KR102499177B1 - 인공지능 기반 화주 및 차주 매칭 자동화 방법 - Google Patents
인공지능 기반 화주 및 차주 매칭 자동화 방법 Download PDFInfo
- Publication number
- KR102499177B1 KR102499177B1 KR1020220078033A KR20220078033A KR102499177B1 KR 102499177 B1 KR102499177 B1 KR 102499177B1 KR 1020220078033 A KR1020220078033 A KR 1020220078033A KR 20220078033 A KR20220078033 A KR 20220078033A KR 102499177 B1 KR102499177 B1 KR 102499177B1
- Authority
- KR
- South Korea
- Prior art keywords
- cargo
- terminal
- shipper
- borrower
- vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 37
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000758 substrate Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/0835—Relationships between shipper or supplier and carriers
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q10/0838—Historical data
-
- 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 인공지능 기반 화주 및 차주 매칭 자동화 방법에 관한 것으로, 특히 화주와 차주가 적합한 차주/화주를 빠르게 선택할 수 있도록 인공지능/빅데이터를 기반으로 적합한 차주/화주의 리스트를 필터링 및 정렬하여 제공하는 기술에 관한 것이다.
일실시예에 따르면, 하나 이상의 차주단말기 및 하나 이상의 화주단말기로부터 차량 데이터 및 화물 데이터를 입력받는 단계; 메인서버가 상기 차주단말기의 화물 검색 메세지 또는 화주단말기의 차량 검색 메세지를 수신하는 단계; 상기 화물 검색 메세지 또는 차량 검색 메세지에 따라 데이터베이스 쿼리를 생성하는 단계; 상기 데이터베이스 쿼리를 데이터베이스서버에 전달하여 응답 데이터를 수신하는 단계; 상기 응답 데이터를 상기 차주단말기 또는 화주단말기로 송신하는 단계; 상기 차주단말기 또는 화주단말기에 응답 데이터 기반의 화물 리스트 또는 차량 리스트가 출력되는 단계; 상기 차주단말기 또는 화주단말기에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목을 선택했을 때, 해당 항목의 상세 정보를 차주단말기 또는 화주단말기에 표시하는 단계; 상기 차주단말기 또는 화주단말에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목에 대해 요청 메세지가 발생한 경우, 상기 요청 메세지가 발생한 항목에 해당하는 화주단말기 또는 차주단말기로 요청 정보를 송신하는 단계; 및 상기 요청 정보에 대해 수락 메세지가 발생한 경우, 상기 요청 메세지를 발생시킨 차주단말기 또는 화주단말기에 배차 정보를 송신하는 단계;를 포함하는, 인공지능 기반 화주 및 차주 매칭 자동화 방법을 제공한다.
일실시예에 따르면, 하나 이상의 차주단말기 및 하나 이상의 화주단말기로부터 차량 데이터 및 화물 데이터를 입력받는 단계; 메인서버가 상기 차주단말기의 화물 검색 메세지 또는 화주단말기의 차량 검색 메세지를 수신하는 단계; 상기 화물 검색 메세지 또는 차량 검색 메세지에 따라 데이터베이스 쿼리를 생성하는 단계; 상기 데이터베이스 쿼리를 데이터베이스서버에 전달하여 응답 데이터를 수신하는 단계; 상기 응답 데이터를 상기 차주단말기 또는 화주단말기로 송신하는 단계; 상기 차주단말기 또는 화주단말기에 응답 데이터 기반의 화물 리스트 또는 차량 리스트가 출력되는 단계; 상기 차주단말기 또는 화주단말기에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목을 선택했을 때, 해당 항목의 상세 정보를 차주단말기 또는 화주단말기에 표시하는 단계; 상기 차주단말기 또는 화주단말에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목에 대해 요청 메세지가 발생한 경우, 상기 요청 메세지가 발생한 항목에 해당하는 화주단말기 또는 차주단말기로 요청 정보를 송신하는 단계; 및 상기 요청 정보에 대해 수락 메세지가 발생한 경우, 상기 요청 메세지를 발생시킨 차주단말기 또는 화주단말기에 배차 정보를 송신하는 단계;를 포함하는, 인공지능 기반 화주 및 차주 매칭 자동화 방법을 제공한다.
Description
아래 실시예들은 인공지능 기반 화주 및 차주 매칭 자동화 방법에 관한 것으로, 특히 화주와 차주가 적합한 차주/화주를 빠르게 선택할 수 있도록 인공지능/빅데이터를 기반으로 적합한 차주/화주의 리스트를 필터링 및 정렬하여 제공하는 기술에 관한 것이다.
COVID-19 이후 비대면 서비스에 대한 수요 증가로 물류 산업은 전례 없이 성장하고 있으며, 이러한 추세에 따라 화물을 운송하고자 하는 화주(貨主)와 화물 차량 운전자(또는 물류 업체)인 차주(車主)간 매칭에 대한 수요도 급증한 바 있다.
현재 화주와 차주를 매칭해주는 애플리케이션 등이 우후죽순 생겨나고 있으나, 이러한 종래 화주-차주 매칭 애플리케이션들은 화물의 크기, 무게, 종류, 목적지 위치, 도로 정보, 운송거리 등 화물 정보와, 차량의 크기, 무게, 부피, 적재중량, 적재면적, 적재높이, 운전자 경력 연수, 특수화물 운송 경력 등 다양한 정보가 혼재되어 있어, 화주 및 차주에게 적합한 정보가 제공되지 않는다는 문제점이 있다.
본 발명의 일실시예가 해결하고자 하는 과제는, 화주 및 차주에게 필요한 정보에 맞추어 차주 및 화주 리스트를 필터링 및 정렬하여 단말기에 표시함으로써 화주 및 차주가 빠른 시간 내에 적절한 차주 및 화주를 선택할 수 있도록 제어되는, 인공지능 기반 화주 및 차주 매칭 자동화 방법, 장치 및 시스템을 제공하는 것이다.
일실시예에 따르면, 하나 이상의 차주단말기 및 하나 이상의 화주단말기로부터 차량 데이터 및 화물 데이터를 입력받는 단계; 메인서버가 상기 차주단말기의 화물 검색 메세지 또는 화주단말기의 차량 검색 메세지를 수신하는 단계; 상기 화물 검색 메세지 또는 차량 검색 메세지에 따라 데이터베이스 쿼리를 생성하는 단계; 상기 데이터베이스 쿼리를 데이터베이스서버에 전달하여 응답 데이터를 수신하는 단계; 상기 응답 데이터를 상기 차주단말기 또는 화주단말기로 송신하는 단계; 상기 차주단말기 또는 화주단말기에 응답 데이터 기반의 화물 리스트 또는 차량 리스트가 출력되는 단계; 상기 차주단말기 또는 화주단말기에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목을 선택했을 때, 해당 항목의 상세 정보를 차주단말기 또는 화주단말기에 표시하는 단계; 상기 차주단말기 또는 화주단말에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목에 대해 요청 메세지가 발생한 경우, 상기 요청 메세지가 발생한 항목에 해당하는 화주단말기 또는 차주단말기로 요청 정보를 송신하는 단계; 및 상기 요청 정보에 대해 수락 메세지가 발생한 경우, 매칭된 차주단말기 및 화주단말기에 배차 정보를 송신하는 단계;를 포함하는, 인공지능 기반 화주 및 차주 매칭 자동화 방법을 제공한다.
또한, 상기 응답 데이터를 수신하는 단계는: 상기 데이터베이스서버로부터 응답 데이터를 수신하는 단계; 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터를 이용하여, 화물 리스트 또는 차량 리스트에 포함된 개별 항목들에 대해 점수를 평가하는 단계; 상기 화물 리스트 또는 차량 리스트를 개별 항목들에 대한 점수에 따라 내림차순으로 정렬하는 단계; 및 정렬된 상기 화물 리스트 또는 차량 리스트를 응답 데이터로써 갱신하는 단계;를 포함하고, 상기 개별 항목들에 대한 점수는: 상기 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터에 대한 상기 화물 검색 메세지 또는 차량 검색 메세지의 인공신경망 기반 유사도 점수로써 산출되되, 상기 화물 검색 메세지가 메인서버에 수신되었던 경우에는: 차주단말기에서 등록한 ① 선호 화물 종류, ② 선호 운송 거리, ③ 선호 운송 금액 및 ④ 선호 화주 업종 정보로 상기 유사도 점수를 보정하고, 상기 차량 검색 메세지가 메인서버에 수신되었던 경우에는, 화주단말기에서 등록한 ① 선호 차량 제원, ② 선호 운송업체 및, 차주단말기에 대해 기록된 ③ 차주의 화물 운송 내역으로 상기 유사도 점수를 보정하며, 상기 선호 차량 제원은: 적재중량, 적재면적 및 적재높이를 포함할 수 있다.
그리고, 상기 차량 데이터 및 화물 데이터를 입력받는 단계에서, 화물 데이터를 입력받는 단계는: 단위기물이 화물에 소정의 거리 내에 인접한 상태에서 화물 이미지를 촬영하도록 화주단말기에 카메라 기능을 동작시키는 단계; 촬영된 화물 이미지로부터, 상기 단위기물의 치수를 기반으로 화물의 치수를 추정하여 화주단말기의 화물 치수 입력란에 자동으로 기입하는 단계; 상기 화물 치수 입력란의 입력값을 확인 및 수정받고, 화물의 중량을 입력받는 단계; 및 상기 화물의 취급주의 품목 여부를 선택받는 단계;를 포함할 수 있다.
아울러, 상기 응답 데이터를 상기 차주단말기 또는 화주단말기로 송신하는 단계는: 상기 차주단말기가 차주용 웨어러블 디바이스로부터 차주의 수면 정보를 수집하는 단계; 상기 차주의 수면 정보를 기반으로 차주의 수면등급을 지정하는 단계; 화물의 운송거리를 소정의 구간마다 구분하여, 운송거리가 큰 구간의 화물에 상기 차주의 수면등급이 높은 차주만 배정되도록 화물 리스트 또는 차량 리스트를 필터링하는 단계; 및 상기 차주의 수면등급에 따라 필터링된 화물 리스트 또는 차량 리스트를 응답 데이터로써 상기 차주단말기 또는 화주단말기로 송신하는 단계;를 포함할 수 있다.
또한, 상기 차주단말기 또는 화주단말기에 상세 정보가 표시된 항목에 대해 제1 부적합 매칭 신고 메세지가 발생한 경우, 상기 상세 정보가 표시된 항목에 해당하는 화주단말기 또는 차주단말기의 화물 정보 또는 차량 정보를 획득하는 단계; 상기 화물 정보 또는 차량 정보를, 다른 차주단말기 또는 화주단말기로부터 기 수집되었던 제2 부적합 매칭 신고 메세지와 비교하여 부적합 매칭 발생 인자를 추출하는 단계; 소정의 기준 기간 동안 부적합 매칭 신고 메세지가 소정의 횟수 이상 누적된 것으로 확인되면, 상기 기준 기간 동안 누적된 부적합 매칭 신고 메세지 및 추출된 부적합 매칭 발생 인자를 관리자단말기로 송신하는 단계;를 포함할 수 있다.
일실시예에 따른 장치 및 시스템은 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
일실시예에 따르면, 화주 및 차주를 매칭하기 위하여 화주단말기 및 차주단말기에 표시/출력되는 차량 및 화물 리스트를 필터링 및 정렬함으로써 화주 및 차주가 정합성이 높은 정보를 제공받을 수 있다.
또한, 화물의 사진으로부터 화물의 크기(부피)를 자동으로 산출하고 이를 화주단말기에 기입함으로써, 화주의 입력/검색 편의성을 개선할 수 있다.
그리고, 화주의 화물 정보 입력 시 취급주의 화물임을 확인하는 과정을 강제하고 취급주의 화물 정보를 차주 등에게 알림으로써 취급주의 화물의 파손을 예방할 수 있다.
아울러, 차주(화물 차량 운전자)의 수면 정보를 활용하여, 화주 및 차주의 매칭 시 장거리 운송 화물이 수면 시간/수면 품질이 낮은 차주가 매칭되지 않도록 필터링함으로써 졸음운전에 의한 사고를 방지할 수 있다.
또한, 인공신경망에 의해 자동으로 필터링 또는 정렬되어 매칭된 화주-차주가 필요한 요건에 맞지 않는 부적합 매칭 정보를 데이터에 누적시킴으로써 매칭 적합성을 지속적으로 개선할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따라 특정한 화물에 대해 필터링 및 소팅된 차량 리스트를 예시하여 나타낸 도표이다.
도 3은 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법을 나타낸 순서도이다.
도 4는 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '데이터를 입력받는 단계'를 나타낸 순서도이다.
도 5는 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '응답 데이터를 수신하는 단계'를 나타낸 순서도이다.
도 6은 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '응답 데이터를 단말기로 송신하는 단계'를 나타낸 순서도이다.
도 7은 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '상세 정보를 단말기에 표시하는 단계'를 나타낸 순서도이다.
도 2는 일실시예에 따라 특정한 화물에 대해 필터링 및 소팅된 차량 리스트를 예시하여 나타낸 도표이다.
도 3은 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법을 나타낸 순서도이다.
도 4는 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '데이터를 입력받는 단계'를 나타낸 순서도이다.
도 5는 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '응답 데이터를 수신하는 단계'를 나타낸 순서도이다.
도 6은 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '응답 데이터를 단말기로 송신하는 단계'를 나타낸 순서도이다.
도 7은 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법의 '상세 정보를 단말기에 표시하는 단계'를 나타낸 순서도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 복수의 화주단말기(2), 차주단말기(3)를 포함할 수 있다. 또한, 상기 화주단말기(2) 및 차주단말기(3)와 통신 연결되어 정보를 송수신하고 데이터를 처리하는 메인서버(1)와, 상기 메인서버(1)의 데이터를 관리하는 데이터베이스서버(4)를 포함할 수 있다.
화주단말기(2)는 각각 화물을 원하는 목적지로 운송시키기 위하여 화물 차량을 수배하려는 개인 또는 업체가 보유한 스마트폰 등의 모바일 기기나 PC 등일 수 있으며, 차주단말기(3)는 화물 운송 업무를 수행하여 대금을 받으려는 개인 또는 업체가 보유한 스마트폰 등의 모바일 기기나 PC 등일 수 있다.
일실시예에 따르면, 하나 이상의 차주단말기(3) 및 하나 이상의 화주단말기(2)로부터 차량 데이터 및 화물 데이터를 입력받는 단계(S100);를 포함할 수 있다.
본 발명의 설명에서 차주단말기(3) 및 화주단말기(2)는 소정의 애플리케이션을 실행하는 기기를 의미할 수도 있으며, 필요한 경우에는 해당 기기의 사용자 계정을 의미할 수도 있다. 예를 들어, 차주단말기(3)의 차량 정보는, 해당 차주단말기(3) 사용자인 차량 운전자의 계정에 저장/연동된 보유 차량 정보를 의미할 수 있다.
상기 기재는 본 발명의 일실시예에 따른 인공지능 기반 화주 및 차주 매칭 자동화 방법, 시스템, 장치를 이용하는 다수의 차주 및 화주들 각각이 자신의 차주단말기(3) 및 화주단말기(2)를 이용하여 자신의 차량 데이터 및 화물 데이터를 입력하는 것을 의미한다.
예를 들어, 어느 화물 차량 운전자는 자신이 보유한 화물 차량의 정보(모델명, 적재 중량, 적재 면적, 적재 높이, 운전 경력, 특수 화물 운송 경험, 출발 지역(근무지/거주지), 근무 일자(요일), 운송 가능 지역(운송 목적지), 운송 가능 거리 등)를 입력할 수 있으며, 서비스 제공자(메인서버(1) 관리자 등)는 상기 화물 차량의 정보의 일부는 필수적으로 나머지 일부는 선택적으로 입력하도록 지정할 수 있다.
다른 예로서, 어느 화물 운송 업체는 보유한 다수의 화물 차량(및 운전자)의 정보를 스프레드시트 등을 업로드하는 등의 방식으로 일괄 입력할 수 있다.
한편, 어느 화물 소유자(화주)는 자신이 보유한 화물의 정보(화물 크기, 화물 사진, 화물 종류, 출발지, 목적지, 화물 중량, 희망 운송 대금, 특수화물 여부, 취급주의 여부 등)를 입력할 수 있으며, 서비스 제공자(메인서버(1) 관리자 등)는 상기 화물 정보의 일부는 필수적으로 나머지 일부는 선택적으로 입력하도록 지정할 수 있다.
다른 예로서, 어느 화물 업체는 보유한 다수의 화물의 정보를 스프레드시트 등을 업로드하는 등의 방식으로 일괄 입력할 수 있다.
메인서버(1)가 상기 차주단말기(3)의 화물 검색 메세지 또는 화주단말기(2)의 차량 검색 메세지를 수신하는 단계(S200);에서, '화물 검색 메세지' 또는 '차량 검색 메세지'는, 차주단말기(3) 또는 화주단말기(2)에서 소정의 애플리케이션을 통해 검색어, 검색조건 등을 입력하여 매칭 가능한 화물 또는 차량을 검색하는 기능을 수행했을 때, 차주단말기(3) 또는 화주단말기(2)에서 메인서버(1)로 요청되는 소정의 통신 메세지를 의미한다.
상기 화물 검색 메세지 또는 차량 검색 메세지는, 웹 기반 애플리케이션의 HTTP/HTTPS 프로토콜에서 GET 방식 또는 POST 방식 등으로 송수신될 수도 있다.
한편, 본 발명의 설명에서 사용되는 '차주단말기(3) 또는 화주단말기(2)'는 후술되는 구성요소 각각에 대응되는 선택적 구성요소와 유기적으로 연결/결합되어 해석될 수 있다. 예를 들어, "차주단말기(3) 또는 화주단말기(2)에서 송신한 화물 검색 메세지 또는 차량 검색 메세지" 는, "차주단말기(3)에서 송신한 화물 검색 메세지 또는 화주단말기(2)에서 송신한 차량 검색 메세지"와 동일한 의미로 해석될 수 있다.
상기 화물 검색 메세지 또는 차량 검색 메세지에 따라 데이터베이스 쿼리를 생성하는 단계(S300);는, 메인서버(1)의 프로세서에서 사용자의 요청에 따라 제공할 정보를 데이터베이스로부터 필터링 및 소팅(Sorting)하여 수신할 수 있도록 소정의 SQL문 내지 스토어드 프로시저(Stored Procedure) 등을 생성하는 단계를 의미한다.
상기 데이터베이스 쿼리를 데이터베이스서버(4)에 전달하여 응답 데이터를 수신하는 단계(S400);는, 데이터베이스 서버로부터 응답받은 응답 데이터를 메인서버(1)의 메모리에 저장하고, 이를 프로세서에서 소정의 편집이나 소팅 과정을 포함할 수 있다.
상기 응답 데이터를 상기 차주단말기(3) 또는 화주단말기(2)로 송신하는 단계(S500);는 소정의 유무선 데이터통신망을 활용하여 메인서버(1)로부터 차주단말기(3) 또는 화주단말기(2)로 상기 응답 데이터를 송신할 수 있으며, 메인서버(1)와 차주단말기(3) 또는 화주단말기(2) 사이에 소정의 데이터 경유지가 포함되는 구성과 균등한 구성일 수 있다.
상기 차주단말기(3) 또는 화주단말기(2)에 응답 데이터 기반의 화물 리스트 또는 차량 리스트가 출력되는 단계(S600);는 차주단말기(3)에서 요청(검색)한 화물 리스트를 소정의 차주단말기(3) 애플리케이션 인터페이스에 표시하거나, 화주단말기(2)에서 요청(검색)한 차량 리스트를 소정의 화주단말기(2) 애플리케이션 인터페이스에 표시하는 것을 의미한다.
이 때, 상기 화물 리스트 및 차량 리스트는 각각 리스트에 포함된 항목들의 주요 정보, 예를 들어 화물의 출발지/목적지, 중량, 크기, 대금 등의 정보나 차량의 적재중량, 차종, 적재면적, 적재높이 등의 정보가 소정의 스프레드시트(테이블) 형태로 표시될 수 있다.
상기 차주단말기(3) 또는 화주단말기(2)에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목을 선택했을 때, 해당 항목의 상세 정보를 차주단말기(3) 또는 화주단말기(2)에 표시하는 단계(S700);는, 상기 리스트에 포함된 항목들을 차주 또는 화주가 터치(탭)하거나 클릭하는 경우에 차주단말기(3) 또는 화주단말기(2)의 화면이 전환되어 선택한 화물 또는 차량의 세부정보가 표시되도록 수행될 수 있다.
상기 차주단말기(3) 또는 화주단말에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목에 대해 요청 메세지가 발생한 경우, 상기 요청 메세지가 발생한 항목에 해당하는 화주단말기(2) 또는 차주단말기(3)로 요청 정보를 송신하는 단계(S800);는, 차주단말기(3)에서 선택한 어느 화물에 대해 운송 위임을 요청하거나, 화주단말기(2)에서 선택한 어느 차량에 대해 운송 수임을 요청하는 과정을 의미한다.
상기 요청 정보에는, 요청 메세지를 발생시킨 사용자(차주단말기(3) 또는 화주단말기(2))의 차량 정보 또는 화물 정보가 포함된다.
상기 요청 정보에 대해 수락 메세지가 발생한 경우, 매칭된 차주단말기(3) 및 화주단말기(2)에 배차 정보를 송신하는 단계(S900);는, 상기 요청 정보를 확인한 화주가 해당 차량이 자신의 화물을 운송하기에 적합하다고 판단하거나, 상기 요청 정보를 확인한 차주가 해당 화물이 운송하기에 적합하다고 판단했을 때, 단말기 애플리케이션 인터페이스에서 수락 버튼을 터치/탭/클릭함으로써 발생되어 메인서버(1)를 거쳐 사용자 본인의 단말기와 매칭돈 상대방 단말기로 송신되는 단계를 의미한다.
수락 메세지가 발생했을 때, 메인서버(1)에서 화주단말기(2)로 대금 결제 요청을 송신할 수 있으며, 결제가 완료되었거나 기 결제된 예치금에서 해당 대금이 차감될 수 있다면 수락 처리를 완결할 수 있다. 이후 화주가 본인의 귀책사유로 인해 운송 용역 수임을 취소한 경우, 일부 취소 수수료를 차감한 대금을 환불처리할 수 있으며, 취소 수수료 중 서비스 제공자 수수료 일부를 제외한 금액(내지는 환전 가능한 포인트)이 차주에게 송금처리(또는 포인트 입금 처리) 될 수 있다.
이 때, 메인서버(1)에서는 해당 차주와 화주가 매칭되어 운송 용역이 수임되었음을 데이터베이스서버(4)에 기록한다. 이후 차주단말기(3) 또는 화주단말기(2)에서는 매칭된 화물 정보 또는 차량 정보를 확인할 수 있다.
차주단말기(3)에는 GPS가 연동될 수 있으며, 이에 따라 운송 출발 시간으로부터 화물 도착 완료 시간까지는 화주단말기(2)에서 차주단말기(3)의 위치(차량 또는 화물의 현재 위치)를 실시간으로 확인할 수 있도록 제공될 수 있다.
또한, 상기 응답 데이터를 수신하는 단계(S400)는: 상기 데이터베이스서버(4)로부터 응답 데이터를 수신하는 단계(S401); 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터를 이용하여, 화물 리스트 또는 차량 리스트에 포함된 개별 항목들에 대해 점수를 평가하는 단계(S402); 상기 화물 리스트 또는 차량 리스트를 개별 항목들에 대한 점수에 따라 내림차순으로 정렬하는 단계(S403); 및 정렬된 상기 화물 리스트 또는 차량 리스트를 응답 데이터로써 갱신하는 단계(S404);를 포함할 수 있다.
이하, 도 2를 참조하여 상기 개별 항목들에 대한 점수를 평가하는 과정을 설명한다.
도 2에는 점수가 1점 내지 9점인 실시 예가 도시되어 있다.
상기 '개별 항목들'이란, 도 2의 차량코드 C988335, C988336 등 개별 차량 데이터 등을 의미할 수 있다. 화물 리스트에서는 개별 화물 데이터가 개별 항목에 해당된다.
상기 개별 항목들에 대해 점수를 평가하는 단계(S402)는: 상기 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터에 대한 상기 화물 검색 메세지 또는 차량 검색 메세지의 인공신경망 기반 유사도 점수를 산출하고, 유사도 점수가 소정의 기준치 이상인 화물 또는 차량들만 필터링하는 단계;를 포함할 수 있다.
유사도가 낮은 화물 또는 차량을 리스트에서 제외함으로써, 차주 또는 화주들이 관심도가 낮은(불필요한) 정보를 보면서 낭비하는 시간 및 의사결정을 위한 시간을 절감할 수 있다.
이후, 유사도가 소정의 값 이상인 항목들만을 점수에 대한 내림차순으로 정렬함으로써 화주 또는 차주의 의사결정을 돕는다.
화주단말기(2)에서 특정한 화물 F2022431에 대해 차량을 검색하면, 메인서버(1)는 화물의 정보(화물 종류, 화물 중량, 화물 크기, 출발지, 목적지, 특수화물 여부 등)를 기준으로 각 차량들 각각에 대해 소정의 점수를 산출한다.
예를 들어, 화물 중량보다 적재중량이 작은 차량들은 필터링하여 리스트에서 제외하고, 적재면적 및 적재높이가 화물의 크기보다 작은 화물들도 리스트에서 제외한다. 이후, 화물의 크기와 적재면적 및 적재높이 사이의 유사도를 각각 점수로 산출한다. 차량코드 C988335는 화물 F20220431을 적재할 수 있는 적재중량을 가진 차량이며, 적재면적dl 화물의 크기보다는 크되 적재대의 크기가 너무 넓어 공간이 넘지는 않는 수준이어서 9점으로 평가될 수 있다.
특수화물에 대한 운송 경험이 많거나, 특정한 특수화물 운송에 특화된 차량인 경우 특수화물에 대한 점수가 높게 책정될 수 있다. 다만, 특수화물에 대한 점수는 해당 화물이 특수화물이 아닌 경우에는 제외하고 산출될 수 있다. 도 2에 도시된 예시인 화물 F2022431은 특수화물을 예시한 것이다.
한편, 인공신경망에 의해 학습된 화주-차주 매칭 데이터를 기반으로, 화물 F2022431과 동일하다고 판단/평가되는 화물이 매칭된 빈도가 높은 차량인 C988335는 빈도 점수가 9점으로 평가될 수 있다.
최종 점수가 동일한 경우에는 화물의 중량 및 운송거리에 따라 해당 차량별로 산출된 표준 대금에 대해 오름차순으로 정렬함으로써, 최적의 조건의 차량 중 가장 낮은 대금인 차량이 상위에 표시되도록 조절할 수 있다.
상기 개별 항목들에 대한 점수는: 상기 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터에 대한 상기 화물 검색 메세지 또는 차량 검색 메세지의 인공신경망 기반 유사도 점수로써 산출되되, 상기 화물 검색 메세지가 메인서버(1)에 수신되었던 경우에는: 차주단말기(3)에서 등록한 ① 선호 화물 종류, ② 선호 운송 거리, ③ 선호 운송 금액 및 ④ 선호 화주 업종 정보로 상기 유사도 점수를 보정하고, 상기 차량 검색 메세지가 메인서버(1)에 수신되었던 경우에는, 화주단말기(2)에서 등록한 ① 선호 차량 제원, ② 선호 운송업체 및, 차주단말기(3)에 대해 기록된 ③ 차주의 화물 운송 내역으로 상기 유사도 점수를 보정하며, 상기 선호 차량 제원은: 적재중량, 적재면적 및 적재높이를 포함할 수 있다.
상기와 같이, 차주단말기(3) 또는 화주단말기(2)에서 기 등록한 정보를 기준으로 유사도 점수를 보정할 수 있다.
선호 차량 제원에는 적재면적, 적재높이, 출발지, 특수화물, 빈도 등이 포함될 수 있으며, 각 점수항목마다 소정의 가중치가 적용될 수 있다. 가중치는 메인서버(1)에서 지정한 표준 가중치를 기반으로, 화주가 지정한 커스텀 가중치를 반영하여 적용될 수 있다.
예를 들어, 특수화물 운반의 경우 특수화물 점수 가중치를 2배로, 적재면적과 적재높이가 여유가 있어도 상관없는 경우 적재면적 및 적재높이 점수 가중치를 0배 또는 0.2배 등 1배수 이하의 가중치를 적용하는 것도 가능하다.
이러한 가중치는 차주단말기(3) 또는 화주단말기(2)에서 차주 또는 화주가 직접 입력 및 수정이 가능하도록 소정의 애플리케이션 인터페이스가 제공될 수 있다.
그리고, 상기 차량 데이터 및 화물 데이터를 입력받는 단계(S100)에서, 화물 데이터를 입력받는 단계(S100)는: 단위기물이 화물에 소정의 거리 내에 인접한 상태에서 화물 이미지를 촬영하도록 화주단말기(2)에 카메라 기능을 동작시키는 단계(S101); 촬영된 화물 이미지로부터, 상기 단위기물의 치수를 기반으로 화물의 치수를 추정하여 화주단말기(2)의 화물 치수 입력란에 자동으로 기입하는 단계(S102); 상기 화물 치수 입력란의 입력값을 확인 및 수정받고, 화물의 중량을 입력받는 단계(S103); 및 상기 화물의 취급주의 품목 여부를 선택받는 단계(S104);를 포함할 수 있다.
상기 단위기물이란, 소정의 규격 치수를 가지는 물체, 특히 육면체 형상의 물체일 수 있다. 예를 들어, 50cm^3 사이즈의 정육면체의 일면에, 해당 사이즈(50cm^3 사이즈)의 단위기물을 기준으로 화물 이미지를 측정하는 URL이 기록된 QR코드를 출력한 형태로 단위기물을 구성할 수 있다.
화주는 화물의 근처에 단위기물을 위치시키고, 단위기물에 출력된 QR코드를 인식한 뒤 화물과 단위기물이 한 이미지 안에 포함되도록 사진을 촬영할 수 있다. 이후, 업로드된 화물 이미지에서 단위기물과 화물의 크기를 비교하여 화물의 가로, 세로 및 높이를 추정하여 화물 정보로써 자동 입력할 수 있다.
이후, 취급주의 품목 여부, 특수화물(중장비, 특수형상 화물 등) 여부를 선택받는 팝업창을 띄우고, 이에 대한 확인이 완료되어야 화물 데이터 입력이 완료되도록 처리할 수 있다. 이를 통해 취급주의 화물 여부 확인 절차가 누락되는 것을 방지할 수 있다.
아울러, 상기 응답 데이터를 상기 차주단말기(3) 또는 화주단말기(2)로 송신하는 단계(S500)는: 상기 차주단말기(3)가 차주용 웨어러블 디바이스로부터 차주의 수면 정보를 수집하는 단계(S501); 상기 차주의 수면 정보를 기반으로 차주의 수면등급을 지정하는 단계(S502); 화물의 운송거리를 소정의 구간마다 구분하여, 운송거리가 큰 구간의 화물에 상기 차주의 수면등급이 높은 차주만 배정되도록 화물 리스트 또는 차량 리스트를 필터링하는 단계(S503); 및 상기 차주의 수면등급에 따라 필터링된 화물 리스트 또는 차량 리스트를 응답 데이터로써 상기 차주단말기(3) 또는 화주단말기(2)로 송신하는 단계(S504);를 포함할 수 있다.
상기 수면등급이 높은 차주만 배정되도록 화물 리스트 또는 차량 리스트를 필터링하는 단계(S503)는: 차주 업체에서 다수의 차량 운전자 중 어느 한 운전자를 배당하고자 하는 경우에도 효과적으로 활용될 수 있다. 예를 들어, 화주가 지정한 차량을 보유한 차량 운전자가 다수 존재할 때, 그 중 수면등급이 높은 차량 운전자를 장거리 운행에 배정할 수 있다.
다만, 이러한 수면정보는 개인정보로써 열람이 제한되어야하므로, 화주단말기(2) 및 차주단말기(3)에서 수면등급을 조회할 수는 없도록 제한되는 것이 바람직하며, 더 상세하게는 메인서버(1)에서 수면등급 관련 필터링을 처리한 뒤 필터링된 리스트만 제공하는 형태로 운영되는 것이 바람직하다.
또한, 상기 차주단말기(3) 또는 화주단말기(2)에 상세 정보가 표시된 항목에 대해 제1 부적합 매칭 신고 메세지가 발생한 경우, 상기 상세 정보가 표시된 항목에 해당하는 화주단말기(2) 또는 차주단말기(3)의 화물 정보 또는 차량 정보를 획득하는 단계(S701); 상기 화물 정보 또는 차량 정보를, 다른 차주단말기(3) 또는 화주단말기(2)로부터 기 수집되었던 제2 부적합 매칭 신고 메세지와 비교하여 부적합 매칭 발생 인자를 추출하는 단계(S702); 소정의 기준 기간 동안 부적합 매칭 신고 메세지가 소정의 횟수 이상 누적된 것으로 확인되면, 상기 기준 기간 동안 누적된 부적합 매칭 신고 메세지 및 추출된 부적합 매칭 발생 인자를 관리자단말기로 송신하는 단계(S703);를 포함할 수 있다.
차주단말기(3) 및 화주단말기(2)에서 화물 또는 차량 상세 정보를 확인하는 인터페이스에는 부적합 매칭 신고 버튼이 구비될 수 있다.
실제로는 희망 화물 또는 차량과 유사도가 낮은데도 인공신경망의 학습량이 부족한 등의 사유로 잘못된 매칭 데이터가 도출될 수 있으므로, 이러한 피드백에 의해 인공신경망의 한계점을 보완할 수 있다.
부적합 매칭 신고 메세지를 발생시킨 사용자에게는, 해당 부적합 매칭 신고의 적절성을 확인한 이후 플랫폼 이용 수수료 상당의 할인 쿠폰이나 포인트 등을 제공함으로써 신고를 촉진시킬 수 있다.
상기 기준 기간 동안에 비슷한 인자로 인해 부적합 매칭이 발생한 건이 다수인 것으로 확인되는 경우, 관리자가 이를 참조하여 유사도 판단을 위한 인공신경망 파라메터를 수정함으로써 유사도 판단의 정확도를 높일 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
1 : 메인서버
2 : 화주단말기
3 : 차주단말기
4 : 데이터베이스서버
S100 : 차량 데이터 및 화물 데이터를 입력받는 단계
S101 : 화주단말기에 카메라 기능을 동작시키는 단계
S102 : 화물의 치수를 추정하여 화주단말기의 화물 치수 입력란에 자동으로 기입하는 단계
S103 : 화물 치수 입력란의 입력값을 확인 및 수정받고, 화물의 중량을 입력받는 단계
S104 : 화물의 취급주의 품목 여부를 선택받는 단계
S200 : 검색 메세지를 수신하는 단계
S300 : 데이터베이스 쿼리를 생성하는 단계
S400 : 응답 데이터를 수신하는 단계
S401 : 메인서버가 데이터베이스서버로부터 응답 데이터를 수신하는 단계
S402 : 리스트에 포함된 개별 항목들에 대해 점수를 평가하는 단계
S403 : 리스트를 개별 항목들에 대한 점수에 따라 내림차순으로 정렬하는 단계
S404 : 정렬된 리스트를 응답 데이터로써 갱신하는 단계
S500 : 응답 데이터를 단말기로 송신하는 단계
S501 : 차주의 수면 정보를 수집하는 단계
S502 : 차주의 수면등급을 지정하는 단계
S503 : 리스트를 필터링하는 단계
S504 : 필터링된 리스트를 응답 데이터로써 단말기로 송신하는 단계
S600 : 응답 데이터 기반의 리스트가 출력되는 단계
S700 : 상세 정보를 단말기에 표시하는 단계
S701 : 해당하는 화물 정보 또는 차량 정보를 획득하는 단계
S702 : 기 수집되었던 제2 부적합 매칭 신고 메세지와 비교하여 부적합 매칭 발생 인자를 추출하는 단계
S703 : 누적된 부적합 매칭 신고 메세지 및 추출된 부적합 매칭 발생 인자를 관리자단말기로 송신하는 단계
S800 : 요청 메세지가 발생한 항목에 해당하는 단말기로 요청 정보를 송신하는 단계
S900 : 단말기에 배차 정보를 송신하는 단계
2 : 화주단말기
3 : 차주단말기
4 : 데이터베이스서버
S100 : 차량 데이터 및 화물 데이터를 입력받는 단계
S101 : 화주단말기에 카메라 기능을 동작시키는 단계
S102 : 화물의 치수를 추정하여 화주단말기의 화물 치수 입력란에 자동으로 기입하는 단계
S103 : 화물 치수 입력란의 입력값을 확인 및 수정받고, 화물의 중량을 입력받는 단계
S104 : 화물의 취급주의 품목 여부를 선택받는 단계
S200 : 검색 메세지를 수신하는 단계
S300 : 데이터베이스 쿼리를 생성하는 단계
S400 : 응답 데이터를 수신하는 단계
S401 : 메인서버가 데이터베이스서버로부터 응답 데이터를 수신하는 단계
S402 : 리스트에 포함된 개별 항목들에 대해 점수를 평가하는 단계
S403 : 리스트를 개별 항목들에 대한 점수에 따라 내림차순으로 정렬하는 단계
S404 : 정렬된 리스트를 응답 데이터로써 갱신하는 단계
S500 : 응답 데이터를 단말기로 송신하는 단계
S501 : 차주의 수면 정보를 수집하는 단계
S502 : 차주의 수면등급을 지정하는 단계
S503 : 리스트를 필터링하는 단계
S504 : 필터링된 리스트를 응답 데이터로써 단말기로 송신하는 단계
S600 : 응답 데이터 기반의 리스트가 출력되는 단계
S700 : 상세 정보를 단말기에 표시하는 단계
S701 : 해당하는 화물 정보 또는 차량 정보를 획득하는 단계
S702 : 기 수집되었던 제2 부적합 매칭 신고 메세지와 비교하여 부적합 매칭 발생 인자를 추출하는 단계
S703 : 누적된 부적합 매칭 신고 메세지 및 추출된 부적합 매칭 발생 인자를 관리자단말기로 송신하는 단계
S800 : 요청 메세지가 발생한 항목에 해당하는 단말기로 요청 정보를 송신하는 단계
S900 : 단말기에 배차 정보를 송신하는 단계
Claims (3)
- 하나 이상의 차주단말기 및 하나 이상의 화주단말기로부터 차량 데이터 및 화물 데이터를 입력받는 단계;
메인서버가 상기 차주단말기의 화물 검색 메세지 또는 화주단말기의 차량 검색 메세지를 수신하는 단계;
상기 메인서버가 상기 화물 검색 메세지 또는 차량 검색 메세지에 따라 데이터베이스 쿼리를 생성하는 단계;
상기 메인서버가 상기 데이터베이스 쿼리를 데이터베이스서버에 전달하여 응답 데이터를 수신하는 단계;
상기 메인서버가 상기 응답 데이터를 상기 차주단말기 또는 화주단말기로 송신하는 단계;
상기 차주단말기 또는 화주단말기에 응답 데이터 기반의 화물 리스트 또는 차량 리스트가 출력되는 단계;
상기 차주단말기 또는 화주단말기에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목을 선택했을 때, 해당 항목의 상세 정보를 차주단말기 또는 화주단말기에 표시하는 단계;
상기 차주단말기 또는 화주단말에 출력된 화물 리스트 또는 차량 리스트 중 어느 한 항목에 대해 요청 메세지가 발생한 경우, 상기 메인서버가 상기 요청 메세지가 발생한 항목에 해당하는 화주단말기 또는 차주단말기로 요청 정보를 송신하는 단계; 및
상기 요청 정보에 대해 수락 메세지가 발생한 경우, 상기 메인서버가 매칭된 차주단말기 및 화주단말기에 배차 정보를 송신하는 단계;를 포함하고,
상기 응답 데이터를 수신하는 단계는:
상기 메인서버가 상기 데이터베이스서버로부터 응답 데이터를 수신하는 단계;
상기 메인서버가 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터를 이용하여, 화물 리스트 또는 차량 리스트에 포함된 개별 항목들에 대해 점수를 평가하는 단계;
상기 메인서버가 상기 화물 리스트 또는 차량 리스트를 개별 항목들에 대한 점수에 따라 내림차순으로 정렬하는 단계; 및
상기 메인서버가 정렬된 상기 화물 리스트 또는 차량 리스트를 응답 데이터로써 갱신하는 단계;를 포함하고,
상기 개별 항목들에 대한 점수는:
상기 기 구축된 화물정보, 차량정보 및 매칭정보 빅데이터에 대한 상기 화물 검색 메세지 또는 차량 검색 메세지의 인공신경망 기반 유사도 점수로써 산출되되,
상기 화물 검색 메세지가 메인서버에 수신되었던 경우에는: 차주단말기에서 등록한 ① 선호 화물 종류, ② 선호 운송 거리, ③ 선호 운송 금액 및 ④ 선호 화주 업종 정보로 상기 유사도 점수를 보정하고,
상기 차량 검색 메세지가 메인서버에 수신되었던 경우에는, 화주단말기에서 등록한 ① 선호 차량 제원, ② 선호 운송업체 및, 차주단말기에 대해 기록된 ③ 차주의 화물 운송 내역으로 상기 유사도 점수를 보정하며,
상기 선호 차량 제원은: 적재중량, 적재면적 및 적재높이를 포함하고,
상기 차량 데이터 및 화물 데이터를 입력받는 단계에서, 화물 데이터를 입력받는 단계는:
단위기물이 화물에 소정의 거리 내에 인접한 상태에서 화물 이미지를 촬영하도록 화주단말기에 카메라 기능을 동작시키는 단계;
촬영된 화물 이미지로부터, 상기 단위기물의 치수를 기반으로 화물의 치수를 추정하여 화주단말기의 화물 치수 입력란에 자동으로 기입하는 단계;
상기 화주단말기가 상기 화물 치수 입력란의 입력값을 확인 및 수정받고, 화물의 중량을 입력받는 단계; 및
상기 화주단말기가 상기 화물의 취급주의 품목 여부를 선택받는 단계;를 포함하되,
상기 단위기물은:
소정의 규격 치수를 가지는 육면체 형상의 물체로 구성되되,
일면에는 소정의 화물 이미지 측정용 URL이 기록된 QR코드가 출력되어,
상기 화물로부터 소정의 거리 내에 단위기물을 위치시키고, 단위기물에 출력된 QR코드를 인식한 뒤 화물과 단위기물이 한 이미지 안에 포함되도록 화주단말기에서 사진을 촬영함으로써 상기 화물 이미지를 촬영하도록 제공되며,
상기 응답 데이터를 상기 차주단말기 또는 화주단말기로 송신하는 단계는:
상기 차주단말기가 차주용 웨어러블 디바이스로부터 차주의 수면 정보를 수집하는 단계;
상기 메인서버가 상기 차주의 수면 정보를 기반으로 차주의 수면등급을 지정하는 단계;
상기 메인서버가 화물의 운송거리를 소정의 구간마다 구분하여, 운송거리가 클수록 상기 차주의 수면등급이 높은 차주가 배정되도록 화물 리스트 또는 차량 리스트를 필터링하는 단계; 및
상기 메인서버가 상기 차주의 수면등급에 따라 필터링된 화물 리스트 또는 차량 리스트를 응답 데이터로써 상기 차주단말기 또는 화주단말기로 송신하는 단계;를 포함하고,
상기 차주단말기 또는 화주단말기에 상세 정보가 표시된 항목에 대해 제1 부적합 매칭 신고 메세지가 발생한 경우, 상기 상세 정보가 표시된 항목에 해당하는 화주단말기 또는 차주단말기의 화물 정보 또는 차량 정보를 상기 메인서버가 획득하는 단계;
상기 메인서버가 상기 화물 정보 또는 차량 정보를, 다른 차주단말기 또는 화주단말기로부터 기 수집되었던 제2 부적합 매칭 신고 메세지와 비교하여 부적합 매칭 발생 인자를 추출하는 단계;
상기 메인서버에서 소정의 기준 기간 동안 부적합 매칭 신고 메세지가 소정의 횟수 이상 누적된 것으로 확인되면, 상기 기준 기간 동안 누적된 부적합 매칭 신고 메세지 및 추출된 부적합 매칭 발생 인자를 관리자단말기로 송신하는 단계;를 포함하는, 인공지능 기반 화주 및 차주 매칭 자동화 방법
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220078033A KR102499177B1 (ko) | 2022-06-27 | 2022-06-27 | 인공지능 기반 화주 및 차주 매칭 자동화 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220078033A KR102499177B1 (ko) | 2022-06-27 | 2022-06-27 | 인공지능 기반 화주 및 차주 매칭 자동화 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102499177B1 true KR102499177B1 (ko) | 2023-02-13 |
Family
ID=85202815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220078033A KR102499177B1 (ko) | 2022-06-27 | 2022-06-27 | 인공지능 기반 화주 및 차주 매칭 자동화 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102499177B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116562749A (zh) * | 2023-03-28 | 2023-08-08 | 北京知藏云道科技有限公司 | 一种基于自然语言处理的车货匹配推荐系统 |
| KR102598030B1 (ko) * | 2023-03-06 | 2023-11-02 | 주식회사 모벤티스 | 물류 중개 플랫폼 서비스 제공 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130082877A (ko) * | 2011-12-21 | 2013-07-22 | (주)트리포스 | 화물배차 시스템 |
| KR20190012701A (ko) * | 2017-07-28 | 2019-02-11 | 임경현 | 화물 운송 중계방법, 화물 운송 중계서버 및 이를 포함하는 화물 운송 중계시스템 |
| KR102010216B1 (ko) * | 2019-06-26 | 2019-08-13 | 주식회사 에이스큐브 | 졸음 운전 방지 시스템 |
| KR102101708B1 (ko) | 2019-10-29 | 2020-04-20 | 김민규 | Ｏ２ｏ 기반 빅데이터 및 인공지능을 이용한 화물 배차 서비스 제공 방법 |
| KR102084719B1 (ko) * | 2019-08-12 | 2020-05-29 | 박병소 | 판매 예측 정보 제공 시스템 |
| KR20220077575A (ko) * | 2020-12-02 | 2022-06-09 | 박진우 | 운송자의 경로, 시간 및 빅데이터를 활용한 최적화된 물품 운송 방법 |
-
2022
- 2022-06-27 KR KR1020220078033A patent/KR102499177B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130082877A (ko) * | 2011-12-21 | 2013-07-22 | (주)트리포스 | 화물배차 시스템 |
| KR20190012701A (ko) * | 2017-07-28 | 2019-02-11 | 임경현 | 화물 운송 중계방법, 화물 운송 중계서버 및 이를 포함하는 화물 운송 중계시스템 |
| KR102010216B1 (ko) * | 2019-06-26 | 2019-08-13 | 주식회사 에이스큐브 | 졸음 운전 방지 시스템 |
| KR102084719B1 (ko) * | 2019-08-12 | 2020-05-29 | 박병소 | 판매 예측 정보 제공 시스템 |
| KR102101708B1 (ko) | 2019-10-29 | 2020-04-20 | 김민규 | Ｏ２ｏ 기반 빅데이터 및 인공지능을 이용한 화물 배차 서비스 제공 방법 |
| KR20220077575A (ko) * | 2020-12-02 | 2022-06-09 | 박진우 | 운송자의 경로, 시간 및 빅데이터를 활용한 최적화된 물품 운송 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102598030B1 (ko) * | 2023-03-06 | 2023-11-02 | 주식회사 모벤티스 | 물류 중개 플랫폼 서비스 제공 방법 |
| CN116562749A (zh) * | 2023-03-28 | 2023-08-08 | 北京知藏云道科技有限公司 | 一种基于自然语言处理的车货匹配推荐系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102499177B1 (ko) | 인공지능 기반 화주 및 차주 매칭 자동화 방법 | |
| US12002001B2 (en) | Integrated multi-location scheduling, routing, and task management | |
| EP3706053A1 (en) | Cognitive system | |
| Fanti et al. | A simulation based Decision Support System for logistics management | |
| US11403712B2 (en) | Methods and systems for injury segment determination | |
| WO2019006373A1 (en) | METHOD AND APPARATUS FOR PREDICTING VEHICLE INSURANCE RISK, AND SERVER | |
| US20230088950A1 (en) | Method and system for intelligent load optimization for vehicles | |
| KR102404511B1 (ko) | 인공지능 기반 사용자 맞춤형 상품 정보 추천 방법, 장치 및 시스템 | |
| KR102101708B1 (ko) | Ｏ２ｏ 기반 빅데이터 및 인공지능을 이용한 화물 배차 서비스 제공 방법 | |
| US11541773B2 (en) | Apparatus and method for assigning charger to electric vehicles | |
| CN111737546B (zh) | 确定实体业务属性的方法及装置 | |
| CN112256886B (zh) | 图谱中的概率计算方法、装置、计算机设备及存储介质 | |
| Hu et al. | Knowledge-based modeling for disruption management in urban distribution | |
| Lin et al. | Deep demand prediction: An enhanced conformer model with cold-start adaptation for origin–destination ride-hailing demand prediction | |
| KR102536063B1 (ko) | 인공지능 기반 기업용 매출 및 매입 정산 솔루션 제공 방법, 장치 및 시스템 | |
| KR102498780B1 (ko) | 인공지능 모델을 활용한 수출입 항공 물류를 위한 자동 주문 처리 방법, 장치 및 시스템 | |
| CN115952438B (zh) | 社交平台用户属性预测方法、系统、移动设备及存储介质 | |
| KR102410460B1 (ko) | 인공지능 기반 뷰티샵 예약 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| CN114548463A (zh) | 线路信息预测方法、装置、计算机设备和存储介质 | |
| Fehling et al. | Feasibility of drones & agvs in the last mile delivery: Lessons from Germany | |
| KR102528613B1 (ko) | 인공지능 모델을 활용한 렌터카의 중고 가격 산출 방법, 장치 및 시스템 | |
| KR102649498B1 (ko) | 선사별 실시간 통합 예약 정보를 기반으로 한 화주의 해상 운송 예약 자동화 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| Borges et al. | Traffic light control and machine learning: A systematic mapping review | |
| KR102522634B1 (ko) | 네트워크 장비의 유지 보수 운용 자동화 방법, 장치 및 시스템 | |
| KR102614789B1 (ko) | 자판기 판매 데이터 분석을 통한 자판기 운영 보조 방법, 장치 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |