KR20200071639A - 에너지 사용 패턴 기반의 사람수 추정 방법 및 이를 위한 장치 - Google Patents

에너지 사용 패턴 기반의 사람수 추정 방법 및 이를 위한 장치 Download PDF

Info

Publication number
KR20200071639A
KR20200071639A KR1020190036284A KR20190036284A KR20200071639A KR 20200071639 A KR20200071639 A KR 20200071639A KR 1020190036284 A KR1020190036284 A KR 1020190036284A KR 20190036284 A KR20190036284 A KR 20190036284A KR 20200071639 A KR20200071639 A KR 20200071639A
Authority
KR
South Korea
Prior art keywords
people
energy
information
estimating
workplace
Prior art date
Application number
KR1020190036284A
Other languages
English (en)
Inventor
손승철
고석갑
이병탁
이형옥
이동수
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Publication of KR20200071639A publication Critical patent/KR20200071639A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • 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
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 에너지 패턴 기반의 사람수 추정 방법은, 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수집하는 단계; 및 상기 수집된 상기 에너지 사용 패턴 정보와 상기 부가 정보를 분석한 결과를 이용하여 상기 사업장 내의 사람 수를 추정하는 단계;를 포함한다.

Description

에너지 사용 패턴 기반의 사람수 추정 방법 및 이를 위한 장치{METHOD AND APPARATUS FOR ESTIMATING THE NUMBER OF PEOPLE BASED ON ENERGY USE PATTERN}
본 발명은 에너지 사용 패턴을 분석하여, 건물 또는 상점 등을 점유한 사람의 수를 추정하는 방법에 관한 것이다.
종래의 건물이나 가정에 사람 수를 추정하는 방법으로, CCTV, 인체감지 센서, CO2 센서 등과 같은 센서 등으로부터 획득한 정보를 분석하여 사람 수를 추정하는 방법이 널리 이용되고 있다.
그러나 이러한 종래의 방법은 사람 수를 추정하기 위해, 센서를 설치해야 하고, 설치된 센서의 유지비용이 발생한다.
본 발명은 종래 기술의 단점을 극복하기 위해 건물, 상점 또는 가정에 기 설치되었거나 향후 보편화될 AMI로부터 실시간으로 획득된 에너지 사용량의 패턴을 분석하여 사업장을 점유한 사람수나 사업장의 활성도 등을 얻기 위해 착안되었다.
상술한 문제점을 해결하기 위한 본 발명의 목적은 건물, 상점 또는 가정에 이미 설치되어 있는 원격검침인프라(Advanced Metering Infrastructure, AMI)로부터 실시간으로 획득한 에너지 사용 패턴을 분석하여, 사람 수를 추정하는 에너지 사용 패턴 기반 사람수 추정 방법 및 이를 위한 장치를 제공하는 데 있다.
상술한 목적을 달성하기 위한 본 발명의 일면에 따른 에너지 패턴 기반의 사람수 추정 방법은, 통신부가, 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수집하는 단계; 및 프로세서가, 상기 통신부에 의해 수집된 상기 에너지 사용 패턴 정보 및 상기 부가 정보를 분석한 결과를 이용하여 상기 사업장 내의 사람 수를 추정하는 단계;를 포함한다.
본 발명의 다른 일면에 따른 에너지 패턴 기반의 사람수 추정 장치는, 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수신하는 통신부; 및 상기 통신부에 의해 수집된 상기 에너지 사용 패턴 정보 및 상기 부가 정보를 분석한 결과를 이용하여 상기 사업장 내의 사람 수를 추정하는 프로세서;를 포함한다.
본 발명의 다른 일면에 따른 에너지 패턴 기반의 사람수 추정 방법은, 통신부가, 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수집하는 단계; 프로세서가, 상기 수집된 부가 정보를 분석하여 상기 사업장이 모듈형 사업장인지 공간형 사업장인지를 판단하는 단계; 및 프로세서가, 상기 사업장이 모듈형 사업장인 것으로 판단한 경우, 기 설정된 계산식을 이용하여 현재 시점의 상기 에너지 사용 패턴 정보에 대응하는 사람수를 추정하고, 상기 사업장이 공간형 사업장인 것으로 판단한 경우, 회귀분석 기법 또는 인공 신경망을 이용하여 상기 현재 시점의 상기 에너지 사용 패턴 정보에 대응하는 사람수를 추정하는 단계를 포함한다.
본 발명에 따르면, 사람수를 추정하기 위한 CCTV, 인체감지 센서, CO2 센서 등과 같은 추가적인 센서의 설치 없이, 건물, 상점 또는 가정에 이미 설치되어 있는 AMI로부터 실시간 획득한 에너지 사용 패턴 및 부가 정보(시간, 날씨, 업종, 경기, 매출, 규모 등)를 이용하여 사람수를 추정함으로써, CCTV, 인체감지 센서, CO2 센서 등과 같은 추가적인 센서의 설치 비용 및 유지 비용을 절감할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 사람수 추정 장치의 블록도.
도 2는 본 발명의 일 실시 예에 따른 사업장을 설명하기 위한 도면.
도 3은 본 발명의 다른 실시 예에 따른 사업장을 설명하기 위한 도면.
도 4는 본 발명의 다른 실시 예에 따른 사람수 추정 장치의 블록도.
도 5는 본 발명의 또 다른 실시 예에 따른 사업장을 설명하기 위한 도면.
도 6은 본 발명의 실시 예에 따른 사람수 추정을 위해 사용되는 최적의 다항식을 결정하는 방법을 설명하기 도면.
도 7은 본 발명의 또 다른 실시 예에 따른 사람수 추정 장치의 블록도.
도 8은 본 발명의 실시 예에 따른 인공 신경망 모델을 설명하기 위한 도면.
도 9는 본 발명의 실시 예에 따른 사람수 추정 장치가 모바일에 적용된 예를 설명하기 위한 도면.
도 10은 본 발명의 일 실시 예에 따른 에너지 사용 패턴 기반의 사람수 추정 방법을 나타내는 흐름도.
도 11은 도 10에 도시한 단계 S200의 일 예를 나타내는 흐름도.
도 12은 도 10에 도시한 단계 S200의 다른 예를 나타내는 흐름도.
도 13은 도 10에 도시한 단계 S200의 또 다른 예를 나타내는 흐름도.
이하, 본 발명의 다양한 실시예가 첨부된 도면과 연관되어 기재된다. 본 발명의 다양한 실시예는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나, 이는 본 발명의 다양한 실시예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 다양한 실시예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.
본 발명의 사람수 추정 장치는 사업장에 설치된 AMI들(원격 검출 시스템들)로부터 주 데이터인 에너지 사용량을 실시간으로 수집하고, 외부 서버로부터 날씨, 경기지수, 매출, 업종, 규모(수용가능인원), 위치, 시간 등의 부가 정보를 기반으로 이들(에너지 사용 패턴 정보와 부가 정보)과의 사람수 간의 상관관계를 분석하거나 이들(에너지 사용 패턴 정보와 부가 정보)에 대해 기계학습을 수행하여 사람수 쿼리에 대하여 사업장의 점유율 즉, 사람의 수를 사람수 응답으로 출력한다.
응답된 사업장 점유 사람 수는 필요에 따라 사업장 위치 정보, 수용가능인원 등의 여러 가지 공공 정보(또는 공공 데이터)와 결합되어 개인 사용자(B2C) 뿐만 아니라 광고업, 운전대행업, 보험업, 외식업 등의 다양한 산업 분야(B2B)에 유용한 자료로 제공될 수 있다.
이하, 도면을 참조하여 본 발명의 사람수 추정 장치에 대한 다양한 실시 예에 대해 상세히 기술한다.
도 1은 본 발명의 일 실시 예에 따른 사람수 추정 장치의 블록도이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 사람수 추정 장치(100)는 통신망(15)을 통해 다수의 원격 검침 시스템(10, 12 및 14)과 연결되며, 통신망(25)을 통해 다수의 외부 서버(30, 32, 34)와 연결된다. 통신망들(15, 25)은 유선 통신망 또는 무선 통신망을 포함한다. 통신망들(15, 25)은, 예를 들면, 인터넷망, 이동 통신망 등을 포함한다.
사람수 추정 장치(100)는 통신망(15)을 통해 다수의 원격 검침 시스템(10, 12 및 14)으로부터 에너지 사용 패턴 정보(또는 에너지 사용 패턴 데이터)를 수집한다. 여기서, 에너지 사용 패턴 정보는, 예를 들면, 전력 사용량뿐만 아니라 원격검침을 통하여 획득할 수 있는 모든 정보, 즉, 가스 사용량, 열 사용량, 물 사용량, 전력 생산량 등을 포함한다.
사람수 추정 장치(100)는 통신망(25)을 통해 다수의 서버(30, 32, 34)로부터 사업장과 관련된 부가 정보(또는 부가 데이터)를 수집한다. 여기서, 부가 정보는, 공공의 정보(Public information)일 수 있다. 따라서, 다수의 서버(30, 32, 34)는 공공의 정보를 배포하는 학술기관, 정부기관, 기상청과 같은 공공 기관 또는 포털 사이트를 운영하는 운영사에 설치된 서버일 수 있다.
부가 정보는, 예를 들면, 날씨 정보, 경기지수 정보, 사업장의 매출 정보, 사업장의 업종 정보, 사업장의 규모(수용가능인원)를 나타내는 정보, 사업장의 위치, 시간 정보 등을 포함한다.
업종 정보는 모듈형 사업장을 나타내는('식별하는' 또는 '구분하는') 업종 정보와 공간형 사업장을 나타내는 업종 정보를 포함할 수 있다.
모듈형 사업장을 나타내는 정보는 개별 모듈이 설치된 사업장을 나타내는 업종 정보와 다자(多者)형 모듈이 설치된 사업장을 나타내는 업종 정보로 세분화될 수 있다.
개별 모듈이 설치된 사업장은 헤어샵, 골프연습장, PC방, 전기안마방, 무인 세탁업과 같은 업종을 갖는 사업장일 수 있다. 즉, 도 2에 도시된 바와 같이, 개별 모듈(22, 24, 26)이 설치된 사업장(20)은, 에너지(예를 들면, 전력)를 소비하는 하나의 개별 모듈이 한 명의 사용자의 사용에 따라 에너지를 소비하는 업종의 사업장으로 정의할 수 있다. 헤어샵에서 하나의 개별 모듈은, 예를 들면, 한 명의 사람이 사용하는 하나의 헤어드라기일 수 있다. PC방에서 하나의 개별 모듈은, 예를 들면, 한 명의 사람이 사용하는 데스크탑일 수 있다. 무인 세탁업에서 하나의 개별 모듈은, 예를 들면, 한 명의 사람이 사용하는 세탁기일 수 있다.
다자(多者)형 모듈이 설치된 사업장은, 노래방업, 숙박업 등과 같은 업종을 갖는 사업장일 수 있다. 즉, 도 3에 도시된 바와 같이, 다자형 모듈(32', 34', 또는 36')이 설치된 사업장(30)은 다수의 공간(32, 34, 36)으로 구획되며, 각 공간 설치된 하나의 다자형 모듈(32', 34' 또는 36')이 복수의 사용자의 사용에 따라 에너지를 소비하는 업종의 사업장으로 정의할 수 있다. 노래방에서 다자형 모듈은, 예를 들면, 하나의 방(room)에 설치된 하나의 노래방 기기(스피커, 음향기기)일 수 있다.
본 발명의 일 실시 예에 따른 사람수 추정 장치(100)는, 전술한 바와 같이, 실시간으로 수집한 사업장의 에너지 사용 패턴과 부가 정보를 이용하여 얼마나 많은 사람이 해당 사업장을 점유하고 있는지를 실시간으로 추정한다.
이를 위해, 사람수 추정 장치(100)는 통신부(110), 제1 수집부(120), 제2 수집부(130), 입력부(140), 추정부(150) 및 출력부(160)를 포함한다.
통신부(110)는 통신망(15, 25)과 사람수 추정 장치(100)를 통신 연결하는 구성으로, 다수의 원격 검침 시스템(10, 12, 14)로부터 에너지 사용 패턴 정보를 실시간으로 수신하고, 다수의 서버(30, 32, 34)로부터 부가 정보를 실시간으로 수신한다.
제1 수집부(120)는 비휘발성 메모리 형태의 저장소로서, 통신부(110)로부터 입력되는 에너지 사용 패턴 정보를 저장하여 실시간으로 수집한다.
제2 수집부(130)는 비휘발성 메모리 형태의 저장소로서, 통신부(110)로부터 입력되는 부가 정보를 저장하여 실시간으로 수집한다.
입력부(140)는 사용자 입력을 추정부(150)에서 처리 가능한 데이터로 변환하여, 추정부로 전달하는 것으로 키 입력 장치(예를 들면, 키보드, 터치 패널 등)일 수 있다. 사용자 입력은 사람 수에 대한 질의일 수 있다.
추정부(150)는 주변 구성들(110, 120, 130, 140, 160, 170)의 동작을 제어 및 관리하며, 제1 및 제2 수집부(120, 130)로부터 입력된 에너지 사용 패턴 정보와 부가 정보를 분석하여, 사업장 내의 사람 수를 추정한다(또는 계산한다). 이를 위해, 추정부(150)는 연산 기능을 가지며, 특정 알고리즘을 실행하고, 명령어를 해석하여, 특정 연산을 수행하는 범용 프로세서일 수 있다. 추정부(150)에서 수행하는 처리과정에 대해서는 아래에서 상세히 기술한다.
출력부(160)는 추정부(150)에 의해 추정된(또는 계산된) 사업장 내의 사람 수를 시각적 및/또는 청각적으로 데이터로 변환하여 사용자에게 제공하는 것으로, 영상출력기기 및 오디오 출력기기를 포함할 수 있다. 영상출력기기는 액정표시패널 OLED 패널을 구비한 표시기기일 수 있다. 오디오 출력기기는 스피커일 수 있다.
메모리(170)는 비휘발성 메모리 및 휘발성 메모리를 포함하는 것으로, 추정부(150)에 의해 실행되는 알고리즘, 예를 들면, 사람수 추정과 관련된 계산식을 프로그래밍한 알고리즘을 저장하는 것일 수 있다.
이하, 추정부(150)에서 사람수를 추정하는 처리 과정에 대해 상세히 설명한다.
전술한 바와 같이, 개별 모듈 또는 다자형 모듈이 설치된 사업장에서는, 에너지 사용량(예를 들면, 전력 사용량)과 각 모듈을 사용하는 사람 수 간의 상관관계가 뚜렷이 나타날 수 있다.
또한, 개별 모듈이 설치된 사업장에서의 에너지 사용량과 개별 모듈을 사용하는 사람수 간의 상관관계와 다자형 모듈이 설치된 사업장에서의 에너지 사용량과 다자형 모듈을 사용하는 사람 수간의 상관관계는 다른 양상을 보일 수 있다.
이에, 본 발명의 일 실시 예에 따른 추정부(150)는 사업장의 업종 형태에 따라 서로 다른 계산식을 적용하여 사람수를 추정한다.
이를 위해, 먼저, 추정부(150)는 제2 수집부(130)로부터 입력된 부가 정보에 포함된 업종 정보를 분석하여, 사업장의 업종 형태를 결정한다.
예를 들면, 추정부(150)는, 부가 정보를 분석하여 한 명의 사용자의 사용에 따라 에너지를 소비하는 개별 모듈이 설치된 사업장을 나타내는 업종 정보를 검색하면, 해당 사업장의 업종 형태를 개별 모듈형 사업장으로 결정한다.
다르게, 추정부(150)는, 부가 정보를 분석하여 복수의 사용자의 사용에 따라 에너지를 소비하는 다자형 모듈이 설치된 사업장을 나타내는 업종 정보를 검색하면, 해당 사업장의 업종 형태를 개별 모듈형 사업장으로 결정한다.
한 명의 사용자의 사용에 따라 에너지를 소비하는 개별 모듈이 설치된 사업장을 나타내는 업종 정보를 검색하면, 사업장의 업종 형태를 다자 모듈형 사업장으로 결정한다.
추정부(150)는, 개별 모듈형 사업장의 경우, 아래의 수학식 1에 따라 사람수를 계산한다.
Figure pat00001
여기서,
Figure pat00002
은 비례상수이고, 사업장의 기본 전력 사용량은 사용자가 없더라도 사업장을 유지하기 위해 사용되는 전력의 사용량이다.
추정부(150)는 다자 모듈형 사업장의 경우, 아래의 수학식 2에 따라 사람수를 계산한다.
Figure pat00003
여기서, A는 사업장을 점유하는 하루 평균 인원을 다자형 모듈이 설치된 공간의 수로 나눈값(다자형 모듈을 점유하고 있는 사람수의 평균)이고,
Figure pat00004
은 비례상수이다. 다자형 모듈이 설치된 공간(32, 34, 36)의 수는 도 3의 경우에서 '3'이다.
도 4는 본 발명의 다른 실시 예에 따른 사람수 추정 장치의 블록도이다.
도 4를 참조하면, 본 발명의 다른 실시 예에 따른 사람수 추정 장치(200)에서는, 추정부(210)를 제외한 나머지 구성들은 대응하는 도 1의 구성들과 동일한 기능을 수행한다. 따라서, 추정부(210)를 제외한 나머지 구성들에 대한 설명은 도 1에서 설명한 내용으로 대신한다.
본 발명의 다른 실시 예에 따른 추정부(210)는 공간형 사업장에서 사람수를 추정하는 점에서 모듈형 사업장에서 사람수를 추정하는 도 1의 추정부(150)와 차이가 있다.
공간형 사업장은 식당, 극장 카페 등의 업종 형태를 갖는 사업장일 수 있다. 도 5에 도시된 바와 같이, 공간형 사업장(50)은 에너지를 소비하는 모듈(52)(이하, 공간형 모듈)은 모듈형 사업장에서 에너지를 소비하는 모듈(개별 모듈 또는 다자형 모듈)보다 에너지 소비량이 큰 점에서 모듈형 사업장과 구분될 수 있다. 또한, 공간형 사업장(50)은 공간형 모듈을 점유하는(사용하는) 사람수가 모듈형 사업장에 설치된 모듈(개별 모듈 또는 다자형 모듈)을 점유하는 사람수보다 큰 점에서 모듈형 사업장과 구분될 수 있다. 이러한 공간형 모듈(52)의 예로서, 냉난방기, 공조기, 승강기 등이 있을 수 있다.
이와 같이, 공간형 사업장에서는 에너지를 소비하는 모듈의 규모 및 그 모듈을 점유하는 사람 수가 모듈형 사업장의 그것과 다른 점에서 다른 방식으로 사람수를 추정할 필요가 있다. 예를 들면, 과거의 에너지 사용 패턴 및 과거의 부가 정보를 분석하여 현재의 에너지 사용 패턴 및 현재의 부가 정보에 대응하는 사람수를 추정할 필요가 있다.
이에, 본 발명의 다른 실시 예에 따른 추정부(210)는 상기 부가 정보에 포함된 업종 정보에 따라 사업장이 공간형 사업장인 경우, 과거 시점의 에너지 사용량을 포함하는 에너지 사용 패턴 정보와 과거 시점에서 추정된 사업장 내의 사람 수를 회귀 분석(regression analysis) 기법에 따라 분석하고, 그 분석 결과를 이용하여 현재 시점에서 상기 사업장 내의 사람 수를 추정한다. 여기서, 회귀 분석 기법은 선형회귀분석(Linear Regression) 또는 다항식 회귀분석(Polynomial Regression)일 수 있다.
회귀 분석 기법을 기반으로 사람수를 추정하기 위해, 추정부(210)는 분석 로직(212) 및 계산 로직(214)을 포함한다.
분석 로직(212)은 제1 수집부(120)로부터 입력된 과거 시점의 에너지 사용량과 과거 시점의 사업장 내의 사람수를 다항식 회귀분석 기법에 따라 분석하여 최적의 다항식을 계산한다.
과거 시점의 사업장 내의 사람수는 본 발명의 사람수 추정 장치(200)가 과거 시점에 사람수를 추정하여 과거 시점에 저장한 정보 또는 과거 시점의 매출 정보로부터 획득될 수 있다. 과거 시점의 매출 정보로부터 과거 시점의 사업장 내의 사람수를 획득하는 방법으로, 과거 시점의 매출 정보와 과거 시점의 사람수 간의 맵핑 관계를 규정한 테이블이 이용될 수 있다. 그 밖에 외부 서버(30, 32, 34)로부터 수집된 공공 데이터로부터 획득할 수도 있다.
분석 로직(212)에 의해 계산된 최적의 다항식은 아래의 수학식 3으로 표현할 수 있다.
Figure pat00005
x는 과거 시점의 에너지 사용량이며 y는 상기 과거 시점의 실제 사업장을 점유한 사람 수이다.
위의 수학식 3과 같은 최적의 다항식을 계산하는(구하는 또는 결정하는) 다항식 회귀분석 방법을 도 6을 참조하여 설명하기로 한다.
도 6에 도시된 바와 같이, 상기 과거 시점의 에너지 사용량을 정의하는 x축과 상기 과거 시점의 상기 사업장 내의 사람 수를 정의하는 y축으로 이루어진 2차원 좌표계에서, 상기 과거 시점의 에너지 사용량과 상기 과거 시점의 사업장 내의 사람 수를 나타내는 점들을 나타낸 후, 상기 점들의 분포에 가장 근접한 곡선을 결정한다. 이후, 상기 점들과 상기 결정된 곡선 사이에서 거리 오차들의 제곱합을 최소화하는 다항식의 계수들(a0, a1, a2, a3,…, am)을 계산한다. 다항식의 계수들(a0, a1, a2, a3,…, am)이 계산되면, 수학식 3과 같은 상기 최적의 다항식을 획득할 수 있다.
계산 로직(214)은 분석 로직(212)에 의해 계산된(획득된 또는 구해진) 최적의 다항식을 이용하여 현재 시점에서 사업장 내의 사람수를 계산한다. 예를 들면, 상기 최적의 다항식에 현재 시점에 수집된 상기 에너지 사용 패턴 정보에 포함된 현재 시점의 에너지 사용량을 대입(또는 입력)함으로써, 사업장 내의 사람수가 계산될 수 있다.
도 7은 본 발명의 또 다른 실시 예에 따른 사람수 추정 장치의 블록도이고, 도 8은 본 발명의 실시 예에 따른 인공 신경망 모델을 설명하기 위한 도면이다.
도 7 및 8을을 참조하면, 본 발명의 또 다른 실시 예에 따른 사람수 추정 장치(200)에서는, 추정부(310)를 제외한 나머지 구성들은 대응하는 도 1의 구성들과 동일한 기능을 수행한다. 따라서, 추정부(310)를 제외한 나머지 구성들에 대한 설명은 도 1에서 설명한 내용으로 대신한다.
본 발명의 또 다른 실시 예에 따른 추정부(310)는 기계학습을 수행하여 학습된 인공 신경망 모델을 이용하여 사람수를 추정한다. 이러한 추정부(310)는 도 4의 추정부(210)와 마찬가지로 공간형 사업장에서의 사람수를 추정하는데 적합하다. 물론 추정부(310)와 도 4의 추정부(210)가 모듈형 사업장에서의 사람수 추정에도 이용될 수 있음은 당연하다.
이를 위해, 본 발명의 또 다른 실시 예에 따른 추정부(310)는 인공 신경망 모델을 구축하는 학습기(312)와 구축된 인공 신경망 모델을 이용하여 사람수를 예측하는 예측기(314)를 포함한다. 여기서, 예측기(314)는 인공 신경망 모델 그 자체일 수 있다.
학습기(312)는 제1 수집부(120)에 의해 수집된 에너지 사용 패턴 정보와 제2 수집부(130)에 의해 수집된 부가 정보에 대해 기계학습을 수행하여 상기 사업장 내의 사람수를 예측하는 인공 신경망을 구축한다. 인공신경망은 순환인공신경망, LSTM 등의 기계학습 모델이 적용될 수 있다.
도 8에 도시된 바와 같이, 인공 신경망은 다수의 노드(81, 83, 85, 87)와 다수의 노드를 연결하는 채널(82, 84, 86)로 구성된다. 각 노드는 인공 뉴런으로 구성되며, 채널은 노드들 간의 연결 강도를 나타내는 가중치(weight)를 갖는다. 이러한 가중치는 비선형 활성함수(activation function)에 의해 결정될 수 있다.
인공 신경망을 학습하기 위해, 과거 시점의 에너지 사용 패턴 정보와 과거 시점의 부가 정보가 훈련 데이터로 이용될 수 있다. 과거 시점의 에너지 사용 패턴 정보는 과거 시점의 에너지 사용량으로서, 예를 들면, 과거 시점의 전력 사용량, 과거 시점의 가스 사용량, 과거 시점의 열 사용량, 과거 시점의 물 사용량, 과거 시점의 전력 생산량 등 일 수 있다. 과거 시점의 부가 정보는 과거 시점의 시간, 과거 시점의 날씨, 과거 시점의 업종, 과거 시점의 경기 종합지수(매출정보), 과거 시점의 사업장 규모 등을 포함할 수 있다.
이러한 인공 신경망의 학습을 위해, 학습기(312)는 과거 시점의 상기 에너지 사용 패턴 정보와 과거 시점의 부가 정보를 훈련 데이터로 이용하여 상기 사업장 내의 사람수를 예측하는 초기 인공 신경망을 구축한다.
이후, 학습기(312)는 상기 초기 인공 신경망에 의해 과거 시점의 예측된 사람수와 상기 과거 시점의 실제 사업장 점유 사람수 간의 차이값을 보상하기 위해, 상기 다수의 노드 중에서 출력 노드(87) 쪽의 채널(86)부터 상기 차이값에 따라 상기 가중치값을 조절하는 역-전파(back-propagation)를 수행하여 상기 인공 신경망을 학습한다. 여기서, 상기 과거 시점의 실제 사업장 점유 사람수는 서버로부터 수집된 공공 데이터 또는 매출 정보로부터 획득할 수 있다.
예측기(314)는 현재 시점의 에너지 사용 패턴 정보(현재 시점의 에너지 사용량, 현재 시점의 전력 사용량, 현재 시점의 가스 사용량 등)와 현재 시점의 부가 정보(현재 시점의 시간, 현재 시점의 날씨, 현재 시점의 업종, 현재 시점의 경기지수, 현재 시점의 매출 등)를 학습기(312)에 의해 학습된 인공 신경망의 입력 파라미터로 구성하여, 상기 인공 신경망의 출력 파라미터를 상기 사람 수로서 예측한다.
예측기(314)에 의해 예측된 출력 파라미터는 예측된 사람 수를 정수형태로 구성하거나 정확도를 나타내는 퍼센트 형태(예: 사람 수가 10명일 확률은 80%, 5명일 확률은 20%)로 구성하거나 범위 형태(예 30명~35명)로 구성될 수 있다.
도 9는 본 발명의 실시 예에 따른 사람수 추정기를 모바일에 적용한 예를 설명하기 위한 도면이다.
도 9를 참조하면, 본 발명은 전술한 실시 예들에 따른 사람수 추정기(92)를 모바일 단말(90)에 탑재하여 B2C, B2B 비즈니스 모델에 적용될 수 있다.
이를 위해, 모바일 단말(90)에는 사람수 추정기(92)와 연동하는 에너지 빅데이터 플랫폼(94)과 사람수 추정과 관련된 모바일 앱(96)과 설치될 수 있다.
모바일 앱(96)을 통하여 현재 빨래방이나 미용실을 이용하는 사람 수를 추정함으로써, 사용자는 사업장에 가지 않고도 현재의 사업장을 점유하고 있는 사람 수를 파악할 수 있으며 이용자 수가 적다고 판단될 때 사업장을 방문하거나 모바일 앱이 사업장 점유 사람 수가 적은 곳을 추천해주는 서비스 등이 가능하다.
또한 특정 지역의 노래방 이용자 수를 택시업체나 운전대행업체에 제공해 줌으로써 운전업 종사자들은 사용자가 많은 노래방을 미리 찾아 손님을 맞이하거나 건물들의 유동인구를 푸드트럭 사업자에게 제공하여 유동인구가 많은 특정 건물에서 영업활동을 할 수있도록 돕는 서비스 등이 가능하다.
도 10은 본 발명의 일 실시 예에 따른 에너지 사용 패턴 기반의 사람수 추정 방법을 나타내는 흐름도이다.
도 10을 참조하면, 먼저, 단계 S100에서, 사람수 추정 장치(100, 200 또는 300)의 통신부(110)에서, 사업장에 설치된 원격검침인프라 시스템들(10, 12, 14)로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버(30, 32, 34)로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수집하는 과정이 수행된다. 여기서, 에너지 사용 패턴 정보는, 예를 들면, 전력 사용량뿐만 아니라 원격검침을 통하여 획득할 수 있는 모든 정보, 즉, 가스 사용량, 열 사용량, 물 사용량, 전력 생산량 등을 포함한다. 부가 정보는, 예를 들면, 날씨 정보, 경기지수 정보, 사업장의 매출 정보, 사업장의 업종 정보, 사업장의 규모(수용가능인원)를 나타내는 정보, 사업장의 위치, 시간 정보 등을 포함한다.
이어, 단계 S200에서, 사람수 추정 장치(100, 200 또는 300)의 프로세서(또는 추정부)(150, 210 또는 310)에서, 상기 통신부(110)에서 의해 수집된 에너지 사용 패턴 정보 및 부가 정보를 분석하여 상기 사업장 내의 사람 수를 추정하는 과정이 수행된다.
도 11은 도 10에 도시한 단계 S200의 일 예를 나타내는 흐름도이다.
도 11을 참조하면, 먼저, 단계 S201에서, 부가 정보에 따라 상기 사람 수를 추정하기 위한 계산식을 결정하는 과정이 수행된다. 여기서, 부가 정보는, 한 명의 사용자의 사용에 따라 에너지를 소비하는 개별 모듈이 설치된 제1 사업장을 나타내는 제1 업종 정보와 복수의 사용자의 사용에 따라 에너지를 소비하는 다자형 모듈이 설치된 제2 사업장을 나타내는 제2 업종 정보 중 어느 하나를 포함하는 것일 수 있다.
이어, 단계 S203에서, 상기 결정된 계산식을 이용하여 상기 에너지 사용 패턴 정보에 대응하는 사람 수를 계산하는 과정이 수행된다.
사람수를 계산하는 방법의 일 예에서는, 상기 제1 업종 정보에 따라 상기 결정된 계산식(전술한 수학식 1)에, 특정 시점에서 전력 사용량, 기본 전력 사용량 및 상기 개별 모듈의 소비전력을 포함하는 상기 에너지 패턴 정보를 대입하여, 상기 사람수가 계산될 수 있다.
사람수를 계산하는 방법의 다른 예에서는, 상기 제2 업종 정보에 따라 상기 결정된 계산식(전술한 수학식 2)에, 특정 시점에서 전력 사용량, 기본 전력 사용량 및 다자형 모듈의 소비전력을 포함하는 상기 에너지 사용 패턴 정보와 상기 제2 사업장의 전체 수용 가능한 인원수를 상기 제2 사업장 내에서 상기 다자형 모듈이 설치된 공간의 수로 나눈 값을 포함하는 상기 부가 정보를 대입하여, 상기 사람수가 계산될 수 있다.
도 12은 도 10에 도시한 단계 S200의 다른 예를 나타내는 흐름도이다.
도 12를 참조하면, 단계 S200의 다른 예는, 사업장이 모듈형 사업장이 아니라 공간형 사업장인 경우에서 사람수를 추정하는 과정으로, 상기 부가 정보에 포함된 업종 정보에 따라 상기 사업장이 공간형 사업장인 경우, 과거 시점의 에너지 사용량을 포함하는 상기 에너지 사용 패턴 정보와 상기 과거 시점에서 추정된 상기 사업장 내의 사람 수를 회귀 분석(regression analysis) 기법에 따라 분석한 결과를 이용하여 현재 시점에서 상기 사업장 내의 사람 수를 추정한다.
구체적으로, 단계 S211에서, 다항식 회귀 분석 기법에 따라, 상기 과거 시점의 에너지 사용량을 정의하는 X축과 상기 과거 시점의 상기 사업장 내의 사람 수를 정의하는 Y축으로 이루어진 2차원 좌표계에서 상기 과거 시점의 에너지 사용량과 상기 과거 시점의 상기 사업장 내의 사람 수를 나타내는 점들의 분포에 가장 근접한 곡선을 나타내는 최적의 다항식(수학식 3)을 획득하는 과정이 수행된다. 여기서, 최적의 다항식은 상기 점들과 상기 곡선 사이에서 거리 오차들의 제곱합을 최소화하는 다항식의 계수들을 계산함으로써, 획득될 수 있다.
이어, 단계 S213에서, 상기 획득된 최적의 다항식에 상기 에너지 사용 패턴 정보에 포함된 현재 시점의 에너지 사용량을 대입하여, 상기 현지 시점에서 상기 사업장 내의 사람수를 계산하는 과정이 수행된다.
도 13은 도 10에 도시한 단계 S200의 또 다른 예를 나타내는 흐름도이다.
도 13을 참조하면, 단계 S200의 또 다른 예는 기계학습을 수행하여 구축된 인공 신경망을 이용하여 사업장 내의 사람수를 추정하는 것이다.
이를 위해, 먼저, 단계 S221에서, 가중치(weight)를 갖는 채널과 상기 채널에 의해 연결되는 다수의 노드를 포함하는 인공 신경망을 학습하는 과정이 수행된다. 예를 들면, 인공 신경망의 학습은 과거 시점의 상기 에너지 사용 패턴 정보와 과거 시점의 상기 부가 정보를 훈련 데이터로 이용하여 상기 사업장 내의 사람수를 예측하는 초기 인공 신경망을 구축한 후, 상기 초기 인공 신경망에 의해 예측된 사람수와 상기 에너지 사용 패턴 정보에 포함된 상기 과거 시점의 실제 사업장 점유 사람수 간의 차이값을 보상하기 위해, 상기 다수의 노드 중에서 출력 노드 쪽의 채널부터 상기 차이값에 따라 상기 가중치값을 조절하는 역-전파(back-propagation)를 수행하여 상기 최종 인공 신경망을 구축하는 것으로 이루어질 수 있다.
이어, 단계 S223에서, 현재 시점의 상기 에너지 사용 패턴 정보와 현재 시점의 상기 부가 정보를 상기 학습된 인공 신경망의 입력 파라미터로 구성하는 과정이 수행된다.
이어, 단계 S225에서, 입력 파라미터에 의해 상기 학습된 인공 신경망으로부터 출력되는 출력 파라미터를 사람수로 예측하는 과정이 수행된다. 여기서, 출력 파라미터는 예측된 사람 수를 정수형태이거나 정확도를 나타내는 퍼센트 형태(예: 사람 수가 10명일 확률은 80%, 5명일 확률은 20%)이거나 범위 형태(예 30명~35명)일 수 있다.
이상 설명한 바와 같이, 본 발명은 사람수를 추정하기 위한 CCTV, 인체감지 센서, CO2 센서 등과 같은 추가적인 센서의 설치 없이, 건물, 상점 또는 가정에 이미 설치되어 있는 AMI로부터 실시간 획득한 에너지 사용 패턴 및 부가 정보(시간, 날씨, 업종, 경기, 매출, 규모 등)를 이용하여 사람수를 추정함으로써, CCTV, 인체감지 센서, CO2 센서 등과 같은 추가적인 센서의 설치 비용 및 유지 비용을 절감할 수 있다.
이상에서 본 발명에 대하여 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 본 발명의 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

  1. 통신부가, 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수집하는 단계; 및
    프로세서가, 상기 통신부에 의해 수집된 상기 에너지 사용 패턴 정보 및 상기 부가 정보를 분석한 결과를 이용하여 상기 사업장 내의 사람 수를 추정하는 단계;
    를 포함하는 에너지 패턴 기반의 사람수 추정 방법.
  2. 제1항에서, 상기 사람 수를 추정하는 단계는,
    상기 부가 정보에 따라 상기 사람 수를 추정하기 위한 계산식을 결정하는 단계; 및
    상기 결정된 계산식을 이용하여 상기 에너지 사용 패턴 정보에 대응하는 상기 사람 수를 계산하는 단계를 포함하고,
    상기 부가 정보는,
    한 명의 사용자의 사용에 따라 에너지를 소비하는 개별 모듈이 설치된 제1 사업장을 나타내는 제1 업종 정보와 복수의 사용자의 사용에 따라 에너지를 소비하는 다자형 모듈이 설치된 제2 사업장을 나타내는 제2 업종 정보 중 어느 하나를 포함하는 것인 에너지 패턴 기반의 사람수 추정 방법.
  3. 제2항에서, 상기 사람 수를 계산하는 단계는,
    상기 제1 업종 정보에 따라 상기 결정된 계산식에, 특정 시점에서 전력 사용량, 기본 전력 사용량 및 상기 개별 모듈의 소비전력을 포함하는 상기 에너지 패턴 정보를 대입하여, 상기 사람수를 계산하는 단계인 것인 에너지 패턴 기반의 사람수 추정 방법.
  4. 제2항에서, 상기 사람 수를 계산하는 단계는,
    상기 제2 업종 정보에 따라 상기 결정된 계산식에, 특정 시점에서 전력 사용량, 기본 전력 사용량 및 다자형 모듈의 소비전력을 포함하는 상기 에너지 사용 패턴 정보와 상기 제2 사업장의 전체 수용 가능한 인원수를 상기 제2 사업장 내에서 상기 다자형 모듈이 설치된 공간의 수로 나눈 정보를 포함하는 상기 부가 정보를 대입하여, 상기 사람수를 계산하는 단계인 것인 에너지 패턴 기반의 사람수 추정 방법.
  5. 제1항에서, 상기 사람 수를 추정하는 단계는,
    상기 부가 정보에 포함된 업종 정보에 따라 상기 사업장이 공간형 사업장인 경우, 과거 시점의 에너지 사용량을 포함하는 상기 에너지 사용 패턴 정보와 상기 과거 시점에서 추정된 상기 사업장 내의 사람 수를 회귀 분석(regression analysis) 기법에 따라 분석한 결과를 이용하여 현재 시점에서 상기 사업장 내의 사람 수를 추정하는 단계인 것인 에너지 패턴 기반의 사람수 추정 방법.
  6. 제5항에서, 상기 사람 수를 추정하는 단계는,
    다항식 회귀 분석 기법에 따라, 상기 과거 시점의 에너지 사용량을 정의하는 X축과 상기 과거 시점의 상기 사업장 내의 사람 수를 정의하는 Y축으로 이루어진 2차원 좌표계에서 상기 과거 시점의 에너지 사용량과 상기 과거 시점의 상기 사업장 내의 사람 수를 나타내는 점들의 분포에 가장 근접한 곡선을 나타내는 최적의 다항식을 획득하는 단계; 및
    상기 획득된 최적의 다항식에 상기 에너지 사용 패턴 정보에 포함된 현재 시점의 에너지 사용량을 대입하여, 상기 현지 시점에서 상기 사업장 내의 사람수를 계산하는 단계
    를 포함하는 에너지 패턴 기반의 사람수 추정 방법.
  7. 제7항에서, 상기 최적의 다항식을 획득하는 단계
    상기 점들과 상기 곡선 사이에서 거리 오차들의 제곱합을 최소화하는 계수들을 계산하는 단계; 및
    상기 계산된 계수들을 이용하여 상기 최적의 다항식을 획득하는 단계
    를 포함하는 에너지 패턴 기반의 사람수 추정 방법.
  8. 제1항에서, 상기 사람 수를 추정하는 단계는,
    가중치(weight)를 갖는 채널과 상기 채널에 의해 연결되는 다수의 노드를 포함하는 인공 신경망을 학습하는 단계; 및
    현재 시점의 상기 에너지 사용 패턴 정보와 현재 시점의 상기 부가 정보를 상기 학습된 인공 신경망의 입력 파라미터로 입력하여, 상기 인공 신경망의 출력 파라미터를 상기 사람 수로서 예측하는 단계
    를 포함하는 것인 에너지 패턴 기반의 사람수 추정 방법.
  9. 제8항에서 상기 인공 신경망을 학습하는 단계는,
    과거 시점의 상기 에너지 사용 패턴 정보와 과거 시점의 상기 부가 정보를 훈련 데이터로 이용하여 상기 사업장 내의 사람수를 예측하는 초기 인공 신경망을 구축 단계; 및
    상기 초기 인공 신경망에 의해 예측된 사람수와 상기 에너지 사용 패턴 정보에 포함된 상기 과거 시점의 실제 사업장 점유 사람수 간의 차이값을 보상하기 위해, 상기 다수의 노드 중에서 출력 노드 쪽의 채널부터 상기 차이값에 따라 상기 가중치값을 조절하는 역-전파(back-propagation)를 수행하여 상기 최종 인공 신경망을 구축 단계
    를 포함하는 것인 에너지 패턴 기반의 사람수 추정 방법.
  10. 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수신하는 통신부; 및
    상기 통신부에 의해 수집된 상기 에너지 사용 패턴 정보 및 상기 부가 정보를 분석한 결과를 이용하여 상기 사업장 내의 사람 수를 추정하는 프로세서;
    를 포함하는 에너지 패턴 기반의 사람수 추정 장치.
  11. 제10항에서, 상기 프로세서는,
    상기 부가 정보에 따라 결정된 계산식을 이용하여 상기 에너지 사용 패턴 정보에 대응하는 상기 사람 수를 계산하고,
    상기 부가 정보는,
    한 명의 사용자의 사용에 따라 에너지를 소비하는 개별 모듈이 설치된 제1 사업장을 나타내는 제1 업종 정보와 복수의 사용자의 사용에 따라 에너지를 소비하는 다자형 모듈이 설치된 제2 사업장을 나타내는 제2 업종 정보 중 어느 하나를 포함하는 것인 에너지 패턴 기반의 사람수 추정 장치.
  12. 제11항에서, 상기 프로세서는,
    상기 제1 업종 정보에 따라 상기 결정된 계산식에, 특정 시점에서 전력 사용량, 기본 전력 사용량 및 상기 개별 모듈의 소비전력을 포함하는 상기 에너지 패턴 정보를 대입하여, 상기 사람수를 계산하는 것인 에너지 패턴 기반의 사람수 추정 장치.
  13. 제11항에서, 상기 프로세서는,
    상기 제2 업종 정보에 따라 상기 결정된 계산식에, 특정 시점에서 전력 사용량, 기본 전력 사용량 및 다자형 모듈의 소비전력을 포함하는 상기 에너지 사용 패턴 정보와 상기 제2 사업장의 전체 수용 가능한 인원수를 상기 제2 사업장 내에서 상기 다자형 모듈이 설치된 공간의 수로 나눈 정보를 포함하는 상기 부가 정보를 대입하여, 상기 사람수를 계산하는 것인 에너지 패턴 기반의 사람수 추정 장치.
  14. 제10항에서, 상기 프로세서는,
    상기 부가 정보에 포함된 업종 정보에 따라 상기 사업장이 공간형 사업장인 경우, 과거 시점의 에너지 사용량을 포함하는 상기 에너지 사용 패턴 정보와 상기 과거 시점에서 추정된 상기 사업장 내의 사람 수를 회귀 분석(regression analysis) 기법에 따라 분석한 결과를 이용하여 현재 시점에서 상기 사업장 내의 사람 수를 추정하는 것인 에너지 패턴 기반의 사람수 추정 장치.
  15. 제14항에서, 상기 프로세서는,
    다항식 회귀 분석 기법에 따라, 상기 과거 시점의 에너지 사용량을 정의하는 X축과 상기 과거 시점의 상기 사업장 내의 사람 수를 정의하는 Y축으로 이루어진 2차원 좌표계에서 상기 과거 시점의 에너지 사용량과 상기 과거 시점의 상기 사업장 내의 사람 수를 나타내는 점들의 분포에 가장 근접한 곡선을 나타내는 최적의 다항식을 획득하고, 상기 획득된 최적의 다항식에 상기 에너지 사용 패턴 정보에 포함된 현재 시점의 에너지 사용량을 대입하여, 상기 현지 시점에서 상기 사업장 내의 사람수를 계산하는 것인 에너지 패턴 기반의 사람수 추정 장치.
  16. 제10항에서, 상기 프로세서는,
    과거 시점의 상기 에너지 사용 패턴 정보와 과거 시점의 상기 부가 정보를 기반으로 학습된 인공 신경망을 이용하여, 현재 시점의 상기 에너지 사용 패턴 정보와 현재 시점의 상기 부가 정보에 대응하는 상기 사람수를 추정하는 것인 에너지 패턴 기반의 사람수 추정 장치.
  17. 통신부가, 사업장에 설치된 원격검침인프라로부터 상기 사업장의 에너지 사용 패턴 정보와 외부 서버로부터 상기 사업장과 관련된 부가 정보를 실시간으로 수집하는 단계;
    프로세서가, 상기 수집된 부가 정보를 분석하여 상기 사업장이 모듈형 사업장인지 공간형 사업장인지를 판단하는 단계; 및
    프로세서가, 상기 사업장이 모듈형 사업장인 것으로 판단한 경우, 기 설정된 계산식을 이용하여 현재 시점의 상기 에너지 사용 패턴 정보에 대응하는 사람수를 추정하고, 상기 사업장이 공간형 사업장인 것으로 판단한 경우, 회귀분석 기법 또는 인공 신경망을 이용하여 상기 현재 시점의 상기 에너지 사용 패턴 정보에 대응하는 사람수를 추정하는 단계
    를 포함하는 것인 에너지 패턴 기반의 사람수 추정 방법.
  18. 제17항에서, 상기 부가 정보는,
    한 명의 사용자의 사용에 따라 에너지를 소비하는 개별 모듈이 설치된 개별 모듈형 사업장을 나타내는 업종 정보,
    N(은 2 이상의 자연수)명의 사용자의 사용에 따라 에너지를 소비하는 다자형 모듈이 설치된 다자 모듈형 사업장을 나타내는 업종 정보 및
    상기 N보다 큰 K명의 사용자의 사용에 따라 에너지를 소비하는 공간형 모듈이 설치된 제3 사업장을 나타내는 제3 업종 정보 중에서 적어도 하나를 포함하는 것인 에너지 패턴 기반의 사람수 추정 방법.
  19. 제17항에서, 상기 회귀분석 기법은,
    선형회귀분석(Linear Regression) 또는 다항식 회귀분석(Polynomial Regression)인 것인 에너지 패턴 기반의 사람수 추정 방법.
  20. 제17항에서, 상기 인공 신경망은,
    과거의 에너지 사용 패턴 정보와 과거의 부가 정보를 훈련 데이터로 이용하여 학습된 것인 에너지 패턴 기반의 사람수 추정 방법.
KR1020190036284A 2018-12-11 2019-03-28 에너지 사용 패턴 기반의 사람수 추정 방법 및 이를 위한 장치 KR20200071639A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180159189 2018-12-11
KR20180159189 2018-12-11

Publications (1)

Publication Number Publication Date
KR20200071639A true KR20200071639A (ko) 2020-06-19

Family

ID=71137358

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190036284A KR20200071639A (ko) 2018-12-11 2019-03-28 에너지 사용 패턴 기반의 사람수 추정 방법 및 이를 위한 장치

Country Status (1)

Country Link
KR (1) KR20200071639A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220132710A (ko) 2021-03-23 2022-10-04 주식회사 대림 Ai 및 홈네트워크 기반 원격검침 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220132710A (ko) 2021-03-23 2022-10-04 주식회사 대림 Ai 및 홈네트워크 기반 원격검침 방법

Similar Documents

Publication Publication Date Title
Trivedi et al. Occupancy detection systems for indoor environments: A survey of approaches and methods
Liao et al. Agent-based and graphical modelling of building occupancy
CN108414971B (zh) 用于确定多层建筑物中位置的位置信息的方法和装置
CN102572390B (zh) 对监视对象者的行动进行监视的装置以及方法
Wang et al. Design and evaluation of a cloud-based Mobile Health Information Recommendation system on wireless sensor networks
US20120084118A1 (en) Sales predication for a new store based on on-site market survey data and high resolution geographical information
JP2009076042A (ja) Ｇｐｓ追跡及び周知な近傍目的地からのユーザの行動趣向の学習
CN115049159B (zh) 人口分布预测方法和装置、存储介质及电子设备
US10417599B2 (en) Time and motion data fusion for high fidelity data sets
Konis et al. TrojanSense, a participatory sensing framework for occupant-aware management of thermal comfort in campus buildings
Murad Creating a GIS application for local health care planning in Saudi Arabia
Zhang et al. SpoVis: decision support system for site selection of sports facilities in digital twinning cities
Serpell Towards a knowledge-based assessment of conceptual cost estimates
Lolli et al. The Indoor Environmental Quality: A TOPSIS-based approach with indirect elicitation of criteria weights
KR102149823B1 (ko) 가전 추천 서비스 제공 방법 및 이를 실행하기 위한 시스템
CN105893455A (zh) 用于预测位置状况的方法和计算机系统
Piccialli et al. Path prediction in IoT systems through Markov Chain algorithm
KR20200071639A (ko) 에너지 사용 패턴 기반의 사람수 추정 방법 및 이를 위한 장치
JP2017091511A (ja) 特定の空間領域内に位置する訪問者の関係網を分析する方法およびシステム
JP6854474B2 (ja) 位置情報を利用した行動分析システム及びそのプログラム
Chang et al. Smart iAIR System with Integration of the Internet of Things and Mobile Applications.
Chitu et al. Assessment of occupancy estimators for smart buildings
McHenry et al. The impact of multi-criteria decision analysis parameters on an urban deprivation index
Kang et al. Floor plan optimization for indoor environment based on multimodal data
WO2018222140A1 (en) Method and apparatus for deriving and/or controlling individual comfort parameters

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal