KR20180052850A - Automatic reservation system - Google Patents

Automatic reservation system Download PDF

Info

Publication number
KR20180052850A
KR20180052850A KR1020160149913A KR20160149913A KR20180052850A KR 20180052850 A KR20180052850 A KR 20180052850A KR 1020160149913 A KR1020160149913 A KR 1020160149913A KR 20160149913 A KR20160149913 A KR 20160149913A KR 20180052850 A KR20180052850 A KR 20180052850A
Authority
KR
South Korea
Prior art keywords
reservation
error
data
monthly
module
Prior art date
Application number
KR1020160149913A
Other languages
Korean (ko)
Other versions
KR101904327B1 (en
Inventor
김지호
Original Assignee
주식회사 에이치앤비라이프
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 에이치앤비라이프 filed Critical 주식회사 에이치앤비라이프
Priority to KR1020160149913A priority Critical patent/KR101904327B1/en
Publication of KR20180052850A publication Critical patent/KR20180052850A/en
Application granted granted Critical
Publication of KR101904327B1 publication Critical patent/KR101904327B1/en

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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

An automatic reservation system according to the present invention is an automatic reservation system including a reservation management server for analyzing monthly vacancy data of a network-connected member store. The reservation management server comprises: an analysis processing module receiving and analyzing information on the usage status of a lecture room by date and by class of each network-connected member store; a statistical calculation module calculating monthly vacancy data based on vacancy data by member store, by date, and by lecture room analyzed by the analysis processing module; an error analysis module determining the occurrence of an error and correcting the error for the monthly vacancy data calculated by the statistical calculation module; and a notification module activating a predictive reservation service to use the predictive reservation service by each of the network-connected member store, an intermediary platform, and a user terminal by using the monthly vacancy data modified by the error analysis module.

Description

자동예약시스템{Automatic reservation system}Automatic reservation system

본 발명은 빅데이터를 이용한 자동예약시스템에 대한 것으로서, 특히, 유저별이용패턴분석과, 매장별 이용율 분석을 통하여 각 유저마다 자동으로 예약을 진행할 수 있는 시스템에 대한 것이다. BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an automatic reservation system using big data, and more particularly, to a system capable of automatically performing reservation for each user through usage pattern analysis for each user and usage rate analysis for each store.

피트니스 센터 등 온라인 및 오프라인 예약이 필요한 강습이나 수업 서비스에 대해서는, 종래에 무선통신망을 이용하여 이용자와 공급자가 특정 사이트 또는 특정된 프로그램을 이용하여 실시간 정보를 공유하는 예약관리툴이 주로 이용되고 있었다. For classrooms and services that require on-line and off-line reservations, such as a fitness center, reservation management tools have been used, in which users and suppliers use real-time information using a specific site or a specified program using a wireless communication network.

이러한 종래의 예약스케쥴 관리는 실시간으로 정보를 공유하거나 고객들에게 예약상태나 예약가능여부를 제공하기 위해서 하나의 가맹점에서 발생하는 월별 수십개의 수업시간표와, 수백 개의 예약자리를 일일이 수기로 관리하여야하는 불편함이 있었다. 그리고, 이러한 수동적 작업은 매월마다 갱신되는 새로운 정보를 받아 업데이트 하여야 하기 때문에, 많은 시간과 비용이 투입되어야 하는 문제점이있다. Such conventional reservation schedule management has a problem in that it is necessary to manage dozens of monthly schedule timetables generated at one merchant to manage information in real time or to provide reservation status or reservation availability to customers, There was. In addition, since such passive work must be updated with new information updated every month, there is a problem that a lot of time and cost must be input.

본 발명은 과거데이터를 이용하여 각 가맹점별로 월별 공실예측데이터를 생성하고, 생성된 예측데이터를 이용하여 자동예약을 수행할 수 있는 시스템을 제공하고자 한다. The present invention is to provide a system capable of generating monthly vacancy prediction data for each merchant using historical data and performing automatic reservation using the generated prediction data.

본 발명의 자동예약시스템은, 네트워크 연결된 가맹점들의 월별공실데이터를 분석하는 예약관리서버를 포함하는 자동예약시스템으로서, 상기 예약관리서버는, 네트워크 연결된 각 가맹점들의 일자별 및 수업별강의실의 이용현황에 대한 정보를 수신하여 분석하는 분석처리모듈과, 상기 분석처리모듈에 의하여 분석된 각 가맹점별, 각 일자별 및 각 강의실별 공실데이터에 기초하여, 월별공실데이터를 산출하는 통계산출모듈과, 상기 통계산출모듈에 의하여 산출된 월별공실데이터에 대하여, 오차발생여부 및 오차수정을 수행하는 오차분석모듈과, 상기 오차분석모듈에 의하여 수정된 월별공실데이터를 이용하여 네트워크 연결된 각 가맹점, 중개플랫폼 및 유저단말예측예약서비스를 이용하도록 상기 예측예약서비스를 활성화하는 통지모듈을 포함한다. The automatic reservation system according to the present invention is an automatic reservation system including a reservation management server for analyzing vacant vacant room data of network-connected merchants, wherein the reservation management server is operable to manage the usage status of each lecture room of each network- A statistical calculation module for calculating monthly vacancy data on the basis of vacancy data for each affiliated store, each day and each lecture room analyzed by the analysis processing module, An error analysis module for performing error correction and error generation for the monthly vacancy data calculated by the error analysis module; And a notification module for activating the prediction reservation service to use the service The.

그리고, 상기 오차분석모듈은 상기의 산출된 월별공실데이터에 대하여 각 가맹점별 긍정요인과 부정요인을 이용하여 오차발생여부를 판단하고, 상기 긍정요인과 부정요인은 상기 가맹점의 내적요소와 외적요소에 기반되며, 상기 내적요소는 상기 가맹점에서 발생된 원인인 상기 가맹점의 지리적위치, 상기 가맹점에서 수행되는 수업 내용에 대한 사항과, 트레이너 또는 유저의 예약 취소 여부에 대한 정보를 포함하고, 상기 외적요소는 상기 월별공실데이터에서의 각 날짜별 날씨 또는 해당일자의 뉴스정보를 포함한다. The error analysis module determines whether or not an error has occurred by using the positive and negative factors of each merchant store with respect to the calculated monthly vacant data, and the positive and negative factors are determined by the internal factors and external factors of the merchant Wherein the internal factor includes information on a geographical location of the franchisee, a content of a lesson performed at the franchisee, and a cancellation of a reservation of a trainer or a user, the cause being generated at the franchisee, And weather information of each date in the monthly vacancy data or news information of the corresponding date.

그리고, 상기 오차분석모듈에 의하여 분석된 오차발생여부에 대한 정보가 기록되는 오차데이터 DB와, 상기 분석처리모듈로 제공하기 위한 각 가맹점별과거공실데이터가 저장되는 예약기록 DB를 포함하는 회원관리서버를 더 포함한다. The membership management server includes an error data DB in which information on error occurrence analyzed by the error analysis module is recorded, and a reservation record DB in which past vacancy data for each merchant store to be provided to the analysis processing module is stored. .

본 발명의 자동예약시스템에 의해서, 각 운동센터들에서 수기로 매월 갱신해가면서 관리하였던 시간과 비용을 현저히 줄일 수 있는 장점이 있다. With the automatic reservation system of the present invention, it is possible to remarkably reduce the time and cost that each management center updates and manages monthly by hand.

도 1은 본 발명의 빅데이터를 이용한 자동예약시스템의 구성을 보여주는 도면이다.
도 2는 본 발명의 자동예약시스템의 동작을 설명하기 위한 흐름도이다.
도 3은 유저단말에서 보여지는 예측예약의 일례를 보여주는 사진이다. 1 is a block diagram showing a configuration of an automatic reservation system using big data according to the present invention.
2 is a flowchart for explaining the operation of the automatic reservation system of the present invention.
3 is a photograph showing an example of a prediction reservation shown on a user terminal.

