WO2021157788A1 - 사용자 빅데이터를 활용한 여행 정보 제공 시스템 - Google Patents

사용자 빅데이터를 활용한 여행 정보 제공 시스템 Download PDF

Info

Publication number
WO2021157788A1
WO2021157788A1 PCT/KR2020/008328 KR2020008328W WO2021157788A1 WO 2021157788 A1 WO2021157788 A1 WO 2021157788A1 KR 2020008328 W KR2020008328 W KR 2020008328W WO 2021157788 A1 WO2021157788 A1 WO 2021157788A1
Authority
WO
WIPO (PCT)
Prior art keywords
travel
course
big data
information
user
Prior art date
Application number
PCT/KR2020/008328
Other languages
English (en)
French (fr)
Inventor
최고야
Original Assignee
주식회사 로이쿠
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 로이쿠 filed Critical 주식회사 로이쿠
Publication of WO2021157788A1 publication Critical patent/WO2021157788A1/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
    • 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
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
    • G09B29/008—Touring maps or guides to public transport networks

Definitions

  • An embodiment of the present invention relates to a system for providing travel information using user big data.
  • Sites that provide existing travel information search services generally collect raw data existing on the web, select keywords for each information, and build a database.
  • the service is provided in the form of providing information designated by keywords to users.
  • An embodiment of the present invention utilizes user big data to create and recommend an optimal travel destination or travel course based on the organic relationship between travel destinations obtained by using big data based on the user's existing travel preparation and travel history.
  • a travel information provision system is provided.
  • a travel information providing system using user big data includes: a big data generator for generating big data based on existing online user behavior data for travel preparation and travel history; Creating a travel destination node based on the big data, identifying the degree of association between the travel destination nodes, assigning a weight to each travel destination node based on the big data, and generating a travel course based on the association and the weight travel course information generation unit; a travel course information recommendation unit that collects or receives online current user behavior for travel preparation and travel history, and extracts and recommends an optimal travel course among the travel courses based on the collected or input current user behavior data; and a popular tourist destination information visualization providing unit that visualizes and provides detailed information on the optimal travel course on a map.
  • the big data includes the existing user's travel search keywords through online, keywords related to search destinations, association between search destinations, travel preference regions, travel recommendation course search history, stay time for each travel information page, travel product purchase patterns, and It may include at least one data of the purchase price of the travel product.
  • the travel course information generating unit may include: a travel destination node generator configured to generate the travel destination node based on the travel search keyword and the search destination related keyword; a relevance determining unit for determining an organic relevance between the travel destination nodes as a travel course or travel package; a weight calculating unit for assigning a weight to each travel destination node based on the existing user age group, travel time, and country data for the travel destination node; and an optimal travel course generator configured to generate the optimal travel course by identifying a relationship between the travel destination nodes based on the degree of association and the weight.
  • the popular travel destination information visualization providing unit when a keyword related to a specific travel node of the optimal travel course is input or a specific travel node is selected, the travel destination node included in the optimal travel course corresponding to the input keyword is weighted and It can be displayed on the map by visualizing the color, size, and icon of the travel destination node according to the numerical value for the degree of association, and displaying the destination node in a manner in which the destination node is moved in the order of the numerical value for the weight.
  • the travel course information recommendation unit the current user's travel search keywords, search destination related keywords, relation between search destinations, travel preference region, travel recommendation course inquiry history, stay time for each travel information page, a user behavior analysis unit that collects or receives data of at least one of a travel product purchase pattern and a travel product purchase price and analyzes user behavior to derive the user behavior data; a user similarity group extraction unit for extracting users having similar behavior patterns and grouping them into similar groups based on the user behavior data; and a popular travel course recommendation unit that extracts a travel course preferred by the similar group and recommends it as a popular travel course.
  • a user travel course information generation unit for generating a new travel course desired by the current user in conjunction with the popular travel destination information visualization providing unit
  • the user travel course information generation unit is, a new travel course limit setting unit in which a threshold value for each item including the required time and transportation cost, an advantage point below the threshold value and a penalty point exceeding the threshold value for each item are set by the current user, respectively; and when receiving a user input connecting travel destination nodes included in different popular travel courses among travel destination nodes provided through the popular travel destination information visualization providing unit, a new travel course is created by connecting the travel destination nodes connected by the user, , calculates traffic data for the travel distance, travel time, and transportation cost for the destination node, compares the calculated traffic data with a threshold set through the new travel course limit setting unit, and the advantage point below the threshold and the threshold It may include a new temporary travel course creation unit that calculates the total points using the excess penalty points and provides the new travel course to the popular travel destination information visualization providing unit when the total points are equal to or greater
  • travel information using user big data to create and recommend an optimal travel destination or travel course based on the organic relationship between travel destinations obtained using big data based on the user's existing travel preparation and travel history
  • a provision system may be provided.
  • FIG. 1 is a schematic diagram for explaining a rough configuration relationship between a travel information providing system using user big data and a user (existing traveler and preliminary traveler) according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing the overall configuration of a system for providing travel information using user big data according to an embodiment of the present invention.
  • FIG. 3 is a block diagram illustrating a detailed configuration of a travel course information generating unit according to an embodiment of the present invention.
  • FIG. 4 is a block diagram illustrating a detailed configuration of a travel course information recommendation unit according to an embodiment of the present invention.
  • 5 and 6 are diagrams illustrating a method of providing popular travel destination information through a popular travel destination information visualization providing unit according to an embodiment of the present invention.
  • FIG. 7 is a block diagram illustrating a detailed configuration of a user travel course information generating unit according to an embodiment of the present invention.
  • FIG. 8 is a diagram illustrating a new travel course creation method using a user travel course information generator according to an embodiment of the present invention.
  • FIG. 9 is a diagram illustrating a condition and algorithm for selecting a new travel course generated through a user travel course information generating unit as a new temporary travel course according to an embodiment of the present invention.
  • FIG. 1 is a schematic diagram for explaining a rough configuration relationship between a travel information providing system using user big data according to an embodiment of the present invention and a user (existing traveler and a prospective traveler), and FIG. 2 is an embodiment of the present invention.
  • FIG. 3 is a block diagram showing a detailed configuration of a travel course information generating unit according to an embodiment of the present invention
  • FIG. 4 is an embodiment of the present invention
  • FIGS. 5 and 6 are diagrams illustrating a method of providing popular travel destination information through a popular travel destination information visualization providing unit according to an embodiment of the present invention
  • FIG. 7 is a block diagram showing a detailed configuration of a user travel course information generating unit according to an embodiment of the present invention
  • FIG. 8 is a diagram illustrating a new travel course creation method using the user travel course information generating unit according to an embodiment of the present invention
  • 9 is a diagram illustrating the conditions and algorithm for selecting a new travel course generated through the user travel course information generating unit as a new temporary travel course according to an embodiment of the present invention.
  • the travel information providing system 1000 using user big data includes a big data generation unit 100, a travel course information generation unit 200, and travel course information. It includes a recommendation unit 300 and a popular tourist destination information visualization providing unit 400 .
  • the travel information providing system 1000 using user big data according to the present embodiment may further include a user travel course information generating unit 500 .
  • the big data generating unit 100 may generate big data based on existing online user behavior data for travel preparation and travel history.
  • the big data is a travel search keyword entered by an existing online user, that is, a registered traveler who has gone on a trip, on a portal site or a specific travel site, etc.
  • Travel preference area history of searching for pre-registered recommended travel courses, time spent on each travel information page such as portal sites and specific travel sites, that is, the duration of stay on the travel information page, the traveler’s travel product purchase pattern, and travel products Data such as purchase price may be included, and these data may be comprehensively classified and analyzed and converted into a database.
  • the travel course information generation unit 200 generates a plurality of travel destination nodes based on the big data generated and accumulated through the big data generation unit 100, and identifies the degree of association between the generated travel destination nodes, and big data A weight is given to each travel destination node based on , and various travel courses can be created based on the degree of association and weight.
  • the travel course information generating unit 200 includes a travel destination node generating unit 210 , a relevance determining unit 220 , a weight calculating unit 230 , and an optimal travel course generating unit 240 as shown in FIG. 3 .
  • the node generator 210 may generate a plurality of travel destination nodes based on the travel search keyword and the search destination related keyword. That is, a popular destination node may be created based on keywords related to popular destinations that are mainly input or searched by existing users, that is, travelers. For example, when the keywords 'Gangneung Coffee Street' and 'Gangneung Ojukheon' are identified as search rankings 1 and 2 within a certain period of time, these two travel destinations may be created as travel destination nodes.
