KR20200025392A - 유동인구 추정장치 및 방법 - Google Patents

Abstract

본 발명은 유동인구 추정장치, 및 방법에 관한 것으로, 본 발명에 따른 유동인구 추정장치에 따르면, 유동인구 추정위치의 주변에 존재하는 시설과 유동인구 간의 상관관계를 기초로 모델링된 유동인구 추정모델을 기초로 유동인구를 추정한다.
이를 통하여, 종래의 유동인구 실측 방식 대비 효율성 및 경제성을 도모할 수 있으며, 유동인구 추정모델 외에도 정적인구, 카드 사용량, SNS 사용량의 추가 정보를 이용하여 추정값을 보정함으로써 유동인구 추정의 정확도를 더욱 향상시킬 수 있다.

Description

유동인구 추정장치 및 방법{APPARATUS FOR ESTIMATING A FLOATING POPULATION AND METHOD THEREOF}

본 발명은 유동인구 추정장치, 및 방법에 관한 것으로, 더욱 상세하게는, 유동인구 추정대상 위치의 주변 시설에 따른 유동인구 추정모델을 구축하여 유동인구를 추정하는 장치 및 그 방법에 관한 것이다.

유동인구는 정적인구와 반대되는 개념으로 통행인구라고도 지칭되며, 특정지역을 통과하는 인구라는 의미를 갖는다. 유동인구는 상권분석, 방재 대책 수립, 기업 마케팅 등을 비롯하여 공익, 사익적 분야 전반에서 중요한 자료로 활용되고 있다. 국가기관과 기업에서는 유동인구를 분석하여, 이를 각종 시설 및 점포의 입지선정, 광고 위치선정 등 다양한 용도로 활용하고 있다.

서울시에서는 2009년부터 현장에 조사원을 파견하여 서울시내 10,000지점의 유동인구를 분석하고 있으며, 이는 조사원이 특정 지점에서 방향에 상관없이 지나가는 사람의 수를 핸드 카운팅하여 측정하는 실측 방식으로 이루어지고 있다. 서울시에서는 이러한 유동인구 실측정보를 기초로 '서울 유동인구 DB'를 구축하여 유동인구 서비스를 제공하고 있다. 은행, 마켓 등에서는 위 정보를 지역 대리점 개설을 위한 상권 및 입지 분석에 이용하고 있으며, 각 지방자치단체 등 공공부분에서는 보도 확장, 안전시설 확대 등 도시계획 수립에도 활용하고 있는 것으로 알려져 있다.

이와 같이, 현재까지는 실측 방식을 통하여 유동인구를 파악하는 경우가 많다. 다만, 이러한 실측 방식에 의하면, 많은 인력이 동원되어야 하고 시간이 장시간 소요될 뿐 아니라 조사대상이 되는 공간 범위에도 한계가 존재할 수밖에 없다. 또한, 실측을 매번 시행할 수 없기 때문에 조사된 유동인구 수는 과거 시점의 데이터로서 최근 상황을 반영하지 못하는 문제점이 있다.

따라서, 실측에 의하지 않으면서도 인터넷이나 휴대단말이 널리 보급되지 않는 지역이나 개발도상국에도 적용될 수 있는 유동인구 추정 방안이 강구된다면 종래의 실측 기반의 유동인구 조사 방법의 문제점을 극복하고, 이를 효과적으로 보완할 수 있을 것으로 기대된다.

한국등록특허 제1474865호(2014.12.15.)

본 발명은 전술된 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 유동인구 추정위치의 주변 시설과 유동인구 간의 상관관계를 기초로 모델링된 유동인구 추정모델을 기초로 유동인구를 추정하는 유동인구 추정장치 및 그 방법을 제공하는 것을 목적으로 한다.

상기한 목적은 본 발명의 일 양태에 따른 시설의 종류에 따라 기설정된 상기 시설의 규모 또는 매입/매출에 관한 시설인자, 및 유동인구 추정대상이 되는 타깃 위치와 상기 타깃 위치의 주변에 존재하는 각 시설 간의 거리에 관한 거리인자와 해당 시설에 의한 상기 타깃 위치에서의 유동인구와의 상관관계를 규정한 유동인구 세부모델을 각 시설의 종류별로 저장하는 세부모델 저장부; 상기 각 시설의 위치와 상기 타깃 위치를 기초로 상기 거리인자의 값을 산출하고, 산출된 상기 거리인자의 값과 외부로부터 수신한 상기 시설에 대응하는 상기 시설인자의 값을 상기 시설의 종류에 대응하는 상기 세부모델에 적용하여 시설별 유동인구를 산출하는 제1 유동인구 산출부; 동일 종류의 시설에 대응하는 상기 시설별 유동인구를 누적하여 동종 시설별 유동인구를 산출하는 제2 유동인구 산출부; 시설의 종류에 따른 상기 동종 시설별 유동인구에 대한 가중치 값을 포함하는 유동인구 통합모델을 저장하는 통합모델 저장부; 및 상기 동종 시설별 유동인구와 상기 유동인구 통합모델을 기초로 상기 타깃 위치에서의 유동인구를 산출하는 제3 유동인구 산출부를 포함하는 것을 특징으로 하는 유동인구 추정장치에 의하여 달성될 수 있다.

여기서, 상기 유동인구 세부모델의 상기 거리인자에 대응하는 상기 타깃 위치와 상기 각 시설 간의 거리는 상기 타깃 위치와 상기 각 시설 간의 도로상 거리, 직선거리 및 시간 거리 중 어느 하나가 적용될 수 있다.

한편, 상기 제1 유동인구 산출부, 상기 제2 유동인구 산출부, 및 상기 제3 유동인구 산출부는 유동인구 추정대상이 되는 공간범위를 복수의 격자 셀로 구분한 그리드 구조를 이용하여 상기 산출을 위한 프로세싱을 수행할 수 있다.

이를 위하여, 상기 제1 유동인구 산출부는, 유동인구 추정대상이 되는 공간범위를 복수의 격자 셀로 구분한 그리드를 상기 타깃 위치의 주변에 존재하는 각 시설에 대하여 각각 생성하고, 상기 격자 셀 내의 일 지점을 상기 타깃 위치로 적용하여 산출된 상기 시설별 유동인구를 상기 격자 셀의 값으로 저장할 수 있다.

한편, 상기 제2 유동인구 산출부는, 상기 제1 유동인구 산출부를 통하여 생성된 상기 각 시설에 대한 그리드 중 동일 종류의 시설에 대응하는 상기 그리드의 서로 대응하는 위치의 격자 셀 값을 누적하여 상기 동종 시설별 유동인구를 산출할 수 있다.

아울러, 본 발명의 실시예에 따른 유동인구 추정장치는, 상기 타깃 위치로부터 기설정된 반경 범위 내의 정적인구 수를 기초로 상기 제3 유동인구 산출부를 통해 산출된 상기 타깃 위치에서의 유동인구의 수를 보정하는 유동인구 보정부를 더 포함할 수 있다.

또한, 본 발명의 실시예에 따른 유동인구 추정장치는, 상기 타깃 위치로부터 기설정된 반경 범위 내에서의 카드 사용량 또는 SNS 사용량을 기초로 상기 제3 유동인구 산출부를 통해 산출된 상기 타깃 위치에서의 유동인구의 수를 보정하는 유동인구 보정부를 더 포함할 수 있다.

그리고, 상기 세부모델 저장부와 상기 통합모델 저장부는 요일 단위, 또는 시간 단위별로 각각 생성된 상기 유동인구 세부모델과 상기 유동인구 통합모델을 저장할 수 있다.

상기한 목적은, 본 발명의 또 다른 양태에 따른 유동인구를 추정하는 유동인구 추정장치에 의하여 수행되는 유동인구 추정 방법에 있어서, 시설의 종류에 따라 기설정된 상기 시설의 규모와 매입/매출에 관한 시설인자, 및 유동인구 추정대상이 되는 타깃 위치와 상기 타깃 위치의 주변에 존재하는 각 시설 간의 거리에 관한 거리인자와 해당 시설에 의한 상기 타깃 위치에서의 유동인구와의 상관관계를 규정한 유동인구 세부모델을 각 시설의 종류별로 생성하여 저장하는 단계; 상기 각 시설의 위치와 상기 타깃 위치를 기초로 상기 거리인자의 값을 산출하고, 산출된 상기 거리인자의 값과 외부로부터 수신한 상기 시설에 대응하는 상기 시설인자의 값을 상기 시설의 종류에 대응하는 상기 세부모델에 적용하여 시설별 유동인구를 산출하는 단계; 동일 종류의 시설에 대응하는 상기 시설별 유동인구를 누적하여 동종 시설별 유동인구를 산출하는 단계; 및 시설의 종류에 따른 상기 동종 시설별 유동인구에 대한 가중치 값을 포함하는 유동인구 통합모델과 상기 동종 시설별 유동인구를 기초로 상기 타깃 위치에서의 유동인구를 산출하는 단계를 포함하는 것을 특징으로 하는 유동인구 추정 방법에 의해서도 달성될 수 있다.

이상에서 설명된 바와 같이, 본 발명에 따르면, 유동인구 추정위치의 주변 시설과 유동인구 간의 상관관계를 기초로 모델링된 유동인구 추정모델을 기초로 유동인구를 추정함으로써 실측 방식 대비 효율성 및 경제성을 도모할 수 있다.

또한, 본 발명에 따르면, 유동인구 추정모델 외에도 정적인구, 카드 사용량, SNS 사용량의 추가 정보를 이용하여 추정값을 보정함으로써 유동인구 추정의 정확도를 향상시킬 수 있다.

도 1은 본 발명의 실시예에 따른 유동인구 추정장치의 구성을 나타낸 블록도;
도 2는 본 발명의 실시예에 따른 제1 유동인구 산출부에 따른 프로세싱 과정을 설명하기 위한 참고도;
도 3은 본 발명의 실시예에 따른 제2 유동인구 산출부에 따른 프로세싱 과정을 설명하기 위한 참고도;
도 4는 본 발명의 실시예에 따른 유동인구 추정방법을 나타낸 흐름도; 및
도 5는 본 발명의 실시예에 따른 제3 유동인구 산출부가 격자 셀 값의 보간을 통하여 유동인구를 산출하는 방법을 설명하기 위한 참고도이다.

이하, 도면을 참조하여, 본 발명의 구체적인 실시예들에 대해 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 유동인구 추정장치(100)의 구성을 나타낸 블록도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 유동인구 추정장치(100)는 세부모델 저장부(10), 제1 유동인구 산출부(20), 제2 유동인구 산출부(30), 통합모델 저장부(40), 제3 유동인구 산출부(50), 유동인구 보정부(60), 및 유동인구 제공부(70)를 포함한다.

세부모델 저장부(10)는 유동인구 추정대상이 되는 미리 결정된 타깃 위치에 대해서 해당 타깃 위치의 주변에 존재하는 시설에 의하여 유인되는 유동인구를 추정하기 위한 유동인구 세부모델을 저장한다. 유동인구 세부모델은 타깃 위치의 유동인구 중 각 시설에 의하여 유인되는 유동인구를 모델링한 것으로, 타깃 위치에서 각 시설에 의한 유동인구와 시설인자, 거리인자와의 상관관계를 규정한 것이다.

유동인구 세부모델은 시설의 종류별로 마련될 수 있다. 예컨대, 유동인구 세부모델은 식당, 교회, 카페, 은행, 백화점 등과 같이 시설의 용도에 따라 별도로 마련될 수 있다. 또한, 유동인구 세부모델의 생성기준이 되는 시설의 종류는 시설의 용도뿐 아니라 다른 기준을 통해 더욱 세분화될 수도 있다. 예컨대, 같은 식당에 포함되는 시설이라고 하더라도 맥도날드, 롯데리아, 버커킹과 같이 체인점의 종류에 따라 세분화되어 유동인구 세부모델이 각각 마련될 수 있으며, 할랄인증 식당과 같이 판매하는 식품이나 물건의 종류에 따라 유동인구 세부모델이 각각 마련될 수도 있다.

여기서, 시설인자는 유동인구와 직간접적으로 연관된 시설에 관한 인자로서, 예컨대, 시설의 규모, 시설의 매입/매출에 관한 지표를 들 수 있다. 이는, 시설의 규모가 클수록, 시설의 매입/매출이 클수록 해당 시설에 의한 유동인구 수가 많음을 고려한 것이다. 예컨대, 시설의 종류가 식당인 경우, 식당 규모가 클수록, 식당에서 구입한 식재료의 양이 많거나 식당 매출액이 클수록 해당 시설에 의한 유동인구 수가 많은 것으로 추정할 수 있다.

참고로, 유동인구 세부모델의 구축시, 어떠한 시설을 적용할지에 관한 것은 특별한 제한이 없고 다양한 시설이 적용될 수 있으나, 유동인구 세부모델은 기본적으로 소정 시설의 규모나 매입/매출에 관한 지표와 유동인구 수가 서로 관계가 있음을 전제로 하는 것이므로 입지선정부터 본사에 의하여 관리되는 체인점이나 대기업 산하 시설과 같이 상대적으로 규모가 큰 시설이 적용되는 것이 바람직하다.

이때, 유동인구 세부모델은 시설인자로서 시설의 규모, 시설의 매입/매출에 관한 지표를 모두 포함하여 정의될 수도 있으나, 이 중 어느 하나만 포함할 수도 있다.

또한, 시설의 규모는 시설의 면적이나, 회원수 등으로 표현될 수 있으며, 시설의 매입/매출은 매입액, 매출액과 같이 금액으로 표현되거나 또는, 매입량, 매출량과 같이 매입하거나 팔린 물건의 양으로 표현될 수도 있다. 예컨대, 식당의 경우, 시설 규모로서 식당 면적을 적용할 수 있으며, 매입/매출에 관한 지표는 구입한 식재료 금액, 매출액, 구입한 식재료의 양이나 판매한 식재료의 양 등으로 표현될 수 있을 것이다. 또한, 교회의 경우에는 시설 규모로서 성도수, 매입/매출에 관한 지표로는 기부금 액수를 적용할 수 있을 것이다.

한편, 거리인자는 타깃 위치와 각 시설 간의 거리를 의미하며, 이는 통상적으로 타깃 위치와 시설의 거리가 가까울수록 해당 시설에 더 많이 방문함을 고려한 것이다. 거리는 타깃 위치와 각 시설 간의 도로상 거리, 직선거리, 시간거리 등이 될 수 있다. 여기서, 도로상 거리는 타깃 위치로부터 시설까지 도로를 따라 이동할 때의 거리, 직선거리는 도로와 무관한 직선거리, 시간거리는 어떤 수단을 이용하여 이동할 때 타깃 위치로부터 시설까지 소요되는 시간을 의미한다.

유동인구 세부모델은 실측 유동인구 데이터를 기초로 유동인구 수와 시설인자 및 거리인자와의 상관관계를 파악하기 위한 회귀분석을 비롯한 각종 통계기법, 신경망(Neural Network), SVM(Support Vector Machine) 등 다양한 알고리즘을 통한 기계학습(Machine Learning)을 비롯한 각종 분석 툴(Tool)을 적용하여 모델링될 수 있다. 일 예로서, 유동인구 세부모델은 시설인자와 거리인자를 독립변수로, 해당 시설에 의한 유동인구를 종속변수로 하는 함수식으로 표현될 수 있다. 예컨대, 유동인구 세부모델은 시설의 규모와 매출/매입 등의 시설인자 값에 비례하고 거리인자 값에 반비례하는 관계를 가지는 함수식으로 정의될 수 있을 것이다. 여기서 시설인자 값에 비례한다는 것은 시설인자 값의 자승에 비례하는 것을 포함하는 개념이며, 거리인자 값에 반비례한다는 것은 거리인자 값의 자승에 반비례하는 것을 포함하는 개념임은 물론이다.

또한, 유동인구 세부모델은 요일 단위, 또는 시간 단위별로 각각 생성될 수 있다. 예컨대, 식사시간에는 식당이나 카페에 의한 유동인구 수가 많으며, 평일에는 교회에 의한 유동인구 수가 적으나 일요일에는 많은 것과 같이 시간 또는 요일에 따라 해당 시설에 의한 유동인구의 양상이 다르게 나타남을 고려한 것이다.

제1 유동인구 산출부(20)는 각 시설의 위치와 타깃 위치를 기초로 도로상 거리, 직선거리, 시간거리 중 미리 설정된 거리인자의 값을 산출하고, 산출된 거리인자의 값과 해당 시설에 대응하는 시설인자의 값을 시설의 종류에 대응하는 유동인구 세부모델에 적용하여 시설별 유동인구를 산출한다.

여기서, 거리인자가 도로상 거리 또는 직선거리로 설정된 경우에는 각 시설의 위치 좌표와 타깃 위치의 위치 좌표를 이용하여 거리인자 값을 산출할 수 있으며, 시간거리로 설정된 때에는 기설정된 이동수단의 평균속도를 적용하여 산출할 수 있을 것이다. 이와 같이, 위치 좌표를 기초로 거리를 산출하거나 이동시간을 산출하는 것은 공지된 기술이므로 구체적인 산출방법은 설명의 간략화를 위해 생략하기로 한다. 한편, 제1 유동인구 산출부(20)는 거리인자의 값을 직접 산출할 수도 있으나 지도 서비스를 제공하는 외부의 지도 서비스 서버(미도시)로부터 거리인자 값을 제공받아 이용하도록 구현될 수도 있다.

또한, 시설인자 값에 대응하는 시설의 규모, 시설의 매입/매출에 관한 지표값은 시설에 관한 각종 정보를 제공하는 외부의 정보제공 서버(미도시)로부터 수신할 수도 있으며, 또는, 키보드, 마우스 등의 입력장치를 포함하는 사용자 인터페이스부(미도시)를 통하여 사용자로부터 직접 입력받을 수도 있다.

한편, 제1 유동인구 산출부(20)는 유동인구 추정대상이 되는 공간범위를 복수의 격자 셀로 구분한 그리드(Grid) 구조를 이용하여 시설별 유동인구 산출을 위한 프로세싱을 수행할 수 있다.

즉, 제1 유동인구 산출부(20)는 유동인구 추정대상이 되는 소정의 공간범위에 대해서 복수의 격자 셀로 구분한 그리드 구조를 생성한다. 이때, 생성되는 그리드의 개수는 유동인구 추정대상 공간범위 내에 위치하는 시설 중 유동인구 세부모델을 적용할 수 있는 시설의 개수에 대응된다. 예컨대, 유동인구 세부모델이 '맥도날드'와 '스타벅스'에 대하여 구축되었고, 소정의 공간범위 내, 다시 말해 타깃 위치 주변에 2개의 맥도날드와 2개의 스타벅스가 존재한다면 그리드 구조는 총 4개로서 각 시설에 대해서 각각 마련될 수 있다.

한편, 격자 셀의 개수에 관한 그리드의 해상도는 임의의 해상도로 결정될 수 있으나, 공간범위 내 존재하는 시설의 개수나 위치에 따라 결정될 수도 있다. 예컨대, 시설의 개수가 많거나 시설 간 거리가 가까우면 5m X 5m 단위로 격자 셀을 분할하는 것과 같이 상대적으로 고해상도로서 정밀하게 분할하고, 시설의 개수가 적거나 시설 간 거리가 상대적으로 멀면 20m X 20m 등과 같이 저해상도로서 러프하게 분할할 수 있다. 또한, 도심 등과 같이 유동인구가 상대적으로 많은 곳은 해상도를 정밀하게 하는 등 지역에 따라 결정할 수도 있을 것이다.

이와 같이, 각 시설에 대해서 그리드 구조가 마련되면, 제1 유동인구 산출부(20)는 격자 셀 내의 일 지점인 타깃 위치와 타깃 위치의 주변 시설의 위치를 기초로 산출된 거리인자의 값과 시설인자의 값을 해당 시설의 종류에 대응하는 유동인구 세부모델에 적용하여 시설별 유동인구를 산출하고, 산출된 각 시설별 유동인구 값을 타깃 위치를 포함하는 격자 셀의 값으로 저장한다. 이에 따르면, 격자 셀의 값은 격자 셀 단위면적당 유동인구 수로 표현된다.

도 2는 전술된 제1 유동인구 산출부(20)에 따른 프로세싱 과정을 도식화한 것이다. 도 2에서는 유동인구 추정대상 공간범위에 식당에 해당하는 제1 시설(A)과 제2 시설(B), 및 은행에 해당하는 제3 시설(C)이 존재하는 것을 가정한다.

도 2에 도시된 제1 그리드(G1), 제2 그리드(G2), 및 제3 그리드(G3)는 유동인구 추정대상이 되는 공간범위에 대응한 그리드로서, 제1 그리드(G1)는 제1 시설(A)에 대응하는 그리드이고, 제2 그리드(G2)는 또 다른 식당에 해당하는 제2 시설(B)에 대응하는 그리드, 제3 그리드(G3)는 식당과는 다른 종류의 시설로서 은행에 해당하는 제3 시설(C)에 대응하는 그리드에 해당한다.

이때, 타깃 위치는 제1 그리드(G1), 제2 그리드(G2), 제3 그리드(G3)에서 모두 동일한 위치에 해당하는 s1이라고 가정할 때, 제1 유동인구 산출부(20)는 타깃 위치 s1과 제1 시설(A) 간의 거리인자 값과 제1 시설(A)의 시설인자 값을 세부모델 저장부(10)에 저장된 유동인구 세부모델 중 식당에 대응하는 세부모델에 적용하여 제1 시설(A)에 따른 유동인구를 산출한다. 또한, 이와 동일하게, 타깃 위치 s1과 제2 시설(B) 간의 거리인자 값과 제2 시설(B)의 시설인자 값을 제2 시설(B)의 종류에 대응하는 세부모델에 적용하여 제2 시설(B)에 따른 유동인구를 산출하고, 타깃 위치 s1과 제3 시설(C) 간의 거리인자 값과 제3 시설(C)의 시설인자 값을 제3 시설(C)의 종류인 은행에 대응하는 세부모델에 적용하여 제3 시설(C)에 따른 유동인구를 산출한다. 이때, 거리인자의 값은 타깃 위치가 달라짐에 따라 변경되나 시설인자 값은 같은 시설에 대해서는 동일하다.

이와 같이, 시설(A,B,C)별로 산출된 시설별 유동인구는 각 시설에 대응하는 그리드(G1,G2,G3)에 타깃 위치 s1을 포함하는 격자 셀(201,203,205)의 값으로 각각 저장된다. 제1 유동인구 산출부(20)는 타깃 위치가 변경될 때마다 전술된 프로세싱을 거쳐 시설별 유동인구를 산출할 수도 있으나, 각 그리드(G1,G2,G3)를 구성하는 격자 셀을 순회하면서 다수의 타깃 위치에 대하여 시설별 유동인구를 산출하여 격자 셀 값으로 미리 저장하여 그리드를 구축하여 놓고, 요청에 대응하는 타깃 위치에 따른 격자 셀 값을 선택적으로 반환하도록 구현될 수도 있다.

이를 통하여, 동일한 타깃 위치에 대하여 연산의 불필요한 반복을 피할 수 있다. 이와 같이, 소정 공간범위 내에 대하여 시설별 유동인구를 미리 산출하여 두고 시설이 신축, 폐쇄되거나 또는 규모나 매입/매출 등의 정보가 변경되어 시설인자의 값이 새롭게 반영될 필요가 있는 때에 각 시설에 대응하는 그리드를 갱신하거나 추가, 삭제하여 운용할 수 있다.

한편, 도 2에서는 타깃 위치 s1이 격자 셀(201,203,205)의 중심으로 설정된 예를 보여주지만 반드시 이에 한정되지 않으며 격자 셀 내 임의의 일 지점으로 설정될 수 있다.

제2 유동인구 산출부(30)는 제1 유동인구 산출부(20)를 통하여 각 시설에 대하여 개별적으로 산출된 시설별 유동인구 중 동일 종류의 시설에 대응하는 시설별 유동인구를 누적하여 동종 시설별 유동인구를 산출한다.

제2 유동인구 산출부(30)의 동종 시설별 유동인구를 산출하는 프로세싱 역시, 그리드 구조를 이용하여 이루어질 수 있다. 이를 위하여, 제2 유동인구 산출부(30)는 유동인구 세부모델과 같이 시설의 종류별로 그리드를 마련할 수 있다. 예컨대, 식당, 교회, 카페, 은행, 백화점 등과 같이 시설의 용도에 따라 마련될 수 있을 것이다, 또한, 전술된 바와 같이, 같은 식당에 포함되는 시설이라고 하더라도 맥도날드, 롯데리아, 버커킹과 같이 체인점의 종류에 따라 세분화되어 그리드 구조가 각각 마련될 수 있으며, 할랄인증 식당과 같이 판매하는 식품이나 물건의 종류에 따라 그리드가 각각 마련될 수도 있음은 물론이다. 이처럼, 동종 시설별 유동인구를 산출하는데 활용되는 그리드는 유동인구 세부모델에서 활용된 시설의 카테고리에 따라 구축될 수 있다.

도 3은 본 발명의 실시예에 따른 제2 유동인구 산출부(30)에 따른 프로세싱 과정을 도식화한 것이다. 도 3에서도 유동인구 추정대상 공간범위에 식당에 해당되는 제1 시설(A), 제2 시설(B)과 은행에 해당하는 제3 시설(C)이 존재함을 상정한 것으로, 도 2에 도시된 바와 같이 산출된 시설별 유동인구를 기초로 프로세싱하는 과정을 보여준다.

도 3을 참조하면, 제1 유동인구 산출부(20)를 통해 산출된 제1 시설(A), 제2 시설(B), 및 제3 시설(C)에 각각 대응하는 시설별 유동인구 중 제1 시설(A)에 따른 유동인구와 제2 시설(B)에 따른 유동인구는 식당으로서 동일한 종류의 시설에 대응하는 유동인구이므로 제1 그리드(G1)와 제2 그리드(G2)에서 서로 대응되는 위치의 격자 셀 값이 누적되어 식당에 따른 유동인구를 산출할 수 있다. 예컨대, 제1 그리드(G1)의 격자 셀(201)의 값과 제2 그리드(G2)의 격자(203)의 값은 동일 타깃 위치 s1에 대한 값으로서 서로 대응되므로 상호 더하여 타깃 위치 s1에 대한 식당에 따른 유동인구를 산출할 수 있다.

동종 시설에 해당하는 제1 시설(A)에 대응하는 제1 그리드(G1)와 제2 시설(B)에 대응하는 제2 그리드(G2)의 누적된 격자 셀 값은 식당이라는 시설에 대응하는 제4 그리드(G4)에서 대응되는 격자 셀의 값으로 저장된다. 예컨대, 제1 그리드(G1)의 격자 셀(201)의 값과 제2 그리드(G2)의 격자(203)의 값이 누적된 값은 제4 그리드(G4)에서 타깃 위치인 s1에 대한 격자 셀(301)의 값으로 저장된다.

한편, 유동인구 추정대상 공간범위에는 은행에 해당하는 제3 시설(C)과 동종의 시설이 존재하지 않아 누적대상이 없으므로 제3 그리드(G3)의 격자 셀 값이 그대로 은행에 대응하는 제5 그리드(G5)의 격자 셀 값으로 저장될 것이다. 이에 따르면, 제5 그리드(G5)의 격자 셀(303) 값은 타깃 위치 s1에서의 은행에 따른 유동인구가 된다. 한편, 도 3에서는 동종 시설별 유동인구의 개념을 설명하기 위하여 제3 그리드(G3)와는 별개로 제5 그리드(G5)가 생성되는 것으로 설명하였으나, 누적할 동종 시설이 존재하지 않을 때에는 별도의 그리드인 제5 그리드(G5) 생성 없이 제3 그리드(G3)가 활용될 수 있음은 물론이다.

통합모델 저장부(40)는 제2 유동인구 산출부(30)를 통해 산출된 동종 시설별 유동인구를 기초로 타깃 위치에 대한 전체 유동인구를 산출하기 위한 유동인구 통합모델을 저장한다. 유동인구 통합모델은 시설의 종류에 따라 동종 시설별 유동인구에 대한 가중치 값을 포함하며, 일 예로서, 제2 유동인구 산출부(30)에서 산출된 동종 시설별 유동인구를 변수로 하는 함수식으로 표현될 수 있다.

예컨대, 소정 타깃 위치에서의 유동인구 P를 산출하기 위한 유동인구 통합모델은 다음과 같은 형식으로 정의될 수 있다.

여기서, p1, p2, p3, p4는 제2 유동인구 산출부(30)를 통하여 산출된 동종 시설별 유동인구이고, a, b, c, d는 계수로서 각 시설의 종류에 대응하는 가중치 값이다. 수학식 1에서는 시설이 4개의 종류가 존재하는 것을 상정하였으나, 시설 종류의 개수는 더 늘어나거나 감소될 수 있음은 물론이다.

한편, 유동인구 통합모델의 가중치 값은 복수의 타깃 위치에 대한 전체 유동인구 실측값과 제2 유동인구 산출부(30)를 통하여 산출된 동종 시설별 유동인구의 관계를 기초로, 회귀분석을 비롯한 각종 통계기법, 신경망, SVM 등 다양한 알고리즘을 통한 기계학습을 비롯한 각종 분석 툴을 적용하여 모델링될 수 있다.

또한, 유동인구 통합모델도 세부모델과 마찬가지로 요일 단위, 또는 시간 단위별로 각각 생성될 수 있다. 이는 식사시간에는 식당이나 카페에 의한 유동인구 수가 많으며, 평일에는 교회에 의한 유동인구 수가 적으나 일요일에는 많은 것과 같이 시간 또는 요일에 따라 해당 시설에 의한 유동인구의 양상이 다르게 나타나므로 시설의 종류에 따른 가중치 값이 시간이나 요일에 따라 달리 반영될 필요가 있음을 고려한 것이다. 뿐만 아니라, 유통인구 통합모델은 지역에 따라 각각 생성될 수도 있다. 이는 지역에 따라 시설에 따른 영향이 서로 다르게 나타날 수 있음을 고려한 것이다.

제3 유동인구 산출부(50)는 제2 유동인구 산출부(30)를 통하여 산출된 동종 시설별 유동인구와 저장된 유동인구 통합모델을 기초로 타깃 위치에서의 유동인구를 산출한다. 즉, 제3 유동인구 산출부(50)는 통합모델을 기초로 시설의 종류에 따라 설정된 가중치 값이 각각 부여된 동종 시설별 유동인구를 모두 더하여 타깃 위치에서의 유동인구를 산출한다.

전술된 바와 마찬가지로, 제3 유동인구 산출부(50)에 따른 유동인구 산출 프로세싱 역시 그리드 구조를 기초로 이루어질 수 있다.

예컨대, 도 3에서와 같이 동종 시설별 유동인구로서 식당에 따른 유동인구와 은행에 따른 유동인구가 산출되어 식당에 따른 유동인구가 저장된 제4 그리드(G4)와 은행에 따른 유동인구가 저장된 제5 그리드(G5)가 각각 생성되었을 때, 타깃 위치 s1에서의 전체 유동인구는 제4 그리드(G4)와 제5 그리드(G5)에서 s1 위치를 포함하는 격자 셀 값을 유동인구 통합모델에 적용하여 산출될 수 있다.

예컨대, 제4 그리드(G4)에서 s1을 포함하는 격자 셀(301) 값이 P1이고 통합모델에 따른 식당 유동인구의 가중치 값이 a, 제5 그리드(G5)에서 s1을 포함하는 격자 셀(303) 값이 P2이고 통합모델에 따른 은행 유동인구의 가중치 값이 b일 때, s1에서의 유동인구는 a X P1 + b X P2가 된다. 이 값은 제3 유동인구 산출부(50)를 통해 산출된 유동인구 값을 저장하기 위하여 마련된 그리드에서 s1 위치를 포함하는 격자 셀 값으로 저장된다. 이와 같은 과정을 모든 격자 셀에 대하여 수행하면 복수의 타깃 위치에 대한 유동인구가 저장된 그리드를 구축할 수 있다.

전술된 바와 같이, 제1 유동인구 산출부(20), 제2 유동인구 산출부(30), 제3 유동인구 산출부(50)의 프로세싱에 활용되는 그리드는 서로 대응되는 위치의 격자 셀 값을 누적하는 과정이 수반되므로 동일한 공간범위에 대하여 동일한 해상도로 분할된 같은 형태의 그리드를 활용할 수 있다.

유동인구 보정부(60)는 제3 유동인구 산출부(50)를 통하여 산출된 타깃 위치에서의 유동인구인 1차 산출 유동인구 값을 보정한다.

일 예로서, 유동인구 보정부(60)는 타깃 위치를 포함하여 타깃 위치로부터 기설정된 반경 범위 내의 정적인구를 고려하여 1차 산출 유동인구 값을 보정할 수 있다. 여기서, 정적인구는 해당 지역에 거주하는 인구로서 유동인구와 반대되는 개념이다. 예컨대, 정적인구에 관한 정보는 해당 지역에 주민등록상 거주지로 등록되어 있는 자의 수를 적용할 수 있다. 이러한 정적인구에 관한 정보는 외부로부터 제공받거나, 또는 유동인구 추정장치(100)의 메모리(미도시)에 미리 저장된 정보를 활용할 수도 있다.

유동인구 보정부(60)는 유동인구 통합모델과 동종 시설별 유동인구를 기초로 산출된 1차 산출 유동인구와 정적인구 수의 비율이 기설정된 범위 내에 포함되거나 또는 그 수의 차이가 기설정된 범위 내에 포함되도록 1차 유동인구 수의 스케일을 조절할 수 있다. 예컨대, 제3 유동인구 산출부(50)를 통하여 1차 유동인구 수가 1500명으로 산출되었고, 정적인구 수가 2000명이며, 스케일 펙터 결정 기준으로서 기설정된 유동인구/정적인구의 비율이 0.5~0.6이라고 가정할 때, 현재 비율은 1500/2500으로서 0.75이으로서 0.5~0.6의 범위 안에 포함되지 않는다. 이에, 유동인구 보정부(60)는 1차적으로 산출된 1500명에 대한 스케일 펙터로서, 예컨대 0.92의 스케일 펙터를 1500명에 적용하여 1380명으로 보정함으로써 기설정된 0.5~0.6의 범위 안에 들도록 할 수 있다.

이를 위하여, 유동인구 보정부(60)는 1차 유동인구와 정적인구 수의 구체적인 비율이나 1차 유동인구와 정적인구 수의 구체적인 차이 등과 같이 스케일 펙터 결정을 위한 구체적인 기준을 미리 저장하고, 이를 기초로 적절한 스케일 펙터를 결정하여 1차 유동인구 수를 보정할 수 있다. 이때, 결정 기준은 시간이나 요일, 지역 등에 따라 상이하게 마련될 수 있다.

또 다른 예로서, 유동인구 보정부(60)는 타깃 위치를 포함하여 타깃 위치로부터 기설정된 반경 범위 내의 카드 사용량 또는 트윗량과 같은 SNS 사용량을 고려하여 1차 유동인구 값을 보정할 수 있다. 이때, 카드 사용량, SNS 사용량 정보는 제휴된 카드사 서버나 SNS 서버로부터 수신할 수 있다. 유동인구 보정부(60)는 소정 시간 동안의 카드 사용량 또는 SNS 사용량과 1차 유동인구 간의 비율이 기설정된 범위 내에 포함되도록 1차 유동인구 수를 보정할 수 있다. 이를 위하여, 유동인구 보정부(60)는 1차 유동인구와 카드 사용량 또는 SNS 사용량 간의 구체적인 비율이나 1차 유동인구 수와 카드 사용량 또는 SNS 사용량 간의 정량적 차이 등과 같이 1차 유동인구 수를 보정하기 위한 스케일 펙터 결정 기준을 미리 저장할 수 있으며, 이때에도, 결정 기준은 시간이나 요일, 지역 등에 따라 상이하게 마련될 수 있음은 물론이다.

이와 같이, 1차적으로 추정된 유동인구 수를 보정하기 위한 유동인구 보정부(60)의 구체적인 스케일 펙터 결정 기준은 실측 유동인구 수를 기초로 실험적으로 결정될 수 있다.

이상에서 설명된 바와 같이, 본 발명의 실시예에 따른 유동인구 추정장치(100)는 기본적으로 타깃 위치 주변 시설의 규모, 시설의 매입/매출을 포함하는 시설인자 및 타깃 위치와 주변 시설 간의 거리인자와 유동인구가 상관관계가 있음에 기반하여 유동인구 수를 산출하면서 해당 지역의 정적인구나, 카드 사용량, SNS 사용량 등의 추가 정보를 함께 고려함으로써 더욱 합리적인 유동인구를 산출하고 있다.

유동인구 제공부(70)는 유동인구 보정부(60)를 통하여 보정된 타깃 위치에서의 최종 산출 유동인구에 관한 정보를 제공한다. 유동인구 제공부(70)는 추정된 유동인구 수를 수치적으로 제공할 수 있으며, 이에 더하여 유동인구밀도가 높은 곳에는 빨강색, 낮은 곳에는 파랑색 등으로 타깃 위치별로 추정된 유동인구밀도에 따라 색깔이나 표식을 달리하여 상대적인 비교가 될 수 있도록 지도상에서 시각화하여 정보를 제공할 수 있다. 제공되는 정보는 유동인구 추정장치(100)의 디스플레이를 통하여 표시되거나 또는 유동인구 추정장치(100)에 유동인구에 관한 정보를 요청한 외부의 사용자 단말기(미도시)에 전송될 수 있다.

도 4는 본 발명의 실시예에 따른 유동인구 추정방법을 나타낸 흐름도이다. 이하, 도 4를 참조하여, 이상에서 설명된 유동인구 추정장치(100)의 유기적인 동작을 살펴본다.

먼저, 유동인구 추정 위치에 해당하는 소정의 타깃 위치 주변에 존재하는 개별적인 시설에 의한 유동인구를 추정하기 위한 유동인구 세부모델, 및 동종 시설별 유동인구를 기초로 타깃 위치에서의 전체 유동인구를 추정하기 위한 유동인구 통합모델이 저장된 데이터베이스 구축이 전제된다(S10).

유동인구 세부모델은 소정 타깃 위치에서 각 시설에 의한 유동인구와 시설인자 및 거리인자와의 상관관계를 규정한 것이고, 유동인구 통합모델은 각 시설 중 동종 시설에 따른 유동인구를 합하여 타깃 위치에서의 최종 유동인구를 산출할 때, 각 시설의 종류에 따른 가중치 값이 정의된 모델이다. 이러한 세부모델과 통합모델은 독립변수와 종속변수의 상관관계를 분석하여 생성되는 것으로, 회귀분석을 비롯한 각종 통계기법, 신경망, SVM 등 다양한 알고리즘을 통한 기계학습을 비롯한 각종 분석 툴을 적용하여 모델링될 수 있음은 전술된 바와 같다.

이때, 세부모델은 시설의 종류에 따라 세분화되어 생성될 수 있으며, 세부모델과 통합모델은 요일이나 시간에 따라 개별적인 시설이 유동인구에 미치는 영향이 서로 다르게 나타남을 고려하여 요일 단위 또는 시간 단위별로 생성될 수 있다. 또한, 지역적인 특성에 따라 유동인구 양상이 다르게 나타남을 반영하여 지역별로 달리 생성될 수도 있음은 물론이다.

본 발명의 실시예에 따른 유동인구 추정장치(100)는 전술된 세부모델과 통합모델을 이용하여 타깃 위치에서의 유동인구를 추정한다. 유동인구 추정을 위한 프로세싱을 수행할 때, 전술된 바와 같이, 유동인구 추정장치(100)는 유동인구 추정대상이 되는 소정의 공간범위를 다수의 격자 셀로 분할한 그리드 구조를 이용하여 수행할 수 있다. 그리드 구조를 이용함으로써 유동인구 추정장치(100)는 임의의 다수 타깃 위치에서의 유동인구를 미리 산출하여 격자 셀 값으로 저장해두고, 외부 디바이스로부터 유동인구에 관한 정보를 요청받을 때 지정된 타깃 위치나 유동인구 추정장치(100)의 사용자 인터페이스부를 통하여 사용자로부터 입력된 타깃 위치에 대응하는 격자 셀 값을 선택적으로 반환하여 제공할 수 있게 된다.

이와 같이, 저장된 세부모델과 통합모델을 기초로 유동인구를 추정하는 과정을 살펴보면, 먼저, 타깃 위치와 그 주변의 시설 위치를 기초로 거리인자의 값과 시설인자의 값의 산출이 이루어진다(S20). 거리인자는 직선거리, 시간거리, 도로상 거리 중 하나가 적용될 수 있으며, 거리인자의 값은 제1 유동인구 산출부(20)를 통해 직접 산출될 수도 있지만, 외부의 지도 서비스를 제공하는 서버로부터 수신하도록 구현될 수도 있다. 시설의 규모, 시설의 매입/매출에 관한 지표값에 해당하는 시설인자 값은 시설에 관한 각종 정보를 제공하는 외부의 정보제공 서버로부터 수신된 정보를 기초로 산출되거나 사용자 인터페이스부를 통하여 사용자로부터 직접 입력받을 수도 있다.

이처럼, 타깃 위치의 주변에 존재하는 개별적인 시설에 대하여 거리인자의 값과 시설인자의 값이 각각 산출되면, 산출된 값을 해당 시설의 종류에 대응하는 유동인구 세부모델에 적용하여 시설별 유동인구를 산출한다(S30). 그리드 구조 이용시 시설별 유동인구는 타깃 위치에 대응하는 격자 셀의 값으로 저장된다. 이에 따르면, 도 2에 예시된 바와 같이, 타깃 위치 주변에 존재하는 시설의 개수만큼의 그리드가 생성된다.

이어서, 제2 유동인구 산출부(30)는 제1 유동인구 산출부(20)를 통하여 산출된 시설별 유동인구 수 중 동일 종류의 시설에 대응하는 시설별 유동인구를 각각 누적하여 동종 시설별 유동인구를 산출한다(S40). 여기서, 시설 종류의 구분은 유동인구 세부모델에 따른 시설 구분에 의할 수 있다. 그리드 구조 이용시 시설별 유동인구의 누적은 각 시설의 그리드에서 서로 대응되는 위치의 격자 셀 값에 대하여 이루어지며, 전술된 바와 같이, 누적된 값은 타깃 위치에 대응하는 격자 셀 값으로 저장된다. 이에 따르면, 도 3에 예시된 바와 같이, 시설의 종류의 개수만큼의 그리드가 생성된다.

이와 같이, 동종 시설별 유동인구가 산출되면, 제3 유동인구 산출부(50)는 산출된 동종 시설별 유동인구를 유동인구 통합모델에 적용하여 타깃 위치에서의 유동인구를 산출한다(S50).

이어서, 본 발명의 실시예에 따른 유동인구 추정방법은 제3 유동인구 산출부(50)를 통해 산출된 유동인구를 보정하는 단계를 더 포함할 수 있다(S60).

유동인구 보정부(60)는 타깃 위치로부터 일정 반경 이내의 정적인구, 또는 타깃 위치로부터의 일정 반경 이내의 카드 사용량, SNS 사용량 등을 기초로 제3 유동인구 산출부(50)를 통해 산출된 유동인구의 스케일을 조절할 수 있다. 스케일 펙터는 전술된 바와 같이, 정적인구, 카드 사용량, SNS 사용량과 유동인구 값의 비율이나 구체적인 수의 차이가 소정 기준을 만족하도록 결정될 수 있다.

그리드 구조 이용시 산출된 유동인구 값은 타깃 위치에 대응되는 격자 셀 값으로 저장된다. 이를 통하여, 유동인구 추정장치(100)는 외부 디바이스로부터 소정의 타깃 위치의 유동인구에 관한 요청이 있거나, 또는, 사용자로부터 요청된 때에는, 요청된 타깃 위치에 대응하는 격자 셀 값을 제공할 수 있다. 이때, 구체적인 유동인구 값에 따라 색깔 등을 달리하여 위치별로 유동인구의 정도를 쉽게 파악할 수 있도록 시각화되어 제공될 수 있다.

한편, 전술된 각 단계는 필요에 따라 추가되거나 변경되어 적용될 수 있음은 물론이다.

예컨대, 도 2 및 도 3을 통하여 예시된 바와 같이 격자 셀의 중심점을 타깃 위치로 유동인구를 산출하여 그리드를 생성한 이후, 격자 셀의 중심점이 아닌 다른 위치, 예를 들면, 도 5에 도시된 바와 같이, 격자 셀의 경계선과 가까운 일 점(O)에서의 유동인구에 관한 요청이 있을 때에, 제3 유동인구 산출부(50)는 요청된 위치(O) 주변의 격자 셀(501, 503, 505, 507)의 값의 평균을 구하거나, 해당 위치(0)와 격자 셀(501, 503, 505, 507) 간의 구체적인 거리를 반영하여 거리가 가까우면 가중치를 더 많이 부여하는 등의 방법을 통해 보간하여 유동인구를 산출하는 단계를 더 포함할 수 있을 것이다. 이를 위하여, 제3 유동인구 산출부(50)는 타깃 위치와 격자 셀 간의 거리 등을 기초로 보간하는 보간 알고리즘을 저장할 수 있다.

또한, 제3 유동인구 산출부(50)를 통하여 1차적으로 산출된 유동인구 수를 보정하는 단계인 S60 단계는 선택적으로 생략될 수도 있을 것이다.

이상에서 설명된 바와 같이, 본 발명에 따른 유동인구 추정장치(100) 및 방법에 의하면, 주변 시설의 규모나 거리와 유동인구와의 관계성에 주목하여 유동인구를 추정함으로써 종래 실측 기반의 유동인구 조사 방식을 효과적으로 보완할 수 있을 것으로 기대된다.

한편, 본 발명에 따른 유동인구 추정방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록매체로도 구현될 수 있다.

지금까지 본 발명의 몇몇 실시예들에 대해 설명하였으나, 본 발명이 속하는 기술분야의 통상의 지식을 가진 당업자는 본 발명의 기술적 사상을 벗어나지 않는 범위 안에서 본 발명의 실시예의 변형이 가능하다는 것을 이해할 수 있을 것이다.

따라서, 본 발명의 실시예는 단지 예시적인 것으로 이해되어야 하며, 본 발명의 기술적 사상은 특허청구범위의 기재로부터 정의되고, 그 보호범위는 균등물에 미치는 것으로 보아야 할 것이다.

10: 세부모델 저장부 20: 제1 유동인구 산출부
30: 제2 유동인구 산출부 40: 통합모델 저장부
50: 제3 유동인구 산출부 60: 유동인구 보정부
70: 유동인구 제공부

Claims (9)

1. 시설의 종류에 따라 기설정된 상기 시설의 규모 또는 매입/매출에 관한 시설인자, 및 유동인구 추정대상이 되는 타깃 위치와 상기 타깃 위치의 주변에 존재하는 각 시설 간의 거리에 관한 거리인자와 해당 시설에 의한 상기 타깃 위치에서의 유동인구와의 상관관계를 규정한 유동인구 세부모델을 시설의 종류별로 저장하는 세부모델 저장부;
   상기 각 시설의 위치와 상기 타깃 위치를 기초로 상기 거리인자의 값을 산출하고, 산출된 상기 거리인자의 값과 외부로부터 수신한 상기 시설에 대응하는 상기 시설인자의 값을 상기 시설의 종류에 대응하는 상기 세부모델에 적용하여 시설별 유동인구를 산출하는 제1 유동인구 산출부;
   동일 종류의 시설에 대응하는 상기 시설별 유동인구를 누적하여 동종 시설별 유동인구를 산출하는 제2 유동인구 산출부;
   시설의 종류에 따른 상기 동종 시설별 유동인구에 대한 가중치 값을 포함하는 유동인구 통합모델을 저장하는 통합모델 저장부; 및
   상기 동종 시설별 유동인구와 상기 유동인구 통합모델을 기초로 상기 타깃 위치에서의 유동인구를 산출하는 제3 유동인구 산출부를 포함하는 것을 특징으로 하는 유동인구 추정장치.
   
2. 제1항에 있어서,
   상기 유동인구 세부모델의 상기 거리인자에 대응하는 상기 타깃 위치와 상기 각 시설 간의 거리는 상기 타깃 위치와 상기 각 시설 간의 도로상 거리, 직선거리 및 시간 거리 중 어느 하나인 것을 특징으로 하는 유동인구 추정장치.
   
3. 제1항에 있어서,
   상기 제1 유동인구 산출부, 상기 제2 유동인구 산출부, 및 상기 제3 유동인구 산출부는 유동인구 추정대상이 되는 공간범위를 복수의 격자 셀로 구분한 그리드 구조를 이용하여 상기 산출을 위한 프로세싱을 수행하는 것을 특징으로 하는 유동인구 추정장치.
   
4. 제1항에 있어서,
   상기 제1 유동인구 산출부는,
   유동인구 추정대상이 되는 공간범위를 복수의 격자 셀로 구분한 그리드를 상기 타깃 위치의 주변에 존재하는 각 시설에 대하여 각각 생성하고, 상기 격자 셀 내의 일 지점을 상기 타깃 위치로 적용하여 산출된 상기 시설별 유동인구를 상기 격자 셀의 값으로 저장하는 것을 특징으로 하는 유동인구 추정장치.
   
5. 제4항에 있어서,
   상기 제2 유동인구 산출부는,
   상기 제1 유동인구 산출부를 통하여 생성된 상기 각 시설에 대한 그리드 중 동일 종류의 시설에 대응하는 상기 그리드의 서로 대응하는 위치의 격자 셀 값을 누적하여 상기 동종 시설별 유동인구를 산출하는 것을 특징으로 하는 유동인구 추정장치.
   
6. 제1항에 있어서,
   상기 타깃 위치로부터 기설정된 반경 범위 내의 정적인구 수를 기초로 상기 제3 유동인구 산출부를 통해 산출된 상기 타깃 위치에서의 유동인구의 수를 보정하는 유동인구 보정부를 더 포함하는 것을 특징으로 하는 유동인구 추정장치.
   
7. 제1항에 있어서,
   상기 타깃 위치로부터 기설정된 반경 범위 내에서의 카드 사용량 또는 SNS 사용량을 기초로 상기 제3 유동인구 산출부를 통해 산출된 상기 타깃 위치에서의 유동인구의 수를 보정하는 유동인구 보정부를 더 포함하는 것을 특징으로 하는 유동인구 추정장치.
   
8. 제1항에 있어서,
   상기 세부모델 저장부와 상기 통합모델 저장부는 요일 단위, 또는 시간 단위별로 각각 생성된 상기 유동인구 세부모델과 상기 유동인구 통합모델을 저장하는 것을 특징으로 하는 유동인구 추정장치.
   
9. 유동인구를 추정하는 유동인구 추정장치에 의하여 수행되는 유동인구 추정 방법에 있어서,
   시설의 종류에 따라 기설정된 상기 시설의 규모와 매입/매출에 관한 시설인자, 및 유동인구 추정대상이 되는 타깃 위치와 상기 타깃 위치의 주변에 존재하는 각 시설 간의 거리에 관한 거리인자와 해당 시설에 의한 상기 타깃 위치에서의 유동인구와의 상관관계를 규정한 유동인구 세부모델을 시설의 종류별로 생성하여 저장하는 단계;
   상기 각 시설의 위치와 상기 타깃 위치를 기초로 상기 거리인자의 값을 산출하고, 산출된 상기 거리인자의 값과 외부로부터 수신한 상기 시설에 대응하는 상기 시설인자의 값을 상기 시설의 종류에 대응하는 상기 세부모델에 적용하여 시설별 유동인구를 산출하는 단계;
   동일 종류의 시설에 대응하는 상기 시설별 유동인구를 누적하여 동종 시설별 유동인구를 산출하는 단계; 및
   시설의 종류에 따른 상기 동종 시설별 유동인구에 대한 가중치 값을 포함하는 유동인구 통합모델과 상기 동종 시설별 유동인구를 기초로 상기 타깃 위치에서의 유동인구를 산출하는 단계를 포함하는 것을 특징으로 하는 유동인구 추정 방법.

Images