이하에서는, 본 실시예에 대하여 첨부되는 도면을 참조하여 상세하게 살펴보도록 한다. 다만, 본 실시예가 개시하는 사항으로부터 본 실시예가 갖는 발명의 사상의 범위가 정해질 수 있을 것 이며, 본 실시예가 갖는 발명의 사상은 제안되는 실시예에 대하여 구성요소의 추가, 삭제, 변경 등의 실시변형을 포함한다고 할 것이다. Hereinafter, the present embodiment will be described in detail with reference to the accompanying drawings. It is to be understood, however, that the scope of the inventive concept of the present embodiment can be determined from the matters disclosed in the present embodiment, and the spirit of the present invention possessed by the present embodiment is not limited to the embodiments, Embodiment variations.

본 발명과 관련되는 설명에 사용되는 접미어 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. Suffix "module" and " part "used in the description relating to the present invention are to be given or mixed in consideration only of ease of specification, and they do not have a meaning or role that distinguish themselves.

본 발명은 피트니스 센터 등 온라인 및 오프라인상에서 예약이 필요한 강습 및 수업 서비스들에 대한 자동예약시스템에 대한 것이고, 이들 강습이나 수업 서비스들에 대하여 빅데이터를 이용하여 매장별 / 유저별 자동예약이 이루어지도록 하는 시스템과 그 방법에 대해서 개시한다. The present invention relates to an automatic reservation system for classes and class services that require reservation on-line and off-line, such as a fitness center, and enables automatic reservation for each class / user by using big data for these classes and class services And a method therefor.

도 1은 본 발명의 빅데이터를 이용한 자동예약시스템의 구성을 보여주는 도면이고, 도 2는 본 발명의 자동예약시스템의 동작을 설명하기 위한 흐름도이다. FIG. 1 is a diagram illustrating a configuration of an automatic reservation system using big data of the present invention, and FIG. 2 is a flowchart illustrating an operation of the automatic reservation system of the present invention.

도 1을 참조하면, 본 실시예의 자동예약시스템은, 가맹점별/수업별 예약 데이터와 공실데이터 등이 보관되는 회원관리서버(200)와, 상기 회원관리서버(200)로부터 가맹점별 및 유저별 이용데이터를 수신하여 각 가맹점별 자동예약 분석과 예측을 수행하는 예약관리서버(100)와, 상기 예약관리서버(100) 및 회원관리서버(200)와 네트워크 연결되어 정보의 송수신이 가능하도록 구성된 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)을 포함한다. Referring to FIG. 1, the automatic reservation system of the present embodiment includes a member management server 200 that stores reservation data and vacancy data for each member store / class, and the like, A reservation management server 100 that receives data and performs automatic reservation analysis and forecasting for each merchant shop and a merchant shop 100 that is connected to the reservation management server 100 and the member management server 200 via a network, 300, a mediation platform 400, and a user terminal 500.

가맹점별 이용데이터는 관리대상의 가맹점에서 수업별공실현황과, 예약현황 및 예약취소현황에 대한 정보를 포함한다. The usage data for each merchant store includes information on the vacancy status, the reservation status, and the reservation cancellation status of each class in the affiliated store to be managed.

그리고, 유저별 이용데이터는 상기 예약관리서버(100)와 네트워크 연결된 가맹점들에서의 유저들이 수업에 참가한 데이터, 유저별 예측한 정보, 유저별 예약을 취소한 정보들을 포함한다. The usage data for each user includes data of users participating in the class, information predicted by the user, and information canceled by the user at each of the affiliated stores networked with the reservation management server 100.

상기 회원관리서버(200)는 네트워크 연결된 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)과도 데이터 송수신이 가능하고, 특히, 가맹점(300)에서 운영하는 수업정보데이터를 수신할 수 있다. 상기 수업정보데이터는 각 가맹점에서 실제 운영하고 있는 수업스케쥴, 각 수업별강의실예약정보, 각 수업별강의실의 예약취소정보를 포함한다. The member management server 200 can send and receive data to and from the networked affiliate shop 300, the intermediary platform 400 and the user terminal 500 and can receive the class information data operated by the affiliated shop 300 . The class information data includes a class schedule actually operated at each merchant, classroom reservation information for each class, and reservation cancellation information for each class.

