WO2022139283A1 - 개인정보 관리를 통한 선호 산출 시스템 및 방법 - Google Patents
개인정보 관리를 통한 선호 산출 시스템 및 방법 Download PDFInfo
- Publication number
- WO2022139283A1 WO2022139283A1 PCT/KR2021/018767 KR2021018767W WO2022139283A1 WO 2022139283 A1 WO2022139283 A1 WO 2022139283A1 KR 2021018767 W KR2021018767 W KR 2021018767W WO 2022139283 A1 WO2022139283 A1 WO 2022139283A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- preference
- user
- unit
- preference calculation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 136
- 238000007726 management method Methods 0.000 claims abstract description 50
- 238000013523 data management Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000013480 data collection Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 21
- 238000013500 data storage Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
Definitions
- the present invention relates to a preference calculation system and method, and more particularly, to a preference calculation system and method through personal information management capable of calculating individual preferences using public and personal information.
- the existing preference-related system investigates individual preferences and recommends specific products according to the preferences. Individual preferences can be created through data such as surveys or existing purchase histories.
- the existing preference-related system is mainly specialized for product recommendation, and thus its use range is limited.
- Patent Document 1 KR10-2020-0110146 A
- an object of the present invention is to solve such a problem in the prior art, and to provide a preference calculation system and method through personal information management capable of accurately calculating individual preferences, particularly, vehicle-related personal preferences.
- a terminal unit for collecting user-related data, data on a preference calculation target, and common data; a data management unit that stores and manages each data collected by the terminal unit, and calculates a user's preference for a preference calculation target based on user related data, preference calculation target data, and public data; and a communication unit for transmitting data between the terminal unit and the data management unit, and between the terminal unit and the outside.
- the data management unit a data collection unit for collecting data from the terminal unit, a data storage unit for storing the data collected by the data collection unit, a personal information management unit for managing user-related data among the data stored in the data storage unit;
- An information extraction unit for extracting data required for calculation of preference from the data storage unit, and a preference calculation unit for calculating a user's preference for a preference calculation target based on the data obtained through the information extraction unit and the personal information management unit can do.
- the user-related data collected by the data collection unit may include user identification data for identifying each user, historical data regarding the user's past actions, and situation data regarding the user's current situation.
- the public data collected by the data collection unit may include environmental data and traffic condition data.
- the preference calculating unit calculates a common-based preference based on common data and data on a preference calculation target, calculates a user-based preference based on user-related data and data on a preference calculation target, and then calculates a common-based preference and a user
- the user's preference for the preference calculation target may be calculated by calculating the mutual relationship of the base preference.
- the data extracted by the information extraction unit may vary according to a preference calculation target.
- the preference calculator may calculate a user's preference for a preference calculation target based on user related data of a plurality of related users.
- the weights of each user may be applied differently according to a relationship between a plurality of related users.
- the personal information management unit may be updated according to the data on the preference calculation target collected by the data collection unit.
- a first collection step of collecting public data a second collection step of collecting user-related data and data on a preference calculation target; and a preference derivation step of deriving the user's preference for the preference calculation target by analyzing user-related data, data related to the preference calculation target, and public data.
- preference calculation that can satisfy both user preference and general rationality is possible by considering all user-related data, preference calculation target data, and public data when calculating preference It is possible.
- the preference of the plurality of users may be satisfied in consideration of the related data of the plurality of users.
- FIG. 1 is a schematic configuration diagram of a preference calculation system through personal information management according to the present invention
- FIG. 2 is a schematic configuration diagram of a data management unit constituting a preference calculation system through personal information management according to the present invention
- FIG. 3 is a flowchart of a preference calculation method through personal information management according to the present invention.
- 4 to 7 are explanatory views of an application example of a preference calculation system through personal information management according to the present invention.
- FIGS. 8 and 9 are explanatory diagrams illustrating an example of a method for the preference calculation unit to learn in the preference calculation system through personal information management according to the present invention.
- the present invention is to proceed with the application with the support of the subject described below.
- the second component may be referred to as the first component, and similarly, the first component may also be referred to as the second component.
- embodiments within the scope of the present invention include computer-readable media having or carrying computer-executable instructions or data structures stored in the computer-readable media.
- Such computer readable media can be any available media that can be accessed by a general purpose or special purpose computer system.
- Such computer-readable media may be in the form of RAM, ROM, EPROM, CD-ROM, or other optical disk storage, magnetic disk storage or other magnetic storage, or computer-executable instructions, computer-readable instructions, or data structures.
- Physical storage media such as any other medium that can be used to store or convey any program code means in .
- the preference calculation system 1 through personal information management is mainly described with preference related to vehicle-related requests, the preference calculation system 1 of the present invention is utilized to calculate preferences for various objects. can be
- FIG. 1 is a schematic configuration diagram of a preference calculation system 1 through personal information management according to the present invention.
- the preference calculation system 1 through personal information management largely includes a terminal unit 10 , a data management unit 20 , and a communication unit 30 .
- the terminal unit 10 collects user-related data, data on a preference calculation target, and common data.
- the terminal unit 10 may include, for example, a car, a smart phone, etc., may be provided with various measuring means to directly generate data, or may be connected to another user's smart phone or web to receive data.
- the user-related data may include a basic profile of the user and information on the user's past behavior, and the public data may include information common to all users, for example, information such as the current time, weather, and traffic conditions.
- the data on the preference calculation target may include information on the preference calculation target.
- the data regarding the preference calculation target may include information regarding a current location of the vehicle, a remaining battery capacity, and the like.
- the terminal unit 10 may also be a preference calculation target.
- the vehicle when it is desired to calculate a preference for a route and an in-vehicle environment in relation to a vehicle, the vehicle may be a preference calculation target and a terminal unit 10 for collecting data required for preference calculation.
- the data management unit 20 is composed of a server and a DB, and stores and manages each data collected in the terminal unit 10, while managing user-related data, preference calculation target data, and public data based on preference calculation target. Calculate the user's preference for Information stored and managed by the data management unit 20 may be expanded according to a preferred calculation target. A detailed configuration of the data management unit 20 and the role of each configuration will be described in more detail below.
- the communication unit 30 transmits data between the terminal unit 10 and the data management unit 20 , and transmits data between the terminal unit 10 and the outside. That is, the terminal unit 10 connects the external device and the terminal unit 10 to collect data, and the terminal unit 10 transmits the data collected from the outside or directly collected to the data management unit 20 . .
- preference calculation system 1 through personal information management of the present invention, both user preference and general rationality can be satisfied by considering all user-related data, preference calculation target data, and public data when calculating preference. Preferred calculations are possible.
- the data management unit 20 specifically includes a data collection unit 210 , a data storage unit 220 , a personal information management unit 230 , an information extraction unit 240 , and a preference calculation unit 250 .
- 2 is an explanatory diagram of the data management unit 20 is shown.
- the data collection unit 210 receives and collects data from the terminal unit 10 .
- the data collection unit 210 may collect user-related data, data on a preference calculation target, and common data from the same or different terminal units 10 .
- the data collection unit 210 may collect data about the environment, time, weather, disaster situation, vehicle speed, vehicle acceleration, traffic situation, current vehicle location, etc. .
- User-related data may be obtained from a personal platform such as a smartphone or a social network service running on the smartphone, and public data may be obtained from a public platform such as a web or a control center.
- Data on the preference calculation target may be obtained from a private platform or a public platform according to the preference calculation target.
- the data storage unit 220 stores the data collected by the data collection unit 210 , and provides the data stored in the personal information management unit 230 and the information extraction unit 240 .
- the personal information management unit 230 serves to manage user-related data among data stored in the data storage unit 220 . For example, when calculating a preference for a vehicle route, the personal information management unit 230 calculates processing data such as the user's work time, leave time, location information by hour, work route, frequently visited places, etc. through user-related data. can be managed by Such processing data can be calculated through the movement pattern of the user's vehicle. The movement pattern of the vehicle may be analyzed using artificial intelligence or the like and made into processed data.
- the information extraction unit 240 serves to extract information required by the preference calculation unit 250 according to a preference calculation target.
- the information extraction unit 240 selects information to be extracted with reference to the personal information management unit 230 and the preference calculation unit 250 , and extracts it from the data storage unit 220 .
- the information extracted by the information extraction unit 240 is transmitted to the preference calculation unit 250 for preference calculation.
- the preference calculation unit 250 calculates the user's preference for the preference calculation target based on the data obtained through the information extraction unit 240 and the personal information management unit 230 . That is, data and public data related to the preference calculation target are obtained from the information extraction unit 240 , and personal information related to the preference calculation target is obtained from the personal information management unit 230 , and user preference is calculated based on the information.
- the preference calculation unit 250 may transmit the calculated preference result to the personal information management unit 230 to update user-related information.
- the preference calculation unit 250 may request the data collection unit 210 to add an item of additional data necessary for calculation of preference, and to update the data collection unit 210 with data required for calculation of preference for a certain object. you can request
- the preference calculating unit 250 may calculate the user's preference through, for example, reinforcement learning.
- the user-related data collected by the data collection unit 210 may include user identification data for identifying each user in more detail, historical data regarding the user's past actions, and data regarding the current situation of the user.
- the data on the user's current situation may be data on the preference calculation target according to what the preference calculation target is.
- the public data collected by the data collection unit 210 may include environmental data and traffic condition data.
- the environment data may include data such as the current time and weather
- the traffic condition data may include data such as traffic jams, accidents, and tolls.
- the preference calculator 250 calculates a common-based preference based on common data and data on a preference calculation target, calculates a user-based preference based on user-related data and data on a preference calculation target, and then calculates a common-based preference and
- the user's preference for the preference calculation target may be calculated by calculating the correlation between user-based preferences.
- the common-based preference is a preference calculation result from a reasonable point of view, such as availability of a preference calculation target, and time and cost required for use.
- the user-based preference is a result of calculating a preference that is different for each individual's taste or situation.
- the end-user preference is calculated according to the relationship between the common-based preference and the user-based preference.
- a user-based preference is impossible or too unreasonable in terms of a public-based preference, that user-based preference may be replaced or modified. If the user-based preference is slightly unreasonable in terms of the public-based preference but substantially matches the user's taste, the user-based preference may be calculated as a preference result as it is.
- the data extracted by the information extraction unit 240 may vary according to a preference calculation target. That is, when the preference calculation target is changed, the data required for the preference calculation may be different, so the information extraction unit 240 transmits data suitable for the preference calculation target to the preference calculation unit 250 .
- the preference calculator 250 may calculate a user's preference for a preference calculation target based on user-related data of a plurality of related users.
- the driving route of the vehicle or the requirements for the environment in the vehicle may vary. Accordingly, in this case, user preferences are calculated based on user-related data of multiple users to satisfy multiple users.
- a weight of each user may be applied differently. For example, when the passenger is an important customer of the driver or an elderly parent, the preference may be calculated by giving the passenger a greater weight, that is, considering the preference of the passenger as more important.
- the personal information management unit 230 may be updated according to the data on the preference calculation target collected by the data collection unit 210 .
- the preference calculation result of the preference calculation unit 250 is transmitted to the user so that the user may or may not use the preference calculation target. Since the user's use of the preference calculation result reflects the user's tendency or preference, it is possible to more accurately calculate the user's preference later by updating the personal information management unit 230 based on such data.
- the preference calculation method through personal information management includes a first collection step (S10), a second collection step (S20) and a preference derivation step (S30).
- FIG. 3 is a flowchart of a preference calculation method through personal information management according to the present invention.
- the public data may include information common to all users, and may include, for example, environmental data and traffic condition data.
- Public data may be collected from a public platform such as the web or a control center.
- user-related data and data on a preference calculation target are collected.
- the user-related data may include a basic profile of the user and information about the user's past behavior.
- User-related data may be collected from personal platforms such as smartphones and vehicles, and data related to preferred calculation targets may be collected from personal platforms or public platforms.
- the first collecting step (S10) and the second collecting step (S20) may be performed at the same time or the order may be changed.
- the user's preference for the preference calculation target is derived by analyzing the user-related data, the data related to the preference calculation target, and the public data. That is, the current situation of the preference calculation target is grasped, and an appropriate preference is calculated as a result based on the user's existing behavioral pattern or preference for the preference calculation target and the rationality of each alternative related to the preference calculation target.
- the vehicle system may include, for example, temperature and humidity inside the vehicle, the angle and position of the seat, multimedia service, and driving style such as the driving speed of the vehicle.
- the terminal unit 10 may include a smart phone, a vehicle system, and a smart watch.
- Data such as driver ID, user ID for each seat, weather, traffic, location, preference for similar age groups, nearby user data, time of day, vehicle speed, etc. may be collected through the terminal unit 10 .
- the communication unit 30 may transmit the data of the terminal unit 10 to the data management unit 20 using, for example, LTE, WiFi, or Bluetooth.
- temperature/humidity control inside the vehicle may be performed through the following process.
- 5 and 6 are explanatory views of the operation of the data management unit 20 when controlling the temperature and humidity inside the vehicle.
- the preference to be calculated is temperature and humidity. And, if there is a passenger, the weight of each user for determining the temperature and humidity is calculated because the preferred temperature and humidity of each user may be different.
- the information extraction unit 240 may request from the personal information management unit 230 the preferred temperature and humidity for each hour and the preferred temperature and humidity for each weather set by each user in order to calculate the preferred temperature and humidity of each user, In order to learn the weight, the relationship between the user who is the driver and other users may be requested from the personal information management unit 230 .
- the preference calculation unit 250 calculates each user's preferred temperature/humidity and weights for each user, and finally determines the preferred temperature/humidity.
- each user's identification data (ID) and each user's temperature and humidity control data are collected from the vehicle in the data collection unit 210 and the data storage unit 220 save in In addition, it collects and stores temperature and humidity data from web sites such as the Korea Meteorological Administration website.
- Each user's identification data (ID) and each user's temperature and humidity control data can be said to be user-related data and data about a preferred calculation target, and temperature and humidity data can be said to be common data.
- the data storage unit 220 may store external temperature and humidity data for each time and temperature and humidity control data of each user.
- the information extraction unit 240 extracts data required for temperature/humidity control in the vehicle from the data storage unit 220 and transmits it to the preference calculation unit 250 .
- the preference calculator 250 learns each user's personal information to derive a relationship between users and derives a weight for each user. And, by learning each user's past temperature and humidity control data, it derives the preferred temperature and humidity in the vehicle according to the external temperature and humidity, and derives the preferred temperature and humidity corresponding to the current external temperature and humidity. Finally, the preferred temperature/humidity results in the vehicle are derived through each user's weight and each user's preferred temperature/humidity.
- the temperature and humidity in the vehicle can be automatically adjusted by the finally derived temperature and humidity.
- a specific user modifies the temperature and humidity after automatic temperature and humidity adjustment, it is possible to reflect this and re-learning about the weights of the users and each user's preferred temperature and humidity.
- the relationship between users and the preferred temperature and humidity data for each user's external temperature and humidity are stored in the personal information management unit and can be used later.
- the data collection unit 210 may collect user information, vehicle state information, current location information of the vehicle, environment data, and traffic condition data.
- User information is user-related data and can be collected from a personal platform such as a smartphone or vehicle
- vehicle status information and vehicle current location information are data about a preferred calculation target and are also collected from a personal platform such as a smartphone or vehicle. can do.
- environmental data and traffic condition data may be collected from a public platform such as the web as public data.
- the information extraction unit 240 extracts data necessary for calculating a preferred driving route from among the above data collected by the data collection unit 210 and stored in the data storage unit 220 , and transmits it to the preference calculation unit 250 .
- the user information may include vehicle operation information on weekdays, vehicle operation information on weekends, and the like, and the vehicle state information may include vehicle battery status, vehicle speed, and the like.
- the environmental data and traffic situation data may include information on weather, traffic accident occurrence status, road control, toll fees, and the like.
- the preference calculation unit 250 learns the data received from the government extraction unit, calculates a driving path pattern preferred by the user, and calculates a driving path pattern suitable for vehicle state information, environmental data, and traffic situation data.
- the final final preferred driving pattern is derived by considering the relationship between the user's preferred driving path pattern and the driving path pattern suitable for traffic situation data.
- the preference calculator 250 prioritizes the minimum time even if a transit cost occurs.
- a final preferred driving pattern can be derived.
- the preference calculator 250 may guide the driving route in consideration of the current user's destination, the current vehicle state, the current traffic situation, and the like in the final preferred driving pattern. For example, when the current vehicle's battery is insufficient to reach the destination at once, the preference calculator 250 may guide the route through which the vehicle can arrive at the destination in a minimum amount of time while passing through the charging station. In addition, the generated route can be changed according to traffic conditions.
- the preference calculating unit 250 can calculate the user's preference through learning. Hereinafter, learning of the preference calculating unit 250 will be described.
- ANN artificial neural network
- machine learning machine learning
- deep learning deep learning
- FIG. 8 shows an artificial neural network as an example of an artificial intelligence model, and as shown, the artificial neural network includes a plurality of layers.
- the plurality of layers includes an input layer (IL), hidden layers (HL1 to HLk), and an output layer (OL).
- IL input layer
- HL1 to HLk hidden layers
- OL output layer
- each of the plurality of layers includes one or more nodes.
- the input layer IL may include n input nodes i1 to in
- the output layer OL may include one output node v.
- the first hidden layer HL1 includes a nodes (h11 to h1a)
- the second hidden layer HL2 includes b nodes (h21 to h2b)
- the kth hidden layer (HLk) may include c nodes (hk1 to hkc).
- Each node of the plurality of layers performs an operation.
- a plurality of nodes of different layers are connected by a channel (indicated by a dotted line) having a weight (w: weight).
- an artificial neural network parameter including a weight (w) or a threshold value (b) is applied to the operation result of one node and is input to the node of the next layer. This connection relationship will be described based on nodes.
- FIG. 9 shows an example of a node h according to an embodiment of the present invention.
- the node of FIG. 8 is described as being one of the hidden nodes h, it may be commonly applied to all nodes included in the blasting model BM.
- the operation of such a node (h) is performed according to the following [Equation 1].
- the function F means an activation function.
- the parameter b is a threshold, and the threshold b is in [Equation 1] It serves to prevent the corresponding node from being activated when the value of is less than the threshold.
- node h receives values obtained by multiplying the weights w1, w2, and w3 corresponding to the three inputs x1, x2, and x3, sums them all up, and substitutes the summed value into the transfer function to calculate an output.
- the activation function F is 'sgn()' and the threshold value is 0.01
- the output is calculated as follows through the operation according to [Equation 1].
- each of the plurality of nodes for the plurality of layers generated from the artificial neural network receives the values in which the weights w1, w2, w3, and the threshold b, which are parameters of the artificial neural network, are applied to the node values x1, x2, and x3 of the previous layer,
- the output value OUT is calculated by performing the operation by the activation function F.
- the calculated output value OUT becomes an input to the node of the next layer. That is, any one node of any one layer of the AI model receives a value applied with a weight or a threshold to the output of the node of the previous layer, performs an operation by the activation function F, and delivers the operation result to the next layer. .
- the overall operation of the AI model is performed as follows. First, the preferred path pattern and user input are used as input data to the AI model.
- the input data may be input after being converted into an input feature vector.
- the input feature vector IV has a plurality of element values iv1 to ivn corresponding to a plurality of input nodes i1 to in of the input layer IL of the artificial intelligence model.
- the plurality of first hidden nodes h11 to h1a of the first hidden layer HL1 are Each applies a weight and a threshold to a plurality of element values iv1 to ivn of a plurality of input nodes (i1 to in), and performs an operation according to an activation function on each of the plurality of element values of the input feature vector to which the weight and threshold are applied to calculate a plurality of first hidden node values.
- each of the plurality of second hidden nodes h21 to h2b of the second hidden layer HL2 applies a weight and threshold to each of the plurality of first hidden node values of the plurality of first hidden nodes h11 to h1a, and the weight and calculating a plurality of second hidden node values by performing an operation according to an activation function on each of the plurality of first hidden node values to which the threshold is applied.
- a weight is applied to a previous node value in the hidden layer HL and transmitted, and a current node value is calculated through calculation.
- a plurality of k-th hidden node values of the plurality of k-th hidden nodes hk1 to hkc of the k-th hidden layer HLk may be calculated.
- the output value calculated by the output node v may be the user's preference.
- terminal unit 20 data management unit
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 개인정보 관리를 통한 선호 산출 시스템 및 방법에 관한 것으로서, 본 발명에 따른 개인정보 관리를 통한 선호 산출 시스템은, 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 수집하는 단말부; 상기 단말부에서 수집한 각각의 데이터를 저장하고 관리하면서, 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출하는 데이터 관리부; 및 상기 단말부와 상기 데이터 관리부 사이, 상기 단말부와 외부 사이에서 데이터를 전송하는 통신부;를 포함하는 것을 특징으로 한다. 개인의 선호도, 특히 차량과 관련된 개인의 선호도를 정확하게 산출하는 것이 가능하다.
Description
본 발명은 선호 산출 시스템 및 방법에 관한 것으로서, 보다 상세하게는 공용정보와 개인정보를 활용하여 개인의 선호를 산출하는 것이 가능한 개인정보 관리를 통한 선호 산출 시스템 및 방법에 관한 것이다.
기존의 선호도 관련 시스템은 개인의 선호도를 조사하고 그 선호도에 따라 특정 상품을 추천한다. 개인의 선호도는 설문 또는 기존 구매 이력과 같은 데이터를 통해 생성할 수 있다.
그런데 개인의 선호도는 시간, 날짜, 날씨, 위치, 주변 환경 정보 등에 따라 달라질 수 있으며 개인의 취향 또한 변경될 수 있는데, 기존의 선호도 산출 시스템은 이러한 상황을 반영하기 쉽지 않다.
또한, 기존의 선호도 관련 시스템은 주로 상품 추천에 특화되어 그 사용 범위가 한정적이다.
한편, 최근 차량에는 AI 관련 기술 등의 최신 기술이 접목되어, 차량이 단순한 이동 수단을 넘어 사용자의 다양한 요구를 만족시킬 수 있는 수단이 되고 있다.
따라서, 차량과 관련된 사용자의 다양한 선호도를 파악하는 경우, 사용자의 만족도를 크게 향상시킬 수 있을 것으로 기대된다.
[선행기술문헌]
[특허문헌]
(특허문헌 1) KR10-2020-0110146 A
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 개인의 선호도, 특히 차량과 관련된 개인의 선호도를 정확하게 산출하는 것이 가능한 개인정보 관리를 통한 선호 산출 시스템 및 방법을 제공함에 있다.
본 발명이 해결하고자 하는 과제는 위에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 목적은, 본 발명에 따라, 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 수집하는 단말부; 상기 단말부에서 수집한 각각의 데이터를 저장하고 관리하면서, 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출하는 데이터 관리부; 및 상기 단말부와 상기 데이터 관리부 사이, 상기 단말부와 외부 사이에서 데이터를 전송하는 통신부;를 포함하는 개인정보 관리를 통한 선호 산출 시스템에 의해 달성된다.
상기 데이터 관리부는, 상기 단말부로부터 데이터를 수집하는 데이터 수집부, 상기 데이터 수집부에서 수집한 데이터를 저장하는 데이터 저장부, 상기 데이터 저장부에 저장된 데이터 중 사용자 관련 데이터를 관리하는 개인 정보 관리부, 상기 데이터 저장부로부터 선호 산출에 필요한 데이터를 추출하는 정보 추출부, 및 상기 정보 추출부와 상기 개인 정보 관리부를 통해 획득한 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출하는 선호도 산출부를 포함할 수 있다.
상기 데이터 수집부가 수집하는 사용자 관련 데이터에는, 각 사용자를 식별하기 위한 사용자 식별 데이터, 사용자의 과거 행위에 관한 히스토리 데이터, 및 사용자의 현재 상황에 관한 상황 데이터가 포함될 수 있다.
상기 데이터 수집부가 수집하는 공용 데이터에는, 환경 데이터와 교통 상황 데이터가 포함될 수 있다.
상기 선호도 산출부는, 공용 데이터와 선호 산출 대상에 관한 데이터를 기반으로 공용 기반 선호를 산출하고, 사용자 관련 데이터와 선호 산출 대상에 관한 데이터를 기반으로 사용자 기반 선호를 산출한 후, 공용 기반 선호와 사용자 기반 선호의 상호 관계를 연산하여 선호 산출 대상에 대한 사용자의 선호를 산출할 수 있다.
선호 산출 대상에 따라 상기 정보 추출부가 추출하는 데이터는 달라질 수 있다.
상기 선호도 산출부는 관련된 다수 사용자의 사용자 관련 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출할 수 있다.
관련된 다수 사용자의 관계에 따라 각 사용자의 가중치가 상이하게 적용될 수 있다.
상기 선호도 산출부가 사용자의 선호를 산출한 후 상기 데이터 수집부에서 수집되는 선호 산출 대상에 관한 데이터에 따라 상기 개인 정보 관리부는 업데이트될 수 있다.
본 발명의 다른 실시예에 의하면, 공용 데이터를 수집하는 제1 수집단계; 사용자 관련 데이터와 선호 산출 대상에 관한 데이터를 수집하는 제2 수집단계; 및 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 분석하여 선호 산출 대상에 대한 사용자의 선호를 도출하는 선호 도출단계;를 포함하는 개인정보 관리를 통한 선호 산출 방법이 제공된다.
본 발명의 개인정보 관리를 통한 선호 산출 시스템에 의하면, 선호 산출시 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 모두 고려하여, 사용자의 선호와 일반적인 합리성을 모두 만족시킬 수 있는 선호 산출이 가능하다.
선호 산출 대상과 관련된 사용자가 다수인 경우, 다수 사용자의 관련 데이터를 고려하여 다수 사용자의 선호도를 만족시킬 수 있다.
도 1은 본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템의 개략적인 구성도,
도 2는 본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템을 구성하는 데이터 관리부의 개략적인 구성도,
도 3은 본 발명에 의한 개인정보 관리를 통한 선호 산출 방법의 순서도,
도 4 내지 도 7은 본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템의 적용 예시에 관한 설명도,
도 8 및 도 9는 본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템에서 선호도 산출부가 학습하는 방법의 예시에 관한 설명도이다.
본 발명은 아래에 기재된 과제의 지원을 받아 출원을 진행하는 것이다.
과제번호 | 1345331604 |
부처명 | 교육부 |
과제관리(전문)기관명 | 한국연구재단 |
연구사업명 | 대학중점연구소지원사업 |
연구과제명 | 신재생 에너지를 활용한 자율주행용 데이터 네트워킹 AI 엔진/부품 기술개발 |
과제수행기관명 | 충북대학교 산학협력단 |
연구기간 | 2020.06.01. ~ 2029.05.31. |
기여울 | 100% |
본 발명의 과제 해결 수단의 특징 및 이점을 보다 명확히 하기 위하여, 첨부된 도면에 도시된 본 발명의 특정 실시 예를 참조하여 본 발명을 더 상세하게 설명한다.
다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하의 설명 및 도면에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
또한, 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하기 위해 사용하는 것으로, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 뿐, 상기 구성요소들을 한정하기 위해 사용되지 않는다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다.
또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 본 명세서에서 기술되는 "포함 한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 명세서에 기재된 "부", "기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 발명을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
상술한 용어들 이외에, 이하의 설명에서 사용되는 특정 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
아울러, 본 발명의 범위 내의 실시 예들은 컴퓨터 실행가능 명령어 또는 컴퓨터 판독가능 매체에 저장된 데이터 구조를 가지거나 전달하는 컴퓨터 판독가능 매체를 포함한다. 이러한 컴퓨터 판독가능 매체는, 범용 또는 특수 목적의 컴퓨터 시스템에 의해 액세스 가능한 임의의 이용 가능한 매체일 수 있다. 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EPROM, CD-ROM 또는 기타 광 디스크 저장장치, 자기 디스크 저장장치 또는 기타 자기 저장장치, 또는 컴퓨터 실행가능 명령어, 컴퓨터 판독가능 명령어 또는 데이터 구조의 형태로 된 소정의 프로그램 코드 수단을 저장하거나 전달하는 데에 이용될 수 있고, 범용 또는 특수 목적 컴퓨터 시스템에 의해 액세스 될 수 있는 임의의 기타 매체와 같은 물리적 저장 매체를 포함할 수 있지만, 이에 한정되지 않는다.
본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템(1)에 대해서는 차량 관련 요청에 관한 선호를 위주로 하여 설명하기는 하지만, 본 발명의 선호 산출 시스템(1)은 다양한 대상에 대한 선호를 산출하는데 활용될 수 있다.
도 1에는 본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템(1)의 개략적인 구성도가 도시되어 있다.
본 발명에 의한 개인정보 관리를 통한 선호 산출 시스템(1)은 크게 단말부(10), 데이터 관리부(20) 및 통신부(30)를 포함하여 이루어진다.
단말부(10)는 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 수집한다. 단말부(10)에는 예를 들어, 자동차, 스마트폰 등이 포함될 수 있으며, 각종 측정 수단을 구비하여 직접 데이터를 생성할 수도 있고 다른 사용자의 스마트폰이나 웹 등에 연결되어 데이터를 전송받을 수도 있다.
사용자 관련 데이터에는 사용자의 기본적인 프로필과 사용자의 과거 행위 정보 등이 포함될 수 있고, 공용 데이터에는 모든 사용자에게 공통되는 정보, 예를 들어 현재 시간, 날씨, 교통 상황 등의 정보가 포함될 수 있다. 그리고 선호 산출 대상에 관한 데이터에는 선호 산출의 대상에 대한 정보가 포함될 수 있다. 예를 들어, 차량의 이동 경로에 대한 선호를 산출하고자 하는 경우, 선호 산출 대상에 관한 데이터에는 차량의 현재 위치, 남은 배터리 용량 등에 관한 정보가 포함될 수 있다.
단말부(10)는 또한, 선호 산출 대상이 될 수 있다. 예를 들어 자동차와 관련 하여 경로, 차내 환경에 관한 선호를 산출하고자 하는 경우, 자동차는 선호 산출 대상이자 선호 산출에 필요한 데이터를 수집하기 위한 단말부(10)가 될 수 있다.
데이터 관리부(20)는 서버와 DB로 구성되어, 단말부(10)에서 수집한 각각의 데이터를 저장하고 관리하면서, 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출한다. 데이터 관리부(20)에서 저장 및 관리하는 정보는 선호 산출 대상에 따라 확장될 수 있다. 데이터 관리부(20)의 구체적인 구성과 각 구성의 역할에 대해서는 아래에서 더 자세하게 설명하도록 한다.
통신부(30)는 단말부(10)와 데이터 관리부(20) 사이에서 데이터를 전송하고, 단말부(10)와 외부 사이에서 데이터를 전송한다. 즉, 외부 기기와 단말부(10)를 연결하여 단말부(10)가 데이터를 수집할 수 있도록 하고, 단말부(10)가 외부로부터 수집하거나 직접 수집한 데이터를 데이터 관리부(20)로 전송한다.
이러한 본 발명의 개인정보 관리를 통한 선호 산출 시스템(1)에 의하면, 선호 산출시 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 모두 고려하여, 사용자의 선호와 일반적인 합리성을 모두 만족시킬 수 있는 선호 산출이 가능하다.
데이터 관리부(20)는 구체적으로, 데이터 수집부(210), 데이터 저장부(220), 개인 정보 관리부(230), 정보 추출부(240) 및 선호도 산출부(250)를 포함하여 이루어진다. 도 2에는 이러한 데이터 관리부(20)에 대한 설명도가 도시되어 있다.
데이터 수집부(210)는 단말부(10)로부터 데이터를 전달받아 수집한다. 데이터 수집부(210)는 사용자 관련 데이터, 선호 산출 대상에 관한 데이터, 공용 데이터를 서로 동일하거나 다른 단말부(10)로부터 수집할 수 있다. 예를 들어 차량의 경로에 관한 선호를 산출하는 경우, 데이터 수집부(210)는 환경, 시간, 날씨, 재난상황, 차량 속도, 차량 가속도, 교통상황, 현재 차량 위치 등에 관한 데이터를 수집할 수 있다. 사용자 관련 데이터는 스마트폰이나 상기 스마트폰에서 실행되는 소셜 네트워크 서비스와 같은 개인 플랫폼으로부터 얻을 수 있고, 공용 데이터는 웹이나 관제센터와 같은 공용 플랫폼으로부터 얻을 수 있다. 선호 산출 대상에 관한 데이터는 선호 산출 대상이 무엇인지에 따라 개인 플랫폼 또는 공용 플랫폼으로부터 얻을 수 있다.
데이터 저장부(220)는 데이터 수집부(210)에서 수집한 데이터를 저장하고, 개인 정보 관리부(230)와 정보 추출부(240)에 저장된 데이터를 제공한다.
개인 정보 관리부(230)는 데이터 저장부(220)에 저장된 데이터 중에서 사용자 관련 데이터를 관리하는 역할을 한다. 예를 들어 차량의 경로에 관한 선호를 산출하는 경우, 개인 정보 관리부(230)에서는 사용자 관련 데이터를 통해 사용자의 출근 시간, 퇴근 시간, 시간별 위치 정보, 출근 경로, 자주가는 장소 등의 가공 데이터를 산출하여 관리할 수 있다. 이러한 가공 데이터는 사용자 차량의 이동 패턴을 통해 산출하는 것이 가능하다. 차량의 이동 패턴은 인공지능 등을 활용하여 분석되어 가공 데이터로 만들어질 수 있다.
정보 추출부(240)는 선호 산출 대상에 따라 선호도 산출부(250)에서 필요한 정보를 추출하는 역할을 한다. 정보 추출부(240)는 추출할 정보를 개인 정보 관리부(230)와 선호도 산출부(250)를 참고하여 선택하고, 데이터 저장부(220)로부터 추출한다. 정보 추출부(240)에서 추출한 정보는 선호도 산출을 위해 선호도 산출부(250)로 전송한다.
선호도 산출부(250)는 정보 추출부(240)와 개인 정보 관리부(230)를 통해 획득한 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출한다. 즉, 정보 추출부(240)로부터 선호 산출 대상에 관한 데이터와 공용 데이터를 획득하고 개인 정보 관리부(230)로부터 선호 산출 대상과 관련된 개인 정보를 획득하여, 이 정보들을 기반으로 사용자 선호를 산출한다.
선호도 산출부(250)는 산출된 선호도 결과를 개인 정보 관리부(230)에 전송하여 사용자 관련 정보를 업데이트할 수 있다. 그리고 선호도 산출부(250)는 선호 산출에 필요한 추가적으로 필요한 데이터의 항목을 데이터 수집부(210)가 추가하도록 요청할 수 있고, 어떤 대상에 대한 선호 산출에 필요한 데이터를 데이터 수집부(210)에 업데이트하도록 요청할 수 있다.
선호도 산출부(250)는 예를 들어, 강화학습을 통해 사용자의 선호를 산출하는 것이 가능하다.
데이터 수집부(210)가 수집하는 사용자 관련 데이터에는, 보다 구체적으로 각 사용자를 식별하기 위한 사용자 식별 데이터, 사용자의 과거 행위에 관한 히스토리 데이터, 사용자의 현재 상황에 관한 데이터가 포함될 수 있다.
이러한 데이터를 통해 사용자 관련 데이터만에 의한 각 사용자의 선호나 행동 패턴을 파악하는 것이 가능하다. 그리고 사용자의 현재 상황을 파악하여 현재 사용자가 행동 패턴의 어느 위치에 있는지나 사용자의 선호를 충족할만한 상태인지를 파악할 수 있다.
사용자의 현재 상황에 관한 데이터는 선호 산출 대상이 무엇인지에 따라 선호 산출 대상에 관한 데이터가 될 수도 있다.
데이터 수집부(210)가 수집하는 공용 데이터에는 환경 데이터와 교통 상황 데이터가 포함될 수 있다. 구체적으로 환경 데이터에는 현재 시간, 날씨 등의 데이터가 포함될 수 있고, 교통 상황 데이터에는 교통 체증, 사고 상황, 통행료 등의 데이터가 포함될 수 있다.
선호도 산출부(250)는 공용 데이터와 선호 산출 대상에 관한 데이터를 기반으로 공용 기반 선호를 산출하고 사용자 관련 데이터와 선호 산출 대상에 관한 데이터를 기반으로 사용자 기반 선호를 산출한 후, 공용 기반 선호와 사용자 기반 선호의 상호 관계를 연산하여 선호 산출 대상에 대한 사용자의 선호를 산출할 수 있다.
공용 기반 선호는 선호 산출 대상의 이용 가능 여부, 이용에 소요되는 시간과 비용 등 합리적인 관점에서의 선호도 산출 결과이다. 그리고 사용가 기반 선호는 개인의 취향이나 상황에 다른 선호도 산출 결과이다. 본 실시예에서는 이러한 공용 기반 선호와 사용자 기반 선호의 관계에 따라 최종 사용자 선호를 산출한다.
예를 들어, 사용자 기반 선호가 공용 기반 선호의 관점에서 불가능하거나 너무 불합리한 경우, 해당 사용자 기반 선호는 대체되거나 수정될 수 있다. 사용자 기반 선호가 공용 기반 선호의 관점에서 약간 불합리하지만 사용자의 취향에 상당히 부합하는 경우, 해당 사용자 기반 선호는 그대로 선호도 결과로서 산출될 수 있다.
선호 산출 대상에 따라 정보 추출부(240)가 추출하는 데이터는 달라질 수 있다. 즉, 선호 산출 대상이 달라지는 경우, 선호도 산출에 필요한 데이터가 달라질 수 있으므로 정보 추출부(240)가 선호 산출 대상에 적합한 데이터를 선호도 산출부(250)로 전송한다.
선호도 산출부(250)는 관련된 다수 사용자의 사용자 관련 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출할 수 있다.
예를 들어, 차량에 동승자가 있는 경우에 차량의 운행 경로나 차량 내 환경에 대한 요구는 달라질 수 있다. 따라서, 이러한 경우에는 다수 사용자의 사용자 관련 데이터를 기반으로 사용자의 선호를 산출하여, 다수 사용자를 만족시킬 수 있도록 한다.
관련된 다수 사용자의 관계에 따라 각 사용자의 가중치는 상이하게 적용될 수 있다. 예를 들어, 동승자가 운전자의 중요한 고객이거나 고령의 부모님인 경우, 동승자에 가중치를 더 크게 하여, 즉 동승자의 선호를 더 중요하게 고려하여 선호를 산출할 수 있다.
선호도 산출부(250)가 사용자의 선호를 산출한 후의 데이터 수집부(210)에서 수집되는 선호 산출 대상에 관한 데이터에 따라 개인 정보 관리부(230)는 업데이트될 수 있다.
선호도 산출부(250)의 선호 산출 결과는 사용자에게 전달되어 사용자가 선호 산출 대상의 이용하거나 이용하지 않을 수 있다. 선호 산출 결과에 대한 사용자의 이용 여부는 사용자의 성향이나 선호도를 반영하므로, 이러한 데이터를 바탕으로 개인 정보 관리부(230)를 업데이트하여 후에 사용자의 선호 산출을 보다 정확하게 하는 것이 가능하다.
이하에서는 본 발명에 의한 개인정보 관리를 통한 선호 산출 방법에 대해 설명한다. 본 발명에 의한 개인정보 관리를 통한 선호 산출 방법에 대해 설명하면서 본 발명의 개인정보 관리를 통한 선호 산출 시스템(1)의 설명시 언급한 부분에 대해서는 자세한 설명을 생략할 수 있다.
본 발명에 의한 개인정보 관리를 통한 선호 산출 방법은 제1 수집단계(S10), 제2 수집단계(S20) 및 선호 도출단계(S30)를 포함하여 이루어진다.
도 3에는 본 발명에 의한 개인정보 관리를 통한 선호 산출 방법의 순서도가 도시도어 있다.
제1 수집단계(S10)에서는 공용 데이터를 수집한다. 공용 데이터에는 모든 사용자에게 공통되는 정보가 포함될 수 있으며, 예를 들어 환경 데이터와 교통 상황 데이터 등이 포함될 수 있다. 공용 데이터는 웹이나 관제센터 등의 공용플랫폼으로부터 수집될 수 있다.
제2 수집단계(S20)에서는 사용자 관련 데이터와 선호 산출 대상에 관한 데이터를 수집한다. 사용자 관련 데이터에는 사용자의 기본적인 프로필과 사용자의 과거 행위 정보 등이 포함될 수 있다. 사용자 관련 데이터는 스마트폰, 차량 등 개인플랫폼으로부터 수집될 수 있고, 선호 산출 대상에 관한 데이터 개인플랫폼 또는 공용플랫폼으로부터 수집될 수 있다.
제1 수집단계(S10)와 제2 수집단계(S20)는 동시에 이루어지거나 순서가 바뀔 수도 있다.
사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 분석하여 선호 산출 대상에 대한 사용자의 선호를 도출한다. 즉, 선호 산출 대상의 현재 상황을 파악하고, 선호 산출 대상에 대한 사용자의 기존 행동 패턴이나 선호, 그리고 선호 산출 대상과 관련된 각 대안의 합리성을 기반으로 적절한 선호를 결과로서 산출한다.
이하에서는 구체적인 예시를 바탕으로 본 발명에 대해 설명하도록 한다.
도 4에는 차량 시스템을 관한 사용자의 선호를 산출하는 경우에 있어 본 발명의 선호 산출 시스템(1)에 관한 설명도가 도시되어 있다. 차량 시스템에는 예를 들어, 차량 내부의 온·습도, 시트의 각도 및 위치, 멀티미디어 서비스, 차량의 주행 속도와 같은 주행 스타일 등이 포함될 수 있다.
이 경우, 단말부(10)에는 스마트폰, 차량 시스템 및 스마트 워치가 포함될 수 있다. 이러한 단말부(10)를 통해 운전자 ID, 좌석별 사용자 ID, 날씨, 트래픽, 위치, 유사 연령대 선호도, 인근 사용자 데이터, 시각, 차량 속도 등의 데이터를 수집할 수 있다.
통신부(30)는 예를 들어, LTE, WiFi, Bluetooth 방식으로 단말부(10)의 데이터를 데이터 관리부(20)로 전송할 수 있다.
예를 들어, 차량 내부의 온·습도 제어는 아래와 같은 과정을 통해 이루어질 수 있다. 도 5 및 도 6에는 차량 내부의 온·습도 제어시 데이터 관리부(20)의 동작에 관한 설명도가 도시되어 있다.
차량 시스템에서 제공하는 서비스 중 내부 온·습도에 관한 요구를 하는 경우, 산출해야하는 선호도는 온·습도이다. 그리고 동승자가 있는 경우, 각 사용자들의 선호 온·습도가 다를 수 있기 때문에 온·습도를 결정하기 위한 각 사용자의 가중치를 산정한다. 정보 추출부(240)는 각 사용자의 선호 온·습도를 산출하기 위해 각 사용자가 설정한 시간별 선호 온·습도와 날씨별 선호 온·습도를 개인 정보 관리부(230)에 요청할 수 있고, 각 사용자의 가중치를 학습하기 위해 운전자인 사용자와 타 사용자와의 관계를 개인 정보 관리부(230)에 요청할 수 있다. 정보 추출부(240)에서 전달한 데이터를 통해 선호도 산출부(250)는 각 사용자의 선호 온·습도 및 각 사용자에 대한 가중치를 산출한 후 최종적으로 선호 온·습도를 결정한다.
보다 구체적으로, 운전자 A, 동승자 B와 C가 있을 때, 차량으로부터 각 사용자의 식별 데이터(ID)와 각 사용자의 온·습도 조절 데이터를 데이터 수집부(210)에서 수집하고 데이터 저장부(220)에서 저장한다. 그리고 기상청 홈페이지 등의 웹에서 온도와 습도 데이터를 수집하고 저장한다. 각 사용자의 식별 데이터(ID)와 각 사용자의 온·습도 조절 데이터는 사용자 관련 데이터이자 선호 산출 대상에 관한 데이터라고 할 수 있으며, 온도와 습도 데이터는 공용 데이터라고 할 수 있다.
데이터 저장부(220)에는 시간별로 외부 온·습도 데이터와 각 사용자의 온·습도 조절 데이터가 저장될 수 있다. 정보 추출부(240)에서는 차량 내 온·습도 제어에 필요한 데이터를 데이터 저장부(220)로부터 추출하여 선호도 산출부(250)로 전송한다. 선호도 산출부(250)에서는 각 사용자의 개인 정보를 학습하여 사용자들 사이의 관계를 도출하고 각 사용자의 가중치를 도출한다. 그리고 각 사용자의 과거 온·습도 조절 데이터 학습을 통해 외부 온·습도에 따른 차량 내 선호 온·습도를 도출하고, 현재 외부 온·습도에 대응하는 선호 온·습도를 도출한다. 최종적으로 각 사용자의 가중치와 각 사용자의 선호 온·습도를 통해 차량 내 선호 온·습도 결과를 도출한다.
최종적으로 도출된 온·습도에 의해 차량 내 온·습도가 자동으로 조절될 수 있다. 온·습도의 자동 조절 후 특정 사용자가 온·습도를 수정하는 경우에는 이를 반영하여 사용자들의 가중치와 각 사용자의 선호 온·습도에 관하여 다시 학습을 수행할 수 있다.
사용자들 사이의 관계와 각 사용자의 외부 온·습도별 선호 온·습도 데이터는 개인정보 관리부에 저장되어 후에 활용될 수 있다.
이하에서는 본 발명에 의한 선호 산출 시스템(1)이 차량의 주행 경로의 산출에 적용되는 경우에 대해 설명한다. 도 7에는 이에 관한 설명도가 도시되어 있다.
차량의 주행 경로를 산출하는 경우, 데이터 수집부(210)에서는 사용자 정보, 차량의 상태 정보, 차량의 현재 위치 정보, 환경 데이터, 교통 상황 데이터를 수집할 수 있다. 사용자 정보는 사용자 관련 데이터로서 스마트폰이나 차량과 같은 개인 플랫폼에서 수집할 수 있고, 차량의 상태 정보와 차량의 현재 위치 정보는 선호 산출 대상에 관한 데이터로서 마찬가지로 스마트폰이나 차량과 같은 개인 플랫폼에서 수집할 수 있다. 그리고 환경 데이터, 교통 상황 데이터는 공용 데이터로서 웹 등의 공용 플랫폼에서 수집할 수 있다.
정보 추출부(240)에서는 데이터 수집부(210)에서 수집되고 데이터 저장부(220)에 저장된 위와 같은 데이터 중 선호 주행 경로 산출에 필요한 데이터를 추출하여 선호도 산출부(250)로 전달한다. 사용자 정보에는 주중의 차량 운행 정보, 주말의 차량 운행 정보 등이 포함될 수 있고, 차량의 상태 정보에는 차량의 배터리 상황, 차량의 속도 등이 포함될 수 있다. 그리고 환경 데이터 및 교통 상황 데이터에는 날씨, 교통사고 발생 현황, 도로 통제, 통행료 등에 관한 정보가 포함될 수 있다.
선호도 산출부(250)에서는 정부 추출부로부터 전달받은 데이터를 학습하여, 사용자가 선호하는 주행 경로 패턴을 산출하고 차량의 상태 정보, 환경 데이터 및 교통 상황 데이터에 적합한 주행 경로 패턴을 산출한다. 그리고 사용자 선호 주행 경로 패턴과 교통 상황 데이터 등에 적합한 주행 경로 패턴 간의 관계를 고려하여 최종 최종 선호 주행 패턴을 도출한다.
예를 들어, 사용자가 주로 이용하는 도로가 골목길이 아닌 큰 도로이고, 경유 비용이 발생하더라도 최소 시간 안에 도착하는 것을 선호하는 경우, 선호도 산출부(250)는 경유 비용이 발생하더라도 최소 시간을 우선순위로 하는 최종 선호 주행 패턴을 도출할 수 있다.
선호도 산출부(250)는 마지막으로 최종 선호 주행 패턴에 현재 사용자의 목적지와 현재 차량의 상태, 현재 교통 상황 등을 고려하여 주행 경로를 안내할 수 있다. 예를 들어, 현재 차량의 배터리가 부족하여 목적지까지 한번에 갈 수 없는 경우, 선호도 산출부(250)는 차량이 충전소를 경유하면서 최소 시간으로 목적지에 도착할 수 있는 경로를 안내할 수 있다. 그리고 교통 상황에 따라 생성된 경로를 변경할 수 있다.
상기했던 바와 같이, 선호도 산출부(250)는 학습을 통해 사용자의 선호를 산출하는 것이 가능한데, 이하에서는 선호도 산출부(250)의 학습에 관해 설명하도록 한다.
학습에는 인공신경망(ANN), 기계학습(machine learning), 딥러닝(deep learning) 등과 같은 다양한 인공지능 모델이 사용될 수 있다.
예를 들어 도 8은 인공지능 모델의 일례인 인공신경망을 도시하였으며, 도시된 바와 같이 인공신경망은 복수의 계층을 포함한다. 이러한 복수의 계층은 입력층(IL: Input Layer), 은닉층(HL: Hidden Layer, HL1 내지 HLk) 및 출력층(OL: Output Layer)을 포함한다.
또한 복수의 계층(IL, HL, OL) 각각은 하나 이상의 노드를 포함한다. 예컨대 도시된 바와 같이, 입력층(IL)은 n개의 입력노드(i1 ~ in)를 포함하며, 출력층(OL)은 1개의 출력노드(v)를 포함할 수 있다. 또한 은닉층(HL) 중 제1 은닉계층(HL1)은 a개의 노드(h11 ~ h1a)를 포함하고, 제2 은닉계층(HL2)은 b개의 노드(h21 ~ h2b)를 포함하고, 제k 은닉계층(HLk)은 c개의 노드(hk1 ~ hkc)를 포함할 수 있다.
복수의 계층의 노드 각각은 연산을 수행한다. 특히 서로 다른 계층의 복수의 노드는 가중치(w: weight)를 가지는 채널(점선으로 표시)로 연결된다. 다른 말로, 어느 하나의 노드의 연산 결과는 가중치(w) 혹은 임계치(b)를 포함하는 인공신경망의 파라미터가 적용되어 다음 계층의 노드에 입력된다. 이러한 연결 관계에 대해 노드를 기준으로 설명하기로 한다.
도 9에 본 발명의 실시예에 따른 노드(h)의 일례가 도시되었다. 도 8의 노드는 히든 노드(h) 중 하나인 것으로 설명되지만, 발파모델(BM)에 포함된 모든 노드에 공통으로 적용될 수 있다. 이러한 노드(h)의 연산은 다음의 [수학식 1]에 따라 이루어진다.
여기서, 함수 F는 활성화 함수(activation function)를 의미한다. 또한, x는 이전 계층의 복수의 노드 각각의 연산 결과에 따른 노드값이고, 다음 계층의 노드(h)에 대한 입력을 의미한다. 이러한 입력은 x=[x1, x2, … , xn]와 같이 표현될 수 있다. w는 입력 x에 대응하는 가중치이며, w=[w1, w2, … , wn]와 같이 표현될 수 있다. 수학식 1에 따르면, 노드(h)는 이전 계층의 복수의 노드 각각의 노드값인 입력 x=[x1, x2, … , xn]에 가중치 w=[w1, w2, … , wn]를 적용한 후, 그 결과에 함수 F를 취한다. 여기서, 파라미터 b는 임계치이며, 임계치 b는 [수학식 1]에서 의 값이 임계치 보다 작을 때 해당 노드가 활성화되지 않도록 하는 역할을 한다.
예를 들면, 노드(h)의 이전 계층의 노드가 3개라고 가정한다(n=3). 이에 따라, 노드(h)에 대해 3개의 입력 x1, x2, x3과 3개의 가중치 w1, w2, w3이 존재한다. 노드(h)는 3개의 입력 x1, x2, x3에 대응하는 가중치 w1, w2, w3을 곱한 값을 입력받고, 모두 합산한 후, 합산된 값을 전달 함수에 대입하여 출력을 산출한다. 구체적으로, 입력 [x1, x2, x3] = 0.5, -0.3, 0이라고 가정하고, 가중치 w=[w1, w2, w3] = 4, 5, 2라고 가정한다. 또한, 활성화함수 F는 ‘sgn()’이고, 임계치는 0.01이라고 가정하면, [수학식 1]에 따른 연산을 통해 다음과 같이 출력이 산출된다.
x1 × w1 = 0.5 × 0.19 = 0.095
x2 × w2 = - 0.3 × 0.25 = -0.075
x3 × w3 = 0 × 0.66 = 0
0.095 + (-0.075) + 0 = 0.02
b=0.01일 때, sgn(0.02-0.01) = 1
이와 같이, 인공신경망으로부터 생성된 복수의 계층에 대한 복수의 노드 각각은 이전 계층의 노드값 x1, x2, x3에 인공신경망의 파라미터인 가중치 w1, w2, w3 및 임계치 b가 적용된 값을 입력받고, 활성화함수 F에 의한 연산을 수행하여 출력값 OUT을 산출한다. 다음 계층이 존재하는 경우, 산출된 출력값 OUT은 다음 계층의 노드에 대한 입력이 된다. 즉, 인공지능 모델의 어느 한 계층의 어느 하나의 노드는 이전 계층의 노드의 출력에 가중치 혹은 임계치를 적용한 값을 입력받고, 활성화함수 F에 의한 연산을 수행하여 그 연산 결과를 다음 계층으로 전달한다.
인공지능 모델의 전체적인 연산은 다음과 같이 이루어진다. 먼저, 인공지능 모델에 대한 입력 데이터로 선호 경로 패턴 및 사용자 입력이 사용된다. 입력 데이터는 입력특징벡터로 변환되어 입력될 수 있다. 입력특징벡터 IV는 인공지능 모델의 입력층(IL)의 복수의 입력노드(i1 ~ in)에 대응하는 복수의 요소값 iv1 ~ ivn을 가진다. 이에 따라 입력층(IL)의 복수의 입력노드(i1 ~ in)에 입력특징벡터 IV=[iv1 ~ ivn]가 입력되면, 제1 은닉층(HL1)의 복수의 제1 은닉노드(h11 ~ h1a) 각각은 복수의 입력노드(i1 ~ in)의 복수의 요소값 iv1 ~ ivn에 가중치 및 임계치를 적용하고, 가중치 및 임계치가 적용된 입력특징벡터의 복수의 요소값 각각에 대해 활성화함수에 따른 연산을 수행하여 복수의 제1 은닉노드값을 산출한다.
이어서 제2 은닉층(HL2)의 복수의 제2 은닉노드(h21 ~ h2b) 각각은 복수의 제1 은닉노드(h11 ~ h1a)의 복수의 제1 은닉노드값 각각에 가중치 및 임계치를 적용하고, 가중치 및 임계치가 적용된 복수의 제1 은닉노드값 각각에 대해 활성화함수에 따른 연산을 수행하여 복수의 제2 은닉노드값을 산출한다. 이와 같은 방식으로 은닉층(HL) 내에서 이전의 노드값이 가중치가 적용되어 전달되고, 연산을 통해 현재의 노드값이 산출된다. 이러한 과정을 반복하여, 제k 은닉계층(HLk)의 복수의 제k 은닉노드(hk1 ~ hkc)의 복수의 제k 은닉노드값을 산출할 수 있다.
이에 따라 출력층(OL)의 출력노드(v)는 제k 은닉계층(HLk)의 복수의 제k 은닉노드(hk1 ~ hkc)의 복수의 제k 은닉노드값에 가중치 w=[w1, w2, … , wc]가 적용된 값을 입력받고(점선으로 표시), 입력된 값을 모두 합산한 후, 임계치를 차감하고, 해당 값에 대해 활성화함수에 따른 연산을 수행하여 출력값을 산출한다. 이러한 출력노드(v)가 산출한 출력값은 사용자의 선호도가 될 수 있다.
본 발명의 권리범위는 상술한 실시예에 한정되는 것이 아니라 첨부된 특허청구범위 내에서 다양한 형태의 실시예로 구현될 수 있다. 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 변형 가능한 다양한 범위까지 본 발명의 청구범위 기재의 범위 내에 있는 것으로 본다.
[부호의 설명]
1 : 개인정보 관리를 통한 선호 산출 시스템
10 : 단말부 20 : 데이터 관리부
30 : 통신부
210 : 데이터 수집부 220 : 데이터 저장부
230 : 개인 정보 관리부 240 : 정보 추출부
250 : 선호도 산출부
Claims (10)
- 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 수집하는 단말부;상기 단말부에서 수집한 각각의 데이터를 저장하고 관리하면서, 사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출하는 데이터 관리부; 및상기 단말부와 상기 데이터 관리부 사이, 상기 단말부와 외부 사이에서 데이터를 전송하는 통신부;를 포함하는 개인정보 관리를 통한 선호 산출 시스템.
- 제1항에 있어서,상기 데이터 관리부는,상기 단말부로부터 데이터를 수집하는 데이터 수집부,상기 데이터 수집부에서 수집한 데이터를 저장하는 데이터 저장부,상기 데이터 저장부에 저장된 데이터 중 사용자 관련 데이터를 관리하는 개인 정보 관리부,상기 데이터 저장부로부터 선호 산출에 필요한 데이터를 추출하는 정보 추출부, 및상기 정보 추출부와 상기 개인 정보 관리부를 통해 획득한 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출하는 선호도 산출부를 포함하는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제2항에 있어서,상기 데이터 수집부가 수집하는 사용자 관련 데이터에는,각 사용자를 식별하기 위한 사용자 식별 데이터,사용자의 과거 행위에 관한 히스토리 데이터, 및사용자의 현재 상황에 관한 상황 데이터가 포함되는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제2항에 있어서,상기 데이터 수집부가 수집하는 공용 데이터에는,환경 데이터와 교통 상황 데이터가 포함되는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제2항에 있어서,상기 선호도 산출부는,공용 데이터와 선호 산출 대상에 관한 데이터를 기반으로 공용 기반 선호를 산출하고, 사용자 관련 데이터와 선호 산출 대상에 관한 데이터를 기반으로 사용자 기반 선호를 산출한 후,공용 기반 선호와 사용자 기반 선호의 상호 관계를 연산하여 선호 산출 대상에 대한 사용자의 선호를 산출하는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제2항에 있어서,선호 산출 대상에 따라 상기 정보 추출부가 추출하는 데이터는 달라지는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제2항에 있어서,상기 선호도 산출부는 관련된 다수 사용자의 사용자 관련 데이터를 기반으로 선호 산출 대상에 대한 사용자의 선호를 산출하는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제7항에 있어서,관련된 다수 사용자의 관계에 따라 각 사용자의 가중치가 상이하게 적용되는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 제2항에 있어서,상기 선호도 산출부가 사용자의 선호를 산출한 후 상기 데이터 수집부에서 수집되는 선호 산출 대상에 관한 데이터에 따라 상기 개인 정보 관리부는 업데이트되는 것을 특징으로 하는 개인정보 관리를 통한 선호 산출 시스템.
- 공용 데이터를 수집하는 제1 수집단계;사용자 관련 데이터와 선호 산출 대상에 관한 데이터를 수집하는 제2 수집단계; 및사용자 관련 데이터, 선호 산출 대상에 관한 데이터 및 공용 데이터를 분석하여 선호 산출 대상에 대한 사용자의 선호를 도출하는 선호 도출단계;를 포함하는 개인정보 관리를 통한 선호 산출 방법.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20200179420 | 2020-12-21 | ||
KR10-2020-0179420 | 2020-12-21 | ||
KR1020210176120A KR102677869B1 (ko) | 2020-12-21 | 2021-12-09 | 개인정보 관리를 통한 선호 산출 시스템 및 방법 |
KR10-2021-0176120 | 2021-12-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022139283A1 true WO2022139283A1 (ko) | 2022-06-30 |
Family
ID=82159526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/KR2021/018767 WO2022139283A1 (ko) | 2020-12-21 | 2021-12-10 | 개인정보 관리를 통한 선호 산출 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2022139283A1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060063635A (ko) * | 2004-12-07 | 2006-06-12 | 한국전자통신연구원 | 선호도 추출 기능을 갖는 텔레매틱스 장치 |
KR20110037451A (ko) * | 2009-10-07 | 2011-04-13 | (주)한국공간정보통신 | 선호도 기반 유비쿼터스 서비스 제공 방법 및 시스템 |
KR101451153B1 (ko) * | 2013-08-02 | 2014-10-16 | 충북대학교 산학협력단 | 동행인과의 이동 궤적 분석을 통한 모바일 사용자에 대한 장소 추천 시스템 및 방법 |
KR101528518B1 (ko) * | 2013-11-08 | 2015-06-12 | 현대자동차주식회사 | 차량 및 그 제어방법 |
US20200217679A1 (en) * | 2019-01-03 | 2020-07-09 | International Business Machines Corporation | Determining directional guidance for vehicles |
-
2021
- 2021-12-10 WO PCT/KR2021/018767 patent/WO2022139283A1/ko active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060063635A (ko) * | 2004-12-07 | 2006-06-12 | 한국전자통신연구원 | 선호도 추출 기능을 갖는 텔레매틱스 장치 |
KR20110037451A (ko) * | 2009-10-07 | 2011-04-13 | (주)한국공간정보통신 | 선호도 기반 유비쿼터스 서비스 제공 방법 및 시스템 |
KR101451153B1 (ko) * | 2013-08-02 | 2014-10-16 | 충북대학교 산학협력단 | 동행인과의 이동 궤적 분석을 통한 모바일 사용자에 대한 장소 추천 시스템 및 방법 |
KR101528518B1 (ko) * | 2013-11-08 | 2015-06-12 | 현대자동차주식회사 | 차량 및 그 제어방법 |
US20200217679A1 (en) * | 2019-01-03 | 2020-07-09 | International Business Machines Corporation | Determining directional guidance for vehicles |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108216261B (zh) | 基于预测目的地控制车辆的方法和*** | |
WO2018212494A1 (ko) | 객체를 식별하는 방법 및 디바이스 | |
CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测***和方法 | |
JP5508223B2 (ja) | 個人識別システム及び方法 | |
US20120254084A1 (en) | Passenger motion prediction and optimization system | |
WO2022163956A1 (ko) | 인공지능 기반 매장 수요 예측 방법 및 시스템 | |
CN113393137B (zh) | 一种基于车联网的调度共享*** | |
CN112556717B (zh) | 出行方式筛选方法和出行路线推荐方法和装置 | |
WO2016056692A1 (ko) | 지하철 객실 별 실시간 냉난방 제어 시스템 | |
JPWO2020079746A1 (ja) | 乗降地点提供システム、データサーバー及び乗降地点提供方法 | |
WO2022139283A1 (ko) | 개인정보 관리를 통한 선호 산출 시스템 및 방법 | |
CN116050581A (zh) | 一种智慧城市地铁行车调度优化方法和物联网*** | |
KR102310420B1 (ko) | 차량의 상황정보를 이용한 목적지 예측 서버 및 방법 | |
WO2022186445A1 (ko) | 차량 충전을 위한 충전 서비스 제공 서버 및 방법 | |
CN113177780A (zh) | 一种数据处理方法、装置、网络设备及可读存储介质 | |
WO2023027361A1 (ko) | 승객의 이동 흐름을 고려한 차량의 이동 경로를 결정하는 방법 및 장치 | |
WO2023140477A1 (ko) | 상점 재료의 주문 수량 예측 디바이스 및 방법 | |
WO2022092690A1 (ko) | 시공간 특성에 따른 긱 서비스 예측 시스템 및 그 방법 | |
WO2022186446A1 (ko) | 충전소 정보 제공 서버 및 방법, 그리고 충전소 정보 제공 애플리케이션 | |
WO2022055231A1 (ko) | 인공신경망을 이용한 주행 차량의 차로 판단 방법과 장치 및 이를 포함하는 내비게이션 장치 | |
CN110033584A (zh) | 服务器、控制方法以及计算机可读取记录介质 | |
WO2021246786A1 (ko) | 도착지로 운행 중인 차량의 배차 관리 방법, 이에 사용되는 관리 서버 및 도착지로 운행 중인 차량의 배차 관리 방법을 실행시키는 프로그램이 기록된 기록 매체 | |
WO2021020924A1 (ko) | 클라우드 pos 서버를 활용한 클라우드 결제 시스템 및 그 방법 | |
KR20220089638A (ko) | 개인정보 관리를 통한 선호 산출 시스템 및 방법 | |
WO2023106468A1 (ko) | 개인화 아이템 추천 시스템 |
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: 21911350 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: 21911350 Country of ref document: EP Kind code of ref document: A1 |