  • the relevance determining unit 220 may determine the organic relevance between travel destination nodes as a travel course or travel package. For example, 'Gangneung Coffee Street' and 'Gangneung Ojukheon' are tourist attractions within the same area called 'Gangneung' and have an organic relationship of 'region' or 'adjacent street'. In addition, with respect to travel destination nodes such as 'Goblin filming location' and 'Crash Landing on You', there is an organic relationship with the content of 'Drama filming location'.
  • the relevance determining unit 220 searches for correlations with various preset topics such as keywords for a plurality of travel destination nodes, related keywords, regions related to each keyword, concepts, travel points, and tourism contents, and the correlation is
  • the degree of relevance to a travel destination node having a relatively high relevance can be numerically determined.
  • a certain criterion is set for numerically estimating the degree of relevance for a travel destination node. For example, a high point is given to a topic that has a similarity to a specific theme or a short moving distance between travel destinations. A relatively high value can be set for the degree of relevance.
  • the weight calculator 230 may assign a weight to each travel destination node based on data of an existing user age group, travel time, and country (which country is the most visited travel destination by people) for the travel destination node. In other words, it is determined whether a specific user age group is concentrated for a travel destination node A, the number of travelers is concentrated at a specific time, or the travel destination node A belongs to a specific country (whether it is famous as a tourist country), and if this is the case, the user age group is In case of concentration, a preset weight a may be given, if the number of travelers is concentrated at a specific time, a preset weight b may be given, and in case of a specific country, a preset weight c may be given.
  • weight a 10 points for more than 1000 people, 5 points for 500 people or more from less than 1000 people, 3 points for less than 500 people, 10 points for spring and summer, autumn and winter for weight b.
  • 5 points are assigned for weight c, and for weight c, the United States can be assigned 10 points, Japan 5 points, China 3 points, etc.
  • the destination node A has 700 travelers in their 30s, spring and summer. The travel time is made in , and in the case of a Japanese person, a weight of 20 points in total of '5+10+5' points may be given to the travel destination node A.
  • weights can be assigned to each destination node. For example, a city that is consistently popular regardless of a specific period or age may have a high weight, and a city with a high previous cumulative transaction amount or number of users but a rapidly declining growth rate may be given a low weight.
  • the optimal travel course generating unit 240 may generate an optimal travel course by identifying a relationship between travel destination nodes based on the degree of association and the weight.
  • the relationship may be selected as a subject for concepts such as distance between regions and travel themes, as described above.
  • distance between regions the shorter the distance between two regions, the more similar the travel theme, the more the corresponding travel destination nodes are optimal travel courses. It is likely to be configured as
  • the travel course information recommendation unit 300 collects or receives online current user behavior for travel preparation and travel history, and extracts and recommends an optimal travel course among travel courses based on the collected or input current user behavior data can do.
  • the travel course information recommendation unit 300 may include a user behavior analysis unit 310 , a user similarity group extraction unit 320 , and a popular travel course recommendation unit 330 as shown in FIG. 4 .
  • the user behavior analysis unit 310 the current user's travel search keywords, search destination related keywords, association between search destinations, travel preference area, travel recommendation course inquiry history, and residence time for each travel information page for a certain period of time online , by collecting or receiving at least one data of a travel product purchase pattern and a travel product purchase price, and analyzing user behavior, it is possible to derive user behavior data.
  • the user behavior analysis unit 310 performs the above-mentioned data (user's travel search keywords, search destination related keywords, relevance between search destinations, travel preference area, travel recommendation course inquiry history, stay time for each travel information page, travel product purchase pattern and travel product purchase price), it is possible to identify and analyze the destination of interest, other destinations related to the destination of interest, preferred travel, what type of travel product was purchased, and at what price point the travel product was purchased. there is.
  • the user similarity group extraction unit 320 may extract users having similar behavior patterns based on user behavior data and group them into similar groups. In other words, based on information such as the destination of interest, other destinations related to the destination of interest, preferred travel, what type of travel product was purchased, and at what price point the travel product was purchased from the behavioral data of the traveler. In this way, users with a high degree of similarity can be extracted and grouped to form a similar group. Accordingly, groups having similar travel tendencies or travel patterns may be formed.
  • the popular travel course recommendation unit 330 may extract a travel course preferred by a similar group and recommend it as a popular travel course. That is, a travel course preferred by other travelers within a similar group to which the current travel planner belongs may be extracted from the database and recommended as customized travel course information. Of course, such popular travel course information is recommended as an option, but it can be skipped according to the user's selection.
  • the popular travel destination information visualization providing unit 400 may provide detailed information on an optimal travel course by visualizing it on a map.
  • the popular travel destination information visualization providing unit 400 when a keyword related to a specific travel destination node is input among the optimal travel course or a specific travel node is selected, weights the travel destination node included in the optimal travel course corresponding to the input keyword and It can be displayed on the map by visualizing the color, size, and icon of the travel destination node according to the numerical value for the relevance, but may be displayed in such a way that the travel destination node is moved in the order of the numerical value for the weight.
  • the optimal travel course or popular travel course is extracted based on the search information, and the By reflecting the weight and the degree of relevance, it can be easily identified on the map, and the corresponding information can be delivered intuitively.
  • each travel destination node is a region with a high weight and high relevance to each other is indicated by a relatively large red circle icon, and a relatively small yellow circle icon for a destination node with a relatively low weight and relevance. It is displayed so that you can intuitively know the results of the travel recommendation information.
  • the user travel course information generating unit 500 may create a new travel course desired by the current user in conjunction with the popular travel destination information visualization providing unit 400 .
  • the user travel course information generating unit 500 may include a new travel course limit setting unit 510 and a new temporary travel course generating unit 520 as shown in FIG. 7 .
  • the new travel course limit setting unit 510 the threshold for each item including the traffic distance between the travel destination nodes, the travel time and the transportation cost from the current user, the advantage point less than the threshold value for each item and the penalty point exceeding the threshold value for the current user can be set by
  • 10 km can be set as a threshold
  • the travel time can be set to 40 minutes based on public transportation
  • the transportation cost can be set to 5,000 won.
  • 10 points if the traffic distance is less than 10 km 20 points if the travel time is less than 40 minutes, and 15 points if the transportation cost is less than KRW 5,000.
  • penalty points exceeding the threshold for advantage points, -5 points when the traffic distance is 10 km or more, -15 points when the travel time is less than 40 minutes, and -10 points when the transportation cost is less than 5,000 won.
  • Advantage points may be awarded respectively.
  • the new temporary travel course creation unit 520 when receiving a user input for connecting the travel destination nodes included in different popular travel courses among the travel destination nodes provided through the popular travel destination information visualization providing unit 400, to the user A new travel course can be created by connecting destination nodes connected by However, the new temporary travel course creation unit 520 calculates traffic data for the travel distance, travel time and transportation cost for the corresponding travel destination node, and uses the calculated traffic data through the new travel course limit setting unit 510 . After comparing with the set threshold, a total point using an advantage point less than the threshold value and a penalty point exceeding the threshold value is calculated.
  • One optimal travel course or popular travel course b3, b4, b5' may be displayed on the map.
  • the travel planner wants to arbitrarily manipulate the provided travel course or change it into a desired form, that is, from b1 to a2
  • a travel destination node is dragged and a travel destination node is dragged from a3 to b4
  • the nodes connected to each other are connected by dragging, and based on the order of each travel destination node, 'b1, a2, a3, b4, b5' as shown on the right side of FIG.
  • a new travel course called ' may be created.
  • the new temporary travel course creation unit 520 does not immediately create a travel course composed of the corresponding travel destination node according to the user input, but compares and compares data based on the values set in the new travel course limit setting unit 510 . By calculating the score, it is decided whether to create it as a final new temporary travel course.
  • connection node called 'C1' is created between 'b1' and 'a2' in the travel course of 'b1, a2, a3, b4, b5', and 'a3' and '
  • a connection node called 'C2' is created between b4', and the traffic distance, travel time, and transportation cost for the connection nodes of 'C1' and 'C2' are calculated respectively, and a new travel course limit is set based on the calculated data.
  • the calculated traffic distance, travel time, and transportation cost are compared with or not exceeding the preset traffic distance threshold r1, travel time r2, and transportation cost r3.
  • the traffic distance threshold r1, travel time r2, and transportation cost r3 are exceeded or less than the preset threshold and below the threshold, each of the advantage points above and below the threshold is applied, and the sum of these points is calculated and if it exceeds 0, the corresponding connection node is established. and, if it does not exceed 0, the corresponding connection node is not established, that is, a travel course composed of travel destination nodes including a connection node that meets the established condition can be created and temporarily stored as a new temporary travel course.
  • Information on the new temporary travel course stored temporarily in this way can be shared with other users by adding a rating as review information after the expected travel return date. If it exceeds the set reference value, it is registered in the database as a new travel course and can be recommended by searching for keywords of other users.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ecology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Navigation (AREA)

