KR20240001421A - 간이 차량 예약 및 배치를 제공하는 운송 서비스 시스템 - Google Patents
간이 차량 예약 및 배치를 제공하는 운송 서비스 시스템 Download PDFInfo
- Publication number
- KR20240001421A KR20240001421A KR1020220078038A KR20220078038A KR20240001421A KR 20240001421 A KR20240001421 A KR 20240001421A KR 1020220078038 A KR1020220078038 A KR 1020220078038A KR 20220078038 A KR20220078038 A KR 20220078038A KR 20240001421 A KR20240001421 A KR 20240001421A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- reservation
- return
- location
- prediction model
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000001914 filtration Methods 0.000 claims description 51
- 238000004891 communication Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000012806 monitoring device Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- HRANPRDGABOKNQ-ORGXEYTDSA-N (1r,3r,3as,3br,7ar,8as,8bs,8cs,10as)-1-acetyl-5-chloro-3-hydroxy-8b,10a-dimethyl-7-oxo-1,2,3,3a,3b,7,7a,8,8a,8b,8c,9,10,10a-tetradecahydrocyclopenta[a]cyclopropa[g]phenanthren-1-yl acetate Chemical compound C1=C(Cl)C2=CC(=O)[C@@H]3C[C@@H]3[C@]2(C)[C@@H]2[C@@H]1[C@@H]1[C@H](O)C[C@@](C(C)=O)(OC(=O)C)[C@@]1(C)CC2 HRANPRDGABOKNQ-ORGXEYTDSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 실시예들은 반납지 정보가 없는 차량 사용 예약 신청을 접수한 사용자에 대해서 예상 반납지를 예측하고, 예상 반납지를 고려하여 영역별 차량 배치 계획을 동적으로 설정하는 방식을 통해 차량 수급을 제어하고 보다 많은 사용자의 요구를 충족시킬 수 있는 간이 차량 예약 및 배치 방법을 제공한다.
Description
본 발명이 속하는 기술 분야는 반납지 정보가 없는 차량을 예약하고 배치하는 운송 서비스 서버 및 방법에 관한 것이다.
공유 경제에 대한 관심이 점점 높아짐에 따라, 소수의 차량을 다수의 이용자가 이용함으로써 차량 구입과 유지 보수에 소요되는 비용을 절감할 수 있는 차량 렌트 또는 차량 공유에 대한 관심도 높아지고 있다. 차량 공유는 단순히 비용 절감을 위해 이용되는 것에서 나아가, 환경 보호 등의 이유로 인해 정책적으로도 활용되고 있다.
기존의 차량 공유 서비스는 정해진 위치 및 정해진 시간에 차량을 반납하거나 정해진 위치 및 정해진 시간에 차량을 대여하는 서비스를 제공한다.
고객의 상황에 따라 차량 반납을 정하지 않고 차량 대여를 원하는 상황이 발생할 수 있다.
본 발명의 실시예들은 반납지 정보가 없는 차량 사용 예약 신청을 접수한 사용자에 대해서 예상 반납지를 예측하고, 예상 반납지를 고려하여 영역별 차량 배치 계획을 동적으로 설정하는 방식을 통해 차량 수급을 제어하고 보다 많은 사용자의 요구를 충족시키는데 주된 목적이 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
본 실시예의 일 측면에 의하면 운송 서비스 서버에 의한 간이 차량 예약 및 배치 방법에 있어서, 반납지 정보가 없는 차량 사용 예약 신청을 수신하는 단계; 및 상기 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하는 단계를 포함하는 간이 차량 예약 및 배치 방법을 제공한다.
상기 간이 차량 예약 및 배치 방법은 상기 예상 반납지를 고려하여 보유 차량의 시간별 위치를 분석하는 단계; 및 상기 보유 차량의 시간별 위치에 따라 영역별 차량 배치 계획을 설정하는 단계를 포함할 수 있다.
상기 간이 차량 예약 및 배치 방법은 차량 또는 클라이언트 단말로부터 실제 반납지 정보를 수신하는 단계; 상기 예상 반납지 및 상기 실제 반납지 정보를 비교한 오차 결과를 고려하여 상기 보유 차량의 시간별 위치를 업데이트하는 단계; 및 상기 업데이트된 보유 차량의 시간별 위치에 따라 상기 영역별 차량 배치 계획을 변경하는 단계를 포함할 수 있다.
상기 간이 차량 예약 및 배치 방법은 상기 예상 반납지 및 상기 실제 반납지 정보를 비교한 오차 결과를 기록하는 단계를 포함할 수 있다.
상기 간이 차량 예약 및 배치 방법은 상기 하나 이상의 예상 반납지를 예측하는 단계에서 기준 범위에 따라 유사한 예상 반납지를 예측하면 상기 기록된 오차 결과를 피드백으로 제공할 수 있다.
상기 차량 사용 예약 신청은 대여 희망지, 예약 일정, 차량 정보를 포함하며, 상기 반납지 정보가 예약 과정에서 접수되지 않았거나 상기 반납지 정보가 예약 후 삭제된 정보일 수 있다.
상기 하나 이상의 예상 반납지를 예측하는 단계는, 개인별 기준치 제어 모델을 통해 복수의 예상 반납지 후보를 산출하고 상기 복수의 예상 반납지 후보에 대해서 필터링 기준을 상이하게 적용할 수 있다.
예상 반납지 후보를 산출하는 과정에서 차량 반납 예측 모델 또는 사용 종료 예측 모델의 출력값을 적용하여 장소 정보에 관한 확률을 산출할 수 있다.
상기 개인별 기준치 제어 모델은 개인 스케줄, 동석자 유무, 사용 차량 유형을 입력받아 학습되며 필터링 기준 등급을 출력할 수 있다.
상기 개인별 기준치 제어 모델은 차량 수요 공급 예측 모델에 연결되며, 상기 개인별 기준치 제어 모델은 상기 차량 수요 공급 예측 모델로부터 차량 수급 상황에 대한 예측값을 입력받고, 상기 차량 수급 상황에 대한 예측값을 기반으로 제1 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절할 수 있따.
상기 차량 수요 공급 예측 모델은 지도 상의 분할 영역 및 스케줄 상의 시간대에 따라 직장 밀집 지역 근처, 직장 밀집 시간대, 문화여가생활 장소 근처, 문화여가생활 이용 시간대, 날씨 정보에 관한 통계적 데이터를 적용하여 상기 차량 수급 상황에 대한 예측값을 출력할 수 있다.
상기 개인별 기준치 제어 모델은 차량 반납 예측 모델에 연결되며, 상기 개인별 기준치 제어 모델은 상기 차량 수요 공급 예측 모델로부터 사용 차량의 조기 반납 예측값을 입력받고, 상기 조기 반납 예측값을 기반으로 제2 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절할 수 있다.
상기 차량 반납 예측 모델은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 상기 조기 반납 예측값을 출력할 수 있다.
상기 개인별 기준치 제어 모델은 사용 종료 예측 모델에 연결되며, 상기 개인별 기준치 제어 모델은 상기 사용 종료 예측 모델로부터 사용 차량의 사용 종료 예측값을 입력받고, 상기 사용 종료 예측값을 기반으로 제3 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절할 수 있다.
상기 사용 종료 예측 모델은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 상기 사용 종료 예측값을 출력할 수 있다.
상기 개인별 기준치 제어 모델은 프로모션 선호도 분석 모델에 연결되며, 상기 개인별 기준치 제어 모델은 상기 프로모션 선호도 분석 모델로부터 프로모션 선호도 분포를 입력받고, 상기 프로모션 선호도 분포를 기반으로 제4 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절할 수 있다.
상기 사용 종료 예측 모델은 프로모션의 유형이나 속성, 금액, 및 사용자의 상황에 대한 사용자의 응답 데이터를 입력받아 학습되며, 상기 프로모션 선호도 분포를 출력할 수 있다.
상기 간이 차량 예약 및 배치 방법은 상기 복수의 예상 반납지 후보에 대한 필터링 기준에 따라 가변 기준치를 산출하는 단계; 상기 가변 기준치와 비교하여 예상 반납지의 존재 여부를 판단하는 단계; 상기 예상 반납지가 존재하면, 상기 예상 반납지의 도착시간에 차량분포를 고려하여 프로모션을 제시하는 단계; 차량 예약자의 선택을 입력받고 상기 예상 반납지에서의 차량 배치를 수행하는 단계를 포함할 수 있다.
상기 간이 차량 예약 및 배치 방법은 상기 예상 반납지가 존재하지 않으면, 상기 사용자의 단말을 통한 예약 과정에서 출발지의 차량분포를 고려하여 주변 주차장 별로 프로모션을 제시하는 단계; 상기 사용자의 단말을 통한 예약 과정에서 차량 예약자의 선택을 입력받고 출발지에서의 차량 배치를 수행하는 단계를 포함할 수 있다.
본 실시예의 다른 측면에 의하면 운송 서비스 서버에 있어서, 반납지 정보가 없는 차량 사용 예약 신청을 수신하는 통신 인터페이스; 및 상기 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하는 프로세서를 포함하는 운송 서비스 서버를 제공한다.
상기 프로세서는 개인별 기준치 제어 모델을 통해 복수의 예상 반납지 후보를 산출하고 상기 복수의 예상 반납지 후보에 대해서 필터링 기준을 상이하게 적용하여 상기 하나 이상의 예상 반납지를 예측할 수 있다.
본 실시예의 또 다른 측면에 의하면 클라이언트 단말에 있어서, 운송 서비스 서버로 차량 사용 예약 신청을 전송하는 통신 인터페이스를 포함하며, 상기 차량 사용 예약 신청은 대여 희망지, 예약 일정, 차량 정보를 포함하고, 반납지 정보를 포함하지 않는 것을 특징으로 하는 클라이언트 단말을 제공한다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 반납지 정보가 없는 차량 사용 예약 신청을 접수한 사용자에 대해서 예상 반납지를 예측하고, 예상 반납지를 고려하여 영역별 차량 배치 계획을 동적으로 설정하는 방식을 통해 차량 수급을 제어하고 보다 많은 사용자의 요구를 충족시킬 수 있는 효과가 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1은 본 발명의 실시예들에 따른 운송 서비스 시스템을 예시한 도면이다.
도 2는 본 발명의 실시예들에 따른 운송 서비스 시스템에서 사용되는 차량 예약 캘린더 정보를 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 운송 서비스 서버를 예시한 도면이다.
도 4A 및 도 4B는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델을 예시한 도면이다.
도 4C는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델의 시간에 따른 예측값을 예시한 도면이다.
도 4D는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델의 공간에 따른 예측값을 예시한 도면이다.
도 4E는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델이 처리하는 차량 밀집 등급을 예시한 도면이다.
도 5 내지 도 7은 본 발명의 다른 실시예들에 따른 간이 차량 예약 및 배치 방법을 예시한 흐름도이다.
도 2는 본 발명의 실시예들에 따른 운송 서비스 시스템에서 사용되는 차량 예약 캘린더 정보를 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 운송 서비스 서버를 예시한 도면이다.
도 4A 및 도 4B는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델을 예시한 도면이다.
도 4C는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델의 시간에 따른 예측값을 예시한 도면이다.
도 4D는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델의 공간에 따른 예측값을 예시한 도면이다.
도 4E는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델이 처리하는 차량 밀집 등급을 예시한 도면이다.
도 5 내지 도 7은 본 발명의 다른 실시예들에 따른 간이 차량 예약 및 배치 방법을 예시한 흐름도이다.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.
도 1은 본 발명의 실시예들에 따른 운송 서비스 시스템을 예시한 도면이다.
도 1을 참조하면, 운송 서비스 시스템은 운송 서비스 서버(100) 및 복수개의 클라이언트 단말(200), 하나 이상의 차량 제공자 단말(400), 하나 이상의 장소 제공자 단말(500), 하나 이상의 차량 위치 장소 모니터링 장치(600)를 포함할 수 있다.
운송 서비스 서버(100)는 통신망(300)을 통해 복수개의 클라이언트 단말(200), 하나 이상의 차량 제공자 단말(400), 하나 이상의 장소 제공자 단말(500), 하나 이상의 차량 위치 장소 모니터링 장치(600)와 연결될 수 있다.
운송 서비스 서버(100)는 클라이언트 단말(200)의 운송 서비스 요청에 따라 해당 운송 서비스(transportation service)의 예약을 진행할 수 있다.
운송 서비스 서버(100)는 클라이언트 단말(200)의 운송 서비스 요청을 기반으로 특정 시간에 대한 차량의 이용 권한을 해당 클라이언트에게 할당할 수 있다.
운송 서비스는 차량 자체를 클라이언트에게 대여하는 차량 대여 서비스, 차량과 드라이버를 함께 클라이언트에게 대여하는 차량 운송 서비스 등일 수 있다. 차량은 운송 서비스 서버(100)를 통해 운송 서비스를 클라이언트에게 제공하는 운송 서비스 제공 업체가 자체적으로 보유한 차량, 차량 대여 서비스를 제공하는 다른 업체가 보유한 차량, 차량 운송 서비스를 제공하는 다른 업체나 개인이 보유한 차량, 특정 시간에 다른 사용자가 이용할 수 있도록 허락한 개인이 보유한 차량 등일 수 있다.
운송 서비스 서버(100)는 독립 요금 서비스를 기반으로 운송 서비스 요청에 대한 운송 서비스 요금을 청구할 수 있다.
독립 요금 서비스는 운송 서비스를 이용하는 대상과는 독립적으로 운송 서비스의 요금 청구 대상을 결정하는 요금 부과 서비스이다. 독립 요금 서비스는 운송 서비스의 이용 대상과 운송 서비스에 대한 요금 청구 대상을 분리하여 운송 서비스에 대한 요금을 청구하는 것을 말한다.
운송 서비스 서버(100)는 클라이언트 단말(200)에 설치된 웹 브라우저(web browser) 등을 통해 운송 서비스 예약을 이용할 수 있도록, 운송 서비스 예약을 위한 웹 사이트(web site)를 운영할 수 있다. 또한, 운송 서비스 서버(100)는 클라이언트가 운송 서비스 예약을 이용할 수 있는 운송 서비스 예약 어플리케이션을 직접 배포하거나 앱 마켓(app market)을 통해 배포할 수 있다.
클라이언트 단말(200)은 운송 서비스를 이용하고자 하는 클라이언트가 보유한 단말로서, 클라이언트의 조작에 의해 통신망(300)을 통해 운송 서비스 서버(100)에 접속하여 운송 서비스의 예약을 요청할 수 있다.
클라이언트는 민간 기업, 정부 기관, 공공 기관 등과 같은 단체에 소속된 임직원이나, 학교 등과 같은 단체에 소속된 교직원과 학생이나, 공동주택 등과 같은 단체에 소속된 입주민등이나, 개인일 수 있다.
클라이언트는 자신의 클라이언트 단말(200)에 운송 서비스 서버(100)가 배포한 운송 서비스 예약 어플리케이션을 설치하고, 클라이언트 단말(200)에 설치된 운송 서비스 예약 어플리케이션을 실행하여 운송 서비스 예약을 진행할 수 있다. 또한, 클라이언트는 자신의 클라이언트 단말(200)에 설치된 웹 브라우저 등을 이용하여 운송 서비스 서버(100)에서 운영하는 웹 사이트에 접속하고, 접속한 웹 사이트를 통해 운송 서비스 예약을 진행할 수 있다.
차량 제공자 단말(400)은 차량을 제공하려는 주체가 보유한 단말로서, 차량 제공자의 조작에 의해 통신망(300)을 통해 운송 서비스 서버(100)에 접속하여 필요한 데이터를 송수신할 수 있다. 차량 제공자는 차량을 제공하는 법인, 단체, 개인 등을 포함하는 개념이다. 예컨대, 렌트 사업자, 공유차 사업자 등이 있다.
장소 제공자 단말(500)은 차량 주차 가능한 장소를 제공하려는 주체가 보유한 단말로서, 장소 제공자의 조작에 의해 클라이언트의 조작에 의해 통신망(300)을 통해 운송 서비스 서버(100)에 접속하여 필요한 데이터를 송수신할 수 있다. 장소 제공자는 장소를 제공하는 법인, 단체, 개인 등을 포함하는 개념이다.
클라이언트 단말(200), 차량 제공자 단말(400), 장소 제공자 단말(500)은 데스크톱 컴퓨터뿐만 아니라 노트북 컴퓨터, 워크스테이션, 팜톱(palmtop) 컴퓨터, 태블릿 PC, 개인 휴대 정보 단말기(personal digital assistant, PDA), 웹 패드, 스마트폰, 휴대전화 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 단말기로 이루어질 수 있다.
통신망(300)은 구내 정보 통신망(local area network, LAN), 도시권 통신망(metropolitan area network, MAN), 광역 통신망(wide area network, WAN), 인터넷 등을 포함하는 데이터 통신망뿐만 아니라 전화망 등을 포함할 수 있고, 유선과 무선을 가리지 않으며, 어떠한 통신 방식을 사용하더라도 상관없다.
차량 위치 장소 모니터링 장치(600)는 차량이 위치할 장소 또는 차량이 위치한 장소에서 주차 또는 이동하는 차량에 관한 정보를 수집하는 장치이다. 무선 주파수를 송수신하거나 영상을 촬영하는 방식 등으로 정보를 수집할 수 있고, 센서 등을 설치하여 이동체를 구분하고 신호 변화를 감지할 수 있다.
운송 서비스 시스템은 사용자 스케줄 변경 등의 사정으로 미리 또는 나중에 차량을 반납하거나 인수할 필요가 있는 상황, 예약시 지정했던 장소와는 다른 위치에서 차량을 반납하거나 인수할 필요가 있는 상황을 고려하여, 차량 인도하려는 사용자 및 차량 인수하려는 사용자 간에 동적으로 매칭시켜 위치 및 시간에 제한되지 않고 자유로운 인수 인계를 가능하도록 한다.
클라이언트 단말은 차량 예약 또는 반납 과정에서 릴레이 매칭 신청을 할 수 있다. 릴레이 매칭 신청은 클라이언트 단말이 사용자 간의 차량 인수 인계 서비스를 요청하는 것으로 클라이언트 단말의 통신 인터페이스은 운송 서비스 서버로 위치 정보, 사용자 정보, 차량 정보, 운행 스케줄, 릴레이 매칭 신청 정보를 전송한다. 상황에 따라 클라이언트 단말의 통신 인터페이스는 릴레이 매칭 신청 정보를 현재 위치 주변 또는 목적지 주변에 위치한 하나 이상의 단말에 브로드캐스팅할 수 있다.
클라이언트 단말은 운송 서비스 서버로 차량 사용 예약 신청을 전송하고, 운송 서비스 서버로부터 프로모션을 수신할 수 있다.
도 2를 참조하여 클라이언트 단말과 운송 서비스 서버에 의한 차량 예약에 관하여 설명한다. 도 2는 본 발명의 실시예들에 따른 운송 서비스 시스템에서 사용되는 차량 예약 캘린더 정보를 예시한 도면이다.
운송 서비스 서버(100)는 클라이언트 단말(200)로 차량에 관한 정보를 제공하고, 클라이언트 단말(200)로부터 차량에 관한 예약 정보를 수신한다. 차량 예약은 구독권 사용 방식, 일반 예약 방식 등으로 구분될 수 있다.
운송 서비스 서버(100)는 클라이언트 단말(200) 또는 사용자에 관한 고유 식별 정보를 기반으로 예약을 수행할 수 있다. 고유 식별 정보는 아이디(ID) 등과 같이 클라이언트를 식별할 수 있는 고유 정보와 패스워드(password) 등과 같이 정당한 클라이언트인지를 확인할 수 있는 인증 정보를 포함할 수 있다.
구독권은 미리 지정된 예약 가능 시간(워킹 타임, 주중, 주말, 모든 시간 등) 내에 차량을 예약할 수 있는 권한을 클라이언트에게 부여한 권리를 말한다. 구독권은 미리 지정된 기간(1개월, 3개월, 6개월, 1년 등) 단위로 자동으로 갱신되거나, 미리 지정된 기간이 종료될 때 클라이언트의 요청에 의해 갱신될 수 있다.
구독권을 이용하는 경우, 운송 서비스 요금을 구성하는 항목은 구독 요금, 예약 시간에 따른 차량별 기본 요금 및 실제 주행 거리에 따른 차량별 주행 요금일 수 있다. 구독 요금은 구독권의 유형(단체 일반 구독권, 단체 전용 구독권, 개인 전용 구독권), 구독 대상인 차량의 개수, 구독 대상인 차량의 종류, 구독 대상인 차량의 연식, 차량의 연료 타입 등을 기반으로 책정되며, 미리 지정된 기간(예컨대, 1개월, 3개월, 6개월, 1년 등) 단위로 요금이 부과될 수 있다. 차량별 기본 요금 및 차량별 주행 요금은 차량의 종류, 차량의 연식, 차량의 연료 타입 등을 기반으로 책정되며, 해당 차량의 예약 시에 기본 요금이 부과되고 해당 차량의 반납 시에 주행 요금이 부과될 수 있다. 차량별 기본 요금 및 차량별 주행 요금은 구독권의 이용 유무에 따라 서로 다른 요금제로 이루어질 수 있으며, 구독권의 유형(단체 일반 구독권, 단체 전용 구독권, 개인 전용 구독권)에 따라 서로 다른 요금제로 이루어질 수 있다. 차량별 기본 요금 및 차량별 주행 요금은 주중, 주말, 공휴일에 따라 서로 다른 요금 체계로 이루어질 수 있고, 시간대별로 요금 체계가 다르게 이루어질 수 있으며, 여름 휴가 기간 등과 같이 미리 설정된 구간과 이외의 구간의 요금 체계가 서로 다르게 이루어질 수 있다.
일반 예약 방식의 경우, 운송 서비스 요금을 구성하는 항목은 예약 시간에 따른 차량별 기본 요금 및 실제 주행 거리에 따른 차량별 주행 요금일 수 있다.
실제 운송 서비스 요금은 클라이언트가 예약한 차량에 대응되는 기본 요금 및 주행 요금을 기반으로 클라이언트가 예약한 타임 슬롯(time slot)에 대응되는 요율(rate)을 이용하여 획득될 수 있다. 여기서, 타임 슬롯은 차량을 예약할 수 있는 최소 시간 단위(예컨대, 10분, 30분, 1시간 등)를 나타내는 차량 예약 단위를 말하며, 각각의 타임 슬롯별로 요율이 설정될 수 있다.
차량 예약 캘린더 정보는 대응되는 차량들 중에서 클라이언트에 의해 선택된 차량의 이용 시간을 예약할 수 있는 정보로서, 현재 날짜를 기준으로 미리 정해진 기간(예컨대, 7일 등)을 1일 단위로 복수개의 타임 슬롯을 포함하는 캘린더 형태로 이루어질 수 있다.
차량 예약 캘린더 정보에 요율이 매칭될 수 있다. 요율은 시간/공간에 따라 변경 가능한 요금 가중치이다. 상황에 맞게 요율을 조절하는 방식을 통해 요금을 용이하게 설정할 수 있다.
운송 서비스 서버(100)는 클라이언트 단말(200)로부터 고유 식별 정보와 함께 예약 요청 시간/장소를 제공받으면, 대응되는 차량들 중에서 예약 요청 시간에 예약이 가능한 차량에 대한 차량 예약 캘린더 정보를 획득할 수 있다.
차량 예약 캘린더 정보의 각 타임 슬롯은 유휴 상태(idle state), 예약 상태(reservation state), 불가능 상태(disabled state) 중 하나의 상태로 이루어질 수 있다. 유휴 상태는 해당 타임 슬롯의 예약이 현재 가능한 상태를 나타낸다. 예약 상태는 해당 타임 슬롯의 예약이 이미 완료되어 예약이 현재 불가능한 상태를 나타낸다. 불가능 상태는 차량 정비 등의 이유로 인해 예약이 현재 불가능한 상태를 나타낸다. 각 타임 슬롯의 상태를 클라이언트가 바로 식별할 수 있도록 하기 위해, 타임 슬롯의 상태별로 타임 슬롯의 색상, 크기, 배경, 모양 등을 다르게 할 수 있다. 예컨대, 도 2에 도시된 바와 같이, 유휴 상태인 타임 슬롯의 배경은 흰색으로 표시하고, 예약 상태인 타임 슬롯의 배경은 회색으로 표시할 수 있다.
운송 서비스 서버(100)는 클라이언트 관련 정보 및 기타 정보를 기반으로 추천 예약 기간을 획득하고, 획득한 추천 예약 기간을 포함하는 차량 예약 캘린더 정보를 클라이언트 단말(200)에게 제공할 수도 있다.
클라이언트 관련 정보는 클라이언트 단말(200)로부터 제공받은 정보(고유 식별 정보, 현재 위치 정보 등), 클라이언트 단말(200)로부터 제공받은 정보(고유 식별 정보 등)를 기반으로 획득한 정보(클라이언트의 과거 운송 서비스 이용 이력 등) 등을 포함할 수 있다. 기타 정보는 클라이언트와 직접 관련이 없는 정보로, 날짜 정보, 시간 정보, 날씨 정보 등을 포함할 수 있다.
운송 서비스 서버(100)는 클라이언트의 과거 운송 서비스 이용 이력을 수집하여 획득된 학습 데이터를 이용하여 사전에 학습되어 구축될 수 있다. 운송 서비스 서버(100)는 클라이언트의 과거 운송 서비스 이용 이력을 수집하여 학습 데이터를 획득할 수 있다. 학습 데이터의 개별 데이터는 날짜 정보, 시간 정보, 날씨 정보, 고유 식별 정보, 위치 정보 및 운송 서비스 이용 기간을 포함할 수 있다.
사용자(클라이언트)는 예약한 차량을 픽업하기 위해 특정 장소에 방문해야 한다. 특정 장소는 차량 위치 장소(미래에 차량이 위치할 장소 또는 현재 차량이 위치한 장소)이며 일종의 거점이나 주차 스테이션 등을 의미할 수 있다. 거점은 지역이나 존(zone)과 같이 지도 상의 도형 형태로 인식 가능한 장소이다.
운송 서비스 서버는 사용자 스케줄 변경 등의 사정으로 미리 또는 나중에 차량을 반납하거나 인수할 필요가 있는 상황, 예약시 지정했던 장소와는 다른 위치에서 차량을 반납하거나 인수할 필요가 있는 상황을 고려하여, 차량 인도하려는 사용자 및 차량 인수하려는 사용자 간에 동적으로 매칭시켜 위치 및 시간에 제한되지 않고 자유로운 인수 인계를 가능하게 할 수 있다.
운송 서비스 서버는 특정 장소 영역에 관한 대여 요청 차량 리스트를 수집하고, 반납지 정보가 없는 차량 사용 예약 신청을 수신하고, 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하고, 대여 요청 차량 리스트 및 하나 이상의 예상 반납지를 고려하여 차량 사용 예약 신청을 접수한 사용자의 단말에 프로모션을 제시할 수 있다.
도 3은 본 발명의 일 실시예에 따른 운송 서비스 서버를 예시한 도면이다.
도 3을 참조하면, 운송 서비스 서버(100)는 하나 이상의 프로세서(110), 컴퓨터 판독 가능한 저장 매체(130) 및 통신 버스(150)를 포함할 수 있다.
프로세서(110)는 운송 서비스 서버(100)가 동작하도록 제어할 수 있다. 예컨대, 프로세서(110)는 컴퓨터 판독 가능한 저장 매체(130)에 저장된 하나 이상의 프로그램(131)을 실행할 수 있다. 하나 이상의 프로그램(131)은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 컴퓨터 실행 가능 명령어는 프로세서(110)에 의해 실행되는 경우 운송 서비스 서버(100)로 하여금 운송 서비스를 제공하기 위한 동작을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능한 저장 매체(130)는 운송 서비스를 제공하기 위한 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능한 저장 매체(130)에 저장된 프로그램(131)은 프로세서(110)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능한 저장 매체(130)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 운송 서비스 서버(100)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(150)는 프로세서(110), 컴퓨터 판독 가능한 저장 매체(130)를 포함하여 운송 서비스 서버(100)의 다른 다양한 컴포넌트들을 상호 연결한다.
운송 서비스 서버(100)는 또한 하나 이상의 입출력 장치를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(170) 및 하나 이상의 통신 인터페이스(190)를 포함할 수 있다. 입출력 인터페이스(170) 및 통신 인터페이스(190)는 통신 버스(150)에 연결된다. 입출력 장치(도시하지 않음)는 입출력 인터페이스(170)를 통해 운송 서비스 서버(100)의 다른 컴포넌트들에 연결될 수 있다.
운송 서비스 서버의 통신 인터페이스는 특정 장소 영역에 관한 대여 요청 차량 리스트를 수집하고, 반납지 정보가 없는 차량 사용 예약 신청을 수신한다.
운송 서비스 서버의 프로세서는 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하고, 대여 요청 차량 리스트 및 하나 이상의 예상 반납지를 고려하여 차량 사용 예약 신청을 접수한 사용자의 단말을 선택한다.
운송 서비스 서버의 통신 인터페이스는 사용자의 단말에 프로모션을 제시할 수 있다.
도 4A 및 도 4B는 운송 서비스 서버에 적용되는 예측 모델을 예시한 도면으로, 도 4A를 참조하면, 예측 모델은 차량 수요 공급 예측 모델(111), 차량 반납 예측 모델(112), 시간별 사용 종료 예측 모델(113), 위치별 사용 종료 예측 모델(114), 프로모션 선호도 분석 모델(115), 개인별 기준치 제어 모델(116)을 포함한다.
차량 반납 예측 모델이 추정하는 조기 반납 확률은 반납 예정 시간을 앞당기는 행위 기대값으로 볼 수 있다. 도로 연결 구조에 따라 조기 반납이 불가능한 사례를 고려할 수 있다.
사용 종료 예측 모델이 추정하는 사용 종료 확률은 예정에 없었던 차량의 사용 종료 행위 기대값으로 볼 수 있다. 사용 종료 여부는 개인별로 산출되어 어떤 지역 내에 존재하는 차량의 각 확률을 합산한 기대값을 산출할 수 있다.
운송 서비스 서버는 주변 환경 및 사용자 정보를 이용하여 프로모션의 유형이나 강약 등을 조절하는 방식을 통해 반납 예정 시간을 앞당기는 차량 및 예정에 없었던 사용 종료 차량을 확보할 수 있다.
차량 수요 공급 예측 모델(111)은 차량 반납 예측 모델(112), 시간별 사용 종료 예측 모델(113), 위치별 사용 종료 예측 모델(114)에 각각 연결되고, 프로모션 선호도 분석 모델(115)은 차량 반납 예측 모델(112), 시간별 사용 종료 예측 모델(113), 위치별 사용 종료 예측 모델(114)에 각각 연결된다. 시간별 사용 종료 예측 모델(113) 및 위치별 사용 종료 예측 모델(114)는 상호 연결되어 네트워크의 파라미터 일부를 공유할 수 있다.
차량 수요 공급 예측 모델(111)은 지도 상의 분할 영역 및 스케줄 상의 시간대에 따라 직장 밀집 지역 근처, 직장 밀집 시간대, 문화여가생활 장소 근처, 문화여가생활 이용 시간대, 날씨 정보에 관한 통계적 데이터를 적용하여 차량 수급 상황에 대한 예측값을 출력할 수 있다.
차량 수요 공급 예측 모델(111)은 특징을 추출하고 특징을 데이터 가공 처리한다. 차량 수요 공급 예측 모델(111)은 다수의 레이어가 네트워크로 연결되며 히든 레이어를 포함한다. 레이어는 파라미터를 포함할 수 있고, 레이어의 파라미터는 학습가능한 필터 집합을 포함한다. 파라미터는 노드 간의 가중치 및/또는 바이어스를 포함한다.
차량 반납 예측 모델(112)은 반납 예정 시간, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 사용 차량의 조기 반납 예측값을 출력할 수 있다.
차량 반납 예측 모델(112)은 차량 수급 상황에 대한 예측값을 추가로 입력받아 학습되며, 과초과 상태, 초과 상태, 적정 상태, 부족 상태, 과부족 상태에 맞춰 설정된 수급 상태 계수에 따라 사용 차량의 조기 반납 예측값을 조절할 수 있다.
수급 상태 계수는 제1 플래그, 제2 플래그, 및 제3 플래그로 표현되며, 제1 플래그는 과초과 상태, 초과 상태, 적정 상태, 부족 상태, 과부족 상태를 나타내고, 제2 플래그는 정방향 또는 역방향으로 표현된 상태 변환의 방향, 상태 변환 횟수를 나타내고, 제3 플래그는 대중교통 접근성, 도로 연결성, 주차 공간을 나타낼 수 있다. 추가적으로 제3 플래그는 사용자의 스케줄 또는 사용자의 동선 히스토리를 나타낼 수 있다.
차량 반납 예측 모델(112)은 제1 플래그 및 제2 플래그의 변화를 기록하고 수급 상태 계수의 패턴을 분석하여 제3 플래그 중에서 예측에 가장 영향을 주는 요소를 추적할 수 있다.
차량 반납 예측 모델(112)은 제3 플래그 중에서 예측에 가장 영향을 주는 요소를 출력하고, 프로세서는 제3 플래그 중에서 예측에 가장 영향을 주는 요소를 적용하여 기준 조기 반납 조건을 조절할 수 있다.
차량 반납 예측 모델(112)은 특징을 추출하고 특징을 데이터 가공 처리한다. 차량 반납 예측 모델(112)은 다수의 레이어가 네트워크로 연결되며 히든 레이어를 포함한다. 레이어는 파라미터를 포함할 수 있고, 레이어의 파라미터는 학습가능한 필터 집합을 포함한다. 파라미터는 노드 간의 가중치 및/또는 바이어스를 포함한다.
사용 종료 예측 모델은 상호 연결된 시간별 사용 종료 예측 모델(113) 및 위치별 사용 종료 예측 모델(114)을 포함한다.
시간별 사용 종료 예측 모델(113)은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 사용 차량의 제1 사용 종료 예측값을 출력할 수 있다.
위치별 사용 종료 예측 모델(114)은 사용자의 동선 히스토리, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 사용 차량의 제2 사용 종료 예측값을 출력할 수 있다.
시간별 사용 종료 예측 모델(113) 및 위치별 사용 종료 예측 모델(114)은 특징을 추출하고 특징을 데이터 가공 처리한다. 차량 반납 예측 모델(112)은 다수의 레이어가 네트워크로 연결되며 히든 레이어를 포함한다. 레이어는 파라미터를 포함할 수 있고, 레이어의 파라미터는 학습가능한 필터 집합을 포함한다. 파라미터는 노드 간의 가중치 및/또는 바이어스를 포함한다.
시간별 사용 종료 예측 모델(113) 및 위치별 사용 종료 예측 모델(114)은 차량 수급 상황에 대한 예측값 및 프로모션 선호도 분포를 추가로 입력받아 학습되며, 과초과 상태, 초과 상태, 적정 상태, 부족 상태, 과부족 상태에 맞춰 설정된 수급 상태 계수 및 프로모션 선호도 계수에 따라 사용 차량의 사용 종료 예측값을 조절할 수 있다.
프로모션 선호도 계수는 제4 플래그 및 제5 플래그로 표현되며, 제4 플래그는 사용자의 스케줄, 사용자의 스케줄에 적용되는 시간 가중치를 나타내고, 제5 플래그는 사용자의 동선 히스토리, 사용자의 동선 히스토리에 적용되는 장소 가중치를 나타낸다.
시간별 사용 종료 예측 모델(113)은 제4 플래그 및 제5 플래그를 분석하여 사용자의 스케줄 중에서 예측에 가장 영향을 주는 시간 요소를 추적할 수 있다. 시간별 사용 종료 예측 모델(113)은 사용자의 스케줄 중에서 예측에 가장 영향을 주는 시간 요소를 출력할 수 있다.
위치별 사용 종료 예측 모델(114)은 제4 플래그 및 제5 플래그를 분석하여 사용자의 동선 히스토리 중에서 예측에 가장 영향을 주는 장소 요소를 추적할 수 있다. 위치별 사용 종료 예측 모델(114)은 사용자의 동선 히스토리 중에서 예측에 가장 영향을 주는 장소 요소를 출력할 수 있다.
프로세서는 사용자의 스케줄 중에서 예측에 가장 영향을 주는 시간 요소 및 사용자의 동선 히스토리 중에서 예측에 가장 영향을 주는 장소 요소를 적용하여 기준 사용 종료 조건을 조절할 수 있다.
프로모션 선호도 분석 모델(115)은 프로모션의 유형이나 속성, 금액, 및 사용자의 상황에 대한 사용자의 응답 데이터를 기반으로 학습되며, 어떠한 프로모션에 대해서 선호도가 올라가는지를 판단하여 프로모션 선호도 분포를 출력한다. 프로모션 선호도 분포는 랭킹값을 갖는 프로모션의 유형이나 속성을 포함한다.
프로모션 선호도 분석 모델(115)은 특징을 추출하고 특징을 데이터 가공 처리한다. 프로모션 선호도 분석 모델(115)은 다수의 레이어가 네트워크로 연결되며 히든 레이어를 포함한다. 레이어는 파라미터를 포함할 수 있고, 레이어의 파라미터는 학습가능한 필터 집합을 포함한다. 파라미터는 노드 간의 가중치 및/또는 바이어스를 포함한다.
차량 반납 예측 모델(112)은 프로모션 선호도 분석 모델(115)로부터 프로모션 선호도 분포를 추가로 입력받아 학습되며, 사용 차량의 조기 반납 예측값을 조절할 수 있다.
개인별 기준치 제어 모델(116)은 개인 스케줄, 동석자 유무, 사용 차량 유형을 입력받아 학습되며 필터링 기준 등급을 출력할 수 있다.
개인별 기준치 제어 모델(116)은 차량 수요 공급 예측 모델에 연결되며, 차량 수요 공급 예측 모델로부터 차량 수급 상황에 대한 예측값을 입력받고, 차량 수급 상황에 대한 예측값을 기반으로 제1 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
개인별 기준치 제어 모델(116)은 차량 반납 예측 모델에 연결되며, 차량 수요 공급 예측 모델로부터 사용 차량의 조기 반납 예측값을 입력받고, 조기 반납 예측값을 기반으로 제2 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
개인별 기준치 제어 모델(116)은 사용 종료 예측 모델에 연결되며, 사용 종료 예측 모델로부터 사용 차량의 사용 종료 예측값을 입력받고, 사용 종료 예측값을 기반으로 제3 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다. 시간별 사용 종료 예측 모델(113) 및 위치별 사용 종료 예측 모델(114)에 의해 제3-1 필터링 가중치 및 제3-2 필터링 가중치를 각각 적용할 수 있다.
개인별 기준치 제어 모델(116)은 프로모션 선호도 분석 모델에 연결되며, 프로모션 선호도 분석 모델로부터 프로모션 선호도 분포를 입력받고, 프로모션 선호도 분포를 기반으로 제4 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
개인별 기준치 제어 모델(116)은 경우에 따라 제1 필터링 가중치, 제2 필터링 가중치, 제3 필터링 가중치(제3-1 필터링 가중치 및 제3-2 필터링 가중치), 제4 필터링 가중치를 모두 적용할 수 있다.
도 4B를 참조하면, 차량 수요 공급 예측 모델(111)은 직장 밀집 지역 데이터, 직장 밀집 시간 데이터, 문화여가생활 장소 데이터, 문화여가생활 시간 데이터, 날씨 데이터를 입력받아 네트워크 구조를 거쳐 차량 수급 예측값을 출력할 수 있다.
차량 반납 예측 모델(112)은 반납 예정 시간, 사용자 스케줄을 입력받아 네트워크 구조를 거쳐 조기 반납 예측값을 출력할 수 있다.
위치별 사용 종료 예측 모델(114)은 동선 히스토리를 입력받아 네트워크 구조를 거쳐 사용 종료 예측값을 출력할 수 있다. 사용 종료 예측 모델의 네트워크 구조는 중간 레이어를 일부 건너뛰어 연결되는 스킵 구조를 포함할 수 있다.
도 4C는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델의 시간에 따른 예측값을 예시한 도면이다.
예측 모델, 특히 차량 반납 예측 모델(112)은 시간의 흐름에 따른 반납 예측값을 출력할 수 있다. 특히 차량 반납 예측 모델(112)은 사용자의 차량 대여 이력 및 사용자 스케줄 등을 입력받아 학습될 수 있다. 차량 반납 예측 모델(112)가 출력하는 반납 확률의 기울기가 완만한 구간은 특정 환경에 따라 반납 확률이 크게 증가하지 않는다. 예컨대, 고속도로 주행 등의 정차가 곤란한 환경일 수 있다. 운송 서비스 서버는 반납 확률이 일정 범위를 만족하면 반납에 따른 프로모션을 제안할 수 있다. 반납 확률에 따라 프로모션을 적응적으로 제안할 수 있다.
도 4D는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델의 공간에 따른 예측값을 예시한 도면이다.
예측 모델, 특히 차량 반납 예측 모델(112)은 공간의 변화에 따른 반납 예측값을 출력할 수 있다. 차량 진행 방향 또는 단말에 매칭된 위치 벡터에 따라 분기 구간마다 가능한 복수의 진행 경로에 대한 반납 확률을 각각 출력할 수 있다.
도 4E는 본 발명의 일 실시예에 따른 운송 서비스 서버에 적용되는 예측 모델이 처리하는 차량 밀집 등급을 예시한 도면이다.
예측 모델, 위치별 사용 종료 예측 모델(114)은 위치별 복수 차량 사용 종료 예측값을 예측할 수 있다. 위치별 사용 종료 예측 모델(114)은 지역 속성 및 프로모션 정보 등을 입력받아 학습될 수 있다. 지역 속성은 문화여가생활 장소, 직장 밀집 지역 등에 관한 속성을 포함할 수 있다. 위치별 사용 종료 예측 모델(114)은 차량 반납 예측 모델(112)의 공간의 변화에 따른 반납 예측값을 고려하여 복수 차량 집합에 대한 사용 종료를 예측한다.
마찬가지로 시간별 사용 종료 예측 모델(113)은 시간별 복수 차량 사용 종료 예측값을 예측할 수 있다. 위치별 사용 종료 예측 모델(114)은 시간 속성 및 프로모션 정보 등을 입력받아 학습될 수 있다. 시간 속성은 문화여가생활 시간, 직장 밀집 시간 등에 관한 속성을 포함할 수 있다. 시간별 사용 종료 예측 모델(114)은 차량 반납 예측 모델(112)의 시간 흐름에 따른 반납 예측값을 고려하여 복수 차량 집합에 대한 사용 종료를 예측한다.
위치 범위 내에서 프리플로팅 차량(자유로운 반납이 가능한 차량)과 일반 차량(반납지가 지정된 차량)이 존재하고, 이벤트가 시간/장소에 따라 차량 밀집 등급을 예측하여 프로모션을 제공할 수 있다. 이벤트 발생 시간보다 미리 프로모션을 제공할 수도 있고, 단일 차량 사용자에게 프로모션을 제안할 때와 달리, 다수의 차랑 사용자에게 다양한 프로모션을 제공하여 수익을 극대화할 수 있다. 예컨대, 프로모션 선호도에 따라 일부 사용자의 사용 종료를 확보한다면 다른 사용자에게는 프로모션의 세기(예컨대, 금액)를 내려서 제안할 수 있다.
도 5 내지 도 7은 본 발명의 다른 실시예들에 따른 간이 차량 예약 및 배치 방법을 예시한 흐름도이다.
도 5를 참조하면, 단계 S510에서 반납지 정보가 없는 차량 사용 예약 신청을 수신하는 단계를 수행할 수 있다.
단계 S520에서 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하는 단계를 수행할 수 있다.
단계 S530에서 예상 반납지를 고려하여 보유 차량의 시간별 위치를 분석하는 단계를 수행할 수 있다.
단계 S540에서 보유 차량의 시간별 위치에 따라 영역별 차량 배치 계획을 설정하는 단계를 수행할 수 있다.
단계 S550에서 차량 또는 클라이언트 단말로부터 실제 반납지 정보를 수신하는 단계를 수행할 수 있다.
단계 S560에서 예상 반납지 및 실제 반납지 정보를 비교한 오차 결과를 고려하여 보유 차량의 시간별 위치를 업데이트하는 단계를 수행할 수 있다.
단계 S570에서 업데이트된 보유 차량의 시간별 위치에 따라 영역별 차량 배치 계획을 변경하는 단계를 수행할 수 있다.
단계 S580에서 예상 반납지 및 실제 반납지 정보를 비교한 오차 결과를 기록하는 단계를 수행할 수 있다.
단계 S590에서 하나 이상의 예상 반납지를 예측하는 단계에서 기준 범위에 따라 유사한 예상 반납지를 예측하면 기록된 오차 결과를 피드백으로 제공할 수 있다. 피드백을 통해 모델을 업데이트할 수 있다.
도 6을 참조하여 간이 차량 예약 및 배치 방법을 살펴보면, 단계 S610에서 특정 장소 영역에 관한 대여 요청 차량 리스트를 수집하는 단계를 수행한다.
단계 S620에서 반납지 정보가 없는 차량 사용 예약 신청을 수신하는 단계를 수행한다. 차량 사용 예약 신청은 대여 희망지, 예약 일정, 차량 정보를 포함하며, 반납지 정보가 예약 과정에서 접수되지 않았거나 반납지 정보가 예약 후 삭제된 정보를 의미한다.
단계 S630에서 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하는 단계를 수행한다.
단계 S640에서 대여 요청 차량 리스트 및 하나 이상의 예상 반납지를 고려하여 차량 사용 예약 신청을 접수한 사용자의 단말에 프로모션을 제시하는 단계를 수행한다.
하나 이상의 예상 반납지를 예측하는 단계(S630)는, 개인별 기준치 제어 모델을 통해 복수의 예상 반납지 후보를 산출하고 복수의 예상 반납지 후보에 대해서 필터링 기준을 상이하게 적용할 수 있다.
개인별 기준치 제어 모델은 개인 스케줄, 동석자 유무, 사용 차량 유형을 입력받아 학습되며 필터링 기준 등급을 출력할 수 있다.
개인별 기준치 제어 모델은 차량 수요 공급 예측 모델에 연결되며, 개인별 기준치 제어 모델은 차량 수요 공급 예측 모델로부터 차량 수급 상황에 대한 예측값을 입력받고, 차량 수급 상황에 대한 예측값을 기반으로 제1 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
차량 수요 공급 예측 모델은 지도 상의 분할 영역 및 스케줄 상의 시간대에 따라 직장 밀집 지역 근처, 직장 밀집 시간대, 문화여가생활 장소 근처, 문화여가생활 이용 시간대, 날씨 정보에 관한 통계적 데이터를 적용하여 차량 수급 상황에 대한 예측값을 출력할 수 있다.
개인별 기준치 제어 모델은 차량 반납 예측 모델에 연결되며, 개인별 기준치 제어 모델은 차량 수요 공급 예측 모델로부터 사용 차량의 조기 반납 예측값을 입력받고, 조기 반납 예측값을 기반으로 제2 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
차량 반납 예측 모델은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 조기 반납 예측값을 출력할 수 있다.
개인별 기준치 제어 모델은 사용 종료 예측 모델에 연결되며, 개인별 기준치 제어 모델은 사용 종료 예측 모델로부터 사용 차량의 사용 종료 예측값을 입력받고, 사용 종료 예측값을 기반으로 제3 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
사용 종료 예측 모델은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 사용 종료 예측값을 출력할 수 있다.
개인별 기준치 제어 모델은 프로모션 선호도 분석 모델에 연결되며, 개인별 기준치 제어 모델은 프로모션 선호도 분석 모델로부터 프로모션 선호도 분포를 입력받고, 프로모션 선호도 분포를 기반으로 제4 필터링 가중치를 적용하여 필터링 기준 등급을 조절할 수 있다.
사용 종료 예측 모델은 프로모션의 유형이나 속성, 금액, 및 사용자의 상황에 대한 사용자의 응답 데이터를 입력받아 학습되며, 프로모션 선호도 분포를 출력할 수 있다.
도 7을 참조하면, 단계 S710에서 반납지 정보가 없는 차량 사용 예약 신청(대여 희망지, 예약 일정, 차량 정보 등)을 수신하는 단계를 수행할 수 있다.
단계 S720에서 차량 사용 예약 신청한 사용자의 프로파일을 분석하여 예상 반납지를 추측하는 단계를 수행할 수 있다.
단계 S730에서 개인별 기준치 제어 모델을 구축하고 가변 기준치를 산출하는 단계를 수행할 수 있다. 단계 S730에서 복수의 예상 반납지 후보에 대한 필터링 기준에 따라 가변 기준치를 산출할 수 있다.
단계 S740에서 가변 기준치와 비교하여 예상 반납지의 존재 여부를 판단하는 단계를 수행할 수 있다.
단계 S750에서 예상 반납지가 존재하면, 예상 반납지의 도착시간에 차량분포를 고려하여 프로모션을 제시하는 단계를 수행할 수 있다. 단계 S760에서 차량 예약자의 선택을 입력받고 예상 반납지에서의 차량 배치를 수행하는 단계를 수행할 수 있다.
단계 S770에서 예상 반납지가 존재하지 않으면, 사용자의 단말을 통한 예약 과정에서 출발지의 차량분포를 고려하여 주변 주차장 별로 프로모션을 제시하는 단계를 수행할 수 있다. 단계 S780에서 사용자의 단말을 통한 예약 과정에서 차량 예약자의 선택을 입력받고 출발지에서의 차량 배치를 수행하는 단계를 수행할 수 있다.
본 발명의 실시예들에 의하면, 반납지 정보가 없는 차량 사용 예약 신청을 접수한 사용자에 대해서 예상 반납지를 예측하고, 반납지 정보가 없는 차량 사용 예약 신청을 접수한 사용자의 단말에 프로모션을 제시하는 방식을 통해 차량 수급을 제어하고 보다 많은 사용자의 요구를 충족시킬 수 있다.
운송 서비스 서버, 클라이언트 단말, 차량 제공자 단말, 장소 제공자 단말, 차량 위치 장소 모니터링 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.
운송 서비스 서버, 클라이언트 단말, 차량 제공자 단말, 장소 제공자 단말, 차량 위치 장소 모니터링 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스 또는 서버에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스 또는 서버는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.
도 5 내지 도 7에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 5 내지 도 7에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (16)
- 운송 서비스 서버에 의한 간이 차량 예약 및 배치 방법에 있어서,
반납지 정보가 없는 차량 사용 예약 신청을 수신하는 단계; 및
상기 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하는 단계를 포함하는 간이 차량 예약 및 배치 방법. - 제1항에 있어서,
상기 예상 반납지를 고려하여 보유 차량의 시간별 위치를 분석하는 단계; 및
상기 보유 차량의 시간별 위치에 따라 영역별 차량 배치 계획을 설정하는 단계를 포함하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제2항에 있어서,
차량 또는 클라이언트 단말로부터 실제 반납지 정보를 수신하는 단계;
상기 예상 반납지 및 상기 실제 반납지 정보를 비교한 오차 결과를 고려하여 상기 보유 차량의 시간별 위치를 업데이트하는 단계; 및
상기 업데이트된 보유 차량의 시간별 위치에 따라 상기 영역별 차량 배치 계획을 변경하는 단계를 포함하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제3항에 있어서,
상기 예상 반납지 및 상기 실제 반납지 정보를 비교한 오차 결과를 기록하는 단계를 포함하며,
상기 하나 이상의 예상 반납지를 예측하는 단계에서 기준 범위에 따라 유사한 예상 반납지를 예측하면 상기 기록된 오차 결과를 피드백으로 제공하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제1항에 있어서,
상기 차량 사용 예약 신청은 대여 희망지, 예약 일정, 차량 정보를 포함하며, 상기 반납지 정보가 예약 과정에서 접수되지 않았거나 상기 반납지 정보가 예약 후 삭제된 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제1항에 있어서,
상기 하나 이상의 예상 반납지를 예측하는 단계는,
개인별 기준치 제어 모델을 통해 복수의 예상 반납지 후보를 산출하고 상기 복수의 예상 반납지 후보에 대해서 필터링 기준을 상이하게 적용하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제6항에 있어서,
상기 개인별 기준치 제어 모델은 개인 스케줄, 동석자 유무, 사용 차량 유형을 입력받아 학습되며 필터링 기준 등급을 출력하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제6항에 있어서,
상기 개인별 기준치 제어 모델은 차량 수요 공급 예측 모델에 연결되며,
상기 개인별 기준치 제어 모델은 상기 차량 수요 공급 예측 모델로부터 차량 수급 상황에 대한 예측값을 입력받고, 상기 차량 수급 상황에 대한 예측값을 기반으로 제1 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절하며,
상기 차량 수요 공급 예측 모델은 지도 상의 분할 영역 및 스케줄 상의 시간대에 따라 직장 밀집 지역 근처, 직장 밀집 시간대, 문화여가생활 장소 근처, 문화여가생활 이용 시간대, 날씨 정보에 관한 통계적 데이터를 적용하여 상기 차량 수급 상황에 대한 예측값을 출력하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제6항에 있어서,
상기 개인별 기준치 제어 모델은 차량 반납 예측 모델에 연결되며,
상기 개인별 기준치 제어 모델은 상기 차량 수요 공급 예측 모델로부터 사용 차량의 조기 반납 예측값을 입력받고, 상기 조기 반납 예측값을 기반으로 제2 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절하며,
상기 차량 반납 예측 모델은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 상기 조기 반납 예측값을 출력하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제6항에 있어서,
상기 개인별 기준치 제어 모델은 사용 종료 예측 모델에 연결되며,
상기 개인별 기준치 제어 모델은 상기 사용 종료 예측 모델로부터 사용 차량의 사용 종료 예측값을 입력받고, 상기 사용 종료 예측값을 기반으로 제3 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절하며,
상기 사용 종료 예측 모델은 사용자의 스케줄, 대중교통 접근성, 도로 연결성, 주차 공간을 입력받아 학습되며, 상기 사용 종료 예측값을 출력하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제6항에 있어서,
상기 개인별 기준치 제어 모델은 프로모션 선호도 분석 모델에 연결되며,
상기 개인별 기준치 제어 모델은 상기 프로모션 선호도 분석 모델로부터 프로모션 선호도 분포를 입력받고, 상기 프로모션 선호도 분포를 기반으로 제4 필터링 가중치를 적용하여 상기 필터링 기준 등급을 조절하며,
상기 사용 종료 예측 모델은 프로모션의 유형이나 속성, 금액, 및 사용자의 상황에 대한 사용자의 응답 데이터를 입력받아 학습되며, 상기 프로모션 선호도 분포를 출력하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제6항에 있어서,
상기 복수의 예상 반납지 후보에 대한 필터링 기준에 따라 가변 기준치를 산출하는 단계;
상기 가변 기준치와 비교하여 예상 반납지의 존재 여부를 판단하는 단계;
상기 예상 반납지가 존재하면, 상기 예상 반납지의 도착시간에 차량분포를 고려하여 프로모션을 제시하는 단계;
차량 예약자의 선택을 입력받고 상기 예상 반납지에서의 차량 배치를 수행하는 단계를 포함하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 제12항에 있어서,
상기 예상 반납지가 존재하지 않으면, 상기 사용자의 단말을 통한 예약 과정에서 출발지의 차량분포를 고려하여 주변 주차장 별로 프로모션을 제시하는 단계;
상기 사용자의 단말을 통한 예약 과정에서 차량 예약자의 선택을 입력받고 출발지에서의 차량 배치를 수행하는 단계를 포함하는 것을 특징으로 하는 간이 차량 예약 및 배치 방법. - 운송 서비스 서버에 있어서,
반납지 정보가 없는 차량 사용 예약 신청을 수신하는 통신 인터페이스; 및
상기 차량 사용 예약 신청을 접수한 사용자의 프로파일을 분석하여 하나 이상의 예상 반납지를 예측하는 프로세서를 포함하는 운송 서비스 서버. - 제14항에 있어서,
상기 프로세서는 개인별 기준치 제어 모델을 통해 복수의 예상 반납지 후보를 산출하고 상기 복수의 예상 반납지 후보에 대해서 필터링 기준을 상이하게 적용하여 상기 하나 이상의 예상 반납지를 예측하는 것을 특징으로 하는 운송 서비스 서버. - 클라이언트 단말에 있어서,
운송 서비스 서버로 차량 사용 예약 신청을 전송하는 통신 인터페이스를 포함하며,
상기 차량 사용 예약 신청은 반납지 정보를 포함하지 않는 것을 특징으로 하는 클라이언트 단말.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220078038A KR20240001421A (ko) | 2022-06-27 | 2022-06-27 | 간이 차량 예약 및 배치를 제공하는 운송 서비스 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220078038A KR20240001421A (ko) | 2022-06-27 | 2022-06-27 | 간이 차량 예약 및 배치를 제공하는 운송 서비스 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240001421A true KR20240001421A (ko) | 2024-01-03 |
Family
ID=89539360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220078038A KR20240001421A (ko) | 2022-06-27 | 2022-06-27 | 간이 차량 예약 및 배치를 제공하는 운송 서비스 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240001421A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102138902B1 (ko) | 2019-07-26 | 2020-07-29 | (주)디지파츠 | 차량 공유 서비스 제공 방법, 장치 및 시스템 |
-
2022
- 2022-06-27 KR KR1020220078038A patent/KR20240001421A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102138902B1 (ko) | 2019-07-26 | 2020-07-29 | (주)디지파츠 | 차량 공유 서비스 제공 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Golbabaei et al. | The role of shared autonomous vehicle systems in delivering smart urban mobility: A systematic review of the literature | |
| Fagnant et al. | Dynamic ride-sharing and fleet sizing for a system of shared autonomous vehicles in Austin, Texas | |
| Zhang et al. | Parking futures: Shared automated vehicles and parking demand reduction trajectories in Atlanta | |
| Martinez et al. | An agent‐based simulation model to assess the impacts of introducing a shared‐taxi system: an application to Lisbon (Portugal) | |
| US20150142518A1 (en) | System for making available for hire vehicles from a fleet aggregated from a plurality of vehicle fleets | |
| Molnar et al. | Long-term vehicle reservations in one-way free-floating carsharing systems: A variable quality of service model | |
| Alfian et al. | A simulation tool for prioritizing product-service system (PSS) models in a carsharing service | |
| Santos et al. | Finding the relevance of staff-based vehicle relocations in one-way carsharing systems through the use of a simulation-based optimization tool | |
| US20110246404A1 (en) | Method for Allocating Trip Sharing | |
| Zhang et al. | A distribution model for shared parking in residential zones that considers the utilization rate and the walking distance | |
| Szeto et al. | A time-dependent logit-based taxi customer-search model | |
| Berrada et al. | Economic and socioeconomic assessment of replacing conventional public transit with demand responsive transit services in low-to-medium density areas | |
| Ko et al. | Determining locations of charging stations for electric taxis using taxi operation data | |
| Rath et al. | Air taxi skyport location problem with single-allocation choice-constrained elastic demand for airport access | |
| Wong et al. | Behavior of taxi customers in hailing vacant taxis: a nested logit model for policy analysis | |
| Lim et al. | Alternative approach for forecasting parking volumes | |
| Wang et al. | Towards accessible shared autonomous electric mobility with dynamic deadlines | |
| KR20220015352A (ko) | 주차면 관리를 통해 효율적으로 차량을 제공하는 운송 서비스 시스템 | |
| Jacquillat et al. | Deployment and utilization of plug-in electric vehicles in round-trip carsharing systems | |
| Ahadi et al. | Siting and sizing of charging infrastructure for shared autonomous electric fleets | |
| KR20240001421A (ko) | 간이 차량 예약 및 배치를 제공하는 운송 서비스 시스템 | |
| KR20240001419A (ko) | 차량의 수요 공급을 고려하여 차량 조기 반납 유도를 제공하는 운송 서비스 시스템 | |
| Zakharenko | Pricing shared vehicles | |
| KR20240001420A (ko) | 시간 및 장소에 따라 차량 사용 종료를 예측하는 운송 서비스 시스템 | |
| Kavianipour et al. | Deploying Fast Charging Infrastructure for Electric Vehicles in Urban Networks: An Activity-Based Approach |