본 논문은 메타버스에서의 렌터카 가격 예측을 위한 기계 학습 방법을 사용한 방법을 제안한다. 본 논문의 주요 목표는 메타버스 환경에서 렌터카 가격을 예측하는 것으로, 이를 위해 KAFLIX로부터 제공 받은 실제 데이터를 기반으로 예측 방법을 제안한다. 회귀 분석, 앙상블 기법 등 다양한 기계 학습 방법을 활용하여 렌터카 가격에 영향을 미치는 요소를 탐구하고 single-step forecasting, multi-step forecasting, 그리고 좀 더 정확한 렌터카 가격 예측을 위해 최적화 알고리즘 중 하나인 BOHB를 적용한 multi-step forecasting 총 3가지의 실험을 진행하였다. 실험 결과, 이전 렌트 가격과 날짜 정보 등이 렌터카 가격을 예측하는 데에 중요한 역할 한다는 결론과 동시에 렌터카 가격 예측에 효율적임을 보였다. 이를 통해 만일 메타버스에서의 렌터카 사업이 현실과 유사한 발전을 이루게 된다면, 우리의 연구 결과는 해당 환경에서의 렌터카 사업에 유용한 통찰력을 제공할 것으로 기대된다.
This paper proposes a method that utilizes machine learning techniques to predict rental car prices in the metaverse. Theprimary objective of this paper is to predict rental car prices in a metaverse environment. To achieve this goal, we introduce aprediction a method based on actual data provided by KAFLIX. Three experiments were conducted in total, employing variousmachine learning methods including regression analysis and ensemble techniques. The aim was to investigate factors influencingrental car prices, encompassing single-step forecasting, multi-step forecasting, and multi-step forecasting with application of BOHB,an optimization algorithm, to enhance the accuracy of rental car price predictions. As a result of the experiment, it was concludedthat the previous rental car price and date information play crucial roles in predicting rental car prices. Simultaneously, theeffectiveness of utilizing this information for rental car price prediction was demonstrated. In the event that the rental car businessin the metaverse undergoes a development similar to that in reality, our research results are anticipated to offer valuable insightsinto the rental car industry within this enviornment.