KR20220096290A - 차량 잔존 가치 분석 방법 - Google Patents

차량 잔존 가치 분석 방법 Download PDF

Info

Publication number
KR20220096290A
KR20220096290A KR1020200188585A KR20200188585A KR20220096290A KR 20220096290 A KR20220096290 A KR 20220096290A KR 1020200188585 A KR1020200188585 A KR 1020200188585A KR 20200188585 A KR20200188585 A KR 20200188585A KR 20220096290 A KR20220096290 A KR 20220096290A
Authority
KR
South Korea
Prior art keywords
vehicle
data
information
residual value
cluster
Prior art date
Application number
KR1020200188585A
Other languages
English (en)
Other versions
KR102540693B1 (ko
Inventor
백용범
Original Assignee
(주)자스텍엠
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 (주)자스텍엠 filed Critical (주)자스텍엠
Priority to KR1020200188585A priority Critical patent/KR102540693B1/ko
Priority to US17/331,849 priority patent/US20220207547A1/en
Publication of KR20220096290A publication Critical patent/KR20220096290A/ko
Application granted granted Critical
Publication of KR102540693B1 publication Critical patent/KR102540693B1/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
    • 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
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/36—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes
    • G06Q20/363—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes with the personal data of a user
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G06Q2220/00—Business processing using cryptography

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명의 차량 잔존 가치 분석 방법에 따르면, 블록 체인을 구성하는 각각의 분산 장치가 제1 데이터 내지 제3 데이터 중 적어도 하나를 통계 처리하여 차량의 잔존 가치를 분석하고, 상기 제1 데이터는 공공 데이터를 포함하며, 제2 데이터는 차량 소유자 또는 운전자에 관한 정보를 포함하고, 제3 데이터는 차량 운행 정보를 포함할 수 있다.

