KR20160077932A - 군중 혼잡도를 예측하는 방법, 장치 및 단말 - Google Patents

군중 혼잡도를 예측하는 방법, 장치 및 단말 Download PDF

Info

Publication number
KR20160077932A
KR20160077932A KR1020140188457A KR20140188457A KR20160077932A KR 20160077932 A KR20160077932 A KR 20160077932A KR 1020140188457 A KR1020140188457 A KR 1020140188457A KR 20140188457 A KR20140188457 A KR 20140188457A KR 20160077932 A KR20160077932 A KR 20160077932A
Authority
KR
South Korea
Prior art keywords
congestion
information
client terminal
feature
unit
Prior art date
Application number
KR1020140188457A
Other languages
English (en)
Inventor
유치훈
박재연
김건형
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020140188457A priority Critical patent/KR20160077932A/ko
Publication of KR20160077932A publication Critical patent/KR20160077932A/ko

Links

Images

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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

핫스팟 내 군중 혼잡도를 예측하는 방법은 핫스팟 내에 설치된 AP(access point) 장치를 통해 적어도 하나의 클라이언트 단말의 피쳐(feature) 정보를 수집하는 단계, AP 장치로부터 AP 상태 정보를 수집하는 단계, 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 핫스팟 내의 군중 혼잡도를 예측하는 단계 및 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하여 사용자 단말로 전송하는 단계를 포함할 수 있다.

Description

군중 혼잡도를 예측하는 방법, 장치 및 단말{METHOD FOR PREDICTING CROWD DENSITY, APPARATUS AND CLIENT DEVICE}
본 발명은 군중 혼잡도를 예측하는 방법, 장치 및 단말에 관한 것이다.
최근 들어, 안전이나 보안 서비스 등의 이유로 군중의 상태를 모니터링해야 하는 필요성이 증가하고 있어, CCTV, 출입 관리 등의 관련 기술이 발전하게 되었다.
특히, 특정 장소에 모여 있는 군중들의 수를 자동적으로 카운트할 수 있는 군중 혼잡도 연구가 중요한 분야로 자리잡게 되었다.
기존의 군중 혼잡도를 측정하는 방법은 센서, 전자태그 등의 인프라를 이용하여 혼잡도를 측정하는 방법과, 영상 분석을 통해, 혼잡도를 측정하는 방법이 있다.
첫 번째로, 인프라를 통한 혼잡도 측정 방법은, 센서나 전자태그 등으로 특정 구역으로 출입하는 인원을 카운트하는 방법이다. 이러한, 방법은 인원 카운트가 정확하지만, 대규모 인프라 구축을 위해 많은 비용이 필요하며, 유지 및 보수가 어려울 수 있다.
두 번째로, 영상 분석을 통한 혼잡도 측정 방법은 CCTV 장치에 의해 촬영된 군중의 영상을 분석하여 혼잡도를 측정하는 방법이다. 이러한 방법은 센서나 전자태그에 의한 방법에 비해, 혼잡도 측정의 정확도가 상대적으로 낮을 수 있으나, 기 구축된 CCTV 장치의 영상을 활용하기 때문에, 인프라에 대한 설비 투자비를 줄일 수 있다. 하지만, CCTV 장치가 필수적으로 설치되어 있어야 하며, 영상의 화질, 조명 및 촬영 각도에 따라 영향을 많이 받을 수 있다.
이와 관련하여, 한국공개특허 제2013-0113790호에는 대중교통 이용 정보 제공서버로부터 각 차량 내의 영상과 차량의 운행노선과, 현재 차량의 위치정보를 수신하고, 승객이 탑승하지 않은 상태의 차량 내 초기 영상과, 현재 차량 내 영상을 상호 비교하여 운행중인 차량의 혼잡도를 산출하고, 산출 결과를 현재 차량의 운행정보를 함께 가시화하여, 대중교통 이용정보를 생성하고, 대중교통 이용정보를 디스플레이하는 구성이 개시되어 있다.
핫 스팟 내에 기 구축되어 있는 AP(access point) 장치를 통해, 실시간으로 클라이언트 단말의 피쳐(feature) 정보 및 AP 상태 정보를 수집하고, 수집된 정보를 이용하여 핫 스팟 내의 군중 혼잡도를 실시간으로 예측하고자 한다. 또한, 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하여, 실시간으로 사용자 단말에게 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 핫스팟 내 군중 혼잡도를 예측하는 방법은 상기 핫스팟 내에 설치된 AP(access point) 장치를 통해 적어도 하나의 클라이언트 단말의 피쳐(feature) 정보를 수집하는 단계, 상기 AP 장치로부터 AP 상태 정보를 수집하는 단계, 상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 상기 핫스팟 내의 군중 혼잡도를 예측하는 단계 및 상기 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하여 사용자 단말로 전송하는 단계를 포함할 수 있다.
또한, 본 발명의 제 2 측면에 따른 핫스팟 내 군중 혼잡도를 예측하는 장치는 상기 핫스팟 내에 설치된 AP 장치를 통해 적어도 하나의 클라이언트 단말의 피쳐 정보를 수집하는 피쳐 정보 수집부, 상기 AP 장치로부터 AP 상태 정보를 수집하는 AP 상태 정보 수집부, 상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 상기 핫스팟 내의 군중 혼잡도를 예측하는 군중 혼잡도 예측부 및 상기 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하여 사용자 단말로 전송하는 전송부를 포함할 수 있다.
또한, 본 발명의 제 3 측면에 따른 핫스팟 내 혼잡도 정보를 제공받는 클라이언트 단말은 상기 핫스팟 내에 설치된 AP 장치에 접속하는 접속부, 상기 AP 장치를 통해 피쳐 정보를 전송하는 피쳐 정보 전송부, 군중 혼잡도 예측 장치에게 혼잡도 정보를 요청하는 혼잡도 정보 요청부 및 상기 군중 혼잡도 예측 장치로부터 혼잡도 정보를 수신하여 화면에 표시하는 표시부를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 군중 혼잡도 예측 장치는 핫 스팟 내에 기 구축되어 있는 AP(access point) 장치를 통해, 실시간으로 클라이언트 단말의 피쳐(feature) 정보 및 AP 상태 정보를 수집하고, 수집된 정보를 이용하여 핫 스팟 내의 군중 혼잡도를 실시간으로 예측할 수 있다. 또한, 군중 혼잡도 예측 장치는 실시간으로 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하고, 사용자 단말에게 실시간으로 혼잡도 정보를 제공할 수 있다. 또한, AP 장치에 접속한 클라이언트 단말의 숫자에 관계없이 소수의 클라이언트 단말로부터 수신한 피쳐 정보만으로 보다 정확하게 혼잡도를 측정할 수 있다.
도 1은 본 발명의 일 실시예에 따른, 군중 혼잡도 예측 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른, 도 1에 도시된 군중 혼잡도 예측 장치 의 세부 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른, 피쳐 테이블의 예시를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른, 도 1에 도시된 클라이언트 단말의 세부 구성도이다.
도 5a 내지 5c는 본 발명의 일 실시예에 따른, 혼잡도 정보 제공 서비스가 제공되는 예시적인 상황을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른, 핫스팟 내 군중 혼잡도를 예측하는 방법의 일예를 도시한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 군중 혼잡도 예측 시스템의 구성도이다.
도 1을 참조하면, 군중 혼잡도 예측 시스템은 AP(access point) 장치(100), 클라이언트 단말(110), 군중 혼잡도 예측 장치(120) 및, 사용자 단말(130)을 포함할 수 있다. 다만, 이러한 도 1의 군중 혼잡도 예측 시스템은 본 발명의 일 실시예에 불과하므로 도 1을 통해 본 발명이 한정 해석되는 것은 아니며, 본 발명의 다양한 실시예들에 따라 도 1과 다르게 구성될 수도 있다.
AP 장치(100)가 설치된 장소에서는 AP 장치(100)에 접속 가능한 영역인 핫스팟이 형성된다. 이러한, 핫스팟은 무선 통신이 가능한 서비스 지역을 지칭하는 것으로, 도서관, 카페 등 많은 사람이 머무르는 공공장소와, 지하철이나 대로변 등 전국적으로 유동인구가 많은 곳에 형성되어 있다. 또한, 핫스팟은 특정 점포에서도 단독으로 설치될 수 있다.
AP 장치(100)는 군중 혼잡도 예측 장치(120)에게 주기적으로, AP 상태 정보를 전송할 수 있다. 여기서, AP 상태 정보에는 AP 장치(100)가 설치된 장소, 시간, AP 장치(100)의 접속 채널 점유율 및 클라이언트 단말(110)과의 데이터 전송 속도 등이 포함될 수 있다.
클라이언트 단말(110)은 핫스팟 내에 설치된 AP 장치(100)에 접속한 단말로서, AP 장치(100)를 통해, 피쳐(feature) 정보를 군중 혼잡도 예측 장치(120)에게 주기적으로 전송할 수 있다. 여기서, 피쳐 정보는 다양한 값이 될 수 있으며, 예를 들어, 인터넷 이용 유무, 가속도 센서 수치 정보, 지이로 센서 수치 정보, 콤파스 센서 수치 정보 등을 포함할 수 있다.
군중 혼잡도 예측 장치(120)는 군중 혼잡도 정보 서비스에 가입한 복수의 단말을 관리하며, 가입자 단말의 정보 조회를 통해, AP 장치(100)에 접속한 클라이언트 단말(110)이 군중 혼잡도 정보 서비스에 가입된 단말인지를 확인할 수 있다.
군중 혼잡도 예측 장치(120)는 AP 장치(100)를 통해 수집된, 적어도 하나의 클라이언트 단말(110)의 피쳐 정보와 AP 장치(100)로부터 수집된 AP 상태 정보를 이용하여 핫스팟 내의 군중 혼잡도를 예측하고, 혼잡도 정보를 생성하여, 이를 사용자 단말(130)에게 전송할 수 있다.
구체적으로 설명하자면, 군중 혼잡도 예측 장치(120)는 AP 장치(100)에 접속한 단말의 피쳐 정보 및 AP 장치(100)의 AP 상태 정보를 통해서, 해당 AP 장치(100)가 설치된 핫스팟 지역이 혼잡한지 아니면, 혼잡하지 않은지 간접적으로 파악할 수 있다. 핫스팟 내에 클라이언트 단말(110)이 많은 경우와 그렇지 않은 경우는 각각 클라이언트 단말(110)의 행동 패턴과 AP 장치(100)의 통신 환경에 따라, 여러가지 특성(즉, 피쳐 정보와 AP 상태 정보)을 가질 수 있다.
예를 들어, AP 장치(100)에 접속한 클라이언트 단말(110)이 많은 경우, 각각의 클라이언트 단말(110)과 AP 장치(100)와의 데이터 송수신 속도는 저하될 수 있으며, AP 장치(100)의 접속 채널(예를 들어, 2.4GHz 대역의 경우, 13개 채널)에 대한 점유율도 증가될 수 있다. 또한, AP 장치(100)에 접속한 클라이언트 단말(110)이 많은 경우, AP 장치(100)와 클라이언트 단말(110) 사이에 다중 경로(Multi-Path)가 증가하면서 AP 장치(100)의 신호 및 신호 세기의 변화 정도(신호 변화의 편차, 즉, 신호 세기의 미분 값을 취한 값의 편차 크기를 측정하는 방식 등으로 그 변화 정도를 측정할 수 있음)는 불규칙할 수 있다. 또한, AP 장치(100)와 클라이언트 단말(110) 사이에 있는 다수의 군중들이 AP 장치(100)의 신호 전파에 장애물이 되어, AP 장치(100)의 신호세기에 영향을 줄 수 있다. 일반적으로, 움직이는 장애물이 많은 상황에서 다중 경로가 더 복잡해지기 때문에, AP 장치(100)의 신호의 수신 상황이 더 열악해질 수 있으며, 부반송파(OFDM 시스템에서 sub-carrier)가 많아지게 된다.
다른 예로, 핫스팟 지역이 혼잡한 경우(군중이 많은 경우)에는 클라이언트 단말(110)의 이동이 어려울 수 있고, 이동이 가능해도, 좌우로 약간의 움직임만이 가능할 수 있다. 이와 반대로, 핫스팟 지역이 혼잡하지 않은 경우에는 클라이언트 단말(110)의 사용자가 자리에 앉아 있어 클라이언트 단말(110)의 이동이 없거나, 거의 미세한 움직임이 나타날 수 있다.
위와 같은 분석을 통해, 한대 또는 두대 정도의 소수의 클라이언트 단말(110)로부터 수신한 피쳐 정보만으로도 AP 장치(100)가 설치된 핫스팟 지역이 혼잡한지 아니면, 혼잡하지 않은지를 가늠해볼 수 있다. 다시 말해, 종래에는 다수의 클라이언트 단말(110)이 AP 장치(100)에 접속하면 혼잡도가 높다고 판단하고, 소수의 클라이언트 단말(110)이 AP 장치(100)에 접속하면 혼잡도가 낮다고 판단할 수 밖에 없었다. 하지만, 다수의 군중이 있는 경우에도, 소수의 클라이언트 단말(110)만이 AP 장치(100)에 접속하는 경우가 흔하기 때문에, AP 장치(100)에 접속한 클라이언트 단말(110)의 숫자는 혼잡도 여부를 측정하기에 부적절하다. 본 발명에 따르면, AP 장치(100)에 접속한 클라이언트 단말(110)의 숫자에 관계없이 소수의 클라이언트 단말(110)로부터 수신한 피쳐 정보만으로 보다 정확하게 혼잡도를 측정할 수 있다.
사용자 단말(130)은 군중 혼잡도 예측 장치(120)에게 혼잡도 정보를 요청하고, 군중 혼잡도 예측 장치(120)로부터 혼잡도 정보를 수신할 수 있다. 예를 들어, 특정 버스 노선(또는 지하철)에 대한 혼잡도 정보를 군중 혼잡도 예측 장치(120)로부터 수신할 수 있다.
클라이언트 단말(110) 및 사용자 단말(130)은 핫스팟 내에서, AP 장치(100)로의 자동 접속 모드 또는 수동 접속 모드를 통해, AP 장치(100)에 접속하여, 인터넷 서비스를 제공받을 수 있다.
클라이언트 단말(110) 및 사용자 단말(130)은 군중 혼잡도 정보 서비스를 제공받는 단말로서, 각 단말에는 대중 감지(Crowd Sensing) 프로그램이 설치되어 있다. 대중 감지 프로그램은 예를 들어, 군중 혼잡도 정보 서비스의 가입 시, 자동으로 설치되는 프로그램이거나, 사용자의 동의 하에 설치되는 프로그램이거나, 또는 단말 내에 기 설치된 프로그램에 임베디드되어 업데이트 하는 형태로 배포되는 프로그램일 수 있다.
클라이언트 단말(110) 및 사용자 단말(130)은 무선 통신이 가능한 모바일 단말을 포함할 수 있고, 본 발명의 다양한 실시예들에 따르면, 클라이언트 단말(110) 및 사용자 단말(130)은 다양한 형태의 디바이스일 수 있다. 예를 들어, 클라이언트 단말(110) 및 사용자 단말(130)은 네트워크를 통해 원격지의 서버에 접속할 수 있는 휴대용 단말일 수 있다. 여기서, 휴대용 단말의 일 예에는 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 태블릿 PC, 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치가 포함될 수 있다. 다만, 클라이언트 단말(110) 및 사용자 단말(130)은 도 1에 도시된 형태 또는 앞서 예시된 것들로 한정 해석되는 것은 아니다.
일반적으로, 도 1의 군중 혼잡도 예측 시스템의 각 구성요소들은 네트워크(140)를 통해 연결된다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(network)의 일례에는 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 3G, 4G 등이 포함되나 이에 한정되지는 않는다.
이하에서는 도 1의 군중 혼잡도 예측 시스템의 각 구성요소의 동작에 대해 보다 구체적으로 설명한다.
도 2는 본 발명의 일 실시예에 따른, 도 1에 도시된 군중 혼잡도 예측 장치(120)의 세부 구성도이다.
도 2를 참조하면, 군중 혼잡도 예측 장치(120)는 피쳐 정보 수집부(200), AP 상태 정보 수집부(210), 피쳐 테이블 구성부(220), 혼잡도 예측 모델 생성부(230), 업데이트부(240), 군중 혼잡도 예측부(250), 혼잡도 정보 생성부(260), 전송부(270) 및 DB(280)를 포함할 수 있다. 다만, 도 2에 도시된 군중 혼잡도 예측 장치(120)는 본 발명의 하나의 구현 예에 불과하며, 도 2에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
피쳐 정보 수집부(200)는 핫스팟(무선 랜 서비스 지역) 내에 설치된 AP 장치(100)를 통해 적어도 하나의 클라이언트 단말(110)의 피쳐 정보를 수집할 수 있다. 이 때, 피쳐 정보를 수집하기에 앞서, 군중 혼잡도 예측 장치(120)는 클라이언트 단말(110)이 AP 장치(100)에 접속하는 경우, 접속한 AP 장치(100)의 동작상태가 유효한지 확인할 수 있다. 또한, 군중 혼잡도 예측 장치(120)는 클라이언트 단말(110)의 맥 주소(Mac Address)를 이용하여, AP 장치(100)에 접속한 클라이언트 단말(110)이 피쳐정보의 수집 대상 단말인지를 확인할 수 있다. 만일, 클라이언트 단말(110)이 피쳐 정보의 수집 대상 단말인 경우, 클라이언트 단말(110)에게 피쳐 정보의 수집을 요청할 수 있다.
구체적으로, 피쳐 정보 수집부(200)는 클라이언트 단말(110)이 AP 장치(100)와 데이터 송수신 중인 경우, 클라이언트 단말(110)의 움직임 정보를 AP 장치(100)를 통해 수집할 수 있다. 또한, 피쳐 정보 수집부(200)는 클라이언트 단말(110)이 AP 장치(100)와, 데이터 송수신 중이 아닌 경우에도, 클라이언트 단말(110)의 움직임 정보를 AP 장치(100)를 통해 수집할 수 있다. 또한, 피쳐 정보 수집부(200)는 핫스팟 내에서의 클라이언트 단말(110)의 이동 거리, AP 장치(100)로부터의 데이터 수신 신호 세기 정보 등을 AP 장치(100)를 통해 수집할 수 있다.
예를 들어, 피쳐 정보 수집부(200)는 클라이언트 단말(110)의 인터넷 이용 유무, 가속도 센서 수치 정보, 자이로 센서 수치 정보, 콤파스 센서 수치 정보, 무선 AP 신호 세기 정보, 무선 AP 사용 채널 점유율 정보, 데이터 전송 속도, 수집 시간대, 수집 일자 등의 피쳐 정보를 AP 장치(100)를 통해 주기적으로 수집할 수 있다.
예를 들어, 피쳐 정보 수집부(200)는 한대의 지하철에 연결된 복수의 전동차 각각에서, 전동차에 타고 있는 클라이언트 단말(110)의 피쳐 정보를 수집할 수 있다. 또한, 피쳐 정보 수집부(200)는 버스 노선 상의 구간 각각에서, 버스에 타고 있는 클라이언트 단말(110)의 피쳐 정보를 수집할 수 있다. 또한, 피쳐 정보 수집부(200)는 AP 장치(100)가 설치된 지도 상의 영역에서, 해당 영역에 위치한 클라이언트 단말(110)의 피쳐 정보를 수집할 수 있다.
AP 상태 정보 수집부(210)는 AP 장치(100)로부터 AP 상태 정보를 수집할 수 있다. 여기서, AP 상태 정보는 AP 장치(100)의 장소, 시간, 접속 채널 점유율 및 전송 속도 평균 중 하나 이상을 포함할 수 있다.
예를 들어, AP 상태 정보 수집부(210)는 한대의 지하철에 연결된 복수의 전동차 각각에 설치된 AP 상태 정보를 수집할 수 있다. 또한, AP 상태 정보 수집부(210)는 버스 노선 상의 구간 마다, 해당 버스에 설치된 AP 상태 정보를 수집할 수 있다. 또한, AP 상태 정보 수집부(210)는 지도 상의 AP 장치(100)가 설치된 영역에서, AP 상태 정보를 수집할 수 있다.
피쳐 테이블 구성부(220)는 이전에 수집했던 피쳐 정보 및 AP 상태 정보를 이용하여 학습용 피쳐 테이블을 구축할 수 있다. 구체적으로, 피쳐 테이블 구성부(220)는 이전에 수집했던 피쳐 정보 및 AP 상태 정보로부터 계산된 군중 혼잡도 값과, 해당 군중 혼잡도 값과 대응되는 피쳐 정보 및 AP 상태 정보를 포함하여, 학습용 피쳐 테이블을 구축하고 지속적으로 업데이트할 수 있다.
도 3a는 혼잡도 예측 모델을 생성하기 위한 학습용 피쳐 테이블의 예시를 나타낸 도면이다.
도 3a를 참조하면, 학습용 피쳐 테이블은 측정시간(300), 장소 카테고리(301), 시간 카테고리(302), 데이터 사용자 움직임 편차 평균(303), 데이터 비사용자 움직임 편차 평균(304), 이동 거리 평균(305), AP 수신 신호 세기 편차(306), 접속 채널 점유율(307), 전송 속도 평균(308), 혼잡도(309) 등을 포함할 수 있다. 여기서, 시간 카테고리(302)에는 휴일, 출퇴근 시간 대 등으로 기록될 수 있다. 장소 카테고리(301), 시간 카테고리(302), 접속 채널 점유율(307) 및 전송 속도 평균(308)는 AP 상태 정보로부터 추출된 정보이고, 데이터 사용자 움직임 편차 평균(303), 데이터 비사용자 움직임 편차 평균(304), 이동 거리 평균(305), AP 수신 신호 세기 편차(306)는 클라이언트 단말(110)의 피쳐 정보로부터 추출된 정보일 수 있다.
한편, 움직임에 대한 편차 평균(데이터 사용자 움직임 편차 평균(303) 및 데이터 비사용자 움직임 편차 평균(304))은 가속도 센서 수치 정보, 자이로 센서 수치 정보, 콤파스 센서 수치 정보에 기초하여, 계산된 것일 수 있다. 이동 거리 평균(305)은 가속도 센서 수치 정보를 적분하여 계산된 것일 수 있다. 혼잡도는 장소 카테고리(300)에 따라, 커피 전문점, 버스 터미널 등에서의 결제 통계 정보 및, 클라이언트 단말(110)의 수에 기초하여 계산된 것일 수 있다. 또한, 혼잡도는 교사 학습(Supervised Learning) 방법(예를 들어, SVM(Support Vector Machines), 신경망(Neural Networks), 로지스틱 회귀(Logistic Regression), 부스팅(Boosting) 등)을 통해, 도출될 수 있다.
다시 도 2로 돌아와서, 피쳐 테이블 구성부(220)는 주기적으로 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 피쳐 테이블을 구성할 수 있다.
도 3b는 혼잡도 예측을 위한 피쳐 테이블의 예시를 나타낸 도면이다.
도 3b를 참조하면, 피쳐 테이블은 실시간으로 수집된 피쳐 정보 및 AP 상태 정보를 저장한 테이블이다. 피쳐 테이블은 학습용 피쳐 테이블과 같은 카테고리로 구성되어 있다. 피쳐 테이블은 측정 시간(310), 장소 카테고리(311), 시간 카테고리(312), 데이터 사용자 움직임 편차 평균(313), 데이터 비사용자 움직임 편차 평균(314), 이동 거리 평균(315), AP 수신 신호 세기 편차(316), 접속 채널 점유율(317), 전송 속도 평균(318), 혼잡도(319) 항목을 포함하고 있다.
군중 혼잡도 예측 장치(120)는 학습용 피쳐 테이블을 통해, 혼잡도 예측 모델을 생성한 후에, 생성된 혼잡도 예측 모델과 피쳐 테이블(실시간 수집된 정보로 이루어진 테이블)을 이용하여 군중 혼잡도를 예측할 수 있다.
다시 도 2로 돌아와서, 혼잡도 예측 모델 생성부(230)는 학습용 피쳐 테이블을 이용하여 혼잡도 예측 모델을 생성할 수 있다. 이 때, 혼잡도 예측 모델 생성부(230)는 교사 학습 방식의 머신 러닝(Machine Learning)의 방법을 통해, 혼잡도 예측 모델을 생성할 수 있다. 여기서, 교사 학습을 위한 알고리즘에는 SVM, 신경망, 로지스틱 회귀, 부스팅 등의 알고리즘이 사용될 수 있다.
업데이트부(240)는 주기적으로 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 혼잡도 예측 모델을 업데이트할 수 있다.
군중 혼잡도 예측부(250)는 주기적으로 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 핫스팟 내의 군중 혼잡도를 예측할 수 있다. 예를 들어, 군중 혼잡도 예측부(250)는 기설정된 초단위에서 분단위 주기로 군중 혼잡도를 예측할 수 있다.
또한, 군중 혼잡도 예측부(250)는 혼잡도 예측 모델을 이용하여 군중 혼잡도를 예측할 수 있다.
혼잡도 정보 생성부(260)는 예측한 군중 혼잡도에 대해서, 혼잡도 정보를 생성할 수 있다. 예를 들어, 혼잡도 정보 생성부(260)는 한대의 지하철에 연결된 복수의 전동차 마다의 혼잡도 정보를 생성할 수 있다. 또한, 혼잡도 정보 생성부(260)는 버스 노선 상의 구간 마다, 혼잡도 정보를 생성할 수 있다. 또한, 혼잡도 정보 생성부(260)는 지도 상의 AP 장치(100)가 설치된 영역 마다, 혼잡도 정보를 생성할 수 있다.
전송부(260)는 혼잡도 정보를 사용자 단말(130)에게 전송할 수 있다.
DB(270)는 군중 혼잡도 예측 장치(120) 내부의 각 구성요소들 간에 입력 및 출력되는 데이터를 저장하고, 군중 혼잡도 예측 장치(120)와 군중 혼잡도 예측 장치(120) 외부의 구성요소들간에 입력 및 출력되는 데이터를 저장한다. 예를 들어, DB(270)는 수집된 피쳐 정보 및 AP 상태 정보를 저장할 수 있다. 또한, DB(270)는 피쳐 테이블 구성부(220)에 의해, 구성된 학습용 피쳐 테이블 및 피쳐 테이블을 저장할 수 있다. 또한, DB(270)는 혼잡도 예측 모델 생성부(230)에서 생성한 혼잡도 예측 모델을 저장할 수 있다. 이러한 DB(270)의 일 예에는 군중 혼잡도 예측 장치(120) 내부 또는 외부에 존재하는 하드디스크드라이브, ROM(Read Only Memory), RAM(Random Access Memory), 플래쉬메모리 및 메모리카드 등이 포함된다.
한편, 당업자라면, 피쳐 정보 수집부(200), AP 상태 정보 수집부(210), 피쳐 테이블 구성부(220), 혼잡도 예측 모델 생성부(230), 업데이트부(240), 군중 혼잡도 예측부(250), 혼잡도 정보 생성부(260), 전송부(270) 및 DB(280) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 4는 본 발명의 일 실시예에 따른, 도 1에 도시된 클라이언트 단말(110)의 세부 구성도이다.
도 4를 참조하면, 클라이언트 단말(110)은 접속부(400), 피쳐 정보 전송부(410), 혼잡도 정보 요청부(420), 표시부(430) 및 메모리(440)를 포함할 수 있다. 다만, 도 3에 도시된 클라이언트 단말(110)은 본 발명의 하나의 구현 예에 불과하며, 도 3에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다. 예를 들어, 클라이언트 단말(110)은 사용자로부터 어떤 명령 내지 정보를 입력 받기 위한 유저 인터페이스가 더 포함될 수 있다. 이 경우, 유저 인터페이스는 일반적으로, 버튼, 접촉 센서 등과 같은 입력 장치가 될 수도 있다.
접속부(400)는 핫스팟 내에 설치된 AP 장치(100)에 접속할 수 있다. 이후, 접속부(400)는 접속한 AP 장치(100)가 군중 혼잡도 정보 서비스를 제공하는 핫스팟 내의 AP 장치(100)에 해당하는지 확인할 수 있다.
피쳐 정보 전송부(410)는 군중 혼잡도 예측 장치(120)로부터 피쳐 정보에 대한 수집 요청을 받은 경우, AP 장치(100)를 통해 클라이언트 단말(110)의 피쳐 정보를 전송할 수 있다. 여기서, 피쳐 정보는 AP 장치(100)와의 데이터 송수신 중인 경우, 클라이언트 단말(110)의 움직임 정보를 포함할 수 있다. 또한, 피쳐 정보는 AP 장치(100)와의 데이터 송수신 중이 아닌 경우, 클라이언트 단말(110)의 움직임 정보를 포함할 수 있다. 또한, 피쳐 정보는 핫스팟 내, 클라이언트 단말(110)의 이동 거리 및 AP 장치(100)로부터의 수신 신호 세기 정보를 포함할 수 있다. 예를 들어, 피쳐 정보는 클라이언트 단말(110)의 인터넷 이용 유무, 가속도 센서 수치 정보, 자이로 센서 수치 정보, 콤파스 센서 수치 정보, 무선 AP 신호 세기 정보, 무선 AP 사용 채널 점유율 정보, 데이터 전송 속도, 수집 시간대, 수집 일자 등을 포함할 수 있다.
한편, 혼잡도 정보 요청부(420)는 군중 혼잡도 예측 장치(120)에게 혼잡도 정보를 요청할 수 있다. 예를 들어, 혼잡도 정보 요청부(420)는 특정 시간에 특정 노선의 지하철에 연결된 각각의 전동차에 대한 혼잡도 정보를 요청할 수 있다. 또한, 혼잡도 정보 요청부(420)는 버스 노선 상의 구간 마다, 해당 버스의 혼잡도 정보를 요청할 수 있다. 또한, 혼잡도 정보 요청부(420)는 지도상에서, AP 장치(100)가 설치된 영역(또는 도로)의 혼잡도 정보를 요청할 수 있다.
표시부(430)는 군중 혼잡도 예측 장치(120)로부터 혼잡도 정보를 수신하여 화면에 표시할 수 있다. 예를 들어, 표시부(430)는 지하철 도착 정보 제공 애플리케이션에 지하철 각 구간마다의 전동차 혼잡도 정보를 표시할 수 있다. 또한, 표시부(430)는 버스 도착 정보 애플리케이션에, 버스 노선 상 마다, 버스 내 혼잡도 정보를 표시할 수 있다. 또한, 표시부(430)는 AP 장치(100)가 설치된 영역 마다 혼잡도 정보를 지도상에 표시할 수 있다.
메모리(440)는 클라이언트 단말(110) 내부의 각 구성요소들 간에 입력 및 출력되는 데이터를 저장하고, 클라이언트 단말(110)과 클라이언트 단말(110) 외부의 구성요소들간에 입력 및 출력되는 데이터를 저장한다. 예를 들어, 메모리(440)는 군중 혼잡도 예측 장치(120)로부터 수신한 혼잡도 정보를 저장할 수 있다. 이러한 메모리(440)의 일 예에는 클라이언트 단말(110) 내부 또는 외부에 존재하는 ROM(Read Only Memory), RAM(Random Access Memory), 플래쉬메모리 및 메모리카드 등이 포함된다.
한편, 당업자라면, 접속부(400), 피쳐 정보 전송부(410), 혼잡도 정보 요청부(420), 표시부(430) 및 메모리(440) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 5a는 지하철 핫스팟 내 군중 혼잡도 정보 서비스를 설명하기 위한 도면이다.
지하철에 연결된 복수의 전동차(1~10) 각각에 AP 장치(100)가 설치되어 있다고 가정하면, 지하철 도착 정보 제공 애플리케이션(500)은 복수의 전동차(1~10)에 대한 혼잡도 정보(501 내지 510)를 전동차(1~10) 각각에 표시할 수 있다. 여기서, 혼잡도 정보(501 내지 510)는 승객들의 움직임 패턴(전동차에 탑승한 승객이 많고 적음에 따라 달라짐), AP 장치(100)의 신호 세기(전동차에 탑승한 승객이 많고 적음에 따라 달라짐), 시간 특성(출퇴근 시간이나 휴일 등)에 따라 영향을 받을 수 있다.
한편, 지하철의 이용자는 지하철 도착 정보 제공 애플리케이션을 통해, 열차의 도착 시간 정보(511)와, 열차의 혼잡도 정보(501 내지 510)를 보고, 탑승할 칸을 선택할 수 있다.
도 5b를 참조하면, 버스 핫스팟 내 군중 혼잡도 정보 서비스를 설명하기 위한 도면이다.
버스에 AP 장치(100)가 설치되어 있다고 가정하면, 버스 도착 시간 정보 애플리케이션(512)은 버스 아이콘(514) 옆에, 버스내 혼잡도 정보(513)를 추가하여 제공할 수 있다. 이 때, 군중 혼잡도 예측 장치(120)는 버스에 설치된 AP 장치(100)에 접속한 클라이언트 단말(110)로부터 피쳐 정보를 수집하고, 수집된 피쳐 정보를 통해, 버스가 얼마나 혼잡한 지를 예측할 수 있다.
한편, 버스와 같이 핫스팟의 범위가 좁은 지역일수록, 버스에 탑승한 사용자들의 특성이 더 잘 나타나므로, 혼잡도 정보의 정확도는 높아질 수 있다
도 5c를 참조하면, 핫스팟 내 군중 혼잡도 정보를 지도에 표시한 도면이다.
지도 애플리케이션(516)은 AP 장치(100)가 설치되어 무선 인터넷 제공이 가능한 핫스팟(518)의 위치(예를 들어, 커피 전문점)를 지도상에 표시하고, 핫스팟(518)을 표시한 위치 옆에, 혼잡도 정보(519)도 같이 표시하여 제공할 수 있다.
도 6은 본 발명의 일 실시예에 따른, 핫스팟 내 군중 혼잡도를 예측하는 방법의 일예를 도시한 순서도이다.
도 6에 도시된 실시예에 따른 군중 혼잡도 예측 방법은 도 1 내지 도 5c에 도시된 실시예에 따른 AP 장치(100), 클라이언트 단말(110), 군중 혼잡도 예측 장치(120) 및, 사용자 단말(130)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 5c의 AP 장치(100), 클라이언트 단말(110), 군중 혼잡도 예측 장치(120) 및, 사용자 단말(130)에 관하여 기술된 내용은 도 6에 도시된 실시예에 따른 군중 혼잡도 예측 방법에도 적용될 수 있다.
도 6을 참조하면, 단계 S601에서 군중 혼잡도 예측 장치(120)는 핫스팟 내에 설치된 AP 장치(100)를 통해 적어도 하나의 클라이언트 단말(110)의 피쳐 정보를 수집할 수 있다. 여기서, 피쳐 정보는 클라이언트 단말(110)이 AP 장치(100)로부터 데이터를 송수신 중인 경우, 클라이언트 단말(110)의 움직임 정보를 포함할 수 있다. 또한, 피쳐 정보는 클라이언트 단말(110)이 AP 장치(100)로부터 데이터를 송수신 중이 아닌 경우, 클라이언트 단말(110)의 움직임 정보를 포함할 수 있다. 또한, 피쳐 정보는 클라이언트 단말(110)의 이동 거리 및 AP 장치(100)로부터의 수신 신호 세기 중 하나 이상을 포함할 수 있다.
단계 S603에서 군중 혼잡도 예측 장치(120)는 AP 장치(100)로부터 AP 상태 정보를 수집할 수 있다. 여기서, AP 상태 정보는 AP 장치(100)의 장소, 시간, 접속 채널 점유율 및 전송 속도 평균 중 하나 이상을 포함할 수 있다.
단계 S605에서 군중 혼잡도 예측 장치(120)는 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 핫스팟 내의 군중 혼잡도를 예측할 수 있다.
단계 S607에서 군중 혼잡도 예측 장치(120)는 단계 S605에서 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하여 사용자 단말(130)에게 전송할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계(S605) 이전에, 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 피쳐 테이블을 구성하는 단계(미도시)를 더 포함할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계(S605) 이전에, 피쳐 테이블을 이용하여 혼잡도 예측 모델을 생성하는 단계(미도시)를 더 포함할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계(S605) 이전에, 교사 학습 방식의 머신 러닝의 방법을 통해, 혼잡도 예측 모델을 생성하는 단계(미도시)를 더 포함할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계 (S605)에서, 군중 혼잡도 예측 장치(120)는 혼잡도 예측 모델을 이용하여 군중 혼잡도를 예측하는 단계(미도시)를 더 포함할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계(S605) 이후에, 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 혼잡도 예측 모델을 업데이트하는 단계(미도시)를 더 포함할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계(S601) 이전에, 클라이언트 단말(110)이 AP 장치(100)에 접속하는 경우, 클라이언트 단말(110)이 피쳐 정보의 수집 대상 단말인지 확인하는 단계(미도시)를 더 포함할 수 있다.
도 6에는 도시되지 않았으나, 군중 혼잡도 예측 방법은 단계(S601) 이전에, 클라이언트 단말(110)이 피쳐 정보의 수집 대상 단말인 경우, 클라이언트 단말(110)에게 피쳐 정보의 수집을 요청하는 단계(미도시)를 더 포함할 수 있다.
상술한 설명에서, 단계 S601 내지 S607은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: AP 장치
110: 클라이언트 단말
120: 군중 혼잡도 예측 장치
130: 사용자 단말

Claims (20)

  1. 핫스팟 내 군중 혼잡도를 예측하는 방법에 있어서,
    상기 핫스팟 내에 설치된 AP(access point) 장치를 통해 적어도 하나의 클라이언트 단말의 피쳐(feature) 정보를 수집하는 단계;
    상기 AP 장치로부터 AP 상태 정보를 수집하는 단계;
    상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 상기 핫스팟 내의 군중 혼잡도를 예측하는 단계; 및
    상기 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하여 사용자 단말로 전송하는 단계
    를 포함하는 군중 혼잡도 예측 방법.
  2. 제 1 항에 있어서,
    상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 학습용 피쳐 테이블을 구성하는 단계; 및
    상기 구성된 학습용 피쳐 테이블을 이용하여 혼잡도 예측 모델을 생성하는 단계
    를 더 포함하는, 군중 혼잡도 예측 방법.
  3. 제 2 항에 있어서,
    상기 핫스팟 내의 군중 혼잡도를 예측하는 단계는,
    상기 생성된 혼잡도 예측 모델을 이용하여 상기 군중 혼잡도를 예측하는 것인, 군중 혼잡도 예측 방법.
  4. 제 2 항에 있어서,
    상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 상기 혼잡도 예측 모델을 업데이트 하는 단계를 더 포함하는, 군중 혼잡도 예측 방법.
  5. 제 2 항에 있어서,
    상기 혼잡도 예측 모델을 생성하는 단계는
    교사 학습(Supervised Learning) 방식의 머신 러닝(Machine Learning)의 방법을 통해, 상기 혼잡도 예측 모델을 생성하는 것인, 군중 혼잡도 예측 방법.
  6. 제 1 항에 있어서,
    상기 클라이언트 단말의 피쳐 정보를 수집하는 단계 이전에,
    상기 클라이언트 단말이 상기 AP 장치에 접속하는 경우, 상기 클라이언트 단말이 상기 피쳐 정보의 수집 대상 단말인지 확인하는 단계;
    상기 클라이언트 단말이 상기 피쳐 정보의 수집 대상 단말인 경우, 상기 클라이언트 단말에게 피쳐 정보의 수집을 요청하는 단계를 더 포함하는, 군중 혼잡도 예측 방법.
  7. 제 1 항에 있어서,
    상기 피쳐 정보는 상기 클라이언트 단말이 상기 AP 장치로부터 데이터를 송수신 중인 경우의 움직임 정보를 포함하는 것인, 군중 혼잡도 예측 방법.
  8. 제 1 항에 있어서,
    상기 피쳐 정보는 상기 클라이언트 단말이 상기 AP 장치로부터 데이터를 송수신 중이 아닌 경우의 움직임 정보를 포함하는 것인, 군중 혼잡도 예측 방법.
  9. 제 1 항에 있어서,
    상기 피쳐 정보는 상기 클라이언트 단말의 이동 거리 및 상기 AP 장치로부터의 수신 신호 세기 중 하나 이상을 포함하는 것인, 군중 혼잡도 예측 방법.
  10. 제 1 항에 있어서,
    상기 AP 상태 정보는 상기 AP 장치의 장소, 시간, 접속 채널 점유율 및 전송 속도 평균 중 하나 이상을 포함하는 것인, 군중 혼잡도 예측 방법.
  11. 핫스팟 내 군중 혼잡도를 예측하는 장치에 있어서,
    상기 핫스팟 내에 설치된 AP 장치를 통해 적어도 하나의 클라이언트 단말의 피쳐 정보를 수집하는 피쳐 정보 수집부;
    상기 AP 장치로부터 AP 상태 정보를 수집하는 AP 상태 정보 수집부;
    상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 상기 핫스팟 내의 군중 혼잡도를 예측하는 군중 혼잡도 예측부;
    상기 예측한 군중 혼잡도에 대한 혼잡도 정보를 생성하는 혼잡도 정보 생성부; 및
    상기 혼잡도 정보를 사용자 단말로 전송하는 전송부
    를 포함하는 군중 혼잡도 예측 장치.
  12. 제 11 항에 있어서,
    상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 학습용 피쳐 테이블을 구성하는 피쳐 테이블 구성부; 및
    상기 구성된 학습용 피쳐 테이블을 이용하여 혼잡도 예측 모델을 생성하는 혼잡도 예측 모델 생성부
    를 더 포함하는, 군중 혼잡도 예측 장치.
  13. 제 12 항에 있어서,
    상기 군중 혼잡도 예측부는 상기 생성된 혼잡도 예측 모델을 이용하여 상기 군중 혼잡도를 예측하는 것인, 군중 혼잡도 예측 장치.
  14. 제 12 항에 있어서,
    상기 수집된 피쳐 정보 및 AP 상태 정보에 기초하여, 상기 혼잡도 예측 모델을 업데이트하는 업데이트부를 더 포함하는, 군중 혼잡도 예측 장치.
  15. 제 12 항에 있어서,
    상기 혼잡도 예측 모델 생성부는 교사 학습 방식의 머신 러닝의 방법을 통해, 상기 혼잡도 예측 모델을 생성하는 것인, 군중 혼잡도 예측 장치.
  16. 핫스팟 내 혼잡도 정보를 제공받는 클라이언트 단말에 있어서,
    상기 핫스팟 내에 설치된 AP 장치에 접속하는 접속부;
    상기 AP 장치를 통해 피쳐 정보를 전송하는 피쳐 정보 전송부;
    군중 혼잡도 예측 장치에게 혼잡도 정보를 요청하는 혼잡도 정보 요청부; 및
    상기 군중 혼잡도 예측 장치로부터 혼잡도 정보를 수신하여 화면에 표시하는 표시부
    를 포함하는 클라이언트 단말.
  17. 제 16 항에 있어서,
    상기 피쳐 정보는 상기 AP 장치와의 데이터 송수신 중인 경우의 움직임 정보를 포함하는 것인, 클라이언트 단말.
  18. 제 16 항에 있어서,
    상기 혼잡도 정보는 한대의 지하철에 연결된 복수의 전동차 마다의 혼잡도 정보를 포함하는 것인, 클라이언트 단말.
  19. 제 16 항에 있어서,
    상기 혼잡도 정보는 버스 노선 상의 구간 마다의 혼잡도 정보를 포함하는 것인, 클라이언트 단말.
  20. 제 16 항에 있어서,
    상기 혼잡도 정보는 지도 상의 AP 장치가 설치된 영역 마다의 혼잡도 정보를 포함하는 것인, 클라이언트 단말.
KR1020140188457A 2014-12-24 2014-12-24 군중 혼잡도를 예측하는 방법, 장치 및 단말 KR20160077932A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140188457A KR20160077932A (ko) 2014-12-24 2014-12-24 군중 혼잡도를 예측하는 방법, 장치 및 단말

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140188457A KR20160077932A (ko) 2014-12-24 2014-12-24 군중 혼잡도를 예측하는 방법, 장치 및 단말

Publications (1)

Publication Number Publication Date
KR20160077932A true KR20160077932A (ko) 2016-07-04

Family

ID=56501318

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140188457A KR20160077932A (ko) 2014-12-24 2014-12-24 군중 혼잡도를 예측하는 방법, 장치 및 단말

Country Status (1)

Country Link
KR (1) KR20160077932A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190066911A (ko) * 2017-12-06 2019-06-14 국민대학교산학협력단 공간 혼잡도 산출 장치 및 방법, 이를 기록한 기록매체
US10623994B2 (en) 2018-02-22 2020-04-14 Cisco Technology, Inc. Flash crowd detection and responsive network management
CN111429185A (zh) * 2020-03-27 2020-07-17 京东城市(北京)数字科技有限公司 人群画像预测方法、装置、设备及存储介质
KR20210039050A (ko) 2019-10-01 2021-04-09 주식회사 넥스트케이 지역내 이벤트감지장치 및 그 장치의 구동방법
WO2022196575A1 (ja) * 2021-03-19 2022-09-22 智義 早川 混雑度推定装置、混雑度推定システム、混雑度推定プログラム及び学習方法
JP2022145435A (ja) * 2021-03-19 2022-10-04 智義 早川 混雑度推定装置、混雑度推定システム、混雑度推定プログラム及び学習方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190066911A (ko) * 2017-12-06 2019-06-14 국민대학교산학협력단 공간 혼잡도 산출 장치 및 방법, 이를 기록한 기록매체
US10623994B2 (en) 2018-02-22 2020-04-14 Cisco Technology, Inc. Flash crowd detection and responsive network management
KR20210039050A (ko) 2019-10-01 2021-04-09 주식회사 넥스트케이 지역내 이벤트감지장치 및 그 장치의 구동방법
CN111429185A (zh) * 2020-03-27 2020-07-17 京东城市(北京)数字科技有限公司 人群画像预测方法、装置、设备及存储介质
CN111429185B (zh) * 2020-03-27 2023-06-02 京东城市(北京)数字科技有限公司 人群画像预测方法、装置、设备及存储介质
WO2022196575A1 (ja) * 2021-03-19 2022-09-22 智義 早川 混雑度推定装置、混雑度推定システム、混雑度推定プログラム及び学習方法
JP2022145435A (ja) * 2021-03-19 2022-10-04 智義 早川 混雑度推定装置、混雑度推定システム、混雑度推定プログラム及び学習方法

Similar Documents

Publication Publication Date Title
US11490348B2 (en) Signal quality database
US20210273857A1 (en) Method and system for virtual network emulation and self-organizing network control using deep generative models
KR20160077932A (ko) 군중 혼잡도를 예측하는 방법, 장치 및 단말
Handte et al. Crowd Density Estimation for Public Transport Vehicles.
Araghi et al. Reliability of bluetooth technology for travel time estimation
CN110463061A (zh) 基于波束的系统中的测量报告增强
Barsocchi et al. COVID-19 & privacy: Enhancing of indoor localization architectures towards effective social distancing
US20160345163A1 (en) Location services with multiple devices
US20170111760A1 (en) Utilizing mobile wireless devices to analyze movement of crowds
CN103906226A (zh) 邻近终端发现方法、装置、终端和服务器
US11887137B2 (en) Using digital traffic data for analysis
Hasan et al. Intelligent transportation systems: 802.11-based Vehicular Communications
US9392409B2 (en) Method and system for wireless local area network proximity recognition
Seymer et al. Secure outdoor smart parking using dual mode bluetooth mesh networks
US8538463B2 (en) Apparatus and method for providing communication quality information
US9185542B1 (en) System and method for measuring the quantity, type and transmission quality of mobile communication devices within a defined geographical area
Utsch et al. Monitoring microscopic pedestrian mobility using bluetooth
Ramm et al. Mobile positioning for traffic state acquisition
US9253672B1 (en) System and method for measuring the quantity, type and transmission quality of mobile communication devices within a defined geographical area
Júnior et al. A decentralized traffic monitoring system based on vehicle-to-infrastructure communications
CN108243087A (zh) 一种分享方法、系统及服务器
Behrisch et al. Modelling Bluetooth inquiry for SUMO
KR20160073622A (ko) 분실물 위치 제공 방법, 단말 및 컴퓨터 프로그램
US20190158202A1 (en) Determining positions of beacon devices
Martin et al. Forecasting mobile transmission reliability using crowd-sourced cellular coverage data

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination