KR102254400B1 - Place recommendation server and predicting method of visit place based on user's main activity area - Google Patents

Place recommendation server and predicting method of visit place based on user's main activity area Download PDF

Info

Publication number
KR102254400B1
KR102254400B1 KR1020190131254A KR20190131254A KR102254400B1 KR 102254400 B1 KR102254400 B1 KR 102254400B1 KR 1020190131254 A KR1020190131254 A KR 1020190131254A KR 20190131254 A KR20190131254 A KR 20190131254A KR 102254400 B1 KR102254400 B1 KR 102254400B1
Authority
KR
South Korea
Prior art keywords
place
user
information
evaluation
area
Prior art date
Application number
KR1020190131254A
Other languages
Korean (ko)
Other versions
KR20210047529A (en
Inventor
오지연
Original Assignee
오지연
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 오지연 filed Critical 오지연
Priority to KR1020190131254A priority Critical patent/KR102254400B1/en
Publication of KR20210047529A publication Critical patent/KR20210047529A/en
Application granted granted Critical
Publication of KR102254400B1 publication Critical patent/KR102254400B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds

Abstract

사용자의 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법을 개시한다. 실시예에 따른 장소추천 서버 및 방문장소 예측방법은 사용자 주요 활동지역에서의 동선 및 장소평가결과를 수집하고, 사용자가 자신의 주요활동 지역인 아닌 다른 지역에 존재하는 경우, 사용자 별 주요 활동지역에서의 동선 및 장소 평가 결과를 이용하여 사용자 현재 위치 근방의 방문장소를 추천하거나 사용자가 방문할 가능성이 있는 장소를 예측한다. A place recommendation server based on a user's main activity area and a method of predicting a visited place are disclosed. The place recommendation server and the method of predicting a place to visit according to the embodiment collects the results of the movement and place evaluation in the user's main activity area, and when the user is in an area other than his or her main activity area, in the main activity area for each user. Using the results of evaluating the movement and location of the user, it recommends a place to visit near the user's current location or predicts a place that the user is likely to visit.

Description

사용자의 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법{PLACE RECOMMENDATION SERVER AND PREDICTING METHOD OF VISIT PLACE BASED ON USER'S MAIN ACTIVITY AREA}Place recommendation server and visit location prediction method based on the user's main activity area {PLACE RECOMMENDATION SERVER AND PREDICTING METHOD OF VISIT PLACE BASED ON USER'S MAIN ACTIVITY AREA}

본 개시는 장소추천 서버 및 방문장소 예측방법에 관한 것으로 구체적으로, 사용자 주요 활동지역에서의 동선 및 장소평가결과를 수집하고, 사용자가 자신의 주요활동 지역인 아닌 다른 지역에 존재하는 경우, 사용자 별 주요 활동지역에서의 동선 및 장소 평가 결과를 이용하여 사용자 현재 위치 근방의 방문장소를 추천하거나 사용자가 방문할 가능성이 있는 장소를 예측하는 방법에 관한 것이다. This disclosure relates to a place recommendation server and a method of predicting a place to visit. Specifically, it collects the results of evaluating movements and places in the user's main activity area, and when the user is in an area other than his main activity area, The present invention relates to a method of recommending a place to visit near a user's current location or predicting a place that a user is likely to visit, using the results of evaluating the movement line and place in a major activity area.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.Unless otherwise indicated herein, the content described in this section is not prior art to the claims of this application, and inclusion in this section is not admitted to be prior art.

위치기반서비스(LBS, Location Based Service)는 이동 중인 사용자의 위치정보를 건물, 도로, 지역정보와 결합하여 사용자가 필요로 하는 부가적인 응용서비스를 휴대폰이나 PDA와 같은 이동통신망을 통해 제공하는 기술이다. 위치기반서비스는 길 안내, 교통정보, 관광정보, 부동산정, 물류 운송정보, 버스/지하철 노선 안내, 지역 정보를 제공하는 등 실생활에 아주 밀접하게 관련된 서비스를 제공하기 때문에 다양한 부가 서비스의 창출이 가능하다. 아울러, 인터넷 및 이동통신 기술 및 서비스의 발달과 휴대폰, PDA(Personal Digital Assistant), 노트북 등과 같은 이동통신 단말기의 진화에 따라 위치기반 서비스는 성장성이 높은 기술 분야 중의 하나로 자리 잡고 있다. Location Based Service (LBS) is a technology that combines the location information of a moving user with building, road, and area information to provide additional application services required by the user through a mobile communication network such as a mobile phone or PDA. . Location-based services provide services very closely related to real life, such as providing directions, traffic information, tourism information, real estate administration, logistics and transportation information, bus/subway route information, and local information, so it is possible to create a variety of additional services. Do. In addition, with the development of Internet and mobile communication technologies and services, and mobile communication terminals such as mobile phones, PDAs (Personal Digital Assistants), and notebook computers, location-based services are becoming one of the technology fields with high growth potential.

이러한 위치기반 서비스를 응용하여 종래에는 사용자의 방문 시간과 장소를 포함하는 이동패턴의 유사성을 기반으로 장소를 추천하거나 방문을 예측하는 시스템이 등장하고 있다. 하지만, 종래 장소 추천 및 사용자 방문 예측 시스템은 이동 패턴의 유사성에 기반하여 장소추천이나 방문예측을 수행하기 때문에, 사용자가 주요 활동지역 이외 다른 지역을 방문하는 경우 사용자가 방문한 다른 지역에서 새롭게 방문하는 사람들이 많이 찾는 장소가 추천되거나 예측된다. 하지만 새롭게 그 지역을 방문한 사용자들이 많이 찾아간 장소는 그 지역이 익숙한 주요 활동지인 사용자들이 많이 찾는 장소와 다를 수 있다. 즉, 종래 위치추천 서비스는 사람들이 특정 장소에 찾아간 빈도만을 고려해 그 지역에 익숙하지 않은 사람들에게 장소를 추천하지만, 특정 지역에서 주로 활동하는 사람들이 실제로 빈번하게 방문하는 장소에 대한 정보는 제공하지 못하는 경우가 많다. Conventionally, by applying such a location-based service, a system for recommending a place or predicting a visit based on the similarity of a movement pattern including a user's visit time and place has appeared. However, since the conventional place recommendation and user visit prediction system performs place recommendation or visit prediction based on the similarity of movement patterns, when a user visits an area other than the main activity area, new visitors from other areas visited by the user This popular place is recommended or predicted. However, the place where many new users visit the area visited may be different from the place most visited by users, the main activity area that the area is familiar with. In other words, the conventional location recommendation service recommends places to people who are not familiar with the area considering only the frequency of people visiting a specific place, but does not provide information on places that people who are mainly active in a specific area actually visit frequently. There are many cases.

또한, 종래 장소 추천 시스템은 방문 프로파일, 위치 히스토리 분석을 통한 이동 패턴의 유사성 분석 및 연락처 등의 다른 정보와 융합을 통해 방문 장소를 추천하거나 특정 장소의 방문을 예측한다. 반면 종래 방문장소 예측 방법은 사용자가 주요 활동지역 외에 다른 지역을 방문한 경우, 장소 추천 및 방문 예측의 정확도가 낮아지는 문제가 있다. In addition, the conventional place recommendation system recommends a visited place or predicts a visit to a specific place through fusion with other information such as contact information and similarity analysis of a movement pattern through a visit profile and location history analysis. On the other hand, in the conventional method of predicting a place to visit, when a user visits an area other than a main activity area, the accuracy of place recommendation and visit prediction is lowered.

1. 한국 공개특허공보 제10-2015-0131780호 (2015.11.25)1. Korean Patent Application Publication No. 10-2015-0131780 (2015.11.25) 2. 한국 등록특허공보 제10-1699918호 (2017.01.19)2. Korean Patent Publication No. 10-1699918 (2017.01.19)

실시예에 따른 사용자별 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법은 사용자의 주요 활동지역을 분석하고 주요 활동지역의 사용자를 대상으로 인기 장소에 점수를 부여한다. 이후, 사용자가 자신의 이동 패턴에 속해 있지 않은 지역에 방문하는 경우 사용자가 방문한 지역을 주요 활동지역으로 하는 다른 사용자들의 평가정보를 통해 그 지역을 방문한 사용자에게 장소를 추천하거나 사용자의 이동패턴정보를 통해 사용자가 방문할 만한 장소를 예측한다. A place recommendation server and a method of predicting a visited place based on a user's main activity area according to an embodiment analyzes a user's main activity area and assigns a score to a popular place for users in the main activity area. Thereafter, when the user visits an area that does not belong to his or her movement pattern, the user's movement pattern information is recommended to the user who visited the area through the evaluation information of other users whose main activity area is the area visited by the user. Predicts a place that the user might visit.

실시예에 따른 사용자별 주요 활동지역에 기반한 장소추천서버는 위도, 경도, 고도 및 주소 데이터를 포함하는 사용자별 방문장소 위치정보와 방문시점정보를 수집하고, 이동경로, 방문장소시퀀스를 포함하는 동선정보를 사용자 각각에 대해 수집하는 데이터베이스; 수집된 방문장소 위치정보, 방문시점정보 및 동선정보를 분석하여 개별 사용자의 주요활동지역을 파악하고, 사용자 별 이동패턴을 산출하는 분석모듈; 사용자별 주요활동지역에 포함된 장소들의 평가정보를 수집하여 장소 별 평가점수를 산출하는 평가모듈; 사용자가 주요활동지역을 벗어난 다른 지역에 위치한 경우, 상기 다른 지역이 주요활동지역으로 설정된 사용자들에 의한 장소평가 결과를 기반으로 다른 지역에 진입한 사용자에게 장소를 추천하는 추천모듈; 을 포함한다.The place recommendation server based on the main activity area for each user according to the embodiment collects location information and visit time information for each user including latitude, longitude, altitude, and address data, and the movement route including the movement route and the visit place sequence A database that collects information for each user; An analysis module that analyzes the collected location information of a visited place, information about a visit point, and information about a movement route to identify the major activity areas of individual users, and calculates movement patterns for each user; An evaluation module that collects evaluation information of places included in each user's main activity area and calculates an evaluation score for each place; A recommendation module for recommending a place to a user entering another area based on a result of place evaluation by users whose other area is set as a major activity area when the user is located in another area outside the main activity area; Includes.

다른 실시예에 따른 사용자의 주요 활동지역에 기반한 방문장소예측방법은 (A) 장소추천서버는 위도, 경도, 고도 및 주소 데이터를 포함하는 사용자별 방문장소 위치정보와 방문시점정보를 수집하고, 이동경로, 방문장소시퀀스를 포함하는 동선정보를 사용자 각각에 대해 수집하는 단계; (B) 장소추천서버는 수집된 방문장소 위치정보, 방문시점정보 및 동선정보를 분석하여 개별 사용자의 주요활동지역을 파악하고, 사용자 별 이동패턴을 산출하는 단계; (C) 장소추천서버는 사용자별 주요활동지역에 포함된 장소들의 평가정보를 수집하여 장소 별 평가점수를 산출하는 단계; 및 (D) 사용자가 주요활동지역을 벗어난 다른 지역에 위치한 경우, 다른 지역이 주요활동지역으로 설정된 사용자들에 의한 장소평가 결과를 기반으로 다른 지역에 진입한 사용자에게 장소를 추천하는 단계; 를 포함한다.According to another embodiment, the method for predicting a visited place based on a user's main activity area is (A) The place recommendation server collects location information and visit time information for each user including latitude, longitude, altitude, and address data, and moves. Collecting for each user traffic information including a route and a visit place sequence; (B) the location recommendation server analyzes the collected location information of the visited place, the time of visit, and the movement information to identify the main activity areas of individual users, and calculates a movement pattern for each user; (C) the place recommendation server collects evaluation information of places included in the main activity areas for each user and calculates an evaluation score for each place; And (D) when the user is located in another area outside of the main activity area, recommending a place to a user who enters another area based on the results of place evaluation by users whose other area is set as the main activity area. Includes.

이상에서와 같은 사용자의 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법은 사용자 각각의 주요 활동지역 정보를 파악하고, 특정 지역이 주요 활동지역인 사용자의 장소 평가결과에 따라 그 지역을 방문한 다른 사용자에게 장소를 추천함으로써, 특정 장소가 포함된 지역에서 주로 활동하는 사용자들에게 인정받은 신뢰도 높은 장소를 방문객 들에게 추천할 수 있다.As described above, the site recommendation server and the method of predicting the visited place based on the user's main activity area identify information on each user's main activity area, and according to the results of the evaluation of the user's place where a specific area is the main activity area, By recommending a place to a user, it is possible to recommend a place with high reliability recognized by users mainly active in an area including a specific place to visitors.

또한, 타 지역에서 방문한 사용자의 장소 평가 데이터와 특정 지역이 주요 활동지역인 사용자의 장소 평가 데이터를 분류하여 특정 장소에 대한 평가결과를 파악할 수 있기 때문에, 장소평가 정확도를 향상시킬 수 있다.In addition, since it is possible to grasp the evaluation result for a specific place by classifying the place evaluation data of a user visiting from another area and the place evaluation data of a user whose specific area is a major activity area, it is possible to improve the accuracy of place evaluation.

또한, 실시예를 통해 산출된 장소평가지표에 각각에 가중치를 반영하여 주요활동지역에 포함된 장소들의 평가점수를 산출할 수 있다. 이를 통해 특정 사용자가 장소 선택 시 주요하게 고려하는 평가 지표를 파악하여 특정 사용자에게 추천할 장소 리스트를 생성할 때 파악된 평가 지표를 이용함으로써 사용자의 개별 선호도가 반영된 추천 장소 리스트를 생성할 수 있다. In addition, it is possible to calculate evaluation scores of places included in the main activity area by reflecting weights to each of the place evaluation indicators calculated through the embodiment. Through this, it is possible to create a list of recommended places reflecting the user's individual preferences by identifying the evaluation indicators that a specific user mainly considers when selecting a place and using the evaluation indicators identified when generating a list of places to be recommended to a specific user.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the above effects, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.

도 1은 실시예에 따른 사용자별 주요 활동지역에 기반한 장소추천 시스템 구성을 나타낸 도면
도 2는 실시예에 따른 장소추천서버의 데이터 처리블록을 나타낸 도면
도 3은 실시예에 따른 장소추천서버의 데이터 처리 블록을 보다 구체적으로 나타낸 도면
도 4는 실시예에 따른 장소 추천 서버의 데이터 처리과정을 나타낸 흐름도1 is a diagram showing the configuration of a place recommendation system based on major activity areas for each user according to an embodiment
2 is a diagram showing a data processing block of a place recommendation server according to an embodiment
3 is a more detailed diagram showing a data processing block of a place recommendation server according to an embodiment;
4 is a flowchart showing a data processing process of a place recommendation server according to an embodiment

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.Advantages and features of the present invention, and a method of achieving them will become apparent with reference to the embodiments described later in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only these embodiments make the disclosure of the present invention complete, and the general knowledge in the technical field to which the present invention pertains. It is provided to completely inform the scope of the invention to the possessor, and the invention is only defined by the scope of the claims. The same reference numerals refer to the same components throughout the specification.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In describing embodiments of the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the subject matter of the present invention, a detailed description thereof will be omitted. In addition, terms to be described later are terms defined in consideration of functions in an embodiment of the present invention, which may vary according to the intention or custom of users or operators. Therefore, the definition should be made based on the contents throughout the present specification.

도 1은 실시예에 따른 사용자별 주요 활동지역에 기반한 장소추천 시스템 구성을 나타낸 도면이다. 1 is a diagram showing the configuration of a place recommendation system based on major activity areas for each user according to an embodiment.

도 1을 참조하면, 사용자별 주요 활동지역에 기반한 장소추천 시스템은 장소추천서버(100) 및 사용자 단말(200,300)을 포함하여 구성될 수 있다.Referring to FIG. 1, a place recommendation system based on a main activity area for each user may include a place recommendation server 100 and user terminals 200 and 300.

장소추천서버(100)는 사용자 단말로부터 위도, 경도, 고도 및 주소 데이터를 포함하는 사용자별 방문장소 위치정보와 방문시점정보를 수집하고, 이동경로, 방문장소시퀀스를 포함하는 동선정보를 사용자 각각에 대해 수집하여 사용자별 주요활동지역을 파악한다. 또한, 장소추천서버(100)는 사용자가 자신의 주요 활동지역에 포함된 방문 장소들을 평가한 장소평가정보를 수집하여 사용자의 장소 선호도를 파악하고, 사용자가 상위 평가한 장소들의 정보를 수집한다.The place recommendation server 100 collects location information and visit time information for each user including latitude, longitude, altitude, and address data from the user terminal, and transfers the movement route information including the movement route and the visit place sequence to each user. Information is collected and the main activity areas for each user are identified. In addition, the place recommendation server 100 collects place evaluation information in which the user evaluates visited places included in his or her main activity area, grasps the user's place preference, and collects information on the places that the user has rated high.

사용자 단말(200,300)은 장소추천서버(100)으로 실시간 위치 정보를 전송하고 장소 방문 시점 및 장소평가정보를 전송한다. 실시예에서 사용자 단말(200,300)은 특정 장소가 포함된 지역을 주요 활동지역으로 하는 주요 고객의 스마트 단말(200)과 외부 사용자의 스마트 단말(300)로 구분될 수 있다. 사용자 단말(200,300)은 주요활동지역이 파악되면 주요활동지역에 포함된 장소의 평가정보와 주요활동지역 외부의 장소 평가정보를 사용자로부터 입력 받아 장소추천서버(100)으로 전송할 수 있다. The user terminals 200 and 300 transmit real-time location information to the place recommendation server 100 and transmit place visit time and place evaluation information. In an embodiment, the user terminals 200 and 300 may be divided into a smart terminal 200 of a major customer and a smart terminal 300 of an external user having an area including a specific place as a major activity area. When the main activity area is identified, the user terminals 200 and 300 may receive evaluation information of a place included in the main activity area and place evaluation information outside the main activity area from the user and transmit it to the place recommendation server 100.

도 2는 실시예에 따른 장소추천서버(100)의 데이터 처리블록을 나타낸 도면이다.2 is a diagram showing a data processing block of the place recommendation server 100 according to an embodiment.

도 2를 참조하면, 장소추천서버(100)는 데이터베이스(110), 분석모듈(130), 평가모듈(150), 추천모듈(170) 및 예측모듈(190)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.Referring to FIG. 2, the place recommendation server 100 may include a database 110, an analysis module 130, an evaluation module 150, a recommendation module 170, and a prediction module 190. The term'module' used in the present specification should be interpreted as being able to include software, hardware, or a combination thereof, depending on the context in which the term is used. For example, the software may be machine language, firmware, embedded code, and application software. As another example, the hardware may be a circuit, a processor, a computer, an integrated circuit, an integrated circuit core, a sensor, a MEMS (Micro-Electro-Mechanical System), a passive device, or a combination thereof.

데이터베이스(110)는 사용자별 방문장소 위치정보, 동선정보와 방문시점정보를 수집한다. 방문장소 위치정보에는 위도, 경도, 고도 및 주소 데이터가 포함될 수 있고, 동선정보에는 이동경로, 방문장소시퀀스가 포함될 수 있다. 실시예에 따른 방문장소 시퀀스는 사용자별 방문장소 순서로서 운동센터-마트-집, 식당-카페, 백화점-식당 등으로 사용자의 방문 종류에 따라 구성될 수 있다. The database 110 collects location information of a visited place for each user, information on a movement route, and information on a visit time. The location information of the visited place may include latitude, longitude, altitude, and address data, and the movement route information may include a moving route and a sequence of visited places. The visit place sequence according to the embodiment is a sequence of visit places for each user, and may be configured according to the type of visit of the user, such as exercise center-mart-home, restaurant-cafe, department store-restaurant, and the like.

분석모듈(130)은 수집된 방문장소 위치정보, 방문시점정보 및 동선정보를 분석하여 개별 사용자의 주요활동지역을 파악하고, 사용자 별 이동패턴을 산출한다. 예컨대, 분석모듈(130)은 사용자 별 이동패턴을 산출하여 주요 활동지역을 파악할 수 있다. 구체적으로 방문 횟수가 일정 이상이거나 주기적으로 방문하는 지역 및 장소를 추출하여 이동패턴을 산출하거나, 특정 장소를 방문하는 시간 및 요일의 주기성을 파악하여 사용자별 이동 패턴을 산출할 수 있다. The analysis module 130 analyzes the collected location information of the visited place, information about the time of the visit, and information about the movement line to identify the main activity area of an individual user, and calculates a movement pattern for each user. For example, the analysis module 130 may determine a major activity area by calculating a movement pattern for each user. Specifically, a movement pattern may be calculated by extracting an area and a place that is visited more than a certain number of times or periodically visited, or a movement pattern for each user may be calculated by grasping the periodicity of a time and day of a visit to a specific place.

평가모듈(150)은 사용자별 주요활동지역에 포함된 장소들의 평가 정보를 수집하여 장소 별 평가 점수를 산출한다. 실시예에서 평가모듈(150)은 장소 평가 정보 수집 시, 장소가 포함된 지역을 주요 활동지역으로 하는 사용자로부터 획득한 장소평가점수와 다른 지역에서 방문한 사용자로부터 획득한 장소평가점수를 모두 반영하여 장소 별 평가점수를 산출할 수 있다. The evaluation module 150 collects evaluation information of places included in the main activity areas for each user and calculates an evaluation score for each place. In the embodiment, when collecting place evaluation information, the evaluation module 150 reflects both the place evaluation score obtained from the user who has the area including the place as the main activity area and the place evaluation score obtained from the user visiting another area. Star evaluation scores can be calculated.

추천모듈(170)은 사용자가 주요활동지역을 벗어난 다른 지역에 위치한 경우, 다른 지역이 주요활동지역으로 설정된 사용자들에 의한 장소평가 결과를 기반으로 다른 지역에 진입한 사용자에게 인기 장소 또는 평가가 우수한 장소를 추천한다. 또한, 추천모듈(170)은 사용자가 주요활동지역을 벗어난 다른 지역에 진입한 경우, 사용자의 주요활동지역에서의 동선 및 장소 이동 시퀀스 정보를 활용하여 다른 지역에 포함된 방문장소를 추천할 수 있다. 예컨대, 사용자의 장소 이동 시퀀스 정보가 식당-카페인 경우, 사용자가 다른 지역에서 식당에 방문한 경우, 다음 이동장소인 카페를 다른 지역에서 추출하여 사용자에게 제공할 수 있다. When the user is located in a different area outside the main activity area, the recommendation module 170 is a popular place or excellent evaluation for users who enter another area based on the results of place evaluation by users whose other area is set as the main activity area. Recommend a place. In addition, when the user enters another area outside the main activity area, the recommendation module 170 may recommend a visited place included in the other area by using the movement line and place movement sequence information in the user's main activity area. . For example, when the user's place movement sequence information is a restaurant-cafe, when a user visits a restaurant in a different area, a cafe, which is a next moving place, may be extracted from another area and provided to the user.

예측모듈(190)은 수집된 동선정보와 방문장소 시퀀스 정보 및 사용자 별 장소 평가 점수를 이용하여 사용자가 주요 활동 지역이 아닌 다른 지역에 방문한 경우, 사용자의 방문장소를 예측할 수 있다. 예컨대, 예측모듈(190)은 사용자의 현재위치가 주요활동지역에 포함되지 않은 경우, 분석된 사용자의 주요활동지역에서의 이동패턴에 따라 사용자의 현재위치 근방에 존재하는 방문장소를 예측할 수 있다. 구체적으로, 예측모듈(190)은 사용자의 특정 장소를 방문하는 시간 패턴을 파악하여 사용자가 방문할 장소를 예측할 수 있다. 예컨대, 사용자가 12시경 카페에 방문하는 패턴이 인식되고 사용자가 주요 활동지역을 벗어나 다른 지역에 위치한 경우, 실시예에서는 12시경 사용자가 위치한 지역 근방의 장소 중 카페에 방문할 것으로 예측 하고, 사용자의 방문 가능성이 높은 장소 리스트를 추출할 수 있다. The prediction module 190 may predict the user's visited place when the user visits an area other than the main activity area by using the collected movement line information, the visit place sequence information, and the place evaluation score for each user. For example, when the user's current location is not included in the main activity area, the prediction module 190 may predict the visited place existing near the user's current location according to the analyzed movement pattern in the user's main activity area. Specifically, the prediction module 190 may predict a place to be visited by the user by grasping a time pattern of visiting a specific place of the user. For example, if the pattern of the user visiting a cafe around 12 o'clock is recognized and the user is located in a different area outside the main activity area, in the embodiment, it is predicted that the user will visit a cafe among places near the area where the user is located around 12 o'clock. You can extract a list of places that are likely to be visited.

또한, 예측모듈(190)은 사용자의 이동 패턴뿐만 아니라 장소 평가 정보를 분석하여 방문할 장소를 예측할 수 있다. 예컨대, 사용자 장소 평가 정보의 가중치를 파악하여 사용자가 일정 수준 이상의 가중치를 설정한 평가 항목의 점수가 기 설정 점수 이상인 장소들을 필터링 하고 필터링 된 장소들을 사용자 방문 가능성이 높은 장소로 예측할 수 있다.In addition, the prediction module 190 may predict a place to be visited by analyzing not only the user's movement pattern but also place evaluation information. For example, it is possible to determine the weight of the user place evaluation information, filter places in which the score of an evaluation item for which the user has set a weight equal to or higher than a predetermined level is equal to or higher than a preset score, and predict the filtered places as places with high possibility of user visit.

도 3은 실시예에 따른 장소추천서버의 데이터 처리 블록을 보다 구체적으로 나타낸 도면이다.3 is a diagram showing in more detail a data processing block of a place recommendation server according to an embodiment.

