KR102327009B1 - 긱근로자의 잡 스케쥴링 방법 및 장치 - Google Patents
긱근로자의 잡 스케쥴링 방법 및 장치 Download PDFInfo
- Publication number
- KR102327009B1 KR102327009B1 KR1020200171038A KR20200171038A KR102327009B1 KR 102327009 B1 KR102327009 B1 KR 102327009B1 KR 1020200171038 A KR1020200171038 A KR 1020200171038A KR 20200171038 A KR20200171038 A KR 20200171038A KR 102327009 B1 KR102327009 B1 KR 102327009B1
- Authority
- KR
- South Korea
- Prior art keywords
- gig
- service
- worker
- job scheduling
- workers
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 description 11
- 239000003795 chemical substances by application Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 229940124447 delivery agent Drugs 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터, 긱 서비스 완료 데이터를 획득하는 데이터획득부; 및 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 예측부를 포함하고; 상기 예측부는 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 더 예측하고; 상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 더 예측하는 긱근로자의 잡 스케쥴링 방법 및 장치가 개시되어 있다.
Description
본 발명은 긱근로자의 잡 스케쥴링 방법 및 장치에 관한 것으로서, 보다 상세하게는 긱근로자의 서비스 수행능력에 대한 학습모델에 기초하여 예측된 긱근로자의 수입을 최대화하되, 과거 긱 서비스 요청/완료 데이터를 학습한 학습모델에 기초하여 예측된 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하도록 긱근로자의 잡 스케쥴링 정보를 생성하는 긱근로자의 잡 스케쥴링 방법 및 장치에 관한 것이다.
디지털 기술의 발달로 전 세계는 디지털 네트워크로 연결되고, 4차 산업혁명을 통한 산업간 융·복합이 활발해지면서 '긱 이코노미(Gig Economy)'라고 하는 경제 방식이 주목받고 있다. 긱 이코노미는 산업 현장에서 필요에 따라 사람을 구해 임시로 계약을 맺고 이를 맡기는 형태의 경제 방식이다. 여기서 '긱(gig)'은 디지털 플랫폼에서 거래되는 기간제 근로를 의미하는데, 최근에는 온라인 플랫폼 업체와 단기 계약 형태로 서비스를 제공하는 공급자(또는, 긱근로자)를 의미하는 것으로 변화했다. 본 발명에서는 한시적으로 기간제 근로 활동을 하는 근로자를 긱근로자라고 정의한다. 긱 서비스는 청소 대행, 배송 대행 등 필요에 따라 임시로 계약을 맺고 디지털 플랫폼에서 거래되는 기간제 근로 서비스이며, 특정 형태에 한정되지 아니한다. 긱플랫폼은 긱서비스 이용자로부터 긱서비스 주문을 받고, 긱근로자에게 서비스를 요청하는 플랫폼을 의미하며, 긱플랫폼 사업자는 긱플랫폼을 제공하는 사업자를 의미한다.
긱 경제에 따르면, 기업은 원하는 능력을 가진 긱근로자를 필요한 때에 쓸 수 있으므로 노동 유연성 확보 및 인건비 절감 측면에서 유리하다. 또한, 긱근로자는 자신이 원할 때 일할 수 있어 시간 관리가 쉽고 긱 관련 산업 현장으로의 진입 장벽이 낮다는 장점이 있다. 특히, 디지털 시대로의 전환 및 바이러스에 의한 질병 감염 우려 등으로 일상 생활의 모든 영역이 비대면(Untact) 방식으로 이루어지는 사회로의 전환이 가속화됨에 따라, 긱 서비스 시장도 폭발적으로 증가하고 있다.
현재 긱플랫폼은 폭증하는 긱 서비스 요청(이하, 일) 대비 긱근로자 부족의 문제를 겪고 있다. 긱 서비스 노동은 쉽고 누구나 할 수 있다는 인식이 있지만, 이러한 인식과는 다르게 기존 경험에 따른 효율적인 잡 스케줄링이 있어야 긱근로자의 생산성을 높일 수 있다. 따라서, 긱플랫폼에서 긱근로자 각각의 생산성을 최대화하고, 전체 긱근로자에게 최적으로 일을 분배할 수 있는 잡 스케쥴링 방안이 필요하다.
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, 긱근로자의 서비스 수행능력에 대한 학습모델에 기초하여 예측된 긱근로자의 수입을 최대화하되, 과거 긱 서비스 요청/완료 데이터를 학습한 학습모델에 기초하여 예측된 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하도록 긱근로자의 잡 스케쥴링 정보를 생성하는 긱근로자의 잡 스케쥴링 방법 및 장치를 제공하는데 있고, 상기 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다.
본 발명의 일 실시예에 따르면 긱근로자의 잡 스케쥴링 방법은 기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터 및 긱 서비스 완료 데이터를 획득하는 단계; 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 단계; 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하는 단계; 및 상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 예측하는 단계를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱근로자의 잡 스케쥴링 방법은 긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수를 획득하는 단계; 및 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 긱 서비스 요청 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 가격, 서비스 관리 지점, 서비스 요청자 정보, 상기 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱 서비스 완료 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 완료 시간, 서비스 가격, 서비스 거리, 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱 서비스 로드율은 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타낸다.
본 발명의 일 실시예에 따르면 상기 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 단계는 적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성하는 단계를 포함한다.
본 발명의 일 실시예에 따르면 상기 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 단계는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나와 외부 데이터와의 연관도를 분석하는 단계; 및 상기 연관도에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱 근로자수, 긱 서비스 단가 및 긱 서비스 로드율에 가중치를 부여하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 외부 데이터는 상기 특정 공간 구간의 지형 정보, 상기 특정 공간 구간의 거주 인구 정보, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하는 단계는 적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하는 단계를 포함하고; 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하는 단계는 상기 긱근로자의 서비스 수행능력에 대한 학습모델에 기초하여, 상기 긱근로자가 수행가능한 긱 서비스 건수를 예측하고; 상기 긱근로자의 긱 서비스 수행능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 각각의 긱근로자의 잡 스케쥴링을 생성하는 단계는 신경망 기반 강화학습에 의해, 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습하는 단계를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱근로자의 잡 스케쥴링 방법은 외부 요청에 의해, 생성된 각각의 긱근로자의 잡 스케쥴링 정보 중 소정의 긱근로자의 잡 스케쥴링 정보 및 예측된 긱근로자의 수입 중 적어도 하나를 외부 단말에게 전송하는 단계를 더 포함한다.
또한, 본 발명의 일 실시예에 따르면 상기 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체를 포함한다.
또한, 본 발명의 일 실시예에 따르면 긱근로자의 잡 스케쥴링 장치는 기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터, 긱 서비스 완료 데이터를 획득하는 데이터획득부; 및 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 예측부를 포함하고; 상기 예측부는 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 더 예측하고; 상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 더 예측한다.
본 발명의 일 실시예에 따르면 상기 긱근로자의 잡 스케쥴링 장치는 긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수를 획득하는 긱근로자 입력부; 및 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성하는 잡 스케쥴링 생성부를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 긱 서비스 요청 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 가격, 서비스 관리 지점, 서비스 요청자 정보, 상기 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱 서비스 완료 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 완료 시간, 서비스 가격, 서비스 거리, 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱 서비스 로드율은 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타낸다.
본 발명의 일 실시예에 따르면 상기 예측부는 적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성한다.
본 발명의 일 실시예에 따르면 상기 예측부는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나와 외부 데이터와의 연관도를 분석하고; 상기 연관도에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 발생할 긱 서비스 요청 건수 및 긱 서비스를 제공할 긱 근로자수, 긱 서비스 단가 및 긱 서비스 로드율에 가중치를 부여한다.
본 발명의 일 실시예에 따르면 상기 외부 데이터는 상기 특정 공간 구간의 지형 정보, 상기 특정 공간 구간의 거주 인구 정보, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 예측부는 적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하고; 상기 긱근로자의 서비스 수행능력에 대한 학습모델에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하고; 상기 긱근로자의 긱 서비스 수행능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 잡 스케쥴링 생성부는 신경망 기반 강화학습에 의해, 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습한다.
본 발명의 일 실시예에 따르면 상기 긱근로자의 잡 스케쥴링 장치는 외부 요청에 의해, 생성된 각각의 긱근로자의 잡 스케쥴링 정보 중 소정의 긱근로자의 잡 스케쥴링 정보 및 예측된 긱근로자의 수입 중 적어도 하나를 외부 단말에게 전송하는 잡 스케쥴링 제공부를 더 포함한다.
본 발명에 따른 긱근로자의 잡 스케쥴링 장치를 통해 특정 시공간에 대한 긱근로자의 서비스 수행능력, 긱 서비스 요청 건수, 긱근로자 수 및 긱 서비스 단가 등에 대한 학습 및 예측을 통해 긱근로자 별 예상수입을 예측할 수 있고, 긱근로자에게 예측된 예상수입 정보를 제공할 수 있다.
또한, 본 발명에 따르면 긱근로자가 자신이 선호하는 지역, 시간, 긱 서비스 건수에 맞춰 개인화된 잡 스케쥴링 정보를 제공받을 수 있으므로, 경험이 부족한 긱근로자 또는 지역/시간 등 근무 환경이 변경된 긱근로자일지라도 안정적인 수익을 올릴 수 있다. 본 발명에 따른 긱근로자의 잡 스케쥴링 장치는 인공지능 학습을 통해 긱근로자별 예상수입이 최대화되도록 하되, 긱근로자별 잡 분배도가 최적화되도록 상기 개인화된 잡 스케쥴링 정보를 도출할 수 있다. 따라서, 본 발명에 따르면 전체 긱근로자를 지역/시간에 맞춰 효율적으로 분배함으로써 긱 서비스 제공 대기시간을 줄일 수 있고, 특정 지역/시간에 긱근로자가 포화되거나 부족한 상황을 미연에 방지 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 시스템의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가, 긱 서비스 로드율 및 긱근로자가 수행가능한 긱 서비스 건수 등을 예측하는 일 실시예이다.
도 3은 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 방법의 개략적인 제1 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 방법의 개략적인 제2 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 장치의 개략적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가, 긱 서비스 로드율 및 긱근로자가 수행가능한 긱 서비스 건수 등을 예측하는 일 실시예이다.
도 3은 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 방법의 개략적인 제1 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 방법의 개략적인 제2 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 장치의 개략적인 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다. 도면에서 동일한 참조부호는 동일한 구성요소를 지칭하며, 도면 상에서 각 구성 요소의 크기는 설명의 명료성을 위하여 과장되어 있을 수 있다.
도 1은 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 시스템의 개략적인 구성도이다.
본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 시스템(100)은 긱 서비스 서버(110), 긱 서비스 요청자 단말(120), 긱 서비스 애플리케이션(130), 긱 서비스 제공자 단말(140) 및 긱 서비스 관리자 단말(150)을 포함한다.
긱 서비스 서버(110)는 향후 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하기 위해 긱 서비스 요청자 단말(120)로부터 기 설정된 시간 구간 또는 기 설정된 공간 구간에 발생한 긱 서비스 요청 데이터를 획득하고, 긱 서비스 애플리케이션(130)으로부터 긱 서비스 완료 데이터를 획득한다. 상기 긱 서비스 로드율은 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타낸다. 또한, 긱 서비스 서버(110)는 특정 시간 구간 또는 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하기 위해 긱 서비스 애플리케이션(130)으로부터 긱 서비스 완료 데이터를 획득한다. 긱 서비스 애플리케이션(130)은 긱 서비스 제공자 단말(140) 또는 긱 서비스 관리자 단말(150)로부터 긱 서비스 완료 데이터를 입력받는다. 또한, 긱 서비스 서버(110)는 긱 서비스 요청자 단말(120)로부터 긱 서비스 완료 데이터를 획득할 수도 있다.
긱 서비스 요청자 단말(120), 긱 서비스 제공자 단말(140) 및 긱 서비스 관리자 단말(150)은 복수 개일 수 있으며, 단말의 수가 많고, 누적된 긱 서비스 요청 데이터 및 긱 서비스 완료 데이터가 많을수록 긱 서비스 요청 건수 등에 대한 예측 정확도를 높일 수 있다.
긱 서비스 요청 데이터는 서비스 업종, 긱 서비스를 요청한 시간, 긱 서비스를 요청한 지역, 긱 서비스 요청한 가격, 요청된 긱 서비스에 대해 긱을 배정하는 서비스 관리 지점 정보, 서비스 요청자 정보, 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함한다. 서비스 업종은 배달 대행, 청소 대행 등의 서비스 업의 종류를 포함하며, 특정 서비스 업종에 제한되지 않음은 당업자에게 자명하다. 서비스 요청자의 이력 정보는 서비스 요청자가 서비스를 선호하는 시간 및 지역, 선호하는 서비스 업종 등의 서비스 요청 패턴을 포함한다. 서비스 피드백 정보는 요청한 긱 서비스의 완료 여부, 만족도, 동일 긱 서비스 재요청 의사 유무 등에 대한 정보를 포함한다.
긱 서비스 완료 데이터는 완료한 긱 서비스 업종, 긱 서비스가 요청된 시간, 긱 서비스가 요청된 지역, 긱 서비스를 완료한 시간, 긱 서비스 제공 가격, 긱 서비스 제공 거리, 긱 서비스 요청 후 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 요청된 긱 서비스에 대해서 긱을 배정하는 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함할 수 있다. 배정된 긱 정보나 배정된 긱의 이력 정보는 긱 서비스를 제공하는 시간 및 지역, 선호하는 서비스 업종 등의 긱 서비스 제공 패턴을 포함할 수 있고, 서비스 피드백 정보는 긱 서비스에 대한 요청자의 만족도 등을 포함할 수 있다.
긱 서비스 서버(110)는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측한다. 긱 서비스 서버(110)는 적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성하고, 상기 학습모델에 기초하여 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측할 수 있다. 시간 구간은 시간 단위, 일 단위, 월 단위, 년 단위로 설정될 수 있고, 공간 구간은 도로명 주소로 구분되는 구간부터 서울시, 부산시와 같이 시(市) 구간까지도 설정될 수 있다. 예를 들어, 긱 서비스 서버(110)는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 의정부시 의정부1동에서 11시부터 12시 사이에 120건의 배달 서비스 요청이 발생하고, 20명의 긱근로자가 존재하고, 배달 단가는 건 당 3500원이며, 긱 서비스 로드율은 6건이라는 데이터들을 예측할 수 있다.
또한, 긱 서비스 서버(110)는 외부 데이터를 결합하여 예측 데이터의 정확도를 높일 수 있다. 외부 데이터는 공간 구간의 지형 정보, 공간 구간의 거주 인구 정보, 시간 구간 또는 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함한다.
예를 들어, 긱 서비스 서버(110)는 1년간 주말 아침마다 대학가 인근에서 요청된 서비스 종류 및 서비스 건수에 기초하여 다가오는 주말 아침 시간에 대학가 인근에서 요청될 서비스 종류 및 서비스 건수를 예측할 수 있다. 이때, 대학교가 여자 대학이라면, 거주 인구 중 여성의 비율이 높아서 요청되는 긱 서비스 종류가 달라질 수 있다. 또한, 비가 오는 날에는 외출을 자제하고 배달 음식을 주문하는 경우가 많으므로, 비가 오지 않는 다른 날 대비 배달 대행에 대한 긱 서비스 신청 건수가 증가할 수 있다.
이와 같이, 거주 인구 정보, 날씨 등과 같은 외부 요인에 의해서 요청되는 긱 서비스의 종류나 건수가 달라질 수 있다. 이를 고려하여, 긱 서비스 서버(110)는 외부 데이터를 반영하여 정확도가 높은 예측 데이터를 생성한다.
또한, 긱 서비스 서버(110)는 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측한다. 긱 서비스 서버(110)는 적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하고, 상기 학습모델에 기초하여 상기 긱근로자가 수행가능한 긱 서비스 건수를 예측한다. 상기 긱근로자의 긱 서비스 수행 능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함한다. 예를 들어, 배달기사 A는 의정부시 의정부1동에서 11시에서 12시 사이에 평균 배달 시간 32분, 평균 배달 속도 32km/h의 긱 서비스 수행 능력 정보를 갖는다. 이러한 긱근로자의 긱 서비스 수행 능력 정보에 기초하여 배달기사 A는 의정부시 의정부1동에서 11시에서 12시 사이에 6건의 배달 서비스를 수행 가능할 것으로 예측할 수 있다.
긱 서비스 서버(110)는 상기 예측된 긱 서비스 단가 및 상기 예측된 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 예측한다. 예를 들어, 배달기사 A는 의정부시 의정부1동에서 11시에서 12시 사이에 26,000원 (예측된 긱 서비스 단가 * 긱근로자가 수행가능한 긱 서비스 건수)의 수입을 올릴 수 있을 것으로 예측될 수 있다.
긱 서비스 서버(110)는 긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역 및 긱 서비스 건수를 획득한다. 긱 서비스 서버(110)는 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성한다. 긱 서비스 서버(110)는 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습하는 과정을 반복함으로써, 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여 각각의 긱근로자의 잡 스케쥴링 정보를 생성한다. 본 실시예에 따르면, 긱 서비스 서버(110)는 신경망 기반 강화학습을 이용하여 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습하는 과정을 반복할 수 있으나, 다른 학습 알고리즘을 이용할 수 있음은 당업자에게 자명하다.
본 실시예에 따르면, 긱근로자의 잡 스케쥴링을 제공하는 긱 서비스 서버(110)를 통해 시공간에 대한 긱근로자의 서비스 수행능력, 긱 서비스 요청 건수, 긱근로자 수 및 긱 서비스 단가 등에 대한 학습 및 예측을 통해 긱근로자 별 수입을 예측할 수 있고, 긱근로자에게 예측된 수입 정보를 제공할 수 있다.
또한, 본 실시예에 따르면 긱근로자가 자신이 선호하는 지역, 시간, 긱 서비스 건수에 맞춰 개인화된 잡 스케쥴링 정보를 제공받을 수 있으므로, 경험이 부족한 긱근로자 또는 지역/시간 등 근무 환경이 변경된 긱근로자일지라도 안정적인 수익을 올릴 수 있다. 본 실시예에 따른 긱 서비스 서버(110)는 인공지능 학습을 통해 긱근로자별 예상수입이 최대화되도록 하되, 긱근로자별 잡 분배도가 최적화되도록 상기 개인화된 잡 스케쥴링 정보를 도출할 수 있다. 따라서, 본 실시예에 따르면 전체 긱근로자를 지역/시간에 맞춰 효율적으로 분배함으로써 긱 서비스 제공 대기시간을 줄일 수 있고, 특정 지역/시간에 긱근로자가 포화되거나 부족한 상황을 미연에 방지 할 수 있다.
도 2는 본 발명의 일 실시예에 따른 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가, 긱 서비스 로드율 및 긱근로자가 수행가능한 긱 서비스 건수 등을 예측하는 일 실시예이다.
긱 서비스 서버(110)는 긱 서비스 요청 데이터 및 긱 서비스 완료 데이터에 대한 속성값 및 외부 데이터의 속성값을 나타내는 벡터(210, 220)를 생성한다. 긱 서비스 서버(110)는 긱 서비스 요청 데이터 및 긱 서비스 완료 데이터의 특징을 나타내는 벡터(210)와 외부 데이터의 특징을 나타내는 벡터(220)에 기초하여, 긱 서비스 요청/완료 데이터와 외부 데이터 간의 연관도를 학습할 수 있다. 또한, 학습한 연관도에 기초하여 속성별 가중치가 부여된 예측 데이터를 생성할 수 있다. 또한, 긱 서비스 서버(110)는 긱 서비스 요청 데이터, 긱 서비스 완료 데이터 및 외부 데이터 중 소정의 최근 시간 구간에서 획득된 데이터들에 가중치를 부여하여 예측 데이터를 생성할 수 있다.
예를 들면, 긱 서비스 서버(110)는 주말 아침에는 대학가에서 음식 배달 대행을 요청하는 긱 서비스 요청 건수가 주중보다 높아진다는 것을 학습하고, 대학가와 주말의 연관도를 결정할 수 있다. 연관도에 기초하여 예상되는 긱 서비스 요청 건수가 증가하도록 서비스 요청 건수에 가중치를 부여함으로써 대학가의 주말 아침에는 더 많은 긱 서비스 요청이 발생할 것으로 예측할 수 있다.
긱 서비스 서버(110)에서 사용하는 학습 및 예측 방법은 랜덤 포레스트 등의 머신러닝 알고리즘, DNN((Deep Neural Network), CNN(Convolutional Neural Networks), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network) 및 DQN(Deep Q-Networks) 등의 신경망 기술 중 적어도 하나를 이용하나, 특정 알고리즘에 제한되지 않음은 당업자에게 자명하다.
도 3은 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 방법의 개략적인 제1 흐름도이다.
단계 S310에서, 긱 서비스 서버(110)는 기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터 및 긱 서비스 완료 데이터를 획득한다. 상기 긱 서비스 요청 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 가격, 서비스 관리 지점, 서비스 요청자 정보, 상기 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함한다. 상기 긱 서비스 완료 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 완료 시간, 서비스 가격, 서비스 거리, 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함한다.
단계 S320에서, 긱 서비스 서버(110)는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측한다. 상기 긱 서비스 로드율은 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타낸다.
긱 서비스 서버(110)는 적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성하고, 상기 학습모델에 기초하여 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측한다.
또한, 긱 서비스 서버(110)는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나와 외부 데이터와의 연관도를 분석한다. 상기 연관도에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱 근로자수, 긱 서비스 단가 및 긱 서비스 로드율에 가중치를 부여한다. 상기 외부 데이터는 상기 특정 공간 구간의 지형 정보, 상기 특정 공간 구간의 거주 인구 정보, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함한다.
단계 S330에서, 긱 서비스 서버(110)는 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측한다. 긱 서비스 서버(110)는 적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하고, 상기 학습모델에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측한다. 상기 긱근로자의 긱 서비스 수행능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함한다.
단계 S340에서, 긱 서비스 서버(110)는 상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 예측한다.
도 4는 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 방법의 개략적인 제2 흐름도이다.
단계 S410에서, 긱 서비스 서버(110)는 긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수를 획득한다.
단계 S420에서, 긱 서비스 서버(110)는 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성한다. 긱 서비스 서버(110)는 외부 요청에 의해, 생성된 각각의 긱근로자의 잡 스케쥴링 정보 중 소정의 긱근로자의 잡 스케쥴링 정보 및 예측된 긱근로자의 수입 중 적어도 하나를 외부 단말에게 전송한다.(미도시)
긱 서비스 서버(110)는 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습한다. 본 실시예에 따르면, 긱 서비스 서버(110)는 신경망 기반 강화학습을 이용하여 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습하는 과정을 반복할 수 있으나, 다른 학습 알고리즘을 이용할 수 있음은 당업자에게 자명하다.
구체적으로, 본 실시예에 따르면, 하나의 신경망을 여러 개의 에이전트가 학습시키는 신경망 기반 다중 에이전트 강화학습을 이용하며, 개별 긱근로자들의 스케줄러를 에이전트로 설정한다. 실제 활동하는 객체인 에이전트는 현재 상태 즉, 긱 근로자가 입력한 데이터(예. 선호하는 시간/지역/긱 서비스 건수), 긱 근로자 분석 및 예측 결과(예. 긱근로자의 시공간 별 예측 수입) 및 특정 지역의 전체적인 긱 서비스 예측 데이터(예. 시간 별 긱 서비스 로드율, 긱 서비스 요청 건수, 긱근로자 수, 긱 서비스 단가)를 관찰한다. 에이전트는 예측된 긱근로자의 수입이 최대화되고, 긱 서비스 로드율에 따른 긱 서비스 분배가 최적화되는 잡 스케쥴링 정보를 학습한다. 학습화된 결과에 따라, 예측된 긱근로자의 수입이 최대화되고, 긱 서비스 로드율에 따른 긱 서비스 분배가 최적화되는 잡 스케쥴링 정보를 도출한다. 예를 들어, '배달기사 A는 의정부시 의정부1동에서 11시부터 12시 사이에 7건의 긱 서비스 수행, 12시부터 1시 사이에 8건의 긱 서비스 수행' 등을 포함하는, 소정의 시간 구간에 해당하는 잡 스케쥴링 정보(예. 향후 24시간에 대한 스케쥴링 정보)가 도출될 수 있다. 도출된 잡 스케쥴링 정보는 외부 단말에 전송되어 긱 근로자에게 전달된다. 에이전트는 실시간으로 획득되는 상기 현재 상태와 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 하여 잡 스케쥴링 정보를 변화시키며 학습하는 과정을 반복한다.
도 5는 본 발명의 일 실시예에 따른 긱근로자의 잡 스케쥴링 장치의 개략적인 블록도이다.
본 실시예에 따른 긱근로자의 잡 스케쥴링 장치 즉, 긱 서비스 서버(110)는 데이터획득부(510), 예측부(520), 긱근로자 입력부(530) 및 잡 스케쥴링 생성부(540)를 포함한다. 긱 서비스 서버(110)는 잡 스케쥴링 제공부(미도시)를 더 포함할 수 있다.
데이터획득부(510)는 기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터, 긱 서비스 완료 데이터를 획득한다. 상기 긱 서비스 요청 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 가격, 서비스 관리 지점, 서비스 요청자 정보, 상기 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함한다. 상기 긱 서비스 완료 데이터는 서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 완료 시간, 서비스 가격, 서비스 거리, 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함한다.
예측부(520)는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측한다. 상기 긱 서비스 로드율은 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타낸다. 예측부(520)는 적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성하고, 상기 학습모델에 기초하여 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측한다.
또한, 예측부(520)는 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나와 외부 데이터와의 연관도를 분석한다. 예측부(520)는 상기 연관도에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 발생할 긱 서비스 요청 건수 및 긱 서비스를 제공할 긱 근로자수, 긱 서비스 단가 및 긱 서비스 로드율에 가중치를 부여한다. 상기 외부 데이터는 상기 특정 공간 구간의 지형 정보, 상기 특정 공간 구간의 거주 인구 정보, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함한다.
또한, 예측부(520)는 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 더 예측한다. 예측부(520)는 적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하고, 상기 학습모델에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측한다. 상기 긱근로자의 긱 서비스 수행능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함한다.
또한, 예측부(520)는 상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 더 예측한다.
긱근로자 입력부(530)는 긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수를 획득한다.
잡 스케쥴링 생성부(540)는 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성한다. 잡 스케쥴링 생성부(540)는 신경망 기반 강화학습에 의해, 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율에 따른 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습한다.
잡 스케쥴링 제공부(미도시)는 외부 요청에 의해, 생성된 각각의 긱근로자의 잡 스케쥴링 정보 중 소정의 긱근로자의 잡 스케쥴링 정보 및 예측된 긱근로자의 수입 중 적어도 하나를 외부 단말에게 전송한다.
이상에서 본 발명의 바람직한 실시예가 상세히 기술되었지만, 본 발명의 범위는 이에 한정되지 않고, 다양한 변형 및 균등한 타 실시예가 가능하다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해서 정해져야 할 것이다.
예를 들어, 본 발명의 예시적인 실시예에 따른 장치는 도시된 바와 같은 장치 각각의 유닛들에 커플링된 버스, 상기 버스에 커플링된 적어도 하나의 프로세서를 포함할 수 있고, 명령, 수신된 메시지 또는 생성된 메시지를 저장하기 위해 상기 버스에 커플링되고, 전술한 바와 같은 명령들을 수행하기 위한 적어도 하나의 프로세서에 커플링된 메모리를 포함할 수 있다.
또한, 본 발명에 따른 시스템은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 상기 컴퓨터가 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등) 및 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
Claims (23)
- 긱근로자의 잡 스케쥴링 방법에 있어서,
상기 긱근로자의 잡 스케쥴링 방법은 프로세서에 의해 실행되는 데이터획득부, 예측부, 긱근로자 입력부, 잡 스케쥴링 생성부에 의해 상기 긱근로자의 잡 스케쥴링 방법을 수행하고;
상기 데이터획득부에 의해, 기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터 및 긱 서비스 완료 데이터를 획득하는 단계;
상기 예측부에 의해, 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 단계;
상기 예측부에 의해, 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하는 단계;
상기 예측부에 의해, 상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 예측하는 단계;
상기 긱근로자 입력부에 의해, 긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수를 획득하는 단계; 및
상기 잡 스케쥴링 생성부에 의해, 상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성하는 단계를 포함하고;
상기 각각의 긱근로자의 잡 스케쥴링을 생성하는 단계는
상기 잡 스케쥴링 생성부에 의해, 신경망 기반 강화학습에 의해, 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율을 고려한 긱근로자들 간의 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습하는 단계를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 삭제
- 제 1항에 있어서,
상기 긱 서비스 요청 데이터는
서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 가격, 서비스 관리 지점, 서비스 요청자 정보, 상기 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 1항에 있어서,
상기 긱 서비스 완료 데이터는
서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 완료 시간, 서비스 가격, 서비스 거리, 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 1항에 있어서,
상기 긱 서비스 로드율은
상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타내는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 1항에 있어서,
상기 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 단계는
상기 예측부에 의해, 적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성하는 단계를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 6항에 있어서,
상기 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 단계는
상기 예측부에 의해, 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나와 외부 데이터와의 연관도를 분석하는 단계; 및
상기 예측부에 의해, 상기 연관도에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱 근로자수, 긱 서비스 단가 및 긱 서비스 로드율에 가중치를 부여하는 단계를 더 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 7항에 있어서,
상기 외부 데이터는
상기 특정 공간 구간의 지형 정보, 상기 특정 공간 구간의 거주 인구 정보, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 1항에 있어서,
상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하는 단계는
상기 예측부에 의해, 적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하는 단계를 포함하고;
상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하는 단계는 상기 긱근로자의 서비스 수행능력에 대한 학습모델에 기초하여, 상기 긱근로자가 수행가능한 긱 서비스 건수를 예측하고;
상기 긱근로자의 긱 서비스 수행능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 삭제
- 제 1항에 있어서,
상기 방법은
프로세서에 의해 실행되는 잡 스케쥴링 제공부에 의해, 외부 요청에 의해, 생성된 각각의 긱근로자의 잡 스케쥴링 정보 중 소정의 긱근로자의 잡 스케쥴링 정보 및 예측된 긱근로자의 수입 중 적어도 하나를 외부 단말에게 전송하는 단계를 더 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 방법. - 제 1항, 제 3항 내지 제 9항, 제 11항 중 어느 한 항에 의한 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
- 기 설정된 시간 구간 또는 기 설정된 공간 구간에서 발생한 긱 서비스 요청 데이터, 긱 서비스 완료 데이터를 획득하는 데이터획득부; 및
상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 특정 시간 구간 또는 특정 공간 구간에서 발생할 긱 서비스 요청 건수, 긱 서비스를 제공할 긱근로자 수, 긱 서비스 단가 및 긱 서비스 로드율을 예측하는 예측부를 포함하고;
상기 예측부는
상기 긱 서비스 완료 데이터 중 적어도 하나에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 더 예측하고;
상기 긱 서비스 단가 및 상기 긱근로자가 수행가능한 긱 서비스 건수에 기초하여, 각각의 긱근로자의 수입을 더 예측하고;
상기 긱근로자의 잡 스케쥴링 장치는
긱근로자의 외부입력에 기초하여 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수를 획득하는 긱근로자 입력부; 및
상기 긱근로자가 선호하는 시간, 지역, 긱 서비스 건수에 기초하여, 상기 예측된 긱근로자의 수입을 최대화하되, 상기 긱 서비스 로드율을 고려하여 긱근로자들 간에 긱 서비스 분배를 최적화하는, 각각의 긱근로자의 잡 스케쥴링 정보를 생성하는 잡 스케쥴링 생성부를 더 포함하고;
상기 잡 스케쥴링 생성부는
신경망 기반 강화학습에 의해, 상기 예측된 긱근로자의 수입의 최대화 및 상기 긱 서비스 로드율을 고려한 긱근로자들 간의 긱 서비스 분배의 최적화를 보상으로 잡 스케쥴링 정보를 변화시키며 학습하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 삭제
- 제 13항에 있어서,
상기 긱 서비스 요청 데이터는
서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 가격, 서비스 관리 지점, 서비스 요청자 정보, 상기 서비스 요청자의 이력 정보 및 서비스 피드백 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 제 13항에 있어서,
상기 긱 서비스 완료 데이터는
서비스 업종, 서비스 요청 시간, 서비스 요청 지역, 서비스 완료 시간, 서비스 가격, 서비스 거리, 긱 배정에 할당된 시간, 배정된 긱 정보, 배정된 긱의 이력 정보, 서비스 관리 지점 및 서비스 피드백 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 제 13항에 있어서,
상기 긱 서비스 로드율은
상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 긱 근로자 수 대비 긱 서비스 요청 건수를 나타내는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 제 13항에 있어서,
상기 예측부는
적어도 하나의 상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 학습모델을 생성하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 제 18항에 있어서,
상기 예측부는
상기 긱 서비스 요청 데이터 및 상기 긱 서비스 완료 데이터 중 적어도 하나와 외부 데이터와의 연관도를 분석하고;
상기 연관도에 기초하여 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 발생할 긱 서비스 요청 건수 및 긱 서비스를 제공할 긱 근로자수, 긱 서비스 단가 및 긱 서비스 로드율에 가중치를 부여하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 제 19항에 있어서,
상기 외부 데이터는
상기 특정 공간 구간의 지형 정보, 상기 특정 공간 구간의 거주 인구 정보, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서의 날씨 정보 및 공휴일 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 제 13항에 있어서,
상기 예측부는
적어도 하나의 상기 긱 서비스 완료 데이터를 딥러닝 학습하여 긱근로자의 서비스 수행능력에 대한 학습모델을 생성하고;
상기 긱근로자의 서비스 수행능력에 대한 학습모델에 기초하여, 상기 특정 시간 구간 또는 상기 특정 공간 구간에서 긱근로자가 수행가능한 긱 서비스 건수를 예측하고;
상기 긱근로자의 긱 서비스 수행능력은 특정 시간 구간 또는 특정 공간 구간에서 발생한 긱 서비스에 대한 긱근로자의 평균 서비스 수행 시간 및 긱근로자의 평균 서비스 수행 속도 중 적어도 하나를 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치. - 삭제
- 제 13항에 있어서,
상기 장치는
외부 요청에 의해, 생성된 각각의 긱근로자의 잡 스케쥴링 정보 중 소정의 긱근로자의 잡 스케쥴링 정보 및 예측된 긱근로자의 수입 중 적어도 하나를 외부 단말에게 전송하는 잡 스케쥴링 제공부를 더 포함하는 것을 특징으로 하는 긱근로자의 잡 스케쥴링 장치.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200171038A KR102327009B1 (ko) | 2020-12-09 | 2020-12-09 | 긱근로자의 잡 스케쥴링 방법 및 장치 |
| US18/036,989 US20230410002A1 (en) | 2020-12-09 | 2021-11-09 | Method and device for job scheduling for gig worker |
| PCT/KR2021/016238 WO2022124595A1 (ko) | 2020-12-09 | 2021-11-09 | 긱근로자의 잡 스케쥴링 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200171038A KR102327009B1 (ko) | 2020-12-09 | 2020-12-09 | 긱근로자의 잡 스케쥴링 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102327009B1 true KR102327009B1 (ko) | 2021-11-16 |
Family
ID=78716800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200171038A KR102327009B1 (ko) | 2020-12-09 | 2020-12-09 | 긱근로자의 잡 스케쥴링 방법 및 장치 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230410002A1 (ko) |
| KR (1) | KR102327009B1 (ko) |
| WO (1) | WO2022124595A1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180042598A (ko) * | 2016-10-18 | 2018-04-26 | 주식회사 우아한형제들 | 배달주문 분배시스템 및 방법 |
| KR20190020852A (ko) * | 2015-02-13 | 2019-03-04 | 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드 | 운송 능력 스케줄링을 위한 방법들 및 시스템들 |
| KR20200023207A (ko) * | 2018-08-24 | 2020-03-04 | 황인혁 | 배달기사의 상태에 기초한 배달정보 제공 방법 및 장치 |
| KR20200025617A (ko) * | 2018-08-31 | 2020-03-10 | (주)디메이크스토리 | 배달중개콜시스템 및 배달중개방법 |
-
2020
- 2020-12-09 KR KR1020200171038A patent/KR102327009B1/ko active IP Right Grant
-
2021
- 2021-11-09 US US18/036,989 patent/US20230410002A1/en active Pending
- 2021-11-09 WO PCT/KR2021/016238 patent/WO2022124595A1/ko active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190020852A (ko) * | 2015-02-13 | 2019-03-04 | 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드 | 운송 능력 스케줄링을 위한 방법들 및 시스템들 |
| KR20180042598A (ko) * | 2016-10-18 | 2018-04-26 | 주식회사 우아한형제들 | 배달주문 분배시스템 및 방법 |
| KR20200023207A (ko) * | 2018-08-24 | 2020-03-04 | 황인혁 | 배달기사의 상태에 기초한 배달정보 제공 방법 및 장치 |
| KR20200025617A (ko) * | 2018-08-31 | 2020-03-10 | (주)디메이크스토리 | 배달중개콜시스템 및 배달중개방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230410002A1 (en) | 2023-12-21 |
| WO2022124595A1 (ko) | 2022-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11393341B2 (en) | Joint order dispatching and fleet management for online ride-sharing platforms | |
| CN110400128B (zh) | 一种基于工人偏好感知的空间众包任务分配方法 | |
| US8571912B2 (en) | Method and system for allocating specific appointment time windows in a service industry | |
| US6125105A (en) | Method and apparatus for forecasting future values of a time series | |
| US9020829B2 (en) | Quality of service aware scheduling for composite web service workflows | |
| Lesaint et al. | Dynamic workforce scheduling for British telecommunications plc | |
| CN113191023B (zh) | 群智感知的任务分配和用户招募模型交叉验证方法及系统 | |
| Angelopoulos et al. | Incentivization schemes for vehicle allocation in one-way vehicle sharing systems | |
| WO2016035091A1 (en) | Dynamic forecasting for forward reservation of cab | |
| Alshamsi et al. | Multiagent self-organization for a taxi dispatch system | |
| CN109697637A (zh) | 对象类别确定方法、装置、电子设备及计算机存储介质 | |
| Fernández et al. | Bike3S: A tool for bike sharing systems simulation | |
| WO2022127517A1 (en) | Hierarchical adaptive contextual bandits for resource-constrained recommendation | |
| KR20220015356A (ko) | 수요 예측 기반 수요 분산 처리를 위한 운송 서비스 서버 및 그를 위한 방법 | |
| KR102327009B1 (ko) | 긱근로자의 잡 스케쥴링 방법 및 장치 | |
| US20220092717A1 (en) | Peak period network capacity planning | |
| KR102273270B1 (ko) | 시공간 특성에 따른 긱 서비스 예측 시스템 및 그 방법 | |
| WO2021016989A1 (en) | Hierarchical coarse-coded spatiotemporal embedding for value function evaluation in online multidriver order dispatching | |
| CN114298870A (zh) | 一种路径规划方法、装置、电子设备及计算机可读介质 | |
| CN114090239A (zh) | 一种基于模型的强化学习的边缘资源调度方法和装置 | |
| TW202215313A (zh) | 供改進預測及資源管理估計潛在需求之通訊裝置及方法 | |
| CN116319567B (zh) | 资源分配方法、资源分配设备和可读存储介质 | |
| US20220414721A1 (en) | Method of predicting fare and prediction data system | |
| US20240220893A1 (en) | Work management platform | |
| Didden et al. | Workload Control in High-Mix-Low-Volume Factories Through the Use of a Multi-Agent System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |