| 1 |
1
관제 시스템이 서비스 차량의 배차를 관리하는 방법에 있어서,관제 시스템이 지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하는 단계;상기 관제 시스템이 상기 서비스 요청의 발생 패턴에 기초하여 소정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하는 단계;상기 관제 시스템이 복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 단계; 및상기 관제 시스템이 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도하는 단계를 포함하는 서비스 차량의 배차 관리 방법
|
| 2 |
2
제 1 항에 있어서,상기 지역별 서비스 요청의 발생 정도를 예측하는 단계는,입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하는 단계; 및생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력하는 단계를 포함하는 서비스 차량의 배차 관리 방법
|
| 3 |
3
제 1 항에 있어서,상기 지역별 서비스 요청의 발생 정도를 예측하는 단계는,입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하는 단계; 및추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론하는 단계를 포함하는 서비스 차량의 배차 관리 방법
|
| 4 |
4
제 3 항에 있어서,상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고,상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것을 특징으로 하는 서비스 차량의 배차 관리 방법
|
| 5 |
5
제 1 항에 있어서,상기 서비스 차량에게 배차를 유도하는 단계는,수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하는 단계;예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하는 단계; 및비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송하는 단계를 포함하는 서비스 차량의 배차 관리 방법
|
| 6 |
6
제 5 항에 있어서,비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 방법
|
| 7 |
7
제 5 항에 있어서,비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 방법
|
| 8 |
8
제 5 항에 있어서,서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 방법
|
| 9 |
9
제 1 항 내지 제 8 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
| 10 |
10
지역별 서비스 요청에 대한 통계 데이터를 입력받아 이로부터 서비스 요청의 발생 패턴을 추출하여 저장하는 데이터베이스;복수의 서비스 차량으로부터 각각 위치 정보를 수신하는 수신부; 및저장된 상기 서비스 요청의 발생 패턴에 기초하여 소정 시간 후의 지역별 서비스 요청의 발생 정도를 예측하고, 예측된 상기 지역별 서비스 요청의 발생 정도 및 수신된 상기 위치 정보를 이용하여 서비스 차량에게 배차를 유도하는 처리부를 포함하는 서비스 차량의 배차 관리 장치
|
| 11 |
11
제 10 항에 있어서,상기 처리부는,입력된 상기 통계 데이터로부터 신경망(Neural Network)을 이용한 학습을 통해 지역별 서비스 요청에 대한 기초 정보를 생성하고, 생성된 상기 기초 정보와 실제 서비스 요청 발생량을 비교하고 정확도에 따른 가중치를 부여하여 지역별 서비스 요청의 발생 정도를 출력하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
| 12 |
12
제 10 항에 있어서,상기 처리부는,입력된 상기 통계 데이터로부터 지역 및 시간 정보를 포함하는 서비스 요청 건수를 추출하고, 추출된 서비스 요청 건수가 높은 시간 구간을 중심으로 지역 내의 시설물 특성 또는 시간 특성과의 상관도를 고려하여 지역별 서비스 요청의 발생 정도를 추론하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
| 13 |
13
제 12 항에 있어서,상기 시설물 특성은, 상기 지역 내에 공항, 역, 터미널, 항구, 백화점 또는 대형 마트, 숙박 시설, 의료 기관, 기업 밀집 지역 중 적어도 하나가 위치하는지 여부이고,상기 시간 특성은, 예측하고자 하는 시간이 특정 요일, 공휴일 또는 연휴, 숙박 시설의 체크 아웃 시간, 의료 기관의 입원 환자 퇴원 시간, 퇴근 시간 중 적어도 하나에 해당하는지 여부인 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
| 14 |
14
제 10 항에 있어서,상기 처리부는,수신된 상기 위치 정보를 이용하여 지역별 가용 서비스 차량의 수를 산출하고, 예측된 상기 지역별 서비스 요청의 발생 정도와 산출된 상기 가용 서비스 차량의 수를 비교하며, 비교 결과에 기초하여 예상되는 서비스 요청의 발생 정도에 대한 안내 메시지를 해당 지역에 인접한 서비스 차량에게 전송함으로써, 상기 서비스 차량에게 배차를 유도하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
| 15 |
15
제 14 항에 있어서,상기 처리부는,비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 작은 경우, 부족한 서비스 차량의 수를 보충할 수 있도록 해당 지역으로부터 차량의 이격 거리를 확장하여 상기 안내 메시지와 부족한 서비스 차량의 수를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
| 16 |
16
제 14 항에 있어서,상기 처리부는,비교 결과, 상기 가용 서비스 차량의 수가 예측된 상기 지역별 서비스 요청의 발생 정도보다 상대적으로 큰 경우, 해당 지역으로부터 차량의 이격 거리가 가까운 순서대로 예측된 서비스 요청의 수만큼 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
| 17 |
17
제 14 항에 있어서,상기 처리부는,서비스 차량의 현재 위치가 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접하지는 않았으나, 주행 경로 또는 목적지가 상기 서비스 요청의 발생이 임계치 이상일 것으로 예측되는 지역에 인접한 경우, 상기 안내 메시지를 서비스 차량에게 전송하는 것을 특징으로 하는 서비스 차량의 배차 관리 장치
|
