KR102658273B1 - 실내 디자인을 기반으로 인테리어를 생성하는 방법, 장치 및 시스템 - Google Patents

Abstract

일실시예에 따른 장치는, 사용자의 단말로부터 주택 데이터를 획득하고, 주택 데이터를 통해 가상 공간을 생성하고, 사용자의 단말로부터 실제 실내 디자인을 획득하고, 실제 실내 디자인을 기초로, 가상 공간을 보정하고, 보정된 가상 공간을 사용자의 가상 환경 출력 기기로 출력한다.

Description

실내 디자인을 기반으로 인테리어를 생성하는 방법, 장치 및 시스템 { METHODS, DEVICES AND SYSTEMS FOR CREATING INTERIORS BASED ON INTERIOR DESIGN }

아래 실시예들은 실내 디자인을 기반으로 인테리어를 생성하기 위한 기술에 관한 것이다.

개인 주택 구조가 다양화됨에 따라 사용자가 좀 더 자신이 원하는 구조로 설계하기를 원하고 있으나, 사용자가 원하는 구조의 주택을 직접 설계할 수 있는 적절한 수단이 없어 주택 설계 제작 시 설계자와 사용자 간의 소통이 쉽지 않다.

또한, 최근 셀프 인테리어에 대한 관심이 증가하였지만, 대형 생활 용품의 배치 및 효율적인 공간 활용을 위한 가구 배치의 경우 간단하지 않아 전문가 혹은 주변 사람들의 조언을 구해야 하는 경우가 있다.

이런 어려움이 있을 때, 현재 대부분의 사람들이 개인 SNS를 통해 정보와 의견, 조언을 공유하거나, 인테리어 전문 업체의 전문가들을 직접 불러 조언을 구하는 방법을 택하고 있다.

그러나, 사진이나 영상 등의 2D 매체로 공간을 나타낸다면 그 공간의 실제적인 느낌과 상황은 나타나지 않기 때문에 그 공간에 대한 정확하고 세밀한 조언을 공유하기에는 어려움이 있고, 전문가를 통한 조언을 구할 때에는 전문가가 직접 그 공간을 방문해야 하는 시간적이고 물리적인 번거로움이 모두 존재한다.

한편, 근래에 데이터 통신 기술과 영상 처리 기술이 발전함에 따라 가상 현실에서의 3D 시뮬레이션이 다양한 분야에서 활용되고 있다.

따라서, 실내 디자인을 가상 공간에 적용하여 사용자에게 제공하는 기술이 요구된다.

한국등록특허 제10-2478318호 (2022.12.16. 공고) 한국등록특허 제10-2314787호 (2021.10.20. 공고) 한국등록특허 제10-2601196호 (2023.11.13. 공고) 한국등록특허 제10-2475819호 (2022.12.08. 공고)

실시예들은 주택 데이터를 기반으로 가상 공간을 생성하고자 한다.

실시예들은 실제 실내 디자인을 확인하여 가상 공간에 실제 실내 디자인을 적용하고자 한다.

실시예들은 실제 실내 디자인이 적용된 가상 공간을 평가하여 실내 디자인 변경이 필요한지 여부를 확인하고자 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

일실시예에 따르면, 실내 디자인을 기반으로 인테리어를 생성하는 방법은 사용자의 단말로부터 주택 데이터를 획득하는 단계; 상기 주택 데이터를 통해 가상 공간을 생성하는 단계; 상기 사용자의 단말로부터 주택 내에 포함된 가구의 정보 및 주택의 인테리어 정보를 포함하는 실제 실내 디자인을 획득하는 단계; 상기 실제 실내 디자인을 기초로, 가상 공간을 보정하는 단계; 및 상기 보정된 가상 공간을 상기 사용자의 가상 환경 출력 기기로 출력하는 단계;를 포함한다.

상기 사용자의 단말로부터 주택 데이터를 획득하는 단계는, 상기 사용자의 단말로부터 주택의 구조, 평수, 구성 재료를 포함하는 상기 주택의 정보를 획득하는 동작, 상기 사용자의 단말에 부착된 센서를 통해 레이저 스캐닝을 수행하여 상기 주택의 측정 데이터를 획득하는 동작 중 적어도 하나를 수행하고, 상기 주택 데이터를 통해 가상 공간을 생성하는 단계는, 상기 사용자의 단말로부터 상기 주택의 정보를 획득하였다고 확인되면, 상기 주택의 정보를 기초로, 가상 공간을 생성하는 동작을 수행하고, 상기 사용자의 단말로부터 상기 주택의 측정 데이터를 획득하였다고 확인되면, 상기 주택의 측정 데이터를 통해 상기 주택의 포인트 클라우드 이미지를 생성하는 동작, 상기 주택의 포인트 클라우드 이미지를 기초로, 윤곽도를 생성하는 동작, 및 상기 윤곽도를 기초로, 가상 공간을 생성하는 동작을 수행한다.

상기 주택 데이터를 통해 가상 공간을 생성하는 단계;는, 상기 사용자의 단말로부터 상기 주택의 위치를 획득하는 동작, 및 상기 주택의 위치를 기초로, 상기 가상 공간의 밝기 및 상기 가상 공간의 소음을 설정하는 동작을 더 포함한다.

상기 가상 공간의 밝기를 설정하는 동작은, 상기 주택의 위치 및 현재 시간을 기초로, 현재 날씨를 확인하는 동작, 상기 주택 데이터를 통해 상기 주택에 포함된 창문의 크기, 소재, 방향을 획득하고, 상기 창문의 크기, 소재, 방향을 기초로, 채광 보정값을 생성하는 동작, 상기 사용자의 단말로부터 상기 주택의 층수, 외부 건물 평균 높이를 획득하고, 상기 주택의 층수, 외부 건물 평균 높이를 기초로, 그림자 형성 보정값을 생성하는 동작, 상기 현재 날씨, 상기 채광 보정값 및 상기 그림자 형성 보정값을 기초로, 상기 주택의 예상 채광량을 생성하는 동작, 및 상기 주택의 예상 채광량에 비례하여 상기 가상 공간의 밝기를 설정하는 동작을 포함한다.

상기 가상 공간의 소음을 설정하는 동작은, 상기 주택의 위치를 기초로, 미리 설정된 기준 거리 내에 소음 측정기가 있는지 여부를 확인하는 동작, 상기 기준 거리 내에 소음 측정기가 있다고 확인되면, 상기 소음 측정기로부터 소음 데이터를 획득하고, 상기 소음 데이터를 통해 시간대 별 평균 소음 수준을 확인하는 동작, 현재 시간을 포함하는 시간대를 확인 시간대로 선정하고, 상기 시간대 별 평균 소음 수준을 기초로, 상기 확인 시간대의 평균 소음 수준을 확인하는 동작, 상기 확인 시간대의 평균 소음 수준을 기초로, 상기 가상 공간의 소음을 설정하는 동작, 상기 기준 거리 내에 소음 측정기가 없다고 확인되면, 상기 주택의 위치를 기초로, 예측 소음 수준을 확인하는 동작, 및 상기 예측 소음 수준을 기초로, 가상 공간의 소음을 설정하는 동작을 포함한다.

상기 주택의 위치를 기초로, 예측 소음 수준을 확인하는 동작은, 지도 데이터베이스를 통해 주택의 위치를 기초로, 미리 설정된 제1 거리 이내에 포함된 도로를 확인하여 인접 도로로 선정하는 동작, 도로 교통 데이터베이스를 통해 시간대 별 상기 인접 도로의 평균 통행량 및 평균 통행 속도를 확인하고, 상기 확인 시간대의 상기 인접 도로의 평균 통행량 및 평균 통행 속도를 확인하는 동작, 상기 지도 데이터베이스를 통해 상기 주택의 위치를 기초로, 미리 설정된 제2 거리 이내에 포함된 시설을 확인하여, 인접 시설로 선정하는 동작, 시설 데이터베이스를 통해 시간대 별 상기 인접 시설의 방문자 수를 확인하고, 상기 확인 시간대의 상기 인접 시설의 방문자 수를 확인하는 동작, 상기 시설 데이터베이스를 통해 상기 인접 시설 중 고소음 시설로 분류된 시설의 개수를 확인하는 동작, 상기 주택 데이터를 통해 소음 차단 구조 여부를 확인하는 동작, 및 상기 확인 시간대의 인접 도로의 평균 통행량 및 평균 통행 속도, 상기 확인 시간대의 인접 시설의 방문자 수, 상기 고소음 시설의 개수, 상기 소음 차단 구조 여부를 기초로, 예측 소음 수준을 확인하는 동작을 포함한다.

실내 디자인을 기반으로 인테리어를 생성하는 방법은 상기 보정된 가상 공간을 인테리어 평가 플랫폼에 업로드하는 단계; 상기 인테리어 평가 플랫폼을 통해 미리 설정된 목표 기간 동안 상기 보정된 가상 공간에 대한 점수를 획득하는 단계; 상기 점수가 미리 설정된 제1 기준 점수보다 높은지 여부를 확인하는 단계; 상기 점수가 상기 제1 기준 점수보다 높다고 확인되면, 상기 사용자의 단말로 상기 실제 실내 디자인을 유지하라는 메시지를 전송하고, 상기 사용자를 인테리어 프로로 선정하는 단계; 상기 점수가 상기 제1 기준 점수보다 높지 않다고 확인되면, 상기 점수가 미리 설정된 제2 기준 점수보다 높은지 여부를 확인하는 단계; 상기 점수가 상기 제2 기준 점수보다 높다고 확인되면, 상기 사용자의 단말로 상기 실제 실내 디자인을 유지하라는 메시지를 전송하는 단계; 및 상기 점수가 상기 제2 기준 점수보다 높지 않다고 확인되면, 상기 사용자의 단말로 상기 실제 실내 디자인을 변경하라는 메시지를 전송하는 단계를 더 포함한다.

상기 사용자의 단말로 상기 실제 실내 디자인을 변경하라는 메시지를 전송하는 단계는, 상기 보정된 가상 공간에 포함된 가구의 색상, 벽지의 색상, 바닥재의 색상을 포함하는 상기 보정된 가상 공간에 포함된 색상의 개수를 확인하는 동작, 상기 색상의 개수가 미리 설정된 임계 개수보다 많은지 여부를 확인하는 동작, 상기 색상의 개수가 상기 임계 개수보다 많다고 확인하면, 상기 보정된 가상 공간에 포함된 색상 중 가장 많은 부분을 차지하고 있는 색상을 중심 색상으로 선정하는 동작, 상기 중심 색상을 기초로 상기 실제 실내 디자인을 변경하라는 메시지를 상기 사용자의 단말로 전송하는 동작, 상기 색상의 개수가 상기 임계 개수보다 많지 않다고 확인되면, 상기 보정된 가상 공간에 포함된 가구의 사용 빈도를 획득하는 동작, 사용 빈도가 미리 설정된 임계 빈도보다 적은 가구를 처분 가구로 선정하는 동작, 상기 보정된 가상 공간에 포함된 가구의 크기 및 상기 가구의 평균 크기를 확인하여 상기 가구의 초과율을 생성하는 동작, 초과율이 미리 설정된 임계 비율보다 큰 가구를 교체 가구로 선정하는 동작, 및 상기 처분 가구를 처분하고, 상기 교체 가구를 교체하여 상기 실제 실내 디자인을 변경하라는 메시지를 상기 사용자의 단말로 전송하는 동작을 포함한다.

상기 사용자의 단말로 상기 실제 실내 디자인을 변경하라는 메시지를 전송하는 단계는, 상기 사용자와 인테리어 프로를 매칭하는 동작을 더 포함하고, 상기 사용자와 상기 인테리어 프로를 매칭하는 동작은, 인테리어 프로 데이터베이스를 통해 주택 간의 평수 차이가 미리 설정된 기준 차이 이내에 포함되어 있는 인테리어 프로를 후보 프로로 확인하고, 상기 후보 프로의 정보를 획득하는 동작, 상기 후보 프로의 정보를 통해 상기 후보 프로의 인테리어 조언 횟수를 확인하고, 상기 인테리어 조언 횟수에 비례하여 상기 후보 프로의 경험 점수를 생성하는 동작, 상기 후보 프로의 정보를 통해 상기 후보 프로의 직업을 확인하고, 상기 후보 프로의 직업이 인테리어 관련 직업인 것에 기반하여, 상기 후보 프로의 전문 점수를 생성하는 동작, 상기 후보 프로의 정보를 통해 상기 후보 프로와 상기 사용자 간의 연령 일치도 및 성별 일치도를 생성하고, 상기 연령 일치도 및 상기 성별 일치도에 비례하여 상기 후보 프로의 일치 점수를 생성하는 동작, 상기 후보 프로의 정보를 통해 상기 후보 프로의 평균 만족도를 확인하고, 상기 평균 만족도에 비례하여 상기 후보 프로의 만족도 점수를 생성하는 동작, 상기 후보 프로의 주택과 상기 사용자의 주택 간의 거리를 확인하고, 상기 거리에 반비례하여 상기 후보 프로의 거리 점수를 생성하는 동작, 상기 경험 점수, 상기 전문 점수, 상기 일치 점수, 상기 만족도 점수 및 거리 점수를 합산한 값으로 상기 후보 프로의 최종 점수를 생성하는 동작, 및 최종 점수가 가장 높은 후보 프로를 상기 사용자와 매칭하는 동작을 포함한다.