Abstract

본 발명은 사용자 빅데이터를 활용한 여행 정보 제공 시스템에 관한 것으로, 해결하고자 하는 기술적 과제는 사용자의 기존 여행준비 및 여행이력에 기반을 둔 빅데이터를 활용하여 얻은 여행지 간의 유기적 연관관계를 바탕으로 최적의 여행지 또는 여행코스를 생성하여 추천하는데 있다. 일례로, 여행준비 및 여행이력에 대한 온라인 상의 기존 사용자 행동 데이터를 기반으로 빅데이터를 생성하는 빅데이터 생성부; 상기 빅데이터를 기반으로 여행지 노드를 생성하고, 상기 여행지 노드 간 연관도를 파악하고, 상기 빅데이터를 기반으로 상기 여행지 노드 별 가중치를 부여하며, 상기 연관도와 상기 가중치를 기반으로 여행코스를 생성하는 여행코스정보 생성부; 여행준비 및 여행이력에 대한 온라인 상의 현재 사용자 행동을 수집하거나 입력 받고, 수집 또는 입력된 현재 사용자 행동 데이터를 기반으로 상기 여행코스 중 최적여행코스를 추출하여 추천하는 여행코스정보 추천부; 및 상기 최적여행코스에 대한 상세정보를 지도 상에 시각화하여 제공하는 인기여행지정보 시각화 제공부를 포함하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템을 개시한다.

Description

사용자 빅데이터를 활용한 여행 정보 제공 시스템
본 발명의 실시예는 사용자 빅데이터를 활용한 여행 정보 제공 시스템에 관한 것이다.
최근 생활 수준의 향상에 따라 가족 단위, 친구 단위로 여행을 즐기는 인구가 증가하고 있으며 이에 따라 여행지 정보에 대한 수요 또한 꾸준히 증가하고 있다. 기존의 여행정보 검색 서비스를 제공하는 사이트에서는 일반적으로 웹에 존재하는 원시데이터를 수집하여 해당 정보 별로 키워드를 선정한 후 데이터베이스로 구축하고, 사용자가 찾고자 하는 정보의 일부 키워드를 입력하여 검색을 요청하면 해당 키워드로 지정되어 있는 정보를 사용자에게 제공하는 형태로 서비스를 수행하고 있다.
이러한 기존 서비스의 경우, 사용자가 입력한 키워드에 의존하여 검색을 수행하기 때문에 사용자의 특성을 정확하게 반영하지 못하고, 요구에 부합하지 않는 정보가 제공되는 경우가 많다. 또한 사용자는 자신이 관심 있어 할 새로운 여행지를 추천 받고 싶어 하지만, 기존의 서비스는 이러한 것들을 반영하고 있지 못하여, 사용자의 관심과는 무관한 여행지가 무분별하게 추천될 수 있다. 이에 따라 사용자는 자신이 원하는 여행지를 바탕으로 여행 경로를 계획하는데 불필요하게 많은 시간을 들이게 된다.
본 발명의 실시예는, 사용자의 기존 여행준비 및 여행이력에 기반을 둔 빅데이터를 활용하여 얻은 여행지 간의 유기적 연관관계를 바탕으로 최적의 여행지 또는 여행코스를 생성하여 추천하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템을 제공한다.
본 발명의 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템은, 여행준비 및 여행이력에 대한 온라인 상의 기존 사용자 행동 데이터를 기반으로 빅데이터를 생성하는 빅데이터 생성부; 상기 빅데이터를 기반으로 여행지 노드를 생성하고, 상기 여행지 노드 간 연관도를 파악하고, 상기 빅데이터를 기반으로 상기 여행지 노드 별 가중치를 부여하며, 상기 연관도와 상기 가중치를 기반으로 여행코스를 생성하는 여행코스정보 생성부; 여행준비 및 여행이력에 대한 온라인 상의 현재 사용자 행동을 수집하거나 입력 받고, 수집 또는 입력된 현재 사용자 행동 데이터를 기반으로 상기 여행코스 중 최적여행코스를 추출하여 추천하는 여행코스정보 추천부; 및 상기 최적여행코스에 대한 상세정보를 지도 상에 시각화하여 제공하는 인기여행지정보 시각화 제공부를 포함한다.
또한, 상기 빅데이터는, 온라인을 통한 기존 사용자의 여행 검색 키워드, 검색 여행지 연관 키워드, 검색 여행지 간 연관도, 여행 선호 지역, 여행추천코스 조회 이력, 여행정보페이지 별 체류시간, 여행상품 구매패턴 및 여행상품 구매가격 중 적어도 하나의 데이터를 포함할 수 있다.
또한, 상기 여행코스정보 생성부는, 상기 여행 검색 키워드와 상기 검색 여행지 연관 키워드를 기반으로 상기 여행지 노드를 생성하는 여행지 노드 생성부; 상기 여행지 노드 간에 여행코스 또는 여행패키지로서 유기적 연관도를 파악하는 연관도 파악부; 상기 여행지 노드에 대한 기존 사용자 연령대, 여행 시기 및 국가 데이터를 기반으로 상기 여행지 노드 별 가중치를 부여하는 가중치 연산부; 및 상기 연관도 및 상기 가중치를 기반으로 상기 여행지 노드 간의 연관관계를 파악하여 상기 최적여행코스를 생성하는 최적여행코스 생성부를 포함할 수 있다.
또한, 상기 인기여행지정보 시각화 제공부는, 상기 최적여행코스 중 특정 여행지 노드와 관련된 키워드가 입력되거나 특정 여행 노드가 선택되면, 입력된 키워드에 해당하는 최적여행코스에 포함되어 있는 여행지 노드를 상기 가중치 및 상기 연관도에 대한 수치에 따른 상기 여행지 노드의 색상, 사이즈, 아이콘으로 시각화하여 지도 상에 표시하되, 상기 가중치에 대한 수치가 높은 순서대로 상기 여행지 노드가 이동되는 방식으로 표시할 수 있다.
또한, 상기 여행코스정보 추천부는, 온라인을 통해 일정 기간 동안 현재 사용자의 여행 검색 키워드, 검색 여행지 연관 키워드, 검색 여행지 간 연관도, 여행 선호 지역, 여행추천코스 조회 이력, 여행정보페이지 별 체류시간, 여행상품 구매패턴 및 여행상품 구매가격 중 적어도 하나의 데이터를 수집하거나 입력 받아 사용자 행동을 분석하여 상기 사용자 행동 데이터를 도출하는 사용자 행동 분석부; 상기 사용자 행동 데이터를 기반으로 서로 유사한 행동 패턴을 갖는 사용자를 추출하여 유사집단으로 그룹화하는 사용자 유사집단 추출부; 및 상기 유사집단이 선호하는 여행코스를 추출하여 인기여행코스로 추천하는 인기여행코스 추천부를 포함할 수 있다.
또한, 상기 인기여행지정보 시각화 제공부와 연동하여 현재 사용자가 원하는 신규 여행코스 생성하기 위한 사용자 여행코스정보 생성부를 더 포함하고, 상기 사용자 여행코스정보 생성부는, 현재 사용자로부터 여행지 노드 간 교통거리, 이동소요시간 및 교통비용을 포함하는 항목 별 임계치, 각 항목 별 임계치 미만 어드밴티지 포인트와 임계치 초과 패널티 포인트가 각각 현재 사용자에 의해 설정되는 신규 여행코스 제한치 설정부; 및 상기 인기여행지정보 시각화 제공부를 통해 제공되는 여행지 노드 중 서로 다른 인기여행코스에 포함된 여행지 노드를 서로 연결하는 사용자 입력을 받을 경우, 사용자에 의해 연결되는 여행지 노드 간을 이어 새로운 여행코스를 생성하되, 해당 여행지 노드에 대하여 교통거리, 이동소요시간 및 교통비용에 대한 교통 데이터를 산출하고, 산출된 교통 데이터를 상기 신규 여행코스 제한치 설정부를 통해 설정된 임계치와 비교한 후 상기 임계치 미만 어드밴티지 포인트와 상기 임계치 초과 패널티 포인트를 이용한 토탈 포인트를 산출하여 상기 토탈 포인트가 제로 포인트 이상인 경우 새로운 여행코스를 생성하여 상기 인기여행지정보 시각화 제공부로 제공하는 신규 임시여행코스 생성부를 포함할 수 있다.
본 발명에 따르면, 사용자의 기존 여행준비 및 여행이력에 기반을 둔 빅데이터를 활용하여 얻은 여행지 간의 유기적 연관관계를 바탕으로 최적의 여행지 또는 여행코스를 생성하여 추천하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템과 사용자(기존 여행자와 예비 여행자) 간의 대략적 구성 관계를 설명하기 위한 개요도이다.
도 2는 본 발명의 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템의 전체 구성을 나타낸 블록도이다.
도 3은 본 발명의 실시예에 따른 여행코스정보 생성부의 상세 구성을 나타낸 블록도이다.
도 4는 본 발명의 실시예에 따른 여행코스정보 추천부의 상세 구성을 나타낸 블록도이다.
도 5 및 도 6은 본 발명의 실시예에 따른 인기여행지정보 시각화 제공부를 통한 인기여행지정보 제공방식을 설명하기 위해 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 사용자 여행코스정보 생성부의 상세 구성을 나타낸 블록도이다.
도 8은 본 발명의 실시예에 따른 사용자 여행코스정보 생성부를 이용한 신규 여행코스 생성 방식을 설명하기 위해 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 사용자 여행코스정보 생성부를 통해 생성된 신규 여행코스가 신규 임시여행코스로 선정되기 위한 조건과 알고리즘을 설명하기 위해 나타낸 도면이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템과 사용자(기존 여행자와 예비 여행자) 간의 대략적 구성 관계를 설명하기 위한 개요도이고, 도 2는 본 발명의 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템의 전체 구성을 나타낸 블록도이고, 도 3은 본 발명의 실시예에 따른 여행코스정보 생성부의 상세 구성을 나타낸 블록도이고, 도 4는 본 발명의 실시예에 따른 여행코스정보 추천부의 상세 구성을 나타낸 블록도이고, 도 5 및 도 6은 본 발명의 실시예에 따른 인기여행지정보 시각화 제공부를 통한 인기여행지정보 제공방식을 설명하기 위해 나타낸 도면이고, 도 7은 본 발명의 실시예에 따른 사용자 여행코스정보 생성부의 상세 구성을 나타낸 블록도이고, 도 8은 본 발명의 실시예에 따른 사용자 여행코스정보 생성부를 이용한 신규 여행코스 생성 방식을 설명하기 위해 나타낸 도면이며, 도 9는 본 발명의 실시예에 따른 사용자 여행코스정보 생성부를 통해 생성된 신규 여행코스가 신규 임시여행코스로 선정되기 위한 조건과 알고리즘을 설명하기 위해 나타낸 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템(1000)은 빅데이터 생성부(100), 여행코스정보 생성부(200), 여행코스정보 추천부(300) 및 인기여행지 정보 시각화 제공부(400)를 포함한다. 더불어, 본 실시예에 따른 사용자 빅데이터를 활용한 여행 정보 제공 시스템(1000)은 사용자 여행코스정보 생성부(500)를 더 포함하여 구성될 수도 있다.
상기 빅데이터 생성부(100)는, 여행준비 및 여행이력에 대한 온라인 상의 기존 사용자 행동 데이터를 기반으로 빅데이터를 생성할 수 있다.
본 실시예에서 빅데이터는, 온라인을 통한 기존 사용자 즉, 여행을 다녀온 등록된 여행자가 포털 사이트나 특정 여행 사이트 등에서 입력한 여행 검색 키워드, 검색 여행지 연관 키워드 등과, 검색된 여행지들 간의 연관도, 여행자들의 여행 선호 지역, 기 등록된 여행추천코스를 조회한 이력, 포털 사이트, 특정 여행 사이트 등의 여행정보페이지 별로 해당 페이지를 실행한 시간 즉 여행정보페이지 체류시간, 여행자의 여행상품 구매패턴, 그리고 여행상품 구매가격 등과 같은 데이터를 포함할 수 있으며, 이러한 데이터들을 종합적으로 분류, 분석하여 데이터베이스화될 수 있다.
상기 여행코스정보 생성부(200)는, 빅데이터 생성부(100)를 통해 생성 및 축적된 빅데이터를 기반으로 다수의 여행지 노드를 생성하고, 생성된 여행지 노드 간 연관도를 파악하고, 빅데이터를 기반으로 여행지 노드 별 가중치를 부여하며, 연관도와 가중치를 기반으로 다양한 여행코스를 생성할 수 있다.
이를 위해, 여행코스정보 생성부(200)는 도 3에 도시된 바와 같이 여행지 노드 생성부(210), 연관도 파악부(220), 가중치 연산부(230) 및 최적여행코스 생성부(240)를 포함할 수 있다.
상기 노드 생성부(210)는, 여행 검색 키워드와 검색 여행지 연관 키워드를 기반으로 다수의 여행지 노드를 생성할 수 있다. 즉, 기존 사용자 즉 여행자들이 주로 입력하거나 검색하는 인기 여행지 관련 키워드들을 기반으로 인기 여행지 노드를 생성할 수 있다. 예를 들어, '강릉 커피거리', '강릉 오죽헌'이라는 키워드가 일정 기간 내에 검색 순위 1, 2로 파악된 경우, 이 두 여행지를 여행지 노드로서 생성할 수 있다.
상기 연관도 파악부(220)는, 여행지 노드 간에 여행코스 또는 여행패키지로서 유기적 연관도를 파악할 수 있다. 예를 들어, '강릉 커피거리', '강릉 오죽헌'은 '강릉'이라는 동일 지역 내의 관광명소로서 '지역' 또는 '인접거리'라는 유기적 연관도를 갖고 있다. 또한, '도깨비 촬영지', '사랑의 불시착 촬영지'라는 여행지 노드에 대해서는 '드라마 촬영지'라는 컨텐츠를 갖는 유기적 연관도를 갖고 있다. 이와 같이, 연관도 파악부(220)는 다수의 여행지 노드에 대한 키워드, 연관 키워드, 각 키워드와 관련된 지역, 컨셉, 여행포인트, 관광 콘텐츠 등 미리 설정된 다양한 주제로 상호 간의 연관성을 찾고, 상호 연관성이 있으며, 그 연관성이 상대적으로 높은 여행지 노드에 대한 연관도를 수치적으로 책정할 수 있다. 여기서, 여행지 노드에 대한 연관도를 수치적으로 책정한다는 것은 일정 기준이 설정되어 있는데, 가령, 여행지 간 이동 거리가 짧거나, 특정 테마에 대한 공통점이 있는 주제에 대하여 높은 포인트를 부여해 해당 연관성이 있는 연관도에 대해서는 상대적으로 높은 수치를 책정할 수 있다.
상기 가중치 연산부(230)는, 여행지 노드에 대한 기존 사용자 연령대, 여행 시기 및 국가(어느 나라 사람이 가장 많이 찾는 여행지인지) 데이터를 기반으로 여행지 노드 별 가중치를 부여할 수 있다. 즉, 여행지 노드 A에 대하여 특정 사용자 연령대가 집중되거나, 특정 시기에 여행자 수가 집중되거나, 해당 여행지 노드 A가 특정 국가(관광국가로 유명한지)에 속하는 등을 파악하고, 이에 해당할 경우 사용자 연령대가 집중될 경우 미리 설정된 가중치 a를 부여하고, 특정 시기에 여행자 수가 집중될 경우 미리 설정된 가중치 b를 부여하고, 특정 국가에 해당될 경우 미리 설정된 가중치 c를 부여할 수 있다.
예를 들어, 가중치 a에 대해서는 1000명 이상은 10점, 1000명 미만에서 500명 이상은 5점, 500명 미만은 3점이 책정되고, 가중치 b에 대해서는 봄, 여름에 대해서는 10점, 가을, 겨울에 대해서는 5점이 책정되며, 가중치 c에 대해서는 미국이 10점, 일본이 5점, 중국이 3점 등으로 책정될 수 있으며, 이를 기반으로 여행지 노드 A가 30대 여행자가 700명이고, 봄, 여름에 여행 시기가 이루어지며, 일본인 경우 '5+10+5'점으로 총 20점의 가중치가 여행지 노드 A에 대하여 부여될 수 있다.
한편, 본 실시예에서의 가중치와 관련하여, 상술한 연령대, 여행시기, 국가 뿐만 아니라, 동행자 수, 동행자 유형(가족단위 또는 혼자 등), 평균 결제금액, 누적 결제금액, 평균 이용일 수, 재방문횟수, 예정 이벤트(올림픽, 세계적인 대회, 축제, 컨퍼런스 등), 누적 이용객수, 등록일, 성장률 등을 기반으로 여행지 노드 별 가중치를 부여할 수 있다. 예를 들어, 특정 시기나 연령에 상관없이 꾸준히 인기가 많은 도시의 가중치는 높으며, 이전 누적 거래액이나 이용객수는 높았지만 성장률이 급격히 떨어지는 도시의 가중치는 낮게 부여될 수 있다.
상기 최적여행코스 생성부(240)는, 연관도 및 상기 가중치를 기반으로 여행지 노드 간의 연관관계를 파악하여 최적여행코스를 생성할 수 있다. 이때 연관관계는 상술한 바와 같이, 지역 간 거리, 여행 테마 등의 컨셉을 주제로 선정될 수 있으며, 지역 간 거리의 경우 두 지역 간 거리가 짧을수록 여행 테마가 유사할수록 해당 여행지 노드들이 최적여행코스로서 구성될 가능성이 높을 수 있다.
상기 여행코스정보 추천부(300)는, 여행준비 및 여행이력에 대한 온라인 상의 현재 사용자 행동을 수집하거나 입력 받고, 수집 또는 입력된 현재 사용자 행동 데이터를 기반으로 여행코스 중 최적여행코스를 추출하여 추천할 수 있다.
이를 위해, 여행코스정보 추천부(300)는 도 4에 도시된 바와 같이 사용자 행동 분석부(310), 사용자 유사집단 추출부(320) 및 인기여행코스 추천부(330)를 포함할 수 있다.
상기 사용자 행동 분석부(310)는, 온라인을 통해 일정 기간 동안 현재 사용자의 여행 검색 키워드, 검색 여행지 연관 키워드, 검색 여행지 간 연관도, 여행 선호 지역, 여행추천코스 조회 이력, 여행정보페이지 별 체류시간, 여행상품 구매패턴 및 여행상품 구매가격 중 적어도 하나의 데이터를 수집하거나 입력 받아 사용자 행동을 분석하여 사용자 행동 데이터를 도출할 수 있다. 사용자 행동 분석부(310)는 상술한 데이터(사용자의 여행 검색 키워드, 검색 여행지 연관 키워드, 검색 여행지 간 연관도, 여행 선호 지역, 여행추천코스 조회 이력, 여행정보페이지 별 체류시간, 여행상품 구매패턴 및 여행상품 구매가격)를 기반으로 관심 여행지, 해당 관심 여행지와 관련된 다른 여행지, 선호했던 여행, 어떠한 방식의 여행상품을 구매했고, 어느 정도의 가격대에 여행상품을 구매했는지 등을 파악하고 분석할 수 있다.
상기 사용자 유사집단 추출부(320)는, 사용자 행동 데이터를 기반으로 서로 유사한 행동 패턴을 갖는 사용자를 추출하여 유사집단으로 그룹화할 수 있다. 즉, 여행 예정자의 행동 데이터에서 알 수 있는 관심 여행지, 해당 관심 여행지와 관련된 다른 여행지, 선호했던 여행, 어떠한 방식의 여행상품을 구매했고, 어느 정도의 가격대에 여행상품을 구매했는지 등의 정보를 기반으로 이들과 유사도가 높은 사용자들을 추출하고 그룹화하여 유사집단을 형성할 수 있다. 이에 따라, 여행 성향이나 여행패턴이 유사한 그룹이 형성될 수 있다.
상기 인기여행코스 추천부(330)는, 유사집단이 선호하는 여행코스를 추출하여 인기여행코스로 추천할 수 있다. 즉, 현재 여행 예정자가 속하는 유사집단 내에 다른 여행자들이 선호하는 여행코스를 데이터베이스에서 추출하여 맞춤형 여행코스정보로서 추천할 수 있다. 물론, 이러한 인기여행코스정보는 옵션 사항으로 추천되나, 사용자의 선택에 따라 스킵할 수 있다.
상기 인기여행지 정보 시각화 제공부(400)는, 최적여행코스에 대한 상세정보를 지도 상에 시각화하여 제공할 수 있다.
상기 인기여행지 정보 시각화 제공부(400)는, 최적여행코스 중 특정 여행지 노드와 관련된 키워드가 입력되거나 특정 여행 노드가 선택되면, 입력된 키워드에 해당하는 최적여행코스에 포함되어 있는 여행지 노드를 가중치 및 연관도에 대한 수치에 따른 여행지 노드의 색상, 사이즈, 아이콘으로 시각화하여 지도 상에 표시하되, 가중치에 대한 수치가 높은 순서대로 상기 여행지 노드가 이동되는 방식으로 표시할 수 있다.
즉, 여행 예정자가 특정 지역이나 테마에 대한 키워드로 검색을 하면, 해당 검색 정보를 기반으로 최적여행코스 또는 인기여행코스를 추출하고, 추출된 최적여행코스 또는 인기여행코스에 포함된 여행지 노드에 대한 가중치와 연관도를 반영하여 이를 지도 상에서 식별이 용이하게 표시하여 해당 정보를 직관적으로 전달할 수 있다.
예를 들어, 여행 예정자가 '제주도'라는 키워드로 검색을 하면, 도 5에 도시된 바와 같이 제주도를 나타내는 지도 상에 가중치와 연관도를 기반으로 하는 다양한 여행지 노드를 표시하게 되는데, 각각의 여행지 노드는 가중치가 높게 책정된 지역이면서 연관도가 서로 높은 여행지 노드들은 상대적으로 큰 크기의 붉은색 동그라미 아이콘으로 표시하고, 가중치와 연관도가 상대적으로 낮은 여행지 노드들에 대해서는 상대적으로 작은 크기의 노란색 동그라미 아이콘으로 표시하여 여행 추천 정보에 대한 결과를 직관적으로 알 수 있도록 표시한다.
상기 사용자 여행코스정보 생성부(500)는 인기여행지정보 시각화 제공부(400)와 연동하여 현재 사용자가 원하는 신규 여행코스 생성할 수 있다.
이를 위해, 사용자 여행코스정보 생성부(500)는 도 7에 도시된 바와 같이 신규 여행코스 제한치 설정부(510) 및 신규 임시여행코스 생성부(520)를 포함할 수 있다.
상기 신규 여행코스 제한치 설정부(510)는, 현재 사용자로부터 여행지 노드 간 교통거리, 이동소요시간 및 교통비용을 포함하는 항목 별 임계치, 각 항목 별 임계치 미만 어드밴티지 포인트와 임계치 초과 패널티 포인트가 각각 현재 사용자에 의해 설정될 수 있다.
예를 들어, 여행지 노드 간 교통거리에 대해서는 10km를 임계치로 설정할 수 있고, 이동소요시간은 대중교통을 기준으로 40분으로 설정할 수 있고, 교통비용은 5천원으로 설정할 수 있다. 이때, 임계치 미만 어드밴티지 포인트에 대해서는 교통거리가 10km 미만일 경우 10점, 이동소요시간이 40분 미만일 경우 20점, 교통비용이 5천원 미만일 경우 15점의 서로 다른 임계치 미만 어드밴티지 포인트가 각각 부여될 수 있으며, 임계치 초과 패널티 포인트에 대해서는 임계치 미만 어드밴티지 포인트에 대해서는 교통거리가 10km 이상일 경우 -5점, 이동소요시간이 40분 미만일 경우 -15점, 교통비용이 5천원 미만일 경우 -10점의 서로 다른 임계치 초과 어드밴티지 포인트가 각각 부여될 수 있다.
상기 신규 임시여행코스 생성부(520)는, 인기여행지정보 시각화 제공부(400)를 통해 제공되는 여행지 노드 중 서로 다른 인기여행코스에 포함된 여행지 노드를 서로 연결하는 사용자 입력을 받을 경우, 사용자에 의해 연결되는 여행지 노드 간을 이어 새로운 여행코스를 생성할 수 있다. 다만, 신규 임시여행코스 생성부(520)는 해당 여행지 노드에 대하여 교통거리, 이동소요시간 및 교통비용에 대한 교통 데이터를 산출하고, 산출된 교통 데이터를 신규 여행코스 제한치 설정부(510)를 통해 설정된 임계치와 비교한 후 임계치 미만 어드밴티지 포인트와 임계치 초과 패널티 포인트를 이용한 토탈 포인트를 산출하여 토탈 포인트가 제로 포인트 이상인 경우 새로운 여행코스를 생성하여 인기여행지정보 시각화 제공부(400)로 제공할 수 있다.
예를 들어, 여행 예정자가 특정 지역에 대한 여행지 키워드를 검색한 결과 도 8의 좌측과 같이 'a1, a2, a3, a4, a5'라는 하나의 최적여행코스 또는 인기여행코스와 'b1, b2, b3, b4, b5'라는 하나의 최적여행코스 또는 인기여행코스가 지도 상에서 표시될 수 있는데, 이때 여행 예정자가 이렇게 제공되는 여행코스를 임의로 조작하거나 원하는 형태로 변경하고자 할 경우, 즉 b1에서 a2로 여행지 노드를 드래그하고, a3에서 b4로 여행지 노드를 드래그하면, 드래그에 의해 서로 연결된 노드들이 연결되면서, 각 여행지 노드의 순서를 기반으로 도 8의 우측과 같이 'b1, a2, a3, b4, b5'라는 새로운 여행코스가 가 생성될 수 있다.
이때, 신규 임시여행코스 생성부(520)는 이러한 사용자 입력에 따라 즉시 해당 여행지 노드로 구성된 여행코스를 생성하는 것이 아니라, 신규 여행코스 제한치 설정부(510)에서 설정된 값들을 기반으로 데이터를 비교 및 점수를 산출하여 최종 신규 임시여행코스로서 생성할지를 결정하게 된다.
예를 들어, 도 9에 도시된 바와 같이, 'b1, a2, a3, b4, b5'의 여행코스 중 'b1'과 'a2' 간에는 'C1'이라는 연결 노드가 생성되고, 'a3'와 'b4' 간에는 'C2'이라는 연결 노드가 생성되는데, 이러한 'C1'과 'C2'의 연결 노드에 대한 교통거리, 이동소요시간, 교통비를 각각 산출하고, 산출된 데이터를 기반으로 신규 여행코스 제한치 설정부(510)를 통해 설정된 임계치와 비교한 후, 해당 임계치를 초과하는지 또는 그 미만인지에 대한 상황을 판단한 후 최종 토탈 포인트로 최종 신규 임시여행코스로서 생성할지 여부를 결정하게 된다.
좀 더 구체적으로, 'C1' 연결 노드의 경우 산출된 교통거리, 이동소요시간, 교통비용을 미리 설정된 교통거리 임계치 r1, 이동소요시간 r2, 교통비용 r3를 초과하는지 초과하지 않는지를 비교한 후, 교통거리 임계치 r1, 이동소요시간 r2, 교통비용 r3에 대한 초과, 미만 여부에 따라 미리 설정된 임계치 초과 어드밴티지 포인트와 임계치 미만 어드밴티지 포인트를 각각 적용한 후 이들의 합을 구하여 0 초과하는 경우 해당 연결 노드는 성립되고, 0을 초과하지 않는 경우 해당 연결 노드는 성립되지 않으며, 성립된 즉 조건에 부합되는 연결 노드를 포함하는 여행지 노드로 구성된 여행 코스를 신규 임시여행코스로서 생성하여 임시 저장할 수 있다. 이렇게 임시 저장된 신규 임시여행코스에 대한 정보는 여행복귀예정일 이후에 후기 정보로서 평점을 부가하여 다른 사용자들과 공유할 수 있으며, 다른 사용자들이 이러한 신규 임시여행코스를 이용한 후 재 후기 점수와 이용자 수가 미리 설정된 기준치 이상일 경우 새로운 여행코스로서 데이터베이스에 등록되어 다른 사용자의 키워드 등의 검색에 의해 추천될 수 있다.
이상에서 설명한 것은 본 발명에 의한 사용자 빅데이터를 활용한 여행 정보 제공 시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.

Claims (5)

  1. 여행준비 및 여행이력에 대한 온라인 상의 기존 사용자 행동 데이터를 기반으로 빅데이터를 생성하는 빅데이터 생성부;
    상기 빅데이터를 기반으로 여행지 노드를 생성하고, 상기 여행지 노드 간 연관도를 파악하고, 상기 빅데이터를 기반으로 상기 여행지 노드 별 가중치를 부여하며, 상기 연관도와 상기 가중치를 기반으로 여행코스를 생성하는 여행코스정보 생성부;
    여행준비 및 여행이력에 대한 온라인 상의 현재 사용자 행동을 수집하거나 입력 받고, 수집 또는 입력된 현재 사용자 행동 데이터를 기반으로 상기 여행코스 중 최적여행코스를 추출하여 추천하는 여행코스정보 추천부; 및
    상기 최적여행코스에 대한 상세정보를 지도 상에 시각화하여 제공하는 인기여행지정보 시각화 제공부를 포함하는 것을 특징으로 하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템.
  2. 제1 항에 있어서,
    상기 빅데이터는,
    온라인을 통한 기존 사용자의 여행 검색 키워드, 검색 여행지 연관 키워드, 검색 여행지 간 연관도, 여행 선호 지역, 여행추천코스 조회 이력, 여행정보페이지 별 체류시간, 여행상품 구매패턴 및 여행상품 구매가격 중 적어도 하나의 데이터를 포함하는 것을 특징으로 하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템.
  3. 제2 항에 있어서,
    상기 여행코스정보 생성부는,
    상기 여행 검색 키워드와 상기 검색 여행지 연관 키워드를 기반으로 상기 여행지 노드를 생성하는 여행지 노드 생성부;
    상기 여행지 노드 간에 여행코스 또는 여행패키지로서 유기적 연관도를 파악하는 연관도 파악부;
    상기 여행지 노드에 대한 기존 사용자 연령대, 여행 시기 및 국가 데이터를 기반으로 상기 여행지 노드 별 가중치를 부여하는 가중치 연산부; 및
    상기 연관도 및 상기 가중치를 기반으로 상기 여행지 노드 간의 연관관계를 파악하여 상기 최적여행코스를 생성하는 최적여행코스 생성부를 포함하는 것을 특징으로 하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템.
  4. 제3 항에 있어서,
    상기 인기여행지정보 시각화 제공부는,
    상기 최적여행코스 중 특정 여행지 노드와 관련된 키워드가 입력되거나 특정 여행 노드가 선택되면, 입력된 키워드에 해당하는 최적여행코스에 포함되어 있는 여행지 노드를 상기 가중치 및 상기 연관도에 대한 수치에 따른 상기 여행지 노드의 색상, 사이즈, 아이콘으로 시각화하여 지도 상에 표시하되, 상기 가중치에 대한 수치가 높은 순서대로 상기 여행지 노드가 이동되는 방식으로 표시하는 것을 특징으로 하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템.
  5. 제2 항에 있어서,
    상기 여행코스정보 추천부는,
    온라인을 통해 일정 기간 동안 현재 사용자의 여행 검색 키워드, 검색 여행지 연관 키워드, 검색 여행지 간 연관도, 여행 선호 지역, 여행추천코스 조회 이력, 여행정보페이지 별 체류시간, 여행상품 구매패턴 및 여행상품 구매가격 중 적어도 하나의 데이터를 수집하거나 입력 받아 사용자 행동을 분석하여 상기 사용자 행동 데이터를 도출하는 사용자 행동 분석부;
    상기 사용자 행동 데이터를 기반으로 서로 유사한 행동 패턴을 갖는 사용자를 추출하여 유사집단으로 그룹화하는 사용자 유사집단 추출부; 및
    상기 유사집단이 선호하는 여행코스를 추출하여 인기여행코스로 추천하는 인기여행코스 추천부를 포함하는 것을 특징으로 하는 사용자 빅데이터를 활용한 여행 정보 제공 시스템.
PCT/KR2020/008328 2020-02-04 2020-06-26 사용자 빅데이터를 활용한 여행 정보 제공 시스템 WO2021157788A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200012920A KR102370988B1 (ko) 2020-02-04 2020-02-04 사용자 빅데이터를 활용한 여행 정보 제공 시스템
KR10-2020-0012920 2020-02-04

Publications (1)

Publication Number Publication Date
WO2021157788A1 true WO2021157788A1 (ko) 2021-08-12

Family

ID=77200039

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/008328 WO2021157788A1 (ko) 2020-02-04 2020-06-26 사용자 빅데이터를 활용한 여행 정보 제공 시스템

Country Status (2)

Country Link
KR (1) KR102370988B1 (ko)
WO (1) WO2021157788A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102507077B1 (ko) * 2022-01-26 2023-03-07 웨이즈플랜 유한회사 여행 일정 검색 및 관리 방법 및 이를 이용하는 장치
KR102627950B1 (ko) * 2022-09-08 2024-01-23 유한회사 컬러랩제주 지역 추천 시스템 및 이를 이용한 지역 추천 방법
KR20240079295A (ko) 2022-11-28 2024-06-05 주식회사 플레이스엠 사용자 빅데이터를 활용한 여행 정보 제공 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000072090A (ko) * 2000-07-26 2000-12-05 임동일 통합형 문화여행정보 시스템
KR20160047121A (ko) * 2014-10-22 2016-05-02 투어로리 주식회사 여행 스케쥴 제공 시스템 및 방법
JP2016139263A (ja) * 2015-01-27 2016-08-04 株式会社日立システムズ 旅行システム
KR101724211B1 (ko) * 2015-11-30 2017-04-06 제주대학교 산학협력단 스마트 관광서비스 제공시스템 및 방법
KR101871747B1 (ko) * 2017-04-07 2018-06-27 주식회사 화성 유사성향 기반 사용자-관광상품 추천 방법 및 시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628108B1 (ko) 2014-09-05 2016-06-21 동국대학교 산학협력단 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법
KR20170030380A (ko) * 2015-09-09 2017-03-17 네이버비즈니스플랫폼 주식회사 지도를 이용한 여행 코스 설계 방법 및 시스템
KR20170136760A (ko) 2016-06-02 2017-12-12 주식회사 이음데이터 공공데이터와 공개응용프로그램 인터페이스 지도를 활용한 소셜네트워크서비스 기반 맞춤형 관광투어맵 시스템 및 그 운용방법
KR101801335B1 (ko) * 2016-10-21 2017-11-27 경희대학교 산학협력단 기상 및 기후 요소를 고려한 관광매력도 제공 장치 및 제공 방법
KR102061579B1 (ko) * 2019-05-24 2020-02-11 곽지우 경로 추천 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000072090A (ko) * 2000-07-26 2000-12-05 임동일 통합형 문화여행정보 시스템
KR20160047121A (ko) * 2014-10-22 2016-05-02 투어로리 주식회사 여행 스케쥴 제공 시스템 및 방법
JP2016139263A (ja) * 2015-01-27 2016-08-04 株式会社日立システムズ 旅行システム
KR101724211B1 (ko) * 2015-11-30 2017-04-06 제주대학교 산학협력단 스마트 관광서비스 제공시스템 및 방법
KR101871747B1 (ko) * 2017-04-07 2018-06-27 주식회사 화성 유사성향 기반 사용자-관광상품 추천 방법 및 시스템

Also Published As

Publication number Publication date
KR20210099275A (ko) 2021-08-12
KR102370988B1 (ko) 2022-03-10

Similar Documents

Publication Publication Date Title
WO2021157788A1 (ko) 사용자 빅데이터를 활용한 여행 정보 제공 시스템
Qiu et al. Clustering passenger trip data for the potential passenger investigation and line design of customized commuter bus
CN108829852A (zh) 一种个性化旅游路线推荐方法
Thebault-Spieker et al. Toward a geographic understanding of the sharing economy: Systemic biases in UberX and TaskRabbit
Heinen et al. The same mode again? An exploration of mode choice variability in Great Britain using the National Travel Survey
Zheng et al. Mining interesting locations and travel sequences from GPS trajectories
CN104471351B (zh) 路径检索装置及路径检索方法
CN106887146B (zh) 导向标识系统的信息处理方法与导向标识系统
CN111177572A (zh) 一种基于用户动态兴趣的个性化旅游路线推荐方法
CN106605247A (zh) 信息处理系统、信息处理方法、信息处理装置及信息处理程序
Veillette et al. Does one bicycle facility type fit all? Evaluating the stated usage of different types of bicycle facilities among cyclists in Quebec City, Canada
Liu et al. A passenger-to-driver matching model for commuter carpooling: Case study and sensitivity analysis
Xue et al. Identifying tourists from public transport commuters
KR20220068339A (ko) 안면인식 기술을 이용한 여행객 행동특성 데이타 생성 방법
CN109063923A (zh) 一种基于经济成本的旅游路线规划方法
Bi et al. Bicycle safety outside the crosswalks: Investigating cyclists' risky street-crossing behavior and its relationship with built environment
Panagiotakis et al. The Tourist Trip Design Problem with POI Categories via an Expectation-Maximization Based Method.
CN110390144B (zh) 导向标识布设信息的确定方法、装置、设备及存储介质
CN107798424A (zh) 基于大数据的出游智能处理系统
Rodrigues et al. Hybrid context-aware multimodal routing
CN113175940B (zh) 数据处理方法、装置、设备和存储介质
CN113688274B (zh) 骑行路线生成方法、装置、设备及存储介质
Bao et al. Understanding children's cycling route selection through spatial trajectory data mining
JP2012203501A (ja) ユーザ嗜好推定システム
Korzun et al. Exhibition area digitalization using IoT sensorios and application to smart tourism services

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20917338

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20917338

Country of ref document: EP

Kind code of ref document: A1