KR101860457B1 - Method for analyzing weather affect and apparatus for executing the method - Google Patents
Method for analyzing weather affect and apparatus for executing the method Download PDFInfo
- Publication number
- KR101860457B1 KR101860457B1 KR1020170051143A KR20170051143A KR101860457B1 KR 101860457 B1 KR101860457 B1 KR 101860457B1 KR 1020170051143 A KR1020170051143 A KR 1020170051143A KR 20170051143 A KR20170051143 A KR 20170051143A KR 101860457 B1 KR101860457 B1 KR 101860457B1
- Authority
- KR
- South Korea
- Prior art keywords
- customer
- information
- weather
- value
- forecasting
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G06F17/5009—
-
- 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"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명의 실시예는 기상 영향 분석 및 예측 기술에 관한 것이다.Embodiments of the present invention are directed to meteorological impact analysis and prediction techniques.
사업자 또는 기업들은 자신들이 판매하는 상품(또는 서비스 등)의 매출 증대를 위한 노력을 하고 있다. 상품 들 중 일부 상품(예를 들어, 의류, 에어컨 등)의 매출은 날씨에 민감하게 반응하므로, 날씨에 따른 상품의 매출량 등을 예측하기 위한 방안이 요구된다.Businesses or companies are making efforts to increase sales of the products (or services, etc.) they sell. Since sales of some products (for example, clothes, air conditioners, etc.) are sensitive to the weather, measures are required to predict the sales amount of the products according to the weather.
본 발명의 실시예는 날씨에 따른 고객 예측 대상의 임계 지점을 검출하고 해당 날짜를 예측하기 위한 새로운 기법을 제공하기 위한 것이다.An embodiment of the present invention is to provide a new technique for detecting a critical point of a customer forecasting object according to weather and predicting a corresponding date.
개시되는 일 실시예에 따른 기상 영향 분석 장치는, 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 수집하는 데이터 수집 모듈; 상기 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출하고, 상기 산출한 고객 예측 대상의 동향 곡선에서 상기 고객 예측 대상과 관련된 적어도 하나의 임계 지점을 검출하는 고객 예측 대상 동향 산출 모듈; 및 상기 과거 일정 기간 동안의 기상 요소 정보 및 상기 검출한 임계 지점을 기반으로 상기 정보 수집 이후의 상기 고객 예측 대상의 임계 날짜를 예측하는 날짜 예측 모듈을 포함한다.The apparatus for analyzing a vapor phase effect according to an embodiment of the present invention includes a data collection module for collecting customer prediction target related information and weather element information during a past period of time; A trend forecast curve of a customer forecasting object based on a weather element is calculated based on the customer forecasting target related information and the weather element information and at least one critical point related to the customer forecasting target is calculated from the calculated trend curve of the customer forecasting target A customer forecasting target trend calculating module; And a date prediction module for predicting a critical date of the customer forecasting object after the information collection based on the weather element information for the past period and the detected critical point.
상기 고객 예측 대상 동향 산출 모듈은, 하기의 수학식 1에 의해 상기 고객 예측 대상의 동향 곡선을 산출할 수 있다.The customer forecasting trend calculation module can calculate the trend curve of the customer forecasting object by the following equation (1).
(수학식 1)(1)
f1(x) = x(x는 기상 요소 값) f 1 (x) = x (x is the weather element value)
f2(x) = x2 f 2 (x) = x 2
f3(x) = x3 f 3 (x) = x 3
β0 내지 β5는 가중치 값으로, β0 내지 β5를 요소로 하는 가중치 벡터(B)는 
X : 기상 요소 정보의 매트릭스X: Matrix of weather element information
Y : 고객 예측 대상 관련 정보의 벡터Y: vector of customer-forecasted relevant information
T : 전이 행렬T: transition matrix
n : 고객 예측 대상 관련 정보의 총 개수n: total number of customer forecasted related information
상기 고객 예측 대상 동향 산출 모듈은, 상기 수학식 1을 1차 미분하여 얻은 2개의 극소값 중 어느 하나를 선택하여 상기 고객 예측 대상의 시작점으로 검출할 수 있다.The customer forecasting trend calculation module may select any one of the two minimum values obtained by first differentiating the equation (1) as the starting point of the customer forecasting target.
상기 고객 예측 대상 동향 산출 모듈은, 상기 기상 요소 정보의 각 기상 요소 값을 정규화시키고, 상기 고객 예측 대상 관련 정보의 최대값 및 상기 기상 요소 정보의 정규화 값을 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출할 수 있다.Wherein the customer forecasting trend calculation module is configured to normalize each vapor element value of the meteorological element information and calculate one of the two minimum values based on the maximum value of the customer forecasting target related information and the normalization value of the meteorological element information As the starting point of the customer prediction target.
상기 고객 예측 대상 동향 산출 모듈은, 상기 고객 예측 대상 관련 정보의 최대값에 대응하는 기상 요소 값의 정규화 값과 기상 요소 정규화의 기 설정된 기준값을 비교하여 상기 고객 예측 대상에 대응하는 계절 정보를 확인하고, 상기 고객 예측 대상에 대응하는 계절 정보를 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출할 수 있다.The customer forecasting trend calculation module compares the normalization value of the weather element value corresponding to the maximum value of the customer forecasting object related information with the predetermined reference value of the weather element normalization to check the season information corresponding to the customer forecasting object , It is possible to detect any one of the two minimum values as the starting point of the customer forecasting object based on the season information corresponding to the customer forecasting object.
상기 고객 예측 대상 동향 산출 모듈은, 상기 수학식 1을 2차 미분하여 얻은 변곡점을 상기 고객 예측 대상의 상승 시작점으로 검출하며, 상기 변곡점은, 상기 수학식 1을 1차 미분하여 얻은 2개의 극소값 사이의 변곡점일 수 있다.Wherein the customer forecasting trend calculation module detects an inflection point obtained by second differentiating the equation (1) as a rising start point of the customer forecasting object, and the inflection point is a difference between two minimum values obtained by first differentiating the equation .
상기 날짜 예측 모듈은, 상기 과거 일정 기간 동안의 기상 요소 정보를 기반으로 상기 정보 수집 이후의 미래 일정 기간 동안의 날짜별 기상 요소 값을 예측하고, 상기 예측된 날짜별 기상 요소 값을 기반으로 기상 요소 예측 곡선을 산출하며, 상기 기상 요소 예측 곡선에서 상기 임계 지점에 대응하는 기상 요소 값을 확인하며, 해당 기상 요소 값과 대응되는 날짜를 상기 고객 예측 대상의 임계 날짜로 예측할 수 있다.The date prediction module estimates a weather element value for each day for a predetermined period after the information collection based on the weather element information for the past predetermined period, And predicts a weather element value corresponding to the critical point in the meteorological element prediction curve and predicts a date corresponding to the meteorological element value as a critical date of the customer forecast target.
상기 기상 영향 분석 장치는, 상기 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기 설정된 복수 개의 변수들이 상기 고객 예측 대상에 미치는 영향을 분석하는 영향력 분석 모듈을 더 포함할 수 있다.The meteorological impact analysis apparatus may further include an influence analysis module for analyzing an effect of the plurality of predetermined parameters based on the customer prediction target related information and the weather element information for the past predetermined period on the customer forecast object have.
개시되는 일 실시예에 따른 기상 영향 분석 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 수집하는 단계; 상기 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출하는 단계; 상기 산출한 고객 예측 대상의 동향 곡선에서 상기 고객 예측 대상과 관련된 적어도 하나의 임계 지점을 검출하는 단계; 및 상기 과거 일정 기간 동안의 기상 요소 정보 및 상기 검출한 임계 지점을 기반으로 상기 정보 수집 이후의 상기 고객 예측 대상의 임계 날짜를 예측하는 단계를 포함한다.A method of performing a weather effect analysis according to an embodiment disclosed is a method performed in a computing device having one or more processors and a memory for storing one or more programs executed by the one or more processors, Collecting the customer prediction target related information and the weather element information of the customer prediction target; Calculating a trend curve of a customer forecasting object according to a weather element based on the customer forecasting related information and the weather element information; Detecting at least one critical point related to the customer forecasting object from the calculated customer forecasting trend curve; And predicting a critical date of the customer forecasting object after the information collection based on the weather element information for the past period and the detected critical point.
상기 고객 예측 대상의 동향 곡선을 산출하는 단계는, 하기의 수학식 1에 의해 상기 고객 예측 대상의 동향 곡선을 산출할 수 있다.The step of calculating the trend curve of the customer forecast target can calculate the trend curve of the customer forecast target by the following equation (1).
(수학식 1)(1)
f1(x) = x(x는 기상 요소 값) f 1 (x) = x (x is the weather element value)
f2(x) = x2 f 2 (x) = x 2
f3(x) = x3 f 3 (x) = x 3
β0 내지 β5는 가중치 값으로, β0 내지 β5를 요소로 하는 가중치 벡터(B)는 
, 
X : 기상 요소 정보의 매트릭스X: Matrix of weather element information
Y : 고객 예측 대상 관련 정보의 벡터Y: vector of customer-forecasted relevant information
T : 전이 행렬T: transition matrix
n : 고객 예측 대상 관련 정보의 총 개수n: total number of customer forecasted related information
상기 임계 지점을 검출하는 단계는, 상기 수학식 1을 1차 미분하여 얻은 2개의 극소값 중 어느 하나를 선택하여 상기 고객 예측 대상의 시작점으로 검출할 수 있다.The step of detecting the critical point may select any one of the two minimum values obtained by first-differentiating the equation (1) as the starting point of the customer prediction target.
상기 고객 예측 대상의 시작점으로 검출하는 단계는, 상기 기상 요소 정보의 각 기상 요소 값을 정규화시키는 단계; 및 상기 고객 예측 대상 관련 정보의 최대값 및 상기 기상 요소 정보의 정규화 값을 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출하는 단계를 포함할 수 있다.Wherein the step of detecting as the start point of the customer prediction target includes: normalizing each value of the meteorological element of the meteorological element information; And detecting one of the two minimum values as a start point of the customer forecasting object based on the maximum value of the customer forecasting object related information and the normalization value of the weather element information.
상기 고객 예측 대상의 시작점으로 검출하는 단계는, 상기 고객 예측 대상 관련 정보의 최대값에 대응하는 기상 요소 값의 정규화 값과 기상 요소 정규화의 기 설정된 기준값을 비교하여 상기 고객 예측 대상에 대응하는 계절 정보를 확인하는 단계; 및 상기 고객 예측 대상에 대응하는 계절 정보를 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출하는 단계를 포함할 수 있다.The step of detecting the start point of the customer predicted object may include comparing a normalized value of a weather element value corresponding to a maximum value of the customer predicted object related information with a preset reference value of a weather element normalization, ; And detecting any one of the two minimum values as a starting point of the customer forecasting object based on the season information corresponding to the customer forecasting object.
상기 임계 지점을 검출하는 단계는, 상기 수학식 1을 2차 미분하여 얻은 변곡점을 상기 고객 예측 대상의 상승 시작점으로 검출하는 단계를 더 포함하고, 상기 변곡점은, 상기 수학식 1을 1차 미분하여 얻은 2개의 극소값 사이의 변곡점일 수 있다.The step of detecting the critical point may further include the step of detecting an inflection point obtained by second differentiating the equation (1) as a rising starting point of the customer prediction target, wherein the inflection point is obtained by first differentiating the equation And may be an inflection point between two obtained minimum values.
상기 고객 예측 대상의 임계 날짜를 예측하는 단계는, 상기 과거 일정 기간 동안의 기상 요소 정보를 기반으로 상기 정보 수집 이후의 미래 일정 기간 동안의 날짜별 기상 요소 값을 예측하는 단계; 상기 예측된 날짜별 기상 요소 값을 기반으로 기상 요소 예측 곡선을 산출하는 단계; 상기 기상 요소 예측 곡선에서 상기 임계 지점에 대응하는 기상 요소 값을 확인하는 단계; 및 해당 기상 요소 값과 대응되는 날짜를 상기 고객 예측 대상의 임계 날짜로 예측하는 단계를 포함할 수 있다.The step of predicting the critical date of the customer forecasting step comprises the steps of: predicting the value of the meteorological element by date for the future period after the information collection based on the meteorological element information for the past predetermined period; Calculating a meteorological element prediction curve based on the predicted meteorological element value for each day; Confirming a meteorological element value corresponding to the critical point in the meteorological element prediction curve; And predicting a date corresponding to the corresponding weather element value as a critical date of the customer forecast target.
상기 기상 영향 분석 방법은, 상기 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기 설정된 복수 개의 변수들이 상기 고객 예측 대상에 미치는 영향을 분석하는 단계를 더 포함할 수 있다.The meteorological impact analysis method may further include analyzing an influence of a plurality of predetermined parameters based on the customer prediction target related information and the meteorological factor information for the past predetermined period on the customer prediction target.
개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 수집하기 위한 명령; 상기 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출하기 위한 명령; 상기 산출한 고객 예측 대상의 동향 곡선에서 상기 고객 예측 대상과 관련된 적어도 하나의 임계 지점을 검출하기 위한 명령; 및 상기 과거 일정 기간 동안의 기상 요소 정보 및 상기 검출한 임계 지점을 기반으로 상기 정보 수집 이후의 상기 고객 예측 대상의 임계 날짜를 예측하기 위한 명령을 포함한다.A computing device according to one disclosed embodiment includes: one or more processors; Memory; And one or more programs, wherein the one or more programs are stored in the memory and are configured to be executed by the one or more processors, wherein the one or more programs include at least one of: Instructions for collecting information; A command for calculating a trend curve of a customer forecasting object based on a weather element on the basis of the customer forecasting related information and the weather element information; A step of detecting at least one critical point related to the customer forecasting object in the calculated customer forecasting trend curve; And instructions for predicting the critical date of the customer forecasting object after the information collection based on the meteorological element information for the past predetermined period and the detected critical point.
개시되는 실시예에 의하면, 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 기반으로 고객 예측 대상 동향 곡선을 산출하고, 고객 예측 대상 동향 곡선에서 고객 예측 대상의 임계 지점을 산출함으로써, 향후 고객 예측 대상의 임계 지점에 대응하는 날짜를 예측할 수 있으며, 그로 인해 해당 고객이 판매 전략을 용이하게 세울 수 있게 된다. 즉, 소정 상품의 매출 시작일 및 매출 상승 시작일 등을 미리 예측함으로써, 다양한 프로모션이 가능하고 판매 기회를 확대하여 매출은 높이면서 재고는 감소시킬 수 있게 된다.According to the disclosed embodiment, the customer forecasting trend curve is calculated based on the customer forecasting target related information and the weather element information for the past period, and the critical point of the customer forecasting target is calculated from the customer forecasting target trend curve, The date corresponding to the critical point of the customer prediction target can be predicted, thereby enabling the customer to easily set up the sales strategy. In other words, by predicting the sales start date and the sales start date of a predetermined product in advance, various promotions can be made and sales opportunities can be increased, thereby increasing sales and reducing inventory.
도 1은 본 발명의 일 실시예에 따른 기상 영향 분석 시스템의 구성을 나타낸 도면
도 2는 본 발명의 일 실시예에 따른 기상 영향 분석 장치(106)의 구성을 나타낸 블록도
도 3은 본 발명의 일 실시예에 따른 고객 예측 대상의 동향 곡선에서 임계 지점들을 나타낸 도면
도 4는 본 발명의 일 실시예에 따른 각 변수들이 고객 예측 대상에 미치는 영향을 나타낸 그래프
도 5는 본 발명의 일 실시예에 따른 각 변수들 중 긍적적 변수 및 부정적 변수를 나타낸 그래프
도 6은 본 발명의 일 실시예에 따른 기상 영향 분석 방법을 설명하기 위한 흐름도
도 7은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도1 is a diagram showing a configuration of a vapor phase effect analysis system according to an embodiment of the present invention;
2 is a block diagram showing a configuration of a vapor
FIG. 3 is a view showing critical points in a trend curve of a customer forecasting object according to an embodiment of the present invention; FIG.
4 is a graph showing the effect of each variable on a customer forecasting object according to an embodiment of the present invention
FIG. 5 is a graph showing positive and negative variables among the variables according to an embodiment of the present invention; FIG.
6 is a flowchart for explaining a weather effect analysis method according to an embodiment of the present invention.
7 is a block diagram illustrating and illustrating a computing environment including a computing device suitable for use in the exemplary embodiments.
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.Hereinafter, specific embodiments of the present invention will be described with reference to the drawings. The following detailed description is provided to provide a comprehensive understanding of the methods, apparatus, and / or systems described herein. However, this is merely an example and the present invention is not limited thereto.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail. The following terms are defined in consideration of the functions of the present invention, and may be changed according to the intention or custom of the user, the operator, and the like. Therefore, the definition should be based on the contents throughout this specification. The terms used in the detailed description are intended only to describe embodiments of the invention and should in no way be limiting. Unless specifically stated otherwise, the singular form of a term includes plural forms of meaning. In this description, the expressions " comprising " or " comprising " are intended to indicate certain features, numbers, steps, operations, elements, parts or combinations thereof, Should not be construed to preclude the presence or possibility of other features, numbers, steps, operations, elements, portions or combinations thereof.
이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다. In the following description, terms such as " transmission ", " transmission ", " transmission ", " reception ", and the like, of a signal or information refer not only to the direct transmission of signals or information from one component to another But also through other components. In particular, "transmitting" or "transmitting" a signal or information to an element is indicative of the final destination of the signal or information and not a direct destination. This is the same for " reception " of a signal or information. Also, in this specification, the fact that two or more pieces of data or information are " related " means that when one piece of data (or information) is acquired, at least a part of the other data (or information) can be obtained based thereon.
또한, 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.Also, the terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms may be used for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
도 1은 본 발명의 일 실시예에 따른 기상 영향 분석 시스템의 구성을 나타낸 도면이다. 1 is a diagram illustrating a configuration of a vapor phase effect analysis system according to an embodiment of the present invention.
도 1을 참조하면, 기상 영향 분석 시스템(100)은 고객 단말기(102), 기상 관련 서버(104), 및 기상 영향 분석 장치(106)를 포함할 수 있다. 고객 단말기(102) 및 기상 관련 서버(104)는 통신 네트워크(150)를 통해 기상 영향 분석 장치(106)와 통신 가능하게 연결된다. Referring to FIG. 1, the weather-
몇몇 실시예들에서, 통신 네트워크(150)는 인터넷, 하나 이상의 로컬 영역 네트워크(local area networks), 광역 네트워크(wire area networks), 셀룰러 네트워크, 모바일 네트워크, 그 밖에 다른 종류의 네트워크들, 또는 이러한 네트워크들의 조합을 포함할 수 있다.In some embodiments, the
고객 단말기(102)는 기상 영향 분석 시스템(100)이 제공하는 서비스를 제공받고자 하는 고객의 단말기일 수 있다. 예를 들어, 고객 단말기(102)는 개인 사업자 또는 기업이 사용하는 단말기일 수 있다. 고객 단말기(102)는 기상 영향 분석 장치(106)에 접속하여 과거 일정 기간 동안의 고객 예측 대상 관련 정보를 전송할 수 있다. 여기서, 고객 예측 대상 관련 정보는 해당 고객이 기상 영향 분석 시스템(100)을 통해 예측하고자 하는 대상(예를 들어, 해당 고객이 판매하는 상품 또는 해당 고객의 서비스 업에 대한 매출량, 서비스 제공 건수, 사고 발생 건수, 불평 건수, 반품 건수 등)에 대한 정보를 의미할 수 있다.The
예시적인 실시예에서, 소정 고객이 기상 영향 분석 시스템(100)을 통해 자신이 판매하는 상품에 대한 미래의 매출량을 예측하고자 하는 경우, 고객 단말기(102)를 통해 과거 일정 기간 동안(예를 들어, 과거 1년 내지 과거 3년 등)의 해당 상품의 매출량에 대한 정보를 고객 예측 대상 관련 정보로 하여 기상 영향 분석 장치(106)로 전송할 수 있다. In the exemplary embodiment, when a predetermined customer intends to predict the future sales amount of the product sold by himself / herself through the weather-
기상 관련 서버(104)는 과거 일정 기간 동안의 기상 요소(예를 들어, 기온, 습도, 강수, 풍속, 강설 등)에 대한 정보를 기상 영향 분석 장치(106)로 전송할 수 있다. 예시적인 실시예에서, 기상 관련 서버(104)는 기상 영향 분석 장치(106)의 요청에 따라 과거 일정 기간 동안의 기상 요소 정보를 기상 영향 분석 장치(106)로 전송할 수 있다. 기상 관련 서버(104)는 기상청에서 운영하는 서버일 수도 있고, 그 이외에 기상 정보를 서비스하는 업체에서 운영하는 서버일 수도 있다. The weather related
기상 영향 분석 장치(106)는 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 기반으로 각 기상 요소에 따른 고객 예측 대상(예를 들어, 해당 고객이 판매하는 상품 또는 해당 고객의 서비스 업에 대한 매출 량, 서비스 제공 건수, 사고 발생 건수, 불평 건수, 반품 건수 등)을 예측할 수 있다. 또한, 기상 영향 분석 장치(106)는 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 기반으로 기 설정된 변수들이 고객 예측 대상에 미치는 영향을 분석할 수 있다. 기상 영향 분석 장치(106)의 구성 및 동작에 대한 자세한 설명은 도 2를 참조하여 후술하기로 한다. The meteorological
도 2는 본 발명의 일 실시예에 따른 기상 영향 분석 장치(106)의 구성을 나타낸 블록도이다. 도 2를 참조하면, 기상 영향 분석 장치(106)는 데이터 수집 모듈(111), 데이터 전처리 모듈(113), 고객 예측 대상 동향 산출 모듈(115), 날짜 예측 모듈(117), 및 영향력 분석 모듈(119)을 포함할 수 있다. FIG. 2 is a block diagram showing a configuration of a vapor phase
본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적 및 구조적 결합을 의미할 수 있다. 예건대, 상기 "모듈"은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아니다.As used herein, a module may mean a functional and structural combination of hardware for carrying out the technical idea of the present invention and software for driving the hardware. For example, the " module " may refer to a logical unit of a predetermined code and a hardware resource for executing the predetermined code, and it does not necessarily mean a physically connected code or a kind of hardware .
데이터 수집 모듈(111)은 고객 단말기(102)로부터 과거 일정 기간 동안의 고객 예측 대상 관련 정보를 수집할 수 있다. 이때, 데이터 수집 모듈(111)은 최소 1년 이상 기간의 고객 예측 대상 관련 정보를 수집할 수 있다. 예시적인 실시예에서, 데이터 수집 모듈(111)은 고객 단말기(102)로부터 해당 고객이 판매하는 상품에 대한 과거 1년 이상 기간의 매출량, 사고 발생 건수, 반품 건수 등을 포함하는 고객 예측 대상 관련 정보를 수집할 수 있다. 이하에서는, 고객 예측 대상 관련 정보가 소정 상품에 대한 매출량인 것을 일 실시예로 하여 설명하기로 한다.The
데이터 수집 모듈(111)은 기상 관련 서버(104)로부터 과거 일정 기간 동안의 기상 요소 정보를 수집할 수 있다. 데이터 수집 모듈(111)은 상기 수집한 고객 예측 대상 관련 정보와 대응되는 과거 일정 기간 동안의 기상 요소 정보를 수집할 수 있다. 여기서는, 기상 관련 서버(104)로부터 기상 요소 정보를 수집하는 것으로 설명하였으나, 이에 한정되는 것은 아니며 기상 영향 분석 장치(106)와 연계된 데이터베이스(미도시)로부터 과거 일정 기간 동안의 기상 요소 정보를 추출할 수도 있다. The
데이터 전처리 모듈(113)은 데이터 수집 모듈(111)이 수집한 기상 요소 정보 및 고객 예측 대상 관련 정보를 매칭하여 저장할 수 있다. 구체적으로, 데이터 전처리 모듈(113)은 과거 일정 기간 동안의 각 날짜의 고객 예측 대상 관련 정보(예를 들어, 해당 상품의 매출량)와 기상 요소 정보(예를 들어, 기온 등)를 매칭시켜 저장할 수 있다. The
고객 예측 대상 동향 산출 모듈(115)은 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출할 수 있다. 예시적인 실시예에서, 고객 예측 대상 동향 산출 모듈(115)은 하기의 수학식 1의 관계식에 의해 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출할 수 있다. The customer forecasting
(수학식 1)(1)
여기서, f1(x) = x(x는 기상 요소 값), f2(x) = x2, f3(x) = x3를 나타낸다. Here, f 1 (x) = x (x is the wake-up factor value), f 2 (x) = x 2 , and f 3 (x) = x 3 .
ε1 및 ε2는 과거 일정 기간 동안의 기상 요소 정보들의 값을 기반으로 설정될 수 있다. 예를 들어, ε1은 과거 일정 기간 동안의 전체 기상 요소 값들의 범위 중에서 1/3에 해당하는 값으로 설정될 수 있다. ε2은 과거 일정 기간 동안의 전체 기상 요소 값들의 범위 중에서 2/3에 해당하는 값으로 설정될 수 있다.ε 1 And [epsilon] 2 may be set based on values of weather element information for a certain period of time. For example, ε 1 can be set to a value corresponding to 1/3 of the range of total meteorological element values for a certain period of time. ε 2 can be set to a value corresponding to 2/3 of the range of the total meteorological element values for a certain period of time.
그리고, β0 내지 β5는 일종의 가중치 값으로서, β0 내지 β5를 요소로 하는 가중치 벡터(B)는 다음과 같은 선형 회귀법에 의해 구할 수 있다. 
즉, 
수학식 1에서 x는 기상 요소의 값으로, 예를 들어, 기상 요소가 온도인 경우 온도 값이 되고, 기상 요소가 습도인 경우 습도 값이 되며, 기상 요소가 강수인 경우 강수량이 될 수 있다. 수학식 1에 의하면, 각 기상 요소에 따른 고객 예측 대상의 동향 곡선을 3차 다항식으로 표현할 수 있으므로, 각 기상 요소에 따른 고객 예측 대상의 동향을 용이하게 파악할 수 있게 된다. 이하에서는 수학식 1을 기상 요소에 따른 고객 예측 대상 동향 관계식이라 지칭할 수 있다. In Equation (1), x is a value of a weather element, for example, a temperature value when the weather element is temperature, a humidity value when the weather element is humidity, and a precipitation amount when the weather element is precipitation. According to Equation (1), since the trend curve of the customer predicted object according to each meteorological element can be expressed by the third degree polynomial, the trend of the customer predicted object according to each weather element can be easily grasped. Hereinafter, Equation (1) can be referred to as a customer forecasting trend relationship formula according to a weather element.
고객 예측 대상 동향 산출 모듈(115)은 고객 예측 대상의 동향 곡선을 기반으로 고객 예측 대상의 시작점 및 고객 예측 대상의 상승 시작점 등과 같은 고객 예측 대상과 관련된 임계 지점들을 검출할 수 있다. 이에 대해 도 3을 참조하여 상세히 설명하기로 한다.Based on the trend curve of the customer forecast target, the customer forecast target
도 3은 본 발명의 일 실시예에 따른 고객 예측 대상의 동향 곡선에서 임계 지점들을 나타낸 도면이다. 여기서는 기상 요소가 기온인 것으로 하고, 고객 예측 대상이 소정 상품의 매출량인 것으로 하였다. 기상 요소(즉, 기온)는 x축으로 하고, 고객 예측 대상(즉, 매출량)은 y축으로 하였다. 도 3에서 파란색 점들은 수집된 각 매출량 및 기온 정보를 의미한다.FIG. 3 is a view showing critical points in a trend curve of a customer forecasting object according to an embodiment of the present invention. Here, it is assumed that the meteorological element is the temperature, and the forecasted customer is the sales amount of the predetermined product. The meteorological element (i.e., temperature) is defined as the x-axis, and the customer prediction target (i.e., sales volume) is defined as the y-axis. In FIG. 3, blue dots mean the collected sales amount and temperature information.
도 3을 참조하면, 고객 예측 대상 동향 산출 모듈(115)은 기상 요소에 따른 고객 예측 대상의 동향 곡선(즉, 기상 요소에 따른 고객 예측 대상 동향 관계식에 의한 곡선)(S)을 1차 미분하여 얻은 극소값을 통해 고객 예측 대상의 시작점(즉, 해당 상품의 매출량이 시작되는 기온)을 검출할 수 있다. 여기서, 기상 요소에 따른 고객 예측 대상 동향 관계식은 3차식이므로 이를 1차 미분하면 2개의 극소값(m1, m2)을 얻게 된다. 도 3에서, 극소값(m1)에 대응하는 기온은 - 5.4℃이고, 극소값(m2)에 대응하는 기온은 19.7℃이다. 이때, 2개의 극소값 중 어떤 극소값을 고객 예측 대상의 시작점으로 결정할지를 선택하여야 한다. Referring to FIG. 3, the customer forecasting
고객 예측 대상 동향 산출 모듈(115)은 수집한 고객 예측 대상 관련 정보의 최대값(즉, 매출량의 최대값)과 수집한 기상 요소 정보의 정규화 값(즉, 기온의 정규화 값)을 기반으로 2개의 극소값(m1, m2) 중 어떤 극소값을 고객 예측 대상의 시작점으로 결정할지를 선택할 수 있다. Based on the collected maximum value of the customer forecasting related information (i.e., the maximum value of the sales amount) and the normalized value (i.e., the normalized value of the temperature) of the collected weather element information, the customer forecasted
고객 예측 대상 동향 산출 모듈(115)은 하기의 수학식 2를 통해 수집한 기상 요소들의 값을 정규화시킬 수 있다. 수학식 2에 의하면, 수집된 기상 요소들의 값을 -1 에서 1의 범위로 정규화시킬 수 있게 된다.The customer forecasting
(수학식 2)(2)
기상 요소의 정규화 값 = 
여기서, x는 해당 기상 요소의 값을 나타내고, 
고객 예측 대상 동향 산출 모듈(115)은 수집한 고객 예측 대상 관련 정보의 최대값(즉, 매출량의 최대값)에 대응하는 기상 요소의 정규화 값(즉, 기온의 정규화 값)과 기상 요소 정규화의 기준값(여기서, 기상 요소 정규화 값은 -1 에서 1의 범위를 가지므로 그 기준값은 0)을 비교하여 고객 예측 대상에 대응하는 계절 정보를 확인할 수 있다. The customer forecasting
예시적인 실시예에서, 고객 예측 대상이 소정 상품의 매출량이고, 기상 요소가 기온인 경우, 고객 예측 대상 동향 산출 모듈(115)은 수집한 매출량의 최대값에 대응하는 기온의 정규화 값이 기준값(즉, 0) 보다 큰 경우, 해당 상품이 여름 상품인 것으로 판단할 수 있다. 또한, 고객 예측 대상 동향 산출 모듈(115)은 수집한 매출량의 최대값에 대응하는 기온의 정규화 값이 기준값 보다 작은 경우, 해당 상품이 겨울 상품인 것으로 판단할 수 있다.In the exemplary embodiment, if the customer prediction target is the sales amount of the predetermined product and the meteorological element is the temperature, the customer forecasting
고객 예측 대상 동향 산출 모듈(115)은 고객 예측 대상에 대응하는 계절 정보에 따라 상기 2개의 극소값(m1, m2)들 중 어느 하나의 극소값을 선택하여 고객 예측 대상의 시작점으로 결정할 수 있다. 예를 들어, 기상 요소가 기온이고 해당 상품이 여름 상품인 경우, 고객 예측 대상 동향 산출 모듈(115)은 2개의 극소값들 중 기온 값이 높은 극소값을 선택하여 고객 예측 대상의 시작점으로 결정할 수 있다. 또한, 기상 요소가 기온이고 해당 상품이 겨울 상품인 경우, 고객 예측 대상 동향 산출 모듈(115)은 2개의 극소값들 중 기온 값이 낮은 극소값을 선택하여 고객 예측 대상의 시작점으로 결정할 수 있다. 도 3에서는 해당 상품이 겨울 상품(예를 들어, 동내의)인 경우이어서, 2개의 극소값(m1, m2)들 중 극소값(m2)가 고객 예측 대상의 시작점인 경우를 나타내었다.The customer forecasting
또한, 고객 예측 대상 동향 산출 모듈(115)은 고객 예측 대상 동향 관계식을 2차 미분하여 얻은 변곡점(v)을 고객 예측 대상의 상승 시작점(즉, 고객 예측 대상이 기 설정된 기준값 이상으로 상승하기 시작하는 지점)으로 결정할 수 있다. 여기서, 변곡점(v)은 고객 예측 대상 동향 관계식의 1차 미분하여 얻은 2개 극소값 사이의 변곡점일 수 있다. 도 3에서 고객 예측 대상 동향 관계식을 2차 미분하여 얻은 변곡점(v)에 대응하는 기온은 14.2℃이다.Further, the customer forecasting
날짜 예측 모듈(117)은 고객 예측 대상 동향 산출 모듈(115)이 검출한 임계 지점 정보를 기반으로 고객 예측 대상의 임계 지점에 대응하는 다음 연도의 날짜를 예측할 수 있다. 구체적으로, 날짜 예측 모듈(117)은 데이터 수집 모듈(111)이 수집한 과거 일정 기간 동안의 기상 요소 정보를 기반으로 미래 일정 기간 동안의 기상 요소 값을 예측할 수 있다.The
예를 들어, 날짜 예측 모듈(117)은 과거 5년 동안 수집된 기온값을 기반으로 미래 1년 동안의 날짜 별 기온 값을 예측할 수 있다. 날짜 예측 모듈(117)은 과거 5년 간 소정 날짜의 기온값을 평균하여 미래 1년의 해당 날짜의 기온 값을 예측할 수 있다. 또는, 날짜 예측 모듈(117)은 과거 5년 간 소정 날짜를 기준으로 전후 k일의 기온값을 기반으로 미래 1년의 해당 날짜의 기온 값을 예측할 수 있다. 날짜 예측 모듈(117)은 과거 5년 간 소정 날짜를 기준으로 전후 k일의 기온값에 대칭 또는 비대칭 가중치를 적용할 수 있다. For example, the
이때, 각 날짜 별 예측된 기상 요소 값을 날짜 순에 따라 그대로 연결하면 들쭉 날쭉한 형태의 곡선이 그려지게 되며, 이 경우 고객 예측 대상의 임계 지점에 대응하는 날짜를 검출하기가 쉽지 않게 된다. 이에, 날짜 예측 모듈(117)은 각 날짜 별 예측된 기상 요소 값을 기반으로 기상 요소 예측 곡선을 산출할 수 있다. 예시적인 실시예에서, 날짜 예측 모듈(117)은 수학식 3의 관계식에 의해 기상 요소 예측 곡선을 산출할 수 있다. 기상 요소 예측 곡선은 x축을 날짜 인덱스로 하고, y축을 기상 요소 값으로 한 좌표계에서 표시되는 것일 수 있다.At this time, if the weather element values predicted by each date are connected in the order of date, a curved line of a jagged line is drawn. In this case, it is not easy to detect a date corresponding to a critical point of a customer forecasting target. Accordingly, the
(수학식 3)(3)
여기서, f1(a) = a(a는 날짜 인덱스 값), f2(a) = a2, f3(a) = a3를 나타낸다. 날짜 인덱스 값은 예측 기간 동안의 날짜를 예측 기간의 첫번째 날짜에 1을 할당하고 날짜가 지남에 따라 1씩 증가시키면서 예측 기간의 마지막 날짜까지 할당한 값을 의미한다. 예를 들어, 예측 기간이 다음 연도 1년으로서, 다음 연도 1월1일부터 12월 31일까지라고 하면, 다음 연도의 1월 1일은 날짜 인덱스 값을 1로 하고, 다음 연도의 1월 2일은 날짜 인덱스 값을 2로 하며, 이와 같은 방식으로 날짜가 지남에 따라 날짜 인덱스를 1씩 증가시켜 해당 연도의 12월 31일은 날짜 인덱스 값을 365로 할 수 있다. Here, f 1 (a) = a (a is a date index value), f 2 (a) = a 2 , and f 3 (a) = a 3 . The date index value refers to a value assigned to the first day of the forecast period by assigning 1 to the first day of the forecast period, and increasing the value by one as the date advances to the last date of the forecast period. For example, if the forecast period is 1 year in the following year and January 1 to December 31 of the following year, January 1 of the following year has a date index value of 1, and January 2 of the following year The date index value is set to 2, and in this manner, the date index is incremented by 1 as the date advances, and the date index value is set to 365 on December 31 of the corresponding year.
그리고, γ0 내지 γ 5는 일종의 가중치 값으로서, γ 0 내지 γ 5를 요소로 하는 가중치 벡터(Г)는 다음과 같은 선형 회귀법에 의해 구할 수 있다. 
즉, 
날짜 예측 모듈(117)은 기상 요소 예측 곡선에서 고객 예측 대상의 시작점에 해당하는 기상 요소 값을 확인한 후, 해당 기상 요소 값과 대응되는 날짜를 다음 연도의 고객 예측 대상의 시작일(예를 들어, 고객 예측 대상이 소정 상품의 매출량인 경우, 해당 상품의 매출이 시작되는 날짜)로 예측할 수 있다. 이 경우, 해당 고객은 그 날짜에 맞추어 미리 해당 상품(또는 서비스)의 판매 준비를 진행할 수 있게 된다. The
또한, 날짜 예측 모듈(117)은 기상 요소 예측 곡선에서 고객 예측 대상의 상승 시작점에 해당하는 기상 요소 값을 확인한 후, 해당 기상 요소 값과 대응되는 날짜를 다음 연도의 고객 예측 대상의 상승 시작일(예를 들어, 고객 예측 대상이 소정 상품의 매출량인 경우, 해당 상품의 매출이 기 설정된 기준값 이상으로 상승하기 시작하는 날짜)로 예측할 수 있다. In addition, the
영향력 분석 모듈(119)은 과거 일정 기간 동안의 수집한 기상 요소 정보 및 고객 예측 대상 관련 정보를 기반으로 특정 변수가 고객 예측 대상(예를 들어, 소정 상품의 매출량 등)에 미치는 영향을 분석할 수 있다. 영향력 분석 모듈(119)은 고객 예측 대상에 영향을 미치는 다양한 변수들을 설정하고, 각 변수들이 고객 예측 대상에 미치는 영향을 분석할 수 있다. 예시적인 실시예에서, 영향력 분석 모듈(119)은 수학식 4에 의해 기 설정된 변수들이 고객 예측 대상에 미치는 영향을 분석할 수 있다. The
(수학식 4)(4)
Y = δ0 + δ1(날짜 인덱스) + δ2(월) + δ3(요일) + δ4(최저 기온) + δ5(N일 누적 최저기온) + δ6(M일간 최저 기온 변화량) + δ7(최고 기온) + δ8(N일 누적 최고기온) + δ9(M일간 최고 기온 변화량) + δ10(강수 여부) + δ11(N일간 비온 횟수) + δ12(N+2일간 비온 횟수) + δ13(N+4일간 비온 횟수) + δ14(토요일 강수 여부) + δ15(일요일 강수 여부) + δ16(주말 여부) + δ17(공휴일 여부)Y = δ 0 + δ 1 (date index) + δ 2 (month) + δ 3 (day of the week) + δ 4 (lowest temperature) + δ 5 (N cumulative minimum temperature) + δ 6 (M minimum daily temperature change) + δ 7 (highest temperature) + δ 8 (N days cumulative highest temperature) + δ 9 (M-day maximum temperature change amount) + δ 10 (precipitation Status) + δ 11 (N-day rain number) + δ 12 (N + 2 (The number of days of rain) + δ 13 (N + 4 days of rain) + δ 14 (Saturday precipitation) + δ 15 (Sunday precipitation) + δ 16 (weekend) + δ 17
여기서, 제1 변수인 날짜 인덱스는 고객 예측 대상 관련 정보를 수집한 날짜들을 1부터 날짜가 지날 때 마다 1씩 증가시키면서 인덱스를 부여한 값을 의미할 수 있다. 예를 들어, 고객 예측 대상 관련 정보를 수집한 날짜가 1년인 경우, 날짜 인덱스는 1부터 365까지가 될 수 있다. 제1 변수인 날짜 인덱스를 통해 날짜가 지남에 따라 고객 예측 대상에 어떤 영향을 미치는지를 확인할 수 있다. Here, the first index, a date index, may be a value obtained by adding the indexes while increasing the dates of collecting the customer predicted object related information from 1 to 1 each time the date passes. For example, if the date on which customer forecasting related information was collected is one year, the date index can range from 1 to 365. The first variable, the date index, allows us to see how the impact of customer forecasting over time will be.
제2 변수인 월은 1년 12개월의 각 월이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제3 변수인 요일은 월, 화, 수, 목, 금, 토, 일의 각 요일이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제4 변수인 최저 기온은 고객 예측 대상 관련 정보를 수집한 날짜들의 기온 중 최저 기온이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제5 변수인 N일 누적 최저 기온은 해당 날짜를 기준으로 이전 N일 동안의 각 날짜의 최저 기온을 합한 값이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. The second variable, Month, is to see how each month of the year and 12 months affects customer forecasting. The third variable, the day of the week, is to determine how each day of the month, Tuesday, Wednesday, Thursday, Friday, Saturday, and Sunday affects customer predictors. The fourth variable, the minimum temperature, is used to determine how the lowest temperature among the temperatures at which customer-predicted-related information was collected affects customer forecasting. The fifth variable, N-day cumulative minimum temperature, is to determine how the sum of the lowest temperature for each day over the previous N days, based on the date, affects the customer forecasting.
제6 변수인 m일간 최저 기온 변화량은 해당 날짜를 기준으로 이전 M일 동안 최저 기온의 변화량이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제7 변수인 최고 기온은 고객 예측 대상 관련 정보를 수집한 날짜들의 기온 중 최고 기온이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제8 변수인 N일 누적 최고기온은 해당 날짜를 기준으로 이전 N일 동안의 각 날짜의 최고 기온을 합한 값이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. The sixth variable, m day minimum temperature change, is to determine how the change in minimum temperature during the previous M days affects the customer forecasting based on the date. The seventh variable, the maximum temperature, is intended to determine how the highest temperature during the date of collection of customer-related information affects customer predictors. The eighth cumulative N-day cumulative peak temperature is intended to determine how the sum of the peak temperatures of each day over the previous N days based on that date affects the customer predictor.
제9 변수인 M일간 최고 기온 변화량은 해당 날짜를 기준으로 이전 M일 동안 최고 기온의 변화량이 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제10 변수인 강수 여부는 해당 날짜에 비가 왔는지에 따라 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제11 변수인 N일간 비온 횟수는 해당 날짜를 기준으로 이전 N일 동안 비가 온 횟수가 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. The 9th variable, M-day peak temperature change, is to determine how the change in peak temperature during the previous M days affects the forecasted customer based on the date. The tenth variable, precipitation, is to determine what effect the customer predictor will have on the rain on that date. The 11th variable, N days of rain rate, is to check how the number of times of rain for the previous N days affects the customer forecasting object based on the corresponding date.
제12 변수인 N+2일간 비온 횟수는 해당 날짜를 기준으로 이전 N+2일(여기서, N은 제11 변수의 N과 동일함)(예를 들어, 제11 변수에서 N이 3인 경우, 제12 변수는 5일간 비온 횟수가 됨) 동안 비가 온 횟수가 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. The 12th variable, the number of times of n + 2 days of rain, is calculated based on the date of the previous N + 2 days (where N is equal to N of the eleventh variable) (for example, And the 12th variable is the number of days of rain for 5 days).
제13 변수인 N+4일간 비온 횟수는 해당 날짜를 기준으로 이전 N+4일(여기서, n은 제1 변수의 N과 동일함)(예를 들어, 제11 변수에서 N이 3인 경우, 제13 변수는 7일간 비온 횟수가 됨) 간 비가 온 횟수가 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. The thirteenth variable, N + 4 days, is the number of days in the past, N + 4 days (where n is equal to N of the first variable) (for example, N is 3 in the eleventh variable) And the 13th variable is the number of days of rain for 7 days).
제14 변수인 토요일 강수 여부는 해당 날짜가 토요일이고, 비가 왔는지에 따라 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제15 변수인 일요일 강수 여부는 해당 날짜가 일요일이고, 비가 왔는지에 따라 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제16 변수인 주말 여부는 해당 날짜가 주말인지에 따라 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. 제17 변수인 공휴일 여부는 해당 날짜가 공휴일(예를 들어, 신정, 삼일절, 어린이날, 현충일, 광복절, 성탄절 등)인지에 따라 고객 예측 대상에 어떤 영향을 미치는지를 확인하기 위한 것이다. The 14th variable, Saturday precipitation, is to check how the date is Saturday and how it affects customer forecasting depending on whether it is raining or not. The 15th variable, Sunday precipitation, is to see how the date is Sunday and how it affects customer predictions based on rainfall. The 16th variable, weekends, is to see how the forecast affects customer forecasts based on whether the dates are weekends. The 17th variable, whether holiday, is to determine how the forecast affects the customer forecasting depending on whether the date is a holiday (eg, New Year, New Year's Day, Children's Day, Memorial Day, Liberation Day, Christmas, etc.).
수학식 4에서, δ0 내지δ17는 각 변수들의 가중치로서, δ0 내지δ17를 요소로 하는 가중치 벡터(Δ)는 다음과 같은 선형 회귀법에 의해 산출할 수 있다. In Equation (4),? 0 Δ 17 are the weights of the variables, δ 0 The weight vector (?) Having? 17 as an element can be calculated by the following linear regression method.
즉, 
영향력 분석 모듈(119)은 전체 변수가 포함된 고객 예측 대상의 출력값과 전체 변수에서 소정 변수를 제외한 고객 예측 대상의 출력값을 기반으로 해당 변수(즉, 제외된 변수)가 고객 예측 대상에 미치는 영향력을 산출할 수 있다. 또는, 영향력 분석 모듈(119)은 소정 변수만 포함시킨 고객 예측 대상의 출력값을 통해 해당 변수가 고객 예측 대상에 미치는 영향력을 산출할 수도 있다. 영향력 분석 모듈(119)은 각 변수들 중 고객 예측 대상에 긍정적 영향을 미치는 변수(즉, 긍정적 변수) 및 고객 예측 대상에 부정적 영향을 미치는 변수(즉, 부정적 변수)들을 각각 추출할 수 있다. The
도 4는 본 발명의 일 실시예에 따른 각 변수들이 고객 예측 대상에 미치는 영향을 나타낸 그래프이다. 여기서는, 고객 예측 대상을 소정 상품의 매출량으로 하였다. FIG. 4 is a graph illustrating influences of various variables according to an embodiment of the present invention on a customer forecasting object. Here, the customer prediction target is the sales amount of the predetermined product.
도 4의 (a)를 참조하면, 변수가 월(month)인 경우, 1월부터 8월까지는 해당 상품의 매출량에 부정적인 영향을 미치고, 9월부터 11월까지는 해당 상품의 매출량에 긍정적인 영향을 미치는 것을 볼 수 있다. Referring to FIG. 4 (a), when the variable is month, January through August have a negative effect on the sales volume of the product, and from September to November, the sales volume of the product is positively affected It can be seen.
또한, 도 4의 (b)를 참조하면, 변수가 요일인 경우, 월, 화, 수, 목은 해당 상품의 매출량에 부정적인 영향을 미치고, 금, 토는 해당 상품의 매출량에 긍정적인 영향을 미치는 것을 볼 수 있다. 4 (b), when the variable is a day of the week, the month, the month, the number, and the number have a negative effect on the sales amount of the corresponding product, and the sales amount of the product is positively affected Can be seen.
도 5는 본 발명의 일 실시예에 따른 각 변수들 중 긍적적 변수 및 부정적 변수를 나타낸 그래프이다. 여기서는, 고객 예측 대상을 소정 상품의 매출량으로 하였다. FIG. 5 is a graph showing positive and negative variables among the variables according to an embodiment of the present invention. Here, the customer prediction target is the sales amount of the predetermined product.
도 5의 (a)를 참조하면, 각 변수들 중 최고 기온(maxtemp), 3일 누적 최저기온(mintemp_3accu), 강수(rain_d), 토요일 강수(holiday_rain_sat), 및 일요일 강수(holiday_rain_sun)은 해당 상품의 매출량에 부정적인 영향을 미치는 변수인 것을 확인할 수 있다. Referring to FIG. 5A, the maximum temperature (maxtemp), the 3-day cumulative minimum temperature (mintemp_3accu), rain_d, Saturday precipitation (holiday_rain_sat), and Sunday precipitation (holiday_rain_sun) This is a variable that negatively affects sales volume.
도 5의 (b)를 참조하면, 각 변수들 중 7일간 최저 기온 변화량(mintemp_7diff) 및 3일간 비온 횟수(rain_3accu)는 해당 상품의 매출량에 긍정적인 영향을 미치는 변수인 것을 확인할 수 있다. Referring to FIG. 5 (b), it can be seen that the 7-day minimum temperature change (mintemp_7diff) and the 3-day rain rate (rain_3accu) among the variables have positive effects on the sales amount of the corresponding product.
개시되는 실시예에 의하면, 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 기반으로 고객 예측 대상 동향 곡선을 산출하고, 고객 예측 대상 동향 곡선에서 고객 예측 대상의 임계 지점을 산출함으로써, 향후 고객 예측 대상의 임계 지점에 대응하는 날짜를 예측할 수 있으며, 그로 인해 해당 고객이 판매 전략을 용이하게 세울 수 있게 된다. 즉, 소정 상품의 매출 시작일 및 매출 상승 시작일 등을 미리 예측함으로써, 다양한 프로모션이 가능하고 판매 기회를 확대하여 매출은 높이면서 재고는 감소시킬 수 있게 된다.According to the disclosed embodiment, the customer forecasting trend curve is calculated based on the customer forecasting target related information and the weather element information for the past period, and the critical point of the customer forecasting target is calculated from the customer forecasting target trend curve, The date corresponding to the critical point of the customer prediction target can be predicted, thereby enabling the customer to easily set up the sales strategy. In other words, by predicting the sales start date and the sales start date of a predetermined product in advance, various promotions can be made and sales opportunities can be increased, thereby increasing sales and reducing inventory.
도 6은 본 발명의 일 실시예에 따른 기상 영향 분석 방법을 설명하기 위한 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.6 is a flowchart illustrating a method for analyzing a meteorological effect according to an embodiment of the present invention. In the illustrated flow chart, the method is described as being divided into a plurality of steps, but at least some of the steps may be performed in reverse order, combined with other steps, performed together, omitted, divided into detailed steps, One or more steps may be added and performed.
도 6을 참조하면, 기상 영향 분석 장치(106)는 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 수집한다(S 101). 여기서, 과거 일정 기간은 과거의 최소 1년 이상의 기간을 의미할 수 있다. Referring to FIG. 6, the meteorological
다음으로, 기상 영향 분석 장치(106)는 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출한다(S 103). 기상 영향 분석 장치(106)는 앞에서 살펴본 수학식 1을 통해 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출할 수 있다. Next, the meteorological
다음으로, 기상 영향 분석 장치(106)는 고객 예측 대상의 동향 곡선을 기반으로 고객 예측 대상과 관련된 임계 지점들을 검출한다(S 105). 여기서, 임계 지점은 예를 들어, 고객 예측 대상의 시작점 및 고객 예측 대상의 상승 시작점 등을 포함할 수 있다. Next, the weather-
다음으로, 기상 영향 분석 장치(106)는 과거 일정 기간 동안의 기상 요소 정보를 기반으로 미래 일정 기간 동안의 기상 요소 값을 예측한다(S 107). Next, the meteorological
다음으로, 기상 영향 분석 장치(106)는 각 날짜 별 예측된 기상 요소 값을 기반으로 기상 요소 예측 곡선을 산출한다(S 109). 기상 영향 분석 장치(106)는 앞에서 살펴본 수학식 3을 통해 기상 요소 예측 곡선을 산출할 수 있다. Next, the meteorological
다음으로, 기상 영향 분석 장치(106)는 기상 요소 예측 곡선에서 고객 예측 대상의 임계 지점에 대응하는 기상 요소 값을 확인하고, 해당 기상 요소 값과 대응하는 날짜를 고객 예측 대상의 임계 날짜(예를 들어, 해당 상품의 매출 시작 날짜 또는 해당 상품의 매출이 기 설정된 기준값 이상으로 상승하기 시작하는 날짜 등)로 예측한다(S 111). Next, the meteorological
도 7은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되는 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.FIG. 7 is a block diagram illustrating and illustrating a
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 기상 영향 분석 서비스를 제공받는 고객의 단말기(예를 들어, 고객 단말기(102))일 수 있다. 또한, 컴퓨팅 장치(12)는 기상 관련 정보를 제공하는 서버(예를 들어, 기상 관련 서버(104))일 수 있다. 또한, 컴퓨팅 장치(12)는 기상 영향을 분석하는 장치(예를 들어, 기상 영향 분석 장치(106))일 수 있다.The illustrated
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.The
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)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 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.The computer-
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.The
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, . Therefore, the scope of the present invention should not be limited to the above-described embodiments, but should be determined by equivalents to the appended claims, as well as the appended claims.
100 : 기상 영향 분석 시스템
102 : 고객 단말기
104 : 기상 관련 서버
106 : 기상 영향 분석 장치
111 : 데이터 수집 모듈
113 : 데이터 전처리 모듈
115 : 고객 예측 대상 동향 산출 모듈
117 : 날짜 예측 모듈
119 : 영향력 분석 모듈100: weather impact analysis system
102: Customer terminal
104: weather-related server
106: weather influence analyzer
111: Data acquisition module
113: Data preprocessing module
115: Customer Forecast Trending Module
117: date prediction module
119: Influence Analysis Module
Claims (17)
상기 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출하고, 상기 산출한 고객 예측 대상의 동향 곡선에서 상기 고객 예측 대상과 관련된 적어도 하나의 임계 지점을 검출하는 고객 예측 대상 동향 산출 모듈; 및
상기 과거 일정 기간 동안의 기상 요소 정보 및 상기 검출한 임계 지점을 기반으로 상기 정보 수집 이후의 상기 고객 예측 대상의 임계 날짜를 예측하는 날짜 예측 모듈을 포함하며,
상기 고객 예측 대상 동향 산출 모듈은,
하기의 수학식 1에 의해 상기 고객 예측 대상의 동향 곡선을 산출하고, 하기 수학식 1을 1차 미분하여 얻은 2개의 극소값 중 어느 하나를 선택하여 상기 고객 예측 대상의 시작점으로 검출하는, 기상 영향 분석 장치.
(수학식 1)
f1(x) = x(x는 기상 요소 값)
f2(x) = x2
f3(x) = x3
β0 내지 β5는 가중치 값으로, β0 내지 β5를 요소로 하는 가중치 벡터(B)는
X : 기상 요소 정보의 매트릭스
Y : 고객 예측 대상 관련 정보의 벡터
T : 전이 행렬
n : 고객 예측 대상 관련 정보의 총 개수.
A data collection module for collecting customer prediction target related information and weather element information for a predetermined period of time;
A trend forecast curve of a customer forecasting object based on a weather element is calculated based on the customer forecasting target related information and the weather element information and at least one critical point related to the customer forecasting target is calculated from the calculated trend curve of the customer forecasting target A customer forecasting target trend calculating module; And
And a date prediction module for predicting a critical date of the customer forecasting object after the information collection based on the weather element information for the past period and the detected critical point,
Wherein the customer forecast target trend calculating module comprises:
A trend analysis unit for calculating a trend curve of the customer forecasting object by the following formula 1 and selecting one of two minimum values obtained by first differentiating the following equation 1 to be a starting point of the customer forecasting target; Device.
(1)
f 1 (x) = x (x is the weather element value)
f 2 (x) = x 2
f 3 (x) = x 3
? 0 to? 5 are weight values, and the weight vector (B) having? 0 to? 5 as elements
X: Matrix of weather element information
Y: vector of customer-forecasted relevant information
T: transition matrix
n: the total number of customer forecasted related information.
상기 고객 예측 대상 동향 산출 모듈은, 상기 기상 요소 정보의 각 기상 요소 값을 정규화시키고,
상기 고객 예측 대상 관련 정보의 최대값 및 상기 기상 요소 정보의 정규화 값을 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출하는, 기상 영향 분석 장치.
The method according to claim 1,
Wherein the customer forecasting trend calculation module normalizes each vapor element value of the vapor element information,
And detects one of the two minimum values as a starting point of the customer forecasting object based on the maximum value of the customer forecasting object related information and the normalization value of the weather element information.
상기 고객 예측 대상 동향 산출 모듈은,
상기 고객 예측 대상 관련 정보의 최대값에 대응하는 기상 요소 값의 정규화 값과 기상 요소 정규화의 기 설정된 기준값을 비교하여 상기 고객 예측 대상에 대응하는 계절 정보를 확인하고, 상기 고객 예측 대상에 대응하는 계절 정보를 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출하는, 기상 영향 분석 장치.
The method of claim 4,
Wherein the customer forecast target trend calculating module comprises:
Comparing the normalized value of the meteorological element value corresponding to the maximum value of the customer predicted object related information with a preset reference value of the weather element normalization to check seasonal information corresponding to the customer forecasted object, And detects any one of the two minimum values as the starting point of the customer forecasting object based on the information.
상기 고객 예측 대상 동향 산출 모듈은,
상기 수학식 1을 2차 미분하여 얻은 변곡점을 상기 고객 예측 대상의 상승 시작점으로 검출하며,
상기 변곡점은, 상기 수학식 1을 1차 미분하여 얻은 2개의 극소값 사이의 변곡점인, 기상 영향 분석 장치.
The method according to claim 1,
Wherein the customer forecast target trend calculating module comprises:
An inflection point obtained by second-differentiating the equation (1) is detected as the rising start point of the customer prediction target,
Wherein the inflection point is an inflection point between two minimum values obtained by first differentiating the equation (1).
상기 날짜 예측 모듈은,
상기 과거 일정 기간 동안의 기상 요소 정보를 기반으로 상기 정보 수집 이후의 미래 일정 기간 동안의 날짜별 기상 요소 값을 예측하고, 상기 예측된 날짜별 기상 요소 값을 기반으로 기상 요소 예측 곡선을 산출하며, 상기 기상 요소 예측 곡선에서 상기 임계 지점에 대응하는 기상 요소 값을 확인하며, 해당 기상 요소 값과 대응되는 날짜를 상기 고객 예측 대상의 임계 날짜로 예측하는, 기상 영향 분석 장치.
The method according to claim 1,
Wherein the date prediction module comprises:
Estimating a meteorological element value for each day during a predetermined period after the information collection based on the meteorological element information for the past predetermined period, calculating a meteorological element prediction curve based on the predicted meteorological element value for each day, And predicts a date corresponding to the corresponding meteorological element value as a critical date of the customer forecasting target by checking the meteorological element value corresponding to the critical point in the meteorological element prediction curve.
상기 기상 영향 분석 장치는,
상기 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기 설정된 복수 개의 변수들이 상기 고객 예측 대상에 미치는 영향을 분석하는 영향력 분석 모듈을 더 포함하는, 기상 영향 분석 장치.
The method according to claim 1,
The meteorological impact analysis apparatus comprises:
Further comprising an influence analysis module for analyzing an influence of a plurality of predetermined parameters based on the customer prediction target related information and the weather element information for the past predetermined period on the customer forecast object.
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 수집하는 단계;
상기 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출하는 단계;
상기 산출한 고객 예측 대상의 동향 곡선에서 상기 고객 예측 대상과 관련된 적어도 하나의 임계 지점을 검출하는 단계; 및
상기 과거 일정 기간 동안의 기상 요소 정보 및 상기 검출한 임계 지점을 기반으로 상기 정보 수집 이후의 상기 고객 예측 대상의 임계 날짜를 예측하는 단계를 포함하며,
상기 고객 예측 대상의 동향 곡선을 산출하는 단계는, 하기의 수학식 1에 의해 상기 고객 예측 대상의 동향 곡선을 산출하고,
상기 임계 지점을 검출하는 단계는, 하기 수학식 1을 1차 미분하여 얻은 2개의 극소값 중 어느 하나를 선택하여 상기 고객 예측 대상의 시작점으로 검출하는, 기상 영향 분석 방법.
(수학식 1)
f1(x) = x(x는 기상 요소 값)
f2(x) = x2
f3(x) = x3
β0 내지 β5는 가중치 값으로, β0 내지 β5를 요소로 하는 가중치 벡터(B)는
X : 기상 요소 정보의 매트릭스
Y : 고객 예측 대상 관련 정보의 벡터
T : 전이 행렬
n : 고객 예측 대상 관련 정보의 총 개수.
One or more processors, and
A method performed in a computing device having a memory storing one or more programs executed by the one or more processors,
Collecting customer prediction target related information and weather element information for a predetermined period of time;
Calculating a trend curve of a customer forecasting object according to a weather element based on the customer forecasting related information and the weather element information;
Detecting at least one critical point related to the customer forecasting object from the calculated customer forecasting trend curve; And
Estimating a critical date of the customer forecasting target after the information collection based on the weather element information for the past period and the detected critical point,
Wherein the step of calculating the trend curve of the customer forecasting object comprises the steps of: calculating a trend curve of the customer forecasting target by the following equation (1)
Wherein the step of detecting the critical point selects any one of the two minimum values obtained by first differentiating the following equation (1) to detect the starting point of the customer prediction target.
(1)
f 1 (x) = x (x is the weather element value)
f 2 (x) = x 2
f 3 (x) = x 3
? 0 to? 5 are weight values, and the weight vector (B) having? 0 to? 5 as elements
X: Matrix of weather element information
Y: vector of customer-forecasted relevant information
T: transition matrix
n: the total number of customer forecasted related information.
상기 고객 예측 대상의 시작점으로 검출하는 단계는,
상기 기상 요소 정보의 각 기상 요소 값을 정규화시키는 단계; 및
상기 고객 예측 대상 관련 정보의 최대값 및 상기 기상 요소 정보의 정규화 값을 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출하는 단계를 포함하는, 기상 영향 분석 방법.
The method of claim 9,
Wherein the step of detecting, as the start point of the customer prediction target,
Normalizing each value of the meteorological element of the meteorological element information; And
Detecting one of the two minimum values as a starting point of the customer forecasting object based on the maximum value of the customer forecasting object related information and the normalization value of the weather element information.
상기 고객 예측 대상의 시작점으로 검출하는 단계는,
상기 고객 예측 대상 관련 정보의 최대값에 대응하는 기상 요소 값의 정규화 값과 기상 요소 정규화의 기 설정된 기준값을 비교하여 상기 고객 예측 대상에 대응하는 계절 정보를 확인하는 단계; 및
상기 고객 예측 대상에 대응하는 계절 정보를 기반으로 상기 2개의 극소값 중 어느 하나를 상기 고객 예측 대상의 시작점으로 검출하는 단계를 포함하는, 기상 영향 분석 방법.
The method of claim 12,
Wherein the step of detecting, as the start point of the customer prediction target,
Comparing the normalized value of the weather element value corresponding to the maximum value of the customer forecasting object related information with the predetermined reference value of the weather element normalization to check the season information corresponding to the customer forecasted object; And
And detecting any one of the two minimum values as a starting point of the customer forecasting object based on the season information corresponding to the customer forecasting object.
상기 임계 지점을 검출하는 단계는,
상기 수학식 1을 2차 미분하여 얻은 변곡점을 상기 고객 예측 대상의 상승 시작점으로 검출하는 단계를 더 포함하고,
상기 변곡점은, 상기 수학식 1을 1차 미분하여 얻은 2개의 극소값 사이의 변곡점인, 기상 영향 분석 방법.
The method of claim 9,
Wherein the step of detecting the critical point comprises:
Further comprising the step of detecting an inflection point obtained by second differentiating the equation (1) as a rising start point of the customer prediction target,
Wherein the inflection point is an inflection point between two minimum values obtained by first differentiating the equation (1).
상기 고객 예측 대상의 임계 날짜를 예측하는 단계는,
상기 과거 일정 기간 동안의 기상 요소 정보를 기반으로 상기 정보 수집 이후의 미래 일정 기간 동안의 날짜별 기상 요소 값을 예측하는 단계;
상기 예측된 날짜별 기상 요소 값을 기반으로 기상 요소 예측 곡선을 산출하는 단계;
상기 기상 요소 예측 곡선에서 상기 임계 지점에 대응하는 기상 요소 값을 확인하는 단계; 및
해당 기상 요소 값과 대응되는 날짜를 상기 고객 예측 대상의 임계 날짜로 예측하는 단계를 포함하는, 기상 영향 분석 방법.
The method of claim 9,
The step of predicting the critical date of the customer prediction target comprises:
Estimating a weather element value by date for a predetermined period after the information collection based on the weather element information for the past predetermined period;
Calculating a meteorological element prediction curve based on the predicted meteorological element value for each day;
Confirming a meteorological element value corresponding to the critical point in the meteorological element prediction curve; And
And predicting a date corresponding to the corresponding meteorological element value as a critical date of the customer forecasting object.
상기 기상 영향 분석 방법은,
상기 과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기 설정된 복수 개의 변수들이 상기 고객 예측 대상에 미치는 영향을 분석하는 단계를 더 포함하는, 기상 영향 분석 방법.
The method of claim 9,
The meteorological impact analysis method comprises:
Further comprising the step of analyzing the influence of a plurality of predetermined parameters based on the customer predictive object related information and the weather element information for the past predetermined period on the customer forecast object.
메모리; 및
하나 이상의 프로그램들을 포함하고,
상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
상기 하나 이상의 프로그램들은,
과거 일정 기간 동안의 고객 예측 대상 관련 정보 및 기상 요소 정보를 수집하기 위한 명령;
상기 고객 예측 대상 관련 정보 및 상기 기상 요소 정보를 기반으로 기상 요소에 따른 고객 예측 대상의 동향 곡선을 산출하기 위한 명령;
상기 산출한 고객 예측 대상의 동향 곡선에서 상기 고객 예측 대상과 관련된 적어도 하나의 임계 지점을 검출하기 위한 명령; 및
상기 과거 일정 기간 동안의 기상 요소 정보 및 상기 검출한 임계 지점을 기반으로 상기 정보 수집 이후의 상기 고객 예측 대상의 임계 날짜를 예측하기 위한 명령을 포함하며,
상기 하나 이상의 프로그램들은,
상기 고객 예측 대상의 동향 곡선을 산출하기 위한 명령에서, 하기의 수학식 1에 의해 상기 고객 예측 대상의 동향 곡선을 산출하고,
상기 임계 지점을 검출하기 위한 명령에서, 하기 수학식 1을 1차 미분하여 얻은 2개의 극소값 중 어느 하나를 선택하여 상기 고객 예측 대상의 시작점으로 검출하는, 컴퓨팅 장치.
(수학식 1)
f1(x) = x(x는 기상 요소 값)
f2(x) = x2
f3(x) = x3
β0 내지 β5는 가중치 값으로, β0 내지 β5를 요소로 하는 가중치 벡터(B)는
X : 기상 요소 정보의 매트릭스
Y : 고객 예측 대상 관련 정보의 벡터
T : 전이 행렬
n : 고객 예측 대상 관련 정보의 총 개수.
One or more processors;
Memory; And
Comprising one or more programs,
Wherein the one or more programs are stored in the memory and configured to be executed by the one or more processors,
The one or more programs,
An instruction to collect customer forecasting related information and weather element information for a past period of time;
A command for calculating a trend curve of a customer forecasting object based on a weather element on the basis of the customer forecasting related information and the weather element information;
A step of detecting at least one critical point related to the customer forecasting object in the calculated customer forecasting trend curve; And
And a command for predicting a critical date of the customer prediction target after the information collection based on the meteorological element information for the past predetermined period and the detected critical point,
The one or more programs,
In the command for calculating the trend curve of the customer forecast target, the trend curve of the customer forecast target is calculated by the following equation (1)
And selects either one of two minimum values obtained by first-differentiating the following equation (1) as a starting point of the customer prediction target in the command for detecting the critical point.
(1)
f 1 (x) = x (x is the weather element value)
f 2 (x) = x 2
f 3 (x) = x 3
? 0 to? 5 are weight values, and the weight vector (B) having? 0 to? 5 as elements
X: Matrix of weather element information
Y: vector of customer-forecasted relevant information
T: transition matrix
n: the total number of customer forecasted related information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170051143A KR101860457B1 (en) | 2017-04-20 | 2017-04-20 | Method for analyzing weather affect and apparatus for executing the method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170051143A KR101860457B1 (en) | 2017-04-20 | 2017-04-20 | Method for analyzing weather affect and apparatus for executing the method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101860457B1 true KR101860457B1 (en) | 2018-05-23 |
Family
ID=62452428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170051143A KR101860457B1 (en) | 2017-04-20 | 2017-04-20 | Method for analyzing weather affect and apparatus for executing the method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101860457B1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163887A (en) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | Electric sales system, electric sales list management method, device, equipment and storage medium |
| KR102223161B1 (en) * | 2019-10-11 | 2021-03-03 | 노주현 | System and methods of predicting timeliness products based on weather data |
| CN113361749A (en) * | 2021-05-14 | 2021-09-07 | 北京北大千方科技有限公司 | Bus express route planning method, device, equipment and medium based on principal component analysis |
| CN117349611A (en) * | 2023-12-06 | 2024-01-05 | 山东清控生态环境产业发展有限公司 | Water quality fluctuation instrument monitoring method based on big data analysis |
| KR102677137B1 (en) | 2023-11-23 | 2024-06-19 | 국립공주대학교 산학협력단 | Method and Apparatus for Pattern Change Analyzing According to Cause of Climatic Change |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004326411A (en) * | 2003-04-24 | 2004-11-18 | Life Business Weather:Kk | Power demand forecasting device and system |
| KR20150102503A (en) * | 2014-02-28 | 2015-09-07 | 주식회사 에스비아이에스 | System of providing recommendation menu of weather for increasing sales |
| JP2016142555A (en) * | 2015-01-30 | 2016-08-08 | 中国電力株式会社 | Atmospheric temperature prediction system, atmospheric temperature prediction method, and program |
-
2017
- 2017-04-20 KR KR1020170051143A patent/KR101860457B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004326411A (en) * | 2003-04-24 | 2004-11-18 | Life Business Weather:Kk | Power demand forecasting device and system |
| KR20150102503A (en) * | 2014-02-28 | 2015-09-07 | 주식회사 에스비아이에스 | System of providing recommendation menu of weather for increasing sales |
| JP2016142555A (en) * | 2015-01-30 | 2016-08-08 | 中国電力株式会社 | Atmospheric temperature prediction system, atmospheric temperature prediction method, and program |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102223161B1 (en) * | 2019-10-11 | 2021-03-03 | 노주현 | System and methods of predicting timeliness products based on weather data |
| CN112163887A (en) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | Electric sales system, electric sales list management method, device, equipment and storage medium |
| CN113361749A (en) * | 2021-05-14 | 2021-09-07 | 北京北大千方科技有限公司 | Bus express route planning method, device, equipment and medium based on principal component analysis |
| CN113361749B (en) * | 2021-05-14 | 2024-04-16 | 北京北大千方科技有限公司 | Bus rapid transit planning method, device, equipment and medium based on principal component analysis |
| KR102677137B1 (en) | 2023-11-23 | 2024-06-19 | 국립공주대학교 산학협력단 | Method and Apparatus for Pattern Change Analyzing According to Cause of Climatic Change |
| CN117349611A (en) * | 2023-12-06 | 2024-01-05 | 山东清控生态环境产业发展有限公司 | Water quality fluctuation instrument monitoring method based on big data analysis |
| CN117349611B (en) * | 2023-12-06 | 2024-03-08 | 山东清控生态环境产业发展有限公司 | Water quality fluctuation instrument monitoring method based on big data analysis |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10387900B2 (en) | Methods and apparatus for self-adaptive time series forecasting engine | |
| KR101860457B1 (en) | Method for analyzing weather affect and apparatus for executing the method | |
| US8959168B2 (en) | Weather forecasts based on expected location | |
| CN108053242B (en) | Scenic spot ticket amount prediction method, system, equipment and storage medium | |
| US7650293B2 (en) | System and method for workforce requirements management | |
| JP6837949B2 (en) | Prediction system and method | |
| CN110443657B (en) | Client flow data processing method and device, electronic equipment and readable medium | |
| Smith et al. | Bicycle commuting in Melbourne during the 2000s energy crisis: A semiparametric analysis of intraday volumes | |
| Yang et al. | Returns to scale in the production of taxi services: an empirical analysis | |
| US20170148114A1 (en) | Identification of peak days | |
| CN112862593B (en) | Credit scoring card model training method, device and system and computer storage medium | |
| CN110555578A (en) | sales prediction method and device | |
| CN106779222B (en) | Airport ground waiting time prediction method and device | |
| JP7010674B2 (en) | Power Demand Forecasting Device, Power Demand Forecasting Method and Program | |
| KR102495494B1 (en) | Method and apparatus for predicting home energy usage | |
| CN113191533A (en) | Warehouse employment prediction method, device, equipment and storage medium | |
| JP4777941B2 (en) | Demand forecasting method and apparatus | |
| CN110414875B (en) | Capacity data processing method and device, electronic equipment and computer readable medium | |
| WO2022162798A1 (en) | Power demand prediction device, power demand prediction method, and program | |
| KR102340179B1 (en) | Method for providing machine learning based picking location inventory replenishment service using demand forecasting | |
| Grolinger et al. | Energy slices: benchmarking with time slicing | |
| CN115169731A (en) | Smart campus energy consumption prediction method, device, equipment and medium | |
| JP7001766B2 (en) | Forecasting system and method | |
| CN114925275A (en) | Product recommendation method and device, computer equipment and storage medium | |
| US11397281B2 (en) | Determining a realfeel seasonal index |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |