KR102449143B1 - Bigdata-based residential model recommendation system for users and a method for recommending a residential model using the same - Google Patents
Bigdata-based residential model recommendation system for users and a method for recommending a residential model using the same Download PDFInfo
- Publication number
- KR102449143B1 KR102449143B1 KR1020200089703A KR20200089703A KR102449143B1 KR 102449143 B1 KR102449143 B1 KR 102449143B1 KR 1020200089703 A KR1020200089703 A KR 1020200089703A KR 20200089703 A KR20200089703 A KR 20200089703A KR 102449143 B1 KR102449143 B1 KR 102449143B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- user
- big data
- model
- housing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010276 construction Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 61
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005065 mining Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 229910052709 silver Inorganic materials 0.000 description 3
- 239000004332 silver Substances 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000012800 visualization 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템 및 이를 이용한 주거모델 추천방법에 관한 것이다.
본 발명의 바람직한 실시예에 따르면, 빅데이터 기반 주거모델 관리서버(100)에서 이뤄지며, 주거모델정보가 포함된 빅데이터 기반 BIM 데이터베이스(200) 및 사용자단말(300)과 네트워크 연결되어 사용자에게 맞춤형 주거모델을 추천하는 방법에 관한 것으로서, a) 적어도 하나 이상의 주거와 직접 관련된 정보가 포함된 사용자정보를 입력받는 단계; b) 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하는 단계; c) 상기 입력받은 사용자정보와 상기 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하는 단계; d) 상기 빅데이터 기반 BIM 데이터베이스(200)로부터 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달받아 사용자 맞춤형 주거모델정보를 생성하는 단계; 및 e) 상기 사용자 맞춤형 주거모델정보를 사용자단말(300)로 전달하는 단계;를 포함하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법이 제공된다.The present invention relates to a big data-based user-customized housing model recommendation system and a housing model recommendation method using the same.
According to a preferred embodiment of the present invention, it is made in the big data-based housing model management server 100, and is network-connected to the big data-based BIM database 200 and the user terminal 300 including housing model information to provide a customized housing for the user. A method for recommending a model, comprising the steps of: a) receiving user information including information directly related to at least one residence; b) generating building trend information based on a preset building trend deriving method; c) generating user lifestyle information by matching the received user information with the building trend information; d) receiving housing model information matching the user lifestyle information from the big data-based BIM database 200 and generating user-customized housing model information; and e) transmitting the user-customized housing model information to the user terminal 300; a big data-based user-customized housing model recommendation method is provided, including a.
Description
본 발명은 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템 및 이를 이용한 주거모델 추천방법으로서, 상세하게는 사용자정보 및 빅데이터에서 도출된 건축트렌드와 BIM 데이터를 매칭하여 다양한 연령, 성향, 거주형태의 사용자에게 최적화된 주거환경을 포함한 주거모델을 자동으로 추천할 수 있도록 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템 및 이를 이용한 주거모델 추천방법에 관한 것이다.The present invention is a big data-based user-customized housing model recommendation system and a housing model recommendation method using the same. Specifically, by matching architectural trends and BIM data derived from user information and big data to users of various ages, tendencies, and types of residence. It relates to a big data-based user-customized housing model recommendation system that can automatically recommend a housing model including an optimized residential environment, and a housing model recommendation method using the same.
건축기술의 발달과 더불어 다양한 건축물이 세워지고 있다. 특히 아파트 등의 집합건물과 같이 사용자에게 획일적인 주거모델을 제공하는 방식에서 벗어나 사용자에게 적합한 형태의 주거모델을 제공하여 사용자가 신축 또는 재건축 과정에서 추천받은 형태의 주거모델을 기초로 건축이 이뤄지도록 하는 서비스도 제공되고 있다.With the development of building technology, various buildings are being built. In particular, instead of providing a uniform housing model to users, such as an apartment building, a housing model of a suitable form is provided to the user so that construction can be done based on the type of housing model recommended by the user in the process of new construction or reconstruction. services are provided.
그러나 사용자에게 주거모델을 추천하는 과정은 매우 복잡하다. 사용자의 정보를 수집하는 일부터 시작해서, 건축물의 트렌드를 잘 알고 있는 전문가가 사용자와의 인터뷰를 통해 사용자의 라이프스타일을 파악하는 과정부터, 이러한 라이프스타일 및 건축물의 트렌드에 따라 사용자에게 맞춤형의 주거모델을 추천하는 과정은 시간이 많이 소요될 뿐 아니라, 전문가의 주관이 반영되므로 전문가의 능력에 따라 차별화된 결과물이 도출된다. 따라서 특정 전문가에게 추천의뢰가 집중되어 비용 상승을 유발하는 등 경제성 측면에서 불합리한 점이 많이 발생된다.However, the process of recommending a residential model to the user is very complicated. From the process of collecting user information, the process of understanding the user's lifestyle through an interview with the expert who is well aware of the architectural trend, to the user's customized housing according to the lifestyle and architectural trend The process of recommending a model takes a lot of time and reflects the opinions of experts, so differentiated results are derived according to the abilities of experts. Therefore, there are many unreasonable points in terms of economic feasibility, such as the concentration of recommendation requests to specific experts, which causes cost increases.
특히 시장조사, 평면연구, 거주 후 평가 등 다양한 인력과 자본을 들여야 하는 조사과정은 투자한 비용 대비 만족할만한 결과를 얻기 어려운 경우가 많았다.In particular, it was often difficult to obtain satisfactory results compared to the cost invested in the research process that required various manpower and capital, such as market research, floor plan research, and post-residence evaluation.
이러한 불합리를 개선하고 사용자에게 주거모델을 추천하기 위한 종래 기술의 일례로서, 대한민국 등록특허 제10-1958567호의 "상황인지 에너지 저감형 주거 설계 플랫폼 시스템"이 있다.As an example of the prior art for improving this irrationality and recommending a housing model to a user, there is a "situation-aware energy-saving residential design platform system" of Korean Patent Registration No. 10-1958567.
상기 종래기술은, 상황인지 기반의 라이브러리 모듈 적용을 통하여 에너지 저감형의 사용자 맞춤형 공간 설계 기능을 제공하는 것으로, IT 기기를 통한 상황 인지를 기반으로 주거 공간의 에너지 소비량을 계산하여 에너지 저감형 주거 설계가 가능하도록 하는 장점이 있다..The prior art provides an energy-saving, user-customized space design function through the application of a context-aware-based library module, and calculates the energy consumption of a residential space based on context awareness through an IT device to design an energy-saving residential design. There are advantages to being able to
그러나 상기 종래기술은 주거공간의 에너지 소비량에 따라 사용자에게 주거모델을 추천하도록 하는 것으로, 사용자의 성향이나 가구구성 인원수, 주변환경, 건축트렌드 등 다른 사항들을 전체적으로 고려하지 않고 오직 사용자의 선택 입력에 따른 가구구성 및 가구의 에너지 소비량에 의거한 에너지 소비관점에서만 사용자를 판단하고 주거모델을 추천할 수 있다는 문제가 있다.However, the prior art recommends a housing model to the user according to the energy consumption of the residential space, and only according to the user's selection input without considering other matters such as the user's tendency, the number of household members, the surrounding environment, and the architectural trend as a whole. There is a problem in that users can be judged only from the perspective of energy consumption based on household composition and household energy consumption and a housing model can be recommended.
또한 사용자가 거주하고 있는 지역에서 재건축을 시도하려고 하는 경우에도, 적절한 주거모델을 추천하는데 있어서 전술한 복잡한 과정을 그대로 거쳐야 하며, 사용자의 고민을 최소화하면서도 최적의 주거모델을 제안하는데 어려움이 있다.In addition, even when attempting to reconstruct in the area where the user resides, the above-mentioned complicated process in recommending an appropriate housing model must be passed as it is, and there is a difficulty in proposing an optimal housing model while minimizing the user's concerns.
본 발명은 상기 종래기술이 가지는 문제점을 해결하기 위한 것으로서, 사용자정보 및 빅데이터에서 도출된 건축트렌드와 BIM 데이터를 매칭하여 다양한 연령, 성향, 거주형태의 사용자에게 최적화된 주거환경을 포함한 주거모델을 자동으로 추천할 수 있도록 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템 및 이를 이용한 주거모델 추천방법을 제공하고자 한다.The present invention is to solve the problems of the prior art, and by matching architectural trends and BIM data derived from user information and big data, a residential model including a residential environment optimized for users of various ages, tendencies, and types of residence. The purpose of this study is to provide a big data-based user-customized housing model recommendation system that enables automatic recommendations and a housing model recommendation method using the same.
상기와 같은 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따르면, 빅데이터 기반 주거모델 관리서버에서 이뤄지며, 주거모델정보가 포함된 빅데이터 기반 BIM 데이터베이스 및 사용자단말과 네트워크 연결되어 사용자에게 맞춤형 주거모델을 추천하는 방법에 관한 것으로서, a) 적어도 하나 이상의 주거와 직접 관련된 정보가 포함된 사용자정보를 입력받는 단계; b) 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하는 단계; c) 상기 입력받은 사용자정보와 상기 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하는 단계; d) 상기 빅데이터 기반 BIM 데이터베이스로부터 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달받아 사용자 맞춤형 주거모델정보를 생성하는 단계; 및 e) 상기 사용자 맞춤형 주거모델정보를 사용자단말로 전달하는 단계;를 포함하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법이 제공된다.According to a preferred embodiment of the present invention for solving the above problems, it is made in a big data-based residential model management server, and it is connected to a big data-based BIM database and a user terminal including housing model information to provide a customized housing model to the user. A method of recommending a user, comprising the steps of: a) receiving user information including information directly related to at least one residence; b) generating building trend information based on a preset building trend deriving method; c) generating user lifestyle information by matching the received user information with the building trend information; d) receiving housing model information matching the user lifestyle information from the big data-based BIM database and generating user-customized housing model information; and e) transmitting the user-customized housing model information to a user terminal; a big data-based user-customized housing model recommendation method is provided, including a.
또 다른 본 발명의 바람직한 실시예에 따르면, 상기 빅데이터 기반 주거모델 관리서버는 건축물 관련정보 및 위치정보가 포함된 GIS 데이터베이스와 네트워크 연결되며, 상기 d) 단계의 사용자 맞춤형 주거모델정보는 상기 GIS 데이터베이스로부터 전달받은 적어도 하나 이상의 위치정보를 포함하는 것을 특징으로 한다.According to another preferred embodiment of the present invention, the big data-based residential model management server is network-connected to a GIS database including building-related information and location information, and the user-customized residential model information in step d) is the GIS database. It is characterized in that it includes at least one or more location information received from.
또 다른 본 발명의 바람직한 실시예에 따르면, 상기 위치정보는 상기 사용자 라이프스타일정보에 기초하여 선택되는 것을 특징으로 한다.According to another preferred embodiment of the present invention, the location information is characterized in that it is selected based on the user lifestyle information.
또 다른 본 발명의 바람직한 실시예에 따르면, 상기 미리 설정된 건축트렌드 도출방법은, 문서에 포함된 문자를 텍스트 추출기법에 따라 추출하되, 추출된 문자에 추출 위치에 따른 가중치를 반영하여 건축트렌드를 도출하도록 하는 것임을 특징으로 한다.According to another preferred embodiment of the present invention, the preset construction trend deriving method extracts the characters included in the document according to the text extraction technique, and reflects the weights according to the extraction location to the extracted characters to derive the architectural trend. It is characterized by doing so.
또 다른 본 발명의 바람직한 실시예에 따르면, 상기 b) 단계는, b1) 상기 빅데이터 기반 주거모델 관리서버와 네트워크 연결 가능한 웹페이지, 문서파일 또는 소셜네트워크 문서에 포함된 문자를 텍스트 추출기법에 따라 추출하는 단계; b2) 상기 추출된 문자에 추출 위치에 따른 가중치를 반영하는 단계; 및 b3) 상기 가중치가 반영된 문자를 기초로 건축트렌드정보를 생성하는 단계;를 포함하는 것을 특징으로 한다.According to another preferred embodiment of the present invention, in step b), b1) the big data-based residential model management server and the network connectable web page, document file, or text included in the social network document are extracted according to the text extraction technique. extracting; b2) reflecting a weight according to the extraction position to the extracted characters; and b3) generating building trend information based on the letters to which the weight is reflected.
또 다른 본 발명의 바람직한 실시예에 따르면, 상기 사용자 라이프스타일정보는 복수개의 모듈로 이뤄지는 적어도 하나 이상의 주거모듈정보를 포함하며, 상기 주거모듈정보는 미리 설정된 주거모듈 매트릭스에 상기 건축트렌드정보 또는 사용자정보 중 적어도 어느 하나의 정보가 매칭되어 형성되는 것을 특징으로 한다.According to another preferred embodiment of the present invention, the user lifestyle information includes at least one housing module information composed of a plurality of modules, and the housing module information is the building trend information or user information in a preset housing module matrix. It is characterized in that at least one piece of information is matched and formed.
또 다른 본 발명의 바람직한 실시예에 따르면, 적어도 하나 이상의 주거와 직접 관련된 정보가 포함된 사용자정보를 입력받는 사용자정보 관리모듈과, 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하는 건축트렌드정보 관리모듈과, 상기 사용자정보와 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하는 라이프스타일정보 관리모듈과, 상기 라이프스타일정보에 기초하여 사용자 맞춤형 주거모델정보를 생성하고 사용자단말에 전달하도록 하는 주거모델정보 관리모듈을 포함하는 빅데이터 기반 주거모델 관리서버; 상기 빅데이터 기반 주거모델 관리서버와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버에 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달하는 빅데이터 기반 BIM 데이터베이스; 및 상기 빅데이터 기반 주거모델 관리서버와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버에 사용자정보를 전달하고, 상기 빅데이터 기반 주거모델 관리서버로부터 상기 사용자정보에 기초하여 생성된 사용자 맞춤형 주거모델정보를 전달받도록 구성된 사용자단말;을 포함하는 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템이 제공된다.According to another preferred embodiment of the present invention, a user information management module that receives user information including information directly related to at least one or more dwellings, and a building trend generating building trend information based on a preset building trend deriving method An information management module, a lifestyle information management module for generating user lifestyle information by matching the user information and architectural trend information, and a user-customized housing model information generated based on the lifestyle information and delivered to a user terminal Big data-based residential model management server including a residential model information management module; a big data-based BIM database that is network-connected to the big data-based residential model management server and transmits residential model information matching the user lifestyle information to the big data-based residential model management server; and a user-customized housing model that is network-connected to the big data-based residential model management server, transmits user information to the big data-based residential model management server, and is generated based on the user information from the big data-based residential model management server A user terminal configured to receive information is provided.
또 다른 본 발명의 바람직한 실시예에 따르면, 상기 빅데이터 기반 주거모델 관리서버와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버로 상기 사용자 맞춤형 주거모델정보에 포함되는 적어도 하나 이상의 위치정보를 제공하도록 구성되는 GIS 데이터베이스;를 더 포함하는 것을 특징으로 한다.According to another preferred embodiment of the present invention, it is connected to the network with the big data-based housing model management server, and provides at least one or more location information included in the user-customized housing model information to the big data-based housing model management server. It is characterized in that it further comprises a; GIS database is configured.
본 발명은 사용자가 건축설계사 및/또는 관련전문가와의 인터뷰나 복잡한 선택과정을 거치지 않더라도, 용이하게 사용자에게 적합한 건축트렌드를 제공할 수 있다는 장점이 있다. The present invention has the advantage of being able to easily provide an architectural trend suitable for the user without the user going through an interview with an architectural designer and/or a related expert or a complicated selection process.
특히 본 발명은 사용자가 최적의 위치에 주거모델을 신축하거나 또는 기설된 건축물 중에서 사용자에게 가장 적합한 주거모델을 선택할 수 있도록 한다는 장점이 있다.In particular, the present invention has the advantage of allowing the user to construct a new residential model at an optimal location or to select a residential model most suitable for the user from among existing buildings.
또한 본 발명은 사용자가 거주하는 지역에서 재건축을 시도하려는 경우에도, 주변 환경 및 사용자의 라이프스타일에 맞는 최적화된 주거모델을 사용자에게 추천할 수 있다는 장점이 있다.In addition, the present invention has the advantage of being able to recommend to the user an optimized residential model suitable for the surrounding environment and the user's lifestyle, even when a reconstruction is attempted in the area where the user resides.
도 1은 본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템의 구성 모식도이다.
도 2는 본 발명의 일실시예에 따른 빅데이터 기반 주거모델 관리서버의 구성 모식도이다.
도 3은 본 발명의 다른 실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템의 구성 모식도이다.
도 4 및 도 5는 본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법의 순서도이다.
도 6은 본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법에 의해 사용자에게 추천된 주거모델이 사용자단말에 표시된 것을 나타내는 예시도이다.
도 7은 본 발명의 일실시예에 따른 사용자단말을 통해 입력되는 사용자정보의 예시도이다.
도 8은 본 발명의 일실시예에 따른 건축트렌드정보의 생성에 관한 개념도이다.
도 9는 본 발명의 일실시예에 따른 사용자 라이프스타일정보의 예시도이다.
도 10은 본 발명의 일실시예에 따른 사용자 맞춤형 주거모델정보의 예시도이다.
도 11은 본 발명의 일실시예에 따른 사용자 맞춤형 주거모델정보에 위치정보가 포함되는 것을 설명하기 위한 개념도이다.
도 12는 본 발명의 일실시예에 따른 사용자 맞춤형 주거모델정보 중 위치정보의 예시도이다.
도 13 및 도 14는 본 발명의 일실시예에 따른 주거모듈을 설명하기 위한 개념도이다.
도 15는 본 발명의 일실시예에 따른 주거모듈의 예시도이다.
도 16 및 도 17은 본 발명의 또 다른 실시예에 따른 주거모듈정보의 생성에 관한 개념도이다.
도 18은 본 발명의 또 다른 실시예에 따른 주거모듈정보를 지도상에 매핑한 예시도이다.
도 19는 본 발명에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법을 예시적으로 설명하기 위한 순서도이다.1 is a schematic diagram of the configuration of a big data-based user-customized residential model recommendation system according to an embodiment of the present invention.
2 is a schematic diagram of the configuration of a big data-based residential model management server according to an embodiment of the present invention.
3 is a schematic diagram of the configuration of a big data-based user-customized residential model recommendation system according to another embodiment of the present invention.
4 and 5 are flowcharts of a method for recommending a user-customized residential model based on big data according to an embodiment of the present invention.
6 is an exemplary diagram illustrating that a housing model recommended to a user is displayed on a user terminal by the big data-based user-customized housing model recommendation method according to an embodiment of the present invention.
7 is an exemplary diagram of user information input through a user terminal according to an embodiment of the present invention.
8 is a conceptual diagram related to generation of building trend information according to an embodiment of the present invention.
9 is an exemplary diagram of user lifestyle information according to an embodiment of the present invention.
10 is an exemplary diagram of user-customized housing model information according to an embodiment of the present invention.
11 is a conceptual diagram for explaining that location information is included in user-customized housing model information according to an embodiment of the present invention.
12 is an exemplary diagram of location information among user-customized housing model information according to an embodiment of the present invention.
13 and 14 are conceptual views for explaining a housing module according to an embodiment of the present invention.
15 is an exemplary view of a residential module according to an embodiment of the present invention.
16 and 17 are conceptual diagrams related to generation of residential module information according to another embodiment of the present invention.
18 is an exemplary diagram in which housing module information is mapped on a map according to another embodiment of the present invention.
19 is a flowchart for exemplarily explaining the big data-based user-customized housing model recommendation method according to the present invention.
이하에서는 본 발명의 실시예를 첨부된 도면을 참조하여 상세히 설명한다. 그러나 본 발명을 설명함에 있어 공지의 구성을 구체적으로 설명함으로 인하여 본 발명의 기술적 사상을 흐리게 하거나 불명료하게 하는 경우에는 위 공지의 구성에 관하여는 그 설명을 생략하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, in the description of the present invention, in the case of obscuring or obscuring the technical idea of the present invention due to the detailed description of the known configuration, the description of the above known configuration will be omitted.
도 1은 본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템의 구성 모식도, 도 2는 본 발명의 일실시예에 따른 빅데이터 기반 주거모델 관리서버의 구성 모식도, 도 3은 본 발명의 다른 실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템의 구성 모식도이다.1 is a schematic diagram of a big data-based user-customized residential model recommendation system according to an embodiment of the present invention, FIG. 2 is a configuration schematic diagram of a big data-based residential model management server according to an embodiment of the present invention, and FIG. 3 is this It is a schematic diagram of the configuration of a big data-based user-customized residential model recommendation system according to another embodiment of the present invention.
본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템(10)은, 도 1에 도시된 바와 같이, 사용자에게 적합한 최적의 주거모델을 추천하도록 하는 빅데이터 기반 주거모델 관리서버(100), 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결되어 상기 빅데이터 기반 주거모델 관리서버(100)에 BIM 데이터를 제공하는 빅데이터 기반 BIM 데이터베이스(200) 및 사용자단말(300)을 포함하여 이뤄진다.As shown in FIG. 1 , the big data-based user-customized housing
일례로, 도 2에 도시된 바와 같이, 상기 빅데이터 기반 주거모델 관리서버(100)는 적어도 하나 이상의 주거와 직접 관련된 정보가 포함된 사용자정보를 입력받는 사용자정보 관리모듈(120)과, 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하는 건축트렌드정보 관리모듈(140)과, 상기 사용자정보와 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하는 라이프스타일정보 관리모듈(160)과, 상기 라이프스타일정보에 기초하여 사용자 맞춤형 주거모델정보를 생성하고 사용자단말(300)에 전달하도록 하는 주거모델정보 관리모듈(180)을 포함한다.For example, as shown in FIG. 2 , the big data-based residential
상기 사용자정보, 건축트렌드정보, 사용자 라이프스타일정보 및 주거모델정보를 저장, 관리하기 위해 상기 빅데이터 기반 주거모델 관리서버(100)는 사용자정보 DB(130), 건축트렌드정보 DB(150) 및 주거모델정보 DB(170)를 더 포함할 수 있다. 이 때, 상기 사용자 라이프스타일정보는 사용자정보와 밀접하게 연계된 것으로 사용자정보 DB(130)에 저장될 수 있으며, 상기 주거모델정보 중 사용자 맞춤형 주거모델정보 또한 생성 후 상기 사용자정보 DB(130)에 사용자정보와 함께 저장되도록 하는 것이 바람직하다.In order to store and manage the user information, architectural trend information, user lifestyle information, and housing model information, the big data-based housing
본 발명에서 '사용자'는 특정 지역에 거주하는 '거주자' 또는 거주를 희망하는 '거주예정자'인 것이 바람직하며, 특정 지역이 아니더라도 자신에게 최적의 주거장소 및 주거모델을 추천받아 해당 주거모델에 부합하는 기존 건축물에 거주하거나 신규로 주거모델을 건축하고자 하는 자로도 이해될 수 있다.In the present invention, the 'user' is preferably a 'resident' living in a specific area or a 'prospective resident' who wishes to reside in a specific area. It can also be understood as a person who lives in an existing building or wants to build a new residential model.
상기 사용자는 전술한 거주자 등의 개인 이외에도 법인이나 공공부문의 대표자, 관리자, 기획자 등일 수 있으며, 이 경우 재건축 등 도시계획이나 도시 재생사업의 구상을 위해서 본 발명의 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템을 이용할 수도 있다.The user may be a representative, manager, planner, etc. of a corporation or public sector in addition to individuals such as the above-mentioned residents. can also be used.
상기 사용자정보 관리모듈(120)은 사용자에 의해 입력된 사용자정보를 관리하는 것으로 입력된 사용자정보는 사용자의 동의를 거쳐 사용자정보 DB(130)에 저장할 수 있다.The user
상기 사용자정보는 이름, 나이 등의 개인정보를 포함할 수도 있으며, 바람직하게 사용자단말(300)의 고유정보에 기초한 개인고유번호가 자동으로 부여될 수도 있다. 상기 사용자정보는 주거형태(개인-공동), 방의 갯수, 희망 면적, 거주인원 등 주거와 직접 관련된 정보는 물론 성격이나 주거시 필요한 다양한 형태의 부가정보를 더욱 포함할 수 있다(도 7 참고).The user information may include personal information such as name and age, and preferably, a unique personal number based on unique information of the
상기 건축트렌드정보 관리모듈(140)은 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하고, 생성된 건축트렌드정보를 건축트렌드정보 DB(150)에 저장한다.The building trend
상기 건축트렌드정보는 사용자의 주거모델 추천을 위해 사용자의 의견이나 성향이 반영되지 않고 주거시장의 트렌드를 확인하여 사용자에게 제공하기 위한 것이나, 사용자의 선택에 따라 일부 사용자의 의사가 반영될 수도 있다. 건축트렌드정보의 생성에 관한 자세한 설명은 후술한다.The architectural trend information is not reflected in the user's opinion or inclination to recommend the user's housing model, but is provided to the user by confirming the trend of the residential market, or the intention of some users may be reflected according to the user's selection. A detailed description of the generation of architectural trend information will be described later.
상기 라이프스타일정보 관리모듈(160)은 상기 생성된 건축트렌드정보에 사용자정보를 매칭하여 사용자 라이프스타일정보를 생성하며 사용자정보 DB(130)에 저장한다.The lifestyle
상기 주거모델정보 관리모듈(180)은 상기 사용자 라이프스타일정보에 매칭되는 주거모델에 관한 BIM 데이터를 상기 빅데이터 기반 BIM 데이터베이스(200)로부터 전달받아 사용자 맞춤형 주거모델정보를 생성하게 되며, 생성된 사용자 맞춤형 주거모델정보를 사용자정보 DB(130)에 저장할 수 있다.The housing model
상기 주거모델정보 DB(170)는 사용자 맞춤형 주거모델정보를 저장할 수도 있으나, 각각의 건축트렌드정보 및/또는 라이프스타일정보에 매칭되는 주거모델정보를 그룹화, 분류하여 저장하도록 하는 것이 더욱 바람직하다.Although the housing
상기 주거모델정보 관리모듈(180) 및 주거모델정보 DB(170)는 건축트렌드에 따른 주거모델 그룹화, 분류에 관한 정보를 저장, 관리하고 있어서, 상기 건축트렌드정보와 사용자정보의 매칭에 따라 생성되는 사용자 라이프스타일정보에 매칭될 수 있는 주거모델정보에 관해 미리 분류가 이뤄지게 되며 자세한 설명은 후술한다.The housing model
일례로, 상기 주거모델정보 관리모듈(180)에서 생성되는 사용자 맞춤형 주거모델정보는 사용자정보 및 주거모델정보를 포함하며, 해당 주거모델정보를 실현하기 위한 건축물의 위치정보를 더욱 포함할 수 있다. 상기 사용자 맞춤형 주거모델정보는 건축트렌드정보 및 라이프스타일정보 중 어느 하나를 더욱 포함할 수 있으나, 상기 주거모델정보가 건축트렌드정보 및/또는 라이프스타일정보와 사용자정보의 매칭에 기초하여 생성되는 것이므로, 상기 사용자정보, 주거모델정보 및 위치정보만으로도 사용자에게 적절한 주거모델정보를 추천할 수 있게 된다.For example, the user-customized housing model information generated by the housing model
이외에도 상기 빅데이터 기반 주거모델 관리서버(100)는 서버 운영 전반을 담당하는 운영모듈(미도시) 및 네트워크 연결을 위한 통신모듈(미도시)이 더 구비된다.In addition, the big data-based residential
상기 빅데이터 기반 BIM 데이터베이스(BIM DB, 200)는 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결된다.The big data-based BIM database (BIM DB, 200) is network-connected with the big data-based residential model management server (100).
상기 빅데이터 기반 BIM 데이터베이스(200)는, 빌딩정보모델링(Building Information Modeling)인 컴퓨터 기술 기반의 건축설계 방식을 통해 이용되는 다양한 데이터 즉, 3차원 건물 지오메트리 데이터와 건물의 재질, 시공방식, 유지관리 방식은 물론, 공간, 실(room), 용도, 가구 등의 정보를 포함하는 주거모델정보에 해당하는 BIM 데이터를 저장하도록 구성된다.The big data-based
상기 빅데이터 기반 주거모델 관리서버(100)는 상기 빅데이터 기반 BIM 데이터베이스(200)에 저장된 다양한 BIM 데이터를 각각의 라이프스타일정보에 따른 주거모델정보로 미리 그룹화하여 분류하고 분류에 관한 각각의 그룹화된 정보를 라이프스타일정보 DB 및/또는 주거모델정보 DB 등에 저장할 수 있다.The big data-based residential
상기 빅데이터 기반 주거모델 관리서버(100)는 사용자정보의 입력이 이뤄지면 미리 설정된 건축트렌드 도출방법에 기초하여 생성된 건축트렌드정보에 따라 사용자 라이프스타일정보를 생성하게 되고, 상기 사용자 라이프스타일정보에 기초한 매칭에 의해 선택되는 주거모델정보를 상기 빅데이터 기반 BIM 데이터베이스(200)로 요청하게 되며, 상기 빅데이터 기반 BIM 데이터베이스(200)는 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 상기 빅데이터 기반 주거모델 관리서버(100)에 전달하게 된다.The big data-based residential
상기 주거모델정보에 해당하는 건축물은 기 건축된 기존 건물일 수도 있으며, 사용자가 신축 또는 재건축하려는 건물의 주거모델일 수 있다. 즉 사용자에게 추천된 사용자 맞춤형 주거모델에따라 사용자가 기존 건물을 선택하는 경우는 물론, 사용자가 거주하는 지역의 동일하거나 유사한 위치에서 (재)건축을 시도하려고 하는 경우에도, 건축트렌드 및 사용자의 라이프스타일에 맞는 최적화된 주거모델을 사용자에게 추천할 수 있다.The building corresponding to the housing model information may be a pre-built existing building, or may be a housing model of a building that the user intends to construct or reconstruct. In other words, when the user selects an existing building according to the user-customized housing model recommended to the user, as well as when the user tries to (re)construction at the same or similar location in the area where the user resides, architectural trends and user's life It is possible to recommend a residential model optimized for the style to the user.
상기 사용자단말(300)은 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버(100)에 사용자정보를 전달하고, 상기 빅데이터 기반 주거모델 관리서버(100)로부터 상기 사용자정보에 기초하여 생성된 사용자 맞춤형 주거모델정보를 전달받도록 구성된다.The
상기 사용자단말(300)은, 사용자정보를 입력하기 위한 입력부, 사용자 맞춤형 주거모델정보를 포함한 관련 정보를 표시하기 위한 표시부 및 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크를 통해 정보를 주고 받을 수 있도록 하는 통신부를 포함하여 이뤄진다.The
일례로, 상기 사용자정보는 사용자단말(300)을 통한 사용자정보 입력시 트렌드 기간 선택정보를 포함하도록 안내될 수 있다. 상기 트렌드 기간 선택정보는 사용자가 특정 시기에 많이 유행한 트렌드를 선택할 수 있도록 선택의 폭을 넓혀줌으로써 사용자가 원하는 시대(시기)의 트렌드에 적합한 주거모델을 제공할 수 있도록 하는 장점을 갖는다. 사용자 선택에 의해 사용자가 특정 기간의 트렌드를 선택할 수 있도록 함으로써, 사용자가 원하는 시기의 건축스타일을 적극 반영할 수 있도록 한다. 이 경우, 상기 건축트렌드정보는 상기 트렌드 기간 선택정보에 포함된 트렌드 기간 범위내에 작성된 문서를 기초로 생성될 수 있다.For example, the user information may be guided to include trend period selection information when user information is input through the
일례로, 상기 사용자단말(300)은 사용자 생체인식 모듈(미도시)을 직접 또는 간접으로 포함할 수 있으며, 상기 사용자 생체인식 모듈로부터 인식된 사용자의 생체정보에 기초하여 사용자와 관련된 적어도 일부의 정보가 자동으로 입력되도록 구성될 수 있다.For example, the
예를 들어, 상기 사용자단말(300)은 자체 구비된 카메라 및/또는 센서를 통해 사용자의 심박수, 생체리듬, 수면시간 등의 생체인식정보를 인식할 수 있으며, 별도로 착용하거나 소지하는 스마트 워치 등의 기기를 통해 인식된 생체인식정보를 블루투스, 지그비, NFC 등의 무선 네트워크를 이용하여 전달받도록 구성될 수 있다.For example, the
이러한 상기 생체인식정보를 통해 사용자의 건강상태나 연령 등을 파악할 수 있으며, 사용자단말(300)을 통한 사용자정보 입력시 자동으로 이러한 생체인식정보가 사용자정보로서 상기 빅데이터 기반 주거모델 관리서버(100)로 전달될 수 있다.The user's health status or age can be identified through the biometric information, and when user information is input through the
상기 사용자정보로서의 생체인식정보 전달은, 사용자가 스스로 입력하지 않더라도 사용자에게 적합한 주거모델을 추천하는데 도움을 줄 수 있다.The delivery of biometric information as the user information can help to recommend a housing model suitable for the user even if the user does not input it by himself/herself.
예를 들어, 사용자의 건강상태가 연령대와 상관없이 좋지 않은 것으로 인식되는 경우, 사용자의 건강상태를 개선하기 위한 위치, 지역(예, 대형 병원 인근)으로 주거지가 추천될 수 있으며, 주거모델에서도 사용자의 건강상태 개선에 도움을 줄 수 있는 형태로 설계된 주거모델을 추천할 수 있다.For example, if the user's health condition is recognized as not good regardless of age, the residence may be recommended as a location or area (eg, near a large hospital) to improve the user's health condition, and even in the residential model, the user A housing model designed in a form that can help improve the health status of people can be recommended.
본 발명의 바람직한 실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템(10)은, 도 3에 도시된 바와 같이, 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결되며 상기 빅데이터 기반 주거모델 관리서버(100)로 상기 사용자 맞춤형 주거모델정보에 포함되는 적어도 하나 이상의 위치정보를 제공하도록 구성되는 GIS 데이터베이스(400)를 더 포함한다.As shown in FIG. 3 , the big data-based user-customized housing
상기 GIS 데이터베이스(GIS DB, 400)는 건축물 관련정보 및 위치정보를 포함할 수 있다.The GIS database (GIS DB, 400) may include building-related information and location information.
일례로, 상기 위치정보는 해당 주거모델이 구현된 건축물 관련정보 및 위치정보일 수 있으며, 다른 예로, 해당 주거모델을 건축하기 위한 건축 대상지의 위치정보일 수 있으며, 건축면적, 지가 등의 정보를 더욱 포함할 수 있다.As an example, the location information may be information and location information related to a building in which the corresponding housing model is implemented, and as another example, it may be location information of a building target for building the corresponding residential model, and information such as building area and land price. It may include more.
상기 위치정보는 예를 들어, 청년가구 대상지역, 신혼가구 대상지역, 고령자가구 대상지역 등, 사용자정보에 따라 그룹화하여 분류된 사용자군정보에 기초하여 분류되는 지역의 정보일 수 있으며, 위도 및 경도 좌표로 지도상에 표시되는 정보를 제공하도록 구성된다.The location information may be, for example, information of an area classified based on user group information grouped according to user information, such as a target area for young households, a target area for newlywed households, and a target area for elderly households, and latitude and longitude It is configured to provide information displayed on a map in terms of coordinates.
상기 빅데이터 기반 주거모델 관리서버(100)의 주거모델정보 관리모듈(180)은 상기 GIS 데이터베이스(400)로부터 사용자 맞춤형 주거모델정보와 매칭될 수 있는 건물에 관한 정보나, 건축가능한 위치정보 등을 요청할 수 있으며, 이를 위해 상기 주거모델정보 DB(170)에 각각의 주거모델정보(및/또는 건축트렌드정보, 라이프스타일정보)에 따른 위치정보를 그룹화하여 분류하고 이를 저장할 수 있다.The residential model
예를 들어, 큰 병원이 위치한 지역, 미세먼지의 영향이 적은 지역, 대중교통 이용이 편리한 지역, 학군 및 학원이 발달한 지역, 대형 주택들이 위치한 지역, 원룸촌, 거실뷰에 대한 좋은 평이 많은 지역 등 주거모델정보나 건축트렌드정보, 라이프스타일정보 등에 따라 위치정보가 그룹화하여 분류될 수 있다.For example, an area where a large hospital is located, an area that is less affected by fine dust, an area where public transportation is convenient, an area where school districts and academies are developed, an area where large houses are located, a studio village, an area with a lot of good reviews for the living room view, etc. Location information can be grouped and classified according to housing model information, architectural trend information, lifestyle information, and the like.
즉, 본 발명의 바람직한 실시예에 따른 빅데이터 기반 주거모델 관리서버(100)는, 상기 건축트렌드정보, 라이프스타일정보, 주거모델정보 및 위치정보 각각을 복수개의 군으로 그룹화하여 분류하고 매트릭스 형태로 해당 군들을 배치할 수 있으며, 상기 사용자단말(300)에 의해 입력된 사용자정보에 기초하여, 각각의 군들을 매칭함으로써 용이하게 사용자 맞춤형 주거모델정보를 생성, 사용자에게 추천할 수 있게 된다.That is, the big data-based residential
도 4 및 도 5는 본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법의 순서도, 도 6은 본 발명의 일실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법에 의해 사용자에게 추천된 주거모델이 사용자단말(300)에 표시된 것을 나타내는 예시도, 도 7은 본 발명의 일실시예에 따른 사용자단말(300)을 통해 입력되는 사용자정보의 예시도, 도 8은 본 발명의 일실시예에 따른 건축트렌드정보의 생성에 관한 개념도, 도 9는 본 발명의 일실시예에 따른 사용자 라이프스타일정보의 예시도, 도 10은 본 발명의 일실시예에 따른 사용자 맞춤형 주거모델정보의 예시도, 도 11은 본 발명의 일실시예에 따른 사용자 맞춤형 주거모델정보에 위치정보가 포함되는 것을 설명하기 위한 개념도, 도 12는 본 발명의 일실시예에 따른 사용자 맞춤형 주거모델정보 중 위치정보의 예시도이다.4 and 5 are flowcharts of a big data-based user-customized housing model recommendation method according to an embodiment of the present invention, and FIG. 6 is a big data-based user-customized housing model recommendation method according to an embodiment of the present invention. An exemplary view showing that the recommended housing model is displayed on the
본 발명의 바람직한 실시예에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법은, 빅데이터 기반 주거모델 관리서버(100)에서 이뤄지며 주거모델정보가 포함된 빅데이터 기반 BIM 데이터베이스(200) 및 사용자단말(300)과 네트워크 연결되어 사용자에게 맞춤형 주거모델을 추천하는 방법에 관한 것이다.The big data-based user-customized housing model recommendation method according to a preferred embodiment of the present invention is made in the big data-based housing
상기 사용자 맞춤형 주거모델 추천방법은, 도 4에 도시된 바와 같이, a) 적어도 하나 이상의 주거와 직접 관련된 정보가 포함된 사용자정보를 입력받는 단계; b) 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하는 단계; c) 상기 입력받은 사용자정보와 상기 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하는 단계; d) 상기 빅데이터 기반 BIM 데이터베이스(200)로부터 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달받아 사용자 맞춤형 주거모델정보를 생성하는 단계; 및 e) 상기 사용자 맞춤형 주거모델정보를 사용자단말(300)로 전달하는 단계;를 포함한다.The method for recommending a user-customized housing model includes the steps of: a) receiving user information including information directly related to at least one dwelling; b) generating building trend information based on a preset building trend deriving method; c) generating user lifestyle information by matching the received user information with the building trend information; d) receiving housing model information matching the user lifestyle information from the big data-based
a) 단계에서, 상기 사용자정보는 사용자단말(300)을 통해 입력받을 수 있으며, 도 7에 도시된 바와 같이, 사용자단말(300)을 통해 입력된 사용자정보는 네트워크를 통해 상기 빅데이터 기반 주거모델 관리서버(100)로 전달된다. 입력 정보는 주거형태, 방의 수, 희망 면적, 거주인원, 연령대, 성격, 요청사항 등이며, 예시된 이외에도 사용자의 건강정보, 희망하는 주변환경정보 등이 더 포함될 수 있다.In step a), the user information can be input through the
일례로, 상기 사용자정보는 사용자를 복수개의 군집으로 그룹화, 분류하여 형성된 사용자군정보를 포함하며, 상기 건축트렌드정보는 상기 사용자군정보에 기초하여 형성될 수 있다.For example, the user information includes user group information formed by grouping and classifying users into a plurality of groups, and the building trend information may be formed based on the user group information.
상기 사용자군정보는 연령(예, 40대, 60대 등), 가족구성관계(예, 신혼가족, 3대가족, 청소년 포함 가족 등), 취향(예, 독서, 예술공연관람 등) 등 다양한 형태로 분류하여 구성될 수 있다.The user group information is classified into various forms such as age (eg, 40s, 60s, etc.), family composition (eg, newlyweds, three-generation families, families including teenagers), tastes (eg, reading, watching art performances, etc.) can be configured.
상기 사용자정보에 포함된 각각의 사용자에 대한 정보를 사용자군정보로 그룹화함으로써, b) 단계에서 추출된 건축트렌드 및/또는 d), e) 단계의 라이프스타일, 주거모델 등을 매칭할 때에도 더욱 신속한 매칭이 이뤄질 수 있게 된다.By grouping the information about each user included in the user information into user group information, it is faster even when matching the architectural trend extracted in step b) and/or the lifestyle, housing model, etc. of steps d) and e) Matching can be done.
b) 단계에서, 일례로 상기 미리 설정된 건축트렌드 도출방법은, 문서에 포함된 문자를 텍스트 추출기법에 따라 추출하는 것일 수 있다.In step b), for example, the preset construction trend deriving method may be to extract characters included in a document according to a text extraction technique.
상기 텍스트 추출기법은 공지의 텍스트 마이닝 기술로 이해될 수 있으며, 문서에 포함된 문자를 추출하여 해당 문자의 갯수에 따라 그룹화하여 분류하는 것이다.The text extraction technique may be understood as a known text mining technique, and is to extract characters included in a document and group and classify them according to the number of corresponding characters.
상기 텍스트 마이닝은 wordcloud, word2vec 등의 기술을 이용하는 분석을 통해 매핑이 이뤄진다.The text mining is mapped through analysis using technologies such as wordcloud and word2vec.
상기 word2vec은 문서 상에서 핵심 키워드를 수집하여 수치화하기 위한 텍스트 마이닝 도구로, 핵심 키워드를 3차원 이상의 차원의 벡터화를 통해 단어에 대한 벡터 값을 생성하도록 한다. 일례로, 전체 키워드를 벡터화했을 때, 벡터 값이 유사한 키워드는 유사한 의미를 가지는 특성이 있으므로, 핵심 키워드와 유사 단어를 가시화하여 다양한 의미를 유추할 수 있도록 제공할 수 있다.The word2vec is a text mining tool for collecting and quantifying key keywords on a document, and generates vector values for words by vectorizing key keywords in three or more dimensions. For example, when all keywords are vectorized, since keywords having similar vector values have similar meanings, it is possible to visualize key keywords and similar words so that various meanings can be inferred.
상기 wordcloud는 텍스트 마이닝에 의해 수집된 핵심 키워드를 직관적으로 보여주는 시각화 도구의 일종으로, 예를 들어, 많이 수집된(빈도수가 높은) 키워드를 크게 표현하고 적게 수집된(빈도수가 낮은) 키워드를 작게 표현하여 한 눈에 파악할 수 있도록 함으로써, 방대한 양의 정보를 이용한 본 발명의 빅데이터 분석을 통한 건축트렌드 도출에 사용된다.The wordcloud is a kind of visualization tool that intuitively shows the key keywords collected by text mining. By making it possible to grasp at a glance, it is used to derive architectural trends through big data analysis of the present invention using a vast amount of information.
상기 word2vec 및 wordcloud는 텍스트 마이닝 분야의 공지기술로 다양한 몬헌을 통해 이해될 수 있으므로, 텍스트 마이닝에 관한 더 이상의 자세한 설명은 생략한다.Since the word2vec and wordcloud are known technologies in the text mining field and can be understood through various monhuns, further detailed description of text mining will be omitted.
상기 문서는 페이스북, 인스타그램, 포털사이트에서 운영되는 블로그 등 SNS(social network service)에서 개인 및 기업에 제공되는 페이지상의 문서일 수 있으며, 신문기사, 뉴스, 연구보고서, 논문, 특허 등의 문서일 수 있다.The above document may be a document on a page provided to individuals and companies on social network services (SNS) such as Facebook, Instagram, and blogs operated on portal sites, and may include newspaper articles, news, research reports, papers, patents, etc. It can be a document.
건축트렌드정보 관리모듈(140)은, 도 8에 도시된 바와 같이, 논문, 특허, 기사, 보고서, SNS 등에 포함된 다양한 문서를 콜렉팅하고, wordcloud, word2vec을 이용하여 콜렉팅된 문서에서 키워드를 도출한다. 이러한 다양한 분야의 빅데이터를 텍스트 추출기법에 의한 추출함으로써 건축트렌드를 도출할 수 있게 된다.As shown in FIG. 8, the building trend
상기 도출된 건축트렌드는 인용횟수에 기초하여 높은 지수별로 순차로 정리됨으로써 건축트렌드정보가 생성될 수 있으며, 시대별, 지역별, 사용자별로 다양한 형태의 건축트렌드정보가 생성될 수 있다.Building trend information can be generated by sequentially organizing the derived architectural trends by high index based on the number of citations, and various types of architectural trend information can be generated by era, region, and user.
이 때, 상기 추출된 문자에 추출 위치에 따른 가중치를 반영하여 건축트렌드를 도출하도록 구성될 수 있다.At this time, it may be configured to derive an architectural trend by reflecting a weight according to the extraction location to the extracted text.
바람직한 일례로, 상기 가중치는 검색어에 해당하는 핵심 키워드와 해당 문자(키워드) 사이의 거리에 따라 부여될 수 있다. 이 경우 핵심 키워드와의 거리가 가까울 수록 높은 가중치를 부여하고, 핵심 키워드와의 거리가 멀 수록 낮은 가중치를 부여하게 된다.As a preferred example, the weight may be assigned according to a distance between a key keyword corresponding to a search word and a corresponding character (keyword). In this case, the closer the distance to the core keyword is, the higher the weight is, and the farther the distance from the core keyword is, the lower the weight is.
예를 들어, 핵심 키워드가 청년, 도시형 생활주택인 경우, 해당 문서에서 핵심 키워드인 청년 및/또는 도시형 생활주택과 거리가 가까운 키워드가 임대료, 맞춤형 임대주택인 경우 해당 키워드의 가중치가 높게(예, 2.0) 부여되며, 거리가 상대적으로 먼 키워드로 편의점, 도보 등이 추출되는 경우 편의점, 도보 등의 키워드의 가중치는 상대적으로 낮게(예, 0.5) 부여된다.For example, if the key keyword is youth or urban living housing, the keyword in the document that is close to the key keyword youth and/or urban living housing is rent or customized rental housing, the keyword has a higher weight (e.g., 2.0), and when convenience store, walking, etc. are extracted as keywords with a relatively long distance, the weight of keywords such as convenience store and walking is given relatively low (eg, 0.5).
이러한 가중치가 반영되어 상기 건축트렌드정보가 도출됨으로써, 작성된 문서에서 현재의 건축트렌드를 더욱 정확하게 확인, 제공할 수 있게 된다.By reflecting these weights and deriving the building trend information, it is possible to more accurately identify and provide the current building trend in the written document.
이때, 상기 핵심 키워드는 2 이상의 사용자들로부터 수집된 설문조사 결과에 의해 도출될 수 있으며, '건축', '주거', '주택' 등의 주거모델 관련 키워드를 이용하여 문서로부터 추출된 문자(키워드)로부터 도출될 수도 있다.In this case, the key keyword may be derived from the results of a survey collected from two or more users, and characters (keywords ) can also be derived from
표 1은 청년, 신혼, 노인으로 분류된 사용자군정보에 따른 핵심 키워드의 예시이다.Table 1 is an example of key keywords according to user group information classified into young people, newlyweds, and the elderly.
다른 실시예로, 상기 가중치는 키워드 추출의 대상이 되는 문서의 신뢰성 정도에 따른 기대값으로 이해될 수도 있다. 즉 각각의 문서가 가지는 신뢰성, 정확성 등이 일대일 관계로 동일하지 않음에 따라, 각각의 문서에서 추출되는 텍스트 중에서 어느 곳에 더욱 비중을 두어 건축트렌드로서 인정할 것인지를 결정하는데 도움을 준다.As another embodiment, the weight may be understood as an expected value according to the degree of reliability of a document to be extracted as a keyword. In other words, since the reliability and accuracy of each document are not the same in a one-to-one relationship, it helps to decide which part of the text extracted from each document to be recognized as an architectural trend by placing more weight on it.
일례로, 논문이나 정책관련 문서 등은 다수에 의해 이미 검증이 이뤄진 것이므로 가장 높은 가중치(예, 2)를 반영할 수 있으며, 개인 블로그에 올려진 문서 등 SNS 문서는 낮은 가중치(예, 0.5)를 반영할 수 있다. 또한 신문기사의 경우에도 홍보성 기사의 경우에는 낮은 가중치가 반영되도록 조절할 수 있다.For example, papers and policy-related documents have already been verified by a large number of people, so the highest weight (eg, 2) can be reflected. can reflect In addition, in the case of a newspaper article, it can be adjusted so that a low weight is reflected in the case of a promotional article.
예를 들어, 논문에 '북유럽스타일'이라는 텍스트가 5번 포함된 문서가 있고, 페이스북 상에 '동유럽스타일'이라는 텍스트가 10번 포함된 경우, 논문에 부여된 가중치 2, SNS 문서에 부여된 가중치 0.5를 각각 반영하면, '동유럽스타일' 텍스트가 '북유럽스타일' 텍스트에 비해 2배 더 많음에도 불구하고, '북유럽스타일'이 더욱 건축트렌드로서 인정될 수 있게 된다.For example, if there is a document containing the text 'North European style' 5 times in the thesis, and the text 'Eastern European style' is included 10 times on Facebook, the weight given to the thesis is 2, the weight given to the SNS document is If the weight of 0.5 is reflected respectively, 'North European style' can be recognized as an architectural trend even though there are twice as many 'Eastern European style' texts as 'North European style' texts.
이러한 가중치가 반영되지 않고 단순히 빈도수만을 고려한 건축트렌드와 가중치가 반영된 건축트렌드는 도 9에 도시된 건축트렌드 도출예시를 통해 확인할 수 있다.The architectural trend in which such a weight is not reflected, and the architectural trend in which only the frequency is considered and the architectural trend in which the weight is reflected can be confirmed through the example of derivation of the architectural trend shown in FIG. 9 .
상기 가중치는 핵심 키워드와의 거리, 문서의 신뢰도 및 정확성 이외에도 사용자 상황(예, 연령, 가족구성 등)에 기반하여 가중치가 부여될 수 있다.The weight may be given based on the user's situation (eg, age, family composition, etc.) in addition to the distance from the key keyword and the reliability and accuracy of the document.
예를 들어, 사용자가 신혼인 경우에는 신혼의 젊은 연령층이 많이 이용하는 SNS의 문서가 건축트렌드에 더욱 부합하는 경우가 많으므로, SNS의 문서에 더 높은 가중치가 부여될 수도 있으며, 사용자가 고령의 가족인 경우에는 논문에 더욱 가중치가 부여될 수도 있다.For example, if the user is a newlywed, a higher weight may be given to the SNS document because the document on SNS, which is frequently used by young people of newlyweds, is more consistent with the architectural trend in many cases, and the user is an elderly family member. In the case of , more weight may be given to the thesis.
또 다른 실시예로, 상기 추출된 문자(키워드)와 핵심 키워드와의 거리에 따른 가중치 및 문서의 신뢰도에 따른 가중치를 동시에 반영하여 건축트렌드정보가 생성되도록 설정될 수도 있다.As another embodiment, it may be set to generate architectural trend information by simultaneously reflecting a weight according to the distance between the extracted character (keyword) and the key keyword and a weight according to the reliability of the document.
상기 사용자에 따른 가중치 반영은 사용자에 따른 맞춤형 주거모델 추천에 있어서 사용자가 단순한 상황 정보를 입력하더라도 사용자에게 더욱 적합한 건축트렌드를 제공할 수 있다는 장점이 있다.The reflection of the weight according to the user has an advantage that it is possible to provide a more suitable architectural trend to the user even if the user inputs simple situational information in recommending a customized residential model according to the user.
상기 가중치를 반영하기 위한 본 발명의 일례에 따른 사용자 맞춤형 주거모델 추천방법에서, 상기 b) 단계는, 도 5에 도시된 바와 같이, b1) 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결 가능한 웹페이지, 문서파일 또는 소셜네트워크 문서에 포함된 문자를 텍스트 추출기법에 따라 추출하는 단계와, b2) 상기 추출된 문자에 추출 위치에 따른 가중치를 반영하는 단계 및 b3) 상기 가중치가 반영된 문자를 기초로 건축트렌드정보를 생성하는 단계로 구성될 수 있다.In the user-customized housing model recommendation method according to an example of the present invention for reflecting the weight, step b), as shown in FIG. 5, b1) network connection with the big data-based housing
상기 가중치가 반영된 건축트렌드정보도 가중치가 반영된 지수별로 높은 순서대로 순차로 정리될 수 있다. 이 경우 사용자가 직접 사용자단말(300)을 통해 표시된 건축트렌드정보 중 희망하는 건축트렌드를 선택할 수 있으며, 자동으로 사용자 맞춤형의 건축트렌드가 선택될 수도 있다.The building trend information to which the weight is reflected may also be sequentially arranged in the order of high for each index to which the weight is reflected. In this case, the user may directly select a desired architectural trend from among the architectural trend information displayed through the
c) 단계에서, 상기 빅데이터 기반 주거모델 관리서버(100)의 라이프스타일정보 관리모듈(160)은 상기 입력받은 사용자정보와 상기 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하며, 상기 사용자 라이프스타일정보는 사용자에게 적합한 건축트렌드정보로 이해될 수 있다.In step c), the lifestyle
상기 사용자 라이프스타일정보의 생성은 전술한 바와 같이, 사용자의 선택 또는 자동으로 이뤄질 수 있다.As described above, the generation of the user lifestyle information may be performed by a user's selection or automatically.
d) 단계에서, 상기 빅데이터 기반 주거모델 관리서버(100)의 주거모델 관리모듈(180)은 상기 빅데이터 기반 BIM 데이터베이스(200)로부터 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달받아 사용자 맞춤형 주거모델정보를 생성한다.In step d), the residential
도 10에 도시된 바와 같이, 상기 주거모델정보는 현관, 주방, 거실, 욕실 등 주거시설 내부공간에 관한 세부적 정보일 수 있으며, 평면도, 사시도 등의 형태로 표시될 수 있다. 상기 주거모델정보는 주거시설 외부공간에 대한 장치나 설비, 공간활용(예, 센서, CCTV, 텃밭) 등에 관한 정보를 더욱 포함할 수 있다.As shown in FIG. 10 , the housing model information may be detailed information about the interior space of a residential facility, such as an entrance hall, a kitchen, a living room, and a bathroom, and may be displayed in the form of a plan view, a perspective view, or the like. The residential model information may further include information about devices or facilities for external spaces of residential facilities, space utilization (eg, sensors, CCTVs, vegetable gardens), and the like.
일례로, 상기 빅데이터 기반 주거모델 관리서버(100)는 건축물 관련정보 및 위치정보가 포함된 GIS 데이터베이스(400)와 네트워크 연결되며, 상기 d) 단계의 사용자 맞춤형 주거모델정보는 상기 GIS 데이터베이스(400)로부터 전달받은 적어도 하나 이상의 위치정보를 포함한다.As an example, the big data-based residential
일례로, 상기 위치정보는 추천받은 주거모델을 실현하기 위한 정보로 이해될 수 있으며, 상기 위치정보는 상기 사용자 맞춤형 주거모델정보에 기초하여 선택될 수 있다.For example, the location information may be understood as information for realizing a recommended housing model, and the location information may be selected based on the user-customized housing model information.
이 경우, 도 11에 도시된 바와 같이, 본 발명에 따른 빅데이터 기반 주거모델 관리서버(100)는 상기 사용자 라이프스타일정보와 주거모델정보 및 위치정보를 함께 매칭할 수 있으며, 상기 위치정보는 상기 사용자 라이프스타일정보에 기초하여 생성될 수 있다.In this case, as shown in FIG. 11 , the big data-based residential
예를 들어, 상기 사용자가 청년인 경우, 대학교, 도서관 인근에 거주하는 것을 선호하므로, 상기 위치정보는 대학교 및/또는 도서관 인근에 적용 가능한 주거모델정보를 포함하는 것이 바람직하다. 따라서 상기 사용자 맞춤형 주거모델정보는 상기 사용자 라이프스타일정보와 매칭된 주거모델정보가 실현될 수 있는 지역 또는 실현되고 있는 지역으로서, 상기 대학교 및/또는 도서관 인근지역에 해당하는 위치정보를 포함하여 제공한다.For example, when the user is a young man, he prefers to live near a university or library, so the location information preferably includes housing model information applicable to a university and/or a library nearby. Therefore, the user-customized housing model information is an area in which housing model information matched with the user lifestyle information can be realized or is being realized, and includes location information corresponding to the area near the university and/or library. .
예를 들어, 상기 사용자가 신혼인 경우, 100인 이상 기업, 관공서, 어린이집, 유치원 등의 시설물 인근에 거주하는 것을 선호하므로, 해당 시설물 인근의 위치정보에 매칭되도록 하는 것이 바람직하다.For example, if the user is a newlywed, it is preferable to live near facilities such as companies with 100 or more people, government offices, daycare centers, kindergartens, etc., so it is preferable to match location information near the facilities.
예를 들어, 상기 사용자가 노년인 경우, 중대형 병원, 보건소, 경로당, 복지관 등의 시설물 인근에 거주하는 것을 선호하므로, 해당 시설물 인근의 위치정보에 매칭되도록 하는 것이 바람직하다.For example, when the user is an elderly person, he prefers to live near facilities such as mid- to large-sized hospitals, public health centers, senior centers, and welfare centers, so it is preferable to match location information near the facilities.
상기 위치정보는 기존 건축물정보 또는 해당 주거모델을 신축하기 위해 필요한 정보를 더욱 포함할 수 있다.The location information may further include information on existing buildings or information necessary to construct a corresponding housing model.
예를 들어, 상기 사용자 맞춤형 주거모델정보는, 건축 소요 비용정보를 더 포함할 수 있으며, 해당 위치의 평당 지가 및 건축트렌드에 따른 예상 건축비용 등의 부가정보가 포함될 수 있다.For example, the user-customized housing model information may further include construction cost information, and additional information such as land price per pyeong of the corresponding location and estimated construction cost according to a construction trend may be included.
도 12에 도시된 바와 같이, 상기 위치정보는 해당 위치의 지도정보를 포함할 수 있으며, 2 이상의 추천 지역에 대한 위치정보가 포함될 수 있다.As shown in FIG. 12 , the location information may include map information of a corresponding location, and location information on two or more recommended areas may be included.
이러한 부가정보들은 상기 빅데이터 기반 BIM 데이터베이스(200) 및 GIS 데이터베이스(400) 등을 통해 수집될 수 있으며, 미리 각각의 데이터베이스로부터 정보를 수집하여, 유형별로 그룹화하여 분류할 수도 있다.Such additional information may be collected through the big data-based
e) 단계에서, 상기 빅데이터 기반 주거모델 관리서버는 d) 단계에서 생성된 사용자 맞춤형 주거모델정보를 사용자단말(300)로 네트워크 전송한다.In step e), the big data-based housing model management server transmits the user-customized housing model information generated in step d) to the
도 6에 도시된 바와 같이, 사용자는 추천된 사용자 맞춤형 주거모델정보를 사용자단말(300)에 구비된 표시부(부호 미되)를 통해 확인할 수 있으며, 선택적으로 주거모델의 상세 구성이나 위치정보 등 더욱 자세한 내용을 확인할 수 있다.As shown in FIG. 6 , the user can check the recommended user-tailored housing model information through the display unit (not shown) provided in the
상기 사용자 맞춤형 주거모델정보는 복수개의 추천정보를 포함할 수 있으며, 사용자에게 가장 적합한 주거모델부터 순차로 나열되도록 사용자단말(300)에 표시될 수 있다.The user-customized housing model information may include a plurality of pieces of recommendation information, and may be displayed on the
도 19는 본 발명에 따른 빅데이터 기반 사용자 맞춤형 주거모델 추천방법에 따라 건축을 실행하기 위한 과정을 예시적으로 설명하기 위한 순서도이다.19 is a flowchart for exemplarily explaining a process for executing construction according to the big data-based user-customized housing model recommendation method according to the present invention.
도 19에 도시된 바와 같이, 사용자정보의 입력에 의해 각각의 사용자는 단독 주거형태인 개인 또는 공동주거형태인 개발업 및 건설업 종사자(또는 법인 등)로 분류될 수 있다.As shown in FIG. 19 , by input of user information, each user may be classified as an individual in the form of a single dwelling or a worker in the development and construction industry (or corporation, etc.) in the form of a joint dwelling.
일례로, 사용자가 개인인 경우, 입력된 사용자정보에 의해 수집된 사용자의 라이프스타일 유형(취미, 성격, 수입, 수용인원 등)에 따라 사용자의 라이프스타일을 분석하게 되며, 미리 설정된 사용자 유형별 주거모델에 따라 가구, 설비 및 기타 기술 등의 건축기술이 포함된 BIM 데이터를 이용 사용자 맞춤형 주거모델을 추천한다. 사용자에게 추천되는 주거모델은 연구자료, SNS, 신문기사, 논문, 특허 등 주거시장 빅데이터로부터 미리 설정된 건축트렌드 도출방법에 기초하여 도출되는 건축트렌드정보가 반영될 수 있으며, 상기 사용자 유형은 사용자군정보(예, 청년/신혼/노년)로 이해될 수 있다. 상기 라이프스타일이 분석되면 후술하는 주거모듈과 타입평면 매칭을 수행하게 되며, 상기 BIM 데이터는 각각의 사용자의 라이프스타일에 따른 주거모듈에 매칭되는 형태로 제공될 수 있다. 주거모듈에 관한 자세한 설명은 후술한다.For example, if the user is an individual, the user's lifestyle is analyzed according to the user's lifestyle type (hobbies, personality, income, number of people accommodated, etc.) collected by the input user information, and a pre-set residential model for each user type Accordingly, a user-customized housing model is recommended using BIM data that includes building technology such as furniture, equipment, and other technologies. The residential model recommended to the user may reflect architectural trend information derived based on a preset construction trend derivation method from housing market big data such as research data, SNS, newspaper articles, papers, and patents, and the user type is the user group. It can be understood as information (eg, young/newly/old). When the lifestyle is analyzed, type plane matching is performed with a housing module, which will be described later, and the BIM data may be provided in a form matching the housing module according to the lifestyle of each user. A detailed description of the housing module will be described later.
상기 사용자 맞춤형 주거모델정보는 건축물대장, 지리정보, 환경데이터 및 도시인프라 등의 GIS 데이터를 이용한 위치정보를 제공함으로써 사용자에게 적합한 건축대상지를 선정할 수 있게 되며, 사용자는 추천받은 건축대상지에 상기 사용자 맞춤형 주거모델에 따른 주거용 건축물을 건축할 수 있다.The user-customized residential model information provides location information using GIS data such as building ledger, geographic information, environmental data, and urban infrastructure, so that a suitable building site can be selected for the user, and the user can select the recommended building site for the user. Residential buildings can be built according to customized housing models.
다른 예로, 사용자가 개발업 또는 건설업 종사자인 경우, 사용자의 라이프스타일 유형은 중요한 요소가 아니므로, 상기 주거시장 빅데이터로부터 미리 설정된 건축트렌드 도출방법에 기초하여 도출되는 건축트렌드정보에 따라 시장수요를 예측할 수 있으며, 입력된 사용자정보에 의해 수집된 개발공간의 특성과 관련한 정보를 이용하여 주거모듈과 타입평면 매칭을 수행하게 된다. 상기 개발공간 특성에 따른 주거모듈과 상기 BIM 데이터의 매칭 및 위치정보와의 매칭은 사용자가 개인인 경우와 유사하며, 사용자는 추천받은 건축대상지에 사용자 맞춤형 주거모델에 따른 공동주거형 건축물을 건축할 수 있다. As another example, if the user is engaged in the development or construction industry, the user's lifestyle type is not an important factor, so the market demand can be predicted according to the architectural trend information derived based on the method and type-plane matching with the residential module is performed using the information related to the characteristics of the development space collected by the input user information. The matching of the residential module and the BIM data and the location information according to the characteristics of the development space is similar to the case where the user is an individual, and the user can build a communal residential building according to the user-customized residential model on the recommended building site. can
도 13 및 도 14는 본 발명의 일실시예에 따른 주거모듈을 설명하기 위한 개념도, 도 15는 본 발명의 일실시예에 따른 주거모듈의 예시도, 도 16 및 도 17은 본 발명의 또 다른 실시예에 따른 주거모듈정보의 생성에 관한 개념도, 도 18은 본 발명의 또 다른 실시예에 따른 주거모듈정보를 지도상에 매핑한 예시도이다.13 and 14 are conceptual views for explaining a housing module according to an embodiment of the present invention, FIG. 15 is an exemplary view of a housing module according to an embodiment of the present invention, and FIGS. 16 and 17 are another view of the present invention A conceptual diagram of generation of housing module information according to an embodiment, FIG. 18 is an exemplary diagram in which housing module information is mapped on a map according to another embodiment of the present invention.
본 발명의 또 다른 실시예에 따른 상기 사용자 라이프스타일정보는 복수개의 모듈로 이뤄지는 적어도 하나 이상의 주거모듈정보를 포함하여 이뤄지며, 상기 주거모듈정보는 미리 설정된 주거모듈 매트릭스에 상기 건축트렌드정보 또는 사용자정보 중 적어도 어느 하나의 정보가 매칭되어 형성(선택)된다.The user lifestyle information according to another embodiment of the present invention comprises at least one housing module information composed of a plurality of modules, and the housing module information is one of the building trend information or user information in a preset housing module matrix. At least one piece of information is matched and formed (selected).
일례로, 도 13에 도시된 바와 같이, 상기 주거모듈 매트릭스는 사용자 유형, 주거 유형, 거주 형태, 면적(방 개수) 및 라이프스타일이라는 각각의 카테고리를 조합하여 형성되는 것으로, 입력된 사용자정보와 무관하게 미리 복수개의 모듈의 조합을 통해 다수의 주거모듈을 생성하는 것이다.For example, as shown in FIG. 13 , the housing module matrix is formed by combining each category of user type, housing type, residence type, area (number of rooms) and lifestyle, regardless of input user information. It is to create a plurality of residential modules through a combination of a plurality of modules in advance.
본 발명의 일례에 따른 주거모델정보를 모듈의 조합을 통해 생성하는 경우, 건축과정에서 건물의 해체 및 재설치가 용이하고 모듈의 추가 제거가 용이하며, 전통적인 방식대비 50% 이상 공기를 단축할 수 있는 한편, 주요 구성재료를 공장생산할 수 있으므로 고품질이 가능하게 된다.When the housing model information according to an example of the present invention is generated through a combination of modules, it is easy to dismantle and reinstall the building during the construction process, and it is easy to add and remove the module, and it is possible to reduce the construction period by more than 50% compared to the traditional method. On the other hand, since the main constituent materials can be produced in a factory, high quality is possible.
특히 본 발명에 따른 사용자 맞춤형 주거모델정보는 각각의 사용자의 연령, 성향, 인원구성 및 건축트렌드 등을 종합하여 매칭하도록 구성되므로, 다양한 구조의 주거모델을 제공할 수 있도록 하는 것이 바람직하다. 따라서 본 발명에 따른 주거모델을 모듈형으로 구성하는 경우, 가변성에 의해 각각의 사용자에게 최적의 주거모델을 제공하는 것이 가능하게 된다.In particular, the user-customized housing model information according to the present invention is configured to match each user's age, inclination, composition of people, and architectural trends in a comprehensive manner, so it is preferable to provide housing models of various structures. Therefore, when the housing model according to the present invention is configured in a modular type, it is possible to provide an optimal housing model to each user by variability.
예를 들어, 높이 조절이 가능한 욕조의 설치, 출입구 폭의 자유로운 조절, 화장실-침실 간 접근을 쉽게 하기 위한 출입구 설치 가능 벽체 등 가변이 가능한 모듈형 주거모델을 제공할 수 있다.For example, it is possible to provide a modular housing model that can be varied, such as installation of a height-adjustable bathtub, free adjustment of the door width, and a wall that can be installed at the entrance to facilitate access between the bathroom and the bedroom.
또한, BIM 데이터와의 매칭시에도 모듈형으로 구성되어 있어 각각의 모듈마다 독립적으로 용이하게 공간을 디자인, 배치할 수 있게 되며, 도 18에 도시된 바와 같이, 모듈 갯수에 따른 주거모델의 분류(군집화)가 가능해지므로, 지도상에 위치정보로써 각각의 주거모델(주거모델군)의 표시가 용이하게 이뤄질 수 있고, 사용자가 해당 지역의 주거상태를 한눈에 파악할 수 있게 된다.In addition, even when matching with BIM data, it is composed of a modular type, so that each module can easily design and arrange a space independently. As shown in FIG. 18, the classification ( clustering) is possible, so that each housing model (housing model group) can be easily displayed as location information on the map, and the user can grasp the residential status of the area at a glance.
상기 각각의 주거모델은 사용자의 형태에 따라 미리 분류될 수 있다.Each of the housing models may be pre-classified according to the user's type.
도 14는 사용자군이 청년인 경우의 주거모델 분류의 예시로, 각각의 주거형태에 따른 주거모듈의 종류가 도시되어 있다. 이때, 각각의 주거모듈은 AM-B 또는 AM-B-C 형태로 표시될 수 있으며, A는 모듈의 수, B 및 C는 각각의 모듈의 종류(또는 배열방법)을 의미한다.14 is an example of housing model classification when the user group is young, and the types of housing modules according to each housing type are shown. At this time, each residential module may be displayed in the form of AM-B or AM-B-C, where A is the number of modules, and B and C are the types (or arrangement method) of each module.
예를 들어, 도 14에 도시된 바와 같이, 청년의 1인 주거를 위한 주거모듈은 2개의 모듈의 조합인 2M-1, 3개의 모듈의 조합인 3M-1, 3M-2-1, 3M-2-2, 4M-1 등으로 제공될 수 있다.For example, as shown in FIG. 14 , the housing module for single-person residence of young people is 2M-1, which is a combination of two modules, and 3M-1, 3M-2-1, 3M-, which is a combination of three modules. 2-2, 4M-1, etc. may be provided.
각각의 모듈은 침실, 거실, 주방, 다용도실, 옷방, 화장실(욕실), 창고 및 알파룸 등으로 이뤄질 수 있으며, 모듈의 조합과 더불어 출입구 등이 더욱 부가될 수 있다.Each module can consist of a bedroom, a living room, a kitchen, a multipurpose room, a wardrobe, a toilet (bathroom), a warehouse, and an alpha room, and a doorway can be further added with a combination of modules.
일례로, 도 16 및 도 17에 도시된 바와 같이, 빅데이터 기반 주거모델 관리서버(100)로부터 건축트렌드정보 생성시, 생성된 건축트렌드정보에 기초하여 주거모듈 매트릭스 중에서 건축트렌드정보 및/또는 사용자정보에 해당하는 주거모듈들이 선택될 수 있으며, 빅데이터 기반 주거모델 관리서버(100)에 선택된 주거모듈들에 관한 주거모듈정보가 생성될 수 있다.As an example, as shown in FIGS. 16 and 17 , when building trend information is generated from the big data-based residential
도 15에 도시된 바와 같이, 상기 주거모듈정보는 BIM 데이터와 매칭되어 사용자 맞춤형 주거모델정보를 구성하게 된다. 주거모듈 매트릭스에 구비된 각각의 주거모듈 중에서 사용자정보 및/또는 건축트렌드정보에 매칭되는 주거모듈이 선택되므로, 사용자에게 적합하게 해당 주거모듈에 BIM 데이터가 매칭된 정보가 사용자 맞춤형 주거모델정보로써 사용자에게 제공된다. 전술한 바와 같이, 사용자는 2 이상 제공된 사용자 맞춤형 주거모델정보에서 원하는 주거모델정보를 선택하여 실현할 수 있다.As shown in FIG. 15 , the housing module information is matched with BIM data to configure user-customized housing model information. Since a housing module matching user information and/or architectural trend information is selected from each of the housing modules provided in the housing module matrix, information that matches the BIM data to the housing module suitable for the user is the user customized housing model information. is provided to As described above, the user can realize by selecting desired housing model information from the user-customized housing model information provided by two or more.
이상에서 본 발명은 구체적인 실시예를 참조하여 상세히 설명하였으나, 상기 실시예는 본 발명을 이해하기 쉽도록 하기 위한 예시에 불과한 것이므로, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 치환, 부가 및 변형된 실시 형태들 역시 하기의 청구범위에 의하여 정해지는 본 발명의 보호범위에 속한다고 할 것이다.In the above, the present invention has been described in detail with reference to specific embodiments, but since the embodiments are merely examples for easy understanding of the present invention, substitutions, additions and modifications are made within the scope not departing from the technical spirit of the present invention. Embodiments will also fall within the protection scope of the present invention defined by the following claims.
10: 주거모델 추천시스템
100: 빅데이터 기반 주거모델 관리서버
200: 빅데이터 기반 BIM 데이터베이스
300: 사용자단말 400: GIS 데이터베이스10: Residential model recommendation system
100: Big data-based residential model management server
200: Big data-based BIM database
300: user terminal 400: GIS database
Claims (8)
a) 적어도 하나 이상의 주거와 직접 관련된 정보가 포함된 사용자정보를 입력받는 단계;
b) 미리 설정된 건축트렌드 도출방법에 기초하여 건축트렌드정보를 생성하는 단계;
c) 상기 입력받은 사용자정보와 상기 건축트렌드정보를 매칭하여 사용자 라이프스타일정보를 생성하는 단계;
d) 상기 빅데이터 기반 BIM 데이터베이스(200)로부터 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달받아 사용자 맞춤형 주거모델정보를 생성하는 단계; 및
e) 상기 사용자 맞춤형 주거모델정보를 사용자단말(300)로 전달하는 단계;를 포함하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법.
It is made in the big data-based housing model management server 100, and it is connected to the big data-based BIM database 200 and the user terminal 300 including housing model information and is connected to a network to recommend a method of recommending a customized housing model to the user,
a) receiving user information including information directly related to at least one residence;
b) generating building trend information based on a preset building trend deriving method;
c) generating user lifestyle information by matching the received user information with the building trend information;
d) receiving housing model information matching the user lifestyle information from the big data-based BIM database 200 and generating user-customized housing model information; and
e) transmitting the user-customized housing model information to the user terminal 300; Big data-based user-customized housing model recommendation method comprising a.
상기 빅데이터 기반 주거모델 관리서버(100)는 건축물 관련정보 및 위치정보가 포함된 GIS 데이터베이스(400)와 네트워크 연결되며,
상기 d) 단계의 사용자 맞춤형 주거모델정보는 상기 GIS 데이터베이스(400)로부터 전달받은 적어도 하나 이상의 위치정보를 포함하는 것을 특징으로 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법.
In claim 1,
The big data-based residential model management server 100 is network-connected to the GIS database 400 including building-related information and location information,
The user-customized housing model information of step d) is a big data-based user-customized housing model recommendation method, characterized in that it includes at least one or more location information received from the GIS database (400).
상기 위치정보는 상기 사용자 라이프스타일정보에 기초하여 선택되는 것을 특징으로 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법.
In claim 2,
The location information is a big data-based user-customized housing model recommendation method, characterized in that it is selected based on the user lifestyle information.
상기 미리 설정된 건축트렌드 도출방법은,
문서에 포함된 문자를 텍스트 추출기법에 따라 추출하되, 추출된 문자에 추출 위치에 따른 가중치를 반영하여 건축트렌드를 도출하도록 하는 것임을 특징으로 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법.
In claim 1,
The preset construction trend deriving method is,
A method for recommending a user-customized residential model based on big data, characterized in that the characters included in the document are extracted according to the text extraction technique, but the weights according to the extraction location are reflected in the extracted characters to derive the architectural trend.
상기 b) 단계는,
b1) 상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결 가능한 웹페이지, 문서파일 또는 소셜네트워크 문서에 포함된 문자를 텍스트 추출기법에 따라 추출하는 단계;
b2) 상기 추출된 문자에 추출 위치에 따른 가중치를 반영하는 단계;
b3) 상기 가중치가 반영된 문자를 기초로 건축트렌드정보를 생성하는 단계;를 포함하는 것을 특징으로 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법.
In claim 1,
Step b) is,
b1) extracting the characters included in the web page, document file or social network document capable of network connection with the big data-based residential model management server 100 according to a text extraction technique;
b2) reflecting a weight according to the extraction position to the extracted characters;
b3) generating architectural trend information based on the letters to which the weight is reflected;
상기 사용자 라이프스타일정보는 복수개의 모듈로 이뤄지는 적어도 하나 이상의 주거모듈정보를 포함하며,
상기 주거모듈정보는 미리 설정된 주거모듈 매트릭스에 상기 건축트렌드정보 또는 사용자정보 중 적어도 어느 하나의 정보가 매칭되어 형성되는 것을 특징으로 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천방법.
In claim 1,
The user lifestyle information includes at least one residential module information composed of a plurality of modules,
The housing module information is a big data-based user-customized housing model recommendation method, characterized in that the information is formed by matching at least one of the building trend information and the user information to a preset housing module matrix.
상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버(100)에 상기 사용자 라이프스타일정보에 매칭되는 주거모델정보를 전달하는 빅데이터 기반 BIM 데이터베이스(200); 및
상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버(100)에 사용자정보를 전달하고, 상기 빅데이터 기반 주거모델 관리서버(100)로부터 상기 사용자정보에 기초하여 생성된 사용자 맞춤형 주거모델정보를 전달받도록 구성된 사용자단말(300);을 포함하는 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템.
A user information management module that receives user information including information directly related to at least one or more dwellings, a building trend information management module that generates building trend information based on a preset building trend derivation method, and the user information and the building trend A lifestyle information management module for generating user lifestyle information by matching information, and a housing model information management module for generating user-customized housing model information based on the lifestyle information and delivering it to the user terminal 300 Big data-based residential model management server 100;
A big data-based BIM database 200 that is network-connected with the big data-based residential model management server 100 and delivers residential model information matching the user lifestyle information to the big data-based residential model management server 100 ; and
It is connected to the network with the big data-based residential model management server 100, and transmits user information to the big data-based residential model management server 100, and receives the user information from the big data-based residential model management server 100. User terminal 300 configured to receive the user-customized housing model information generated on the basis of; Big data-based user-customized housing model recommendation system comprising a.
상기 빅데이터 기반 주거모델 관리서버(100)와 네트워크 연결되며, 상기 빅데이터 기반 주거모델 관리서버(100)로 상기 사용자 맞춤형 주거모델정보에 포함되는 적어도 하나 이상의 위치정보를 제공하도록 구성되는 GIS 데이터베이스(400);를 더 포함하는 것을 특징으로 하는 빅데이터 기반 사용자 맞춤형 주거모델 추천시스템.
In claim 7,
A GIS database ( 400); Big data-based user-customized housing model recommendation system, characterized in that it further comprises.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200089703A KR102449143B1 (en) | 2020-07-20 | 2020-07-20 | Bigdata-based residential model recommendation system for users and a method for recommending a residential model using the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200089703A KR102449143B1 (en) | 2020-07-20 | 2020-07-20 | Bigdata-based residential model recommendation system for users and a method for recommending a residential model using the same |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220010941A KR20220010941A (en) | 2022-01-27 |
KR102449143B1 true KR102449143B1 (en) | 2022-09-28 |
Family
ID=80049642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200089703A KR102449143B1 (en) | 2020-07-20 | 2020-07-20 | Bigdata-based residential model recommendation system for users and a method for recommending a residential model using the same |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102449143B1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102461336B1 (en) | 2022-07-12 | 2022-10-31 | 디노바디앤씨 주식회사 | Method, apparatus and system for recommendation of customized housing in shared housing group based on resident movement |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200000977A (en) * | 2018-06-26 | 2020-01-06 | 김세정 | Real estate point model based on big data analysis and recommendation algorithm system |
KR20200023669A (en) * | 2018-08-14 | 2020-03-06 | 이건영 | System for Recommending Investment of Big data based Real estate |
-
2020
- 2020-07-20 KR KR1020200089703A patent/KR102449143B1/en active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20220010941A (en) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ng | Behavioral mapping and tracking | |
KR101705870B1 (en) | Apparatus and method for recommending residential location | |
Fisher-Gewirtzman | Integrating ‘weighted views’ to quantitative 3D visibility analysis as a predictive tool for perception of space | |
Markley | New urbanism and race: An analysis of neighborhood racial change in suburban Atlanta | |
Marušić et al. | Behavioural maps and GIS in place evaluation and design | |
Madakam et al. | Quality of life@ Palava smart city: A case study | |
Marshall | Interacting with heritage: On the use and potential of IoT within the cultural heritage sector | |
KR102449143B1 (en) | Bigdata-based residential model recommendation system for users and a method for recommending a residential model using the same | |
Ozer et al. | The design of subsidized housing: Towards an interdisciplinary and cross-national research agenda | |
Sung et al. | Influence of educational and cultural facilities on apartment prices by size in Seoul: do residents’ preferred facilities influence the housing market? | |
Wang et al. | Insights in a city through the eyes of Airbnb reviews: Sensing urban characteristics from homestay guest experiences | |
Zebardast et al. | Investigating the relationship between housing satisfaction and quality of life in the decayed historic areas of Isfahan using path diagram | |
Khaznadar et al. | Sustainable Continuity of Cultural Heritage: An Approach for Studying Architectural Identity Using Typo-Morphology Analysis and Perception Survey | |
US20230379659A1 (en) | Systems and methods for localized information provision using wireless communication | |
Porat et al. | Building morphometric analysis as a tool for urban renewal: Identifying post-Second World War mass public housing development potential | |
JP2017010270A (en) | Article information presentation system, article information presentation method, corresponding information presentation system, and corresponding information presentation method | |
Le Boennec et al. | Is neighborhood satisfaction related to density perception? Promoting liveable and sustainable land use planning | |
Baydar et al. | Digitizing Lefebvre’s spatial triad | |
Elmamooz et al. | Towards understanding mobility in museums | |
JP2007047888A (en) | Information providing system, server device, information providing method and information providing program | |
Boo et al. | Tourists’ online reviews of convention centers | |
Lee et al. | A lifecycle health performance tree for sustainable healthy buildings | |
Al-Betawi et al. | A methodology for evaluating housing quality in settlements of the displaced in Jordan | |
Gotlib et al. | Smart governance in the capital city of Warsaw with the use of ICT and geoinformation technologies | |
Keisling et al. | Permeable Learning Environments: How Developing Permeability in Library Spaces Fosters Student Learning and Engagement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |