KR20230072017A - 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법 - Google Patents

인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법 Download PDF

Info

Publication number
KR20230072017A
KR20230072017A KR1020210158295A KR20210158295A KR20230072017A KR 20230072017 A KR20230072017 A KR 20230072017A KR 1020210158295 A KR1020210158295 A KR 1020210158295A KR 20210158295 A KR20210158295 A KR 20210158295A KR 20230072017 A KR20230072017 A KR 20230072017A
Authority
KR
South Korea
Prior art keywords
schedule
information
travel
artificial intelligence
travel itinerary
Prior art date
Application number
KR1020210158295A
Other languages
English (en)
Other versions
KR102538071B1 (ko
Inventor
오우진
Original Assignee
주식회사 제이어스
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 주식회사 제이어스 filed Critical 주식회사 제이어스
Priority to KR1020210158295A priority Critical patent/KR102538071B1/ko
Publication of KR20230072017A publication Critical patent/KR20230072017A/ko
Application granted granted Critical
Publication of KR102538071B1 publication Critical patent/KR102538071B1/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
    • G06Q50/14—Travel agencies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 시스템은, 네트워크를 통하여 사용자 단말에 웹기반 또는 모바일기반으로 사용자 추천 맞춤형 여행일정 추천 서비스를 제공하되, 여행장소에 대한 공간과 동적 행사나 공연에 대한 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 고객정보를 수집한 빅데이터를 통하여 여행 일정을 자동 생성할 수 있는 운영서버를 포함한다.

Description

인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법{AI-based customized travel itinerary recommendation system and method}
본 발명은 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법에 관한 것으로, 더욱 상세하게는 인공지능 추천 알고리즘을 기반으로 여행 계획을 맞춤형으로 추천하여 자동으로 생성할 수 있는 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법에 관한 것이다.
최근 한국관광공사 데이터 통계에 따르면, 최근 자연경관 및 휴양지 중심의 관광에서 음식 관광으로 변화되고 있고, 코로나19 이후에는 국내 중심의 소소한 여행이 증가되고 있는 추세이다.
특히 패키지 여행의 경우 여행지의 다양한 정보에 따른 자유도(여행지 선택 및 개인의사결정)가 떨어지며, 자유여행의 경우는 정보에 따라 자유도가 높은 반면 정보 탐색 시간 등 많은 수고가 필요하여 시간적, 정신적 소모가 이루어져 비효율적인 문제가 있었다.
따라서, 전술한 문제를 해결하기 위하여 인공지능 추천 알고리즘을 기반으로 여행 계획을 맞춤형으로 추천하여 자동으로 생성할 수 있는 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법에 대한 연구가 필요하게 되었다.
한국공개특허 10-2002-0007938(2002년01월29일 공개)
본 발명의 목적은 공간과 동적 행사나 공연과 같은 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 빅데이터를 통하여 여행일정을 추천하여 구체적 일정을 생성할 수 있는 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 시스템은, 네트워크를 통하여 사용자 단말에 웹기반 또는 모바일기반으로 사용자 추천 맞춤형 여행일정 추천 서비스를 제공하되, 여행장소에 대한 공간과 동적 행사나 공연에 대한 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 고객정보를 수집한 빅데이터를 통하여 여행 일정을 자동 생성할 수 있는 운영서버를 포함한다.
상기 운영서버는 상기 여행 일정을 짜기 위한 스케줄표를 GUI(Graphic User Interface) 형태로 구현하여 사용자 단말로 제공하고 여행일정 중 일부를 사용자 단말이 설정하면, 해당 일정의 이전/이후 일정에 대해 맞춤형으로 여행 일정을 추천해주는 것을 특징으로 한다.
상기 운영서버는 상기 사용자 단말과 네트워크를 통하여 연결되어 원활한 데이터 송수신을 위한 적어도 하나의 통신 프로토콜을 포함하는 통신부; 상기 사용자 단말로부터 개인 선호도에 따라 맞춤형 여행일정을 추천하기 위해 수집되는 개인의 고객정보를 저장하고 관리하는 고객관리부; 상기 사용자 단말이 지정한 특정 스케줄에 대해 이전/이후 여행일정을 인공지능 추천 알고리즘 기반으로 맞춤형으로 스케줄링할 수 있도록 하는 스케줄링부; 상기 인공지능 추천 알고리즘을 기반으로 상기 스케줄링부에서 여행일정을 자동 추천하여 생성할 수 있도록 고객정보를 비롯하여 관광관련 빅데이터를 활용하여 추천하며, 추천 맞춤 정확도 향상을 위해 학습을 수행하는 추천학습부를 더 포함한다.
상기 스케줄링부는 스케줄표 작성의 편의성을 제공하기 위해 사용자에게 스케줄표를 GUI형태로 구현하여 여러 구간에 대해 시간과 장소를 수동으로 입력할 수 있게 제공하고, 하나의 시간과 장소를 구간에 기입하면 나머지 일정들이 자동으로 추천되어 제공될 수 있으며, 여러 가지 선택지 중에서 선택할 수 있도록 하나의 구간에 대해 복수의 일정이 추천될 수 있으며, 사용자는 사용자 단말을 통하여 드래그앤드롭(Drag and drop) 방식으로 손쉽게 일정을 정하고 수정하고, 편집할 수 있게 구현할 수 있는 것을 특징으로 한다.
상기 스케줄링부는 상기 스케줄표를 시각적으로 쉽게 구분할 수 있도록 각 구간에 대해 별개의 색상을 갖는 블록 형태로 이루어지고, 색상은 주요 카데고리별로 구분하여 정해지며, 여행 과정의 3가지 카데고리로 공간, 프로그램, 콘텐츠로 구분하여 색상을 달리하여 스케줄표를 제공할 수 있어 사용자는 구분된 형태로 스케줄표를 효율적으로 작성할 수 있는 것을 특징으로 한다.
상기 관광관련 빅데이터는 공간정보, 프로그램정보, 콘텐츠정보를 포함하되, 상기 공간정보는 자연관광지, 역사관광지, 휴양관광지, 문화시설을 포함한 장소에 대한 정보가 포함되고, 상기 프로그램정보는 공연/행사 정보, 쇼핑정보, 레포츠 정보가 포함되고, 상기 콘텐츠정보는 숙박, 식음료, 기타관광지에 대한 정보가 포함된다.
상기 추천학습부는 상기 관광관련 빅데이터와 고객정보를 종합하여 해당 고객에 알맞은 추천 여행일정을 제공해줄 수 있으며, 공공 데이터를 추가로 활용하여 추천해줄 수도 있으며, 상기 공공 데이터는 산악정보, 교통정보, GPS 기반 사용자 위치정보, 전국소상공인정보, 코로나안심식당정보 중 적어도 어느 하나가 포함되는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 방법은, 네트워크를 통하여 사용자 단말에 웹기반 또는 모바일기반으로 사용자 추천 맞춤형 여행일정 추천/자동 생성 서비스를 제공할 수 있는 운영서버를 이용한 인공지능 기반 맞춤형 여행 일정 추천 방법에 있어서, 상기 운영서버는 사용자의 개인 선호도에 따라 여행 일정을 추천하기 위해 개인의 고객정보를 수집하는 단계; 운영서버는 여행장소에 대한 공간과 동적 행사나 공연과 같은 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 고객정보를 수집한 빅데이터를 통하여 여행일정을 추천하는 단계; 상기 운영서버는 고객정보 수집시 여행 일정을 선택하는데 도움을 줄 수 있는 가고 싶은 여행지나 장소에 대한 위시리스트를 제공받아 여행 일정 추천시 1차 필터링을 수행할 수 있도록 하는 단계; 상기 사용자 단말은 위시리스트 중 선택된 스케줄표의 특정 구간에 대해 사용자가 원하는 시간, 날짜로 여행일정을 위한 스케줄표에 입력을 받는 단계; 상기 운영서버는 여행일정 스케줄표의 특정 구간에 대한 시간 전후로 빈 여행 일정을 자동으로 채우기 위해 인공지능 알고리즘 기반의 맞춤형으로 일정을 추천해주는 단계를 포함한다.
상기 방법에 있어서, 상기 사용자 단말은 자동 추천된 일정을 확인한 후 원하는 일정이 아닌 경우 새로 일정을 추천받거나, 직접 수동으로 일정을 입력받는 단계; 상기 사용자 단말은 운영서버로부터 제공되는 최종 기입된 스케줄표를 토대로 최종 여행 일정을 확인하는 단계를 더 포함할 수 있다.
본 발명의 인공지능 기반 맞춤형 여행 일정 추천 시스템은 여행 및 관광의 요소들을 데이터화하여 데이터의 특성, 즉 위치, 여행시간, 여행가격, 여행목적 등을 기록하여 사용자 여행을 계획할 때 여행전, 여행중, 여행이후 등의 연관관계를 이용하여 인공지능 추천 알고리즘을 기반으로 여행을 쉽게 계획할 수 있도록 도움을 줄 수 있는 장점이 있다.
또한, 계획된 여행에 대해 GPS를 기반으로 현재 위치 중심의 계획을 안내하고, 여행 빅데이터를 통해 이동시간 예측, 다음 장소 자동 예약 기능들을 통해 여행일정뿐만 아니라 현지에서 쉽고 편리하게 여행할 수 있도록 도움을 줄 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 시스템의 구성을 보인 블록도이다.
도 2는 도 1의 인공지능 기반 맞춤형 여행 일정 추천 시스템의 내부 구성을 세부적으로 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 방법의 순서도이다.
도 4는 테마별 추천 일정의 예시, 개인별 여행일정표의 GUI 및 위치기반 여행 일정 추천 예시를 보인 도면이다.
도 5는 여행 일정표의 세부 일정 추천 예시를 보인 도면이다.
도 6은 여행 일정표 세부 일정 추천시 활용되는 데이터 및 일정 배치 가능한 공간 예시를 보인 도면이다.
도 7은 하이브리드 GRU-CNN 알고리즘을 설명하기 위한 도면이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 시스템의 구성을 보인 블록도이고, 도 2는 도 1의 인공지능 기반 맞춤형 여행 일정 추천 시스템의 내부 구성을 세부적으로 보인 블록도이다.
본 발명의 인공지능 기반 맞춤형 여행 일정 추천 시스템은 네트워크(200)를 통하여 사용자 단말(100)에 웹기반 또는 모바일기반으로 사용자 추천 맞춤형 여행일정 추천/자동 생성 서비스를 제공할 수 있는 운영서버(300)를 포함한다.
운영서버(300)는 여행장소에 대한 공간과 동적 행사나 공연과 같은 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 고객정보를 수집한 빅데이터를 통하여 여행일정을 추천하여 자동 생성할 수 있으며, 스케줄표를 GUI(Graphic User Interface) 형태로 구현하여 사용자에게 제공하여 스스로 여행일정 중 일부를 설정하면, 이전/이후 일정에 대해 맞춤형으로 구체적인 여행 일정을 추천하여 자동 생성해주는 기능을 제공한다.
이를 위해 운영서버(300)는 사용자 단말(100)로부터 회원가입시 또는 서비스 제공시 필요한 기본적인 개인정보로서 고객정보를 수집할 수 있으며, 다양한 개인의 정보를 수집하여 빅데이터 및 머신 러닝 학습을 통하여 인공지능 추천 알고리즘의 맞춤 정확도를 향상시킬 수 있다.
상술한 기능들을 수행하기 위한 운영서버(300)는 도 2에 도시된 바와 같이, 통신부(310), 고객관리부(320), 스케줄링부(330), 추천학습부(340), 정보보호부(350) 및 데이터베이스(360)를 더 포함한다.
통신부(310)는 사용자 단말(100)과 네트워크(200)를 통하여 연결되어 원활한 데이터 송수신을 위한 적어도 하나의 통신 프로토콜을 포함한다.
또한 통신부(310)는 모바일 기반으로 사용자 단말(100)과 접속시 사용자 단말(100)에서 실행되는 모바일 앱(Application)과 연동하기 위한 API(응용 프로그래밍 인터페이스)가 포함될 수도 있다.
고객관리부(320)는 사용자 단말(100)로부터 개인 선호도에 따라 맞춤형 여행일정을 추천하기 위해 수집되는 개인의 고객정보를 저장하고 관리할 수 있으며, 고객정보에는 이름, 연령, 연령대, 성향, 관심사, 취미, 좋아하는 음식, 디저트, 장소 등이 기본적으로 포함될 수 있으며, 인공지능 추천 알고리즘에서 고객정보를 기반으로 하여 맞춤형 여행 계획을 스케줄링할 수 있다.
스케줄링부(330)는 사용자 단말(100)이 지정한 특정 스케줄에 대해 이전/이후 일정을 자동으로 맞춤형으로 스케줄링할 수 있도록 하며, 이를 위해 인공지능 추천 알고리즘을 통하여 추천된 스케줄로 여행 계획을 자동으로 채울 수 있게 한다.
구체적 예를 들면, 여행시 스케줄표에 각 여행지의 장소를 시간대별로 기록하는 수동 방식과 수동으로 기입된 위치, 시간, 여행지 속성 정보 등을 기반으로 하여 자동으로 빈 여행일정표를 채우는 방식을 병행하여 쉽게 여행일정을 세울 수 있게 한다.
또한, 도 6을 참조하면, 숙박과 식사 또는 디저트 시간 구간에 대해서는 보통 여행일정에 따라 수동으로 사용자에 의해 정해지는 경우가 많으므로, 자동 추천하지 않는 고정 시간으로 인식하고, 스케줄표의 수동 설정된 구간의 출발시간, 해당 일정의 평균 소요시간 등을 인식하여 이전/이후 스케쥴을 쉽게 계획할 수 있게 스케줄링이 제공될 수 있다.
물론, 식사 구간에 대해서도 자유롭게 추천해주도록 설정할 수도 있으며, 이와 같은 경우를 예를 들면, 스케줄표에서 오전 9시에 OO산 등산을 선택했을 경우 평균 소요시간(등산 소요시간은 산악 관리소, 산악 협회 등의 관련 기관에서 제공되는 공공 데이터를 통하여 제공될 수 있다.)을 인식하여 점심시간 전까지의 등산 이후 맞춤형 특정 코스를 추천해주고, 이후 인공지능 추천 알고리즘은 점심시간을 인지하여 인근 맛집을 추천하여 여행일정표를 채울 수 있게 한다.
좀 더 구체적으로 도 5를 참조하여 예를 들면, 오전 9시 일정으로 계족산 황톳길을 사용자 지정으로 선택하면, 평균 소요시간인 1시간 30분을 고려하여 식사 일정으로 계족산 근처 맛집을 추천하되, 개인 고객정보를 통하여 개인 선호도를 고려하여 한식, 중식, 서양식들 중 한식인 경우 한식 식당 중 한곳(보리밥집)을 추천해주면, 식사 후 일정으로 근처 카페를 추천해줄 수 있다. 또한 이어서 오후 일정으로 휴식시간과 쇼핑을 선호하는 고객인 경우, 아울렛을 추천해주고, 이후 저녁 시간 일정을 고려하여 식당과 영화관을 추천해줄 수 있는 것이다.
또한 식사 이후 코스도 마찬가지로 인근 지역과 저녁 시간 전에 활용할 수 있는 여행 아이템을 추천하여 쉽게 스케쥴링할 수 있게 제공함으로써, 전체적인 여행일정표를 자동으로 쉽게 채울 수 있게 된다.
또한, 여행 일정 자동 추천시, 도 4를 참조하면 테마에 따라 추천할 수 있도록 사용자 설정 기능을 제공할 수 있으며, 테마의 유형으로는 레트로 컨셉 여행(추억 감성 여행), 자유 여행, 패키지 여행, 맛집 기행, 지역별 탐방, 역사 탐방 등 여러 형태가 있을 수 있으며 해당 컨셉에 맞게 인공지능 추천 알고리즘에서 필터링되어 유사한 컨셉의 일정을 자동 추천해줄 수도 있다.
또한 스케줄링부(330)는 스케줄표 작성의 편의성을 제공하기 위해 사용자에게 스케줄표를 GUI형태로 구현하여 여러 구간에 대해 시간과 장소를 수동으로 입력할 수 있게 제공하고, 하나의 시간과 장소를 구간에 기입하면 나머지 일정들이 자동으로 추천되어 제공될 수 있으며, 여러 가지 선택지 중에서 선택할 수 있도록 하나의 구간에 대해 복수의 일정이 추천될 수 있으며, 사용자는 사용자 단말(100)을 통하여 드래그앤드롭(Drag and drop) 방식으로 손쉽게 일정을 정하고 수정하고, 편집할 수 있게 구현할 수 있다.
또한 스켈줄링표를 시각적으로 쉽게 구분할 수 있도록 도 5와 같이 각 구간에 대해 별개의 색상을 갖는 블록 형태로 이루어지고, 색상은 주요 카데고리별로 구분하여 정해질 수 있다. 예컨대 여행 과정의 3가지 카데고리로 공간(자연경관 및 명소 등), 프로그램(공연/전시 등), 콘텐츠(식당 및 까페, 숙소 등)로 구분하여 색상을 달리하여 스케줄표를 제공할 수 있어 사용자는 구분된 형태로 스케줄표를 효율적으로 작성할 수 있다.
추천학습부(340)는 인공지능 추천 알고리즘을 기반으로 스케줄링부(330)에서 여행일정을 자동 추천하여 생성할 수 있도록 고객정보를 비롯하여 관광관련 빅데이터를 활용하여 추천하며, 추천 맞춤 정확도 향상을 위해 학습을 수행할 수 있다.
관광 관련 빅데이터는 크게 공간정보, 프로그램정보, 콘텐츠정보를 포함할 수 있으며, 공간정보는 정적 데이터로서, 예컨대 자연관광지, 역사관광지, 휴양관광지, 문화시설 등 장소에 대한 정보가 포함될 수 있다.
또한 프로그램정보는 동적 데이터로서, 공연/행사 정보, 쇼핑정보, 레포츠 정보 등이 포함될 수 있고, 콘텐츠정보는 숙박, 식음료, 기타관광지 등에 대한 정보가 포함될 수 있다.
또한 각 정보에는 세부 항목으로서, 고유번호, 카데고리, 업종분류, 상호, 이름, 주소, 대표이미지, 내용, 해시태그, 운영기관, 시간, 예매방법, 예매링크, 소요시간, 신청기간, 상세URL이 더 포함되어 여행일정 추천시 세부 항목에 대해 사용자가 참조할 수 있도록 제공될 수 있다.
이와 같은 관광 관련 빅데이터와 개인 고객정보를 종합하여 해당 고객에 알맞은 추천 여행일정을 제공해줄 수 있으며, 또한 상술한 바와 같은 등산 평균 소요시간과 같은 산악정보에 대한 공공 데이터를 추가로 활용하여 추천해줄 수도 있으며, 공공 데이터는 추가적인 예를 들어 교통정보, GPS 기반 사용자 위치정보, 전국소상공인정보, 코로나안심식당정보 등이 포함될 수 있으며, 전국소상공인정보, 코로나안심식당정보의 식사 시간 일정을 위한 식당 또는 주변 상점(카페, 관광용품점 등)을 일정으로 추천시 활용될 수 있는 데이터이다.
나아가 운영서버(300)에서 최초에 고객 정보를 수집한 후에 제공되는 여행일정을 위한 추천 세부 일정은, 추천 알고리즘의 콜드 스타트(Cold start)를 이용하여 상기 고객과 유사한 조건을 검색하여 가장 유사한 조건의 고객에게 제공된 맞춤형 여행 계획을 제공할 수 있다.
추천되는 조건은 고객 정보를 기초로 수행되며, 여기서 가상 유사한 조건은 예를 들어 고객 정보에 포함된 정보들의 일치되거나 유사한 정보의 갯수가 가장 많은 조건이 될 수 있다.
또한, 유사 조건에 적용되는 추천 알고리즘 방식은 유사도 분석을 이용한 인공지능 알고리즘을 활용할 수 있다.
나아가 유사도 계산 방식 이외에 상호 작용 행렬의 차원을 줄이고 k 개의 잠재 구성 요소가 있는 두 개 이상의 작은 행렬로 근사하며, 해당 행과 열을 곱하면 사용자 별 항목의 등급을 예측할 수 있는 행렬인수분해(matrix factorization) 방법을 활용할 수도 있다.
또한 자주 소비되는 항목이 그래프의 가장자리와 연결되는 연관 규칙(association rule)이나, 마이닝 규칙(mining rule)을 활용하여 가능한 빈번 항목 집합의 상태 공간을 탐구하고 빈번하지 않은 검색 공간의 분기를 제거하며, 자주 사용되는 항목 집합은 규칙을 생성하는 데 사용되며 이러한 규칙은 추천(권장) 사항을 생성할 수도 있다.
예를 들면, 운영서버(300)에서 사용자 단말(100)로 추천되는 여행일정 자동 추천 서비스를 제공하기 위해 고객 정보를 최초에 수집하고, 수집된 고객 정보에 기반하여 가장 연령대에 적합한 맞춤형 여행일정을 자동으로 추천해주거나 고객의 연령, 성별, 취미, 관심사 등을 고려하여 연관 규칙을 생성하고, 이에 부합되는 맞춤형 여행일정을 추천해줄 수도 있다.
나아가 인공지능 추천 알고리즘은 고객이 계속해서 원하는 여행 계획을 맞춤형으로 제공하도록 최적화된 여행일정표를 산출할 수 있으며, 이를 위해 사용되는 Hybrid GRU-CNN 인공지능 알고리즘은 여행일정을 위한 결정 파라미터 데이터를 최대한 활용하기 위한 Hybrid GRU-CNN 신경망 모델을 활용할 수 있으며, 특히 CNN 모델이 있는 GRU 모델에서 GRU 모듈은 과거 데이터의 동적 변화를 모델링하는 데 사용될 수 있다.
더 나은 머신러닝 학습 잠재력을 위한 시퀀스 데이터로드 시간 순서데이터(통계 DB에서 제공되는 통계정보)와 CNN 모듈을 사용하여 시공간 행렬 및 시공간 행렬 매핑 특징 벡터를 사용할 수 있다.
또한, Hybrid GRU-CNN 신경망은 두 신경망을 결합하려면 시간을 잘 처리할 수 있는 GRU 모듈의 장점인 시퀀스 데이터와 CNN 모듈의 장점인 고차원 데이터 처리에 이상적인 Hybrid GRU-CNN 신경망이 될 수 있고, 이에 대한 Hybrid GRU-CNN 신경망은 도 7에 도시하고 있다.
Hybrid GRU-CNN의 프레임 워크 신경망은 GRU 모듈과 CNN 모듈로 구성되고, 입력은 시간 순서의 정보이고, 수집된 여행일정 결정 파라미터나 일정 추천 결정 파라미터 데이터 및 시공간 행렬체계의 출력은 미래 부하에 대한 예측이다.
도 7을 참조하여 구체적으로 살펴보면, CNN 모듈의 측면에서 처리에 능숙하고, 시공간 행렬과 같은 2 차원 데이터 이미지의 CNN 모듈은 로컬 특징을 추출하기 위해 여행일정 세부일정을 결정하기 위한 가중치 데이터를 행렬화하고, 효과적인 결정값을 얻을 수 있으며, 복합 가중치데이터에는 도 7에 도시된 고객선호 가중치, 추천 적합 가중치 등이 포함될 수 있다.
여기서, 컨볼루션 레이어와 풀링 레이어를 통해 CNN 모듈의 구조는 두 개의 컨볼루션을 포함한다. 이 때 레이어 및 병합 작업, 각 컨볼루션 레이어 컨볼루션 연산과 풀링 연산을 포함할 수 있다.
또한, 두 번째 풀링 작업 후 고차원 데이터는 1차원 데이터로 평면화되고 CNN 모듈의 출력은 완전히 연결된 레이어다.
GRU 모듈의 입력은 시간 순서 데이터이고, GRU 모듈에는 많은 게이트 반복 단위가 포함되어 있으며, 이 모든 게이트 반복 단위로 완전히 연결된 레이어를 이루게 된다. 마지막으로 최적화된 여행일정 세부일정을 산정하기 위한 신경망의 예측 결과는 모든 뉴런의 평균값을 계산하여 얻을 수 있게 된다.
또한, 이와 같은 Hybrid GRU-CNN 신경망은 도 7의 복합형 추천 알고리즘이 될 수 있으며, 관광 관련 빅데이터 정보, 고객정보, 공공데이터 정보(상권, 지리적 정보 등)를 수집하여 복합형 추천 알고리즘인 Hybrid GRU-CNN 신경망의 입력변수로 사용하고, 고객선호 가중치, 추천 적합 가중치(관광 특성, 주변 상권 특성, 업종 특성, 테마 특성 등)에 따라 평균값을 계산한 결정값인 최적화된 여행 일정 결정변수를 산출하고, 산출된 결정변수를 근거로 가장 적합한 최적 여행 일정을 해당 시간 전후 일정, 해당 장소 주변 그리고 개인 선호도(고객정보에 포함된 연령, 관심사, 취미 등)를 종합적으로 고려하여 추천할 수 있도록 한다.
특히, 최적화된 여행 일정 추천시 특정 일정(예컨대 사용자가 수동으로 입력한 일정) 전후 일정으로 추천시 해당 특정 일정에 연관된 일정을 추천해 줄 수 있는데, 연관된 일정은 앞서 수집된 해당 일정 시간 전후에 추천하기 알맞은 장소, 또는 장소 주변에 있는 다른 장소나 상점 등이 될 수 있으며, 이때 또한 개인 선호도에 따라 2차 필터링이 이루어져 최종적으로 몇 개의 추천 장소가 추천 일정으로 리스트 형태로 제공되면 사용자가 직접 선택하여 일정을 채워넣거나 해당 복수의 추천 일정 중 가장 적합한 일정을 인공지능 알고리즘이 자동으로 일정을 채울 수도 있는 것이다.
나아가 해당 일정이 상점이나 식당 방문인 경우, 해당 식당이나 상점과 연계하기 좋은 상점을 추천해줄 수도 있다. 가령 점심 일정 이후의 장소를 일정에 자동 추천시 점심 이후 가기에 적합한 카페를 추천해주거나, 등산이 오후에 끝나는 일정이면, 사우나를 추천해주거나, 관광지를 방문하는 경우, 관광명소 방문 후 관광상품 판매점을 추천해주는 방식으로 해당 장소와 연계하여 연관된 장소나 상점을 추천해줄 수 있다. 또한 이와 같은 추천 알고리즘을 학습을 통하여 데이터가 누적될수록 보다 개인에게 적합한 맞춤형 추천이 이루어질 수 있어, 지속적으로 자신의 여행 일정 계획을 면밀하고 체계적이며 원하는 형태의 일정이 자동으로 추천될 수 있어, 궁극적으로 별도의 추천된 일정의 수정 과정 없이도 사용자가 원하는 여행 일정 수립에 도움을 줄 수 있게 해준다.
정보보호부(350)는 수집된 고객정보에 대한 개인의 민감한 정보를 외부 해킹 등의 위협으로부터 보호하고 안전하게 저장하고 관리하기 위해 정보 암복호화를 수행할 수 있다.
또한 부가적으로 운영서버(300)와 사용자 단말(100)간의 주고받는 정보(예를 들어 센싱정보)는 외부 해킹 등의 위험으로부터 정보를 보호하기 위해, 센싱정보의 송/수신에 데이터 암/복호화 기술을 적용할 수 있다. 보다 구체적으로, 운영서버(300)와 사용자 단말(100) 간에 각각 신분 증명이 가능한, 식별 정보(identification information)를 부여하여, 각 운영서버(300)와 사용자 단말(100)의 식별 정보를 사설 암호 키(private key)로 활용하는 경량 암호 알고리즘을 수행한다. 경량 암호 알고리즘에는 본원 발명의 사용자 단말(100)과 같은 스마트 기기 등의 제한된 환경에서 구현하기 위해 설계된 암호 기술로서, 대칭키 암호 알고리즘인 HIGHT(HIGh security and light weigHT), LEA(Lightweight Encryption)와 해시함수인 LSH(Lightweight Secure Hash) 등을 활용할 수 있다.
이러한 경량 암호 알고리즘을 활용하여 센싱정보 등을 암/복호화 시킴으로써 해당 데이터의 외부 유출이나 외부 해킹으로 인한 불법적인 제어 등을 막을 수 있다. 경량 암호 알고리즘은 이러한 임베디드 컴퓨팅 환경에서 적합한 경량 해시 함수(lightweight hash function)를 사용하는 것이 바람직하다.
경량 해시 함수란 SHA-3와 같은 표준적인 암호화 해시 알고리즘에서 일부 컴퓨팅 파워가 높게 소요되는 특징들을 제외하고도 송신 또는 수신되는 데이터의 무결성을 보장할 수 있도록 설계된 컴퓨팅 파워가 상대적으로 낮게 소모되는 해시 함수(일방향 함수)이다.
보다 구체적으로는 이러한 경량 해시함수 중에서도 키가 없이(unkeyed) 데이터의 치환(permutation)이 가능하도록 하는 스폰지(Sponge) 알고리즘을 사용하는 것이 바람직하다.
좀더 구체적으로 스폰지는 원본 메시지(여기서는 랜덤키의 원본 데이터)를 일정한 크기로 만든 뒤(padding), 이를 키의 생성자만 알 수 있는 특정한 기준 크기(예를 들어 특정 비트 사이즈로 분할된 원본 메시지)로 복수 개로 분할한 뒤, 복수 개로 분할된 데이터(분할된 원본 메시지)의 후단에 랜덤한 데이터들을 여러 업데이트 함수를 활용하여 교환하고, 반대편에서는 이미 알고 있는 기준 크기를 활용하여 복호화도록 구현된다.
즉, 이러한 경량 해시함수를 활용하여, 해시함수의 보안성을 확보하면서, 일반적인 해시함수의 사용보다 상대적으로 적은 컴퓨팅 파워가 필요하도록 하여 결과적으로 전력소모를 적게하고, 오래 사용하도록 할 수 있다.
데이터베이스(360)는 맞춤형 추천 여행 일정 서비스를 제공하기 위해 수집된 고객정보, 관광 빅데이터정보, 공공 데이터 및 추천 알고리즘을 위한 정보들을 모두 저장하여 관리할 수 있다.
도 3은 본 발명의 일 실시예에 따른 인공지능 기반 맞춤형 여행 일정 추천 방법의 순서도이다.
먼저, 사용자 단말(100)과 네트워크(200)를 통하여 연결된 운영서버(300)는 사용자의 개인 선호도에 따라 여행 일정을 추천하기 위해 개인의 고객정보를 수집할 수 있다(S100).
또한 운영서버(300)는 고객정보 수집시 여행 일정을 선택하는데 도움을 줄 수 있는 가고 싶은 여행지나 장소 등에 대한 위시리스트를 제공받아 여행 일정 추천시 1차 필터링을 수행할 수 있도록 할 수 있다(S102).
위시리스트로 스크랩된 장소에 대해 사용자 단말(100)에서 확인할 수 있도록 저장하고, 요청시 보여줄 수 있으며, 사용자 단말(100)은 위시리스트 중 선택된 핵심 장소(스케줄표의 특정 구간)에 대해 원하는 시간, 날짜로 여행일정을 위한 스케줄표에 입력을 받을 수 있다(S104).
이후 운영서버(300)는 여행일정 스케줄표의 핵심 장소에 해당하는 특정 구간에 대한 시간 전후로 빈 여행 일정을 자동으로 채우기 위해 인공지능 알고리즘 기반의 맞춤형으로 일정을 추천해줄 수 있다(S106).
사용자 단말(100)은 자동 추천된 일정을 확인한 후 원하는 일정이 아닌 경우 새로 일정을 추천받거나, 직접 수동으로 일정을 입력할 수도 있다(S108).
사용자 단말(100)은 운영서버(300)로부터 제공되는 최종 기입된 스케줄표를 토대로 최종 여행 일정을 확인하여 빠르고 사용자 맞춤형으로 편리하게 여행 일정을 계획할 수 있게 된다(S110).
본 명세서에서 ‘단말’은 휴대성 및 이동성이 보장된 무선 통신 시스템일 수 있으며, 예를 들어 스마트폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 시스템일 수 있다. 또한, ‘단말’은 네트워크(200)를 통해 다른 단말 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 시스템인 것도 가능하다. 또한, 네트워크(200)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
100 : 사용자 단말
200 : 네트워크
300 : 운영서버
310 : 통신부
320 : 고객관리부
330 : 스케줄링부
340 : 추천학습부
350 : 정보보호부
360 : 데이터베이스

Claims (9)

  1. 네트워크를 통하여 사용자 단말에 웹기반 또는 모바일기반으로 사용자 추천 맞춤형 여행일정 추천 서비스를 제공하되,
    여행장소에 대한 공간과 동적 행사나 공연에 대한 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 고객정보를 수집한 빅데이터를 통하여 여행 일정을 자동 생성할 수 있는 운영서버를 포함하는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  2. 청구항 1에 있어서,
    상기 운영서버는
    상기 여행 일정을 짜기 위한 스케줄표를 GUI(Graphic User Interface) 형태로 구현하여 사용자 단말에 제공하고, 여행일정 중 일부를 사용자 단말이 설정하면, 해당 일정의 이전/이후 일정에 대해 맞춤형으로 여행 일정을 추천해주는 것을 특징으로 하는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  3. 청구항 2에 있어서,
    상기 운영서버는
    상기 사용자 단말과 네트워크를 통하여 연결되어 원활한 데이터 송수신을 위한 적어도 하나의 통신 프로토콜을 포함하는 통신부;
    상기 사용자 단말로부터 개인 선호도에 따라 맞춤형 여행일정을 추천하기 위해 수집되는 개인의 고객정보를 저장하고 관리하는 고객관리부;
    상기 사용자 단말이 지정한 특정 스케줄에 대해 이전/이후 여행일정을 인공지능 추천 알고리즘 기반으로 맞춤형으로 스케줄링할 수 있도록 하는 스케줄링부; 및
    상기 인공지능 추천 알고리즘을 기반으로 상기 스케줄링부에서 여행일정을 자동 추천하여 생성할 수 있도록 고객정보를 비롯하여 관광관련 빅데이터를 활용하여 추천하며, 추천 맞춤 정확도 향상을 위해 학습을 수행하는 추천학습부
    를 더 포함하는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  4. 청구항 3에 있어서
    상기 스케줄링부는
    상기 스케줄표 작성의 편의성을 제공하기 위해 사용자에게 스케줄표를 GUI형태로 구현하여 여러 구간에 대해 시간과 장소를 수동으로 입력할 수 있게 제공하고, 하나의 시간과 장소를 구간에 기입하면 나머지 일정들이 자동으로 추천되어 제공될 수 있으며, 여러 가지 선택지 중에서 선택할 수 있도록 하나의 구간에 대해 복수의 일정이 추천될 수 있으며, 사용자 단말을 통하여 드래그앤드롭(Drag and drop) 방식으로 일정을 정하고 수정하고, 편집할 수 있게 구현할 수 있는 것을 특징으로 하는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  5. 청구항 4에 있어서,
    상기 스케줄링부는
    상기 스케줄표를 시각적으로 쉽게 구분할 수 있도록 각 구간에 대해 별개의 색상을 갖는 블록 형태로 이루어지고, 색상은 주요 카데고리별로 구분하여 정해지며, 여행 과정의 3가지 카데고리로 공간, 프로그램, 콘텐츠로 구분하여 색상을 달리하여 스케줄표를 제공할 수 있어 사용자는 구분된 형태로 스케줄표를 작성할 수 있는 것을 특징으로 하는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  6. 청구항 3에 있어서,
    상기 관광관련 빅데이터는
    공간정보, 프로그램정보, 콘텐츠정보를 포함하되,
    상기 공간정보는 자연관광지, 역사관광지, 휴양관광지, 문화시설을 포함한 장소에 대한 정보가 포함되고,
    상기 프로그램정보는 공연/행사 정보, 쇼핑정보, 레포츠 정보가 포함되고,
    상기 콘텐츠정보는 숙박, 식음료, 기타관광지에 대한 정보가 포함되는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  7. 청구항 6에 있어서,
    상기 추천학습부는
    상기 관광관련 빅데이터와 고객정보를 종합하여 해당 고객에 알맞은 추천 여행일정을 제공해줄 수 있으며, 공공 데이터를 추가로 활용하여 추천해줄 수도 있으며,
    상기 공공 데이터는 산악정보, 교통정보, GPS 기반 사용자 위치정보, 전국소상공인정보, 코로나안심식당정보 중 적어도 어느 하나가 포함되는 것을 특징으로 하는 인공지능 기반 맞춤형 여행 일정 추천 시스템.
  8. 네트워크를 통하여 사용자 단말에 웹기반 또는 모바일기반으로 사용자 추천 맞춤형 여행일정 추천/자동 생성 서비스를 제공할 수 있는 운영서버를 이용한 인공지능 기반 맞춤형 여행 일정 추천 방법에 있어서,
    상기 운영서버는 사용자의 개인 선호도에 따라 여행 일정을 추천하기 위해 개인의 고객정보를 수집하는 단계;
    운영서버는 여행장소에 대한 공간과 동적 행사나 공연과 같은 프로그램과 콘텐츠에 대한 정보를 토대로 인공지능 추천 알고리즘 및 고객정보를 수집한 빅데이터를 통하여 여행일정을 추천하는 단계;
    상기 운영서버는 고객정보 수집시 여행 일정을 선택하는데 도움을 줄 수 있는 가고싶은 여행지나 장소에 대한 위시리스트를 제공받아 여행 일정 추천시 1차 필터링을 수행할 수 있도록 하는 단계;
    상기 사용자 단말은 위시리스트 중 선택된 스케줄표의 특정 구간에 대해 사용자가 원하는 시간, 날짜로 여행일정을 위한 스케줄표에 입력을 받는 단계; 및
    상기 운영서버는 여행일정 스케줄표의 특정 구간에 대한 시간 전후로 빈 여행 일정을 자동으로 채우기 위해 인공지능 알고리즘 기반의 맞춤형으로 일정을 추천해주는 단계
    를 포함하는 인공지능 기반 맞춤형 여행 일정 추천 방법.
  9. 청구항 8에 있어서,
    상기 사용자 단말은 자동 추천된 일정을 확인한 후 원하는 일정이 아닌 경우 새로 일정을 추천받거나, 직접 수동으로 일정을 입력받는 단계; 및
    상기 사용자 단말은 운영서버로부터 제공되는 최종 기입된 스케줄표를 토대로 최종 여행 일정을 확인하는 단계
    를 더 포함하는 인공지능 기반 맞춤형 여행 일정 추천 방법.
KR1020210158295A 2021-11-17 2021-11-17 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법 KR102538071B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210158295A KR102538071B1 (ko) 2021-11-17 2021-11-17 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210158295A KR102538071B1 (ko) 2021-11-17 2021-11-17 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20230072017A true KR20230072017A (ko) 2023-05-24
KR102538071B1 KR102538071B1 (ko) 2023-05-30

Family

ID=86529602

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210158295A KR102538071B1 (ko) 2021-11-17 2021-11-17 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102538071B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020007938A (ko) 2000-07-19 2002-01-29 강순철 인터넷을 이용한 맞춤여행 스케줄링시스템 및 그 방법
KR20190035230A (ko) * 2017-09-26 2019-04-03 정현일 여행 일정 계획 및 예약 서비스 제공 방법
KR20200119950A (ko) * 2019-04-10 2020-10-21 진병각 여행 상품을 제공하는 서버 및 방법
KR102236546B1 (ko) * 2020-07-14 2021-04-06 김재영 빅데이터 및 인공지능 기반 관광목적에 따른 선택이 가능한 스마트 관광 서비스 제공 방법
KR20210057338A (ko) * 2019-11-12 2021-05-21 엘데넬 야지조어구루 여행 스케줄을 제공하는 방법 및 컴퓨터 프로그램
KR20210060949A (ko) * 2019-11-19 2021-05-27 주식회사 다이얼커뮤니케이션즈 빅데이터와 사용자 취향 분석을 이용한 여행 스케쥴링 서비스 방법
KR102285912B1 (ko) * 2020-12-09 2021-08-03 우혜정 피부 상태 예측 및 피부관리 시스템 그리고 그 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020007938A (ko) 2000-07-19 2002-01-29 강순철 인터넷을 이용한 맞춤여행 스케줄링시스템 및 그 방법
KR20190035230A (ko) * 2017-09-26 2019-04-03 정현일 여행 일정 계획 및 예약 서비스 제공 방법
KR20200119950A (ko) * 2019-04-10 2020-10-21 진병각 여행 상품을 제공하는 서버 및 방법
KR20210057338A (ko) * 2019-11-12 2021-05-21 엘데넬 야지조어구루 여행 스케줄을 제공하는 방법 및 컴퓨터 프로그램
KR20210060949A (ko) * 2019-11-19 2021-05-27 주식회사 다이얼커뮤니케이션즈 빅데이터와 사용자 취향 분석을 이용한 여행 스케쥴링 서비스 방법
KR102236546B1 (ko) * 2020-07-14 2021-04-06 김재영 빅데이터 및 인공지능 기반 관광목적에 따른 선택이 가능한 스마트 관광 서비스 제공 방법
KR102285912B1 (ko) * 2020-12-09 2021-08-03 우혜정 피부 상태 예측 및 피부관리 시스템 그리고 그 방법

Also Published As

Publication number Publication date
KR102538071B1 (ko) 2023-05-30

Similar Documents

Publication Publication Date Title
Kontogianni et al. Smart tourism: State of the art and literature review for the last six years
Wise et al. Developing smart tourism destinations with the internet of things
Huang et al. A Bayesian network and analytic hierarchy process based personalized recommendations for tourist attractions over the Internet
Yu et al. Personalized location-based recommendation services for tour planning in mobile tourism applications
US20140195664A1 (en) Zone Oriented Applications, Systems and Methods
Garcia et al. Smart tourism platform based on microservice architecture and recommender services
KR101615892B1 (ko) 위치 기반의 여행용 빅데이터를 처리하기 위한 모바일 소셜 네트워크 서비스 시스템 및 그의 처리 방법
US20110219422A1 (en) System and method for displaying a density of objects in a social network application
US20200175610A1 (en) Cognitive collaboration
Dräxler et al. Specification, composition, and placement of network services with flexible structures
Ortiz Rincon et al. The future of wearable devices on-site: A scenario technique approach
Başer et al. Smart tourism destination in smart cities paradigm: A model for antalya
Koubai et al. Myrestaurant: A smart restaurant with a recommendation system
KR20130120909A (ko) 여행 정보 관리 및 제공 방법, 서버, 및 컴퓨터 판독 가능한 기록 매체
KR102538071B1 (ko) 인공지능 기반 맞춤형 여행 일정 추천 시스템 및 방법
KR20150083673A (ko) 여행 플랜 서비스 제공 방법 및 장치
Kachniewska Tourism value added creation through a user-centric context-aware digital system
Wuerzer et al. Retail gravitation and economic impact: A market-driven analytical framework for bike-share station location analysis in the United States
Smirnov et al. Cyber-physical infomobility for tourism application
Sabou et al. The challenges of smart tourism: a case of Bucharest
Perera et al. Smart Maps through Semantic Web, Social Media, and Sentiment Analysis
Maestro et al. Romblon islands into a smart tourism destination through point of interest recommender, augmented reality and near field communication: A proposal
KR20180080600A (ko) 미디어 콘텐츠 추천 장치 및 방법
WO2020165886A1 (en) Intelligent travel planning system to maximize travel experience by managing constraints and optimizing redundancy
KR101631932B1 (ko) 사용자 기반 지리 정보 시스템 및 그 제어 방법

Legal Events

Date Code Title Description
GRNT Written decision to grant