맞춤기술찾기

이전대상기술

교통 흐름 예측 장치, 방법 및 교통 흐름 예측을 위한 프로그램을 저장하는 저장매체

  • 기술번호 : KST2019035800
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 교통 흐름 예측을 하기 위한 것으로, 이를 위해서 교통 데이터를 수신하는 입력모듈; 및 상기 입력모듈로부터 상기 교통 데이터를 수신하여 교통 흐름 예측 정보를 생성하는 인공지능 모듈; 을 포함한다.
Int. CL G08G 1/01 (2006.01.01) G06N 3/02 (2019.01.01)
CPC G08G 1/0104(2013.01) G08G 1/0104(2013.01)
출원번호/일자 1020160152014 (2016.11.15)
출원인 한국과학기술정보연구원
등록번호/일자 10-1742042-0000 (2017.05.25)
공개번호/일자
공고번호/일자 (20170531) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2016.11.15)
심사청구항수 13

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술정보연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이홍석 대한민국 대전광역시 서구
2 정희진 대한민국 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김용인 대한민국 서울특별시 송파구 올림픽로 ** (잠실현대빌딩 *층)(특허법인(유한)케이비케이)
2 지관영 대한민국 서울특별시 송파구 올림픽로 ** (잠실현대빌딩 *층)(특허법인(유한)케이비케이)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술정보연구원 대한민국 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2016.11.15 수리 (Accepted) 1-1-2016-1114738-40
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)
2016.11.17 수리 (Accepted) 1-1-2016-1124127-43
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search
2016.11.21 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search
2016.11.25 수리 (Accepted) 9-1-2016-0048765-10
5 의견제출통지서
Notification of reason for refusal
2017.01.23 발송처리완료 (Completion of Transmission) 9-5-2017-0056174-18
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2017.03.23 수리 (Accepted) 1-1-2017-0288986-47
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2017.03.23 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2017-0288985-02
8 등록결정서
Decision to grant
2017.05.23 발송처리완료 (Completion of Transmission) 9-5-2017-0360697-72
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
교통흐름 방해 정보 및 교통 데이터를 수신하는 입력모듈; 및상기 입력모듈로부터 상기 교통 데이터를 수신하여 교통 흐름 예측 정보를 생성하는 인공지능모듈; 을 포함하고,상기 교통 데이터는 제 1의 시간 동안의 제 1의 교통 데이터 및 제 2의 시간 동안의 제 2의 교통 데이터를 포함하고,상기 제 1의 교통 데이터의 경우, 상기 입력모듈은 상기 제 1의 시간 동안의 제 1의 교통데이터 전부를 수신하고, 상기 제 2의 교통 데이터의 경우, 상기 입력모듈은 상기 제 2의 시간 동안 기설정된 시간간격에 대응하는 상기 제 2의 교통 데이터를 수신하고,상기 교통 흐름 예측 정보는 ReLU(Recited Linear Units)함수에 기반하여 처리된 상기 제 1 및 제 2의 교통 데이터와, 상기 교통 흐름 방해정보를 기초로 생성되는 교통 흐름 예측 장치
2 2
제 1 항에 있어서, 상기 인공지능 모듈은 LSTM RNN(Long Short Term Memory Recurrent Neural Network)에 기반한 것인 교통 흐름 예측 장치
3 3
제 2 항에 있어서, 상기 제 1의 시간은 기설정된 시점을 기준으로 3개월 전 내지 6개월 전이며, 상기 제 2의 시간은 상기 기설정된 시점을 기준으로 2시간 전부터 상기 기설정된 시점까지이고 상기 기설정된 시간간격은 15분인 교통 흐름 예측 장치
4 4
제 1 항에 있어서, 상기 제 1의 교통 데이터 및 제 2의 교통 데이터를 ReLU(Rectified Linear Units)함수에 기반하여 처리하는 처리모듈; 을 더 포함하는 교통 흐름 예측 장치
5 5
제 4 항에 있어서, 상기 입력모듈은 교통 흐름 방해 정보를 수신하고, 상기 인공지능 모듈은 상기 제 1 및 제 2의 교통 데이터의 경우, 상기 처리모듈에 의해 처리 후 수신하고 상기 교통 흐름 방해 정보의 경우, 직접 수신하여 상기 교통 흐름 예측 정보를 생성하는 교통 흐름 예측 장치
6 6
제 4 항에 있어서,상기 교통 흐름 예측 정보를 출력하는 출력모듈을 더 포함하고, 상기 출력모듈은 적어도 하나 이상이고, 상기 입력모듈의 개수는 상기 제 2의 시간을 상기 기설정된 시간간격으로 나눈 값이며, 상기 출력모듈의 개수는 상기 입력모듈의 개수와 동일하고, 상기 인공지능모듈의 개수는 상기 입력모듈의 개수보다 한 개 더 많은 교통 흐름 예측 장치
7 7
입력모듈이 교통흐름 방해 정보 및 교통 데이터를 수신하는 단계; 및인공지능모듈이 상기 교통 데이터를 기초로 교통 흐름 예측 정보를 생성하는 단계;를 포함하고,상기 교통 데이터는 제 1의 시간 동안의 제 1의 교통 데이터 및 제 2의 시간 동안의 제 2의 교통 데이터를 포함하고,상기 제 1의 교통 데이터의 경우, 상기 입력모듈은 상기 제 1의 시간 동안의 제 1의 교통 데이터 전부를 수신하고,상기 제 2의 교통 데이터의 경우, 상기 입력모듈은 상기 제 2의 시간 동안 기설정된 시간간격에 대응하는 상기 제 2의 교통 데이터를 수신하고,상기 교통 흐름 예측 정보는 ReLU(Recited Linear Units)함수에 기반하여 처리된 상기 제 1 및 제 2의 교통 데이터와, 상기 교통 흐름 방해정보를 기초로 생성되는 교통 흐름 예측 방법
8 8
제 7 항에 있어서, 상기 인공지능 모듈은 LSTM RNN(Long Short Term Memory Recurrent Neural Network)에 기반한 것인 교통 흐름 예측 방법
9 9
제 8 항에 있어서, 상기 제 1의 시간은 기설정된 시점을 기준으로 3개월 전 내지 6개월 전이며, 상기 제 2의 시간은 상기 기설정된 시점을 기준으로 2시간 이전부터 상기 기설정된 시점까지이고, 상기 기설정된 시간간격은 15분인 교통 흐름 예측 방법
10 10
제 7 항에 있어서, 상기 교통 흐름 예측 방법은, 처리 모듈이 상기 제 1의 교통 데이터 및 제 2의 교통 데이터를 ReLU(Rectified Linear Units)함수에 기반하여 처리하는 단계;를 더 포함하는 교통 흐름 예측 방법
11 11
제 10 항에 있어서, 상기 입력모듈은, 교통 흐름 방해 정보를 수신하고, 상기 인공지능 모듈은 상기 제 1 및 제 2의 교통 데이터의 경우, 상기 처리모듈에 의해 처리 후 수신하고 상기 교통 흐름 방해 정보의 경우, 직접 수신하여 상기 교통 흐름 예측 정보를 생성하는 교통 흐름 예측 방법
12 12
제 10 항에 있어서,상기 교통 흐름 예측 방법은, 출력모듈이 상기 교통 흐름 예측 정보를 출력하는 단계를 더 포함하고, 상기 출력모듈은 적어도 하나 이상이고, 상기 입력모듈의 개수는 상기 제 2의 시간을 상기 기설정된 시간간격으로 나눈 값이며, 상기 출력모듈의 개수는 상기 입력모듈의 개수와 동일하고, 상기 인공지능모듈의 개수는 상기 입력모듈의 개수보다 한 개 더 많은 교통 흐름 예측 방법
13 13
교통 데이터를 수신하고, 상기 교통 데이터를 기초로 교통 흐름 예측 정보를 생성하고, 상기 교통 데이터는 제 1의 시간 동안의 제 1의 교통 데이터 및 제 2의 시간 동안의 제 2의 교통 데이터를 포함하고, 상기 제 1의 교통 데이터의 경우 전부 수신하고, 상기 제 2의 교통 데이터의 경우, 상기 제 2의 시간 동안 기설정된 시간간격에 대응하는 상기 제 2 교통데이터를 수신하고, 교통 흐름 방해 정보를 수신하고, 상기 교통 흐름 예측 정보는 ReLU(Rectified Linear Units)함수에 기반하여 처리된 상기 제 1 및 제 2의 교통 데이터와, 상기 교통 흐름 방해정보를 기초로 생성하는 교통 흐름 예측을 위한 프로그램을 저장하는 저장매체
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.