Description

차량 잔존 가치 분석 방법{VEHICLE PRICE ESTIMATING METHOD}
본 발명은 차량의 잔존 가치 분석을 블록 체인 기반으로 수행하는 방법에 관한 것이다.
차량 시장의 불투명한 거래 환경을 개선할 필요성이 대두된다. 차량 시장의 지속적인 성장세 대비 품질·가격 등에 대한 소비자 불신이 지속되고 있다.
차량 거래시 필요한 정보의 보안 문제도 대두된다.
따라서, 빅데이터·AI·블록체인 등 IoT 기술을 활용한 차량 거래시장 개선이 필요한 실정이다.
본 발명은 데이터 수집 기술로서 자동차의 IoT 기술을 이용하고, 데이터 분석 기술로서 빅데이터·인공지능을 이용하며, 블록 체인으로 분산된 상호 인증 시스템을 구축하여 정보의 위조 또는 변조를 방지할 수 있는 차량 잔존 가치 분석 방법을 제공할 수 있다.
본 발명의 차량 잔존 가치 분석 방법에 따르면, 블록 체인을 구성하는 각각의 분산 장치가 제1 데이터 내지 제3 데이터 중 적어도 하나를 통계 처리하여 차량의 잔존 가치를 분석하고, 상기 제1 데이터는 공공 데이터를 포함하며, 제2 데이터는 차량 소유자 또는 운전자에 관한 정보를 포함하고, 제3 데이터는 차량 운행 정보를 포함할 수 있다.
본 발명에 따르면, 합리적인 차량 잔존 가치 산정을 위한 차량 시세 산출프로세스 신모형을 블록 체인 기반으로 제시할 수 있다.
도 1은 본 발명의 일 실시예로서, 블록 체인 기반으로 상호 인증되는 정보를 도시한 블록도이다.
도 2는 본 발명의 일 실시예로서, K-means 군집화, 선형 회귀 분석, 템플릿 윈도우를 도시한 설명도이다.
도 3은 본 발명의 일 실시예로서, 주행 거리와 유류 정보를 변수로 하였을 때 잔존 가치 분석을 예시한 설명도이다.
도 4 및 도 5은 본 발명의 일 실시예로서, 지자기 센서가 설치된 지역에서 차량 운행 정보를 취득하는 그래프이다.
본 발명의 데이터는 비식별 데이터인 것이 특징이다. 판매자 및 구매자의 개인 정보 보호를 위하여 비식별 데이터 또는 가명 데이터를 확보하고, 이를 통한 블록 체인 기반의 차량 잔존 가치 분석을 수행할 수 있다.
각 분산 장치에 배분된 블록 체인 지갑에 의하여 데이터가 상호 인증될 수 있다. 상호 인증되는 데이터는 제1 데이터로서 공공 데이터, 제2 데이터로서 차량 관련 데이터, 제3 데이터로서 차량 운행 정보를 포함할 수 있고, 이들은 비식별화된 형태로 입출력될 수 있다. 비식별 정보는 개인 정보를 삭제하거나 암호화시킨 제1 데이터 내지 제3 데이터 중 적어도 하나로 정의할 수 있다.
제1 데이터는 제1 분산 장치의 블록 체인 지갑을 통하여 입출력될 수 있다. 제2 데이터는 제2 분산 장치의 블록 체인 지갑을 통하여 입출력될 수 있다. 제3 데이터는 제3 분산 장치의 블록 체인 지갑을 통하여 입출력될 수 있다.
제3 데이터는 차량 또는 차량에 설치되는 차량 단말기를 포함하는 제3 분산 장치의 블록 체인 지갑을 통하여 다른 분산 장치에 입출력될 수 있다. 제3 분산 장치는 다른 분산 장치와 함께 제1 데이터 내지 제3 데이터에 관한 상호 인증 시스템을 구축할 수 있다.
특정 차량 단말기는 특정 차량에 대응된 상태로 제3 데이터를 입출력할 수 있다. 특정 차량 단말기를 특정 차량에서 제거하면 일대일 매칭 상태가 깨질 수 있다. 차량 단말기를 차량에서 제거하면 제1 데이터 내지 제3 데이터의 상호 인증이 깨지거나, 블록 체인 지갑의 유효성이 상실될 수 있다.
이에 의하여, 차량 잔존 가치 분석 시스템의 보안성이 강화될 수 있다. 비식별 정보만으로 보안성을 확보하는 경우에 비하여, 분산 장치의 블록 체인 지갑에 의한 상호 인증 체계는 본 발명의 정보 보안성을 획기적으로 강화시킬 수 있다.
제1 데이터인 공공 데이터는 공공 API에서 오픈된 것으로서, 비식별 교통사고 정보, 자동차 등록 정보, 자동차 검사 이력 정보, 자동차 정비 이력 정보, 상업용 차량의 eTAS 정보, TAAS 교통 사고 정보 중 적어도 하나를 포함할 수 있다.
제2 데이터는 차량 소유자 또는 운전자에 관한 정보로서, 자동차 보험사의 자동차 보험 정보, 카쉐어링 또는 렌터카 이력 정보, 자동차 할부 또는 리스에 관한 자동차 금융 정보, 자동차 매매 이력, 차량 모델, 차량 연식, 차량 소유자의 과거 운행 기록 중 적어도 하나를 포함할 수 있다.
제3 데이터인 차량 운행 정보는 차량 운행시 발생하는 정보로서 블록 체인 지갑이 설치된 차량 또는 차량에 설치된 IOT 장치인 차량 단말기를 통하여 분산 장치에 원격으로 입출력될 수 있다. 제3 데이터는 현재의 차량 위치, 차량의 이동 거리, 유류 정보, 연료 소모 정보, 차량 식별 정보, 급제동 및 급가속 횟수, 고장 정보, 위험 운전 정보, 차량 센서 정보 중 적어도 하나를 포함할 수 있다.
제1 데이터 내지 제3 데이터는 블록 체인 지갑을 통하여 비식별 정보 형태로서 입출력될 수 있다.
본 발명은 공공 API 정보 수집을 위한 빅데이터 수집·분석·가공 장치를 분산 장치 형태로 제공할 수 있다. 차량 단말기의 제3 데이터는 제1 데이터 및 제2 데이터를 입출력하는 민간 사업자의 분산 장치와 블록 체인으로 연계될 수 있다.
필요한 민간 DB(보험사, 금융사 등)의 억세스 허가 및 데이터 수집 범위 등에 대한 합의 도출을 위하여 블록 체인 기반의 분산 장치를 구현할 수 있다.
제3 데이터인 차량 운행 정보의 IoT 수집을 위하여 개인 정보 소유자의 정보 제공 동의 절차가 OBD 단말기에 내장될 수 있다. 수집된 비식별 데이터의 무결성 및 신뢰성 확보를 위하여 아래에 설명하는 K-means 군집화부, 선형 회귀 분석부, 템플릿 윈도우부 중 적어도 하나가 각각의 분산 장치에 인스톨되어 블록 체인 시스템을 구축할 수 있다.
제3 분산 장치인 차량 단말기는 제3 데이터의 수집을 위하여 운전 행태 항목을 선정할 수 있다. 제3 데이터인 차량 운행 정보와 제2 데이터 또는 제1 데이터의 상관 관계를 가치 평가에 활용할 수 있다.
급제동이나 급출발 등의 위험 운전 행태 항목이 잔존 가치 평가에 반영되기 위해서, 교통 사고 손해율과 운전 행태 항목 간의 상관 관계에 대한 통계적 접근법이 분산 장치에 설치될 수 있다. 예를 들면, 계층 분석법(AHP, Analytic Hierarchy Process)을 활용한 가중치 산정 수단이 마련될 수 있다. 분산 장치는 여러 경로에서 수집된 유사 데이터의 일관성 검증(Consistency test) 및 가중치 산정(Weighting)을 블록 체인 지갑 형태로 구현할 수 있다.
분산 장치는 사용자의 연령, 사용자의 성별, 차종, 차량 등록 지역, 보험 할인, 보험 할증, 보험 가입 경력, 교통 법규 위반 경력 등을 입수하고 잔존 가치 평가부에 반영할 수 있다.
분산 장치는 차량 운행 정보 및 운전 패턴 정보를 기반으로 차량 잔존 가치를 산정할 수 있다.
차량 운행 정보를 수집하는 차량 단말기가 차량에 설치될 수 있다. 차량 단말기는 예를 들면, OBD(OnBoardDiagnostics) 단말기를 포함할 수 있다. 차량 단말기는 차량의 위치, 차량의 운행거리, 차량 상태 정보, 운전 패턴 정보 중 적어도 하나를 수집하고, 분산 장치는 이 정보를 이용하여 차량의 잔존 가치를 계산할 수 있다.
분산 장치는 차량 잔존 가치 계산 장치, 응용 서비스 장치, 차량 정보 제공 장치, 차량 운행 거리 계산 장치 중 적어도 하나를 구비할 수 있다.
사용자 단말은 사용자가 차량의 잔존 가치와 관련된 일련의 서비스를 제공받는 단말로서 사용자의 휴대폰을 포함할 수 있다.
응용 서비스 장치는 차량의 잔존가치를 이용하여 제공되는 관련 서비스를 제공할 수 있다. 예를 들어, 차량 잔존 가치에 따른 보험료 산정, 리스비용 산정 등의 응용 서비스일 수 있다.
차량 잔존 가치 계산 장치는 차량 단말기, 차량 정보 제공 장치, 차량 운행 거리 계산 장치 등으로부터 획득된 정보를 이용하여 차량 잔존 가치를 계산할 수 있다.
차량 운행 거리 계산 장치는 차량 단말기로부터 획득된 차량 운행 정보를 이용하여, 차량의 주행 거리를 계산할 수 있다. 차량 정보 제공 장치는 차량 모델, 번호, 연식 등과 같은 차량에 대한 정보를 제공할 수 있다.
도 5를 참조하며 K-means 군집화부, 선형 회귀 분석부, 템플릿 윈도우부를 설명한다.
클러스터링(Clustering)이란 여러 개의 데이터가 있을 때 데이터를 군집화하는 것을 의미할 수 있다. 비슷한 데이터끼리 묶으면 관리가 용이할 수 있다. 군집화를 위하여 K-means 알고리즘을 사용할 수 있다.
K-means 군집화부는, N 개의 노드를 데이터로 입력받고 클러스터의 개수 K 를 입력받을 수 있다. 예를 들어 K 가 이면 N 개의 데이터를 3개의 클러스터로 군집화하라는 명령이 장치에 입력된 것이다.
제1 단계는 여러 노드 중에서 임의로 선정된 제1 노드를 제1 클러스터의 중심으로 설정하는 단계이다.
제2 단계는 제1 노드로부터 가장 먼 거리에 위치한 제2 노드를 제2 클러스터의 중심으로 설정하는 단계이다.
제3 단계는 제1 노드 및 제2 노드로부터 가장 먼 거리에 위치한 제K 노드를 제K 클러스터의 중심으로 설정하는 단계이다.
제4 단계는 N 개의 데이터 모두를 K 개의 클러스터 중 어느 하나에 대응시키는 단계이다.
제5 단계는 특정의 클러스터의 중심을 해당 클러스터의 중앙에 위치한 노드로 변경하고 제4 단계를 반복하는 단계이다.
제6 단계는 제5 단계를 반복하고 더 이상 각 클러스터의 중심의 위치가 변하지 않으면 종료하는 단계이다.
다음은 선형 회귀 분석부에 대하여 설명한다.
선형 회귀 분석부란 데이터 사이의 선형적인 관계를 모델링한 것을 의미할 수 있다. 예를 들어 특정 차종을 신차부터 사용한 시간을 경과 시간으로 정의할 수 있다. 제1 변수인 차종 m1 과 제2 변수인 경과 시간 m2 를 선형 회귀 분석부으로 구한 잔존 가치 함수 G(m1, m2) 에 대입하면 해당 차종의 경과 시간별 잔존 가치를 구할 수 있다.
예를 들면, A 차종의 경과 시간이 13.6년이면 잔존 가치 함수 G(A 차종, 13.6년)의 출력값으로서 1,000 만원을 구할 수 있다. 선형 회귀 분석부에 의하여 잔존 가치 함수 G(m1, m2, ,,,mp) 를 구하고, 제1 변수 내지 제p 변수를 잔존 가치 함수에 대입하면 차량의 잔존 가치를 연속 함수인 잔존 가치 함수의 출력값으로서 획득할 수 있는 장점이 있다.
입력 받은 다수의 데이터를 K-means 군집화부를 통하여 클러스터링하고, K-means 군집화부를 통하여 각 클러스터별로 중심을 산출하며, 각 클러스터별 중심을 선형 회귀 분석부를 통하여 연결하면, 제1 변수 내지 제p 변수를 종속 변수로 갖는 연속 함수인 잔존 가치 함수 G(m1, m2, ,,,mp) 를 구할 수 있다.
잔존 가치 함수 G(m1, m2, ,,,mp)에 제1 변수 내지 제p 변수를 대입하면 차량의 잔존 가치를 연속적으로 구할 수 있는 장점이 있다.
다음은 템플릿 윈도우부에 대하여 설명한다. 선형 회귀 분석부은 이산화된 데이터로부터 연속 함수를 획득하는 대표화 방법이므로 분석 에러가 있을 수 있다. 이에 비하여 템플릿 윈도우부는 선형 회귀 분석부에 의하여 잔존 가치 함수를 구하는 것이 적절하지 않은 경우에 이산 분포하는 특정점의 잔존 가치를 허용 오차 범위 내에서 획득할 수 있는 장점이 있다.
입력 받은 다수의 데이터를 K-means 군집화부를 통하여 클러스터링하고, K-means 군집화부를 통하여 각 클러스터별로 중심을 산출하며, 각 중심에서 허용 오차 (d1 또는 d2) 만큼 떨어진 위치에 가상의 템플릿 윈도우부를 설정하고, 특정 노드가 템플릿 윈도우부 범위내에 속하면 그 특정 노드의 잔존 가치는 해당 템플릿 윈도우부의 중심의 잔존 가치와 동일한 것으로 볼 수 있다. 템플릿 윈도우부는 허용 오차 (d1 또는 d2)를 어떻게 설정하는가에 따라 원형 또는 다각형 등 다양한 형태가 될 수 있다.
예를 들어 A 차종에 해당하는 클러스터의 경과 시간 15년에 대응되는 중심의 잔존 가치는 2,000만원이고, 허용 오차 d1 이 4년이라고 가정한다. A 차종이고 경과 시간이 16년인 특정 노드의 차량은 특정 템플릿 윈도우부(W)에 속하는 것으로 볼 수 있다. 그 차량의 잔존 가치는 템플릿 윈도우부의 중심의 잔존 가치 2,000만원과 동일한 값으로 볼 수 있다. 템플릿 윈도우부에 의하면 미리 수집된 다양한 잔존 가치 데이터를 토대로 허용 오차 범위에 속하는지 여부를 기준으로 임의의 차량의 잔존 가치를 간단한 알고리즘으로 추정할 수 있는 장점이 있다.
차량 단말기와 함께 차량 운행 정보를 수집하는 지자기 센서를 설명한다. 지자기 센서는 도로 환경에 설치되며 자신이 설치된 위치 주변의 차량 운행 정보를 수집하여 분산 장치에 전달할 수 있다.
차량의 이동에 의해 발생하는 지구 자기장의 변화는 지자기 센서가 설치된 지점에서 각 축(axis)에 대해 발생할 수 있다. 도 4는 하나의 축(x축)에 대해 센싱된 지자기장의 변화를 보이고, 도 5는 세 개의 축(x, y, z축)에 대해 센싱된 지자기장의 변화를 보인다. 도 5는 다축 출력값을 평균하여 차량 운행 정보를 취득하는 장점이 있으며 노이즈에 강하고 차량 운행 정보를 더욱 자세하게 측정할 수 있는 장점이 있다.
일축 측정 및 도 8의 다축 측정시 경계값(Threshold value)보다 큰 값이 출력되면 사람이나 자전거가 지나간 것이 아니라 차량이 지나갔는지 여부 또는 어떤 크기와 무게의 차량이 지나갔는지 여부를 노이즈없이 전달할 수 있다.
지자기 센서는 미리 입력된 경계값을 측정값과 비교하고, 경계값을 초과하는 측정값을 차량 운행 정보로 인식하며 분산 장치에 전송한다. 전송되는 차량 운행 정보는 차량 통과 시간, 일정 시간 동안 차량 통과 대수, 추정된 차량의 크기 및 중량, 차량의 속도 중 적어도 하나를 포함할 수 있다.
분산 장치는 차량에 설치되는 차량 단말기는 물론, 지자기 센서를 포함하는 환경 센서로부터 제3 데이터를 입수하고, 빅데이터를 축적하여 더욱 정확한 잔존 가치 분석을 할 수 있다.

Claims (12)

  1. 블록 체인을 구성하는 각각의 분산 장치가 제1 데이터 내지 제3 데이터 중 적어도 하나를 통계 처리하여 차량의 잔존 가치를 분석하고,
    상기 제1 데이터는 공공 데이터를 포함하며, 제2 데이터는 차량 소유자 또는 운전자에 관한 정보를 포함하고, 제3 데이터는 차량 운행 정보를 포함하는 차량 잔존 가치 분석 방법.
  2. 제1 항에 있어서,
    상기 제1 데이터 내지 제3 데이터는 비식별 정보로서 입출력되고,
    상기 비식별 정보는 상기 제1 데이터 내지 제3 데이터의 개인 정보를 삭제하거나 암호화시킨 정보인 차량 잔존 가치 분석 방법.
  3. 제1 항에 있어서,
    상기 제1 데이터인 공공 데이터는 공공 API에서 오픈된 것으로서, 비식별 교통사고 정보, 자동차 등록 정보, 자동차 검사 이력 정보, 자동차 정비 이력 정보, 상업용 차량의 eTAS 정보, TAAS 교통 사고 정보 중 적어도 하나를 포함하고 제1 분산 장치의 블록 체인 지갑을 통하여 입출력되며,
    상기 제2 데이터는 차량 소유자 또는 운전자에 관한 정보로서, 자동차 보험사의 자동차 보험 정보, 카쉐어링 또는 렌터카 이력 정보, 자동차 할부 또는 리스에 관한 자동차 금융 정보, 자동차 매매 이력, 차량 모델, 차량 연식, 차량 소유자의 과거 운행 기록 중 적어도 하나를 포함하고 제2 분산 장치의 블록 체인 지갑을 통하여 입출력되며,
    상기 제3 데이터인 차량 운행 정보는 차량 운행시 발생하는 정보로서, 현재의 차량 위치, 차량의 이동 거리, 유류 정보, 연료 소모 정보, 차량 식별 정보, 급제동 및 급가속 횟수, 고장 정보, 위험 운전 정보, 차량 센서 정보 중 적어도 하나를 포함하고 제3 분산 장치의 블록 체인 지갑을 통하여 입출력되는 차량 잔존 가치 분석 방법.
  4. 제1 항에 있어서,
    상기 제3 데이터는 차량 또는 차량에 설치되는 차량 단말기를 포함하는 제3 분산 장치의 블록 체인 지갑을 통하여 다른 분산 장치에 입출력되는 차량 잔존 가치 분석 방법.
  5. 제1 항에 있어서,
    상기 제1 데이터 또는 상기 제2 데이터는 제1 분산 장치의 블록 체인 지갑 또는 제2 분산 장치의 블록 체인 지갑을 통하여 입출력되고,
    상기 제3 데이터는 차량 또는 차량에 설치되는 차량 단말기를 포함하는 제3 분산 장치의 블록 체인 지갑을 통하여 입출력되며,
    상기 제3 분산 장치는 다른 분산 장치와 함께 상기 제1 데이터 내지 제3 데이터를 상호 인증하고,
    상기 차량 단말기를 특정 차량에서 제거하면 상기 제1 데이터 내지 제3 데이터의 상호 인증이 깨어지는 차량 잔존 가치 분석 방법.
  6. 제1 항에 있어서,
    상기 제1 데이터 내지 제3 데이터를 통계 처리하는 K-means 군집화부, 선형 회귀 분석부, 템플릿 윈도우부 중 적어도 하나가 블록 체인 형태로 마련되는 차량 잔존 가치 분석 방법.
  7. 제1 항에 있어서,
    K-means 군집화부가 상기 분산 장치에 마련되고,
    상기 K-means 군집화부는,
    N 개의 노드를 데이터로 입력받고 클러스터의 개수 K 를 입력받으며, 여러 노드 중에서 임의로 선정된 제1 노드를 제1 클러스터의 중심으로 설정하는 제1 단계,
    제1 노드로부터 가장 먼 거리에 위치한 제2 노드를 제2 클러스터의 중심으로 설정하는 제2 단계,
    제1 노드 및 제2 노드로부터 가장 먼 거리에 위치한 제K 노드를 제K 클러스터의 중심으로 설정하는 제3 단계,
    N 개의 데이터 모두를 K 개의 클러스터 중 어느 하나에 대응시키는 제4 단계,
    특정의 클러스터의 중심을 해당 클러스터의 중앙에 위치한 노드로 변경하고 상기 제4 단계를 반복하는 제5 단계,
    상기 제5 단계를 반복하고 더 이상 각 클러스터의 중심의 위치가 변하지 않으면 종료하는 제6 단계를 수행하는 차량 잔존 가치 분석 방법.
  8. 제1 항에 있어서,
    K-means 군집화부 및 선형 회귀 분석부가 상기 분산 장치에 마련되고,
    입력 받은 다수의 데이터를 상기 K-means 군집화부를 통하여 클러스터링하며,
    상기 K-means 군집화부를 통하여 각 클러스터별로 중심을 산출하고,
    각 클러스터별 중심을 상기 선형 회귀 분석부를 통하여 연결하며,
    제1 변수 내지 제p 변수를 종속 변수로 갖는 연속 함수인 잔존 가치 함수 G(m1, m2, ,,,mp) 를 구하고,
    상기 잔존 가치 함수 G(m1, m2, ,,,mp)에 상기 제1 변수 내지 제p 변수를 대입하여 차량의 잔존 가치를 연속적으로 구하는 차량 잔존 가치 분석 방법.
  9. 제1 항에 있어서,
    K-means 군집화부 및 선형 회귀 분석부가 상기 분산 장치에 마련되고,
    입력 받은 다수의 데이터를 상기 K-means 군집화부를 통하여 클러스터링하고,
    상기 K-means 군집화부를 통하여 각 클러스터별로 중심을 산출하며,
    각 중심에서 허용 오차만큼 떨어진 위치에 상기 템플릿 윈도우부를 설정하고,
    특정 노드가 상기 템플릿 윈도우부의 범위내에 속하면 그 특정 노드의 잔존 가치는 해당 템플릿 윈도우부의 중심의 잔존 가치와 동일한 것으로 판단하는 차량 잔존 가치 분석 방법.
  10. 제1 항에 있어서,
    상기 분산 장치는 미리 수집된 데이터를 기준으로 임의의 차량의 잔존 가치가 허용 오차 범위에 속하는지 여부에 따라 상기 차량의 잔존 가치를 산출하는 차량 잔존 가치 분석 방법.
  11. 제1 항에 있어서,
    차량에 설치되는 차량 단말기 및 도로에 설치되는 지자기 센서로부터 상기 제3 데이터를 입수하는 차량 잔존 가치 분석 방법.
  12. 제1 항에 있어서,
    지자기 센서가 설치되고,
    상기 지자기 센서는 미리 입력된 경계값을 측정값과 비교하며,
    상기 경계값을 초과하는 측정값을 차량 운행 정보로 인식하고 상기 분산 장치에 전송하며,
    상기 분산 장치에 전송되는 차량 운행 정보는 차량 통과 시간, 일정 시간 동안 차량 통과 대수, 추정된 차량의 크기 및 중량, 차량의 속도 중 적어도 하나를 포함하는 차량 잔존 가치 분석 방법.
KR1020200188585A 2020-12-31 2020-12-31 차량 잔존 가치 분석 방법 KR102540693B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200188585A KR102540693B1 (ko) 2020-12-31 2020-12-31 차량 잔존 가치 분석 방법
US17/331,849 US20220207547A1 (en) 2020-12-31 2021-05-27 Vehicle price estimating method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200188585A KR102540693B1 (ko) 2020-12-31 2020-12-31 차량 잔존 가치 분석 방법

Publications (2)

Publication Number Publication Date
KR20220096290A true KR20220096290A (ko) 2022-07-07
KR102540693B1 KR102540693B1 (ko) 2023-06-12

Family

ID=82118831

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200188585A KR102540693B1 (ko) 2020-12-31 2020-12-31 차량 잔존 가치 분석 방법

Country Status (2)

Country Link
US (1) US20220207547A1 (ko)
KR (1) KR102540693B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102588446B1 (ko) * 2022-09-20 2023-10-13 주식회사 에이젠글로벌 배터리 이력 관리 방법 및 이러한 방법을 수행하는 장치
KR102610056B1 (ko) * 2023-06-08 2023-12-06 정태은 폐차 중개 플랫폼 서비스 제공 시스템
KR102621283B1 (ko) * 2023-05-30 2024-01-09 정태은 Ｐ２ｐ 기반 중고차 거래 플랫폼 서비스 제공 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3100378A1 (en) * 2019-11-20 2021-05-20 Royal Bank Of Canada System and method for unauthorized activity detection

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050117076A (ko) * 2004-06-09 2005-12-14 스마트플랫폼즈(주) 스마트카드를 이용한 자동차 가치 산정 시스템 및 방법
KR20140030838A (ko) * 2012-09-04 2014-03-12 에스케이플래닛 주식회사 군집 분석 지원 시스템 및 방법과, 이를 지원하는 장치
KR101606322B1 (ko) * 2015-05-28 2016-04-01 이한나 중고차량 가치 평가 방법 및 장치
KR20200052852A (ko) * 2018-11-07 2020-05-15 현대자동차주식회사 이벤트 데이터 관리 방법 및 시스템
KR20200117799A (ko) * 2019-04-06 2020-10-14 두나무 주식회사 대여용 차량의 운용 기록 관리 장치 및 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017190795A1 (en) * 2016-05-06 2017-11-09 Rwe International Se System for evaluating telemetry data
WO2018014123A1 (en) * 2016-07-18 2018-01-25 Royal Bank Of Canada Distributed ledger platform for vehicle records
US10284654B2 (en) * 2016-09-27 2019-05-07 Intel Corporation Trusted vehicle telematics using blockchain data analytics
US20190287140A1 (en) * 2018-03-19 2019-09-19 Mastercard International Incorporated Method and system for vehicle valuation using telematics
US20200340820A1 (en) * 2019-04-26 2020-10-29 Toyota Motor North America, Inc. Managing transport occupants during transport events
KR102170247B1 (ko) * 2019-09-06 2020-10-26 현대오토에버 주식회사 블록체인 기반 차량 마일리지 위변조 방지 시스템 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050117076A (ko) * 2004-06-09 2005-12-14 스마트플랫폼즈(주) 스마트카드를 이용한 자동차 가치 산정 시스템 및 방법
KR20140030838A (ko) * 2012-09-04 2014-03-12 에스케이플래닛 주식회사 군집 분석 지원 시스템 및 방법과, 이를 지원하는 장치
KR101606322B1 (ko) * 2015-05-28 2016-04-01 이한나 중고차량 가치 평가 방법 및 장치
KR20200052852A (ko) * 2018-11-07 2020-05-15 현대자동차주식회사 이벤트 데이터 관리 방법 및 시스템
KR20200117799A (ko) * 2019-04-06 2020-10-14 두나무 주식회사 대여용 차량의 운용 기록 관리 장치 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102588446B1 (ko) * 2022-09-20 2023-10-13 주식회사 에이젠글로벌 배터리 이력 관리 방법 및 이러한 방법을 수행하는 장치
WO2024063393A1 (ko) * 2022-09-20 2024-03-28 주식회사 에이젠글로벌 배터리 이력 관리 방법 및 이러한 방법을 수행하는 장치
KR102621283B1 (ko) * 2023-05-30 2024-01-09 정태은 Ｐ２ｐ 기반 중고차 거래 플랫폼 서비스 제공 시스템
KR102610056B1 (ko) * 2023-06-08 2023-12-06 정태은 폐차 중개 플랫폼 서비스 제공 시스템

Also Published As

Publication number Publication date
KR102540693B1 (ko) 2023-06-12
US20220207547A1 (en) 2022-06-30

Similar Documents

Publication Publication Date Title
KR102540693B1 (ko) 차량 잔존 가치 분석 방법
CN107909416B (zh) 车辆价格评估的方法以及车辆价格评估装置
CN107742420A (zh) 一种用于突发交通事件下道路交通流预测的方法
Wang et al. A road quality detection method based on the mahalanobis-taguchi system
CN108573388A (zh) 基于区块链的车辆信息处理系统和方法
CN109159758B (zh) 设备认证方法及车载设备
KR102358833B1 (ko) 차량에서 기록된 이벤트 데이터를 수집 및 관리하는 방법 및 시스템
KR20200086632A (ko) 차량 생성 데이터를 수집 및 관리하는 방법 및 시스템
CN113836564B (zh) 一种基于区块链的网联汽车信息安全系统
EP3858807A1 (en) Method and system for managing vehicle generated data
Abdo et al. Cybersecurity on connected and automated transportation systems: A survey
Zhang Comparison of classical analytic hierarchy process (AHP) approach and fuzzy AHP approach in multiple-criteria decision making for commercial vehicle information systems and networks (CVISN) project
CN106068513A (zh) 安全评估系统和方法
US11506525B2 (en) Method for verifying sensors in a sensor network, and sensor network
Ameksa et al. Toward flexible data collection of driving behaviour
Kyriakou et al. Do vehicles sense pavement surface anomalies?
Berzina et al. Evaluation of travel time data collection techniques: A statistical analysis
KR102133901B1 (ko) 스마트팩토리의 모니터링과 관리시스템을 위한 보안 시스템
Singh et al. Driving pattern analysis to determine driver behaviors for local authority based on cloud using OBD II
US20220114845A1 (en) Method and system for collecting and managing vehicle generated data
Khan et al. A Novel Compound Feature based Driver Identification
Zhang et al. Situational awareness model of IoV based on fuzzy evaluation and markov chain
Marinelli et al. Investigation of earthmoving trucks deterioration using discriminant analysis
CN116469254B (zh) 一种信息处理方法和装置
CN114841818B (zh) 一种基于跨链技术的定制化车险竞价隐私保护方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right