🚀 EveryWhere AI 공간 추천 시스템 – Backend (Spring Boot)

AI 기반 캠퍼스 공간 추천 서비스의 백엔드(Spring Boot) 레포지토리입니다. 사용자의 목적·위치·혼잡도를 반영하여 최적의 공간을 추천하며, FastAPI 기반 AI 서버와 통신하여 추론 결과를 통합합니다.

📌 1. 프로젝트 개요

🔧 기술 스택

Java 21

Spring Boot 3.x

Gradle

Lombok

FastAPI (AI 서버, Python)

🎯 주요 기능

클라이언트(React Native)에서 요청한 추천 API 제공

AI 서버(FastAPI)의 NLP/추천 모델과 통신

사용자 위치 기반 거리 계산 (Haversine 공식)

DB 없이 하드코딩된 공간 정보로 서비스 운영 (해커톤 최적화)

🔗 AI 서버 주소

http://localhost:8001

📁 2. 실행 환경 설정

2.1 application.properties 설정

src/main/resources/application.properties

server.port=8080

AI 서버 주소

ai.server.url=http://localhost:8001

JSON 파싱 오류 방지

spring.jackson.deserialization.fail-on-unknown-properties=false spring.jackson.deserialization.accept-single-value-as-array=true

▶ 2.2 실행 방법

1. FastAPI AI 서버 실행 cd ai-server uvicorn main:app --reload --port 8001

2. Spring Boot 실행

IntelliJ / VSCode에서 EverywhereApplication.java 실행 또는

./gradlew bootRun

📡 3. API 엔드포인트

3.1 인원수 조회 API (View 1) Method URL 설명 GET /api/v1/congestion 특정 공간의 예측 인원수 조회 Request Params 필드 타입 예시 spaceId Long 201 latitude Double 37.5526 longitude Double 126.9392

3.2 최적 공간 추천 API (View 2) Method URL 설명 POST /api/v1/recommendation 사용자 목적·위치 기반 최적 공간 추천 Request Body (JSON) 필드 타입 (BE DTO) 예시 설명 userId String "1001" 문자열로 전달해야 파싱 오류 방지 currentLatitude Double 37.5520 사용자 위도 currentLongitude Double 126.9390 사용자 경도 currentFloor String "1" 현재 층 (문자열로 전달) purpose String "study" 추천 목적 텍스트

🔄 4. BE ↔ AI 서버 통신 구조

4.1 FastAPI 호출 구조 목적 BE 메서드 FastAPI 엔드포인트 혼잡도 예측 (Model 1) aiServerService.callAiModel1() POST /ai/predict/count 공간 추천 (NLP + Model2) aiServerService.callAiModel2() POST /api/internal/ai/recommendation

4.2 공간 추천 처리 흐름

Spring Boot가 사용자 위치를 기반으로 모든 공간과의 거리(Haversine) 를 계산

공간 특징 + 거리 + 사용자 목적을 조합하여 AiRecommendationRequest DTO 생성

FastAPI에 전달 → NLP 기반 purposeScore 계산

모델2 가중치로 추천 점수 최종 산출

Spring Boot가 응답을 정렬하여 클라이언트에 반환

📘 5. Swagger UI

서버 실행 중 아래 URL 접속:

http://localhost:8080/swagger-ui.html