KR20180100824A - 차량의 상황정보를 이용한 목적지 예측 서버 및 방법 - Google Patents

차량의 상황정보를 이용한 목적지 예측 서버 및 방법 Download PDF

Info

Publication number
KR20180100824A
KR20180100824A KR1020170027106A KR20170027106A KR20180100824A KR 20180100824 A KR20180100824 A KR 20180100824A KR 1020170027106 A KR1020170027106 A KR 1020170027106A KR 20170027106 A KR20170027106 A KR 20170027106A KR 20180100824 A KR20180100824 A KR 20180100824A
Authority
KR
South Korea
Prior art keywords
destination
vehicle
information
prediction model
situation information
Prior art date
Application number
KR1020170027106A
Other languages
English (en)
Other versions
KR102310420B1 (ko
Inventor
허민회
방성훈
김보근
Original Assignee
현대자동차주식회사
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 현대자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020170027106A priority Critical patent/KR102310420B1/ko
Publication of KR20180100824A publication Critical patent/KR20180100824A/ko
Application granted granted Critical
Publication of KR102310420B1 publication Critical patent/KR102310420B1/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
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • 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
    • G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Tourism & Hospitality (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

본 발명은 운행을 시작하는 차량의 상황정보에 기초하여 차량의 목적지를 자동으로 예측하는 서버 및 이를 이용한 목적지 예측 방법에 관한 것이며, 본 발명의 일 실시예에 따른 목적지 예측 서버는 다수의 차량에 각각 대응하는 목적지 예측모델을 저장하는 예측모델 데이터베이스, 다수의 차량 중 제1 차량에 위치하는 차량단말로부터 전송되는 제1 차량의 식별정보와 출발상황정보를 수신하는 상황정보 수신부, 그리고 제1 차량의 목적지 예측모델에 기초하여 수신된 출발상황정보에 대응하는 제1 차량의 예상 목적지를 산출하고, 산출된 예상 목적지를 차량단말로 전송하는 목적지 예측부를 포함한다.

Description

차량의 상황정보를 이용한 목적지 예측 서버 및 방법{DESTINATION PREDICTION SERVER AND METHOD BASED ON CONDITION INFORMATION OF VEHICLE}
본 발명은 운행을 시작하는 차량의 상황정보에 기초하여 차량의 목적지를 자동으로 예측하는 서버 및 이를 이용한 목적지 예측 방법에 관한 것이다.
자동차가 네트워크로 연결되는 커넥티드 카(connected car) 시대가 도래함에 따라 차량 AVN(audio, video, navigation) 단말기를 통해 제공되는 네비게이션의 기능이 점차 고도화되고 있다. 이로 인해, 운전자는 외부 환경에 따라 최적의 교통 안내 서비스를 이용할 수 있으며, 차량 제조사는 다수의 운전자의 목적지 정보를 활용하여 주변 방문지 추천 등의 마케팅 서비스 또는 차량 제어 서비스 등을 시도하고 있다. 이러한 서비스는 운전자로부터 입력되는 목적지 정보를 바탕으로 제공되나, 운전자가 별도의 경로 안내가 필요 없는 익숙한 경로로 차량을 운행하는 경우 또는 스마트폰 등의 별도의 단말기를 통해 네비게이션 기능을 이용하는 경우에는 차량 AVN 단말기를 통해 운전자의 목적지 정보를 확인하기 어렵다.
이와 같은 이유로 최근에는 운전자의 입력 없이 자동으로 운행 목적지를 예측(destination prediction)하는 기술과 관련된 많은 연구가 진행되고 있다. 종래 운행 목적지의 예측은 대부분 차량의 과거 주행 이력 정보를 바탕으로 하며, 과거 주행별 이동 이력(GPS 등)을 기반으로 예측모델을 학습하고 새로운 주행시 과거 가장 비슷한 이동 이력을 고려하여 목적지를 예측한다.
그러나 이러한 방법에 따르면 차량의 과거 주행 경로를 기반으로 목적지를 예측하기 때문에 과거 동일한 주행 경로가 존재하는 경우에만 목적지 예측이 가능하다. 또한, 차량이 미리 설정되어 있는 시간 또는 거리 이상 주행한 후 수집된 위치 데이터를 이용하여 과거 주행 경로를 바탕으로 목적지를 예측하므로 차량이 출발하기 전에는 목적지 예측이 어렵다.
본 발명의 일 실시예가 해결하려는 과제는 차량으로부터 전송되는 상황정보에 기초하여 차량의 목적지를 자동으로 예측하여 운전자에게 제공하는 서버 및 이를 이용한 목적지 예측 방법을 제공하는 것이다.
상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 본 발명에 따른 실시예가 사용될 수 있다.
상기 과제를 해결하기 위해 본 발명의 일 실시예는, 다수의 차량에 각각 대응하는 목적지 예측모델을 저장하는 예측모델 데이터베이스, 다수의 차량 중 제1 차량에 위치하는 차량단말로부터 전송되는 제1 차량의 식별정보와 출발상황정보를 수신하는 상황정보 수신부, 그리고 제1 차량의 목적지 예측모델에 기초하여 수신된 출발상황정보에 대응하는 제1 차량의 예상 목적지를 산출하고, 산출된 예상 목적지를 차량단말로 전송하는 목적지 예측부를 포함하는 목적지 예측 서버를 제안한다.
여기서, 차량단말로부터 전송되며 출발상황정보에 대응하는 실제 목적지를 수신하는 목적지정보 수신부를 포함할 수 있다.
또한, 수신된 출발상황정보와 수신된 실제 목적지의 상관관계를 학습하여 제1 차량의 목적지 예측모델을 생성하는 예측모델 학습부를 포함할 수 있다.
또한, 수신된 출발상황정보에 대응하는 예상 목적지와 실제 목적지의 오차를 산출하고, 산출된 오차에 기초하여 제1 차량의 목적지 예측모델을 업데이트하는 예측모델 학습부를 포함할 수 있다.
또한, 출발상황정보는 제1 차량의 출발시간, 출발위치, 그리고 출발시점의 탑승자정보를 포함할 수 있다.
또한, 제1 차량의 목적지 예측모델의 출력층의 활성함수는 소프트맥스(softmax) 함수일 수 있다.
상기 과제를 해결하기 위해 본 발명의 일 실시예는, 예측모델 데이터베이스에 차량별 목적지 예측모델을 저장하는 단계, 상황정보 수신부에서 제1 차량에 위치하는 차량단말로부터 전송되는 식별정보와 출발상황정보를 수신하는 단계, 목적지 예측부에서 제1 차량의 목적지 예측모델과 수신된 출발상황정보를 이용하여 예상 목적지를 산출하고, 산출된 예상 목적지를 차량단말로 전송하는 단계를 포함하는 차량의 상황정보를 이용한 목적지 예측 방법을 제안한다.
여기서, 목적지정보 수신부에서 차량단말로부터 전송되며 출발상황정보에 대응하는 실제 목적지를 수신하는 단계, 그리고 예측모델 학습부에서 수신된 출발상황정보와 수신된 실제 목적지의 상관관계를 학습하여 제1 차량의 목적지 예측모델을 생성하는 단계를 포함할 수 있다.
또한, 목적지정보 수신부에서 차량단말로부터 전송되며 출발상황정보에 대응하는 실제 목적지를 수신하는 단계, 그리고 예측모델 학습부에서 수신된 출발상황정보에 대응하는 예상 목적지와 실제 목적지의 오차를 산출하고, 산출된 오차에 기초하여 제1 차량의 목적지 예측모델을 업데이트하는 단계를 포함할 수 있다.
또한, 산출된 예상 목적지를 차량단말로 전송하는 단계는, 출발상황정보를 적용한 제1 차량의 목적지 예측모델의 출력값을 예측확률로 변환하여 차량단말로 전송할 수 있다.
본 발명의 실시예에 따르면 운전자에게 예상 목적지 정보를 제공하고, 운전자의 직접적인 입력에 의한 목적지 설정 과정을 생략하여 운전 편의성을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 차량의 상황정보를 이용한 목적지 예측 시스템의 구성을 나타낸다.
도 2는 도 1을 이용하여 제1 차량의 목적지를 예측하는 방법을 나타낸다.
도 3은 도 2의 목적지 예측 방법을 나타낸다.
도 4는 본 발명의 일 실시예에 따른 차량단말에서 목적지 후보를 지도형태로 출력한 화면을 나타낸다.
도 5는 본 발명의 일 실시예에 따른 차량단말에서 목적지 후보를 리스트형태로 출력한 화면을 나타낸다.
도 6은 도 2의 예측모델 학습 방법을 나타낸다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으므로 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체에서 동일 또는 유사한 구성요소에 대해서는 동일한 도면부호가 사용되었다. 또한, 널리 알려진 공지기술의 경우 그 구체적인 설명은 생략한다.
본 명세서에서, 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 기재된 "…부", "…모듈", "…기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 일 실시예에 따른 차량의 상황정보를 이용한 목적지 예측 시스템의 구성을 나타낸다.
도 1의 목적지 예측 시스템은 목적지 예측 서버(100), 그리고 목적지 예측 서버(100)에 무선통신망을 통해 연결되어 있는 차량단말(200)을 포함한다. 여기서, 차량단말(200)은 각각의 차량에 위치하는 복수개의 차량단말(200-1, 200-2, 200-3, …)을 포함한다.
도 1에서는 설명의 편의를 위해 제1 차량에 위치하는 제1 차량단말(200-1)의 구성만을 상세히 도시하였으나, 제2 차량단말(200-2), 제3 차량단말(200-3), … 등도 제1 차량단말(200-1)과 구성이 동일하다.
아래에서는 목적지 예측 서버(100)에서 제1 차량단말(200-1)로부터 전송되는 상황정보에 기초하여 제1 차량의 목적지를 예측하는 것을 예로 들어 설명한다.
도 1의 목적지 예측 서버(100)는 차량단말(200)로부터 전송되는 상황정보에 기초하여 차량의 목적지를 예측하고, 예측된 목적지 후보를 차량단말(200)로 전송한다. 예를 들어, 제1 차량단말(200-1)로부터 전송되는 상황정보에 대응하는 목적지 후보는 제1 차량단말(200-1)로 전송하고, 제2 차량단말(200-2)로부터 전송되는 상황정보에 대응하는 목적지 후보는 제2 차량단말(200-2)로 전송할 수 있다.
도 1의 목적지 예측 서버(100)는 상황정보 수신부(110), 목적지정보 수신부(120), 차량정보 데이터베이스(130), 예측모델 학습부(140), 예측모델 데이터베이스(150), 그리고 목적지 예측부(160)를 포함한다.
상황정보 수신부(110)는 차량단말(200)로부터 전송되는 상황정보를 수신한다. 예를 들어, 제1 차량단말(200-1)로부터 전송되는 제1 차량의 상황정보를 수신할 수 있다. 여기서, 제1 차량의 상황정보는 제1 차량의 식별정보, 출발시간정보, 출발위치정보, 그리고 탑승자정보를 포함한다.
목적지정보 수신부(120)는 차량단말(200)로부터 전송되는 식별정보와 목적지정보를 수신한다. 이때, 목적지정보는 상황정보 수신부(110)를 통해 수신된 상황정보에 대응하여 해당 차량의 운행이 종료된 위치, 즉 최종 목적지를 의미한다. 예를 들어, 상황정보 수신부(110)를 통해 제1 차량의 제1 상황정보가 수신된 상태에서 제1 차량의 제1 목적지정보가 수신되는 경우 제1 목적지정보는 제1 상황정보에 대응되는 것으로 볼 수 있다.
차량정보 데이터베이스(130)는 차량단말(200)로부터 전송되는 차량정보를 저장한다. 구체적으로, 차량의 식별정보를 기준으로 상황정보 수신부(110)를 통해 수신된 상황정보와 이에 대응하여 목적지정보 수신부(120)를 통해 수신된 목적지정보를 저장한다.
예측모델 학습부(140)는 차량정보 데이터베이스(130)에 저장되어 있는 차량정보를 학습하여 차량별 목적지 예측모델을 생성한다. 이때, 목적지 예측모델은 신경망 모델을 의미한다. 구체적으로, 차량의 상황정보(출발시간정보, 출발위치정보, 탑승자정보)와 이에 대응하는 목적지정보의 상관관계를 학습한 결과를 바탕으로 차량의 목적지 예측모델을 생성한다. 예를 들어, 제1 차량단말(200-1)로부터 전송되는 상황정보(출발시간정보, 출발위치정보, 탑승자정보)와 이에 대응하는 최종 목적지 사이의 상관관계를 학습하여 제1 예측모델을 생성하고, 제1 예측모델은 제1 차량의 목적지를 예측하는 데에 사용할 수 있다.
예측모델 데이터베이스(150)는 예측모델 학습부(140)를 통해 생성된 차량별 목적지 예측모델을 저장한다.
목적지 예측부(160)는 예측모델 데이터베이스(150)에 저장되어 있는 차량별 목적지 예측모델(차량 식별정보를 이용하여 선별)을 이용하여 상황정보 수신부(110)를 통해 수신된 상황정보에 대응하는 목적지를 예측하고, 예측 결과를 상황정보를 전송한 차량단말로 전송한다. 구체적으로, 수신된 상황정보를 적용한 결과 예측모델의 출력층을 통해 도출된 값(이하, '출력값'이라고 함)을 예측확률로 변환하여 출력한다. 이때, 예측모델의 출력층의 활성함수는 소프트맥스(softmax) 함수이며, 차량단말로 전송되는 목적지 예측 결과는 복수개의 목적지 후보와 목적지 후보별 확률을 포함한다.
또한, 예측모델 학습부(140)는 상황정보 수신부(110)에서 수신된 상황정보와 목적지정보 수신부(120)에서 수신된 목적지정보에 기초하여 예측모델을 학습한다. 구체적으로, 상황정보 수신부(110)에서 수신된 상황정보에 기초하여 목적지 예측부(160)를 통해 산출된 예측 목적지와 목적지정보 수신부(120)에서 수신된 목적지정보(실제 목적지)를 비교한다. 이후, 비교 결과에 기초하여 예측모델 데이터베이스(150)에 저장되어 있는 예측모델을 변화시켜 예측 오차를 최소화한다.
도 1의 제1 차량단말(200-1)은 상황정보 수집부(210), 상황정보 전송부(220), 목적지정보 전송부(230), 그리고 목적지 후보 출력부(240)를 포함한다.
상황정보 수집부(210)는 제1 차량의 운행(출발)이 예상되는 시점의 시간 및 위치를 수집하는 출발정보 수집부(211), 그리고 제1 차량에 탑승하고 있는 운전자 및 동승자의 정보를 수집하는 탑승자정보 수집부(212)를 포함한다. 이때, 제1 차량의 운행이 예상되는 시점은 시동 온(ON), 운전자의 AVN 단말기 조작, 또는 제1 차량의 위치 변화(시간 t-1의 위치 ≠ 시간 t의 위치) 등을 기준으로 한다.
출발정보 수집부(211)는 제1 차량에 위치하는 GPS(global positioning system) 모듈을 통해 수신되는 GPS 좌표와 이에 대응하는 시간에 기초하여 제1 차량의 출발 위치 및 시간을 수집한다.
탑승자정보 수집부(212)는 제1 차량에 위치하는 센서를 이용하여 운전자 및 동승자 관련 정보를 수집한다. 구체적으로, 제1 차량의 내부에 위치하는 다양한 센서의 출력값을 이용하여 운전자 및 동승자 관련 정보를 수집할 수 있다. 이때, 제1 차량단말(200-1)에는 탑승자(운전자와 동승자 포함) 각각에 대응하는 센서의 출력값이 미리 저장되어 있다.
예를 들어, 시트에 위치하는 압력센서를 통해 동승자 수와 위치를 산출하거나, 시트에 위치하는 중량센서를 통해 운전자 및 동승자를 식별하거나, 카메라를 통해 촬영된 영상을 분석하여 운전자 및 동승자를 식별하거나, 마이크로폰을 통해 수집된 음성을 분석하여 운전자 및 동승자를 식별하거나, 또는 생체 센서를 통해 수집된 생체정보를 분석하여 운전자 및 동승자를 식별하여 제1 차량에 탑승하고 있는 운전자 및 동승자 관련 정보를 수집할 수 있다. 또한, 제1 차량단말(200-1)과 페어링되는 모바일 단말의 식별정보를 이용하여 운전자 및 동승자를 식별할 수 있다.
아래 표 1은 상황정보 수집부(210)를 통해 수집되는 출발정보 및 탑승자정보 예시이다.
상황정보 항목 설명
출발시간정보



 시간대 24시간 중 출발하는 당시의 시간
요일 월~일요일 중 출발하는 당시의 요일
공휴일 여부 해당 일자가 공휴일인지 여부
공휴일 종류 공휴일인 경우 공휴일의 종류(설날, 추석, 광복절 등)
주(week)차 1년 53개 주(week) 중 출발하는 당시의 주 차
출발위치정보
 위치 출발하는 장소의 위치(GPS, 주소)
날씨 출발하는 장소의 날씨(기상상황, 강우량, 적설량, 기상특보, 풍속 등)
탑승자정보

 운전자 정보 운전자 식별코드
동승자 수 차량 내 동승자 숫자
동승자 정보 동승자별 식별코드
상황정보 전송부(220)는 상황정보 수집부(210)를 통해 수집된 출발정보 및 탑승자정보를 제1 차량의 식별정보와 함께 목적지 예측 서버(100)로 전송한다. 이때, 제1 차량의 식별정보는 제1 차량의 차대번호(VIN, vehicle identification number) 또는 차량번호를 포함한다.
목적지정보 전송부(230)는 제1 차량의 운행이 종료되는 지점의 위치정보를 목적지 예측 서버(100)로 전송한다. 여기서, 제1 차량의 운행이 종료되는 지점의 위치정보는 제1 차량의 목적지정보와 동일하다.
목적지 후보 출력부(240)는 목적지 예측 서버(100)로부터 전송되는 목적지 후보를 수신하여 출력한다. 구체적으로, 목적지 예측 서버(100)로부터 전송되는 복수개의 목적지 후보와 목적지 후보별 확률을 AVN 단말기를 통해 출력한다.
도 2는 도 1을 이용하여 제1 차량의 목적지를 예측하는 방법을 나타낸다.
제1 차량단말(200-1)은 제1 차량의 시동 온(ON)이 감지되는 경우(S100) 상황정보 수집부(210)를 통해 제1 차량의 상황정보를 수집하고(S120), 상황정보 전송부(220)를 통해 S120 단계에서 수집된 상황정보와 제1 차량의 식별정보를 목적지 예측 서버(100)로 전송한다(S140). 구체적으로, S120 단계에서는 출발정보 수집부(211)를 통해 제1 차량의 시동 온(ON)이 감지된 시간 및 위치를 수집하고, 탑승자정보 수집부(212)를 통해 제1 차량에 탑승하고 있는 운전자 및 동승자의 정보를 수집한다.
목적지 예측 서버(100)는 상황정보 수신부(110)를 통해 S140 단계를 통해 전송되는 상황정보와 식별정보를 수신한다(S160).
이후, 목적지 예측부(160)를 통해 S160 단계에서 수신된 상황정보에 대응하는 목적지를 예측하고(S180), 목적지 예측 결과를 제1 차량단말(200-1)로 전송한다(S200). S180 단계의 목적지 예측방법은 아래의 도 3을 통해 상세히 설명한다.
도 3은 도 2의 목적지 예측 방법을 나타낸다.
먼저, S160 단계에서 수신된 식별정보에 기초하여 예측모델 데이터베이스(150)에서 제1 차량의 예측모델을 검색하고, 검색된 제1 차량의 예측모델에 S160 단계에서 수신된 상황정보를 적용한다(S181). 이후, S181 단계의 출력값(ei)을 소프트맥스 함수를 이용하여 예측확률(
Figure pat00001
)로 변환하여 제1 차량의 목적지 후보 및 목적지 후보별 확률을 산출한다(S182). 이때, 예측확률
Figure pat00002
는 아래 수학식 1과 같다.
Figure pat00003
이때, C는 예측모델을 통해 출력되는 출력값의 개수이다.
다시 도 2의 설명으로 돌아가서, 제1 차량단말(200-1)은 목적지후보 출력부(240)를 통해 S200 단계에서 전송되는 목적지 후보 및 후보별 확률을 수신하여 출력한다(S220).
도 4와 도 5는 차량단말의 목적지 후보 출력 화면을 나타낸다.
도 4는 목적지 후보와 후보별 확률을 지도상에 표시한 화면으로 확률이 가장 큰 목적지 후보를 다른 목적지 후보와는 다른 색으로 표현할 수 있다.
도 5는 목적지 후보와 후보별 확률을 리스트 형태로 표시한 화면으로 확률이 큰 순서대로 목적지 후보를 나열하여 출력할 수 있다.
다시 도 2의 설명으로 돌아가서, 제1 차량단말(200-1)은 제1 차량의 시동 오프(OFF)가 감지되는 경우(S240) 목적지정보 전송부(230)를 통해 제1 차량의 현재 위치정보(최종 목적지)를 수집하여 목적지 예측 서버(100)로 전송한다(S260).
목적지 예측 서버(100)는 목적지정보 수신부(120)를 통해 S260 단계에서 전송되는 최종 목적지를 수신한다(S280).
이후, 예측모델 학습부(140)를 통해 S280 단계에서 수신된 최종 목적지와 S200 단계를 통해 제1 차량단말(200-1)로 전송된 목적지 후보를 비교한 결과에 기초하여 제1 차량의 예측모델을 학습하고(S300), 학습결과에 따라 예측모델 데이터베이스(150)에 저장되어 있는 제1 차량의 예측모델을 업데이트한다(S320).
도 6은 도 2의 예측모델 학습 방법을 나타낸다.
도 6에서 보면, S300 단계는 실제 목적지(y)와 예측 목적지(
Figure pat00004
)의 차의 제곱값(
Figure pat00005
)을 이용하여 예측모델을 통해 산출된 목적지 예측 결과의 오차를 최소화하도록 수행된다. 구체적으로, 실제 목적지와 예측 목적지가 동일한 경우 예측모델의 변화가 적으며, 실제 목적지와 예측 목적지가 다른 경우 예측모델을 통해 산출된 목적지 예측 결과가 실제 목적지와 일치하도록 예측모델을 변화시킨다. 이때, 예측모델의 변화량은 아래 수학식 2에 의해 결정된다.
Figure pat00006
이때, W는 예측모델의 가중치 벡터이다.
본 발명의 실시예에 따르면 과거 주행 경로정보 없이도 상황정보만으로 목적지를 예측할 수 있다. 또한, 운전자에게 예상 목적지 리스트를 제공하고 운전자에 의해 선택된 최종 목적지를 바탕으로 경로정보를 제공하여 운전자의 편의성을 향상시킬 수 있다.
본 발명의 실시예에 따르면 운전자의 예상 목적지 정보에 기초하여 운전자에게 마케팅 정보를 제공하고, 차량의 주행모드를 최적의 상태로 제어할 수 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였으나, 본 발명의 권리범위가 이에 한정되는 것은 아니며 본 발명이 속하는 분야에서 통상의 지식을 가진 자가 여러 가지로 변형 및 개량한 형태 또한 본 발명의 권리범위에 속한다.
100 : 목적지 예측 서버
110 : 상황정보 수신부
120 : 목적지정보 수신부
130 : 차량정보 데이터베이스
140 : 예측모델 학습부
150 : 예측모델 데이터베이스
160 : 목적지 예측부
200-1 : 제1 차량단말
210 : 상황정보 수집부
211 : 출발정보 수집부
212 : 탑승자정보 수집부
220 : 상황정보 전송부
230 : 목적지정보 전송부
240 : 목적지후보 출력부

Claims (10)

  1. 다수의 차량에 각각 대응하는 목적지 예측모델을 저장하는 예측모델 데이터베이스,
    상기 다수의 차량 중 제1 차량에 위치하는 차량단말로부터 전송되는 상기 제1 차량의 식별정보와 출발상황정보를 수신하는 상황정보 수신부, 그리고
    상기 제1 차량의 목적지 예측모델에 기초하여 수신된 상기 출발상황정보에 대응하는 상기 제1 차량의 예상 목적지를 산출하고, 산출된 예상 목적지를 상기 차량단말로 전송하는 목적지 예측부
    를 포함하는 차량의 상황정보를 이용한 목적지 예측 서버.
  2. 제1항에서,
    상기 차량단말로부터 전송되며 상기 출발상황정보에 대응하는 실제 목적지를 수신하는 목적지정보 수신부를 포함하는 차량의 상황정보를 이용한 목적지 예측 서버.
  3. 제2항에서,
    수신된 상기 출발상황정보와 수신된 상기 실제 목적지의 상관관계를 학습하여 상기 제1 차량의 목적지 예측모델을 생성하는 예측모델 학습부를 포함하는 차량의 상황정보를 이용한 목적지 예측 서버.
  4. 제2항에서,
    수신된 상기 출발상황정보에 대응하는 상기 예상 목적지와 상기 실제 목적지의 오차를 산출하고, 산출된 오차에 기초하여 상기 제1 차량의 목적지 예측모델을 업데이트하는 예측모델 학습부를 포함하는 차량의 상황정보를 이용한 목적지 예측 서버.
  5. 제1항에서,
    상기 출발상황정보는 제1 차량의 출발시간, 출발위치, 그리고 출발시점의 탑승자정보를 포함하는 차량의 상황정보를 이용한 목적지 예측 서버.
  6. 제1항에서,
    상기 제1 차량의 목적지 예측모델의 출력층의 활성함수는 소프트맥스(softmax) 함수인 차량의 상황정보를 이용한 목적지 예측 서버.
  7. 예측모델 데이터베이스에 차량별 목적지 예측모델을 저장하는 단계,
    상황정보 수신부에서 제1 차량에 위치하는 차량단말로부터 전송되는 식별정보와 출발상황정보를 수신하는 단계,
    목적지 예측부에서 상기 제1 차량의 목적지 예측모델과 수신된 상기 출발상황정보를 이용하여 예상 목적지를 산출하고, 산출된 상기 예상 목적지를 상기 차량단말로 전송하는 단계
    를 포함하는 차량의 상황정보를 이용한 목적지 예측 방법.
  8. 제7항에서,
    목적지정보 수신부에서 상기 차량단말로부터 전송되며 상기 출발상황정보에 대응하는 실제 목적지를 수신하는 단계, 그리고
    예측모델 학습부에서 수신된 상기 출발상황정보와 수신된 상기 실제 목적지의 상관관계를 학습하여 상기 제1 차량의 목적지 예측모델을 생성하는 단계를 포함하는 차량의 상황정보를 이용한 목적지 예측 방법.
  9. 제7항에서,
    목적지정보 수신부에서 상기 차량단말로부터 전송되며 상기 출발상황정보에 대응하는 실제 목적지를 수신하는 단계, 그리고
    예측모델 학습부에서 수신된 상기 출발상황정보에 대응하는 상기 예상 목적지와 상기 실제 목적지의 오차를 산출하고, 산출된 오차에 기초하여 상기 제1 차량의 목적지 예측모델을 업데이트하는 단계를 포함하는 차량의 상황정보를 이용한 목적지 예측 방법.
  10. 제7항에서,
    상기 산출된 예상 목적지를 상기 차량단말로 전송하는 단계는, 상기 출발상황정보를 적용한 상기 제1 차량의 목적지 예측모델의 출력값을 예측확률로 변환하여 상기 차량단말로 전송하는 차량의 상황정보를 이용한 목적지 예측 방법.
KR1020170027106A 2017-03-02 2017-03-02 차량의 상황정보를 이용한 목적지 예측 서버 및 방법 KR102310420B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170027106A KR102310420B1 (ko) 2017-03-02 2017-03-02 차량의 상황정보를 이용한 목적지 예측 서버 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170027106A KR102310420B1 (ko) 2017-03-02 2017-03-02 차량의 상황정보를 이용한 목적지 예측 서버 및 방법

Publications (2)

Publication Number Publication Date
KR20180100824A true KR20180100824A (ko) 2018-09-12
KR102310420B1 KR102310420B1 (ko) 2021-10-07

Family

ID=63593173

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170027106A KR102310420B1 (ko) 2017-03-02 2017-03-02 차량의 상황정보를 이용한 목적지 예측 서버 및 방법

Country Status (1)

Country Link
KR (1) KR102310420B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102070120B1 (ko) * 2019-05-08 2020-01-28 서울대학교산학협력단 공공자전거 경로선택행태 모형화 방법, 이를 구현하는 컴퓨터 프로그램 및 이를 수행하도록 구성되는 시스템
WO2020213771A1 (ko) * 2019-04-19 2020-10-22 엘지전자 주식회사 차량 제어 장치 및 그 장치의 제어 방법
KR20210109410A (ko) * 2020-02-27 2021-09-06 주식회사 그로비 인공지능에 기반하는 콜 추천 시스템 및 콜 추천 방법
US11665281B2 (en) 2020-02-27 2023-05-30 Byung Kwan Jung Call recommendation system and call recommendation method based on artificial intelligence

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006313619A (ja) * 2003-06-30 2006-11-16 Matsushita Electric Ind Co Ltd コンテンツ再生装置及び方法
US7233861B2 (en) * 2003-12-08 2007-06-19 General Motors Corporation Prediction of vehicle operator destinations
KR101543087B1 (ko) * 2013-11-06 2015-08-07 현대자동차주식회사 네비게이션의 목적지 자동 설정 시스템 및 방법
JP2016536597A (ja) * 2013-11-12 2016-11-24 三菱電機株式会社 移動中に行先を予測するための方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006313619A (ja) * 2003-06-30 2006-11-16 Matsushita Electric Ind Co Ltd コンテンツ再生装置及び方法
US7233861B2 (en) * 2003-12-08 2007-06-19 General Motors Corporation Prediction of vehicle operator destinations
KR101543087B1 (ko) * 2013-11-06 2015-08-07 현대자동차주식회사 네비게이션의 목적지 자동 설정 시스템 및 방법
JP2016536597A (ja) * 2013-11-12 2016-11-24 三菱電機株式会社 移動中に行先を予測するための方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020213771A1 (ko) * 2019-04-19 2020-10-22 엘지전자 주식회사 차량 제어 장치 및 그 장치의 제어 방법
US11618471B2 (en) 2019-04-19 2023-04-04 Lg Electronics Inc. Vehicle control device and control method thereof
KR102070120B1 (ko) * 2019-05-08 2020-01-28 서울대학교산학협력단 공공자전거 경로선택행태 모형화 방법, 이를 구현하는 컴퓨터 프로그램 및 이를 수행하도록 구성되는 시스템
KR20210109410A (ko) * 2020-02-27 2021-09-06 주식회사 그로비 인공지능에 기반하는 콜 추천 시스템 및 콜 추천 방법
US11665281B2 (en) 2020-02-27 2023-05-30 Byung Kwan Jung Call recommendation system and call recommendation method based on artificial intelligence

Also Published As

Publication number Publication date
KR102310420B1 (ko) 2021-10-07

Similar Documents

Publication Publication Date Title
KR102310420B1 (ko) 차량의 상황정보를 이용한 목적지 예측 서버 및 방법
US8775080B2 (en) Destination estimating apparatus, navigation system including the destination estimating apparatus, destination estimating method, and destination estimating program
CN108981735B (zh) 信息处理装置以及信息处理方法
CN106828370A (zh) 针对特定用户个性化车辆舒适性设置
WO2019165381A1 (en) Distributed computing resource management
CN107209988B (zh) 确定机动车辆接近交通灯的最佳速度的方法
CN111497853B (zh) 用于传感器诊断的系统和方法
US11333509B2 (en) Information processing system and server
JP2019160242A (ja) 通信装置およびスケジュール作成方法
CN111006678A (zh) 路径搜索装置以及计算机可读存储介质
WO2020079746A1 (ja) 乗降地点提供システム、データサーバー及び乗降地点提供方法
JP2020094956A (ja) 情報処理システム、プログラム、及び情報処理方法
CN110941253B (zh) 驾驶评价装置、驾驶评价系统、驾驶评价方法及存储介质
CN111159529B (zh) 信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法
CN106561034B (zh) 用于构造传感器的利用信息的设备及其方法
JP2019161620A (ja) 通信装置およびスケジュール作成方法
US20210065057A1 (en) Method and arrangement for determining a current location speed-limit in a road-vehicle
US11407276B2 (en) Information providing apparatus, method for providing information, non-transitory storage medium storing program, and method of controlling air-conditioner of vehicle
JP2018039282A (ja) 空調操作提案方法及び空調操作提案システム
US20200249046A1 (en) Systems and methods for predicting travel destination of an automobile based on attire worn by individual
US11927454B2 (en) Information processing device, information processing system, program, and information processing method
CN113474771A (zh) 用于估计使用者连同车辆的出发时间点的方法、计算机程序、装置、车辆和网络组件
CN112767727A (zh) 使用v2v通信估计车辆目的地处的等待时间的方法和系统
US20220136851A1 (en) Systems And Methods For Using In-Vehicle Voce Recognition, IOT Sensors and Vehicle State Data For Augmenting Car-Generated GPS/Location-Based Data For Predicting Travel Patterns
WO2023062913A1 (ja) 情報提供方法、情報表示方法及びプログラム

Legal Events

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