| 1 |
1
재실 인원을 예측하기 위한 공간을 분할하고, 시뮬레이션을 통해 수집한 공간 내 재실 인원에 관한 데이터를 전처리하는 단계; 전처리된 데이터를 딥 러닝 학습을 위한 시계열 데이터로 생성하는 단계; 생성된 시계열 데이터를 이용하여 분할된 구역별로 점유 인원 수를 예측하기 위한 딥 러닝 모델을 각각 학습하는 단계; 및 서버와 소켓 통신을 통해 실시간으로 수집되는 공간 내 재실 인원에 관한 데이터를 학습된 모델에 입력하여 공간 내 재실 인원을 예측하는 단계를 포함하는 공간 내 재실 인원 변화 실시간 예측 방법
|
| 2 |
2
제1항에 있어서,재실 인원을 예측하기 위한 공간을 분할하고, 시뮬레이션을 통해 수집한 공간 내 재실 인원에 관한 데이터를 전처리하는 단계는, 일정 간격으로 설치된 이미지 센서 및 카운팅 장치를 이용하여 각 구역에 대한 방문자의 점유율을 측정하고, 딥 러닝 모델을 학습을 위하여 시뮬레이션을 통해 데이터를 보강하는 공간 내 재실 인원 변화 실시간 예측 방법
|
| 3 |
3
제2항에 있어서,미리 정해진 시간 간격 및 미리 정해진 시간 동안 분할된 각 구역에 대한 방문자의 점유율을 측정하고, 제로 패딩 기법 및 최소-최대 정규화를 사용하여 전체 데이터 세트를 0-1의 범위로 정규화하는 공간 내 재실 인원 변화 실시간 예측 방법
|
| 4 |
4
제1항에 있어서, 전처리된 데이터를 딥 러닝 학습을 위한 시계열 데이터로 생성하는 단계는, 전처리된 데이터가 LSTM을 사용한 딥 러닝 모델에 맞게 재구성되는 공간 내 재실 인원 변화 실시간 예측 방법
|
| 5 |
5
제1항에 있어서, 생성된 시계열 데이터를 이용하여 분할된 구역별로 점유 인원 수를 예측하기 위한 딥 러닝 모델을 각각 학습하는 단계는, LSTM을 기반으로 시계열 데이터를 입력하고 한 구역에서 특정 시간에 대해 하나의 점유 수를 출력하는 점유율 예측 모델을 수행하는 개별 모델을 사용하는 공간 내 재실 인원 변화 실시간 예측 방법
|
| 6 |
6
제5항에 있어서, 점유율 예측은 현재 시간에서 분할된 복수의 구역에 대한 점유율의 가중 합계로 나타내는 공간 내 재실 인원 변화 실시간 예측 방법
|
| 7 |
7
시뮬레이션을 통해 수집한 공간 내 재실 인원에 관한 데이터를 전처리하는 전처리부; 전처리된 데이터를 딥 러닝 학습을 위한 시계열 데이터로 생성하는 시계열 데이터 생성부; 재실 인원을 예측하기 위한 공간을 분할하고, 생성된 시계열 데이터를 이용하여 분할된 구역별로 점유 인원 수를 예측하기 위한 딥 러닝 모델을 각각 학습하는 학습부; 및 서버와 소켓 통신을 통해 실시간으로 수집되는 공간 내 재실 인원에 관한 데이터를 학습된 모델에 입력하여 공간 내 재실 인원을 예측하는 예측부를 포함하는 공간 내 재실 인원 변화 실시간 예측 장치
|
| 8 |
8
제7항에 있어서, 전처리부는, 일정 간격으로 설치된 이미지 센서 및 카운팅 장치를 이용하여 각 구역에 대한 방문자의 점유율을 측정하고, 딥 러닝 모델을 학습을 위하여 시뮬레이션을 통해 데이터를 보강하는 공간 내 재실 인원 변화 실시간 예측 장치
|
| 9 |
9
제8항에 있어서,미리 정해진 시간 간격 및 미리 정해진 시간 동안 분할된 각 구역에 대한 방문자의 점유율을 측정하고, 제로 패딩 기법 및 최소-최대 정규화를 사용하여 전체 데이터 세트를 0-1의 범위로 정규화하는 공간 내 재실 인원 변화 실시간 예측 장치
|
| 10 |
10
제7항에 있어서, 시계열 데이터 생성부는, 전처리된 데이터를 LSTM을 사용한 딥 러닝 모델에 맞게 재구성하는 공간 내 재실 인원 변화 실시간 예측 장치
|
| 11 |
11
제7항에 있어서, 학습부는, LSTM을 기반으로 시계열 데이터를 입력하고 한 구역에서 특정 시간에 대해 하나의 점유 수를 출력하는 점유율 예측 모델을 수행하는 개별 모델을 사용하는 공간 내 재실 인원 변화 실시간 예측 장치
|
| 12 |
12
제11항에 있어서, 점유율 예측은 현재 시간에서 분할된 복수의 구역에 대한 점유율의 가중 합계로 나타내는 공간 내 재실 인원 변화 실시간 예측 장치
|
