KR20210125276A

KR20210125276A - 유전자 알고리즘을 이용한 지역 상권 분석 서비스 제공 서버 및 그 방법

Info

Publication number: KR20210125276A
Application number: KR1020200042792A
Authority: KR
Inventors: 김장현
Original assignee: 주식회사 퍼시픽나인
Priority date: 2020-04-08
Filing date: 2020-04-08
Publication date: 2021-10-18

Abstract

본 발명의 일 실시예에 따른 상권 분석 서비스를 제공하는 서버에 있어서, 상권 분석 서비스를 제공하는 프로그램이 저장된 메모리; 및 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하고, 프로세서는 프로그램의 수행에 따라, 사용자 단말로부터 영업장 업종, 위치, 날짜 및 매출을 포함하는 영업정보를 수신하고, 영업정보를 기초로 퍼지 시스템을 이용하여 영업장의 예상 매출을 산출하며, 퍼지 시스템은 미리 저장된 영업장 업종, 위치, 날짜 및 매출을 포함하는 과거 영업정보가 유전자 알고리즘을 통하여 염색체(chromosome)의 파라미터(parameter)를 기초로 하여 퍼지 시스템으로 모델링 된 것이고, 퍼지 시스템 모델(fuzzy system model)이 적합한지를 판단하기 위해 적합도 함수(fitness function)를 통해 최적의 퍼지 시스템을 구성하여, 상권분석 서비스 제공 서버를 제공하고자 한다.

Description

유전자 알고리즘을 이용한 지역 상권 분석 서비스 제공 서버 및 그 방법{SERVER AND METHOD FOR PROVIDING COMMERCIAL ANALYSIS SERVICES BY GENETIC ALGORITHM}

본 발명은 유전자 알고리즘을 이용한 상권 분석 서비스 제공 서버 및 그 방법에 관한 것으로, 영업장의 위치, 매출, 날짜 등의 영업 정보에 기초하여 유전자 알고리즘을 이용하여 자동으로 상권 분석 서비스 모델을 만들어 예상 매출 등의 상권 관련 정보를 정확하게 파악하여 사용자에게 제공하는 위한 것이다.

최근 국제적인 경제의 불황으로 서민 경제의 근간이 되는 소규모 사업 및 상점 경제가 악화되고 있다. 특히 빈부 경차가 커짐으로써 서로 간의 경제 차이나 지역간의 경제 차이와 소득의 차이가 심화 되고 있다. 따라서 소규모 사업과 소상공인, 지역 경제를 활성화 하기 위해 초기 리스트를 줄일 수 있는 소상공인 지역 상권 분석 및 예측 플랫폼의 도입이 필요한 실정이다.

소상공인들의 매출 리스크는 창업 초기부터 업종을 진행하는 동안 계속적으로 중요한 이슈 중 하나이다. 자신이 하려는 업종과 업종이 위치한 상점 등이 상권에 따른 과거의 매출을 확인하고 이후 영업장의 미래를 예측함으로써 플랫폼을 이용하여 미리 예측함으로써 소상공인들이 리스크를 줄일 수 있다. 이를 통해 계속적인 지출을 할 수 있으며 매출에 영향을 주는 부분을 분석할 수 있다.

그러나, 현 시점에서 영업장의 매출을 예측할 수 있는 마땅한 솔루션이 구비되어 있지 않은 실정이고, 매출을 예측한다고 하여도 부정확 하여 영업장 운영에 큰 도움을 주지 못하고 있다.

대한민국 공개특허공보 제10-2007-0076884호(발명의 명칭: 관능평가를 통한 매출액 예측시스템 및 그 예측시스템의 매출액 예측 방법)

본 발명에 따른 유전자 알고리즘을 이용한 지역 상권 분석 서비스 제공 서버 및 그 방법은 상권을 분석하여 사용자에게 예상 매출 정보를 제공하며 매출에 영향을 미치는 다양한 요인을 분석한 데이터를 제공하여 사용자의 영업을 효율적으로 개선시키고자 한다.

본 발명에 따른 상권 분석 서비스 제공 서버 및 그 방법은 소상공인들이 영업하고자 하는 상권에서 영업자가 원하는 기간의 추후 예상 매출이 얼마인지 시계열적으로 예측하여 창업을 할 때 리스크를 줄이고자 한다.

본 발명의 일 실시예에 따른 상권 분석 서비스를 제공하는 서버에 있어서, 상권 분석 서비스를 제공하는 프로그램이 저장된 메모리; 및 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하고, 프로세서는 프로그램의 수행에 따라, 사용자 단말로부터 영업장 업종, 위치, 날짜 및 매출을 포함하는 영업 정보를 수신하고, 영업 정보를 기초로 퍼지 시스템(fuzzy system)을 이용하여 영업장의 예상 매출을 산출하며, 퍼지 시스템은 미리 저장된 영업장 업종, 위치, 날짜 및 매출을 포함하는 과거 영업 정보가 유전자 알고리즘(genetic algorithm)을 통해 유전자 알고리즘의 하이퍼파라미터를 통해 모델링 된 것이고, 유전자 알고리즘은 과거 영업 정보를 난수를 통해 정규화된 하이퍼파라미터를 통해 계속적으로 과거 데이터의 입출력 관계를 활용하여 모델을 업데이터하여 최적의 퍼지 시스템을 생성하여 정확도가 높은 퍼지 시스템을 최종적으로 선택하는 상권 분석 서비스 제공 서버를 제공하고자 한다.

본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버에 의하여 수행되는 유전자 알고리즘을 이용한 지역 상권 분석 서비스 제공 방법에 있어서, 사용자 단말로부터 영업장 업종, 위치, 날짜 및 매출을 포함하는 영업 정보를 수신하는 단계; 및 영업 정보를 기초로 퍼지 시스템을 이용하여 영업장의 예상 매출을 산출하는 단계를 포함하며, 퍼지 시스템은 미리 저장된 영업장 업종, 위치, 날짜 및 매출을 포함하는 과거 영업 정보가 유전자 알고리즘을 통하여 유전자 알고리즘의 랜덤하게 생성된 난수의 정규화를 통한 하이퍼파라미터를 이용하여 모델링된 것이고, 유전자 알고리즘은 랜덤 하게 발생한 하이퍼파라미터의 난수를 통하여 퍼지 시스템의 하이퍼파라미터들을 업데이트하여 과거 영업정보를 비교 분석하여 최적화된 퍼지 시스템을 모델링하고 생성된 퍼지 시스템을 통하여 지역 상권 분석 서비스 제공 방법을 제공하고자 한다.

본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버 및 그 방법은 상권을 분석하여 영업자에게 예상 매출 정보를 제공하며 매출에 영향을 미치는 다양한 요인을 분석한 데이터를 제공하여 영업자의 영업을 효율적으로 개선시킬 수 있다.

본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버 및 그 방법은 소상공인들이 영업하고자 하는 상권에서 추후 예상 매출이 얼마인지 시계열적으로 예측하여 제공함으로써, 소상공인들이 창업을 할 때 리스크를 줄일 수 있다.

도 1은 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버의 구성을 보여주는 도면이다.
도 2는 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 방법의 진행 과정을 보여주는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 유전자 알고리즘을 통한 진행 과정을 보여주는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 퍼지 시스템의 구성을 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 사용자 단말 프로그램의 예상 매출 통계 그래프 화면을 보여주는 도면이다.

아래에서는 첨부한 도면을 참조하여, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 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.

이하에서는, 첨부한 도면을 참조하여 본 발명에 따른 상권 분석 서비스 제공 서버 및 그 방법에 대하여 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버의 구성을 보여주는 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버(100)는 사용자 단말과 통신하여 사용자 단말로부터 제공되는 영업 정보를 기초로 하여 상권 분석 결과를 사용자 단말로 제공하기 위한 서버에 관한 것이다.

상권 분석 서비스 제공 서버(100)는 통신 모듈(110), 메모리(120), 프로세서(130), 데이터베이스(DB: 140)를 포함할 수 있다.

통신 모듈(110)은 통신망과 연동하여 상권 분석 서비스 제공 서버(100)에 통신 인터페이스를 제공하는데, 사용자 단말과 데이터를 송수신하는 역할을 수행할 수 있다. 여기서, 통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.

메모리(120)는 상권 분석 서비스를 제공하기 위한 프로그램이 기록될 수 있다. 또한, 메모리(120)는 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(120)는 휘발성 저장 매체(volatile storage media) 또는 비휘발성 저장 매체(non-volatile storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

프로세서(130)는 상권 분석 서비스 제공 서버(100)에서 상권 분석 서비스를 제공하기 위한 프로그램이 수행하는 전체 과정을 제어할 수 있다. 프로세서(130)가 수행하는 과정의 각 단계에 대해서는 도2 내지 도 5을 참조하여 후술하기로 한다.

여기서, 프로세서(130)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로서, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

데이터베이스(140)에는 상권 분석 서비스를 제공하기 위한 정보가 저장되어 있을 수 있다. 예를 들어, 후술할 영업장 위치, 업종, 광고비, 매출, 날짜 등을 포함하는 영업 정보 등이 저장될 수 있다.

이하에서는, 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버(100)가 상권 분석 서비스를 제공하는 방법에 대하여 상세하게 설명하기로 한다.

도 2를 참조하면, 먼저 상권 분석 서비스 제공 서버(100)는 사용자 단말로부터 영업장 업종, 위치, 날짜, 매출을 포함하는 영업정보를 수신하는 단계(S200)를 수행할 수 있다. 여기서 영업정보는 영업자가 영업장을 운영하면서 생성되는 정보로서, 광고비, 광고 효율(매출/광고비*100%)등을 더 포함할 수 있다. 상권 분석 서비스 제공 서버(100)는 코스피 지수와 같은 주가 지수 정보 및 외부 환경 정보를 네트워크를 통해 추가적으로 수신하여 분석에 활용할 수 있다.

단계(S200) 다음으로, 상권 분석 서비스 제공 서버(100)는 영업정보를 기초로 퍼지 시스템을 이용하여 영업장의 예상 매출을 산출하는 단계(S210)를 수행할 수 있다.

여기서, 퍼지 시스템은 미리 저장된 과거의 영업장 업종, 위치, 날짜, 매출을 포함하는 과거 영업정보가 유전자 알고리즘을 통하여 퍼지 시스템의 하이퍼파라미터(hyperparameter)의 선택을 기초로 하여 모델링 된 것일 수 있다. 과거 영업정보는 해당 상권에서 다수의 영업장이 운영된 결과로 생성된 정보로서, 광고비, 광고 효율(매출/광고비*100%)와 코스피 지수 등을 더 포함할 수 있다.

유전자 알고리즘은 퍼지 시스템에 사용되는 하이퍼파라미터의 최적화를 위하여 고안된 방법으로 생물체가 환경에 적용하면서 진화해 나가는 모습을 모방해 만들어진 최적화 방법으로, 중요 요소로는 염색체(chromosome), 유전자(gene), 자손(offspring), 적합도(fitness)등으로 구성된다.

유전자 알고리즘은 퍼지 시스템의 하이퍼파라미터를 랜덤하게 생성된 초기 염색체의 집합을 생성하여 각 염색체의 하이퍼파라미터를 상권 매출 예측 퍼지 시스템의 하이퍼파라미터로 사용하여 적합도 계산을 진행하며, 이후 가장 좋은 적합도를 가진 염색체를 남기고 나머지 염색체는 새롭게 생성하여 다시 경쟁을 하여 선택하여 원하는 횟수만큼 세대를 만들어서 가장 적합도가 좋은 염색체를 선택하여 최적화된 하이퍼파라미터를 퍼지 시스템에 사용하는 것이다.

도 3은 본 발명의 일 실시예에 따른 유전자 알고리즘의 진행 과정을 보여주는 흐름도이다.

이하에서는 도 3을 참조하여, 유전자 알고리즘에 대해 구체적으로 설명하기로 한다.

퍼지 시스템을 모델링 하는 방법은 퍼지 시스템을 사용하고자 하는 분야에서의 전문가가 퍼지 시스템에 사용되는 하이퍼파라미터를 전문가의 경험에 의해 수동으로 결정을 하여 실험을 통해 확인하는 방법으로 퍼지 시스템을 모델링한다. 이는 어떤 전문가의 경험을 바탕으로 하느냐에 따라 리스크를 가져오며 주관적인 방법으로 하기 때문에 정확도가 떨어진다는 문제와 수동으로 진행하기 때문에 퍼지 시스템을 구축하는데 오랜 시간이 걸릴 수 있다는 문제를 가지고 있다.

따라서, 본 발명에서는 위와 같은 문제를 보완하기 위해 유전자 알고리즘을 이용하여 퍼지시스템의 하이퍼 파라미터를 최적화 하여 퍼지 시스템을 모델링 하는 것이다.

본 발명에서는 유전자 알고리즘에 기초하여 염색체를 생성하고 초기 유전자 세대를 결정할 수 있다(S300). 예를 들어, 멤버쉽함수 폭, 멤버쉽함수 센터 위치, 퍼지 규칙의 수를 통해 염색체를 생성하고, 100개의 염색체로 한 세대를 생성할 수 있다. 일반적인 집합을　X라 할 때 퍼지 집합은 각 원소들에 대하여 소속도(grade)의 개념을 추가한 집합을 말한다. 예를 들어 함수

가 있을 때

과 같은 집합을 말한다. 이 때 f를 멤버십 함수(membership function)라 부른다. 염색체를 생성하면, 각각의 염색체로 퍼지 시스템을 구현할 수 있고(S310), 염색체의 적합도를 계산해서(S320), 가장 좋은 염색체를 선택하고, 선택되지 않은 염색체는 교배와 돌연변이 연산을 실행하고, 세로운 세대를 구현 산출하는 과정을 반복해서, 적합한 염색체를 선별할 수 있다(S330).

유전자 알고리즘은 퍼지 시스템에 사용되는 하이퍼파라미터를 염색체로 만들어서 최적화를 진행하는 방식이므로 초기 이전 염색체가 존재하지 않기 때문에 선택된 염색체로부터 자손을 생성할 수 없다. 따라서, 초기 염색체를 생성하는 연산을 별도로 정의해야 한다. 유전자 알고리즘에서 가장 많이 사용되는 방법은 어떠한 규칙도 없이 단순히 임의의 값으로 염색체를 생성 하는 것이다.

[프로그램 1]

[프로그램1]은 본 발명을 위해 사용된 자바 프로그램 언어를 통해 만들어진 초기 염색체의 생성 코드로서 어떠한 염색체에 단순히[0, MAX_VAL_GENE] 사이의 값을 난수를 통해 임의로 할당하고 있다.

염색체에 표현된 정보를 기반으로 적합도를 계산하는 연산은 자손을 생성하기 위해 두개의 부모 염색체를 선택할 때는 단순히 적합도가 가장 높은 두개의 염색체를 선택할 수 있다. 이러한 방법은 염색체의 다양성을 크게 훼손시키기 때문에 전역 최적해를 찾기에는 부적합하다.

이러한 문제를 해결하기 위해 유전자 알고리즘에서는 일반적으로 룰렛 휠 선택(roulette wheel selection) 방법을 이용한다. 룰렛 휠 선택의 개념은 매우 간단하다. 어떠한 염색체를 수학식 1과 같이 정의된

를 바탕으로 확률적으로 선택하는 것이 룰렛 휠 선택이다. 수학식 1에서 N은 염색체의 수이고, f는 염색체의 적합도를 구하는 함수이다.

[수학식1]

롤렛 휠 선택을 이용하면, 적합도가 높은 염색체가 더 높은 확률로 선택되도록 선정하는 동시에 염색체들의 다양성을 유지할 수 있다.

롤렛 휠 선택 방법을 통해 선택된 두개의 부모 염색체들로부터 하나의 자손 염색체를 생성한다. 유전자 알고리즘에서는 자손을 생성하는 연산으로 주로 크로스오버(crossover)라는 연산을 이용한다.

또한, 유전자 알고리즘에서는 지역 최적점(local maximum)이나, 지역 최소점(local minimum)에 빠지는 문제를 해결하기 위해 새롭게 생성된 염색체에 확률적으로 돌연변이가 발생하게 한다. 일반적으로 0.1%, 0.05%등의 낮은 확률로 돌연변이을 발생하도록 설정하며, 염색체에서 돌연변이를 발생시키는 연산은 발명자에 따라 다양하다.

유전자 알고리즘에 사용할 염색체를 생성하여 초기 유전자 세대를 결정한 이후, 염색체에 대한 적합도를 계산한다. 적합도가 기설정된 기준 이상인 경우 절차를 종료하며, 기설정된 기준보다 아래인 경우 선택, 교배 및 돌연변이를 실행한 후 다시 염색체의 적합도를 평가한다.

임의의 하나의 유전자를 선택하여 0이면 1로, 1이면 0으로 값을 바꾸거나, 두개의 유전자를 임의로 선택하여 두 유전자의 값을 교환하는 것이 돌연변이 연산이다.

유전자 알고리즘은 영업장의 업종에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 영업장의 위치에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 영업 시기에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 날씨에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 주가 지수에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 영업장 광고 비용에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙에 대하여 최적의 규칙 개수를 특정하는 것일 수 있다.

유전자 알고리즘은 복수의 영업정보를 이진화된 염색체 데이터 형태로 초기화하고, 염색체 데이터에 대해 선택, 교차, 돌연변이 또는 대치 단계 중 하나 이상을 실시하여 상권 분석 퍼지 시스템의 입력 파라미터를 선택하는 것이거나, 염색체 데이터의 적합도를 계산하고, 적합도에 기초하여 상권 분석 퍼지 시스템의 입력 파라미터를 선택하고, 계산된 적합도가 기설정된 기준 적합도 이하인 염색체 데이터에 대해 선택, 교차, 돌연변이 또는 대치 단계 중 하나 이상을 실시하는 것일 수 있다.

도 4는 본 발명의 일 실시예에 따른 퍼지 시스템의 구성을 보여주는 도면이다.

퍼지 시스템은 입력이 n차원이고 출력이 1차원으로 주어진 N+1개의 입출력 데이터를 가지고 있으며 유전자 알고리즘의 염색체의 유전자는 퍼지 시스템의 주요 파라미터를 학습 요소로 사용한다.

유전자 알고리즘의 하나의 염색체는 퍼지 시스템에 사용되는 파라미터들로 구성되어 있으며, 하나의 파라미터를 유전자(gene)이라 명한다.

유전자 알고리즘에서 염색체 여러 개를 그룹 지은 것을 한 세대라고 하며 퍼지 규칙을 생성하여 적합도를 계산한다.

본 발명에서 사용된 유전자 알고리즘의 한 염색체의 유전자로 구성된 것은 T-S-K 퍼지 모델의 멤버쉽함수인 가우시안 함수(Gaussian function)의 폭의 넓이, 가우시안 함수가 생성되는 위치, 퍼지 규칙 개수로 구성되어 있다.

퍼지 시스템 모델링은 맘다니(Mamdani) 퍼지모델 또는 T-S-K(Takagi-Sugeno-Kang) 퍼지모델을 기초로 수행될 수 있다. 맘다니 퍼지 알고리즘으로 모델링할 경우, 모델링 과정은 클러스터 중심을 입출력 공간으로 분할하는 과정과 퍼지규칙으로 매핑하는 과정으로 나누어진다. T-S-K 퍼지 알고리즘으로 모델링할 경우에는 퍼지규칙으로 매핑 하는 과정에 후건부 규칙이 갖는 파라미터의 최적화 과정이 첨가된다.

퍼지 시스템이 가지는 핵심적인 특징은 주어진 정보를 퍼지분할(fuzzy partitioning)하는 개념으로서 수치값(crisp number)대신 퍼지집합(fuzzy sets)에 기초하여 동작하는데, 퍼지집합은 단순한 숫자보다 더 많은 정보를 포함하게 된다. 따라서 퍼지집합을 이용함으로써 부정확성에 기초한 정보의 일반화를 이룰 수 있다.

퍼지 시스템의 설계 과정은 먼저 입출력 변수들을 결정하고 각 변수들의 공간을 분할하여 적정한 수의 언어라벨을 할당하는 것으로 시작된다. 입출력 변수에 대한 언어라벨이 결정되면, 이를 이용하여 전문가의 지식을 표현하기 위한 퍼지규칙들을 정의하고, 각 언어라벨에는 멤버십함수를 대응시켜 퍼지집합으로 만든다. 이 밖에도 퍼지화, 비퍼지화 그리고 추론방법 등을 결정하여야 한다.

도 4를 참조하면, 퍼지 시스템은 퍼지화(fuzzification), 규칙베이스(rule base), 퍼지추론(fuzzy inference), 그리고 비퍼지화(defuzzification)로 구성되어 동작하는 것을 볼 수 있다.

퍼지화는 자연 언어의 모호함과 불확실한 정보를 취급하는데 중요한 역할을 한다. 특히, 상권 분석을 위한 입출력 데이터는 항상 수치 데이터이므로 이를 퍼지시스템에서 사용하려면 수치 데이터를 퍼지집합으로 변환해야 한다. 이러한 방법에는 측정된 수치 값이 신뢰성이 있다고 간주될 때 측정치를 퍼지 싱글톤(fuzzy singleton)으로 변환시키는 방법과, 측정된 수치 값이 외란 등의 영향으로 불확실하다고 간주될 때 측정치의 확률적인 특성을 고려하여 가우시안, 이등변삼각형, 사다리꼴 형태의 퍼지집합으로 변환하는 방법이 있다.

규칙베이스는 전문가의 경험이나 지식으로부터 퍼지규칙의 작성 및 적용 그리고 퍼지 추론의 기본이 되는 상황들을 포함한다. 퍼지추론은 언어적 형태로 기술된 퍼지규칙을 퍼지시스템에 적용하기 위한 논리적인 실행 과정을 갖는다. 추론이란, 어떤 주어진 사실이나 관계로부터 새로운 사실이나 관계를 유출해 내는 과정을 의미하며 전문가의 지식에 의한 규칙과 추론의 합성 과정에 의해 출력값을 구하는 것이다. 추론 방법에는 최대-최소(max-min)추론과 맥스-프로덕트(max-product)추론 등이 있다.

비퍼지화는 퍼지시스템에서 생성된 퍼지값을 실제로 사용하기 위해 수치 값으로 변환하는 기능을 수행한다. 비퍼지화 방법에는 무게중심법(center of gravity method)과 최대평균법(mean of maximum method)등이 사용될 수 있다.

퍼지모델은 크게 두 가지로 분류할 수 있는데, 이는 정보의 표현 형태에 의해 구분된다. 첫 번째는 맘다니 퍼지 모델로서, 모호한 술어로 묘사되는 IF-THEN 언어 규칙들에 기초하여 퍼지추론을 수행한다. 이러한 형태의 퍼지모델은 시스템 동작을 묘사하는 언어 모델(linguistic models)에 기초를 두고서 자연어를 그대로 사용한다. 즉, 규칙의 전건부와 후건부 모두가 퍼지집합으로 표현되어 융통성(flexibility)을 갖게 된다. 한 예로서 퍼지제어기를 생각할 수 있는데, 퍼지제어 규칙은 일반적인 상식에 기초해 제어 전략을 나타내는 언어로서 표현된다.

두 번째는 T-S-K 퍼지모델로서, 퍼지모델과 비퍼지모델의 혼합 형태를 가진다. 규칙 형태는 퍼지집합으로 구성되는 전건부와 함수 형태로 주어지는 후건부를 갖으며, 수치 정보를 표현할 수 있는 능력을 갖는다. 따라서 정보가 데이터 형태로 주어지면 학습 알고리즘을 통해 맘다니 퍼지모델 보다는 쉽게 시스템 식별을 할 수 있다. T-S-K퍼지모델은 맘다니 퍼지모델과는 달리 후건부 소속 함수를 입출력 선형 관계식이나 상수 값으로 표현하는 혼합 퍼지추론 방법으로서 비퍼지화를 추론에 포함시킨 형태이다. 이러한 추론 방법은 입력 공간을 퍼지 분할하여 각각의 퍼지 부공간에 대한 선형 입출력 관계를 할당함으로써 기존의 선형 근사화 방식보다 적은 수의 규칙으로도 비선형 특성을 갖는 입출력 관계를 정확하게 표현할 수 있다는 장점을 가진다.

예를 들어 본 발명에서 퍼지 규칙은 영업장의 업종에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 영업장의 위치에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 영업 시기에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 날씨에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 주가 지수에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 영업장 광고 비용에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙일 수 있다.

이 때 날씨에 대한 퍼지 집합은 '좋음', '보통', '나쁨', '맑음', '흐림', '악천후', '더움', '추움'과 같은 퍼지 집합을 포함할 수 있고, 주가 지수에 대한 퍼지 집합은 '상승', '보합', '하락' 또는 '적정', '높음', '낮음'과 같은 퍼지 집합을 포함할 수 있고, 매출 크기에 대한 퍼지 집합은 '크다', '보통이다', '작다' 같은 퍼지 집합을 포함할 수 있다. 퍼지 규칙 또는 퍼지 집합은 유전자 알고리즘을 통해 최적화 될 수 있다.

하기 [수학식2]는

개의 입력 변수

과 1개의 출력 변수

를 갖는 T-S-K 퍼지모델의 퍼지규칙을 보여주고 있다.

[수학식2]

여기에서

는 퍼지 입력 멤버십함수이며, 가우시안 형태일 경우 하기 [수학식3] 로 표현될 수 있다.

는

번째 규칙의 출력을 나타내며,

는 입력 변수들과 상수들의 선형 함수로서 하기 [수학식4]으로 표현될 수 있다.

[수학식3]

[수학식4]

이때

는 멤버십함수의 중심을,

는 멤버십함수의 폭을 나타내는 변수이며

는 데이터가 주어지면 결정되어야 하는 상수이다.

M개의 규칙을 갖고 맥스-프로덕트(max-product)추론 방법을 사용하였을 때,

번째 전건부 규칙의 정규화한 적합도

는 식 하기 [수학식5]과 같이 표현되며 퍼지 시스템의 최종 추론값

는 하기 [수학식6]과 같이 표현될 수 있다.

[수학식5]

[수학식6]

T-S-K 퍼지모델은 후건부 변수가 입력 변수와의 함수로 표현되었다는 점에서 맘다니 퍼지모델에 비해 두 가지 측면에서 이점을 갖는다. 첫째, 동작자의 지식이나 경험으로부터 규칙 추출은 주어진 입출력 데이터로부터 선형식의 계수를 추정하는 작업으로 귀결되어 쉽게 퍼지규칙을 생성시킬 수 있게 된다. 둘째, 후건부에 선형식을 사용함으로써 적은 제어규칙으로도 많은 정보를 포함시킬 수 있다는 점이다.

이 연구에서 사용하고 있는 T-S-K 퍼지시스템 모델은 후건부가 전건부 입력변수들의 함수 형태로 표현된다. T-S-K 퍼지모델은 후건부 소속 함수를 입출력 선형 관계식이나 상수 값으로 표현하는 혼합 퍼지 추론 방법으로서 비퍼지화를 추론에 포함시킨 형태이다. 이러한 추론방법은 입력 공간을 퍼지 분할하여 각각의 퍼지 부공간에 대한 선형 입출력 관계를 할당함으로써 기존의 선형근사화 방식보다 적은 수의 규칙으로도 비선형 특성을 갖는 입출력 관계를 나타낼 수 있다는 장점이 있다.

정리하면, 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 방법은 영업정보를 입출력 데이터로 설정하고, 유전자 알고리즘을 통하여 T-S-K 퍼지모델을 통하여 모델링된 퍼지 시스템을 통하여, 영업장의 예상 매출을 산출할 수 있는 것이다.

본 발명의 일 실시예에 따른 예상 매출을 산출하는 프로세스의 일 예는 다음과 같다. 사용자는 사용자 단말의 프로그램에서 영업장의 위치, 예측 월, 업종, 광고 비용의 영업정보를 순차로 입력할 수 있다. 추가적으로 코스피 지수와 같은 주가지수를 입력하는 것도 가능하다. 상권 분석 서비스 제공 서버는 상기 영업정보를 수신하여, 설계된 퍼지 시스템에 입력하고, 분석 결과로서 미래 예상 매출을 출력할 수 있다. 출력된 예상 매출 정보는 사용자 단말로 전송되어 사용자 단말의 프로그램에서 제공될 수 있다.

도 5는 본 발명의 일 실시예에 따른 사용자 단말 프로그램의 예상 매출 통계 그래프 화면을 보여주는 도면이다.

도 5를 참조하면, 마지막 단계로서, 퍼지 시스템으로 출력된 예상 매출은 사용자 단말의 프로그램에서 시계열적인 통계 그래프 데이터로 제공될 수 있는 것이다(S220).

예를 들어, 주소를 포함하는 위치, 업종 등의 영업정보를 입력하면 상권 분석 서비스 제공 서버에서 분석한 월별 예상 매출 정보를 사용자 단말에 표시할 수 있다.

이상으로 설명한 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 서버 및 그 방법은 상권을 분석하여 사용자에게 예상 매출 정보를 제공하며 매출에 영향을 미치는 다양한 요인을 분석한 데이터를 제공하여 사용자의 영업을 효율적으로 개선시킬 수 있다.

한편, 본 발명의 일 실시예에 따른 상권 분석 서비스 제공 방법은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.

이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예는 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 서버
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스

Claims

상권 분석 서비스 제공 서버에 의하여 수행되는 상권 분석 서비스 제공 방법에 있어서,
사용자 단말로부터 영업장 업종, 영업장의 위치, 요청 시기 및 영업장 광고비용을 포함하는 영업정보와 예상 매출 산출 요청을 수신하는 단계; 및
상기 예상 매출 산출 요청에 따라 상기 영업정보를 유전자 알고리즘에 기초하여 구축한 상권 분석 퍼지 시스템에 입력하여 예상 매출을 산출하는 단계를 포함하되,
상기 상권 분석 퍼지 시스템은 미리 저장된 각 영업장의 업종, 영업장의 위치, 영업 시기별 매출, 날씨, 주가 지수 정보 및 영업장 광고 비용을 포함하는 복수의 영업정보를 기초로 유전자 알고리즘에 의해 최적화된 것으로서,
상기 영업장의 업종, 영업장의 위치, 영업 시기, 날씨, 주가 지수 정보, 영업장 광고 비용과 상기 매출과의 관계에 의하여 정해지는 복수의 퍼지 규칙에 대하여, 각각의 멤버쉽 함수의 폭의 크기, 멤버쉽 함수의 위치 및 규칙의 개수가 상기 유전자 알고리즘에 의하여 최적화된 것인, 상권 분석 서비스 제공 방법.
제1항에 있어서,
상기 상권 분석 퍼지 시스템은 T-S-K(Takagi-Sugeno-Kang) 퍼지 알고리즘을 기초로 구성된 것인, 상권 분석 서비스 제공 방법.
제1항에 있어서,
상기 유전자 알고리즘은 상기 영업장의 업종에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 영업장의 위치에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 영업 시기에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 날씨에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 주가 지수에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 영업장 광고 비용에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙에 대하여 최적의 규칙 개수를 특정하는 것인, 상권 분석 서비스 제공 방법.
제1항에 있어서,
상기 유전자 알고리즘은 상기 복수의 영업정보를 이진화된 염색체 데이터 형태로 초기화하고, 상기 염색체 데이터에 대해 선택, 교차, 돌연변이 또는 대치 단계 중 하나 이상을 실시하여 상기 상권 분석 퍼지 시스템의 입력 파라미터를 선택하는 것인, 상권 분석 서비스 제공 방법.
제4항에 있어서,
상기 유전자 알고리즘은 상기 염색체 데이터의 적합도를 계산하고, 상기 적합도에 기초하여 상기 상권 분석 퍼지 시스템의 입력 파라미터를 선택하는 것인, 상권 분석 서비스 제공 방법.
제5항에 있어서,
상기 유전자 알고리즘은 상기 계산된 적합도가 기설정된 기준 적합도 이하인 염색체 데이터에 대해 선택, 교차, 돌연변이 또는 대치 단계 중 하나 이상을 실시하는 것인, 상권 분석 서비스 제공 방법.
제1항에 있어서,
상기 예상 매출을 포함하는 상권 분석 결과 데이터를 시각화된 사용자 인터페이스를 통해 사용자 단말에 제공하는 단계를 더 포함하는 것인, 상권 분석 서비스 제공 방법.
상권 분석 서비스를 제공하는 서버에 있어서,
상권 분석 서비스를 제공하는 프로그램이 저장된 메모리; 및
상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하고,
상기 프로세서는 상기 프로그램의 수행에 따라, 사용자 단말로부터 영업장 업종, 영업장의 위치, 요청 시기 및 영업장 광고비용을 포함하는 영업정보와 예상 매출 산출 요청을 수신하고, 상기 예상 매출 산출 요청에 따라 상기 영업정보를 유전자 알고리즘에 기초하여 구축한 상권 분석 퍼지 시스템에 입력하여 예상 매출을 산출하는 단계를 포함하되,
상기 상권 분석 퍼지 시스템은 미리 저장된 각 영업장의 업종, 영업장의 위치, 영업 시기별 매출, 날씨, 주가 지수 정보 및 영업장 광고 비용을 포함하는 복수의 영업정보를 기초로 유전자 알고리즘에 의해 최적화된 것으로서,
상기 영업장의 업종, 영업장의 위치, 영업 시기, 날씨, 주가 지수 정보, 영업장 광고 비용과 상기 매출과의 관계에 의하여 정해지는 복수의 퍼지 규칙에 대하여, 각각의 멤버쉽 함수의 폭의 크기, 멤버쉽 함수의 위치 및 규칙의 개수가 상기 유전자 알고리즘에 의하여 최적화된 것인,
상권 분석 서비스 제공 서버.
제8항에 있어서,
상기 상권 분석 퍼지 시스템은 T-S-K(Takagi-Sugeno-Kang) 퍼지 알고리즘을 기초로 구성된 것인, 상권 분석 서비스 제공 서버.
제8항에 있어서,
상기 유전자 알고리즘은 상기 영업장의 업종에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 영업장의 위치에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 영업 시기에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 날씨에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 주가 지수에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙, 상기 영업장 광고 비용에 따른 매출의 크기에 대한 관계를 나타내는 하나 이상의 퍼지 규칙에 대하여 최적의 규칙 개수를 특정하는 것인 상권 분석 서비스 제공 서버.
제8항에 있어서,
상기 유전자 알고리즘은 상기 복수의 영업정보를 이진화된 염색체 데이터 형태로 초기화하고, 상기 염색체 데이터에 대해 선택, 교차, 돌연변이 또는 대치 단계 중 하나 이상을 실시하여 상기 상권 분석 퍼지 시스템의 입력 파라미터를 선택하는 것인, 상권 분석 서비스 제공 서버.
제11항에 있어서,
상기 유전자 알고리즘은 상기 염색체 데이터의 적합도를 계산하고, 상기 적합도에 기초하여 상기 상권 분석 퍼지 시스템의 입력 파라미터를 선택하는 것인, 상권 분석 서비스 제공 서버.
제12항에 있어서,
상기 유전자 알고리즘은 상기 계산된 적합도가 기설정된 기준 적합도 이하인 염색체 데이터에 대해 선택, 교차, 돌연변이 또는 대치 단계 중 하나 이상을 실시하는 것인, 상권 분석 서비스 제공 서버.
제8항에 있어서,
상기 예상 매출을 포함하는 상권 분석 결과 데이터를 시각화된 사용자 인터페이스를 통해 사용자 단말에 제공하는 단계를 더 포함하는 것인, 상권 분석 서비스 제공 서버.
제1항 내지 제7항 중 어느 한 항에 기재된 방법을 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.