KR102866817B1 - 부동산 시세 추정 방법 및 그 시스템 - Google Patents

Abstract

본 발명의 실시예에 따른 부동산 시세 추정 방법은, 단말의 적어도 하나의 프로세서에 의하여 실행되는 부동산 시세 추정 애플리케이션이 부동산 시세를 추정하는 방법으로서, 제1 구역 내 전체단지에 소속된 복수의 소속단지 각각에 대한 실거래가 데이터의 동향을 시간의 흐름에 따라서 배열한 시세 시계열 데이터를 수집하는 단계; 상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하는 단계; 상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중에서 적어도 하나의 소속단지를 상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하는 단계; 상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중 적어도 일 기간에 대응되는 실거래가 데이터가 부재한 결측치를 포함하는 타겟단지를 검출하는 단계; 상기 결정된 대장단지의 시계열 데이터를 기초로 상기 타겟단지에 대한 결측치를 보간하는 단계; 및 상기 결측치가 보간된 시세 시계열 데이터를 기초로 상기 전체단지에 대한 현재 시세정보를 산출하는 단계를 포함한다.

Description

부동산 시세 추정 방법 및 그 시스템{METHOD AND SYSTEM FOR ESTIMATING REAL ESTATES PRICES}

본 발명은 부동산 시세 추정 방법 및 그 시스템에 관한 것이다. 보다 상세하게는, 일정 구역을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터에 기초하여 상기 구역 내 소정의 부동산 시세 결측치를 보간하고, 상기 구역 내 복수의 단지에 대한 현재 부동산 시세를 추정 및 제공하는 부동산 시세 추정 방법 및 그 시스템에 관한 것이다.

일반적으로 대부분의 현재 부동산 시세는, 부동산 시세를 조사하는 조사원이 일일이 발품을 팔며 수집하거나, 혹은 지역 별로 지정된 부동산의 공인중개사에 의한 주관적인 판단에 따른 시세 입력 방식에 의존하고 있다.

그러나, 위와 같은 종래의 시세 추정 방식은 사람의 주관적인 판단이 필연적으로 관여된다는 점에서 그 신뢰성에 문제가 제기된다.

또한, 위와 같이 추정된 부동산 시세가 진정으로 현재 실거래가를 반영하고 있는지에 대한 정확도를 판단할 수 있는 척도 또한 미비한 실정이다.

그러므로, 종래와 같은 사람의 휴리스틱적 판단이 아닌 신뢰할 만한 근거 데이터에 기초하여 부동산 시세 데이터를 구축하고 제공하기 위한 기술적 도입이 필요하다.

한편, 종래에는 일일이 부동산 중개업소를 찾아다니거나 또는 부동산 매물에 관한 잡지, 신문이나 인터넷 등을 사용하여 특정 부동산 시세에 관련된 정보를 얻고 있다.

하지만, 부동산 중개업소를 일일이 찾아다니는 경우에는 원하는 시세 정보를 얻을 때까지 상당한 시간과 비용이 소모되며 그 경비와 노력이 많이 든다는 문제가 있고, 부동산 매물에 관한 잡지나 신문을 통해서는 찾고자 하는 정확한 시세 정보에 접근하기가 사실상 불가능한 수준이라는 한계가 있다.

그리하여 최근 대부분의 경우에는 인터넷을 이용하여 부동산 시세 정보를 얻고자 하고 있으나, 인터넷 검색을 통해 수집되는 각종 데이터들(예컨대, 공시지가,　부동산　매매가격, 전세가격, 월세가격, 공매정보 및/또는 경매정보 등)에 기초한 분석을 수행하여 원하는 부동산 시세 정보를 추정해야 한다는 어려움이 있다.

이러한 어려움을 해결하기 위한 목적으로 현재 국토교통부 등에서는 부동산 실거래 자료를 제공하고 있다.

즉, 현재 국토교통부 등에서는, "공공기관의 정보공개에 관한 법률" 제7조 제1항 및 제2항(행정정보의 공표)에 의거하여 부동산 거래신고를 수행한 부동산에 대하여 그리고 확정일자를 부여받은 부동산에 대하여 실거래가를 공개하고 있으며, 이러한 정보는 시스템적으로 "실거래가공개시스템(http://rt.molit.go.kr/)" 또는 "공공데이터 포털(https://www.data.go.kr/)"에서 무상으로 취득할 수 있다.

그러나, 국토교통부가 제공하는 위와 같은 실거래가 정보는 개인정보보호 이슈로 인하여 정확한 거래일자나 지번과 같은 정확한 주소가 삭제된 상태로 공개되므로, 유용한 정보를 사용하기에 한계가 있는 상황이다.

KR 10-2021-0027776 A

본 발명은, 상술된 바와 같은 문제점들을 해결하기 위하여 안출된 것으로서, 일정 구역을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터를 기초로 상기 구역 내 소정의 부동산 시세 결측치를 보간하는 부동산 시세 추정 방법 및 그 시스템을 제공하고자 한다.

또한, 본 발명은, 상기 구역 내 복수의 단지에 대한 현재 부동산 시세를 추정하는 부동산 시세 추정 방법 및 그 시스템을 제공하고자 한다.

또한, 본 발명은, 상기 추정된 현재 부동산 시세에 기초한 시각화된 데이터를 제공하는 부동산 시세 추정 방법 및 그 시스템을 제공하고자 한다.

다만, 본 발명 및 본 발명의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

본 발명의 실시예에 따른 부동산 시세 추정 방법은, 단말의 적어도 하나의 프로세서에 의하여 실행되는 부동산 시세 추정 애플리케이션이 부동산 시세를 추정하는 방법으로서, 제1 구역 내 전체단지에 소속된 복수의 소속단지 각각에 대한 실거래가 데이터의 동향을 시간의 흐름에 따라서 배열한 시세 시계열 데이터를 수집하는 단계; 상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하는 단계; 상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중에서 적어도 하나의 소속단지를 상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하는 단계; 상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중 적어도 일 기간에 대응되는 실거래가 데이터가 부재한 결측치를 포함하는 타겟단지를 검출하는 단계; 상기 결정된 대장단지의 시계열 데이터를 기초로 상기 타겟단지에 대한 결측치를 보간하는 단계; 및 상기 결측치가 보간된 시세 시계열 데이터를 기초로 상기 전체단지에 대한 현재 시세정보를 산출하는 단계를 포함한다.

이때, 상기 시세 시계열 데이터는, 상기 복수의 소속단지 내 복수의 세대 각각에 대한 실거래가 데이터의 동향을 상기 소속단지 및 소정의 평형을 기초로 구분하여 시계열 형식으로 나타낸 데이터이다.

또한, 상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하는 단계는, 소정의 개수 이상의 결측치를 포함하는 타겟단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하는 단계와, 소정의 세대 수 이하의 소속단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하는 단계와, 실거래가 데이터 수가 기준치 이하인 소속단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하는 단계와, 소정의 층 수 이하의 실거래가 데이터를 상기 시세 시계열 데이터로부터 제거 또는 변경하는 단계 중 적어도 하나의 단계를 포함한다.

또한, 상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하는 단계는, 상기 복수의 소속단지 각각에 대한 실거래가 데이터 수, 세대 수, 실거래가 데이터의 표준편차 및 신축여부 중 적어도 하나를 기초로 상기 복수의 소속단지 중 적어도 하나의 소속단지를 상기 대장단지로 결정하는 단계를 포함한다.

또한, 상기 복수의 소속단지 중 적어도 하나의 소속단지를 대장단지로 결정하는 단계는, 상기 제1 구역 내 행정구역, 면적 및 인구 수 중 적어도 하나를 기초로 상기 제1 구역에 대한 대장단지를 복수로 결정할지 여부를 판단하는 단계를 더 포함한다.

또한, 상기 타겟단지에 대한 결측치를 보간하는 단계는, 상기 타겟단지의 시계열 데이터에 포함된 총 실거래가 데이터의 개수 대비 상기 결측치의 개수 비율이 소정의 기준치 이하이면, 상기 타겟단지의 시계열 데이터에 기초하여 선형보간법을 이용하여 결측치를 보간하는 단계를 포함한다.

또한, 상기 타겟단지에 대한 결측치를 보간하는 단계는, 상기 제1 구역에 대하여 복수의 대장단지가 결정되면, 상기 타겟단지의 부동산 시세에 가장 큰 영향력을 미치는 핵심 대장단지를 결정하는 단계를 포함한다.

또한, 상기 핵심 대장단지를 결정하는 단계는, 상기 타겟단지와 동일한 행정구역에 포함되는 대장단지를 검출하는 단계와, 상기 타겟단지를 기준으로 소정의 반경 이내에 위치하는 대장단지를 검출하는 단계와, 상기 복수의 대장단지 중에서 가장 높은 부동산 시세 평균을 형성하는 대장단지를 검출하는 단계와, 상기 검출된 적어도 하나 이상의 대장단지를 기초로 상기 핵심 대장단지를 결정하는 단계를 포함한다.

또한, 상기 타겟단지에 대한 결측치를 보간하는 단계는, 상기 결정된 핵심 대장단지의 시계열 데이터와 상기 타겟단지의 시계열 데이터를 기초로 동적 시간 워핑(Dynamic Time Warping, DTW) 알고리즘에 따라서 상기 결측치를 보간하는 단계를 더 포함한다.

또한, 상기 전체단지에 대한 현재 시세정보를 산출하는 단계는, 상기 결측치가 보간된 시세 시계열 데이터를 기초로 소정의 기간 이전부터 현재까지의 실거래가 데이터를 포함하는 기존 시세 시계열 데이터와 현재부터 소정의 기간 이후까지 예측된 실거래가 데이터를 포함하는 예측 시세 시계열 데이터를 획득하는 단계와, 상기 획득된 기존 시세 시계열 데이터 및 상기 예측 시세 시계열 데이터를 기초로 현재 시점의 실거래가 데이터를 각각의 소속단지의 각각의 평형 별로 추정하는 단계를 포함한다.

또한, 상기 전체단지에 대한 현재 시세정보를 산출하는 단계는, 상기 추정된 현재 시점의 실거래가 데이터를 상기 복수의 소속단지 각각에 대한 주변 환경조건을 기초로 재추정하는 단계를 더 포함한다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법은, 상기 산출된 현재 시세정보와 상기 결측치가 보간된 시세 시계열 데이터를 기초로 특정 소속단지 및 특정 평형의 시계열 데이터를 시각화한 시세 시각화 그래프를 생성 및 제공하는 단계를 더 포함한다.

한편, 본 발명의 실시예에 따른 부동산 시세 추정 시스템은, 시세 시각화 그래프를 출력하는 적어도 하나 이상의 디스플레이; 적어도 하나 이상의 메모리; 및 적어도 하나 이상의 프로세서; 를 포함하고, 상기 메모리에 저장되고 상기 프로세서에 의해 실행되어 부동산 시세를 추정하는 적어도 하나의 애플리케이션으로서 상기 적어도 하나의 애플리케이션은, 제1 구역 내 전체단지에 소속된 복수의 소속단지 각각에 대한 실거래가 데이터의 동향을 시간의 흐름에 따라서 배열한 시세 시계열 데이터를 수집하고, 상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하고, 상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중에서 적어도 하나의 소속단지를 상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하고, 상기 전처리된 시세 시계열 데이터를 기초로, 상기 복수의 소속단지 중 적어도 일 기간에 대응되는 실거래가 데이터가 부재한 결측치를 포함하는 타겟단지를 검출하고, 상기 결정된 대장단지의 시계열 데이터를 기초로 상기 타겟단지에 대한 결측치를 보간하고, 상기 결측치가 보간된 시세 시계열 데이터를 기초로 상기 전체단지에 대한 현재 시세정보를 산출하고, 상기 산출된 현재 시세정보와 상기 결측치가 보간된 시세 시계열 데이터를 기초로 특정 소속단지 및 특정 평형의 시계열 데이터를 시각화한 상기 시세 시각화 그래프를 생성 및 제공한다.

본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 일정 구역을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터를 기초로 상기 구역 내 소정의 부동산 시세 결측치를 보간함으로써, 특정 기간 내 부동산 실거래 히스토리가 결여된 단지의 경우에도 신뢰할 만한 근거 데이터를 기초로 상기 결여된 히스토리에 의한 부동산 시세 데이터의 부재를 보완할 수 있고, 이를 통해 상기 구역 내 모든 단지에 대하여 특정 부동산 시세 데이터에 대한 결측치가 없는 온전한 형태의 시계열 데이터에 기초한 데이터베이스를 구축할 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 일정 구역을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터를 기초로 상기 구역 내 소정의 부동산 시세 결측치를 보간하여, 사람의 휴리스틱적 판단이 아닌 신뢰할 만한 근거 데이터를 토대로 상기 구역 내 결여된 부동산 시세 데이터를 자동으로 보완할 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 상기 결측치가 보간된 상태의 시계열 데이터에 기초하여 상기 구역 내 복수의 단지에 대한 현재 부동산 시세를 추정함으로써, 특정 기간에 대한 실거래 히스토리가 결여된 단지의 경우에도 합리적인 부동산 시세 데이터로 보완된 상태에서 현재 부동산 시세를 추정할 수 있고, 이를 통해 상기 추정되는 현재 부동산 시세의 정확성 및 신뢰성을 향상시킴과 동시에 부동산 거래의 공정성을 증진시킬 수 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 상기 추정된 현재 부동산 시세에 기초한 시각화된 데이터를 제공함으로써, 사용자가 일일이 부동산 중개업소를 찾아다니거나 또는 부동산 매물에 관한 잡지, 신문이나 인터넷 등을 검색하여 분석을 수행하는 등 원하는 부동산 시세 정보를 취득하기 위하여 소모하는 노력이나 비용을 절감시킬 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 상기 추정된 현재 부동산 시세에 기초한 시각화된 데이터를 제공함으로써, 사용자가 의도한 부동산 시세 정보를 직관적으로 인지하기 용이한 형태로 신속하게 제공할 수 있는 효과가 있다.

다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 명확하게 이해될 수 있다.

도 1은 본 발명의 실시예에 따른 부동산 시세 추정 시스템의 개념도이다.
도 2는 본 발명의 실시예에 따른 단말의 내부 블록도이다.
도 3은 본 발명의 실시예에 따른 부동산 시세 추정 방법의 흐름도이다.
도 4는 본 발명의 실시예에 따른 동적 시간 워핑(Dynamic Time Warping, DTW) 알고리즘에 기초한 DTW-BI 프로세스를 설명하기 위한 도면의 일례이다.
도 5는 본 발명의 실시예에 따른 시세 시각화 그래프의 일례들이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다. 이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 또한, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 또한, 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 본 발명의 실시예에 따른 부동산 시세 추정 시스템의 개념도이다.

도 1을 참조하면, 본 발명의 실시예에 따른 부동산 시세 추정 시스템(10)은, 일정 구역(예컨대, 소정의 읍/면/동/시/군/구 등)을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터에 기초하여 상기 구역 내 소정의 부동산 시세 결측치를 보간하고, 상기 구역 내 복수의 단지에 대한 현재 부동산 시세를 추정 및 제공하는 부동산 시세 추정 서비스를 구현할 수 있다.

실시예에서, 위와 같은 부동산 시세 추정 서비스를 제공하는 부동산 시세 추정 시스템(10)은, 단말(100), 부동산 시세 추정서버(200) 및 네트워크(300: Metwork)를 포함할 수 있다.

이때, 상기 단말(100) 및 부동산 시세 추정서버(200)는, 상기 네트워크(300)를 통하여 연결될 수 있다.

여기서, 실시예에 따른 상기 네트워크(300)는, 단말(100) 및/또는 부동산 시세 추정서버(200) 등과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(300)의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

이하, 첨부된 도면을 참조하여 부동산 시세 추정 시스템(10)을 구현하는 단말(100) 및 부동산 시세 추정서버(200)에 대해 상세히 설명한다.

- 단말(100: Terminal)

본 발명의 실시예에 따른 단말(100)은, 부동산 시세 추정 서비스를 제공하는 부동산 시세 추정 애플리케이션(이하, 추정 애플리케이션)이 설치된 소정의 컴퓨팅 디바이스일 수 있다.

자세히, 도 1을 더 참조하면, 하드웨어적 관점에서 단말(100)은, 추정 애플리케이션이 설치된 모바일 타입 컴퓨팅 장치(100-1) 및/또는 데스크탑 타입 컴퓨팅 장치(100-2) 등을 포함할 수 있다.

여기서, 모바일 타입 컴퓨팅 장치(100-1)는, 추정 애플리케이션이 설치된 스마트 폰이나 테블릿 PC와 같은 모바일 장치일 수 있다.

예를 들어, 모바일 타입 컴퓨팅 장치(100-1)는, 스마트 폰(smart phone), 휴대폰, 디지털방송용 단말(100)이기, PDA(personal digital assistants), PMP(portable multimedia player), 태블릿 PC(tablet PC) 등이 포함될 수 있다.

또한, 데스크탑 타입 컴퓨팅 장치(100-2)는, 추정 애플리케이션이 설치된 고정형 데스크탑 PC, 노트북 컴퓨터(laptop computer), 울트라북(ultrabook)과 같은 퍼스널 컴퓨터 등과 같이 유/무선 통신을 기반으로 부동산 시세 추정 서비스를 실행하기 위한 프로그램이 설치된 장치 등을 포함할 수 있다.

또한, 실시예에 따라서 단말(100)은, 부동산 시세 추정 서비스 환경을 제공하는 소정의 서버(Server) 컴퓨팅 디바이스를 더 포함할 수도 있다.

도 2는 본 발명의 실시예에 따른 단말(100)의 내부 블록도이다.

한편, 도 2를 참조하면, 기능적 관점에서 단말(100)은, 메모리(110), 프로세서 어셈블리(120), 통신 모듈(130), 인터페이스 모듈(140), 입력 시스템(150), 센서 시스템(160) 및 디스플레이 시스템(170)을 포함할 수 있다. 이러한 구성요소들은 단말(100)의 하우징 내에 포함되도록 구성될 수 있다.

자세히, 메모리(110)에는, 추정 애플리케이션(111)이 저장되며, 추정 애플리케이션(111)은 부동산 시세 추정 서비스 환경을 제공하기 위한 각종 응용 프로그램, 데이터 및 명령어 중 어느 하나 이상을 저장할 수 있다.

즉, 메모리(110)는, 부동산 시세 추정 서비스 환경을 생성하기 위하여 사용될 수 있는 명령 및 데이터를 저장할 수 있다.

또한, 상기 메모리(110)는, 프로그램 영역과 데이터 영역을 포함할 수 있다.

여기서, 실시예에 따른 프로그램 영역은, 단말(100)을 부팅하는 운영체제(OS: Operating System) 및 기능요소들 사이에 연계될 수 있으며, 데이터 영역은, 단말(100)의 사용에 따라 발생하는 데이터가 저장될 수 있다.

또한, 메모리(110)는, 적어도 하나 이상의 비일시적 컴퓨터 판독 가능 저장매체와, 일시적 컴퓨터 판독 가능 저장매체를 포함할 수 있다.

예를 들어, 메모리(110)는, ROM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기일 수 있고, 인터넷(internet) 상에서 상기 메모리(110)의 저장 기능을 수행하는 웹 스토리지(web storage)를 포함할 수 있다.

프로세서 어셈블리(120)는, 부동산 시세 추정 서비스 환경을 생성하기 위한 다양한 작업을 수행하기 위해, 메모리(110)에 저장된 추정 애플리케이션(111)의 명령들을 실행할 수 있는 적어도 하나 이상의 프로세서를 포함할 수 있다.

실시예에서 프로세서 어셈블리(120)는, 부동산 시세 추정 서비스를 제공하기 위하여 메모리(110)의 추정 애플리케이션(111)을 통해 구성요소의 전반적인 동작을 컨트롤할 수 있다.

이러한 프로세서 어셈블리(120)는, 중앙처리장치(CPU) 및/또는 그래픽처리장치(GPU) 등이 포함된 단말(100)에 적합한 시스템 온 칩(SOC)일 수 있으며, 메모리(110)에 저장된 운영체제(OS) 및/또는 애플리케이션 프로그램 등을 실행할 수 있고, 단말(100)에 탑재된 각 구성요소들을 제어할 수 있다.

또한, 프로세서 어셈블리(120)는, 각 구성요소와 내부적으로 시스템 버스(System Bus)에 의해 통신을 수행할 수 있고, 로컬 버스(Local Bus)를 비롯한 소정의 버스 구조들을 하나 이상 포함할 수 있다.

또한, 프로세서 어셈블리(120)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세스(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 포함하여 구현될 수 있다.

통신 모듈(130)은, 외부의 장치와 통신하기 위한 하나 이상의 장치를 포함할 수 있다. 이러한 통신 모듈(130)은, 무선 네트워크를 통해 통신할 수 있다.

자세히, 통신 모듈(130)은, 부동산 시세 추정 서비스 환경을 구현하기 위한 콘텐츠 소스를 저장한 단말(100)과 통신할 수 있으며, 사용자 입력을 받은 컨트롤러와 같은 다양한 사용자 입력 컴포넌트와 통신할 수 있다.

실시예에서, 통신 모듈(130)은, 부동산 시세 추정 서비스와 관련된 각종 데이터를 타 단말(100) 및/또는 외부의 서버 등과 송수신할 수 있다.

이러한 통신 모듈(130)은, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced),5G NR(New Radio), WIFI) 또는 근거리 통신방식 등을 수행할 수 있는 통신장치를 통해 구축된 이동 통신망 상에서 기지국, 외부의 단말(100), 임의의 서버 중 적어도 하나와 무선으로 데이터를 송수신할 수 있다.

센서 시스템(160)은, 이미지 센서(161), 위치 센서(IMU, 163), 오디오 센서(165), 거리 센서, 근접 센서, 접촉 센서 등 다양한 센서를 포함할 수 있다.

여기서, 이미지 센서(161)는, 단말(100) 주위의 물리적 공간에 대한 이미지 및/또는 영상을 캡처할 수 있다.

실시예에서, 이미지 센서(161)는, 부동산 시세 추정 서비스와 관련된 영상(예컨대, 제1 구역을 촬영한 영상 등)을 획득할 수 있다.

또한, 이미지 센서(161)는, 단말(100)의 전면 또는/및 후면에 배치되어 배치된 방향측을 촬영하여 영상을 획득할 수 있으며, 단말(100)의 외부를 향해 배치된 카메라를 통해 물리적 공간을 촬영할 수 있다.

이러한 이미지 센서(161)는, 이미지 센서장치와 영상 처리 모듈을 포함할 수 있다. 자세히, 이미지 센서(161)는, 이미지 센서장치(예를 들면, CMOS 또는 CCD)에 의해 얻어지는 정지영상 또는 동영상을 처리할 수 있다.

또한, 이미지 센서(161)는, 영상 처리 모듈을 이용하여 이미지 센서장치를 통해 획득된 정지영상 또는 동영상을 가공해 필요한 정보를 추출하고, 추출된 정보를 프로세서에 전달할 수 있다.

이러한 이미지 센서(161)는, 적어도 하나 이상의 카메라를 포함하는 카메라 어셈블리일 수 있다. 카메라 어셈블리는, 가시광선 대역을 촬영하는 일반 카메라를 포함할 수 있으며, 적외선 카메라, 스테레오 카메라 등의 특수 카메라를 더 포함할 수 있다.

또한, 위와 같은 이미지 센서(161)는, 실시예에 따라서 단말(100)에 포함되어 동작할 수도 있고, 외부의 장치(예컨대, 외부의 서버 등)에 포함되어 상술된 통신 모듈(130) 및/또는 인터페이스 모듈(140)에 기초한 연동을 통하여 동작할 수도 있다.

위치 센서(IMU, 163)는, 단말(100)의 움직임 및 가속도 중 적어도 하나 이상을 감지할 수 있다. 예를 들어, 가속도계, 자이로스코프, 자력계와 같은 다양한 위치 센서의 조합으로 이루어질 수 있다.

또한, 위치 센서(IMU, 163)는, 통신 모듈(130)의 GPS와 같은 위치 통신 모듈(130)과 연동하여, 단말(100) 주변의 물리적 공간에 대한 공간 정보를 인식할 수 있다.

오디오 센서(165)는, 단말(100) 주변의 소리를 인식할 수 있다.

자세히, 오디오 센서(165)는, 단말(100)을 사용하는 사용자의 음성 입력을 감지할 수 있는 마이크로폰을 포함할 수 있다.

실시예에서 오디오 센서(165)는 부동산 시세 추정 서비스를 위해 필요한 음성 데이터를 사용자로부터 입력 받을 수 있다.

인터페이스 모듈(140)은, 단말(100)을 하나 이상의 다른 장치와 통신 가능하게 연결할 수 있다. 자세히, 인터페이스 모듈(140)은, 하나 이상의 상이한 통신 프로토콜과 호환되는 유선 및/또는 무선 통신 장치를 포함할 수 있다.

이러한 인터페이스 모듈(140)을 통해 단말(100)은, 여러 입출력 장치들과 연결될 수 있다.

예를 들어, 인터페이스 모듈(140)은, 헤드셋 포트나 스피커와 같은 오디오 출력장치와 연결되어, 오디오를 출력할 수 있다.

예시적으로 오디오 출력장치가 인터페이스 모듈(140)을 통해 연결되는 것으로 설명하였으나, 단말(100) 내부에 설치되는 실시예도 포함될 수 있다.

또한, 예를 들면 인터페이스 모듈(140)은, 키보드 및/또는 마우스와 같은 입력장치와 연결되어, 사용자 입력을 획득할 수 있다.

예시적으로 키보드 및/또는 마우스가 인터페이스 모듈(140)을 통해 연결되는 것으로 설명하였으나, 단말(100)(100) 내부에 설치되는 실시예도 포함될 수 있다.

이러한 인터페이스 모듈(140)은, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port), 전력 증폭기, RF 회로, 송수신기 및 기타 통신 회로 중 적어도 하나를 포함하여 구성될 수 있다.

입력 시스템(150)은 부동산 시세 추정 서비스와 관련된 사용자의 입력(예를 들어, 제스처, 음성 명령, 버튼의 작동 또는 다른 유형의 입력)을 감지할 수 있다.

자세히, 입력 시스템(150)은 소정의 버튼, 터치 센서 및/또는 사용자 모션 입력을 수신하는 이미지 센서(161)를 포함할 수 있다.

또한, 입력 시스템(150)은, 인터페이스 모듈(140)을 통해 외부 컨트롤러와 연결되어, 사용자의 입력을 수신할 수 있다.

디스플레이 시스템(170)은, 부동산 시세 추정 서비스와 관련된 다양한 정보를 그래픽 이미지로 출력할 수 있다.

실시예에서, 디스플레이 시스템(170)은, 특정 실거래가 데이터의 변화 흐름을 시각화하여 나타내는 시세 시각화 그래프 등을 표시할 수 있다.

이러한 디스플레이는, 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.

이러한 단말(100)의 하우징 내에는 상기 구성요소들이 배치될 수 있으며, 사용자 인터페이스는 사용자 터치 입력을 수신하도록 구성된 디스플레이(171) 상에 터치 센서(173)를 포함할 수 있다.

자세히, 디스플레이 시스템(170)은, 이미지를 출력하는 디스플레이(171)와, 사용자의 터치 입력을 감지하는 터치 센서(173)를 포함할 수 있다.

예시적으로 디스플레이(171)는 터치 센서(173)와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린으로 구현될 수 있다. 이러한 터치 스크린은, 단말(100)과 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부로써 기능함과 동시에, 단말(100)과 사용자 사이의 출력 인터페이스를 제공할 수 있다.

한편, 본 발명의 실시예에 따른 단말(100)은, 딥러닝 뉴럴 네트워크(Deep-learning Neural Network)와 연동하여 부동산 시세 추정 서비스에 필요한 딥러닝을 수행할 수도 있다.

여기서, 실시예에 따른 상기 딥러닝 뉴럴 네트워크는, BRITS(Bidirectional Recurrent Imputation for Time Series), GP-GAE 및/또는 E²GAN 등과 같은 딥러닝 모델에 기초한 딥러닝 뉴럴 네트워크를 포함할 수 있다.

또한, 실시예에 따라서 단말(100)은, 후술되는 부동산 시세 추정서버(200)에서 수행하는 기능 동작의 적어도 일부를 더 수행할 수도 있다.

- 부동산 시세 추정서버(200: Real estate price estimation server)

한편, 본 발명의 실시예에 따른 부동산 시세 추정서버(200)는, 부동산 시세 추정 서비스를 제공하기 위한 일련의 프로세스를 수행할 수 있다.

자세히, 실시예에서 부동산 시세 추정서버(200)는, 단말(100)과 같은 외부의 장치에서 부동산 시세 추정 프로세스가 구동되게 하기 위해 필요한 데이터를, 상기 외부의 장치와 교환함으로써 상기 부동산 시세 추정 서비스를 제공할 수 있다.

보다 상세히, 실시예에서 부동산 시세 추정서버(200)는, 외부의 장치(실시예에서, 모바일 타입 컴퓨팅 장치(100-1) 및/또는 데스크탑 타입 컴퓨팅 장치(100-2) 등)에서 추정 애플리케이션(111)이 동작할 수 있는 환경을 제공할 수 있다.

이를 위해, 부동산 시세 추정서버(200)는, 추정 애플리케이션(111)이 동작하기 위한 응용 프로그램, 데이터 및/또는 명령어 등을 포함할 수 있고, 이에 기초한 데이터를 상기 외부의 장치와 송수신할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 소정의 기간별, 구역별, 단지별, 평형별 및/또는 층별 매매 기준의 실거래가 데이터를 획득할 수 있다.

실시예로, 부동산 시세 추정서버(200)는, 외부의 서버(예컨대, KB 부동산, 한국감정원 및/또는 국토교통부 서버 등)와의 연동 및/또는 사용자 입력 등에 기초하여, 상술된 실거래가 데이터를 수집할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 상기 실거래가 데이터를 소정의 기준에 따라서 보정(필터링)하는 전처리 프로세스를 수행할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 상기 실거래가 데이터를 기초로, 소정의 구역 내 시세를 주도하는 단지인 대장단지를 설정할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 상기 실거래가 데이터를 기초로, 소정의 구역 내 존재하는 적어도 하나 이상의 단지 중에서 특정 시점(예컨대, 특정 년도, 월 및/또는 일자 등)에 대한 실거래가 데이터가 부재하는 결측치를 포함하는 단지인 타겟단지를 설정할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 상기 실거래가 데이터를 기초로, 상기 타겟단지의 결측치를 보간하는 결측치 처리 프로세스를 수행할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 상기 결측치 처리가 적용된 실거래가 데이터를 기초로, 소정의 구역 내 존재하는 적어도 하나 이상의 단지에 대한 현재 시세정보를 생성할 수 있다.

여기서, 실시예에 따른 상기 현재 시세정보란, 상기 적어도 하나 이상의 단지 및/또는 평형을 기준으로 현재 시점에 대한 실거래가 데이터를 추정한 정보일 수 있다. 이에 대한 자세한 설명은 후술되는 부동산 시세를 추정하는 방법에서 기술하기로 한다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 상기 실거래가 데이터와 상기 현재 시세정보에 기초하여, 상기 적어도 하나 이상의 단지 및/또는 평형 별 실거래가 데이터의 변화 추세를 시각화하여 나타내는 시세 시각화 그래프를 생성해 제공할 수 있다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 소정의 딥러닝 뉴럴 네트워크(Deep-learning Neural Network)와 연동하여 부동산 시세 추정 서비스에 필요한 딥러닝을 수행할 수 있다.

자세히, 실시예에서 부동산 시세 추정서버(200)는, 상기 딥러닝을 수행하기 위해 구축되어 있는 소정의 딥러닝 뉴럴 네트워크 구동 프로그램을 메모리 모듈로부터 독출하여, 상기 독출된 소정의 딥러닝 뉴럴 네트워크 시스템에 따라 하기 기술하는 딥러닝을 수행할 수 있다.

여기서, 실시예에 따른 상기 딥러닝 뉴럴 네트워크는, BRITS(Bidirectional Recurrent Imputation for Time Series), GP-GAE 및/또는 E²GAN 등과 같은 딥러닝 모델에 기초한 딥러닝 뉴럴 네트워크를 포함할 수 있다.

이때, 실시예에 따라서 위와 같은 딥러닝 뉴럴 네트워크는, 부동산 시세 추정서버(200)에 직접 포함되거나, 또는 부동산 시세 추정서버(200)와는 별도의 장치 및/또는 서버로서 구현되어 상기 부동산 시세 추정 서비스를 위한 딥러닝을 수행할 수 있다.

이하의 설명에서는, 딥러닝 뉴럴 네트워크가 부동산 시세 추정서버(200)에 포함되어 구현되는 것으로 설명하나 이에 한정되는 것은 아니다.

또한, 실시예에서 부동산 시세 추정서버(200)는, 부동산 시세 추정 서비스를 구현하기 위한 각종 응용 프로그램, 명령어 및/또는 데이터 등을 저장하고 관리할 수 있다.

실시예로, 부동산 시세 추정서버(200)는, 적어도 하나 이상의 시세 시계열 데이터, 대장단지 정보, 타겟단지 정보, 결측치 정보, 현재 시세정보, 시세 시각화 그래프 및/또는 소정의 딥러닝 모델 등을 저장 및 관리할 수 있다.

한편, 도 1을 더 참조하면, 실시예에서 위와 같은 부동산 시세 추정서버(200)는, 데이터 처리를 위한 적어도 하나 이상의 프로세서 모듈(210: Processor Module)과, 외부의 장치와의 데이터 교환을 위한 적어도 하나 이상의 커뮤니케이션 모듈(220: Communication Module)과, 부동산 시세 추정 서비스의 제공을 위한 각종 응용 프로그램, 데이터 및/또는 명령어들을 저장하는 적어도 하나 이상의 메모리 모듈(230: Memory Module)을 포함하는 소정의 컴퓨팅 장치로 구현될 수 있다.

여기서, 상기 메모리 모듈(230)은, 부동산 시세 추정 서비스를 제공하기 위한 운영체제(OS), 각종 응용 프로그램, 데이터 및 명령어 중 어느 하나 이상을 저장할 수 있다.

또한, 상기 메모리 모듈(230)은, 프로그램 영역과 데이터 영역을 포함할 수 있다.

여기서, 실시예에 따른 프로그램 영역은, 단말(100)을 부팅하는 운영체제(OS: Operating System) 및 기능요소들 사이에 연계될 수 있으며, 데이터 영역은, 단말(100)의 사용에 따라 발생하는 데이터가 저장될 수 있다.

실시예에서, 이러한 메모리 모듈(230)은, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기일 수 있고, 인터넷(internet)상에서 상기 메모리 모듈(230)의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.

또한, 메모리 모듈(230)은, 단말(100) 상에 탈착 가능한 형태의 기록매체일 수 있다.

한편, 상기 프로세서 모듈(210)은, 부동산 시세 추정 서비스를 구현하기 위하여 전술한 각 유닛(unit)의 전반적인 동작을 컨트롤할 수 있다.

이러한 프로세서 모듈(210)은, 중앙처리장치(CPU) 및/또는 그래픽처리장치(GPU) 등이 포함된 단말(100)에 적합한 시스템 온 칩(SOC)일 수 있으며, 메모리 모듈(230)에 저장된 운영체제(OS) 및/또는 애플리케이션 프로그램 등을 실행할 수 있고, 단말(100)에 탑재된 각 구성요소들을 제어할 수 있다.

또한, 프로세서 모듈(210)은, 각 구성요소와 내부적으로 시스템 버스(System Bus)에 의해 통신을 수행할 수 있고, 로컬 버스(Local Bus)를 비롯한 소정의 버스 구조들을 하나 이상 포함할 수 있다.

또한, 프로세서 모듈(210)은, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세스(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

이상의 설명에서는, 본 발명의 실시예에 따른 부동산 시세 추정서버(200)가 상술된 바와 같은 기능 동작을 수행한다고 설명하였으나, 실시예에 따라서 부동산 시세 추정서버(200)에서 수행하는 기능 동작의 적어도 일부를 외부의 장치(예컨대, 단말(100) 등)에서 수행할 수도 있고, 상기 외부의 장치에서 수행하는 기능 동작의 적어도 일부를 상기 부동산 시세 추정서버(200)에서 더 수행할 수도 있는 등 다양한 실시예가 가능할 수 있다.

- 부동산 시세를 추정하는 방법

이하, 본 발명의 실시예에 따른 단말(100)의 적어도 하나 이상의 프로세서에 의하여 실행되는 추정 애플리케이션(111)이 부동산 시세를 추정하는 방법을 첨부된 도 3 내지 5를 참조하여 상세히 설명한다.

본 발명의 실시예에서 상기 단말(100)의 적어도 하나 이상의 프로세서는, 적어도 하나 이상의 메모리(110)에 저장된 적어도 하나 이상의 추정 애플리케이션(111)을 실행하거나 백그라운드 상태로 동작하게 할 수 있다.

이하, 상기 적어도 하나 이상의 프로세서가, 상기 추정 애플리케이션(111)의 명령어를 실행하기 위해 동작하여 상술된 부동산 시세 추정 서비스를 제공하는 방법을 수행하는 것을 상기 추정 애플리케이션(111)이 수행하는 것으로 단축하여 설명한다.

도 3은 본 발명의 실시예에 따른 부동산 시세 추정 방법의 흐름도이다.

도 3을 참조하면, 실시예에서 상기 단말(100)의 적어도 하나 이상의 프로세서에 의하여 실행되거나 백그라운드 상태로 동작하는 추정 애플리케이션(111)은, 제1 구역 내 전체단지에 대한 시세 시계열 데이터를 수집 및 전처리할 수 있다. (S101)

여기서, 실시예에 따른 '단지'란, 소정의 주거 공간(예컨대, 아파트 및/또는 오피스텔 등)이 집단을 이루고 있는 일정 구역을 의미할 수 있다.

또한, 실시예에 따른 상기 '전체단지'는, 적어도 하나 이상의 소속단지를 포함하여 구성될 수 있고, 상기 소속단지는 복수의 평형별 세대를 포함하여 구성될 수 있다.

또한, 실시예에 따른 상기 '시세 시계열 데이터'란, 상기 전체단지에 대한 매매 기준의 실거래가 데이터의 동향을 시간의 흐름에 따라서 나타내는 시계열 데이터로서, 자세히는, 상기 전체단지 내 복수의 세대에 대한 상기 실거래가 데이터의 흐름을 상기 소속단지 및 상기 세대별 평형을 기준으로 구분하여 소정의 기간을 따르는 시계열 형식으로 나타낸 데이터일 수 있다.

즉, 실시예에서 상기 시세 시계열 데이터는, 상기 전체단지 내 복수의 세대 각각에 대한 매매 기준 실거래가 데이터의 흐름을, 상기 소속단지 별로 제1 그룹핑하여 구분하고, 상기 제1 그룹핑된 그룹 내에서 상기 세대별 평형을 기준으로 제2 그룹핑하여 구분해 시계열 형식으로 나타낸 데이터일 수 있다.

자세히, 실시예에서 추정 애플리케이션(111)은, 외부의 서버(예컨대, KB 부동산, 한국감정원 및/또는 국토교통부 서버 등)와 연동하여, 소정의 기간 동안의 상기 제1 구역 내 전체단지에 대한 시세 시계열 데이터를 수집할 수 있다.

예를 들면, 추정 애플리케이션(111)은, 제1 구역에 대하여 소정의 기간(예컨대, 2003년 3월부터 2021년 3월 등) 동안 발생된 아파트 매매 실거래가에 기초한 시세 시계열 데이터를 KB 부동산 및/또는 한국감정원 서버 등으로부터 수신하여 획득할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 수집된 시세 시계열 데이터를 보정하는 전처리를 수행할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 시세 시계열 데이터가 포함하는 적어도 하나 이상의 소속단지 각각에 대한 시계열 데이터(즉, 해당 소속단지 내 복수의 세대별 평형을 기준으로 구분된 시계열 형식의 매매 기준 실거래가를 나타내는 데이터) 내 결측치 비율을 기초로, 상기 시세 시계열 데이터에 대한 전처리를 수행할 수 있다.

보다 상세히, 추정 애플리케이션(111)은, 소정의 기간(예컨대, 2003년 3월부터 2021년 3월 등)을 따르며 제1 소속단지의 실거래가 흐름을 나타내는 시계열 데이터 상에, 상기 소정의 기간 내 특정 시점(예컨대, 특정 년도, 월 및/또는 일자 등)에 대응되는 실거래가 데이터가 부재하는 결측치의 개수를 카운팅할 수 있다.

또한, 추정 애플리케이션(111)은, 카운팅된 결측치가 상기 소정의 기간에 대비하여 차지하는 비중을 계산하여 상기 제1 소속단지에 대한 결측치 비율을 도출할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 도출된 결측치 비율이 소정의 기준(예컨대, 기설정된 퍼센트(%) 단위 수치 이상 등)을 충족하면, 해당 소속단지에 대한 시계열 데이터를 상기 제1 구역에 대한 시세 시계열 데이터로부터 제외할 수 있다.

예를 들어, 추정 애플리케이션(111)은, 상기 결측치 비율에 대한 소정의 기준이 '25% 이상'이고, 제1 소속단지에 대한 결측치 비율이 '30%'이면, 상기 제1 소속단지에 대한 시계열 데이터를 상기 제1 구역에 대한 시세 시계열 데이터로부터 제외시킬 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 소속단지 내 전체 세대 수를 기초로 상기 시세 시계열 데이터에 대한 전처리를 수행할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 소속단지 내 전체 새대 수가 소정의 기준(예컨대, 기설정된 세대 수(예컨대, 100세대 등) 이하 등)을 충족하면, 해당 소속단지에 대한 시계열 데이터를 상기 제1 구역에 대한 시세 시계열 데이터로부터 제외할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 소속단지에 대한 실거래가 데이터의 개수를 기초로 상기 시세 시계열 데이터에 대한 전처리를 수행할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 소속단지에 대한 실거래가 데이터의 개수가 소정의 기준(예컨대, 기설정된 개수 이하 등)을 충족하면, 해당 소속단지에 대한 시계열 데이터를 상기 제1 구역에 대한 시세 시계열 데이터로부터 제외할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 소정의 층수에 해당하는 세대에 대한 시계열 데이터를 기초로 상기 시세 시계열 데이터에 대한 전처리를 수행할 수 있다.

자세히, 추정 애플리케이션(111)은, 기설정된 층수(예컨대, 1층 내지 3층 등)에 해당하는 저층 세대에 대한 시계열 데이터를 상기 제1 구역에 대한 시세 시계열 데이터로부터 제외할 수 있다.

또는, 추정 애플리케이션(111)은, 기설정된 층수(예컨대, 1층 내지 3층 등)에 해당하는 저층 세대에 대한 시계열 데이터에 소정의 연산(예컨대, 1.2 배율 적용 등)을 적용하여 상기 제1 구역에 대한 시세 시계열 데이터를 보정할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 기 설정된 예외 유형에 해당하는 세대에 대한 시계열 데이터를 기초로 상기 시세 시계열 데이터에 대한 전처리를 수행할 수 있다.

실시예로, 추정 애플리케이션(111)은, 상기 기 설정된 예외 유형(예컨대, 소속단지 내 펜트하우스 등과 같은 특별 주거공간 세대 등)에 해당하는 세대에 대한 시계열 데이터를 상기 제1 구역에 대한 시세 시계열 데이터로부터 제외할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 상기 시세 시계열 데이터 내에서 특정 소속단지의 결측치가 과도하게 많거나, 세대 수가 과도하게 적거나 또는 별도의 예외 처리가 필요한 상황인 경우 등과 같이, 기 설정된 특수상황에 해당하는 실거래가 데이터의 경우에는 별도의 보정처리를 수행하여, 후술되는 프로세스의 기반이 되는 기초 데이터의 품질을 향상시킬 수 있고, 이를 기초로 생성되는 각종 데이터(실시예예서, 현재 시세정보 및/또는 시세 시각화 그래프 등)의 정확성 또한 증진시킬 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 전처리된 시세 시계열 데이터를 기초로 제1 구역의 대장단지를 설정할 수 있다. (S103)

여기서, 실시예에 따른 상기 '대장단지'란, 제1 구역 내 적어도 하나의 소속단지 중에서, 상기 제1 구역의 시세를 주도하는 단지로 선별된 소속단지를 의미할 수 있다.

자세히, 실시예에서 추정 애플리케이션(111)은, 제1 구역에 대하여 위와 같이 획득한 전처리된 시세 시계열 데이터(이하, 전처리 시계열 데이터)를 기초로, 상기 제1 구역에 대한 적어도 하나의 대장단지를 선정할 수 있다.

보다 상세히, 실시예로 추정 애플리케이션(111)은, 상기 전처리 시계열 데이터 내에서 소정의 세대 수(예컨대, 1000 세대 등) 이상을 충족하는 소속단지를 상기 대장단지로 설정할 수 있다.

다른 실시예로, 추정 애플리케이션(111)은, 상기 전처리 시계열 데이터 내에서 소정의 실거래량 이상을 충족하는 소속단지를 상기 대장단지로 설정할 수 있다.

또 다른 실시예로, 추정 애플리케이션(111)은, 상기 전처리 시계열 데이터 내에서 소정의 표준편차를 충족하는 실거래가 데이터를 가지는 소속단지를 상기 대장단지로 설정할 수 있다.

실시예에 따라서, 추정 애플리케이션(111)은, 외부의 서버(예컨대, KB 부동산, 한국감정원 및/또는 국토교통부 서버 등)과 연동하여 상기 전처리 시계열 데이터가 포함하는 소속단지별 신축 여부를 판단하고, 이를 기초로 상기 대장단지를 설정할 수도 있다.

구체적으로, 추정 애플리케이션(111)은, 상기 외부의 서버로부터 획득된 소속단지별 신축 여부 데이터를 토대로, 기설정된 기간(예컨대, 5년 등) 이내에 신축된 소속단지를 신축 소속단지로 판단하고, 신축 소속단지로 판단된 소속단지를 상기 대장단지로 설정할 수 있다.

또한, 실시예에 따라서 추정 애플리케이션(111)은, 외부의 서버(예컨대, KB 부동산, 한국감정원 및/또는 국토교통부 서버 등)과 연동하여, 상기 외부의 서버에 의하여 기설정된 제1 구역에 대한 대장단지 정보를 획득할 수 있고, 이를 기초로 상기 대장단지를 설정할 수도 있다.

이상에서는, 효과적인 설명을 위하여 추정 애플리케이션(111)이 대장단지를 설정하는 실시예들을 상술된 바와 같이 구분하여 설명하였으나, 실시예에 따라서 상기 실시예들 중 적어도 일부가 상호 유기적으로 결합하여 동작할 수도 있는 등 다양한 실시예 또한 가능할 수 있다.

이때, 실시예에서 추정 애플리케이션(111)은, 제1 구역이 포함하는 각 행정구역(예컨대, 읍/면/동/시/군/구 등)별 대장단지를 설정할 수도 있다.

자세히, 추정 애플리케이션(111)은, 제1 구역 내 각 행정구역 별로 매핑되는 대장단지를 상술된 방식에 따라서 설정할 수 있다.

즉, 추정 애플리케이션(111)은, 제1 구역 내 복수의 행정구역이 존재하면, 상기 제1 구역에 대한 복수의 대장단지를 설정할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 제1 구역 및/또는 상기 제1 구역이 포함하는 각 행정구역별 면적 및/또는 인구 수 등에 따라서, 상기 제1 구역 및/또는 상기 제1 구역이 포함하는 각 행정구역에 대한 복수의 대장단지를 설정할 수도 있다.

실시예로, 추정 애플리케이션(111)은, 제1 구역의 면적 및/또는 인구 수가 소정의 기준치를 초과하는 경우, 상기 기준치 대비 초과 정도에 따라서 상기 제1 구역 및/또는 상기 제1 구역이 포함하는 각 행정구역에 대한 대장단지 개수를 증가시킬 수 있다.

이때, 실시예에서 추정 애플리케이션은, 사용자 입력 및/또는 외부의 서버와의 연동을 기초로 상기 제1 구역에 대한 행정구역, 면적 및/또는 인구 수 등의 데이터를 획득하여 활용할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 상술된 바와 같은 방식으로 상기 제1 구역의 시세를 주도한다고 판단되는 적어도 하나의 대장단지를 설정함으로써, 추후 상기 제1 구역에 대한 실거래가 데이터의 결측치를 상기 제1 구역의 시세를 주도하는 대장단지의 시계열 데이터에 기초하여 보강할 수 있고, 이를 통해 상기 결측치 보정에 대한 신뢰성을 더욱 보장할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 특정 구역에 대한 대장단지가 해당 구역에 대한 환경변화(예컨대, 새로운 소속단지 건설 및/또는 행정구역 개편 등)에 따라서 변경될 수 있다는 점을 고려하기 위하여, 상술된 바와 같이 제1 구역의 대장단지를 설정하는 프로세스를 소정의 주기(예컨대, 매년 또는 매월 등)마다 반복 수행하여 상기 제1 구역의 대장단지를 업데이트할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 상기 전처리 시계열 데이터를 기초로 제1 구역의 타겟단지를 설정할 수 있다. (S105)

여기서, 실시예에 따른 상기 '타겟단지'란, 제1 구역 내 적어도 하나의 소속단지 중에서, 상기 전처리 시계열 데이터가 따르는 소정의 기간 내 특정 시점(예컨대, 특정 년도, 월 및/또는 일자 등)에 대응되는 실거래가 데이터가 부재할 시 발생하는 결측치를 포함하는 소속단지를 의미할 수 있다.

자세히, 실시예에서 추정 애플리케이션(111)은, 상기 제1 구역에 대한 전처리 시계열 데이터를 분석하여 상술된 바와 같은 결측치가 소정의 기준(예컨대, 소정의 개수 이상 등)을 충족하는 소속단지를 검출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 검출된 소속단지를 상기 제1 구역의 타겟단지로 설정할 수 있다.

이때, 추정 애플리케이션(111)은, 상기 소정의 기준을 충족하는 적어도 하나 이상의 소속단지를 검출할 수 있고, 이를 기초로 상기 제1 구역에 대한 적어도 하나 이상의 타겟단지를 설정할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 설정된 타겟단지에 대한 결측치 처리를 수행할 수 있다. (S107)

자세히, 실시예에서 추정 애플리케이션(111)은, 상술된 바와 같이 설정된 대장단지에 대한 시계열 데이터(즉, 해당 대장단지 내 복수의 세대별 평형을 기준으로 구분된 시계열 형식의 매매 기준 실거래를 나타내는 데이터)에 기초하여, 상기 타겟단지에 대한 결측치를 보간하는 결측치 처리를 수행할 수 있다.

보다 상세히, 실시예에서 추정 애플리케이션(111)은, 제1 구역에 대하여 설정된 적어도 하나의 대장단지 중에서, 상기 타겟단지의 시세에 가장 큰 영향을 미친다고 판단되는 핵심 대장단지를 선정할 수 있다.

구체적으로, 추정 애플리케이션(111)은, 상기 제1 구역에 대하여 설정된 적어도 하나의 대장단지 중에서, 상기 타겟단지와 동일한 행정구역에 포함되는 대장단지를 제1 후보단지로 설정할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 타겟단지가 차지하는 영역 내 소정의 지점(예컨대, 중앙지점 또는 외곽지점 등)을 기준으로 소정의 반경(예컨대, 반경 10km 등) 이내에 위치하는 대장단지를 제2 후보단지로 설정할 수 있다.

또한, 추정 애플리케이션(111)은, 적어도 하나의 대장단지 중에서 가장 높은 평균 시세를 형성하고 있는 대장단지를 제3 후보단지로 설정할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 설정된 제1 내지 제3 후보단지에 기초하여 상기 타겟단지에 대한 핵심 대장단지를 선정할 수 있다.

자세히, 실시예에서 추정 애플리케이션(111)은, 상기 제1 내지 제3 후보단지 상에 가장 많이 중첩되어 포함되는 대장단지를 핵심 대장단지로 선정할 수 있다.

또는, 실시예에서 추정 애플리케이션(111)은, 상기 제1 내지 제3 후보단지에 대하여 기설정된 우선순위에 따라서, 적어도 하나의 대장단지를 포함하고 있는 일 후보단지 그룹을 검출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 검출된 일 후보단지 그룹 내 적어도 하나의 대장단지 중 소정의 기준(예컨대, 세대 수 높은 순, 실거래량 높은 순, 표준편차 낮은 순 및/또는 신축 연도 최신 순 등)에 따라서 결정되는 일 대장단지를 핵심 대장단지로 선정할 수 있다.

도 4는 본 발명의 실시예에 따른 동적 시간 워핑(Dynamic Time Warping, DTW) 알고리즘에 기초한 DTW-BI 프로세스를 설명하기 위한 도면의 일례이다.

한편, 도 4를 참조하면, 다른 실시예에서 추정 애플리케이션(111)은, 상기 제1 구역에 대하여 설정된 적어도 하나의 대장단지 중에서, 상기 타겟단지에 대한 시계열 데이터와 소정의 유사도를 충족하는 시계열 데이터를 가지는 대장단지를 상기 핵심 대장단지로 선정할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 타겟단지에 대한 시계열 데이터(이하, 타겟 시계열 데이터)와 상기 적어도 하나의 각 대장단지에 대한 시계열 데이터(이하, 대장 시계열 데이터) 각각에 대한 소정의 벡터 데이터를 획득할 수 있다.

여기서, 실시예에 따른 상기 벡터 데이터는, 시계열 데이터 내 복수의 실거래가 데이터에 기초한 최소값, 최대값, 평균값, 중위값, 표준편차값, 첨도값, 기간 길이값 및/또는 피크 수 등을 포함할 수 있다.

즉, 추정 애플리케이션(111)은, 상기 타겟 시계열 데이터가 포함하는 복수의 실거래가 데이터에 기초하여 상기 타겟 시계열 데이터에 대한 타겟 벡터 데이터를 획득할 수 있고, 상기 대장 시계열 데이터가 포함하는 복수의 실거래가 데이터를 기초로 상기 대장 시계열 데이터에 대한 대장 벡터 데이터를 획득할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 획득된 타겟 벡터 데이터와 대장 벡터 데이터를 이용하여 코사인 유사도(cosine　similarity)를 산출할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 타겟 벡터 데이터와 대장 벡터 데이터 각각의 벡터값을 적용하여 글로벌 피처(global features) 및 코사인 유사도를 산출하는 알고리즘을 실행할 수 있고, 이를 통해 상기 타겟 벡터 데이터와 대장 벡터 데이터 간의 코사인 유사도를 산출할 수 있다.

그리하여, 추정 애플리케이션(111)은, 상기 적어도 하나의 대장단지별 대장 벡터 데이터와, 상기 타겟단지의 타겟 벡터 데이터에 기초한 복수의 코사인 유사도를 산출할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 산출된 복수의 코사인 유사도와 소정의 기준치(예컨대, 기설정된 수치 등)에 기초하여, 상기 복수의 대장단지 중에서 1차 필터링된 1차 후보단지를 선별할 수 있다.

실시예로, 추정 애플리케이션(111)은, 상기 산출된 복수의 코사인 유사도 중에서 소정의 기준치(예컨대, 기설정된 수치 등) 이상의 유사도를 충족하는 적어도 하나의 코사인 유사도를 검출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 검출된 적어도 하나의 코사인 유사도에 대응되는 적어도 하나의 대장단지를 포함하여 1차 후보단지를 설정할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 설정된 1차 후보단지에 포함된 적어도 하나의 대장단지 각각의 시계열 데이터에 기반한 DTW-BI 프로세스를 수행하여, 상기 1차 후보단지 내 복수의 대장단지 중 어느 하나를 상기 핵심 대장단지로 선정할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 설정된 1차 후보단지에 포함된 적어도 하나의 대장단지 각각의 대장 시계열 데이터와 상기 타겟 시계열 데이터를 동적 시간 워핑(Dynamic Time Warping, DTW) 알고리즘에 적용하여, 상기 1차 후보단지 내 복수의 대장단지 중 어느 하나를 상기 핵심 대장단지로 선정할 수 있다.

참고적으로, 상기 동적 시간 워핑 알고리즘이란, 서로 다른 두 개의 시간 시퀀스(sequence)의 유사도를 측정하는 알고리즘으로서, 서로 다른 속도를 가지는 시간축의 파장 유사성을 측정하는 알고리즘일 수 있다.

보다 상세히, 추정 애플리케이션(111)은, 상기 1차 후보단지에 포함된 적어도 하나의 각 대장 시계열 데이터와 상기 타겟 시계열 데이터를 상기 동적 시간 워핑 알고리즘에 적용하여, 상기 대장 시계열 데이터와 상기 타겟 시계열 데이터 간의 DTW 유사도를 복수 개 획득할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 획득된 복수의 DTW 유사도 중에서 가장 높은 유사도값을 가지는 최고 DTW 유사도를 검출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 검출된 최고 DTW 유사도에 대응되는 대장단지를 상기 타겟단지에 대한 핵심 대장단지로 선정할 수 있다.

또한, 실시예에 따라서 추정 애플리케이션(111)은, 상기 타겟단지의 시세에 유의미한 영향력을 가지는 기타 피처(예컨대, 세대 수, 위치 및/또는 주변 환경조건 등)를 더 고려하여, 상기 1차 후보단지 내 적어도 하나의 대장단지 중 어느 하나를 상기 핵심 대장단지로 선정할 수도 있다.

이상에서는, 효과적인 설명을 위하여 상기 타겟단지에 대한 핵심 대장단지를 선정하는 실시예들을 상술된 바와 같이 구분하여 설명하였으나, 실시예에 따라서 상기 실시예들 중 적어도 일부가 상호 유기적으로 결합하여 동작할 수도 있는 등 다양한 실시예 또한 가능할 수 있다.

그리하여 추정 애플리케이션(111)은, 제1 구역에 대한 적어도 하나 이상의 대장단지 중에서 상기 타겟단지의 결측치 처리에 활용할 핵심 대장단지를 선정할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 상술된 바와 같은 방식으로 타겟단지의 결측치를 처리하는데 가장 유용한 시계열 데이터를 제공할 것으로 판단되는 핵심 대장단지를 선정함으로써, 해당 타겟단지에 대한 실거래가 데이터에 가장 큰 영향력을 행사하는 시계열 데이터를 기초로 상기 타겟단지의 결측치 처리를 수행할 수 있고 그 정확성을 높일 수 있다.

계속해서, 실시예에서 추정 애플리케이션(111)은, 위와 같이 선정된 핵심 대장단지에 대한 시계열 데이터(이하, 핵심 시계열 데이터)를 상기 제1 구역에 대한 전처리 시계열 데이터로부터 검출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 검출된 핵심 시계열 데이터에 기초하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

이때, 실시예에 따라서 추정 애플리케이션(111)은, 상기 타겟단지의 결측치에 대한 사전 결측치 처리를 수행할 수도 있다.

여기서, 실시예에 따른 상기 '사전 결측치 처리'란, 상기 핵심 시계열 데이터를 기초로 상기 타겟단지에 대한 결측치 처리를 수행하기 이전에, 상기 결측치가 소정의 조건을 충족하는지 판단하고, 상기 소정의 조건을 충족하면 후술되는 방식들 중 적어도 하나의 방식을 따라서 상기 결측치 처리를 수행하는 프로세스를 의미할 수 있다.

보다 상세히, 실시예에서 추정 애플리케이션(111)은, 상기 타겟단지의 결측치가 소정의 임계값 이하(예컨대, 결측치가 5% 이하 등)인 경우, 상기 타겟단지의 타겟 시계열 데이터에 기초한 선형보간법(linear interpolation) 방식을 이용하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 상기 타겟단지의 결측치가 소정의 임계값 이상인 경우, 단변량 시계열 결측치 보간에 특화된 BRITS 딥러닝 모델, 다변량 시계열까지 결측치 보간이 가능한 생성모델 기반의 GP-GAE 및/또는 E2GAN 딥러닝 모델 등과 같은, 소정의 딥러닝 모델을 이용하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 사용자 설정에 의하여 외부의 서버(예컨대, KB 부동산, 한국감정원 및/또는 국토교통부 서버 등)와의 연동을 통해 상기 타겟단지에 대한 결측치 처리를 수행하는 경우, 상기 외부의 서버로부터 제공되는 실거래가 데이터를 이용하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

예를 들면, 추정 애플리케이션(111)은, 상기 외부의 서버에서 제공되는 실거래가 데이터 중 소정의 기간(예컨대, 3개월 등)에 기준한 이동평균선 대비 전후 5% 범위 이내의 실거래가 데이터에 기초하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 기 설정된 상황에 따라서 타겟단지의 결측치에 대한 사전 처리를 수행하여, 타겟단지에 대한 결측치 처리의 효율성을 제고시킬 수 있다.

다시 돌아와서, 실시예에서 추정 애플리케이션(111)은, 상술된 핵심 시계열 데이터에 기초하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

자세히, 도 4를 더 참조하면, 추정 애플리케이션(111)은, 핵심 대장단지의 시계열 데이터인 핵심 시계열 데이터와, 타겟단지의 시계열 데이터인 타겟 시계열 데이터와, 동적 시간 워핑(Dynamic Time Warping, DTW) 알고리즘에 기초하여, 상술된 DTW-BI 프로세스 기반의 결측치 처리를 수행할 수 있다.

다시 말하자면, 상기 동적 시간 워핑 알고리즘은, 서로 다른 두 개의 시간 시퀀스(sequence)의 유사도를 측정하는 알고리즘으로서 서로 다른 속도를 가지는 시간축의 파장 유사성을 측정하는 알고리즘일 수 있다.

보다 상세히, 실시예에서 추정 애플리케이션(111)은, 상기 동적 시간 워핑 알고리즘을 이용하여, 소정의 기간(예컨대, 최근 1년 등) 중의 상기 핵심 시계열 데이터와 상기 타겟 시계열 데이터 간의 시계열 데이터의 변화를 대조할 수 있다.

실시예로, 추정 애플리케이션(111)은, 상기 핵심 시계열 데이터와 상기 타겟 시계열 데이터를 상기 동적 시간 워핑 알고리즘에 적용하여, 상기 소정의 기간에 대해 상기 핵심 시계열 데이터가 포함하는 실거래가 데이터(이하, 핵심 실거래가 데이터) 각각과, 상기 소정의 기간에 대해 상기 타겟 시계열 데이터가 포함하는 실거래가 데이터(이하, 타겟 실거래가 데이터) 각각을 상호 비교할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같은 동적 시간 워핑 알고리즘에 기초한 비교를 통하여, 상기 소정의 기간을 따르는 상기 핵심 시계열 데이터와 상기 타겟 시계열 데이터 간 시세 비율(ratio)을 획득할 수 있다.

여기서, 실시예에 따른 상기 '시세 비율'이란, 적어도 하나 이상의 상기 핵심 실거래가 데이터와 이에 대응되는 타겟 실거래가 데이터 값들 간의 비율을 각각 산출하고, 산출된 적어도 하나 이상의 비율에 대한 평균치를 산출하여 결정되는, 상기 소정의 기간 중의 상기 핵심 시계열 데이터와 상기 타겟 시계열 데이터 간의 실거래가 비율 평균일 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 핵심 시계열 데이터와 상기 타겟 시계열 데이터 내에서 상호 대조 가능한 즉, 결측치를 미포함하는 적어도 하나 이상의 핵심 실거래가 데이터-타겟 실거래가 데이터 페어(이하, 핵심-타겟 실거래가 데이터) 각각을 기초로, 상기 핵심 실거래가 데이터와 이에 대응되는 타겟 실거래가 데이터 값 간의 비율을 나타내는 요소 비율을 적어도 하나 이상 산출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 산출된 적어도 하나 이상의 요소 비율에 대한 평균치를 산출하여 상기 핵심 시계열 데이터와 상기 타겟 시계열 데이터 간 시세 비율을 산정할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 획득된 시세 비율에 기초하여 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 타겟단지에 대한 결측치와 소정의 연관을 가지는 주변 데이터 및 상기 시세 비율에 기초하여, 상기 결측치 처리를 수행할 수 있다.

여기서, 실시예에 따른 상기 '주변 데이터'는, 상기 결측치가 존재하는 시점이 속하는 월 또는 연도가 포함하는 복수의 실거래가 데이터의 평균값 및/또는 상기 결측치가 존재하는 시점을 기준으로 소정의 일자만큼 전 및/또는 후 기간 내에 속하는 복수의 실거래가 데이터의 평균값 등을 포함할 수 있다.

보다 상세히, 추정 애플리케이션(111)은, 상기 타겟단지에 대한 결측치를 기초로 상술된 바와 같은 주변 데이터를 획득할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 획득된 주변 데이터와 상술된 시세 비율을 기초로 소정의 연산을 수행하여, 상기 결측치에 대한 보간값을 획득할 수 있다.

예를 들면, 추정 애플리케이션(111)은, 상기 주변 데이터 값과 상기 시세 비율 값에 기초한 곱셈 연산을 수행하여 상기 결측치에 대한 보간값을 획득할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 획득된 보간값으로 상기 결측치를 대체함으로써, 상기 타겟단지에 대한 결측치 처리를 수행할 수 있다.

이상에서는, 효과적인 설명을 위하여 타겟단지에 대한 결측치를 처리하는 실시예들을 상술된 바와 같이 구분하여 설명하였으나, 실시예에 따라서 상기 실시예들 중 적어도 일부가 상호 유기적으로 결합하여 동작할 수도 있는 등 다양한 실시예 또한 가능할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 특정 기간 내 부동산 실거래 히스토리가 결여되는 등의 이유로 발생하는 실거래가 데이터에 대한 결측치를 상술된 바와 같이 보간함으로써, 합리적인 데이터를 근거로 해당하는 구역 내 모든 단지에 대하여 결측치를 포함하지 않는 온전한 형태의 시계열 데이터를 획득할 수 있고, 추후 이러한 온전한 형태의 시계열 데이터를 기초로 현재 시세 및/또는 시각화된 데이터를 생성하여 그 퀄리티와 신빙성을 향상시킬 수 있다.

또한, 실시예에서 위와 같이 타겟단지에 대한 결측치 처리를 수행한 추정 애플리케이션(111)은, 제1 구역 내 전체단지에 대한 현재 시세정보를 생성할 수 있다. (S109)

여기서, 실시예에 따른 상기 '현재 시세정보'란, 과거로부터 획득되는 실거래가 데이터(이하, 기존 실거래가 데이터)와 미래에 대하여 예측되는 실거래가 데이터(이하, 예측 실거래가 데이터) 등에 기초하여, 현재 시점의 실거래가 데이터(이하, 현재 실거래가 데이터)를 상기 전체단지에 포함되는 각 소속단지 및 각 평형 별로 추정한 정보일 수 있다.

자세히, 실시예에서 추정 애플리케이션(111)은, 상술된 바와 같이 결측치 처리가 수행된 타겟 시계열 데이터를 포함하는 전처리 시계열 데이터에 기초하여, 상기 제1 구역 내 전체단지에 대한 소정의 기간 이전으로부터 현재까지의 기존 실거래가 데이터를 포함하는 시계열 데이터인 기존 시세 시계열 데이터를 획득할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 상기 전처리 시계열 데이터에 기초하여, 상기 제1 구역 내 전체단지에 대한 현재부터 소정의 기간 이후까지의 예측되는 실거래가 데이터인 예측 실거래가 데이터를 포함하는 예측 시세 시계열 데이터를 획득할 수 있다.

구체적으로, 추정 애플리케이션(111)은, 상기 전처리 시계열 데이터 내 기존 실거래가 데이터에 기초하여, 상기 소정의 기간 이전으로부터 현재까지의 실거래가 데이터의 가격변화 동향을 파악할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 파악된 가격변화 동향을 토대로 상기 소정의 기간 이후까지의 실거래가 데이터를 예측하여 상기 예측 실거래가 데이터를 획득할 수 있다.

예를 들면, 추정 애플리케이션(111)은, 소정의 시뮬레이션 알고리즘을 기초로 상기 가격변화 동향을 따르는 실거래가 변화 예측 시뮬레이션을 수행하여, 상기 예측 실거래가 데이터를 획득할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 획득된 기존 실거래가 데이터와 예측 실거래가 데이터에 기초하여, 상기 현재 시세정보를 생성할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 획득된 기존 실거래가 데이터와 예측 실거래가 데이터에 따른 가격변화 동향을 반영하여, 상기 전체단지에 포함되는 각 소속단지 및 각 평형 별 현재 실거래가 데이터를 추정한 정보인 현재 시세정보를 생성할 수 있다.

예를 들어, 추정 애플리케이션(111)은, 소정의 입력 데이터(실시예에서, 상기 기존 실거래가 데이터와 예측 실거래가 데이터 등)에 기초한 추정을 수행하는 딥러닝 뉴럴 네트워크 및/또는 추정 알고리즘 등을 이용하여, 상술된 가격변화 동향을 반영해 생성되는 현재 시세정보를 획득할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 부재하는 실거래가 데이터에 의한 결측치가 보간된 시계열 데이터를 기초로 현재 시세정보를 추정하여, 보다 정확한 현재 부동산 시세를 측정해 제공할 수 있고, 이를 통해 부동산 거래의 공정성을 더욱 증대시킬 수 있다.

이때, 실시예에 따라서 추정 애플리케이션(111)은, 상기 전체단지 내 소속단지별 주변 환경조건을 더 반영하여, 상기 현재 시세정보를 획득할 수도 있다.

여기서, 예시적으로 상기 주변 환경조건은, 각 소속단지가 차지하는 영역 내 소정의 지점(예컨대, 중앙지점 또는 외곽지점 등)을 기준으로 소정의 반경(예컨대, 반경 3km 등) 이내에 위치하는 주변단지의 가격변화 동향, 상기 소속단지 주변의 호재 또는 악재(예컨대, 행정구역 개편 등) 및/또는 상기 소속단지 주변의 매물 증감 등을 포함할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 전체단지 내 소속단지별 주변 환경조건이 상기 각 소속단지별 실거래가 데이터에 미치는 영향 정도(예컨대, 소정의 수치 등)를 산출할 수 있다.

예를 들면, 추정 애플리케이션(111)은, 제1 소속단지에 대한 주변단지의 가격이 증가하는 동향을 보이면, 상기 증가한 비율에 비례하여 상기 제1 소속단지에 대한 영향 정도를 소정의 수치만큼 가산할 수 있다.

다른 예시로, 추정 애플리케이션(111)은, 제1 소속단지 주변의 매물이 증가 또는 감소하면, 상기 증감 비율을 기초로 상기 제1 소속단지에 대한 영향 정도를 소정의 수치만큼 가감할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 각각의 소속단지별로 산출된 영향 정도에 기초하여 상기 제1 구역의 전체단지에 대한 현재 실거래가 데이터를 추정할 수 있다.

자세히, 추정 애플리케이션(111)은, 상술된 방식으로 기존에 추정된 현재 실거래가 데이터와 상기 영향 정도에 기초한 소정의 연산을 수행하여, 상기 주변 환경조건을 더 반영한 현재 실거래가 데이터를 추정할 수 있다.

예를 들어, 추정 애플리케이션(111)은, 상기 영향 정도를 기초로 소정의 백분율 값을 산출(예컨대, 상기 영향 정도가 '3'인 경우 상기 백분율 값을 '3%'으로 산출 등)할 수 있고, 상기 산출된 백분율 값과 기존에 추정된 현재 실거래가 데이터에 기초한 소정의 연산(예컨대, 곱셈 연산 등)을 수행하여, 상기 현재 실거래가 데이터를 추정할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 주변 환경조건을 더 반영하여 추정된 현재 실거래가 데이터를 기초로 상기 제1 구역의 전체단지에 대한 현재 시세정보를 생성할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 소속단지별로 특화된 주변 환경조건을 더 고려하여 소속단지별 현재 부동산 시세를 추정하여, 이를 기초로 보다 소상하고 정확한 현재 시세정보를 생성할 수 있다.

한편, 실시예에 따라서 추정 애플리케이션(111)은, 상기 소속단지 별로 기 설정된 기본평형에 대한 현재 시세정보를, 해당하는 소속단지를 대표하는 현재 시세정보(이하, 대표 시세정보)로 설정할 수도 있다.

여기서, 실시예에 따른 상기 '기본평형'이란, 소속단지가 포함하는 적어도 하나 이상의 서로 다른 평형 중에서, 상기 소속단지를 대표하는 일 평형을 의미할 수 있다.

자세히, 추정 애플리케이션(111)은, 상기 소속단지별 포함하는 적어도 하나 이상의 평형 중에서 소정의 기준에 따른 어느 하나의 평형을, 상기 소속단지별 기본평형으로 기 설정할 수 있다.

예를 들어, 추정 애플리케이션(111)은, 24평형, 32평형 또는 54평형 중 어느 하나의 평형을 가지는 복수의 세대로 구성된 제1 소속단지의 서로 다른 평형들 중에서, 실거래량이 가장 많은 평형(예컨대, 32형평 등)을 상기 제1 소속단지에 대한 기본평형으로 기 설정할 수 있다.

또한, 추정 애플리케이션(111)은, 상술된 바와 같이 생성되어 있는 현재 시세정보 내의 상기 소속단지에 대한 대표 시세정보를, 상기 소속단지 별로 기 설정된 기본평형에 대하여 생성되어 있는 현재 시세정보로 설정할 수 있다.

즉, 추정 애플리케이션(111)은, 상기 소속단지 별로 기 설정된 기본평형에 대한 현재 시세정보를, 해당하는 소속단지를 대표하는 현재 시세정보로서 설정할 수 있다.

따라서, 추정 애플리케이션(111)은, 전체단지에 대한 현재 시세정보를 소속단지별 대표 시세정보에 기반하여 생성할 수도 있고, 이를 통해 상기 현재 시세정보를 보다 간략화하여 이해하기 용이한 형태로 제공할 수 있다.

또한, 실시예에 따라서 추정 애플리케이션(111)은, 상술된 바와 같이 상기 전체단지에 포함되는 각 소속단지 및 각 평형 별로 추정된 현재 실거래가 데이터를, 상기 각 소속단지, 각 평형 및 각 층수 별로 더 세분화하여 추정할 수도 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 더 세분화하여 추정된 현재 실거래가 데이터에 기초하여 상기 제1 구역의 전체단지에 대한 현재 시세정보를 생성할 수 있다.

따라서, 추정 애플리케이션(111)은, 보다 면밀하고 상세하게 추정된 현재 시세정보를 제공할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 생성된 제1 구역 내 전체단지에 대한 현재 시세정보와 전처리 시계열 데이터를 기초로, 시세 시각화 그래프를 생성 및 제공할 수 있다. (S111)

도 5는 본 발명의 실시예에 따른 시세 시각화 그래프의 일례들이다.

여기서, 도 5를 참조하면, 실시예에 따른 상기 '시세 시각화 그래프'란, 소정의 기간 동안의 특정 소속단지 및 평형에 대한 실거래가 데이터의 변화 흐름을 시각화하여 나타내는 그래프를 의미할 수 있다.

자세히, 실시예에서 추정 애플리케이션(111)은, 상기 생성된 제1 구역 내 전체단지에 대한 현재 시세정보를, 상기 제1 구역 내 전체단지에 대한 전처리 시계열 데이터에 더 포함시킬 수 있다.

또한, 추정 애플리케이션(111)은, 상기 현재 시세정보가 더 포함된 전처리 시계열 데이터(이하, 확장 시계열 데이터)에 기초하여, 상기 시세 시각화 그래프를 생성할 수 있다.

보다 상세히, 실시예에서 추정 애플리케이션(111)은, 사용자 설정 및/또는 기 구축된 알고리즘 등을 기초로, 상기 시세 시각화 그래프를 통해 실거래가 데이터를 표시할 기간(이하, 표시 기간)을 결정할 수 있다.

또한, 추정 애플리케이션(111)은, 사용자 설정 및/또는 기 구축된 알고리즘 등을 기초로, 상기 시세 시각화 그래프를 통해 실거래가 데이터를 표시하고자 하는 소속단지 및 평형(이하, 표시 소속단지 및 평형)을 결정할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 결정된 표시 기간, 표시 소속단지 및 평형에 대응되는 시계열 데이터(이하, 표시 시계열 데이터)를 상기 확장 시계열 데이터로부터 추출할 수 있다.

또한, 추정 애플리케이션(111)은, 상기 추출된 표시 시계열 데이터 등에 기반하여 상기 시세 시각화 그래프를 생성할 수 있다.

실시예로, 추정 애플리케이션(111)은, 상기 표시 기간을 기초로 상기 시세 시계열 그래프의 제1 축을 구성할 수 있고, 상기 표시 시계열 데이터를 기초로 상기 시세 시계열 그래프의 제2 축을 구성할 수 있는 등, 상기 결정된 요소들에 기초하여 상기 시세 시계열 그래프의 형상을 구축할 수 있다.

예를 들어, 추정 애플리케이션(111)은, 상기 시세 시계열 그래프의 가로축 상에 상기 표시 기간을 특정 간격으로 구분하여 표시하고, 상기 시세 시계열 그래프의 세로축 상에 상기 실거래가 데이터 값을 특정 간격으로 구분하여 표시하도록 상기 시세 시계열 그래프의 템플릿을 구축할 수 있다.

또한, 추정 애플리케이션(111)은, 위와 같이 구축된 시세 시계열 그래프의 템플릿을 기초로, 상기 표시 시계열 데이터를 소정의 방식(예컨대, 바 차트(bar chart), 라인 차트(line chart), 아리아 차트(area chart) 및/또는 스케터 플롯(scatter plot) 등)에 따라서 표시하여 시각화할 수 있다.

예를 들면, 추정 애플리케이션(111)은, 상기 표시 시계열 데이터가 포함하는 복수의 실거래가 데이터 각각을, 상기 템플릿의 가로축에 표시된 표시 기간과 세로축에 표시된 실거래가 데이터 값에 기초해 각각 대응시켜 상기 시세 시계열 그래프의 템플릿 상에 표시할 수 있다.

그리하여 추정 애플리케이션(111)은, 특정 기간 동안의 실거래가 데이터 흐름을 확인하고자 하는 소속단지 및 평형에 대한 시계열 데이터를 시각화한 시세 시각화 그래프를 생성할 수 있다.

이상에서는, 추정 애플리케이션(111)이 상기 시세 시각화 그래프를 상술된 바와 같은 방식으로 생성한다고 설명하였으나 이는 일례일 뿐, 실시예에 따라서 타 방식(예컨대, 파이 차트(pie chart), 버블 차트(bubble chart), 레이더 차트(rader chart), 프레임 다이어그램(frame diagram) 및/또는 퍼널 플롯(funnel plot) 등)을 기초로 상기 시세 시각화 그래프를 생성할 수도 있는 등 다양한 실시예가 가능할 수 있다.

또한, 실시예에서 추정 애플리케이션(111)은, 위와 같이 생성된 시세 시각화 그래프를 디스플레이 출력하여 제공할 수 있다.

이와 같이, 추정 애플리케이션(111)은, 특정 기간, 특정 소속단지 및/또는 특정 평형에 대한 실거래가 데이터의 동향을 시각화하여 제공함으로써, 상기 실거래가 데이터의 동향을 보다 쉽고 직관적으로 인지하게 할 수 있다.

이상, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 일정 구역을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터를 기초로 상기 구역 내 소정의 부동산 시세 결측치를 보간함으로써, 특정 기간 내 부동산 실거래 히스토리가 결여된 단지의 경우에도 신뢰할 만한 근거 데이터를 기초로 상기 결여된 히스토리에 의한 부동산 시세 데이터의 부재를 보완할 수 있고, 이를 통해 상기 구역 내 모든 단지에 대하여 특정 부동산 시세 데이터에 대한 결측치가 없는 온전한 형태의 시계열 데이터에 기초한 데이터베이스를 구축할 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 일정 구역을 대표하는 특정 단지의 부동산 시세 흐름을 나타내는 시계열 데이터를 기초로 상기 구역 내 소정의 부동산 시세 결측치를 보간하여, 사람의 휴리스틱적 판단이 아닌 신뢰할 만한 근거 데이터를 토대로 상기 구역 내 결여된 부동산 시세 데이터를 자동으로 보완할 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 상기 결측치가 보간된 상태의 시계열 데이터에 기초하여 상기 구역 내 복수의 단지에 대한 현재 부동산 시세를 추정함으로써, 특정 기간에 대한 실거래 히스토리가 결여된 단지의 경우에도 합리적인 부동산 시세 데이터로 보완된 상태에서 현재 부동산 시세를 추정할 수 있고, 이를 통해 상기 추정되는 현재 부동산 시세의 정확성 및 신뢰성을 향상시킴과 동시에 부동산 거래의 공정성을 증진시킬 수 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 상기 추정된 현재 부동산 시세에 기초한 시각화된 데이터를 제공함으로써, 사용자가 일일이 부동산 중개업소를 찾아다니거나 또는 부동산 매물에 관한 잡지, 신문이나 인터넷 등을 검색하여 분석을 수행하는 등 원하는 부동산 시세 정보를 취득하기 위하여 소모하는 노력이나 비용을 절감시킬 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 부동산 시세 추정 방법 및 그 시스템은, 상기 추정된 현재 부동산 시세에 기초한 시각화된 데이터를 제공함으로써, 사용자가 의도한 부동산 시세 정보를 직관적으로 인지하기 용이한 형태로 신속하게 제공할 수 있는 효과가 있다.

또한, 이상에서 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

또한 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술분야에 통상의 지식을 갖는 자라면 후술할 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.

Claims (13)

1. 단말의 적어도 하나의 프로세서에 의하여 실행되는 부동산 시세 추정 애플리케이션이 부동산 시세를 추정하는 방법으로서,
   제1 구역 내 전체단지에 소속된 복수의 소속단지 각각에 대한 실거래가 데이터의 동향을 시간의 흐름에 따라서 배열한 시세 시계열 데이터를 수집하는 단계;
   상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하는 단계;
   상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중에서 적어도 하나의 소속단지를 상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하는 단계;
   상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중 적어도 일 기간에 대응되는 실거래가 데이터가 부재한 결측치를 포함하는 타겟단지를 검출하는 단계;
   상기 결정된 대장단지의 시계열 데이터를 기초로 상기 타겟단지에 대한 결측치를 보간하는 단계; 및
   상기 결측치가 보간된 시세 시계열 데이터를 기초로 상기 전체단지에 대한 현재 시세정보를 산출하는 단계를 포함하고,
   상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하는 단계는,
   상기 제1 구역에 대하여 복수의 대장단지가 결정되면, 상기 타겟단지의 부동산 시세에 가장 큰 영향력을 미치는 핵심 대장단지를 결정하는 단계를 포함하고,
   상기 핵심 대장단지를 결정하는 단계는,
   상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 1차 필터링 조건을 충족하는 대장단지를 후보단지로 설정하는 단계를 포함하고,
   상기 후보단지로 설정하는 단계는,
   상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 상기 타겟단지와 동일한 행정구역에 포함되는 대장단지를 제1 후보단지로 설정하는 단계와,
   상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 상기 타겟단지로부터 소정의 반경 이내에 위치하는 대장단지를 제2 후보단지로 설정하는 단계와,
   상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 가장 높은 평균 시세를 형성하는 대장단지를 제3 후보단지로 설정하는 단계를 포함하고,
   상기 핵심 대장단지를 결정하는 단계는,
   상기 설정된 제1 후보단지, 제2 후보단지 및 제3 후보단지 중에서 2차 필터링 조건을 충족하는 후보단지를 상기 핵심 대장단지로 결정하는 단계를 더 포함하고,
   상기 2차 필터링 조건은,
   기 설정된 기준 이상으로 상기 제1 후보단지, 제2 후보단지 및 제3 후보단지 중 적어도 하나의 후보단지에 포함, 기 설정된 기준 이상의 세대 수, 기 설정된 기준 이상의 실거래가 데이터 수, 기 설정된 기준 이상의 실거래가 데이터 표준편차 및 기 설정된 기준 이상의 신축연도 중 적어도 둘 이상의 조건을 포함하고,
   상기 핵심 대장단지를 결정하는 단계는,
   상기 타겟단지에 대한 시계열 데이터인 타겟 시계열 데이터 및 상기 대장단지에 대한 시계열 데이터인 대장 시계열 데이터를 검출하는 단계와,
   상기 검출된 타겟 시계열 데이터 및 대장 시계열 데이터 각각에 대하여 특정 시계열 데이터 내 복수의 실거래가 데이터에 따른 최소값, 최대값, 평균값, 중위값, 표준편차값, 첨도값, 기간 길이값 및 피크 수를 포함하는 벡터 데이터를 획득하는 단계와,
   상기 타겟 시계열 데이터에 대하여 획득된 벡터 데이터인 타겟 벡터 데이터 및 상기 대장 시계열 데이터에 대하여 획득된 벡터 데이터인 대장 벡터 데이터를 기초로 글로벌 피처(global features) 및 코사인 유사도를 산출하는 단계와,
   상기 산출된 코사인 유사도가 소정의 기준치 이상인 대장단지를 검출하는 단계와,
   상기 검출된 대장단지에 대응하는 상기 타겟 시계열 데이터 및 상기 대장 시계열 데이터를 기초로 동적 시간 워핑(DTW) 유사도를 산출하는 단계와,
   상기 산출된 동적 시간 워핑 유사도가 가장 높은 대장단지를 상기 핵심 대장단지로 결정하는 단계를 더 포함하고,
   상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하는 단계는,
   소정의 개수 및 비율 이상의 결측치를 포함하는 타겟단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하는 단계와,
   소정의 세대 수 이하의 소속단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하는 단계와,
   실거래가 데이터 수가 기준치 이하인 소속단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하는 단계와,
   소정의 층 수 이하의 실거래가 데이터를 상기 시세 시계열 데이터로부터 제거 또는 변경하는 단계 중 적어도 하나의 단계를 포함하는
   부동산 시세 추정 방법.
2. 제1 항에 있어서,
   상기 시세 시계열 데이터는,
   상기 복수의 소속단지 내 복수의 세대 각각에 대한 실거래가 데이터의 동향을 상기 소속단지 및 소정의 평형을 기초로 구분하여 시계열 형식으로 나타낸 데이터인
   부동산 시세 추정 방법.
3. 삭제
4. 삭제
5. 제1 항에 있어서,
   상기 복수의 소속단지 중 적어도 하나의 소속단지를 대장단지로 결정하는 단계는,
   상기 제1 구역 내 행정구역, 면적 및 인구 수 중 적어도 하나를 기초로 상기 제1 구역에 대한 대장단지를 복수로 결정할지 여부를 판단하는 단계를 더 포함하는
   부동산 시세 추정 방법.
6. 제1 항에 있어서,
   상기 타겟단지에 대한 결측치를 보간하는 단계는,
   상기 타겟단지의 시계열 데이터에 포함된 총 실거래가 데이터의 개수 대비 상기 결측치의 개수 비율이 소정의 기준치 이하이면, 상기 타겟단지의 시계열 데이터에 기초하여 선형보간법을 이용하여 결측치를 보간하는 단계를 포함하는
   부동산 시세 추정 방법.
7. 삭제
8. 삭제
9. 제1 항에 있어서,
   상기 타겟단지에 대한 결측치를 보간하는 단계는,
   상기 결정된 핵심 대장단지의 시계열 데이터와 상기 타겟단지의 시계열 데이터를 기초로 동적 시간 워핑(Dynamic Time Warping, DTW) 알고리즘에 따라서 상기 결측치를 보간하는 단계를 더 포함하는
   부동산 시세 추정 방법.
10. 제1 항에 있어서,
    상기 전체단지에 대한 현재 시세정보를 산출하는 단계는,
    상기 결측치가 보간된 시세 시계열 데이터를 기초로 소정의 기간 이전부터 현재까지의 실거래가 데이터를 포함하는 기존 시세 시계열 데이터와 현재부터 소정의 기간 이후까지 예측된 실거래가 데이터를 포함하는 예측 시세 시계열 데이터를 획득하는 단계와,
    상기 획득된 기존 시세 시계열 데이터 및 상기 예측 시세 시계열 데이터를 기초로 현재 시점의 실거래가 데이터를 각각의 소속단지의 각각의 평형 별로 추정하는 단계를 포함하는
    부동산 시세 추정 방법.
11. 제10 항에 있어서,
    상기 전체단지에 대한 현재 시세정보를 산출하는 단계는,
    상기 추정된 현재 시점의 실거래가 데이터를 상기 복수의 소속단지 각각에 대한 주변 환경조건을 기초로 재추정하는 단계를 더 포함하는
    부동산 시세 추정 방법.
12. 제1 항에 있어서,
    상기 산출된 현재 시세정보와 상기 결측치가 보간된 시세 시계열 데이터를 기초로 특정 소속단지 및 특정 평형의 시계열 데이터를 시각화한 시세 시각화 그래프를 생성 및 제공하는 단계를 더 포함하는
    부동산 시세 추정 방법.
13. 시세 시각화 그래프를 출력하는 적어도 하나 이상의 디스플레이;
    적어도 하나 이상의 메모리; 및
    적어도 하나 이상의 프로세서; 를 포함하고,
    상기 메모리에 저장되고 상기 프로세서에 의해 실행되어 부동산 시세를 추정하는 적어도 하나의 애플리케이션으로서 상기 적어도 하나의 애플리케이션은,
    제1 구역 내 전체단지에 소속된 복수의 소속단지 각각에 대한 실거래가 데이터의 동향을 시간의 흐름에 따라서 배열한 시세 시계열 데이터를 수집하고,
    상기 수집된 시세 시계열 데이터에 대한 전처리를 수행하고,
    상기 전처리된 시세 시계열 데이터를 기초로 상기 복수의 소속단지 중에서 적어도 하나의 소속단지를 상기 제1 구역의 부동산 시세를 주도하는 대장단지로 결정하고,
    상기 전처리된 시세 시계열 데이터를 기초로, 상기 복수의 소속단지 중 적어도 일 기간에 대응되는 실거래가 데이터가 부재한 결측치를 포함하는 타겟단지를 검출하고,
    상기 결정된 대장단지의 시계열 데이터를 기초로 상기 타겟단지에 대한 결측치를 보간하고,
    상기 결측치가 보간된 시세 시계열 데이터를 기초로 상기 전체단지에 대한 현재 시세정보를 산출하고,
    상기 산출된 현재 시세정보와 상기 결측치가 보간된 시세 시계열 데이터를 기초로 특정 소속단지 및 특정 평형의 시계열 데이터를 시각화한 상기 시세 시각화 그래프를 생성 및 제공하고,
    상기 적어도 하나의 애플리케이션은,
    상기 제1 구역에 대하여 복수의 대장단지가 결정되면, 상기 타겟단지의 부동산 시세에 가장 큰 영향력을 미치는 핵심 대장단지를 결정하고,
    상기 적어도 하나의 애플리케이션은,
    상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 상기 타겟단지와 동일한 행정구역에 포함되는 대장단지를 제1 후보단지로 설정하고,
    상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 상기 타겟단지로부터 소정의 반경 이내에 위치하는 대장단지를 제2 후보단지로 설정하고,
    상기 제1 구역에 대하여 결정된 복수의 대장단지 중에서 가장 높은 평균 시세를 형성하는 대장단지를 제3 후보단지로 설정하고,
    상기 적어도 하나의 애플리케이션은,
    기 설정된 기준 이상으로 상기 제1 후보단지, 제2 후보단지 및 제3 후보단지 중 적어도 하나의 후보단지에 포함, 기 설정된 기준 이상의 세대 수, 기 설정된 기준 이상의 실거래가 데이터 수, 기 설정된 기준 이상의 실거래가 데이터 표준편차 및 기 설정된 기준 이상의 신축연도 중 적어도 둘 이상의 조건을 충족하는 후보단지를 상기 핵심 대장단지로 결정하고,
    상기 적어도 하나의 애플리케이션은,
    상기 타겟단지에 대한 시계열 데이터인 타겟 시계열 데이터 및 상기 대장단지에 대한 시계열 데이터인 대장 시계열 데이터를 검출하고,
    상기 검출된 타겟 시계열 데이터 및 대장 시계열 데이터 각각에 대하여 특정 시계열 데이터 내 복수의 실거래가 데이터에 따른 최소값, 최대값, 평균값, 중위값, 표준편차값, 첨도값, 기간 길이값 및 피크 수를 포함하는 벡터 데이터를 획득하고,
    상기 타겟 시계열 데이터에 대하여 획득된 벡터 데이터인 타겟 벡터 데이터 및 상기 대장 시계열 데이터에 대하여 획득된 벡터 데이터인 대장 벡터 데이터를 기초로 글로벌 피처(global features) 및 코사인 유사도를 산출하고,
    상기 산출된 코사인 유사도가 소정의 기준치 이상인 대장단지를 검출하고,
    상기 검출된 대장단지에 대응하는 상기 타겟 시계열 데이터 및 상기 대장 시계열 데이터를 기초로 동적 시간 워핑(DTW) 유사도를 산출하고,
    상기 산출된 동적 시간 워핑 유사도가 가장 높은 대장단지를 상기 핵심 대장단지로 결정하고,
    상기 적어도 하나의 애플리케이션은,
    소정의 개수 및 비율 이상의 결측치를 포함하는 타겟단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하고, 소정의 세대 수 이하의 소속단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하고, 실거래가 데이터 수가 기준치 이하인 소속단지의 시계열 데이터를 상기 시세 시계열 데이터로부터 제거하고, 소정의 층 수 이하의 실거래가 데이터를 상기 시세 시계열 데이터로부터 제거 또는 변경하는
    부동산 시세 추정 시스템.