| 1 |
1
컴퓨터를 이용한 고속도로 휴게소의 최적 규모 산출 방법으로서, 상기 컴퓨터가,각각의 사례가 적어도 통과교통량을 포함하는 복수의 독립 변수들과 휴게소 이용률과 차량당 매출액을 포함하는 종속 변수로써 표현되는 사례 데이터베이스와, 독립 변수 시험값들이 주어지는 테스트 사례를 제공하는 단계;상기 주어진 독립 변수 시험값들에 관하여 상기 사례 데이터베이스로부터 검색되는 결과를 기초로 휴게소 이용률 예측값을 추정하는 단계;상기 주어진 독립 변수 시험값들 및 상기 휴게소 이용률 예측값에 관하여 상기 사례 데이터베이스로부터 검색되는 결과를 기초로 차량당 매출액 예측값을 추정하는 단계; 및상기 휴게소 이용률 예측값으로부터 목표 서비스율을 달성할 수 있는 휴게소 편의 시설의 규모를 결정하는 단계를 포함하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 2 |
2
청구항 1에 있어서, 상기 휴게소 이용률 예측값을 추정하는 단계는,상기 사례 데이터베이스 내의 사례들의 휴게소 이용률 값들을 통과교통량 기준에 따라 적어도 두 개의 군집으로 분할하는 단계;상기 주어진 통과교통량이 속하는 군집에서 상기 주어진 독립 변수 시험값들에 관하여 유사 사례들을 검색하는 단계; 및상기 검색된 유사 사례들의 휴게소 이용율 값들을 참조하여 휴게소 이용률 예측값을 추정하는 단계를 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 3 |
3
청구항 1에 있어서, 상기 차량당 매출액 예측값을 추정하는 단계는,상기 사례 데이터베이스 내의 사례들의 차량당 매출액 값들을 고속도로 번호 기준에 따라 적어도 두 개의 군집으로 분할하는 단계;휴게소를 설치하려는 고속도로가 속하는 군집에서 주어진 독립 변수 시험값들 및 상기 휴게소 이용률 예측값에 관하여 유사 사례들을 검색하는 단계; 및상기 검색된 유사 사례들의 차량당 매출액 값들을 참조하여 차량당 매출액 예측값을 추정하는 단계를 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 4 |
4
청구항 1 내지 청구항 3 중 어느 한 청구항에 있어서, 상기 사례 데이터베이스의 검색은,적어도 둘 이상의 정량적 예측 방법론들에 기초한 각각의 종속 변수 예측값들 및 오차율들을 기초로 필터링 범위를 결정하는 단계;적어도 사례기반추론(Case Based Reasoning)을 위한 파라미터들을 유전자 알고리즘(Gene Algorithm)을 이용하여 최적화하는 단계; 및최적화된 파라미터들에 기초한 사례기반추론으로부터 얻은 검색 사례들 중에서 종속 변수값들이 상기 필터링 범위 내에 있는 검색 사례들을 유사 사례로서 출력하는 단계를 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 5 |
5
청구항 4에 있어서, 상기 적어도 둘 이상의 정량적 예측 방법론들은 MRA(다중 회귀 분석), ANN(인공신경망)을 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 6 |
6
청구항 4에 있어서, 상기 필터링 범위는상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 하한값들 중의 최대와, 상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 상한값들 중의 최소 사이의 교차 범위(cross-range)인 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 7 |
7
청구항 4에 있어서, 상기 필터링 범위는상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 하한값들 중의 최대와 상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 상한값들 중의 최소 사이의 교차 범위를 허용 한계율(tolerance range)만큼 확대한 확대 교차 범위인 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 8 |
8
청구항 7에 있어서, 상기 적어도 사례기반추론을 위한 파라미터들은,사례기반추론을 위한 파라미터들로서 MCAS(minimum criterion for scoring attribute similarity), RAWn(Range of nth Attribute Weight), RCS(range of case selection)과, 필터링 범위의 결정을 위한 파라미터들로서 TRCRMA(Tolerance range of cross range between the predicted values of MRA and ANN models)를 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 9 |
9
청구항 2 또는 청구항 3에 있어서, 군집의 분할은 디시전 트리(decision tree) 방법론을 포함하는 군집 분석 방법론에 따라 수행되는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 10 |
10
청구항 1에 있어서,상기 사례 데이터베이스에 저장된 사례들로부터 도출된 단위면적당 매출액의 확률 분포 함수를 기초하여 목표 단위면적당 매출액이 선택되면, 상기 목표 단위면적당 매출액을 가지고 상기 휴게소 매출액 예측값을 달성할 수 있는 휴게소의 영업 시설 규모를 결정하는 단계를 더 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 11 |
11
청구항 1에 있어서,상기 휴게소 이용률 예측값을 기초로 고속도로 휴게소의 주차장을 포함하는 편의 시설 면적을 추정하는 단계를 더 포함하는 것을 특징으로 하는 고속도로 휴게소의 최적 규모 산출 방법
|
| 12 |
12
컴퓨터를 이용한 테스트 사례 프로젝트의 최적 투입 자원 산출 방법으로서,상기 컴퓨터가,각각의 사례가 복수의 독립 변수들(independent variables)과 제1 및 제2 종속 변수들(target variables)로써 표현되는 사례 데이터베이스와, 독립 변수 시험값들이 주어지는 테스트 사례를 제공하는 단계;상기 주어진 독립 변수 시험값들에 관하여 상기 사례 데이터베이스로부터 검색되는 결과를 기초로 제1 종속 변수 예측값을 추정하는 단계; 및상기 주어진 독립 변수 시험값들과 상기 제1 종속 변수 예측값에 관하여 상기 사례 데이터베이스로부터 검색되는 결과를 기초로 제2 종속 변수 예측값을 추정하는 단계를 포함하고,상기 독립 변수들은 사례기반추론을 위해 사례 데이터베이스에 저장되는 과거 사례들의 속성들 중 테스트 사례에 관하여 시험값들이 주어지는 속성들의 각각에 상응하고, 상기 종속 변수들은 사례기반추론을 통해 테스트 사례에 관하여 예측값들이 추정되어야 하는 속성들의 각각에 상응하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 13 |
13
청구항 12에 있어서, 상기 제1 종속 변수 예측값을 추정하는 단계는상기 사례 데이터베이스 내의 사례들의 제1 종속 변수 값들을 제1 분할 기준 독립 변수에 따라 적어도 두 개의 군집으로 분할하는 단계;상기 제1 분할 기준 독립 변수의 시험값이 속하는 군집에서 상기 주어진 독립 변수 시험값들에 관하여 유사 사례들을 검색하는 단계; 및상기 검색된 유사 사례들의 제1 종속 변수 값들을 참조하여 제1 종속 변수 예측값을 추정하는 단계를 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 14 |
14
청구항 12에 있어서, 상기 제2 종속 변수 예측값을 추정하는 단계는,상기 사례 데이터베이스 내의 사례들의 제2 종속 변수 값들을 제2 분할 기준 독립 변수에 따라 적어도 두 개의 군집으로 분할하는 단계;상기 주어진 제2 분할 기준 독립 변수의 시험값이 속하는 군집에서 상기 주어진 독립 변수 시험값들과 상기 제1 종속 변수 예측값에 관하여 유사 사례들을 검색하는 단계; 및상기 검색된 유사 사례들의 제2 종속 변수 값들을 참조하여 제2 종속 변수 예측값을 추정하는 단계를 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 15 |
15
청구항 12 내지 청구항 14 중 어느 한 청구항에 있어서, 상기 사례 데이터베이스의 검색은,적어도 둘 이상의 정량적 예측 방법론들에 기초한 각각의 종속 변수 예측값들 및 오차율들을 기초로 필터링 범위를 결정하는 단계;사례기반추론(Case Based Reasoning)을 위한 파라미터들을 유전자 알고리즘(Gene Algorithm)을 이용하여 최적화하는 단계; 및최적화된 파라미터들에 기초한 사례기반추론으로부터 얻은 검색 사례들 중에서 종속 변수 값들이 상기 필터링 범위 내에 있는 검색 사례들을 유사 사례로서 출력하는 단계를 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 16 |
16
청구항 15에 있어서, 상기 적어도 둘 이상의 정량적 예측 방법론들은 MRA(다중 회귀 분석), ANN(인공신경망)을 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 17 |
17
청구항 15에 있어서, 상기 필터링 범위는상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 하한값들 중의 최대와, 상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 상한값들 중의 최소 사이의 교차 범위(cross-range)인 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 18 |
18
청구항 15에 있어서, 상기 필터링 범위는상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 하한값들 중의 최대와 상기 적어도 둘 이상의 예측 방법론들로부터 얻은 예측 범위들의 상한값들 중의 최소 사이의 교차 범위를 허용 한계율만큼 확대한 확대 교차 범위인 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 19 |
19
청구항 13 또는 청구항 14에 있어서, 군집의 분할은 디시전 트리 방법론을 포함하는 군집 분석 방법론에 따라 수행되는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 20 |
20
청구항 12 내지 청구항 14 중 어느 한 청구항에 있어서, 상기 제2 종속 변수 값이 성과에 관한 것일 경우에, 상기 사례 데이터베이스에 저장된 사례들로부터 투입 자원에 따른 성과의 확률 분포 곡선을 도출하고, 상기 확률 분포 곡선에 기초하여 선택된 목표 성과를 가지고 상기 테스트 사례 프로젝트에서 상기 제2 종속 변수 예측값을 달성하기 위해 투입되어야 하는 투입 자원의 양을 결정하는 단계를 더 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 방법
|
| 21 |
21
각각의 사례가 복수의 독립 변수들과 제1 및 제2 종속 변수들로써 표현되는 사례 데이터베이스;독립 변수 시험값들이 주어지는 테스트 사례가 제공되면, 상기 주어진 독립 변수 시험값들에 관하여 상기 사례 데이터베이스로부터 검색되는 결과를 기초로 제1 종속 변수 예측값을 추정하는 제1 예측부; 및상기 주어진 독립 변수 시험값들과 상기 제1 종속 변수 예측값에 관하여 상기 사례 데이터베이스로부터 검색되는 결과를 기초로 제2 종속 변수 예측값을 추정하는 제2 예측부를 포함하고,상기 독립 변수들은 사례기반추론을 위해 사례 데이터베이스에 저장되는 과거 사례들의 속성들 중 테스트 사례에 관하여 시험값들이 주어지는 속성들의 각각에 상응하고, 상기 종속 변수들은 사례기반추론을 통해 테스트 사례에 관하여 예측값들이 추정되어야 하는 속성들의 각각에 상응하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 장치
|
| 22 |
22
청구항 21에 있어서,상기 사례 데이터베이스 내의 사례들의 종속 변수 값들을 분할 기준 독립 변수에 따라 적어도 두 개의 군집으로 분할하여 상기 제1 예측부 또는 상기 제2 예측부에 제공하는 군집 분할부를 더 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 장치
|
| 23 |
23
청구항 21에 있어서, 상기 제1 예측부 또는 상기 제2 예측부의 각각은적어도 둘 이상의 정량적 예측 방법론들에 기초하여 상기 사례 데이터베이스의 사례들에 관하여 종속 변수 예측값들, 오차율들 및 예측 범위들을 연산하는 정량적 예측 분석부;상기 사례 데이터베이스의 사례들 중에서 사례기반추론을 이용하여 테스트 사례와 유사한 사례들을 검색하는 사례기반추론 모델;상기 사례기반추론 모델을 위한 파라미터들을 유전자 알고리즘을 이용하여 최적화하는 파라미터 최적화부; 및상기 종속 변수 예측값들, 오차율들 및 예측 범위들을 기초로 결정되는 필터링 범위를 가지고 상기 사례기반추론 모델에서 검색된 사례들을 필터링하여 유사 사례를 출력하는 필터링부를 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 장치
|
| 24 |
24
청구항 21에 있어서, 상기 사례 데이터베이스의 사례들을 기초로 투입 자원당 성과에 관한 경험적 확률 분포를 분석하는 자원-성과 확률 분포 분석부; 및의사결정자가 상기 경험적 확률 분포를 기초로 특정한 목표 성과를 가지고 상기 제2 종속 변수 예측값을 달성하기 위해 투입되어야 하는 자원을 분석하는 최적 투입 자원 결정부를 더 포함하는 것을 특징으로 하는 테스트 사례 프로젝트의 최적 투입 자원 산출 장치
|
