KR102457947B1 - 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 - Google Patents
데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102457947B1 KR102457947B1 KR1020210028974A KR20210028974A KR102457947B1 KR 102457947 B1 KR102457947 B1 KR 102457947B1 KR 1020210028974 A KR1020210028974 A KR 1020210028974A KR 20210028974 A KR20210028974 A KR 20210028974A KR 102457947 B1 KR102457947 B1 KR 102457947B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- transportation
- analysis
- cost
- bus
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 154
- 230000010354 integration Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 238000005065 mining Methods 0.000 claims abstract description 29
- 238000007418 data mining Methods 0.000 claims abstract description 23
- 238000002790 cross-validation Methods 0.000 claims abstract description 21
- 238000000746 purification Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims description 21
- 238000013480 data collection Methods 0.000 claims description 14
- 238000007728 cost analysis Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000007670 refining Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 19
- 238000012795 verification Methods 0.000 description 18
- 239000000446 fuel Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000015654 memory Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
본 발명의 일 기술적 측면에 따른 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템은, 운송 사업과 관련된 운송 관련 데이터를 저장하는 운송사업 관련 서버, 과금 관련 데이터를 저장하는 교통 결제 서버 및 상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하고, 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제 및 재구성 처리를 수행하여 데이터 마이닝을 수행하고, 마이닝 된 데이터를 대상으로 학습 기반의 분석을 수행하여 상기 운송 관련 데이터와 상기 과금 관련 데이터 간의 통합 관리 및 교차 검증을 수행하는 운송사업운영 분석 평가 서버를 포함 할 수 있다.
Description
본 발명은 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법에 관한 것이다.
우리나라에서 대중 교통, 특히, 버스는 준 공영제로서 운영된다. 그에 따라, 버스 운행관리는 운송 사업자가 운영 및 관리하고, 그에 대한 과금 결제는 교통 결제 운영사가 관리하며, 버스노선 및 버스운영 관리감독은 지방자치단체에서 관리하는 특징을 가진다.
이와 같이, 버스 노선의 운행주체, 결제 관리 주체 및 운영 관리감독 주체가 상이함에 따라, 버스 운영의 정밀한 관리가 불가능한 한계가 있다. 이로 인하여, 운송 사업자가 지방자치단체의 지원금을 유용하거나 착복하는 등의 비위가 발생하여도 이를 통합적으로 관리할 수 없는 한계가 있다.
따라서, 지방자치단체에서는 운행기록정보, 교통카드를 활용한 과금 정보, 실시간 버스운행정보, 운송사업자의 경영정보 등을 통합적으로 관리하고, 운송사업자들에 대한 모니터링 및 감독할 수 있는 시스템에 대한 니즈가 발생하고 있다.
본 발명의 일 기술적 측면은 상기한 종래 기술의 문제점을 해결하기 위한 것으로써, 준공영제를 운영하는 지자체가 시스템 운영의 주체가 되어, 운송사업자가 운행하는 버스들에 대한 난폭, 안전운전, 경제운전, 과금정보, 정비항목과 비용 및 경영의 투명성을, 버스사 별 혹은 항목 별로 체계적이고 실시간으로 모니터링 할 수 있는 시스템을 제공하고, 그에 따라, 지방자치단체의 준공영제 운영을 위한 혈세 낭비를 미연에 방지하고 대민 서비스 제고를 위한 다양한 정책을 뒷받침할 수 있는 운송사업운영 분석 평가 시스템 및 그 방법을 제공하는 것이다.
또한, 본 발명의 일 기술적 측면은, 운송 사업자와 교통 결제 업체 등으로부터 운송 관련 데이터 및 과금 관련 데이터 등을 로(raw) 데이터로서 수집하고, 그에 대한 데이터 정제 및 학습 기반의 분석을 수행하여, 운행정보에 대한 통합적인 관리 및 평가를 수행할 수 있는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법을 제공하는 것이다.
또한, 본 발명의 일 기술적 측면은, 로 데이터에 대하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행하며, 서로 다른 다양한 시스템에서 제공된 데이터를 복합적 기준으로 통합적으로 관리함으로써 이에 대한 교차 검증을 보다 원활하게 수행할 수 있는 수 있는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법을 제공하는 것이다.
본 발명의 상기 목적과 여러 가지 장점은 이 기술분야에 숙련된 사람들에 의해 본 발명의 바람직한 실시예로부터 더욱 명확하게 될 것이다.
본 발명의 일 기술적 측면은 데이터 통합 분석을 기반으로 하여, 운송사업자의 사업운영 현황을 전체적으로 일목요연하게 분석, 평가할 수 있는 운송사업운영 분석 평가 시스템을 제안한다. 상기 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템은, 운송 사업과 관련된 운송 관련 데이터를 저장하는 운송사업 관련 서버; 과금 관련 데이터를 저장하는 교통 결제 서버; 및 상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하고, 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성 처리를 수행하여 데이터 마이닝을 수행하고, 상기 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하여 학습을 수행하는 운송사업운영 분석 평가 서버;를 포함하고, 상기 운송사업운영 분석 평가 서버는, 상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하는 데이터 수집부; 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 상기 데이터 마이닝을 수행하는 마이닝부; 및 상기 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하는 학습 분석부를 포함한다.
삭제
삭제
일 실시예에서, 상기 운송사업운영 분석 평가 서버는, 기 데이터 수집부에 의하여 수집된 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 로(raw) 데이터로서 저장하는 제1 데이터 베이스 및 상기 마이닝부에 의하여 상기 로(raw) 데이터에 대하여 버스 객체, 인적 객체 및 비용 객체를 기준으로 마이닝 된 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 저장하는 제2 데이터 베이스를 더 포함 할 수 있다.
일 실시예에서, 상기 마이닝부는, 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 노이즈를 제거하여 데이터를 정제하고, 정제된 데이터를 기초로 버스 객체, 인적 객체 및 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 상기 데이터 마이닝을 수행 할 수 있다.
일 실시예에서, 상기 학습 분석부는, 상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 각각에 대하여 개별적으로 분석을 수행하고, 상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 간의 상호 연관되는 연관 객체를 식별하고, 식별된 연관 객체를 기준으로 개별적으로 분석된 내용을 상호 교차 확인하여 교차 검증을 수행 할 수 있다.
본 발명의 다른 일 기술적 측면은 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 방법을 제안한다. 상기 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 방법은, 운송 사업과 관련된 운송 관련 데이터를 저장하는 운송사업 관련 서버 및 과금 관련 데이터를 저장하는 교통 결제 서버와 연동하여 동작하는 운송사업운영 분석 평가 서버에서 수행되는 운송사업운영 분석 평가 방법으로서, 상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하는 단계; 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행하는 단계; 및 상기 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하여 학습을 수행하는 단계;를 포함하고, 상기 학습을 수행하는 단계는, 상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 각각에 대하여 분석을 수행하는 단계; 상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 간의 상호 연관되는 연관 객체를 식별 하는 단계; 및 식별된 연관 객체를 기준으로 분석된 내용을 상호 교차 확인하여 교차 검증을 수행 하는 단계를 포함할 수 있다.
일 실시예에서, 상기 운송사업운영 분석 평가 방법은, 데이터 수집부에 의하여 수집된 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 로(raw) 데이터로서 저장하여 제1 데이터 베이스를 구축하는 단계 및 마이닝부에 의하여 상기 로(raw) 데이터에 대하여 버스 객체, 인적 객체 및 비용 객체를 기준으로 마이닝 된 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 저장하여 제2 데이터 베이스를 구축하는 단계를 포함 할 수 있다.
일 실시예에서, 상기 데이터 마이닝을 수행하는 단계는, 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 노이즈를 제거하여 데이터를 정제하는 단계 및 정제된 데이터를 기초로 버스 객체, 인적 객체 및 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하는 단계를 포함 할 수 있다.
삭제
삭제
상기한 과제의 해결 수단은, 본 발명의 특징을 모두 열거한 것은 아니다. 본 발명의 과제 해결을 위한 다양한 수단들은 이하의 상세한 설명의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시형태에 따르면, 운송 사업 관련 서버와 교통 결제 서버로부터 운송 관련 데이터 및 과금 관련 데이터를 로(raw) 데이터로서 수집하고, 그에 대한 데이터 정제 및 학습 기반의 분석을 수행하여, 운행정보에 대한 통합적인 관리 및 평가를 수행할 수 있는 효과가 있다.
또한, 본 발명의 일 실시형태에 따르면,로 데이터에 대하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행하며, 서로 다른 다양한 시스템에서 제공된 데이터를 복합적 기준으로 통합적으로 관리함으로써 이에 대한 교차 검증을 보다 원활하게 수행할 수 있는 수 있는 효과가 있다.
도 1은 본 발명의 일 실시형태에 따른 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템의 일 적용예를 설명하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 예시적인 컴퓨팅 운영 환경을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버를 설명하는 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 마이닝부의 일 예를 설명하는 블록 구성도이다.
도 5는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버에 의한 데이터 마이닝의 일 예를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 학습 분석부의 일 예를 설명하는 블록 구성도이다.
도 7은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 방법을 설명하는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 예시적인 컴퓨팅 운영 환경을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버를 설명하는 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 마이닝부의 일 예를 설명하는 블록 구성도이다.
도 5는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버에 의한 데이터 마이닝의 일 예를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 학습 분석부의 일 예를 설명하는 블록 구성도이다.
도 7은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 방법을 설명하는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 형태들을 설명한다.
그러나, 본 발명의 실시형태는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시 형태로 한정되는 것은 아니다. 또한, 본 발명의 실시형태는 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다.
즉, 전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 이하에서 본 발명에 따른 시스템을 설명하기 위하여 다양한 구성요소 및 그의 하부 구성요소에 대하여 설명하고 있다. 이러한 구성요소 및 그의 하부 구성요소들은, 하드웨어, 소프트웨어 또는 이들의 조합 등 다양한 형태로서 구현될 수 있다. 예컨대, 각 요소들은 해당 기능을 수행하기 위한 전자적 구성으로 구현되거나, 또는 전자적 시스템에서 구동 가능한 소프트웨어 자체이거나 그러한 소프트웨어의 일 기능적인 요소로 구현될 수 있다. 또는, 전자적 구성과 그에 대응되는 구동 소프트웨어로 구현될 수 있다.
본 명세서에 설명된 다양한 기법은 하드웨어 또는 소프트웨어와 함께 구현되거나, 적합한 경우에 이들 모두의 조합과 함께 구현될 수 있다. 본 명세서에 사용된 바와 같은 "부(Unit)", "서버(Server)" 및 "시스템(System)" 등의 용어는 마찬가지로 컴퓨터 관련 엔티티(Entity), 즉 하드웨어, 하드웨어 및 소프트웨어의 조합, 소프트웨어 또는 실행 시의 소프트웨어와 등가로 취급할 수 있다. 또한, 본 발명의 시스템에서 실행되는 각 기능은 모듈단위로 구성될 수 있고, 하나의 물리적 메모리에 기록되거나, 둘 이상의 메모리 및 기록매체 사이에 분산되어 기록될 수 있다.
본 발명의 실시형태를 설명하기 위하여 다양한 순서도가 개시되고 있으나, 이는 각 단계의 설명의 편의를 위한 것으로, 반드시 순서도의 순서에 따라 각 단계가 수행되는 것은 아니다. 즉, 순서도에서의 각 단계는, 서로 동시에 수행되거나, 순서도에 따른 순서대로 수행되거나, 또는 순서도에서의 순서와 반대의 순서로도 수행될 수 있다.
도 1은 본 발명의 일 실시형태에 따른 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템의 일 적용예를 설명하는 도면이다.
도 1을 참조하면, 운송사업운영 분석 평가 서버(300)는 외부 서버(501, 502)로부터 운송 사업과 관련된 데이터들을 수집하고, 그에 대한 데이터 마이닝 및 학습을 수행하여 통합 관리 및 교차 검증을 수행할 수 있다.
외부 서버로는, 운송사업 관련 서버(501) 및 결제 관련 서버(502)를 포함할 수 있다. 도시된 예에서, 운송사업 관련 서버(501) 및 결제 관련 서버(502)는 각각 단수로 표시되어 있으나, 이는 설명의 편의를 위한 것으로 이에 한정되지 않는다. 따라서, 본 명세서에서 운송사업 관련 서버(501) 및 결제 관련 서버(502)는 복수 주체에 의하여 각각 개별적으로 운영되는 복수의 서버들 일 수도 있다.
운송사업 관련 서버(501)는 운송 사업과 관련된 운송 관련 데이터를 저장한다. 일 예로, 운송사업 관련 서버(501)는, 운송사업자가 버스에 장착하는 단말장치(DTG/BIS/BMS/교통카드 등)와 연동하여 데이터를 수집하는 데이터 수집 서버(BIS/BMS/DTG 등), 운행기록 서버(eTAS), 운송사업자의 경영정보서버(ERP 등) 등을 포함할 수 있다. 여기에서, 데이터 수집 서버(BIS/BMS/DTG 등), 운행기록 서버(eTAS)의 운영 주체는 운송사업자 이거나 또는 해당 운송사업자를 관리하는 지방자치단체 또는 국가 공공기관 일 수 있다.
운송 관련 데이터는, 차량에 장착된 운행이력기록계(DTG)로부터 획득된 차량 운행 데이터, 버스운영정보 시스템(BMS/BIS)으로부터 획득되는 버스 운행 내역, 운송 사업자가 운영하는 경영정보시스템(ERP)으로부터 획득되는 운송 사업자의 인사/급여/구매/회계/배차 등 경영 관련 데이터를 포함할 수 있다.
결제 관련 서버(502)는 운송 결제와 관련된 과금 관련 데이터를 저장한다. 예컨대, 결제 관련 서버(502)는 버스의 요금 과금을 처리하는 결제 운영사(예컨대, T머니 등)을 포함할 수 있다.
과금 관련 데이터는 요금수집장치(AFC) 또는 교통결제 관리서버로부터 수집되는 이용객의 탑승 이력, 교통카드 과금 이력을 포함할 수 있다.
운송사업운영 분석 평가 서버(300)는 준공영제를 운영하는 지방자치단체에서 운영하는 시스템으로서, 해당 지방자치단체와 연관하여 운송 사업을 수행하는 운송사업자들의 버스에 대한 운전 정보(난폭/안전운전, 경제운전), 과금 등 비용 정보, 정비항목 정보, 운송비용 및 경영 관련 정보를 통합적으로 관리하고 실시간으로 모니터링 할 수 있다.
운송사업운영 분석 평가 서버(300)는 운송사업 관련 서버(501) 및 결제 관련 서버(502)로부터 운송 관련 데이터 및 과금 관련 데이터를 수집하고, 운송 관련 데이터 및 과금 관련 데이터에 대하여 데이터 정제 및 재구성 처리를 수행하여 데이터 마이닝을 수행한다.
예컨대, 운송사업운영 분석 평가 서버(300)는 운송 관련 데이터 및 과금 관련 데이터에 대하여 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행할 수 있다.
운송사업운영 분석 평가 서버(300)는 마이닝 된 데이터를 대상으로 학습 기반의 분석을 수행하여, 경제운전 분석(연료소모 등), 정비 관련 비용 분석(소모품 등), 운행기록 통계분석(운전자, 버스 등), 이용자 분석(이용형태, 요금 등), 운송사업자 분석(회계, 인사, 급여, 수입금, 고객서비스 등)을 수행할 수 있다.
운송사업운영 분석 평가 서버(300)는 마이닝 된 데이터를 대상으로 학습 기반의 분석을 수행하여 운송 관련 데이터와 과금 관련 데이터 간의 통합 관리 및 교차 검증을 수행할 수 있다.
이하, 도 2 내지 도 6을 참조하여, 이러한 운송사업운영 분석 평가 서버(300)의 다양한 실시예들에 대하여 보다 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 예시적인 컴퓨팅 운영 환경을 설명하는 도면이다.
도 2는 실시예들이 구현될 수 있는 적합한 컴퓨팅 환경의 일반적이고 단순화된 설명을 제공하기 위한 것이다. 도 2를 참조하면, 운송사업운영 분석 평가 서버(300)의 일 예로서 예시적인 컴퓨팅 운영 환경의 블록도인 컴퓨팅 장치(200)가 도시된다.
컴퓨팅 장치(200)는 실시예들에 따라 데이터베이스 프로그램 내의 로직 시나리오에 대한 미리 구축된 컨트롤의 갤러리를 제공하기 위한 애플리케이션을 실행하는 임의의 컴퓨팅 장치일 수 있고, 적어도 프로세싱 유닛(203)과 시스템 메모리(201)를 포함할 수 있다. 컴퓨팅 장치는 프로그램을 실행할 때 협조하는 복수의 프로세싱 유닛을 포함할 수도 있다. 컴퓨팅 장치의 정확한 구성 및 유형에 의존하여, 시스템 메모리(201)는 휘발성(예컨대, 램(RAM)), 비휘발성(예컨대, 롬(ROM), 플래시 메모리 등) 또는 이들의 조합일 수 있다. 시스템 메모리(201)는 플랫폼의 동작을 제어하기 위한 적합한 운영 체제(202)를 포함하는데, 예컨대 마이크로소프트사로부터의 WINDOWS 운영체제와 같은 것일 수 있다. 시스템 메모리(201)는 프로그램 모듈, 애플리케이션 등의 같은 하나 이상의 소프트웨어 애플리케이션을 포함할 수도 있다.
컴퓨팅 장치는 추가적 특징 또는 기능을 가질 수 있다. 예를 들어, 컴퓨팅 장치는 자기 디스크, 광학적 디스크, 또는 테이프와 같은 추가적인 데이터 저장 장치(204)를 포함할 수 있다. 이러한 추가적 저장장치는 이동식 저장장치 및/또는 고정식 저장장치 일 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 인스트럭션, 데이터 구조, 프로그램 모듈, 또는 기타 데이터와 같은 저장정보를 위한 임의의 방법이나 기법으로 구현되는 휘발성 및 비휘발성, 이동식 및 고정식 매체를 포함할 수 있다. 시스템 메모리(201), 저장장치(204)는 모두 컴퓨터 판독가능 저장 매체의 예시일 뿐이다. 컴퓨터 판독가능 저장 매체는 램(RAM), 롬(ROM), EEPROM, 플래시 메모리 또는 다른 메모리 기법, CD-ROM, DVD 또는 다른 광학적 저장장치, 자기 테이프, 자기 디스크 저장장치 또는 다른 자기적 저장 장치, 또는 원하는 정보를 저장하고 컴퓨팅 장치(200)에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있는데, 이에 한정되는 것은 아니다.
컴퓨팅 장치의 입력 장치(205), 예컨대 키보드, 마우스, 펜, 음성 입력 장치, 터치 입력 장치, 및 비교가능한 입력 장치를 포함할 수 있다. 출력 장치(206)는, 예컨대 디스플레이, 스피커, 프린터, 및 다른 유형의 출력 장치가 포함될 수도 있다. 이들 장치는 본 기술분야에서 널리 알려진 것이므로 자세한 설명은 생략한다.
컴퓨팅 장치는 예컨대 분산 컴퓨팅 환경에서의 네트워크(20), 예컨대, 유무선 네트워크, 위성 링크, 셀룰러 링크, 근거리 네트워크, 및 비교가능한 메커니즘을 통해 장치가 다른 장치들과 통신하도록 허용하는 통신 장치(207)를 포함할 수도 있다. 통신 장치(207)는 통신 매체의 한가지 예시이며, 통신 매체는 그 안에 컴퓨터 판독 가능 인스트럭션, 데이터 구조, 프로그램 모듈, 또는 다른 데이터를 포함할 수 있다. 예시적으로, 통신 매체는 유선 네트워크나 직접 유션 접속과 같은 유선 매체, 및 음향, RF, 적외선 및 다른 무선 매체와 같은 무선 매체를 포함하는데, 이에 한정되는 것은 아니다.
도 2에서는 운송사업운영 분석 평가 서버(300)가 하나의 컴퓨팅 장치(200)로 구현되는 예를 들어 설명하였으나, 이에 한정되는 것은 아니다. 즉, 운송사업운영 분석 평가 서버(300)는 복수의 컴퓨팅 장치(200) 또는 물리적인 서버로 구현될 수 도 있고, 또는, 운송사업운영 분석 평가 서버(300)의 각 기능별로 각각 개별적인 컴퓨팅 장치로서 구현될 수 도 있는 등, 다양한 형태로 구현이 가능하다.
도 3은 본 발명의 일 실시형태에 따른 운송사업운영 분석 평가 서버(300)를 설명하는 블록 구성도이다.
도 3을 참조하면, 운송사업운영 분석 평가 서버(300)는 데이터 수집부(310), 제1 데이터베이스(320), 마이닝부(330), 제2 데이터베이스(340) 및 학습 분석부(350)를 포함할 수 있다.
데이터 수집부(310)는 운송사업 관련 서버(501) 및 결제 관련 서버(502)로부터 각각 운송 관련 데이터 및 과금 관련 데이터를 수집할 수 있다. 이를 위하여, 데이터 수집부(310)는 운송사업 관련 서버(501) 및 결제 관련 서버(502)와 사전 연동된 통신 채널 및 데이터 접근 권한을 부여받을 수 있다.
일 예로, 운송 관련 데이터는 버스 운행 정보 관련 데이터, 운행기록 관련 데이터, 경영정보 관련 데이터를 포함할 수 있다.
버스 운행 정보 관련 데이터는, 수집 ID, 수집서버번호, 차량 ID, 정보생성일시, 교차료/정류소 ID, 교차료/정류소 구분, 버스노선 ID, 이벤트코드, 정차시간, 정보기록일시, Local X/Y 좌표, 오류코드, 센터 수집시간, 이벤트 구분, 패킷번호, 막차코드, 막차의 최종도착정류장, 도어개폐코드, 빈자리, 승객수 및 혼잡도 중 적어도 하나를 포함할 수 있다.
운행기록 관련 데이터는, 모델명, 차량번호, 차대번호, 자동차등록번호, 운송사업자등록번호, 운전자면허증번호, 운전자사번, 운전자이름, 자동차유형, 일일주행거리, 누적주행거리, 정보발생일시, 차량주행속도, RPM, 브레이크신호, 차량위치정보, 방위각, 가속도, 급가속횟수, 급제동횟수, 과속횟수, 이벤트 횟수, 연료량, 이동경로, 기기상태, DTC 진단코드, 연료소모량, 정비이력, 전기차 정보 중 적어도 하나를 포함할 수 있다. 이를 위하여, 운행기록수집단말은 생체인식 모듈과 연동하여 운전자 정보를 취득하고, 모바일 통신을 통하여 실시간으로 정보의 공유를 수행할 수 있다.
경영정보 관련 데이터는 회계, 인사, 급여, 배차, 수입금, 정비 중 적어도 하나를 포함할 수 있다.
일 예로, 과금 관련 데이터는 카드 정보, 트랜젝션 ID, 환승횟수, 교통카드발행사 정보, 총이용객수, 교통카드 사용자구분, 교통수단코드, 버스노선정보, 차량정보, 총통행거리, 총탑승시간, 총 소요시간, 승차일시, 하차일시, 최초승차일시,최초하차일시, 승차역 정보, 하차역ㅈ 정보, 최초승차역 정보, 최종하차역정보, 총이용금액, 총수집건수, 트립체인완료코드 중 적어도 하나를 포함할 수 있다.
제1 데이터베이스(320)는 데이터 수집부(310)에 의하여 수집된 운송 관련 데이터 및 과금 관련 데이터를 로(raw) 데이터로서 저장한다. 즉, 제1 데이터베이스(320)는 수집된 로 데이터를 저장하고, 이를 기초로 마이닝부(330)에서 데이터 마이닝을 수행할 수 있다.
마이닝부(330)는 운송 관련 데이터 및 과금 관련 데이터에 대하여 데이터 정제를 수행할 수 있다. 여기에서, 데이터 정제는 로 데이터에서 불필요한 정보 부분을 삭제하는 것을 의미한다. 즉, 데이터 전처리의 일환으로서 마이닝부(330)는 로 데이터에서, 학습 분석부(350)에서 사용되는 데이터의 유효 부분을 제외한 나머지 부분을 삭제 처리할 수 있다.
마이닝부(330)는 객체 중심으로 데이터의 연관관계를 설정하여 데이터를 재구성함으로써 데이터 마이닝을 수행할 수 있다.
예컨대, 마이닝부(330)는 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행할 수 있다.
즉, 마이닝부(330)는 운송 관련 데이터 및 과금 관련 데이터에 대하여 노이즈를 제거하여 데이터를 정제하고, 정제된 데이터를 기초로 버스 객체, 인적 객체 및 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행할 수 있다.
학습 분석부(350)는 마이닝 된 데이터를 대상으로 학습 기반의 분석을 수행하여, 경제운전 분석(연료소모 등), 정비 관련 비용 분석(소모품 등), 운행기록 통계분석(운전자, 버스 등), 이용자 분석(이용형태, 요금 등), 운송사업자 분석(회계, 인사, 급여, 수입금, 고객서비스 등)을 수행할 수 있다.
일 예로, 학습 분석부(350)는 버스사 각각에 대하여 분석을 수행할 수 있다. 즉, 학습 분석부(350)는 버스사 각각에 대하여, 보유 및 운행버스 별 내역(운행거리, 운행시간, 유류비, 정비비 및 사고건수 등), 운전자별 내역(위험운전행동, 경제운전지수, 운행시간, 거리, 연료소모량, 연비, 휴게시간, 사고건수 등), 운송수입(노선별, 이용고객수, 수입 등), 정비비 세부내역(일시, 정비명, 인건비, 소모부품명, 부품비용 등), 연료소비관련내역(일시, 연료별사용량, 단가, 구매비용 등), 이용고객수(노선별, 이동거리, 정산요금 등), 11대위험운전행동내역(일시, 행위명, 운전자, 장소), 이벤트 내역(공회전, 무정차, 사고, 운전자, 장소), 전기차별 내역(운행거리, 운행시간, 충전일시, 연비, 배터리잔여량, 배터리 상태 등)을 분석할 수 있다.
다른 예로, 학습 분석부(350)는 항목별 분석을 수행할 수 있다. 즉, 학습 분석부(350)는 각 버스사의 보유버스 별 기간별(월/년) 통계 리스트 및 세부내역(댓수, 엔진/제조사/연료별 현황, 구매시기, 버스별 누적거리, 사고이력 등), 각 버스사의 운전자 기간별(일/월/년) 통계리스트 및 세부 내역(운전자수, 운전자 당 전체운행시간, 운전자 당 평균운행시간, 운전자 당 전체운전거리, 운전자 당 평균운전거리, 운전자 당 휴게시간, 운전자 당 연료소모량 등), 각 버스사의 운송수입 기간별(일/월/년) 통계리스트 및 세부내역(운행거리, 운행대수, 이용고객수 등), 각 버스사의 연료별 소모량 기간별(일/월/년) 통계리스트 및 세부내역(11대위험운전행동내역/건수, 위험운전행동명/일시/장소), 각 버스사의 경제운전관련 기간별(일/월/년) 통계리스트 및 세부내역(평균연비, 전체소모량, 운행거리, 공회전건수/시간/장소, 급가/급감, 과속건수/시간/장소 등), 각 버스사의 정비관련 간별(일/월/년) 통계리스트 및 세부내역(공회전/무정차/사고등 건수/내역, 지속시간, 장소), 각 버스사의 전기차 관련 간별(일/월/년) 통계리스트 및 세부내역(제조사별, 댓수, 전체운행거리, 배터리소모량, 연비, 배터리재충전주기 등) 을 분석할 수 있다.
도 4는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 마이닝부의 일 예를 설명하는 블록 구성도로서, 마이닝부(330)는 정제 모듈(331), 버스 객체 마이닝 모듈(332), 인적 객체 마이닝 모듈(333) 및 비용 객체 마이닝 모듈(334)을 포함할 수 있다.
정제 모듈(331)은 운송 관련 데이터 및 과금 관련 데이터, 즉, 로 데이터에서, 데이터의 유효 부분을 제외한 나머지 부분을 삭제 처리하여 정제할 수 있다.
버스 객체 마이닝 모듈(332)은 정제된 데이터를 기초로 버스 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터로서 재구성하고, 인적 객체 마이닝 모듈(333)은 정제된 데이터를 기초로 인적 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 인적 객체 중심 데이터로서 재구성하며, 비용 객체 마이닝 모듈(334)은 정제된 데이터를 기초로 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 비용 객체 중심 데이터로서 재구성 할 수 있다.
도 5는 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버에 의한 데이터 마이닝의 일 예를 설명하기 위한 도면으로, 도 5에서는 인적 객체 중심 데이터와 버스 객체 중심 데이터의 일 예들을 도식화 하고 있다.
도 5의 도시된 예에서, 정제된 데이터는, 운행자 정보, 해당 운행자가 운행하는 버스 정보, 버스의 노선 정보, 버스의 수입 정보, 운행자의 근무 정보, 운행 시간 정보, 휴식 정보, 사고 정보, 사고 차량 정보, 사고 시간 정보, 정비이력 정보, 소모품 교환 정보, 사고 이력 정보 등을 포함한다.
정제된 상태에서의 데이터는 도 5의 도시된 예와 달리, 일부 데이터 간에 일부 연관성을 가질 뿐이다. 마이닝부(330)는 이러한 일부의 연관성을 기초로, 특정 객체를 중심으로 연관 관계를 확장하여 객체 중심의 데이터 구조를 생성할 수 있다. 즉, 도 5에 도시된 예와 같이, 운행자 객체 중심의 데이터 구조와, 버스 객체 중심의 데이터 구조를 생성할 수 있다.
이러한 구조는, 이후에서 설명하는 학습 분석부(350)의 학습 분석에서의 효율을 증대시키기 위한 구조이다. 이는, 준공영제로서 운행관련 모든 정보를 통합적으로 관리함에 있어서, 상호 교차 검증을 위하여 다른 데이터 구조를 복수개 구비하는 것이며, 또한, 그 객체 대상을 버스 객체, 인적 객체 및 비용 객체로 설정함으로써, 운행관련 모든 데이터의 통합적인 분석이 가능하며, 또한 비용 검증, 차량안전 검증 등의 검증 효율을 증진시킬 수 있기 때문이다.
제2 데이터베이스(340)는 마이닝부(330)에 의하여 로(raw) 데이터에 대하여 버스 객체, 인적 객체 및 비용 객체를 기준으로 마이닝 된 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 저장한다.
학습 분석부(350)는 상술한 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행할 수 있다.
학습 분석부(350)는 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터 각각에 대하여 개별적으로 분석을 수행하고, 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터 간의 상호 연관되는 연관 객체를 식별할 수 있다. 학습 분석부(350)는 식별된 연관 객체를 기준으로 개별적으로 분석된 내용을 상호 교차 확인하여 교차 검증을 수행할 수 있다.
예컨대, 학습 분석부(350)는 전체적인 운행 분석, 운행 노선의 혼잡도 분석, 운전자 분석 등을 분석할 수 있고, 지원금 등에 대한 비용 검증, 차량 안전 검증 등에 대하여 교차 검증을 수행할 수 있다.
도 6은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버의 학습 분석부의 일 예를 설명하는 블록 구성도이다.
도 6을 참조하면, 학습 분석부(350)는 운행 분석모듈(351), 이벤트 분석모듈(352), 운전자 분석모듈(353), 비용 검증모듈(354) 및 차량안전 검증모듈(355) 중 적어도 하나를 포함할 수 있다.
운행 분석모듈(351)은 운행과 관련된 데이터의 분석 및 검증을 수행할 수 있다.
운행 분석모듈(351)은 특정 노선에 속하는 버스 객체에 대한 버스 객체 중심 데이터, 비용 객체 중심 데이터에서 특정 노선에 대한 정보를 기초로 노선별 운행 정보를 확인할 수 있다. 예컨대, 운행 분석모듈(351)은 특정 노선의 이용 고객 정보 및 수입 정보를 확인할 수 있으며, 이를 시간대별, 요일별 등으로 구분하여 확인할 수 있다.
이벤트 분석모듈(352)은 특정 버스의 버스 객체 중심 데이터, 비용 객체 중심 데이터에서 해당 특정 버스의 운임 정보를 이용하여, 특정 버스에 대한 혼잡도를 분석할 수 있다. 예컨대, 출퇴근 시간대의 혼잡도, 사용자 수, 노선별 시간대별 혼잡도 분석을 수행할 수 있다.
운전자 분석모듈(353)은 특정 운전자에 대한 인적 객체 중심 데이터, 버스 객체 중심 데이터에서 해당 특정 운전자에 대한 정보를 기초로, 운전자 별 운행분석을 수행할 수 있다. 예컨대, 운전자별 운전 시간, 운전 시간을 기초로 평가된 누적 운전 지수, 휴게 지수, 사고 건수, 위험 운전 정보를 확인할 수 있다.
비용 검증모듈(354)은 버스 객체 중심 데이터 및 비용 객체 중심 데이터 간의 상호 교차 검증으로 운송 사업자의 비용 내역을 검증할 수 있다.
일 예로, 비용 검증모듈(354)은 운송 사업자에 지원된 보조금과, 해당 보조금의 사용처를 연관하여 상호 교차 검증하여 보조금 유용 여부를 판단할 수 있다. 이를 위하여, 비용 검증모듈(354)은 비용 객체 중심 데이터에 포함된 보조금 지급 정보와 버스 객체 중심 데이터에 포함된 보조금 사용 정보(예컨대, 버스 구입자금)을 상호 교차 검증하여 보조금 사용의 적합성을 검증할 수 있다.
예를 들어, 버스 A의 구매지원자금으로 지원금을 1억 받아 버스를 구매한 뒤, 해당 구매를 할부계약으로 변경하였다고 가정하면, 비용 검증모듈(354)은 해당 버스 A에 대한 구매지원자금으로 1억을 받은 정보, 구매비용으로 지출한 1억 정보, 할부금으로 지출한 할부금 정보를 획득할 수 있다. 비용 검증모듈(354)은 버스 1억에 대하여, 지원금 1억, 구매비용 1억, 할부금을 모두 포함함을 검증할 수 있으며, 따라서, 비용 검증모듈(354)은 해당 버스 A에 대하여 이중 지출이 설정된 것을 판단할 수 있다. 따라서, 비용 검증모듈(354)은 해당 사항에 대하여 이중 지출에 의한 지원금 유용을 판단하고 이를 사용자에게 리포트할 수 있다.
차량안전 검증모듈(355)은 버스 객체 중심 데이터 및 비용 객체 중심 데이터 간의 상호 교차 검증으로 버스에 대한 안전 검증을 수행할 수 있다. 예컨대, 차량안전 검증모듈(355)은 동일 종류의 버스에 대한 정비/소모품 정보와, 특정 버스에 대한 정비/소모품 이력으로 특정 버스에 대한 정비 또는 소모품 교체 필요를 판단하고 이를 사용자에게 리포트 할 수 있다.
이상에서는 도 1 내지 도 6을 참조하여, 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 서버에 대하여 설명하였다. 이하에서는, 도 7 내지 도 9를 참조하여, 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 방법에 대하여 설명한다.
이하에서 설명할 운송사업운영 분석 평가 방법은 운송사업운영 분석 평가 서버 (300)에서 수행되므로, 도 1 내지 도 6을 기초로 상술한 설명으로부터 쉽게 이해할 수 있다.
도 7은 본 발명의 일 실시예에 따른 운송사업운영 분석 평가 방법을 설명하는 순서도이다.
도 7을 참조하면, 운송사업운영 분석 평가 서버(300)는, 운송사업 관련 서버 및 교통 결제 서버로부터 운송 관련 데이터 및 과금 관련 데이터를 수집 할 수 있다(S710).
운송사업운영 분석 평가 서버(300)는, 운송 관련 데이터 및 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행 할 수 있다(S720).
운송사업운영 분석 평가 서버(300)는, 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 운송 사업과 관련된 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하여 학습을 수행 할 수 있다(S730).
일 실시예에서, 운송사업운영 분석 평가 서버(300)는, 데이터 수집부에 의하여 수집된 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 로(raw) 데이터로서 저장하여 제1 데이터 베이스를 구축하는 단계, 및 마이닝부에 의하여 상기 로(raw) 데이터에 대하여 버스 객체, 인적 객체 및 비용 객체를 기준으로 마이닝 된 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 저장하여 제2 데이터 베이스를 구축하는 단계를 더 수행할 수 있다.
도 8은 도 7에 도시된 단계 S720의 일 실시예를 설명하는 순서도이다.
도 8을 참조하면, 운송사업운영 분석 평가 서버(300)는, 운송 관련 데이터 및 과금 관련 데이터에 대하여 노이즈를 제거하여 데이터를 정제 할 수 있다(S721).
운송사업운영 분석 평가 서버(300)는, 정제된 데이터를 기초로 버스 객체, 인적 객체 및 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성할 수 있다(S722).
도 9는 도 7에 도시된 단계 S730의 일 실시예를 설명하는 순서도이다.
도 9를 참조하면, 운송사업운영 분석 평가 서버(300)는, 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터 각각에 대하여 개별적으로 분석을 수행 할 수 있다(S731).
운송사업운영 분석 평가 서버(300)는, 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터 간의 상호 연관되는 연관 객체를 식별 하고(S732), 식별된 연관 객체를 기준으로 개별적으로 분석된 내용을 상호 교차 확인하여 교차 검증을 수행 할 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
100 : 사용자 단말
300 : 운송사업운영 분석 평가 서버
501, 502 : 외부 서버
301 : 시스템 메모리 302 : 운영체제
303 : 프로세싱 유닛 304 : 저장장치
305 : 입력장치 306 : 출력장치
307 : 통신장치
310 : 데이터 수집부 320 : 제1 데이터베이스
330 : 마이닝부 340 : 제2 데이터베이스
350 : 학습 분석부 360 : 사용자 리포팅부
300 : 운송사업운영 분석 평가 서버
501, 502 : 외부 서버
301 : 시스템 메모리 302 : 운영체제
303 : 프로세싱 유닛 304 : 저장장치
305 : 입력장치 306 : 출력장치
307 : 통신장치
310 : 데이터 수집부 320 : 제1 데이터베이스
330 : 마이닝부 340 : 제2 데이터베이스
350 : 학습 분석부 360 : 사용자 리포팅부
Claims (10)
- 운송 사업과 관련된 운송 관련 데이터를 저장하는 운송사업 관련 서버;
과금 관련 데이터를 저장하는 교통 결제 서버; 및
상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하고, 상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성 처리를 수행하여 데이터 마이닝을 수행하고, 상기 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하여 학습을 수행하는 운송사업운영 분석 평가 서버;를 포함하고,
상기 운송사업운영 분석 평가 서버는,
상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하는 데이터 수집부;
상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 상기 데이터 마이닝을 수행하는 마이닝부; 및
상기 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하는 학습 분석부를 포함하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템.
- 삭제
- 삭제
- 제1항에 있어서, 상기 운송사업운영 분석 평가 서버는,
상기 데이터 수집부에 의하여 수집된 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 로(raw) 데이터로서 저장하는 제1 데이터 베이스; 및
상기 마이닝부에 의하여 상기 로(raw) 데이터에 대하여 버스 객체, 인적 객체 및 비용 객체를 기준으로 마이닝 된 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 저장하는 제2 데이터 베이스;
를 더 포함하는 것을 특징으로 하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템.
- 제1항에 있어서, 상기 마이닝부는,
상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 노이즈를 제거하여 데이터를 정제하고, 정제된 데이터를 기초로 버스 객체, 인적 객체 및 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 상기 데이터 마이닝을 수행하는 것
을 특징으로 하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템.
- 제1항에 있어서, 상기 학습 분석부는,
상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 각각에 대하여 분석을 수행하고,
상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 간의 상호 연관되는 연관 객체를 식별하고,
식별된 연관 객체를 기준으로 분석된 내용을 상호 교차 확인하여 교차 검증을 수행하는 것
을 특징으로 하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템.
- 운송 사업과 관련된 운송 관련 데이터를 저장하는 운송사업 관련 서버 및 과금 관련 데이터를 저장하는 교통 결제 서버와 연동하여 동작하는 운송사업운영 분석 평가 서버에서 수행되는 운송사업운영 분석 평가 방법으로서,
상기 운송사업 관련 서버 및 상기 교통 결제 서버로부터 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 수집하는 단계;
상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 데이터 정제를 수행하고, 정제된 데이터를 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하여 데이터 마이닝을 수행하는 단계; 및
상기 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 기반으로 경제운전 분석, 정비 관련 비용 분석, 운행기록 통계분석, 이용자 분석 및 운송사업자 분석을 중 적어도 하나를 분석하고, 비용 및 차량 안전에 대한 교차 검증을 수행하여 학습을 수행하는 단계;를 포함하고,
상기 학습을 수행하는 단계는,
상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 각각에 대하여 분석을 수행하는 단계;
상기 버스 객체 중심 데이터, 상기 인적 객체 중심 데이터 및 상기 비용 객체 중심 데이터 간의 상호 연관되는 연관 객체를 식별 하는 단계; 및
식별된 연관 객체를 기준으로 분석된 내용을 상호 교차 확인하여 교차 검증을 수행 하는 단계를 포함하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 방법.
- 제7항에 있어서, 상기 운송사업운영 분석 평가 방법은,
데이터 수집부에 의하여 수집된 상기 운송 관련 데이터 및 상기 과금 관련 데이터를 로(raw) 데이터로서 저장하여 제1 데이터 베이스를 구축하는 단계; 및
마이닝부에 의하여 상기 로(raw) 데이터에 대하여 버스 객체, 인적 객체 및 비용 객체를 기준으로 마이닝 된 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터를 저장하여 제2 데이터 베이스를 구축하는 단계;
를 더 포함하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 방법.
- 제7항에 있어서, 상기 데이터 마이닝을 수행하는 단계는,
상기 운송 관련 데이터 및 상기 과금 관련 데이터에 대하여 노이즈를 제거하여 데이터를 정제하는 단계; 및
정제된 데이터를 기초로 버스 객체, 인적 객체 및 비용 객체를 기준으로 그와 관련된 데이터들을 각각 연관하여 버스 객체 중심 데이터, 인적 객체 중심 데이터 및 비용 객체 중심 데이터로서 재구성하는 단계;
를 포함하는 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210028974A KR102457947B1 (ko) | 2021-03-04 | 2021-03-04 | 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210028974A KR102457947B1 (ko) | 2021-03-04 | 2021-03-04 | 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220125052A KR20220125052A (ko) | 2022-09-14 |
| KR102457947B1 true KR102457947B1 (ko) | 2022-10-25 |
Family
ID=83279254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210028974A KR102457947B1 (ko) | 2021-03-04 | 2021-03-04 | 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102457947B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021033895A (ja) | 2019-08-29 | 2021-03-01 | 株式会社豊田中央研究所 | 変数選定方法、変数選定プログラムおよび変数選定システム |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090058213A (ko) | 2007-12-04 | 2009-06-09 | (주)아이이지컨설팅 | 차량 운행 관리 시스템 |
| KR20140002341A (ko) * | 2012-06-29 | 2014-01-08 | 주식회사 케이티 | 운행기록 데이터 관리 방법 및 차량 운행관리 시스템 |
| KR101601031B1 (ko) * | 2014-05-02 | 2016-03-08 | 국민대학교 산학협력단 | 운행기록 빅데이터 처리 및 분석 방법 |
| KR102064665B1 (ko) * | 2018-03-29 | 2020-01-10 | 주식회사 와이비에스 | 교통카드 데이터 기반 버스 정보와 승하차 누락 및 결측 데이터 보정 시스템 |
-
2021
- 2021-03-04 KR KR1020210028974A patent/KR102457947B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021033895A (ja) | 2019-08-29 | 2021-03-01 | 株式会社豊田中央研究所 | 変数選定方法、変数選定プログラムおよび変数選定システム |
Non-Patent Citations (1)
| Title |
|---|
| 비특허문헌1(최정민 외 2인, 한국교통연구원) |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220125052A (ko) | 2022-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200175786A1 (en) | Electronic logging and track identification system for mobile telematics devices, and corresponding method thereof | |
| US20180300816A1 (en) | Telematics system and corresponding method thereof | |
| JP6277316B1 (ja) | 企業−従業員間カーシェアシステム | |
| US20140278574A1 (en) | System and method for developing a driver safety rating | |
| US20100030586A1 (en) | Systems & methods of calculating and presenting automobile driving risks | |
| CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
| CN109598361B (zh) | 一种基于网约车平台的公务用车管理系统 | |
| Choudhary et al. | Does immediate feedback make you not try as hard? A study on automotive telematics | |
| CN104036634B (zh) | 一种基于rfid技术的控制城市机动车流量的方法及系统 | |
| Qi et al. | New method for predicting long-term travel time of commercial vehicles to improve policy-making processes | |
| KR102457947B1 (ko) | 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 | |
| CN116543242B (zh) | 基于高速收费数据的车型检测方法、装置、设备及介质 | |
| CN115565365B (zh) | 一种高速公路数据处理方法、装置、设备及计算机程序产品 | |
| JP2002117237A (ja) | リスク細分型自動車保険システムおよびリスク細分型自動車保険運用装置 | |
| Han et al. | Modeling System-Wide Urban Rail Transit Energy Consumption: A Case Study of Boston | |
| Silveira-Santos et al. | Using a Discrete-Event Simulation Model for Evaluating the Operational Performance of Toll Plazas | |
| DE10228401A1 (de) | Vorrichtung zur Bestimmung von Benutzungsgebühren und Gebührenerfassungssystem | |
| Henderson et al. | The Impact of Uber on Drunk Driving in New Zealand | |
| KR20190130762A (ko) | 도로교통 분석 서버, 도로교통정보 분석 시스템 및 분석 방법 | |
| Capecci et al. | Concept of operations for virtual weigh station | |
| TWI684948B (zh) | 分散式車險評估系統及其方法 | |
| Toledo et al. | Framework for analysis, and modeling of driving behavior incorporating in-vehicle data recorders | |
| Klein et al. | IVHS architecture development and evaluation process | |
| CN109345111A (zh) | 公交运营管理系统 | |
| Cho et al. | Heinrich’s Law for Traffic Incidents–Using the Digital Tachograph Data to Identify Traffic Accident Hotspots |
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 |