KR20160037290A - 온라인 농산물 가격 예측 방법 및 시스템 - Google Patents

Abstract

본 발명은 최적의 농산물 출하 시점을 결정할 수 있는 온라인 농산물 가격 예측 방법 및 시스템에 관한 것으로, 온라인 농산물 가격 예측 방법은 특정 농산물의 일정 기간 도매가격을 일자별로 수집하고, 회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 도매가격을 분석하여 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매예측가격을 산출한다.

Description

온라인 농산물 가격 예측 방법 및 시스템{Online Agricultural Price Prediction Method and System}

본 발명의 실시예들은 농산물 가격 예측 방법 및 시스템에 관한 것으로, 보다 상세하게는 최적의 농산물 출하 시점을 결정할 수 있는 온라인 농산물 가격 예측 방법 및 시스템에 관한 것이다.

농산물 가격 예측은 한국농촌경제연구원의 농업관측센터 등에서 특정 농산물 도매센터에 반입되는 농산물의 최근 3개월간의 거래 가격 및 반입량 추세정보를 제공하거나 최근 10일간의 도매가격과 반입량 정보를 제공하고 있다. 하지만, 실제 최근 10일간의 도매가격과 반입량 정보는 오늘 날짜로 해당 정보를 검색할 때, 일주일 이전의 2-3개의 정보만을 확인할 수 있다.

이와 같이, 기존의 농산물 가격 예측 시스템은 이전의 농산물 가격동향이나 반입량 동향에 대한 정보를 제공할 뿐 내일이나 일주일 후의 농산물 가격을 예측하거나 예측한 가격 정보를 실시간 온라인으로 제공하고 있지 못한 실정이다.

특히, 농산물은 파종에서 수확에 이르기까지의 모든 과정이 최초의 계획에 의거하여 빈틈없이 진행하기가 어려울 뿐 아니라 공산품의 생산과 달리 인위적으로 통제할 수 없는 불가항력적 상황이 빈번히 발생하므로, 농산물의 가격이나 수급량에 따라 농민에서 유리한 시점에 농산물을 판매할 수 있도록 결정하는 데 있어서 농민이나 농산물 산지유통센터의 역할은 크다 할 수 있다. 하지만, 농산물 가격은 실시간 변동하기 때문에 농민이나 농산물 현지유통센터 관계자가 내일이나 일주일 후의 농산물 가격을 예측하여 농산물의 출하 시점을 결정하기는 쉽지 않다.

대한민국 등록특허공보 제10-1347514호(2013.12.26)

본 발명의 실시예에서는 가락동농수산물 시장 등과 같은 농산물 거래시장의 과거 거래 가격 데이터를 자동으로 수집하고 수집한 가격 데이터에 가격 예측식을 적용하여 하루 또는 일주일 후의 예측가격을 결정함으로써, 농민이나 농산물 산지유통센터(Agricultural products Processing Center, APC) 관계자 등이 최적의 농산물 출하 시점을 효과적으로 결정할 수 있는 온라인 농산물 가격 예측 방법을 제공하고자 한다.

본 발명의 다른 실시예에서는 상술한 방법을 이용하여 기존의 컴퓨터 장치에서 간편하게 구현하거나 이용할 수 있는 온라인 농산물 가격 예측 시스템을 제공하고자 한다.

상기 기술적 과제를 해결하기 위하여 본 발명의 일 측면에 따른 온라인 농산물 가격 예측 방법은, 특정 농산물의 일정 기간 도매가격을 일자별로 수집하고, 회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 도매가격을 분석하여 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매예측가격을 산출한다.

일실시예에서, 온라인 농산물 가격 예측 방법은, 도매예측가격을 집하장별 혹은 상품별로 온라인상에 게시하는 것을 더 포함할 수 있다.

일실시예에서, 혼합회귀모형으로 도매가격을 분석하는 것은 하기의 수학식 1을 이용하여 농산물의 내일 도매가격을 예측하는 것을 포함할 수 있다.

일실시예에서, 혼합회귀모형으로 도매가격을 분석하는 것은 하기의 수학식 2를 이용하여 농산물의 일주일 후 도매가격을 예측하는 것을 포함할 수 있다.

일실시예에서, 혼합회귀모형은 복수의 하위 수학식(sub price response function)으로 불규칙한 가격반응함수를 추적하는 원리로 동작할 수 있다.

일실시예에서, 농산물은 1년 이상의 도매가격을 일자별로 수집가능한 모든 과일이나 채소에서 선택되는 특정 농산물을 포함할 수 있다.

본 발명의 다른 측면에 따른 온라인 농산물 가격 예측 시스템은, 특정 농산물의 일정 기간 도매가격을 집하장별 가격평균과 일자별로 수집하는 가격평균 수집부, 및 회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 도매가격을 분석하여 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격을 산출하는 예측가격 분석부를 포함한다.

일실시예에서, 온라인 농산물 가격 예측 시스템은, 예측가격 분석부에서 산출된 도매예측가격을 집하장별 혹은 상품별로 온라인상에 게시하는 예측가격 게시부를 더 포함할 수 있다.

일실시예에서, 예측가격분석부는 하기의 수학식 1을 이용하여 특정 농산물의 내일 도매가격을 산출할 수 있다.

일실시예에서, 예측가격분석부는 하기의 수학식 2를 이용하여 특정 농산물의 일주일 후 도매가격을 산출할 수 있다.

본 발명의 또 다른 측면에 따른 온라인 농산물 가격 예측 시스템은, 농산물 도매가격 데이터를 제공하는 서버에 네트워크를 통해 연결되는 클라이언트 장치를 포함하는 온라인 농산물 가격 예측 시스템으로서, 클라이언트 장치에서 실행되는 애플리케이션을 포함하고, 여기서 애플리케이션은, 서버에서 특정 농산물의 일정 기간 도매가격을 집하장별 가격평균과 일자별로 수집된 가격평균 데이터를 수신하는 가격평균 수집부, 및 회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 도매가격을 분석하여 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격을 산출하는 예측가격 분석부를 포함할 수 있다.

일실시예에서, 애플리케이션은 예측가격 분석부에서 산출된 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격인 도매예측가격을 서버로 전송하며, 여기서 도매예측가격은 서버에서 온라인상에 게시될 수 있다.

본 발명에 의하면, 가락동 농수산물 시장 등과 같은 농산물 거래시장의 과거 거래 가격 데이터를 자동으로 수집하고 수집한 가격 데이터에 회귀계수가 다른 복수의 모형을 가진 혼합회귀모형의 가격 예측식을 적용하여 하루 또는 일주일 후의 농산물 예측가격을 결정함으로써, 농민이나 농산물 산지유통센서(Agricultural products Processing Center, APC) 관계자 등이 최적의 농산물 출하 시점을 효과적으로 결정할 수 있는 온라인 농산물 가격 예측 방법을 제공할 수 있다.

특히, 본 발명에 의하면, 시장 전체 수요와 공급으로 가격을 결정하는 경제학적 접근이 아니라, 매일 공포되는 도매가격에 의해 농민이나 상인이 상품을 출하할지 말지를 결정하는 판매자행위(seller behavior)로 가격을 결정하는 경영학적 접근의 모델을 제공할 수 있다. 여기서, 예컨대 사과 출하시기 결정모델(Shipment Timing Decision-Making Support System, STSS)의 전제는 사과상품 보유자가 농수산물 도매시장(가락동 농산물 도매시장 등)의 사과도매 가격을 기초로 자신에게 가장 유리한 시기에 출하를 할 것이라는 가정을 포함한다. 본 명세서에서는 사과를 기반으로 작성되어 있지만, 사과 외에 모든 농산물에 대해 본 명세서의 온라인 농산물 가격 예측 방법을 적용할 수 있은 물론이다.

또한, 본 발명에 의하면, 상술한 방법을 이용하여 기존의 컴퓨터 장치에서 간편하게 구현하거나 이용할 수 있는 온라인 농산물 가격 예측 시스템을 제공할 수 있다.

도 1은 본 발명의 일실시예에 따른 온라인 농산물 가격예측 시스템의 개략도
도 2는 도 1의 온라인 농산물 가격예측 시스템의 작동 원리에 대한 순서도
도 3은 도 1의 온라인 농산물 가격예측 시스템의 도매예측가격 정보 게시에 대한 예시도
도 4는 사과 도매가격 변동에 대한 그래프
도 5는 본 실시예에 따른 특등급 사과의 오늘 도매가격 변수에 대한 설명도
도 5의 특등급 사과에 적용한 일별 사과 도매가격 예측 모델을 수학식
도 6은 본 실시예에 따른 상등급 사과의 오늘 도매가격 변수에 대한 설명도
도 7은 본 실시예에 따른 중등급 사과의 오늘 도매가격 변수에 대한 설명도
도 8은 본 실시예에 따른 하등급 사과의 오늘 도매가격 변수에 대한 설명도
도 9는 본 실시예에 다른 혼합회귀모형 적용 결과와 비교예의 회귀모형 적용 결과를 나타낸 그래프
도 10은 본 실시예에 따른 특등급 사과의 일주일 도매가격 변수에 대한 설명도

이하에서는 첨부한 도면을 참조하여 바람직한 실시 형태들에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙여 설명하기로 한다.

이하의 설명에서 농산물은 1년 이상의 도매가격을 일자별로 수집가능한 모든 과일이나 채소에서 선택되는 특정 농산물을 포함하나, 설명의 편의상 대표 과일인 사과를 중심으로 온라인 농산물 가격 예측 방법 및 시스템을 설명하기로 한다.

도 1은 본 발명의 일실시예에 따른 온라인 농산물 가격예측 시스템의 개략도이다.

도 1을 참조하면, 본 실시예에 따른 온라인 농산물 가격예측 시스템은 네트워크 상에 위치하는 농산물 가격예측 서버(10, 이하 간략히 '서버'라 함)를 포함한다. 여기서, 서버(10)는 가격평균 수집부(11) 및 예측가격 분석부(12)를 포함한다. 또한, 서버(10)는 예측가격 게시부(13)를 더 포함할 수 있다.

좀더 구체적으로 각 구성요소를 설명하면, 서버(10)는 네트워크(network)를 통해 별도의 데이터베이스 서버(2)에 연결될 수 있다. 데이터베이스 서버(2)는 과일, 채소 등의 농산물에 대한 적어도 1년치 이상의 도매가격을 집하장별 가격평균과 일자별로 분류한 데이터(도매가격 데이터)를 데이터베이스(3)로 저장할 수 있다. 물론, 구현에 따라서, 데이터베이스 서버(2)는 서버(10)에 일체로 구비될 수 있다.

또한, 서버(10)는 네트워크를 통해 농산물 생산자, 집하장 관리자, 농산물 유통 관계자, 농산물 도매상 등의 휴대 단말(4), 노트북 컴퓨터(5), 데스크탑 컴퓨터 장치(6) 등에 연결될 수 있다. 이 경우, 서버(10)는 농산물 가격 예측 정보를 클라이언트 장치(4, 5 또는 6)에 제공할 수 있다.

가격평균 수집부(11)는 특정 농산물의 일정 기간 도매가격을 집하장별 가격평균과 일자별로 수집한다. 수집된 도매가격 데이터는 소정의 저장부에 룩업테이블이나 데이터베이스 형태로 저장될 수 있다. 여기서, 일정 기간은 최소한 1년을 지칭하나 이에 한정되지는 않으며, 수년의 데이터인 경우, 그 평균이나 최소값과 최대값을 배제한 평균 등을 이용하도록 구현될 수 있다. 가격평균 수집부(11)는 네트워크에 연결되는 통신수단이나 데이터 저장을 위한 저장수단을 포함할 수 있다.

예측가격 분석부(12)는 가격평균 수집부(11)에서 제공하는 도매가격 데이터를 혼합 회귀 모형(mixture regression model)에 의해 분석하여 도매예측가격을 산출하는 수단이나 이에 상응하는 기능을 수행하는 구성부를 지칭한다. 예측가격 분석부(12)는 혼합 회귀 모형의 하기 수학식 1이나 수학식 2를 구현한 프로그램을 실행하는 프로세서(마이크로프로세서 등)로 구현될 수 있다.

예측가격 게시부(13)는 예측가격 분석부(12)에서 제공하는 농산물 가격예측에 대한 도매가격 즉, 도매예측가격을 온라인상에 게시하는 수단이나 이러한 수단에 상응하는 기능을 수행하는 구성부를 지칭한다. 예측가격 게시부(13)는 네트워크에 연결된 웹 서버 등으로 구현될 수 있다.

클라이언트 장치에 있어서, 휴대 단말(4), 노트북 컴퓨터(5), 데스크탑 컴퓨터(6)는 단지 예시일 뿐 클라이언트 장치는 지역 케이블 TV, 위성 방송 단말기, 기타 네트워크에 유선이나 무선으로 접속가능한 모든 네트워크 단말을 포함할 수 있음은 당연하다.

한편, 본 실시예에서는 온라인 가격 예측 시스템이 서버(10)를 포함하는 것으로 설명하였지만, 본 발명은 그러한 구성으로 한정되지 않고, 클라이언트 장치에서 실행되도록 구현될 수 있다.

한편, 본 실시예의 온라인 농산물 가격예측 시스템에서 제공하는 농산물 예측 가격 정보는 서버에서 구현될 수 있을 뿐 아니라 클라이언트 장치나 클라이언트 장치에 설치되는 응용프로그램(Application)에 의해 구현될 수 있다.

예컨대, 휴대 단말(4)에 설치되는 애플리케이션에 의해 구현되는 경우, 애플리케이션은 상기 서버(10)의 구성과 유사한 구성을 포함하며, 그러한 구성에 의해 데이터베이스 서버(2)나 상기 서버(10)로부터 도매가격 데이터를 수신하고, 애플리케이션에 탑재된 혼합회귀모형을 구비한 예측가격 분석부에 의해 도매예측가격을 산출하도록 구현될 수 있다. 그리고, 도매예측가격은 서버(10) 등에 전송되어 온라인상에 게시될 수 있다.

도 2는 도 1의 온라인 농산물 가격 예측 시스템의 작동 원리에 대한 순서도이다.

도 2를 참조하면, 본 실시예에 따른 온라인 농산물 가격 예측 방법은, 특정 농산물의 일정 기간 도매가격을 일자별로 수집하고, 회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 수집된 도매가격을 분석하여 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격 즉 도매예측가격을 산출하도록 구현된다. 그리고, 산출된 도매예측가격은 집하장별 혹은 상품별로 온라인상에 게시될 수 있다.

예를 들면, 온라인 농산물 가격 예측 방법은, 농수산물 도매시장 서버에서 농산물 도매가격평균 정보를 수집하고(S21), 농산물 출하시기 결정 모델로 농산물 가격을 예측하고(S22), 농산물 예측 가격을 집하장별, 상품별로 분류하고(S23), 분류된 농산물 예측 가격을 네트워크상에 게시(S24)하도록 구현될 수 있다.

전술한 경우, 농수산물 도매시장 서버는 데이터베이스 서버에 대응하고, 농산물 출하시기 결정 모델은 혼합회귀모형에 대응할 수 있다.

도 3은 도 1의 온라인 농산물 가격예측 시스템의 도매예측가격 정보 게시에 대한 예시도이다.

도 3에 나타낸 바와 같이, 본 실시예에 의하면, 가격평균 수집부와 예측가격 분석부를 통해 얻은 도매예측가격을 소정 포맷(20)으로 온라인상에 게시할 수 있다.

예컨대, 가락동 농수산물 도매시장에서 15㎏ 1박스 특등급 사과의 도매가격으로서, 직전일 가격, 오늘 예측 가격, 내일 예측 가격, 일주일 후 예측 가격을 기재된 순서대로 나열하여 게시하고 있다. 즉, 예컨대 명절 전일과 명절 당일의 사과도매가격이 직전일 대비 약 160 내지 약 170% 등급할 것으로 예측한 결과를 볼 수 있다. 한편, 본 실시예에서는 특등급 사과에서 특등급 이하의 상등급, 중등급 및 하등급 사과들의 도매가격도 함께 게시되어 있으나, 이에 한정되지는 않는다.

전술한 실시예에 의하면, 특정 농산물 예컨대 사과 도매가격을 일별/주별로 예측하여 농민 및 저온창고 관리자에게 제공함으로써, 창고에서 도매시장으로 사과가 출하되는 유리한 시기를 제시할 수 있다.

이를 위한 본 실시예의 구성 및 작동 원리를 사과를 예를 들어 설명하면 다음과 같다.

도 4는 사과도매가격의 일례에 대한 그래프이다. 도 5는 본 실시예에 따른 특등급 사과의 오늘 도매가격 변수에 대한 설명도이다.

도 4를 참조하면, 2009년, 2010년 그리고 2011년도 가락동 농산물 도매시장에서의 특등급 15㎏ 사과도매가격을 확인할 수 있다. 제1 사과도매가격은 2009년도 가격이고, 제2 사과도매가격은 2010년도 가격이며, 제3 사과도매가격은 2011년도 가격이다.

도 4에서 볼 수 있듯이, 2010년 11월에 최종 타결된 한·미 FTA(Free Trade Agreement) 체결 시점을 전후로 국내의 적어도 하나 이상의 특정 농산물(사과 등)의 가격이 폭등한 것을 확인할 수 있다. 이와 같이, 한국 사과는 미국과의 FTA에서 세이프가드로 보호할 정도로 불확실성에 노출되어 있다.

이에 본 실시예에서는 사과 출하시기 결정 모델(Shipment Timing Decision-Markig Support System, STSS)을 이용하여 최적의 사과 출하 시기를 농민이나 농산물 산지유통센터 관계자가 결정하는데 있어서 출하시기결정을 신뢰성 있게 도울 수 있는 온라인 농산물 가격예측 시스템을 제공하고자 한다. 여기서, 사과 출하시기 결정 모델의 전제는 사과 상품 보유자가 농수산물 도매시장(가락동 농수산물 도매시장 등)의 사과도매가격를 기초로 자신에게 가장 유리한 시기에 출하를 할 것이라고 가정한 것이다.

본 실시예에 따른 온라인 농산물 가격 예측 시스템은 특등급 사과의 오늘 도매가격을 예측하기 위하여 기설정된 변수를 갖는 수학식 모델을 이용한다.

수학식 모델에 있어서, 도 5에 도시한 바와 같이, 먼저 어제 도매시장에 출하된 사과의 반입량(Qt-1)을 변수로 사용한다. 이것은 어제 사과 총 반입량이 적으면 어제 가격이 높아졌을 것이므로 어제 가격을 보고 오늘 도매가격을 예측하여 판매자들이 출하량을 조절할 것으로 예측한 결과이다.

그리고, 어제 특등급사과의 도매가격(TeukPt-1)을 변수로 사용한다. 그것은 어제 가락동 시장에서의 특등급 사과 도매가격을 보고 판매자는 오늘 출하를 결정할 것으로 예측하였기 때문이다.

또한, 오늘이 추석이나 설 등의 명절을 맞이하는 1주일 기간인가(BEFORE), 오늘이 명절이 끝난 다음 1주일 기간인가(AFTER)에 따라 가격이 갑자기 급등하거나 급강하하므로 이를 반영하는 변수를 삽입한다.

또한, 햇사과가 출시된 후 며칠이 지났는가에 따라 가격의 변동이 예측되므로 올해 첫 특정 수량의 특등급 사과가 경매된 후 며칠이 지났는가(DAY), DAY값의 제곱(DAY*DAY 또는 DDAY)을 변수로 사용한다.

또한, 특등급 사과를 대체할 수 있는 경쟁제품의 가격에 따라 오늘 도매가격이 변화하므로 이를 반영하기 위해 어제 가락동 시장에서의 특정 수량의 상등급 사과 도매가격평균(SangPt-1)을 예측모형에 사용한다.

마지막으로, 요일에 따라 사과가격이 변화하므로 이런 요일효과(the day-of the week effect)를 반영하기 위해 월화수목금토의 명목척도(Mon, Tues, Wends, Thurs, Fri, Sat)를 변수로 포함한다.

도 5의 특등급 사과 그래프에 적용한 일별 사과 도매가격 예측 모델을 수식으로 나타내면 다음의 수학식 1과 같다.

수학식 1에서, PRICE_t는 내일(또는 이번 시기)의 사과도매가격, b₁Q_{t -1}은 어제의 사과 경매량, b₂TeukP_{t -1}은 어제의 특등급 사과 도매가격, b₃BEFORE_t는 명절이 되기 1주 전인가의 여부, b₄AFTER_t는 명절이 지난 후 1주 내인가의 여부, b₅DAY_t는 햇사과가 출시된 후 지난 날짜 수, b₆DAY*DAY_t는 햇사과가 출시된 후 지난 날짜 수의 제곱, b₇Sang_{t -1}은 어제 상등급 사과(특등급보다 한 단계 하위 등급의 사과) 도매가격, 그리고 b₈Mon_t, b₉Tues_t, b₁₀Wends_t, b₁₁Thurs_t, b₁₂Fri_t 및 b₁₃Sat_t은 요일 효과를 위한 명목척도이다.

다시 도 4를 참조하면, 본 실시예에서 하루하루 변화하는 사과도매가격은 매우 불규칙한 움직임을 보인다. 따라서, 수학식 1을 사용하여 도 4의 움직임을 회귀계수로 추적하면 결정계수가 0.459에 불과하다. 즉, 도 9의 세분 시장별 모형 상의 직선들(The first sub PRF, The second sub PRF, The nth sub PRF)에서 보듯이, 수학식 1만을 갖고 하나의 회귀식으로 사과의 일별 도매가격을 예측하면, 회귀식의 설명력이 불과 45.9% 밖에 되지 않는다. 따라서 회귀식의 설명력을 높일 필요가 있다. 도 9에서, PRF(price response function, 가격반응함수)는 시간이 변화함에 따라 가격을 추적하는 함수를 나타낸다.

이에 본 발명자는 수학식 1의 모형의 형태를 가진 10개의 회귀식이 일자별 사과도매가격을 설명한다고 가정하고, 수학식 1의 형태를 유지한 채, 회귀계수가 다른 10개의 모형을 가진 혼합회귀모형(mixture regression model)에 의해 사과도매가격을 산출하였다.

그 결과, 표 1에서 보듯이 과거 사과의 일별도매가격의 99.6%를 설명할 수 있었다.

표 1은 상술한 특등급 사과의 내일 도매예측가격에 대한 10개의 세분시장에 대한 혼합회귀모델의 분석 결과를 예시한 것이다.

표 2는 표 1에서 사용한 10개의 회귀계수값과 각 회귀식이 전체관찰치의 몇 %를 차지하는 지를 보고하고 있다. 표 2는 내일 특등급 사과의 도매예측가격에 대한 변수별 계수의 계산 결과를 예시한 것이다. 이렇게 몇 개의 하위 수학식(sub price response function)으로 불규칙한 가격반응함수를 추적하는 원리는 도 9에서 시각적으로 발견할 수 있다.

다음은 상등급 사과에 대한 내일 도매가격의 예측 과정을 살펴보기로 한다.

도 6은 본 실시예에 따른 상등급 사과의 오늘 도매가격 변수에 대한 설명도이다.

본 실시예에 따른 온라인 농산물 가격 예측 시스템은 상등급 사과의 오늘 도매가격을 예측하기 위하여 기설정된 변수를 갖는 수학식 모델을 이용한다. 수학식 모델은 수학식 1에서 특등급 사과 도매가격평균(TeukP_{t -1})을 상등급 사과 도매가격평균(SangP_{t -1})으로 대체하고, 상등급 사과 도매가격평균(SangP_{t -1})을 특등급 사고 도매가격평균(TeukP_t-1)으로 대체한 수학식에 대응한다.

즉, 변수는, 도 6에 도시한 바와 같이, 어제 사과 총 반입량(Q_{t -1}), 어제 가락동 시장에서의 상등급 사과 도매가격평균(SangP_{t -1}), 오늘이 추석이나 설 등의 명절을 맞이하는 1주일 기간인가(BEFORE), 오늘이 명절이 끝난 다음 1주일 기간인가(AFTER), 올해 첫 특정 수량의 상등급 사과가 경매된 후 며칠이 지났는가(DAY), DAY값의 제곱(DAY*DAY 또는 DDAY), 어제 가락동 시장에서의 특정 수량의 특등급 사과 도매가격평균(TeukP_{t -1}) 그리고 월화수목금토 명목 척도(Mon, Tues, Wends, Thurs, Fri, Sat)를 포함한다.

본 실시예에서는, 기존 상등급 사과의 일별 도매가격 그래프에 회귀 모델을 적용한 경우에 63.5%만의 설명력을 보이므로, 이를 보완하여 혼합 회귀 모델(Mixture regression model)로 10개의 세분 시장을 확인하고, 이를 이용함으로써 설명력 99.8%의 모델로 상등급 사과 도매가격을 예측한다.

상술한 상등급 사과의 내일 도매예측가격에 대한 10개의 세분시장에 대한 혼합 회귀 모델의 분석 결과를 예시하면 다음의 표 3과 같다.

내일 상등급 사과의 도매예측가격에 대한 변수별 계수의 계산 결과를 예시하면 다음의 표 4와 같다.

다음은 중등급 사과(상등급보다 한 단계 하위 등급의 사과)에 대한 내일 도매가격의 예측 과정을 살펴보기로 한다.

도 7은 본 실시예에 따른 중등급 사과의 오늘 도매가격 변수에 대한 설명도이다.

본 실시예에 따른 온라인 농산물 가격 예측 시스템은 중등급 사과의 오늘 도매가격을 예측하기 위하여 기설정된 변수를 갖는 수학식 모델을 이용한다. 수학식 모델은 수학식 1에서 특등급 사과 도매가격평균(TeukP_{t -1})을 중등급 사과 도매가격평균(MiddleP_{t -1})으로 대체하고, 상등급 사과 도매가격평균(SangP_{t -1})을 특등급 사고 도매가격평균(TeukP_{t -1})으로 대체한 수학식에 대응한다.

즉, 변수는, 도 7에 도시한 바와 같이, 어제 사과 총 반입량(Q_{t -1}), 어제 가락동 시장에서의 특정 수량의 중등급 사과 도매가격평균(MiddleP_{t -1}), 오늘이 추석이나 설 등의 명절을 맞이하는 1주일 기간인가(BEFORE), 오늘이 명절이 끝난 다음 1주일 기간인가(AFTER), 올해 첫 특정 수량의 중등급 사과가 경매된 후 며칠이 지났는가(DAY), DAY값의 제곱(DAY*DAY 또는 DDAY), 어제 가락동 시장에서의 특정 수량의 특등급 사과 도매가격평균(TeukP_{t -1}) 그리고 월화수목금토 명목 척도(Mon, Tues, Wends, Thurs, Fri, Sat)를 포함한다.

본 실시예에서는, 기존 중등급 사과의 일별 도매가격 그래프에 회귀 모델을 적용한 경우에 57.1%만의 설명력을 보이므로, 이를 보완하여 혼합 회귀 모델(Mixture regression model)로 10개의 세분 시장을 확인하고, 이를 이용함으로써 설명력 99.7%의 모델로 중등급 사과 도매가격을 예측한다.

상술한 중등급 사과의 내일 도매예측가격에 대한 10개의 세분시장에 대한 혼합 회귀 모델의 분석 결과를 예시하면 다음의 표 5와 같다.

내일 중등급 사과의 도매가격 예측에 대한 변수별 계수의 계산 결과를 예시하면 다음의 표 6과 같다.

다음은 하등급 사과(중등급보다 한 단계 하위 등급의 사과)에 대한 내일 도매가격의 예측 과정을 살펴보기로 한다.

도 8은 본 실시예에 따른 하등급 사과의 오늘 도매가격 변수에 대한 설명도이다.

본 실시예에 따른 온라인 농산물 가격 예측 시스템은 하등급 사과의 오늘 도매가격을 예측하기 위하여 기설정된 변수를 갖는 수학식 모델을 이용한다. 수학식 모델은 수학식 1에서 특등급 사과 도매가격평균(TeukP_{t -1})을 하등급 사과 도매가격평균(HaP_{t -1})으로 대체하고, 상등급 사과 도매가격평균(SangP_{t -1})을 특등급 사고 도매가격평균(TeukP_{t -1})으로 대체한 수학식에 대응한다.

즉, 변수는, 도 8에 도시한 바와 같이, 어제 사과 총 반입량(Q_{t -1}), 어제 가락동 시장에서의 특정 수량의 하등급 사과 도매가격평균(HaP_{t -1}), 오늘이 추석이나 설 등의 명절을 맞이하는 1주일 기간인가(BEFORE), 오늘이 명절이 끝난 다음 1주일 기간인가(AFTER), 올해 첫 특정 수량의 하등급 사과가 경매된 후 며칠이 지났는가(DAY), DAY값의 제곱(DAY*DAY 또는 DDAY), 어제 가락동 시장에서의 특정 수량의 특등급 사과 도매가격평균(TeukP_{t -1}) 그리고 월화수목금토 명목 척도(Mon, Tues, Wends, Thurs, Fri, Sat)를 포함한다.

본 실시예에서는, 기존 하등급 사과의 일별 도매가격 그래프에 회귀 모델을 적용한 경우에 63.0%만의 설명력을 보이므로, 이를 보완하여 혼합 회귀 모델(Mixture regression model)로 10개의 세분 시장을 확인하고, 이를 이용함으로써 설명력 99.8%의 모델로 하등급 사과 도매가격을 예측한다.

상술한 하등급 사과의 내일 도매예측가격에 대한 10개의 세분시장에 대한 혼합 회귀 모델의 분석 결과를 예시하면 다음의 표 7과 같다.

내일 하등급 사과의 도매예측가격에 대한 변수별 계수의 계산 결과를 예시하면 다음의 표 8과 같다.

다음은 특등급 사과에 대한 일주일 도매가격 예측 과정을 살펴보기로 한다.

도 10은 본 실시예에 따른 특등급 사과의 일주일 도매가격 변수에 대한 설명도이다.

본 실시예에 따른 온라인 농산물 가격 예측 시스템은 특등급 사과의 일주일 도매가격을 예측하기 위하여 기설정된 변수를 갖는 수학식 모델을 일부 수정하여 사용한다.

수정된 수학식 모델에 있어서, 도 10에 도시한 바와 같이, 지난주 도매시장에 출하된 사과의 반입량(Qt-1W)의 평균을 변수로 사용한다. 이것은 지난주 사과 총 반입량이 적으면 지난주 사과 가격이 높아졌을 것이므로, 판매자가 지난주 가격을 보고 이번 주 도매가격을 예측하여 출하량을 조절한 것으로 예측한 결과이다.

또한, 지난주 특등급사과의 도매가격(TeukPt-1) 평균을 변수로 채용한다. 이것은 지난주 도매 시장(가락동 시장 등)에서의 특등급 사과 도매가격을 보고 판매자가 이번 주 출하를 결정한 것으로 예측한 결과이다.

또한, 지난주가 추석이나 설 등의 명절을 맞이하는 1주일 또는 2주일 기간인가(BEFORE), 이번 주가 명절이 끝난 다음 1주일 또는 2주일 기간인가(AFTER)에 따라 가격이 갑자기 급등하거나 급강하하므로 이를 반영하는 변수를 삽입한다.

또한, 햇사과가 출시된 후 며칠이 지났는가에 따라 가격의 변동이 예측되었으므로 올해 첫 특정 수량의 특등급 사과가 경매된 후 며칠이 지났는가(DAY), DAY값의 제곱(DAY*DAY 또는 DDAY)를 변수로 사용한다.

또한, 일자별 사과가격예측에서 사용하였던 경쟁 대체품의 가격은 사용하지 않았고, 요일에 따라 사과가격의 변화를 추적하는 요일효과(the day-of the week effect)는 일주일치 가격을 예측하고 있으므로 여기서는 제외한다.

전술한 특등급 사과에 적용한 일주일 사과 도매가격 예측 모델을 수식으로 나타내면 다음의 수학식 2와 같다.

수학식 2에서, PRICE_t는 다음주 사과도매가격, b₁Q_{t -1}W는 지난주의 사과경매량, b₂p_{t -1}W는 이번 주의 특등급 사과 도매가격, b₃BEFORE_tW는 명절이 되기 1주/2주 전인가의 여부, b₄AFTER_tW는 명절이 지난 후 1주/2주 내인가의 여부, b₅DAY_tW는 햇사과가 출시된 후 지난 날짜 수, b₆DAY*DAY_tW는 햇사과가 출시된 후 지난 날짜 수의 제곱을 각각 나타낸다.

수학식 2를 하나의 모델에만 적용하여 특등급 사과의 일주일 도매가격 그래프에 회귀 모델을 적용한 경우에 70.7%만의 설명력을 보이므로, 본 실시예에서는 이를 보완하여 혼합 회귀 모델(Mixture regression model)로 10개의 세분 시장을 확인하고, 이를 이용함으로써 설명력 99.2%의 모델로 일주일 사과 도매가격을 예측한다.

상술한 특등급 사과의 일주일 후 도매예측가격에 대한 10개의 세분시장에 대한 혼합 회귀 모델의 분석 결과를 예시하면 다음의 표 9와 같다.

상술한 특등급 사과의 일주일 후 도매예측가격에 대한 변수별 계수의 계산 결과를 예시하면 다음의 표 10과 같다.

한편, 전술한 실시예에서는 농산물의 내일 도매가격과 일주일(일주일 후) 도매가격에 대하여 설명하였지만, 본 발명은 그러한 구성으로 한정되지 않고, 이와 유사하게 모레, 3일 후, 4일 후, 5일 후 및 6일 후 중 적어도 어느 하나의 농산물 도매가격을 예측할 수 있음은 당연하다 할 것이므로, 이에 대한 상세 설명은 생략한다.

이상에서와 같이 실시 예들을 중심으로 본 발명을 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 예의 본질적인 기술내용을 벗어나지 않는 범위에서 실시예에 예시되지 않은 여러 가지의 조합 또는 변형과 응용이 가능함을 알 수 있을 것이다. 따라서, 본 발명의 실시 예들로부터 용이하게 도출가능한 변형과 응용에 관계된 기술내용들은 본 발명에 포함되는 것으로 해석되어야 할 것이다.

2: 데이터베이스 서버
3: 데이터베이스
4, 5, 6: 클라이언트 장치
10: 서버
11: 가격평균 수집부
12: 예측가격 분석부
13: 예측가격 게시부

Claims (12)

1. 특정 농산물의 일정 기간 도매가격을 일자별로 수집하고,
   회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 상기 도매가격을 분석하여 상기 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매예측가격을 산출하는 온라인 농산물 가격 예측 방법.
2. 청구항 1에 있어서,
   상기 도매예측가격을 집하장별 혹은 상품별로 온라인상에 게시하는 단계를 더 포함하는 온라인 농산물 가격 예측 방법.
3. 청구항 1 또는 2에 있어서,
   상기 혼합회귀모형으로 상기 도매가격을 분석하는 것은 하기의 수학식 1을 이용하여 상기 농산물의 내일 도매가격을 예측하는 것을 포함하는 온라인 농산물 가격 예측 방법:
   [수학식 1]
   

   

   
   상기 수학식 1에서, PRICE_t는 내일의 사과 도매가격, b₁Q_{t -1}은 어제의 사과 경매량, b₂TeukP_{t -1}은 어제의 특등급 사과 도매가격, b₃BEFORE_t는 명절이 되기 1주 전인가의 여부, b₄AFTER_t는 명절이 지난 후 1주 내인가의 여부, b₅DAY_t는 햇사과가 출시된 후 지난 날짜 수, b₆DAY*DAY_t는 햇사과가 출시된 후 지난 날짜 수의 제곱, b₇Sang_{t -1}은 어제 상등급 사과(특등급보다 한 단계 하위 등급의 사과) 도매가격, 그리고 b₈Mon_t, b₉Tues_t, b₁₀Wends_t, b₁₁Thurs_t, b₁₂Fri_t 및 b₁₃Sat_t은 요일 효과를 위한 명목척도를 각각 나타냄.
4. 청구항 1 또는 2에 있어서,
   상기 혼합회귀모형으로 상기 도매가격을 분석하는 것은 하기의 수학식 2를 이용하여 상기 농산물의 일주일 후 도매가격을 예측하는 것을 포함하는 온라인 농산물 가격 예측 방법:
   [수학식 2]
   

   

   
   상기 수학식 2에서, PRICE_t는 다음주 사과도매가격, b₁Q_{t -1}W는 지난주의 사과경매량, b₂p_{t -1}W는 이번 주의 특등급 사과 도매가격, b₃BEFORE_tW는 명절이 되기 1주/2주 전인가의 여부, b₄AFTER_tW는 명절이 지난 후 1주/2주 내인가의 여부, b₅DAY_tW는 햇사과가 출시된 후 지난 날짜 수, b₆DAY*DAY_tW는 햇사과가 출시된 후 지난 날짜 수의 제곱을 각각 나타냄.
5. 청구항 1 또는 2에 있어서,
   상기 혼합회귀모형은 복수의 하위 수학식(sub price response function)으로 불규칙한 가격반응함수를 추적하는 것인 온라인 농산물 가격 예측 방법.
6. 청구항 1에 있어서,
   상기 농산물은 1년 이상의 도매가격을 일자별로 수집가능한 모든 과일이나 채소에서 선택되는 특정 농산물을 포함하는 온라인 농산물 가격 예측 방법.
7. 특정 농산물의 일정 기간 도매가격을 집하장별 가격평균과 일자별로 수집하는 가격평균 수집부; 및
   회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 상기 도매가격을 분석하여 상기 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격을 산출하는 예측가격 분석부;
   를 포함하는 온라인 농산물 가격 예측 시스템.
8. 청구항 7에 있어서,
   상기 예측가격 분석부에서 산출된 도매예측가격을 집하장별 혹은 상품별로 온라인상에 게시하는 예측가격 게시부를 더 포함하는 온라인 농산물 가격 예측 시스템.
9. 청구항 7 또는 8에 있어서,
   상기 예측가격분석부는 하기의 수학식 1을 이용하여 상기 농산물의 내일 도매가격을 산출하는 온라인 농산물 가격 예측 시스템:
   [수학식 1]
   

   

   
   상기 수학식 1에서, PRICE_t는 내일의 사과 도매가격, b₁Q_{t -1}은 어제의 사과 경매량, b₂TeukP_{t -1}은 어제의 특등급 사과 도매가격, b₃BEFORE_t는 명절이 되기 1주 전인가의 여부, b₄AFTER_t는 명절이 지난 후 1주 내인가의 여부, b₅DAY_t는 햇사과가 출시된 후 지난 날짜 수, b₆DAY*DAY_t는 햇사과가 출시된 후 지난 날짜 수의 제곱, b₇Sang_t-1은 어제 상등급 사과(특등급보다 한 단계 하위 등급의 사과) 도매가격, 그리고 b₈Mon_t, b₉Tues_t, b₁₀Wends_t, b₁₁Thurs_t, b₁₂Fri_t 및 b₁₃Sat_t은 요일 효과를 위한 명목척도를 각각 나타냄.
10. 청구항 7 또는 8에 있어서,
    상기 예측가격분석부는 하기의 수학식 2를 이용하여 상기 농산물의 일주일 후 도매가격을 산출하는 온라인 농산물 가격 예측 시스템:
    [수학식 2]
    

    

    
    상기 수학식 2에서, PRICE_t는 다음주 사과도매가격, b₁Q_{t -1}W는 지난주의 사과경매량, b₂p_{t -1}W는 이번 주의 특등급 사과 도매가격, b₃BEFORE_tW는 명절이 되기 1주/2주 전인가의 여부, b₄AFTER_tW는 명절이 지난 후 1주/2주 내인가의 여부, b₅DAY_tW는 햇사과가 출시된 후 지난 날짜 수, b₆DAY*DAY_tW는 햇사과가 출시된 후 지난 날짜 수의 제곱을 각각 나타냄.
11. 농산물 도매가격 데이터를 제공하는 서버와 네트워크를 통해 연결되는 클라이언트 장치를 포함하는 온라인 농산물 가격 예측 시스템으로서,
    상기 클라이언트 장치에서 실행되는 애플리케이션을 포함하고,
    상기 애플리케이션은,
    상기 서버에서 특정 농산물의 일정 기간 도매가격을 집하장별 가격평균과 일자별로 수집된 가격평균 데이터를 수신하는 가격평균 수집부; 및
    회귀 계수가 다른 복수의 모형을 갖는 혼합회귀모형으로 상기 도매가격을 분석하여 상기 농산물의 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격을 산출하는 예측가격 분석부;
    를 포함하는 온라인 농산물 가격 예측 시스템.
12. 청구항 11에 있어서,
    상기 애플리케이션은 상기 예측가격 분석부에서 산출된 상기 내일 내지 일주일 후 중 적어도 어느 하나의 도매가격인 도매예측가격을 상기 서버로 전송하며, 상기 도매예측가격은 상기 서버에서 온라인상에 게시되는 온라인 농산물 가격 예측 시스템.

Images