그리고, 상기 회원관리서버(200)는 각 가맹점별 및 각 수업별강의실에 대한 예약기록을 저장하는 예약기록 DB(210)와, 상기 예약관리서버(100)에 의하여 예측되는 자동예약과 실제가맹점에서의 운영결과를 비교하여 예약예측과 실제예약이 차이가 발생하는 경우 해당 차이가 사항에 관한 정보가 저장되는 오차데이터 DB(220)를 포함한다. 상기 오차데이터 DB(220)에 저장되는 오차데이터들은 상기 예약관리서버(100)에 의하여 예측된 예상 예약 정보와, 실제가맹점에서의 수업 진행 결과에 따라 수행된 예약 및 예약취소현황에 대한 정보가 상이한 경우에 해당 가맹점, 강의실 및 해당 유저에 대한 정보들을 저장 및 관리한다. The member management server 200 includes a reservation record DB 210 for storing reservation records for each member store and a classroom for each class, and an automatic reservation predicted by the reservation management server 100, And an error data DB 220 in which information on the difference is stored when there is a difference between the reservation prediction and the actual reservation. The error data stored in the error data DB 220 may include information on the reservation reservation information and the reservation cancellation status that are performed according to the estimated reservation information predicted by the reservation management server 100 And stores and manages information on the merchant, the classroom, and the corresponding user.

오차가 발생된 예측예약에 대해서는, 해당 가맹점의 운영시간, 해당 가맹점의 수업스케쥴에 대한 정보, 해당 가맹점의 수업 강사에 대한 정보, 해당수업에 참가하는 유저에 대한 정보들이 오차데이터로 저장될 수 있으며, 오차가 발생된 일자에 대한 정보와, 해당일자의 날씨 및 뉴스에 관한 정보를 포함한다. 해당일자의 날씨 및 뉴스에 관한 정보를 참조하는 이유는, 예측예약과 실제예약 상태 사이에 해당일자의 돌변 변수로 인하여 오차가 발생하였는지 여부를 더욱 정확히 분석할 수 있기 때문이다. With respect to the predicted reservation in which an error has occurred, information on the operating time of the corresponding merchant, information on the class schedule of the merchant, information on the instructor of the merchant, and information on the user participating in the class can be stored as error data , Information on the date on which the error occurred, and weather and news information on the date. The reason for referring to the information on the weather and news of the date is that it is possible to more accurately analyze whether or not an error has occurred due to the fluctuation variable of the date between the forecast reservation and the actual reservation status.

한편, 상기 예약관리서버(100)는, 상기 회원관리서버(200)에 저장된 각 가맹점별 또는 각 수업별 예약현황 및 예약취소현황에 대한 정보를 수신하여 과거 예약 정보들에 대한 분석을 수행하는 분석처리모듈(110)과, 상기 분석처리모듈(110)에 의하여 분석된 데이터에 기초하여 각 가맹점별, 각 수업별, 각 일자별 예측예약 정보를 생성하는 통계산출모듈(120)과, 상기 통계산출모듈(120)에 의하여 예측되는 각 가맹점별, 각 수업별, 각 일자별의 강의실 또는 수업실의 예측예약 정보에 대해서 오차발생여부를 판단하기 위한 오차분석모듈(130)과, 상기 오차분석모듈(130)의 판단결과 예측예약의 오차가 발생될 가능성이 기설정된 기준값보다 작다고 판단되는 경우에 네트워크 연결된 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)로 예측 예상과 공실 예약 기능을 활성화하는 통지모듈(140)을 포함한다. Meanwhile, the reservation management server 100 receives the information on the reservation status and the reservation cancellation status of each member store or each class stored in the member management server 200, and analyzes the past reservation information A statistical calculation module 120 for generating prediction reservation information for each merchant store, each class, and each date based on the data analyzed by the analysis processing module 110, An error analysis module 130 for determining whether or not an error is generated with respect to predicted reservation information of a lecture room or an instruction room for each franchise point, The mediating platform 400 and the user terminal 500 can perform the predicted vacancy reservation function and the vacant reservation function to the network-connected affiliate shop 300, the intermediary platform 400 and the user terminal 500 when it is determined that the possibility of the occurrence of the error of the predicted reservation is smaller than the preset reference value The notification module comprises a screen 140 for.

상기 예약관리서버(100)에 의한 공실(公室)을 자동예약하는 방법에 대해서는 도 1 및 도 2를 함께 참조하여 설명하기로 한다. A method of automatically reserving vacant rooms by the reservation management server 100 will be described with reference to FIGS. 1 and 2. FIG.

상기 예약관리서버(100)의 분석처리모듈(110)은 상기 예약기록 DB(210)에 저장된 고객사 예약기록을 수집한다(S101). 고객사 예약기록 정보는 과거의 각 가맹점별, 각 수업별 및 각 일자별에 해당하는 강의실의 예약현황과 예약취소현황에 대한 정보를 포함한다. The analysis processing module 110 of the reservation management server 100 collects the customer's reservation record stored in the reservation record DB 210 (S101). The customer reservation history information includes information on the reservation status and the reservation cancellation status of each classroom, each class, and each date in the past.

상기 분석처리모듈(110)은 과거 공실이 발생한 가맹점, 수업 및 일자에 대한 정보를 추출해내는 역할을 수행하고, 해당 공실들이 예약 후 취소된 것인지 여부와, 예약없이 공실의 상태로 유지되었는지 여부를 분석한다. 이러한 분석 데이터는 상기 통계산출모듈(120)이 향후 자동예약 기능을 수행하는데 있어서, 공실로 유지될 가능성이 높다면 자동예약의 대상이 되는 강의실로 될 가능성이 높다. The analysis processing module 110 performs a function of extracting information on a franchise shop, a class and a date in which a vacancy has occurred in the past, and analyzes whether the vacancy is canceled after reservation and whether or not the vacancy has been maintained without reservation do. If the statistical calculation module 120 is likely to be vacant in performing the automatic reservation function in the future, such analysis data is highly likely to be a room for automatic reservation.

그리고, 상기 분석처리모듈(110)은 가맹점별, 수업별 및 일자별로 공실이 발생된 빈도수 또는 확률에 따라 강의실들을 정렬할 수 있으며, 각 강의실들에 대한 긍정요인과 부정요인을 함께 분석한다. The analysis processing module 110 can sort the classrooms according to the frequency or probability of vacancies generated by the affiliated stores, classes, and dates, and analyzes positive and negative factors for each classroom together.

여기서, 긍정요인과 부정요인은 해당 가맹점의 내적요소와 외적요소, 해당 강의실의 내적요소와 외적요소 등을 포함하며, 내적요소는 해당 가맹점 또는 강의실에서 발생된 원인을 가리키고, 외적요소는 해당 가맹점 또는 강의실 외의 외부 요인에 의한 원인을 가리킨다. 예를 들어, 내적요소는 가맹점 또는 강의실의 지리적위치, 수업 내용에 대한 사항, 트레이너 또는 유저의 예약 취소 여부 등이 될 수 있으며, 외적요소는 해당일자의 날씨, 해당일자의 사회 뉴스 등이 될 수 있다. Here, affirmative and negative factors include the internal factors and external factors of the merchant, the internal and external factors of the classroom, the internal factors indicate the causes in the merchant or classroom, Indicates the cause of external factors other than the classroom. For example, the inner factor may be the geographical location of the merchant or classroom, the content of the lesson, whether the trainer or user cancels the reservation, and the external factor may be the weather of the day or the social news of the day have.

그리고, 상기 분석처리모듈(110)은 과거 데이터의 분석 결과에 따라 공실 발생에 따른 긍정요인과 부정요인에 대한 정보를 상기 회원관리서버(200)의 오차데이터 DB(220)에 저장하여 둘 수 있다. The analysis processing module 110 may store information on the positive factors and the negative factors according to the analysis result of the past data in the error data DB 220 of the member management server 200 .

상기 분석처리모듈(110)에 의하여 과거 데이터에 기초하여 각 가맹점별, 각 수업별 및 각 일자별로 강의실/룸들에 대한 공실 발생 가능성이 상기 통계산출모듈(120)에 의하여 추출된다(S102). In step S102, the statistical calculation module 120 extracts the possibility of vacancies in the lecture room / rooms according to each merchant shop, each class and each date based on the past data by the analysis processing module 110.

상기 통계산출모듈(120)은 상기 분석처리모듈(110)에 의하여 과거 데이터의 분석 결과에 따라 각 강의실들에 대한 공실 가능성에 대해서 예측한다. 예를 들어, 특정 기간에 특정 가맹점의 A수업이 진행되는 B강의실이 과거 50% 이상 공실 상태였던 경우, 상기 통계산출모듈(120)은 해당 B강의실에 대한 공실 가능성을 예측하고, 각 유저별로 해당 B강의실의 공실 가능성이 높은 날에 자동예약이 이루어지도록 할 수 있다. The statistical calculation module 120 predicts the possibility of vacancy for each classroom according to the analysis result of past data by the analysis processing module 110. [ For example, if the B classroom in which the A class of a specific merchant shop is performed in a specific period is vacant in the past 50% or more, the statistical calculation module 120 predicts the possibility of vacancy for the B class room, B It is possible to make automatic reservation on the day when room availability is high.

한편, 상기 통계산출모듈(120)에 의하여 예측된 공실, 즉, 자동예약이 가능한 강의실이 분석된 긍정요인과 부정요인에 의하여 오차가 발생할 수 있는지 여부가 상기 오차분석모듈(130)에 의하여 수행된다(S103). On the other hand, the error analysis module 130 determines whether an error can be caused by an affirmative factor and a negative factor analyzed for the vacancy predicted by the statistical calculation module 120, that is, the classroom where automatic reservation is possible (S103).

상기 오차분석모듈(130)은 월별공실데이터가 실제예약을 수행하는 정보와 상이할 것인지 여부를 예측하여 판단하는 역할을 수행한다. 예를 들면, 상기 오차분석모듈(130)은 상기 통계산출모듈(120)에 의하여 산출되는 월별공실데이터에 대해서 해당일자 및 해당 강의실에 대한 외부 요소와 내부 요소를 이용하여 공실이 발생될 가능성이 높더라도 공실이 되지 않을 가능성에 대해서 판단한다. The error analysis module 130 predicts and determines whether or not the vacant vacant room data is different from the actual reservation information. For example, the error analysis module 130 may be configured to determine whether a vacancy is likely to occur in the monthly vacancy data calculated by the statistical calculation module 120 using an external element and an internal element for the corresponding date and the corresponding classroom It is also possible to judge the possibility of not becoming vacant.

예를 들어, 상기 오차분석모듈(140)은 특정 강의실의 공실 가능성이 높더라도 외부 요소인 날씨(태풍 등)에 의하여 공실되는 경우가 많은 경우에는 실제로 공실로 되더라도 수업/트레이닝 참여가 어려우므로 자동예약시에 해당일자의 강의실을 자동예약하지 않을 수 있다. 반대로, 상기 오차분석모듈(140)은 수업이 예정되어 있는 특정 강의실이 공실될 가능성이 낮더라도 유저들의 참여가 많이 낮은 날짜인 경우에는 실제로 공실이 발생할 가능성이 높기 때문에 자동예약시 해당 강의실을 이용할 수도 있다. For example, the error analysis module 140 may not be able to participate in class / training even if it is vacant due to weather (typhoon, etc.) You may not automatically reserve the classroom for that day. On the contrary, even if the probability that a specific classroom in which a class is scheduled to be vacated is low, the error analysis module 140 may be able to use the corresponding classroom have.

이와 같이, 상기 오차분석모듈(140)은 상기 통계산출모듈(130)에 의하여 분석된 월별공실데이터에 대해서 일자별로 외부 요소와 내부 요소를 이용하여 공실 가능성을 수정하는 역할을 수행한다(S104). As described above, the error analysis module 140 corrects the vacancy probability by using the external elements and the internal elements for each month for the monthly vacancy data analyzed by the statistical calculation module 130 (S104).

그 다음, 통지모듈(140)은 예측된 정보가 기타 다른 가맹점들과의 예측된 정보들과 오차 범위가 기준값보다 작은 경우에, 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)들로 일괄적인 예측예약 기능을 활성화시킨다(S105). 즉, 예측예약 기능이 활성화되면, 즉시 예약 서비스를 이용할 수 있게 된다. The notification module 140 then determines whether the predicted information is less than the reference value and the predicted information with other franchisees that the merchant 300, the mediation platform 400 and the user terminals 500 (S105). ≪ / RTI > That is, when the prediction reservation function is activated, the reservation service can be used immediately.

도 3에는 유저단말에서 보여지는 예측예약의 일례를 보여주는 사진이 도시되어 있다. 3 is a photograph showing an example of a prediction reservation shown in the user terminal.

유저는 자신의 단말을 이용해서 자동예약된 상황(예를 들면, 워커힐 골프클럽 예약)이 표시될 수 있으며, 상기 예약관리서버(100)가 자동 생성한 예측예약 상황에 대해서 승인을 하게 되면, 해당 예약이 확정될 수 있다. The user can display an automatically booked situation (for example, a Walkerhill Golf Club reservation) using his / her terminal. When the reservation management server 100 approves the automatically generated predicted reservation status, Reservations can be confirmed.

Claims (3)

네트워크 연결된 가맹점들의 월별공실데이터를 분석하는 예약관리서버를 포함하는 자동예약시스템으로서,
상기 예약관리서버는,
네트워크 연결된 각 가맹점들의 일자별 및 수업별강의실의 이용현황에 대한 정보를 수신하여 분석하는 분석처리모듈과,
상기 분석처리모듈에 의하여 분석된 각 가맹점별, 각 일자별 및 각 강의실별 공실데이터에 기초하여, 월별공실데이터를 산출하는 통계산출모듈과,
상기 통계산출모듈에 의하여 산출된 월별공실데이터에 대하여, 오차발생여부 및 오차수정을 수행하는 오차분석모듈과,
상기 오차분석모듈에 의하여 수정된 월별공실데이터를 이용하여 네트워크 연결된 각 가맹점, 중개플랫폼 및 유저단말예측예약서비스를 이용하도록 상기 예측예약서비스를 활성화하는 통지모듈을 포함하는 자동예약시스템. An automatic reservation system including a reservation management server for analyzing monthly vacancy data of network-connected merchants,
The reservation management server,
An analysis processing module for receiving and analyzing information on the usage status of the lecture room for each day and each class of each of the network-
A statistical calculation module for calculating monthly vacant data based on vacant room data for each of the affiliated stores analyzed by the analysis processing module, for each day and each room;
An error analysis module for performing error correction on the monthly vacancy data calculated by the statistical calculation module,
And a notification module for activating the predictive scheduling service to use each of the networked merchants, the intermediary platform, and the user terminal predictive scheduling service using the monthly vacancy data modified by the error analysis module. 제 1 항에 있어서,
상기 오차분석모듈은 상기의 산출된 월별공실데이터에 대하여 각 가맹점별 긍정요인과 부정요인을 이용하여 오차발생여부를 판단하고,
상기 긍정요인과 부정요인은 상기 가맹점의 내적요소와 외적요소에 기반되며,
상기 내적요소는 상기 가맹점에서 발생된 원인인 상기 가맹점의 지리적위치, 상기 가맹점에서 수행되는 수업 내용에 대한 사항과, 트레이너 또는 유저의 예약 취소 여부에 대한 정보를 포함하고,
상기 외적요소는 상기 월별공실데이터에서의 각 날짜별 날씨 또는 해당일자의 뉴스정보를 포함하는 자동예약시스템. The method according to claim 1,
The error analysis module determines whether or not an error has occurred using the affirmative factor and negative factor for each of the affiliated stores, with respect to the calculated monthly vacant data,
The affirmative and negative factors are based on the internal and external factors of the merchant,
Wherein the internal factor includes information on a geographical location of the franchisee, cause of the franchisee, details of a class performed by the franchisee, and information on whether the trainer or the user can cancel the reservation,
Wherein the external element includes weather for each date in the monthly vacancy data or news information of a corresponding date. 제 2 항에 있어서,
상기 오차분석모듈에 의하여 분석된 오차발생여부에 대한 정보가 기록되는 오차데이터 DB와, 상기 분석처리모듈로 제공하기 위한 각 가맹점별과거공실데이터가 저장되는 예약기록 DB를 포함하는 회원관리서버를 더 포함하는 자동예약시스템. 3. The method of claim 2,
A member management server including an error data DB in which information on error occurrence analyzed by the error analysis module is recorded and a reservation record DB in which past vacancy data for each member store to be provided to the analysis processing module is stored Includes an automatic reservation system.
KR1020160149913A 2016-11-11 2016-11-11 Automatic reservation system KR101904327B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160149913A KR101904327B1 (en) 2016-11-11 2016-11-11 Automatic reservation system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160149913A KR101904327B1 (en) 2016-11-11 2016-11-11 Automatic reservation system

Publications (2)

Publication Number Publication Date
KR20180052850A true KR20180052850A (en) 2018-05-21
KR101904327B1 KR101904327B1 (en) 2018-10-04

Family

ID=62453252

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160149913A KR101904327B1 (en) 2016-11-11 2016-11-11 Automatic reservation system

Country Status (1)

Country Link
KR (1) KR101904327B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210030182A (en) * 2019-09-09 2021-03-17 최병록 Method and apparatus for monitoring vacancy rate of warehouse using artificial intelligence model
CN113525142A (en) * 2020-10-29 2021-10-22 长城汽车股份有限公司 Method and device for reserving charging timing and terminal equipment
KR102328324B1 (en) * 2021-05-26 2021-11-18 (주)비씨앤컴퍼니 Method for providing two-way reservation confirmation service

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016075995A (en) * 2014-10-02 2016-05-12 大学共同利用機関法人情報・システム研究機構 Accommodation information provision system and accommodation information provision method
JP6195585B2 (en) * 2015-02-20 2017-09-13 株式会社ぐるなび Information processing apparatus, information processing method, and program

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210030182A (en) * 2019-09-09 2021-03-17 최병록 Method and apparatus for monitoring vacancy rate of warehouse using artificial intelligence model
KR20220118390A (en) * 2019-09-09 2022-08-25 주식회사 리코어 Method and apparatus for providing warehouse allocation service according to the rental application of warehouse
KR20220118986A (en) * 2019-09-09 2022-08-26 주식회사 리코어 Method and apparatus for providing customized vacancy management information to improve the vacancy rate of warehouse
CN113525142A (en) * 2020-10-29 2021-10-22 长城汽车股份有限公司 Method and device for reserving charging timing and terminal equipment
CN113525142B (en) * 2020-10-29 2022-06-03 长城汽车股份有限公司 Method and device for reserving charging timing and terminal equipment
KR102328324B1 (en) * 2021-05-26 2021-11-18 (주)비씨앤컴퍼니 Method for providing two-way reservation confirmation service

Also Published As

Publication number Publication date
KR101904327B1 (en) 2018-10-04

Similar Documents

Publication Publication Date Title
US8364513B2 (en) Technician control system
US8660877B2 (en) Technician control system
KR101904327B1 (en) Automatic reservation system
CN103581283A (en) Method and system for controlling support center
US20150242782A1 (en) Interactive Planning Method And Tool
CN108322915B (en) Information processing method and device for base station planning
Choudhari et al. Simulation modeling for manpower planning in electrical maintenance service facility
US11055645B2 (en) Method and system for optimizing distribution of incentive budget for additional time interval allocation in a multi-week work schedule
Rauchecker et al. Decision support for the optimal coordination of spontaneous volunteers in disaster relief
Brown et al. From physical disruption to community impact: Modelling a Wellington Fault earthquake
CN117350640A (en) Project progress management method and system
Kamal et al. BIM-based repair and maintenance for hospital work order management
Thi Nguyen Quantitative analysis of ambulance location-allocation and ambulance state prediction
CN116227840A (en) Intelligent scheduling method, device and medium
KR20190073088A (en) Method for Providing On-line Matching Service of Construction Day Laborers
Brown A study of queuing theory in low to high rework environments with process availability
KR20210132333A (en) Automatic reservation system in fitness center
Barbosa-Correa et al. Establishing call-centre staffing levels using aggregate planning and simulation approach
JP2019067386A (en) Management system
JP7419323B2 (en) Labor support device and method
Stern et al. Mobile solutions deliver improved utility infrastructure and operations management
Rahman et al. The Influence between GIS Quality and User Satisfaction towards Individual Work Performance: A Proposed Conceptual Framework
Schachenhofer et al. How internet blackouts affect information flows in organizations-Analyzing cascade effects and feedback loops
Greasley et al. Case study: A simulation of a police call center
Li et al. Estimating and applying service request effort data in application management services

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant