KR20240081300A - 예약 응찰자의 낙찰이력을 이용한 낙찰금액 예측 기능을 포함하는 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버 - Google Patents

Abstract

본 발명의 실시 예에 따르면, 예약 응찰자의 낙찰이력을 이용한 낙찰금액 예측 기능을 포함하는 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버가 개시된다. 상기 서버는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고, 상기 적어도 하나의 동작은, 입찰자의 입찰자 단말로부터 예약 응찰 신호를 수신하는 동작; 상기 입찰자 단말에 경매품에 대한 경매 시작 신호를 제공하는 동작; 상기 입찰자 단말로부터 경매 참여 신호를 수신하고, 상기 입찰자 단말에 응찰번호를 부여하는 동작; 상기 입찰자 단말에 현재금액을 포함하는 실시간 응찰 정보를 제공하는 동작; 상기 입찰자 단말로부터 응찰 신호가 수신된 경우, 상기 현재금액을 미리 설정된 증강금액만큼 증가시키고, 증가된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 증가된 상기 현재금액과 상기 응찰 신호를 제공한 상기 입찰자 단말의 응찰번호를 매칭하여 저장하는 동작; 응찰번호 및 낙찰금액이 입력된 경우, 상기 현재금액을 입력된 상기 낙찰금액으로 변경하고, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작; 및 미리 설정된 시간동안 응찰 신호가 수신되지 않는 경우, 가장 최신에 상기 현재금액과 매칭된 상기 응찰번호를 상기 경매품에 대한 낙찰번호로 결정하는 동작을 포함하고, 응찰번호 및 낙찰금액이 입력된 경우, 상기 현재금액을 입력된 상기 낙찰금액으로 변경하고, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작은, 오프라인 경매장을 실시간으로 촬영하는 카메라로부터 영상을 획득하는 동작; 상기 영상에 포함된 상기 오프라인 경매장 이미지를 미리 학습된 제1 인공신경망에 입력 값으로 입력하는 동작; 상기 제1 인공신경망으로부터 응찰번호를 획득하는 동작; 및 상기 현재금액에 상기 증강금액만큼 증가시킨 값을 낙찰금액으로 결정하고, 상기 현재금액을 상기 낙찰금액으로 변경하며, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작을 포함한다.
또한, 상기 제1 인공신경망은, 상기 오프라인 경매장 이미지에 포함된 응찰용 표지판에 대한 객체박스를 설정하고 상기 객체박스에 포함된 이미지와 대응하는 특징벡터를 출력하도록 기계학습된 Mask-rcnn(Mask region convolutional neural network) 모델; 및 상기 객체박스에 포함된 이미지와 대응하는 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 응찰번호를 출력하도록 기계학습된 Random Forest 모델을 포함하고, 상기 적어도 하나의 동작은, 상기 경매품과 매칭되는 감정포인트를 결정하고 결정된 상기 감정포인트를 상기 입찰자 단말에 제공하는 동작; 상기 감정포인트와 매칭되는 감정 이미지를 상기 입찰자 단말로부터 수신하는 동작; 및 상기 감정 이미지를 이용해 상기 경매품의 연도에 대한 매칭률을 결정하고, 결정된 상기 매칭률을 상기 입찰자 단말에 제공하는 동작을 포함한다.

Description

예약 응찰자의 낙찰이력을 이용한 낙찰금액 예측 기능을 포함하는 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버{AUCTION OPERATION SERVER THAT PROVIDES REAL-TIME AUCTION SERVICE USING ARTIFICIAL INTELLIGENCE, INCLUDING THE FUNCTION OF PREDICTING THE SUCCESSFUL BID AMOUNT USING THE SUCCESSFUL BID HISTORY OF THE RESERVED BIDDER}

예약 응찰자의 낙찰이력을 이용한 낙찰금액 예측 기능을 포함하는 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

경매란 특정한 물품을 팔려는 사람이 사려는 사람을 모집하여 그들의 가격신청을 받아 최고가격을 부르는 사람과 매매계약을 하는 것을 말한다. 온라인경매는 웹사이트를 통해 제공되는 사이버 거래장소에서 회원 상호 간에 물품 매매거래가 이루어질 수 있도록 한 사이버 매매방식을 말한다.

온라인경매는 일반경매와 같이 특정한 장소에 매이지 않고, 사이버 공간을 통해서 이루어진다는 점에서 일반경매보다 편리하다는 장점이 있다. 온라인경매는 전자상거래 방식의 일종으로, 온라인경매회사가 웹사이트를 통해 사이버 거래장소를 제공하고, 이 장소에서 회원 상호 간에 물품 매매거래가 이루어질 수 있도록 서비스하는 경매이다.

다만, 온라인 서비스 방식을 학습하기 어려운 고령의 수요자들의 온라인경매 서비스 참여가 제한되는 문제가 발생되고 있다.

미국 등록특허공보 제10019754호(2018.07.10.) 대한민국 공개특허공보 제10-2015-0134741호(2015.12.02.) 대한민국 등록특허공보 제10-2179133호(2020.11.10.)

본 발명은, 온라인 상과 오프라인 상에서 동시에 실시간 경매 서비스를 제공할 수 있는, 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버, 시스템, 방법 및 프로그램을 제공하는 것을 일 목적으로 한다.

본 발명은, 예상 낙찰가를 제공하는, 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버, 시스템, 방법 및 프로그램을 제공하는 것을 다른 목적으로 한다.

본 발명은, 경매품의 연도에 대한 매칭률을 제공하는, 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버, 시스템, 방법 및 프로그램을 제공하는 것을 또 다른 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 일 측면은, 예약 응찰자의 낙찰이력을 이용한 낙찰금액 예측 기능을 포함하는 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버를 제공한다.

상기 서버는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,

상기 적어도 하나의 동작은, 입찰자의 입찰자 단말로부터 예약 응찰 신호를 수신하는 동작; 상기 입찰자 단말에 경매품에 대한 경매 시작 신호를 제공하는 동작; 상기 입찰자 단말로부터 경매 참여 신호를 수신하고, 상기 입찰자 단말에 응찰번호를 부여하는 동작; 상기 입찰자 단말에 현재금액을 포함하는 실시간 응찰 정보를 제공하는 동작; 상기 입찰자 단말로부터 응찰 신호가 수신된 경우, 상기 현재금액을 미리 설정된 증강금액만큼 증가시키고, 증가된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 증가된 상기 현재금액과 상기 응찰 신호를 제공한 상기 입찰자 단말의 응찰번호를 매칭하여 저장하는 동작; 응찰번호 및 낙찰금액이 입력된 경우, 상기 현재금액을 입력된 상기 낙찰금액으로 변경하고, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작; 및 미리 설정된 시간동안 응찰 신호가 수신되지 않는 경우, 가장 최신에 상기 현재금액과 매칭된 상기 응찰번호를 상기 경매품에 대한 낙찰번호로 결정하는 동작을 포함하고, 응찰번호 및 낙찰금액이 입력된 경우, 상기 현재금액을 입력된 상기 낙찰금액으로 변경하고, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작은, 오프라인 경매장을 실시간으로 촬영하는 카메라로부터 영상을 획득하는 동작; 상기 영상에 포함된 상기 오프라인 경매장 이미지를 미리 학습된 제1 인공신경망에 입력 값으로 입력하는 동작; 상기 제1 인공신경망으로부터 응찰번호를 획득하는 동작; 및 상기 현재금액에 상기 증강금액만큼 증가시킨 값을 낙찰금액으로 결정하고, 상기 현재금액을 상기 낙찰금액으로 변경하며, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작을 포함한다.

또한, 상기 제1 인공신경망은, 상기 오프라인 경매장 이미지에 포함된 응찰용 표지판에 대한 객체박스를 설정하고 상기 객체박스에 포함된 이미지와 대응하는 특징벡터를 출력하도록 기계학습된 Mask-rcnn(Mask region convolutional neural network) 모델; 및 상기 객체박스에 포함된 이미지와 대응하는 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 응찰번호를 출력하도록 기계학습된 Random Forest 모델을 포함하고, 상기 적어도 하나의 동작은, 상기 경매품과 매칭되는 감정포인트를 결정하고 결정된 상기 감정포인트를 상기 입찰자 단말에 제공하는 동작; 상기 감정포인트와 매칭되는 감정 이미지를 상기 입찰자 단말로부터 수신하는 동작; 및 상기 감정 이미지를 이용해 상기 경매품의 연도에 대한 매칭률을 결정하고, 결정된 상기 매칭률을 상기 입찰자 단말에 제공하는 동작을 포함하며, 상기 감정 이미지를 이용해 상기 경매품의 연도에 대한 매칭률을 결정하고, 결정된 상기 매칭률을 상기 입찰자 단말에 제공하는 동작은, 상기 경매품의 품목, 상기 경매품의 국가 및 상기 감정포인트와 매칭되는 미리 학습된 제2 인공신경망을 선택하는 동작; 상기 제2 인공신경망에 상기 감정 이미지를 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 상기 경매품의 연도와 매칭되는 상기 매칭률을 획득하는 동작; 및 상기 매칭률을 상기 입찰자 단말에 제공하는 동작을 포함한다.

또한, 상기 제2 인공신경망은, 상기 감정 이미지에 대한 특징벡터를 생성하도록 기계학습된 CNN(Convolutional Neural Network) 모델; 및 상기 감정 이미지에 대한 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 상기 매칭률을 출력하도록 기계학습된 Random Forest 모델을 포함한다.

또한, 상기 적어도 하나의 동작은, 상기 경매품의 품목 및 상기 경매품의 국가와 매칭되는 미리 학습된 제3 인공신경망을 선택하는 동작; 및 상기 제3 인공신경망에 상기 감정 이미지를 입력 값으로 입력하고, 상기 제3 인공신경망으로부터 예상 낙찰금액을 획득하는 동작을 포함한다.

또한, 상기 제3 인공신경망은, 상기 감정 이미지에 대한 특징벡터를 생성하도록 기계학습된 CNN(Convolutional Neural Network) 모델; 및 상기 감정 이미지에 대한 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 상기 예상 낙찰금액을 출력하도록 기계학습된 Random Forest 모델을 포함한다.

또한, 상기 적어도 하나의 동작은, 데이터베이스에서 예약 응찰 신호를 제공한 입찰자와 매칭되는 낙찰이력을 검색하는 동작; 검색된 낙찰이력을 이용해 상기 예상 낙찰금액을 보정하는 동작을 더 포함한다.

또한, 상기 낙찰이력은, 낙찰처리받은 경매품의 품목, 연대, 국가 및 낙찰금액을 포함한다.

본 발명의 일 실시 예에 따르면, 온라인 상과 오프라인 상에서 동시에 실시간 경매 서비스가 제공된다. 이를 통해, 온라인 경매를 이용하는 입찰자와 오프라인 경매를 입찰자가 동시에 실시간 경매에 참여할 수 있다.

본 발명의 다른 실시 예에 따르면, 예상 낙찰가가 제공되므로, 입찰자는 제공된 예상 낙찰자를 참고하여 응찰할 수 있다.

본 발명의 또 다른 실시 예에 따르면, 경매품의 연도에 대한 매칭률이 제공되므로, 입찰자는 제공된 매칭률을 참고하여 경매품의 연도에 대한 신뢰성을 판단할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 실시간 경매 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 2는 도 1에 따른 경매 운영 서버의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 도 1에 따른 경매 운영 서버가 실시간 경매 서비스를 제공하는 과정을 도시하는 흐름도이다.
도 4는 도 1에 따른 경매 운영 서버가 출력 인터페이스 장치를 통해 제공하는 사용자 인터페이스를 예시적으로 도시하는 도면이다.
도 5는 도 1에 따른 경매 운영 서버가 입찰자 단말에 제공하는 사용자 인터페이스를 예시적으로 도시하는 도면이다.
도 6은 도 1에 따른 경매 운영 서버가 입찰자 단말에 감정포인트 및 감정 이미지를 제공하는 과정을 도시하는 흐름도이다.
도 7은 도 6의 S230단계의 구체적인 과정을 도시하는 흐름도이다.
도 8은 도 1에 따른 경매 운영 서버가 입찰자 단말에 예상 낙찰금액을 제공하는 과정을 도시하는 흐름도이다.
도 9는 도 1에 따른 경매 운영 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 10은 본 발명의 일 실시 예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 11은 도 10에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 12는 도 10에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 13은 도 10에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 일 실시 예에 따른 실시간 경매 서비스를 제공하기 위한 시스템에 대한 개요도이다.

도 1을 참조하면, 실시간 경매 서비스를 제공하기 위한 시스템은, 경매 운영 서버(100) 및 입찰자 단말(200)을 포함한다.

입찰자 단말(200)은, 실시간 경매 서비스를 이용해 경매품의 입찰에 참여하는 입찰자의 단말로서, 경매 운영 서버(100)로부터 실시간 경매 서비스를 이용하기 위한 사용자 인터페이스(User Interface)를 제공받는다.

서로 다른 복수의 입찰자 단말(200)이 경매 운영 서버(100)와 통신망에 의해 연결될 수 있다.

아울러, 이러한 통신망는 예컨대, 다수의 접속망(미도시) 및 코어망(미도시)을 포함하며, 외부망, 예컨대 인터넷망(미도시)을 포함하여 구성될 수 있다. 여기서, 접속망(미도시)은 입찰자 단말(200)과 유무선 통신을 수행하는 접속망으로서, 예를 들어, BS(Base Station), BTS(Base Transceiver Station), NodeB, eNodeB 등과 같은 다수의 기지국과, BSC(Base Station Controller), RNC(Radio Network Controller)와 같은 기지국 제어기로 구 현될 수 있다. 또한, 전술한 바와 같이, 상기 기지국에 일체로 구현되어 있던 디지털 신호 처리부와 무선 신호 처리부를 각각 디지털 유니트(Digital Unit, 이하 DU라 함)와 무선 유니트(Radio Unit, 이하 RU라 함)로 구분하여, 다수의 영역에 각각 다수의 RU(미도시)를 설치하고, 다수의 RU(미도시)를 집중화된 DU(미도시)와 연결하여 구성할 수도 있다.

또한, 접속망(미도시)과 함께 모바일 망을 구성하는 코어망(미도시)은 접속망(미도시)과 외부 망, 예컨대, 인터넷망(미도시)을 연결하는 역할을 수행한다.

이러한 코어망(미도시)은 앞서 설명한 바와 같이, 접속망(미도시) 간의 이동성 제어 및 스위칭 등의 이동통신 서비스를 위한 주요 기능을 수행하는 네트워크 시스템으로서, 서킷 교환(circuit switching) 또는 패킷 교환(packet switching)을 수행하며, 모바일 망 내에서의 패킷 흐름을 관리 및 제어한다. 또한, 코어망(미도시)은 주파수 간 이동성을 관리하고, 접속망(미도시) 및 코어망(미도시) 내의 트래픽 및 다른 네트워크, 예컨대 인터넷 망(미도시)과의 연동을 위한 역할을 수행할 수도 있다. 이러한 코어망(미도시)은 SGW(Serving GateWay), PGW(PDN GateWay), MSC(Mobile Switching Center), HLR(Home Location Register), MME(Mobile Mobility Entity)와 HSS(Home Subscriber Server) 등을 더 포함하여 구성될 수도 있다.

또한, 인터넷망(미도시)은 TCP/IP 프로토콜에 따라서 정보가 교환되는 통상의 공개된 통신망, 즉 공용망을 의미하는 것으로, 입찰자 단말(200)과 연결되며, 입찰자 단말(200)로부터 제공되는 정보를 코어망(미도시) 및 접속망(미도시)을 거쳐 네트워크(1)로 제공할 수 있고, 반대로 서비스 제공 서버(100)로 제공되는 정보를 코어망(미도시) 및 접속망(미도시)을 거쳐 입찰자 단말(200)로 제공할 수도 있다. 그러나, 이에 한정되는 것은 아니며, 서비스 제공 서버(100)는 코어망(미도시)과 일체로 구현될 수도 있다.

또한, 상술한 통신 방식 이외에도 기타 널리 공지되었거나 향후 개발될 모든 형태의 통신 방식을 포함할 수 있다.

입찰자 단말(200)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.

도 2는 도 1에 따른 경매 운영 서버(100)의 기능적 모듈을 예시적으로 나타낸 블록도이다.

경매 운영 서버(100)는, 경매 진행부(101), 매칭률 제공부(102), 예상 낙찰금액 제공부(103) 및 응찰 인식부(104)를 포함한다.

도 3은 도 1에 따른 경매 운영 서버(100)가 실시간 경매 서비스를 제공하는 과정을 도시하는 흐름도이다.

도 3을 참조하면, 경매 진행부(101)는, 경매를 시작하고, 경매 시작 신호를 입찰자 단말(200)에 제공한다(S110).

복수의 입찰자 단말(200)은, 경매 운영 서버(100)가 제공하는 사용자 인터페이스를 통해 제공받은, 경매가 시작되었음을 알리는 앱페이지 또는 웹페이지를 디스플레이한다.

경매에 참여하고자 하는 입찰자는 입찰자 단말(200)을 통해 경매 운영 서버(100)에 경매 참여 신호를 제공한다(S120, S130).

입찰자 단말(200)은, 사용자 인터페이스를 통해 경매 참여 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이하고, 입찰자가 경매 참여 신호를 입력한 경우 경매 참여 신호를 경매 운영 서버(100)에 제공한다.

도시된 실시 예에서, 두 개의 입찰자 단말(200)이 경매 참여 신호를 입력하는 것으로 도시되었으나, 이에 한정되는 것은 아니며, 실시간 경매 서비스를 이용하는 세개 이상의 복수의 입찰자 단말(200)이 경매 참여 신호를 입력할 수 있다.

경매 진행부(101)는, 응찰을 시작하고, 응찰 시작 신호를 입찰자 단말(200)에 제공한다(S140).

복수의 입찰자 단말(200)은, 경매 운영 서버(100)가 제공하는 사용자 인터페이스를 통해 제공받은, 응찰이 가능함을 알리는 앱페이지 또는 웹페이지를 디스플레이한다.

복수의 입찰자 단말(200)은, 경매 운영 서버(100)가 제공하는 사용자 인터페이스를 통해 제공받은, 실시간 응찰 정보를 알리는 앱페이지 또는 웹페이지를 디스플레이한다. 경매 진행부(101)는, 실시간 응찰 정보가 수정될 때마다 수정된 실시간 응찰 정보를 실시간으로 복수의 입찰자 단말(200)에 제공한다.

최초로 복수의 입찰자 단말(200)에 제공되는 실시간 응찰 정보에는 미리 설정된 시작금액이 포함된다. 일 실시 예에서, 데이터베이스에는 경매품과 시작금액이 미리 매칭되어 저장될 수 있다.

도시되지 않은 실시 예에서, 경매 진행부(101)는, 입찰자 단말(200)로부터 예약 응찰 신호를 수신할 수 있다. 경매 진행부(101)는, 경매품별로 예약 응찰 신호를 입력할 수 있는 사용자 인터페이스를 입찰자 단말(200)에 제공할 수 있다.

수신된 예약 응찰 신호가 있는 경우, 경매 진행부(101)는, 입찰자 단말(200)로부터 예약 응찰 신호를 수신하면 응찰 번호를 생성하고, 예약 응찰 신호를 제공한 입찰자 단말(200)과 생성된 응찰 번호를 매칭한다. 일 실시 예에서, 입찰자 단말(200)의 식별정보(예를 들어, ID)와 응찰 번호가 매칭되어 데이터베이스에 저장될 수 있다. 경매 진행부(101)는, 현재 낙찰금액(시작금액 또는 예약 응찰 신호에 의해 수정된 낙찰금액)에 증강금액을 더한 값을 새로운 낙찰금액으로 결정하고, 새로운 낙찰금액 포함하도록 실시간 응찰 정보를 수정한다. 예를 들어, 실시간 응찰 정보에 "시작가: 1,000,000원"이 포함되어 입찰자 단말(200)에 디스플레이 될 수 있으며, 미리 수신된 예약 응찰 신호에 따라 미리 설정된 증강금액인 100,000이 증가된 "낙찰금액: 1,100,000"이 실시간 응찰 정보에 포함되어 입찰자 단말(200)에 디스플레이 될 수 있다. 또한, 경매 진행부(101)는, 새로운 낙찰금액과 예약 응찰 신호를 제공한 입찰자 단말(200)의 응찰 번호를 매칭하여 데이터베이스에 저장한다. 즉, 경매품에 대한 경매가 시작되면, 예약 응찰 신호가 일반적인 응찰 신호보다 우선하여 낙찰금액에 반영될 수 있다.

응찰에 참여하고자 하는 입찰자는 입찰자 단말(200)을 통해 경매 운영 서버(100)에 응찰 신호를 제공한다(S150).

입찰자 단말(200)은, 사용자 인터페이스를 통해 응찰 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이하고, 입찰자가 응찰 신호를 입력한 경우 응찰 신호를 경매 운영 서버(100)에 제공한다.

경매 진행부(101)는, 응찰 신호를 수신한 경우, 실시간 응찰 정보를 갱신한다(S160).

일 실시 예에서, 경매 진행부(101)는, 입찰자 단말(200)로부터 경매 참여 신호를 수신하면 응찰 번호를 생성하고, 경매 참여 신호를 제공한 입찰자 단말(200)과 생성된 응찰 번호를 매칭한다. 일 실시 예에서, 입찰자 단말(200)의 식별정보(예를 들어, ID)와 응찰 번호가 매칭되어 데이터베이스에 저장될 수 있다. 경매 진행부(101)는, 현재 낙찰금액(또는 시작금액)에 증강금액을 더한 값을 새로운 낙찰금액으로 결정하고, 새로운 낙찰금액 포함하도록 실시간 응찰 정보를 수정한다. 예를 들어, 실시간 응찰 정보에 "시작가: 1,000,000원"이 포함되어 입찰자 단말(200)에 디스플레이 될 수 있으며, 응찰 신호가 수신됨에 따라 미리 설정된 증강금액인 100,000이 증가된 "낙찰금액: 1,100,000"이 실시간 응찰 정보에 포함되어 입찰자 단말(200)에 디스플레이 될 수 있다. 또한, 경매 진행부(101)는, 새로운 낙찰금액과 응찰 신호를 제공한 입찰자 단말(200)의 응찰 번호를 매칭하여 데이터베이스에 저장한다.

S150단계 및 S160단계에서 설명한 바와 같이, 다른 입찰자 단말(200)로부터 응찰 신호(S170)가 수신되면, 경매 진행부(101)는, 실시간 응찰 정보를 갱신한다(S180).

도시되지 않은 실시 예에서, 경매 진행부(101)는, 미리 설정된 증강금액을 수정할 수 있다. 경매 진행부(101)는, 경매 운영 서버(100)에 포함된 입력 인터페이스 장치를 통해 수정 값을 입력받고, 입력받은 수정 값으로 증강금액을 수정할 수 있다.

도시되지 않은 실시 예에서, 경매 진행부(101)는, 경매 운영 서버(100)에 포함된 입력 인터페이스 장치를 통해 응찰 번호 및 새로운 낙찰금액을 입력받고, 새로운 낙찰금액을 실시간 응찰 정보에 포함시킬 수 있다. 경매 진행부(101)는, 새로운 낙찰금액과 입력된 응찰 번호를 매칭하여 데이터베이스에 저장한다. 경매 운영 서버(100)는, 경매 운영 서버(100)에 구비된 출력 인터페이스 장치를 통해 오프라인 경매장을 실시간으로 촬영하고 있는 영상을 디스플레이할 수 있다. 경매 운영 서버(100)의 관제자가 영상에서 오프라인 상으로 입찰자가 응찰을 하는 행위를 확인하고, 입찰자의 입찰 번호와 새로운 낙찰금액을 입력 인터페이스 장치를 통해 입력할 수 있다.

이를 통해, 입찰자들은 온라인 및 오프라인 상으로 동시에 경매품에 대해 응찰할 수 있다.

응찰 신호가 더 이상 수신되지 않는 경우, 경매 진행부(101)는, 경매가 진행 중인 경매품에 대해 낙찰처리할 수 있다(S190).

일 실시 예에서, 미리 설정된 시간동안 응찰 신호가 수신되지 않는 경우, 경매 진행부(101)는, 현재 낙찰금액과 매칭된 응찰번호를 부여받은 입찰자 단말(200)의 입찰자를 낙찰자로 결정할 수 있다.

일 실시 예에서, 경매 진행부(101)는, 경매 운영 서버(100)의 입력 인터페이스 장치를 통해 낙찰처리 신호를 입력 받고, 현재 낙찰금액과 매칭된 응찰번호를 부여받은 입찰자 단말(200)의 입찰자를 낙찰자로 결정할 수 있다. 경매 진행부(101)는, 낙찰처리 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 출력 인터페이스 장치를 통해 디스플레이할 수 있다.

낙찰처리가 완료되면, 경매 진행부(101)는, 다음 경매품에 대하여 상술한 S140단계 내지 S190단계의 과정을 다시 수행한다. 실시간 응찰 정보에는 다음 경매품에 대하여 미리 설정된 시작금액이 포함된다. 모든 경매품에 대한 경매 절차가 완료되면, 경매 진행부(101)는, 경매 절차를 종료한다.

도시되지 않은 실시 예에서, 경매 진행부(101)는, 실시간 응찰 정보에 시작금액만이 포함된 상태로 미리 설정된 시간동안 응찰 신호가 수신되지 않는 경우, 유찰처리할 수 있다. 유찰처리된 경우, 경매 진행부(101)는, 다음 경매품에 대하여 상술한 S140단계 내지 S190단계의 과정을 다시 수행한다. 실시간 응찰 정보에는 다음 경매품에 대하여 미리 설정된 시작금액이 포함된다. 모든 경매품에 대한 경매 절차가 완료되면, 경매 진행부(101)는, 경매 절차를 종료한다.

도시되지 않은 실시 예에서, 경매 진행부(101)는, 경매 운영 서버(100)의 입력 인터페이스 장치를 통해 유찰처리 신호를 입력 받고, 유찰처리할 수 있다. 경매 진행부(101)는, 유찰처리 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 출력 인터페이스 장치를 통해 디스플레이할 수 있다. 유찰처리된 경우, 경매 진행부(101)는, 다음 경매품에 대하여 상술한 S140단계 내지 S190단계의 과정을 다시 수행한다. 실시간 응찰 정보에는 다음 경매품에 대하여 미리 설정된 시작금액이 포함된다. 모든 경매품에 대한 경매 절차가 완료되면, 경매 진행부(101)는, 경매 절차를 종료한다.

도 4는 도 1에 따른 경매 운영 서버(100)가 출력 인터페이스 장치를 통해 제공하는 사용자 인터페이스를 예시적으로 도시하는 도면이다.

도 4를 참조하면, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 응찰 시작 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이할 수 있다. 또한, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 응찰 신호를 제공한 입찰자 단말(200)의 응찰번호와 현재 낙찰금액을 제공하는 앱페이지 또는 웹페이지를 디스플레이할 수 있다. 또한, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 실시간 응찰 정보를 제공하는 앱페이지 또는 웹페이지를 디스플레이할 수 있다. 또한, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 낙찰처리 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이할 수 있다. 또한, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 유찰처리 신호를 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이할 수 있다.

도시되지 않은 실시 예에서, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 미리 설정된 증강금액 및 미리 설정된 시작금액을 포함하는 앱페이지 또는 웹페이지를 디스플레이할 수 있다. 도시되지 않은 실시 예에서, 경매 진행부(101)는, 출력 인터페이스 장치를 통해 미리 설정된 증강금액 및 미리 설정된 시작금액에 대한 수정 값을 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이할 수 있다.

도 5는 도 1에 따른 경매 운영 서버(100)가 입찰자 단말(200)에 제공하는 사용자 인터페이스를 예시적으로 도시하는 도면이다.

도 5를 참조하면, 입찰자 단말(200)은, 실시간 응찰 정보를 보여주는 앱페이지 또는 웹페이지를 디스플레이할 수 있다. 또한, 입찰자 단말(200)은, 현재 입찰자 단말(200)에게 부여된 응찰번호와 매칭되는 낙찰금액을 포함하는 나의 응찰 정보를 보여주는 앱페이지 또는 웹페이지를 디스플레이 할 수 있다. 또한, 입찰자 단말(200)은, 응찰신호를 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이할 수 있다.

도시되지 않은 실시 예에서, 경매 진행부(101)는, 실시간 응찰 정보를 오프라인 경매장에 실시간 응찰 상황을 디스플레이하는 별도의 서버(미도시)에 제공할 수 있다. 별도의 서버(미도시)는, 별도의 서버(미도시)에 구비된 출력 인터페이스 장치를 통해 제공받은 실시간 응찰 정보를 디스플레이할 수 있다. 일 실시 예에서, 별도의 서버(미도시)는 경매 운영 서버(100)와 일체로 형성될 수 있다. 다만, 이에 한정되는 것은 아니다.

도 6은 도 1에 따른 경매 운영 서버(100)가 입찰자 단말(200)에 감정포인트 및 감정 이미지를 제공하는 과정을 도시하는 흐름도이다.

도 6을 참조하면, 매칭률 제공부(102)는, 경매품과 매칭되는 감정포인트를 결정한다(S210).

경매 운영 서버(100)의 데이터베이스에는, 경매품과 품목, 연도 및 국가가 미리 매칭되어 저장된다. 경매 운영 서버(100)는, 데이터베이스에서 경매품과 매칭되는 품목, 연도 및 국가를 검색한다. 예를 들어, 데이터베이스에는, 경매품과 도자기, 1400, 중국이 미리 매칭되어 저장될 수 있다.

데이터베이스에는, 품목, 연도 및 국가와 감정포인트가 미리 매칭되어 저장된다. 예를 들어, 도자기, 1400년대 및 명나라에 대한 감정포인트로 문양, 기형 및 바닥면이 매칭되어 저장될 수 있다.

매칭률 제공부(102)는, 품목, 연도 및 국가와 매칭되는 감정포인트를 검색하고, 검색된 감정포인트를 입찰자 단말(200)에 제공한다. 입찰자 단말(200)은, 경매 운영 서버(100)로부터 제공받은 사용자 인터페이스를 통해 제공받은 감정포인트를 보여주는 앱페이지 또는 웹페이지를 디스플레이한다.

매칭률 제공부(102)는, 입찰자 단말(200)로부터 감정포인트와 매칭되는 감정 이미지를 수신한다(S220).

매칭률 제공부(102)는, 입찰자 단말(200)에 경매품을 전 각도에서 볼 수 있는 360° VR(Virtual Reality) 이미지를 제공한다. 입찰자 단말(200)은, 경매 운영 서버(100)로부터 제공받은 사용자 인터페이스를 통해 경매품을 전 각도에서 볼 수 있는 360° VR(Virtual Reality) 이미지를 보여주는 앱페이지 또는 웹페이지를 디스플레이한다. 입찰자가 입찰자 단말(200)의 입력 인터페이스 장치를 통해 보고자 하는 각도를 입력하면, 입찰자 단말(200)은, 입력된 각도와 매칭되는 이미지를 디스플레이할 수 있다.

감정포인트를 제공받은 입찰자는, 360° VR(Virtual Reality) 이미지에서 감정포인트를 확인할 수 있는 각도 및 배율을 입력하고, 입찰자 단말(200)은, 360° VR(Virtual Reality) 이미지에서 입력된 각도 및 배율과 매칭되는 이미지를 추출하여 감정 이미지로 결정한다. 예를 들어, 감정포인트가 바닥면인 경우, 입찰자는 경매품의 바닥면이 보이는 각도 및 배율을 입력하여 감정 이미지를 결정할 수 있다. 예를 들어, 감정포인트가 문양인 경우, 입찰자는 경매품의 문양이 보이는 각도 및 배율을 입력하여 감정 이미지를 결정할 수 있다. 예를 들어, 감정포인트가 기형인 경우, 입찰자는 도자기의 형태가 잘 보이는 각도 및 배율을 입력하여 감정 이미지를 결정할 수 있다.

매칭률 제공부(102)는, 입찰자 단말(200)로부터 감정포인트와 매칭되는 감정 이미지를 수신한다.

매칭률 제공부(102)는, 감정 이미지를 이용해 경매품의 연도에 대한 매칭률을 결정한다(S230).

매칭률 제공부(102)는, 경매품이 경매품에 대해 미리 입력되어 매칭된 연도 및 국가와 일치할 가능성에 대한 기대치인 매칭률을 결정할 수 있다.

도 7은 도 6의 S230단계의 구체적인 과정을 도시하는 흐름도이다.

먼저, 매칭률 제공부(102)는, 품목, 국가 및 감정포인트와 매칭되는 인공신경망을 선택한다(S231).

일 실시 예에서, 품목, 국가 및 감정포인트의 조합과 매칭되는 복수의 인공신경망이 미리 학습되어 구비된다. 예를 들어, 매칭률 제공부(102)는, 도자기, 명나라, 기형과 매칭되는 인공신경망을 선택할 수 있다.

또한, 매칭률 제공부(102)는, 선택한 인공신경망에 감정포인트와 매칭되는 감정 이미지를 입력 값으로 입력하고, 인공신경망으로부터 연도와 매칭되는 매칭률을 획득할 수 있다(S232).

예를 들어, 도자기, 명나라 및 기형의 조합과 매칭되는 인공신경망이 선택되고, 입찰자 단말(200)로부터 기형에 대한 감정 이미지를 수신한 경우, 매칭률 제공부(102)는, 감정 이미지를 선택한 인공신경망에 입력 값으로 입력할 수 있다. 인공신경망은, 감정 이미지에 대해 CNN(Convolutional Neural Network)의 최종 계층에서 획득된 복수의 특징 맵을 선형적으로 연결해 특징 벡터를 생성하고, 특징 벡터를 Random Forest에 입력 값으로 입력하며, Random Forest의 출력 값으로 연도별 매칭률을 획득할 수 있다. 매칭률 제공부(102)는, 획득한 연도별 매칭률에서 경매품에 대해 미리 입력된 연도에 대한 매칭률을 선택할 수 있다. 인공신경망은, 학습용 감정 이미지에 학습용 연도를 라벨링한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, 도자기, 명나라 및 기형의 조합과 매칭되는 인공신경망의 학습인 경우, 명나라의 도자기에 대한 이미지들 중 기형이 잘 나타나는 이미지들을 선별하고, 선별된 이미지들에 연도를 라벨링하여 학습데이터를 생성할 수 있다. 인공신경망의 학습에는, CNN(Convolutional Neural Network) 및 Random Forest가 사용될 수 있다.

예를 들어, 도자기, 명나라 및 바닥면의 조합과 매칭되는 인공신경망이 선택되고, 입찰자 단말(200)로부터 바닥면에 대한 감정 이미지를 수신한 경우, 매칭률 제공부(102)는, 감정 이미지를 선택한 인공신경망에 입력 값으로 입력할 수 있다. 인공신경망은, 감정 이미지에 대해 CNN(Convolutional Neural Network)의 최종 계층에서 획득된 복수의 특징 맵을 선형적으로 연결해 특징 벡터를 생성하고, 특징 벡터를 Random Forest에 입력 값으로 입력하며, Random Forest의 출력 값으로 연도별 매칭률을 획득할 수 있다. 매칭률 제공부(102)는, 획득한 연도별 매칭률에서 경매품에 대해 미리 입력된 연도에 대한 매칭률을 선택할 수 있다. 인공신경망은, 학습용 감정 이미지에 학습용 연도를 라벨링한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, 도자기, 명나라 및 바닥면의 조합과 매칭되는 인공신경망의 학습인 경우, 명나라의 도자기에 대한 이미지들 중 바닥면이 잘 나타나는 이미지들을 선별하고, 선별된 이미지들에 연도를 라벨링하여 학습데이터를 생성할 수 있다. 인공신경망의 학습에는, CNN(Convolutional Neural Network) 및 Random Forest가 사용될 수 있다.

예를 들어, 도자기, 명나라 및 문양의 조합과 매칭되는 인공신경망이 선택되고, 입찰자 단말(200)로부터 문양에 대한 감정 이미지를 수신한 경우, 매칭률 제공부(102)는, 감정 이미지를 선택한 인공신경망에 입력 값으로 입력할 수 있다. 인공신경망은, 감정 이미지에 대해 CNN(Convolutional Neural Network)의 최종 계층에서 획득된 복수의 특징 맵을 선형적으로 연결해 특징 벡터를 생성하고, 특징 벡터를 Random Forest에 입력 값으로 입력하며, Random Forest의 출력 값으로 연도별 매칭률을 획득할 수 있다. 매칭률 제공부(102)는, 획득한 연도별 매칭률에서 경매품에 대해 미리 입력된 연도에 대한 매칭률을 선택할 수 있다. 인공신경망은, 학습용 감정 이미지에 학습용 연도를 라벨링한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, 도자기, 명나라 및 문양의 조합과 매칭되는 인공신경망의 학습인 경우, 명나라의 도자기에 대한 이미지들 중 문양이 잘 나타나는 이미지들을 선별하고, 선별된 이미지들에 연도를 라벨링하여 학습데이터를 생성할 수 있다. 인공신경망의 학습에는, CNN(Convolutional Neural Network) 및 Random Forest가 사용될 수 있다.

입찰자 단말(200)에 복수의 감정포인트가 제공된 경우, 매칭률 제공부(102)는, 복수의 감정포인트와 매칭되는 복수의 매칭률을 결정하고, 결정된 복수의 매칭률의 평균값을 최종적인 매칭률로 결정할 수 있다(S233). 예를 들어, 문양에 대한 매칭률이 0.7, 기형에 대한 매칭률이 0.6, 바닥면에 대한 매칭률이 0.8로 결정된 경우, 매칭률 제공부(102)는, 최종적인 매칭률을 0.7로 결정할 수 있다.

매칭률 제공부(102)는, 경매품에 대해 미리 입력되어 매칭된 연도 및 국가를 입찰자 단말(200)에 제공한다. 또한, 매칭률 제공부(102)는, 연도에 대해 결정된 매칭률을 입찰자 단말(200)에 제공한다.

이를 통해, 입찰자는, 제공된 매칭률을 참고하여 응찰을 진행할 수 있다.

도 8은 도 1에 따른 경매 운영 서버(100)가 입찰자 단말(200)에 예상 낙찰금액을 제공하는 과정을 도시하는 흐름도이다.

도 8을 참조하면, 예상 낙찰금액 제공부(103)는, 예상 낙찰금액을 결정한다(S310).

일 실시 예에서, 예상 낙찰금액 제공부(103)는, 경매 운영 서버(100)의 입력 인터페이스 장치를 통해 경매품의 예상 낙찰금액을 미리 입력받을 수 있다. 예상 낙찰금액 제공부(103)는, 예상 낙찰금액을 입력할 수 있는 앱페이지 또는 웹페이지를 디스플레이할 수 있다.

일 실시 예에서, 예상 낙찰금액 제공부(103)는, 품목 및 국가와 매칭되는 인공신경망을 선택할 수 있다. 일 실시 예에서, 품목 및 국가의 조합과 매칭되는 복수의 인공신경망이 미리 학습되어 구비된다. 예를 들어, 예상 낙찰금액 제공부(103)는, 도자기 및 명나라와 매칭되는 인공신경망을 선택할 수 있다. 예상 낙찰금액 제공부(103)는, 선택한 인공신경망에 품목 및 국가와 매칭되는 복수의 감정포인트와 매칭되는 복수의 감정 이미지를 입력 값으로 입력하고, 인공신경망으로부터 예상 낙찰금액을 획득할 수 있다. 예를 들어, 도자기 및 명나라의 조합과 매칭되는 인공신경망이 선택되고, 입찰자 단말(200)로부터 기형, 문양, 바닥면에 대한 복수의 감정 이미지를 수신한 경우, 예상 낙찰금액 제공부(103)는, 복수의 감정 이미지를 선택한 인공신경망에 입력 값으로 입력할 수 있다. 인공신경망은, 복수의 감정 이미지 각각으로부터 CNN(Convolutional Neural Network)의 최종 계층에서 획득된 복수의 특징 맵을 선형적으로 연결해 특징 벡터를 생성한다. 예를 들어, 인공신경망은, 기형에 대한 감정 이미지를 입력 값으로 입력하여 획득된 특징 벡터, 문양에 대한 감정 이미지를 입력 값으로 입력하여 획득된 특징 벡터, 바닥면에 대한 감정 이미지를 입력 값으로 입력하여 획득된 특징 벡터를 생성한다. 인공신경망은, 복수의 감정 이미지에 대한 복수의 특징 벡터를 Random Forest에 입력 값으로 입력하며, Random Forest의 출력 값으로 예상 낙찰금액을 획득할 수 있다. 인공신경망은, 복수의 학습용 감정 이미지에 학습용 예상 낙찰금액을 라벨링한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, 도자기 및 명나라의 조합과 매칭되는 인공신경망의 학습인 경우, 명나라의 도자기에 대한 이미지들 중 기형이 잘 나타나는 이미지, 문양이 잘 나타나는 이미지 및 바닥면에 잘 나타나는 이미지를 선별하고 선별된 복수의 이미지에 예상 낙찰금액을 라벨링하여 학습데이터를 생성할 수 있다. 인공신경망의 학습에는, CNN(Convolutional Neural Network) 및 Random Forest가 사용될 수 있다.

또한, 예상 낙찰금액 제공부(103)는, 예약 응찰한 제1 입찰자의 낙찰이력을 이용해 예상 낙찰금액을 1차적으로 보정한다(S320).

제1 입찰자는, 제1 경매품에 대한 경매가 시작되기 전 예약 응찰 신호를 경매 운영 서버(100)에 제공한 입찰자 단말(200)의 사용자를 의미한다. 제1 경매품은, 예상 낙찰금액을 산출하고 있는 대상 경매품을 의미한다.

예상 낙찰금액 제공부(103)는, 제1 입찰자가 낙찰처리 받았던 경매품 및 낙찰금액에 대한 정보인 낙찰이력을 이용해 예상 낙찰금액을 1차적으로 보정한다.

경매 운영 서버(100)의 데이터베이스에는, 입찰자의 식별정보와 낙찰이력이 미리 매칭되어 저장된다. 예를 들어, 경매 운영 서버(100)의 데이터베이스에는, 입찰자의 식별정보(예를 들어, ID)와 낙찰처리받은 제2 경매품의 품목, 연대, 국가 및 낙찰금액이 매칭되어 저장될 수 있다. 제2 경매품은, 제1 입찰자가 낙찰처리 받은 경매품을 의미한다.

예상 낙찰금액 제공부(103)는, 제1 경매품과 품목이 동일한 제2 경매품을 제3 경매품으로 선정한다.

예상 낙찰금액 제공부(103)는, 아래의 수학식 1을 이용해 제1 입찰자의 보정계수를 결정할 수 있다.

상기의 수학식 1에서, Xj는 j번째 제1 입찰자의 보정계수를 의미하고, C1은 미리 설정된 금액차 기준값을 의미하며, P1은 제1 경매품의 예상 낙찰금액을 의미하고, P3k는 k번째 제3 경매품의 낙찰금액을 의미하며, C2는 미리 설정된 연도차 기준값을 의미하고, Y1은 제1 경매품의 연도를 의미하며, Y3k는 k번째 제3 경매품의 연도를 의미하고, n은 제3 경매품의 수를 의미한다. 일 실시 예에서 C1은 제1 경매품의 예상 낙찰금액에 0.1을 곱한 값일 수 있다. 다만, 이에 한정되는 것은 아니며, C1은 제1 경매품의 예상 낙찰금액에 미리 설정된 1보다 작은 계수를 곱한 값일 수 있다. 일 실시 에에서, C2는 제1 경매품의 연도에 0.1을 곱한 값일 수 있다. 다만, 이에 한정되는 것은 아니며, C2는 제1 경매품의 연도에 미리 설정된 1보다 작은 계수를 곱한 값일 수 있다.

예상 낙찰금액 제공부(103)는, 상기의 수학식 2를 이용해 최종 보정계수를 결정할 수 있다.

TX는 최종 보정계수를 의미하고, Xj는j번째 제1 입찰자의 보정계수를 의미하며, m은 제1 입찰자의 수를 의미한다.

또한, 예상 낙찰금액 제공부(103)는, 보정된 예상 낙찰금액을 제1 입찰자의 입찰자 단말(200) 및 제2 입찰자의 입찰자 단말(200)에 제공한다(S330). 입찰자 단말(200)은, 경매 운영 서버(100)가 제공하는 사용자 인터페이스를 통해 제공받은 보정된 예상 낙찰금액을 제2 입찰자에게 제공할 수 있다. 일 실시 예에서, 제2 입찰자는, 예약 응찰 신호를 제공하지 않은 입찰자를 의미한다.

또한, 예상 낙찰금액 제공부(103)는, 비딩 추세를 이용해 경매 후반기 진입 여부를 결정하고, 경매 후반기 진입 신호를 경매 참여 신호를 제공한 입찰자 단말(200)에 제공할 수 있다.

예상 낙찰금액 제공부(103)는, 경매 후반기 진입 여부를 판단하는 시점을 종료시점으로 하는 미리 설정된 판단시간동안 수신한 응찰 신호 및 입찰자의 수를 이용해 경매 후반기 진입 여부를 결정할 수 있다.

예상 낙찰금액 제공부(103)는, 판단시간동안 응찰 신호가 수신된 시점 사이의 평균 시간간격이 미리 설정된 간격값보다 크고, 판단시간동안 응찰 신호를 제공한 입찰자의 수가 미리 설정된 인원수보다 작은 경우 경매 후반기로 진입한 것으로 판단할 수 있다. 예를 들어, 판단시간이 20초이고 미리 설정된 간격값이 2초이며, 응찰자의 수가 3명인 경우, 판단시간인 20초 동안 수신된 응찰 신호의 수신시점 사이의 평균 시간간격이 2초보다 크고 판단시간인 20초 동안 응찰 신호를 제공한 응찰자의 수가 3명보다 작은 경우 경매 후반기로 진입한 것으로 판단할 수 있다.

예상 낙찰금액 제공부(103)는, 경매 후반기로 진입한 경우, 경매 후반기 진입 신호를 경매 참여 신호를 제공한 입찰자 단말(200)에 제공할 수 있다.

다시 도 2를 참조하면, 경매 운영 서버(100)는, 응찰 인식부(104)를 포함한다.

응찰 인식부(104)는, 오프라인 경매장을 실시간으로 촬영하는 카메라와 연결된 별도의 서버(미도시)로부터 오프라인 경매장 영상을 수신할 수 있다.

응찰 인식부(104)는, 오프라인 경매장 영상에 포함되는 오프라인 경매장 이미지를 수신하고, 오프라인 경매장 이미지를 미리 학습된 인공신경망에 입력 값으로 입력하고, 인공신경망으로부터 응찰 번호를 획득한다.

일 실시예에서, 인공신경망은, 오프라인 경매장 이미지로부터 특징 벡터를 획득하고, 특징벡터를 이용해 오프라인 경매장 이미지와 대응하는 응찰 번호를 산출할 수 있다. 인공신경망은, 오프라인 경매장 이미지를 입력 값으로 입력했을 때, 오프라인 경매장 이미지에 포함된 응찰용 표지판에 대한 객체박스를 출력하고, 객체박스에 포함된 응찰용 표지판을 포함하는 이미지를 입력 값으로 입력했을 때, 이미지와 대응하는 특징벡터를 출력하도록 기계 학습된 Mask-rcnn(Mask region convolutional neural network) 모델을 포함할 수 있다. 또한, 인공신경망은 특징벡터를 입력 값으로 입력했을 때, 객체박스에 포함된 응찰용 표지판과 대응하는 응찰번호를 출력하도록 기계 학습된 XGBoost 모델 또는 Random Forest 모델을 포함할 수 있다. 인공신경망은, 오프라인 경매장 이미지에 포함된 응찰용 표지판의 영역을 사각형태로 라벨링하고, 응찰용 표지판에 쓰여진 응찰번호를 라벨링하여 생성되는 학습데이터를 이용한 기계학습을 통해 생성될 수 있다.

이를 통해, 오프라인 경매장에서 입찰자가 응찰용 표지판을 드는 경우, 미리 학습된 인공신경망을 통해 응찰용 표지판에 쓰여진 응찰번호가 획득될 수 있다. 일 실시 예에서, 오프라인 경매장을 촬영하는 카메라는, 입찰자들이 응찰용 표지판을 들었을 경우에만 응찰행위가 인식되도록 입찰자들의 정면에서 입찰자들을 촬영할 수 있다.

응찰 인식부(104)에 의해 오프라인 경매장에서의 응찰행위가 식별되면, 경매 진행부(101)는, 현재 낙찰금액(또는 시작금액)에 증강금액을 더한 값을 새로운 낙찰금액으로 결정하고, 새로운 낙찰금액 포함하도록 실시간 응찰 정보를 수정한다. 예를 들어, 실시간 응찰 정보에 "낙찰금액: 1,100,000원"이 포함되어 입찰자 단말(200)에 디스플레이 될 수 있으며, 오프라인 경매장에서의 응찰행위가 식별됨에 따라 미리 설정된 증강금액인 100,000이 증가된 "낙찰금액: 1,200,000"이 실시간 응찰 정보에 포함되어 입찰자 단말(200)에 디스플레이 될 수 있다. 또한, 경매 진행부(101)는, 새로운 낙찰금액과 응찰 인식부(104)에 의해 인식된 응찰 번호를 매칭하여 데이터베이스에 저장한다.

이를 통해, 관제자가 직접 오프라인 경매장에서의 응찰행위를 관제하여 낙찰금액을 입력하지 않고도, 자동으로 오프라인 경매장에서의 응찰행위가 실시간 경매에 반영될 수 있다.

도 9는 도 1에 따른 경매 운영 서버(100)의 하드웨어 구성을 예시적으로 나타낸 도면이다.

도 9를 참조하면, 경매 운영 서버(100)는, 적어도 하나의 프로세서(110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.

상기 적어도 하나의 동작은 전술한 경매 운영 서버(100)의 구성부들(101~104)이나 기타 기능 또는 동작 방법을 포함할 수 있다.

여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시 예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다.

예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.

또한, 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 서버(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.

서버(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.

도 10은 본 발명의 일 실시 예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다. 도 11은 도 10에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다. 도 12는 도 10에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다. 도 13은 도 10에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.

이하에서는 경매 운영 서버(100)와 단말(200) 및 기지국 사이의 통신을 지원하는 무선 통신 네트워크 시스템의 일례를 구체적으로 예를 들어 설명하며 이러한 경매 운영 서버(100)와 단말(200)은 설명의 편의상 노드나 단말로 혼용하여 지칭될 수 있다. 다음 설명에서, 제1 노드(장치)는 앵커/도너 노드 또는 앵커/도너 노드의 CU(centralized unit) 일 수 있고, 제2 노드(장치)는 앵커/도너 노드 또는 릴레이 노드의 DU(distributed unit) 일 수 있다.

무선 통신 시스템에서 무선 채널을 사용하는 노드의 일부로 기지국(base station, BS), 단말, 서버 등이 포함될 수 있다.

기지국은 단말에 무선 액세스를 제공하는 네트워크 인프라이다. 기지국은 신호가 전송될 수 있는 거리에 따라 소정의 지리적 영역으로 정의된 커버리지를 갖는다.

기지국은 "기지국"과 마찬가지로 "액세스 포인트(access point, AP)", "이노드비(enodeb, eNB)", "5 세대(5th generation, 5G) 노드", "무선 포인트(wireless point)", "송/수신 포인트(transmission/reception point, TRP)" 지칭될 수 있다.

기지국, 단말은 밀리미터 파(millimeter wave, mmWave) 대역(예: 28GHz, 30GHz, 38GHz, 60GHz)으로 무선 신호를 송수신할 수 있다. 이때, 채널 이득 향상을 위해 기지국, 단말은 빔포밍을 수행할 수 있다. 빔포밍은 송신 빔포밍 및 수신 빔포밍을 포함할 수 있다. 즉, 기지국, 단말은 송신 신호와 수신 신호에 지향성을 부여할 수 있다. 이를 위해 기지국, 단말은 빔 탐색 절차 또는 빔 관리 절차를 통해 서빙 빔을 선택할 수 있다. 그 후, 통신은 서빙 빔을 운반하는 자원과 준 동일위치(quasi co-located) 관계에 있는 자원을 사용하여 수행될 수 있다.

첫 번째 안테나 포트 및 두 번째 안테나 포트는 첫 번째 안테나 포트의 심볼이 전달되는 채널의 대규모 속성이 두 번째 안테나 포트의 심볼이 전달되는 채널에서 유추될 수 있는 경우 준 동일위치 위치에 있는 것으로 간주된다. 대규모 속성은 지연 확산, 도플러 확산, 도플러 시프트, 평균 이득, 평균 지연 및 공간 Rx 파라미터 중 하나 이상을 포함할 수 있다.

이하에서는 상술한 무선 통신 시스템에서 기지국을 예시한다. 이하에서 사용되는 "-모듈(module)", "-부(unit)"또는 "-er"라는 용어는 적어도 하나의 기능 또는 동작을 처리하는 유닛을 의미할 수 있으며, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다.

기지국은 무선 통신 인터페이스, 백홀 통신 인터페이스, 저장부(storage unit 및 컨트롤러을 포함할 수 있다.

무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스는 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.

무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스은 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스은 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.

또한, 무선 통신 인터페이스는 베이스 대역 신호를 RF(Radio Frequency) 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 베이스 대역 신호로 하향 변환한다. 이를 위해, 무선 통신 인터페이스은 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다.

하드웨어 측면에서 무선 통신 인터페이스는 디지털 유닛과 아날로그 유닛을 포함할 수 있고, 아날로그 유닛은 동작 전력, 동작 주파수 등에 따라 복수의 서브 유닛을 포함할 수 있다. 디지털 유닛은 적어도 하나의 프로세서(예를 들어, 디지털 신호 프로세서(digital signal processor, DSP))로 구현될 수 있다.

무선 통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 무선 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 무선 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.

백홀 통신 인터페이스는 네트워크 내의 다른 노드와 통신을 수행하기위한 인터페이스를 제공한다. 즉, 백홀 통신 인터페이스는 다른 노드로 전송되는 비트 스트림을 변환하고, 예를 들어, 다른 액세스 노드, 다른 기지국, 상위 노드 또는 기지국으로부터의 코어 네트워크는 물리적 신호로, 다른 노드로부터 수신된 물리적 신호를 비트 스트림으로 변환한다.

저장부는 기본 프로그램, 어플리케이션, 기지국의 동작을 위한 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다.

컨트롤러는 기지국의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 무선 통신 인터페이스 또는 백홀 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 무선 통신 인터페이스에 포함될 수 있다. 이를 위해 컨트롤러는 적어도 하나의 프로세서를 포함할 수 있다.

일 실시 예에 따르면 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 기지국을 제어할 수 있다.

다양한 실시 예에 따르면, 무선 통신 시스템의 도너 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 상기 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 상기 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 릴레이 노드로 전송하도록 구성되고; 상기 릴레이 노드로부터 상기 단말에 대한 복수의 라디오 베어러에 관한 상기 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 수신하고; 단말에 대한 데이터를 릴레이 노드로 전송할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.

다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러를 결정할 수 있다.

다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.

다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.

다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.

다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.

다양한 실시 예에 따르면, 무선 통신 시스템의 릴레이 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 도너 노드로부터, 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 수신하도록 구성되고; 단말에 대한 복수의 라디오 베어러에 관한 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 도너 노드로 전송하고; 도너 노드로부터 단말기에 대한 데이터를 수신할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.

다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정할 수 있다.

다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.

다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.

다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.

다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.

이하에서는 상술한 무선 통신 시스템에서 단말의 구성요소를 도시한다. 이하에서는 설명하는 단말의 구성요소는 무선 통신 시스템에서 지원하는 범용적인 단말의 구성요소로서 전술한 내용들에 따른 단말의 구성요소와 병합되거나 통합될 수 있고, 일부 중첩되거나 상충되는 범위에서 앞서 도면을 참조하여 설명한 내용이 우선적용되는 것으로 해석될 수 있다. 이하에서 사용되는 "-모듈", "-유닛"또는 "-er"라는 용어는 적어도 하나의 기능을 처리하는 유닛을 의미할 수 있다.

단말은 통신 인터페이스, 저장부 및 컨트롤러를 포함한다.

통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행한다. 예를 들어, 데이터 전송에서 통신 인터페이스는 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신시 통신 인터페이스는 베이스 대역 신호를 복조 및 복호화하여 수신 비트 스트림을 재구성한다. 또한, 통신 인터페이스는 베이스 대역 신호를 RF 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 기저 대역 신호로 하향 변환한다. 예를 들어, 통신 인터페이스는 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다.

또한, 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다. 하드웨어 측에서 무선 통신 인터페이스는 디지털 회로 및 아날로그 회로(예를 들어, radio frequency integrated circuit, RFIC)를 포함할 수 있다. 디지털 회로는 적어도 하나의 프로세서(예: DSP)로 구현될 수 있다. 통신 인터페이스는 복수의 RF 체인을 포함할 수 있다. 통신 인터페이스는 빔포밍을 수행할 수 있다.

통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.

저장부는 단말기의 동작을 위한 기본 프로그램, 어플리케이션, 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다. 또한, 저장부는 컨트롤러의 요청에 따라 저장된 데이터를 제공한다.

컨트롤러는 단말의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 통신 인터페이스에 포함될 수 있다. 이를 위해, 컨트롤러는 적어도 하나의 프로세서 또는 마이크로 프로세서를 포함하거나 프로세서의 일부를 재생할 수 있다. 또한, 통신 인터페이스 또는 컨트롤러의 일부를 통신 프로세서(communication processor, CP)라고 할 수 있다.

본 발명의 일 실시 예에 따르면, 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 단말을 제어할 수 있다.

이하에서는 무선 통신 시스템에서 통신 인터페이스를 예시한다.

통신 인터페이스는 인코딩 및 변조 회로, 디지털 빔포밍 회로, 복수의 전송 경로 및 아날로그 빔포밍 회로를 포함한다.

인코딩 및 변조 회로는 채널 인코딩을 수행한다. 채널 인코딩을 위해 low-density parity check(LDPC) 코드, 컨볼루션 코드 및 폴라 코드 중 적어도 하나가 사용될 수 있다. 인코딩 및 변조 회로는 성상 매핑(constellation mapping)을 수행함으로써 변조 심볼을 생성한다.

디지털 빔포밍 회로는 디지털 신호(예를 들어, 변조 심볼)에 대한 빔 형성을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 변조 심볼을 다중화한다. 빔포밍 가중치는 신호의 크기 및 문구를 변경하는데 사용될 수 있으며, "프리코딩 매트릭스(precoding matrix)"또는 "프리코더(precoder)"라고 할 수 있다. 디지털 빔포밍 회로는 디지털 빔포밍된 변조 심볼을 복수의 전송 경로로 출력한다. 이때, 다중 안테나 기술(multiple input multiple output, MIMO) 전송 방식에 따라 변조 심볼이 다중화 되거나 동일한 변조 심볼이 복수의 전송 경로에 제공될 수 있다.

복수의 전송 경로는 디지털 빔포밍된 디지털 신호를 아날로그 신호로 변환한다. 이를 위해, 복수의 전송 경로 각각은 인버스 고속 푸리에 변환(inverse fast fourier transform, IFFT) 계산 유닛, 순환 전치(cyclic prefix, CP) 삽입 유닛, DAC 및 상향 변환 유닛을 포함할 수 있다. CP 삽입 부는 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM) 방식을 위한 것으로 다른 물리 계층 방식(예: 필터 뱅크 다중 반송파(a filter bank multi-carrier): FBMC) 적용시 생략될 수 있다. 즉, 복수의 전송 경로는 디지털 빔포밍을 통해 생성된 복수의 스트림에 대해 독립적인 신호 처리 프로세스를 제공한다. 그러나, 구현에 따라 복수의 전송 경로의 일부 요소는 공통적으로 사용될 수 있다.

아날로그 빔포밍 회로는 아날로그 신호에 대한 빔포밍을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 아날로그 신호를 다중화한다. 빔포밍된 가중치는 신호의 크기와 문구를 변경하는데 사용된다. 보다 구체적으로, 복수의 전송 경로와 안테나 사이의 연결 구조에 따라, 아날로그 빔포밍 회로는 다양한 방식으로 구성될 수 있다. 예를 들어, 복수의 전송 경로 각각은 하나의 안테나 어레이에 연결될 수 있다. 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 연결될 수 있다. 또 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 적응적으로 연결될 수 있거나 2개 이상의 안테나 어레이에 연결될 수 있다.

본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.

상기에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (1)

1. 예약 응찰자의 낙찰이력을 이용한 낙찰금액 예측 기능을 포함하는 인공지능을 이용한 실시간 경매 서비스를 제공하는 경매 운영 서버로서,
   상기 서버는,
   적어도 하나의 프로세서(processor); 및
   상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
   상기 적어도 하나의 동작은,
   입찰자의 입찰자 단말로부터 예약 응찰 신호를 수신하는 동작;
   상기 입찰자 단말에 경매품에 대한 경매 시작 신호를 제공하는 동작;
   상기 입찰자 단말로부터 경매 참여 신호를 수신하고, 상기 입찰자 단말에 응찰번호를 부여하는 동작;
   상기 입찰자 단말에 현재금액을 포함하는 실시간 응찰 정보를 제공하는 동작;
   상기 입찰자 단말로부터 응찰 신호가 수신된 경우, 상기 현재금액을 미리 설정된 증강금액만큼 증가시키고, 증가된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 증가된 상기 현재금액과 상기 응찰 신호를 제공한 상기 입찰자 단말의 응찰번호를 매칭하여 저장하는 동작;
   응찰번호 및 낙찰금액이 입력된 경우, 상기 현재금액을 입력된 상기 낙찰금액으로 변경하고, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작; 및
   미리 설정된 시간동안 응찰 신호가 수신되지 않는 경우, 가장 최신에 상기 현재금액과 매칭된 상기 응찰번호를 상기 경매품에 대한 낙찰번호로 결정하는 동작을 포함하고,
   응찰번호 및 낙찰금액이 입력된 경우, 상기 현재금액을 입력된 상기 낙찰금액으로 변경하고, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작은,
   오프라인 경매장을 실시간으로 촬영하는 카메라로부터 영상을 획득하는 동작;
   상기 영상에 포함된 상기 오프라인 경매장 이미지를 미리 학습된 제1 인공신경망에 입력 값으로 입력하는 동작;
   상기 제1 인공신경망으로부터 응찰번호를 획득하는 동작; 및
   상기 현재금액에 상기 증강금액만큼 증가시킨 값을 낙찰금액으로 결정하고, 상기 현재금액을 상기 낙찰금액으로 변경하며, 변경된 상기 현재금액을 상기 실시간 응찰 정보에 포함시키며, 변경된 상기 현재금액과 입력된 응찰번호를 매칭하여 저장하는 동작을 포함하며,
   상기 제1 인공신경망은,
   상기 오프라인 경매장 이미지에 포함된 응찰용 표지판에 대한 객체박스를 설정하고 상기 객체박스에 포함된 이미지와 대응하는 특징벡터를 출력하도록 기계학습된 Mask-rcnn(Mask region convolutional neural network) 모델; 및
   상기 객체박스에 포함된 이미지와 대응하는 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 응찰번호를 출력하도록 기계학습된 Random Forest 모델을 포함하고,
   상기 적어도 하나의 동작은,
   상기 경매품과 매칭되는 감정포인트를 결정하고 결정된 상기 감정포인트를 상기 입찰자 단말에 제공하는 동작;
   상기 감정포인트와 매칭되는 감정 이미지를 상기 입찰자 단말로부터 수신하는 동작; 및
   상기 감정 이미지를 이용해 상기 경매품의 연도에 대한 매칭률을 결정하고, 결정된 상기 매칭률을 상기 입찰자 단말에 제공하는 동작을 포함하며,
   상기 감정 이미지를 이용해 상기 경매품의 연도에 대한 매칭률을 결정하고, 결정된 상기 매칭률을 상기 입찰자 단말에 제공하는 동작은,
   상기 경매품의 품목, 상기 경매품의 국가 및 상기 감정포인트와 매칭되는 미리 학습된 제2 인공신경망을 선택하는 동작;
   상기 제2 인공신경망에 상기 감정 이미지를 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 상기 경매품의 연도와 매칭되는 상기 매칭률을 획득하는 동작; 및
   상기 매칭률을 상기 입찰자 단말에 제공하는 동작을 포함하고,
   상기 제2 인공신경망은,
   상기 감정 이미지에 대한 특징벡터를 생성하도록 기계학습된 CNN(Convolutional Neural Network) 모델; 및
   상기 감정 이미지에 대한 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 상기 매칭률을 출력하도록 기계학습된 Random Forest 모델을 포함하며,
   상기 적어도 하나의 동작은,
   상기 경매품의 품목 및 상기 경매품의 국가와 매칭되는 미리 학습된 제3 인공신경망을 선택하는 동작; 및
   상기 제3 인공신경망에 상기 감정 이미지를 입력 값으로 입력하고, 상기 제3 인공신경망으로부터 예상 낙찰금액을 획득하는 동작을 포함하고,
   상기 제3 인공신경망은,
   상기 감정 이미지에 대한 특징벡터를 생성하도록 기계학습된 CNN(Convolutional Neural Network) 모델; 및
   상기 감정 이미지에 대한 특징벡터를 입력 값으로 입력받고, 입력된 특징벡터와 대응하는 상기 예상 낙찰금액을 출력하도록 기계학습된 Random Forest 모델을 포함하고,
   상기 적어도 하나의 동작은,
   데이터베이스에서 예약 응찰 신호를 제공한 입찰자와 매칭되는 낙찰이력을 검색하는 동작;
   검색된 낙찰이력을 이용해 상기 예상 낙찰금액을 보정하는 동작을 더 포함하고,
   상기 낙찰이력은,
   낙찰처리받은 경매품의 품목, 연대, 국가 및 낙찰금액을 포함하는,
   서버.