KR102301086B1 - 빅데이터 기반 최적의 여행 경로 추천 시스템 및 여행 경로 추천 방법 - Google Patents

Abstract

본 발명은 사용자에게 최적의 여행 경로를 제공하는 제공하는 것으로, 사용자 정보, 선호도 정보 및 사용자가 원하는 여행 정보 중 어느 하나 이상이 입력되는 사용자 정보 입력부와, 여행 경로 추천에 필요한 자원 정보(data resources)가 입력되는 자원 정보 입력부와, 상기 자원 정보를 빅데이터 분석하여 상기 사용자에게 적합한 여행 경로 후보군을 생성하는 여행 경로 후보군 생성부와, 상기 여행 경로 후보군을 분석하여 상기 사용자에게 맞는 최적 여행 경로를 생성하는 최적 여행 경로 생성부를 포함한다.

Description

빅데이터 기반 최적의 여행 경로 추천 시스템 및 여행 경로 추천 방법{Travel route recommendation system on big data and travel route recommendation method}

본 발명은 여행자를 위한 빅데이터에 기반한 최적의 여행 경로를 추천하는 시스템 및 여행 경로 추천 방법에 관한 것이다.

여행지를 여행하는 경우에 가장 중요한 것 중 하나는 여행 경로의 선택이다. 여행 경로에 따라서 여행 시간이 변하게 되고 이에 따라 여행 일정이 변하기 때문이다.

대부분 여행지는 여행자에게는 낯선 장소이므로 여행 경로를 선택하는데 있어 어려움을 겪고 있다.

종래에는 여행사나 관광 안내 책자를 통해 여행 경로를 선택하여 여행자의 인적 정보나 선호도를 고려하지 않고 획일적인 여행 경로에 따라 여행을 하여 효율적인 여행을 하지 못하는 경우가 많이 있었다.

종래의 여행지 추천 정보 역시 추천 여행 장소에 대한 정보가 대부분이었고, 여행지 간 이동 경로를 추천하는 방법이 있었으나 이는 추천 여행지 간 이동에 따른 단순 경로 정보에 불과했다.

대한민국공개특허 제10-2015-0101433호(스마트 단말기를 이용한 여행경로 설정 및 안내 서비스 제공시스템 및 그 제공방법)

본 발명이 해결하고자 하는 과제는 사용자에게 최적의 여행 경로를 제공하는 것이다.

본 발명의 한 실시예에 따른 빅데이터 기반 최적의 여행 경로 추천 시스템은, 사용자 정보, 선호도 정보 및 사용자가 원하는 여행 정보 중 어느 하나 이상이 입력되는 사용자 정보 입력부와, 여행 경로 추천에 필요한 자원 정보(data resources)가 입력되는 자원 정보 입력부와, 상기 자원 정보를 빅데이터 분석하여 상기 사용자에게 추천할 여행 경로 후보군을 생성하는 여행 경로 후보군 생성부와, 상기 여행 경로 후보군을 분석하여 상기 사용자에게 맞는 최적 여행 경로를 생성하는 최적 여행 경로 생성부를 포함한다.

상기 최적 여행 경로를 상기 사용자의 단말 또는 제3자에게 제공하는 여행 경로 추천부를 더 포함할 수 있다.

상기 사용자가 원하는 여행 정보는, 여행 목적, 목적지, 경유지, 여행 수단 중 어느 하나 이상을 포함할 수 있다.

상기 자원 정보는 여행 지역을 방문한 관광객들의 여행지점에 대한 과거 정보, 경험, 계절, 이동 경로, 여행지점 정보, 위치 정보, 관광객의 타입 정보 중 어느 하나 이상을 포함할 수 있다.

상기 관광객의 타입 정보는 국적, 성별, 연령대, 상기 관광객이 여행지점을 방문한 시기(Month,Week,Date,Season,Time), 방문 시기의 날씨 정보 중 어느 하나 이상을 포함할 수 있다.

상기 여행지점 정보는 상기 여행지점의 명칭, 중요도(significance), 선호도(preference), 방문횟수(visit times) 중 어느 하나 이상을 포함할 수 있다.

상기 여행지점은 관광지에 대한 이전 관광객들의 방문횟수 및 하나의 관광지에서 다른 관광지로의 이동하는 확률을 토대로 마코프 체인 모델을 적용하여 선별될 수 있다.

상기 여행 경로 후보군은 상기 사용자가 입력한 정보를 바탕으로 상기 자원 정보를 빅데이터 분석하여 과거 여행지역을 여행한 관광객들의 여행 정보를 관광객 별로 구분하여 분류하고, 해당 관광객들이 여행한 여행 경로에서 상기 사용자가 입력한 정보에 맞는 여행 경로를 추출하여 생성되는 여행 경로의 집합이거나, 상기 사용자 정보를 토대로 해당 사용자에 상응하는 관광객들이 여행한 여행 정보와 여행지점의 명칭, 중요도, 선호도 또는 방문횟수를 이용하여 해당 사용자에게 맞게 생성되는 여행 경로의 집합이거나, 관광객들이 여행지점을 방문한 빈도수와 하나의 여행지점에서 다른 여행지점으로 이동한 경로에 대한 확률을 마코프 체인 모델(Markov Chain model)에 적용하여 생성된 여행 경로들의 집합이거나, 관광객들의 여행 정보가 포함된 travel History Dataset을 분석하여 상기 관광객들이 이용한 여행 경로의 이용 빈도가 기준치 보다 높은 여행 경로들의 집합인 것을 특징으로 할 수 있다.

상기 최적 여행 경로는 하나의 여행지점에서 다음 여행지점으로 이동하는 복수의 이동 경로에서 무작위로 몇 개의 이동 경로를 추출하고 추출된 이동 경로들의 가중치 값을 서로 비교하여 가중치 값이 가장 큰 것을 이동 경로를 선택하는 유전 알고리즘을 이용하여 생성되는 것을 특징으로 할 수 있다.

상기 가중치 값은 이동 거리의 역수인 것을 특징으로 할 수 있다.

상기 최적 여행 경로는 상기 여행 경로 후보군에 포함된 복수의 여행 경로들 각각을 여행지점(spot)에 따라 구분하고 여행지점간의 경로 거리(distance), 여행지점의 사용자 선호도(preference), 여행지점의 수(number of spot) 중 어느 하나 이상을 고려하여 가중치를 두는 적합도 평가(fitness evaluation)를 수행하고 상기 적합도 평가가 가장 좋은 경로를 선택하여 상기 최적 여행 경로를 생성하는 알고리즘을 통해 생성되는 것을 특징으로 할 수 있다.

상기 알고리즘은 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 상기 사용자 선호도가 가장 좋고, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나, 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며 상기 사용자 선호도가 가장 좋은 경로 또는 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나, 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 상기 사용자 선호도가 가장 좋고 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나, 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 상기 사용자 선호도가 가장 좋은 경로 또는 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하는 것을 특징으로 할 수 있다.

본 발명의 다른 실시예에 따른 여행 경로 추천 방법은, 사용자 정보 또는 사용자 관심 정보가 입력되는 단계, 상기 사용자가 원하는 여행지의 여행 경로 추천에 필요한 자원 정보가 입력되는 단계, 상기 사용자 정보 또는 사용자 관심정보를 토대로 상기 자원 정보를 분석하여 상기 사용자에게 추천할 여행 경로 후보군을 생성하는 단계, 그리고 상기 여행 경로 후보군에 소정의 알고리즘(Algorithm)을 적용하여 상기 사용자에게 맞는 최적의 여행 경로를 생성하는 단계를 포함한다.상기 최적 여행 경로는 상기 여행 경로 후보군에 포함된 복수의 여행 경로들 각각을 여행지점(spot)에 따라 구분하고 여행지점간의 경로 거리(distance), 여행지점의 사용자 선호도(preference), 여행지점의 수(number of spot) 중 어느 하나 이상을 고려하여 가중치를 두는 적합도 평가(fitness evaluation)를 수행하고, 상기 적합도 평가가 가장 좋은 경로를 선택할 수 있다.

본 발명은 사용자 정보, 선호도, 사용자의 여행 목적, 여행 수단 등에 상응하는 관광객들의 여행정보를 분석함으로써 사용자에게 맞는 여행 정보를 제공할 수 있는 효과가 있다.

본 발명은 관광지에 대한 이전 관광객 들의 방문횟수 및 하나의 관광지에서 다른 관광지로의 이동하는 확률을 토대로 하는 마코프 체인 모델을 적용하여 추천 경로를 생성할 수 있는 효과가 있다.

본 발명은 이동 거리에 가중치를 두는 유전 알고리즘을 적용하여 추천 경로를 생성할 수 있는 효과가 있다.

본 발명은 이동 거리, 선호도 및 방문지점의 수에 가중치를 두는 알고리즘을 이용하여 추천 경로를 생성할 수 있는 효과가 있다.

도 1은 본 발명의 일실시예로 여행 경로 생성에 필요한 자원 정보를 입력 받아 추천 여행정보를 생성하여 제공하는 빅데이터 기반 여행 경로 추천 시스템 및 여행 추천 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 상세 구성을 도시한 도면이다.
도 3은 자원 정보를 빅데이터 분석하여 여행 경로를 포함하는 정보를 나타낸하나의 실시예이다.
도 4는 본 발명에서 마코프 체인 모델을 통해 여행 경로를 생성을 위한 여행 지점을 선정하는 기준인 여행 지점의 방문 빈도수 및 하나의 여행 지점에서 다른 여행 지점으로 이동하는 확률을 나타낸 도면이다.
도 5는 본 발명에서 여행 경로 횟수를 이용하여 여행 경로 후보군을 생성하는 것을 나타낸 도면이다.
도 6은 본 발명의 일실시예로 유전 알고리즘을 통한 이웃하는 여행지점간의 여행 경로를 선택하는것을 나타낸 도면이다.
도 7은 본 발명의 일실시예로 빅데이터에 기반한 최적의 여행 경로 추천 방법의 과정을 설명하기 위한 순서도이다.
도 8은 본 발명의 일실시예로 사용자 단말에 추천 여행 경로에 대한 정보가 표시되는 것을 도시한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.

그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.

본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.

명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.

본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.

또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.

이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.

도 1은 본 발명의 일실시예로 여행 경로 생성에 필요한 자원 정보를 입력 받아 추천 여행정보를 생성하여 제공하는 빅데이터 기반 여행 경로 추천 시스템 및 여행 추천 방법을 설명하기 위한 도면이다.

본 발명의 한 실시예인 여행 경로 추천 시스템(100)은 여행 경로 추천에 필요한 자원 정보(data resources)를 입력받아 이를 분석하여 사용자에게 최적의 추천 여행 경로를 제공하는 시스템이다.

자원 정보는 여행 지역을 방문한 관광객들의 여행지점에 대한 과거 정보, 경험(experience), 계절(season), 이동 경로(moving path), 지점 정보(spot information), 위치 정보(geolocation information), 관광객의 타입 정보(tourist type information) 등을 포함할 수 있다. 즉, 자원 정보는 여행 지역에 포함된 관광지점에 대한 정보와 과거 해당 관광지점을 여행한 모든 사람들의 여행 일정을 포함한 경험에 대한 정보를 포함할 수 있다.

본 발명은 입력되는 여행 지역에 대한 자원 정보를 토대로 빅데이터 분석하여 사용자에게 맞는 최적의 여행 경로를 생성하여 추천한다.

최적의 경로 추천은 빅데이터 분석한 결과로 생성되는 여행 경로 후보군에 소정의 알고리즘을 적용하여 이뤄질 수 있다. 가령, 자원 정보를 데이터 마이닝(data mining) 등에 의해서 빅데이터 분석하여 여행 경로를 생성(route generation)하고 생성된 경로에 적합도(fitness)를 평가하여 최적의 추천 여행 경로가 생성될 수 있다.

생성된 최적의 여행 경로는 사용자의 단말(200)로 제공될 수 있다.

추천 여행 경로를 제공받기 위해서, 사용자는 단말(200)을 통해 여행 경로 추천 시스템(100)에 접속하여 사용자 정보를 입력할 수 있다.

예를 들어, 다음 [표1]에 기재되어 있는 바와 같이 국적(Nationality), 성별(Gender), 연령대(Age Group), 여행지점 방문시기(Month,Week,Date,Season,Time) 및/또는 방문 시기의 날씨(Weather) 정보를 입력할 수 있다.

User Group Definition
Nationality	Gender	Age Group	Weather	Month	Week	Date	Season	Time
Korean	Male	20-30	Sunny	July	1'st week	Monday	Summer	10:00 am.
Chinese	Female	30-40	Cloudless	April	2'nd week	Sunday	Spring	2: 00 pm

사용자 정보에는 상기의 [표1]에 기재된 정보 외에 사용자의 거주지, 여행패턴 등에 대한 모든 정보를 포함한다.

사용자는 자신이 원하는 보다 정확한 여행 경로를 추천받기 위해서 선호도(preference) 정보를 더 입력할 수도 있다. 선호도 정보는 사용자의 취향을 특정할 수 있는 정보로 예를 들면, 사용자가 최신 트렌드에 민감한지, 역사적인 사항에 관심이 있는지, 음식에 관심이 있는지에 대한 정보일 수 있다.

본 발명(100)은 사용자 정보 및 선호도 정보를 토대로 자원 정보를 심도 있게 분석하여 사용자에게 보다 적합한 여행 경로를 생성하여 추천할 수 있다.

여행 경로 추천 시스템(100)은 추천 여행 경로를 사용자뿐만 아니라 해당 지역에 대한 여행 경로를 생성하여 제3자(Third-party : 300)에게도 제공할 수 있다.

여기서, 제3자(300)는 여행 정보를 제공하는 회사 등일 수 있다.

도 2는 본 발명의 상세 구성을 도시한 도면으로, 이를 참고하여 각 구성에 대하여 구체적으로 살펴본다.

본 발명(100)은 사용자 정보 입력부(110), 자원 정보 입력부(120), 여행 경로 후보군 생성부(130), 최적 여행 경로 생성부(140) 및 여행 경로 추천부(150)을 포함한다.

사용자 정보 입력부(110)는 사용자 정보 및 선호도 정보가 입력된다.

여행 경로를 추천 받기를 원하는 사용자는 여행 경로 추천 시스템(100)에 접속하여 자신의 정보를 입력하고 선호도 정보, 선호 방문지, 여행 목적, 목적지, 경유지, 여행 수단 등 적어도 하나 이상에 대한 정보를 입력한다.

자원 정보 입력부(120)는 여행 경로 추천에 필요한 자원 정보(data resources)가 입력된다.

본 발명의 자원 정보는 인터넷을 통해 공개된 정보를 검색하여 획득할 수도 있으며, 여행 경로 추천 시스템 관리자가 수집하여 여행 경로 추천 시스템에 입력할 수도 있으며, 자원 정보가 저장되어 있는 서버를 통해서 획득 가능하며, 그 외 다양한 방법으로 획득하여 여행 경로 추천 시스템에 입력될 수 있다.

여행 경로 후보군 생성부(130)는 자원 정보를 빅데이터 분석하여 사용자에게 적합한 여행 경로 후보군을 생성한다.

생성된 복수의 여행 경로는 최적의 여행 경로 생성을 위한 후보들이 된다.

여행 경로 후보군 생성부(130)는 자원 정보를 빅데이터 분석하여 과거 여행지역을 여행한 관광객들의 여행 정보를 관광객 별로 구분하여 분류하고 해당 관광객들이 여행한 여행 경로에서 사용자가 입력한 정보에 맞는 여행 경로를 추출하여 생성할 수 있다.

한 실시예로, 여행 경로 후보군 생성부(130)는 사용자가 입력한 사용자 정보를 토대로 자원 정보를 빅데이터 분석하여 사용자 정보에 상응하는 관광객들이 여행한 여행 경로를 분석할 수 있다.

자원 정보에는 과거 제주도를 방문한 n 명의 관광객 식별정보(Id), 방문해(year), 방문달(month), 이동 경로(moving path), 방문 계절(season)에 대한 정보가 포함될 수 있다.

여행 경로 후보군 생성부(130)는 이러한 자원 정보를 빅데이터 분석하여 관광객을 구분하고 구분된 관광객들의 여행 정보를 분석할 수 있다.

도 3을 예로 들면, 관광객 1(t1)은 12월인 겨울에 a->b->c의 여행 경로로 여행을 했으며, 관광객 2(t2)은 10월인 가을에 a->b의 여행 경로로 여행을 했으며, 관광객 3(t3)은 8월인 여름에 c->d->e의 여행 경로로 여행을 했으며, 관광객 n(tn)은 4월인 봄에 c->e->f->g의 여행 경로로 여행을 했다는 것을 알 수 있다.

이때, 사용자가 계절을 위주로 여행 경로를 추천 받고자 하는 경우에는 봄인 경우에는 관광객 n(tn)의 여행 경로인 c->e->f->g로 여행 경로를 추천할 수 있으며, 여름인 경우에는 관광객 3(t3)의 여행 경로인 c->d->e로 여행 경로를 추천할 수 있으며, 가을인 경우에는 관광객 2(t2)의 여행 경로인 a->b로 여행 경로를 추천할 수 있으며, 겨울인 경우에는 관광객 1(t1)의 여행 경로인 a->b->c로 여행 경로를 추천할 수 있다.

다른 실시예로, 여행 경로 후보군 생성부(130)는 자원 정보를 빅데이터 분석하여 과거 여행지역을 여행한 관광객들이 방문한 여행지점별로 여행지점 정보(spot information)를 생성하여 분류할 수 있다.

여기서, 여행지점 정보(spot information)는 다음 [표2]에 기재되어 있는 바와 같이 여행지점의 명칭(spot name), 중요도(significance), 선호도(preference), 방문횟수(visit times) 등을 포함할 수 있다.

Travel Spot Analysis
Spot Name	Significance	Preference	Visit Times
A(ex : Hallasan)	High (5)	High (5)	>5

여기서, 중요도(significance)는 해당 여행 지역을 대표하는 여행지점인지를 나타내는 정보이며, 선호도(preference)는 관광객들이 선호하는 여행지점인지를 나타내는 정보이며, 방문횟수는 해당 여행지점을 방문한 횟수를 나타낸 정보이다.

이러한 항목별 정보들에 가중치를 둘 수도 있다. 가령 사용자가 제주도를 여행한다고 가정하면, [표2]에 나타난 바와 같이 여행지점이 한라산(hallasan)인 경우 한라산은 제주도의 대표적인 여행지점이므로 중요도가 높고(가중치 값 5) 관광객들의 선호도 역시 높다(가중치 값 5)고 분석된다. 또한, 관광객들의 방문 횟수에 대해서도 가중치를 둘 수 있다.

여행 경로 후보군 생성부(130)는 사용자 정보를 토대로 해당 사용자에 상응하는 관광객들이 여행한 여행 정보와 [표2]와 같이 분석된 여행지점에 대한 정보를 이용하여 해당 사용자에게 맞는 복수의 여행 경로를 생성하여 여행 경로 후보군을 생성할 수 있다.

예를 들어, 여행 경로를 추천받고자 하는 사용자가 한국인 남성이고 연령대가 20대이며, 햇살이 좋은 날씨의 7월의 첫째 주 월요일 오전 10시경에 여행을 한다고 사용자 정보를 입력한다.

그러면, 여행 경로 후보군 생성부(130)는 해당 사용자 정보와 일치 또는 유사한 관광객의 사용자 타입 정보를 분석하여 해당 관광객의 여행 경로를 알아내어 분석 정보 1로 두고, [표2]에서 분석한 여행지점의 정보를 이용하여 여행 지역을 대표하는 여행지점이며 관광객들의 선호도가 높아 방문객의 방문횟수가 많은 여행지점인 한라산을 분석 정보 2로 두어, 분석 정보 1 및 분석 정보 2를 조합하여 한국인 남성 20대들이 여름(특히, 7월이며 첫째주 월요일 오전)에 여행한 여행 경로 중에서 분석 정보 2를 통해 분석한 한라산이 포함되는 여행경로들을 추천 여행 경로 후보군들로 생성할 수 있다.

또 다른 실시예로, 여행 경로 후보군 생성부(130)는 마코프 체인 모델을 이용하여 여행 경로를 생성할 수 있다.

도 4를 참고하여, 관광객들이 방문한 여행 지역이 제주도인 것을 예로 들어 설명한다.

도 4(a)는 제주도를 방문한 관광객들이 여행지점에 대한 방문횟수를 나타낸 테이블이다.

여기서, 관광객들이 여행지점을 방문한 횟수를 카운트 하기 전에 해당 여행지점에 대한 전 처리 작업을 수행한다. 전저리 작업은 해당 여행지점에 대한 인덱스 명칭 처리를 수행하는 것을 의미한다.

예를 들어, Mangangul은 Mang-001로 인덱스 처리를 하고, Seopjikoji 는 seop-002로 인덱스 명칭 처리를 한다.

이후 해당 여행지점에 방문한 관광객들의 수를 산출하여 각각 인덱스 명칭 처리가 된 여행지점에 매칭하여 테이블로 저장한다.

도 4(b)는 여행지점을 선별하기 위해서 관광객들이 특정 여행지점을 방문한 이후에 다음 여행지점으로 이동한 확률을 나타낸 테이블이다.

도 4(b)에서 세로열은 현재 방문하고 있는 여행지점을 나타내고 가로행은 이동한 다음 여행지점을 나타낸다.

예를 들어, Manjangul에서 Bijarim으로 이동한 확률은 0.035 이고, Seopjikoji로 이동한 확률은 0.107이고, Seongsanilchul로 이동한 확률은 0.732 이고, Sanbangsan으로 이동한 확률은 0이다.

여행 경로 후보군 생성부(130)는 관광객들이 여행지점을 방문한 빈도수와 하나의 여행지점에서 다른 여행지점으로 이동한 경로에 대한 확률을 마코프 체인 모델(Markov Chain model)에 적용하여 여행 경로를 생성할 수 있다.

예를 들어, 현재 위치가 Manjangul인 경우에는 다음 여행지점은 이동 확률이 가장 높은 Seongsanilchul 이고, Seongsanilchul 에서 다음 여행지점은 이동 확률이 가장 높은 Seopjikoji 이고, Seopjikoji 에서 다음 여행 지점은 이동 확률이 가장 높은 Manjangul이 된다.

여기서, 사용자가 입력한 사용자 정보 및 선호도 정보를 마코프 체인 모델에 부가하여 사용자에게 맞는 여행 경로를 생성할 수 있다.

또 다른 실시예로, 여행 경로 후보군 생성부(130)는 관광객들이 여행 정보에 포함된 여행 경로 횟수를 고려하여 여행 경로 후보군을 생성할 수 있다.

도 5는 본 발명에서 여행 경로 횟수를 이용하여 여행 경로 후보군을 생성하는 것을 나타낸 도면이다.

여행 경로 후보군 생성부(130)는 관광객들의 여행 정보가 포함된 travel History Dataset을 분석하여 과거 관광객들의 여행 경로(route)를 추출한다. 그리고, 해당 여행 경로가 얼마나 자주 이용되었는지를 분석하여 이용 빈도가 높은 여행 경로를 strong route 로 생성한다.

이러한 strong route 들을 해당 관광객의 정보와 여행 시기 정보(연도, 달, 계절, 일시)와 여행지점의 위치정보, 여행 목적, 목적지, 경유지, 여행 수단 등에 따라 어느 정보를 위주로 추출하느냐에 따라서 다르게 생성될 수 있다.

따라서, 관광객의 정보와 여행 시기 정보(연도, 달, 계절, 일시)와 여행지점의 위치정보, 여행 목적, 목적지, 경유지, 여행 수단 등에 의해서 생성된 각각의 strong route들을 해당 정보에 상응하는 여행 경로 후보군으로 생성한다.

이러한 경우에는 입력되는 사용자 정보와 동일 내지 유사한 정보에 상응하는 strong route를 최적의 추천 여행 정보로 선별할 수 있다.

최적 여행 경로 생성부(140)는 여행 경로 후보군에 소정의 알고리즘을 이용하여 사용자에게 맞는 최적의 여행 경로를 생성한다.

하나의 실시예로서, 본 발명은 유전 알고리즘(Genetic algorithm)을 이용하여 이웃하는 여행지점간의 여행 경로를 선택할 수 있다.

도 6은 본 발명의 일실시예로 유전 알고리즘을 통한 이웃하는 여행지점간의 여행 경로를 선택하는 것을 나타낸 도면이다.

도 6에 도시된 바와 같이 하나의 여행지점에서 다른 여행 지점으로 이동을 하는 경우에 이동 경로는 다양하게 나타날 수 있다. 즉, 하나의 여행지점에서 다음 여행지점으로 이동하는 경우에 해당 이동 경로는 다양한 이동 경로가 포함될 수 있다.

본 발명에 적용될 수 있는 유전 알고리즘은 다양한 이동 경로에서 무작위로 몇 개의 이동 경로를 추출하고 추출된 이동 경로들의 가중치 값을 비교하여 가중치 값이 가장 큰 이동 경로를 선택한다.

이동 경로의 가중치 값은 이동거리가 짧은 거리가 높은 가중치 값을 가지도록 설정될 수 있다.

예를 들어, 여행 경로에 5개의 여행 지점(place1, place2, place3, place4, place5)이 포함되어 있다고 하면, 하나의 여행 지점 place1 에서 다음 여행 지점인 place2 로 이동하는 여행 경로가 A, B, C, D, E 라고 한다.

그리고, 각각의 이동 경로의 거리에 대한 가중치 값을 3, 4, 5, 2, 1 이라고 하면, 본 발명의 유전 알고리즘은 다양한 이동 경로에서 몇 개의 이동 경로를 추출하고 추출된 이동 경로들의 가중치 값을 비교하여 가중치 값이 가장 큰 이동 경로를 선택한다.

도 6을 보면, 추출된 이동경로 A, C, E 의 가중치 값을 비교하여 가중치 값이 가장 큰 경로 E를 place1에서 place2으로 이동하는 이동 경로로 선택한다.

여기서, place2 에서 place3로 이동하는 이동 경로도 동일한 방법으로 선택할 수 있다.

이러한 과정을 반복하여 전체 여행 경로에 대한 이동 경로를 선택하면, 최적의 여행 경로를 생성할 수 있다.

예를 들어, (N+1)개의 여행 지점(place1, place2, place3, place4, place5,??,placeN+1)을 모두 방문하는 전체 여행 경로가 place1-> place2-> place3-> place4-> place5->??_>placeN+1 로 이동한다고 하면, 여행 경로의 총 거리는 다음 [수학식 1]과 같다.

또한, 전체 여행 경로의 거리에 대한 적합도 평가의 가중치 값은 다음 [수학식 2]와 같이 산출될 수 있다.

즉, 여행 경로의 거리가 짧을수록 가중치 값은 커지게 된다.

따라서, 여행 경로 후보군들 중에서 각 여행지점간의 거리를 연결한 총 경로의 거리가 가장 짧은 여행 경로를 최적의 여행 경로로 선정한다.

여기서, 본 발명의 유전 알고리즘은 선택(selection), 교차(crossover), 돌연변이(mutation)의 유전적 진화 방법을 추가로 사용하여 사용자에게 맞는 최적의 추천 여행 경로를 생성할 수도 있다.

즉, 다수의 여행지점을 이동하는 추천 여행 경로에서 추천 여행 경로 내에 포함된 이웃하는 여행지점간 이동 경로를 서브 경로라고 하면, 상술한 방법을 통해 생성된 여행 경로 후보군들 중에서 동일한 출발지와 목적지를 가지는 여행 경로 후보들을 선별하고, 선별된 여행 경로 후보들에 각각 포함된 서브 경로 중 일부를 서로 교차하여 유전적으로 진화된 추천 여행 경로를 생성할 수 있다.

이렇게 동일한 출발지와 목적지를 가지는 복수개의 추천 여행 경로들 간에 서브 경로를 서로 교차하면, 교차전의 추천 여행 경로에 포함되지 않은 새로운 여행지점을 여행할 수 있는 또 다른 추천 여행 경로가 형성되어 사용자에게 다양한 추천 여행 경로를 제공할 수 있다.

또한, 추천 여행 경로에 포함된 서브 경로를 다른 서브 경로로 변화시키는 돌연변이 방법을 통해 유전적으로 진화된 추천 여행 경로를 생성할 수도 있다.

여기서, 상기의 교차(crossover) 및 돌연변이(mutation)의 유전적 진화 방법은 실시간 날씨 정보 및 실시간 교통정보에 따른 이동 경로 시간을 고려하여 수행될 수 있다.

즉, 거리가 가까운 서브 경로인 경우에도 날씨와 교통량에 따라 이동 시간이 길어질 수 있다. 따라서, 실시간 날씨 정보와 실시간 교통 정보를 고려하여 서브 경로를 교차 및 돌연변이 방법을 통해 이동 시간이 짧은 서브 경로도 대체할 수 있다.

또 다른 실시예로, 여행지점의 사용자 선호도에 따라 가중치를 두어 가중치가 높은 경로를 이웃하는 여행지점간의 여행 경로로 선택할 수도 있다.

예를 들어, 사용자의 관심이 높은 방문지를 가중치가 높도록 설정하여, 가중치가 높은 방문지 순으로 여행 경로로 선택한다.

또는, 여행지점간의 수에 가중치를 두고 가중치가 높은 경로를 여행 경로로 선택한다.

예를 들어, 여행지점이 많은 경로를 가중치가 높도록 설정하여, 여행지점이 많은 순으로 여행 경로로 선택한다.

또는, 여행지점간의 거리와 여행지점의 사용자 선호도 및 여행지점의 수를 모두 고려하여 가중치를 두고 가중치가 높은 경로를 여행 경로로 선택한다.

본 발명의 여행 경로 후보군(candidation path)들로부터 최적의 여행 경로를 생성하기 위한 기준 인자(criterial factor)는 다음 [표 3]과 같이 설정될 수 있다.

Criterial factor
Candidation Path(or Route)	Distance	Preference	Number of Spot
A -> B -> D	5Km	High (5)	> 3

여행 경로 후보군 생성부(130)는 자원 정보를 빅데이터 분석하여 [표 3]에 기재되어 있는 바와 같이, 여행 경로 후보군(candidation path)들에 경로의 거리(distance), 선호도(preference), 경로에 포함된 여행지점의 수(number of spot)에 대한 정보를 포함하도록 분류할 수 있다.

이렇게 빅데이터 분석을 통해 분류된 경로의 거리(distance), 선호도(preference), 경로에 포함된 여행지점의 수(number of spot)를 포함하는 여행 경로 후보군을 각각 정보의 가중치 값을 평가하여 가중치 값의 합이 가장 높은 경로를 최적 추천 경로로 생성한다.

여기서, A가 특정 여행지점이고, B는 A 주변의 다른 관광장소인 여행지점이고, D는 B 주변의 다른 여행지점이다.

예를 들어, 이러한 여행 경로(A->B->D)의 여행 경로의 거리는 5km 이고, 선호도의 가중치 값은 5 이며, 여행 경로에 포함된 여행지점의 수는 최소 3이상이다.

본 발명은 여행 경로 후보군(candidation path)들의 기준 인자들을 조합하여 적합도 평가(fitness evaluation)를 실시하여 최적의 여행 경로를 생성할 수 있다.

가령, 여행 경로 후보군(candidation path)에 포함된 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 사용자 선호도가 가장 좋고, 여행지점의 수가 가장 많은 경로를 최적 여행 경로로 생성할 수 있다.

또는, 여행 경로 후보군(candidation path)에 포함된 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 사용자 선호도가 가장 좋은 경로 또는 여행 경로 후보군(candidation path)에 포함된 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며 여행지점의 수가 가장 많은 경로를 최적 여행 경로로 생성할 수 있다.

또는, 여행 경로 후보군(candidation path)에 포함된 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 사용자 선호도가 가장 좋고, 여행지점의 수가 가장 많은 경로를 최적 여행 경로로 생성할 수 있다.

또는, 여행 경로 후보군(candidation path)에 포함된 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 사용자 선호도가 가장 좋은 경로 또는 여행지점의 수가 가장 많은 경로 중 어느 하나를 최적 여행 경로로 생성할 수 있다.

여행 경로 추천부(150)는 생성한 최적 여행 경로를 사용자의 단말(200) 또는 제3자(300)에게 제공한다.

도 7은 본 발명의 일실시예로 빅데이터에 기반한 최적의 여행 경로 추천 방법의 과정을 설명하기 위한 순서도이다.

S110 단계는 사용자 정보 및 선호도 정보가 입력되는 단계이다.

여행 경로를 추천 받기를 원하는 사용자는 여행 경로 추천 시스템에 접속하여 자신의 사용자 정보를 입력하고 선호도 정보, 관심 방문지, 여행 목적, 목적지, 경유지, 여행 수단 등에 대한 정보를 입력한다.

사용자는 사용자를 특정할 수 있는 정보인 사용자 정보 또는 사용자의 취향을 특정할 수 있는 선호도 정보를 입력 할 수 있다.

여행 경로 추천 시스템(100)은 사용자 정보 또는 선호도 정보가 입력되면, 해당 정보를 토대로 자원 정보를 빅데이터 분석하여 사용자의 국적, 연령, 성별에 따라 해당 국적, 연령, 성별인 사람들이 주로 여행한 경로를 위주로 하여 여행 경로를 선별하거나, 사용자의 선도도에 따라 여행 경로를 선별할 수 있다.

S120 단계는 사용자가 원하는 여행지의 여행 경로 추천에 필요한 자원 정보(Data resources)가 입력되는 단계이다.

상술한 바와 같이, 자원 정보는 사용자가 여행하고자 하는 여행 지역을 과거 관광객들이 여행한 여행 정보로 다양한 방법으로 획득할 수 있다.

S130 단계는 자원 정보를 빅데이터 분석하여 사용자에게 적합한 여행 경로 후보군을 생성하는 단계이다.

사용자에게 맞는 여행 경로를 생성하여 추천하기 위해서는 사용자 정보나 선호도 정보를 토대로 하여 사용자에 맞는 의미 있는 정보를 분석하여 분류하여야 한다.

상술한 바와 같이 본 발명의 여행 경로 추천 시스템은 사용자 정보, 사용자의 선호도, 마코프 체인 모델 등을 통해서 사용자에게 맞는 최적의 여행 경로를 제공할 수 있는 복수의 여행 경로 후보군을 생성한다.

S140 단계는 여행 경로 후보군(candidation path) 중에서 사용자에게 맞는 최적 여행 경로를 추출하거나 생성하는 단계이다.

상술한 바와 같이 유전 알고리즘을 통해 최적의 여행 경로를 생성할 수 있으며, 여행 경로 후보군들에 적합도 평가(fitness evaluation)를 실시하여 최적의 여행 경로를 생성할 수 있다.

또한, 상술한 바와 같이, 여행 경로 후보군(candidation path)들의 경로의 거리(distance), 선호도(preference), 경로에 포함된 여행지점의 수(number of spot)에 대한 적합도 평가를 실시하여 최적의 여행 경로를 생성할 수도 있다.

S150 단계는 생성된 최적의 여행 경로를 해당 사용자의 단말 또는 제3자로 제공하는 단계이다.

도 8은 본 발명의 일실시예로 사용자 단말에 추천 여행 경로에 대한 정보가 표시되는 것을 도시한 도면이다.

도 8(a)는 최적의 여행 경로가 화면의 하단에 표시되고 지도에는 여행지점의 위치가 표시된다

즉, 사용자의 현재 방문지의 위치가 적색의 마크로 표시되고 다음 방문지는 청색의 마크로 표시될 수 있다.

도 8(b)는 방문지 마크를 선택하는 경우에 선택된 방문지에 대한 자세한 정보가 표시되는 화면이다.

선택된 방문지에 대한 정보와 해당 정보를 시각적으로 알려주는 이미지 정보가 같이 표시된다.

도 8(c)는 선택된 방문지에 대한 동영상 정보가 표시되는 화면이다.

사용자 단말로 최적의 여행 경로에 대한 정보를 제공하는 경우에 해당 여행 경로에 포함되는 방문지에 대한 동영상 정보를 URL 정보로 제공하여 사용자가 해당 URL을 클릭하는 경우에 링크된 동영상이 재생되도록 할 수 있다.

본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.

100 : 여행 경로 추천 시스템
110 : 사용자 정보 입력부
120 : 자원 정보 입력부
130 : 여행 경로 후보군 생성부
140 : 최적 여행 경로 생성부
150 : 여행 경로 추천부
200 : 사용자 단말
300 : 제3자(third party)

Claims (13)

1. 사용자 정보, 선호도 정보 및 사용자가 원하는 여행 정보 중 어느 하나 이상이 입력되는 사용자 정보 입력부,
   여행 경로 추천에 필요한 자원 정보(data resources)가 입력되는 자원 정보 입력부,
   상기 자원 정보를 빅데이터 분석하여 상기 사용자에게 추천할 여행 경로 후보군을 생성하는 여행 경로 후보군 생성부,
   상기 여행 경로 후보군에 유전 알고리즘을 적용하여 하나의 여행지점에서 다음 여행지점으로 이동하는 복수의 이동 경로에서 무작위로 몇 개의 이동 경로를 추출하고 추출된 이동 경로들의 가중치 값을 서로 비교하여 가중치 값이 가장 큰 것을 이동 경로를 선택하여 상기 사용자에게 맞는 최적 여행 경로를 생성하는 최적 여행 경로 생성부, 그리고
   상기 최적 여행 경로를 상기 사용자의 단말 또는 제3자에게 제공하는 여행 경로 추천부,를 포함하고,
   상기 최적 여행 경로 생성부는,
   상기 유전 알고리즘의 선택(selection), 교차(crossover), 돌연변이(mutation)의 유전적 진화 방법을 추가로 사용하여 실시간 날씨 정보 및 실시간 교통정보에 따른 이동 경로 시간을 고려한 사용자에게 맞는 최적의 추천 여행 경로를 생성하고,
   상기 사용자가 원하는 여행 정보는, 여행 목적, 목적지, 경유지, 여행 수단 중 어느 하나 이상을 포함하고,
   상기 자원 정보는, 여행 지역을 방문한 관광객들의 여행지점에 대한 과거 정보, 경험, 계절, 이동 경로, 여행지점 정보, 위치 정보, 관광객의 타입 정보 중 어느 하나 이상을 포함하고,
   상기 관광객의 타입 정보는 국적, 성별, 연령대, 상기 관광객이 여행지점을 방문한 시기(Month,Week,Date,Season,Time), 방문 시기의 날씨 정보 중 어느 하나 이상을 포함하고,
   상기 여행지점 정보는 상기 여행지점의 명칭, 중요도(significance), 선호도(preference), 방문횟수(visit times) 중 어느 하나 이상을 포함하고,
   상기 여행지점은 관광지에 대한 이전 관광객들의 방문횟수 및 하나의 관광지에서 다른 관광지로의 이동하는 확률을 토대로 마코프 체인 모델을 적용하여 선별되고,
   상기 여행 경로 후보군은,
   상기 사용자가 입력한 정보를 바탕으로 상기 자원 정보를 빅데이터 분석하여 과거 여행지역을 여행한 관광객들의 여행 정보를 관광객 별로 구분하여 분류하고, 해당 관광객들이 여행한 여행 경로에서 상기 사용자가 입력한 정보에 맞는 여행 경로를 추출하여 생성되는 여행 경로의 집합이거나,
   상기 사용자 정보를 토대로 해당 사용자에 상응하는 관광객들이 여행한 여행 정보와 여행지점의 명칭, 중요도, 선호도 또는 방문횟수를 이용하여 해당 사용자에게 맞게 생성되는 여행 경로의 집합이거나,
   관광객들이 여행지점을 방문한 빈도수와 하나의 여행지점에서 다른 여행지점으로 이동한 경로에 대한 확률을 마코프 체인 모델(Markov Chain model)에 적용하여 생성된 여행 경로들의 집합이거나,
   관광객들의 여행 정보가 포함된 travel History Dataset을 분석하여 상기 관광객들이 이용한 여행 경로의 이용 빈도가 기준치 보다 높은 여행 경로들의 집합이고,
   상기 가중치 값은 이동 거리의 역수이고,
   상기 최적 여행 경로는 상기 여행 경로 후보군에 포함된 복수의 여행 경로들 각각이 여행지점(spot)에 따라 빅데이터 분석을 통해 분류된 여행지점간의 경로 거리(distance), 여행지점의 사용자 선호도(preference), 여행지점의 수(number of spot) 중 어느 하나 이상을 고려하여 가중치를 두는 적합도 평가(fitness evaluation)를 수행하고, 상기 적합도 평가가 가장 좋은 경로를 선택하는 알고리즘을 통해 추천되고,
   상기 알고리즘은,
   상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 상기 사용자 선호도가 가장 좋고, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나,
   상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 상기 사용자 선호도가 가장 좋은 경로 또는 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이고, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나,
   상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 상기 사용자 선호도가 가장 좋으며, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나,
   상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 상기 사용자 선호도가 가장 좋은 경로 또는 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하는 빅데이터 기반 최적의 여행 경로 추천 시스템.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 사용자 정보 입력부에서 사용자 정보 또는 사용자 관심 정보가 입력되는 단계,
    자원 정보 입력부에서 상기 사용자가 원하는 여행지의 여행 경로 추천에 필요한 자원 정보가 입력되는 단계,
    여행 경로 후보군 생성부에서 상기 사용자 정보 또는 사용자 관심정보를 토대로 상기 자원 정보를 분석하여 상기 사용자에게 추천할 여행 경로 후보군을 생성하는 단계, 그리고
    최적 여행 경로 생성부에서 상기 여행 경로 후보군에 유전 알고리즘을 적용하여 하나의 여행지점에서 다음 여행지점으로 이동하는 복수의 이동 경로에서 무작위로 복수의의 이동 경로를 추출하고 추출된 이동 경로들의 가중치 값을 서로 비교하여 가중치 값이 가장 큰 이동 경로를 선택하여 상기 사용자에게 맞는 최적의 여행 경로를 생성하는 단계를 포함하고,
    상기 최적의 여행 경로를 상기 사용자의 단말 또는 제3자에게 제공하는 단계를 포함하고,
    상기 최적의 여행 경로를 생성하는 단계는,
    상기 유전 알고리즘의 선택(selection), 교차(crossover), 돌연변이(mutation)의 유전적 진화 방법을 추가로 사용하여 실시간 날씨 정보 및 실시간 교통정보에 따른 이동 경로 시간을 고려한 최적의 추천 여행 경로를 생성하고,
    상기 사용자가 원하는 여행 정보는, 여행 목적, 목적지, 경유지, 여행 수단 중 어느 하나 이상을 포함하고,
    상기 자원 정보는, 여행 지역을 방문한 관광객들의 여행지점에 대한 과거 정보, 경험, 계절, 이동 경로, 여행지점 정보, 위치 정보, 관광객의 타입 정보 중 어느 하나 이상을 포함하고,
    상기 관광객의 타입 정보는 국적, 성별, 연령대, 상기 관광객이 여행지점을 방문한 시기(Month,Week,Date,Season,Time), 방문 시기의 날씨 정보 중 어느 하나 이상을 포함하고,
    상기 여행지점 정보는 상기 여행지점의 명칭, 중요도(significance), 선호도(preference), 방문횟수(visit times) 중 어느 하나 이상을 포함하고,
    상기 여행지점은 관광지에 대한 이전 관광객들의 방문횟수 및 하나의 관광지에서 다른 관광지로의 이동하는 확률을 토대로 마코프 체인 모델을 적용하여 선별되고,
    상기 여행 경로 후보군은,
    상기 사용자가 입력한 정보를 바탕으로 상기 자원 정보를 빅데이터 분석하여 과거 여행지역을 여행한 관광객들의 여행 정보를 관광객 별로 구분하여 분류하고, 해당 관광객들이 여행한 여행 경로에서 상기 사용자가 입력한 정보에 맞는 여행 경로를 추출하여 생성되는 여행 경로의 집합이거나,
    상기 사용자 정보를 토대로 해당 사용자에 상응하는 관광객들이 여행한 여행 정보와 여행지점의 명칭, 중요도, 선호도 또는 방문횟수를 이용하여 해당 사용자에게 맞게 생성되는 여행 경로의 집합이거나,
    관광객들이 여행지점을 방문한 빈도수와 하나의 여행지점에서 다른 여행지점으로 이동한 경로에 대한 확률을 마코프 체인 모델(Markov Chain model)에 적용하여 생성된 여행 경로들의 집합이거나,
    관광객들의 여행 정보가 포함된 travel History Dataset을 분석하여 상기 관광객들이 이용한 여행 경로의 이용 빈도가 기준치 보다 높은 여행 경로들의 집합이고,
    상기 가중치 값은 이동 거리의 역수이고,
    상기 최적 여행 경로는 상기 여행 경로 후보군에 포함된 복수의 여행 경로들 각각이 여행지점(spot)에 따라 빅데이터 분석을 통해 분류된 여행지점간의 경로 거리(distance), 여행지점의 사용자 선호도(preference), 여행지점의 수(number of spot) 중 어느 하나 이상을 고려하여 가중치를 두는 적합도 평가(fitness evaluation)를 수행하고, 상기 적합도 평가가 가장 좋은 경로를 선택하는 알고리즘을 통해 추천되고,
    상기 알고리즘은,
    상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 상기 사용자 선호도가 가장 좋고, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나,
    상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이며, 상기 사용자 선호도가 가장 좋은 경로 또는 상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로이고, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나,
    상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 상기 사용자 선호도가 가장 좋으며, 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하거나,
    상기 여행지점간의 경로의 총합이 가장 짧은 여행 경로 또는 상기 사용자 선호도가 가장 좋은 경로 또는 상기 여행지점의 수가 가장 많은 경로를 상기 최적 여행 경로로 생성하는 빅데이터에 기반한 최적의 여행 경로 추천 방법.
    

Images