KR102511502B1 - 고객 건축 의사 결정 지원 시스템 - Google Patents

고객 건축 의사 결정 지원 시스템 Download PDF

Info

Publication number
KR102511502B1
KR102511502B1 KR1020220188016A KR20220188016A KR102511502B1 KR 102511502 B1 KR102511502 B1 KR 102511502B1 KR 1020220188016 A KR1020220188016 A KR 1020220188016A KR 20220188016 A KR20220188016 A KR 20220188016A KR 102511502 B1 KR102511502 B1 KR 102511502B1
Authority
KR
South Korea
Prior art keywords
architectural design
questions
answers
question
user information
Prior art date
Application number
KR1020220188016A
Other languages
English (en)
Inventor
김인한
최기영
조종윤
조찬원
황경은
이아진
김지영
Original Assignee
주식회사 엠쓰리시스템즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엠쓰리시스템즈 filed Critical 주식회사 엠쓰리시스템즈
Priority to KR1020220188016A priority Critical patent/KR102511502B1/ko
Application granted granted Critical
Publication of KR102511502B1 publication Critical patent/KR102511502B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—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]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사용자 단말; 및 상기 사용자 단말에서 접속 가능한 웹 페이지를 통해 건축 설계 모델 제시를 위한 질문을 출력하여 답변을 입력 받고, 답변을 분석하여 사용자 맞춤형 건축 설계 모델을 제시하는 관리 서버;를 포함하는, 고객 의사 결정 지원 시스템을 개시한다.

Description

고객 건축 의사 결정 지원 시스템{AI BASED ARCHITECTURE DECISION MAKING SUPPORT SYSTEM}
본 발명은 인공지능에 기반하여 고객의 요구사항에 맞는 건축 설계 모델을 제시하는 고객 의사 결정 지원 시스템에 관한 것이다.
건축기술의 발달과 더불어 다양한 건축물이 세워지고 있다. 특히 아파트 등의 집합건물과 같이 사용자에게 획일 적인 주거모델을 제공하는 방식에서 벗어나 사용자에게 적합한 형태의 주거모델을 제공하여 사용자가 신축 또는 재건축 과정에서 추천받은 형태의 주거모델을 기초로 건축이 이뤄지도록 하는 서비스도 제공되고 있다.
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.
특히 시장조사, 평면연구, 거주 후 평가 등 다양한 인력과 자본을 들여야 하는 조사과정은 투자한 비용 대비 만족할만한 결과를 얻기 어려운 경우가 많았다.
이러한 불합리를 개선하고 사용자에게 주거모델을 추천하기 위한 종래 기술의 일례로서, 대한민국 등록특허 제10-1958567호의 "상황인지 에너지 저감형 주거 설계 플랫폼 시스템"이 있다. 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.
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 사 용자의 선택 입력에 따른 가구구성 및 가구의 에너지 소비량에 의거한 에너지 소비관점에서만 사용자를 판단하고 주거모델을 추천할 수 있다는 문제가 있다.
또한 사용자가 거주하고 있는 지역에서 재건축을 시도하려고 하는 경우에도, 적절한 주거모델을 추천하는데 있어서 전술한 복잡한 과정을 그대로 거쳐야 하며, 사용자의 고민을 최소화하면서도 최적의 주거모델을 제안하는 데 어려움이 있다.
본 발명의 일측면은 고객의 요구사항을 파악하기 위해 단계적으로 질문을 제공하고, 각 질문에 대하여 고객이 선택하는 답변을 기반으로 건축 설계 모델을 제시하여 건축 설계 시 고객의 의사 결정을 지원하는 고객 의사 결정 지원 시스템을 개시한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 시스템은 사용자 단말; 및 상기 사용자 단말에서 접속 가능한 웹 페이지를 통해 건축 설계 모델 제시를 위한 질문을 출력하여 답변을 입력 받고, 답변을 분석하여 사용자 맞춤형 건축 설계 모델을 제시하는 관리 서버;를 포함한다.
한편, 상기 관리 서버는, 건물 용도에 대한 고객 의사를 확인하는 제1 단계 질문, 전용면적 및 건축 형태에 대한 고객 의사를 확인하는 제2 단계 질문, 실요구사항 및 우선순위에 대한 고객 의사를 확인하는 제3 단계 질문을 상기 사용자 단말로 단계적으로 출력하고, 상기 사용자 단말로부터 상기 제1 단계 질문, 상기 제2 단계 질문 및 상기 제3 단계 질문에 대한 답변을 각각 수신하여 사용자 정보로 저장하는 사용자 정보 수집부; 상기 사용자 정보를 분석하여 고객 맞춤형 건축 설계 모델을 추출하는 사용자 정보 분석부; 및 상기 고객 맞춤형 건축 설계 모델을 상기 사용자 단말로 출력하는 건축 설계 모델 추천부;를 포함할 수 있다.
한편, 상기 사용자 정보 수집부는, 단독주택, 오피스, 근린생활시설 및 그 외 중 어느 하나를 선택 받는 상기 제1 단계 질문, 희망 면적의 구간과, 평지붕의 단층, 박공지붕 또는 다락의 단층, 평지붕의 복층, 박공지붕의 복층 및 선호사항 없음 중 어느 하나의 건축형태 정보를 선택 받는 상기 제2 단계 질문, 방 개수 및 욕실 개수와, 파우더룸, 드레스룸, 욕실/화장실, 개별 발코니, 필요 없음 및 선호사항 없음 중 어느 하나 이상의 안방 부속실 정보, 알파룸, 층고, 거실-주방 연결 스타일, 공간 배치 및 선호사항 없음 중 어느 하나 이상의 기타 요구사항 정보를 선택 받는 상기 제3 단계 질문을 상기 사용자 단말로 출력하여 각각 답변을 입력 받아 수신하고, 상기 제1 단계 질문 내지 상기 제3 단계 질문에 대한 답변들의 조합을 상기 사용자 정보로 저장하고,
상기 사용자 정보 분석부는, 상기 사용자 정보 입력에 따른 건축 설계 모델을 출력하는 인공 신경망을 포함하고, 상기 인공 신경망에 상기 사용자 정보를 입력하여 상기 고객 맞춤형 건축 설계 모델을 출력하고, 출력한 상기 고객 맞춤형 건축 설계 모델을 상기 사용자 단말로 출력할 수 있다.
상술한 본 발명의 일 측면에 따르면, 건축 설계에 반영되는 고객 의사를 확인하기 위한 복수의 질문을 단계적으로 제공하여 답변을 입력 받고, 답변을 분석하여 고객 의사를 반영한 건축 설계 모델을 추출할 수 있으며, 이러한 고객 맞춤형 건축 설계 모델을 제시함으로써 건축 설계에 있어 편의성 및 고객 만족도를 높일 수 있다.
아울러, 고객 의사를 확인하기 위한 복수의 질문 답변과 매칭되는 건축 설계 모델을 학습한 인공지능 신경망을 이용하여 고객으로부터 수신하는 질문 답변을 분석함으로써 고객 맞춤형 건축 설계 모델 제시의 정확도를 높일 수 있으며, 나아가, 질문에 대한 답변을 단계별로 반영하여 학습한 복수의 인공지능 신경망을 이용하여 적합도를 다르게 한 복수의 건축 설계 모델을 제시함으로써 고객 의사 결정에 있어 건축 설계의 다양한 조건을 단계별로 고려할 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 시스템의 개념도이다.
도 2는 도 1에 도시된 관리 서버의 제어 블록도이고, 도 3 내지 도 7은 도 1에 도시된 사용자 단말에서 출력하는 화면의 일 예이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 시스템의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 시스템(1)은 사용자 단말(100) 및 관리 서버(200)를 포함할 수 있다.
사용자 단말(100)은 일반적인 데스크 탑이나 노트북 등의 일반 pc를 포함하고, 이뿐만 아니라, 스마트 폰, 태블릿 PC, PDA 및 이동통신 단말기 등의 모바일 단말기를 포함할 수 있으며, 이외에도 웹브라우징 기능이 가능한 모든 기기로 해석될 수 있다.
사용자 단말(100)은 운영체제와 연동되는 브라우저가 설치되어 있을 수 있다. 이 브라우저는 운영체제와 함께 기본적으로 설치된 기본 브라우저이거나, 기본 브라우저와는 별도로 사용자에 의해 추가로 설치된 브라우저일 수도 있다.
사용자 단말(100)에 설치되는 운영체제는 데스크탑 등의 일반 PC에 설치되는 윈도우(Window), 매킨토시(Macintosh) 등의 운영체제이거나, 스마트폰, 태블릿 PC 등의 모바일 단말기에 설치되는 안드로이드(Android), iOS 등의 모바일 전용 운영체제일 수도 있다.
사용자 단말(100)은 사용자로부터 의사 결정 지원을 위한 질문에 대한 답변을 입력 받을 수 있다.
관리 서버(200)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 웹 어플리케이션 서버(Web Application Server)와 동일한 구성을 하고 있다. 그러나, 소프트웨어적으로는 C, C++, Java, PHP, Net, Python, Ruby 등 여러한 언어를 통하여 구현되어 여러가지 기능을 하는 프로그램 모듈(Module)을 포함한다.
관리 서버(200)는 건축 설계에 있어 사용자의 의사 결정을 돕기 위한 건축 설계 모델을 제시하는 의사 결정 지원 서비스를 제공하기 위한 플랫폼의 운영 서버일 수 있다. 관리 서버(200)는 플랫폼에 가입한 회원 정보를 관리하고, 사용자 맞춤형 건축 설계 모델을 제시하는 서비스를 제공할 수 있다. 관리 서버(200)는 사용자 단말(100)을 통해 접속 가능한 웹 페이지를 통해 건축 설계 모델 제시를 위한 질문을 출력하여 답변을 입력 받고, 답변을 분석하여 사용자 맞춤형 건축 설계 모델을 제시할 수 있다.
관리 서버(200)는 일반적으로 인터넷 등의 개방형 컴퓨터 네트워크와 같은 네트워크를 통하여 사용자 단말(100)과 연결될 수 있다. 네트워크는 웹페이지의 전송 경로가 되는 망으로서 LAN(Local Area Network), WAN(Wide Area Network) 등의 폐쇄형 네트워크일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미한다. 사용자 단말(100)이 이동통신 단말기이거나 스마트폰 등인 경우, 네트워크는 이동통신망이나 와이파이망 등을 더 포함할 수도 있다.
도 2는 도 1에 도시된 관리 서버의 제어 블록도이고, 도 3 내지 도 7은 도 1에 도시된 사용자 단말에서 출력하는 화면의 일 예이다.
도 2를 참조하면, 관리 서버(200)는 사용자 정보 수집부(210), 사용자 정보 분석부(220) 및 건축 설계 모델 추천부(230)를 포함할 수 있다.
사용자 정보 수집부(210)는 사용자 단말(100)로 복수의 단계 별 질문을 출력하여 답변을 입력 받을 수 있다.
예를 들면, 사용자 정보 수집부(210)는 건물 용도를 포함하는 제1 단계 질문, 전용면적/건축형태를 포함하는 제2 단계 질문 및 실요구사항/우선순위를 포함하는 제3 단계 질문을 사용자 단말(100)로 순차적으로 출력할 수 있다.
사용자 정보 수집부(210)는 각 단계에 대한 적어도 하나 이상의 답변을 입력 받는 경우에만 다음 단계의 질문을 출력할 수 있다.
도 3을 참조하면, 제1 단계 질문은 건축 설계에 있어서 건물 용도에 대한 고객 의사를 확인하기 위한 질문으로, 단독주택, 오피스, 근린생활시설 및 그 외 중 어느 하나의 건물 용도 정보를 제1 단계 질문에 대한 답변으로 입력 받을 수 있다.
도 4를 참조하면, 제2 단계 질문은 건축 설계에 있어서 전용면적 및 건축형태에 대한 고객 의사를 확인하기 위한 질문으로, 희망 면적의 구간과, 평지붕의 단층, 박공지붕 또는 다락의 단층, 평지붕의 복층, 박공지붕의 복층 및 선호사항 없음 중 어느 하나의 건축형태 정보를 제2 단계 질문에 대한 답변으로 입력 받을 수 있다.
도 5 및 도 6을 참조하면, 제3 단계 질문은 건축 설계에 있어 실요구사항 및 우선순위에 대한 고객 의사를 확인하기 위한 질문으로, 방 개수 및 욕실 개수와, 파우더룸, 드레스룸, 욕실/화장실, 개별 발코니, 필요 없음 및 선호사항 없음 중 어느 하나 이상의 안방 부속실 정보, 알파룸, 층고, 거실-주방 연결 스타일, 공간 배치 및 선호사항 없음 중 어느 하나 이상의 기타 요구사항 정보를 제3 단계 질문에 대한 답변으로 입력 받을 수 있다.
사용자 정보 수집부(210)는 사용자 단말(100)로부터 제1 단계 질문에 대한 답변, 제2 단계 질문에 대한 답변 및 제3 단계 질문에 대한 답변을 수신하여 사용자 정보로 저장할 수 있다.
사용자 정보 분석부(220)는 사용자 정보를 분석하여 고객 맞춤형 건축 설계 모델을 추출할 수 있다.
예를 들면, 사용자 정보 분석부(220)는 사용자 정보를 인공지능 신경망을 통해 분석하여 건축 설계 모델을 생성할 수 있다.
사용자 정보 분석부(220)는 트레이닝 데이터(training data) 및 레이블(label)을 획득할 수 있다. 사용자 정보 분석부(220)는 복수의 건축 설계 모델을 트레이닝 데이터로 획득하고, 제1 단계, 제2 단계 및 제3 단계 질문에 대한 답변들 및 추가 요구사항에서 기술된 내용들의 조합을 각각의 건축 설계 모델에 대한 레이블로 획득할 수 있다.
사용자 정보 분석부(220)는 트레이닝 데이터로부터 인공 신경망의 입력을 생성할 수 있다. 사용자 정보 분석부(220)는 트레이닝 데이터를 인공 신경망의 입력으로 그대로 사용하거나, 각각의 트레이닝 데이터에서 불필요한 정보를 제거하는 등의 기 알려진 처리를 거친 후, 인공 신경망의 입력을 생성할 수 있다.
사용자 정보 분석부(220)는 입력을 인공 신경망에 적용할 수 있다. 여기에서, 인공 신경망은 지도 학습에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(CNN) 또는 리커런트 신경망(RNN) 구조일 수 있다.
사용자 정보 분석부(220)는 인공 신경망으로부터 출력을 획득할 수 있다. 인공 신경망의 출력은 제1 단계 내지 제3 단계 질문에 대한 답변들 및 추가 요구사항에서 기술된 내용들의 조합일 수 있다.
사용자 정보 분석부(220)는 인공 신경망의 출력과 레이블을 비교할 수 있다. 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실 함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공 신경망의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공 신경망 모델들에서 이용되는 손실함수들이 이용될 수 있다.
사용자 정보 분석부(220)는 비교값을 기초로 인공 신경망을 최적화할 수 있다. 학습 장치 비교값이 점점 작아지도록 인공 신경망의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공 신경망은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 예컨대, 사용자 정보 분석부(220)는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공 신경망의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공 신경망을 최적화할 수 있다. 인공 신경망의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하강법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다. 사용자 정보 분석부(220)는 이와 같은 과정을 반복함으로써 인공 신경망을 학습시킬 수 있다.
사용자 정보 분석부(220)는 인공 신경망에 사용자 단말(100)로부터 수신한 사용자 정보를 입력하여 건축 설계 모델을 출력할 수 있다. 사용자 정보는 제1 내지 제3 질문에 대한 답변들의 조합으로, 예를 들면, 단독주택-희망면적-평지붕 단층-방 개수-욕실 개수-파우더룸 등으로 이루어질 수 있다.
한편, 사용자 정보 분석부(220)는 사용자 정보 입력에 따른 건축 설계 모델을 출력하는 복수의 인공 신경망을 포함할 수 있다.
예를 들면, 사용자 정보 분석부(220)는 제1 질문 및 제2 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제1 인공 신경망을 포함할 수 있다. 사용자 정보 분석부(220)는 제1 질문 및 제3 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제2 인공 신경망을 포함할 수 있다. 사용자 정보 분석부(220)는 제2 질문 및 제3 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제3 인공 신경망을 포함할 수 있다. 사용자 정보 분석부(220)는 제1 질문 내지 제3 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제4 인공 신경망을 포함할 수 있다. 사용자 정보 분석부(220)는 추가 요구사항에 기술된 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제5 인공 신경망을 포함할 수 있다.
사용자 정보 분석부(220)는 사용자 단말(100)로부터 수신한 사용자 정보를 이용하여 제1 질문 및 제2 질문에 대한 답변들을 조합한 제1 입력 데이터, 제1 질문 및 제3 질문에 대한 답변들을 조합한 제2 입력 데이터, 제2 질문 및 제3 질문에 대한 답변들을 조합한 제3 입력 데이터, 제1 질문 내지 제3 질문에 대한 답변들을 조합한 제4 입력 데이터, 추가 요구사항에 기술된 답변들을 조합한 제5 입력 데이터를 생성할 수 있다.
사용자 정보 분석부(220)는 제1 인공 신경망 내지 제4 인공 신경망에 각각 제1 입력 데이터 내지 제4 입력 데이터를 입력하여 제1 출력 데이터 내지 제4 출력 데이터를 획득할 수 있다. 여기에서, 제1 출력 데이터 내지 제4 출력 데이터는 각각 제1 질문 및 제2 질문에 대한 답변을 반영한 건축 설계 모델, 제1 질문 및 제3 질문에 대한 답변을 반영한 건축 설계 모델, 제2 질문 및 제3 질문에 대한 답변을 반영한 건축 설계 모델, 제1 질문 내지 제3 질문에 대한 답변을 모두 반영한 건축 설계 모델일 수 있다.
사용자 정보 분석부(220)는 이와 같이 사용자 단말(100)로부터 수신하는 사용자 정보를 이용하여 4 개의 건축 설계 모델을 출력할 수 있다.
사용자 정보 분석부(220)는 이와 같이 사용자 단말(100)로부터 수신하는 사용자 정보를 이용하여 생성된 다수의 건축 설계 모델을 출력할 수 있다. 사용자 정보 분석부(220)는 제1 출력부터 제4출력 데이터를 종합 분석하여 건축 설계 모델 적합도를 백분율 (%) 기준으로 측정하여 상위부터 원하는 등수만큼 설계안으로 설정할 수 있다.
사용자 정보 분석부(220)는 제1 출력 데이터에 해당하는 건축 설계 모델을 적합도 4등 설계안으로 설정하고, 제2 출력 데이터에 해당하는 건축 설계 모델을 적합도 3등 설계안으로 설정하고, 제3 출력 데이터에 해당하는 건축 설계 모델을 적합도 2등 설계안으로 설정하고, 제4 출력 데이터에 해당하는 건축 설계 모델을 적합도 4등 설계안으로 설정할 수 있다.
건축 설계 모델 추천부(230)는 사용자 정보 분석부(220)에서 획득하는 건축 설계 모델을 사용자 단말(100)로 출력할 수 있다.
도 7을 참조하면, 건축 설계 모델 추천부(230)는 사용자 정보 분석부(220)에서 획득하는 적어도 하나 이상의 건축 설계 모델을 사용자 단말(100)로 출력할 수 있다.
이와 같은 본 발명의 일 실시예에 따른 시스템(1)은 건축 설계에 반영되는 고객 의사를 확인하기 위한 복수의 질문을 단계적으로 제공하여 답변을 입력 받고, 답변을 분석하여 고객 의사를 반영한 건축 설계 모델을 추출할 수 있으며, 이러한 고객 맞춤형 건축 설계 모델을 제시함으로써 건축 설계에 있어 편의성 및 고객 만족도를 높일 수 있다.
아울러, 고객 의사를 확인하기 위한 복수의 질문 답변과 매칭되는 건축 설계 모델을 학습한 인공지능 신경망을 이용하여 고객으로부터 수신하는 질문 답변을 분석함으로써 고객 맞춤형 건축 설계 모델 제시의 정확도를 높일 수 있으며, 나아가, 질문에 대한 답변을 단계별로 반영하여 학습한 복수의 인공지능 신경망을 이용하여 적합도를 다르게 한 복수의 건축 설계 모델을 제시함으로써 고객 의사 결정에 있어 건축 설계의 다양한 조건을 단계별로 고려할 수 있도록 한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
1: 고객 의사 결정 지원 시스템
100: 사용자 단말
200: 관리 서버

Claims (3)

  1. 사용자 단말; 및
    상기 사용자 단말에서 접속 가능한 웹 페이지를 통해 건축 설계 모델 제시를 위한 질문을 출력하여 답변을 입력 받고, 답변을 분석하여 사용자 맞춤형 건축 설계 모델을 제시하는 관리 서버;를 포함하고,
    상기 관리 서버는,
    건물 용도에 대한 고객 의사를 확인하는 제1 단계 질문, 전용면적 및 건축 형태에 대한 고객 의사를 확인하는 제2 단계 질문, 실요구사항 및 우선순위에 대한 고객 의사를 확인하는 제3 단계 질문을 상기 사용자 단말로 단계적으로 출력하고, 상기 사용자 단말로부터 상기 제1 단계 질문, 상기 제2 단계 질문, 상기 제3 단계 질문 및 추가 요구사항에 대한 답변을 각각 수신하여 사용자 정보로 저장하는 사용자 정보 수집부;
    상기 사용자 정보를 분석하여 고객 맞춤형 건축 설계 모델을 추출하는 사용자 정보 분석부; 및
    상기 고객 맞춤형 건축 설계 모델을 상기 사용자 단말로 출력하는 건축 설계 모델 추천부;를 포함하고,
    상기 사용자 정보 수집부는,
    단독주택, 오피스, 근린생활시설 및 그 외 중 어느 하나를 선택 받는 상기 제1 단계 질문, 희망 면적의 구간과, 평지붕의 단층, 박공지붕 또는 다락의 단층, 평지붕의 복층, 박공지붕의 복층 및 선호사항 없음 중 어느 하나의 건축형태 정보를 선택 받는 상기 제2 단계 질문, 방 개수 및 욕실 개수와, 파우더룸, 드레스룸, 욕실/화장실, 개별 발코니, 필요 없음 및 선호사항 없음 중 어느 하나 이상의 안방 부속실 정보, 알파룸, 층고, 거실-주방 연결 스타일, 공간 배치 및 선호사항 없음 중 어느 하나 이상의 기타 요구사항 정보를 선택 받는 상기 제3 단계 질문을 상기 사용자 단말로 출력하여 각각 답변을 입력 받아 수신하고, 상기 제1 단계 질문 내지 상기 제3 단계 질문에 대한 답변들의 조합 및 추가 요구사항에 대한 답변을 상기 사용자 정보로 저장하고,
    상기 사용자 정보 분석부는,
    상기 제1 단계 질문 및 상기 제2 단계 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제1 인공 신경망, 상기 제1 단계 질문 및 상기 제3 단계 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제2 인공 신경망, 상기 제2 단계 질문 및 상기 제3 단계 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제3 인공 신경망, 상기 제1 단계 질문 내지 상기 제3 단계 질문에 대한 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제4 인공 신경망 및 추가 요구사항에 기술된 답변들의 조합에 매칭되는 복수의 건축 설계 모델을 학습한 제5 인공 신경망을 포함하고,
    상기 사용자 단말로부터 수신한 사용자 정보를 이용하여 상기 제1 단계 질문 및 상기 제2 단계 질문에 대한 답변들을 조합한 제1 입력 데이터, 상기 제1 단계 질문 및 상기 제3 단계 질문에 대한 답변들을 조합한 제2 입력 데이터, 상기 제2 단계 질문 및 상기 제3 단계 질문에 대한 답변들을 조합한 제3 입력 데이터, 상기 제1 단계 질문 내지 상기 제3 단계 질문에 대한 답변들을 조합한 제4 입력 데이터 및 추가 요구사항에 기술된 답변들을 조합한 제5 입력 데이터를 생성하고,
    상기 제1 인공 신경망 내지 상기 제4 인공 신경망에 각각 제1 입력 데이터 내지 제4 입력 데이터를 입력하여 제1 출력 데이터 내지 제4 출력 데이터를 획득하고,
    상기 제1 출력 데이터에 해당하는 건축 설계 모델, 상기 제2 출력 데이터에 해당하는 건축 설계 모델, 상기 제3 출력 데이터에 해당하는 건축 설계 모델 및 상기 제4 출력 데이터에 해당하는 건축 설계 모델을 각각 적합도를 다르게 측정하여 설정하는, 고객 의사 결정 지원 시스템.
  2. 삭제
  3. 삭제
KR1020220188016A 2022-12-28 2022-12-28 고객 건축 의사 결정 지원 시스템 KR102511502B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220188016A KR102511502B1 (ko) 2022-12-28 2022-12-28 고객 건축 의사 결정 지원 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220188016A KR102511502B1 (ko) 2022-12-28 2022-12-28 고객 건축 의사 결정 지원 시스템

Publications (1)

Publication Number Publication Date
KR102511502B1 true KR102511502B1 (ko) 2023-03-17

Family

ID=85872154

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220188016A KR102511502B1 (ko) 2022-12-28 2022-12-28 고객 건축 의사 결정 지원 시스템

Country Status (1)

Country Link
KR (1) KR102511502B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102089100B1 (ko) * 2019-05-09 2020-03-13 정승원 이미지 데이터베이스 기반 상호인식차를 최소화하는 인테리어 서비스 제공 시스템
KR20210106821A (ko) * 2020-02-21 2021-08-31 정성오 인테리어 서비스 시스템 및 인테리어 서비스 제공 방법
KR102388944B1 (ko) * 2021-11-30 2022-04-21 주식회사 안가본길 비대면 방식의 인테리어 리모델링 스타일 추천 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102089100B1 (ko) * 2019-05-09 2020-03-13 정승원 이미지 데이터베이스 기반 상호인식차를 최소화하는 인테리어 서비스 제공 시스템
KR20210106821A (ko) * 2020-02-21 2021-08-31 정성오 인테리어 서비스 시스템 및 인테리어 서비스 제공 방법
KR102388944B1 (ko) * 2021-11-30 2022-04-21 주식회사 안가본길 비대면 방식의 인테리어 리모델링 스타일 추천 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
CN111932144B (zh) 一种客服坐席分配方法、装置、服务器及存储介质
Saguin et al. Policy work and capacities in a developing country: Evidence from the Philippines
Liu et al. Unit consensus cost-based approach for group decision-making with incomplete probabilistic linguistic preference relations
Huang et al. Intelligent interactive multiobjective optimization method and its application to reliability optimization
Ramchandani et al. Unmasking human trafficking risk in commercial sex supply chains with machine learning
Jain et al. A user simulator architecture for socially-aware conversational agents
JP2023527481A (ja) 認証された属性パラメータおよびオペラント条件付けタグを使用する認知的なクロスコラボレーションアクセスを用いたシェル通信を提供するためのデジタルクラウドベースのプラットフォームおよび方法
JP2023109793A (ja) 作業負荷ルーティングのためのスマートキャパシティ
Geng et al. On decision making in human-machine networks
Silva et al. Cooperative and Interactive Learning to estimate human behaviours for energy applications
KR102511502B1 (ko) 고객 건축 의사 결정 지원 시스템
Raza et al. Performance analysis of deep approaches on airbnb sentiment reviews
Wilkinson et al. Student accommodation, environmental behaviour and lessons for property managers
US20180253811A1 (en) Career gap identifier
US7805278B1 (en) Optimal sampling system on populations of collectives
CN117688165A (zh) 多边缘协同的客服方法、装置、设备和可读存储介质
Ramantoko et al. Early adoption characteristic of consumers' behavioral intention to use home digital services in Indonesia
CN116401355A (zh) 一种基于数智交互的咨询业务决策管理方法及系统
Stepanov et al. The automation of client servicing in university and college admission office
del-Hoyo et al. Computational intelligence tools for next generation quality of service management
Recalde et al. Collaboration-based urban planning platform: modeling cognition to Co-create cities
Efstathiou et al. Efficient multi-objective optimisation of service compositions in mobile ad hoc networks using lightweight surrogate models
Lili A Mobile Terminal‐Based College English Teaching Evaluation Method
CN114819525A (zh) 火灾风险评估方法、系统、终端设备及介质
Stewart et al. Integrated value function construction with application to impact assessments

Legal Events

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