실시예들은 주택 데이터를 기반으로 가상 공간을 생성할 수 있다.

실시예들은 실제 실내 디자인을 확인하여 가상 공간에 실제 실내 디자인을 적용할 수 있다.

실시예들은 실제 실내 디자인이 적용된 가상 공간을 평가하여 실내 디자인 변경이 필요한지 여부를 확인할 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 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 실제 실내 디자인이 적용된 가상 공간을 사용자에게 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 주택의 정보를 기초로 가상 공간을 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 주택의 측정 데이터를 기초로 가상 공간을 생성하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 윤곽도를 보정하여 공간의 스케치를 생성하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 가상 공간을 추가로 보정하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 가상 공간의 밝기를 설정하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 가상 공간의 소음을 설정하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 예측 소음 수준을 확인하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 실제 실내 디자인이 적용된 가상 공간을 평가하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 실제 실내 디자인을 변경하라는 메시지를 사용자의 단말로 전송하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 사용자와 인테리어 프로를 매칭하는 과정을 설명하기 위한 순서도이다.
도 13은 일실시예에 따른 장치의 구성의 예시도이다.

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.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 사용자의 단말(100), 가상 환경 출력 기기(200) 및 장치(300)를 포함할 수 있다.

먼저, 사용자의 단말(100)은 주택 데이터를 제공하고, 제공한 주택 데이터를 기반으로 생성된 가상 공간을 체험하고자 하는 사용자가 사용하는 단말기로, 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다.

사용자의 단말(100)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다, 사용자의 단말(100)은 장치(300)와 유무선 통신하도록 구성될 수 있다.

사용자의 단말(100)은 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 사용자의 단말(100)은 웹 사이트 또는 애플리케이션을 통해 장치(300)와 연동될 수 있다.

이하에서는 설명의 편의상, 도 1 및 이하의 설명에서는 사용자의 단말(100) 하나만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(300)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

가상 환경 출력 기기(200)는 메타버스 환경으로 구현된 가상 공간의 화면을 출력하는 기기로, 장치(300)와 전기적으로 연결될 수 있다.

또한, 가상 환경 출력 기기(200)는 메타버스 환경을 사용자가 조작하기 위해 사용자의 조작에 따라 명령에 대한 조작 신호를 생성하는 기기로 사용될 수도 있다.

여기서, 메타버스는 가공, 추상을 의미하는 메타(meta)와 현실 세계를 의미하는 유니버스(universe)의 합성어로 온라인 속 3차원 입체 가상 세계에서 캐릭터 내지 아바타의 모습으로 구현된 개인들이 서로 소통하여, 현실의 활동을 그대로 할 수 있는 플랫폼을 말한다. 이러한 메타버스 환경은 가상 현실(virtual reality, VR), 증강 현실(augmented reality, AR) 및 혼합 현실(mixed reality, MR)을 아우르는 확장 현실(extended reality, XR)을 포함할 수 있다.

가상 현실은 컴퓨터를 이용하여 현실 세계에 존재하지 않는 가상 공간을 구축한 후 그 가상 공간을 현실처럼 느끼게 하는 기술을 말하고, 증강 현실 또는 혼합 현실은 현실 세계 위에 컴퓨터에 의해 생성된 정보를 덧붙여 표현하는 기술, 즉 현실 세계와 가상 세계를 결합함으로써 실시간으로 사용자와 상호작용이 이루어지도록 하는 기술을 말하는데, 본 발명에서의 메타버스 환경은 가상 현실, 증강 현실 및 혼합 현실 중 어느 하나의 환경을 통해 구현될 수 있다.

가상 환경 출력 기기(200)는 메타버스 환경으로 구현된 화면의 영상을 출력하기 위해 사용자에게 착용되는 것으로, 예를 들면, 사용자의 머리 또는 눈 부분에 장착하여 사용자의 눈 앞에 직접 VR/AR 영상을 출력하는 디스플레이 장치인 헤드마운트 디스플레이(head mounted display, HMD) 등으로 마련될 수 있다. 헤드마운트 디스플레이는 사용자가 현실감 있는 영상을 체험할 수 있도록 지원하는 웨어러블 영상 출력 단말의 일종이며, 주로 헬멧 전면에 디스플레이가 장착되어 VR/AR 등의 영상을 출력할 수 있다.

가상 환경 출력 기기(200)는 가상 환경 출력 기기(200)를 착용한 사용자의 머리 움직임을 통해 사용자의 시선을 추적할 수 있으며, 헤드 트렉킹을 통해 사용자의 시선 이동에 따라 영상이 변경되어 표시되도록 처리할 수 있다. 즉, 출력 기기(200)는 사용자 머리의 회전 각도와 속도 등을 수치화하여, 사용자 머리의 움직임과 동일한 방향으로 영상이 변경되도록 처리할 수 있다. 예를 들어, 사용자의 머리가 오른쪽으로 회전하면 메타버스 환경으로 구현된 화면의 영상에서도 오른쪽으로 움직이고, 사용자의 머리가 왼쪽으로 회전하면 메타버스 환경으로 구현된 화면의 영상에서도 왼쪽으로 움직이도록 처리할 수 있다.

장치(300)는 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다.

장치(300)는 사용자의 단말(100) 및 가상 환경 출력 기기(200)와 유무선으로 통신하도록 구성될 수 있으며, 가상 환경 출력 기기(200)로부터 조작 신호를 획득하여 사용자의 조작을 인식할 수 있고, 가상 환경 출력 기기(200)의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.

장치(300)는 사용자에게 메타버스 환경을 기반으로 가상 공간 체험 서비스를 제공하기 위해 가상 환경 출력 기기(200)로 출력될 컨텐츠를 제어할 수도 있다.

또한, 장치(300)는 블로그, 카페, 인스타그램, 페이스북, 트위터, 유튜브를 포함하는 SNS 및 기사를 포함하는 웹 페이지를 포함하는 웹사이트와 유무선으로 통신할 수 있으며, 장치(300)는 웹사이트에 접속하여 정보를 획득할 수 있다.

장치(300)는 사용자의 단말(100)로부터 주택 데이터를 획득하고, 주택 데이터를 통해 가상 공간을 생성하고, 사용자의 단말(100)로부터 실제 실내 디자인을 획득하고, 실제 실내 디자인을 기초로, 가상 공간을 보정하고, 보정된 가상 공간을 사용자의 가상 환경 출력 기기(200)로 출력할 수 있다.

도 2는 일실시예에 따른 실제 실내 디자인이 적용된 가상 공간을 사용자에게 제공하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 주택 데이터를 획득할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 가상 공간을 생성하고자 하는 주택의 주택 데이터를 획득할 수 있다. 이때, 주택 데이터는 주택의 정보, 주택의 측정 데이터 중 하나일 수 있으며, 주택의 정보는 사용자의 입력에 의해 생성된 주택의 구조, 평수, 구성 재료를 포함할 수 있고, 주택의 측정 데이터는 센서를 통해 측정된 데이터일 수 있다.

즉, 장치(300)는 사용자의 단말(100)로부터 사용자의 입력에 의해 생성된 주택의 구조, 평수, 구성 재료를 포함하는 주택의 정보를 주택 데이터로 획득할 수도 있고, 또한, 장치(300)는 사용자의 단말(100)에 부착된 센서를 제어하여 센서를 통해 가상 공간으로 생성하고자 하는 주택을 레이저 스캐닝하여 획득한 주택의 측정 데이터를 주택 데이터로 획득할 수도 있다.

S202 단계에서, 장치(300)는 주택 데이터를 통해 가상 공간을 생성할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 주택 데이터를 통해 가상 공간을 생성할 수 있다. 이와 관련하여 구체적인 설명은 도 3 및 도 4를 참조하기로 한다.

S203 단계에서, 장치(300)는 사용자의 단말(100)로부터 실제 실내 디자인을 획득할 수 있다. 이때, 실제 실내 디자인은 실제 주택 내에 포함된 가구의 정보, 실제 주택의 인테리어 정보가 포함될 수 있으며, 이때, 가구의 정보에는 가구의 명칭, 가구의 종류, 가구의 크기, 가구의 위치, 가구의 구조, 가구의 특징 등이 포함될 수 있다. 또한, 주택의 인테리어 정보에는 벽지 정보, 바닥재 정보, 조명 정보 등이 포함될 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 실제 주택 내에 포함된 가구의 정보 및 실제 주택의 인테리어 정보가 포함된 실제 실내 디자인을 획득할 수 있다.

한편, 장치(300)는 사용자의 단말(100)로부터 사용자의 입력에 의해 실제 실내 디자인을 획득할 수도 있고, 장치(300)는 사용자의 단말(100)에 구비된 카메라를 제어하여 카메라를 통해 실제 주택을 촬영하여 실제 실내 디자인을 획득할 수도 있다. 이를 위해, 사용자의 단말(100)은 카메라를 구비할 수 있고, 장치(300)는 사용자의 단말(100)에 구비된 카메라와 유무선으로 통신할 수 있고, 카메라를 제어할 수 있다. 이때, 카메라를 통해 실제 실내 디자인을 획득하는 과정은 본문에 구체적으로 작성하지 않았지만 통상적으로 사용되는 방법에 의해 수행될 수 있다.

S204 단계에서, 장치(300)는 실제 실내 디자인을 기초로, 가상 공간을 보정할 수 있다.

구체적으로, 장치(300)는 실제 실내 디자인의 정보에 포함된 가구의 정보를 통해 가상 가구를 생성할 수 있고, 가상 가구를 가상 공간 내에 배치할 수 있다.

또한, 장치(300)는 실제 실내 디자인의 정보에 포함된 주택의 인테리어 정보를 기초로, 주택의 인테리어 정보에 포함된 벽지 정보, 바닥재 정보, 조명 정보를 확인하여, 가상 공간을 보정할 수 있다. 즉, 장치(300)는 주택의 인테리어 정보에 포함된 벽지 정보를 통해 가상 공간의 벽을 보정할 수 있고, 바닥재 정보를 통해 가상 공간의 바닥을 보정할 수 있고, 조명 정보를 통해 가상 공간의 밝기를 보정할 수 있다.

S206 단계에서, 장치(300)는 보정된 가상 공간을 사용자의 가상 환경 출력 기기(200)로 출력할 수 있다.

구체적으로, 장치(300)는 주택 데이터를 기반으로 가상 공간을 생성할 수 있고, 실제 실내 디자인을 기초로 가상 공간을 보정하여 보정된 가상 공간을 생성할 수 있고, 보정된 가상 공간을 사용자의 가상 환경 출력 기기(200)로 출력할 수 있다.

즉, 장치(300)는 실제 실내 디자인이 적용된 가상 공간을 사용자의 가상 환경 출력 기기(200)로 출력할 수 있고, 이로 인해 사용자는 가상 공간을 체험하여, 가상 공간을 통해 주택을 평가하거나, 가상 공간을 통해 인테리어 디자인을 확인 및 시뮬레이션 하는 등 가상 공간을 활용할 수 있다.

도 3은 일실시예에 따른 주택의 정보를 기초로 가상 공간을 생성하는 과정을 설명하기 위한 순서도이다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 정보 또는 주택의 측정 데이터 중 하나를 획득할 수 있으며, 도 3은 주택 데이터로 주택의 정보를 획득한 경우의 가상 공간을 생성하는 과정을 설명하기 위한 순서도이다.

먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 주택의 구조, 평수, 구성 재료를 포함하는 주택의 정보를 획득할 수 있다.

구체적으로, 사용자는 사용자의 단말(100)을 통해 주택의 구조, 평수, 구성 재료를 포함하는 주택의 정보를 입력할 수 있으며, 장치(300)는 사용자의 단말(100)을 통해 사용자에 의해 입력된 주택의 구조, 평수, 구성 재료를 포함하는 주택의 정보를 획득할 수 있다.

S302 단계에서, 장치(300)는 주택의 정보를 기초로, 가상 공간을 생성할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 주택의 구조, 평수, 구성 재료를 포함하는 주택의 정보를 획득할 수 있고, 장치(300)는 사용자의 단말(100)로부터 획득한 주택의 정보를 기초로, 가상 공간을 생성할 수 있다. 이때, 가상 공간을 생성하는 과정은 본문에 구체적으로 작성하지 않았지만, 통상적으로 사용되는 주택의 구조, 주택의 평수, 주택의 구성 재료에 의해 가상 공간을 생성하는 과정과 동일하게 수행될 수 있다.

이로 인해, 장치(300)는 사용자의 단말(100)로부터 획득한 주택의 구조, 평수, 구성 재료를 포함하는 주택의 정보를 기초로, 가상 공간을 생성할 수 있다.

도 4는 일실시예에 따른 주택의 측정 데이터를 기초로 가상 공간을 생성하는 과정을 설명하기 위한 순서도이다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 정보 또는 주택의 측정 데이터 중 하나를 획득할 수 있으며, 도 4는 주택 데이터로 주택의 측정 데이터를 획득한 경우의 가상 공간을 생성하는 과정을 설명하기 위한 순서도이다.

도 4를 참조하면, 먼저, S401 단계에서, 장치(300)는 사용자의 단말(100)에 부착된 센서를 통해 레이저 스캐닝을 수행하여 주택의 측정 데이터를 획득할 수 있다. 이를 위해, 사용자의 단말(100)에는 센서가 부착될 수 있고, 이때, 센서는 360°를 스캔할 수 있는 Lidar 센서일 수 있으며, 이에 한정되지는 않는다. 또한, 사용자의 단말(100)에 부착된 센서는 장치(300)와 유무선으로 통신할 수 있으며, 장치(300)는 사용자의 단말(100)에 부착된 센서를 제어할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)에 부착된 센서를 제어할 수 있으며, 센서를 통해 가상 공간으로 생성할 실제 주택을 레이저 스캐닝하여 주택의 측정 데이터를 획득할 수 있다.

즉, 장치(300)는 사용자의 단말(100)에 부착된 센서를 통해 실제 주택을 전방위로 레이저 스캔할 수 있고, 장치(300)는 레이저 스캐닝의 결과로, 신호(또는 빛)가 전송되고 돌아오는 시간을 기록하여, 신호 당 거리 정보를 계산하여 포인트를 생성하고, 생성된 포인트를 주택의 측정 데이터로 획득할 수 있다. 한편, 장치(300)는 센서를 통해 레이저 스캐닝을 수행하는 과정에서 미리 생성된 기울기 보상 알고리즘을 사용하여 센서의 기울기를 보상할 수 있다. 여기서, 기울기 보상 알고리즘을 통상적으로 사용되는 알고리즘일 수 있으며, 실시 예에 따라 달라질 수 있다.

S402 단계에서, 장치(300)는 주택의 측정 데이터를 통해 주택의 포인트 클라우드 이미지를 생성할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)에 부착된 센서를 통한 레이저 스캐닝의 결과로, 신호(또는 빛) 당 거리 정보를 계산하여 포인트를 획득할 수 있고, 장치(300)는 획득한 복수 개의 포인트를 기초로, 주택의 포인트 클라우드 이미지를 생성할 수 있다.

S403 단계에서, 장치(300)는 주택의 포인트 클라우드 이미지를 기초로, 윤곽도를 생성할 수 있다.

구체적으로, 장치(300)는 주택의 포인트 클라우드 이미지를 기초로, 노이즈를 제거할 수 있으며, 이때, 노이즈를 제거하는 방법은 통상적으로 사용되는 방법을 사용하여 수행될 수 있다.

또한, 장치(300)는 노이즈가 제거된 주택의 포인트 클라우드 이미지를 통상적으로 사용되는 findcontours 함수에 적용하여 윤곽선을 획득할 수 있고, 획득한 윤곽선을 기초로, 초과 부분을 삭제하여 윤곽도를 생성할 수 있다.

S404 단계에서, 장치(300)는 윤곽도를 기초로, 가상 공간을 생성할 수 있다.

구체적으로, 장치(300)는 윤곽도를 보정하여 공간의 스케치를 생성할 수 있다. 이때, 장치(300)는 공간의 스케치를 생성하기 위해, 윤곽도 데이터 인식, 직선 결합, 직선 끝 데이터 조정, 직선 결합 및 중복 선분 삭제, 닫히지 않은 선분 연결을 통해 공간의 스케치를 생성할 수 있다. 구체적으로, 장치(300)는 윤곽도에 포함되며 픽셀 값이 255인 픽셀 좌표를 찾아 선분 끝점 좌표를 획득하여 윤곽도 데이터 인식을 수행할 수 있다. 또한, 장치(300)는 윤곽도를 기초로, 구별된 직선 데이터를 탐색하여, 끝에서 끝까지 연결되지만 직선으로 엇갈린 선분을 결합하여 직선 결합을 수행할 수 있다. 또한, 장치(300)는 윤곽도를 기초로, 직선 데이터를 탐색하여 직선 끝 데이터를 연결된 직선 끝 데이터와 통합하여 직선 끝 데이터를 조정할 수 있다. 또한, 장치(300)는 윤곽도를 기초로, 직선 데이터를 가로질러 엇갈린 직선을 결합하고 중복 라인을 삭제하여 직선 결합 및 중복 선분을 삭제할 수 있다. 또한, 장치(300)는 윤곽도를 기초로, 선의 두 끝을 시작점과 끝점으로 선택하고, 감지된 직선 데이터를 드래그 하여, 닫히지 않은 선분을 연결할 수 있다. 이때, 장치(300)는 닫히지 않은 선분을 연결하기 위해 윤곽도를 기초로, 시작점에서 시작하여 감지된 벽체선을 드래그하여 현재 연결선을 찾고 있는 벽체 선 및 끝점 좌표를 표시할 수 있고, 장치(300)는 드래그한 벽체선의 양쪽 끝이 연결되어 있다고 확인되면 추가로 처리하지 않고, 장치(300)는 벽체선의 어느 한 끝이 점선으로 연결되어 있다고 확인되면 다른 끝점에도 연결된 점선을 찾아내 두 끝점을 가장 가까운 거리에서 연결하는 점선을 추가할 수 있다. 또한, 장치(300)는 위 과정을 통해 벽체선의 끝점이 모두 연결되면 벽체 선의 끝점 정보와 각 벽 구성 요소의 공간 좌표를 얻어 공간의 스케치를 생성할 수 있다. 윤곽도를 보정하여 공간의 스케치를 생성하는 과정은 도 5를 추가적으로 참조할 수 있다.

또한, 장치(300)는 윤곽도를 보정하여 공간의 스케치가 생성되면, 스케치의 선 데이터(크기, 각도 등)를 JSON 데이터 형식으로 변환할 수 있고, JSON 데이터 형식으로 변환된 스케치의 선 데이터를 통해 벽 라인의 끝점 정보 및 각 벽 구성 요소의 공간 좌표를 획득할 수 있다.

또한, 장치(300)는 스케치의 벽체선과 벽의 두께에 따라 벽의 윤곽선을 생성할 수 있고, 이때, 장치(300)는 벽체 윤곽선과 벽체선의 끝점 데이터에 따라 바닥, 천장, 내벽 및 외벽을 각각 생성할 수 있으며 이를 통해 벽의 3D 모델을 생성할 수 있고, 각 벽 구성 요소의 공간 좌표에 따라 벽의 3D 모델을 벽 구성 요소와 결합하여 가상 공간을 생성할 수 있다.

이때, 벽체 모형면에 따라 벽체 3D 모형을 생성하는 과정은 장치(300)는 스케치의 벽체선과 벽체선의 끝점 데이터에 따라 벽의 4 개의 끝점을 획득할 수 있고, 벽체선에 수직인 표면에는 3 개의 반복되지 않는 끝점이 시계 반대 방향과 삼각형 처리로 연결되어 있을 수 있으며, 이를 통해 가상 공간을 생성할 수 있다.

이때, 장치(300)는 3D 벽 모델과 벽 구성 요소 간의 포함 관계를 판단하고 벽 구성 요소의 유형, 높이 및 크기에 따라 벽 3D 모델이 벽 구성 요소를 포함하는 위치를 비우고 드래그 해서 구성요소를 병합할 수 있고, 장치(300)는 획득한 벽체 정보를 높이와 너비로 결합하여 벽체의 시작 그리기 지점을 생성할 수 있고, 하단 그리기 점과 상단 그리기 점을 통해 반시계 방향으로 연결하여 다각형으로 분할할 수 있고, 여러 삼각면 집합으로 구성된 부품 벽체의 왼쪽과 부품 벽체의 오른쪽 부분을 획득할 수 있다. 또한, 장치(300)는 세그먼트 구성 요소의 상단 경계점과 중앙 벽의 상단 경계 점 및 세그먼트 구성 요소의 하단 경계점을 시계 반대 방향으로 연결하여 다각형을 분할할 수 있고 여러 삼각면 집합으로 구성된 구성요소 벽체의 중간 부분을 획득할 수 있다.

이때, 장치(300)는 구성 요소의 공간 좌표와 공간 크기를 분할 벽을 만드는 끝점 데이터로 변환할 수 있고, 구성 요소의 중심 공간 좌표 C와 구성 요소의 공간 크기 S(x, y, z)를 각각 공식으로 계산하여 구성 요소의 상단 경계점과 하단 경계 점(P1-P8)을 획득할 수 있다. 이때, 계산 공식은 각각 P1=P(C.x+S.x, C.y+S.y, C.z+S.z)일 수 있고, P2=P(C.x+S.x, C.y+S.y, C.z-S.z)일 수 있고, P3=P(C.x+S.x, C.y-S.y, C.z+S.z)일 수 있고, P4=P(C.x-S.x, C.y+S.y, C.z+S.z)일 수 있고, P5=P(C.x+S.x, C.y-S.y, C.z-S.z)일 수 있고, P6=P(C.x-S.x, C.y+S.y, C.z-S.z)일 수 있고, P7=P(C.x-S.x, C.y-S.y, C.z+S.z)일 수 있고, P8=P(C.x-S.x, C.y-S.y, C.z-S.z)일 수 있다. 여기서 C(X, Y, Z)는 성분의 중심 좌표일 수 있고 S(x, y, z)는 구성요소의 공간 크기일 수 있다.

도 5는 일실시예에 따른 윤곽도를 보정하여 공간의 스케치를 생성하는 과정을 설명하기 위한 순서도이다.

도 5를 참조하면, 먼저, (a) 이미지는 윤곽선을 기초로 생성된 윤곽도이다.

(b) 이미지는 윤곽도인 (a) 이미지를 기초로, 직선 결합을 수행하여 생성된 예시도이다.

(c) 이미지는 직선 결합이 수행된 예시도인 (b) 이미지를 기초로, 직선 끝 데이터 조정을 수행하여 생성된 예시도이다.

(d) 이미지는 직선 끝 데이터 조정이 수행된 예시도인 (c) 이미지를 기초로, 직선 결합 및 중복 선분 제거를 수행하여 생성된 예시도이다.

마지막으로, (e) 이미지는 직선 결합 및 중복 선분 제거가 수행된 예시도인 (d) 이미지를 기초로, 닫히지 않은 선분 연결을 수행하여 공간의 스케치이다.

도 6은 일실시예에 따른 가상 공간을 추가로 보정하는 과정을 설명하기 위한 순서도이다.

도 6을 참조하면, 먼저, S601 단계에서, 장치(300)는 사용자의 단말(100)로부터 주택의 위치를 획득할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 가상 공간으로 생성하고자 하는 주택의 위치를 획득할 수 있다.

S602 단계에서, 장치(300)는 주택의 위치를 기초로, 가상 공간의 밝기 및 가상 공간의 소음을 설정할 수 있다.

구체적으로, 장치(300)는 가상 공간의 위치 및 주택 데이터를 기초로, 가상 공간의 밝기 및 가상 공간의 소음을 설정할 수 있으며, 이와 관련하여 구체적인 설명은 도 7 및 도 8을 참조하기로 한다.

이를 위해, 장치(300)는 사용자에게 실제 주택과 유사한 가상 공간을 제공할 수 있고, 사용자는 가상 공간의 밝기 및 소음을 통해 더 생동감 있고, 더 정확하게 가상 공간을 경험할 수 있다.

도 7은 일실시예에 따른 가상 공간의 밝기를 설정하는 과정을 설명하기 위한 순서도이다.

도 7를 참조하면, 먼저, S701 단계에서, 장치(300)는 주택의 위치 및 현재 시간을 기초로, 현재 날씨를 확인할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 주택의 위치 및 현재 시간을 기초로, 주택의 위치 및 현재 시간에 대응하는 현재 날씨를 획득할 수 있다. 이를 위해, 장치(300)는 기상청 데이터베이스와 유무선으로 통신할 수 있으며, 기상청 데이터베이스에는 위치와 매칭하여 시간 별 날씨가 매칭되어 저장될 수 있다. 장치(300)는 기상청 데이터베이스를 통해 주택의 위치 및 현재 시간에 대응하는 현재 날씨를 획득할 수 있다. 이때, 현재 날씨는 현재 기온, 현재 구름량, 현재 강수량, 현재 풍향, 현재 풍속 등이 포함될 수 있다. 한편, 현재 시간을 획득하는 방법은 구체적으로 작성하지 않았지만 통상적으로 사용되는 방법에 의해 장치(300)는 현재 시간을 확인할 수 있다.

또한, 장치(300)는 주택의 위치, 현재 시간 및 현재 날씨를 통해 일사량을 예측할 수 있다. 구체적으로, 장치(300)는 주택의 위치를 통해 주택의 위도 및 경도를 확인할 수 있고, 위도, 경도 및 현재 시간을 통해 태양의 고도각을 계산할 수 있다. 이때, 장치(300)는 미리 설정된 계산식을 사용하여 태양의 고도각을 계산할 수 있다. 또한, 장치(300)는 현재 기온, 현재 구름량, 현재 강수량, 현재 풍향, 현재 풍속 등이 포함된 현재 날씨 및 태양의 고도각을 통해 예상 일사량을 계산할 수 있다. 이때, 장치(300)는 미리 설정된 계산식을 사용하여 예상 일사량을 계산할 수 있다.

S702 단계에서, 장치(300)는 주택 데이터를 통해 주택에 포함된 창문의 크기, 소재, 방향을 획득하고, 창문의 크기, 소재, 방향을 기초로, 채광 보정값을 생성할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 주택 데이터를 획득할 수 있고, 주택 데이터에는 주택에 포함된 창문의 크기, 소재, 방향이 포함될 수 있다. 즉, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 정보를 획득한 경우, 장치(300)는 주택에 포함된 창문의 크기, 창문의 소재, 창문의 방향이 더 포함된 주택의 정보를 획득할 수도 있고, 장치(300)는 주택의 구조, 주택의 평수, 주택의 구성 재료를 통해 주택에 포함된 창문의 크기, 창문의 소재, 창문의 방향을 확인할 수도 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 측정 데이터를 획득한 경우, 장치(300)는 사용자의 단말(100)로부터 주택에 포함된 창문의 크기, 창문의 소재, 창문의 방향을 추가로 획득할 수도 있다.

또한, 장치(300)는 주택에 포함된 창문의 크기, 소재, 방향을 획득하면, 주택에 포함된 창문의 크기, 소재, 방향에 따라 채광 보정값을 생성할 수 있다. 구체적으로, 장치(300)는 창문의 소재를 기초로, 소재에 대한 투과율을 확인할 수 있다. 이를 위해, 장치(300)는 소재 - 투과율 데이터베이스를 구비하거나, 별개의 소재 - 투과율 데이터베이스와 유무선으로 통신할 수 있으며, 장치(300)는 소재 - 투과율 데이터베이스를 통해 창문의 소재에 대한 투과율을 확인할 수 있다, 여기서, 소재 - 투과율 데이터베이스는 소재와 매칭하여 해당 소재의 투과율이 저장될 수 있다. 또한, 장치(300)는 창문의 방향을 기초로, 창문의 방향성 계수를 확인할 수 있다. 이를 위해, 장치(300)에 구비된 데이터베이스에는 창문의 방향 별로 방향성 계수가 미리 설정되어 매칭되어 있을 수 있으며, 장치(300)는 창문의 방향이 획득되면, 데이터베이스를 통해 획득한 창문의 방향에 매칭된 방향성 계수를 확인할 수 있다. 또한, 장치(300)는 창문의 크기에 비례하고, 창문의 소재에 대한 투과율에 비례하고, 창문의 방향에 매칭된 방향성 계수에 비례하게 채광 보정값을 생성할 수 있다. 즉, 장치(300)는 창문의 크기, 창문의 소재에 대한 투과율, 창문의 방향에 매칭된 방향성 계수가 확인되면, (창문의 크기) X (창문의 소재에 대한 투과율) X (창문의 방향에 매칭된 방향성 계수) X (채광 상수 값)을 계산하여 채광 보정값으로 생성할 수 있다. 이때, 채광 상수 값은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S703 단계에서, 장치(300)는 사용자의 단말(100)로부터 주택의 층수, 주택의 외부 건물 평균 높이를 획득하고, 주택의 층수, 외부 건물 평균 높이를 기초로, 그림자 형성 보정값을 생성할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 가상 공간을 생성하고자 하는 주택의 층수, 주택의 외부 건물 평균 높이를 획득할 수 있고, 장치(300)는 주택의 층수에 비례하고, 주택의 외부 건물 평균 높이에 반비례하게 그림자 형성 보정값을 생성할 수 있다. 즉, 장치(300)는 주택의 층수, 주택의 외부 건물 평균 높이가 확인되면, (주택의 층수) X {1 / (주택의 외부 건물 평균 높이)} X (그림자 상수 값)을 계산하여 그림자 형성 보정값으로 생성할 수 있다. 이때, 그림자 상수 값은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S704 단계에서, 장치(300)는 현재 날씨, 채광 보정값, 그림자 형성 보정값을 기초로, 주택의 예상 채광량을 생성할 수 있다.

구체적으로, 장치(300)는 주택의 위치, 현재 시간 및 현재 날씨를 기초로 예상 일사량을 생성할 수 있고, 주택에 포함된 창문의 크기, 소재, 방향을 기초로 채광 보정값을 생성할 수 있고, 주택의 층수, 주택의 외부 건물 평균 높이를 기초로 그림자 형성 보정값을 생성할 수 있다. 또한, 장치(300)는 생성된 예상 일사량, 채광 보정값, 그림자 형성 보정값을 기초로, 주택의 예상 채광량을 생성할 수 있다. 즉, 장치(300)는 예상 일사량, 채광 보정값, 그림자 형성 보정값이 생성되면, (예상 일사량) X (채광 보정값) X (그림자 형성 보정값)을 계산하여 주택의 예상 채광량을 생성할 수 있다.

S705 단계에서, 장치(300)는 주택의 예상 채광량에 비례하여 가상 공간의 밝기를 설정할 수 있다.

구체적으로, 장치(300)는 예상 일사량, 채광 보정값, 그림자 형성 보정값을 기초로, 주택의 예상 채광량이 생성되면, 생성된 주택의 예상 채광량에 비례하여 가상 공간의 밝기를 설정할 수 있다.

즉, 장치(300)는 실제 주택의 밝기와 유사한 밝기의 가상 공간을 사용자에게 제공할 수 있고, 이를 통해, 사용자는 실제 주택에 방문하지 않아도 가상 공간을 체험하여 실제 주택의 밝기를 확인할 수 있고, 실제 주택을 평가 및 조명을 포함하는 인테리어를 결정하는데 도움을 받을 수 있다.

도 8은 일실시예에 따른 가상 공간의 소음을 설정하는 과정을 설명하기 위한 순서도이다.

도 8을 참조하면, 먼저, S801 단계에서, 장치(300)는 주택의 위치를 기초로, 기준 거리 내에 소음 측정기가 있는지 여부를 확인할 수 있다. 여기서, 기준 거리는 미리 설정된 거리로 실시 예에 따라 달라질 수 있다.

이를 위해, 장치(300)는 소음 측정기와 유무선으로 통신할 수 있고, 유무선으로 통신되는 소음 측정기를 통해 주택의 위치와 미리 설정된 기준 거리 내에 소음 측정기가 있는지 여부를 확인할 수 있다.

S801 단계에서 기준 거리 내에 소음 측정기가 있다고 확인되면, S802 단계에서, 장치(300)는 소음 측정기를 통해 측정된 소음 데이터를 확인하고, 소음 데이터를 통해 시간대 별 평균 소음 수준을 확인할 수 있다. 여기서, 시간대는 새벽(00시 ~ 04시), 아침(04시 ~ 08시), 오전(08시 ~ 12시), 오후(12시 ~ 16시), 저녁(16시 ~ 20시), 밤(20시 ~ 24시)을 기준으로 생성될 수 있으며, 그 외의 기준으로 생성될 수도 있다.

구체적으로, 장치(300)는 주택의 위치를 기초로 기준 거리 내에 소음 측정기가 있다고 확인되면, 해당 소음 측정기로부터 해당 소음 측정기를 통해 측정된 소음 데이터를 획득할 수 있다. 이를 위해, 장치(300)는 소음 측정기와 유무선으로 통신할 수 있고, 소음 측정기는 미리 설정된 기준 데시벨보다 높은 데시벨의 소음을 측정할 수 있고, 소음이 측정되면 해당 소음의 데시벨, 해당 소음이 측정된 날짜 및 시간을 소음 데이터로 생성하여 소음 측정기에 구비된 데이터베이스에 저장할 수 있다.

즉, 장치(300)는 주택의 위치와 기준 거리 내에 소음 측정기가 있다고 확인되면, 해당 소음 측정기로부터 해당 소음 측정기에 구비된 데이터베이스에 저장된 소음 데이터를 획득할 수 있고, 획득한 소음 데이터를 통해 시간대 별로 측정된 평균 데시벨인 시간대 별 평균 소음 수준을 확인할 수 있다.

S803 단계에서, 장치(300)는 현재 시간을 포함하는 시간대를 확인 시간대로 선정하고, 시간대 별 평균 소음 수준을 기초로, 확인 시간대의 평균 소음 수준을 확인할 수 있다.

구체적으로, 장치(300)는 현재 시간을 확인할 수 있으며, 이때, 현재 시간을 확인하는 방법은 구체적으로 작성하지 않았지만 통상적으로 사용되는 방법에 의해 장치(300)는 현재 시간을 확인할 수 있다. 또한, 장치(300)는 현재 시간이 확인되면, 현재 시간을 포함하는 시간대를 확인할 수 있다. 즉, 장치(300)는 현재 시간이 새벽(00시 ~ 04시), 아침(04시 ~ 08시), 오전(08시 ~ 12시), 오후(12시 ~ 16시), 저녁(16시 ~ 20시), 밤(20시 ~ 24시) 중 언제 포함되는지 확인할 수 있고, 확인된 시간대를 확인 시간대로 선정할 수 있다.

또한, 장치(300)는 확인 시간대가 선정되면, 시간대 별 평균 소음 수준을 통해, 확인 시간대의 평균 소음 수준을 확인할 수 있다.

S804 단계에서, 장치(300)는 확인 시간대의 평균 소음 수준을 기초로, 가상 공간의 소음을 설정할 수 있다.

구체적으로, 장치(300)는 확인 시간대의 평균 소음 수준이 확인되면, 평균 소음 수준과 동일한 수준 즉, 동일한 데시벨로 가상 공간의 소음을 설정할 수 있다. 이를 위해, 장치(300)에 구비된 데이터베이스에는 백색 소음을 포함하는 음성 데이터가 저장될 수 있으며, 장치(300)는 데이터베이스에 저장된 음성 데이터를 확인 시간대의 평균 소음 수준과 동일한 데시벨로 설정하여 가상 공간의 소음을 설정할 수 있다. 또한, 사용자의 가상 환경 출력 기기(200)에는 스피커가 더 구비될 수 있다.

즉, 장치(300)는 사용자가 사용자의 가상 환경 출력 기기(200)를 통해 가상 공간에 입장하였다고 확인되면, 사용자의 가상 환경 출력 기기(200)에 구비된 스피커를 통해 확인 시간대의 평균 소음 수준과 동일한 데시벨로 설정된 음성 데이터를 출력할 수 있다.

S801 단계에서 기준 거리 내에 소음 측정기가 없다고 확인되면, S805 단계에서, 장치(300)는 주택의 위치를 기초로, 예측 소음 수준을 확인할 수 있다.

구체적으로, 장치(300)는 주택의 위치를 기초로 기준 거리 내에 소음 측정기가 없다고 확인되면, 주택의 위치를 기초로, 예측 소음 수준을 확인할 수 있는데, 예측 소음 수준을 확인하는 과정은 도 9를 참조하여 설명하기로 한다.

S806 단계에서, 장치(300)는 예측 소음 수준을 기초로, 가상 공간의 소음을 설정할 수 있다.

구체적으로, 장치(300)는 주택의 위치를 기초로, 예측 소음 수준이 확인되면, 예측 소음 수준과 동일한 수준 즉, 동일한 데시벨로 가상 공간의 소음을 설정할 수 있다. 이를 위해, 장치(300)에 구비된 데이터베이스에는 백색 소음을 포함하는 음성 데이터가 저장될 수 있으며, 장치(300)는 데이터베이스에 저장된 음성 데이터를 예측 소음 수준과 동일한 데시벨로 설정하여 가상 공간의 소음을 설정할 수 있다. 또한, 사용자의 가상 환경 출력 기기(200)에는 스피커가 더 구비될 수 있다.

즉, 장치(300)는 사용자가 사용자의 가상 환경 출력 기기(200)를 통해 가상 공간에 입장하였다고 확인되면, 사용자의 가상 환경 출력 기기(200)에 구비된 스피커를 통해 예측 소음 수준과 동일한 데시벨로 설정된 음성 데이터를 출력할 수 있다.

즉, 장치(300)는 실제 주택의 소음과 유사한 소음이 있는 가상 공간을 사용자에게 제공할 수 있고, 이를 통해, 사용자는 실제 주택에 방문하지 않아도 가상 공간을 체험하여 실제 주택의 소음을 확인할 수 있고, 실제 주택을 평가 및 방음재를 포함하는 인테리어를 결정하는데 도움을 받을 수 있다.

도 9는 일실시예에 따른 예측 소음 수준을 확인하는 과정을 설명하기 위한 순서도이다.

도 9를 참조하면, 먼저, S901 단계에서, 장치(300)는 지도 데이터베이스를 통해 주택의 위치를 기초로, 제1 거리 이내에 포함된 도로를 확인하여 인접 도로로 선정할 수 있다. 여기서, 제1 거리는 미리 설정된 거리로 실시 예에 따라 달라질 수 있다.

이를 위해 장치(300)는 지도 데이터베이스를 구비하거나, 별개의 지도 데이터베이스와 유무선으로 통신할 수 있으며, 지도 데이터베이스는 각 위치 즉, 좌표와 매칭되어 좌표에 위치한 도로 및 시설에 대한 정보가 저장되어 있을 수 있다.

구체적으로, 장치(300)는 지도 데이터베이스를 통해 주택의 위치를 기초로, 미리 설정된 제1 거리 이내에 포함된 도로를 확인할 수 있고, 확인된 도로를 인접 도로로 선정할 수 있다.

S902 단계에서, 장치(300)는 도로 교통 데이터베이스를 통해 시간대 별 인접 도로의 평균 통행량 및 평균 통행 속도를 확인하고, 확인 시간대의 인접 도로의 평균 통행량 및 평균 통행 속도를 확인할 수 있다.

이를 위해 장치(300)는 도로 교통 데이터베이스와 유무선으로 통신할 수 있으며, 도로 교통 데이터베이스는 도로와 매칭하여 일 평균 차량 통행량, 시간대 별 차량 통행량, 시간대 별 차량 평균 속도 등이 저장되어 있을 수 있다.

구체적으로, 장치(300)는 주택의 위치를 기초로, 인접 도로를 확인할 수 있고, 인접 도로가 확인되면, 도로 교통 데이터베이스를 통해 인접 도로와 매칭된 시간대 별 차량 통행량 및 평균 통행 속도를 확인할 수 있다. 또한, 장치(300)는 S803 단계를 통해 선정된 확인 시간대, 및 도로 교통 데이터베이스를 통해 확인된 인접 도로와 매칭된 시간대 별 차량 통행량 및 평균 통행 속도를 기초로, 확인 시간대의 인접 도로의 평균 통행량 및 평균 통행 속도를 확인할 수 있다.

S903 단계에서, 장치(300)는 지도 데이터베이스를 통해 주택의 위치를 기초로 제2 거리 이내에 포함된 시설을 확인하여 인접 시설로 선정할 수 있다. 여기서, 제2 거리는 미리 설정된 거리로, 실시 예에 따라 달라질 수 있다. 또한, 제1 거리 및 제2 거리는 동일하게 설정될 수도 있고, 다르게 설정될 수도 있다.

구체적으로, 장치(300)는 지도 데이터베이스를 통해 주택의 위치를 기초로, 미리 설정된 제2 거리 이내에 포함된 시설을 확인할 수 있고, 지도 데이터베이스를 통해 확인된 주택의 위치와 제2 거리 이내에 포함된 시설을 인접 시설로 선정할 수 있다.

S904 단계에서, 장치(300)는 시설 데이터베이스를 통해 시간대 별로 인접 시설의 방문자 수를 확인하고, 확인 시간대의 인접 시설의 방문자 수를 확인할 수 있다.

이를 위해 장치(300)는 시설 데이터베이스와 유무선으로 통신할 수 있으며, 시설 데이터베이스에는 시설과 매칭하여 시설의 업종, 일 평균 방문자의 수, 시간대 별 방문자의 수 등이 저장되어 있을 수 있으며, 또한, 시설 데이터베이스에는 해당 시설의 업종을 기초로, 해당 시설이 건설 시설, 제조업 시설, 발전소 시설, 군사 시설, 항공 시설 중 하나라고 확인되면, 해당 시설을 고소음 시설로 분류할 수도 있다.

구체적으로, 장치(300)는 주택의 위치를 기초로, 인접 시설을 확인할 수 있고, 인접 시설이 확인되면, 시설 데이터베이스를 통해 인접 시설과 매칭된 시간대 별 방문자의 수를 확인할 수 있다. 또한, 장치(300)는 S803 단계를 통해 선정된 확인 시간대 및 시설 데이터베이스를 통해 확인된 인접 시설과 매칭된 시간대 별 방문자의 수를 기초로, 확인 시간대의 인접 시설의 방문자 수를 확인할 수 있다.

S905 단계에서, 장치(300)는 시설 데이터베이스를 통해 인접 시설 중 고소음 시설로 분류된 시설의 개수를 확인할 수 있다.

구체적으로, 장치(300)는 주택의 위치를 기초로, 인접 시설을 확인할 수 있고, 인접 시설이 확인되면, 시설 데이터베이스를 통해 인접 시설 중 고소음 시설로 분류된 시설의 개수를 확인할 수 있다.

S906 단계에서, 장치(300)는 주택 데이터를 통해 소음 차단 구조 여부를 확인할 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 주택 데이터를 획득할 수 있고, 주택 데이터에는 소음 차단 구조 여부가 더 포함될 수 있다. 즉, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 정보를 획득한 경우, 장치(300)는 사용자의 단말(100)로부터 흡음재 및 방음재 중 적어도 하나를 포함하는 소음 차단 구조가 있는지 여부를 더 포함하여 주택의 정보를 획득할 수도 있고, 장치(300)는 주택의 구조, 주택의 구성 재료를 통해 흡음재 및 방음재 중 적어도 하나를 포함하는 소음 차단 구조가 있는지 여부를 확인할 수도 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 측정 데이터를 획득한 경우, 장치(300)는 사용자의 단말(100)로부터 흡음재 및 방음재 중 적어도 하나를 포함하는 소음 차단 구조가 있는지 여부를 추가로 획득할 수 있다.

S907 단계에서, 장치(300)는 확인 시간대의 인접 도로의 평균 통행량 및 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 기초로, 예측 소음 수준을 생성할 수 있다.

이때, 장치(300)는 미리 학습된 소음 수준 생성 인공신경망을 활용하여 확인 시간대의 인접 도로의 평균 통행량 및 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 기초로, 예측 소음 수준을 생성할 수 있다.

구체적으로, 장치(300)는 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 기초로, 제1 입력 신호를 생성할 수 있다.

이때, 장치(300)는 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부는 소음 수준 생성 인공신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.

또한, 장치(300)는 제1 입력 신호를 소음 수준 생성 인공신경망에 적용하여 제1 출력 신호를 생성할 수 있다. 이때, 장치(300)는 소음 수준 생성 인공신경망을 포함하거나, 별개의 소음 수준 생성 인공신경망과 유무선으로 통신할 수 있으며, 여기서, 소음 수준 생성 인공신경망은 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 입력하면, 예측 소음 수준을 예측하는 알고리즘일 수 있다.

즉, 소음 수준 생성 인공신경망은 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 고려하여, 소음 수준을 예측 및 출력할 수 있다. 즉, 제1 출력 신호는 예측 소음 수준으로, 숫자 값으로 출력될 수 있으며, 데시벨 단위로 출력될 수 있다.

소음 수준 생성 인공신경망의 학습이 이루어지는 학습 장치는 학습된 소음 수준 생성 인공신경망을 이용하여 예측 소음 수준을 생성하는 장치(300)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다.

학습 장치는 소음 수준 생성 인공신경망에 입력을 적용할 수 있다. 소음 수준 생성 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 소음 수준 생성 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.

강화 학습에 따라 학습되는 소음 수준 생성 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 확인 시간대의 인접 도로의 평균 통행량에 따라 적합한 예측 소음 수준을 선정할수록 보상 값이 높아질 수 있고, 제2 보상은 확인 시간대의 인접 도로의 평균 통행 속도에 따라 적합한 예측 소음 수준을 선정할수록 보상 값이 높아질 수 있고, 제3 보상은 확인 시간대의 인접 시설의 방문자 수에 따라 적합한 예측 소음 수준을 선정할수록 보상 값이 높아질 수 있고, 제4 보상은 고소음 시설의 개수에 따라 적합한 예측 소음 수준을 선정할수록 보상 값이 높아질 수 있고, 제5 보상은 소음 차단 구조 여부에 따라 적합한 예측 소음 수준을 선정할수록 보상 값이 높아질 수 있으며, 제6 보상은 확인 시간대의 인접 도로의 평균 통행량에 따라 적합하지 않은 예측 소음 수준을 선정하지 않을수록 보상값이 높아질 수 있고, 제7 보상은 확인 시간대의 인접 도로의 평균 통행 속도에 따라 적합하지 않은 예측 소음 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제8 보상은 확인 시간대의 인접 시설의 방문자 수에 따라 적합하지 않은 예측 소음 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제9 보상은 고소음 시설의 개수에 따라 적합하지 않은 예측 소음 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제10 보상은 소음 차단 구조 여부에 따라 적합하지 않은 예측 소음 수준을 선정하지 않을수록 보상 값이 높아질 수 있다.

학습 장치는 소음 수준 생성 인공신경망으로부터 출력을 획득할 수 있다. 소음 수준 생성 인공신경망의 출력은, 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부에 따른 예측 소음 수준일 수 있다. 이때, 소음 수준 생성 인공신경망은 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 고려하여, 예측 소음 수준을 분석 및 예측할 수 있으며, 예측한 소음 수준을 출력할 수 있다.

학습 장치는 소음 수준 생성 인공신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 제1 보상, 제2 보상, 제3 보상, 제4 보상, 제5 보상, 제6 보상, 제7 보상, 제8 보상, 제9 보상, 및 제10 보상 등으로 나뉠 수 있다.

구체적으로, 학습 장치는 확인 시간대의 인접 도로의 평균 통행량에 따라 적합한 예측 소음 수준을 출력하면 제1 보상을 많이 수여하고, 확인 시간대의 인접 도로의 평균 통행 속도에 따라 적합한 예측 소음 수준을 출력하면 제2 보상을 많이 수여하고, 확인 시간대의 인접 시설의 방문자 수에 따라 적합한 예측 소음 수준을 출력하면 제3 보상을 많이 수여하고, 고소음 시설의 개수에 따라 적합한 예측 소음 수준을 출력하면 제4 보상을 많이 수여하고, 소음 차단 구조 여부에 따라 적합한 예측 소음 수준을 출력하면 제5 보상을 많이 수여하고, 확인 시간대의 인접 도로의 평균 통행량에 따라 적합하지 않은 예측 소음 수준을 출력하지 않으면 제6 보상을 많이 수여하고, 확인 시간대의 인접 도로의 평균 통행 속도에 따라 적합하지 않은 예측 소음 수준을 출력하지 않으면 제7 보상을 많이 수여하고, 확인 시간대의 인접 시설의 방문자 수에 따라 적합하지 않은 예측 소음 수준을 출력하지 않으면 제8 보상을 많이 수여하고, 고소음 시설의 개수에 따라 적합하지 않은 예측 소음 수준을 출력하지 않으면 제9 보상을 많이 수여하고, 소음 차단 구조 여부에 따라 적합하지 않은 예측 소음 수준을 출력하지 않으면 제10 보상을 많이 수여할 수 있다.

학습 장치는 평가를 기초로 소음 수준 생성 인공신경망을 갱신할 수 있다.

구체적으로, 학습 장치는 소음 수준 생성 인공신경망이, 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 고려하여, 예측 소음 수준에 대한 정보를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공신경망을 갱신할 수 있다.

한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.

학습 장치는 상술한 소음 수준 생성 인공신경망의 학습 과정을 반복함으로써, 소음 수준 생성 인공신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 고려하여, 예측 소음 수준을 예측 출력하는 인공신경망을 학습시킬 수 있다.

즉, 학습 장치는 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 고려하여, 예측 소음 수준을 출력할 때, 제1 보상, 제2 보상, 제3 보상, 제4 보상, 제5 보상, 제6 보상, 제7 보상, 제8 보상, 제9 보상, 및 제10 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 소음 수준 생성 인공신경망을 학습시킬 수 있다.

또한, 장치(300)는 제1 출력 신호에 기초하여, 예측 소음 수준을 확인할 수 있다. 구체적으로, 장치(300)는 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 기초로, 제1 입력 신호를 생성하고, 생성된 제1 입력 신호를 소음 수준 생성 인공신경망에 적용하여 제1 출력 신호를 생성할 수 있다. 또한, 장치(300)는 생성된 제1 출력 신호를 기초로, 예측 소음 수준을 확인할 수 있다.

즉, 장치(300)는 주택의 위치를 통해 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수를 확인할 수 있고, 주택 데이터를 통해 소음 차단 구조 여부를 확인할 수 있고, 확인된 확인 시간대의 인접 도로의 평균 통행량, 확인 시간대의 인접 도로의 평균 통행 속도, 확인 시간대의 인접 시설의 방문자 수, 고소음 시설의 개수, 소음 차단 구조 여부를 미리 학습된 소음 수준 생성 인공신경망에 적용하여 주택의 위치 및 현재 시간에 대한 예측 소음 수준을 확인할 수 있다.

도 10은 일실시예에 따른 실제 실내 디자인이 적용된 가상 공간을 평가하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저, S1001 단계에서, 장치(300)는 보정된 가상 공간을 인테리어 평가 플랫폼에 업로드할 수 있다.

이를 위해, 장치(300)는 인테리어 평가 플랫폼을 운영하거나, 별개의 인테리어 평가 플랫폼과 유무선으로 통신할 수 있다. 인테리어 평가 플랫폼은 인테리어된 가상 공간을 업로드되면, 평가자들이 인테리어 평가 플랫폼에 접속 가능한 평가자의 가상 환경 출력 기기를 통해 해당 가상 공간을 체험하고, 체험 결과에 따라 인테리어에 대한 평가를 하는 플랫폼일 수 있다.

구체적으로, 장치(300)는 실제 실내 디자인이 적용된 가상 공간에 대한 점수를 획득하기 위해, 실제 실내 디자인이 적용된 가상 공간 즉, 보정된 가상 공간을 인테리어 평가 플랫폼에 업로드할 수 있다.

S1002 단계에서, 장치(300)는 인테리어 평가 플랫폼을 통해 목표 기간 동안 보정된 가상 공간에 대한 점수를 획득할 수 있다. 여기서, 목표 기간은 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 실제 실내 디자인이 적용된 가상 공간 즉, 보정된 가상 공간을 인테리어 평가 플랫폼에 업로드할 수 있고, 장치(300)는 인테리어 평가 플랫폼을 통해 미리 설정된 목표 기간 동안 해당 플랫폼에 접속하여 해당 가상 공간을 체험한 평가자로부터 획득된 해당 보정된 가상 공간에 대한 점수를 획득할 수 있다.

이때, 장치(300)는 복수의 평가자로부터 보정된 가상 공간에 대한 점수를 획득한 것으로 확인되면, 획득한 점수의 평균 값을 산출하여 보정된 가상 공간에 대한 점수를 생성할 수도 있다.

S1003 단계에서, 장치(300)는 점수가 제1 기준 점수보다 높은지 여부를 확인할 수 있다. 여기서, 제1 기준 점수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 인테리어 평가 플랫폼을 통해 획득한 보정된 가상 공간에 대한 점수가 미리 설정된 제1 기준 점수보다 높은지 여부를 확인할 수 있다.

S1003 단계에서 점수가 제1 기준 점수보다 높다고 확인되면, S1004 단계에서, 장치(300)는 사용자의 단말(100)로 실제 실내 디자인을 유지하라는 메시지를 전송하고, 사용자를 인테리어 프로로 선정할 수 있다.

구체적으로, 장치(300)는 인테리어 평가 플랫폼을 통해 획득한 보정된 가상 공간에 대한 점수가 미리 설정된 제1 기준 점수보다 높다고 확인되면, 장치(300)는 가상 공간에 적용된 실제 실내 디자인이 훌륭하다고 판단하여, 사용자의 단말(100)로 실제 실내 디자인을 유지하라는 메시지를 전송하고, 사용자를 인테리어 프로로 선정할 수 있다.

이를 통해, 장치(300)는 장치(300)에 구비된 데이터베이스에 인테리어 프로 데이터베이스를 구비할 수 있으며, 인테리어 프로 데이터베이스는 인테리어 프로와 매칭하여 인테리어 프로의 정보가 저장되어 있을 수 있으며, 인테리어 프로의 정보에는 인테리어 프로에 대한 개인 정보, 주택 정보, 이력 정보가 포함될 수 있다. 여기서, 인테리어 프로에 대한 개인 정보에는 인테리어 프로의 이름, 성별, 연령, 직업이 포함될 수 있고, 인테리어 프로에 대한 주택 정보에는 인테리어 프로의 주택의 구조, 평수, 구성 재료, 위치, 및 인테리어 프로의 주택 데이터 및 인테리어 프로의 실제 실내 디자인을 통해 생성된 가상 공간이 포함될 수 있다. 또한, 인테리어 프로에 대한 이력 정보에는 인테리어 프로가 언제, 어떤 사용자에게, 어떤 인테리어 도움을 주었는지에 대한 정보 및 인테리어 도움을 받은 사용자로부터 획득한 만족도 등이 포함될 수 있다. 한편 이를 위해, 장치(300)는 인테리어 프로의 단말로부터 인테리어 프로에 대한 개인 정보, 인테리어 프로에 대한 이력 정보를 더 획득할 수 있다.

S1003 단계에서 점수가 제1 기준 점수보다 높지 않다고 확인되면, S1005 단계에서, 장치(300)는 점수가 제2 기준 점수보다 높은지 여부를 확인할 수 있다. 여기서, 제2 기준 점수는 제1 기준 점수보다 낮게 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 인테리어 평가 플랫폼을 통해 획득한 보정된 가상 공간에 대한 점수가 미리 설정된 제1 기준 점수보다 높지 않다고 확인되면, 장치(300)는 인테리어 평가 플랫폼을 통해 획득한 보정된 가상 공간에 대한 점수가 제1 기준 점수보다 낮게 미리 설정된 제2 기준 점수보다 높은지 여부를 확인할 수 있다.

S1005 단계에서 점수가 제2 기준 점수보다 높다고 확인되면, S1006 단계에서, 장치(300)는 사용자의 단말(100)로 실제 실내 디자인을 유지하라는 메시지를 전송할 수 있다.

구체적으로, 장치(300)는 인테리어 평가 플랫폼을 통해 획득한 보정된 가상 공간에 대한 점수가 미리 설정된 제1 기준 점수보다 높지 않고, 미리 설정된 제2 기준 점수보다 높다고 확인되면, 장치(300)는 가상 공간에 적용된 실제 실내 디자인이 무난하다고 판단하여, 사용자의 단말(100)로 실제 실내 디자인을 유지하라는 메시지를 전송할 수 있다.

S1005 단계에서 점수가 제2 기준 점수보다 높지 않다고 확인되면, S1007 단계에서, 장치(300)는 사용자의 단말(100)로 실제 실내 디자인을 변경하라는 메시지를 전송할 수 있다.

구체적으로, 장치(300)는 인테리어 평가 플랫폼을 통해 획득한 보정된 가상 공간에 대한 점수가 미리 설정된 제1 기준 점수 및 미리 설정된 제2 기준 점수보다 높지 않다고 확인되면, 장치(300)는 가상 공간에 적용된 실제 실내 디자인이 별로라고 판단하여, 사용자의 단말(100)로 실제 실내 디자인을 변경하라는 메시지를 전송할 수 있다.

이를 통해, 장치(300)는 보정된 가상 공간을 인테리어 평가 플랫폼에 업로드하여 평가자로부터 획득한 점수를 통해 해당 가상 공간에 적용된 실제 실내 디자인이 훌륭한지, 무난한지, 별로인지 여부를 파악할 수 있고, 사용자에게 실제 실내 디자인의 변경이 필요한지 여부를 제공할 수 있다.

도 11은 일실시예에 따른 실제 실내 디자인을 변경하라는 메시지를 사용자의 단말로 전송하는 과정을 설명하기 위한 순서도이다.

도 11을 참조하면, 먼저, S1101 단계에서, 장치(300)는 가상 공간에 포함된 가구의 색상, 벽지의 색상, 바닥재의 색상을 포함하는 가상 공간에 포함된 색상의 개수를 확인할 수 있다.

구체적으로, 장치(300)는 실제 실내 디자인을 기초로, 보정된 가상 공간을 확인하여, 보정된 가상 공간에 포함된 가구의 색상, 벽지의 색상, 바닥재의 색상을 확인할 수 있다. 또한, 장치(300)는 보정된 가상 공간에 포함된 가구의 색상, 벽지의 색상, 바닥재의 색상을 확인하여, 보정된 가상 공간에 포함된 색상의 개수를 확인할 수 있다.

S1102 단계에서, 장치(300)는 색상의 개수가 임계 개수보다 많은지 여부를 확인할 수 있다. 여기서, 임계 개수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 가구의 색상, 벽지의 색상, 바닥재의 색상을 포함하는 보정된 가상 공간에 포함된 색상의 개수를 확인하면, 확인된 색상의 개수가 미리 설정된 임계 개수보다 많은지 여부를 확인할 수 있다.

S1102 단계에서 색상의 개수가 임계 개수보다 많다고 확인되면, S1103 단계에서, 장치(300)는 가상 공간에 포함된 색상 중 가장 많은 부분을 차지하고 있는 색상을 중심 색상으로 선정할 수 있다.

구체적으로, 장치(300)는 가구의 색상, 벽지의 색상, 바닥재의 색상을 포함하는 보정된 가상 공간에 포함된 색상의 개수가 미리 설정된 임계 개수보다 많다고 확인되면, 장치(300)는 실제 실내 디자인이 별로인 이유가 보정된 가상 공간에 포함된 색상의 개수가 많아 통일성 부족으로 판단할 수 있고, 장치(300)는 실제 실내 디자인을 변경하는 방법으로 보정된 가상 공간에 포함된 색상의 개수를 줄이기 위해 보정된 가상 공간에 포함된 색상 중 가장 많은 부분 즉, 가장 많은 비율을 차지하고 있는 색상을 확인하여, 해당 색상을 중심 색상으로 선정할 수 있다.

S1104 단계에서, 장치(300)는 중심 색상을 기초로 실제 실내 디자인을 변경하라는 메시지를 사용자의 단말(100)로 전송할 수 있다.

구체적으로, 장치(300)는 보정된 가상 공간에 포함된 색상 중 가장 많은 부분 즉, 가장 많은 비율을 차지하고 있는 색상을 중심 색상으로 선정하면, 중심 색상을 기초로 실제 실내 디자인을 변경하라는 메시지를 사용자의 단말(100)로 전송할 수 있다.

한편, S1102 단계에서 색상의 개수가 임계 개수보다 많지 않다고 확인되면, S1105 단계에서, 장치(300)는 가상 공간에 포함된 가구의 사용 빈도를 획득할 수 있다.

구체적으로, 장치(300)는 가구의 색상, 벽지의 색상, 바닥재의 색상을 포함하는 보정된 가상 공간에 포함된 색상의 개수가 미리 설정된 임계 개수보다 많지 않다고 확인되면, 장치(300)는 실제 실내 디자인이 별로인 이유가 보정된 가상 공간에 포함된 색상의 개수가 많은 것이 아닌 기능성 부족으로 판단할 수 있고, 장치(300)는 실제 실내 디자인을 변경하는 방법으로 보정된 가상 공간에 포함된 가구를 처분 및 교체하기 위해 사용자의 단말(100)로부터 미리 설정된 기준 기간 동안 보정된 가상 공간에 포함된 가구의 사용 빈도를 획득할 수 있다.

S1106 단계에서, 장치(300)는 사용 빈도가 임계 빈도보다 적은 가구를 처분 가구로 선정할 수 있다. 여기서, 임계 빈도는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 가구의 사용 빈도를 획득하면, 가구의 사용 빈도가 미리 설정된 임계 빈도보다 적은 가구를 처분 가구로 선정할 수 있다.

S1107 단계에서, 장치(300)는 가상 공간에 포함된 가구의 크기 및 가구의 평균 크기를 확인하여 가구의 초과율을 생성할 수 있다.

구체적으로, 장치(300)는 가구의 정보를 통해 보정된 가상 공간에 포함된 가구의 크기를 확인할 수 있고, 장치(300)는 가구의 평균 크기를 확인할 수 있다. 이때, 장치(300)는 가구의 평균 크기를 확인하기 위해, 사용자의 단말(100)로부터 주택을 공유하는 인원 수를 획득할 수 있고, 주택을 공유하는 인원 수가 획득되면, 인원 수에 매칭된 가구의 평균 크기를 확인할 수 있다. 이를 위해, 장치(300)는 인원 수 - 평균 크기 데이터베이스를 구비하거나 별개의 인원 수 - 평균 크기 데이터베이스와 유무선으로 통신할 수 있다. 이때, 인원 수 - 평균 크기 데이터베이스에는 가구 별로 인원 수에 매칭하여 가구의 평균 크기가 저장될 수 있다. 즉, 장치(300)는 사용자의 단말(100)로부터 주택을 공유하는 인원 수를 획득하면, 인원 수 - 평균 크기 데이터베이스를 통해 주택을 공유하는 인원 수에 매칭된 가구의 평균 크기를 확인할 수 있다.

또한, 장치(300)는 보정된 가상 공간에 포함된 가구의 크기 및 가구의 평균 크기가 확인되면, 가구의 크기를 가구의 평균 크기로 나누어 가구의 초과율을 생성할 수 있다. 즉, 장치(300)는 (가구의 정보에 포함된 가구의 크기) / (주택을 공유하는 인원 수에 매칭된 가구의 평균 크기)를 통해 가구의 초과율을 생성할 수 있다.

S1108 단계에서, 장치(300)는 초과율이 임계 비율보다 큰 가구를 교체 가구로 선정할 수 있다. 여기서, 임계 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 보정된 가상 공간에 포함된 가구의 크기 및 가구의 평균 크기를 통해 가구의 초과율이 생성되면, 가구의 초과율이 미리 설정된 임계 비율보다 큰 가구를 교체 가구로 선정할 수 있다.

S1109 단계에서, 장치(300)는 처분 가구를 처분하고, 교체 가구를 교체하여 실제 실내 디자인을 변경하라는 메시지를 사용자의 단말(100)로 전송할 수 있다.

구체적으로, 장치(300)는 가구의 사용 빈도를 통해 처분 가구를 선정하고, 가구의 크기 및 가구의 평균 크기를 통해 교체 가구를 선정하면, 장치(300)는 처분 가구를 처분하고, 교체 가구를 교체하여 실제 실내 디자인을 변경하라는 메시지를 사용자의 단말(100)로 전송할 수 있다.

이를 통해, 장치(300)는 사용자에게 실제 실내 디자인을 어떻게 변경해야 효율적인지 메시지를 제공할 수 있고, 사용자는 메시지를 기초로 실제 실내 디자인을 변경할 수 있다.

한편, 장치(300)는 사용자의 단말(100)로 실제 실내 디자인을 변경하라는 메시지를 전송하는 과정에서 장치(300)는 사용자의 실제 실내 디자인을 변경하는데 도움을 제공할 인테리어 프로를 확인하여, 사용자와 인테리어 프로를 매칭할 수도 있다.

도 12는 일실시예에 따른 사용자와 인테리어 프로를 매칭하는 과정을 설명하기 위한 순서도이다.

도 12를 참조하면, 먼저, S1201 단계에서, 장치(300)는 인테리어 프로 데이터베이스를 통해 주택 간의 평수 차이가 기준 차이 이내에 포함되어 있는 인테리어 프로를 후보 프로로 확인하고, 후보 프로의 정보를 획득할 수 있다. 여기서, 기준 차이는 미리 설정된 차이 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 주택 데이터를 통해 사용자의 주택의 평수를 확인할 수 있고, 인테리어 프로 데이터베이스를 통해 인테리어 프로의 주택의 평수를 확인할 수 있다.

또한, 장치(300)는 사용자의 주택의 평수와 인테리어 프로의 주택의 평수를 비교하여 주택 간의 평수 차이를 확인할 수 있고, 장치(300)는 주택 간의 평수 차이가 미리 설정된 기준 차이 이내에 포함되어 있는 인테리어 프로를 후보 프로로 확인하고, 인테리어 프로 데이터베이스를 통해 후보 프로의 정보를 획득할 수 있다.

S1202 단계에서, 장치(300)는 후보 프로의 정보를 통해 후보 프로의 인테리어 조언 횟수를 확인하고, 인테리어 조언 횟수에 비례하여 후보 프로의 경험 점수를 생성할 수 있다.

구체적으로, 장치(300)는 후보 프로의 정보에 포함된 후보 프로에 대한 이력 정보를 통해 후보 프로가 인테리어 도움을 준 횟수 즉, 후보 프로의 인테리어 조언 횟수를 확인할 수 있고, 장치(300)는 후보 프로의 인테리어 조언 횟수에 비례하여 후보 프로의 경험 점수를 생성할 수 있다.

즉, 장치(200)는 후보 프로의 인테리어 조언 횟수를 통해 인테리어 조언 횟수가 많을수록 후보 프로의 경험 점수를 높게 생성할 수 있고, 인테리어 조언 횟수가 적을수록 후보 프로의 경험 점수를 낮게 생성할 수 있다.

이때, 장치(200)는 후보 프로의 인테리어 조언 횟수를 확인하여 인테리어 조언 횟수가 미리 설정된 설정 횟수보다 많은지 여부를 확인하고, 후보 프로의 인테리어 조언 횟수가 설정 횟수보다 많다고 확인되면 후보 프로의 경험 점수로 경험 점수의 최고 점수를 부여할 수 있고, 후보 프로의 인테리어 조언 횟수가 설정 횟수보다 많지 않다고 확인되면 후보 프로의 인테리어 조언 횟수에 비례하여 후보 프로의 경험 점수를 생성할 수 있다.

S1203 단계에서, 장치(300)는 후보 프로의 정보를 통해 후보 프로의 직업을 확인하고, 후보 프로의 직업이 인테리어 관련 직업인 것에 기반하여 후보 프로의 전문 점수를 생성할 수 있다.

구체적으로, 장치(300)는 후보 프로의 정보에 포함된 후보 프로에 대한 개인 정보를 통해 후보 프로의 직업을 확인할 수 있고, 장치(300)는 후보 프로의 직업이 인테리어 관련 직업인 것에 기반하여 후보 프로의 전문 점수를 생성할 수 있다. 여기서, 인테리어 관련 직업은 인테리어와 관련된 직업으로, 장치 관리자에 의해 미리 설정될 수 있으며, 인테리어 관련 직업에는 인테리어 디자이너, 건축가, 시각 디자이너, 공간 기획가, 가구 디자이너, 조명 디자이너, 인테리어 스타일리스트 등이 포함될 수 있으며, 이에 한정되지 않는다.

이때, 장치(200)는 후보 프로의 직업을 확인하여, 후보 프로의 직업이 인테리어 관련 직업인지 여부를 확인하고, 후보 프로의 직업이 인테리어 관련 직업이라고 확인되면 후보 프로의 전문 점수로 전문 점수의 최고 점수를 부여할 수 있고, 후보 프로의 직업이 인테리어 관련 직업이 아니라고 확인되면 후보 프로의 전문 점수로 0점을 부여할 수 있다.

S1204 단계에서, 장치(300)는 후보 프로의 정보를 통해 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 생성하고, 연령 일치도 및 성별 일치도에 비례하여 후보 프로의 일치 점수를 생성할 수 있다.

구체적으로, 장치(300)는 후보 프로의 정보에 포함된 후보 프로에 대한 개인 정보를 통해 후보 프로의 연령 및 성별을 확인할 수 있고, 장치(300)는 사용자의 단말(100)로부터 사용자의 연령 및 성별을 획득할 수 있다. 이때, 연령은 나이대로 분류될 수 있으며, 사용자의 연령 및 후보 프로의 연령 각각은 10대 미만, 10대, 20대, 30대, 40대, 50대, 60대, 70대, 80대, 90대 이상 중 하나일 수 있다.

또한, 장치(300)는 후보 프로의 연령과 사용자의 연령을 비교하여 후보 프로와 사용자 간의 연령 일치도를 생성할 수 있다. 이때, 장치(300)는 후보 프로의 연령과 사용자의 연령이 일치한다고 확인되면, 후보 프로와 사용자 간의 연령 일치도를 1로 생성할 수 있고, 장치(300)는 후보 프로의 연령과 사용자의 연령이 불일치한다고 확인되면, 후보 프로와 사용자 간의 연령 일치도를 후보 프로의 연령과 사용자의 연령 간의 차이에 반비례한 값으로 0 이상 1 미만으로 생성할 수 있다.

또한, 장치(300)는 후보 프로의 성별과 사용자의 성별을 비교하여 후보 프로와 사용자 간의 성별 일치도를 생성할 수 있다. 이때, 장치(300)는 후보 프로의 성별과 사용자의 성별이 일치한다고 확인되면, 후보 프로와 사용자 간의 성별 일치도를 1로 생성할 수 있고, 장치(300)는 후보 프로의 성별과 사용자의 성별이 불일치한다고 확인되면, 후보 프로와 사용자 간의 성별 일치도를 0으로 생성할 수 있다.

또한, 장치(300)는 후보 프로와 사용자 간의 연령 일치도 및 후보 프로와 사용자 간의 성별 일치도가 생성되면, 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값에 비례하여 후보 프로의 일치 점수를 생성할 수 있다.

즉, 장치(200)는 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값이 높을수록 후보 프로의 일치 점수를 높게 생성할 수 있고, 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값이 낮을수록 후보 프로의 일치 점수를 낮게 생성할 수 있다.

이때, 장치(200)는 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 확인하여 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값이 미리 설정된 설정 값보다 높은지 여부를 확인하고, 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값이 설정 값보다 높다고 확인되면 후보 프로의 일치 점수로 일치 점수의 최고 점수를 부여할 수 있고, 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값이 설정 값보다 높지 않다고 확인되면 후보 프로와 사용자 간의 연령 일치도 및 성별 일치도를 합한 값에 비례하여 후보 프로의 일치 점수를 생성할 수 있다.

S1205 단계에서, 장치(300)는 후보 프로의 정보를 통해 후보 프로의 평균 만족도를 확인하고, 평균 만족도에 비례하여 후보 프로의 만족도 점수를 생성할 수 있다.

구체적으로, 장치(300)는 후보 프로의 정보에 포함된 후보 프로에 대한 이력 정보를 통해 후보 프로의 인테리어 도움을 받은 사용자로부터 획득한 만족도를 확인하여 후보 프로의 평균 만족도를 생성할 수 있고, 장치(300)는 후보 프로의 평균 만족도에 비례하여 후보 프로의 만족도 점수를 생성할 수 있다.

즉, 장치(200)는 후보 프로의 평균 만족도를 통해 평균 만족도가 높을수록 후보 프로의 만족도 점수를 높게 생성할 수 있고, 평균 만족도가 낮을수록 후보 프로의 만족도 점수를 낮게 생성할 수 있다.

이때, 장치(200)는 후보 프로의 평균 만족도를 확인하여 평균 만족도가 미리 설정된 설정 만족도보다 높은지 여부를 확인하고, 후보 프로의 평균 만족도가 설정 만족도보다 높다고 확인되면 후보 프로의 만족도 점수로 만족도 점수의 최고 점수를 부여할 수 있고, 후보 프로의 평균 만족도가 설정 만족도보다 높지 않다고 확인되면 후보 프로의 평균 만족도에 비례하여 후보 프로의 만족도 점수를 생성할 수 있다.

S1206 단계에서, 장치(300)는 후보 프로의 주택과 사용자의 주택 간의 거리를 확인하고, 거리에 반비례하여 후보 프로의 거리 점수를 생성할 수 있다.

구체적으로, 장치(300)는 후보 프로의 정보에 포함된 후보 프로에 대한 주택 정보를 통해 후보 프로의 주택의 위치를 확인할 수 있고, 장치(300)는 사용자의 단말(100)로부터 사용자의 주택의 위치를 획득하여, 사용자의 주택의 위치를 확인할 수 있다.

또한, 장치(300)는 후보 프로의 주택의 위치와 사용자의 주택의 위치를 기초로, 후보 프로의 주택과 사용자의 주택 간의 거리를 확인할 수 있고, 거리에 반비례하여 후보 프로의 거리 점수를 생성할 수 있다.

즉, 장치(200)는 후보 프로의 주택과 사용자의 주택 간의 거리를 통해 거리가 짧을수록 후보 프로의 거리 점수를 높게 생성할 수 있고, 거리가 멀수록 후보 프로의 거리 점수를 낮게 생성할 수 있다.

이때, 장치(200)는 후보 프로의 주택과 사용자의 주택 간의 거리를 확인하여 거리가 미리 설정된 설정 거리보다 짧은지 여부를 확인하고, 거리가 설정 거리보다 짧다고 확인되면 후보 프로의 거리 점수로 거리 점수의 최고 점수를 부여할 수 있고, 거리가 설정 거리보다 짧지 않다고 확인되면 거리에 반비례하여 후보 프로의 거리 점수를 생성할 수 있다.

S1207 단계에서, 장치(300)는 경험 점수, 전문 점수, 일치 점수, 만족도 점수, 및 거리 점수를 합산한 값으로 후보 프로의 최종 점수를 생성할 수 있다.

구체적으로, 장치(300)는 후보 프로의 인테리어 조언 횟수를 통해 생성된 후보 프로의 경험 점수, 후보 프로의 직업을 통해 생성된 후보 프로의 전문 점수, 후보 프로와 사용자 간의 성별 및 연령 일치도를 통해 생성된 후보 프로의 일치 점수, 후보 프로의 평균 만족도를 통해 생성된 후보 프로의 만족도 점수 및 후보 프로와 사용자 간의 주택 거리를 통해 생성된 거리 점수를 합산한 값으로 후보 프로의 최종 점수를 생성할 수 있다.

일실시예에 따르면, 경험 점수, 전문 점수, 일치 점수, 만족도 점수, 및 거리 점수 각각의 최고 점수는 모두 동일한 점수로 설정될 수도 있지만, 장치 관리자 설정에 따라 최고 점수가 다르게 설정될 수도 있다. 예를 들어, 경험 점수, 전문 점수, 일치 점수, 만족도 점수, 및 거리 점수의 최고 점수가 모두 10점으로 동일하게 설정될 수 있고, 경험 점수의 최고 점수는 10점, 전문 점수의 최고 점수는 15점, 일치 점수의 최고 점수는 5점, 만족도 점수의 최고 점수는 12점, 거리 점수의 최고 점수는 8점으로 상이하게 설정될 수도 있다.

S1208 단계에서, 장치(300)는 최종 점수가 가장 높은 후보 프로를 사용자와 매칭할 수 있다.

구체적으로, 장치(300)는 후보 프로의 경험 점수, 후보 프로의 전문 점수, 후보 프로의 일치 점수, 후보 프로의 만족도 점수, 및 후보 프로의 거리 점수를 합산한 값으로 후보 프로의 최종 점수가 생성되면, 최종 점수가 가장 높은 후보 프로를 사용자와 매칭할 수 있다.

이를 통해, 사용자는 매칭된 후보 프로를 통해 실제 실내 디자인을 효과적으로 변경할 수 있다.

한편, 장치(300)는 가상 가구를 가상 공간 내에 적용하는 과정에서 가상 공간의 소음 수준에 따라 소음 수준의 평균 값을 확인할 수 있고, 소음 수준의 평균 값이 미리 설정된 임계 값보다 높은 것에 기반하여, 소음 민감도가 미리 설정된 기준 민감도 보다 높은 가구를 주의 가구로 선정하여, 주의 가구를 저소음 구역으로 배치하도록 권유하는 메시지를 사용자의 단말(100)로 전송할 수 있다. 여기서, 임계 값은 미리 설정된 값으로 실시 예에 따라 달라질 수 있고, 기준 민감도는 미리 설정된 민감도 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(300)는 소음 수준의 평균 값을 생성하기 위해 기준 거리 내에 소음 측정기가 있다고 확인되면, 소음 데이터를 통해 시간대 별 평균 소음 수준을 확인하고, 시간대 별 평균 소음 수준의 평균 값을 생성하여, 소음 수준의 평균 값을 생성할 수 있으며, 장치(300)는 기준 거리 내에 소음 측정기가 없다고 확인되면, 소음 수준 생성 인공신경망을 통해 시간대 별 예측 소음 수준을 확인하고, 시간대 별 예측 소음 수준의 평균 값을 생성하여, 소음 수준의 평균 값을 생성할 수 있다.

또한, 장치(300)는 주의 가구를 선정하기 위해 가구 - 소음 민감도 데이터베이스를 구비하거나 별개의 가구 - 소음 민감도 데이터베이스와 유무선으로 통신할 수 있으며, 가구 - 소음 민감도 데이터베이스는 가구의 종류와 소음 민감도가 매칭되어 저장될 수 있다. 이때, 소음 민감도는 해당 가구가 얼마나 소음에 민감한지와 관련하여 미리 설정된 값으로, 0에서 10까지로 설정될 수 있고, 그 외의 범위로 설정될 수도 있다. 즉, 소음 민감도가 0에 가까울수록 해당 가구가 소음에 민감하지 않다는 것일 수 있고, 소음 민감도가 10에 가까울수록 해당 가구가 소음에 민감하다는 것일 수 있다. 예를 들어, 가구 - 소음 민감도 데이터베이스에는 가구의 종류인 침대와 소음 민감도가 8로 매칭되어 있을 수 있고, 가구의 종류인 옷장과 소음 민감도가 2로 매칭되어 있을 수 있다. 이를 통해, 장치(300)는 가구 - 소음 민감도 데이터베이스를 통해 가상 가구로 생성된 가구 별로 매칭된 소음 민감도를 확인하고, 소음 민감도가 미리 설정된 기준 민감도보다 높은 가구를 주의 가구로 설정할 수 있다.

또한, 장치(300)는 주의 가구를 저소음 구역으로 배치하기 위해 저소음 구역을 설정할 수 있다. 이를 위해, 장치(300)는 주택 데이터를 통해 가상 공간 내에 창문의 위치 및 문의 위치를 확인할 수 있으며, 구체적으로, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 정보를 획득한 경우, 장치(300)는 주택에 포함된 창문의 위치, 주택에 포함된 문의 위치가 더 포함된 주택의 정보를 획득할 수도 있고, 장치(300)는 주택의 구조, 주택의 평수, 주택의 구성 재료를 통해 주택에 포함된 창문의 위치 및 주택에 포함된 문의 위치를 더 확인할 수도 있다. 한편, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 측정 데이터를 획득한 경우, 장치(300)는 사용자의 단말(100)로부터 주택에 포함된 창문의 위치, 주택에 포함된 문의 위치를 추가로 획득할 수도 있다.

또한, 장치(300)는 주택 데이터를 통해 소음 차단 구조가 있는지 여부를 확인할 수 있으며, 소음 차단 구조가 있다고 확인되면, 소음 차단 구조의 위치를 확인할 수 있다. 이때, 장치(300)는 소음 차단 구조의 위치를 확인하기 위해 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 정보를 획득한 경우, 장치(300)는 주택에 포함된 소음 차단 구조의 위치가 더 포함된 주택의 정보를 획득할 수도 있고, 장치(300)는 주택의 구조, 주택의 평수, 주택의 구성 재료를 통해 주택에 포함된 소음 차단 구조의 위치를 더 확인할 수도 있다. 한편, 장치(300)는 사용자의 단말(100)로부터 주택 데이터로 주택의 측정 데이터를 획득한 경우, 장치(300)는 사용자의 단말(100)로부터 주택에 포함된 소음 차단 구조의 위치를 추가로 획득할 수도 있다.

또한, 장치(300)는 주택에 포함된 창문의 위치, 문의 위치, 소음 차단 구조의 여부 및 소음 차단 구조의 위치가 확인되면, 장치(300)는 소음 차단 구조의 여부를 통해 소음 차단 구조가 있는지 여부를 확인할 수 있다. 또한, 장치(300)는 소음 차단 구조가 있다고 확인되면, 창문의 위치 및 문의 위치와 미리 설정된 제1 목표 거리보다 멀고, 소음 차단 구조의 위치와 미리 설정된 제2 목표 거리보다 가까운 가상 공간 내에 구역을 확인하여 저소음 구역으로 선정할 수 있다. 또한, 장치(300)는 소음 차단 구조가 없다고 확인되면, 창문의 위치 및 문의 위치와 미리 설정된 제3 목표 거리보다 먼 가상 공간 내에 구역을 확인하여 저소음 구역으로 선정할 수 있다. 여기서, 제1 목표 거리, 제2 목표 거리, 제3 목표 거리는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다. 또한, 제3 목표 거리는 제1 목표 거리보다 멀게 설정된 값일 수 있다.

또한, 장치(300)는 주의 가구 및 가상 공간 내에 저소음 구역이 선정되면, 주의 가구로 선정된 가상 가구가 저소음 구역 내에 위치하도록 배치할 수 있다. 이를 통해, 장치(300)는 소음이 낮은 구역에 소음 민감도가 높은 가구를 배치할 수 있다.

한편, 이때, 장치(300)는 가상 가구를 가상 공간 내에 적용하는 과정에서 가구 사이의 연관도가 저장된 데이터베이스를 통해 가상 가구로 생성된 가구 사이의 연관도를 확인하고, 연관도가 미리 설정된 목표 값보다 높은 가구를 같이 배치할 수도 있다.

이를 위해, 장치(300)는 가구 사이의 연관도가 저장된 데이터베이스를 구비하거나, 별개의 가구 사이의 연관도가 저장된 데이터베이스와 유무선으로 통신할 수 있으며, 가구 사이의 연관도가 저장된 데이터베이스에는 가구의 종류를 기초로, 가구의 종류와 가구의 종류 간의 연관도가 매칭되어 저장될 수 있다. 이때, 연관도는 가구와 가구가 얼마나 연관되어 있는지와 관련하여 미리 설정된 값으로, 0에서 10까지로 설정될 수 있고, 그 외의 범위로 설정될 수도 있다. 즉, 연관도가 0에 가까울수록 가구와 가구가 연관되어 있지 않다는 것일 수 있고, 연관도가 10에 가까울수록 가구와 가구가 연관되어 있다는 것일 수 있다. 예를 들어, 가구 사이의 연관도가 저장된 데이터베이스에는 냉장고와 식탁의 연관도가 9로 매칭되어 있을 수 있고, 냉장고와 침대의 연관도가 2로 매칭되어 있을 수 있다.

도 13은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 12를 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 12를 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 12를 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(310)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 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.

Claims (3)

1. 장치에 의해 수행되는, 실내 디자인을 기반으로 인테리어를 생성하는 방법에 있어서,
   사용자의 단말로부터 주택 데이터를 획득하는 단계;
   상기 주택 데이터를 통해 가상 공간을 생성하는 단계;
   상기 사용자의 단말로부터 주택 내에 포함된 가구의 정보 및 주택의 인테리어 정보를 포함하는 실제 실내 디자인을 획득하는 단계;
   상기 실제 실내 디자인을 기초로, 가상 공간을 보정하는 단계; 및
   상기 보정된 가상 공간을 상기 사용자의 가상 환경 출력 기기로 출력하는 단계;를 포함하고,
   상기 보정된 가상 공간을 인테리어 평가 플랫폼에 업로드하는 단계;
   상기 인테리어 평가 플랫폼을 통해 미리 설정된 목표 기간 동안 상기 보정된 가상 공간에 대한 점수를 획득하는 단계;
   상기 점수가 미리 설정된 제1 기준 점수보다 높은지 여부를 확인하는 단계;
   상기 점수가 상기 제1 기준 점수보다 높다고 확인되면, 상기 사용자의 단말로 상기 실제 실내 디자인을 유지하라는 메시지를 전송하고, 상기 사용자를 인테리어 프로로 선정하는 단계;
   상기 점수가 상기 제1 기준 점수보다 높지 않다고 확인되면, 상기 점수가 미리 설정된 제2 기준 점수보다 높은지 여부를 확인하는 단계;
   상기 점수가 상기 제2 기준 점수보다 높다고 확인되면, 상기 사용자의 단말로 상기 실제 실내 디자인을 유지하라는 메시지를 전송하는 단계; 및
   상기 점수가 상기 제2 기준 점수보다 높지 않다고 확인되면, 상기 사용자의 단말로 상기 실제 실내 디자인을 변경하라는 메시지를 전송하는 단계를 더 포함하고,
   상기 사용자의 단말로 상기 실제 실내 디자인을 변경하라는 메시지를 전송하는 단계는,
   상기 보정된 가상 공간에 포함된 가구의 색상, 벽지의 색상, 바닥재의 색상을 포함하는 상기 보정된 가상 공간에 포함된 색상의 개수를 확인하는 동작,
   상기 색상의 개수가 미리 설정된 임계 개수보다 많은지 여부를 확인하는 동작,
   상기 색상의 개수가 상기 임계 개수보다 많다고 확인하면, 상기 보정된 가상 공간에 포함된 색상 중 가장 많은 부분을 차지하고 있는 색상을 중심 색상으로 선정하는 동작,
   상기 중심 색상을 기초로 상기 실제 실내 디자인을 변경하라는 메시지를 상기 사용자의 단말로 전송하는 동작,
   상기 색상의 개수가 상기 임계 개수보다 많지 않다고 확인되면, 상기 보정된 가상 공간에 포함된 가구의 사용 빈도를 획득하는 동작,
   사용 빈도가 미리 설정된 임계 빈도보다 적은 가구를 처분 가구로 선정하는 동작,
   상기 보정된 가상 공간에 포함된 가구의 크기 및 상기 가구의 평균 크기를 확인하여 상기 가구의 초과율을 생성하는 동작,
   초과율이 미리 설정된 임계 비율보다 큰 가구를 교체 가구로 선정하는 동작, 및
   상기 처분 가구를 처분하고, 상기 교체 가구를 교체하여 상기 실제 실내 디자인을 변경하라는 메시지를 상기 사용자의 단말로 전송하는 동작을 포함하는,
   실내 디자인을 기반으로 인테리어를 생성하는 방법.
2. 제1항에 있어서,
   상기 사용자의 단말로부터 주택 데이터를 획득하는 단계는,
   상기 사용자의 단말로부터 주택의 구조, 평수, 구성 재료를 포함하는 상기 주택의 정보를 획득하는 동작,
   상기 사용자의 단말에 부착된 센서를 통해 레이저 스캐닝을 수행하여 상기 주택의 측정 데이터를 획득하는 동작 중 적어도 하나를 수행하고,
   상기 주택 데이터를 통해 가상 공간을 생성하는 단계는,
   상기 사용자의 단말로부터 상기 주택의 정보를 획득하였다고 확인되면, 상기 주택의 정보를 기초로, 가상 공간을 생성하는 동작을 수행하고,
   상기 사용자의 단말로부터 상기 주택의 측정 데이터를 획득하였다고 확인되면, 상기 주택의 측정 데이터를 통해 상기 주택의 포인트 클라우드 이미지를 생성하는 동작,
   상기 주택의 포인트 클라우드 이미지를 기초로, 윤곽도를 생성하는 동작, 및
   상기 윤곽도를 기초로, 가상 공간을 생성하는 동작을 수행하는,
   실내 디자인을 기반으로 인테리어를 생성하는 방법.
3. 삭제