도 3을 참조하면, 분석모듈(130)은 방문통계산출부(131) 및 주요 활동지역 산출부(133)을 포함하여 구성될 수 있고, 평가모듈(150)은 외부고객 평가부(151) 및 주요고객 평가부(153)를 포함하여 구성될 수 있고, 추천모듈(170)은 비교부(171) 및 추출부(173)을 포함하여 구성될 수 있고, 예측모듈(190)은 분석부(191) 및 예측부(193)을 포함하여 구성될 수 있다.Referring to FIG. 3, the analysis module 130 may be configured to include a visit statistics calculation unit 131 and a major activity area calculation unit 133, and the evaluation module 150 includes an external customer evaluation unit 151 and The main customer evaluation unit 153 may be included, and the recommendation module 170 may include a comparison unit 171 and an extraction unit 173, and the prediction module 190 may include an analysis unit 191 ) And a prediction unit 193.

실시예에 따른 장소추천서버(100)의 데이터 베이스(110)에는 지역별 장소 명칭 데이터, 장소 분류 데이터, 장소주소, 장소 별 위도, 경도 고도 데이터, 사용자 별 장소 방문 시간 데이터 및 방문 시퀀스 정보 등이 저장된다. In the database 110 of the place recommendation server 100 according to the embodiment, place name data for each region, place classification data, place address, latitude for each place, longitude and altitude data, place visit time data for each user, and visit sequence information are stored. do.

분석모듈(130)의 방문통계 산출부(131)는 수집된 사용자별 방문장소위치정보와 방문시점정보를 통계적으로 분석한다. 실시예에서 방문통계 산출부(131)는 특정 장소로의 방문 횟수, 빈도, 방문시간 등을 통계적으로 분석하여 사용자의 이동패턴 및 주로 방문하는 장소 정보를 파악한다. The visit statistics calculation unit 131 of the analysis module 130 statistically analyzes the collected visit location location information and visit time information for each user. In an embodiment, the visit statistics calculation unit 131 statistically analyzes the number of visits to a specific place, frequency, visit time, and the like to determine a movement pattern of a user and information on places mainly visited.

분석모듈(130)의 주요활동지역 산출부(133)는 사용자별 방문장소위치정보와 방문시점정보의 통계 결과에 따라 사용자의 주요활동지역을 파악하고, 사용자 별 동선정보를 생성한다. 실시예에서 주요활동지역 산출부(133)는 사용자의 동선정보 파악 후 파악된 동선 및 방문 장소를 모두 포함하는 최소 행정구역을 사용자의 주요 활동지역으로 산출할 수 있다. 또한, 주기적으로 방문하는 장소를 산출하여 산출된 장소가 포함된 지역을 주요 활동 지역에 포함 시킬 수 있다.The main activity area calculation unit 133 of the analysis module 130 identifies the user's main activity area according to the statistical results of the visit place location information and the visit time information for each user, and generates movement information for each user. In an embodiment, the main activity area calculation unit 133 may calculate the minimum administrative area including both the identified movement line and the visited place after grasping the user's movement line information as the user's main activity area. In addition, the area containing the calculated place can be included in the main activity area by calculating the place to be visited periodically.

평가모듈(150)의 외부고객 평가부(151)는 특정 장소가 위치한 지역을 제외한 다른 지역에서 유입된 외부고객의 장소평가정보를 수집하여 외부고객의 평가점수를 산출한다. 실시예에서 외부고객은 특정 장소를 최초 또는 간헐적으로 방문한 고객으로서, 특정 장소가 포함된 지역이 주요 활동 지역이 아닌 사용자 들이다. 실시예에서는 외부고객인 사용자들이 특정 장소에 방문한 경우의 장소 평가정보를 수집하여 외부고객에 의한 장소평가점수를 산출할 수 있다. The external customer evaluation unit 151 of the evaluation module 150 calculates the evaluation score of the external customer by collecting the place evaluation information of the external customer introduced from a region other than the region where a specific place is located. In an embodiment, external customers are customers who visit a specific place for the first time or intermittently, and the area including the specific place is not a main activity area. In an embodiment, place evaluation information when users, who are external customers, visit a specific place may be collected to calculate a place evaluation score by the external customer.

주요고객 평가부(153)는 특정 장소가 위치한 지역을 주요활동지역으로 하는 주요고객의 평가정보를 수집하여 주요고객의 평가점수를 산출한다. 실시예에서 평가모듈(150)은 서비스 만족도, 품질 등을 포함하는 평가지표 각각에 사용자가 설정한 가중치를 부가하여 장소평가점수를 산출 할 수 있다. 또한, 평가모듈(150)은 사용자 별 주요활동지역에 포함된 장소방문빈도, 머무른 시간 및 방문한 장소에서의 결제 여부 및 지출 금액을 포함하는 장소평가지표를 산출하고, 산출된 장소평가지표에 가중치를 반영하여 반영하여 주요활동지역에 포함된 장소 각각의 평가 점수를 산출할 수 있다. The main customer evaluation unit 153 collects evaluation information of main customers whose main activity area is the area where a specific place is located, and calculates the evaluation score of main customers. In an embodiment, the evaluation module 150 may calculate a place evaluation score by adding a weight set by a user to each evaluation index including service satisfaction, quality, and the like. In addition, the evaluation module 150 calculates a place evaluation index including the frequency of visits to the place included in the main activity area for each user, the time of stay, the payment at the place visited, and the amount of expenditure, and weights the calculated place evaluation index. By reflecting and reflecting, the evaluation score for each place included in the main activity area can be calculated.

추천모듈(170)의 비교부(171)는 사용자의 주요 활동지역에 포함된 장소 평가 결과에서 사용자가 높은 평가점수를 부여한 장소특성과 사용자의 현재 위치 근방에 포함된 장소특성을 비교한다. 예컨대, 비교부(171)는 장소의 종류, 상품 판매 가격, 크기, 평점 정보 등을 비교할 수 있다. 추출부(173)는 비교 결과에 따라 사용자의 주요 활동지역에서 사용자가 높은 평점을 부여한 장소와 유사한 특성의 장소를 추출하거나, 사용자의 이동패턴에 대응하는 장소 정보를 추출하여 추출된 추천장소 리스트를 사용자 및 장소 제공자에게 제공할 수 있다. The comparison unit 171 of the recommendation module 170 compares the place characteristics to which the user has given a high evaluation score from the results of the place evaluation included in the user's main activity area and the place characteristics included in the vicinity of the user's current location. For example, the comparison unit 171 may compare the type of place, product sales price, size, rating information, and the like. According to the comparison result, the extraction unit 173 extracts a place with characteristics similar to the place to which the user has given a high rating in the user's main activity area, or extracts the place information corresponding to the user's movement pattern and extracts a list of recommended places. It can be provided to users and place providers.

예측모듈(190)의 분석부(191)는 사용자의 주요활동지역에서 이동 패턴과 장소평가정보를 파악하고, 사용자의 현재 위치 근방에 포함된 장소의 종류와 특성을 분석한다. 예측부(193)는 사용자의 현재위치가 주요활동지역에 포함되지 않은 경우, 분석된 사용자의 주요활동지역에서의 이동패턴 및 장소 평가 정보에 따라 사용자의 현재위치 근방에 존재하는 방문장소를 예측한다.The analysis unit 191 of the prediction module 190 identifies movement patterns and place evaluation information in the user's main activity area, and analyzes the types and characteristics of places included in the vicinity of the user's current location. If the user's current location is not included in the main activity area, the prediction unit 193 predicts the visited place existing near the user's current location according to the analyzed movement pattern and place evaluation information in the user's main activity area. .

이하에서는 사용자별 주요 활동지역에 기반한 장소 추천 방법에 대해서 차례로 설명한다. 실시예에 따른 장소 추천 방법의 작용(기능)은 장소 추천 서버 및 시스템상의 기능과 본질적으로 같은 것이므로 도 1 내지 도 3과 중복되는 설명은 생략하도록 한다.Hereinafter, a method of recommending a place based on a main activity area for each user will be described in order. Since the function (function) of the place recommendation method according to the embodiment is essentially the same as the function of the place recommendation server and the system, descriptions overlapping with those of FIGS. 1 to 3 will be omitted.

도 4는 실시예에 따른 장소 추천 서버의 데이터 처리과정을 나타낸 흐름도이다. 4 is a flowchart illustrating a data processing process of a place recommendation server according to an embodiment.

S410 단계에서는 장소추천서버에서 사용자별 방문장소 위치정보, 방문 시점 정보, 동선정보 및 장소평가정보를 수집한다.In step S410, the location recommendation server collects the location information of the visited place for each user, the information at the time of the visit, the movement line information, and the place evaluation information.

S420 단계에서는 장소추천서버에서 수집된 데이터를 이용하여 사용자별 주요 활동지역 및 이동패턴을 산출한다. S420 단계에서는 사용자별 주요 활동지역 및 이동패턴 산출을 위해 수집된 사용자별 방문장소위치정보와 방문시점정보를 통계적으로 분석하고, 사용자별 방문장소위치정보와 방문시점정보의 통계 결과에 따라 사용자의 주요활동지역을 파악하고, 사용자들의 동선정보를 생성한다.In step S420, the main activity area and movement pattern for each user are calculated by using the data collected from the place recommendation server. In step S420, statistical analysis of the visited place location information and visit time information collected for each user to calculate the main activity area and movement pattern for each user, and the user's main information according to the statistical results of the visit place location information and visit time information for each user. It identifies the area of activity and creates information about the movement of users.

S430 단계에서는 사용자 스마트 단말을 통해 사용자 위치를 파악한다.In step S430, the user location is determined through the user's smart terminal.

S440 단계에서는 사용자의 위치 정보를 통해 사용자가 주요 활동지역에 존재하는지 판단한다. 실시예에서는 사용자가 주요 활동지역에 존재하지 않는 경우, S450 단계로 진입하여 사용자 현재 위치를 주요 활동지역으로 하는 다른 사용자들의 장소 평가정보를 추출한다. 실시예에서 S450 단계에서는 특정 장소가 위치한 지역이 주요 활동지역이 아닌 외부고객의 평가정보를 수집하여 외부고객의 장소평가점수를 산출한다. 또한, S450 단계에서는 특정 장소가 위치한 지역을 주요활동지역으로 하는 주요고객의 평가정보를 수집하여 주요고객의 장소평가점수를 산출할 수 있다.In step S440, it is determined whether the user exists in the main activity area based on the user's location information. In the embodiment, if the user does not exist in the main activity area, the process proceeds to step S450 to extract place evaluation information of other users whose current location is the main activity area. In the embodiment, in step S450, evaluation information of external customers is collected in which an area where a specific place is located is not a major activity area, and a place evaluation score of the external customer is calculated. In addition, in step S450, the evaluation information of the main customers whose main activity area is the area where the specific place is located may be collected to calculate the place evaluation score of the main customer.

또한, S450 단계에서는 사용자 별 주요활동지역에 포함된 장소방문빈도, 머무른 시간 및 방문한 장소에서의 지출 금액을 포함하는 장소평가지표를 산출하고, 산출된 장소평가지표에 각각에 가중치를 반영하여 주요활동지역에 포함된 장소들의 평가점수를 산출할 수 있다. 이를 통해 특정 사용자가 장소 선택 시 주요하게 고려하는 평가 지표를 파악하여 특정 사용자에게 추천할 장소 리스트를 생성할 때 파악된 평가 지표를 이용함으로써 사용자의 개별 선호도가 반영된 추천 장소 리스트를 생성할 수 있다. In addition, in step S450, a place evaluation index including the frequency of visits to a place included in the main activity area for each user, the time of stay, and the amount of expenditure at the visited place is calculated. You can calculate the evaluation score of places included in the area. Through this, it is possible to create a list of recommended places reflecting the user's individual preferences by identifying the evaluation indicators that a specific user mainly considers when selecting a place and using the evaluation indicators identified when generating a list of places to be recommended to a specific user.

S460 단계에서는 장소추천서버에서 추출된 평가 정보를 이용하여 그 지역을 방문한 사용자에게 장소를 추천한다.In step S460, a place is recommended to a user who has visited the area by using the evaluation information extracted from the place recommendation server.

S470 단계에서는 사용자의 이동패턴 및 장소평가정보를 통해 사용자의 실시간 위치 근방에 포함된 장소 중 방문예정장소를 예측한다. 실시예에서는 사용자의 현재위치가 사용자의 주요활동지역에 포함되지 않은 경우, 미리 분석된 사용자 주요활동지역에서의 이동패턴에 따라 사용자의 현재위치 근방에 존재하는 방문장소를 예측할 수 있다.In step S470, a place to be visited is predicted among places included near the user's real-time location through the user's movement pattern and place evaluation information. In the embodiment, when the user's current location is not included in the user's main activity area, the visited place existing near the user's current location may be predicted according to the previously analyzed movement pattern in the user's main activity area.

이상에서와 같은 사용자의 주요 활동지역에 기반한 장소추천 서버 및 방문장소예측 방법은 사용자의 개별 주요 활동지역 정보를 파악하고, 특정 지역이 주요 활동지역인 사용자의 장소 평가결과에 따라 그 지역을 방문한 다른 사용자에게 장소를 추천함으로써, 특정 장소가 포함된 지역에서 주로 활동하는 사용자들에게 인정받은 신뢰도 높은 장소를 방문객들에게 추천할 수 있다.As described above, the site recommendation server and the method of predicting the visited place based on the user's main activity area identify the user's individual main activity area information, and according to the user's place evaluation result where a specific area is the main activity area, By recommending a place to a user, it is possible to recommend a place with high reliability recognized by users mainly active in an area including a specific place to visitors.

또한, 타 지역에서 방문한 사용자의 장소 평가 데이터와 특정 지역이 주요 활동지역인 사용자의 장소 평가 데이터를 분류하여 특정 장소에 대한 평가결과를 파악할 수 있기 때문에, 장소평가 정확도를 향상시킬 수 있다.In addition, since it is possible to grasp the evaluation result for a specific place by classifying the place evaluation data of a user visiting from another area and the place evaluation data of a user whose specific area is a major activity area, it is possible to improve the accuracy of place evaluation.

개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.The disclosed contents are only examples, and various changes may be made by those of ordinary skill in the art without departing from the gist of the claims claimed in the claims, so the scope of protection of the disclosed contents is limited to the above-described specific It is not limited to the examples.

Claims (10)

사용자별 주요 활동지역에 기반한 장소추천서버에 있어서,
위도, 경도, 고도 및 주소 데이터를 포함하는 사용자별 방문장소 위치정보와 방문시점정보를 수집하고, 이동경로, 방문장소시퀀스를 포함하는 동선정보를 사용자 각각에 대해 수집하는 데이터베이스;
상기 수집된 방문장소 위치정보, 방문시점정보 및 동선정보를 분석하여 개별 사용자의 주요활동지역을 파악하고, 사용자 별 이동패턴을 산출하는 분석모듈;
사용자별 주요활동지역에 포함된 장소들의 평가정보를 수집하여 장소 별 평가점수를 산출하는 평가모듈;
사용자가 주요활동지역을 벗어난 다른 지역에 위치한 경우, 상기 다른 지역이 주요활동지역으로 설정된 사용자들에 의한 장소평가 결과를 기반으로 다른 지역에 진입한 사용자에게 장소를 추천하는 추천모듈; 을 포함하며,

상기 평가모듈; 은
특정 장소가 위치한 지역을 제외한 다른 지역에서 유입된 외부고객의 평가정보를 수집하여 상기 외부고객의 장소 평가점수를 산출하는 외부고객 평가부;
특정 장소가 위치한 지역을 주요활동지역으로 하는 주요고객의 평가정보를 수집하여 상기 주요고객의 장소평가점수를 산출하는 주요고객 평가부; 를 포함하며,

상기 분석모듈; 은
상기 수집된 사용자별 방문장소위치정보와 방문시점정보를 통계적으로 분석하는 방문통계산출부; 및
상기 사용자별 방문장소위치정보와 방문시점정보의 통계 결과에 따라 사용자의 주요활동지역을 파악하고, 사용자 별 동선정보를 생성하는 주요활동지역 산출부; 를 포함하며,

상기 장소추천서버는
사용자의 현재위치가 상기 사용자의 주요활동지역에 포함되지 않은 경우, 상기 분석된 사용자의 주요활동지역에서의 이동패턴에 따라 사용자의 현재위치 근방에 존재하는 방문장소를 예측하는 예측모듈; 을 더 포함하며,

상기 평가모듈; 은
사용자 별 주요활동지역에 포함된 장소방문빈도, 머무른 시간 및 방문한 장소에서의 지출 금액을 포함하는 장소평가지표를 산출하고, 상기 산출된 장소평가지표에 가중치를 각각 반영하여 주요활동지역에 포함된 장소들의 평가점수를 산출하는 것을 특징으로 하는 장소추천서버.
In the place recommendation server based on the main activity area by user
A database that collects location information and visit time information for each user including latitude, longitude, altitude, and address data, and collects movement information including a moving route and a visit place sequence for each user;
An analysis module that analyzes the collected location information of a visited place, information of a visit point, and information about a movement line to identify a major activity area of an individual user, and calculates a movement pattern for each user;
An evaluation module that collects evaluation information of places included in each user's main activity area and calculates an evaluation score for each place;
A recommendation module for recommending a place to a user entering another area based on a result of place evaluation by users whose other area is set as a major activity area when the user is located in another area outside the main activity area; Including,

The evaluation module; silver
An external customer evaluation unit that collects evaluation information of external customers from regions other than the region in which a specific place is located and calculates a place evaluation score of the external customer;
A major customer evaluation unit that collects evaluation information of major customers with an area in which a specific place is located as a major activity area and calculates a place evaluation score of the major customers; Including,

The analysis module; silver
A visit statistics calculator for statistically analyzing the collected visited location location information and visit time information for each user; And
A main activity area calculator configured to identify a user's main activity area according to the statistical results of the visited place location information and visit time information for each user, and generate movement information for each user; Including,

The place recommendation server
A prediction module for predicting a visited place in the vicinity of the user's current location according to the analyzed movement pattern in the user's main activity area when the user's current location is not included in the user's main activity area; It further includes,

The evaluation module; silver
Places included in the main activity area by calculating the place evaluation index including the frequency of visits to the place included in the main activity area for each user, the time of stay, and the amount of spending at the visited place, and reflecting weights to the calculated site evaluation index respectively Place recommendation server, characterized in that calculating the evaluation score of the.
 삭제delete 삭제delete 삭제delete 삭제delete 사용자의 주요 활동지역에 기반한 방문장소예측방법에 있어서,
(A) 장소추천서버는 위도, 경도, 고도 및 주소 데이터를 포함하는 사용자별 방문장소 위치정보와 방문시점정보를 수집하고, 이동경로, 방문장소시퀀스를 포함하는 동선정보를 사용자 각각에 대해 수집하는 단계;
(B) 장소추천서버는 수집된 방문장소 위치정보, 방문시점정보 및 동선정보를 분석하여 개별 사용자의 주요활동지역을 파악하고, 사용자 별 이동패턴을 산출하는 단계;
(C) 장소추천서버는 사용자별 주요활동지역에 포함된 장소들의 평가정보를 수집하여 장소 별 평가점수를 산출하는 단계; 및
(D) 사용자가 주요활동지역을 벗어난 다른 지역에 위치한 경우, 상기 다른 지역이 주요활동지역으로 설정된 사용자들에 의한 장소평가 결과를 기반으로 다른 지역에 진입한 사용자에게 장소를 추천하는 단계; 를 포함하며,

상기 (C)의 단계; 는
특정 장소가 위치한 지역이 주요 활동지역이 아닌 외부고객의 평가정보를 수집하여 상기 외부고객의 장소평가점수를 산출하는 단계; 및
특정 장소가 위치한 지역을 주요활동지역으로 하는 주요고객의 평가정보를 수집하여 상기 주요고객의 장소평가점수를 산출하는 단계; 를 포함하며,

상기 (B)의 단계; 는
상기 수집된 사용자별 방문장소위치정보와 방문시점정보를 통계적으로 분석하는 단계; 및
상기 사용자별 방문장소위치정보와 방문시점정보의 통계 결과에 따라 사용자의 주요활동지역을 파악하고, 사용자들의 동선정보를 생성하는 단계; 를 포함하며,

상기 (D)의 단계; 는
사용자의 현재위치가 상기 사용자의 주요활동지역에 포함되지 않은 경우, 상기 분석된 사용자의 주요활동지역에서의 이동패턴에 따라 사용자의 현재위치 근방에 존재하는 방문장소를 예측하는 단계; 를 포함하며,

상기 (C)의 단계; 는
사용자 별 주요활동지역에 포함된 장소방문빈도, 머무른 시간 및 방문한 장소에서의 지출 금액을 포함하는 장소평가지표를 산출하고, 상기 산출된 장소평가지표에 가중치를 각각 반영하여 주요활동지역에 포함된 장소들의 평가점수를 산출하는 것을 특징으로 하는 방문장소 예측방법.
In the method of predicting the visiting place based on the user's main activity area,
(A) The place recommendation server collects location information and visit time information for each user, including latitude, longitude, altitude, and address data, and collects traffic information including movement route and visit place sequence for each user. step;
(B) the location recommendation server analyzes the collected location information of the visited place, information about the time of the visit, and information about the movement route to identify the major activity areas of individual users, and calculates a movement pattern for each user;
(C) the place recommendation server collects evaluation information of places included in the main activity areas for each user and calculates an evaluation score for each place; And
(D) when the user is located in another area outside the main activity area, recommending a place to a user entering another area based on the results of place evaluation by users whose other area is set as the main activity area; Including,

The step of (C); Is
Calculating a place evaluation score of the external customer by collecting evaluation information of an external customer in which an area where a specific place is located is not a major activity area; And
Collecting evaluation information of a major customer with an area in which a specific place is located as a major activity area, and calculating a place evaluation score of the major customer; Including,

The step of (B); Is
Statistically analyzing the collected visited location location information and visit time information for each user; And
Identifying a user's main activity area according to a statistical result of the visited place location information and visited time information for each user, and generating movement information of the users; Including,

The step of (D); Is
If the user's current location is not included in the user's main activity area, predicting a visited place existing near the user's current location according to the analyzed movement pattern in the user's main activity area; Including,

The step of (C); Is
Places included in the main activity area by calculating the place evaluation index including the frequency of visits to the place included in the main activity area for each user, the time of stay, and the amount of spending at the visited place, and reflecting weights to the calculated site evaluation index respectively A method of predicting a place to visit, characterized in that calculating the evaluation score of the people
 삭제delete 삭제delete 삭제delete 삭제delete
KR1020190131254A 2019-10-22 2019-10-22 Place recommendation server and predicting method of visit place based on user's main activity area KR102254400B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190131254A KR102254400B1 (en) 2019-10-22 2019-10-22 Place recommendation server and predicting method of visit place based on user's main activity area

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190131254A KR102254400B1 (en) 2019-10-22 2019-10-22 Place recommendation server and predicting method of visit place based on user's main activity area

Publications (2)

Publication Number Publication Date
KR20210047529A KR20210047529A (en) 2021-04-30
KR102254400B1 true KR102254400B1 (en) 2021-05-24

Family

ID=75740604

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190131254A KR102254400B1 (en) 2019-10-22 2019-10-22 Place recommendation server and predicting method of visit place based on user's main activity area

Country Status (1)

Country Link
KR (1) KR102254400B1 (en)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100673600B1 (en) * 2004-07-20 2007-01-24 에스케이커뮤니케이션즈 주식회사 Apparatus and method for recommending the spot or the azit in the regional community system based on mobile blog through the mobile terminal
KR101979401B1 (en) 2012-06-22 2019-05-16 구글 엘엘씨 Ranking nearby destinations based on visit likelihoods and predicting future visits to places from location history
KR20150131780A (en) 2014-05-16 2015-11-25 삼성전자주식회사 Apparatus and Method for predicting destination
KR20160089880A (en) * 2015-01-20 2016-07-28 주식회사 에어스케치 Computer program and server for generating charts for popular places based on user's posting

Also Published As

Publication number Publication date
KR20210047529A (en) 2021-04-30

Similar Documents

Publication Publication Date Title
Abdella et al. Airline ticket price and demand prediction: A survey
CN108875007B (en) method and device for determining interest point, storage medium and electronic device
US10572887B2 (en) Electronically capturing consumer location data for analyzing consumer behavior
Liu et al. A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication
KR101871747B1 (en) Similarity tendency based user-sightseeing recommendation system and method thereof
US20170332205A1 (en) Inference pipeline system and method
EP3098770A1 (en) Advertising method and device using cohort-based user analysis platform and marketing platform
CN110334289B (en) Travel destination determining method and target user determining method
US10769561B2 (en) Adaptive logistics platform for generating and updating schedules using natural language processing
KR102236546B1 (en) Method for providing bigdata and artificial intelligence based smart tourism service capable of making a choice corresponding to purpose of travel
JP4431907B2 (en) Information providing method and apparatus
JP2014203272A (en) New branch store starting candidate place analysis device, method, and program
US20170032253A1 (en) Information processing apparatus, control method, and program
KR20200115694A (en) System and method for providing of trading area information using big data
KR20180134553A (en) System and method for providing the degree of congestion
JP6814115B2 (en) Specific device, specific method and specific program
Duan et al. Personalized service recommendations for travel using trajectory pattern discovery
KR102254400B1 (en) Place recommendation server and predicting method of visit place based on user's main activity area
KR20220091948A (en) Apparatus and Method For Providing Recommendation Service Through Social Media Activity Analysis
KR101540211B1 (en) System and method for selecting an advertisement
US11138615B1 (en) Location-based place attribute prediction
JP2006163670A (en) Visiting route searching system and program
US20210174395A1 (en) System and method for location-based product solutions using artificial intelligence
KR101932895B1 (en) Method for providing searched information based on user location and system thereof
CN113643091A (en) Scenic spot recommendation method, device, equipment and storage medium

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right