말기(300)에 설치된 모바일 App를 통해 Push하는 단계를 수행한다(S50).
상기 모바일 앱 관리부(240)는 승객이 이용한 노선에 대한 평가가 불만족인 경우에 버스노선 후보를 안내하여 고객의견 및 평가정보를 수신하는 단계를 수행한다(S60).
상기 S20단계와 상기 S60단계 이후, 즉 버스노선 후보 안내와 조정 확정된 버스노선 안내 후, 고객의 의견과 평가 등록을 수신하는 단계를 수행한다(S70).
이상에서는 본 발명에 대한 기술사상을 첨부 도면과 함께 서술하였지만 이는 본 발명의 바람직한 실시 예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구나 본 발명의 기술적 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다.
100 : 통신사 서버 200 : 버스노선 제공서버
210 : 빅데이터 관리모듈 220 : 버스노선 조정모듈
221 : 토폴로지 생성부 222 : 조정항목 관리부
223 : 토폴로지 머신러닝 224 : 토폴로지 편익부석부
225 : 노선 조정부 211 : 빅데이터 수집부
212 : 빅데이터 처리부 230 : 데이터 베이스부
231 : GIS 정보DB 232 : 토폴로지DB
233 : 조정항목&가중치DB 234 : 고객평가&의견DB
235 : 토로지 시뮬레이션 결과DB 240 : 모바일 앱 관리부
300 : 사용자 단말기 400 : 통신망
500 : 관리기관 서버
210 : 빅데이터 관리모듈 220 : 버스노선 조정모듈
221 : 토폴로지 생성부 222 : 조정항목 관리부
223 : 토폴로지 머신러닝 224 : 토폴로지 편익부석부
225 : 노선 조정부 211 : 빅데이터 수집부
212 : 빅데이터 처리부 230 : 데이터 베이스부
231 : GIS 정보DB 232 : 토폴로지DB
233 : 조정항목&가중치DB 234 : 고객평가&의견DB
235 : 토로지 시뮬레이션 결과DB 240 : 모바일 앱 관리부
300 : 사용자 단말기 400 : 통신망
500 : 관리기관 서버
Claims (10)
- 빅데이터 제공하는 통신사 서버;
상기 빅데이터를 반영한 후, 버스노선을 생성하여 제공하는 버스노선 제공서버;
상기 버스노선 제공서버가 생성한 상기 버스노선을 반영하여 최종적인 버스노선을 조정하기 위한 조정정보를 생성하는 관리기관 서버; 및
상기 관리기관 서버로부터 상기 조정정보를 수신하여 상기 버스노선 제공서버가 생성한 최종적인 버스노선을 수신하는 사용자 단말기;를 포함하고,
상기 버스노선 제공서버는
상기 통신사 서버로부터 수신한 빅데이터를 관리하는 빅데이터 관리모듈;
상기 빅데이터와 버스노선 조정항목을 가지고 조정된 최종 버스노선을 생성하는 버스노선 조정모듈;
상기 최종 버스노선 조정에 필요한 GIS, 토폴로지, 조정항목&가중치, 고객평가&의견, 토폴로지 시뮬레이션 정보를 저장관리하는 데이터 베이스부; 및
상기 사용자 단말기에 설치된 스마트 버스노선 제공 모바일 앱을 관리하고 각종 정보를 업데이트하여 사용자에게 제공하는 모바일 앱 관리부;를 포함하되,
상기 빅데이터 관리모듈은
상기 통신사 서버에서 제공하는 장소별, 연령대별 유동인구 정보와, 정류장별 승하차 인원정보, 그리고 날씨 및 공휴일 정보를 수집하는 빅데이터 수집부; 및
상기 빅데이터 수집부가 수집한 데이터를 가지고 머신러닝시 사용할 수 있는 형태로 가공처리하는 빅데이터 처리부;를 포함하는 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템.
- 삭제
- 삭제
- 제 1항에 있어서,
상기 버스노선 조정모듈은
버스노선 토폴로지를 생성하는 토폴로지 생성부;
버스노선 조정을 시뮬레이션하기 위한 상기 조정항목 및 해당 조정항목들에 대한 가중치를 입력받아 관리하는 조정항목 관리부;
운영중인 토폴로지 정보와, 가공처리된 빅데이터 정보, 고객평가 정보, 버스노선 조정항목 정보를 이용하여 머신러닝을 통해 토폴로지를 생성하는 토폴로지 머신러닝;
상기 토폴로지 머신러닝에 의해 생성된 복수의 버스노선 토폴로지에 대하여, 해당 버스노선별 운영비용, 예상 이용자 수, 예상 매출, 예상 고객의견정보를 반영한 편익분석을 통해 분석 보고서를 생성하는 토폴로지 편익분석부; 및
상기 분석 보고서에 근거하여 상기 관리기관 서버가 생성한 버스노선 조정정보를 반영하여 버스노선을 조정하는 노선 조정부;를 포함하는 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템.
- 제 4항에 있어서,
상기 조정항목 관리부에서 관리하는 상기 조정항목 및 가중치는
주변 정류소 간 거리, 전·후 정류소 사이의 거리, 정류소당 최소 버스노선, 최소 평균 승하차 인원, 고객의견 반영률, 날씨 영향도 반영률, 최대·최소 배차 간격, 조정 주기, 버스노선 비용정보, 실시간 배차간격 조정 여부이고, 해당 항목들에 대한 가중치인 것을 특징으로 하는 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템.
- (a) 빅데이터 관리모듈이 통신사 서버로부터 빅데이터를 수신하는 단계;
(b) 버스노선 조정모듈이 상기 빅데이터를 반영하여, 버스노선을 생성하는 단계;
(c) 상기 버스노선 조정모듈이 상기 버스노선이 실시간 배차간격 조정 대상인지 판단하는 단계; 및
(d) 상기 버스노선 조정모듈이 실시간 배차간격 조정 대상의 버스노선에 대해 배차간격을 조정하는 단계;를 포함하고,
상기 (a)단계는
(a-1) 상기 빅데이터 관리모듈의 빅데이터 수집부가 상기 통신사 서버에서 제공하는 장소별, 연령대별 유동인구 정보와, 정류장별 승하차 인원정보, 그리고 날씨 및 공휴일 정보를 수집하는 단계; 및
(a-2) 상기 빅데이터 관리모듈의 빅데이터 처리부가 상기 빅데이터 수집부가 수집한 데이터를 가지고 머신러닝시 사용할 수 있는 형태로 가공처리하는 단계;를 포함하되,
상기 (b-1)단계는
(b-1) 상기 버스노선 조정모듈의 토폴로지 생성부가 현행 버스 승하차 정보와 GIS 정보DB의 지리정보를 이용하여 버스노선 토폴로지를 생성하는 단계;
(b-2) 상기 버스노선 조정모듈의 토폴로지 머신러닝이 상기 토폴로지를 생성하는 알로고리즘을 지속적으로 학습하고, 해당 학습을 통해 토폴로지 정보를 주기적으로 시뮬레이션하는 단계;
(b-3) 학습된 상기 토폴로지 머신러닝이 군집 분석을 수행한 후, 산출된 군집 데이터를 반영하여 복수의 상이한 머신러닝 알고리즘을 통해 복수의 알고리즘별 버스노선을 생성하는 단계;
(b-4) 상기 버스노선 조정모듈의 토폴로지 편익부석부가 복수의 버스노선에 대하여, 해당 버스노선별 운영비용, 예상 이용자 수, 예상 매출, 예상 고객의견 정보를 반영한 편익분석을 통해 분석 보고서를 생성하는 단계; 및
(b-7) 상기 버스노선 조정모듈의 노선 조정부가 버스노선 조정정보를 전달받아 버스노선을 조정하는 단계;를 포함하는 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 방법.
- 삭제
- 삭제
- 제 6항에 있어서,
상기 (b)단계는
(b-5) 상기 토폴로지 편익부석부가 상기 분석 보고서를 버스노선을 관리하는 외부의 관리기관 서버에 전달하는 단계; 및
(b-6) 상기 노선 조정부가 관리기관에서 버스노선 조정업무를 담당하는 담당자에 의해 버스노선의 조정이 이루어짐에 따라 생성되는 버스노선 조정정보를 수신하는 단계;를 더 포함하는 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 방법.
- 제 6항에 있어서,
상기 (b)단계는
(b-8) 모바일 앱 관리부가 상기 (b-7)단계에서 상기 버스노선 조정모듈에 의해 조정된 버스노선을 사용자 단말기에 설치된 모바일 앱을 통해 고객에게 안내하는 단계;를 더 포함하는 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190116789A KR102223800B1 (ko) | 2019-09-23 | 2019-09-23 | 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190116789A KR102223800B1 (ko) | 2019-09-23 | 2019-09-23 | 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102223800B1 true KR102223800B1 (ko) | 2021-03-04 |
Family
ID=75174136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190116789A KR102223800B1 (ko) | 2019-09-23 | 2019-09-23 | 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102223800B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102392384B1 (ko) * | 2021-07-29 | 2022-04-29 | 주식회사 한솔애드 | 버스를 활용한 광고 설계 방법 그 시스템 |
| KR20230050010A (ko) | 2021-10-07 | 2023-04-14 | 주식회사 한국디지털트윈연구소 | 디지털트윈 기반 버스노선 평가시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170058906A (ko) | 2017-05-22 | 2017-05-29 | 박병종 | 가변되는 차량의 경로에 대한 예보 및 선택 시스템 |
| KR101782098B1 (ko) * | 2017-04-13 | 2017-09-26 | 주식회사 코어시스템즈 | 버스 노선을 결정하기 위한 시스템 및 방법 |
| KR20190076267A (ko) * | 2017-12-22 | 2019-07-02 | 한국교통연구원 | 버스 노선을 유동적으로 결정하는 방법 및 장치 |
-
2019
- 2019-09-23 KR KR1020190116789A patent/KR102223800B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101782098B1 (ko) * | 2017-04-13 | 2017-09-26 | 주식회사 코어시스템즈 | 버스 노선을 결정하기 위한 시스템 및 방법 |
| KR20170058906A (ko) | 2017-05-22 | 2017-05-29 | 박병종 | 가변되는 차량의 경로에 대한 예보 및 선택 시스템 |
| KR20190076267A (ko) * | 2017-12-22 | 2019-07-02 | 한국교통연구원 | 버스 노선을 유동적으로 결정하는 방법 및 장치 |
Non-Patent Citations (1)
| Title |
|---|
| 서울특별시, [서울시 분석 요약집] 빅데이터 기반 심야버스 노선 수립을 위한 분석, 서울특별시 빅데이터 캠퍼스, 2018.09.28 1부.* * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102392384B1 (ko) * | 2021-07-29 | 2022-04-29 | 주식회사 한솔애드 | 버스를 활용한 광고 설계 방법 그 시스템 |
| KR20230050010A (ko) | 2021-10-07 | 2023-04-14 | 주식회사 한국디지털트윈연구소 | 디지털트윈 기반 버스노선 평가시스템 |
| KR102630020B1 (ko) * | 2021-10-07 | 2024-01-29 | 주식회사 한국디지털트윈연구소 | 디지털트윈 기반 버스노선 평가시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11347942B2 (en) | Information processing apparatus, information processing method, and storage medium | |
| US20190019197A1 (en) | Determining to dispatch a technician for customer support | |
| AU2020201883A1 (en) | Call center system having reduced communication latency | |
| KR102223800B1 (ko) | 빅데이터 기반 인공지능을 활용한 스마트 버스노선 제공 시스템 및 그 방법 | |
| CN109784970B (zh) | 一种基于afc乘客乘车数据的服务推荐方法及装置 | |
| US20160036718A1 (en) | Network service analytics | |
| CN112949080B (zh) | 一种基于动态驱动的城市轨道交通车站仿真系统及方法 | |
| CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
| CN104331502A (zh) | 针对快递员周边人群营销中快递员数据的识别方法 | |
| Noursalehi et al. | Predictive decision support platform and its application in crowding prediction and passenger information generation | |
| CN109559239A (zh) | 投诉处理建议生成方法、装置、电子设备、存储介质 | |
| CN111461636A (zh) | 基于虚拟机器人的政务服务平台及应用 | |
| CN112925888A (zh) | 一种问答响应及小样本文本匹配模型的训练方法和装置 | |
| CN114417192B (zh) | 更新兴趣点poi状态的方法、装置、设备、介质及产品 | |
| Costa et al. | Prediction of journey destination in urban public transport | |
| Estrada et al. | Experimental evaluation of real-time information services in transit systems from the perspective of users | |
| CN110428816A (zh) | 一种语音细胞库训练和分享的方法及装置 | |
| KR101639108B1 (ko) | 요금 시스템을 위한 자동 트래픽 생성부 | |
| KR102242317B1 (ko) | 정성적 가짜 뉴스 판단 시스템, 판단 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
| Kieu et al. | Stochastic collective model of public transport passenger arrival process | |
| CN111209979A (zh) | 监控车辆电压的方法、装置及电子设备 | |
| CN112929502B (zh) | 一种基于电力客服的语音识别方法及系统 | |
| CN111489024B (zh) | 出行方案推荐方法、装置、设备及存储介质 | |
| CN105426978B (zh) | 一种业务并发性预测方法与预测系统 | |
| CN112947959A (zh) | 一种ai服务平台的更新方法、装置、服务器及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |