KR101924729B1 - 드론을 활용한 통합 물류 운용 시스템 및 그 방법 - Google Patents

드론을 활용한 통합 물류 운용 시스템 및 그 방법 Download PDF

Info

Publication number
KR101924729B1
KR101924729B1 KR1020170097975A KR20170097975A KR101924729B1 KR 101924729 B1 KR101924729 B1 KR 101924729B1 KR 1020170097975 A KR1020170097975 A KR 1020170097975A KR 20170097975 A KR20170097975 A KR 20170097975A KR 101924729 B1 KR101924729 B1 KR 101924729B1
Authority
KR
South Korea
Prior art keywords
delivery
information
drone
model
drones
Prior art date
Application number
KR1020170097975A
Other languages
English (en)
Inventor
문일경
김성우
김민수
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020170097975A priority Critical patent/KR101924729B1/ko
Priority to PCT/KR2018/008731 priority patent/WO2019027247A1/ko
Priority to US16/636,308 priority patent/US20200307785A1/en
Application granted granted Critical
Publication of KR101924729B1 publication Critical patent/KR101924729B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • B64C2201/128—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/60—UAVs specially adapted for particular uses or applications for transporting passengers; for transporting goods other than weapons
    • B64U2101/64—UAVs specially adapted for particular uses or applications for transporting passengers; for transporting goods other than weapons for parcel delivery or retrieval
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 드론을 활용한 통합 물류 운용 시스템 및 그 방법에 관한 것으로, 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는 배송 정보 입력부, 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단하는 배송 모델 분할 판단부 및 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 배송 모델 구축부를 포함한다.

Description

드론을 활용한 통합 물류 운용 시스템 및 그 방법{SYSTEM AND METHOD FOR PROVIDING TOTAL LOGISTIC USING DRONE}
본 발명은 드론을 활용한 통합 물류 운용 시스템 및 그 방법에 관한 것으로, 보다 자세하게는 기존의 차량을 사용하는 물류 시스템에 드론(drone)의 기술을 결합하여 새로운 물류 변화에 탄력적으로 대응할 수 있도록 하는 드론을 활용한 통합 물류 운용 시스템 및 그 방법에 관한 것이다.
인터넷과 스마트폰의 보급으로 인해 인터넷 및 모바일 마켓이 계속해서 성장하고 있다. 이러한 성장은 배송 물량을 급속도로 늘어나게 하였다. 이에 배송 업체는 급증하는 물량을 처리함과 동시에 빠른 배송을 통해 경쟁력을 확보할 필요가 있게 되었다. 그러나 현재 사용하고 있는 육로 배송의 경우 제한된 도로 여건과 차량의 증가로 인한 정체 현상으로 인해 미래 경쟁력을 확보하기가 어려운 상황이다.
이러한 문제점을 해결하기 위해 여러 연구가 진행되고 있으며 다음과 같이 크게 두 가지의 접근법으로 나눌 수 있다. 첫 번째로는, 새로운 기술을 활용하는 방법이다. 드론이나 자율 주행 자동차와 같이 무인 기술을 활용하여 인건비를 절약함과 동시에 운영 시간이나 외부 환경에 대한 제약을 극복하려는 연구가 진행되고 있다. 특히 드론 관련 기술은 아마존이 2013년 공식적으로 드론 배송에 대한 비전을 제공한 이후 비약적인 성장을 이루고 있고 제한적인 상용화가 진행 중이다. 드론은 운용 비용이 저렴하며 인건비가 필요하지 않아 24시간 운행이 가능하다. 그리고 공중을 이용하여 배송물을 운송할 수 있기 때문에 추가적인 물량도 기존 물류 시스템에 영향을 주지 않고 처리할 수 있다. 게다가 도로 정체와 같은 육류 운송 기반의 배송 서비스의 근본적인 한계를 극복할 수 있어 안정적이고 빠른 운송 서비스를 기대할 수 있다. 그러나 드론의 기술적 한계로 인해 배송물의 부피나 무게의 제약이 존재하고, 비행 거리 및 비행 시간의 제약 또한 고려해야 하기 때문에 비행 효율이나 배터리 성능 개선에 대한 연구가 중점적으로 진행되고 있다. 추가적으로 차량이나 다른 드론 시설을 활용하여 드론의 거리나 배터리 제약을 극복하려는 연구도 진행 중이다. 두 번째로는, 최적화 및 수리적 방법으로 효율적인 물류 관리를 위한 알고리즘 및 시스템 개발 연구이다. 대부분의 운송 회사에서는 고객의 수요 및 운송 비용을 고려한 통합 관리 시스템을 도입하여 문제를 해결하고자 하며 비용을 최소화하는 각종 모형도 활발히 개발되고 있다. 그러나 여러 의사결정이 동시에 이루어지는 복잡한 상황으로 인해 현장에서는 이론적인 측면보다는 실무적 경험이나 노하우를 통해 주로 해결하고 있는 실정이다.
이와 관련하여, 한국공개특허 제2002-0061262호는 "인터넷을 기반으로 한 물류 통합/공유 시스템 및 방법"에 관하여 개시하고 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 드론의 충전 및 보급이 가능한 드론 정거장을 구축하는 드론을 활용한 통합 물류 운용 시스템시스템 및 그 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 각 드론 정거장에 있어서 드론으로 배송 가능한 고객 중 가장 멀리 있는 고객의 위치와, 차량과 드론의 속력 비율 및 물류 센터에서 드론 정거장 위치를 고려하여 복수의 드론과 차량의 스케쥴링 및 경로 결정 모델의 분할 여부를 파악하는 드론을 활용한 통합 물류 운용 시스템 및 그 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 배송이 끝나는 시간을 최소화하는 복수의 드론과 차량의 스케쥴링 및 경로 결정 모델의 분석 결과를 시각화하는 드론을 활용한 통합 물류 운용 시스템 및 그 방법을 제공하는데 그 목적이 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템은 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는 배송 정보 입력부; 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단하는 배송 모델 분할 판단부; 및 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 배송 모델 구축부;를 포함할 수 있다.
또한, 상기 배송 정보 입력부는 배송물 크기, 부피 및 무게 정보 중 적어도 어느 하나를 포함하는 배송물의 정보, 차량의 속력 및 드론의 속력 정보를 포함하는 배송 수단의 정보, 물류 센터 위치 정보와 물류 센터별 차량 보유 수를 포함하는 물류 센터 정보 및 드론 정거장 위치 정보와 드론 정거장별 드론 보유 수를 포함하는 드론 정거장 정보 중 적어도 어느 하나를 포함하는 배송 정보를 입력받을 수 있다.
또한, 상기 배송 모델 분할 판단부는, 각 드론 정거장에 대해 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보를 추출하고, 추출된 고객 중 드론 정거장에서 가장 멀리 위치한 고객의 위치 정보를 파악하는 고객 위치 파악부; 차량과 드론의 속력 정보를 추출하여, 차량과 드론의 속력 비율을 파악하는 속력 비율 파악부; 물류 센터에서 각 드론 정거장의 위치 정보를 파악하는 드론 정거장 위치 파악부; 및 가장 멀리 위치한 고객의 위치 정보, 차량과 드론의 속력 비율 및 물류 센터에서 드론 정거장까지의 위치 정보를 토대로 배송 모델의 분할 여부 파악하는 모델 분할 파악부;를 포함할 수 있다.또한, 상기 모델 분할 파악부는 드론의 보유 수가 고객의 수를 드론 정거장에서 가장 멀리 위치한 고객에게 도달하는 시간과 물류 센터에서 가장 멀리 위치한 드론 정거장의 거리를 나눈 값 이상이고, 물류 센터에서 가장 멀리 위치한 드론 정거장으로 이동하는데 걸리는 시간이 드론 정거장에서 가장 멀리 위치한 고객에게 도달하는 시간을 드론의 속력으로 나눈 값 이상으로 걸리는 경우 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할이 가능한 것으로 파악할 수 있다.
또한, 상기 배송 모델 구축부는 배송 모델의 분할이 불가능한 것으로 판단되면 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 결합하여 구축하고, 배송 모델의 분할이 가능한 것으로 판단되면 다수개의 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 분할하여 각각 구축할 수 있다.
또한, 구축된 배송 모델의 결과를 차량과 드론의 최적 경로 정보와 최단 시간 정보를 시각화하여 출력하는 결과 출력부를 더 포함할 수 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 드론을 활용한 통합 물류 운용 방법은 배송 정보 입력부에 의해, 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는 단계; 배송 모델 분할 판단부에 의해, 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단하는 단계; 및 배송 모델 구축부에 의해, 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 단계;를 포함할 수 있다.
또한, 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단하는 단계는, 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보를 추출하여, 드론 정거장에서 가장 멀리 위치한 고객의 위치 정보를 파악하는 단계; 차량과 드론의 속력 정보를 추출하여, 차량과 드론의 속력 비율을 파악하는 단계; 물류 센터와 드론 정거장의 위치 정보를 추출하여, 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 파악하는 단계; 및 가장 멀리 위치한 고객의 위치 정보, 차량과 드론의 속력 비율 및 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 토대로 배송 모델의 분할 여부 파악하는 단계;를 포함할 수 있다.
또한, 가장 멀리 위치한 고객의 위치 정보, 차량과 드론의 속력 비율 및 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 토대로 배송 모델의 분할 여부 파악하는 단계는,
드론의 보유 수가 고객의 수를 드론 정거장에서 가장 멀리 위치한 고객에게 도달하는 시간과 물류 센터에서 가장 멀리 위치한 드론 정거장의 거리를 나눈 값 이상이고, 물류 센터에서 가장 멀리 위치한 드론 정거장으로 이동하는데 걸리는 시간이 드론 정거장에서 가장 멀리 위치한 고객에게 도달하는 시간을 드론의 속력으로 나눈 값 이상으로 걸리는 경우 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할이 가능한 것으로 파악할 수 있다.
또한, 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 단계는, 배송 모델의 분할이 불가능한 것으로 판단되면 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 결합하여 구축하고, 배송 모델의 분할이 가능한 것으로 판단되면 다수개의 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 분할하여 각각 구축할 수 있다.
또한, 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 단계 이후에, 구축된 배송 모델의 결과를 차량과 드론의 최적 경로 정보와 최단 시간 정보를 시각화하여 출력하는 단계를 더 포함할 수 있다.
상기와 같은 구성을 갖는 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템 및 방법은 드론의 충전 및 보급이 가능한 드론 정거장을 구축함으로써, 드론을 활용할 수 있는 위치의 폭이 넓어져 기존의 차량을 사용하는 물류 시스템의 한계를 극복할 수 있는 효과가 있다.
또한, 본 발명은 드론으로 배송 가능한 고객 중 가장 멀리 있는 고객의 위치와, 차량과 드론의 속력 비율 및 물류 센터에서 가장 멀리 있는 드론 정거장 위치 를 토대로 복수의 드론과 차량의 스케쥴링 및 경로 결정 모델의 분할 여부를 파악하여, 사용자에게 물류 운용을 용이하게 하는 의사 결정 정보를 제공함으로써, 기존의 물류 시스템의 한계를 극복하기 위한 실현 가능한 시나리오를 생성하여 빠르게 변화하는 물류 기술에 탄력적으로 대응할 수 있도록 하는 효과가 있다.
또한, 본 발명은 배송이 끝나는 시간을 최소화하는 복수의 드론과 차량의 스케쥴링 및 경로 결정 모델의 분석 결과를 경로 중심 및 시간 중심으로 각각 시각화함으로써, 최적화된 배송 경로와 시간 정보를 파악할 수 있는 효과가 있다.
이처럼, 본 발명은 현재의 물류 시스템에 최신 기술인 드론 및 드론 정거장을 접목시키고, 사용자의 의사 결정 부하를 최소화하기 위해 사용자의 편의에 맞게 빠른 시간 내에 합리적인 해를 도출하는 메타 휴리스틱(metaheuristic)을 제공하고, 시각적인 분석 결과를 제공하여 비 전문가도 쉽게 학습할 수 있도록 함으로써, 미래 물류 혁명에 대비할 수 있는 경쟁력을 가질 수 있다.
도 1은 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템의 구성을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템의 구성을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 최적 경로 정보를 시각화한 출력 자료를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 최단 시간 정보를 시각화한 출력 자료를 설명하기 위한 도면이다.
도 5는 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템에 채용되는 배송 모델 분할 판단부의 세부 구성을 설명하기 위한 도면이다.
도 6은 본 발명에 따른 드론을 활용한 통합 물류 운용 방법을 설명하기 위한 순서도이다.
도 7은 본 발명에 따른 드론을 활용한 통합 물류 운용 방법에서 배송 모델 분할을 판단하는 방법을 자세하게 설명하기 위한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템의 구성을 설명하기 위한 도면이다.
도 1을 참조하여 설명하면, 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템은 크게 고객(①②③④⑤), 물류 센터(10), 차량(20), 드론 정거장(30), 드론(40)을 포함하여 이루어진다. 여기서, 드론(40)을 활용한 통합 물류 운용 시스템은 개별 고객의 배송 수요를 만족시키기 위해 차량(20) 또는 드론(40)은 한번만 방문하며, 수요의 발생은 실제 관측 값을 기반으로 하고, 시나리오 생성 시 정규분포 및 확률분포를 따른다.
고객은 배송물을 수령하는 사람이며, 고객은 드론 정거장의 위치에 따라 드론 배송이 가능한 지역에 위치하거나 드론 배송이 불가능한 지역에 위치할 수 있다. 드론 배송이 불가능한 지역에 위치한 고객은 차량으로 배송물을 수령할 수 있다. 즉, 도 1에서 고객 1, 3, 5의 경우 차량과 드론 모두 배송이 가능한 반면에 고객 2의 경우에는 드론의 배송이 불가능하다.
물류 센터(10)는 고객에게 배송될 배송물 및 배송물을 배송하는 차량(20)이 보관되는 장소로, 물류 센터(10)에서의 배송 시작은 차량(20)을 이용한 배송을 기본으로 한다. 설명의 편의를 위해 도시된 도 1에서는 물류 센터(10)에서 운용 가능한 차량(20)의 수는 1대인 것으로 가정한다.
차량(20)은 육로를 이용하여 고객에게 배송물을 배송하며, 그 종류는 차량 또는 트레일러 일 수 있으나, 이에 한정되지는 않는다. 차량(20)은 한번에 여러 고객의 배송 수요를 만족시킬 수 있다.
드론 정거장(30)은 드론(40)과 고객에게 드론으로 배송될 배송물이 보관되는 장소이다. 또한, 드론 정거장(30)은 드론(40)의 배터리를 보유하고 있다. 그리고 드론 정거장(30)은 차량(20)으로부터 드론 배송 가능 지역에 위치한 고객에게 배송될 배송물을 공급받은 후 드론(40)을 운용할 수 있다. 설명의 편의를 위해 도시된 도 1에서는 드론 정거장(30)에서 운용 가능한 드론(40)의 수는 1대인 것으로 가정한다.
드론(40)은 사람이 타지 않고 무선전파의 유도에 의해서 비행하는 비행기나 헬리콥터 모양의 비행체로, 드론 배송 가능 지역에 위치한 고객에게 배송물을 배송한다. 드론(40)은 안전상의 이유로 한번에 하나의 배송물만을 배송하며, 크기나 부피가 크고 무거운 배송물의 경우에는 배송을 할 수 없다. 그리고 드론(40)은 제한된 이동 거리와 비행 시간을 가지며, 육로가 아닌 공중을 이용하므로 차량(20)보다 속력이 빠른 것으로 가정한다. 본 발명에서는 드론(40)이 차량(20)보다 2배의 속력을 가지고 배송물을 배송하는 것으로 가정하나, 이에 한정되는 것은 아니다. 그리고 드론(40)의 이동 시간에는 배터리를 교환하는 시간도 포함된다.
도 2는 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템의 구성을 설명하기 위한 도면이고, 도 3은 본 발명에 따른 최적 경로 정보를 시각화한 출력 자료를 설명하기 위한 도면이고, 도 4는 본 발명에 따른 최단 시간 정보를 시각화한 출력 자료를 설명하기 위한 도면이다.
도 2를 참조하여 설명하면, 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템(100)은 크게 배송 정보 입력부(110), 배송 모델 분할 판단부(120), 배송 모델 구축부(130) 및 결과 출력부(140)를 포함한다.
배송 정보 입력부(110)는 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는다. 여기서, 배송 수단은 차량과 드론이다.
배송 정보 입력부(110)는 배송물 크기, 부피 및 무게 정보 중 적어도 어느 하나를 포함하는 배송물의 정보, 차량의 속력 및 드론의 속력 정보를 포함하는 배송 수단의 정보, 물류 센터 위치 정보와 물류 센터별 차량 보유 수를 포함하는 물류 센터 정보 및 드론 정거장 위치 정보와 드론 정거장별 드론 보유 수를 포함하는 드론 정거장 정보 중 적어도 어느 하나를 포함하는 배송 정보를 포함한다.
여기서, 배송 정보 입력부(110)는 입력받을 구체적인 입력 정보가 없다면 시나리오 생성을 통해서 드론과 차량의 운용을 학습할 수 있다. 그리고 입력 정보에 들어가는 데이터 입력 대신에 특정 분포를 입력하면 해당 분포에 맞게 데이터를 랜덤하게 생성할 수 있다. 이때, 특정 분포는 임의로 입력할 수 있고, 과거 데이터를 바탕으로 하는 회귀분석 방안을 활용하여 구할 수 있다.
배송 모델 분할 판단부(120)는 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출한다.
그리고 배송 모델 분할 판단부(120)는 추출된 정보를 이용하여 각 드론 정거장을 기준으로 드론 배송 가능 지역에서 가장 멀리 있는 고객의 위치, 차량과 드론의 속력 비율, 물류 센터에서 각 드론 정거장까지의 위치를 파악하고 이를 토대로 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단한다. 이에 대해서는 이후 도 5에서 자세하게 설명하기로 한다.
배송 모델 구축부(130)는 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축한다.
배송 모델 구축부(130)는 다수 개의 드론 정거장 중 배송 모델 분할 판단부에 의해 분할이 가능한 것으로 판단된 개별 드론 정거장에 대해 다수의 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축할 수 있다.
또한 다수 개의 드론 정거장 중 배송 모델 분할 판단부에 의해 분할이 가능한 것으로 판단된 드론 정거장을 제외한 나머지 드론 정거장에 대해 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축할 수 있다.
또한 모든 드론 정거장이 분할이 가능한 것으로 판단된 경우 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축할 수 있다.
이와 같이 개별 모델 구축이 가능한 드론 정거장에 대해 개별 배송 모델을 구축하고, 나머지 드론 정거장에 대해 차량과 드론의 혼합 배송 모델을 구축할 경우 모든 드론 정거장의 드론과 물류 센터의 차량을 함께 고려하여 배송 모델을 구축하는 것에 비해 보다 빠른 시간 내에 드론과 차량의 최적 경로를 도출해 낼 수 있다. 이때, 배송 모델은 혼합 정수 계획법을 기반으로 하는 하기의 수식 1과 같은 수리 모형을 포함할 수 있다.
[수식 1]
Figure 112017074543892-pat00001
(1)
Figure 112017074543892-pat00002
(2)
Figure 112017074543892-pat00003
(3)
Figure 112017074543892-pat00004
(4)
(5)
Figure 112017074543892-pat00006
(6)
Figure 112017074543892-pat00007
(7)
Figure 112017074543892-pat00008
(8)
Figure 112017074543892-pat00009
(9)
Figure 112017074543892-pat00010
(10)
Figure 112017074543892-pat00011
(11)
Figure 112017074543892-pat00012
(12)
Figure 112017074543892-pat00013
(13)
Figure 112017074543892-pat00014
(14)
Figure 112017074543892-pat00015
(15)
이때, 수식 1에서의 집합과 인덱스, 모수, 변수는 다음과 같다.
Z는 차량 또는 드론 정거장의 서비스 종료 시간 중 가장 큰 시간을 나타내기 위해 만든 임의의 변수,
N은 고객의 노드 집합,{1.…,c},
N0는 출발 노드 집합,{0.…,c},
N1는 도착 노드 집합{1.…,c+1},
V는 드론 정거장에서 운용하는 드론의 집합,{1,…,v},
D는 드론 배송이 가능한 고객의 노드 집합, D⊆N,
s는 드론 정거장의 노드 인덱스,
0은 물류 센터의 출발 노드 인덱스,
c+1은 물류 센터의 도착 노드 인덱스,
τi,j는 차량이 노드 i에서 노드 j로 이동하는데 걸리는 시간 (∀i∈N0, j∈N1),
τd i,j는 드론이 노드 i에서 노드 j로 이동하는데 걸리는 시간 (∀i∈N0, j∈N1),
χi,j는 차량이 노드 i에서 노드 j로 이동할 경우 1, 아니면 0,
χs i,j는 차량이 드론 정거장에 도착하기 이전에 노드 i에서 노드 j로 이동하는 경로를 추적하기 위한 변수,
ｙi,v는 드론 v가 고객 노드 i에 배송할 경우 1, 아니면 0,
ｚ는 차량과 드론이 모든 배송을 마칠때의 시간,
ｕi는 차량의 경로 중 노드 i∈N1의 상대적 위치
수식 1의 첫 번째 제약조건은 목적함수로서, 드론과 차량이 모든 배송을 마치고 물류 센터로 복귀할 때의 시간을 최소화한다. 두 번째 제약조건은 하나의 고객 노드에 차량과 드론이 최대 1번만 방문해야 하는 조건을 표현한다. 세 번째 제약조건은 차량의 추적 경로는 차량이 이동한 경로를 따른다는 가정이다. 네 번째 제약조건은 차량이 드론 정거장에 도착하기 이전까지의 경로를 추적한다. 다섯 번째 제약조건은 목적 값이 드론이 배송을 마치는 시간보다 커야 하는 것을 의미하고 여섯 번째 제약조건은 목적 값이 차량이 배송을 마치는 시간보다 커야 하는 것을 의미한다. 일곱 번째, 여덟 번째 및 아홉 번째 제약조건은 차량의 경로에 대한 조건이다. 열 번째 제약조건은 차량의 서브투어(subtour)를 제거하기 위한 것이고, 나머지 제약조건은 일반적인 변수를 정의한다.
상기 수식 1은 도 1에 도시된 바와 같이 하나의 드론 정거장과 물류센터의 드론과 차량에 대한 배송 스케쥴 및 이동 경로를 포함하는 배송 모델에 대한 예시이며, 수식 1과 같은 차량과 드론의 혼합 배송 모델을 풀어 드론과 차량의 배송 스케쥴 및 이동 경로에 대한 해를 얻을 수 있다.
그러나 본 발명은 하나의 드론 정거장과 하나의 물류센터로 구성되는 경우에 한정되지 않으며, 당업자는 수식 1을 확장시켜 다수의 드론 정거장과 물류센터의 드론과 차량에 대한 배송 모델을 구축할 수 있을 것이다.
다만, 수식 1과 같은 배송 모델을 풀어 드론과 차량의 배송 스케쥴 및 이동 경로에 대한 최적해를 도출해 내는 것은 차량과 드론의 배송 모델을 분리하여 구축한 후 해를 얻는 것에 비해 더 많은 시간이 소요된다.
따라서 앞서 설명한 바와 같이 분할 여부를 판단한 후 분할이 가능한 차량과 드론의 배송 모델을 분리하여 구축하고 구축된 배송 모델에서의 최적해를 각각 도출해 내는 것이 바람직하다.
수리 모델을 분할할 경우 차량 하나의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델은 상기 제약식 (1), (2), (6)-(12), (15)를 가지고 구축하면 된다. 이때 (2)의 경우 y 관련 변수는 고려하지 않으며 드론 배송 불가 고객들에 대해서만 고려할 수 있다. 즉 ∀j∈N에서 ∀j∈N-D로 바뀐 식을 바꾸면 된다. 그리고 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 통해 도출된 x 값을 다수개의 드론과 다수개의 차량에 대한 배송 모델에 대입한 뒤 문제를 풀면 다수개의 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축할 수 있다.
배송 모델 구축부는 지금까지 설명한 바와 같이 배송 모델 분할 판단부의 판단 결과에 따라 혼합 정수 계획법을 기반으로 하나 이상의 배송 모델을 구축하고 수식을 만족하는 복수 개의 해 중 배송 시간을 최소화하는 최적해를 구할 수 있다. 하지만 모든 해에 따른 배송 시간을 연산하고 이 중 가장 최소 배송 시간을 갖는 최적해를 도출하는 방법은 물류량 등의 조건에 따라 상당한 시간이 소요될 수도 있다. 따라서 이 경우 최적해를 도출하는데 소요되는 시간을 줄이기 위해서 미리 설정된 시간 이내에 도출된 해 중 배송 시간을 가장 최소화하는 해를 최적해로 도출하는 것과 같은 휴리스틱 방법론을 적용할 수 있다.
결과 출력부(140)는 구축된 배송 모델의 결과를 차량과 드론의 최적 경로 정보와 최단 시간 정보를 도 3 및 도 4와 같이 시각화하여 출력한다. 보다 자세하게 도 3에 도시된 최적 경로 정보는 차량이 물류 센터에서 출발하여 4번 고객에게 우선적으로 배송물을 배송한 뒤 2번 고객에게 배송을 완료하고 다시 물류 센터로 돌아오는 것을 알 수 있다. 반면에 드론은 1, 3, 5번 고객에게 배송물을 배송하면 되는 것을 알 수 있다. 그러나 이와 같은 최적 경로 정보에는 언제 고객에게 배송물을 배송해주는지에 대한 정보가 포함되어 있지 않다. 따라서, 도 4와 같은 최단 시간 정보를 통해 시간을 파악할 수 있다. 도 4에 도시된 최단 시간 정보는 차량의 경우 물류 센터에서 출발하여 4번 고객에게 우선적으로 배송을 완료하고, 4번 고객의 배송을 완료한 후 2번 고객에게 배송을 완료한다. 이후 다시 물류 센터로 복귀한다. 드론의 경우 차량이 4번 고객(드론 정거장)에 배송물을 배송한 이후에 운행을 시작하며, 5, 3, 1번 고객에게 순서대로 배송물을 배송하게 된다. 이때, 시간 축은 개별 고객에게 물건 배송이 완료되었을 때의 시간을 확인할 수 있게 되며, 배송 완료 시간도 함께 보여준다.
도 5는 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템에 채용되는 배송 모델 분할 판단부의 세부 구성을 설명하기 위한 도면이다.
도 5를 참조하여 설명하면, 본 발명에 따른 배송 모델 분할 판단부(120)는 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단한다.
이를 위해, 배송 모델 분할 판단부(120)는 고객 위치 파악부(121), 속력 비율 파악부(122), 드론 정거장 위치 파악부(123) 및 모델 분할 파악부(124)를 포함한다.
고객 위치 파악부(121)는 각 드론 정거장에 있어서 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보를 추출하고, 그 중 가장 멀리 위치한 고객의 위치 정보를 파악한다.
속력 비율 파악부(122)는 차량과 드론의 속력 정보를 추출하여, 차량과 드론의 속력 비율을 파악한다.
드론 정거장 위치 파악부(123)는 물류 센터와 각 드론 정거장의 위치 정보를 추출하여, 물류 센터에서 각 드론 정거장까지의 거리 정보를 파악한다.
모델 분할 파악부(124)는 배송 모델의 분할 여부를 파악한다.
모델 분할 파악부는 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 정거장의 드론이 해당 드론 정거장에서 배송해야 하는 물품을 고객에게 모두 배송할 수 있는지 여부를 기준으로 배송 모델의 분할 여부를 파악한다. 즉, 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 정거장의 드론이 배송을 모두 완료할 수 있는 경우 해당 드론 정거장에 대해서는 차량과 분리하여 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축할 수 있다. 그리고 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 정거장의 드론이 배송을 완료할 수 없을 경우 해당 드론 정거장에 대한 모델은 분리될 수 없고 차량과 드론의 혼합 배송 모델을 구축해야 한다.
모델 분할 여부를 파악하기 위해 모델 분할 파악부(124)는 예를 들어 각 드론 정거장에 있어서 드론의 보유 수가
Figure 112017074543892-pat00016
이상이고,
Figure 112017074543892-pat00017
을 만족하는지 여부로 배송 모델의 분할 여부를 파악할 수 있다.
여기서, N은 전체 고객 중 각 드론 정거장에서 배송 가능한 고객수, α는 드론 속력/차량 속력, τ0,s는 차량이 물류센터로부터 개별 드론 정거장까지 이동하는데 소요되는 시간, τs,Cmax는 차량이 드론 정거장에서 가장 멀리 떨어져 있는 고객까지 이동하는데 소요되는 시간을 의미한다.
도 6은 본 발명에 따른 드론을 활용한 통합 물류 운용 방법을 설명하기 위한 순서도이다.
도 6을 참조하여 설명하면, 본 발명에 따른 드론을 활용한 통합 물류 운용 방법은 앞서 설명한 드론을 활용한 통합 물류 운용 시스템을 이용하는 것으로 이하 중복되는 설명은 생략하기로 한다.
먼저, 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는다(S100).
S100 단계는 배송물 크기, 부피 및 무게 정보 중 적어도 어느 하나를 포함하는 배송물의 정보, 차량의 속력 및 드론의 속력 정보를 포함하는 배송 수단의 정보, 물류 센터 위치 정보와 물류 센터별 차량 보유 수를 포함하는 물류 센터 정보 및 드론 정거장 위치 정보와 드론 정거장별 드론 보유 수를 포함하는 드론 정거장 정보 중 적어도 어느 하나를 포함하는 배송 정보를 포함한다.
다음, 입력된 배송 정보를 토대로 드론 정거장별로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출한다(S110).
다음, 추출된 정보를 이용하여 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델의 분할 여부를 판단한다(S120).
S120 단계는 추출된 정보를 이용하여 개별 드론 정거장에 대해 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 정거장의 드론이 해당 드론 정거장에서 배송해야 하는 물품을 고객에게 모두 배송할 수 있는지 여부를 기준으로 배송 모델의 분할 여부를 파악한다
배송 모델 분할 여부를 파악하기 위해 S110 단계에서 추출한 드론 정거장을 기준으로 드론 배송 가능 지역에서 가장 멀리 있는 고객의 위치, 차량과 드론의 속력 비율, 물류 센터에서 드론 정거장까지의 거리 정보 등을 이용할 수 있으며, 예를 들어 각 드론 정거장에 있어서 드론의 보유 수가
Figure 112017074543892-pat00018
이상이고,
Figure 112017074543892-pat00019
을 만족하는지 여부로 배송 모델 분할 여부를 파악할 수 있다.
다음, 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축한다(S130).
S130 단계는 배송 모델의 분할 가능한 것으로 판단된 드론 정거장에 대해 다수개 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축하고, 배송 모델의 분할이 불가능한 것으로 판단된 드론 정거장에 대해 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 결합하여 구축하고, 모든 드론 정거장이 배송 모델의 분할이 가능한 것으로 판단된 경우 드론 정거장에 대해 다수개 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델 및 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 구축하고 구축된 배송 모델의 결과로서 배송 시간을 최소화하는 최적해를 도출한다.
본 발명에서는 최적해를 도출해 내기 위한 시간을 최소화하기 위해 배송 모델 분할 판단하고, 판단 결과에 따라 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 하나 이상을 포함하는 배송 모델을 구축하지만 그럼에도 불구하고 배송 시간을 최소화하는 최적해를 도출하기까지 소요되는 시간이 미리 설정된 시간 보다 긴 경우, 경우 미리 설정된 시간까지 도출된 해 중 배송 시간을 가장 최소화하는 해를 최적해로 도출하하는 것과 같은 휴리스틱 방법론을 적용할 수 있다. 마지막으로, 구축된 배송 모델의 결과로서 차량과 드론의 최적 경로 정보와 최단 시간 정보를 시각화하여 출력한다(S140).
도 7은 본 발명에 따른 드론을 활용한 통합 물류 운용 방법에서 배송 모델 분할을 판단하는 방법을 자세하게 설명하기 위한 순서도이다.
도 7을 참조하여 설명하면, 본 발명에 따른 배송 모델 분할을 판단하는 방법은 먼저, 각 드론 정거장의 보유 드론수, 각 드론 정거장에서 배송 가능한(배송해야 할) 고객 수, 배송 가능한 고객 중 드론 정거장에서 가장 멀리 위치한 고객의 위치 정보를 파악한다(S200).
다음, 차량과 드론의 속력 정보를 추출하여, 차량과 드론의 속력 비율을 파악한다(S210).
다음, 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 정거장의 드론이 해당 드론 정거장에서 배송해야 하는 물품을 고객에게 모두 배송할 수 있는지 여부를 기준으로 배송 모델의 분할 여부를 파악한다(S230).
보다 구체적으로 S230 단계에서 예를 들어 각 드론 정거장에 있어서 드론의 보유 수가
Figure 112017074543892-pat00020
이상이고,
Figure 112017074543892-pat00021
을 만족하는지 여부로 배송 모델의 분할 여부를 파악할 수 있다.
여기서, N은 전체 고객 중 각 드론 정거장에서 배송 가능한 고객수, α는 드론 속력/차량 속력, τ0,s는 차량이 물류센터로부터 개별 드론 정거장까지 이동하는데 소요되는 시간, Cmax는 드론 배송 가능 고객 중 가장 멀리 떨어져 있는 고객, τs,Cmax는 차량이 드론 정거장에서 가장 멀리 떨어져 있는 고객까지 이동하는데 소요되는 시간을 의미한다.
다음, S230 단계의 비교 결과 드론 정거장의 드론 보유 수가
Figure 112017074543892-pat00022
이상이고,
Figure 112017074543892-pat00023
을 만족할 경우 해당 드론 정거장에 대한 배송 모델의 분할이 가능한 것으로 판단한다(S240).
한편, S230 단계의 비교 결과 드론 정거장의 드론 보유 수가
Figure 112017074543892-pat00024
이상이고,
Figure 112017074543892-pat00025
을 만족하지 않을 경우 해당 드론 정거장에 대한 배송 모델의 분할이 불가능한 것으로 판단한다(S250).
이처럼, 본 발명에 따른 드론을 활용한 통합 물류 운용 시스템 및 방법은 드론의 충전 및 보급이 가능한 드론 정거장을 구축함으로써, 드론을 활용할 수 있는 위치의 폭이 넓어져 기존의 차량을 사용하는 물류 시스템의 한계를 극복할 수 있다.
또한, 본 발명은 드론으로 배송 가능한 고객 중 가장 멀리 있는 고객의 위치와, 차량과 드론의 속력 비율 및 물류 센터에서 가장 멀리 있는 드론 정거장 위치를 토대로 복수의 드론과 차량의 스케쥴링 및 경로 결정 모델의 분할 여부를 파악하여, 사용자에게 물류 운용을 용이하게 하는 의사 결정 정보를 제공함으로써, 기존의 물류 시스템의 한계를 극복하기 위한 실현 가능한 시나리오를 생성하여 빠르게 변화하는 물류 기술에 탄력적으로 대응할 수 있다.
또한, 본 발명은 배송이 끝나는 시간을 최소화하는 복수의 드론과 차량의 스케쥴링 및 경로 결정 모델의 분석 결과를 경로 중심 및 시간 중심으로 각각 시각화함으로써, 최적화된 배송 경로와 시간 정보를 파악할 수 있다.
이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 혹은 이들 중 하나 이상이 조합에서 구현 가능하다.
본 명세서에서 기술하는 주제의 실시형태는 하나 이상이 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 혹은 그 동작을 제어하기 위하여 유형의 프로그램 매체 상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상이 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 혹은 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 혹은 이들 중 하나 이상이 조합일 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.
컴퓨터 프로그램은 파일 장치의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상이 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상이 스크립트) 내에 저장될 수 있다.
컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
부가적으로, 본 특허문헌에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 구축하는 데에도 사용 가능하다.
본 명세서에서 기술하는 프로세스와 논리 흐름은 입력 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상이 컴퓨터 프로그램을 실행하는 하나 이상이 프로그래머블 프로세서에 의하여 수행 가능하다.
컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 종류의 디지털 컴퓨터의 어떠한 하나 이상이 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 혹은 양자로부터 명령어와 데이터를 수신할 것이다.
컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상이 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상이 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 혹은 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.
또한 설명의 편의를 위해 하나의 드론이 한 명의 고객에게 배송을 하거나 드론 정거장에 하나의 드론이 위치하는 것으로 가정하여 한정되게 설명하였으나 하나의 드론 정거장에 다수의 드론이 존재하며, 하나의 드론이 다수의 고객에게 순차적으로 배송하는 것으로 확장 적용될 수 있음을 용이하게 이해할 수 있을 것이다.
따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있음에 주의한다.
10 : 물류 센터
30 : 드론 정거장
40 : 드론
100 : 드론을 활용한 통합 물류 운용 시스템
110 : 배송 정보 입력부
120 : 배송 모델 분할 판단부
130 : 배송 모델 구축부
140 : 결과 출력부

Claims (13)

  1. 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는 배송 정보 입력부;
    입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 드론 정거장의 드론이 해당 드론 정거장에서 배송해야 하는 물품을 고객에게 모두 배송할 수 있는지 여부를 계산하고 계산 결과를 기준으로 드론만을 이용하는 배송 모델의 분할 구축이 가능한지 여부를 판단하는 배송 모델 분할 판단부; 및
    배송 모델의 분할 구축 가능 여부 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 배송 모델 구축부;
    를 포함하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 시스템.
  2. 제1항에 있어서,
    상기 배송 정보 입력부는 배송물 크기, 부피 및 무게 정보 중 적어도 어느 하나를 포함하는 배송물의 정보, 차량의 속력 및 드론의 속력 정보를 포함하는 배송 수단의 정보, 물류 센터 위치 정보와 물류 센터별 차량 보유 수를 포함하는 물류 센터 정보 및 드론 정거장 위치 정보와 드론 정거장별 드론 보유 수를 포함하는 드론 정거장 정보 중 적어도 어느 하나를 포함하는 배송 정보를 입력받는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 시스템.
  3. 삭제
  4. 제1항에 있어서,
    상기 배송 모델 분할 판단부는,
    배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보를 추출하여, 드론 정거장에서 가장 멀리 위치한 고객의 위치 정보를 파악하는 고객 위치 파악부;
    차량과 드론의 속력 정보를 추출하여, 차량과 드론의 속력 비율을 파악하는 속력 비율 파악부;
    물류 센터와 드론 정거장의 위치 정보를 추출하여, 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 파악하는 드론 정거장 위치 파악부; 및
    가장 멀리 위치한 고객의 위치 정보, 차량과 드론의 속력 비율 및 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 토대로 배송 모델의 분할 여부 파악하는 모델 분할 파악부;
    를 포함하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 시스템.
  5. 제4항에 있어서,
    상기 모델 분할 파악부는 드론 정거장의 드론 보유 수가
    Figure 112018069980612-pat00026
    이상이고,
    Figure 112018069980612-pat00027
    을 만족할 경우 모델 분할이 가능한 것으로 파악하고, 드론 정거장의 드론 보유 수가
    Figure 112018069980612-pat00028
    이상이고,
    Figure 112018069980612-pat00029
    을 만족하지 않은 경우 모델 분할이 불가능한 것으로 파악하며, N은 전체 고객 중 각 드론 정거장에서 배송 가능한 고객수, α는 드론 속력/차량 속력, τ0,s는 차량이 물류센터로부터 개별 드론 정거장까지 이동하는데 소요되는 시간, τs,Cmax는 차량이 드론 정거장에서 가장 멀리 떨어져 있는 고객까지 이동하는데 소요되는 시간인 것을 특징으로 하는 통합 물류 운용 시스템.
  6. 제1항에 있어서,
    상기 배송 모델 구축부는 배송 모델의 분할이 불가능한 것으로 판단되면 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 결합하여 구축하고, 배송 모델의 분할이 가능한 것으로 판단되면 다수개의 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 분할하여 각각 구축하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 시스템.
  7. 제1항에 있어서,
    구축된 배송 모델의 결과로서 차량과 드론의 최적 경로 정보와 최단 시간 정보를 시각화하여 출력하는 결과 출력부를 더 포함하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 시스템.
  8. 배송 정보 입력부에 의해, 배송물을 수령하는 고객들의 위치 정보, 배송물의 정보, 배송물을 배송하는 배송 수단의 정보, 물류 센터 정보 및 드론 정거장 정보를 포함하는 배송 정보를 입력받는 단계;
    배송 모델 분할 판단부에 의해, 입력된 배송 정보를 토대로 배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보, 차량과 드론의 속력 정보 및 물류 센터와 드론 정거장의 위치 정보를 추출하고, 추출된 정보를 이용하여 차량이 드론 정거장에서 물류 센터에 도달하는 시간 내에 해당 드론 정거장의 드론이 해당 드론 정거장에서 배송해야 하는 물품을 고객에게 모두 배송할 수 있는지 여부를 계산하고 계산 결과를 기준으로 드론만을 이용하는 배송 모델의 분할 구축이 가능한지 여부를 판단하는 단계; 및
    배송 모델 구축부에 의해, 배송 모델 분할 구축 가능 여부 판단 결과에 따라, 다수개의 드론과 다수개의 차량에 대한 배송 모델, 다수개의 드론에 대한 배송 모델 및 다수개의 차량에 대한 배송 모델 중 어느 하나를 포함하는 배송 모델을 구축하는 단계;
    를 포함하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 방법.
  9. 삭제
  10. 제8항에 있어서,
    상기 배송 모델의 분할 여부를 판단하는 단계는,
    배송물을 드론으로 배송 가능한 지역에 위치한 고객의 위치 정보를 추출하여, 드론 정거장에서 가장 멀리 위치한 고객의 위치 정보를 파악하는 단계;
    차량과 드론의 속력 정보를 추출하여, 차량과 드론의 속력 비율을 파악하는 단계;
    물류 센터와 드론 정거장의 위치 정보를 추출하여, 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 파악하는 단계; 및
    가장 멀리 위치한 고객의 위치 정보, 차량과 드론의 속력 비율 및 물류 센터에서 가장 멀리 위치한 드론 정거장의 위치 정보를 토대로 배송 모델의 분할 여부를 파악하는 단계;
    를 포함하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 방법.
  11. 제8항에 있어서,
    상기 배송 모델의 분할 여부를 파악하는 단계는,
    드론 정거장의 드론 보유 수가
    Figure 112018069980612-pat00030
    이상이고,
    Figure 112018069980612-pat00031
    을 만족할 경우 모델 분할이 가능한 것으로 파악하고, 드론 정거장의 드론 보유 수가
    Figure 112018069980612-pat00032
    이상이고,
    Figure 112018069980612-pat00033
    을 만족하지 않은 경우 모델 분할이 불가능한 것으로 파악하며, N은 전체 고객 중 각 드론 정거장에서 배송 가능한 고객수, α는 드론 속력/차량 속력, τ0,s는 차량이 물류센터로부터 개별 드론 정거장까지 이동하는데 소요되는 시간, τs,Cmax는 차량이 드론 정거장에서 가장 멀리 떨어져 있는 고객까지 이동하는데 소요되는 시간인 것을 특징으로 하는 드론을 활용한 통합 물류 운용 방법.
  12. 제8항에 있어서,
    상기 배송 모델을 구축하는 단계는,
    배송 모델의 분할이 불가능한 것으로 판단되면 다수개의 드론과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 결합하여 구축하고, 배송 모델의 분할이 가능한 것으로 판단되면 다수개의 드론의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델과 다수개의 차량의 배송 스케쥴 및 이동 경로를 포함하는 배송 모델을 분할하여 각각 구축하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 방법.
  13. 제8항에 있어서,
    상기 배송 모델을 구축하는 단계 이후에, 구축된 배송 모델의 결과를 차량과 드론의 최적 경로 정보와 최단 시간 정보를 시각화하여 출력하는 단계를 더 포함하는 것을 특징으로 하는 드론을 활용한 통합 물류 운용 방법.
KR1020170097975A 2017-08-02 2017-08-02 드론을 활용한 통합 물류 운용 시스템 및 그 방법 KR101924729B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170097975A KR101924729B1 (ko) 2017-08-02 2017-08-02 드론을 활용한 통합 물류 운용 시스템 및 그 방법
PCT/KR2018/008731 WO2019027247A1 (ko) 2017-08-02 2018-08-01 드론을 활용한 통합 물류 운용 시스템 및 그 방법
US16/636,308 US20200307785A1 (en) 2017-08-02 2018-08-01 System and method for providing total logistic using drone

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170097975A KR101924729B1 (ko) 2017-08-02 2017-08-02 드론을 활용한 통합 물류 운용 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101924729B1 true KR101924729B1 (ko) 2018-12-03

Family

ID=64743278

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170097975A KR101924729B1 (ko) 2017-08-02 2017-08-02 드론을 활용한 통합 물류 운용 시스템 및 그 방법

Country Status (3)

Country Link
US (1) US20200307785A1 (ko)
KR (1) KR101924729B1 (ko)
WO (1) WO2019027247A1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220014281A (ko) 2020-07-28 2022-02-04 주식회사 라젠 유인 및 무인 항공기를 이용한 ai 및 빅데이터 기반의 배달, 배송, 유통 및 운송 통합 서비스 플랫폼 시스템
KR102388898B1 (ko) * 2021-06-10 2022-04-20 고병수 축산농가의 사료공급 관리서버
KR102422563B1 (ko) 2021-07-01 2022-07-20 주식회사 동국 완성차 부품 긴급물류 대응을 위한 드론운송 시스템 및 방법
KR20220104970A (ko) * 2021-01-19 2022-07-26 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템
KR20220112357A (ko) * 2021-02-04 2022-08-11 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 배송 위치 클러스터링을 이용한 운송 수단 및 드론의 스케줄링 최적화 방법 및 시스템
KR20230023074A (ko) 2021-08-09 2023-02-17 김재모 운송 드론을 이용한 물류 통합 관리 시스템 및 그 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10353388B2 (en) * 2016-10-17 2019-07-16 X Development Llc Drop-off location planning for delivery vehicle
CN113326989A (zh) * 2021-06-15 2021-08-31 北京沃东天骏信息技术有限公司 一种车辆路线优化的方法和系统
CN114819785B (zh) * 2022-01-25 2024-07-23 重庆邮电大学 一种基于强化学习的陆空联合轨迹优化与资源分配方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004018158A2 (en) * 2002-08-21 2004-03-04 Neal Solomon Organizing groups of self-configurable mobile robotic agents
US7587345B2 (en) * 2003-03-03 2009-09-08 Simondelivers.Com, Inc. Residential delivery system and method
US9494937B2 (en) * 2014-06-20 2016-11-15 Verizon Telematics Inc. Method and system for drone deliveries to vehicles in route
US20160048802A1 (en) * 2014-08-13 2016-02-18 Tianyu Luwang Transportation planning for a regional logistics network
KR102345417B1 (ko) * 2014-12-29 2021-12-30 엘지이노텍 주식회사 무인 물류 이송 장치 및 이를 지원하는 통신 장치
KR101678772B1 (ko) * 2015-03-09 2016-11-22 주식회사 비씨엘소프트 무인 비행체를 이용한 소화물 운송 시스템 및 이를 이용한 소화물 운송서비스의 제공방법
US20180096287A1 (en) * 2015-04-24 2018-04-05 Amazon Technologies, Inc. Re-routing a delivery agent to improve the efficiency of transporting packages
KR20160142017A (ko) * 2015-06-02 2016-12-12 엘지전자 주식회사 드론을 이용한 물품배송 시 인증 방법
US10867277B2 (en) * 2015-07-08 2020-12-15 Ebay Inc. Public transport infrastructure facilitated drone delivery
KR101758093B1 (ko) * 2015-09-21 2017-07-14 숭실대학교산학협력단 무인항공기 제어 시스템 및 방법
KR20170050890A (ko) * 2015-11-02 2017-05-11 씨제이대한통운 (주) 드론을 이용한 물품 분할배송 통합 관리 서버 및 물품 분할배송 드론
US10401873B2 (en) * 2015-11-23 2019-09-03 Almog Rescuesystems Ltd. System and method for payload dispersion using UAVs
GB2564291A (en) * 2016-02-09 2019-01-09 Ford Global Tech Llc Taxi of unmanned aerial vehicles during package delivery
US11572166B2 (en) * 2016-03-16 2023-02-07 Fujitsu Limited Unmanned aerial vehicle operation systems
US10553122B1 (en) * 2016-03-22 2020-02-04 Amazon Technologies, Inc. Unmanned aerial vehicle data collection for routing
US9792576B1 (en) * 2016-10-24 2017-10-17 International Business Machines Corporation Operating a plurality of drones and trucks in package delivery
WO2018094019A1 (en) * 2016-11-16 2018-05-24 Staples, Inc. Autonomous multimodal logistics
US10324462B2 (en) * 2016-12-30 2019-06-18 Intel Corporation Drone swarm for increased cargo capacity
US20210319398A1 (en) * 2017-02-22 2021-10-14 Simpler Postage, Inc. Method and system for aggregate shipping
US20180300834A1 (en) * 2017-04-17 2018-10-18 Walmart Apollo, Llc Systems and methods for delivering merchandise using autonomous ground vehicles and unmanned aerial vehicles
US10380667B2 (en) * 2017-06-07 2019-08-13 International Business Machines Corporation Collaborative delivery device

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220014281A (ko) 2020-07-28 2022-02-04 주식회사 라젠 유인 및 무인 항공기를 이용한 ai 및 빅데이터 기반의 배달, 배송, 유통 및 운송 통합 서비스 플랫폼 시스템
KR20220014271A (ko) 2020-07-28 2022-02-04 주식회사 라젠 유인 및 무인 항공기를 이용한 ai 및 빅데이터 기반의 배달, 배송, 유통 및 운송 통합 서비스 플랫폼 시스템
KR20220104970A (ko) * 2021-01-19 2022-07-26 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템
KR102532433B1 (ko) 2021-01-19 2023-05-12 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템
KR20220112357A (ko) * 2021-02-04 2022-08-11 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 배송 위치 클러스터링을 이용한 운송 수단 및 드론의 스케줄링 최적화 방법 및 시스템
KR102499502B1 (ko) * 2021-02-04 2023-02-13 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 배송 위치 클러스터링을 이용한 운송 수단 및 드론의 스케줄링 최적화 방법 및 시스템
KR102388898B1 (ko) * 2021-06-10 2022-04-20 고병수 축산농가의 사료공급 관리서버
KR102422563B1 (ko) 2021-07-01 2022-07-20 주식회사 동국 완성차 부품 긴급물류 대응을 위한 드론운송 시스템 및 방법
KR20230023074A (ko) 2021-08-09 2023-02-17 김재모 운송 드론을 이용한 물류 통합 관리 시스템 및 그 방법

Also Published As

Publication number Publication date
US20200307785A1 (en) 2020-10-01
WO2019027247A1 (ko) 2019-02-07

Similar Documents

Publication Publication Date Title
KR101924729B1 (ko) 드론을 활용한 통합 물류 운용 시스템 및 그 방법
Tamke et al. A branch-and-cut algorithm for the vehicle routing problem with drones
Manchella et al. Flexpool: A distributed model-free deep reinforcement learning algorithm for joint passengers and goods transportation
Li et al. Two-echelon vehicle routing problem with time windows and mobile satellites
Shavarani et al. A congested capacitated multi-level fuzzy facility location problem: An efficient drone delivery system
Masmoudi et al. Vehicle routing problems with drones equipped with multi-package payload compartments
CN112418497B (zh) 一种面向制造物联的物料配送路径优化方法
Bakach et al. A two‐tier urban delivery network with robot‐based deliveries
Liu et al. An iterative two-phase optimization method based on divide and conquer framework for integrated scheduling of multiple UAVs
CN107798423A (zh) 基于多种智能算法的车辆路径规划仿真实验平台
Wu et al. Autonomous Last‐Mile Delivery Based on the Cooperation of Multiple Heterogeneous Unmanned Ground Vehicles
Kuo et al. Applying NSGA-II to vehicle routing problem with drones considering makespan and carbon emission
Liu et al. A scheduling decision support model for minimizing the number of drones with dynamic package arrivals and personalized deadlines
Guney et al. Scheduling‐Based Optimization for Motion Coordination of Autonomous Vehicles at Multilane Intersections
Ponda et al. Predictive planning for heterogeneous human-robot teams
Shi et al. A collision-free path planning algorithm for unmanned aerial vehicle delivery
Abualola et al. A matching game-based crowdsourcing framework for last-mile delivery: Ground-vehicles and unmanned-aerial vehicles
Long et al. Dynamic truck–uav collaboration and integrated route planning for resilient urban emergency response
Faiz et al. A robust optimization framework for two‐echelon vehicle and UAV routing for post‐disaster humanitarian logistics operations
Omagari et al. Provisional-ideal-point-based multi-objective optimization method for drone delivery problem
Elgarej et al. Route optimization for school bus scheduling problem based on a distributed ant colony system algorithm
Paraphantakul et al. Scheduling deliveries with backhauls in Thailand's cement industry
Hasuike et al. A route recommendation system for sightseeing with network optimization and conditional probability
Mouhcine et al. An internet of things (IOT) based smart parking routing system for smart cities
CN111652552B (zh) 一种用于物流订单运输规划方法、系统及装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant