KR102604320B1 - 시뮬레이션 모델 보정 시스템 및 방법 - Google Patents

시뮬레이션 모델 보정 시스템 및 방법 Download PDF

Info

Publication number
KR102604320B1
KR102604320B1 KR1020180132575A KR20180132575A KR102604320B1 KR 102604320 B1 KR102604320 B1 KR 102604320B1 KR 1020180132575 A KR1020180132575 A KR 1020180132575A KR 20180132575 A KR20180132575 A KR 20180132575A KR 102604320 B1 KR102604320 B1 KR 102604320B1
Authority
KR
South Korea
Prior art keywords
value
correction parameter
simulation
correction
module
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020180132575A
Other languages
English (en)
Other versions
KR20200049373A (ko
Inventor
이천희
백의현
강동오
배장원
정준영
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020180132575A priority Critical patent/KR102604320B1/ko
Priority to US16/233,276 priority patent/US20200134109A1/en
Publication of KR20200049373A publication Critical patent/KR20200049373A/ko
Application granted granted Critical
Publication of KR102604320B1 publication Critical patent/KR102604320B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)

Abstract

프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템으로서, 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 보정 파라미터값 생성 모듈, 상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 초기 데이터 생성 모듈, 그리고 상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는 시뮬레이션 모듈을 포함하는 시뮬레이션 모델 보정 시스템이 제공된다.

Description

시뮬레이션 모델 보정 시스템 및 방법{SYSTEM AND METHOD FOR CALIBRATING SIMULATION MODEL}
본 기재는 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템 및 방법에 관한 것이다.
시뮬레이션 모델 개발시 시뮬레이션 결과의 정확도를 높이기 위해서 보정 작업이 요구된다.
시뮬레이션 모델 보정은 모델의 다양한 보정 파라미터값(Calibration Parameter Value)들을 변경하면서 정확도가 높은 보정 파라미터값을 찾는 과정이다.
한 실시예는 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템을 제공한다.
다른 실시예는 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 방법을 제공한다.
다른 실시예는 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 장치를 제공한다.
한 실시예에 따르면, 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템은, 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 보정 파라미터값 생성 모듈, 상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 초기 데이터 생성 모듈, 그리고 상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는 시뮬레이션 모듈을 포함한다.
상기 초기 데이터 생성 모듈은, 상기 결측치를 상기 제1 보정 파라미터의 값에 따라, 0, 상기 기초 데이터의 한 컬럼(column)의 평균값, 또는 상기 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값 중 하나로 결정할 수 있다.
상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 디스플레이 모듈을 더 포함할 수 있다.
상기 디스플레이 모듈은, 상기 제2 보정 파라미터의 값, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 상기 제2 보정 파라미터의 값의 발생빈도를 시각화할 수 있다.
상기 시뮬레이션 이후 사용자로부터 제3 보정 파라미터의 값을 제공받는 입력 모듈을 더 포함할 수 있다.
상기 보정 파라미터값 생성 모듈은, 상기 입력 모듈에 상기 제3 보정 파라미터의 값이 제공되면, 상기 초기 데이터, 상기 제2 보정 파라미터의 값, 및 상기 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터값을 생성하고, 상기 시뮬레이션 모듈은, 상기 제5 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행할 수 있다.
상기 보정 파라미터값 생성 모듈은, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반하여 상기 제2 보정 파라미터의 값을 생성할 수 있다.
다른 실시예에 따르면, 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템은, 상기 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 보정 파라미터값 생성 모듈, 상기 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는 시뮬레이션 모듈, 상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 디스플레이 모듈, 그리고 상기 시뮬레이션 이후 사용자로부터 제3 보정 파라미터의 값을 제공받는 입력 모듈을 포함한다.
상기 보정 파라미터값 생성 모듈은, 상기 입력 모듈에 상기 제3 보정 파라미터의 값이 제공되면, 상기 제2 보정 파라미터의 값과 상기 제3 보정 파라미터의 값에 기반하여 제4 보정 파라미터값을 생성하고, 상기 시뮬레이션 모듈은, 상기 제4 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행할 수 있다.
다른 실시예에 따르면, 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 방법은, 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계, 상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계, 상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계를 포함한다.
상기 제1 보정 파라미터의 값 및 제2 보정 파라미터의 값을 생성하는 단계는, 상기 결측치를 상기 제1 보정 파라미터의 값에 따라, 0, 상기 기초 데이터의 한 컬럼(column)의 평균값, 또는 상기 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값으로 결정할 수 있다.
상기 제1 시뮬레이션을 수행하는 단계 이후, 디스플레이 모듈을 통해 상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 단계를 더 포함할 수 있다.
상기 시각화하는 단계 이후, 사용자로부터 제3 보정 파라미터의 값을 제공받으면, 상기 초기 데이터, 상기 제2 보정 파라미터의 값, 및 상기 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성하고, 상기 제5 보정 파라미터의 값을 바탕으로 제2 시뮬레이션을 수행하는 단계를 더 포함할 수 있다.
상기 시각화하는 단계는, 상기 제2 보정 파라미터의 벡터값, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 상기 제2 보정 파라미터의 벡터값의 발생빈도를 시각화할 수 있다.
다른 실시예에 따르면, 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 장치는, 프로세서 및 메모리를 포함하고, 상기 프로세서는 상기 메모리에 저장된 프로그램을 실행하여, 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계, 상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계, 상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계를 수행한다.
상기 프로세서는, 상기 제1 보정 파라미터의 값 및 제2 보정 파라미터의 값을 생성하는 단계에서, 상기 결측치를 상기 제1 보정 파라미터의 값에 따라, 0, 상기 기초 데이터의 한 컬럼(column)의 평균값, 또는 상기 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값으로 결정할 수 있다.
디스플레이 모듈을 포함하는 사용자 인터페이스 출력 장치를 더 포함하고, 상기 프로세서는, 상기 제1 시뮬레이션을 수행하는 단계 이후, 상기 사용자 인터페이스 출력 장치를 통해 상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 단계를 수행할 수 있다.
입력 모듈을 포함하는 사용자 인터페이스 입력 장치를 더 포함하고, 상기 프로세서는, 사용자로부터 제3 보정 파라미터의 값이 상기 사용자 인터페이스 입력 장치에 입력되면, 상기 초기 데이터, 상기 제2 보정 파라미터의 값, 및 상기 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성하고, 상기 제5 보정 파라미터의 값을 바탕으로 제2 시뮬레이션을 수행하는 단계를 수행할 수 있다.
상기 프로세서는, 상기 사용자 인터페이스 출력 장치를 통해 상기 제2 보정 파라미터의 값, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 상기 제2 보정 파라미터의 값의 발생빈도를 시각화할 수 있다.
사용자에게 효과적으로 시뮬레이션 모델을 보정할 수 있는 프레임워크를 제공하고, 보정 파라미터에 대한 다양한 시각화 기능을 지원함으로써, 시뮬레이션 모델 보정의 정확도를 높일 수 있다.
도 1은 한 실시예에 따른 통합된 보정(Integrated Calibration) 방법을 사용하는 시뮬레이션 모델 보정 시스템의 블록도이다.
도 2는 한 실시예에 따른 기초 데이터를 나타내는 테이블이다.
도 3은 한 실시예에 따른 제1 보정 파라미터의 값에 기반하여 생성된 초기 데이터를 나타내는 테이블이다.
도 4는 한 실시예에 따른 상호작용형 보정 프레임워크(Interactive Calibration) 기반 시뮬레이션 모델 보정 시스템의 블록도이다.
도 5는 한 실시예에 따른 디스플레이 모듈의 화면을 나타내는 도면이다.
도 6은 한 실시예에 따른 시뮬레이션 결과를 나타내는 그래프이다.
도 7은 한 실시예에 따른 통합된 상호작용형 보정 프레임 워크(Integrated and Iteractive Calibration Framework) 기반 시뮬레이션 모델 보정 시스템의 블록도이다.
도 8은 한 실시예에 따른 주택 가격 및 거래량 예측 시뮬레이션 기초 데이터를 나타내는 테이블이다.
도 9는 한 실시예에 따른 주택 가격 및 거래량 예측 시뮬레이션 결과를 나타내는 그래프이다.
도 10은 한 실시예에 따른 디스플레이 모듈의 주택 가격 및 거래량 예측 시뮬레이션 결과 화면을 나타내는 도면이다.
도 11은 한 실시예에 따른 시뮬레이션 모델 보정 방법의 흐름도이다.
도 12는 한 실시예에 따른 시뮬레이션 모델 보정 장치의 블록도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 한 실시예에 따른 통합된 보정(Integrated Calibration) 방법을 사용하는 시뮬레이션 모델 보정 시스템의 블록도이다.
도 1을 참조하면, 한 실시예에 따른 시뮬레이션 모델 보정 시스템은, 보정 파라미터값 생성 모듈(11), 초기 데이터 생성 모듈(12), 그리고 시뮬레이션 모듈(13)을 포함한다.
시뮬레이션을 수행할 때 초기 데이터가 필요하며, 초기 데이터는 실데이터를 기반으로 생성된다. 실데이터는 결측치(Missing Value)를 포함한다. 결측치를 전부 제거하면 초기 데이터 세팅에 필요한 실데이터의 레코드수가 크게 줄어들고, 임의의 값으로 채우면 모델러(Modeler, 시뮬레이션 모델 개발자) 또는 사용자가 원치 않는 시뮬레이션 결과가 생성될 수 있다. 본 기재는 이러한 문제를 해결하기 위하여 초기 데이터 생성 과정에서 보정 파라미터를 추출함으로써, 초기 데이터 생성 과정도 시뮬레이션 모델의 보정 영역에 포함시킨다.
보정 파라미터값 생성 모듈(11)은 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성한다.
초기 데이터 생성 모듈(12)은 보정 파라미터값 생성 모듈(11)로부터 전달받은 제1 보정 파라미터의 값을 바탕으로 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성한다. 이 때, 제1 보정 파라미터는 결측치를 결정하는 파라미터로 국한되지 않는다. 시뮬레이션에 따라서 초기 데이터의 Granularity나 초기 데이터에서의 속성의 개수 등도 제1 보정 파라미터로 사용될 수 있다.
기초 데이터는 실 마이크로데이터(Real Microdata)이고, 제1 보정 파라미터는 모델러(또는 사용자)에 의해 설정된 초기 데이터 보정 파라미터(Initial Data Calibration Parameter)이다. 초기 데이터 보정 파라미터는 초기 데이터의 형태 및 모델의 특성에 따라 여러 가지 형태가 가능하다. 여기서, 모델러가 설정해야 하는 초기 데이터 보정 파라미터는 보정을 위한 파라미터의 값을 의미하는 것이 아니라 변수를 의미한다. 모델러에 의해 보정 파라미터 변수가 정해지면 보정 파라미터값 생성 모듈(11)은 기저장된 보정 프로세스에 의해 최적의 파라미터의 값을 생성하게 된다.
도 2는 한 실시예에 따른 기초 데이터를 나타내는 테이블이다.
도 2를 참조하면, 에이전트 기반 시뮬레이션(Agent-based Simulation) 모델의 초기 데이터 생성을 위한 기초 데이터에서, Attr1 컬럼(Column)의 기초 데이터는 세번째와 여섯번째 로우(Row)의 결측치를 포함하고, Attr3 컬럼의 기초 데이터는 다섯번째 로우의 결측치를 포함한다.
초기 데이터 생성 모듈(12)은 결측치를 제1 보정 파라미터의 값에 따라, 0, 기초 데이터의 한 컬럼(column)의 평균값, 또는 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값 중에서 하나로 결정하여 초기 데이터를 생성할 수 있다. 예를 들어, 초기 데이터 생성 모듈(12)은 결측치를 포함하는 기초 데이터인 Attr1을 제1 보정 파라미터인 IP 1로 설정하고, 제1 보정 파라미터의 값이 1이면, 즉, IP 1이 1이면 결측치를 0으로 설정하고, IP 1이 2이면 Attr1의 평균값인 3.5로 설정하며, IP 1이 3이면 결측치를 Attr1에서 발생빈도가 가장 높은 값인 3.5로 설정할 수 있다. 초기 데이터 생성 모듈(12)은 Attr3도 Attr1에 대한 제1 파라미터와 다른 제1 파라미터인 IP 2로 설정할 수 있고, IP 2가 1이면 Attr3의 디폴트값인 A로 설정하고, IP 2가 2이면 Attr3에서 발생빈도가 가장 높은 B로 설정할 수 있다.
초기 데이터 생성 모듈(12)에 의해 생성된 초기 데이터는 시뮬레이션 모듈(13)에게 전달된다.
도 3은 한 실시예에 따른 제1 보정 파라미터의 값에 기반하여 생성된 초기 데이터를 나타내는 테이블이다.
도 3을 참조하면, 복수의 제1 보정 파라미터인 IP 1과 IP 2의 값이 각각 1과 2일 때, Attr1의 결측치는 0으로 설정되고, Attr3의 결측치는 Attr3에서 발생빈도가 가장 높은 B로 설정된다.
위에서 설명한 Attr1, Attr3와 같이 서로 다른 종류의 실데이터를 이용하여 초기 데이터를 생성하는 과정에는 다양한 옵션이 존재할 수 있다. 초기 데이터 생성시 고려되는 옵션들을 파라미터로 정할 수 있고, 이를 모델 보정에 사용함으로써 보정의 정확도를 높일 수 있다.
보정 파라미터값 생성 모듈(11)은 미리 저장된 제2 보정 파라미터에 기반하여 제2 보정 파라미터의 값을 생성한다. 제2 보정 파라미터는 모델러(또는 사용자)에 의해 설정된 모델 보정 파라미터(Model Calibration Parameter)일 수 있다. 모델 보정 파라미터는 기존 보정 방법에서 사용하는 형태의 보정 파라미터일 수 있다. 제2 보정 파라미터의 값은 제2 보정 파라미터에 대한 벡터값일 수 있다. 모델 보정 파라미터가 m개라면 제2 보정 파라미터의 값은 수학식 1과 같다.
보정 파라미터값 생성 모듈(11)은 n개의 제2 보정 파라미터의 벡터값인 P1, ..., Pn을 생성한다. 보정 파라미터값 생성 모듈(11)에 의해 생성된 제2 보정 파라미터의 값은 시뮬레이션 모듈(13)에게 전달된다. 보정 파라미터값 생성 모듈(11)은 모델러(또는 사용자)에 의해 미리 저장된 제1 보정 파라미터의 값을 생성하여 초기 데이터 생성 모듈(12)에게 전달한다.
시뮬레이션 모듈(13)은 초기 데이터와 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행한다. 구체적으로, 시뮬레이션 모듈(13)은 초기 데이터와 n개의 제2 보정 파라미터의 값을 가지고 시뮬레이션을 수행한다.
보정 파라미터값 생성 모듈(11)은 시뮬레이션 모듈(13)에 의한 시뮬레이션 이후, 시뮬레이션 결과와 실데이터를 비교하여 최적의 제2 보정 파라미터의 값을 선택하는 자동 보정 알고리즘을 수행한다. 자동 보정 알고리즘은 최적화 기법의 특성상 최적값(Local Optimum)에 빠질 수 있다. 이 때문에, 자동 보정 알고리즘은 모델러가 원하는 보정 정확도를 제공하기 어려울 수 있다.
한 실시예에 따른 통합된 보정(Integrated Calibration) 방법을 사용하는 시뮬레이션 모델 보정 시스템은, 메모리 모듈 및 프로세서 모듈을 더 포함할 수 있으며, 한 실시예에 따른 시뮬레이션 모델 보정 시스템에 따르면 프로세서의 시뮬레이션 성능을 향상시킬 수 있다.
도 4는 한 실시예에 따른 상호작용형 보정 프레임워크(Interactive Calibration Framework) 기반 시뮬레이션 모델 보정 시스템의 블록도이다.
수동 보정은 모델러(또는 사용자)가 직접 보정 파라미터값들을 변경해가면서 모델을 보정하는 것으로서, 작업 시간이 오래 걸리고 번거로운 문제점이 있다. 한 실시예에 따른 상호작용형 보정 프레임워크(Interactive Calibration) 기반 시뮬레이션 모델 보정 시스템은 자동 보정과 수동 보정을 결합한 하이브리드(hybrid) 형태의 시뮬레이션 모델 보정 시스템이다.
도 4를 참조하면, 한 실시예에 따른 시뮬레이션 모델 보정 시스템은, 보정 파라미터값 생성 모듈(41), 시뮬레이션 모듈(43), 디스플레이 모듈(44), 그리고 입력 모듈(45)을 포함한다.
보정 파라미터값 생성 모듈(41)은 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성한다.
제2 보정 파라미터의 값은 보정 파라미터값 생성 모듈(11)을 통해 설명한 제2 보정 파라미터의 값과 같으므로, 상세한 설명은 생략한다.
보정 파라미터값 생성 모듈(41)에 의해 생성된 제2 보정 파라미터의 값은 시뮬레이션 모듈(43)에게 전달된다.
시뮬레이션 모듈(43)은 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행한다. 시뮬레이션 모듈(43)은 n개의 제2 보정 파라미터의 값을 가지고 시뮬레이션을 수행할 수 있다. 시뮬레이션 수행 결과는 디스플레이 모듈(44)에게 전달된다.
디스플레이 모듈(44)은 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화한다. 디스플레이 모듈(44)은 보정 파라미터 상태 비주얼라이저(Calibration Parameter Status Visualizer)로서, 모델러(또는 사용자)가 새로운 파라미터 값을 생성할 수 있도록 안내하는 역할을 수행한다. 예를 들어, 디스플레이 모듈(44)은 이미 수행된 보정 파라미터의 값 및 그 결과를 시각화거나, 파라미터별로 많이 발생한 값들의 정보를 시각화할 수 있다.
도 5는 한 실시예에 따른 디스플레이 모듈의 화면을 나타내는 도면이고, 도 6은 한 실시예에 따른 시뮬레이션 결과를 나타내는 그래프이다.
도 5를 참조하면, 디스플레이 모듈(44)은 제2 보정 파라미터의 값, 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 제2 보정 파라미터의 값의 발생빈도를 시각화할 수 있다.
구체적으로, 디스플레이 모듈(44)은 상단 우측 화면(51)과 같이 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도 및 관련 보정 파라미터의 벡터값을 시각화할 수 있다.
디스플레이 모듈(44)은 상단 좌측 화면(52)와 같이 시뮬레이션이 수행된 보정 파라미터의 벡터값(Simulated Calibration Parameter Value Vectors) 및 후보 보정 파라미터의 벡터값(Candidate Calibration Parameter Value Vectors)을 시각화할 수 있다. 시뮬레이션이 수행된 보정 파라미터의 벡터값(Simulated Calibration Parameter Value Vectors) 탭에는 먼저 수행된 제2 보정 파라미터의 벡터값(Pi), 시뮬레이션 결과(Ri), 정확도(acci)가 표시될 수 있다. 만약 모델러(또는 사용자)가 P1의 레코드를 클릭하면, 디스플레이 모듈(44)은 도 6과 같은 상세 시뮬레이션 결과를 시각화할 수 있다. 후보 보정 파라미터의 벡터값(Candidate Calibration Parameter Value Vectors) 탭에는 시뮬레이션을 수행해야 할 후보 파라미터의 벡터값들이 표시될 수 있다.
디스플레이 모듈(44)은 하단 좌측 화면(53)과 같이 보정 파라미터값의 발생빈도를 나타내는 파라미터 상태(Status of Parameters)를 시각화할 수 있다. model_cal_parameter1에서 0값이 발생하지 않고, 다른 파라미터에서만 값이 발생했다면 model_cal_paramter1이 0인 경우에 대해 보정 파라미터의 벡터값을 만들 수 있다.
디스플레이 모듈(44)은 하단 우측 화면(54)와 같이 파라미터의 상태(Status of Parameters)와 유사하게 보정 파라미터의 값의 발생빈도를 시각화할 수 있다. 모델러(또는 사용자)가 두 차원을 선택하면, 디스플레이 모듈(44)은 두 차원에 대한 보정 파라미터의 벡터값의 발생빈도를 시각화할 수 있다.
입력 모듈(45)은 시뮬레이션 이후 모델러(또는 사용자)로부터 제3 보정 파라미터의 값을 제공받을 수 있다. 제3 보정 파라미터의 값은 모델러(또는 사용자)로부터 제공된 새로운 보정 파라미터의 벡터값이다. 모델러(또는 사용자)는 디스플레이 모듈(44)에 시각화된 화면을 확인한 후, 입력 모듈(45)을 통해 새로운 보정 파라미터의 벡터값을 추가할 수 있다.
디스플레이 모듈(44)은 입력 모듈(45)에 새로운 보정 파라미터의 벡터값이 제공되지 않으면, 현재까지 진행된 보정 파라미터의 벡터값 중에서 정확도가 가장 높은 벡터값을 화면에 시각화할 수 있다.
보정 파라미터값 생성 모듈(41)은 시뮬레이션 이후, 모든 보정 파라미터의 벡터값 중에서 시뮬레이션 결과에 대한 정확도가 가장 높은 보정 파라미터의 벡터값을 선택한다. 보정 파라미터값 생성 모듈(41)은 입력 모듈(45)에 모델러(또는 사용자)에 의한 새로운 보정 파라미터의 벡터값인 제3 보정 파라미터의 값이 제공되지 않으면, n/2개의 보정 파라미터의 벡터값을 선택할 수 있다. 보정 파라미터값 생성 모듈(41)은 입력 모듈(45)에 모델러(또는 사용자)에 의한 새로운 보정 파라미터의 벡터값인 제3 보정 파라미터의 값이 제공되면, (n-3k)/2개의 보정 파라미터의 벡터값을 선택할 수 있다.
보정 파라미터값 생성 모듈(41)은 위에서 선택된 보정 파라미터의 벡터값 각각에 대해 다음 과정을 통해 새로운 보정 파라미터의 벡터값을 생성할 수 있다.
모델러(또는 사용자)에 의한 새로운 보정 파라미터의 벡터값인 제3 보정 파라미터의 값이 제공되지 않았을 때, 선택된 보정 파라미터의 벡터값이 수학식 2와 같다면,
보정 파라미터값 생성 모듈(41)은 임의의 보정 컬럼(calibration column) j를 선택하고, 선택된 j에 대해 수학식 3과 같은 보정 파라미터의 벡터값을 생성할 수 있다.
만약 기존의 해당 보정 파라미터의 벡터값에 대한 시뮬레이션이 수행되었다면, 보정 파라미터값 생성 모듈(41)은 다른 값의 j를 생성할 수 있다. 그렇지 않다면, 보정 파라미터값 생성 모듈(41)은 새로 시뮬레이션을 수행할 보정 파라미터의 벡터값 리스트에 수학식 4와 같은 보정 파라미터의 벡터값을 추가할 수 있다.
보정 파라미터값 생성 모듈(41)은 입력 모듈(45)에 모델러(또는 사용자)에 의한 새로운 보정 파라미터의 벡터값인 제3 보정 파라미터의 값이 제공되면, 제2 보정 파라미터의 값과 제3 보정 파라미터의 값에 기반하여 제4 보정 파라미터의 값을 생성하고, 시뮬레이션 모듈(43)은 제4 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행할 수 있다.
구체적으로, 모델러(또는 사용자)에 의한 새로운 보정 파라미터의 벡터값(User-generated Parameter Value Vector)이 수학식 1과 같다면, 보정 파라미터값 생성 모듈(41)은 임의의 보정 컬럼(calibration column) j를 선택하고, 선택된 j에 대해 수학식 4와 같은 보정 파라미터의 벡터값을 생성할 수 있다.
만약 기존의 해당 보정 파라미터의 벡터값에 대한 시뮬레이션이 수행되었다면, 보정 파라미터값 생성 모듈(41)은 다른 값의 j를 생성할 수 있다. 그렇지 않다면, 보정 파라미터값 생성 모듈(41)은 새로 시뮬레이션을 수행할 보정 파라미터의 벡터값 리스트에 수학식 5와 같은 보정 파라미터의 벡터값을 추가할 수 있다.
위에서 보정 파라미터값 생성 모듈(41)은 보정 파라미터의 벡터값 생성시 임의의 보정 컬럼(calibration column) j 하나만 발생시켰는데, 다른 실시예로서 보정 파라미터값 생성 모듈(41)은 임의의 두 보정 컬럼(calibration column) j, k를 발생시키고, 수학식 6과 같은 보정 파라미터의 벡터값을 생성할 수 있다.
한 실시예에 따른 상호작용형 보정 프레임워크(Interactive Calibration) 기반 시뮬레이션 모델 보정 시스템은, 메모리 모듈 및 프로세서 모듈을 더 포함할 수 있으며, 한 실시예에 따른 상호작용형 보정 프레임워크 기반 시뮬레이션 모델 보정 시스템에 따라 프로세서의 시뮬레이션 성능을 향상시킬 수 있다.
도 7은 한 실시예에 따른 통합된 상호작용형 보정 프레임 워크(Integrated and Interactive Calibration Framework) 기반 시뮬레이션 모델 보정 시스템의 블록도이다.
도 7을 참조하면, 한 실시예에 따른 통합된 상호작용형 보정 프레임 워크(Integrated and Interactive Calibration Framework) 기반 시뮬레이션 모델 보정 시스템은, 보정 파라미터값 생성 모듈(71), 초기 데이터 생성 모듈(72), 시뮬레이션 모듈(73), 디스플레이 모듈(74), 그리고 입력 모듈(75)을 포함한다.
보정 파라미터값 생성 모듈(71)은 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성한다. 제1 보정 파라미터의 값과 제2 보정 파라미터의 값은 보정 파라미터값 생성 모듈(11), 초기 데이터 생성 모듈(12)를 통해 설명한 제1 보정 파라미터의 값 및 제2 보정 파라미터의 값과 같으므로, 상세한 설명은 생략한다. 보정 파라미터값 생성 모듈(71)에 의해 생성된 제1 보정 파라미터의 값은 초기 데이터 생성 모듈(72)에게 전달되고, 제2 보정 파라미터의 값은 시뮬레이션 모듈(73)에게 전달된다.
초기 데이터 생성 모듈(72)은 보정 파라미터값 생성 모듈(71)로부터 전달받은 제2 보정 파라미터의 값을 바탕으로 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성한다. 초기 데이터 생성 모듈(72)은 n개의 초기 데이터를 생성한다. 초기 데이터 생성 모듈(72)은 위에서 설명한 도 1의 초기 데이터 생성 모듈(12)과 동일하므로, 결측치 설정에 관한 상세한 설명은 생략한다.
시뮬레이션 모듈(73)은 n개의 초기 데이터와 n개의 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행한다. 시뮬레이션 수행 결과는 디스플레이 모듈(74)에게 전달된다.
디스플레이 모듈(74)은 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화한다. 모델러(또는 사용자)는 디스플레이 모듈(74)을 통해 다양한 분석을 한 후 보정 작업을 멈출 수 있거나, 새로운 보정 파라미터의 값인 제3 보정 파라미터의 값을 추가하여 다시 시뮬레이션을 수행하거나, 또는 새로운 보정 파라미터의 값의 추가 없이 다시 시뮬레이션을 수행할 수 있다.
디스플레이 모듈(74)은 위에서 설명한 도 4의 디스플레이 모듈(44)과 동일하므로, 상세한 설명은 생략한다.
입력 모듈(75)은 시뮬레이션 이후 모델러(또는 사용자)로부터 제3 보정 파라미터의 값을 제공받을 수 있다. 입력 모듈(75)은 위에서 설명한 도 4의 입력 모듈(45)와 동일하므로, 상세한 설명은 생략한다.
보정 파라미터값 생성 모듈(71)은 시뮬레이션 이후, 입력 모듈(75)에 제3 보정 파라미터의 값이 제공되면, 초기 데이터, 제2 보정 파라미터의 값, 및 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성할 수 있다. 구체적으로, 보정 파라미터값 생성 모듈(71)은 초기 데이터, 제2 보정 파라미터의 값, 및 제3 보정 파라미터의 값에 기반하여 수학식 7과 같은 제5 보정 파라미터의 벡터값을 생성할 수 있다.
시뮬레이션 모듈(73)은 제5 보정 파라미터값을 바탕으로 시뮬레이션을 수행한다.
한 실시예에 따른 통합된 상호작용형 보정 프레임 워크(Integrated and Interactive Calibration Framework) 기반 시뮬레이션 모델 보정 시스템은, 메모리 모듈 및 프로세서 모듈을 더 포함할 수 있으며, 한 실시예에 따른 통합된 상호작용형 보정 프레임 워크 기반 시뮬레이션 모델 보정 시스템에 따라 프로세서의 시뮬레이션 성능을 향상시킬 수 있다.
도 8은 한 실시예에 따른 주택 가격 및 거래량 예측 시뮬레이션의 기초 데이터를 나타내는 테이블이고, 도 9는 한 실시예에 따른 주택 가격 및 거래량 예측 시뮬레이션 결과를 나타내는 그래프이며, 도 10은 한 실시예에 따른 디스플레이 모듈의 주택 가격 및 거래량 예측 시뮬레이션 결과 화면을 나타내는 도면이다.
에이전트 기반 주택 가격 및 거래량 예측 시뮬레이션에서 각 에이전트의 초기 데이터를 생성하기 위해서는 기초 데이터(Microdata)가 필요한데, 주택 가격 및 거래량 예측 시뮬레이션을 위한 기초 데이터는 도 8과 같다.
도 8을 참조하면, Age, Gender, Education, Asset, Salary 컬럼 중에서 Education 컬럼의 기초 데이터는 세번째 로우의 결측치를 포함한다. 통합된 상호작용형 보정 프레임 워크(Integrated and Interactive Calibration Framework) 기반 시뮬레이션 모델 보정 시스템에 따라, 보정 파라미터값 생성 모듈(71)은 모델러(또는 사용자)에 의해 결측치가 initial_data_cal_parameter1로 설정된 제1 보정 파라미터의 값 및 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성한다. 초기 데이터 생성 모듈(72)은 보정 파라미터값 생성 모듈(71)로부터 전달받은 제1 파라미터 initial_data_cal_parameter1의 값을 바탕으로 기초 데이터에 포함된 결측치를 결정한다. 초기 데이터 생성 모듈(72)은 제1 파라미터인 initial_data_cal_parameter1의 값이 1이면 결측치를 Education 컬럼에서 발생빈도가 가장 높은 값인 대졸로 설정하고, initial_data_cal_parameter1의 값이 2이면 결측치를 Education 컬럼에서 디폴트값인 초졸로 설정하며, initial_data_cal_parameter1의 값이 3이면 결측치를 "60세 이상이면 초졸 이하, 40세 이상이면 고졸, 25세 이상이면 대졸"로 설정할 수 있다.
주택 가격 및 거래량 예측 시뮬레이션 모델에서 수도권 지역 주택 구매 의사 확률(model_cal_parameter1), 비수도권 지역 주택 구매 의사 확률(model_cal_parameter2) 등을 모델 보정 파라미터로 설정할 수 있다. model_cal_parameter1과 model_cal_parameter2는 {0, 0.1, 0.2, ..., 1}의 값을 가질 수 있다. model_cal_parameter1과 model_cal_parameter2의 스케일(scale)은 설정에 따라 달라질 수 있다.
시뮬레이션 모듈(73)은 초기 데이터와 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행한다.
도 9를 참조하면, 디스플레이 모듈(74)은 스텝별 주택 거래량(Volume) 및 주택 가격(Price)을 나타내는 주택 가격 및 거래량 예측 시뮬레이션 결과를 출력할 수 있다.
시뮬레이션 모듈(73)이 시뮬레이션의 정확도를 계산하는 방법은 수학식 8과 같다.
Volumei는 i 스텝에서의 실 주택 거래량을 나타내고, Volumei'는 i 스텝에서 시뮬레이션된 주택 거래량을 나타내며, Pricei는 i 스텝에서의 실 주택 가격을 나타내며, Pricei'는 i 스텝에서 시뮬레이션된 주택 가격을 나타낸다.
시뮬레이션 이후 보정 파라미터값 생성 모듈(71)에 의해 생성된 보정 파라미터의 벡터값이 수학식 9와 같다면, 디스플레이 모듈(74)을 통해 출력된 화면은 도 10과 같다.
도 10을 참조하면, Status of Parameters 탭(103)에 각 보정 파라미터의 벡터값별로 발생빈도가 표시될 수 있다. model_cal_parameter1 파라미터의 값은 0이 총 1번, 0.1이 총 3번의 발생빈도를 가지므로, 발생빈도는 탭(103)과 같이 표시될 수 있다. Calibration Parameter Map 탭(104)에는 model_cal_parameter1과 model_cal_parameter2의 발생빈도가 동시에 표시될 수 있다. model_cal_parameter1과 model_cal_parameter2 파라미터의 값이 0.1일 때의 발생빈도는 2번이므로, 탭(104)에는 발생빈도 2가 표시될 수 있다.
입력 모듈(75)은 시뮬레이션 이후 모델러(또는 사용자)로부터 제3 보정 파라미터의 값을 제공받을 수 있다. 보정 파라미터값 생성 모듈(71)은 시뮬레이션 이후, 입력 모듈(75)에 제3 보정 파라미터의 값이 제공되면, 초기 데이터, 제2 보정 파라미터의 값, 및 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성할 수 있다.
본 기재에 따른 시뮬레이션 모델 보정 시스템 및 방법은, 위에서 설명한 주택뿐만 아니라 토지 등의 부동산, 그 밖의 다양한 시뮬레이션 분야에 적용될 수 있다.
도 11은 한 실시예에 따른 시뮬레이션 모델 보정 방법의 흐름도이다.
도 11을 참조하면, 한 실시예에 따른 시뮬레이션 모델 보정 방법은, 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계(S100), 제1 보정 파라미터의 값을 바탕으로 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계 (S200), 그리고 초기 데이터와 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계(S300)를 포함한다.
제1 보정 파라미터의 값 및 제2 보정 파라미터의 값을 생성하는 단계(S100)는, 결측치를 제1 보정 파라미터의 값에 따라, 0, 기초 데이터의 한 컬럼(column)의 평균값, 또는 기초 데이터의 한 컬럼(column)에서 발생빈도가 높은 값 중 하나로 결정할 수 있다.
제1 시뮬레이션을 수행하는 단계(S300) 이후, 디스플레이 모듈을 통해 복수의 제2 보정 파라미터의 벡터값에 대한 시뮬레이션 결과를 시각화하는 단계(S400)를 더 포함할 수 있다.
시각화하는 단계(S400) 이후, 사용자로부터 제3 보정 파라미터의 벡터값을 제공받으면(S500), 초기 데이터, 제2 보정 파라미터의 벡터값, 및 제3 보정 파라미터의 벡터값에 기반하여 제5 보정 파라미터의 벡터값을 생성하고, 제5 보정 파라미터의 벡터값을 바탕으로 제2 시뮬레이션을 수행하는 단계(S600)를 더 포함할 수 있다. 이 때, 제2 시뮬레이션을 수행하는 단계(S600)는 한 번만 수행되는 것이 아니라 경우에 따라 수 천 번 이상 반복될 수 있다. 시뮬레이션이 반복되는 과정에서 사용자가 중간에 개입을 하는 경우에는 제3 보정 파라미터를 포함하게 되고, 개입을 하지 않는다면 제3 보정 파라미터는 포함되지 않을 수 있다. 시뮬레이션 과정은 오랜 시간이 걸리므로, 사용자가 디스플레이 모듈의 화면을 통해 보정 상황을 체크하면서 중간 중간 개입이 가능하다.
시각화하는 단계(S400)는, 복수의 제2 보정 파라미터의 벡터값, 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 제2 보정 파라미터의 벡터값의 발생빈도를 시각화할 수 있다.
제1 보정 파라미터의 값 및 제2 보정 파라미터의 값을 생성하는 단계 (S100), 초기 데이터를 생성하는 단계(S200), 제1 시뮬레이션을 수행하는 단계(S300), 시뮬레이션 결과를 시각화하는 단계(S400), 제2 시뮬레이션을 수행하는 단계(S600)는, 위에서 설명한 보정 파라미터값 생성 모듈(11, 41, 71), 초기 데이터 생성모듈(12, 72), 시뮬레이션 모듈(13, 43, 73), 디스플레이 모듈(44, 74), 그리고 입력 모듈(45, 75)의 동작 과정과 동일하므로, 상세한 설명은 생략한다.
도 12는 한 실시예에 따른 시뮬레이션 모델 보정 장치의 블록도이다.
한 실시예에 따른 시뮬레이션 모델 보정 장치는, 컴퓨터 시스템, 예를 들어 컴퓨터 판독 가능 매체로 구현될 수 있다. 도 12를 참조하면, 컴퓨터 시스템(700)은, 버스(720)를 통해 통신하는 프로세서(710), 메모리(730), 사용자 인터페이스 입력 장치(760), 사용자 인터페이스 출력 장치(770), 및 저장 장치(780) 중 적어도 하나를 포함할 수 있다. 컴퓨터 시스템(700)은 또한 네트워크에 결합된 네트워크 인터페이스(790)를 포함할 수 있다. 프로세서(710)는 중앙 처리 장치(central processing unit, CPU)이거나, 또는 메모리(730) 또는 저장 장치(780)에 저장된 명령을 실행하는 반도체 장치일 수 있다. 메모리(730) 및 저장 장치(780)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리는 ROM(read only memory)(731) 및 RAM(random access memory)(732)를 포함할 수 있다.
본 기재의 실시예는 컴퓨터에 구현된 방법으로서 구현되거나, 컴퓨터 실행 가능 명령이 저장된 비일시적 컴퓨터 판독 가능 매체로서 구현될 수 있다. 한 실시예에서, 프로세서에 의해 실행될 때, 컴퓨터 판독 가능 명령은 본 기재의 적어도 하나의 양상에 따른 방법을 수행할 수 있다.
한 실시예에 따른 시뮬레이션 모델 보정 장치는 프로세서(710) 및 메모리(730)를 포함하고, 프로세서(710)는 메모리(730)에 저장된 프로그램을 실행하여, 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계, 제1 보정 파라미터의 값을 바탕으로 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계, 초기 데이터와 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계를 수행할 수 있다.
프로세서(710)는 제1 보정 파라미터의 값 및 제2 보정 파라미터의 값을 생성하는 단계에서, 결측치를 제1 보정 파라미터의 값에 따라, 0, 기초 데이터의 한 컬럼(column)의 평균값, 또는 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값으로 결정할 수 있다.
사용자 인터페이스 출력 장치(770)는 디스플레이 모듈(771)을 포함하고, 프로세서(710)는 제1 시뮬레이션을 수행하는 단계 이후, 사용자 인터페이스 출력 장치(770)를 통해 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 단계를 수행할 수 있다.
사용자 인터페이스 입력 장치(760)는 입력 모듈(761)을 포함하고, 프로세서(710)는 사용자로부터 제3 보정 파라미터의 값이 사용자 인터페이스 입력 장치(760)에 입력되면, 초기 데이터, 제2 보정 파라미터의 값, 및 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성하고, 제5 보정 파라미터의 값을 바탕으로 제2 시뮬레이션을 수행하는 단계를 수행할 수 있다.
프로세서(710)는 사용자 인터페이스 출력 장치(770)를 통해 제2 보정 파라미터의 값, 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 제2 보정 파라미터의 값의 발생빈도를 시각화할 수 있다.
사용자 인터페이스 입력 장치(760)는 모델러(또는 사용자)로부터 제1 보정 파라미터 및 제2 보정 파라미터를 제공 받을 수 있다. 저장 장치(780)는 기초 데이터, 제1 보정 파라미터 및 제2 보정 파라미터를 저장할 수 있다.
한 실시예에 따른 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 시뮬레이션 모듈을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계, 제1 보정 파라미터의 값을 바탕으로 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계, 초기 데이터와 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계를 수행하는 것을 통해, 시뮬레이션 모델 보정 장치의 프로세서(710)의 시뮬레이션 성능을 향상시킬 수 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (19)

  1. 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템으로서,
    기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모델을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 보정 파라미터값 생성 모듈,
    상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 초기 데이터 생성 모듈, 그리고
    상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는 시뮬레이션 모듈
    을 포함하는 시뮬레이션 모델 보정 시스템.
  2. 제1항에서,
    상기 초기 데이터 생성 모듈은,
    상기 결측치를 상기 제1 보정 파라미터의 값에 따라, 0, 상기 기초 데이터의 한 컬럼(column)의 평균값, 또는 상기 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값 중 하나로 결정하는, 시뮬레이션 모델 보정 시스템.
  3. 제1항에서,
    상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 디스플레이 모듈을 더 포함하는, 시뮬레이션 모델 보정 시스템.
  4. 제3항에서,
    상기 디스플레이 모듈은,
    상기 제2 보정 파라미터의 값, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 상기 제2 보정 파라미터의 값의 발생빈도를 시각화하는, 시뮬레이션 모델 보정 시스템.
  5. 제1항에서,
    상기 시뮬레이션 이후 사용자로부터 제3 보정 파라미터의 값을 제공받는 입력 모듈을 더 포함하는, 시뮬레이션 모델 보정 시스템.
  6. 제5항에서,
    상기 보정 파라미터값 생성 모듈은,
    상기 입력 모듈에 상기 제3 보정 파라미터의 값이 제공되면, 상기 초기 데이터, 상기 제2 보정 파라미터의 값, 및 상기 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터값을 생성하고,
    상기 시뮬레이션 모듈은,
    상기 제5 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는, 시뮬레이션 모델 보정 시스템.
  7. 제1항에서,
    상기 보정 파라미터값 생성 모듈은,
    상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반하여 상기 제2 보정 파라미터의 값을 생성하는, 시뮬레이션 모델 보정 시스템.
  8. 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 시스템으로서,
    상기 시뮬레이션 모델을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 보정 파라미터값 생성 모듈,
    상기 제2 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는 시뮬레이션 모듈,
    상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 디스플레이 모듈, 그리고
    상기 시뮬레이션 이후 사용자로부터 제3 보정 파라미터의 값을 제공받는 입력 모듈
    을 포함하는, 시뮬레이션 모델 보정 시스템.
  9. 제8항에서,
    상기 보정 파라미터값 생성 모듈은,
    상기 입력 모듈에 상기 제3 보정 파라미터의 값이 제공되면, 상기 제2 보정 파라미터의 값과 상기 제3 보정 파라미터의 값에 기반하여 제4 보정 파라미터값을 생성하고,
    상기 시뮬레이션 모듈은,
    상기 제4 보정 파라미터의 값을 바탕으로 시뮬레이션을 수행하는, 시뮬레이션 모델 보정 시스템.
  10. 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 방법으로서,
    보정 파라미터값 생성 모듈이 기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모델을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계,
    초기 데이터 생성 모듈이 상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계, 및
    시뮬레이션 모듈이 상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계
    를 포함하는, 시뮬레이션 모델 보정 방법.
  11. 제10항에서,
    상기 초기 데이터를 생성하는 단계는,
    상기 초기 데이터 생성 모듈이 상기 결측치를 상기 제1 보정 파라미터의 값에 따라, 0, 상기 기초 데이터의 한 컬럼(column)의 평균값, 또는 상기 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값으로 결정하는, 시뮬레이션 모델 보정 방법.
  12. 제10항에서,
    상기 제1 시뮬레이션을 수행하는 단계 이후,
    디스플레이 모듈이 상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 단계를 더 포함하는, 시뮬레이션 모델 보정 방법.
  13. 제12항에서,
    상기 시각화하는 단계 이후,
    사용자로부터 제3 보정 파라미터의 값을 제공받으면, 상기 보정 파라미터값 생성 모듈이 상기 초기 데이터, 상기 제2 보정 파라미터의 값, 및 상기 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성하는 단계, 및
    상기 시뮬레이션 모듈이 상기 제5 보정 파라미터의 값을 바탕으로 제2 시뮬레이션을 수행하는 단계를 더 포함하는, 시뮬레이션 모델 보정 방법.
  14. 제12항에서,
    상기 시각화하는 단계는,
    상기 디스플레이 모듈이 상기 제2 보정 파라미터의 벡터값, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 상기 제2 보정 파라미터의 벡터값의 발생빈도를 시각화하는, 시뮬레이션 모델 보정 방법.
  15. 프레임워크에 기반하여 시뮬레이션 모델을 보정하는 장치로서,
    프로세서 및 메모리를 포함하고,
    상기 프로세서는 상기 메모리에 저장된 프로그램을 실행하여,
    기초 데이터를 보정하기 위한 제1 보정 파라미터의 값 및 상기 시뮬레이션 모델을 보정하기 위한 제2 보정 파라미터의 값을 생성하는 단계,
    상기 제1 보정 파라미터의 값을 바탕으로 상기 기초 데이터에 포함된 결측치를 결정하여 초기 데이터를 생성하는 단계, 및
    상기 초기 데이터와 상기 제2 보정 파라미터의 값을 바탕으로 제1 시뮬레이션을 수행하는 단계
    를 수행하는, 시뮬레이션 모델 보정 장치.
  16. 제15항에서,
    상기 프로세서는,
    상기 초기 데이터를 생성하는 단계에서, 상기 결측치를 상기 제1 보정 파라미터의 값에 따라, 0, 상기 기초 데이터의 한 컬럼(column)의 평균값, 또는 상기 기초 데이터의 한 컬럼(column)에서 발생빈도가 가장 높은 값으로 결정하는, 시뮬레이션 모델 보정 장치.
  17. 제15항에서,
    디스플레이 모듈을 포함하는 사용자 인터페이스 출력 장치를 더 포함하고,
    상기 프로세서는,
    상기 제1 시뮬레이션을 수행하는 단계 이후, 상기 사용자 인터페이스 출력 장치를 통해 상기 제2 보정 파라미터의 값에 대한 시뮬레이션 결과를 시각화하는 단계를 수행하는, 시뮬레이션 모델 보정 장치.
  18. 제17항에서,
    입력 모듈을 포함하는 사용자 인터페이스 입력 장치를 더 포함하고,
    상기 프로세서는,
    사용자로부터 제3 보정 파라미터의 값이 상기 사용자 인터페이스 입력 장치에 입력되면, 상기 초기 데이터, 상기 제2 보정 파라미터의 값, 및 상기 제3 보정 파라미터의 값에 기반하여 제5 보정 파라미터의 값을 생성하고, 상기 제5 보정 파라미터의 값을 바탕으로 제2 시뮬레이션을 수행하는 단계를 수행하는, 시뮬레이션 모델 보정 장치.
  19. 제17항에서,
    상기 프로세서는,
    상기 사용자 인터페이스 출력 장치를 통해 상기 제2 보정 파라미터의 값, 상기 시뮬레이션 결과와 실데이터의 비교 결과에 기반한 정확도, 그리고 상기 제2 보정 파라미터의 값의 발생빈도를 시각화하는, 시뮬레이션 모델 보정 장치.
KR1020180132575A 2018-10-31 2018-10-31 시뮬레이션 모델 보정 시스템 및 방법 Active KR102604320B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180132575A KR102604320B1 (ko) 2018-10-31 2018-10-31 시뮬레이션 모델 보정 시스템 및 방법
US16/233,276 US20200134109A1 (en) 2018-10-31 2018-12-27 System and method for calibrating simulation model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180132575A KR102604320B1 (ko) 2018-10-31 2018-10-31 시뮬레이션 모델 보정 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200049373A KR20200049373A (ko) 2020-05-08
KR102604320B1 true KR102604320B1 (ko) 2023-11-23

Family

ID=70326828

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180132575A Active KR102604320B1 (ko) 2018-10-31 2018-10-31 시뮬레이션 모델 보정 시스템 및 방법

Country Status (2)

Country Link
US (1) US20200134109A1 (ko)
KR (1) KR102604320B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7112009B2 (ja) * 2020-09-30 2022-08-03 ダイキン工業株式会社 予測装置、及び予測方法
KR102251139B1 (ko) * 2020-10-13 2021-05-12 (주)비아이매트릭스 데이터 증강 기반 기계학습 방식의 결측치 보정 시스템
KR102531742B1 (ko) * 2020-11-27 2023-05-11 이화여자대학교 산학협력단 센서 데이터의 누락값 보정 방법 및 누락값 보정 장치
KR102595200B1 (ko) * 2020-12-23 2023-10-27 주식회사 크로커스 시뮬레이션 제어 장치 및 시뮬레이션 제어 방법
US11921504B1 (en) * 2020-12-29 2024-03-05 Zoox, Inc. Vehicle controller validation
CN113343630B (zh) * 2021-06-25 2023-09-05 海光信息技术股份有限公司 建模方法及建模装置、电子设备及存储介质
KR20240033435A (ko) * 2022-09-05 2024-03-12 한국수력원자력 주식회사 발전소 필드값 기반의 발전소 상태를 실시간 추적하는 시뮬레이션 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014174705A (ja) 2013-03-08 2014-09-22 Nec Corp マルチエージェントシミュレーションシステムおよびマルチエージェントシミュレーション方法
KR101650078B1 (ko) 2016-04-21 2016-08-23 한국해양과학기술원 통합 설계 프레임워크 및 데이터 필터링을 이용한 제품 설계 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101394420B1 (ko) * 2012-06-14 2014-05-13 (주)아이비즈소프트웨어 멀티 프레임워크 지원 방법과, 그를 위한 장치 및 컴퓨터로 읽을 수 있는 기록매체

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014174705A (ja) 2013-03-08 2014-09-22 Nec Corp マルチエージェントシミュレーションシステムおよびマルチエージェントシミュレーション方法
KR101650078B1 (ko) 2016-04-21 2016-08-23 한국해양과학기술원 통합 설계 프레임워크 및 데이터 필터링을 이용한 제품 설계 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
배장원 외 4명. 자가 진화 에이전트 기반 시뮬레이션 프레임워크. 대한산업공학회 춘계공동학술대회 논문집, 2686-2392 페이지. 2018.04.*

Also Published As

Publication number Publication date
US20200134109A1 (en) 2020-04-30
KR20200049373A (ko) 2020-05-08

Similar Documents

Publication Publication Date Title
KR102604320B1 (ko) 시뮬레이션 모델 보정 시스템 및 방법
AU2021273576B2 (en) Model integration tool
Andersen et al. Jump-diffusion processes: Volatility smile fitting and numerical methods for option pricing
TWI444844B (zh) 模擬參數校正技術
US20210141977A1 (en) Method and apparatus for rapid approximation of system model
US20170061313A1 (en) System and Method for Estimating a Performance Metric
CN115455135B (zh) 可视化自动建模方法、装置、电子设备和存储介质
JP7512631B2 (ja) イジングマシンデータ入力機器、及びイジングマシンにデータを入力する方法
KR20210036391A (ko) 학습 장치, 추론 장치, 학습 모델 생성 방법 및 추론 방법
US20230136021A1 (en) Method and system for three-dimensional modeling
US10429811B2 (en) Systems and methods for testing convergence of closed-loop control systems
CN109426599A (zh) 功率估算方法与功率估算装置
US11373018B2 (en) Method of displaying model and designing pattern, and storage medium
CN110060103A (zh) 一种线性定价的方法、装置、存储介质及电子设备
US20220215144A1 (en) Learning Apparatus, Learning Method and Learning Program
US12223236B2 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
JP6339989B2 (ja) 品質基準算出装置及び品質基準算出方法
US9064070B2 (en) Indicator-based product design optimization to find defective and non-defective status
CN110097265A (zh) 项目技术就绪度的获取方法、装置和存储介质
CN118396118B (zh) 大语言模型输出幻觉矫正方法、系统、介质、电子设备
JP2021022276A (ja) データ処理方法、データ処理装置、及びプログラム
US20250190825A1 (en) Rank evaluation system, rank evaluation method, and non-transitory computer-readable medium
JP7502211B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP5328455B2 (ja) 設計支援システム及び設計支援方法
Hu et al. Efficient computation of emergent equilibrium in agent-based simulation

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20181031

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210802

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20181031

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20221026

Patent event code: PE09021S01D

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230522

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20231012

PG1601 Publication of registration