KR102599717B1

KR102599717B1 - Paid mounted volume-weight prediction system using artificial Intellectual and method thereof

Info

Publication number: KR102599717B1
Application number: KR1020210177532A
Authority: KR
Inventors: 이정엽
Original assignee: 이정엽
Priority date: 2021-12-13
Filing date: 2021-12-13
Publication date: 2023-11-08
Also published as: KR20230089127A

Abstract

본 발명은 유상탑재량 예측 시스템 및 방법에 관한 것으로, 더욱 상세하게는 운항조건, 운항시즌, 및 항공기(운항기종)별 허용 유상탑재량, 탑승 고객정보, 유상탑재량정보, 항공기별 승객 탑승률정보, 항공화물 예약율정보 등을 포함하는 항공운항정보를 수집하고, 항공 운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고 시점에 따른 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘의 학습에 기반한 인공지능 모델을 생성한 후, 인공지능 모델에 예측하고자 하는 항공기에 대한 항공기 정보를 입력하여 해당 항공기의 유상탑재량을 사전에 예측하는 인공지능을 이용한 유상탑재량 예측 시스템 및 방법에 관한 것이다. The present invention relates to a paid payload prediction system and method, and more specifically, to operating conditions, operating season, and allowable paid payload by aircraft (operating model), boarding customer information, paid payload information, passenger load factor information by aircraft, and air cargo. After collecting flight operation information including reservation rate information, analyzing the paid load rate algorithm for each flight operation element and condition, and creating an artificial intelligence model based on learning the paid load rate algorithm for each flight operation element and condition according to the time point, , It relates to a payload prediction system and method using artificial intelligence that inputs aircraft information about the aircraft to be predicted into an artificial intelligence model and predicts the payload of the aircraft in advance.

Description

Paid mounted volume-weight prediction system using artificial Intellectual and method thereof}

본 발명은 유상탑재량 예측 시스템 및 방법에 관한 것으로, 더욱 상세하게는 운항조건, 운항시즌, 및 항공기(운항기종)별 허용 유상탑재량, 탑승 고객정보, 유상탑재량정보, 항공기별 승객 탑승률정보, 항공화물 예약율정보 등을 포함하는 항공운항정보 등의 항공 운항 요소 정보를 수집하고, 항공 운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고 시점에 따른 상기 항공 요소 및 조건별 유상탑재율 알고리즘의 학습에 기반한 인공지능 모델을 생성한 후, 인공지능 모델에 예측하고자 하는 항공기에 대한 항공기 정보를 입력하여 해당 항공기의 유상탑재량을 사전에 예측하는 인공지능을 이용한 유상탑재량 예측 시스템 및 방법에 관한 것이다. The present invention relates to a paid payload prediction system and method, and more specifically, to operating conditions, operating season, and allowable paid payload by aircraft (operating model), boarding customer information, paid payload information, passenger load factor information by aircraft, and air cargo. Artificial intelligence based on collecting flight operation element information such as flight operation information including reservation rate information, analyzing the paid load rate algorithm for each flight operation element and condition, and learning the paid load rate algorithm for each flight element and condition according to the time point. This relates to a payload prediction system and method using artificial intelligence that generates a model and then inputs aircraft information about the aircraft to be predicted into the artificial intelligence model to predict the payload of the aircraft in advance.

세계화가 급속도로 빨라짐에 따라 항공시장은 점차 확대되고 있다. 2019년 기준 항공 여객 수는 사상 최대치를 기록했으며, 매년 그 기록을 갱신하고 있다. 항공사의 수입은 항공 운임과 화물 운송운임에 의해 결정되며, 주로 항공 운임에 의해 결정되고 있다.As globalization rapidly accelerates, the aviation market is gradually expanding. As of 2019, the number of air passengers reached an all-time high, and the record is being renewed every year. An airline's income is determined by air freight and cargo transportation rates, and is mainly determined by air freight.

일반적으로 항공 운임(요금)은 승객과 미리 정의된 유상탑재량 이하의 위탁수하물을 운송하는 대가로 항공사가 항공교통 이용자, 즉 항공기 탑승 승객(고객)에게 부과하는 포괄적인 금액을 의미한다.In general, air fares (fees) refer to the comprehensive amount charged by airlines to air transportation users, that is, passengers (customers) on board the aircraft, in exchange for transporting passengers and checked baggage below a predefined paid load.

통상 항공 운임은 항공기의 연료인 항공유의 가격이 높은 비중을 차지하고 있으며, 항공유의 사용량을 결정하는 중요 요소가 항공기에 실리는 항공화물의 유상탑재량이다. 이하 설명에서 항공화물이란 항공기 탑승객이 가지고 탈 수 있는 위탁수하물(또는 "항공수하물"이라 함)과 포워더(Forwarder) 등에 판매되어 항공기에 실리는 일반화물 및 우편물을 포함하는 용어로 사용한다.Usually, the price of aviation fuel, which is the fuel for aircraft, accounts for a large portion of air freight rates, and an important factor in determining the amount of aviation fuel used is the paid load of air cargo loaded on the aircraft. In the following description, air cargo is used as a term that includes checked baggage (or "air baggage") that can be carried by aircraft passengers, and general cargo and mail sold to forwarders, etc. and loaded on aircraft.

따라서 항공화물의 유상탑재량은 매우 중요하며, 항공 운임에는 항공권에 정의되는 허용 유상탑재량(또는 "허용 유상탑재 부피중량"이라 함)의 위탁수하물에 대한 비용이 포함되어 있다. 항공기에 실릴 수 있는 유상탑재량은 면적당 중량으로 그 부피가 매우 중요하다. 이 때문에 위탁수하물의 경우 규격화된 여행 가방으로 그 부피를 간접 제한하고 있고, 일반화물도 그 부피를 제한하고 있다. Therefore, the payload of air cargo is very important, and the air fare includes the cost of checked baggage of the allowable payload (or "allowable payload volume") defined in the airline ticket. The paid payload that can be loaded on an aircraft is the weight per area, and its volume is very important. For this reason, the volume of checked baggage is indirectly limited to standardized suitcases, and the volume of general cargo is also limited.

항공권의 허용탑재 유상탑재량을 초과하는 유상탑재량의 위탁수하물을 더 싣고자 하는 경우 해당 탑승자는 조건에 따른 추가 요금을 지급하여야 한다.If the passenger wishes to load additional checked baggage that exceeds the paid load allowed on the ticket, the passenger must pay an additional fee according to the conditions.

그러나 탑승자에 따라 항공권에 의해 부여된 허용 유상탑재량에 훨씬 못 미치는 유상탑재량의 위탁수하물만 가져가기도 하고, 허용 유상탑재량을 초과하는 위탁수하물을 가져가기도 하며, 허용 유상탑재량에 맞춰 위탁수하물을 가져가기도 한다.However, depending on the passenger, some passengers only bring checked baggage with a paid load that is much less than the allowed paid load given by the airline ticket, others take checked baggage that exceeds the allowed paid load, and sometimes they bring checked baggage according to the allowed paid load. I also go.

이와 같이 항공사의 수익은 항공 운임에 의해 결정되나, 코로나 19로 인한 항공시장 환경변화 및 수익성 악화와, 이에 따라 항공사 간의 경쟁이 치열해짐에 따른 출혈경쟁으로 인한 항공 운임의 비용상승 및 수익하락으로 손실 비중이 증가하고 있다. 또한, 탑승률이 증가한다고 하여 항공사의 수익이 증가하는 것은 아니며, 수요 대비 공급과잉으로 수익성은 점차 나빠지고 있다.In this way, an airline's profits are determined by air fares, but losses are due to increased costs and decreased profits due to changes in the aviation market environment and worsening profitability due to COVID-19, and cut-throat competition as competition among airlines intensifies. The proportion is increasing. In addition, increasing load factors does not mean that airline profits increase, and profitability is gradually worsening due to oversupply compared to demand.

또한, 국제 정세가 불안해지면서 환율도 요동치고 있어, 외화 결제 비중이 높은 항공사는 외화 환차손실 및 항공 유류비용과 더불어 항공기의 리스나 차입금으로 인한 도입 방식으로 인하여 금융부담도 증가하고 있다.In addition, as the international situation becomes unstable and exchange rates fluctuate, airlines with a high proportion of foreign currency payments are facing increased financial burden due to foreign currency exchange losses and aviation fuel costs, as well as aircraft leases or borrowing.

이러한 항공사의 수익성을 향상시키기 위해서는 항공기에 탑승하는 승객의 위탁수하물의 전체 유상탑재량과 일반화물의 전체 유상탑재량을 사전에 정확하게 파악하여 유상탑재량의 효율적 관리 및 최대의 항공화물을 확보하는 것이 중요하다. In order to improve the profitability of these airlines, it is important to accurately determine in advance the total paid load of passengers' checked baggage and general cargo on board the aircraft to efficiently manage the paid load and secure the maximum air cargo.

기존의 항공권에는 승객의 운임뿐만 아니라 일정 유상탑재량, 즉 허용 유상탑재량의 위탁수하물에 대한 요금이 포함되므로 항공기에 실리는 총 유상탑재량은 승객수*승객 위탁수화물 유상탑재량+일반화물 및 기타 유상탑재량 등으로 총 유상탑재량으로 산출한다. 그 중 승객수 * 승객 위탁수하물 유상탑재량 + 일반화물이 전체 총 유상탑재량의 대부분을 차지한다.Existing air tickets include not only the passenger's fare but also a fee for a certain amount of paid load, that is, a fee for checked baggage of the allowable paid load, so the total paid load on the aircraft is the number of passengers * paid load of passenger checked baggage + general cargo and other paid load, etc. It is calculated as the total paid load. Among them, the number of passengers * paid load of passenger checked baggage + general cargo accounts for most of the total paid load.

그러나 상술한 바와 같이 승객 중에는 항공권에 의해 구매한 위탁수화물 유상탑재량보다 적은 유상탑재량의 위탁수화물만 가지고 탑승하는 경우 및 항공권에 의해 허용된 위탁수화물 유상탑재량보다 많거나 적은 유상탑재량의 위탁수화물을 가지고 탑승하는 경우 등이 빈번하게 발생하고 있어 항공기에 실릴 위탁수화물의 전체 유상탑재량을 효율적으로 관리하기 어렵다. 이는 일반화물의 운용도 어렵게 하는 요소로 작용하고 있다.However, as mentioned above, some passengers board with only checked baggage with a paid loading amount that is less than the paid loading amount of checked baggage purchased by the airline ticket, and some passengers board with checked baggage with a paid loading amount that is more or less than the paid loading amount of checked baggage permitted by the airline ticket. Cases such as this occur frequently, making it difficult to efficiently manage the total paid load of checked baggage to be loaded on an aircraft. This is a factor that makes it difficult to operate general cargo.

상술한 바와 같이 항공시장은 외형적 규모면에서는 커지고 있으나, 항공사 간의 출혈경쟁, 세계적인 돌발 상황에 따른 정세 불안, 무역분쟁, 환율변동, 코로나 19와 같은 펜데믹 사태 등의 다양한 부정적 요소로 인하여 수익성이 나빠지고 있으며, 이에 따라 좀 더 유연하고 능동적인 시장접근 및 새로운 마케팅 방식을 바탕으로 한 영업전략의 도입이 절실하다. As mentioned above, the aviation market is growing in terms of external size, but profitability is declining due to various negative factors such as cutthroat competition between airlines, political instability due to global emergencies, trade disputes, exchange rate fluctuations, and pandemics such as COVID-19. It is worsening, and accordingly, the introduction of a sales strategy based on a more flexible and active market approach and new marketing methods is urgently needed.

따라서 외부적 환경 요인에 따른 급격한 항공시장의 수익구조 변화에 따라서 변동하는 항공운송에 따른 수익성을 향상시킬 수 있는 항공 서비스 시스템의 개발이 요구되고 있다.Therefore, there is a need for the development of an aviation service system that can improve the profitability of air transportation, which fluctuates in accordance with rapid changes in the profit structure of the aviation market due to external environmental factors.

또한, 항공사의 수익성을 향상시키기 위해서는 항공기에 유료로 실릴 항공화물의 총 유상탑재량, 즉 사전에 항공 위탁수하물 유상탑재량을 예측할 수 있는 항공 서비스 시스템의 개발이 요구되고 있다.In addition, in order to improve the profitability of airlines, there is a need to develop an aviation service system that can predict the total paid load of air cargo to be loaded on an aircraft, that is, the paid load of checked baggage in advance.

대한민국 등록특허 제10-1945125호(2019.04.17. 공고)Republic of Korea Patent No. 10-1945125 (announced on April 17, 2019)

따라서 본 발명의 목적은 운항조건, 운항시즌, 및 항공기(운항기종)별 허용 유상탑재량, 탑승 고객정보, 유상탑재량정보, 항공기별 승객 탑승률정보, 항공화물 예약율정보 등을 포함하는 항공운항정보를 수집하고, 항공 운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고 시점에 따른 상기 항공 운항 요소 및 조건별 유상탑재율 알고리즘의 학습에 기반한 인공지능 모델을 생성한 후, 인공지능 모델에 예측하고자 하는 항공기에 대한 항공기 정보를 입력하여 해당 항공기의 유상탑재량을 사전에 예측하는 인공지능을 이용한 유상탑재량 예측 시스템 및 방법을 제공함에 있다.Therefore, the purpose of the present invention is to provide air operation information including operating conditions, operating season, allowable paid payload by aircraft (operating model), boarding customer information, paid payload information, passenger loading rate information by aircraft, and air cargo reservation rate information. After collecting, analyzing the paid load rate algorithm for each flight operation element and condition, and creating an artificial intelligence model based on learning the paid load rate algorithm for each flight operation element and condition according to the time point, the aircraft to be predicted in the artificial intelligence model is We provide a payload prediction system and method using artificial intelligence that inputs aircraft information and predicts the payload of the aircraft in advance.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템은: 다수의 항공기 각각에 대한 항공권 및 항공기에 실을 수 있는 허용 유상탑재량에 따른 항공 유상탑재량을 판매하고, 항공사의 항공운항정보를 제공하며, 항공기별 허용 유상탑재량 및 탑재되는 유상탑재정보를 수신받아 관리하는 항공사 시스템; 및 상기 항공사 시스템으로부터 항공운항정보 및 항공기별 허용 유상탑재량 및 탑재되는 유상탑재량정보를 수집하여 저장하고, 상기 항공운항정보에 기반한 항공 운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘의 학습에 기반한 인공지능 모델을 생성한 후, 임의의 항공기에 대한 항공기 정보를 입력받아 상기 항공기의 유상탑재량을 예측하여 상기 항공기에 대응하는 항공사의 상기 항공사 시스템 및 유상탑재량 관리자 단말기 중 어느 하나 이상으로 제공하는 유상탑재량 예측부를 포함하는 것을 특징으로 한다.The payload prediction system using artificial intelligence according to the present invention to achieve the above purpose: sells airline tickets for each of a plurality of aircraft and air payload according to the allowable payload that can be loaded on the aircraft, and sells airline payload An airline system that provides flight operation information and receives and manages the allowable paid load for each aircraft and the loaded payload information; And collect and store flight operation information, allowable payload for each aircraft, and loaded payload information from the airline system, analyze flight operation elements and payload rate algorithms for each condition based on the flight operation information, and analyze the analyzed flight operations. After creating an artificial intelligence model based on learning of the payload rate algorithm for each element and condition, input aircraft information about an arbitrary aircraft and predict the payload of the aircraft, and then predict the payload of the aircraft and the airline system and payload of the airline corresponding to the aircraft. It is characterized by including a paid payload prediction unit provided by one or more of the manager terminals.

상기 유상탑재량 예측부는, 유무선 데이터통신망을 통해 상기 항공사 시스템과 데이터통신을 수행할 수 있도록 하는 서버 통신부; 항공기별 과거 운항에 따른 운항조건, 운항노선, 운항시즌, 예약율, 탑승률, 유상탑재율, 승객 구분 및 정보, 항공권 종류, 포워더 및 유상탑재량 정보를 포함하는 항공운항정보를 저장하는 항공운항정보 DB, 항공기별 항공권의 판매 및 유상탑재량 구매에 따른 항공권 종류별 탑승 승객의 유상탑재량 등록 및 거래에 따라 등록된 등록 유상탑재량정보를 저장하는 유상탑재량 등록 DB, 학습된 항공운항 요소 및 조건별 유상탑재 유상탑재율 알고리즘을 저장하고, 타깃 변수 설정에 따른 인공지능 모델을 저장하는 인공지능 모델 DB 및 항공기별 예측된 예측 유상탑재량정보를 저장하는 예측 DB를 포함하는 서버 저장부; 및 상기 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보를 수집하여 상기 항공운항정보 DB에 저장하고, 상기 항공사 시스템으로부터 상기 등록 유상탑재량정보를 획득하여 상기 유상탑재량 등록 DB에 저장하며, 상기 항공운항정보 및 상기 등록 유상탑재량정보 중 어느 하나 이상에 기반한 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장한 후, 임의의 항공기에 대한 항공기 정보를 입력받아 상기 항공기의 유상탑재량을 예측하여 상기 서버 통신부를 통해 상기 항공사 시스템 및 상기 항공기에 대응하는 항공사의 유상탑재량 관리자 단말부 중 어느 하나 이상으로 제공하는 서버 제어부를 포함하는 것을 특징으로 한다.The paid payload prediction unit includes a server communication unit that allows data communication with the airline system through a wired or wireless data communication network; Airline operation information DB, which stores flight operation information including operating conditions based on past operations for each aircraft, operating route, operating season, reservation rate, load factor, paid load rate, passenger classification and information, ticket type, forwarder, and paid load information; Paid payload registration database for storing paid payload information of passengers boarding by ticket type according to sale of airline tickets and purchase of paid payload by aircraft and paid payload information registered according to transactions, paid payload payload rate algorithm for each learned air operation element and condition A server storage unit including an artificial intelligence model DB that stores an artificial intelligence model according to target variable settings and a prediction DB that stores predicted payload information for each aircraft; And collecting flight operation information from the airline system through the server communication unit and storing it in the flight operation information DB, obtaining the registered payload information from the airline system and storing it in the payload registration DB, and collecting the flight operation information and Analyze the paid payload rate algorithm for each air operation element and condition based on one or more of the registered paid payload information, and generate an artificial intelligence model according to target variable settings among the analyzed paid payload rate algorithm for each air operation element and condition, thereby generating the artificial intelligence model. After storing it in the intelligent model DB, aircraft information for an arbitrary aircraft is input, the payload of the aircraft is predicted, and any one of the airline system and the payload manager terminal of the airline corresponding to the aircraft is sent through the server communication unit. It is characterized by including a server control unit provided as above.

상기 서버 제어부는, 상기 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보 및 항공기별 허용 유상탑재량 및 탑재되는 유상탑재량 정보를 수집하여 상기 항공운항정보 DB에 저장하고, 상기 항공사 시스템으로부터 상기 등록 유상탑재량정보를 획득하여 상기 유상탑재량 등록 DB에 저장하는 정보 획득부; 상기 항공운항정보 및 상기 등록 유상탑재량정보 중 어느 하나 이상에 기반한 항공운항 요소 및 조건별 유상탑재 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장한 후, 임의의 항공기에 대한 항공기 정보를 입력받아 상기 항공기의 유상탑재량을 예측하고, 예측된 예측 유상탑재량을 상기 예측 DB에 저장하는 인공지능 예측부; 및 상기 예측 유상탑재량을 상기 서버 통신부를 통해 상기 항공사 시스템 및 상기 유상탑재량 관리자 단말부 중 어느 하나 이상으로 제공하는 예측정보 제공부를 포함하는 것을 특징으로 한다.The server control unit collects flight operation information, allowable payload for each aircraft, and loaded payload information from the airline system through the server communication unit, stores it in the flight operation information DB, and collects the registered payload information from the airline system. an information acquisition unit that acquires information and stores it in the paid payload registration DB; Analyze the paid load rate algorithm for each air operation element and condition based on any one or more of the air operation information and the registered paid payload information, and analyze the paid load rate algorithm for each analyzed air operation element and condition based on the target variable setting. An artificial intelligence prediction unit that generates an intelligence model and stores it in the artificial intelligence model DB, receives aircraft information for an arbitrary aircraft, predicts the payload of the aircraft, and stores the predicted payload in the prediction DB. ; and a prediction information providing unit that provides the predicted paid payload to one or more of the airline system and the paid payload manager terminal unit through the server communication unit.

상기 정보 획득부는, 상기 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보 및 항공기별 허용 유상탑재량 및 탑재되는 유상탑재량 정보를 수집하여 상기 항공운항정보 DB에 저장하는 항공운항정보 획득부; 상기 항공사 시스템으로부터 탑승 승객의 등록에 의한 입력 등록 유상탑재량정보 및 유상탑재량의 거래에 따라 등록된 거래 등록 유상탑재량정보를 포함하는 등록 유상탑재량정보를 획득하여 유상탑재량 등록 DB에 저장하는 등록 유상탑재량 정보 획득부; 관리자로부터 유상탑재량을 예측하고자 하는 항공기 정보를 입력받아 출력하는 입력정보 획득부를 포함하는 것을 특징으로 한다.The information acquisition unit includes an airline operation information acquisition unit that collects flight operation information, allowable payload for each aircraft, and loaded payload information from the airline system through the server communication unit and stores them in the flight operation information DB; From the airline system, registered payload information including paid payload information input by boarding passenger registration and transaction registration payload information registered according to payload transactions is obtained and stored in the paid payload registration DB. acquisition department; It is characterized by including an input information acquisition unit that receives aircraft information for predicting paid payload from the manager and outputs it.

상기 인공지능 예측부는, 상기 항공운항정보 및 상기 등록 유상탑재량정보 중 어느 하나 이상에 기반한 항공운항 요소 및 조건별 유상탑재 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장하는 유상탑재량 학습부; 및 상기 입력정보 획득부를 통해 임의의 항공기에 대한 항공기 정보의 획득 시 상기 인공지능 모델에 상기 항공기 정보를 입력하여 상기 항공기의 유상탑재량을 예측하고, 예측된 예측 유상탑재량을 상기 예측 DB에 저장하는 유상탑재량 예측부를 포함하는 것을 특징으로 한다.The artificial intelligence prediction unit analyzes a paid load rate algorithm for each air operation element and condition based on one or more of the air operation information and the registered paid payload information, and selects the paid load rate algorithm for each air operation element and condition analyzed. A payload learning unit that generates an artificial intelligence model according to target variable settings and stores it in the artificial intelligence model DB; And when acquiring aircraft information about a certain aircraft through the input information acquisition unit, input the aircraft information into the artificial intelligence model to predict the paid payload of the aircraft, and store the predicted paid payload in the prediction DB. It is characterized by including a payload prediction unit.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템은: 유무선 데이터통신망을 통해 항공사 시스템과 데이터통신을 수행할 수 있도록 하는 서버 통신부; 항공기별 과거 운항에 따른 운항조건, 운항노선, 운항시즌, 예약율, 탑승률, 유상탑재율, 승객 구분 및 정보, 항공권 종류, 포워더 및 유상탑재량 정보를 포함하는 항공운항정보를 저장하는 항공운항정보 DB, 항공기별 항공권의 판매 및 유상탑재량 구매에 따른 항공권 종류별 탑승 승객의 등록 및 거래에 따라 등록된 등록 유상탑재량정보를 저장하는 유상탑재량 등록 DB, 학습된 항공운항 요소 및 조건별 유상탑재율 알고리즘을 저장하고, 타깃 변수 설정에 따른 인공지능 모델을 저장하는 인공지능 모델 DB 및 항공기별 예측된 예측 유상탑재량정보를 저장하는 예측 DB를 포함하는 서버 저장부; 및 상기 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보를 수집하여 상기 항공운항정보 DB에 저장하고, 상기 항공사 시스템으로부터 상기 등록 유상탑재량정보를 획득하여 상기 유상탑재량 등록 DB에 저장하며, 상기 항공운항정보 및 상기 등록 유상탑재량정보 중 어느 하나 이상에 기반한 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장한 후, 임의의 항공기에 대한 항공기 정보를 입력받아 상기 항공기의 유상탑재량을 예측하여 상기 서버 통신부를 통해 상기 항공사 시스템 및 상기 항공기에 대응하는 항공사의 유상탑재량 관리자 단말부 중 어느 하나 이상으로 제공하는 서버 제어부를 포함하는 것을 특징으로 한다.The payload prediction system using artificial intelligence according to the present invention to achieve the above object includes: a server communication unit that enables data communication with the airline system through a wired and wireless data communication network; Airline operation information DB, which stores flight operation information including operating conditions based on past operations for each aircraft, operating route, operating season, reservation rate, load factor, paid load rate, passenger classification and information, ticket type, forwarder, and paid load information; A payload registration database that stores registered payload information registered according to the registration and transactions of passengers by ticket type according to the sale of airline tickets and purchase of payload for each aircraft, and a payload rate algorithm for each learned air operation element and condition is stored, A server storage unit including an artificial intelligence model DB that stores an artificial intelligence model according to target variable settings and a prediction DB that stores predicted payload information for each aircraft; And collecting flight operation information from the airline system through the server communication unit and storing it in the flight operation information DB, obtaining the registered payload information from the airline system and storing it in the payload registration DB, and collecting the flight operation information and Analyze the paid payload rate algorithm for each air operation element and condition based on one or more of the registered paid payload information, and generate an artificial intelligence model according to target variable settings among the analyzed paid payload rate algorithm for each air operation element and condition, thereby generating the artificial intelligence model. After storing it in the intelligent model DB, aircraft information for an arbitrary aircraft is input, the payload of the aircraft is predicted, and any one of the airline system and the payload manager terminal of the airline corresponding to the aircraft is sent through the server communication unit. It is characterized by including a server control unit provided as above.

상기 서버 제어부는, 상기 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보를 수집하여 상기 항공운항정보 DB에 저장하고, 상기 항공사 시스템으로부터 상기 등록 유상탑재량정보 및 항공기별 허용 유상탑재량 및 탑재되는 유상탑재량 정보를 획득하여 상기 유상탑재량 등록 DB에 저장하는 정보 획득부; 상기 항공운항정보 및 상기 등록 유상탑재량정보 중 어느 하나 이상에 기반한 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장한 후, 임의의 항공기에 대한 항공기 정보를 입력받아 상기 항공기의 유상탑재량을 예측하고, 예측된 예측 유상탑재량을 상기 예측 DB에 저장하는 인공지능 예측부; 및 상기 예측 유상탑재량을 상기 서버 통신부를 통해 상기 항공사 시스템 및 상기 유상탑재량 관리자 중 어느 하나 이상으로 제공하는 예측정보 제공부를 포함하는 것을 특징으로 한다.The server control unit collects flight operation information from the airline system through the server communication unit and stores it in the flight operation information DB, and receives the registered payload information, allowable payload for each aircraft, and loaded payload information from the airline system. an information acquisition unit that acquires information and stores it in the paid payload registration DB; Analyzing the paid load rate algorithm for each air operation element and condition based on any one or more of the air operation information and the registered paid payload information, and an artificial intelligence model according to target variable settings among the analyzed paid load rate algorithm for each air operation element and condition An artificial intelligence prediction unit that generates and stores in the artificial intelligence model DB, receives aircraft information for an arbitrary aircraft, predicts the paid payload of the aircraft, and stores the predicted paid payload in the prediction DB; and a prediction information providing unit that provides the predicted paid payload to one or more of the airline system and the paid payload manager through the server communication unit.

상기와 같은 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 인공지능을 이용한 유상탑재량 예측 방법은: 서버 제어부가 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보 및 항공기별 허용 유상탑재량 및 탑재되는 유상탑재량 정보를 수집하여 항공운항정보 DB에 저장하는 정보 획득 과정; 상기 서버 제어부가 상기 항공운항정보에 기반한 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장하는 학습 과정; 상기 서버 제어부가 임의의 항공기에 대한 항공기 정보를 입력받아 상기 인공지능 모델에 적용하여 상기 항공기의 유상탑재량을 예측하여 유상탑재량 정보를 출력하는 예측 과정; 및 상기 서버 제어부가 상기 서버 통신부를 통해 상기 항공사 시스템 및 상기 항공기에 대응하는 항공사의 유상탑재량 관리자 단말기 중 어느 하나 이상으로 제공하는 유상탑재량정보 제공 과정을 포함하는 것을 특징으로 한다.A method for predicting paid payload using artificial intelligence according to another embodiment of the present invention to achieve the above object is: the server control unit receives flight operation information from the airline system through the server communication unit, the allowable paid payload for each aircraft, and the paid payload amount to be loaded. Information acquisition process of collecting information and storing it in the aviation operation information DB; The server control unit analyzes the paid load rate algorithm for each air operation element and condition based on the flight operation information, generates an artificial intelligence model according to target variable settings among the analyzed paid load rate algorithm for each air operation element and condition, and generates the artificial intelligence model. Learning process saved in model DB; A prediction process in which the server control unit receives aircraft information about an arbitrary aircraft, applies it to the artificial intelligence model, predicts the payload of the aircraft, and outputs payload information; and a process of providing payload information provided by the server control unit to one or more of the airline system and the payload manager terminal of the airline corresponding to the aircraft through the server communication unit.

상기 정보 획득 과정은, 상기 서버 통신부를 통해 항공사 시스템으로부터 항공운항정보를 수집하여 상기 항공운항정보 DB에 저장하는 항공운항정보 획득 단계; 및 상기 항공사 시스템으로부터 상기 등록 유상탑재량정보를 획득하여 상기 유상탑재량 등록 DB에 저장하는 등록 유상탑재량정보 획득 단계를 포함하되, 상기 학습과정은, 상기 서버 제어부가 상기 항공운항정보 및 등록 유상탑재량정보에 기반한 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB에 저장하는 것을 특징으로 한다.The information acquisition process includes an airline operation information acquisition step of collecting flight operation information from an airline system through the server communication unit and storing it in the flight operation information DB; and a registered payload information acquisition step of obtaining the registered payload information from the airline system and storing the registered payload information in the payload registration DB, wherein the learning process is performed by the server control unit to obtain the flight operation information and the registered payload information. It is characterized by analyzing the paid load rate algorithm for each air operation element and condition based on the above, generating an artificial intelligence model according to target variable settings among the analyzed paid load rate algorithm for each air operation element and condition, and storing it in the artificial intelligence model DB. .

상기 유상탑재율 알고리즘은, 운항조건별 유상탑배 유상탑재량, 운항노선별 유상탑재량, 운항기종별 유상탑재량, 운항시즌별 유상탑재량, 예약율 및 탑승률별 유상탑재량, 승객 구분 및 정보별 유상탑재량, 탑승 승객별 유상탑재량, 항공권별 유상탑재량, 포워더별 유상탑재율 알고리즘을 포함하는 것을 특징으로 한다.The above paid load rate algorithm includes paid payload by operation conditions, paid load by flight route, paid load by operation type, paid load by operation season, paid load by reservation rate and load factor, paid load by passenger classification and information, boarding passengers It is characterized by including paid payload for each ticket, paid payload for each airline ticket, and paid load rate algorithm for each forwarder.

본 발명은 항공기의 항공운항정보에 근거하여 학습된 인공지능 모델에 의해 항공기별로 항공권의 판매 전에 해당 항공기 유상탑재량을 예측하고, 예측된 예측 유상탑재량에 기반하여 허용탑재 유상탑재량 및 번들 단위의 번들 유상탑재량의 가격을 결정할 수 있으므로 최적의 항공권 및 유상탑재 운임을 결정할 수 있는 효과를 가지며, 이로 인해 더 많은 항공기 이용 고객 및 항공화물을 유치할 수 있으면서도, 항공사의 수익률을 향상시킬 수 있는 효과가 있다.The present invention predicts the paid payload for each aircraft before selling air tickets by using an artificial intelligence model learned based on the flight operation information of the aircraft, and based on the predicted paid payload, the allowable payload and bundle paid load in bundle units are provided. Since the price of payload can be determined, it has the effect of determining the optimal air ticket and paid load fare, which has the effect of attracting more aircraft users and air cargo while improving the airline's profitability.

또한, 본 발명은 항공권의 판매 후 상기 항공기의 출발 날짜 및 시각 기준 일정 시간 전까지 해당 항공기의 항공권 예약률, 탑승률, 등록 및 거래에 따른 등록 유상탑재량을 인공지능 모델에 적용하여 해당 항공기의 유상탑재량을 예측하므로 항공권의 판매 이후에는 보다 더 정확하게 유상탑재량을 예측할 수 있는 효과가 있다.In addition, the present invention predicts the paid load of the aircraft by applying the ticket reservation rate, load factor, registration, and registered payload according to transactions of the aircraft to an artificial intelligence model before a certain time based on the departure date and time of the aircraft after the sale of the ticket. Therefore, it is possible to more accurately predict the amount of payload after the ticket is sold.

상술한 바와 같이 항공기별로 해당 항공기의 출발 날짜 및 시각 기준 일정 시간 이전에 유상탑재량을 예측할 수 있으므로 해당 항공기의 전체 유상탑재량 중 남는 잔여 유상탑재량에 대해 빠르게 재판매를 수행할 수 있으므로 해당 항공사의 수익률을 증가시킬 수 있는 효과가 있다. As described above, the paid payload can be predicted for each aircraft a certain amount of time in advance based on the departure date and time of the aircraft, so the remaining paid payload among the total paid payload of the aircraft can be quickly resold, thereby increasing the airline's profitability. There is an effect that can be achieved.

도 1은 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템이 적용된 통신시스템의 구성을 나타낸 도면이다.
도 2는 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템의 유상탑재량 예측부의 구성을 나타낸 도면이다.
도 3은 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 방법을 나타낸 흐름도이다.Figure 1 is a diagram showing the configuration of a communication system to which a payload prediction system using artificial intelligence according to the present invention is applied.
Figure 2 is a diagram showing the configuration of the payload prediction unit of the payload prediction system using artificial intelligence according to the present invention.
Figure 3 is a flowchart showing a method for predicting paid payload using artificial intelligence according to the present invention.

이하 첨부된 도면을 참조하여 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템의 구성 및 동작을 상세히 설명하고, 상기 시스템에서의 유상탑재량 예측 방법을 설명한다.Hereinafter, with reference to the attached drawings, the configuration and operation of the payload prediction system using artificial intelligence according to the present invention will be described in detail, and the payload prediction method in the system will be described.

도 1은 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템을 포함하는 통신시스템 구조를 나타낸 도면이다.Figure 1 is a diagram showing the structure of a communication system including a payload prediction system using artificial intelligence according to the present invention.

도 1을 참조하면, 유상탑재량 예측 시스템(600)은 항공사 시스템(300) 및 유상탑재량 예측부(400)를 포함하여 구성될 수도 있고, 유상탑재량 예측부(400)로만 구성될 수도 있을 것이다. 후자의 경우 항공사 시스템(300)은 외부에 구성될 것이다.Referring to FIG. 1, the payload prediction system 600 may be configured to include an airline system 300 and a payload prediction unit 400, or may be comprised only of the payload prediction unit 400. In the latter case, the airline system 300 will be configured externally.

유상탑재량 예측 시스템(600)은 유무선 데이터통신망(1)을 통해 고객 단말부(100)들과 유선 및 무선 중 어느 하나로 연결되어 상호 데이터통신을 수행한다.The paid payload prediction system 600 is connected to customer terminals 100 either wired or wirelessly through the wired or wireless data communication network 1 and performs mutual data communication.

상기 항공사 시스템(300) 및 유상탑재량 예측부(400)는 유무선 데이터통신망(1)을 통해 유선 및 무선 중 어느 하나로 데이터통신을 수행할 수 있도록 구성될 수도 있고, 와이파이(WiFi)망을 포함하는 내부 로컬망(Local Area Network: LAN)(2)을 통해 연결되어 유선 및 무선 중 어느 하나로 데이터통신을 수행하도록 구성될 수도 있을 것이다.The airline system 300 and the paid payload prediction unit 400 may be configured to perform data communication either wired or wirelessly through a wired or wireless data communication network 1, and may be configured to perform data communication through an internal network including a Wi-Fi network. It may be connected through a local area network (LAN) (2) and configured to perform data communication either by wire or wireless.

상기 유무선 데이터통신망(1)은 와이파이(WiFi)망을 포함하는 인터넷망, 3세대(3 Generation: 3G), 4G, 5G 등의 이동통신망, 와이브로망, 전용망, 전력선 통신망 중 어느 하나 이상이 결합되어 있는 데이터통신망일 수 있을 것이다.The wired and wireless data communication network (1) is a combination of one or more of an Internet network including a Wi-Fi network, a mobile communication network such as 3rd generation (3G), 4G, and 5G, a WiBro network, a dedicated network, and a power line communication network. It could be a data communication network.

고객 단말기(100)는 유무선 데이터통신망(1)에 무선으로 접속하는 스마트폰, 스마트패드 등과 같은 스마트 단말기(110) 및 유선으로 접속하는 데스크톱 컴퓨터, 개인용 컴퓨터, 노트북 등의 컴퓨터 단말기(120) 중 어느 하나가 될 수 있을 것이다.The customer terminal 100 is either a smart terminal 110 such as a smartphone or smart pad that wirelessly connects to the wired or wireless data communication network 1, or a computer terminal 120 such as a desktop computer, personal computer, or laptop connected by wire. We can become one.

임의의 항공기에 대한 항공권 및 유상탑재량을 구매하기 위한 고객은 고객 단말부(100)를 통해 항공사 시스템(300)에 접속할 수 있을 것이다. 물론, 고객은 공항의 해당 항공사 판매부스에서 항공권 판매 관리자의 관리자 단말기(미도시)를 통해 항공권을 구매할 수도 있을 것이다.A customer who wants to purchase an airline ticket and paid payload for any aircraft will be able to access the airline system 300 through the customer terminal 100. Of course, customers may also purchase airline tickets through the ticket sales manager's terminal (not shown) at the airline's sales booth at the airport.

항공사 시스템(300)은 항공권 판매부(310) 및 항공화물 관리 서버(320)를 포함한다.The airline system 300 includes an airline ticket sales department 310 and an air cargo management server 320.

항공사 판매부(310)는 해당 항공사의 항공기별 항공권 및 항공권에 대한 유상탑재량을 판매하고, 항공기별 운항조건, 항공기 운항노선, 운항시즌 및 항공기(운항기종)별 예약 및 탑승 고객정보, 수하물 유상탑재량정보, 항공기별 탑승률정보, 항공기별 예약율정보 등을 포함하는 항공운항정보 저장하여 관리하고, 유상탑재량 예측부(400)의 요청 시 항공운항정보를 제공한다. 상기 항공운항정보는 항공기의 노선 및 비행이 결정될 때마다. 항공기의 출발 시마다 갱신될 수 있을 것이다.The airline sales department 310 sells airline tickets and payload for each aircraft of the relevant airline, operating conditions for each aircraft, aircraft operation route, operation season, reservation and boarding customer information for each aircraft (operating model), and baggage payload information. , flight operation information including load factor information for each aircraft, reservation rate information for each aircraft, etc. is stored and managed, and flight operation information is provided upon request by the paid payload prediction unit 400. The above flight operation information is provided whenever the aircraft route and flight are decided. It may be updated upon each departure of the aircraft.

상기 항공사 판매부(310)는 항공운항정보가 갱신될 때마다 상기 항공운항정보를 유상탑재량 예측부(400)로 자동 제공하도록 구성될 수도 있을 것이다. The airline sales department 310 may be configured to automatically provide the flight operation information to the paid payload prediction unit 400 whenever the flight operation information is updated.

본 발명에 적용되는 상기 항공사 판매부(310)는 미리 설정된 허용탑재 유상탑재량의 항공수하물, 즉 위탁수하물에 대한 운임이 포함된 일반 항공권 및 상기 허용탑재 유상탑재량이 0(유상탑재량 프리 항공권)으로 위탁수하물에 대한 운임이 포함되지 않는 유상탑재량 프리 항공권으로 구분하여 판매할 수 있을 것이다.The airline sales department 310 applied to the present invention provides air baggage with a preset allowable payload, that is, a regular airline ticket including the fare for checked baggage, and checked baggage with the allowable payload being 0 (free payload). It may be possible to sell them as payload-free tickets that do not include the fare for.

상기 항공사 판매부(310)는 일반 항공권 및 유상탑재량 프리 항공권에 대한 번들 유상탑재량을 생성하여 판매하도록 구성될 수도 있으며, 상기 번들 유상탑재량에 대해서 승객들 간 거래를 할 수 있도록 구성될 수도 있을 것이다.The airline sales department 310 may be configured to generate and sell bundled paid payloads for regular airline tickets and paid payload-free airline tickets, and may be configured to enable transactions between passengers regarding the bundled paid payload.

상기 항공사 판매부(310)는 승객들로부터 구매된 유상탑재량을 등록받아 입력 등록 유상탑재량정보를 생성하고, 번들 유상탑재량의 거래에 따른 유상탑재량을 등록하여 거래 등록 유상탑재량정보를 생성하며, 상기 입력 등록 유상탑재량 및 거래 등록 유상탑재량정보를 통합하여 등록 유상탑재량정보로써 관리한다.The airline sales department 310 receives paid payloads purchased from passengers, generates input registration paid payload information, registers paid payloads according to bundle paid payload transactions, generates transaction registered paid payload information, and registers the input. Paid payload and transaction registration paid payload information is integrated and managed as registered paid payload information.

상기 항공사 판매부(310)는 유상탑재량 예측부(400)의 요청 시 상기 등록 유상탑재량정보를 유상탑재량 예측부(400)로 제공할 수도 있고, 정보의 갱신 시마다 유상탑재량 예측부(400)로 제공할 수도 있을 것이다.The airline sales department 310 may provide the registered payload information to the paid payload prediction unit 400 upon request from the paid payload prediction unit 400, and may provide the registered payload information to the paid payload prediction unit 400 each time the information is updated. It might be possible.

상기 번들 유상탑재량의 판매 및 거래는 별도의 거래 시스템(미도시)을 구성하여 이루어질 수 있고, 상기 유상탑재량의 등록은 별도의 등록 시스템(미도시)을 구성하여 이루어질 수도 있을 것이다.Sales and transactions of the bundled payload may be accomplished by configuring a separate transaction system (not shown), and registration of the paid payload may be accomplished by configuring a separate registration system (not shown).

또한, 항공사 판매부(310)는 항공기별로 해당 항공기의 총 유상탑재량에서 위탁수하물에 대해 실제 실린 전체 유상탑재량을 뺀 잔여 유상탑재량에 대해 일반화물을 실을 수 있는 유상탑재량으로 화주 및 포워더들에게 판매하고, 이에 대한 화주정보, 포워더정보 및 일반화물정보 등을 저장하여 관리한다.In addition, the airline sales department 310 sells the remaining payload for each aircraft, minus the total payload actually loaded on checked baggage, to shippers and forwarders as payload that can carry general cargo. , shipper information, forwarder information, and general cargo information are stored and managed.

항공화물 관리 서버(600)는 항공기별로 각 승객, 화주, 포워더들이 구매한 화물 유상탑재량정보를 저장하여 관리하고, 각 승객, 화주, 포워들이 실제 항공기에 싣는 화물 유상탑재량정보를 입력받아 저장하여 관리하며, 실제 항공기에 실리는 화물 유상탑재량정보를 항공권 판매부(310) 및 유상탑재량 예측부(400) 중 어느 하나 이상으로 제공한다.The air cargo management server 600 stores and manages cargo payload information purchased by each passenger, shipper, and forwarder for each aircraft, and receives and stores the payload information of cargo actually loaded on the aircraft by each passenger, shipper, and forwarder. In addition, information on the payload of cargo actually loaded on the aircraft is provided to one or more of the ticket sales department 310 and the payload prediction unit 400.

상기 항공사 시스템(300)은 항공사별로 각각 구성될 수도 있고, 다수의 항공사들에 대해 통합적으로 구성되어 각 항공사들에 대한 항공권 및 유상탑재량 판매와, 각종 항공운항정보와, 등록 및 거래 유상탑재량정보들을 생성하여 관리하도록 구성될 수도 있을 것이다.The airline system 300 may be configured individually for each airline, or may be integrated for multiple airlines to sell airline tickets and payload for each airline, various airline operation information, and registration and transaction payload information. It may be configured to create and manage it.

유상탑재량 예측부(400)는 상기 항공사 시스템(300)으로부터 항공운항정보를 수집하여 저장하고, 등록 유상탑재량정보를 시점에 따라 수집하여 저장한다.The payload prediction unit 400 collects and stores flight operation information from the airline system 300, and collects and stores registered payload information according to time.

상기 유상탑재량 예측부(400)는 상기 항공운항정보에 기반한 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘의 학습에 기반한 인공지능 모델을 생성한다.The paid payload prediction unit 400 analyzes the paid payload rate algorithm for each air operation element and condition based on the air operation information, and generates an artificial intelligence model based on learning of the analyzed paid payload rate algorithm for each air operation element and condition. .

또한, 상기 유상탑재량 예측부(400)는 시점에 따라 상기 등록 유상탑재량정보를 반영하여 항공운항 요소 및 조건별 유상탑재율 알고리즘의 분석하고 분석된 항공운항 요소 및 조건별 유상탑재율 알고리즘의 학습에 기반하여 인공지능 모델을 생성한다.In addition, the paid payload prediction unit 400 analyzes the paid payload rate algorithm for each air operation element and condition by reflecting the registered paid payload information depending on the time point, and based on the learning of the paid payload rate algorithm for each analyzed air operation element and condition, Create an artificial intelligence model.

상기 유상탑재량 예측부(400)는 상기 인공지능 모델의 생성 후 임의의 항공기에 대한 항공기 정보를 입력받아 상기 인공지능 모델에 적용하여 상기 항공기의 유상탑재량을 예측하여 상기 항공기에 대응하는 항공사의 상기 항공사 시스템(300)으로 제공한다. 유상탑재량 예측부(400)의 구성은 다음의 도 2를 참조하여 상세히 설명한다.After generating the artificial intelligence model, the paid payload prediction unit 400 receives aircraft information for an arbitrary aircraft and applies it to the artificial intelligence model to predict the paid payload of the aircraft, and then predicts the paid payload of the aircraft of the airline corresponding to the aircraft. Provided by system 300. The configuration of the payload prediction unit 400 will be described in detail with reference to FIG. 2 below.

도 2는 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 시스템의 유상탑재량 예측부의 상세 구성을 나타낸 도면이다.Figure 2 is a diagram showing the detailed configuration of the payload prediction unit of the payload prediction system using artificial intelligence according to the present invention.

도 2를 참조하면, 유상탑재량 예측부(400)는 서버 통신부(410) 및 서버 제어모듈(500)을 포함한다.Referring to FIG. 2, the payload prediction unit 400 includes a server communication unit 410 and a server control module 500.

상기 서버 통신부(410)는 유무선 데이터통신망(1), 내부 로컬망(2)을 통해 항공사 시스템(300)과 연결되어, 상기 항공사 시스템(300)과 데이터통신을 수행할 수 있도록 한다.The server communication unit 410 is connected to the airline system 300 through a wired/wireless data communication network (1) and an internal local network (2), allowing data communication with the airline system (300).

서버 제어모듈(500)은 서버 저장부(420) 및 서버 제어부(430)를 포함하여 본 발명에 따른 유상탑재량 예측부(400)의 전반적인 동작을 제어한다.The server control module 500 includes the server storage unit 420 and the server control unit 430 and controls the overall operation of the payload prediction unit 400 according to the present invention.

구체적으로 설명하면, 서버 저장부(420)는 항공운항정보 DB(421), 유상탑재량 등록 DB(422), 입력 DB(423), 인공지능 모델 DB(424) 및 예측 DB(425)를 포함한다.Specifically, the server storage unit 420 includes an flight operation information DB 421, a payload registration DB 422, an input DB 423, an artificial intelligence model DB 424, and a prediction DB 425. .

상기 항공운항정보 DB(421)는 항공사 및 항공기별 과거 운항에 따른 운항조건, 운항노선, 운항시즌, 예약율, 탑승률, 유상탑재율, 승객 구분 및 정보, 항공권 종류, 포워더 및 유상탑재량 정보 등을 포함하는 항공운항정보를 저장한다.The above-mentioned flight operation information DB (421) includes operation conditions according to past operations by airline and aircraft, operation route, operation season, reservation rate, load factor, paid load rate, passenger classification and information, ticket type, forwarder and paid load information, etc. Stores flight operation information.

유상탑재량 등록 DB(422)는 항공기별 항공권의 판매에 따른 항공권 종류별 탑승 승객의 등록 및 거래에 따라 등록 및 탑재된 등록 유상탑재량정보를 저장한다. 상기 등록 유상탑재량정보는 상술한 바와 같이 항공기 탑승 승객, 즉 고객에 의해 입력되어 등록 및 탑재된 유상탑재량에 대한 입력 등록 유상탑재량정보 및 유상탑재량의 거래에 따라 등록 및 탑재되는 부피정보에 대한 거래 등록 유상탑재량정보를 포함한다.The paid payload registration DB 422 stores registered paid payload information registered and loaded according to the registration and transaction of boarding passengers for each type of airline ticket according to the sale of airline tickets for each aircraft. As described above, the registered paid payload information is entered by passengers on board the aircraft, that is, the customer, and is input and registered for paid payload information registered and loaded, and transaction registration for volume information registered and loaded according to the transaction of paid payload. Includes paid payload information.

입력 DB(423)는 유상탑재량을 예측하고자 하는 항공기에 대해 관리자로부터 입력되는 항공기 정보를 저장한다. 상기 항공기 정보는 항공 운항조건, 운항노선 운항시즌, 예약율, 탑승률, 유상탑재율, 승객 구분 및 정보, 항공권 종류, 포워더 및 유상탑재량 정보 등의 정보를 포함할 수 있을 것이다.The input DB 423 stores aircraft information input from the manager for the aircraft for which the paid payload is to be predicted. The aircraft information may include information such as flight operation conditions, flight route operation season, reservation rate, load factor, paid load rate, passenger classification and information, airline ticket type, forwarder, and paid payload information.

인공지능 모델 DB(424)는 학습된 항공 운항 요소 및 조건별 유상탑재율 알고리즘을 저장하고, 타깃 변수 설정에 따른 인공지능 모델을 저장한다. 상기 타깃 변수는 유상탑재율 알고리즘의 항공운항 요소 및 조건들 중 어느 하나 이상이 될 수 있을 것이다.The artificial intelligence model DB 424 stores the paid load rate algorithm for each learned flight operation element and condition, and stores an artificial intelligence model according to target variable settings. The target variable may be any one or more of the air operation elements and conditions of the paid load rate algorithm.

상기 항공 운항 요소 및 조건별 유상탑재율 알고리즘은 과거 운항에 따른 상기 항공 운항 요소 및 조건별 유상탑재량에 대해 학습을 수행한 알고리즘으로 각각이 인공지능 모델일 수 있을 것이다. 상기 알고리즘으로는 운항조건별 유상탑재율 알고리즘, 운항노선별 유상탑재량 알고리즘, 운항기종별 유상탑재율 알고리즘, 운항시즌별 유상탑재율 알고리즘, 예약율별 유상탑재율 알고리즘, 승객 구분별 유상탑재율 알고리즘, 탑승 승객별 유상탑재율 알고리즘, 항공권별 유상탑재율 알고리즘, 화주별 유상탑재율 알고리즘, 포워더별 유상탑재율 알고리즘, 물품별 유상탑재율 알고리즘, 등록 유상탑재량에 따른 유상탑재율 알고리즘, 유상탑재량 거래에 따른 알고리즘 등을 포함할 수 있을 것이다.The above-mentioned air operation elements and conditions-specific paid load rate algorithm is an algorithm that learns about the above-mentioned flight operation elements and condition-specific paid load rates according to past operations, and each may be an artificial intelligence model. The above algorithms include the paid load rate algorithm by operation conditions, the paid load rate algorithm by flight route, the paid load rate algorithm by operation type, the paid load rate algorithm by operation season, the paid load rate algorithm by reservation rate, the paid load rate algorithm by passenger type, and the paid load rate algorithm by boarding passengers. It may include algorithms, a payload rate algorithm by airline ticket, a payload rate algorithm by shipper, a payload rate algorithm by forwarder, a payload rate algorithm by product, a payload rate algorithm by registered payload, an algorithm by payload transaction, etc.

상기 타깃 변수는 유상탑재량의 예측 시점에 따라 달라질 수 있을 것이다. 예를 들어 유상탑재량의 예측 시점이 항공권이 판매되기 전이면 상기 타깃 변수는 운항조건, 운항노선, 운항기종, 운항시즌, 탑승률, 승객 구분 및 정보별, 탑재 유상탑재량 등 중 어느 하나 이상이 될 수 있고, 유상탑재량의 예측 시점이 항공권이 판매되기 시작한 후이면 운항조건, 운항노선, 운항기종, 운항시즌, 예약율, 승객 구분 및 정보별별, 항공권 종류, 화주별, 포워더별, 물품별, 탑재 예정물품별, 등록 유상탑재량 등 중 어느 하나 이상이 될 수 있을 것이다.The target variable may vary depending on the timing of prediction of paid payload. For example, if the time to predict paid payload is before airline tickets are sold, the target variable can be one or more of the following: operation conditions, operation route, operation aircraft type, operation season, load factor, passenger classification and information, paid payload, etc. If the forecast time for paid payload is after airline tickets begin to be sold, operation conditions, operation route, operation aircraft type, operation season, reservation rate, passenger classification and information, airline ticket type, shipper, forwarder, product, and scheduled loading It may be one or more of items, registered payload, etc.

상기 타깃 변수는 과거의 해당 노선 조건에 따른 운송된 유상탑재량 DB를 기초로 현재의 해당 노선의 항공권 판매 시작 후의 조건(과거 DB, 예매율, 시즌, 거래 등등)에 인공지능으로 분석된 유상탑재량-즉, 과거 A라는 승객, 또는 화주의 유상탑재량 패턴(탑재량, 등록, 거래), 승객의 성별 유상탑재 패턴, 시즌별 유상탑재 패턴, 노선별 유상탑재 패턴 등의 알고리즘을 하기 수학식 1의 선형회귀 공식에 기초하여 예상되는 해당 운항노선의 유상탑재량을 인공지능 분석한다.The target variable is the paid payload analyzed by artificial intelligence in the conditions after the start of air ticket sales for the current route (past DB, reservation rate, season, transaction, etc.) based on the DB of paid payload transported according to the past conditions of the relevant route - that is, , the linear regression formula in Equation 1 uses an algorithm such as paid load pattern (payload, registration, transaction) of a passenger named A in the past, or the shipper's paid load pattern (payload, registration, transaction), passenger's gender paid load pattern, paid load pattern by season, paid load pattern by route, etc. Based on this, artificial intelligence analyzes the expected payload capacity of the relevant flight route.

여기서, w₀, w₁은 인공지능으로 식별한 매개변수를 나타내고, x는 각 항공 운항조건에 따라 입력되는 입력 값(운항조건, 운항기종, 운항시즌, 예약율, 승객구분 및 정보별, 항공권 종류, 화주별, 포워더별, 탑재 예정물품별, 등록 유상탑재량, 거래 유상탑재량)을 나타낸 것이다. y는 각 조건에 따라 입력되는 입력 값에 따라 특성과 타깃 사이의 관계를 나타내는 선형 방정식의 가중치를 학습하고, 이 방정식으로 훈련 데이터세이 아닌 새로운 샘플의 타깃 값을 예측 가능하게 하여 나타내는 항공 유상탑재량의 결과 값이다.Here, w ₀ and w ₁ represent parameters identified by artificial intelligence, and x is the input value input according to each flight operation condition (operation conditions, operation aircraft type, operation season, reservation rate, passenger classification and information, airline ticket) It shows the type, shipper, forwarder, product to be loaded, registered paid load, and transaction paid load). y learns the weight of a linear equation that represents the relationship between characteristics and targets according to the input values input for each condition, and uses this equation to predict the target value of a new sample rather than a training dataset, representing the aviation payload. This is the result value.

상기 <수학공식 2> 와 같이 W₀X₀ + W₁X₁ + ... 은 각 항공 운항조건에 따라 입력되는 입력 값(운항조건, 운항기종, 운항시즌, 예약율, 승객 구분 및 정보별, 항공권 종류, 화주별, 포워더별, 탑재 예정물품별, 등록 유상탑재량, 거래 유상탑재량)이 다차원적으로 가중치의 합으로 더한 인공지능으로 식별한 매개변수를 나타낸 것이다.As in _< Mathematical Formula ₂ _> above, W ₀ , airline ticket type, shipper, forwarder, expected load, registered payload, transaction payload) represents the parameters identified by artificial intelligence that are added as the sum of weights in a multidimensional manner.

y는 각 입력 값에 따라 특성과 타깃 사이의 관계를 나타내는 선형 방정식의 가중치를 학습하고, 이 방정식으로 훈련 데이터셋이 아닌 새로운 샘플의 타깃 값을 예측 가능하게 하여 나타내는 항공 유상탑재량 결과 값이다.y is the aviation payload result value that learns the weight of a linear equation representing the relationship between characteristics and targets according to each input value, and uses this equation to predict the target value of a new sample rather than a training dataset.

예측 DB(425)는 항공기별 예측된 예측 유상탑재량정보를 저장한다.The prediction DB 425 stores predicted paid payload information for each aircraft.

서버 제어부(430)는 정보 획득부(440), 인공지능 예측부(450) 및 예측정보 제공부(460)를 포함하여 서버 제어모듈(500)의 전반적인 동작을 제어한다.The server control unit 430 controls the overall operation of the server control module 500, including the information acquisition unit 440, the artificial intelligence prediction unit 450, and the prediction information provision unit 460.

상기 정보 획득부(440)는 항공운항정보 획득부(441), 등록 유상탑재량정보 획득부(442) 및 입력정보 획득부(445)를 포함한다.The information acquisition unit 440 includes an aviation operation information acquisition unit 441, a registered paid payload information acquisition unit 442, and an input information acquisition unit 445.

상기 항공운항정보 획득부(441)는 서버 통신부(410)를 통해 항공사 시스템(300)으로부터 항공운항정보를 수집하여 상기 항공운항정보 DB(421)에 저장한다. The flight information acquisition unit 441 collects flight information from the airline system 300 through the server communication unit 410 and stores it in the flight information DB 421.

등록 유상탑재량정보 획득부(442)는 상기 항공사 시스템(300)으로부터 탑승 승객의 등록에 의한 입력 등록 유상탑재량정보를 생성하여 유상탑재량 등록 DB(422)에 저장하는 입력 유상탑재량정보 획득부(443) 및 유상탑재량의 거래에 따라 등록된 거래 등록 유상탑재량정보를 획득하여 유상탑재량 등록 DB(422)에 저장하는 거래 유상탑재량 획득부(444)를 포함한다. The registered paid payload information acquisition unit 442 is an input paid payload information acquisition unit 443 that generates input registered paid payload information by registering passengers from the airline system 300 and stores it in the paid payload registration DB 422. and a transaction paid payload acquisition unit 444 that acquires transaction registration paid payload information registered according to paid payload transactions and stores it in the paid payload registration DB 422.

입력정보 획득부(445)는 관리자로부터 유상탑재량을 예측하고자 하는 항공기 정보를 입력받거나, 항공사 시스템(300)으로부터 획득하여 입력 DB(423)에 저장하거나 인공지능 예측부(450)로 출력한다.The input information acquisition unit 445 receives aircraft information for which the payload is to be predicted from an administrator, or obtains it from the airline system 300 and stores it in the input DB 423 or outputs it to the artificial intelligence prediction unit 450.

인공지능 예측부(450)는 상기 항공운항정보 및 상기 등록 유상탑재량정보 중 어느 하나 이상에 기반한 항공운항 요소 및 조건별 유상탑재율 알고리즘을 분석하고, 분석된 상기 항공운항 요소 및 조건별 유상탑재율 알고리즘 중 타깃 변수 설정에 따른 인공지능 모델을 생성하여 상기 인공지능 모델 DB(424)에 저장하는 유상탑재량 학습부(451) 및 임의의 항공기에 대한 항공기 정보를 입력받아 상기 인공지능 모델에 적용하여 상기 항공기의 유상탑재량을 예측하고, 예측된 예측 유상탑재량을 상기 예측 DB(425)에 저장하는 유상탑재량 예측부(452)를 포함한다.The artificial intelligence prediction unit 450 analyzes the paid load rate algorithm for each air operation element and condition based on one or more of the flight operation information and the registered paid payload information, and selects the paid payload rate algorithm for each air operation element and condition analyzed. A payload learning unit 451 that generates an artificial intelligence model according to target variable settings and stores it in the artificial intelligence model DB 424, and receives aircraft information for an arbitrary aircraft and applies it to the artificial intelligence model to determine the size of the aircraft. It includes a payload prediction unit 452 that predicts the payload amount and stores the predicted payload amount in the prediction DB 425.

상기 유상탑재량 학습부(451)는 다양한 시점에서 항공기별 유상탑재량을 예측할 수 있으며, 예측 시점에 따라 타깃 변수, 즉 적용되는 유탑재 유상탑재율 알고리즘이 달리하여 학습을 수행하며, 학습에 따른 인공지능 모델을 생성할 것이다. 예측 시점별 인공지능 모델 각각이 인공지능 모델 DB(424)에 저장되어 관리되도록 구성될 수도 있고, 인공지능 모델이 지속적으로 업데이트 되도록 구성될 수도 있을 것이다.The payload learning unit 451 can predict the payload for each aircraft at various points in time, and performs learning by varying the target variable, that is, the applied payload payload rate algorithm, depending on the prediction time, and creates an artificial intelligence model according to the learning. will create. Each artificial intelligence model for each prediction point may be configured to be stored and managed in the artificial intelligence model DB 424, or the artificial intelligence model may be configured to be continuously updated.

상기 유상탑재량 예측부(452)에 적용되는 항공기 정보의 입력 데이터 또한 그 시점의 타깃 변수에 따라 달라지는 것이 바람직할 것이다.It would be desirable for the input data of aircraft information applied to the payload prediction unit 452 to also vary depending on the target variable at that point in time.

예측정보 제공부(460)는 상기 유상탑재량이 예측되어 예측 유상탑재량정보가 생성되면 생성된 예측 유상탑재량정보를 서버 통신부(410)를 통해 항공사 시스템(300) 또는 항공사의 유상탑재량 관리자의 관리자 단말기(미도시)로 제공하거나 유상탑재량 관리자의 이메일 등으로 제공할 수 있을 것이다.When the paid payload is predicted and predicted payload information is generated, the prediction information provider 460 sends the generated predicted payload information to the airline system 300 or the airline's paid payload manager's manager terminal ( (not shown) or through the paid payload manager's email, etc.

도 3은 본 발명에 따른 인공지능을 이용한 유상탑재량 예측 방법의 흐름도를 나타낸 도면이다.Figure 3 is a flowchart of a method for predicting paid payload using artificial intelligence according to the present invention.

도 3을 참조하면, 서버 제어부(430)는 항공사 시스템(300)으로부터 학습 이벤트가 발생하는지를 검사한다(S111). 상기 학습 이벤트는 임의의 항공편의 등록 시, 해당 항공편의 항공권 판매 개시 시, 유상탑재량 관리자의 요청 시, 일정 주기 등에 발생될 수 있을 것이다.Referring to FIG. 3, the server control unit 430 checks whether a learning event occurs from the airline system 300 (S111). The learning event may occur when a certain flight is registered, when a ticket for the flight begins to be sold, at the request of a paid payload manager, at a certain period, etc.

학습 이벤트가 발생되면 서버 제어부(430)는 항공사 시스템(300)으로부터 항공운항정보를 수집하고, 시점에 따라 등록 및 거래 유상탑재량정보를 더 수집하여 서버 저장부(420)에 저장한다(S113).When a learning event occurs, the server control unit 430 collects flight operation information from the airline system 300, and further collects registration and transaction payload information depending on the time and stores it in the server storage unit 420 (S113).

항공운항정보 및 등록 유상탑재량정보 중 항공운항정보를 포함하는 정보가 수집되면 서버 제어부(430)는 수집된 정보에 대응하는 유상탑재율 알고리즘을 생성하여 인공지능 모델 DB(424)에 저장한다(S115).When information including flight operation information is collected among the flight operation information and registered payload information, the server control unit 430 creates a payload rate algorithm corresponding to the collected information and stores it in the artificial intelligence model DB 424 (S115) .

유상탑재율 알고리즘이 생성되면 서버 제어부(430)는 유상탑재량 예측 이벤트가 발생되는지를 검사한다(S117). 상기 유상탑재량 예측 이벤트는 상기 유상탑재율 알고리즘의 분석 시 발생될 수도 있고, 일정 주기로 발생될 수도 있고, 유상탑재량 관리자의 요청에 의해 발생될 수도 있을 것이다.When the payload rate algorithm is created, the server control unit 430 checks whether a payload prediction event occurs (S117). The payload prediction event may occur when analyzing the payload rate algorithm, may occur at a certain cycle, or may be generated at the request of a payload manager.

유상탑재량 예측 이벤트가 발생되면 서버 제어부(430)는 분석하고자 하는 적어도 하나 이상의 항공기들에 대해 순차적으로 항공권의 판매 개시 여부를 판단한다(S119).When a payload prediction event occurs, the server control unit 430 sequentially determines whether to start selling airline tickets for at least one aircraft to be analyzed (S119).

해당 항공기의 항공권이 판매되고 있지 않으면 서버 제어부(430)는 항공권 판매 전의 유상탑재율 알고리즘, 즉 항공권 판매 전의 타깃 변수를 적용하여 인공지능 모델을 생성하고(S120), 생성된 인공지능 모델에 상기 예측 이벤트의 발생 시 획득되는 항공기 정보를 상기 인공지능 모델에 적용하여 항공권 판매 전 예측 유상탑재량을 예측하고, 예측된 예측 유상탑재량정보를 생성하여 예측 DB(425)에 저장한다(S121). 이때, 예측된 유상탑재량정보에 근거하여 허용탑재 유상탑재량에 대한 항공권의 항공운임 및 전체 유상탑재량에서 유상탑재량 프리 항공권에 대한 상기 허용탑재 유상탑재량을 제외한 유상탑재량 프리 항공권 유상탑재량의 전체 가격을 결정하고 상기 유상탑재량 프리 항공권 유상탑재량을 일번 기준 단위에 대한 기준 가격을 결정하며, 상기 기준단위에 대한 가격에 의해 다수의 번들 유상탑재량들을 생성하고, 생성된 번들 유상탑재량의 가격을 결정할 수 있을 것이다.If the airline ticket for the relevant aircraft is not being sold, the server control unit 430 generates an artificial intelligence model by applying the paid loading ratio algorithm before the airline ticket sale, that is, the target variable before the airline ticket sale (S120), and the predicted event is added to the generated artificial intelligence model. The aircraft information obtained when occurs is applied to the artificial intelligence model to predict the predicted paid payload before selling the ticket, and the predicted paid payload information is generated and stored in the prediction DB 425 (S121). At this time, based on the predicted payload information, determine the air fare of the ticket for the allowable payload and the total price of the payload for the payload-free ticket excluding the above-mentioned allowable payload for the payload-free ticket from the total payload; The paid payload free airline ticket payload can be used to determine the standard price for one standard unit, create a plurality of bundle paid payloads based on the price for the standard unit, and determine the price of the generated bundle paid payload.

상기 결정된 예측 유상탑재량정보 및 가격정보는 항공사 시스템(300) 및 유상탑재량 관리자 단말부 중 어느 하나 이상으로 제공될 것이다(S123). The determined predicted payload information and price information will be provided to one or more of the airline system 300 and the payload manager terminal (S123).

상기 예측 유상탑재량정보의 저장 후 서버 제어부(430)는 다시 학습 이벤트가 발생되는지(S124), 유상탑재량 예측 이벤트가 발생되는지(S117)를 판단한다.After storing the predicted paid payload information, the server control unit 430 determines again whether a learning event occurs (S124) or a paid payload prediction event occurs (S117).

반면, 상기 항공기, 즉 항공편에 대한 항공권의 판매 개시 시 서버 제어부(430)는 항공권 판매 이후에 대해 미리 설정된 유상탑재율 알고리즘에 기반한 인공지능 모델을 생성한다(S125).On the other hand, when the sale of a ticket for the aircraft, that is, a flight, begins, the server control unit 430 generates an artificial intelligence model based on a preset paid loading rate algorithm for after the ticket is sold (S125).

인공지능 모델이 생성되면 서버 제어부(430)는 상기 항공권의 판매 개시 이후에 대해 생성된 인공지능 모델에 획득된 항공기정보를 적용하여 항공권 판매 이후의 예측 유상탑재량을 예측하여 예측 유상탑재량정보를 생성한다(S127). 예측 유상탑재량정보가 생성되면 서버 제어부(430)는 생성된 예측 유상탑재량정보에 따른 해당 항공기의 전체 유상탑재량에 대한 잔여 유상탑재량에 대한 가격을 결정할 수 있을 것이다.When the artificial intelligence model is created, the server control unit 430 applies the acquired aircraft information to the artificial intelligence model created after the start of sale of the air ticket, predicts the predicted paid payload after the ticket is sold, and generates the predicted paid payload information. (S127). When the predicted payload information is generated, the server control unit 430 will be able to determine a price for the remaining payload for the entire paid payload of the aircraft according to the generated predicted payload information.

상기 예측 유상탑재량정보가 생성되면 서버 제어부(430)는 해당 항공기의 출발 날짜 및 시각 기준 일정 시간 전까지 지속적으로 새로 생성되는 정보(등록 유상탑재량정보)에 따른 인공지능 모델을 갱신하여 예측 유상탑재량을 갱신할 것이다(S129).When the predicted payload information is generated, the server control unit 430 updates the predicted payload by continuously updating the artificial intelligence model according to the newly created information (registered payload information) until a certain time based on the departure date and time of the relevant aircraft. I will do it (S129).

상기 해당 항공기의 출발 날짜 및 시각 기준 일정 시간이되면 서버 제어부(430)는 해당 항공기에 대한 예측 유상탑재량 갱신을 중지하고, 상술한 S111 이후의 과정을 반복 수행할 것이다.When a certain amount of time arrives based on the departure date and time of the aircraft, the server control unit 430 will stop updating the predicted payload for the aircraft, and repeat the process from S111 described above.

한편, 본 발명은 전술한 전형적인 바람직한 실시예에만 한정되는 것이 아니라 본 발명의 요지를 벗어나지 않는 범위 내에서 여러 가지로 개량, 변경, 대체 또는 부가하여 실시할 수 있는 것임은 당해 기술분야에서 통상의 지식을 가진 자라면 용이하게 이해할 수 있을 것이다. 이러한 개량, 변경, 대체 또는 부가에 의한 실시가 이하의 첨부된 특허청구범위의 범주에 속하는 것이라면 그 기술사상 역시 본 발명에 속하는 것으로 보아야 한다.Meanwhile, it is common knowledge in the technical field that the present invention is not limited to the above-described typical preferred embodiments, but can be implemented by various improvements, changes, substitutions, or additions without departing from the gist of the present invention. Anyone who has will be able to understand it easily. If the implementation by such improvement, change, replacement or addition falls within the scope of the appended patent claims below, the technical idea thereof should also be regarded as belonging to the present invention.

100: 고객 단말부 300: 항공사 시스템
400: 유상탑재량 예측부 410: 서버 통신부
420: 서버 저장부 430: 서버 제어부
440: 정보 획득부 441: 항공운항정보 획득부
442: 등록 유상탑재량정보 획득부 443: 입력 유상탑재량정보 획득부
444: 거래 유상탑재량정보 획득부 445: 입력정보 획득부
450: 인공지능 예측부 451: 유상탑재량 학습부
452: 유상탑재량 예측부 460: 예측정보 제공부
500: 서버 제어모듈 600: 유상탑재량 예측 시스템100: Customer terminal 300: Airline system
400: Paid payload prediction unit 410: Server communication unit
420: server storage unit 430: server control unit
440: Information acquisition department 441: Flight operation information acquisition department
442: Registration paid payload information acquisition unit 443: Input paid payload information acquisition unit
444: Transaction payload information acquisition unit 445: Input information acquisition unit
450: Artificial intelligence prediction unit 451: Paid payload learning unit
452: Paid payload prediction unit 460: Prediction information provision unit
500: Server control module 600: Paid load prediction system

Claims

We sell air tickets for each of multiple aircraft and air payload according to the allowable payload that can be loaded on the aircraft, provide airline flight operation information, and receive and manage the allowable payload for each aircraft and payload information to be loaded. airline system; and
Collect and store flight operation information, allowable payload for each aircraft, and loaded payload information from the airline system, analyze flight operation elements based on the flight operation information and payload ratio algorithm for each condition, and analyze the analyzed flight operation elements. And after creating an artificial intelligence model based on learning of the payload rate algorithm for each condition, receiving aircraft information for a random aircraft and predicting the payload of the aircraft, the airline system and payload manager of the airline corresponding to the aircraft Includes a paid payload prediction unit provided by one or more of the terminals,
The paid payload prediction unit,
a server communication unit that enables data communication with the airline system through a wired or wireless data communication network;
Airline operation information DB, which stores flight operation information including operating conditions based on past operations for each aircraft, operating route, operating season, reservation rate, load factor, paid load rate, passenger classification and information, ticket type, forwarder, and paid load information; Paid payload registration database for storing paid payload information of passengers boarding by ticket type according to sale of airline tickets and purchase of paid payload by aircraft and paid payload information registered according to transactions, paid payload payload rate algorithm for each learned air operation element and condition A server storage unit including an artificial intelligence model DB that stores an artificial intelligence model according to target variable settings and a prediction DB that stores predicted payload information for each aircraft; and
Collects flight operation information from the airline system through the server communication unit and stores it in the flight operation information DB, obtains the registered payload information from the airline system and stores it in the payload registration DB, and collects the flight operation information and the Analyzing the paid payload rate algorithm for each air operation element and condition based on one or more of the registered paid payload information, and including one or more algorithms according to the target variable setting at the time of prediction among the analyzed paid payload rate algorithms for each air operation element and condition After creating an artificial intelligence model and storing it in the artificial intelligence model DB, aircraft information for a random aircraft is input and applied to the artificial intelligence model including one or more algorithms corresponding to target variable settings according to the prediction time. After predicting the paid payload of the aircraft, a server control unit predicts the paid payload of the aircraft and provides the service to one or more of the airline system and the payload manager terminal of the airline corresponding to the aircraft through the server communication unit. Paid payload prediction system.

delete

According to paragraph 1,
The server control unit,
Through the server communication unit, flight operation information, allowable payload for each aircraft, and loaded payload information are collected from the airline system and stored in the flight operation information DB, and the registered payload information is obtained from the airline system to determine the payload amount. An information acquisition unit stored in a registration DB;
Analyze the paid load rate algorithm for each air operation element and condition based on any one or more of the air operation information and the registered paid payload information, and analyze the paid load rate algorithm for each analyzed air operation element and condition based on the target variable setting. An artificial intelligence prediction unit that generates an intelligence model and stores it in the artificial intelligence model DB, receives aircraft information for an arbitrary aircraft, predicts the payload of the aircraft, and stores the predicted payload in the prediction DB. ; and
A payload prediction system using artificial intelligence, comprising a prediction information provider that provides the predicted payload to one or more of the airline system and the payload manager terminal through the server communication unit.

According to paragraph 3,
The information acquisition department,
an aviation operation information acquisition unit that collects flight operation information, allowable paid payload for each aircraft, and loaded payload information from the airline system through the server communication unit and stores them in the flight operation information DB;
From the airline system, registered payload information including paid payload information input by boarding passenger registration and transaction registration payload information registered according to payload transactions is obtained and stored in the paid payload registration DB. acquisition department;
A payload prediction system using artificial intelligence, characterized by including an input information acquisition unit that receives and outputs aircraft information for which payload is to be predicted from an administrator.

According to paragraph 4,
The artificial intelligence prediction unit,
Analyze the paid load rate algorithm for each air operation element and condition based on any one or more of the air operation information and the registered paid payload information, and analyze the paid load rate algorithm for each analyzed air operation element and condition based on the target variable setting. A payload learning unit that generates an intelligence model and stores it in the artificial intelligence model DB; and
When acquiring aircraft information about an arbitrary aircraft through the input information acquisition unit, the aircraft information is entered into the artificial intelligence model to predict the paid payload of the aircraft, and the predicted paid payload is stored in the prediction DB. A paid payload prediction system using artificial intelligence, characterized by including a prediction unit.

A server communication unit that enables data communication with the airline system through a wired or wireless data communication network;
Airline operation information DB, which stores flight operation information including operating conditions based on past operations for each aircraft, operating route, operating season, reservation rate, load factor, paid load rate, passenger classification and information, ticket type, forwarder, and paid load information; A payload registration database that stores registered payload information registered according to the registration and transactions of passengers by ticket type according to the sale of airline tickets and purchase of payload for each aircraft, and a payload rate algorithm for each learned air operation element and condition is stored, A server storage unit including an artificial intelligence model DB that stores an artificial intelligence model according to target variable settings and a prediction DB that stores predicted payload information for each aircraft; and
Collects flight operation information from the airline system through the server communication unit and stores it in the flight operation information DB, obtains the registered payload information from the airline system and stores it in the payload registration DB, and collects the flight operation information and the Analyze the paid payload rate algorithm for each air operation element and condition according to the forecast time based on one or more of the registered paid payload information, and one or more of the paid payload rate algorithms for each analyzed air operation element and condition according to the target variable setting at the forecast time. After creating an artificial intelligence model containing an algorithm and storing it in the artificial intelligence model DB, aircraft information for a random aircraft is input and applied to an artificial intelligence model containing one or more algorithms according to the prediction time to determine the cost of the aircraft. A payload prediction system using artificial intelligence, comprising a server control unit that predicts the payload and provides the payload to one or more of the airline system and the payload manager terminal of the airline corresponding to the aircraft through the server communication unit.

According to clause 6,
The server control unit,
Collects flight operation information from the airline system through the server communication unit and stores it in the flight operation information DB, obtains the registered payload information, allowable payload for each aircraft, and loaded payload information from the airline system to determine the payload amount An information acquisition unit stored in a registration DB;
Analyzing the paid load rate algorithm for each air operation element and condition based on any one or more of the air operation information and the registered paid payload information, and an artificial intelligence model according to target variable settings among the analyzed paid load rate algorithm for each air operation element and condition An artificial intelligence prediction unit that generates and stores in the artificial intelligence model DB, receives aircraft information for an arbitrary aircraft, predicts the paid payload of the aircraft, and stores the predicted paid payload in the prediction DB; and
A payload prediction system using artificial intelligence, comprising a prediction information providing unit that provides the predicted payload to one or more of the airline system and the payload manager through the server communication unit.

An information acquisition process in which the server control unit collects flight operation information, allowable paid payload for each aircraft, and loaded payload information from the airline system through the server communication unit and stores them in the flight operation information DB;
The server control unit analyzes a paid load rate algorithm for each air operation element and condition based on the air operation information, and includes one or more algorithms according to the target variable setting at the prediction time among the analyzed paid load rate algorithms for each air operation element and condition. A learning process that creates an artificial intelligence model and stores it in the artificial intelligence model DB;
Prediction in which the server control unit receives aircraft information about an arbitrary aircraft and applies it to the artificial intelligence model, which includes one or more algorithms according to target variable settings at the time of prediction, to predict the payload of the aircraft and output payload information. procedure; and
A paid payload prediction method using artificial intelligence, characterized in that it includes a process of providing payload information provided by the server control unit to one or more of the airline system and the payload manager of the airline corresponding to the aircraft through the server communication unit. .

According to clause 8,
The information acquisition process is,
An airline operation information acquisition step of collecting flight operation information from an airline system through the server communication unit and storing the flight operation information in the flight operation information DB; and
It includes a step of obtaining registered payload information of obtaining registered payload information from the airline system and storing it in the payload registration DB,
The learning process is,
The server control unit analyzes the paid load rate algorithm for each air operation element and condition based on the flight operation information and registered paid payload information, and creates an artificial intelligence model according to target variable settings among the analyzed paid load rate algorithm for each air operation element and condition. A paid payload prediction method using artificial intelligence, characterized in that it is generated and stored in the artificial intelligence model DB.

According to clause 9,
The paid loading rate algorithm is,
Paid payload by operating conditions, paid payload by flight route, paid payload by operation type, paid payload by operating season, paid payload by reservation rate and load factor, paid payload by passenger type and information, paid payload by boarding passenger, airline ticket A paid payload prediction method using artificial intelligence, characterized by including a paid payload and a paid payload rate algorithm for each forwarder.