KR102041971B1 - Cloud delivery service system using optimal delivery path pattern mining learning method - Google Patents

Cloud delivery service system using optimal delivery path pattern mining learning method Download PDF

Info

Publication number
KR102041971B1
KR102041971B1 KR1020180053030A KR20180053030A KR102041971B1 KR 102041971 B1 KR102041971 B1 KR 102041971B1 KR 1020180053030 A KR1020180053030 A KR 1020180053030A KR 20180053030 A KR20180053030 A KR 20180053030A KR 102041971 B1 KR102041971 B1 KR 102041971B1
Authority
KR
South Korea
Prior art keywords
delivery
route
cost
modeling
unit
Prior art date
Application number
KR1020180053030A
Other languages
Korean (ko)
Inventor
오영
Original Assignee
주식회사 모베이스
오영
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 주식회사 모베이스, 오영 filed Critical 주식회사 모베이스
Priority to KR1020180053030A priority Critical patent/KR102041971B1/en
Application granted granted Critical
Publication of KR102041971B1 publication Critical patent/KR102041971B1/en

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a cloud delivery service system. The cloud delivery service system comprises: a smart delivery management system ordering delivery by issuing a label to be attached to a logistics box, constituting routing setting modeling of the least expense delivery path for delivery, calculating and providing a delivery path and costs using the constituted routing setting modeling of the least expense delivery path, and calculating costs generated by the delivery; a shipper company terminal receiving the issued label in remote from the smart delivery management system and scanning a label of a logistics box corresponding to an order history for delivery to connect the order history with the logistics box; and a delivery company terminal registering a main driving path in the smart delivery management system and receiving the calculated information of the delivery path and costs.

Description

최적 배송경로 패턴 마이닝 학습 방법을 이용한 클라우드 배송 서비스 시스템{CLOUD DELIVERY SERVICE SYSTEM USING OPTIMAL DELIVERY PATH PATTERN MINING LEARNING METHOD}CLOUD DELIVERY SERVICE SYSTEM USING OPTIMAL DELIVERY PATH PATTERN MINING LEARNING METHOD}

본 발명의 실시예는 최적 배송경로 패턴 마이닝 학습 방법을 이용한 클라우드 배송 서비스 시스템에 관한 것이다.An embodiment of the present invention relates to a cloud delivery service system using an optimal delivery path pattern mining learning method.

최근 온라인 상거래의 폭발적인 증가로 최종 물류거점에서 목적지까지 배송하는 물류의 비중이 높아지고 있다.Recently, due to the explosion of online commerce, the proportion of logistics that delivers from the final logistics base to the destination is increasing.

이러한 최종 목적지 배송물류 비용은 전체 물류비의 30 ~ 50%를 차지하고 있으며, 특히 배송 물량이 증가할수록 효율성 개선이 쉽지 않아서 이 구간의 배송효율이 필요한 실정이다.These final destination shipping logistics costs account for 30-50% of the total logistics costs, and in particular, as the shipment volume increases, the efficiency improvement is not easy and thus the shipping efficiency of this section is required.

또한, 최근에는 보건복지부 산하 건강보험심사평가원이 2018년 3월부터 의약품 유통 묶음번호 시범사업을 시작으로 '의약품 유통업체 일련번호 제도'의 본격 시행에 돌입하였으며, 2019년 1월부터는 본 제도의 의무화 시행으로 행정처분이 예정되어 있어 의약품 유통업계는 이에 대한 대응으로 택배 물류비의 절감이 절실한 상황이다.Recently, the Health Insurance Review and Assessment Service under the Ministry of Health and Welfare began to implement the `` Drug Distribution Serial Number System '' in March 2018, starting with the drug distribution bundle number pilot project. As administrative measures are scheduled for implementation, the pharmaceutical distribution industry is in urgent need to reduce the parcel delivery costs.

아울러, 한국의약품유통업협동조합은 전문배송업체와 업무제휴 및 아웃소싱 등의 방법으로 물류비 증가의 부담을 효율화하기 위한 방안을 추진 중이다.In addition, the Korea Pharmaceutical Distribution Cooperative is pursuing a plan to streamline the burden of logistics cost increase through specialized alliances and outsourcing.

한편, 환경부의 자료에 따르면 배송분야가 배출하는 미세먼지 및 온실가스는 전체 배출량 중 29%로 가장 큰 비중을 차지하고 있으며, 주로 대도시에 집중되고 있는 택배 차량의 운행 효율을 높이면 도시교통 체증 해소와 택배 차량의 유류비 절감뿐만 아니라 탄소 저감에 따른 미세먼지 환경 개선에 기여할 수 있다.Meanwhile, according to the Ministry of Environment's data, fine dust and greenhouse gases emitted by the shipping sector account for 29% of the total emissions.Increasing the operating efficiency of express delivery vehicles concentrated in large cities mainly solves urban traffic congestion and deliveries. In addition to reducing the fuel cost of vehicles, it can contribute to improving the fine dust environment by reducing carbon.

따라서, 이와 같이 배송을 최적화 할 수 있는 배송 방법 및 시스템에 대한 요구가 높아지고 있다.Therefore, there is a growing demand for a delivery method and system that can optimize delivery in this way.

본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따르면 기업물류의 다품종 소량화에 대비하여 복화운송 처리 특성에 최적화된 최저비용 경로생성 학습 알고리즘 기술을 이용하여, 실제 배송현실을 반영하여 지속적으로 최소비용을 도출해내는 딥러닝 기법의 인공지능기술을 운송관리분야에 적용하고자 한다.The present invention has been made to solve the above-described problem, according to the present invention reflects the actual delivery reality by using the lowest cost path generation learning algorithm technology optimized for the characteristics of the complex transport process in preparation for the reduction of the multi-variate of corporate logistics Therefore, we will apply artificial intelligence technology of deep learning technique to continuously derive minimum cost in transportation management field.

또한, 본 발명에 따르면 도로 교통 환경변화와 날씨, 반품 및 시간 재지정 배송 요청에 대해 다수 목적지 배송경로 라우팅을 실시간으로 재설정하여 최적화된 배송 효율을 제공하고, 클라우드 배송과 스마트폰 앱을 지원하는 배송 서비스 플랫폼을 제공하며, 동일 배송지에 대해 다수의 화주기업에서 복수로 표기되어 요청된 주소를 배송지 표준 주소로 정정할 수 있는 패턴매칭 주소보정 시스템을 제공하고자 한다.In addition, according to the present invention, in order to change the road traffic environment and weather, return and rescheduled delivery request in real time by resetting a plurality of destination delivery route routing to provide optimized delivery efficiency, shipping that supports cloud delivery and smartphone apps It provides a service platform and provides a pattern matching address correction system that can correct the requested address to a standard address of a delivery address, which is indicated by a plurality of shipper companies for the same delivery address.

또한, 본 발명에 따르면 최종물류구간 배송 효율향상 및 기업 배송 원가절감에 기여하여 기업 물류패러다임을 변화시키고, '의약품 일련번호 제도'에 따라 의약품 위탁재고 관리 및 유통 투명화가 요구되는 제약업체와 도소매 유통점과 같은 제약업계의 유통 및 배송관리 활성화에 기여하고자 한다.In addition, according to the present invention, pharmaceutical companies and wholesale and retail outlets that require a change in the corporate logistics paradigm by contributing to the improvement of the distribution efficiency of the final logistics section and the reduction of corporate delivery cost, and the management of drug consignment inventory and the transparency of distribution are required according to the 'medical product serial number system'. To contribute to the vitalization of distribution and delivery management in the pharmaceutical industry.

또한, 본 발명에 따르면 근교에 대단위 물류거점이 포진해 있고 수많은 유통 도소매상이 시내에서 영업중인 서울과 같은 대도시의 효율적인 배송경로 관리에 따른 교통체증 해소와 배기가스 감소와 에너지 절감에도 기여하고자 한다.In addition, according to the present invention, there is a large logistics base in the suburbs and numerous distribution wholesalers and retailers are contributing to congestion, reduction of exhaust gas, and energy saving according to efficient delivery route management in large cities such as Seoul.

전술한 문제를 해결하기 위한 본 발명의 일실시예에 따른 클라우드 배송 서비스 시스템은 물류박스에 부착할 라벨을 발행하여 배송을 발주하고, 상기 배송을 위한 최소비용 배송경로의 라우팅 설정 모델링을 구성하고, 상기 구성한 최소비용 배송경로의 라우팅 설정 모델링을 이용해 배송경로와 비용을 산출하여 제공하고, 상기 배송에 의해 발생한 비용을 정산하는 스마트 배송관리 시스템; 상기 스마트 배송관리 시스템으로부터 원격으로 상기 라벨을 발행받고, 상기 배송을 위한 발주내역에 해당하는 물류박스의 라벨을 스캔하여 상기 발주내역을 상기 물류박스에 연동하는 화주기업 단말; 및 상기 스마트 배송관리 시스템에 주요 운행경로를 등록하고, 상기 배송경로와 상기 비용의 산출 정보를 수신하는 배송업체 단말;을 포함한다.Cloud delivery service system according to an embodiment of the present invention for solving the above problems is to issue a label to be attached to the distribution box to order the delivery, to configure the routing setting modeling of the least-cost delivery path for the delivery, A smart delivery management system that calculates and provides a delivery route and a cost by using the routing setting modeling of the configured least cost delivery route, and calculates a cost incurred by the delivery; A shipper company terminal that receives the label remotely from the smart delivery management system and scans the label of the distribution box corresponding to the order for delivery to link the order to the distribution box; And a shipping company terminal that registers a main driving route in the smart delivery management system and receives calculation information of the shipping route and the cost.

본 발명의 다른 일실시예에 따르면, 상기 스마트 배송관리 시스템은 물류박스에 부착할 라벨을 발행하여 배송을 발주하는 배송 발주 처리부; 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하는 최적 경로 생성부; 상기 구성한 최소비용 배송경로의 라우팅 설정 모델링을 이용해 배송경로와 비용을 산출하여 제공하는 배송정보 제공부; 및 상기 배차 지시에 의한 배송에 의해 발생한 비용을 정산하는 정산 처리부;를 포함할 수 있다.According to another embodiment of the present invention, the smart delivery management system is issued a label to be attached to the distribution box shipping order processing unit for placing the order; An optimal path generation unit for configuring routing setting modeling of the least cost delivery path based on deep learning reinforcement learning; A delivery information providing unit configured to calculate and provide a delivery route and a cost by using the routing setting modeling of the configured least cost delivery route; And a settlement processing unit for calculating a cost incurred by delivery according to the dispatch instruction.

본 발명의 다른 일실시예에 따르면, 상기 최적 경로 생성부는 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하거나, 지역별 최소비용 복수 배송경로의 라우팅 설정 모델링을 구성하고, 숙련된 운전자의 실제 배송경로를 상기 라우팅 설정 모델링의 재학습에 반영하는 모델링 구성부; 배송 중 변동요청에 따라 상기 배송경로를 재설정하는 배송경로 재설정부; 및 상기 배송에 사용되는 복수로 표기된 배송주소를 해시테이블을 이용해 표준주소로 수정하는 배송주소 보정부;를 포함할 수 있다.According to another embodiment of the present invention, the optimal path generation unit configures the routing setting modeling of the least cost delivery route based on deep learning reinforcement learning, or configures the routing setting modeling of the least cost multiple delivery route for each region, A modeling component that reflects a driver's actual delivery path to the re-learning of the routing setting modeling; A delivery route reset unit for resetting the delivery route according to a change request during delivery; And a shipping address correction unit for correcting a plurality of shipping addresses used for the delivery to a standard address using a hash table.

본 발명의 다른 일실시예에 따르면, 상기 모델링 구성부는 배차된 차량의 배송요건을 입력하고, 상기 배송요건에 따라 실행된 배송에 대해 보상을 부여하며, 상기 실행된 다수의 배송에 기초하여, 최소비용에 해당하는 복수개의 목적지 배송경로를 생성하는 최소비용 배송경로 모델링부; 차량 수에 따라 배송지역을 분할하고, 상기 분할된 배송지역에 각 차량별 배송 경로를 설정하며, 상기 배송지역별로 차량을 순환 배치하여, 상기 배송지역별 배차에 따른 소요비용을 산출하고, 소요비용이 최소비용에 해당하는 복수개의 배송경로를 생성하는 다중 배송경로 모델링부; 및 일정기간 이상 숙련된 운전자의 배송경로를 현재 적용중인 모델링으로 검증하여 소요 비용을 산출하고, 상기 숙련된 운전자의 배송경로를 학습 데이터로 반영하여 상기 모델링을 업그레이드하는 모델링 재학습부;를 포함할 수 있다.According to another embodiment of the present invention, the modeling component inputs a delivery requirement of the dispatched vehicle, awards compensation for delivery performed according to the delivery requirement, and based on the plurality of delivery performed, the minimum A minimum cost delivery path modeling unit generating a plurality of destination delivery paths corresponding to the costs; The delivery area is divided according to the number of vehicles, the delivery route for each vehicle is set in the divided delivery area, and the vehicles are circulated for each delivery area to calculate the required cost according to the distribution for each delivery area, and the required cost is A multiple delivery route modeling unit generating a plurality of delivery routes corresponding to a minimum cost; And a modeling re-learning unit for verifying a delivery route of an experienced driver for a predetermined period or more by modeling that is currently applied, calculating a required cost, and upgrading the modeling by reflecting the delivery route of the experienced driver as learning data. Can be.

본 발명의 다른 일실시예에 따르면, 상기 배송경로 재설정부는 배송중 차량에 대한 변동요청을 수신하면, 차량의 현재 위치를 확인하고, 상기 차량의 배송경로를 실시간으로 재설정하여, 상기 재설정된 배송경로를 상기 배송업체 단말로 제공할 수 있다.According to another embodiment of the present invention, when the delivery route resetting unit receives a change request for the vehicle during delivery, confirms the current position of the vehicle, resets the delivery route of the vehicle in real time, and resets the reset delivery route. May be provided to the delivery company terminal.

본 발명의 다른 일실시예에 따르면, 상기 배송주소 보정부는 상기 배송주소를 도로명주소로 정정하고, 상기 도로명주소의 중복을 제거하여 해시테이블을 구성하며, 상기 해시테이블의 복수로 표기된 배송주소를 정정하고, 상기 해시테이블의 불명주소를 제거하며, 상기 해시테이블의 배송주소에 GPS 좌표값을 매칭하는 해시테이블 구축부; 및 상기 배송주소를 거점 물류센터 별로 분류하고, 상기 거점 물류센터 별로 분류된 배송주소를 패턴매칭 주소보정 방법을 이용해 보정하며, 상기 보정된 배송주소에서 불명주소를 제거하는 해시테이블 지원부;를 포함할 수 있다.According to another embodiment of the present invention, the delivery address correcting unit corrects the delivery address to a road name address, removes duplicates of the road name address, constructs a hash table, and corrects a delivery address represented by a plurality of hash tables. A hash table constructing unit for removing unknown addresses of the hash table and matching GPS coordinates to delivery addresses of the hash table; And a hash table support unit for classifying the delivery addresses by base distribution centers, correcting delivery addresses classified by base distribution centers using a pattern matching address correction method, and removing unknown addresses from the corrected delivery addresses. Can be.

본 발명의 다른 일실시예에 따르면, 상기 배송업체 단말은 상기 스마트 배송관리 시스템에 주요 운행경로를 등록하고, 상기 배송경로와 상기 비용의 산출 정보를 수신하여 상기 배송에 입찰하고, 상기 스마트 배송관리 시스템은 선순위의 입찰에 의해 상기 배송을 낙찰할 수 있다.According to another embodiment of the present invention, the delivery company terminal registers a main driving route in the smart delivery management system, receives the delivery route and the calculation information of the cost, bids on the delivery, and manages the smart delivery. The system may win the delivery by priority bid.

본 발명의 다른 일실시예에 따르면, 상기 배송업체 단말은 배송 목적지의 건물에 접근시 위치기반 알림을 제공받고, 상기 스마트 배송관리 시스템으로부터 상기 배송에 따른 실적을 제공받을 수 있다.According to another embodiment of the present invention, the delivery company terminal may be provided with a location-based notification when approaching the building of the delivery destination, the performance of the delivery from the smart delivery management system.

본 발명의 실시예에 따르면 기업물류의 다품종 소량화에 대비하여 복화운송 처리 특성에 최적화된 최저비용 경로생성 학습 알고리즘 기술을 이용하여, 실제 배송현실을 반영하여 지속적으로 최소비용을 도출해내는 딥러닝 기법의 인공지능기술을 운송관리분야에 적용할 수 있다.According to an embodiment of the present invention, a deep learning technique that continuously derives the minimum cost by reflecting the actual delivery reality by using the lowest cost path generation learning algorithm technology optimized for the multiple transport processing characteristics in preparation for the small quantity of the corporate logistics. AI technology can be applied to transportation management field.

또한, 본 발명의 실시예에 따르면 도로 교통 환경변화와 날씨, 반품 및 시간 재지정 배송 요청에 대해 다수 목적지 배송경로 라우팅을 실시간으로 재설정하여 최적화된 배송 효율을 제공할 수 있으며, 클라우드 배송과 스마트폰 앱을 지원하는 배송 서비스 플랫폼을 제공하고, 동일 배송지에 대해 다수의 화주기업에서 복수로 표기되어 요청된 주소를 배송지 표준 주소로 정정할 수 있는 패턴매칭 주소보정 시스템을 제공할 수 있다.In addition, according to an embodiment of the present invention can provide an optimized delivery efficiency by real-time resetting a plurality of destination delivery route routing in response to changes in the road traffic environment and weather, return and rescheduled delivery request, cloud delivery and smart phone It is possible to provide a delivery service platform that supports the app, and to provide a pattern matching address correction system that can correct a requested address to a standard address of a delivery address indicated by a plurality of shippers for the same delivery address.

또한, 본 발명의 실시예에 따르면 최종물류구간 배송 효율향상 및 기업 배송 원가절감에 기여하여 기업 물류패러다임을 변화시킬 수 있으며, '의약품 일련번호 제도'에 따라 의약품 위탁재고 관리 및 유통 투명화가 요구되는 제약업체와 도소매 유통점과 같은 제약업계의 유통 및 배송관리 활성화에 기여할 수 있다.In addition, according to an embodiment of the present invention can change the corporate logistics paradigm by contributing to the improvement of the distribution efficiency of the final logistics section and the reduction of corporate shipping cost, and the management of drug consignment inventory and transparency of distribution is required according to the 'pharmaceutical serial number system' It can contribute to the promotion of distribution and delivery management in the pharmaceutical industry, such as pharmaceutical companies and wholesale and retail stores.

또한, 본 발명의 실시예에 따르면 근교에 대단위 물류거점이 포진해 있고 수많은 유통 도소매상이 시내에서 영업중인 서울과 같은 대도시의 효율적인 배송경로관리에 따른 교통체증 해소와 배기가스 감소와 에너지 절감에도 기여할 수 있다.In addition, according to an embodiment of the present invention, large logistics centers are located in the suburbs and numerous distribution wholesalers and retailers can contribute to reducing traffic jams, reducing exhaust gas, and saving energy due to efficient delivery route management in large cities such as Seoul, which is open in the city. have.

도 1은 본 발명의 일실시예에 따른 클라우드 배송 서비스 시스템의 구성도이다.
도 2는 본 발명의 일실시예에 따른 최적 경로 생성부의 구성을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 클라우드 배송 서비스 방법을 설명하기 위한 흐름도이다.
도 4 내지 도 18은 본 발명의 일실시예에 따른 클라우드 배송 서비스 방법을 보다 상세하게 설명하기 위한 도면이다.1 is a block diagram of a cloud delivery service system according to an embodiment of the present invention.
2 is a view for explaining the configuration of the optimum path generation unit according to an embodiment of the present invention.
3 is a flowchart illustrating a cloud delivery service method according to an embodiment of the present invention.
4 to 18 is a view for explaining in more detail the cloud delivery service method according to an embodiment of the present invention.

이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.Hereinafter, with reference to the accompanying drawings will be described in detail an embodiment of the present invention. However, in describing the embodiments, when it is determined that detailed descriptions of related known functions or configurations may unnecessarily obscure the subject matter of the present invention, detailed descriptions thereof will be omitted. In addition, the size of each component in the drawings may be exaggerated for description, it does not mean the size that is actually applied.

도 1은 본 발명의 일실시예에 따른 클라우드 배송 서비스 시스템의 구성도이고, 도 2는 본 발명의 일실시예에 따른 최적 경로 생성부의 구성을 설명하기 위한 도면이다.1 is a block diagram of a cloud delivery service system according to an embodiment of the present invention, Figure 2 is a view for explaining the configuration of the optimum path generation unit according to an embodiment of the present invention.

이후부터는 도 1 및 도 2를 참조하여 본 발명의 일실시예에 따른 스마트 배송관리 시스템을 설명하기로 한다.Hereinafter, with reference to Figures 1 and 2 will be described a smart delivery management system according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 스마트 배송관리 시스템은 화주기업 단말(101), 스마트 배송관리 시스템(100) 및 배송업체 단말(102)을 포함하여 구성될 수 있다.As shown in FIG. 1, the smart delivery management system according to an embodiment of the present invention may include a shipper company terminal 101, a smart delivery management system 100, and a delivery company terminal 102.

화주기업 단말(101)은 스마트 배송관리 시스템(100)으로부터 원격으로 상기 라벨을 발행 받고, 배송을 위한 발주내역에 해당하는 물류박스의 라벨을 스캔하여 상기 발주내역을 상기 물류박스에 연동한다.The shipper company terminal 101 issues the label remotely from the smart delivery management system 100, scans the label of the distribution box corresponding to the order for delivery, and links the order to the distribution box.

이를 위하여, 스마트 배송관리 시스템(100)은 물류박스에 부착할 라벨을 발행하여 배송을 발주한다.To this end, the smart delivery management system 100 issues a label to be attached to the distribution box and orders the delivery.

또한, 상기 스마트 배송관리 시스템(100)은 상기 배송을 위한 최소비용 배송경로의 라우팅 설정 모델링을 구성하고, 상기 구성한 최소비용 배송경로의 라우팅 설정 모델링을 이용해 배송경로와 비용을 산출하여 제공할 수 있다.In addition, the smart delivery management system 100 may configure the routing setting modeling of the least-cost delivery route for the delivery, and calculate and provide the delivery route and the cost by using the routing setting modeling of the configured least-cost delivery route. .

그뿐만 아니라, 상기 스마트 배송관리 시스템(100)은 상기 배송에 의해 발생한 비용을 정산할 수 있다.In addition, the smart delivery management system 100 may settle the costs incurred by the delivery.

즉, 본 발명에 따르면 화주기업 대상 원격 라벨 발행 클라우드 서비스 및 현장 실물확인을 통한 배송 발주 연동 서비스의 제공을 위하여, 스마트 배송관리 시스템(100)이 클라우드 서비스 기반으로 중복없는 번호로 라벨을 원격으로 발행하고, 화주기업 측에서는 발행된 라벨을 무작위로 선택하여 물류박스에 부착하고, 화주기업 단말을 통해 배송 목적지 주소 정보를 포함하는 발주내역에 해당하는 물류박스를 현장에서 확인하여 라벨을 스캔하고, 조회된 배송 발주내역과 라벨을 스캔한 해당 물류박스에 연동할 수 있다.That is, according to the present invention, the smart delivery management system 100 remotely issues a label with a duplicate number based on the cloud service in order to provide a remote label issuing cloud service for shipper companies and a delivery order interworking service through on-site real confirmation. In addition, the shipper company randomly selects the issued label and attaches it to the distribution box, and checks the label in the field by checking the distribution box corresponding to the order details including the delivery destination address information through the shipper company terminal and scans the label. It can be linked to the logistics box that scanned the delivery order and label.

또한, 스마트 배송관리 시스템(100)은 배송 발주 처리부(110), 최적 경로 생성부(120), 배송정보 제공부(130) 및 정산 처리부(140)를 포함하여 구성된다.In addition, the smart delivery management system 100 is configured to include a delivery order processing unit 110, the optimum path generation unit 120, the delivery information providing unit 130 and the settlement processing unit 140.

배송 발주 처리부(110)는 물류박스에 부착할 라벨을 발행하여 배송을 발주한다.Delivery order processing unit 110 issues a label to be attached to the distribution box to place the order.

또한, 최적 경로 생성부(120)는 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성한다.In addition, the optimal path generation unit 120 configures routing setting modeling of the least cost delivery path based on deep learning reinforcement learning.

배송정보 제공부(130)는 상기 구성한 최소비용 배송경로의 라우팅 설정 모델링을 이용해 배송경로와 비용을 산출하여 제공할 수 있으며, 이때 도로명 주소와 건물번호 기준의 배송목적지 주소 묶음을 배송업체 단말(102)로 제공할 수 있다.The delivery information providing unit 130 may calculate and provide a delivery route and a cost by using the routing setting modeling of the least cost delivery route configured above, and at this time, the delivery destination terminal bundle based on the road name address and the building number. ) Can be provided.

또한, 정산 처리부(140)는 상기 배차 지시에 의한 배송에 의해 발생한 비용을 정산한다.In addition, the settlement processing unit 140 calculates the cost incurred by the delivery according to the allocation instruction.

한편, 위치기반 알림 제공부(150)는 배송차량이 배송 목적지의 건물로 접근 시 배송업체 단말(102) 측으로 해당 건물 소재의 배송 목적지의 주소 리스트와 배송 내역을 팝업 형태로 제공할 수 있으며, 동시에 해당 건물 소재의 물류박스 수령자들에게도 스마트 단말을 통해 물류박스의 도착여부를 알람으로 제공할 수 있다.On the other hand, the location-based notification provider 150 may provide the address list and delivery details of the delivery destination of the building material to the delivery company terminal 102 when the delivery vehicle approaches the building of the delivery destination in the form of a pop-up, at the same time Logistics box recipients of the building material can also provide the alarm whether the arrival of the distribution box through the smart terminal.

보다 구체적으로, 도 2를 참조하면 상기 최적 경로 생성부(120)는 모델링 구성부(121), 배송경로 재설정부(125) 및 배송주소 보정부(126)를 포함하여 구성될 수 있다.More specifically, referring to FIG. 2, the optimum path generation unit 120 may include a modeling configuration unit 121, a delivery route resetting unit 125, and a delivery address correction unit 126.

상기 모델링 구성부(121)는 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하거나, 지역별 최소비용 복수 배송경로의 라우팅 설정 모델링을 구성하고, 숙련된 운전자의 실제 배송경로를 상기 라우팅 설정 모델링의 재학습에 반영할 수 있다.The modeling configuration unit 121 configures the routing setting modeling of the least-cost delivery route based on deep learning reinforcement learning, or configures the routing setting modeling of the least-cost multiple delivery route for each region, and recognizes the actual delivery route of an experienced driver. This can be reflected in the relearning of routing configuration modeling.

상기 배송경로 재설정부(125)는 배송 중 변동요청에 따라 상기 배송경로를 재설정할 수 있다.The delivery path resetting unit 125 may reset the delivery path according to a change request during delivery.

보다 구체적으로, 상기 배송경로 재설정부(125)는 생성된 딥러닝 강화학습에 기초하여 생성된 라우팅 설정 모델링을 이용한 배송 중에, 도로 교통 환경변화와 이송, 반품, 교체 및 시간 지정 배송 등의 요청에 따라 배송 완료된 목적지를 제외하고 현재 배송 차량 위치를 중심으로 나머지의 계획된 배송 목적지에 대해 배송경로 라우팅을 실시간으로 재설정 할 수 있다.More specifically, the delivery route resetting unit 125 may respond to requests for changes in the road traffic environment and transport, return, replacement, and timed delivery during delivery using the routing setting modeling generated based on the deep learning reinforcement learning generated. Therefore, it is possible to reset the delivery route routing in real time for the remaining planned delivery destinations based on the current delivery vehicle location except for the completed delivery destination.

또한, 이와 같이 실시간으로 재설정된 배송경로 라우팅을 통해 실제 운행된 배송경로 라우팅의 차량운행 비용을 산출하고 데이터베이스에 저장할 수 있다.In addition, through this route route routed in real time it is possible to calculate the vehicle operation cost of the actual route route routed and stored in the database.

상기 배송주소 보정부(126)는 상기 배송에 사용되는 복수로 표기된 배송주소를 해시테이블을 이용해 표준주소로 수정할 수 있다.The shipping address correction unit 126 may modify a plurality of shipping addresses used for the delivery to a standard address using a hash table.

그뿐만 아니라, 상기 모델링 구성부(121)는 최소비용 배송경로 모델링부(122), 다중 배송경로 모델링부(123) 및 모델링 재학습부(124)를 포함하여 구성될 수 있다.In addition, the modeling component 121 may include a minimum cost delivery path modeling unit 122, a multiple delivery path modeling unit 123, and a modeling relearning unit 124.

상기 최소비용 배송경로 모델링부(122)는 배차된 차량의 배송요건을 입력하고, 상기 배송요건에 따라 실행된 배송에 대해 보상을 부여하며, 상기 실행된 다수의 배송에 기초하여, 최소비용에 해당하는 복수개의 목적지 배송경로를 생성할 수 있다.The minimum cost delivery path modeling unit 122 inputs a delivery requirement of the dispatched vehicle, gives compensation for delivery performed according to the delivery requirement, and corresponds to a minimum cost based on the plurality of delivery performed. A plurality of destination delivery routes can be generated.

또한, 다중 배송경로 모델링부(123)는 차량 수에 따라 배송지역을 분할하고, 상기 분할된 배송지역에 각 차량별 배송 경로를 설정하며, 상기 배송지역별로 차량을 순환 배치하여, 상기 배송지역별 배차에 따른 소요비용을 산출하고, 소요비용이 최소비용에 해당하는 복수개의 배송경로를 생성할 수 있다.In addition, the multi-delivery route modeling unit 123 divides the delivery area according to the number of vehicles, sets the delivery route for each vehicle in the divided delivery area, and circulates the vehicle for each delivery area to distribute the delivery area. The required cost can be calculated and a plurality of delivery paths can be generated in which the required cost corresponds to the minimum cost.

또한, 모델링 재학습부(124)는 일정기간 이상 숙련된 운전자의 배송경로를 현재 적용중인 모델링으로 검증하여 소요 비용을 산출하고, 상기 숙련된 운전자의 배송경로를 학습 데이터로 반영하여 상기 모델링을 업그레이드할 수 있다.In addition, the modeling re-learning unit 124 verifies the delivery route of the skilled driver over a predetermined period by modeling that is currently applied, calculates the required cost, and upgrades the modeling by reflecting the delivery route of the skilled driver as learning data. can do.

상기 배송경로 재설정부(125)는 배송중 차량에 대한 변동요청을 수신하면, 차량의 현재 위치를 확인하고, 상기 차량의 배송경로를 실시간으로 재설정하여, 상기 재설정된 배송경로를 상기 차량으로 제공할 수 있다.When the delivery path resetting unit 125 receives the change request for the vehicle during delivery, the delivery path resetting unit 125 checks the current location of the vehicle, resets the delivery path of the vehicle in real time, and provides the reset delivery path to the vehicle. Can be.

또한, 상기 배송경로 재설정부(125)는 딥러닝 강화학습에 기초하여 생성된 라우팅 설정 모델링에 의한 차량 운행 비용과 상기 재설정되어 실제 운행된 배송경로에 의한 차량 운행 비용을 비교하여 더 낮은 차량 운행 비용이 소요되는 배송경로를 배송경로로 채택하여 데이터베이스에 반영하여 저장할 수 있다.In addition, the delivery route resetting unit 125 compares the vehicle operating cost by the routing setting modeling generated based on the deep learning reinforcement learning and the vehicle operating cost by comparing the vehicle operating cost by the reset and actually operated delivery route. This required delivery route can be adopted as the delivery route and stored in the database.

이때, 상기 배송경로 재설정부(125)는 상기 딥러닝 강화학습에 기초하여 생성된 라우팅 설정 모델링에 의한 차량 운행 비용이 상기 재설정된 배송경로에 따른 차량 운행 비용보다 더 높은 경우에는 지속적으로 더 낮은 차량 운행 비용을 계산하여 재생성할 수 있으며, 이와 같은 지속적인 딥러닝 강화학습과 배송경로 라우팅의 차량운행 비용을 산출 및 실제 운행된 배송경로에 따른 차량 운행 비용의 반영을 통해 배송경로 라우팅의 고도화 학습이 가능하다.At this time, the delivery route resetting unit 125 continuously lowers the vehicle when the vehicle running cost by the routing setting modeling generated based on the deep learning reinforcement learning is higher than the vehicle running cost according to the reset delivery route. Operation cost can be calculated and regenerated, and such advanced deep learning reinforcement learning, vehicle operation cost of delivery route routing can be calculated, and advanced vehicle route routing can be learned by reflecting the vehicle operation cost according to the actual delivery route. Do.

한편, 상기 배송주소 보정부(126)는 해시 테이블 구축부(127) 및 해시 테이블 지원부(128)를 포함하여 구성될 수 있다.Meanwhile, the delivery address correction unit 126 may include a hash table constructing unit 127 and a hash table support unit 128.

상기 해시 테이블 구축부(127)는 상기 배송주소를 도로명주소로 정정하고, 상기 도로명주소의 중복을 제거하여 해시테이블을 구성하며, 상기 해시테이블의 복수로 표기된 배송주소를 정정하고, 상기 해시테이블의 불명주소를 제거하며, 상기 해시테이블의 배송주소에 GPS 좌표값을 매칭할 수 있다.The hash table construction unit 127 corrects the delivery address to a road name address, constructs a hash table by removing duplicates of the road name address, corrects a delivery address represented by a plurality of hash tables, and The unknown address may be removed, and the GPS coordinate value may be matched to the delivery address of the hash table.

또한, 상기 해시 테이블 지원부(128)는 상기 배송주소를 거점 물류센터 별로 분류하고, 상기 거점 물류센터 별로 분류된 배송주소를 패턴매칭 주소보정 방법을 이용해 보정하며, 상기 보정된 배송주소에서 불명주소를 제거할 수 있다.In addition, the hash table support unit 128 classifies the delivery address by base distribution center, and corrects the delivery address classified by the base distribution center using a pattern matching address correction method, and the unknown address in the corrected delivery address Can be removed

한편, 배송업체 단말(102)은 상기 스마트 배송관리 시스템(100)에 주요 운행경로를 등록하고, 상기 배송경로와 상기 비용의 산출 정보를 수신할 수 있다.Meanwhile, the delivery company terminal 102 may register a main driving route in the smart delivery management system 100 and receive calculation information of the delivery route and the cost.

보다 구체적으로, 상기 배송업체 단말(102)은 상기 스마트 배송관리 시스템(100)에 주요 운행경로를 등록하고, 상기 배송경로와 상기 비용의 산출 정보를 수신하여 상기 배송에 입찰할 수 있으며, 이를 위하여 상기 배송업체 단말(102)에는 배송업체를 위한 앱을 설치하고, 상기 상기 스마트 배송관리 시스템(100)에 개인 신용정보 및 자주 다니는 운행경로를 등록할 수 있다.More specifically, the delivery company terminal 102 may register a main driving route in the smart delivery management system 100, receive the delivery route and the calculation information of the cost and bid on the delivery. The delivery company terminal 102 may install an app for a delivery company, and register the personal credit information and the frequent driving route in the smart delivery management system 100.

그에 따라, 상기 스마트 배송관리 시스템(100)은 선순위의 입찰에 의해 상기 배송의 낙찰을 결정할 수 있다.Accordingly, the smart delivery management system 100 may determine the successful bid of the delivery by a priority bid.

보다 구체적으로, 상기 스마트 배송관리 시스템(100)의 배송발주 결정부(145)는 등록되어 있는 배송 업체 중에서 인근에 위치한 다수의 배송업체 단말(102)에 배송경로 소요 비용이 포함된 클라우드 발주 신청내역을 앱(application)의 푸시 메시지(push message)를 통해 제공하여, 다수의 배송업체 단말(102) 중에서 가정 먼저 선순위로 입찰한 입찰 측이 배송하도록 낙찰한다.More specifically, the delivery order determination unit 145 of the smart delivery management system 100 is a cloud order application history that includes the cost of the delivery route to a plurality of shipper terminal 102 in the vicinity of the registered delivery company Is provided through a push message of the application (application), the bidding side bidding the bidding the bidding priority to the home first among the plurality of delivery company terminal 102.

따라서, 낙찰된 배송자는 이송, 반품, 교체, 시간지정 이송 서비스를 실시하고, 상기 배송업체 단말(102)은 배송 목적지의 건물에 접근시 위치기반 알림을 제공을 수 있으며, 이와 같이 배송된 실적으로 실시간으로 스마트 배송관리 시스템(100)에 반영되어 업데이트되어, 배송자는 배송업체 단말(102)을 통해 상기 스마트 배송관리 시스템으로부터 상기 배송에 따른 실적을 제공받아 정산시에 참고하여 활용할 수 있다.Thus, the successful delivery of the successful delivery, return, replacement, timed transfer service, and the delivery company terminal 102 may provide a location-based notification when approaching the building of the delivery destination, as a result of the delivery Reflected and updated in real time in the smart delivery management system 100, the delivery person can receive the results of the delivery from the smart delivery management system via the delivery company terminal 102 can be used for reference at the time of settlement.

도 3은 본 발명의 일실시예에 따른 클라우드 배송 서비스 방법을 설명하기 위한 흐름도이고, 도 4 내지 도 18은 본 발명의 일실시예에 따른 클라우드 배송 서비스 방법을 보다 상세하게 설명하기 위한 도면이다.3 is a flowchart illustrating a cloud delivery service method according to an embodiment of the present invention, and FIGS. 4 to 18 are diagrams for describing the cloud delivery service method according to an embodiment of the present invention in more detail.

도 3에 도시된 바와 같이, 배송 발주 처리부가 물류박스에 부착할 라벨을 발행하여 배송을 발주한다(S600). As shown in FIG. 3, the delivery order processing unit issues a label to be attached to the distribution box and orders the delivery (S600).

도 4의 (a)를 참조하면, 배송 발주에 의해 배송 신청이 접수되면, 라벨이 원격으로 발행되고, 발주와 함께 발행된 라벨이 화주기업 측으로 전달되어 물류박스에 부착된다. 따라서, 화주기업 단말을 통해 배송 목적지 주소 정보를 포함하는 발주내역에 해당하는 물류박스를 현장에서 확인하여 라벨을 스캔하면 도 4의 (b)에서와 같이 해당 발주내역이 앱을 통하여 표시되고, 도 4의 (c)에서와 같이 조회된 배송 발주내역과 라벨을 스캔한 해당 물류박스에 연동된다.Referring to FIG. 4A, when a delivery request is received by a delivery order, a label is issued remotely, and a label issued together with the order is delivered to the shipper company and attached to the logistics box. Therefore, if the logistics box corresponding to the order details including the shipping destination address information through the shipper company terminal to scan the label in the field, the order details are displayed through the app as shown in Figure 4 (b), As shown in (c) of 4, the ordered inquiry and the label are interlocked with the corresponding logistics box scanned.

이후, 최적 경로 생성부가 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성한다(S700).Then, the optimal path generation unit configures the routing setting modeling of the least cost delivery path based on the deep learning reinforcement learning (S700).

이때, 본 발명의 일실시에에 따르면 모델링의 구성시에는, 도 5에서와 같이 모델링 구성부가 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하거나, 또는 지역별 최소비용 복수 배송경로의 라우팅 설정 모델링을 구성하고(S710), 상기 모델링 구성부가 숙련된 운전자의 실제 배송경로를 상기 라우팅 설정 모델링의 재학습에 반영할 수 있다(S720). At this time, according to an embodiment of the present invention, when configuring the modeling, as shown in Figure 5, the modeling component configures the routing setting modeling of the least-cost delivery route based on deep learning reinforcement learning, or the least-cost multiple delivery route for each region In step S710, the routing configuration modeling may be configured, and the modeling component may reflect the actual delivery route of the skilled driver in the re-learning of the routing configuration modeling (S720).

보다 구체적으로, 모델링 구성부는 생성된 딥러닝 강화학습에 기초하여 생성된 라우팅 설정 모델링을 이용한 배송 중에, 도로 교통 환경변화와 이송, 반품, 교체 및 시간 지정 배송 등의 요청에 따라 배송 완료된 목적지를 제외하고 현재 배송 차량 위치를 중심으로 나머지의 계획된 배송 목적지에 대해 배송경로 라우팅을 실시간으로 재설정 할 수 있다.More specifically, the modeling component excludes destinations that have been delivered in response to changes in road traffic environment and requests for transport, return, replacement, and timed delivery during delivery using the routing setting modeling generated based on the deep learning reinforcement learning generated. And route routing in real time to the remaining planned delivery destinations based on the current delivery vehicle location.

또한, 이와 같이 실시간으로 재설정된 배송경로 라우팅을 통해 실제 운행된 배송경로 라우팅의 차량운행 비용을 산출하고 데이터베이스에 저장할 수 있다.In addition, through this route route routed in real time it is possible to calculate the vehicle operation cost of the actual route route routed and stored in the database.

그뿐만 아니라, 상기 모델링 구성부는 딥러닝 강화학습에 기초하여 생성된 라우팅 설정 모델링에 의한 차량 운행 비용과 상기 재설정되어 실제 운행된 배송경로에 의한 차량 운행 비용을 비교하여 더 낮은 차량 운행 비용이 소요되는 배송경로를 배송경로로 채택하여 데이터베이스에 반영하여 저장할 수 있다.In addition, the modeling component compares the vehicle running cost by the routing setting modeling generated based on the deep learning reinforcement learning with the lower vehicle running cost by comparing the vehicle running cost with the reset and actually operated delivery route. The delivery route can be adopted as the delivery route and stored in the database.

이때, 상기 모델링 구성부는 상기 딥러닝 강화학습에 기초하여 생성된 라우팅 설정 모델링에 의한 차량 운행 비용이 상기 재설정된 배송경로에 따른 차량 운행 비용보다 더 높은 경우에는 지속적으로 더 낮은 차량 운행 비용을 계산하여 재생성할 수 있으며, 이와 같은 지속적인 딥러닝 강화학습과 배송경로 라우팅의 차량운행 비용을 산출 및 실제 운행된 배송경로에 따른 차량 운행 비용의 반영을 통해 배송경로 라우팅의 고도화 학습이 가능하다.In this case, the modeling component continuously calculates a lower vehicle running cost when the vehicle running cost by the routing setting modeling generated based on the deep learning reinforcement learning is higher than the vehicle running cost according to the reset delivery route. It can be regenerated and advanced learning of route routing can be achieved through continuous deep learning reinforcement learning, calculating vehicle operation cost of delivery route routing, and reflecting vehicle operation cost according to actual route route.

또한, 상기 배송경로 재설정부가 배송 중 변동요청에 따라 상기 배송경로를 재설정하고(S730), 배송주소 보정부가 상기 배송에 사용되는 복수로 표기된 배송주소를 해시테이블을 이용해 표준주소로 수정할 수 있다(S740).In addition, the delivery route resetting unit resets the delivery route according to the change request during delivery (S730), and the delivery address correction unit may modify a plurality of shipping addresses used for the delivery to a standard address using a hash table (S740). ).

보다 구체적으로, 도 6 및 도 7을 참조하면, 딥러닝 강화학습에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하기 위하여, 최소비용 배송경로 모델링부가 배차된 차량의 배송요건을 입력하고(S711), 배송 목적지로 배송이 실행되면(S712), 상기 최소비용 배송경로 모델링부가 상기 배송요건에 따라 실행된 배송에 대해 보상을 부여할 수 있으며(S713), 최소비용까지 배송 실행과 보상을 반복하고(S714), 이후 상기 최소비용 배송경로 모델링부가 상기 실행된 다수의 배송에 기초하여, 최소비용에 해당하는 복수개의 목적지 배송경로를 생성할 수 있다(S715).More specifically, referring to FIGS. 6 and 7, in order to configure routing setting modeling of the minimum cost delivery path based on deep learning reinforcement learning, the minimum cost delivery path modeling unit inputs a delivery requirement of the vehicle to which the vehicle is dispatched (S711). ), When the delivery to the delivery destination is executed (S712), the minimum cost delivery path modeling unit may grant compensation for the delivery executed according to the delivery requirement (S713), and repeat the delivery execution and compensation up to the minimum cost. In operation S714, the minimum cost delivery path modeling unit may generate a plurality of destination delivery paths corresponding to the minimum cost, based on the plurality of executed deliveries (S715).

또한, 도 8 및 도 9를 참조하면, 지역별 최소비용 복수 배송경로의 라우팅 설정 모델링을 구성하기 위하여, 다중 배송경로 모델링부가 배차된 차량을 확인하여, 차량 수에 따라 배송지역을 분할하고(S716), 상기 다중 배송경로 모델링부가 상기 분할된 배송지역에 각 차량별 배송 경로를 설정하며(S716), 상기 다중 배송경로 모델링부가 상기 배송지역별로 차량을 순환 배치하여, 상기 배송지역별 배차에 따른 소요비용을 산출하고(S718), 상기 다중 배송경로 모델링부가 소요비용이 최소비용에 해당하는 복수개의 배송경로를 생성할 수 있다(S719).In addition, referring to Figures 8 and 9, in order to configure the routing setting modeling of the least-cost multiple delivery route for each region, the multiple delivery route modeling unit is identified by the dispatched vehicles, the delivery zone is divided according to the number of vehicles (S716) The multi-delivery route modeling unit sets a delivery route for each vehicle in the divided delivery region (S716), and the multi-distribution route modeling unit circulates vehicles for each of the delivery regions to calculate the required cost according to the distribution for each delivery region. In operation S718, the multiple delivery route modeling unit may generate a plurality of delivery routes corresponding to a minimum cost in operation S719.

이후에는, 도 10 및 도 11에 도시된 바와 같이, 숙련된 운전자의 실제 배송경로를 라우팅 설정 모델링의 재학습에 반영하기 위하여, 모델링 재학습부가 일정기간 이상 숙련된 운전자의 실제 배송경로를 확인하여(S721), 현재 적용중인 모델링으로 검증하여(S722), 실제 배송경로의 소요 비용을 산출하고(S723), 상기 모델링 재학습부가 상기 숙련된 운전자의 배송경로를 학습 데이터로 반영하여(S724), 상기 모델링을 업그레이드할 수 있다(S725).Thereafter, as shown in FIGS. 10 and 11, in order to reflect the actual delivery route of the experienced driver to the re-learning of the routing setting modeling, the modeling relearning unit checks the actual delivery route of the experienced driver for a certain period of time. (S721), by verifying with the current modeling (S722), calculate the required cost of the actual delivery route (S723), and the modeling re-learning unit reflects the delivery route of the skilled driver as learning data (S724), The modeling may be upgraded (S725).

또한, 도 12 및 도 13에 도시된 바와 같이, 배송 중 변동요청에 따라 상기 배송경로를 재설정하기 위하여, 배송경로 재설정부가 배송중 차량에 대한 변동요청을 수신하면(S731), 차량의 현재 위치를 확인하고(S732), 상기 배송경로 재설정부가 상기 차량의 배송경로를 실시간으로 재설정하여(S733), 상기 재설정된 배송경로를 상기 차량으로 제공할 수 있다(S734).12 and 13, in order to reset the delivery route according to the change request during delivery, when the delivery route resetting unit receives a change request for the vehicle during delivery (S731), the current position of the vehicle is determined. In operation S732, the delivery path resetting unit may reset the delivery path of the vehicle in real time (S733) and provide the reset delivery path to the vehicle (S734).

이후, 도 14 및 도 15에 도시된 바와 같이, 복수로 표기된 배송주소를 해시테이블을 이용해 표준주소로 수정하기 위하여, 해시테이블 구축부가 상기 배송주소를 도로명주소로 정정하고(S741), 상기 해시테이블 구축부가 상기 도로명주소의 중복을 제거하여 해시테이블을 구성하며(S742), 상기 해시테이블 구축부가 상기 해시테이블의 복수로 표기된 배송주소를 정정하고(S743), 상기 해시테이블 구축부가 상기 해시테이블의 불명주소를 제거하고(S744), 상기 해시테이블 구축부가 상기 해시테이블의 배송주소에 GPS 좌표값을 매칭할 수 있다(S745).Thereafter, as shown in FIGS. 14 and 15, in order to modify a plurality of shipping addresses to a standard address using a hash table, a hash table construction unit corrects the shipping address to a road name address (S741), and the hash table. A construction unit forms a hash table by removing duplicates of the road name address (S742), and the hash table construction unit corrects a plurality of delivery addresses of the hash table (S743), and the hash table construction unit is unknown of the hash table. The address may be removed (S744), and the hash table builder may match the GPS coordinate value to the delivery address of the hash table (S745).

또한, 추가적으로 도 16 및 도 17에 도시된 바와 같이, 해시테이블의 배송주소를 패턴매칭 주소보정 방법을 이용해 보정하기 위하여, 화주기업으로부터 배송 요청 주소가 입력되면(S751), 해시테이블 지원부가 상기 배송주소를 거점 물류센터 별로 분류하고(S752), 상기 해시테이블 지원부가 상기 거점 물류센터 별로 분류된 배송주소를 패턴매칭 주소보정 방법을 이용해 보정하고(S753), 상기 해시테이블 지원부가 상기 보정된 배송주소에서 불명주소를 제거하여(S754), 해시테이블 업그레이드를 통해 주소정제의 고도화가 가능하다.In addition, as illustrated in FIGS. 16 and 17, in order to correct the delivery address of the hash table using a pattern matching address correction method, when a delivery request address is input from the shipper (S751), the hash table support unit delivers the delivery address. Addresses are classified by base distribution center (S752), and the hash table support unit corrects the delivery addresses classified by the base distribution center using a pattern matching address correction method (S753), and the hash table support unit corrects the corrected delivery addresses By removing the unknown address from (S754), it is possible to upgrade the address through the hash table upgrade.

아울러, 도 18에 도시된 바와 같이, 위치기반 알림 제공부는 배송차량이 배송 목적지의 건물로 접근 시 배송업체 단말측으로 배송 목적지의 건물 지도 및 좌표값을 전송하여, 해당 건물 소재의 배송 목적지의 주소 리스트와 배송 내역을 팝업 형태로 제공할 수 있다.In addition, as shown in FIG. 18, the location-based notification providing unit transmits a building map and coordinate values of the delivery destination to the shipper terminal when the delivery vehicle approaches the building of the delivery destination, so as to list the address of the delivery destination of the corresponding building material. And delivery details can be provided in a pop-up form.

그뿐만 아니라, 동시에 해당 건물 소재의 물류박스 수령자들에게도 스마트 단말을 통해 물류박스의 도착여부를 알람으로 제공할 수 있다.In addition, at the same time, it is possible to provide the logistic box recipients of the building material with alarms whether the logistic box has arrived through the smart terminal.

전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.In the detailed description of the invention as described above, specific embodiments have been described. However, many modifications are possible without departing from the scope of the invention. The technical spirit of the present invention should not be limited to the above-described embodiments of the present invention, but should be determined not only by the claims, but also by those equivalent to the claims.

100: 클라우드 배송 서비스 시스템
101: 화주기업 단말
102: 배송업체 단말
110: 배송 발주 처리부
120: 최적 경로 생성부
121: 모델링 구성부
122: 최소비용 배송경로 모델링부
123: 다중 배송경로 모델링부
124: 모델링 재학습부
125: 배송경로 재설정부
126: 배송주소 보정부
127: 해시 테이블 구축부
128: 해시 테이블 지원부
130: 배송 정보 제공부
140: 정산 처리부
145: 배송 발주 결정부
150: 위치기반 알림 제공부100: cloud shipping service system
101: shipper company terminal
102: shipper terminal
110: shipping order processing unit
120: optimal path generation unit
121: modeling component
122: minimum cost delivery path modeling unit
123: multi delivery route modeling unit
124: re-learning modeling
125: delivery route reset unit
126: delivery address correction unit
127: hash table builder
128: hash table support
130: shipping information provider
140: settlement processing unit
145: delivery order determination unit
150: location-based notification provider

Claims (8)

물류박스에 부착할 라벨을 발행하여 배송을 발주하고, 상기 배송을 위한 최소비용 배송경로의 라우팅 설정 모델링을 구성하고, 상기 구성한 최소비용 배송경로의 라우팅 설정 모델링을 이용해 배송경로와 비용을 산출하여 제공하며, 배송정보를 외부의 단말에 입찰정보로 제공하고, 상기 배송에 의해 발생한 비용을 정산하는 스마트 배송관리 시스템;
상기 스마트 배송관리 시스템으로부터 원격으로 상기 라벨을 발행받고, 상기 배송을 위한 발주내역에 해당하는 물류박스의 라벨을 스캔하여 상기 발주내역을 상기 물류박스에 연동하는 화주기업 단말; 및
상기 스마트 배송관리 시스템에 주요 운행경로를 등록하고, 상기 배송경로와 상기 비용의 산출 정보를 수신하며, 수신된 배송경로와 비송비용의 산출정보를 수신하여 배송에 입찰하며, 스마트 배송관리 시스템에서 제공하는 앱을 다운받아 시스템에 접속하며, 낙찰받은 배송정보를 수신받을 수 있는 배송업체 단말;을 포함하며,
상기 스마트 배송관리 시스템은,
물류박스에 부착할 라벨을 발행하여 배송을 발주하는 배송 발주 처리부; 인공지능 딥러닝 방식에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하는 최적 경로 생성부; 상기 구성한 최소비용 배송경로의 라우팅 설정 모델링을 이용해 배송경로와 비용을 산출하여 제공하는 배송정보 제공부; 및 배차 지시에 의한 배송에 의해 발생한 비용을 정산하는 정산 처리부;를 포함하고,
상기 최적 경로 생성부는, 인공지능 딥러닝 방식에 기초하여 최소비용 배송경로의 라우팅 설정 모델링을 구성하거나, 지역별 최소비용 복수 배송경로의 라우팅 설정 모델링을 구성하고, 숙련된 운전자의 실제 배송경로를 상기 라우팅 설정 모델링의 재학습에 반영하는 모델링 구성부; 배송 중 변동요청에 따라 상기 배송경로를 재설정하는 배송경로 재설정부; 및 상기 배송에 사용되는 복수로 표기된 배송주소를 해시테이블을 이용해 표준주소로 수정하는 배송주소 보정부;를 포함하며,
상기 배송주소 보정부는, 상기 배송주소를 도로명주소로 정정하고, 상기 도로명주소의 중복을 제거하여 해시테이블을 구성하며, 상기 해시테이블의 복수로 표기된 배송주소를 정정하고, 상기 해시테이블의 불명주소를 제거하며, 상기 해시테이블의 배송주소에 GPS 좌표값을 매칭하는 해시테이블 구축부; 및 상기 배송주소를 거점 물류센터 별로 분류하고, 상기 거점 물류센터 별로 분류된 배송주소를 패턴매칭 주소보정 방법을 이용해 보정하며, 상기 보정된 배송주소에서 불명주소를 제거하는 해시테이블 지원부; 를 포함하는,
클라우드 배송 서비스 시스템.
Order a delivery by issuing a label to be attached to the distribution box, configure routing setting modeling of the least cost delivery route for the delivery, and calculate and provide a delivery route and cost using the routing setting modeling of the configured least cost delivery route. A smart delivery management system for providing delivery information to external terminals as bid information and for calculating the costs incurred by the delivery;
A shipper company terminal that receives the label remotely from the smart delivery management system and scans the label of the distribution box corresponding to the order for delivery to link the order to the distribution box; And
Register a main driving route in the smart delivery management system, receive the delivery route and the calculation information of the cost, receive the calculated delivery route and non-transmission cost calculation information and bid on the delivery, provided by the smart delivery management system It includes a shipping company terminal to download the app to access the system, and receive the successful delivery information;
The smart delivery management system,
A delivery order processing unit for placing a delivery order by issuing a label to be attached to the distribution box; An optimal path generation unit for configuring routing setting modeling of the least cost delivery path based on an artificial intelligence deep learning method; A delivery information providing unit configured to calculate and provide a delivery route and a cost by using the routing setting modeling of the configured least cost delivery route; And a settlement processing unit for calculating a cost incurred by delivery according to the dispatch instruction;
The optimal path generation unit configures the routing setting modeling of the least-cost delivery route based on the AI deep learning method, or configures the routing setting modeling of the least-cost multiple delivery route for each region, and routes the actual delivery route of an experienced driver. A modeling component that reflects relearning of setting modeling; A delivery route reset unit for resetting the delivery route according to a change request during delivery; And a shipping address correction unit for correcting a plurality of shipping addresses used for the delivery to a standard address using a hash table.
The delivery address correction unit corrects the delivery address to a road name address, constructs a hash table by removing duplicates of the road name address, corrects a delivery address represented by a plurality of hash tables, and corrects an unknown address of the hash table. A hash table constructing unit for removing and matching a GPS coordinate value to a delivery address of the hash table; And a hash table support unit for classifying the delivery addresses by base distribution centers, correcting delivery addresses classified by base distribution centers using a pattern matching address correction method, and removing unknown addresses from the corrected delivery addresses. Including,
Cloud Shipping Service System.
삭제delete 삭제delete 청구항 1에 있어서,
상기 모델링 구성부는,
배차된 차량의 배송요건을 입력하고, 상기 배송요건에 따라 실행된 배송에 대해 보상을 부여하며, 상기 실행된 다수의 배송에 기초하여, 최소비용에 해당하는 복수개의 목적지 배송경로를 생성하는 최소비용 배송경로 모델링부;
차량 수에 따라 배송지역을 분할하고, 상기 분할된 배송지역에 각 차량별 배송 경로를 설정하며, 상기 배송지역별로 차량을 순환 배치하여, 상기 배송지역별 배차에 따른 소요비용을 산출하고, 소요비용이 최소비용에 해당하는 복수개의 배송경로를 생성하는 다중 배송경로 모델링부; 및
일정기간 이상 숙련된 운전자의 배송경로를 현재 적용중인 모델링으로 검증하여 소요 비용을 산출하고, 상기 숙련된 운전자의 배송경로를 학습 데이터로 반영하여 상기 모델링을 업그레이드하는 모델링 재학습부;
를 포함하는 클라우드 배송 서비스 시스템.
The method according to claim 1,
The modeling component,
A minimum cost of inputting a delivery requirement of a dispatched vehicle, rewarding a delivery executed according to the delivery requirement, and generating a plurality of destination delivery routes corresponding to a minimum cost, based on the plurality of executed deliveries Delivery route modeling unit;
The delivery area is divided according to the number of vehicles, the delivery route for each vehicle is set in the divided delivery area, and the vehicles are circulated for each delivery area to calculate the required cost according to the distribution for each delivery area, and the required cost is A multiple delivery route modeling unit generating a plurality of delivery routes corresponding to a minimum cost; And
A modeling re-learning unit for verifying a delivery route of an experienced driver for a predetermined period or more by calculating the required cost by upgrading the modeling by reflecting the delivery route of the experienced driver as learning data;
Cloud shipping service system comprising a.
청구항 1에 있어서,
상기 배송경로 재설정부는,
배송중 차량에 대한 변동요청을 수신하면, 차량의 현재 위치를 확인하고, 상기 차량의 배송경로를 실시간으로 재설정하여, 상기 재설정된 배송경로를 상기 배송업체 단말로 제공하는 클라우드 배송 서비스 시스템.
The method according to claim 1,
The delivery path reset unit,
Receiving a change request for the vehicle during the delivery, the cloud delivery service system that checks the current location of the vehicle, resets the delivery route of the vehicle in real time, and provides the reset delivery route to the delivery company terminal.
삭제delete 청구항 1에 있어서,
상기 배송업체 단말은,
상기 스마트 배송관리 시스템에 주요 운행경로를 등록하고, 상기 배송경로와 상기 비용의 산출 정보를 수신하여 상기 배송에 입찰하고,
상기 스마트 배송관리 시스템은,
선순위의 입찰에 의해 상기 배송을 낙찰하는 클라우드 배송 서비스 시스템.
The method according to claim 1,
The shipper terminal,
Register the main driving route in the smart delivery management system, receive the delivery route and the calculation information of the cost and bid on the delivery,
The smart delivery management system,
Cloud delivery service system for winning the delivery by bidding of the priority.
청구항 1에 있어서,
상기 배송업체 단말은,
배송 목적지의 건물에 접근시 위치기반 알림을 제공받고, 상기 스마트 배송관리 시스템으로부터 상기 배송에 따른 실적을 제공받는 클라우드 배송 서비스 시스템.
The method according to claim 1,
The shipper terminal,
Cloud delivery service system that is provided with location-based notification when approaching the building of the delivery destination, the performance of the delivery from the smart delivery management system.
KR1020180053030A 2018-05-09 2018-05-09 Cloud delivery service system using optimal delivery path pattern mining learning method KR102041971B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180053030A KR102041971B1 (en) 2018-05-09 2018-05-09 Cloud delivery service system using optimal delivery path pattern mining learning method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180053030A KR102041971B1 (en) 2018-05-09 2018-05-09 Cloud delivery service system using optimal delivery path pattern mining learning method

Publications (1)

Publication Number Publication Date
KR102041971B1 true KR102041971B1 (en) 2019-11-07

Family

ID=68578749

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180053030A KR102041971B1 (en) 2018-05-09 2018-05-09 Cloud delivery service system using optimal delivery path pattern mining learning method

Country Status (1)

Country Link
KR (1) KR102041971B1 (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111590565A (en) * 2020-05-08 2020-08-28 快猪侠信息技术(杭州)有限公司 Intelligent service robot based on big data platform and control method thereof
CN112085438A (en) * 2020-08-20 2020-12-15 浙江万里学院 Logistics self-help insurance application method based on data encryption
CN112700200A (en) * 2021-01-06 2021-04-23 上海燕汐软件信息科技有限公司 Express delivery terminal distribution method, device and medium
CN113128925A (en) * 2020-01-16 2021-07-16 顺丰科技有限公司 Method, device and equipment for generating dispatch path and computer readable storage medium
WO2021162952A1 (en) * 2020-02-13 2021-08-19 DoorDash, Inc. Optimization of delivery associate incentives
CN113743870A (en) * 2021-09-06 2021-12-03 郑州时空隧道信息技术有限公司 Autonomous learning integrated platform for distribution in same city
CN113946152A (en) * 2021-11-22 2022-01-18 中国重汽集团济南动力有限公司 Global path planning method and system and low-speed commercial unmanned vehicle
KR20220013980A (en) * 2020-07-28 2022-02-04 주식회사 와이엘피 Apparatus and method of providing freight allocation service based on artificial intelligence
KR20220013981A (en) * 2020-07-28 2022-02-04 주식회사 와이엘피 Apparatus and method of providing freight allocation service based on artificial intelligence
WO2023033250A1 (en) * 2021-08-31 2023-03-09 코코넛사일로(주) Blockchain-based transportation intermediary platform system using transportation history matching, transportation intermediary method, and computer program therefor
KR102594458B1 (en) * 2023-08-07 2023-10-27 주식회사 와이더블유로지스틱스 Logistics driver's movement adjustment and scheduling method, device and system using artificial intelligence model
KR20240012298A (en) * 2022-07-18 2024-01-29 내이루리 주식회사 Control method for server matching dedicated exclusive senior delivery person, with providing optimal regular delivery route through algorithm for combining machine learning

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005092790A (en) * 2003-09-19 2005-04-07 Bank Of Tokyo-Mitsubishi Ltd Information processor and method for supporting selection of delivery company, program, and recording medium
KR20050091392A (en) * 2004-03-12 2005-09-15 한국전자통신연구원 Intelligent parcel monitoring and control apparatus and its method and terminal apparatus for real time parcel pick-up and delivery execution and its operation method
KR20150031833A (en) * 2013-09-17 2015-03-25 (주)제이비엘 Delivery system and method using logistics transfer
KR20160123167A (en) * 2015-04-15 2016-10-25 포항공과대학교 산학협력단 Method for generating driving schedule and apparatus thereof

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005092790A (en) * 2003-09-19 2005-04-07 Bank Of Tokyo-Mitsubishi Ltd Information processor and method for supporting selection of delivery company, program, and recording medium
KR20050091392A (en) * 2004-03-12 2005-09-15 한국전자통신연구원 Intelligent parcel monitoring and control apparatus and its method and terminal apparatus for real time parcel pick-up and delivery execution and its operation method
KR20150031833A (en) * 2013-09-17 2015-03-25 (주)제이비엘 Delivery system and method using logistics transfer
KR20160123167A (en) * 2015-04-15 2016-10-25 포항공과대학교 산학협력단 Method for generating driving schedule and apparatus thereof

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128925A (en) * 2020-01-16 2021-07-16 顺丰科技有限公司 Method, device and equipment for generating dispatch path and computer readable storage medium
WO2021162952A1 (en) * 2020-02-13 2021-08-19 DoorDash, Inc. Optimization of delivery associate incentives
US20210256549A1 (en) * 2020-02-13 2021-08-19 DoorDash, Inc. Optimization of Delivery Associate Incentives
CN111590565A (en) * 2020-05-08 2020-08-28 快猪侠信息技术(杭州)有限公司 Intelligent service robot based on big data platform and control method thereof
KR20220013980A (en) * 2020-07-28 2022-02-04 주식회사 와이엘피 Apparatus and method of providing freight allocation service based on artificial intelligence
KR20220013981A (en) * 2020-07-28 2022-02-04 주식회사 와이엘피 Apparatus and method of providing freight allocation service based on artificial intelligence
KR102447123B1 (en) * 2020-07-28 2022-09-27 주식회사 와이엘피 Apparatus and method of providing freight allocation service based on artificial intelligence
KR102447122B1 (en) * 2020-07-28 2022-09-27 주식회사 와이엘피 Apparatus and method of providing freight allocation service based on artificial intelligence
CN112085438A (en) * 2020-08-20 2020-12-15 浙江万里学院 Logistics self-help insurance application method based on data encryption
CN112085438B (en) * 2020-08-20 2023-12-05 浙江万里学院 Logistics self-service application method based on data embedding
CN112700200A (en) * 2021-01-06 2021-04-23 上海燕汐软件信息科技有限公司 Express delivery terminal distribution method, device and medium
CN112700200B (en) * 2021-01-06 2024-01-16 上海燕汐软件信息科技有限公司 Method, device and medium for delivering express terminal
WO2023033250A1 (en) * 2021-08-31 2023-03-09 코코넛사일로(주) Blockchain-based transportation intermediary platform system using transportation history matching, transportation intermediary method, and computer program therefor
CN113743870A (en) * 2021-09-06 2021-12-03 郑州时空隧道信息技术有限公司 Autonomous learning integrated platform for distribution in same city
CN113946152A (en) * 2021-11-22 2022-01-18 中国重汽集团济南动力有限公司 Global path planning method and system and low-speed commercial unmanned vehicle
KR20240012298A (en) * 2022-07-18 2024-01-29 내이루리 주식회사 Control method for server matching dedicated exclusive senior delivery person, with providing optimal regular delivery route through algorithm for combining machine learning
KR102638334B1 (en) * 2022-07-18 2024-02-21 내이루리 주식회사 Control method for server matching dedicated exclusive senior delivery person, with providing optimal regular delivery route through algorithm for combining machine learning
KR102594458B1 (en) * 2023-08-07 2023-10-27 주식회사 와이더블유로지스틱스 Logistics driver's movement adjustment and scheduling method, device and system using artificial intelligence model

Similar Documents

Publication Publication Date Title
KR102041971B1 (en) Cloud delivery service system using optimal delivery path pattern mining learning method
US10380534B2 (en) Autonomous supply and distribution chain
Ergun et al. Reducing truckload transportation costs through collaboration
Ghilas et al. Integrating passenger and freight transportation: Model formulation and insights
CN109902990A (en) A kind of supply chain logistics distribution routing planning system
US20180341919A1 (en) System and method for invitation mechanisms to facilitate associate delivery of products en route from work
KR20120100601A (en) Optimization system of smart logistics network
CN109596132A (en) Vehicle dispatching method and device
CN108269042B (en) Logistics supply chain management system and method
AU2017423439A1 (en) Improved routing system
US20190251508A1 (en) Systems and methods for facilitating freight transportation
US20180349850A1 (en) Transport Plan Generating Method and Transport Plan Generating System
US20140019288A1 (en) Supply Chain Management System and Method
Cota et al. Integrating vehicle scheduling and open routing decisions in a cross-docking center with multiple docks
Belieres et al. A time-expanded network reduction matheuristic for the logistics service network design problem
CN110264126A (en) The method and system of the express mail parameter online change contract of real-time response user instruction
Soares et al. Synchronisation in vehicle routing: classification schema, modelling framework and literature review
Leung et al. Community logistics: a dynamic strategy for facilitating immediate parcel delivery to smart lockers
CN115293581A (en) Logistics scheduling method based on real-time path planning and related products thereof
CN105403225A (en) Method, server, terminal and system for navigation by using freight transport information
US20200286027A1 (en) System and methods for last mile delivery of goods
US20220373352A1 (en) Methods and systems for delivery route optimization
CN110363464A (en) A kind of Route optimization method and system
Morim et al. The drone-assisted vehicle routing problem with robot stations
He Research on optimization of supermarket chain distribution routes under O2O model

Legal Events

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