KR102634661B1 - 노후 건물 리모델링 매칭 시스템 - Google Patents

노후 건물 리모델링 매칭 시스템 Download PDF

Info

Publication number
KR102634661B1
KR102634661B1 KR1020230060756A KR20230060756A KR102634661B1 KR 102634661 B1 KR102634661 B1 KR 102634661B1 KR 1020230060756 A KR1020230060756 A KR 1020230060756A KR 20230060756 A KR20230060756 A KR 20230060756A KR 102634661 B1 KR102634661 B1 KR 102634661B1
Authority
KR
South Korea
Prior art keywords
remodeling
old building
company
construction
old
Prior art date
Application number
KR1020230060756A
Other languages
English (en)
Inventor
서택민
신빛나
Original Assignee
주식회사 디자인짜임
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 디자인짜임 filed Critical 주식회사 디자인짜임
Priority to KR1020230060756A priority Critical patent/KR102634661B1/ko
Priority to KR1020240016120A priority patent/KR102665884B1/ko
Application granted granted Critical
Publication of KR102634661B1 publication Critical patent/KR102634661B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/096—Transfer learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일실시예에 따르면, 노후 건물 리모델링 매칭 시스템에 있어서, 노후 건물 리모델링 매칭을 위한 서버를 포함하는 시스템이 제공된다.

Description

노후 건물 리모델링 매칭 시스템{Old Building Remodeling Matching System}
본 발명은 노후 건물 리모델링 매칭 시스템을 제공하기 위한 기술에 관한 것이다.
노후 건물 리모델링은 건물의 보수, 개조, 설비 업그레이드 작업 등을 의미한다. 리모델링으로 노후 건물의 기능성과 사용성을 향상시킬 수 있다. 노후 건물의 외관을 개조하여 미적 가치와 에너지 효율을 높이거나, 내부 구조를 변경하여 공간을 확보할 수도 있고, 절연재를 추가 시공할 수도 있다.
노후 건물 리모델링 시공을 위해서는 건축, 전기, 배관, 난방, 청소, 도배, 장판, 욕실, 주방, 마루, 타일, 도어, 창호, 조명, 페인트 등 다양한 분야에 많은 전문가들이 필요하다. 리모델링 업체들은 시공 전문가와 디자이너를 보유하고 있어 고객의 요구에 따라 리모델링 시공을 진행할 수 있다.
노후 건물 리모델링은 건물을 새로 짓는 것보다 경제적이고 환경 문제에도 좋은 대처일 수 있다. 또한, 노후 건물을 리모델링하여 기존 건물의 가치를 높일 수 있다.
하지만 노후 건물 리모델링은 부적절한 리모델링 업체의 선정으로 인해 안전상의 문제가 발생하거나, 건물 사용에 불편을 초래할 수도 있다.
리모델링 업체를 선정하는 데에는 여러 조건이 있을 수 있으나 노후 건물 리모델링 의뢰자가 여러 리모델링 업체의 정보를 수집하고 비교하기에는 큰 어려움이 있다.
한국공개특허 제10-2002-0026903호 한국공개특허 제10-2002-0009143호 한국등록특허 제10-2435579호 한국등록특허 제10-2388944호
일실시예에 따르면, 노후 건물 리모델링 매칭 시스템에 있어서, 노후 건물 리모델링 매칭을 위한 서버를 포함하는 시스템을 제공하기 위한 것을 그 목적으로 한다.
또한, 상기 서버는, 노후 건물 리모델링 매칭을 위한 웹사이트를 운용하고, 리모델링 업체 관리자 단말을 통해, 상기 웹사이트에 리모델링 업체 관리자가 접속되면, 제1 데이터 및 제2 데이터를 획득하기 위한 인터페이스를 제공하되, 상기 제1 데이터는, 리모델링 업체의 시공 가능 지역, 시공 스케쥴, 리모델링 업체가 시공한 노후 건물의 용도, 연식, 평수, 시공 기간, 세부 시공 항목 및 시공비용을 포함하고, 상기 제2 데이터는, 리모델링 업체가 시공한 복수의 노후 건물의 위치, 보증기간 유무, 보험가입 유무, 시공 경력자 보유 현황 및 시공 완료 사진을 포함하고, 복수의 리모델링 업체 관리자 단말을 통해, 상기 제1 데이터 및 제2 데이터를 획득하면, 상기 제1 데이터를 학습데이터로, 리모델링 의뢰 정보에 적합한 정도가 높은 순으로 정렬한 추천 리모델링 업체 리스트를 출력하도록 제1 인공지능 모델을 기학습하되, 상기 제1 인공지능 모델은 다층 퍼셉트론(Multilayer Perceptron, MLP)을 기반으로 하고, 상기 제1 데이터가 수정 또는 추가되면 상기 제1 인공지능 모델을 전이학습(Transfer Learning)시키고, 노후 건물 소유주 단말을 통해, 상기 웹사이트에 노후 건물 소유주가 접속되면, 상기 웹사이트에 리모델링 의뢰 정보를 입력받기 위한 인터페이스를 제공하되, 상기 리모델링 의뢰 정보는, 리모델링 대상 노후 건물의 주소, 리모델링 시공 항목, 리모델링 예산 중 하나 이상을 포함하고, 상기 노후건물 소유주 단말을 통해 리모델링 의뢰 정보를 획득하면, 국토교통부 오픈 API를 이용하여, 상기 리모델링 대상 노후 건물의 건축물대장 정보를 획득하고, 상기 획득한 리모델링 대상 노후 건물의 건축물대장 정보에서, 사용승인일을 바탕으로 상기 리모델링 대상 노후 건물의 연식을 산출하고, 상기 기학습된 제1 인공지능 모델에, 상기 리모델링 의뢰 정보와, 상기 산출한 리모델링 대상 노후 건물의 연식, 및 상기 획득한 건축물대장 정보를 입력하여, 출력을 획득하고, 상기 웹사이트를 통해, 상기 노후 건물 소유주 단말에 상기 획득한 출력 및 리모델링 업체별 정보를 제공하되, 상기 리모델링 업체별 정보는, 종합 점수, 시공 완료 사진, 리뷰, 평균 평점을 포함하고, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해, 추천 리모델링 업체 리스트의 정렬 조건을 획득하기 위한 인터페이스를 제공하되, 상기 추천 리모델링 업체 리스트의 정렬 조건은, 종합 점수 순, 총 시공 횟수 순, 보증기간 순, 무보험 제외, 평균 평점 순, 리뷰 개수 순, 시공 경력자 보유수 순이고, 상기 노후 건물 소유주 단말을 통해, 상기 추천 리모델링 업체 리스트의 정렬 조건을 획득하면, 상기 웹사이트에, 상기 추천 리모델링 업체 리스트의 정렬 조건에 따라 추천 리모델링 업체 리스트를 정렬하여 표시하고, 상기 노후 건물 소유주 단말을 통해, 리모델링 업체가 선정되면, 상기 선정된 리모델링 업체에 상기 리모델링 의뢰 정보와, 상기 건축물대장 정보를 전송하고, 상기 선택된 리모델링 업체 관리자 단말을 통해, 의뢰 승인 및 상담 예약 정보를 획득하면, 상기 노후 건물 소유주 단말에 전송하고, 상기 선정된 리모델링 업체 관리자 단말을 통해, 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 획득하면, 상기 웹사이트를 통해 상기 노후 건물 소유주 단말에, 상기 획득한 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 제공하고, 상기 노후 건물 소유주 단말 또는 리모델링 업체 관리자 단말을 통해, 리모델링 완료 정보를 획득하면, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해 리모델링 업체의 리뷰와 평점을 입력받기 위한 인터페이스를 제공하되, 상기 리모델링 완료 정보는, 리모델링 대상 노후 건물의 시공 완료 사진, 시공 기간, 시공비용이고, 상기 노후 건물 소유주 단말을 통해, 리모델링 업체의 평점을 획득하면, 해당 리모델링 업체의 평균 평점에 가산하는 시스템을 제공할 수 있다.
또한, 상기 서버는, 리뷰의 감정 분석을 위해 기학습된 제2 인공지능 모델에, 업체별 리뷰를 입력하여, 긍정적, 중립적, 부정적 감정 결과를 획득하되, 상기 제2 인공지능 모델은, LSTM(Long Short-Term Memory)을 기반으로 하고, 상기 종합 점수를 [수학식 1]을 바탕으로 산출하고,
[수학식 1]
Figure 112023052082972-pat00001
O.S.는 종합 점수이고, A_r은 리모델링 업체의 평균 평점이며, N_pr은 리모델링 업체의 긍정적인 리뷰수이고, N_sc는 유사 시공 경험 수이며, R_er은 상기 인공지능 모델이 출력한 추천 리모델링 업체 리스트의 순위이고, 리모델링 업체가 시공한 노후 건물의 용도와, 리모델링 대상 노후 건물의 용도가 같고, 리모델링 업체가 시공한 노후 건물의 연식 및 규모가, 리모델링 대상 노후 건물의 연식 및 규모의 ±15% 이내에 속하면 유사 시공으로 판단하는 시스템을 제공할 수 있다.
상기와 같은 일실시예에 따르면, 복수의 리모델링 업체의 시공 경험 및 능력에 관련한 데이터를 획득하여, 노후 건물의 리모델링에 적합한 리모델링 업체 리스트를 제공할 수 있고, 노후 건물 소유주가 중요하게 생각하는 조건에 따라 업체 리스트를 재정렬하여 조회할 수 있으며, 리모델링 업체의 평가와 리뷰 및 시공 완료 사진을 제공하여 리모델링 업체 선정에 도움을 줄 수 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 노후 건물 리모델링 매칭 시스템에 있어서, 노후 건물 리모델링 매칭을 위한 서버를 포함하는 시스템이 제공된다.
또한, 상기 서버는, 노후 건물 리모델링 매칭을 위한 웹사이트를 운용하고, 리모델링 업체 관리자 단말을 통해, 상기 웹사이트에 리모델링 업체 관리자가 접속되면, 제1 데이터 및 제2 데이터를 획득하기 위한 인터페이스를 제공하되, 상기 제1 데이터는, 리모델링 업체의 시공 가능 지역, 시공 스케쥴, 리모델링 업체가 시공한 노후 건물의 용도, 연식, 평수, 시공 기간, 세부 시공 항목 및 시공비용을 포함하고, 상기 제2 데이터는, 리모델링 업체가 시공한 복수의 노후 건물의 위치, 보증기간 유무, 보험가입 유무, 시공 경력자 보유 현황 및 시공 완료 사진을 포함하고, 복수의 리모델링 업체 관리자 단말을 통해, 상기 제1 데이터 및 제2 데이터를 획득하면, 상기 제1 데이터를 학습데이터로, 리모델링 의뢰 정보에 적합한 정도가 높은 순으로 정렬한 추천 리모델링 업체 리스트를 출력하도록 제1 인공지능 모델을 기학습하되, 상기 제1 인공지능 모델은 다층 퍼셉트론(Multilayer Perceptron, MLP)을 기반으로 하고, 상기 제1 데이터가 수정 또는 추가되면 상기 제1 인공지능 모델을 전이학습(Transfer Learning)시키고, 노후 건물 소유주 단말을 통해, 상기 웹사이트에 노후 건물 소유주가 접속되면, 상기 웹사이트에 리모델링 의뢰 정보를 입력받기 위한 인터페이스를 제공하되, 상기 리모델링 의뢰 정보는, 리모델링 대상 노후 건물의 주소, 리모델링 시공 항목, 리모델링 예산 중 하나 이상을 포함하고, 상기 노후건물 소유주 단말을 통해 리모델링 의뢰 정보를 획득하면, 국토교통부 오픈 API를 이용하여, 상기 리모델링 대상 노후 건물의 건축물대장 정보를 획득하고, 상기 획득한 리모델링 대상 노후 건물의 건축물대장 정보에서, 사용승인일을 바탕으로 상기 리모델링 대상 노후 건물의 연식을 산출하고, 상기 기학습된 제1 인공지능 모델에, 상기 리모델링 의뢰 정보와, 상기 산출한 리모델링 대상 노후 건물의 연식, 및 상기 획득한 건축물대장 정보를 입력하여, 출력을 획득하고, 상기 웹사이트를 통해, 상기 노후 건물 소유주 단말에 상기 획득한 출력 및 리모델링 업체별 정보를 제공하되, 상기 리모델링 업체별 정보는, 종합 점수, 시공 완료 사진, 리뷰, 평균 평점을 포함하고, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해, 추천 리모델링 업체 리스트의 정렬 조건을 획득하기 위한 인터페이스를 제공하되, 상기 추천 리모델링 업체 리스트의 정렬 조건은, 종합 점수 순, 총 시공 횟수 순, 보증기간 순, 무보험 제외, 평균 평점 순, 리뷰 개수 순, 시공 경력자 보유수 순이고, 상기 노후 건물 소유주 단말을 통해, 상기 추천 리모델링 업체 리스트의 정렬 조건을 획득하면, 상기 웹사이트에, 상기 추천 리모델링 업체 리스트의 정렬 조건에 따라 추천 리모델링 업체 리스트를 정렬하여 표시하고, 상기 노후 건물 소유주 단말을 통해, 리모델링 업체가 선정되면, 상기 선정된 리모델링 업체에 상기 리모델링 의뢰 정보와, 상기 건축물대장 정보를 전송하고, 상기 선택된 리모델링 업체 관리자 단말을 통해, 의뢰 승인 및 상담 예약 정보를 획득하면, 상기 노후 건물 소유주 단말에 전송하고, 상기 선정된 리모델링 업체 관리자 단말을 통해, 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 획득하면, 상기 웹사이트를 통해 상기 노후 건물 소유주 단말에, 상기 획득한 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 제공하고, 상기 노후 건물 소유주 단말 또는 리모델링 업체 관리자 단말을 통해, 리모델링 완료 정보를 획득하면, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해 리모델링 업체의 리뷰와 평점을 입력받기 위한 인터페이스를 제공하되, 상기 리모델링 완료 정보는, 리모델링 대상 노후 건물의 시공 완료 사진, 시공 기간, 시공비용이고, 상기 노후 건물 소유주 단말을 통해, 리모델링 업체의 평점을 획득하면, 해당 리모델링 업체의 평균 평점에 가산할 수 있다.
또한, 상기 서버는, 리뷰의 감정 분석을 위해 기학습된 제2 인공지능 모델에, 업체별 리뷰를 입력하여, 긍정적, 중립적, 부정적 감정 결과를 획득하되, 상기 제2 인공지능 모델은, LSTM(Long Short-Term Memory)을 기반으로 하고, 상기 종합 점수를 [수학식 1]을 바탕으로 산출하고,
[수학식 1]
Figure 112023052082972-pat00002
O.S.는 종합 점수이고, A_r은 리모델링 업체의 평균 평점이며, N_pr은 리모델링 업체의 긍정적인 리뷰수이고, N_sc는 유사 시공 경험 수이며, R_er은 상기 인공지능 모델이 출력한 추천 리모델링 업체 리스트의 순위이고, 리모델링 업체가 시공한 노후 건물의 용도와, 리모델링 대상 노후 건물의 용도가 같고, 리모델링 업체가 시공한 노후 건물의 연식 및 규모가, 리모델링 대상 노후 건물의 연식 및 규모의 ±15% 이내에 속하면 유사 시공으로 판단할 수 있다.
일실시예에 따르면, 노후 건물 리모델링 매칭 시스템을 제공함으로써, 복수의 리모델링 업체의 시공 경험 및 능력에 관련한 데이터를 획득할 수 있는 효과가 있다.
또한, 복수의 리모델링 업체의 시공 경험 및 능력에 관련한 데이터를 바탕으로, 노후 건물의 리모델링에 적합한 리모델링 업체 리스트를 제공할 수 있다.
그리고 노후 건물 소유주가 중요하게 생각하는 조건에 따라 업체 리스트를 재정렬하여 조회할 수 있다.
또한, 리모델링 업체의 평가와 리뷰 및 시공 완료 사진을 제공함으로써 업체를 선정하는 데 도움을 줄 수 있다.
마지막으로, 노후 건물 소유주에게 리모델링 진행 상황을 제공할 수 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 노후 건물 리모델링 매칭 시스템의 구성을 개략적으로 나타낸 개념도이다.
도 2는 일실시예에 따른 필요한 데이터를 획득하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 노후 건물 소유주 단말에 정보를 제공하는 과정을 설명하기 위한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
실시예에서 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
도 1은 일실시예에 따른 노후 건물 리모델링 매칭 시스템의 구성을 개략적으로 나타낸 개념도이고, 도 2는 일실시예에 따른 필요한 데이터를 획득하는 과정을 설명하기 위한 순서도이며, 도 3은 일실시예에 따른 노후 건물 소유주 단말에 정보를 제공하는 과정을 설명하기 위한 도면이다.
도 1을 참조하면, 일실시예로서 본 발명에 따른 노후 건물 리모델링 매칭 시스템은, 노후 건물 리모델링 매칭을 위한 서버(100)를 포함할 수 있다.
노후 건물 소유주와 리모델링 업체는 단말을 통해, 상기 서버(100)가 운용하는 웹페이지에 접속할 수 있다. 서버는, 네트워크를 통해 노후 건물 소유주의 니즈를 획득하고, 리모델링 업체에서 획득한 정보를 바탕으로 추천 리모델링 업체를 선별하여, 노후 건물 소유주 단말에 제공할 수 있다.
상기 서버는 리모델링 업체 관리자 단말을 통해, 리모델링 경험과 리모델링 능력과 관련한, 과거 해당 리모델링 업체가 시공한 건물의 위치, 용도, 연식, 평수, 시공 기간, 세부 시공 항목, 시공비용, 보증기간 유무, 보험가입 유무, 시공 경력자 보유 현황 및 시공 완료 사진 등을 획득할 수 있다.
도 2를 참조하면, 일실시예로서 S201 단계에서 상기 서버(100)는, 노후 건물 리모델링 매칭을 위한 웹사이트를 운용할 수 있다. 또한, 노후 건물 리모델링 매칭을 위한 모바일 앱을 제공할 수도 있다.
서버는, 상기 웹사이트 또는 모바일 앱을 통해, 노후 건물 소유주와 리모델링 업체 관리자의 회원 가입 기능을 제공하고, 회원 정보를 관리할 수 있다.
회원 가입한 노후 건물 소유주에게는 할인 쿠폰을 제공할 수도 있다.
S202 단계에서 서버는, 리모델링 업체 관리자 단말을 통해, 상기 웹사이트에 리모델링 업체 관리자가 접속되면, 제1 데이터 및 제2 데이터를 획득하기 위한 인터페이스를 제공할 수 있다.
서버는 복수의 리모델링 업체 관리자 단말을 통해, 여러 리모델링 업체의 제1 데이터 및 제2 데이터를 획득할 수 있다.
상기 제1 데이터는, 리모델링 업체의 시공 가능 지역, 시공 스케쥴, 리모델링 업체가 시공한 노후 건물의 용도, 연식, 평수, 시공 기간, 세부 시공 항목 및 시공비용을 포함할 수 있다.
상기 제2 데이터는, 리모델링 업체가 시공한 복수의 노후 건물의 위치, 보증기간 유무, 보험가입 유무, 시공 경력자 보유 현황 및 시공 완료 사진을 포함할 수 있다.
상기 서버는, 동일한 용도의 시공 건물들의 시공비용을 바탕으로, 건물 용도별 평당 평균 시공비용을 산출할 수 있다. 또한, 노후 연식을 10~15년, 15~20년, 20~25년, 25~30년, 30년 이상으로 분류하여, 노후 연식별 건물 용도에 따른 평당 평균 시공비용을 산출할 수 있다.
건물 용도별 평당 평균 시공비용과, 노후 연식별 건물 용도에 따른 평당 평균 시공비용은, 노후 건물 소유주 단말에 추천 리모델링 업체 리스트를 제공할 때 함께 제공할 수 있다. 또는 노후 연식별 건물 용도에 따른 평당 평균 시공비용을 바탕으로, 노후 건물 소유주의 리모델링 예상 시공비용을 산출하여, 웹사이트를 통해 노후 건물 소유주 단말에 제공할 수도 있다.
S203 단계에서 서버는, 복수의 리모델링 업체 관리자 단말을 통해, 상기 제1 데이터 및 제2 데이터를 획득하면, 상기 제1 데이터를 학습데이터로, 리모델링 의뢰 정보에 적합한 정도가 높은 순으로 정렬한 추천 리모델링 업체 리스트를 출력하도록 제1 인공지능 모델을 기학습할 수 있다.
또한, 상기 제1 인공지능 모델은 다층 퍼셉트론(Multilayer Perceptron, MLP)을 기반으로 할 수 있다.
다층 퍼셉트론 알고리즘은, 입력층, 은닉층, 출력층으로 구성된 인공신경망 알고리즘으로서, 입력층은 데이터를 입력받는 역할을 하고, 은닉층은 중간 계산을 처리하는 역할을 하고, 출력층은 최종 결과를 출력하는 역할을 할 수 있다. 각 층은 노드라는 작은 단위로 구성되고, 노드들은 서로 연결되어 있다.
다층 퍼셉트론 알고리즘은 입력 데이터를 받아서 각 노드에서 가중치를 곱한 값들을 활성화 함수를 통해 계산하고, 다시 다음 층의 노드로 값을 전달할 수 있다. 이 과정을 반복하여 출력층에서 최종 결과값을 출력할 수 있다. 이때 출력값과 실제 결과값의 차이를 최소화하는 방향으로 가중치를 조정하여 학습한다.
다층 퍼셉트론 알고리즘은 비선형 문제를 해결하는 데 적합하여, 리모델링 업체의 시공 가능 지역, 시공 스케쥴, 리모델링 업체가 시공한 노후 건물의 용도, 연식, 평수, 시공 기간, 세부 시공 항목 및 시공비용을 포함하는 제1 데이터를 학습데이터로 학습하고, 노후 건물 소유주의 니즈에 따른 추천 업체 리스트를 출력하는 것과 같이 복잡한 문제에서도 좋은 성능을 가질 수 있다.
상기 제1 데이터가 수정 또는 추가되면 상기 제1 인공지능 모델을 전이학습(Transfer Learning)시킬 수 있다.
복수의 리모델링 업체 관리자 단말을 통해 다량의 데이터를 획득하고, 데이터를 획득할 때마다 상기 제1 인공지능 모델을 학습시켜 성능을 더 향상시킬 수 있다.
또한, S204 단계에서 서버는, 노후 건물 소유주 단말을 통해, 상기 웹사이트에 노후 건물 소유주가 접속되면, 상기 웹사이트에 리모델링 의뢰 정보를 입력받기 위한 인터페이스를 제공할 수 있다.
상기 리모델링 의뢰 정보는, 리모델링 대상 노후 건물의 주소, 리모델링 시공 항목, 리모델링 예산 중 하나 이상을 포함할 수 있다.
S205 단계에서 서버는, 상기 노후건물 소유주 단말을 통해 리모델링 의뢰 정보를 획득하면, 국토교통부 오픈 API를 이용하여, 상기 리모델링 대상 노후 건물의 건축물대장 정보를 획득할 수 있다.
국토교통부 오픈 API를 이용하여 획득하는 건축물대장 정보는, 주용도코드명, 기타용도, 지붕코드, 지붕코드명, 기타지붕, 세대수, 가구수, 높이(m), 지상층수, 지하층수, 승용승강기수, 비상용승강기수, 부속건축물수, 부속건축물면적(m^2), 총동연면적(m^2), 옥내기계식대수(대), 옥내기계식면적(m^2), 옥외기계식대수(대), 옥외기계식면적(m^2), 옥내자주식대수(대), 옥내자주식면적(m^2), 옥외자주식대수(대), 옥외자주식면적(m^2), 허가일, 착공일, 사용승인일, 허가번호년, 허가번호기관코드, 허가번호기관코드명, 허가번호구분코드, 허가번호구분코드명, 호수(호), 에너지효율등급, 에너지절감율, EPI점수, 친환경건축물등급, 친환경건축물인증점수, 지능형건축물등급, 지능형건축물인증점수, 생성일자, 순번, 대지위치, 시군구코드, 법정동코드, 대지구분코드, 번, 지, 관리건축물대장PK, 대장구분코드, 대장구분코드명, 대장종류코드, 대장종류코드명, 도로명대지위치, 건물명, 특수지명, 블록, 로트, 외필지수, 새주소도로코드, 새주소법정동코드, 새주소지상지하코드, 새주소본번, 새주소부번, 동명칭, 주부속구분코드, 주부속구분코드명, 대지면적(m^2), 건축면적(m^2), 건폐율(%), 연면적(m^2), 용적률산정연면적(m^2), 용적률(%), 구조코드, 구조코드명, 기타구조, 주용도코드, 내진설계적용여부, 내진능력 등을 포함할 수 있다.
S206 단계에서 서버는, 상기 획득한 리모델링 대상 노후 건물의 건축물대장 정보에서, 사용승인일을 바탕으로 상기 리모델링 대상 노후 건물의 연식을 산출할 수 있다. 노후 건물의 사용승인일을 기준으로 현재 일자까지를 계산하면 노후 건물의 연식을 얻을 수 있다.
또한, S207 단게에서 서버는, 상기 기학습된 제1 인공지능 모델에, 상기 리모델링 의뢰 정보와, 상기 산출한 리모델링 대상 노후 건물의 연식, 및 상기 획득한 건축물대장 정보를 입력하여, 출력을 획득할 수 있다.
제1 인공지능 모델에 입력하는 건축물대장 정보는, 건축물대장 정보에 포함되는 일부 정보에서 획득 가능한 노후 건물의 용도, 층수, 면적 등일 수 있다.
도 3을 참조하면, 일실시예로서 S301 단계에서 상기 서버(100)는, 상기 웹사이트를 통해, 상기 노후 건물 소유주 단말에 상기 획득한 출력 및 리모델링 업체별 정보를 제공할 수 있다.
상기 리모델링 업체별 정보는, 종합 점수, 시공 완료 사진, 리뷰, 평균 평점을 포함할 수 있다.
상기 웹사이트에 제공하는 상기 시공 완료 사진은 대표 사진만 작게 게시하고, 노후 건물 소유주가 대표 사진을 클릭하면, 추가 사진들을 확인할 수 있는 웹페이지를 제공할 수 있다. 시공 완료 사진과 노후 건물의 간략한 위치를 함께 표시할 수도 있다.
또한, 웹사이트에 각 리모델링 업체가 시공한 노후 건물들의 위치를 지도상에 표시하여, 노후 건물 소유주 단말에 제공할 수도 있다. 표시된 노후 건물을 클릭하면 해당 노후 건물의 리모델링 시공 완료 사진을 팝업창에서 제공할 수도 있다.
S302 단계에서 서버는, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해, 추천 리모델링 업체 리스트의 정렬 조건을 획득하기 위한 인터페이스를 제공할 수 있다.
상기 추천 리모델링 업체 리스트의 정렬 조건은, 종합 점수 순, 총 시공 횟수 순, 보증기간 순, 무보험 제외, 평균 평점 순, 리뷰 개수 순, 시공 경력자 보유수 순일 수 있다.
시공 경력자 보유수는 리모델링 업체에 속해있는 시공 전문가 중에서 해당 분야에 5년 이상 시공 경험이 있는 경력자의 수를 의미할 수도 있다.
S303 단계에서 서버는, 상기 노후 건물 소유주 단말을 통해, 상기 추천 리모델링 업체 리스트의 정렬 조건을 획득하면, 상기 웹사이트에, 상기 추천 리모델링 업체 리스트의 정렬 조건에 따라 추천 리모델링 업체 리스트를 정렬하여 표시할 수 있다.
다음으로 S304 단계에서 서버는, 상기 노후 건물 소유주 단말을 통해, 리모델링 업체가 선정되면, 상기 선정된 리모델링 업체에 상기 리모델링 의뢰 정보와, 상기 건축물대장 정보를 전송할 수 있다.
S305 단계에서 서버는, 상기 선택된 리모델링 업체 관리자 단말을 통해, 의뢰 승인 및 상담 예약 정보를 획득하면, 기 노후 건물 소유주 단말에 전송할 수 있다. 상담 예약 정보는, 유선 상담 일시 또는 방문 상담 일시 등을 포함할 수 있다.
노후 건물 소유주 단말을 통해, 상담 예약 정보의 수정 요청을 획득하면 상기 리모델링 업체 관리자 단말에 상담 예약 정보 수정 내용을 전송하여, 상담 예약 일자를 조정할 수 있다.
S306 단계에서 서버는, 상기 선정된 리모델링 업체 관리자 단말을 통해, 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 획득하면, 상기 웹사이트를 통해 상기 노후 건물 소유주 단말에, 상기 획득한 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 제공할 수 있다.
노후 건물 소유주는, 웹사이트를 통해 리모델링 시공 계획이 어느 단계까지 진행 중인지 확인할 수 있고, 리모델링 업체 관리자에게 문의 또는 요청을 전송할 수도 있다.
리모델링 업체 관리자는 리모델링 시공 계획 진행 상황을 텍스트 및 이미지로 생성하여 상기 서버에 전송할 수 있다.
S307 단계에서 서버는, 노후 건물의 리모델링 시공이 완료된 이후에, 상기 노후 건물 소유주 단말 또는 리모델링 업체 관리자 단말을 통해, 리모델링 완료 정보를 획득할 수 있고, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해 리모델링 업체의 리뷰와 평점을 입력받기 위한 인터페이스를 제공할 수 있다.
상기 리모델링 완료 정보는, 리모델링 대상 노후 건물의 시공 완료 사진, 시공 기간, 시공비용 등을 포함할 수 있다.
S308 단계에서 서버는, 상기 노후 건물 소유주 단말을 통해, 리모델링 업체의 평점을 획득하면, 해당 리모델링 업체의 평균 평점에 가산할 수 있다.
예를 들어, 리모델링 업체의 평균 평점이 7이고, 획득한 평점 개수가 10개이면, {(평균 평점)×10개+(최근 획득한 평점)}/(10개+1) 이 식으로 평균 평점에 최근 획득한 평점을 적용할 수 있다.
또한, 상기 서버(100)는, 리뷰의 감정 분석을 위해 기학습된 제2 인공지능 모델에, 업체별 리뷰를 입력하여, 긍정적, 중립적, 부정적 감정 결과를 획득하되, 상기 제2 인공지능 모델은, LSTM(Long Short-Term Memory)을 기반으로 하고, 상기 종합 점수를 [수학식 1]을 바탕으로 산출하고,
[수학식 1]
Figure 112023052082972-pat00003
O.S.는 종합 점수이고, A_r은 리모델링 업체의 평균 평점이며, N_pr은 리모델링 업체의 긍정적인 리뷰수이고, N_sc는 유사 시공 경험 수이며, R_er은 상기 인공지능 모델이 출력한 추천 리모델링 업체 리스트의 순위이고, 리모델링 업체가 시공한 노후 건물의 용도와, 리모델링 대상 노후 건물의 용도가 같고, 리모델링 업체가 시공한 노후 건물의 연식 및 규모가, 리모델링 대상 노후 건물의 연식 및 규모의 ±15% 이내에 속하면 유사 시공으로 판단하는 시스템을 제공할 수 있다.
상기 추천 리모델링 업체 리스트의 정렬 조건은, 종합 점수 순, 총 시공 횟수 순, 보증기간 순, 무보험 제외, 평균 평점 순, 리뷰 개수 순, 시공 경력자 보유수 순 등일 수 있는데, 추천 리모델링 업체 리스트의 정렬 조건은, 노후 건물 소유자 단말을 통해, 하나가 선택될 수도 있고 중복 선택될 수도 있다. 중복 선택된 경우에는 [수학식 2]를 이용하여 리모델링 업체별 정렬 점수를 산출할 수 있고, 산출한 정렬 점수가 높은 순으로 추천 리모델링 업체를 정렬할 수 있다.
[수학식 2]
Figure 112023052082972-pat00004
상기 score은 추천 리모델링 업체 리스트를 정렬하기 위한 정렬 점수이고, S_o.s.는 [수학식 1]을 바탕으로 산출한 종합 점수이며, N_c는 리모델링 업체의 총 시공 횟수이고, W_p는 리모델링 업체의 보증기간이며, A_r은 리모델링 업체의 평균 평점이고, N_ew는 시공 경력자 보유수일 수 있다.
리모델링 업체의 평균 평점(A_r)은 0~5점 사이의 값일 수 있고, 종합 점수(S_o.s.), 리모델링 업체의 총 시공 횟수(N_c), 리모델링 업체의 보증기간(W_p), 리모델링 업체의 평균 평점(A_r), 시공 경력자 보유수(N_ew) 값이 커질수록 추천 리모델링 업체 리스트를 정렬하기 위한 정렬 점수(score)도 커질 수 있다. 또한, 추천 리모델링 업체 리스트를 정렬하기 위한 정렬 점수(score)는 0~100 사이의 값일 수 있다.
노후 건물 소유주 단말을 통해 선택되지 않은, 추천 리모델링 업체 리스트의 정렬 조건에 관련된 변수는 0을 입력하여 처리할 수 있다. 또한, 리모델링 업체에 보증기간이 없으면 0을 입력할 수 있다. 보증기간은 1년이면 1, 18개월이면 1.5를 입력하거나 개월수를 입력할 수도 있다. 그리고 시공 경력자 보유수는 리모델링 업체에 속해있는 시공 전문가 중에서 해당 분야에 5년 이상 시공 경험이 있는 경력자의 수를 의미할 수도 있다. 노후 건물 소유주가 무보험 제외를 선택하면, 보증 보험에 가입하지 않은 리모델링 업체를 추천 리모델링 업체 리스트에서 제외하여 제공할 수 있다.
상기 제2 인공지능 모델은, RNN(Recurrent Neural Network)의 한 종류인 LSTM(Long Short-Term Memory)을 기반으로 할 수 있다. RNN은 자연어처리 분야에서 주로 사용되며, 입력과 출력 사이의 시간적인 의존 관계를 고려할 수 있다. 그러나 RNN은 문장이 길어질수록 이전의 정보가 소실되는 vanishing gradient 문제가 발생할 수 있다. 이를 해결하기 위하여 LSTM은 RNN에서 기억 셀(memory cell)과 게이트(gate)라는 개념을 도입해 이전의 정보가 일부 보존될 수 있도록 할 수 있다. 기억 셀은 이전에 들어온 입력과 게이트의 조합으로 현재 시점에서의 정보를 결정하며, 게이트는 현재 입력을 얼마나 반영할지를 결정할 수 있다.
감정분석 모델에서는, 리뷰 텍스트를 입력으로 받아서 LSTM에 넣어 분석을 수행한다. LSTM은 단어들을 벡터로 변환한 후, 시퀀스 형태로 입력받아 각 단어의 감정 상태를 분석할 수 있다. 이때, LSTM은 이전에 입력받은 단어들의 정보를 현재 입력 단어의 감정 상태 예측에 활용할 수 있다. 이러한 방식으로 감정분석 모델은 리뷰 텍스트의 긍정/부정 등의 감정 상태를 판단할 수 있다.
또한, 월 구독 서비스를 신청한 리모델링 업체 관리자에게는 시장조사 결과 보고서, 상권 분석 보고서, 건축 리모델링 관련 정보 레포트 등을 포함하는 월간 레포트를 제공할 수도 있다.
일실시예로서, 본 발명에 따른 노후 건물 리모델링 매칭 시스템은, 리모델링 설계를 담당하는 리모델링 디자이너에게는 설계 계약금의 3%, 리모델링 시공을 담당하는 리모델링 건설 시공사에게는 공사대금의 3%의 저렴한 마진 수수료로 제공될 수 있다.
상기와 같은 일실시예에 따르면, 복수의 리모델링 업체의 시공 경험 및 능력에 관련한 데이터를 획득하여, 노후 건물의 리모델링에 적합한 리모델링 업체 리스트를 제공할 수 있고, 노후 건물 소유주가 중요하게 생각하는 조건에 따라 업체 리스트를 재정렬하여 조회할 수 있으며, 리모델링 업체의 평가와 리뷰 및 시공 완료 사진을 제공하여 리모델링 업체 선정에 도움을 줄 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
서버: 100

Claims (3)

  1. 노후 건물 리모델링 매칭 시스템에 있어서,
    노후 건물 리모델링 업체 매칭을 위한 서버를 포함하고,
    상기 서버는,
    노후 건물 리모델링 매칭을 위한 웹사이트를 운용하고,
    리모델링 업체 관리자 단말을 통해, 상기 웹사이트에 리모델링 업체 관리자가 접속되면, 제1 데이터 및 제2 데이터를 획득하기 위한 인터페이스를 제공하되, 상기 제1 데이터는, 리모델링 업체의 시공 가능 지역, 시공 스케쥴, 리모델링 업체가 시공한 노후 건물의 용도, 연식, 평수, 시공 기간, 세부 시공 항목 및 시공비용을 포함하고, 상기 제2 데이터는, 리모델링 업체가 시공한 복수의 노후 건물의 위치, 보증기간 유무, 보험가입 유무, 시공 경력자 보유 현황 및 시공 완료 사진을 포함하고,
    복수의 리모델링 업체 관리자 단말을 통해, 상기 제1 데이터 및 제2 데이터를 획득하면, 상기 제1 데이터를 학습데이터로, 리모델링 의뢰 정보에 적합한 정도가 높은 순으로 정렬한 추천 리모델링 업체 리스트를 출력하도록 제1 인공지능 모델을 기학습하되, 상기 제1 인공지능 모델은 다층 퍼셉트론(Multilayer Perceptron, MLP)을 기반으로 하고,
    상기 제1 데이터가 수정 또는 추가되면 상기 제1 인공지능 모델을 전이학습(Transfer Learning)시키고,
    노후 건물 소유주 단말을 통해, 상기 웹사이트에 노후 건물 소유주가 접속되면, 상기 웹사이트에 리모델링 의뢰 정보를 입력받기 위한 인터페이스를 제공하되, 상기 리모델링 의뢰 정보는, 리모델링 대상 노후 건물의 주소, 리모델링 시공 항목, 리모델링 예산 중 하나 이상을 포함하고,
    상기 노후건물 소유주 단말을 통해 리모델링 의뢰 정보를 획득하면, 국토교통부 오픈 API를 이용하여, 상기 리모델링 대상 노후 건물의 건축물대장 정보를 획득하고,
    상기 획득한 리모델링 대상 노후 건물의 건축물대장 정보에서, 사용승인일을 바탕으로 상기 리모델링 대상 노후 건물의 연식을 산출하고,
    상기 기학습된 제1 인공지능 모델에, 상기 리모델링 의뢰 정보와, 상기 산출한 리모델링 대상 노후 건물의 연식, 및 상기 획득한 건축물대장 정보를 입력하여, 출력을 획득하고,
    상기 웹사이트를 통해, 상기 노후 건물 소유주 단말에 상기 획득한 출력 및 리모델링 업체별 정보를 제공하되, 상기 리모델링 업체별 정보는, 종합 점수, 시공 완료 사진, 리뷰, 평균 평점을 포함하고,
    상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해, 추천 리모델링 업체 리스트의 정렬 조건을 획득하기 위한 인터페이스를 제공하되, 상기 추천 리모델링 업체 리스트의 정렬 조건은, 종합 점수 순, 총 시공 횟수 순, 보증기간 순, 무보험 제외, 평균 평점 순, 리뷰 개수 순, 시공 경력자 보유수 순이고,
    상기 노후 건물 소유주 단말을 통해, 상기 추천 리모델링 업체 리스트의 정렬 조건을 획득하면, 상기 웹사이트에, 상기 추천 리모델링 업체 리스트의 정렬 조건에 따라 추천 리모델링 업체 리스트를 정렬하여 표시하고,
    상기 노후 건물 소유주 단말을 통해, 리모델링 업체가 선정되면, 상기 선정된 리모델링 업체에 상기 리모델링 의뢰 정보와, 상기 건축물대장 정보를 전송하고,
    상기 선정된 리모델링 업체 관리자 단말을 통해, 의뢰 승인 및 상담 예약 정보를 획득하면, 상기 노후 건물 소유주 단말에 전송하고,
    상기 선정된 리모델링 업체 관리자 단말을 통해, 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 획득하면, 상기 웹사이트를 통해 상기 노후 건물 소유주 단말에, 상기 획득한 리모델링 시공 계획 및 상기 리모델링 시공 계획 진행 상황을 제공하고,
    상기 노후 건물 소유주 단말 또는 리모델링 업체 관리자 단말을 통해, 리모델링 완료 정보를 획득하면, 상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해 리모델링 업체의 리뷰와 평점을 입력받기 위한 인터페이스를 제공하되, 상기 리모델링 완료 정보는, 리모델링 대상 노후 건물의 시공 완료 사진, 시공 기간, 시공비용이고,
    상기 노후 건물 소유주 단말을 통해, 리모델링 업체의 평점을 획득하면, 해당 리모델링 업체의 평균 평점에 가산하고,
    상기 서버는,
    리뷰의 감정 분석을 위해 기학습된 제2 인공지능 모델에, 업체별 리뷰를 입력하여, 긍정적, 중립적, 부정적 감정 결과를 획득하되, 상기 제2 인공지능 모델은, LSTM(Long Short-Term Memory)을 기반으로 하고,
    상기 종합 점수를 [수학식 1]을 바탕으로 산출하고,
    [수학식 1]

    O.S.는 종합 점수이고, A_r은 리모델링 업체의 평균 평점이며, N_pr은 리모델링 업체의 긍정적인 리뷰수이고, N_sc는 유사 시공 경험 수이고,
    리모델링 업체가 시공한 노후 건물의 용도와, 리모델링 대상 노후 건물의 용도가 같고, 리모델링 업체가 시공한 노후 건물의 연식 및 규모가, 리모델링 대상 노후 건물의 연식 및 규모의 ±15% 이내에 속하면 유사 시공으로 판단하고,
    상기 서버는,
    상기 웹사이트에, 상기 노후 건물 소유주 단말을 통해, 추천 리모델링 업체 리스트의 정렬 조건을 획득하기 위한 인터페이스를 제공하는 단계에서,
    상기 추천 리모델링 업체 리스트의 정렬 조건이, 노후 건물 소유자 단말을 통해 중복 선택된 경우에, [수학식 2]를 이용하여 리모델링 업체별 정렬 점수를 산출하여, 산출한 정렬 점수가 높은 순으로 추천 리모델링 업체를 정렬하고,
    [수학식 2]

    상기 score은 추천 리모델링 업체 리스트를 정렬하기 위한 정렬 점수이고, O.S.는 리모델링 업체의 종합 점수이며, N_c는 리모델링 업체의 총 시공 횟수이고, W_p는 리모델링 업체의 보증기간이며, A_r은 리모델링 업체의 평균 평점이고, N_r은 리모델링 업체의 리뷰 개수이며, N_ew는 시공 경력자 보유수이고,
    추천 리모델링 업체 리스트의 정렬 조건 중에서, 노후 건물 소유주 단말을 통해 선택되지 않은 정렬 조건에 해당하는 변수는 0으로 처리하고,
    상기 웹사이트를 통해, 상기 노후 건물 소유주 단말에 상기 획득한 출력 및 리모델링 업체별 정보를 제공하되, 상기 리모델링 업체별 정보는, 종합 점수, 시공 완료 사진, 리뷰, 평균 평점을 포함하는 단계에서,
    상기 시공 완료 사진은, 대표 사진만 작게 게시하고, 노후 건물 소유주가 대표 사진을 클릭하면, 추가 시공 완료 사진 및 시공 건물의 위치를 표시하는 웹페이지를 제공하는, 시스템.
  2. 삭제
  3. 삭제
KR1020230060756A 2023-05-10 2023-05-10 노후 건물 리모델링 매칭 시스템 KR102634661B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020230060756A KR102634661B1 (ko) 2023-05-10 2023-05-10 노후 건물 리모델링 매칭 시스템
KR1020240016120A KR102665884B1 (ko) 2023-05-10 2024-02-01 인공지능 기반 리모델링 매칭 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230060756A KR102634661B1 (ko) 2023-05-10 2023-05-10 노후 건물 리모델링 매칭 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020240016120A Division KR102665884B1 (ko) 2023-05-10 2024-02-01 인공지능 기반 리모델링 매칭 시스템

Publications (1)

Publication Number Publication Date
KR102634661B1 true KR102634661B1 (ko) 2024-02-08

Family

ID=89899836

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020230060756A KR102634661B1 (ko) 2023-05-10 2023-05-10 노후 건물 리모델링 매칭 시스템
KR1020240016120A KR102665884B1 (ko) 2023-05-10 2024-02-01 인공지능 기반 리모델링 매칭 시스템

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020240016120A KR102665884B1 (ko) 2023-05-10 2024-02-01 인공지능 기반 리모델링 매칭 시스템

Country Status (1)

Country Link
KR (2) KR102634661B1 (ko)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020009143A (ko) 2000-07-24 2002-02-01 홍명희 건설 리모델링 컨설팅 시스템 및 그 서비스방법
KR20020026903A (ko) 2002-02-25 2002-04-12 정순착 인터넷을 기반으로 한 개별 주택 리모델링 서비스 방법 및그 시스템
KR101168858B1 (ko) * 2011-11-02 2012-08-07 주식회사 건축사사무소건원엔지니어링 건설프로젝트의 사업비 관리 방법 및 이를 수행하기 위한 건설프로젝트 사업비 관리 시스템
KR20200007713A (ko) * 2018-07-12 2020-01-22 삼성전자주식회사 감성 분석에 의한 토픽 결정 방법 및 장치
KR20200142199A (ko) * 2019-06-12 2020-12-22 이지우 인테리어 시공 시스템 및 이를 이용한 인테리어 시공 방법
KR102204337B1 (ko) * 2019-11-29 2021-01-19 한다움건설(주) 직관적인 단계별 선택을 이용한 건축물의 실시간 간편견적 서비스 제공 방법
KR102312413B1 (ko) * 2021-04-07 2021-10-13 이승희 인공 신경망 기반의 공간 인테리어 큐레이팅 시스템 및 그 방법
KR102388944B1 (ko) 2021-11-30 2022-04-21 주식회사 안가본길 비대면 방식의 인테리어 리모델링 스타일 추천 시스템 및 그 방법
KR102435579B1 (ko) 2022-01-21 2022-08-24 주식회사 수리5형제 공간 리모델링 플랫폼 서비스 제공 시스템

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020009143A (ko) 2000-07-24 2002-02-01 홍명희 건설 리모델링 컨설팅 시스템 및 그 서비스방법
KR20020026903A (ko) 2002-02-25 2002-04-12 정순착 인터넷을 기반으로 한 개별 주택 리모델링 서비스 방법 및그 시스템
KR101168858B1 (ko) * 2011-11-02 2012-08-07 주식회사 건축사사무소건원엔지니어링 건설프로젝트의 사업비 관리 방법 및 이를 수행하기 위한 건설프로젝트 사업비 관리 시스템
KR20200007713A (ko) * 2018-07-12 2020-01-22 삼성전자주식회사 감성 분석에 의한 토픽 결정 방법 및 장치
KR20200142199A (ko) * 2019-06-12 2020-12-22 이지우 인테리어 시공 시스템 및 이를 이용한 인테리어 시공 방법
KR102204337B1 (ko) * 2019-11-29 2021-01-19 한다움건설(주) 직관적인 단계별 선택을 이용한 건축물의 실시간 간편견적 서비스 제공 방법
KR102312413B1 (ko) * 2021-04-07 2021-10-13 이승희 인공 신경망 기반의 공간 인테리어 큐레이팅 시스템 및 그 방법
KR102388944B1 (ko) 2021-11-30 2022-04-21 주식회사 안가본길 비대면 방식의 인테리어 리모델링 스타일 추천 시스템 및 그 방법
KR102435579B1 (ko) 2022-01-21 2022-08-24 주식회사 수리5형제 공간 리모델링 플랫폼 서비스 제공 시스템

Also Published As

Publication number Publication date
KR102665884B1 (ko) 2024-05-14

Similar Documents

Publication Publication Date Title
Bi et al. Daily tourism volume forecasting for tourist attractions
US10810486B2 (en) Neural network computing systems for predicting vehicle requests
Schumann et al. We need fairness and explainability in algorithmic hiring
Eckenrode Weighting multiple criteria
CN111582559B (zh) 一种到达时间的预估方法及装置
Fabusuyi et al. Decision analytics for parking availability in downtown Pittsburgh
KR102158253B1 (ko) 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법
CN110210656A (zh) 基于站点行为分析的共享单车流量预测方法及系统
CN112819024B (zh) 模型处理方法、用户数据处理方法及装置、计算机设备
CN113724039A (zh) Ota网站的酒店推荐方法、系统、设备及可读存储介质
Mostofi et al. Real-estate price prediction with deep neural network and principal component analysis
US10997667B2 (en) Method, apparatus, and computer program product for identifying hazardous conditions and predicting policy transaction behavior
Zileska Pancovska et al. Predicting sustainability assessment at early facilities design phase
Alyoubi Smart cities in shaping the future of urban space: Technical perspective and utilitarian aspects
KR102634668B1 (ko) 건설 폐기물 발생을 줄이는 건물 리모델링 방법
US20220044136A1 (en) Automated data table discovery for automated machine learning
Alghamdi Smart city urban planning using an evolutionary deep learning model
KR102634661B1 (ko) 노후 건물 리모델링 매칭 시스템
CN117217779A (zh) 预测模型的训练方法、装置及信息预测方法、装置
Fan et al. A deep reinforcement learning model for resilient road network recovery under earthquake or flooding hazards
Cheng et al. Efficient scenario analysis for optimal adaptation of bridge networks under deep uncertainties through knowledge transfer
KR20190117857A (ko) 신뢰 지수의 시간 의존 특징을 이용한 신뢰지수 예측 방법 및 시스템
Yin et al. Context-uncertainty-aware chatbot action selection via parameterized auxiliary reinforcement learning
KR102207494B1 (ko) 인공 지능망을 이용한 재물보험 가입 심사 시스템
KR102569294B1 (ko) 1인 공간 개발 및 대여 플랫폼 제공 방법, 장치 및 시스템

Legal Events

Date Code Title Description
A107 Divisional application of patent
GRNT Written decision to grant