KR20180003831A - 위치 정보를 이용하여 서비스 차량의 배차를 관리하는 장치 및 방법 - Google Patents
위치 정보를 이용하여 서비스 차량의 배차를 관리하는 장치 및 방법 Download PDFInfo
- Publication number
- KR20180003831A KR20180003831A KR1020160083473A KR20160083473A KR20180003831A KR 20180003831 A KR20180003831 A KR 20180003831A KR 1020160083473 A KR1020160083473 A KR 1020160083473A KR 20160083473 A KR20160083473 A KR 20160083473A KR 20180003831 A KR20180003831 A KR 20180003831A
- Authority
- KR
- South Korea
- Prior art keywords
- service
- occurrence
- region
- service request
- vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000001939 inductive effect Effects 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 230000029305 taxis Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009662 stress testing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 위치 정보를 이용하여 서비스 차량의 배차를 관리하는 기술에 관한 것으로, 관제 시스템이 서비스 차량의 배차를 관리하는 방법은, 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하고, 서비스 요청의 발생 패턴에 기초하여 일정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하고, 복수의 서비스 차량으로부터 각각 위치 정보를 수신하며, 예측된 지역별 서비스 요청의 발생 정도 및 수신된 위치 정보를 이용하여 서비스 차량에게 배차를 유도한다.
Description
본 발명은 택시나 택배 차량과 같이 사용자의 요청에 대응하여 서비스 차량을 서비스 요청지에 위치시키는 배차 기술에 관한 것으로, 보다 상세하게는 서비스 차량에 구비된 GPS(Global Positioning System) 수신기 등의 위치 식별 수단을 이용하여 자신의 위치를 특정한 후 이를 관제 시스템에 제공함으로써 관제 시스템으로 하여금 서비스 차량의 현재 위치에 기반하여 배차하도록 하는 관리 장치, 방법 및 그 방법을 기록한 기록매체에 관한 것이다.
측위 기술의 발전에 더불어 스마트폰이나 차량 내 내비게이션 등에 탑재된 GPS 수신기가 널리 보급되게 되었다. 이로부터 택시나 택배 차량과 같이 이동을 전제로 하는 서비스 차량의 배차 방식에도 많은 변화가 있었다. 이 중 하나가 GPS 택시 관제 시스템이다.
GPS 택시 관제 시스템이란, 택시에 구비된 GPS 수신기를 이용하여 GPS 위성으로부터 차량의 위치를 확인하고, 관제 시스템이 차량의 위치를 수집하여 지도 상에 운행 또는 대기 중인 택시의 위치를 표시하여 택시 배차에 활용하는 기술이다. 현재, 시도 자치단체에서는 구역 내의 공영 버스의 위치를 실시간으로 확인할 수 있는 관제 시스템을 갖추고 있으며, 택시의 경우에는 택시 기사의 휴대폰에 구비된 GPS 수신기를 이용하여 차량의 위치를 특정하고, 특정된 위치를 이용하여 택시 호출을 요청하는 사용자와 인접한 택시의 배정을 유도하는 서비스가 개시되었다.
그러나, 이러한 종래의 GPS 차량 관제 시스템의 경우, 현재의 차량 위치나 배차 요청을 파악하여 처리하는 방식에 집중하고 있을 뿐, 사용자의 배차 요청에 대한 차량의 수급 예측에 관하여는 고려하고 있는 바가 전혀 없다.
본 발명이 해결하고자 하는 기술적 과제는, 종래의 GPS 기반의 차량 배차 기술이 현재의 차량 위치를 파악하거나 현재 발생한 배차 요청만을 파악하고 이로부터 배차하고 있는 관계로 차량의 공급이 부족한 경우에 발생할 수 있는 배차 문제를 경감시키고, 배차 요청의 변화에 능동적으로 대응하지 못하는 한계를 극복하고자 한다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 관제 시스템이 서비스 차량의 배차를 관리하는 방법은, 관제 시스템이 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하는 단계; 상기 관제 시스템이 상기 서비스 요청의 발생 패턴에 기초하여 소정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하는 단계; 상기 관제 시스템이 복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 단계; 및 상기 관제 시스템이 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도하는 단계를 포함한다.
일 실시예에 따른 서비스 차량의 배차 관리 방법에서, 상기 지역별 서비스 요청의 발생 정도를 예측하는 단계는, 입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하는 단계; 및 생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력하는 단계를 포함할 수 있다.
일 실시예에 따른 서비스 차량의 배차 관리 방법에서, 상기 지역별 서비스 요청의 발생 정도를 예측하는 단계는, 입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하는 단계; 및 추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론하는 단계를 포함할 수 있다. 이때, 상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고, 상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것이 바람직하다.
일 실시예에 따른 서비스 차량의 배차 관리 방법에서, 상기 서비스 차량에게 배차를 유도하는 단계는, 수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하는 단계; 예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하는 단계; 및 비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송하는 단계를 포함한다.
비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송할 수 있다.
또한, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송할 수 있다.
나아가, 서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송할 수 있다.
한편, 이하에서는 상기 기재된 서비스 차량의 배차 관리 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 장치는, 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하여 저장하는 데이터베이스; 복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 수신부; 및 저장된 상기 서비스 요청의 발생 패턴에 기초하여 소정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하고, 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도하는 처리부를 포함한다.
일 실시예에 따른 서비스 차량의 배차 관리 장치에서, 상기 처리부는, 입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하고, 생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력할 수 있다.
일 실시예에 따른 서비스 차량의 배차 관리 장치에서, 상기 처리부는, 입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하고, 추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론할 수 있다. 이때, 상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고, 상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것이 바람직하다.
일 실시예에 따른 서비스 차량의 배차 관리 장치에서, 상기 처리부는, 수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하고, 예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하며, 비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송함으로써, 상기 서비스 차량에게 배차를 유도할 수 있다.
여기서, 상기 처리부는, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송할 수 있다.
또한, 상기 처리부는, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송할 수 있다.
나아가, 상기 처리부는, 서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송할 수 있다.
본 발명의 실시예들은, 지역별 택시 호출의 수를 예측하여 택시 기사들에게 제공함으로써, 미리 해당 지역의 택시 호출의 증감을 예측하여 해당 지역의 택시 기사들에게 영업 지역을 권고 및 유도함으로써, 이후 택시 호출이 발생한 경우 더욱 즉각적인 배차를 가능하게 하므로, 택시의 운행 편의성 증진과 수익률 증대를 기대할 수 있다.
도 1은 택시 관제 시스템을 통한 택시 호출을 처리하는 방법을 설명하기 위한 예시도이다.
도 2는 운행 경로에 따라 택시 호출 또는 배차에 차이가 발생하게 되는 상황을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 방법을 도시한 흐름도이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 도 3의 배차 관리 방법에서 지역별 서비스 요청의 발생 정도를 예측하는 과정에 대한 구현예를 도시한 흐름도이다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 도 3의 배차 관리 방법에서 서비스 차량에게 배차를 유도하는 과정에 대한 다양한 구현예를 도시한 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 장치를 도시한 블록도이다.
도 2는 운행 경로에 따라 택시 호출 또는 배차에 차이가 발생하게 되는 상황을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 방법을 도시한 흐름도이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 도 3의 배차 관리 방법에서 지역별 서비스 요청의 발생 정도를 예측하는 과정에 대한 구현예를 도시한 흐름도이다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 도 3의 배차 관리 방법에서 서비스 차량에게 배차를 유도하는 과정에 대한 다양한 구현예를 도시한 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 장치를 도시한 블록도이다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 구체적으로 설명하도록 한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 덧붙여, 명세서 전체에서, 어떤 구성 요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
특별히 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
한편, 이하에서는 서비스 차량의 예로서 '택시'를 가정하였으며, 서비스 요청은 '택시 호출'이고, 제공되는 서비스는 '택시 배차에 따른 운송 서비스'를 나타낸다. 비록, 설명의 편의를 위해 '택시 호출'과 관련한 상황을 전제로 하였으나, 본 발명의 실시예들이 택시 운송 서비스에 한정되는 것은 아니며, 이동과 호출을 전제로 한 차량 제공 서비스에 널리 적용될 수 있음은 당연하다.
도 1은 택시 관제 시스템을 통한 택시 호출을 처리하는 방법을 설명하기 위한 예시도이다.
GPS 측위에 기반한 택시 호출 서비스에서는, 우선 택시 기사가 기사용 어플리케이션을 구동시키고 호출(콜)을 대기하고 있으면, 일정한 시간마다 어플리케이션에서 GPS 정보를 관제 시스템(서버)으로 전송한다. 관제 시스템에서는 이러한 정보를 수신하여 데이터베이스에 로그(log)로 저장한 후, 차량 위치 정보 요청에 대응하여 가장 최신 위치 정보를 취합하여 택시가 현재 어디에 위치하고 있는지 지도에 표시함으로써, 관리자로 하여금 자사의 전체 택시들의 위치를 확인하고 이를 관리할 수 있도록 돕는다. 이러한 위치 업데이트를 통해 택시 회사는 택시의 위치와 운행 정보를 알 수 있고, 목표 지점 주변에 있는 택시를 호출하여 택시 기사와 승객을 연결하거나 택시 기사들끼리 소통할 수 있게 함으로써 편리하고 즉각적인 택시 업무를 가능하게 한다는 장점을 갖는다.
도 1을 참조하면, 현재 사용자의 택시 호출이 발생한 위치를 중심으로 일정 거리 내에 위치한 택시와 이격 거리를 지도 상에 표시하였으며, 이중 가장 인접하여 위치한 택시를 배정할 수 있음을 예시하고 있다.
한편, 공항 택시는 목적과 서비스 이용객이 뚜렷하고 일반 택시와는 달리 짐을 많이 실을 수 있는 넓은 트렁크 공간이 요구되는 등의 특징을 갖는다. 이러한 특징 때문에 공항 택시는 서비스를 원하는 사용자가 쉽고 빠르게 이용할 수 있도록 사용자가 원하는 출발지에 정확히 배차되는 것이 중요하다.
도 2는 운행 경로에 따라 택시 호출 또는 배차에 차이가 발생하게 되는 상황을 설명하기 위한 도면으로서, 크게 사용자가 공항으로부터 도착지로 이동하는 경로(A)와 출발지로부터 공항으로 이동하는 경로(B)로 구분될 수 있다. 이들 두 가지 경로에 따라 택시 배차에 다소 차이점이 존재한다.
예를 들어, 공항과 서울을 연계하는 택시를 가정하면 "공항→시내"의 경로(A)에 해당하는 개념이 강했으며, 통상적으로 공항의 택시 대기열에서 택시에 탑승하거나 택시 호출을 통해 대기중인 택시에 배정받게 된다. 이러한 이동 경로(A)를 살펴보면, 출발지가 공항이라는 점이 명확하고, 대기 수요가 꾸준하므로 택시 배차 내지 공급에 어려움이 적다. 특히, 공항 이용 고객들의 트래픽을 확보하기 위해서는 고객의 호출이 접수되었을 때 고객이 원하는 위치에 정확하고 신속하게 택시를 배차시켜 주어야만 하며, 공항과 같이 승객의 출발지가 고정되어 있는 경우 이러한 배차가 용이하다.
이에 반해, "시내→공항"의 경로(B)에 해당하는 경우, 서비스 이용객으로부터 접수되는 트래픽(택시 호출을 의미한다)에 효율적으로 대처하는 것이 어렵다. 첫 번째 문제점은 승객의 출발지가 고정되어 있지 않다는 점이다. 택시 서비스의 가장 큰 특징은 "door-to-door", 즉 자신이 머무르던 장소에서 곧바로 목적지로 이동한다는 것이다. 관광지, 숙소, 집, 면세점, 음식점 등 승객의 숫자만큼이나 그 출발지는 다양할 수밖에 없는데, 사용자의 택시 호출이 발생하더라고 그 인근에 반드시 대기중인 택시가 존재한다는 보장이 없다. 또한, 금요일 늦은 저녁의 번화가와 같이 택시 수요가 매우 많이 발생하는 경우에도 택시 수급에 어려움이 발생할 수 있다. 두 번째 문제점은 택시 기사가 자신의 현재 위치에 대한 정보를 보유하지 못한다는 점이다. 과거에는 승객의 호출에 대해 무전기로 대응하는 방식이었으며, 호출 요청을 받으면 택시 회사에서 무전기를 통해 일괄적으로 승객에게 전달하고, 배정을 희망하는 기사들이 다시 무전기로 회사에 회신하여 "승객-회사-기사" 간의 콜 매칭을 진행하였다. 기술의 발전에 따라 택시 기사들의 현재 위치 및 운행 정보가 GPS 정보로 가공되어 제공되었으나, 여전히 서울시(한국스마트카드)와 일부 운영회사만이 독점적으로 보유를 하게 되었다.
이와 같은 상황과 관제 시스템으로는, 승객의 탑승 희망 장소에 따라 온-디멘드(on-demand) 방식의 즉시 기사 배차는 불가능한데, 실시간으로 택시 기사의 지정이 유동적으로 이뤄져야 하기 때문이다. 현재의 공항 택시 배차 방식, 즉 최소 3~5시간 이전에 승객의 택시 탑승 요청을 받아 운행을 하는 배차 시스템에서 벗어나 더욱 진보한 서비스를 이룩하기 위해서는, 택시 기사가 승객의 호출이 들어온 시점에 어느 지점에 위치하고 있는지를 파악하고, 나아가 일정 시간 이후의 택시 호출 요청의 변화를 미리 예측할 수 있는 배차 시스템이 반드시 필요하다.
이하에서 기술되는 본 발명의 실시예들은 이러한 문제 인식에서 안출된 것으로, 특히 지역별 택시 호출의 수를 예측하여, 예측된 수와 해당 지역의 택시의 수를 비교하여 영업 지역을 권고하는 능동적이 배차를 도모한다.
도 3은 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 방법을 도시한 흐름도이다.
S310 단계에서, 관제 시스템은 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출한다. 이러한 통계 데이터 내에는 지역, 지역 내의 인접한 특징적인 시설물, 날짜 정보(요일, 공휴일 여부, 연휴 여부), 시간 정보를 포함하되, 패턴 분석을 위한 요소들 간의 상관도를 부가할 수 있는 것이 바람직하다.
S320 단계에서, 상기 관제 시스템은 상기 서비스 요청의 발생 패턴에 기초하여 일정 시간 후의 지역별 서비스 요청의 발생 정도를 예측한다. 즉, 앞서 수집된 통계 데이터로부터 추출된 서비스 요청의 발생 패턴을 참조하여 해당 지역의 유사한 패턴을 독출함으로써 예측의 근거로 삼는다. 이러한 패턴은 '지역'과 '날짜 정보' 또는 '시간 정보'가 개별적으로 또는 이들이 결합된 하나의 집합(set)으로 처리될 수 있다. 이때, 다수의 통계로부터 서비스 요청의 발생 수가 임계치 이상인 경우만을 선별하여 패턴을 분석하는 것이 서비스 차량의 배차의 관점에서 바람직하다.
S330 단계에서, 상기 관제 시스템은 복수의 서비스 차량으로부터 각각 위치 정보를 수신한다. 이 과정을 통해 관제 시스템은 현재 운행중인 서비스 차량의 분포 정도와 지역별 차량의 가용 대수를 파악할 수 있다.
S340 단계에서, 상기 관제 시스템은 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도한다. 이때, 관제 시스템은 실시간 배정뿐만 아니라 일정 시간 이후의 서비스 호출의 가능성(확률이나 예상 건수) 정보를 함께 제공받음으로써, 보다 능동적으로 대기 내지 주행 경로의 선택이 가능하다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 도 3의 배차 관리 방법에서 지역별 서비스 요청의 발생 정도를 예측하는 과정(S320)에 대한 구현예를 도시한 흐름도로서, 각각을 순차적으로 설명한다.
도 4는, 서비스 요청의 발생 정도를 예측함에 있어서, 인공지능을 통한 예상 승객수와 현재의 차량 수 비교하는 기법을 제안하고 있다.
이를 위해, 머신 러닝(machine learning)을 통해 인공 신경망을 구축하는 방식이 활용 가능하다. 구현의 관점에서, 발생한 트래픽 누적을 통해 기초 정보를 형성하는데, 한번 쌓이기 시작한 정보는 지속적인 누적과 업데이트를 통해 정확도 개선을 구축한다. 1차적으로 저장된 정보를 실제 트래픽 발생량과 비교하여 정확성 여부를 판별하고, 사실로 판명된 정보에 높은 가중치를 주고 그렇지 않은 정보에는 낮은 가중치를 부여하여 평균값를 도출할 수 있다. 이와 같은 방식으로 점차 고차원의 정보를 도출해내며, 정확도가 높은 정보를 우선적으로 선별하여 택시 기사의 영업을 위한 데이터로 활용할 수 있다.
도 4를 참조하여 지역별 서비스 요청의 발생 정도를 예측하는 과정(S320)을 살펴보면, S321 단계를 통해 입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하고, S322 단계를 통해 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력하게 된다.
다음으로, 도 5는 서비스 요청의 발생 패턴으로부터 개별 요인들간의 상관도를 참조하여 서비스 요청의 발생 정도를 도출하는 기법을 제안하고 있다.
도 5를 참조하여 지역별 서비스 요청의 발생 정도를 예측하는 과정(S320)을 살펴보면, S323 단계를 통해 입력된 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하고 S324 단계를 통해 추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론한다. 이때, 상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고, 상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것이 바람직하다.
시설물 특성으로부터 서비스 요청의 발생 확률이 높은 특정 지역인지를 판단할 수 있으며, 시간 특성으로부터 서비스 요청의 발생 확률이 높은 특정 시간 대인지 여부를 판단할 수 있다. 따라서, 이러한 추론 과정을 통해 종래의 통계로부터 서비스 요청의 발생 확률이 높은 패턴을 도출하여 이후 배차에 활용할 수 있다. 예를 들어, 토요일 오전은 대형 병원의 입원 환자들의 퇴원이 집중되는 때이며, 이상의 패턴 도출 과정을 통해 택시 배차 호출이 다수 발생하였음이 추론되었다면, 미리 해당 지역의 해당 시간에 다수의 택시가 인근 지역에서 대기할 수 있도록 택시 기사들에게 예측 정보를 제공하는 것이 가능하다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 도 3의 배차 관리 방법에서 서비스 차량에게 배차를 유도하는 과정에 대한 다양한 구현예를 도시한 흐름도로서, 각각을 순차적으로 설명한다.
S341 단계에서, 관제 시스템은 S330 단계를 통해 서비스 차량으로부터 수신된 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출한다.
S342 단계에서, 상기 관제 시스템은 앞서 예측된 상기 지역별 서비스 요청의 발생 정도와 S341 단계를 통해 산출된 상기 가용 서비스 차량의 수를 비교한다.
S343 단계에서, 상기 관제 시스템은 비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송한다. 도 7을 참조하면, 비교 결과에 따라 안내 메시지 발송을 처리하는 방식을 서로 상이하게 구성한 예를 확인할 수 있다.
첫째, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, S343a 단계를 진행한다. S343a 단계에서는, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송하는 것이 바람직하다.
둘째, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우(또는 같은 경우를 포함할 수 있다), S343b 단계로 진행한다. S343b 단계에서는, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 인접한 서비스 차량에게 전송하는 것이 바람직하다. 차량 배정에 관한 불필요한 경합을 피할 수 있기 때문이다.
한편, 서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송할 수도 있다. 이러한 처리 방식은 현재 대기중이 아닌 운행중인 차량을 대상으로 한 것으로, 현재의 운행을 마칠 시점에 연속하여 빠른 배차를 가능하게 한다.
도 8은 본 발명의 일 실시예에 따른 서비스 차량의 배차 관리 장치(10)를 도시한 블록도로서, 서비스 차량(20)에는 각각 자신의 현재 위치를 특정할 수 있는 측위 수단, 예를 들어 GPS 수신기(21)가 구비되어 있다고 것을 전제로 한다.
도 8은, 앞서 설명한 도 3의 각 과정을 하드웨어 장치간의 관계를 중심으로 기술한 것으로, 설명의 중복을 피하기 위해 여기서는 배차 관리 장치/관제 시스템(10)의 각 구성요소의 기능만을 약술하도록 한다.
데이터베이스(11)는, 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하여 저장하는 수단이다.
수신부(13)는, 복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 수단으로서, 통상적인 무선 데이터 송수신 장치로 구현될 수 있다.
처리부(15)는, 데이터베이스(11)에 저장된 상기 서비스 요청의 발생 패턴에 기초하여 일정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하고, 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도한다.
이를 위해, 처리부(15)는, 입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하고, 생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력할 수 있다.
또는, 처리부(15)는, 입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하고, 추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론할 수 있다. 이때, 상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고, 상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것이 바람직하다.
한편, 서비스 차량에게 배차를 유도하는 방식에 있어서, 처리부(15)는, 수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하고, 예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하며, 비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송함으로써, 상기 서비스 차량에게 배차를 유도할 수 있다.
이러한 예측값과 가용 차량수를 비교함에 있어서, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 처리부(15)는, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송할 수 있다.
이와는 달리, 비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우(또는 같은 경우를 포함할 수 있다), 처리부(15)는, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송할 수 있다.
나아가, 처리부(15)는, 서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송할 수도 있다.
이상에서 기술된 본 발명의 실시예들은 프로토타입(prototype) 소프트웨어로 구현되었으며, 이에 채용된 요소 기술은 다음과 같다.
(1) 택시 기사를 위한 앱(App)
택시에 구비되는 단말기 또는 택시 기사가 휴대하는 스마트폰에 설치되는 소프트웨어로서, 네이티브 언어에 포함되어 있는 위치기반 서비스를 이용하여 API 서버에 위치 정보를 전송한다. 안드로이드와 IOS에서 제공하는 향상된 위치기반 API를 사용하여 현재 위치의 정확도를 향상시킬 수 있다.
(2) 소켓 기반 실시간 API 서버
택시 기사의 단말기/스마트폰, 그리고 사용자의 스마트폰과 무선을 통해 정보를 송수신하는 관제 시스템의 서버로서, 각각의 단말기와의 연결/접속을 위해 웹 소켓을 이용하면 HTTP 프로토콜보다 절약된 패킷으로 정보를 주고받을 수 있으며 일방향 통신이 아닌 양방향 통신이 가능하다. 웹 브라우저에서 동작하는 테스트 클라이언트를 즉각적으로 수정할 수 있으므로 개발 속도가 빠르다는 장점도 갖는다. 또한 서버 스트레스 테스트와 프로토콜 테스트를 자동화시킬 수 있으며, App, DB, 서버와 클라이언트 모두 JSON을 이용한 데이터 처리 방식을 이용함으로써 데이터 파싱에 들어가는 비용을 절감할 수 있다.
(3) AngularJS를 이용한 관제 웹 어플리케이션 개발
관제 시스템(서버)에 탑재되어 구동되는 관리자용 소프트웨어로서, 택시 기사 또는 사용자로부터 실시간으로 수신된 정보를 AngularJS의 데이터 바인딩 방식을 통해 뷰 업데이트를 할 수 있습니다. 관제 시스템은 주로 한 페이지에서 이루어지는 어플리케이션으로 SPA 개발에 최적화되어 있는 AngularJS를 이용하면 더욱 빠른 시일 내에 개발을 완료할 수 있다. AngularJS를 기반으로 작성된 코어를 이용해 서버 측의 DB data를 짧은 코딩만으로도 클라이언트에 전송 및 뷰 업데이트를 할 수 있을 뿐만 아니라, 모듈화시켜 놓은 클라이언트 기능들을 통해 빠른 개발 및 유지보수를 용이하게 달성할 수 있다. 또한, 관제 시스템에 필요한 지도 API를 제공하는 사업자와 협약을 맺고 지도 데이터를 수신하면 그 위에 AngularJS의 뷰 업데이트 방식으로 택시의 현재 위치를 표현한다. 한 번 표현된 택시의 오버레이는 DOM 재사용을 통해 메모리 낭비 없이 효율적으로 사용하는 것이 가능하다.
상기된 실시예들에 따르면, 지역별 택시 호출의 수를 예측하여 택시 기사들에게 제공함으로써, 단지 승객의 탑승 요청을 실시간으로 확인하는 데에서 나아가, 미리 해당 지역의 택시 호출의 증감을 예측하여 해당 지역의 택시 기사들에게 영업 지역을 권고 및 유도함으로써, 이후 택시 호출이 발생한 경우 더욱 즉각적인 배차를 가능하게 한다. 결과적으로, 이러한 관제 시스템의 도입을 통해 자사 소속 택시의 운행 편의성 증진과 수익률 증대를 기대할 수 있다.
한편, 본 발명의 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장 장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이상에서 본 발명에 대하여 그 다양한 실시예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10: 관제 시스템 / 서비스 차량의 배차 관리 장치
11: 데이터베이스
13: 수신부
15: 처리부
20: 서비스 차량
21: GPS 수신기
11: 데이터베이스
13: 수신부
15: 처리부
20: 서비스 차량
21: GPS 수신기
Claims (17)
- 관제 시스템이 서비스 차량의 배차를 관리하는 방법에 있어서,
관제 시스템이 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하는 단계;
상기 관제 시스템이 상기 서비스 요청의 발생 패턴에 기초하여 소정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하는 단계;
상기 관제 시스템이 복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 단계; 및
상기 관제 시스템이 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도하는 단계를 포함하는 서비스 차량의 배차 관리 방법. - 제 1 항에 있어서,
상기 지역별 서비스 요청의 발생 정도를 예측하는 단계는,
입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하는 단계; 및
생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력하는 단계를 포함하는 서비스 차량의 배차 관리 방법. - 제 1 항에 있어서,
상기 지역별 서비스 요청의 발생 정도를 예측하는 단계는,
입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하는 단계; 및
추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론하는 단계를 포함하는 서비스 차량의 배차 관리 방법. - 제 3 항에 있어서,
상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고,
상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것을 특징으로 하는 서비스 차량의 배차 관리 방법. - 제 1 항에 있어서,
상기 서비스 차량에게 배차를 유도하는 단계는,
수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하는 단계;
예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하는 단계; 및
비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송하는 단계를 포함하는 서비스 차량의 배차 관리 방법. - 제 5 항에 있어서,
비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 방법. - 제 5 항에 있어서,
비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 방법. - 제 5 항에 있어서,
서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 방법. - 제 1 항 내지 제 8 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
- 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하여 저장하는 데이터베이스;
복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 수신부; 및
저장된 상기 서비스 요청의 발생 패턴에 기초하여 소정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하고, 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도하는 처리부를 포함하는 서비스 차량의 배차 관리 장치. - 제 10 항에 있어서,
상기 처리부는,
입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하고, 생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치. - 제 10 항에 있어서,
상기 처리부는,
입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하고, 추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치. - 제 12 항에 있어서,
상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고,
상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것을 특징으로 하는 서비스 차량의 배차 관리 장치. - 제 10 항에 있어서,
상기 처리부는,
수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하고, 예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하며, 비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송함으로써, 상기 서비스 차량에게 배차를 유도하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치. - 제 14 항에 있어서,
상기 처리부는,
비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치. - 제 14 항에 있어서,
상기 처리부는,
비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치. - 제 14 항에 있어서,
상기 처리부는,
서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160083473A KR20180003831A (ko) | 2016-07-01 | 2016-07-01 | 위치 정보를 이용하여 서비스 차량의 배차를 관리하는 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160083473A KR20180003831A (ko) | 2016-07-01 | 2016-07-01 | 위치 정보를 이용하여 서비스 차량의 배차를 관리하는 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180003831A true KR20180003831A (ko) | 2018-01-10 |
Family
ID=60998489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160083473A KR20180003831A (ko) | 2016-07-01 | 2016-07-01 | 위치 정보를 이용하여 서비스 차량의 배차를 관리하는 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180003831A (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020046200A1 (en) * | 2018-08-31 | 2020-03-05 | Grabtaxi Holdings Pte. Ltd. | E-hailing service |
| WO2020247100A1 (en) * | 2019-06-04 | 2020-12-10 | Coupang Corp. | Computer-implemented system and method for determining top items for a custom fulfillment center |
| KR102273270B1 (ko) * | 2020-10-30 | 2021-07-05 | 한화생명보험(주) | 시공간 특성에 따른 긱 서비스 예측 시스템 및 그 방법 |
| KR20220046938A (ko) | 2020-10-08 | 2022-04-15 | 현대모비스 주식회사 | 교통시스템 및 그 운영방법 |
| KR20220073411A (ko) * | 2020-11-26 | 2022-06-03 | 현대자동차주식회사 | 차량 정차지 결정 방법 및 이를 이용한 운영 서버 |
| US12008901B2 (en) | 2020-10-08 | 2024-06-11 | Hyundai Mobis Co., Ltd. | Transportation system and operation method thereof |
-
2016
- 2016-07-01 KR KR1020160083473A patent/KR20180003831A/ko unknown
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020046200A1 (en) * | 2018-08-31 | 2020-03-05 | Grabtaxi Holdings Pte. Ltd. | E-hailing service |
| WO2020247100A1 (en) * | 2019-06-04 | 2020-12-10 | Coupang Corp. | Computer-implemented system and method for determining top items for a custom fulfillment center |
| KR20220046938A (ko) | 2020-10-08 | 2022-04-15 | 현대모비스 주식회사 | 교통시스템 및 그 운영방법 |
| US12008901B2 (en) | 2020-10-08 | 2024-06-11 | Hyundai Mobis Co., Ltd. | Transportation system and operation method thereof |
| KR102273270B1 (ko) * | 2020-10-30 | 2021-07-05 | 한화생명보험(주) | 시공간 특성에 따른 긱 서비스 예측 시스템 및 그 방법 |
| WO2022092690A1 (ko) * | 2020-10-30 | 2022-05-05 | 주식회사 엔터프라이즈블록체인 | 시공간 특성에 따른 긱 서비스 예측 시스템 및 그 방법 |
| KR20220073411A (ko) * | 2020-11-26 | 2022-06-03 | 현대자동차주식회사 | 차량 정차지 결정 방법 및 이를 이용한 운영 서버 |
| US11462110B2 (en) | 2020-11-26 | 2022-10-04 | Hyundai Motor Company | Method for determining vehicle parking place and operation server utilizing the same |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11562300B2 (en) | System and method for optimal automated booking of on-demand transportation in multi-modal journeys | |
| KR20180003831A (ko) | 위치 정보를 이용하여 서비스 차량의 배차를 관리하는 장치 및 방법 | |
| US10410519B2 (en) | Public transportation navigator | |
| CN106600057B (zh) | 一种快递配送任务调度方法及装置 | |
| KR101785114B1 (ko) | Ｍ버스를 중심으로 노선버스 좌석 예약 시스템 및 그 시스템을 이용한 예약방법 | |
| US20200057967A1 (en) | System for real-time optimal matching of ride sharing requests | |
| CN111144684B (zh) | 车辆调度系统、服务器和信息处理方法 | |
| KR20160102699A (ko) | 광역버스의 공석 수에 기반한 교통 환승편 대기 시간을 반영하여 최적 환승 정보를 제공하는 방법 및 시스템 | |
| WO2019003672A1 (ja) | 交通需要予測装置、及び交通需要予測方法 | |
| US20210125498A1 (en) | System and method for management of parking spaces | |
| JP6633981B2 (ja) | 交通情報配信システムおよび交通情報配信方法 | |
| KR101576493B1 (ko) | 정기승차 버스 예약 관리 장치 및 방법 | |
| WO2019243883A1 (ja) | 営業用車両運用システム | |
| CN116153060A (zh) | 一种应用于智能公交的乘客周期性行为模式的需求响应车辆调度方法及系统 | |
| US10546307B2 (en) | Method, apparatuses, and computer program products for automatically detecting levels of user dissatisfaction with transportation routes | |
| US11263716B2 (en) | Rendering digitized services in a smart environment | |
| JP7023399B1 (ja) | サーバ装置及びプログラム | |
| JP6977192B1 (ja) | 情報処理装置及びプログラム | |
| JP7455272B2 (ja) | 混雑緩和システム、サーバ、及び、表示装置 | |
| JP7079368B1 (ja) | 情報処理装置及びプログラム | |
| WO2022219931A1 (ja) | ダイヤ変更支援システム、交通システム及びダイヤ変更支援方法 | |
| CN111768018B (zh) | 一种数据处理方法、装置以及计算机可读存储介质 | |
| JP2022162317A5 (ko) | ||
| KR20160064919A (ko) | 비콘 그리드 기반 지능형 관광정보 시스템 | |
| JP2020149127A (ja) | 車両情報提供装置及び車両情報提供システム |