<연구목표>
대한민국 국민의 국내 여행 경험률은 매년 증가하는 추세이며, 외국인 여행객의 국내 방문 수요 또한 꾸준히 유지되고 있으나, 특정 관광지에 처음 방문하는 여행객은 현지인 혹은 과거에 해당 관광지를 방문한 경험이 있는 여행객과 달리 정보의 부족으로 인 ...

<연구목표>
대한민국 국민의 국내 여행 경험률은 매년 증가하는 추세이며, 외국인 여행객의 국내 방문 수요 또한 꾸준히 유지되고 있으나, 특정 관광지에 처음 방문하는 여행객은 현지인 혹은 과거에 해당 관광지를 방문한 경험이 있는 여행객과 달리 정보의 부족으로 인해 관광 만족도가 감소할 수 밖에 없다. 현재 이러한 정보부족을 효율적으로 극복할 수 있는 방법에 대한 연구는 미비한 실정이다. 실제 여행 스케줄링에 있어서 기존 방법은 여러 한계점을 가지고 있다. 2016 국민여행 실태조사에 따르면 현재 국내 여행객들이 여행계획을 세울 때 주로 참고하는 인터넷 사이트는 포털 사이트(83.5%), SNS(10.2%), 개별 관광지 또는 관광시설 홈페이지(2.8%)등으로 나타났다. 그러나 블로그나 커뮤니티를 통한 단편적인 정보의 검색은 다양한 개인의 선호나 성향을 반영하지 못하며, 계절, 숙박 기간, 이동 수단 등 특정 개인의 상황에 적용되기 어렵다.
따라서 각 개인의 선호와 상황을 복합적으로 고려한 최적화된 여행 일정 스케줄링 방법에 대한 연구가 필요한 시점이며, 본 연구에서는 강화학습(reinforcement learning)과 운영연구(operations research)를 기반으로 한 자동화된 개인화 여행 일정 스케줄링 알고리즘의 개발을 제안한다. 이는 각 관광지를 효율적으로 이용할 수 있어 여행객의 관광 만족도를 제고할 수 있을 뿐 아니라 국내 관광 소득 증가, 관광지 주민의 소득 증대 및 삶의 질 향상, 복지 증진 등 다양한 사회경제적 편익으로 이어질 수 있다.
<연구의 창의성>
개인화된 여행 일정 수립에 대한 연구는 다양한 방향으로 진행되어 왔다. 하지만 개별 여행객의 선호와 관광지 특성을 분석, 비교하여 관광지를 추천해주는 방식에 있어 단편적인 방식을 사용한 경우가 많다. 예를 들어‘휴식’이라는 요소에 높은 선호를 가진 개인에게 ‘휴식’특성 점수가 가장 높은 여행지를 추천해주는 방식은 다른 선호 요소들에 대한 고려가 부족하며, 현지 상황에 따른 유기적인 일정 조정에 대한 부분이 완전하지 못하다. 따라서 본 연구에서는 기존 연구들과 달리 개별 여행객의 선호를 N가지로 정의하고, 이 N가지에 0-100사이의 값을 할당함으로써 개별 여행객의 선호를 길이 N의 벡터의 형태로 제안한다. 관광지의 특성을 나타낼 때에도 마찬가지로 길이 N의 벡터를 적용하여, 개별 여행객에게 관광지를 추천할 때, 이 벡터의 차이를 기반으로 기본 알고리즘을 개발하고자 한다.
또한 기존 연구들이 관광지별 체류시간에 대해 추정값 혹은 임의의 값을 사용하곤 하였는데 본 연구에서는 개별 여행객의 선호를 나타내는 길이 N의 벡터와 관광지 특성을 나타내는 길이 N의 벡터의 조합을 기반으로 다중회귀분석을 활용하여 체류 시간을 분석하고자 한다.
개인화된 여행 일정 스케줄링을 도출함에 있어, 기존 연구들이 traveling salesman problem (TSP)과 같은 실제와 차이가 나는 단순한 알고리즘을 사용하거나, 기본적인 스코어링 방법을 사용하여 그 순서대로 관광지를 추천하여 많은 한계가 있었는데, 본 연구에서는 개별 여행객의 선호 및 관광지의 특성, 관광지 별 개장/폐장 시간 및 체류시간, 입장료, 교통 수단 별 실시간 이동시간 등의 데이터를 기반으로 강화학습과 운영연구의 정량적 방법론을 적용하여 고도화된 개인화 여행 일정 스케줄링 도출 체계를 개발하고자 한다.

본 연구는 여행객 개인의 선호나 개별 관광지의 특성을 반영하지 못한 여행 스케줄링으로 여행의 만족도가 저하되는 부분을 효과적으로 개선하기 위한 실질적인 대안으로 강화학습과 운영연구를 기반으로 한 자동화된 개인화 여행 일정 스케줄링 방법을 제시한다. 본 연구 ...

본 연구는 여행객 개인의 선호나 개별 관광지의 특성을 반영하지 못한 여행 스케줄링으로 여행의 만족도가 저하되는 부분을 효과적으로 개선하기 위한 실질적인 대안으로 강화학습과 운영연구를 기반으로 한 자동화된 개인화 여행 일정 스케줄링 방법을 제시한다. 본 연구를 통해 기대할 수 있는 효과는 다음과 같다.
본 연구는 기존 포털 사이트, 연구 등에서 제공되던 단편적인 여행 일정이 아닌 복합적이고 개인화된 정보를 기반으로 전체적인 여행 계획에 있어 보다 만족도가 높은 여행 일정을 제공할 수 있을 것으로 보인다. 또한 관광지 선택의 다양성을 적극적으로 확보하여 여행 주체의 관광 만족도를 극대화하고, 국내 여행객의 국내 여행에 대한 매력도를 높여 국내 여행 활성화를 위한 계기를 마련할 수 있을 것으로 기대된다.
연구 과정에서 산출될 여러 결과물들은 학문적으로 유의한 영향을 끼칠 것으로 판단된다. 벡터의 형태로 표현된 개별 관광지의 선호 특성과 개별 여행객의 선호 특성, 개인 관광 소요 시간, 해당 지역 관광지의 입장료, 개/폐장 시간 등의 입력 정보, 개인화된 여행 일정 알고리즘, ‘재’산출 알고리즘 등은 지금까지 진행된 여타 연구들과 차별화된 방법론으로서 최근 각광받고 있는 관광 분야 후속 연구에 효과적으로 적용될 수 있다.
관광지 선택의 다변화를 통해 형평성 있는 지역 관광 활성화에 이바지 할 수 있다. 본 연구는 지역 내 고른 관광 활성화에 주 목적을 두고 있다. 그러나 이를 민간 기업에서 시행할 시 현재 소외받는 관광지를 제외한 유명 관광지로의 편중 심화, 비용 감소를 위한 여행 형태 획일화 등의 여러 수익성과 관련된 문제가 발생할 가능성이 높다. 따라서 이러한 연구는 공공 기관과 함께 수행하는 것이 바람직하며 이를 통해 국내 관광 소득 증가, 지역 간 고른 주민 소득 증대, 복지 증진 등 여러 사회경제적 편익의 극대화를 기대할 수 있다.
본 연구를 진행함에 따라3명의 연구원을 연구 책임자 아래 편성하고, 세부 연구 활동에 모두 참여하도록 하여 연구와 학습을 동시에 진행할 수 있도록 한다. 본 연구에서 수행하고자 하는 관광 관련 연구, 강화학습, 운영연구 관련 분야에 연구원들을 직접 참여시킴으로서 연구 인력 양성에 일조하며, 국내 관광 연구 분야 발전에 기여할 수 있는 발판을 마련하고자 한다.

<연구 목적>
본 연구에서는 총2년에 걸쳐 정량적인 방법론인 강화학습(reinforcement learning)과 운영연구(operations research)를 적용한 개인화된 여행 일정 자동 스케줄링 방법에 대한 연구를 수행하고자 한다.
여행객이 여행을 준비하면서 개인의 선호도를 반영한 여 ...

<연구 목적>
본 연구에서는 총2년에 걸쳐 정량적인 방법론인 강화학습(reinforcement learning)과 운영연구(operations research)를 적용한 개인화된 여행 일정 자동 스케줄링 방법에 대한 연구를 수행하고자 한다.
여행객이 여행을 준비하면서 개인의 선호도를 반영한 여행 스케줄을 추천받을 수 있다면, 여행에 대한 두려움을 줄이고 매력을 높여 심리적 거리를 좁힐 수 있다. 그리하여 본 연구의 1차년도에는 여행객의 선호도를 고려한 여행 일정 스케줄링 방법을 개발하고자 한다.
본 여행 스케줄을 활용하여 여행을 하다가 여행지에서의 불확실성에 의해 여행 스케줄에 변경이 필요할 수 있다. 특정 관광지가 선호를 기반으로 추천되었기 때문에 즐거운 나머지 장시간 관람을 할 수도 있고, 여행 중 선호의 변경으로 특정 관광지의 방문을 취소하고 싶을 수도 있다. 이와 같은 상황을 고려하여 2차년도에는 여행객의 변화된 선호 및 상황을 고려한 개인화된 여행 일정 재스케줄링 방법을 개발하고자 한다.
<연구 내용 및 방법>
본 연구의 1차년도에는 여행객의 선호도를 고려한 여행 일정 스케줄링 방법을 개발하고자 한다. 이를 위해서 5단계 절차로 연구를 진행하고자 한다. 1단계에서는 개별 여행객의 선호를 정의하고 분석하고자 한다. 개별 여행객의 관광지에 대한 다양한 선호를 문헌 및 설문을 통해 조사하여 정의하고, 그 중 실제로 연구에 적용할 선호의 종류 및 수를 확정하여 개별 여행객의 선호를 해당 선호에 대한 벡터의 형태로 표현한다. 2단계에서는 개별 관광지의 선호 특성을 선호 벡터의 형태로 나타낸다. 특히 관광지의 경우 개별 여행객의 관광소요시간을 함께 조사하여, 선호 벡터 및 그 벡터 값에 따른 평균 관광소요시간을 함께 파악하여 여행 스케줄링 산출 알고리즘에 포함하고자 한다. 3단계에서는 개별 여행객 및 관광지의 선호 벡터를 기준으로 강화학습과 운영연구를 적용하여 개인화된 여행 스케줄링 산출 알고리즘을 개발하고자 한다. 이를 위해서 개별 여행객의 선호 벡터, 관광지의 선호 벡터 및 관광소요시간, 개/폐장 시간, 휴장일, 입장료, 위치정보, 교통정보 등을 활용하고자 한다. 4단계에서는 개발된 알고리즘을 실제 코딩을 통해 구현하고자 한다. 코딩에는Python이나JAVA 프로그래밍 언어를 사용하고자 하며, 운영연구를 통해 도출된 수리모형의 최적해를 도출하기 위해 최적해 도출 프로그램인 CPLEX를 사용하고자 한다. 5단계에서는 개발된 개인화된 여행 스케줄링 체계를 몇몇 여행객에게 실제 적용해보고 그 피드백을 받아 수정/보완을 통해 정합성을 높이고자 한다.
본 연구의 2차년도에는 여행객의 변화된 선호 및 상황을 고려한 개인화된 여행 일정 재스케줄링 방법을 개발하고자 한다. 이를 위해서4단계 절차로 연구를 진행하고자 한다. 1단계에서는 여행과정에서 발생 가능한 불확실성을 정의하고자 한다. 여행객이 여행 스케줄 상의 특정 일정을 제거하고 싶거나, 특정 관광지에서 관광소요시간이 과소하거나 과대한 경우, 혹은 관광 중 여행 선호가 변경되는 경우 등 발생 가능한 불확실성을 도출하고 정의하고자 한다. 2단계에서는 이렇게 정의된 불확실성을 반영한 개인화된 여행 스케줄링 ‘재‘ 산출 알고리즘을 개발하고자 한다. 기존 여행 스케줄 중 특정 관광지 제거 및 추가 시 ‘재‘ 스케줄링 알고리즘, 특정 관광지의 관광 종료시간이 늦어져 이후 스케줄에 영향이 있는 경우 잔여 스케줄에 대한 ‘재‘ 스케줄링 알고리즘, 개인의 선호 변화에 따른 잔여 스케줄의 전체적인 ‘재‘ 스케줄링 알고리즘 등 여행 과정에서 발생 가능한 불확실성을 반영한 개인화된 여행 스케줄링 ‘재‘ 산출 알고리즘을 강화학습 및 운영연구를 적용하여 개발하고자 한다. 3단계에서는 개발된 알고리즘을 실제 코딩을 통해 구현하고자 한다. 4단계에서는 개발된 개인화된 여행 스케줄링 ‘재‘ 산출 체계를 몇몇 여행객에게 실제 적용해보고 그 피드백을 받아 수정/보완을 통해 정합성을 높이고자 한다.
*강화학습, 운영연구 방법론에 대해서는 본 제안서에서 자세히 설명함.