KR102594458B1 - 인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템 - Google Patents

인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR102594458B1
KR102594458B1 KR1020230102654A KR20230102654A KR102594458B1 KR 102594458 B1 KR102594458 B1 KR 102594458B1 KR 1020230102654 A KR1020230102654 A KR 1020230102654A KR 20230102654 A KR20230102654 A KR 20230102654A KR 102594458 B1 KR102594458 B1 KR 102594458B1
Authority
KR
South Korea
Prior art keywords
route
line
movement
destination
creation step
Prior art date
Application number
KR1020230102654A
Other languages
English (en)
Inventor
조영우
Original Assignee
주식회사 와이더블유로지스틱스
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 와이더블유로지스틱스 filed Critical 주식회사 와이더블유로지스틱스
Priority to KR1020230102654A priority Critical patent/KR102594458B1/ko
Application granted granted Critical
Publication of KR102594458B1 publication Critical patent/KR102594458B1/ko

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • G06Q10/0835Relationships between shipper or supplier and carriers
    • G06Q10/08355Routing methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311Scheduling, planning or task assignment for a person or group
    • G06Q10/063114Status monitoring or status determination for a person or group
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311Scheduling, planning or task assignment for a person or group
    • G06Q10/063116Schedule adjustment for a person or group
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0633Workflow analysis
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명의 일실시예는 물류 기사들마다 분배된 물품 목록을 기반으로 각 물류 기사들이 어떤 동선으로 이동할 때 작업시간을 최소화할 수 있는지를 판단하여 동선을 최적화하고 배송 일정을 스케쥴링하고, 배송 작업의 완료 시간을 예측하여 이를 고객에게 알림으로써 고객이 자신이 배송받을 물품의 배송 예정 시간을 확인할 수 있는, 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법, 장치 및 시스템에 관한 것이다.

Description

인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법, 장치 및 시스템{LOGISTICS DRIVER'S MOVEMENT ADJUSTMENT AND SCHEDULING METHOD, DEVICE AND SYSTEM USING ARTIFICIAL INTELLIGENCE MODEL}
아래 실시예들은 물류 기사들마다 분배된 물품 목록을 기반으로 각 물류 기사들이 어떤 동선으로 이동할 때 작업시간을 최소화할 수 있는지를 판단하여 동선을 최적화하고 배송 일정을 스케쥴링하고, 배송 작업의 완료 시간을 예측하여 이를 고객에게 알림으로써 고객이 자신이 배송받을 물품의 배송 예정 시간을 확인할 수 있는, 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법, 장치 및 시스템에 관한 것이다.
3PL, 풀필먼트 등 물류 서비스 업체에서 전반적인 운송 과정을 도맡는 서비스들의 규모가 증가하고 있다.
물류 서비스 업체에서는 전국으로 각 물품들을 분배하여 운송하며, 각 지역의 배송 기사(물류 기사)들은 자신에게 배정된 물품들을 각 배송지로 운반하여 배송 완료처리한다.
다만, 이러한 지역별 배송 작업은 각 물류 기사들의 노하우/경험에 의해 수행되고 있으며, 숙련도가 높은 물류 기사는 자신의 경험이나 판단을 기반으로 배송 경로/동선을 계획하고 배송 업무를 수행함에 따라 작업의 효율성을 높일 수 있지만, 숙련도가 낮은 물류 기사는 적절한 동선을 계획하기 어려워 동일한 물량을 배송하더라도 작업에 더 많은 시간이 소요되고 있다.
한편, 고객들은 자신의 물품이 배송지로 배송되는 예상 시각을 제공받고 있으나, 물류 기사에 의해 대략적으로 입력된 배송 예정 시각은 편차가 매우 크기 때문에 정확한 배송 예정 시각을 파악하기 어렵다는 한계점이 있다.
KR 10-2366033 B KR 10-2373372 B
본 발명의 일실시예가 해결하고자 하는 과제는, 전술한 바와 같은 종래 물류 서비스의 한계점을 극복하기 위하여, 물류 기사에게 배정된 물품 목록을 기반으로 해당 물류 기사의 동선을 자동으로 수립하고, 배송 작업이 완료될 것으로 예상되는 시점을 추정하여 이를 기반으로 고객에게 배송 예정 시각을 자동으로 통보함으로써 배송 예정 시각의 정확도를 개선할 수 있는, 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법, 장치 및 시스템을 제공하는 것이다.
일실시예에 따르면, 장치에 의해 수행되는 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법에 있어서, 물류 기사별로 지정된 물품 목록을 읽어오는 단계; 상기 물품 목록에 포함된 개별 물품마다, 배송지 주소를 읽어오는 단계; 읽어온 상기 배송지 주소들을 소정의 인공지능 모델에 입력하여, 상기 물류 기사별로 제1 경로를 생성하는 단계; 상기 물류 기사별로 생성된 상기 제1 경로를 각 물류 기사 단말로 송신하는 단계; 상기 제1 경로를 기반으로, 상기 물품 목록에 포함된 개별 물품들의 배송 예정 시각을 산출하는 단계; 상기 물품 목록에 포함된 개별 물품마다, 수취인 연락처를 읽어오는 단계; 및 상기 수취인 연락처를 기반으로, 상기 배송 예정 시각을 송신하는 단계;를 포함하는, 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법을 제공한다.
또한, 상기 제1 경로를 생성하는 단계는: 상기 배송지 주소들에 대응하는 제1 지점들을 지도상에 표기하는 제1 동선 생성 단계; 상기 제1 지점들 중 최외곽에 위치하는 제2 지점들을 추출하는 제2 동선 생성 단계; 상기 제2 지점들을 이어서 형성되는 제1 도형을 생성하는 제3 동선 생성 단계; 상기 제1 도형의 도심인 제3 지점을 산출하는 제4 동선 생성 단계; 상기 제1 지점들을 복제한 제4 지점들을 생성하는 제5 동선 생성 단계; 상기 제3 지점으로부터 직선거리가 가장 짧은 제4 지점을 제1 목적지로 지정하는 제6 동선 생성 단계; 현재 교통 상황 데이터를 기반으로, 상기 제1 목적지로부터 제1 방향으로 신장되는 제1 선분을 산출하는 제7 동선 생성 단계; 상기 제1 선분에 의해 이등분되며, 제1 폭을 가지는 제1 직사각형을 생성하는 제8 동선 생성 단계; 상기 제1 직사각형과 상기 제1 도형이 중첩되는 영역 내에 위치하는 제4 지점들을 제2 목적지로 지정하는 제9 동선 생성 단계; 상기 제4 지점들 중에서, 상기 제2 목적지로 지정된 제4 지점들을 제거하는 제10 동선 생성 단계; 상기 제2 목적지를 기반으로 제2 경로를 생성하는 제11 동선 생성 단계; 상기 제2 경로의 종착지에 도달할 예상 시각의 교통 상황 데이터를 기반으로, 상기 제2 경로의 종착지로부터 제2 방향으로 신장되는 제2 선분을 산출하는 제12 동선 생성 단계; 상기 제2 선분에 의해 이등분되며, 제2 폭을 가지는 제2 직사각형을 생성하는 제13 동선 생성 단계; 상기 제2 직사각형과 상기 제1 도형이 중첩되는 영역 내에 위치하는 제4 지점들을 제3 목적지로 지정하는 제14 동선 생성 단계; 상기 제4 지점들 중에서, 상기 제3 목적지로 지정된 제4 지점들을 제거하는 제15 동선 생성 단계; 상기 제3 목적지를 기반으로 제2 경로를 갱신하는 제16 동선 생성 단계; 상기 제4 지점이 적어도 하나 존재하는 동안, 상기 제12 동선 생성 단계 내지 제16 동선 생성 단계를 반복하는 제17 동선 생성 단계; 및 상기 제17 동선 생성 단계에서의 반복이 종료된 후, 상기 제2 경로를 제1 경로로 지정하는 제18 동선 생성 단계;를 포함할 수 있다.
그리고, 상기 제7 동선 생성 단계 및 제12 동선 생성 단계는: 상기 제1 도형 내에 포함된 모든 도로 구간인 제1 도로 구간을 추출하는 단계; 상기 교통 상황 데이터를 기반으로, 상기 제1 도로 구간별 정체 지수를 추출하는 단계; 상기 지도를 기반으로, 상기 제1 도로 구간별 제1 단위 방향 벡터를 산출하는 단계; (1, 0), (
Figure 112023086493582-pat00001
,
Figure 112023086493582-pat00002
), (0, 1), (-
Figure 112023086493582-pat00003
,
Figure 112023086493582-pat00004
), (-1, 0), (-
Figure 112023086493582-pat00005
, -
Figure 112023086493582-pat00006
), (0, -1) 및 (
Figure 112023086493582-pat00007
, -
Figure 112023086493582-pat00008
)를 포함하는 기준 방향 벡터를 기반으로, 상기 제1 단위 방향 벡터들을 통합하여 제2 단위 방향 벡터로 변환하는 단계; 상기 제2 단위 방향 벡터가 동일한 상기 제1 도로 구간별로, 상기 정체 지수의 평균값을 산출하는 단계; 및 상기 정체 지수의 평균값이 가장 낮은 제2 단위 방향 벡터를 기반으로, 상기 제1 목적지 또는 제2 경로의 종착지로부터 상기 제1 도형의 외곽선까지 신장되는 제1 선분 또는 제2 선분을 산출하는 단계;를 포함할 수 있다.
아울러, 상기 제2 동선 생성 단계는: 상기 제1 지점들 중 두 개씩을 선택하는 조합(Combination; 상기 제1 지점이 'n개'일 때, 제1 순서쌍은 'nC2개' 생성됨)을 기반으로, 제1 지점의 제1 순서쌍을 생성하는 제2-1 동선 생성 단계; 상기 제1 순서쌍 각각에 대응하는 제3 선분들을 생성하는 제2-2 동선 생성 단계; 상기 제3 선분들 중 길이가 가장 길거나 길이가 두 번째로 긴 제4 선분을 추출하는 제2-3 동선 생성 단계; 상기 제4 선분들의 교점을 제5 지점으로 지정하는 제2-4 동선 생성 단계; 상기 제5 지점으로부터 어느 한 제1 지점인 제6 지점 방향으로 신장되는 제1 반직선을 생성하는 제2-5 동선 생성 단계; 상기 제5 지점으로부터 상기 제6 지점을 잇는 제5 선분을 생성하는 제2-6 동선 생성 단계; 상기 제1 반직선이 다른 한 제1 지점인 제7 지점을 지날 때까지, 상기 제1 반직선을 상기 제5 지점을 중심으로 제1 각도만큼 회전시키는 제2-7 동선 생성 단계; 상기 제5 지점으로부터 상기 제7 지점을 잇는 제6 선분을 생성하는 제2-8 동선 생성 단계; 상기 제1 반직선이 또다른 한 제1 지점인 제8 지점을 지날 때까지, 상기 제1 반직선을 상기 제5 지점을 중심으로 제2 각도만큼 회전시키는 제2-9 동선 생성 단계; 상기 제5 지점으로부터 상기 제8 지점을 잇는 제7 선분을 생성하는 제2-10 동선 생성 단계; 상기 제6 선분 및 제7 선분의 길이를 비교하여, 제6 선분의 길이가 제7 선분의 길이 이상인 경우 수행되는 제2-11 동선 생성 단계; 상기 제6 선분 및 제7 선분의 길이를 비교하여, 제6 선분의 길이가 제7 선분의 길이 미만인 경우 수행되는 제2-12 동선 생성 단계; 및 상기 제2-9 동선 생성 단계 내지 제2-12 동선 생성 단계를, 상기 제2 각도가 360도가 될 때까지 반복하는 제2-13 동선 생성 단계;를 포함하고, 상기 제2-11 동선 생성 단계는: 상기 제7 지점을 상기 제2 지점 중 어느 하나로 지정하는 제2-11-1 동선 생성 단계; 상기 제7 지점을 제6 지점으로 재지정하는 제2-11-2 동선 생성 단계; 및 재지정된 상기 제6 지점을 기반으로, 상기 제2-5 동선 생성 단계 내지 제2-8 동선 생성 단계를 수행하는 제2-11-3 동선 생성 단계;를 포함하고, 상기 제2-12 동선 생성 단계는: 상기 제6 선분을 삭제하는 제2-12-1 동선 생성 단계; 상기 제8 지점을 제7 지점으로 재지정하는 제2-12-2 동선 생성 단계; 및 상기 제7 선분을 제6 선분으로 재지정하는 제2-12-3 동선 생성 단계;를 포함할 수 있다.
또한, 상기 배송 예정 시각을 산출하는 단계는: 상기 제1 도로 구간 중, 상기 제1 경로에 포함되는 제2 도로 구간들을 추출하는 단계; 상기 제2 도로 구간마다, 상기 지도를 기반으로 제1 면적을 산출하는 단계; 상기 제2 도로 구간마다, 상기 제1 면적을 제2 도로 구간의 길이로 나눈 평균 도로 폭을 산출하는 단계; 상기 평균 도로 폭을 기반으로, 상기 제2 도로 구간별 가중치를 산출하는 단계; 상기 제2 도로 구간별 길이에, 현재 시각 기준의 평균 예상 이동 속도를 곱하여 제1-1 시간들을 산출하는 단계; 상기 제1-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제1-2 시간들을 산출하는 단계; 상기 제1-2 시간들을 합산하여, 제1-3 시간을 산출하는 단계; 상기 현재 시각으로부터 제1-3 시간 이후인 제1 시각을 산출하는 단계; 상기 제2 도로 구간별 길이에, 상기 제1 시각 기준의 평균 예상 이동 속도를 곱하여 제2-1 시간들을 산출하는 단계; 상기 제2-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제2-2 시간들을 산출하는 단계; 상기 제2-2 시간들을 합산하여, 제2-3 시간을 산출하는 단계; 상기 제1-3 시간 및 제2-3 시간의 평균값인 제2-4 시간을 산출하는 단계; 상기 현재 시각으로부터 제2-4 시간 이후인 제2 시각을 산출하는 단계; 상기 제2 도로 구간별 길이에, 상기 제2 시각 기준의 평균 예상 이동 속도를 곱하여 제3-1 시간들을 산출하는 단계; 상기 제3-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제3-2 시간들을 산출하는 단계; 상기 제3-2 시간들을 합산하여, 제3-3 시간을 산출하는 단계; 및 상기 현재 시각으로부터 상기 제3-3 시간 이후를 배송 예정 시각으로 지정하는 단계;를 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
일실시예에 따르면, 물류 기사에게 배정된 물품 목록을 기반으로 해당 물류 기사의 동선을 자동으로 수립하여 물류 기사들에게 제공할 수 있다.
또한, 배송 작업이 완료될 것으로 예상되는 시점을 추정하여 이를 기반으로 고객에게 배송 예정 시각을 자동으로 통보할 수 있다.
그리고, 도로의 폭을 배송 예정 시각 산출에 반영하고, 현재 시간과 예측된 배송 완료 시간에 대한 평균값을 기반으로 배송 예정 시각을 보정함으로써, 보다 정확한 배송 예정 시각 예측이 가능하다.
아울러, 교통 상황을 반영하여 배송 동선을 최적화함으로써, 교통 체증으로 인한 작업 시간 증가를 최소화할 수 있다.
또한, 배송 동선 수립에 벡터를 기반으로 교통 상황을 반영함으로써, 단순히 어느 경로에서만 발생하는 교통 체증이 아니라 전반적인 교통 흐름을 동선에 반영함으로써, 전체적인 배송 동선을 최적화할 수 있다.
도 1은 본 발명의 일실시예에 따른 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법을 나타낸 순서도이다.
도 2는 본 발명의 일실시예에 따른 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법의 제1 경로를 각 물류 기사 단말로 송신하는 단계를 나타낸 순서도이다.
도 3은 본 발명의 일실시예에 따른 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법의 제2 동선 생성 단계를 나타낸 순서도이다.
도 4는 본 발명의 일실시예에 따른 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법의 제1 경로를 생성하는 단계를 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법의 제2 동선 생성 단계를 설명하기 위한 도면이다.
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.
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.
일실시예에 따르면, 장치에 의해 수행되는 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법에 있어서, 물류 기사별로 지정된 물품 목록을 읽어오는 단계(S100); 상기 물품 목록에 포함된 개별 물품마다, 배송지 주소를 읽어오는 단계(S200); 읽어온 상기 배송지 주소들을 소정의 인공지능 모델에 입력하여, 상기 물류 기사별로 제1 경로를 생성하는 단계(S300); 상기 물류 기사별로 생성된 상기 제1 경로를 각 물류 기사 단말로 송신하는 단계(S400); 상기 제1 경로를 기반으로, 상기 물품 목록에 포함된 개별 물품들의 배송 예정 시각을 산출하는 단계(S500); 상기 물품 목록에 포함된 개별 물품마다, 수취인 연락처를 읽어오는 단계(S600); 및 상기 수취인 연락처를 기반으로, 상기 배송 예정 시각을 송신하는 단계(S700);를 포함하는, 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법을 제공한다.
상기 물류 기사란, 장치에 연결된 데이터베이스에 기록된 물류 기사 고유번호(ID)를 기반으로 구분될 수 있다. 물류 기사들은 각자 보유한 단말기(스마트폰 등)를 기반으로 상기 장치와 유무선 통신할 수 있다.
관리 책임자가 수동으로 또는 장치가 자동으로 물류 기사별 물품 목록을 지정할 수 있다.
예를 들어, A 물류 기사에게 1001번, 1005번, 1023번, ..., 1120번 물품(각 물품의 고유번호/송장번호)을, B 물류 기사에게 A 물류 기사에게 1002번, 1003번, 1050번, ..., 1225번 물품을 배정할 수 있다.
상기 물품 목록을 읽어오는 단계(S100)에서는, 각 물류 기사별로 지정/배정된 물품 목록들을 데이터베이스로부터 읽어오고(수신/파싱하고), 이를 기반으로 각 물류 기사별 동선(제1 경로)을 산출할 수 있다.
상기 배송지 주소를 읽어오는 단계(S200)에서는, 각 물류 기사별로 지정된 물품 목록으로부터, 해당 물류 기사가 방문해야 하는 배송지들의 주소를 데이터베이스로부터 읽어온다.
이후, 상기 제1 경로를 생성하는 단계(S300)에서는, 각 물류 기사별로 읽어온 상기 배송지 주소들을 인공지능 모델에 입력하여, 상기 물류 기사 각각에 대한 제1 경로들을 생성한다.
여기서, 상기 인공지능 모델은 네비게이션 등에서 활용되는 경로 설정 알고리즘을 의미할 수 있으며, 수신된 현재 교통 상황과 도로 정보 등을 기반으로 출발지-경유지-목적지를 따라 주행하는 경로를 생성할 수 있다.
상기 제1 경로를 각 물류 기사 단말로 송신하는 단계(S400)에서는, 각 물류 기사별로 생성된 제1 경로를 물류 기사의 단말기로 송신하여, 물류 기사의 단말기(스마트폰 또는 네비게이션)에서 제1 경로를 따라 주행하며 배송 업무를 수행할 수 있도록 처리한다. 여기서, 각 물류 기사의 단말은 물류 기사의 고유번호마다 기록된 연락처나 배송 업무 플랫폼 아이디 등을 기반으로 식별될 수 있다.
상기 물품 목록에 포함된 개별 물품들의 배송 예정 시각을 산출하는 단계(S500)에서는, 상기 제1 경로를 기반으로 제1 경로를 따라 배송될 개별 물품들의 배송 예정 시각을 산출한다.
여기서, 상기 배송 예정 시각은 제1 경로에 대응하는 모든 물품들에 대해 일괄적으로 지정될 수도 있고, 개별 물품마다 다르게 지정될 수도 있다.
예를 들어, 100개의 물품들에 대해, 배송 시작 시각(11:00)으로부터 배송 업무 종료 시간(5 시간)을 더한 시각(16:00)을 100개 물품 모두에 대한 배송 예정 시각(범위; 11:00 ~ 16:00 사이에 배송 예정)으로 지정할 수 있다.
이후, 상기 물품 목록에 포함된 개별 물품마다, 수취인 연락처를 읽어오는 단계(S600); 및 상기 수취인 연락처를 기반으로, 상기 배송 예정 시각을 송신하는 단계(S700);에 따라, 고객들에게 각 물품들이 언제 배송될 예정인지를 알리는 SMS 메세지, 푸시 알림, SNS 메세지 등을 송신할 수 있다.
또한, 상기 제1 경로를 생성하는 단계(S300)는: 상기 배송지 주소들에 대응하는 제1 지점(S1)들을 지도상에 표기하는 제1 동선 생성 단계(S401); 상기 제1 지점(S1)들 중 최외곽에 위치하는 제2 지점(S2)들을 추출하는 제2 동선 생성 단계(S402); 상기 제2 지점(S2)들을 이어서 형성되는 제1 도형(F1)을 생성하는 제3 동선 생성 단계(S403); 상기 제1 도형(F1)의 도심인 제3 지점(S3)을 산출하는 제4 동선 생성 단계(S404); 상기 제1 지점(S1)들을 복제한 제4 지점들을 생성하는 제5 동선 생성 단계(S405); 상기 제3 지점(S3)으로부터 직선거리가 가장 짧은 제4 지점을 제1 목적지(D1)로 지정하는 제6 동선 생성 단계(S406); 현재 교통 상황 데이터를 기반으로, 상기 제1 목적지(D1)로부터 제1 방향으로 신장되는 제1 선분(L1)을 산출하는 제7 동선 생성 단계(S407); 상기 제1 선분(L1)에 의해 이등분되며, 제1 폭을 가지는 제1 직사각형(R1)을 생성하는 제8 동선 생성 단계(S408); 상기 제1 직사각형(R1)과 상기 제1 도형(F1)이 중첩되는 영역 내에 위치하는 제4 지점들을 제2 목적지(D2)로 지정하는 제9 동선 생성 단계(S409); 상기 제4 지점들 중에서, 상기 제2 목적지(D2)로 지정된 제4 지점들을 제거하는 제10 동선 생성 단계(S410); 상기 제2 목적지(D2)를 기반으로 제2 경로를 생성하는 제11 동선 생성 단계(S411); 상기 제2 경로의 종착지(PD)에 도달할 예상 시각의 교통 상황 데이터를 기반으로, 상기 제2 경로의 종착지(PD)로부터 제2 방향으로 신장되는 제2 선분(L2)을 산출하는 제12 동선 생성 단계(S412); 상기 제2 선분(L2)에 의해 이등분되며, 제2 폭을 가지는 제2 직사각형(R2)을 생성하는 제13 동선 생성 단계(S413); 상기 제2 직사각형(R2)과 상기 제1 도형(F1)이 중첩되는 영역 내에 위치하는 제4 지점들을 제3 목적지(D3)로 지정하는 제14 동선 생성 단계(S414); 상기 제4 지점들 중에서, 상기 제3 목적지(D3)로 지정된 제4 지점들을 제거하는 제15 동선 생성 단계(S415); 상기 제3 목적지(D3)를 기반으로 제2 경로를 갱신하는 제16 동선 생성 단계(S416); 상기 제4 지점이 적어도 하나 존재하는 동안, 상기 제12 동선 생성 단계(S412) 내지 제16 동선 생성 단계(S416)를 반복하는 제17 동선 생성 단계(S417); 및 상기 제17 동선 생성 단계(S417)에서의 반복이 종료된 후, 상기 제2 경로를 제1 경로로 지정하는 제18 동선 생성 단계(S418);를 포함할 수 있다.
상기 제1 동선 생성 단계(S401)에서는, 지도 이미지에 배송지 주소들에 대응하는 제1 지점(S1)들을 표기한다.
상기 제2 동선 생성 단계(S402)에서는 지도 이미지에 표기된 상기 제1 지점(S1)들 중 최외곽에 위치하는 제2 지점(S2)들을 추출한다.
다시말해, 다수개의 제1 지점(S1)들 중 가장 바깥쪽에 위치한 지점들을 이었을 때, 제n 각형이 형성되도록 제2 지점(S2)을 추출한다. 이 때, 제n 각형의 n값이 최소값이 되도록 제2 지점(S2)을 추출하는 것이 바람직하다.
상기 제3 동선 생성 단계(S403)에서는 상기 제2 지점(S2)들을 이어 소정의 다각형(제1 도형(F1))을 지도 이미지 상에 생성/작도한다.
상기 제4 동선 생성 단계(S404)에서는 상기 제1 도형(F1)의 도심 위치를 산출하여, 지도 이미지 상에 제3 지점(S3)으로 표기/지정한다.
상기 제5 동선 생성 단계(S405)에서는, 제1 지점(S1)들의 좌표를 기반으로 제1 지점(S1)들을 복제하여 제4 지점들(좌표)을 생성한다.
제1 지점(S1)들은 물류 기사에게 배정된 모든 배송지 주소들을 나타내는 데이터이며, 제4 지점들은 후술하는 단계들에서 활용하기 위한 임시 데이터이다.
상기 제6 동선 생성 단계(S406)에서는 제1 도형(F1)의 도심인 제3 지점(S3)으로부터 직선거리가 가장 짧은(가장 가까운) 제4 지점을 제1 목적지(D1)로 지정한다.
따라서, 물류 기사는 물류 센터로부터 상기 제1 목적지(D1)를 향하는 경로를 따라 이동할 수 있으며, 제1 목적지(D1)에 도착하여 첫 번째 물품을 배송한 뒤 후술하는 단계들에 따라 생성된 제1 경로를 따라 배송 작업을 이어서 수행할 수 있다.
상기 제7 동선 생성 단계(S407)에서는 현재 시각을 기준으로 한 교통 체증, 교통량, 사고 정보 등의 교통 상황 데이터를 기반으로, 상기 제1 목적지(D1)로부터 제1 방향으로 신장되는 제1 선분(L1)을 지도 상에 생성할 수 있다.
상기 제8 동선 생성 단계(S408)에서는 상기 제1 선분(L1)에 의해 수직 이등분되며, 제1 폭을 가지는 제1 직사각형(R1)을 생성한다. 이후, 후술하는 단계들에 따라, 제1 목적지(D1)로부터 초기에 배송할 물품들/배송지들을 선정하고, 이를 기반으로 제2 경로를 산출할 수 있다.
여기서, 상기 제1 폭은 제1 직사각형(R1)의 면적이 제1 도형(F1)의 면적의 1/10배 내지 1/4배가 되도록 지정되는 것이 바람직하다.
상기 제9 동선 생성 단계(S409)에서는 상기 제1 직사각형(R1)과 상기 제1 도형(F1)이 중첩되는 영역 내에 위치하는 제4 지점들을 제2 목적지(D2)로 지정한다. 다시말해, 제1 목적지(D1)로부터 제1 방향 쪽에 위치하는 제4 지점들을 제2 목적지(D2)로 지정함으로써, 제1 목적지(D1)를 기점으로 하여 그 후에 배송/이동할 경로를 생성할 수 있다.
여기서, 제1 방향/제1 선분(L1)은 후술하는 단계들(상기 제7 동선 생성 단계(S407)에 관한 구체적인 실시예)에 따라 산출되며, 교통량을 기반으로 가장 원활하게 이동할 수 있는 제1 방향으로 산출된다.
상기 제10 동선 생성 단계(S410)에서는, 이미 제2 목적지(D2)에 포함된 제4 지점을 데이터로부터 제외하여, 이미 방문한 제1 지점(S1)을 중복하여 방문하지 않도록 처리한다.
상기 제11 동선 생성 단계(S411)에서는, 상술한 인공지능 모델 내지 네비게이션 알고리즘을 기반으로, 제2 목적지(D2)들을 모두 방문하는 제2 경로를 생성한다. 보다 구체적으로, 제1 목적지(D1)로부터 가장 멀리 이격된 제2 목적지(D2)(제2 경로의 종착지(PD))까지를 이으며, 제1 목적지(D1)로부터의 거리가 가까운 제2 목적지(D2)를 먼저 경유하는 방식으로 제2 경로를 생성할 수 있다.
이에 따라, 제2 경로는: 출발지를 제1 목적지(D1)로 하고, 종착지를 '제2 목적지(D2) 중 제1 목적지(D1)로부터 이동거리가 가장 긴 제2 목적지(D2)'로 하는 경로로 생성될 수 있다.
상기 제12 동선 생성 단계(S412)에서는 현재 시각을 기준으로 한 교통 체증, 교통량, 사고 정보 등의 교통 상황 데이터를 기반으로, 상기 제2 경로의 종착지(PD)로부터 제2 방향으로 신장되는 제2 선분(L2)을 지도 상에 생성할 수 있다.
상기 제13 동선 생성 단계(S413)에서는 상기 제2 선분(L2)에 의해 수직 이등분되며, 제2 폭을 가지는 제2 직사각형(R2)을 생성한다. 이후, 후술하는 단계들에 따라, 제3 목적지(D3)로부터 제2 목적지(D2)를 방문한 이후에 배송할 물품들/배송지들을 선정하고, 이를 기반으로 제2 경로를 갱신할 수 있다.
여기서, 상기 제2 폭은 제2 직사각형(R2)의 면적이 제1 도형(F1)의 면적의 1/10배 내지 1/4배가 되도록 지정되는 것이 바람직하다.
상기 제14 동선 생성 단계(S414)에서는 상기 제2 직사각형(R2)과 상기 제1 도형(F1)이 중첩되는 영역 내에 위치하는 제4 지점들을 제3 목적지(D3)로 지정한다. 다시말해, 제2 경로의 종착지(PD)로부터 제2 방향 쪽에 위치하는 제4 지점들을 제3 목적지(D3)로 지정함으로써, 제2 경로의 종착지(PD)를 기점으로 하여 그 후에 배송/이동할 경로를 생성할 수 있다.
여기서, 제2 방향/제2 선분(L2)은 후술하는 단계들(상기 제12 동선 생성 단계(S412)에 관한 구체적인 실시예)에 따라 산출되며, 교통량을 기반으로 가장 원활하게 이동할 수 있는 제2 방향으로 산출된다.
상기 제15 동선 생성 단계(S415)에서는, 이미 제3 목적지(D3)에 포함된 제4 지점을 데이터로부터 제외하여, 이미 방문한 제1 지점(S1)을 중복하여 방문하지 않도록 처리한다.
상기 제16 동선 생성 단계(S416)에서는, 상술한 인공지능 모델 내지 네비게이션 알고리즘을 기반으로, 기존 제2 경로의 종착지(PD)를 기점으로 하여 제3 목적지(D3)들을 모두 방문하도록 제2 경로를 갱신한다. 보다 구체적으로, 제2 경로의 종착지(PD)로부터 가장 가까운 제3 목적지(D3)로부터 가장 먼 제3 목적지(D3)까지를 잇는 경로가 기존 제2 경로에 새로이 덧붙여지는 제2 경로를 생성할 수 있다.
이에 따라, 제2 경로는 출발지를 제1 목적지(D1)로 하고, 제2 목적지(D2) 및 제3 목적지(D3)들을 모두 거치는 경로로 생성될 수 있다.
상기 제17 동선 생성 단계(S417)는 제4 지점이 적어도 하나 존재하는 동안, 상기 제12 동선 생성 단계(S412) 내지 제16 동선 생성 단계(S416)를 반복함으로써, 모든 제1 지점(S1)들을 중복되지 않고 한 번 씩 방문하는 형태로 제2 경로를 갱신할 수 있다.
상기 제18 동선 생성 단계(S418)에서는, 모든 제4 지점이 삭제되어 모든 제1 지점(S1)에 대한 한붓 그리기 형태의 제2 경로가 생성/갱신된 후 최종 제2 경로를 제1 경로로 반환(Return)한다.
그리고, 상기 제7 동선 생성 단계 및 제12 동선 생성 단계는: 상기 제1 도형 내에 포함된 모든 도로 구간인 제1 도로 구간을 추출하는 단계; 상기 교통 상황 데이터를 기반으로, 상기 제1 도로 구간별 정체 지수를 추출하는 단계; 상기 지도를 기반으로, 상기 제1 도로 구간별 제1 단위 방향 벡터를 산출하는 단계; (1, 0), (
Figure 112023086493582-pat00009
,
Figure 112023086493582-pat00010
), (0, 1), (-
Figure 112023086493582-pat00011
,
Figure 112023086493582-pat00012
), (-1, 0), (-
Figure 112023086493582-pat00013
, -
Figure 112023086493582-pat00014
), (0, -1) 및 (
Figure 112023086493582-pat00015
, -
Figure 112023086493582-pat00016
)를 포함하는 기준 방향 벡터를 기반으로, 상기 제1 단위 방향 벡터들을 통합하여 제2 단위 방향 벡터로 변환하는 단계; 상기 제2 단위 방향 벡터가 동일한 상기 제1 도로 구간별로, 상기 정체 지수의 평균값을 산출하는 단계; 및 상기 정체 지수의 평균값이 가장 낮은 제2 단위 방향 벡터를 기반으로, 상기 제1 목적지 또는 제2 경로의 종착지로부터 상기 제1 도형의 외곽선까지 신장되는 제1 선분 또는 제2 선분을 산출하는 단계;를 포함할 수 있다.
다시말해, 상기 제7 동선 생성 단계는 상기 제1 목적지(D1)로부터 제1 도형(F1)의 외곽선까지 신장되는 제1 선분(L1)을 산출하고, 상기 제12 동선 생성 단계는 상기 제2 경로의 종착지(PD)로부터 제1 도형(F1)의 외곽선까지 신장되는 제2 선분(L2)을 산출할 수 있다.
상기 제1 도로 구간을 추출하는 단계에서는, 상기 지도 이미지 상에서 제1 도형(F1) 내에 포함된/위치한 모든 도로를 구간(교차로 단위) 단위로 분할하여, 각 제1 도로 구간들을 추출한다.
상기 제1 도로 구간별 정체 지수를 추출하는 단계에서는 교통 상황 데이터를 기반으로, 각 제1 도로 구간별로 판단 시점을 기준으로 정체 지수가 얼마인지를 추출한다.
정체 지수는 1(매우 원활) 내지 10(매우 정체)의 자연수로 지정될 수 있으며, 도로 정보 데이터베이스/API로부터 수신된 데이터를 활용할 수 있다.
상기 제1 단위 방향 벡터를 산출하는 단계에서는 모든 상기 제1 도로 구간들에 대해, 해당 제1 도로 구간이 어느 방향을 향하는 도로인지를 나타내는 제1 단위 방향 벡터를 산출할 수 있다.
여기서, 상기 제1 단위 방향 벡터는 단위 벡터이므로 크기(길이)가 1인 벡터이며, 방향은 해당 제1 도로 구간의 양끝을 이은 방향으로 지정된다. 이 때, 벡터의 시점 및 종점은 해당 도로의 상행/하행 방향에 따라 결정된다. 예를 들어, 제1 단위 방향 벡터가 (0, 1)인 제1 도로 구간은, 지도를 기준으로 북쪽을 향하는 도로이고, 제1 단위 방향 벡터가 (-1, 0)인 제1 도로 구간은, 지도를 기준으로 서쪽을 향하는 도로이다.
상기 제2 단위 방향 벡터로 변환하는 단계에서는, 서로 다른 방향을 향하는 제1 단위 방향 벡터들을 통합한다. 기준 방향 벡터는 각각 동, 서, 남, 북, 북서, 남서, 남동, 북동의 8 방향((1, 0), (
Figure 112023086493582-pat00017
,
Figure 112023086493582-pat00018
), (0, 1), (-
Figure 112023086493582-pat00019
,
Figure 112023086493582-pat00020
), (-1, 0), (-
Figure 112023086493582-pat00021
, -
Figure 112023086493582-pat00022
), (0, -1) 및 (
Figure 112023086493582-pat00023
, -
Figure 112023086493582-pat00024
))으로 지정되며, 제1 단위 방향 벡터들은 기준 방향 벡터와 각도 차이가 가장 작은 제2 단위 방향 벡터로 통합된다.
다시말해, 어느 제1 단위 방향 벡터가 (1, 0)과 10도의 각도를 가지고, (
Figure 112023086493582-pat00025
,
Figure 112023086493582-pat00026
)과 35도의 각도를 가진다면, 해당 제1 단위 방향 벡터는 (1, 0)으로 통합된다.
이러한 단계에 따라, 방향이 유사한 제1 단위 방향 벡터 및 제1 도로 구간들이 서로 통합될 수 있다.
상기 정체 지수의 평균값을 산출하는 단계에서는 통합된 상기 제2 단위 방향 벡터가 동일한 상기 제1 도로 구간별로, 상기 정체 지수들을 모두 합산하고, 이를 해당 제2 단위 방향 벡터에 대응하는 제1 도로 구간의 개수로 나눈 값인 평균값을 산출하여, 해당 제2 단위 방향 벡터에 대응하는 정체 지수를 산출한다.
상기 제1 선분(L1) 또는 제2 선분(L2)을 산출하는 단계에서는, 8 방향의 제2 단위 방향 벡터에 대하여, 각각 상기 정체 지수의 평균값들을 비교하고, 그 정체 지수의 평균값이 가장 낮은 제2 단위 방향 벡터를 기반으로, 상기 제1 목적지(D1) 또는 제2 경로의 종착지(PD)로부터 상기 제1 도형(F1)의 외곽선까지 신장되는 선분을 상기 지도 이미지 상에 작도/생성한다.
이러한 단계에 따라, 판단 시점(현재 또는 상기 제2 경로의 종착지(PD)에 도달할 예상 시각)을 기준으로 교통이 가장 원활한 방향으로 이동하는 동선을 생성할 수 있다.
다시말해, A 지점에서 B 지점을 향하는 제2 경로를 생성하는 과정에서는 현재 시점을 기준으로 상기 제1 선분(L1)을 생성하고, A 지점에서 B 지점을 거쳐 다시 C 지점을 향하는 제2 경로를 갱신하는 과정에서는 기존 제2 경로의 종착지(PD)에 도착한 시각에서의 정체 지수를 기반으로 제2 선분(L2)을 생성할 수 있다.
아울러, 상기 제2 동선 생성 단계(S402)는: 상기 제1 지점(S1)들 중 두 개씩을 선택하는 조합(Combination; 상기 제1 지점(S1)이 'n개'일 때, 제1 순서쌍은 'nC2개' 생성됨)을 기반으로, 제1 지점(S1)의 제1 순서쌍을 생성하는 제2-1 동선 생성 단계(S402-1); 상기 제1 순서쌍 각각에 대응하는 제3 선분들을 생성하는 제2-2 동선 생성 단계(S402-2); 상기 제3 선분들 중 길이가 가장 길거나 길이가 두 번째로 긴 제4 선분(L4)을 추출하는 제2-3 동선 생성 단계(S402-3); 상기 제4 선분(L4)들의 교점을 제5 지점(S5)으로 지정하는 제2-4 동선 생성 단계(S402-4); 상기 제5 지점(S5)으로부터 어느 한 제1 지점(S1)인 제6 지점(S6) 방향으로 신장되는 제1 반직선(H1)을 생성하는 제2-5 동선 생성 단계(S402-5); 상기 제5 지점(S5)으로부터 상기 제6 지점(S6)을 잇는 제5 선분(L5)을 생성하는 제2-6 동선 생성 단계(S402-6); 상기 제1 반직선(H1)이 다른 한 제1 지점(S1)인 제7 지점(S7)을 지날 때까지, 상기 제1 반직선(H1)을 상기 제5 지점(S5)을 중심으로 제1 각도(A1)만큼 회전시키는 제2-7 동선 생성 단계(S402-7); 상기 제5 지점(S5)으로부터 상기 제7 지점(S7)을 잇는 제6 선분(L6)을 생성하는 제2-8 동선 생성 단계(S402-8); 상기 제1 반직선(H1)이 또다른 한 제1 지점(S1)인 제8 지점(S8)을 지날 때까지, 상기 제1 반직선(H1)을 상기 제5 지점(S5)을 중심으로 제2 각도(A2)만큼 회전시키는 제2-9 동선 생성 단계(S402-9); 상기 제5 지점(S5)으로부터 상기 제8 지점(S8)을 잇는 제7 선분(L7)을 생성하는 제2-10 동선 생성 단계(S402-10); 상기 제6 선분(L6) 및 제7 선분(L7)의 길이를 비교하여, 제6 선분(L6)의 길이가 제7 선분(L7)의 길이 이상인 경우 수행되는 제2-11 동선 생성 단계(S402-11); 상기 제6 선분(L6) 및 제7 선분(L7)의 길이를 비교하여, 제6 선분(L6)의 길이가 제7 선분(L7)의 길이 미만인 경우 수행되는 제2-12 동선 생성 단계(S402-12); 및 상기 제2-9 동선 생성 단계(S402-9) 내지 제2-12 동선 생성 단계(S402-12)를, 상기 제2 각도(A2)가 360도가 될 때까지 반복하는 제2-13 동선 생성 단계(S402-13);를 포함하고, 상기 제2-11 동선 생성 단계(S402-11)는: 상기 제7 지점(S7)을 상기 제2 지점(S2) 중 어느 하나로 지정하는 제2-11-1 동선 생성 단계; 상기 제7 지점(S7)을 제6 지점(S6)으로 재지정하는 제2-11-2 동선 생성 단계; 및 재지정된 상기 제6 지점(S6)을 기반으로, 상기 제2-5 동선 생성 단계(S402-5) 내지 제2-8 동선 생성 단계(S402-8)를 수행하는 제2-11-3 동선 생성 단계;를 포함하고, 상기 제2-12 동선 생성 단계(S402-12)는: 상기 제6 선분(L6)을 삭제하는 제2-12-1 동선 생성 단계; 상기 제8 지점(S8)을 제7 지점(S7)으로 재지정하는 제2-12-2 동선 생성 단계; 및 상기 제7 선분(L7)을 제6 선분(L6)으로 재지정하는 제2-12-3 동선 생성 단계;를 포함할 수 있다.
상기 제2-1 동선 생성 단계(S402-1)에서는 제1 지점(S1)들 중 두 개씩을 선택하는 조합(Combination; 수학적으로 정의되는, '순열과 조합'에서의 조합)을 기반으로, 제1 지점(S1)의 제1 순서쌍을 생성한다.
다시말해, 제1 지점(S1)들 중 누락되는 순서쌍이 없도록 두 개씩의 제1 지점(S1)을 쌍으로 묶은 제1 순서쌍들을 생성한다.
상기 제1 지점(S1)이 'n개'일 때, 제1 순서쌍은 'nC2개' 생성된다.
상기 제2-2 동선 생성 단계(S402-2)에서는 제1 순서쌍 각각에 대응하는 제3 선분들을 생성한다.
다시말해, 제1 순서쌍 각각에 포함된 제1 지점(S1)들을 서로 이어, 제1 순서쌍의 개수와 동일한 개수의 제3 선분들을 생성한다.
상기 제2-3 동선 생성 단계(S402-3)에서는 제3 선분들 중 길이가 가장 길거나 길이가 두 번째로 긴 제4 선분(L4)을 추출한다.
다시말해, 제3 선분들 중 가장 길이가 긴 하나의 제4 선분(L4)과, 제3 선분들 중 길이가 두 번째로 긴 하나의 제4 선분(L4), 즉 한 쌍의 제4 선분(L4)을 추출한다.
상기 한 쌍의 제4 선분(L4)들은 서로 각도가 상이하도록 추출되어야 하며, 매우 낮은 확률로 상기 한 쌍의 제4 선분(L4)들의 각도가 동일한 경우에는 제4 선분(L4) 중 하나를 후순위 길이를 가지는 다른 제3 선분으로 재지정할 수 있다.
상기 제2-4 동선 생성 단계(S402-4)에서는 한 쌍의 제4 선분(L4)들의 교점을 제5 지점(S5)으로 지정한다.
상기 제2-5 동선 생성 단계(S402-5)에서는, 상기 제4 선분(L4)들의 교점인 제5 지점(S5)으로부터 신장되는 제1 반직선(H1)을 작도/생성한다.
여기서, 제1 반직선(H1)의 방향은 상기 제5 지점(S5)으로부터 '상기 제1 지점(S1)들 중 어느 하나인 제6 지점(S6)'을 향하는 방향이다.
상기 제2-6 동선 생성 단계(S402-6)에서는 상기 제5 지점(S5)으로부터 상기 제6 지점(S6)을 잇는 제5 선분(L5)을 생성/작도한다.
상기 제2-7 동선 생성 단계(S402-7)에서는 상기 제1 반직선(H1)이 '상기 제6 지점(S6)이 아닌 다른 한 제1 지점(S1)인 제7 지점(S7)'을 지날 때까지, 상기 제1 반직선(H1)을 상기 제5 지점(S5)을 중심으로 제1 각도(A1)만큼 회전시킨다.
상기 제2-8 동선 생성 단계(S402-8)에서는 상기 제5 지점(S5)으로부터 상기 제7 지점(S7)을 잇는 제6 선분(L6)을 생성/작도한다.
상기 제2-9 동선 생성 단계(S402-9)에서는 상기 제1 반직선(H1)이 '상기 제6 지점(S6) 및 제7 지점(S7)이 아닌 또다른 한 제1 지점(S1)인 제8 지점(S8)'을 지날 때까지, 상기 제1 반직선(H1)을 상기 제5 지점(S5)을 중심으로 제2 각도(A2)만큼 회전시킨다.
상기 제2-10 동선 생성 단계(S402-10)에서는 상기 제5 지점(S5)으로부터 상기 제8 지점(S8)을 잇는 제7 선분(L7)을 생성/작도한다.
이후, 제6 선분(L6) 및 제7 선분(L7)의 길이를 비교하여, 제6 선분(L6)의 길이가 제7 선분(L7)의 길이 이상인 경우에는 상기 제2-11 동선 생성 단계(S402-11)가 수행되고, 그 밖의 경우에는 제2-12 동선 생성 단계(S402-12)가 수행된다.
상기 제2-13 동선 생성 단계(S402-13)는, 제2-9 동선 생성 단계(S402-9) 내지 제2-12 동선 생성 단계(S402-12)를 상기 제2 각도(A2)가 360도가 될 때까지 반복함으로써, 제n 각형의 n값이 최소값이 되도록 제2 지점(S2)을 추출할 수 있다.
상기 제2-11 동선 생성 단계(S402-11)는: 상기 제7 지점(S7)을 상기 제2 지점(S2) 중 어느 하나로 지정하는 제2-11-1 동선 생성 단계; 상기 제7 지점(S7)을 제6 지점(S6)으로 재지정하는 제2-11-2 동선 생성 단계; 및 재지정된 상기 제6 지점(S6)을 기반으로, 상기 제2-5 동선 생성 단계(S402-5) 내지 제2-8 동선 생성 단계(S402-8)를 수행하는 제2-11-3 동선 생성 단계;를 포함함으로써, 상기 제7 지점(S7)을 상기 제n 각형(제1 도형(F1))을 구성하는 제2 지점(S2)에 포함(추가)시킨다.
상기 제2-12 동선 생성 단계(S402-12)는: 상기 제6 선분(L6)을 삭제하는 제2-12-1 동선 생성 단계; 상기 제8 지점(S8)을 제7 지점(S7)으로 재지정하는 제2-12-2 동선 생성 단계; 및 상기 제7 선분(L7)을 제6 선분(L6)으로 재지정하는 제2-12-3 동선 생성 단계;를 포함함으로써, 상기 제n 각형(제1 도형(F1))을 구성하는 데 불필요한 지점인 제6 지점(S6)을 건너뛰고, 다음 지점에 대해 반복(제7 지점(S7)이 제2 지점(S2)으로 추가되어야 하는지를 반복해서 판단)을 진행한다.
이러한 단계들에 따라, 제2 지점(S2)들을 한붓 그리기로 이어서 생성된 제n 각형의 n 값이 최소가 되는 제1 도형(F1)을 작도할 수 있다.
또한, 상기 배송 예정 시각을 산출하는 단계(S500)는: 상기 제1 도로 구간 중, 상기 제1 경로에 포함되는 제2 도로 구간들을 추출하는 단계; 상기 제2 도로 구간마다, 상기 지도를 기반으로 제1 면적을 산출하는 단계; 상기 제2 도로 구간마다, 상기 제1 면적을 제2 도로 구간의 길이로 나눈 평균 도로 폭을 산출하는 단계; 상기 평균 도로 폭을 기반으로, 상기 제2 도로 구간별 가중치를 산출하는 단계; 상기 제2 도로 구간별 길이에, 현재 시각 기준의 평균 예상 이동 속도를 곱하여 제1-1 시간들을 산출하는 단계; 상기 제1-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제1-2 시간들을 산출하는 단계; 상기 제1-2 시간들을 합산하여, 제1-3 시간을 산출하는 단계; 상기 현재 시각으로부터 제1-3 시간 이후인 제1 시각을 산출하는 단계; 상기 제2 도로 구간별 길이에, 상기 제1 시각 기준의 평균 예상 이동 속도를 곱하여 제2-1 시간들을 산출하는 단계; 상기 제2-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제2-2 시간들을 산출하는 단계; 상기 제2-2 시간들을 합산하여, 제2-3 시간을 산출하는 단계; 상기 제1-3 시간 및 제2-3 시간의 평균값인 제2-4 시간을 산출하는 단계; 상기 현재 시각으로부터 제2-4 시간 이후인 제2 시각을 산출하는 단계; 상기 제2 도로 구간별 길이에, 상기 제2 시각 기준의 평균 예상 이동 속도를 곱하여 제3-1 시간들을 산출하는 단계; 상기 제3-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제3-2 시간들을 산출하는 단계; 상기 제3-2 시간들을 합산하여, 제3-3 시간을 산출하는 단계; 및 상기 현재 시각으로부터 상기 제3-3 시간 이후를 배송 예정 시각으로 지정하는 단계;를 포함할 수 있다.
상기 제2 도로 구간들을 추출하는 단계에서는, 모든 구간인 제1 도로 구간 중, 상기 제1 경로에 포함되는 제2 도로 구간들만을 추출한다.
상기 제1 면적을 산출하는 단계에서는, 축척에 맞게 표기된 도로의 폭을 기반으로, 제2 도로 구간마다 각 제2 도로 구간의 면적을 산출한다.
상기 평균 도로 폭을 산출하는 단계에서는 상기 제2 도로 구간마다, 상기 제1 면적을 해당 제2 도로 구간의 길이로 나눈 값인 제2 도로 구간별 평균 도로 폭을 산출한다.
상기 제2 도로 구간별 가중치를 산출하는 단계에서는, 상기 제2 도로 구간별 평균 도로 폭을 기반으로 각 제2 도로 구간들에 대한 가중치를 산출한다.
예를 들어, 평균 도로 폭이 5~7인 제2 도로 구간에는 0.8의 가중치를, 평균 도로 폭이 8~10인 제2 도로 구간에는 0.5의 가중치를, 평균 도로 폭이 3~5인 제2 도로 구간에는 1.5의 가중치를, 평균 도로 폭이 1~2인 제2 도로 구간에는 2.0의 가중치를 지정할 수 있다.
상기 제1-1 시간들을 산출하는 단계에서는, 현재 시각 기준으로 제1 도형(F1) 내의 지역에서 예상되는 평균 예상 이동 속도 값을 기반으로, 제2 도로 구간별 길이에 상기 평균 예상 이동 속도 값을 곱한 제1-1 시간들을 각 제2 도로 구간별로 산출한다.
여기서, 상기 제2 도로 구간별 길이는 축척에 맞게 변환되어 상기 평균 예상 이동 속도 값에 곱해지며, 이에 따라 제1-1 시간은 시간(Hour) 단위의 값으로 산출될 수 있다.
상기 제1-2 시간들을 산출하는 단계에서는 상기 제2 도로 구간별로 산출된 상기 제1-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제1-2 시간들을 산출한다.
상기 제1-2 시간들을 합산하여, 제1-3 시간을 산출하는 단계에서는 각 제2 도로 구간별로 산출된 제1-2 시간들을 모두 합산함으로써, 상기 제1 경로를 따라 이동할 때 예상되는 총 이동 시간인 제1-3 시간을 산출한다.
상기 현재 시각으로부터 제1-3 시간 이후인 제1 시각을 산출하는 단계에서는 물류 기사가 배송 작업을 시작하는 시간인 현재 시각을 기준으로 제1-3 시간 이후의 시각인 제1 시각을 산출한다. 예를 들어, 현재 시각이 11시 25분이고 제1-3 시간이 5시간 25분인 경우, 제1 시각은 16시 50분으로 산출될 수 있다.
상기 제2-1 시간들을 산출하는 단계에서는, 현재 시각이 아니라 제1 시각을 기준으로 제2 도로 구간별 길이에, 상기 제1 시각 기준의 평균 예상 이동 속도를 곱하여 제2 도로 구간별로 제2-1 시간을 산출한다.
상기 제2-2 시간들을 산출하는 단계 및 제2-3 시간을 산출하는 단계는 상술한 제1-2 시간들을 산출하는 단계 및 제1-3 시간들을 산출하는 단계와 동일/유사한 방식으로 처리될 수 있다.
상기 제1-3 시간 및 제2-3 시간의 평균값인 제2-4 시간을 산출하는 단계에서는, 산출된 제2-3 시간과 기존에 산출되었던 제1-3 시간의 평균값인 제2-4 시간을 산출한다.
상기 현재 시각으로부터 제2-4 시간 이후인 제2 시각을 산출하는 단계에서는 물류 기사가 배송 작업을 시작하는 시간인 현재 시각을 기준으로 제2-4 시간 이후의 시각인 제2 시각을 산출한다. 예를 들어, 현재 시각이 11시 25분이고 제2-4 시간이 4시간 10분인 경우, 제2 시각은 15시 35분으로 산출될 수 있다.
상기 제2 도로 구간별 길이에, 상기 제2 시각 기준의 평균 예상 이동 속도를 곱하여 제3-1 시간들을 산출하는 단계; 상기 제3-1 시간들마다, 상기 제2 도로 구간별 가중치를 곱하여 제3-2 시간들을 산출하는 단계; 및 상기 제3-2 시간들을 합산하여, 제3-3 시간을 산출하는 단계는 상술한 제2-1 시간들을 산출하는 단계, 제2-2 시간들을 산출하는 단계, 제2-3 시간을 산출하는 단계와 동일/유사한 방식으로 처리될 수 있다.
상기 현재 시각으로부터 상기 제3-3 시간 이후를 배송 예정 시각으로 지정하는 단계에서는, 산출된 최종 값인 제3-3 시간을 현재 시각에 더하여, 산출된 값을 최종 값인 배송 예정 시각으로 지정(반환; Return)할 수 있다.
이러한 단계들을 기반으로, 교통 상황의 변화와 도로 폭 등의 환경을 반영하여 배송 예정 시각을 보다 정확하게 예측할 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.
S100 : 물품 목록을 읽어오는 단계
S200 : 배송지 주소를 읽어오는 단계
S300 : 제1 경로를 생성하는 단계
S400 : 제1 경로를 각 물류 기사 단말로 송신하는 단계
S401 : 제1 동선 생성 단계
S402 : 제2 동선 생성 단계
S402-1 : 제2-1 동선 생성 단계
S402-2 : 제2-2 동선 생성 단계
S402-3 : 제2-3 동선 생성 단계
S402-4 : 제2-4 동선 생성 단계
S402-5 : 제2-5 동선 생성 단계
S402-6 : 제2-6 동선 생성 단계
S402-7 : 제2-7 동선 생성 단계
S402-8 : 제2-8 동선 생성 단계
S402-9 : 제2-9 동선 생성 단계
S402-10 : 제2-10 동선 생성 단계
S402-11 : 제2-11 동선 생성 단계
S402-12 : 제2-12 동선 생성 단계
S402-13 : 제2-13 동선 생성 단계
S403 : 제3 동선 생성 단계
S404 : 제4 동선 생성 단계
S405 : 제5 동선 생성 단계
S406 : 제6 동선 생성 단계
S407 : 제7 동선 생성 단계
S408 : 제8 동선 생성 단계
S409 : 제9 동선 생성 단계
S410 : 제10 동선 생성 단계
S411 : 제11 동선 생성 단계
S412 : 제12 동선 생성 단계
S413 : 제13 동선 생성 단계
S414 : 제14 동선 생성 단계
S415 : 제15 동선 생성 단계
S416 : 제16 동선 생성 단계
S417 : 제17 동선 생성 단계
S418 : 제18 동선 생성 단계
S500 : 배송 예정 시각을 산출하는 단계
S600 : 수취인 연락처를 읽어오는 단계
S700 : 배송 예정 시각을 송신하는 단계
S1 : 제1 지점
S2 : 제2 지점
S3 : 제3 지점
S5 : 제5 지점
S6 : 제6 지점
S7 : 제7 지점
S8 : 제8 지점
F1 : 제1 도형
D1 : 제1 목적지
D2 : 제2 목적지
D3 : 제3 목적지
PD : 제2 경로의 종착지
L1 : 제1 선분
L2 : 제2 선분
L4 : 제4 선분
L5 : 제5 선분
L6 : 제6 선분
L7 : 제7 선분
R1 : 제1 직사각형
R2 : 제2 직사각형
H1 : 제1 반직선
A1 : 제1 각도
A2 : 제2 각도

Claims (3)

  1. 장치에 의해 수행되는 인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법에 있어서,
    물류 기사별로 지정된 물품 목록을 읽어오는 단계;
    상기 물품 목록에 포함된 개별 물품마다, 배송지 주소를 읽어오는 단계;
    읽어온 상기 배송지 주소들을 소정의 인공지능 모델에 입력하여, 상기 물류 기사별로 제1 경로를 생성하는 단계;
    상기 물류 기사별로 생성된 상기 제1 경로를 각 물류 기사 단말로 송신하는 단계;
    상기 제1 경로를 기반으로, 상기 물품 목록에 포함된 개별 물품들의 배송 예정 시각을 산출하는 단계;
    상기 물품 목록에 포함된 개별 물품마다, 수취인 연락처를 읽어오는 단계; 및
    상기 수취인 연락처를 기반으로, 상기 배송 예정 시각을 송신하는 단계;를 포함하고,
    상기 제1 경로를 생성하는 단계는:
    상기 배송지 주소들에 대응하는 제1 지점들을 지도상에 표기하는 제1 동선 생성 단계;
    상기 제1 지점들 중 최외곽에 위치하는 제2 지점들을 추출하는 제2 동선 생성 단계;
    상기 제2 지점들을 이어서 형성되는 제1 도형을 생성하는 제3 동선 생성 단계;
    상기 제1 도형의 도심인 제3 지점을 산출하는 제4 동선 생성 단계;
    상기 제1 지점들을 복제한 제4 지점들을 생성하는 제5 동선 생성 단계;
    상기 제3 지점으로부터 직선거리가 가장 짧은 제4 지점을 제1 목적지로 지정하는 제6 동선 생성 단계;
    현재 교통 상황 데이터를 기반으로, 상기 제1 목적지로부터 제1 방향으로 신장되는 제1 선분을 산출하는 제7 동선 생성 단계;
    상기 제1 선분에 의해 이등분되며, 제1 폭을 가지는 제1 직사각형을 생성하는 제8 동선 생성 단계;
    상기 제1 직사각형과 상기 제1 도형이 중첩되는 영역 내에 위치하는 제4 지점들을 제2 목적지로 지정하는 제9 동선 생성 단계;
    상기 제4 지점들 중에서, 상기 제2 목적지로 지정된 제4 지점들을 제거하는 제10 동선 생성 단계;
    상기 제2 목적지를 기반으로 제2 경로를 생성하는 제11 동선 생성 단계;
    상기 제2 경로의 종착지에 도달할 예상 시각의 교통 상황 데이터를 기반으로, 상기 제2 경로의 종착지로부터 제2 방향으로 신장되는 제2 선분을 산출하는 제12 동선 생성 단계;
    상기 제2 선분에 의해 이등분되며, 제2 폭을 가지는 제2 직사각형을 생성하는 제13 동선 생성 단계;
    상기 제2 직사각형과 상기 제1 도형이 중첩되는 영역 내에 위치하는 제4 지점들을 제3 목적지로 지정하는 제14 동선 생성 단계;
    상기 제4 지점들 중에서, 상기 제3 목적지로 지정된 제4 지점들을 제거하는 제15 동선 생성 단계;
    상기 제3 목적지를 기반으로 제2 경로를 갱신하는 제16 동선 생성 단계;
    상기 제4 지점이 적어도 하나 존재하는 동안, 상기 제12 동선 생성 단계 내지 제16 동선 생성 단계를 반복하는 제17 동선 생성 단계; 및
    상기 제17 동선 생성 단계에서의 반복이 종료된 후, 상기 제2 경로를 제1 경로로 지정하는 제18 동선 생성 단계;를 포함하고,
    상기 제7 동선 생성 단계 및 제12 동선 생성 단계는:
    상기 제1 도형 내에 포함된 모든 도로 구간인 제1 도로 구간을 추출하는 단계;
    상기 교통 상황 데이터를 기반으로, 상기 제1 도로 구간별 정체 지수를 추출하는 단계;
    상기 지도를 기반으로, 상기 제1 도로 구간별 제1 단위 방향 벡터를 산출하는 단계;
    (1, 0), (
    Figure 112023109877595-pat00027
    ,
    Figure 112023109877595-pat00028
    ), (0, 1), (-
    Figure 112023109877595-pat00029
    ,
    Figure 112023109877595-pat00030
    ), (-1, 0), (-
    Figure 112023109877595-pat00031
    , -
    Figure 112023109877595-pat00032
    ), (0, -1) 및 (
    Figure 112023109877595-pat00033
    , -
    Figure 112023109877595-pat00034
    )를 포함하는 기준 방향 벡터를 기반으로, 상기 제1 단위 방향 벡터들을 통합하여 제2 단위 방향 벡터로 변환하는 단계;
    상기 제2 단위 방향 벡터가 동일한 상기 제1 도로 구간별로, 상기 정체 지수의 평균값을 산출하는 단계; 및
    상기 정체 지수의 평균값이 가장 낮은 제2 단위 방향 벡터를 기반으로, 상기 제1 목적지 또는 제2 경로의 종착지로부터 상기 제1 도형의 외곽선까지 신장되는 제1 선분 또는 제2 선분을 산출하는 단계;를 포함하는,
    인공지능 모델을 활용하여 물류 기사의 동선 조정 및 스케쥴링 방법
  2. 삭제
  3. 삭제
KR1020230102654A 2023-08-07 2023-08-07 인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템 KR102594458B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230102654A KR102594458B1 (ko) 2023-08-07 2023-08-07 인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230102654A KR102594458B1 (ko) 2023-08-07 2023-08-07 인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR102594458B1 true KR102594458B1 (ko) 2023-10-27

Family

ID=88514075

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230102654A KR102594458B1 (ko) 2023-08-07 2023-08-07 인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템

Country Status (1)

Country Link
KR (1) KR102594458B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190057823A (ko) * 2017-11-21 2019-05-29 이태영 물류 구간별 Delivery 스케줄 정보 자동제공 시스템 구현
KR102041971B1 (ko) * 2018-05-09 2019-11-07 주식회사 모베이스 최적 배송경로 패턴 마이닝 학습 방법을 이용한 클라우드 배송 서비스 시스템
KR20210133749A (ko) * 2020-04-29 2021-11-08 충북대학교 산학협력단 배송 정보 통합 관리 방법 및 장치
KR102366033B1 (ko) 2020-07-03 2022-02-23 쿠팡 주식회사 배달원의 배정을 위한 전자 장치 및 그 동작 방법
KR102373372B1 (ko) 2019-10-28 2022-03-11 쿠팡 주식회사 적응형 배달 스케줄링용 그래픽 유저 인터페이스를 생성하기 위한 시스템 및 방법
KR20230085326A (ko) * 2021-12-07 2023-06-14 주식회사 케이티 물류를 위한 경로를 도출하는 서버, 방법 및 컴퓨터 프로그램
KR20230089113A (ko) * 2021-12-13 2023-06-20 주식회사 케이티 물류를 위한 경로 정보를 제공하는 서버

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190057823A (ko) * 2017-11-21 2019-05-29 이태영 물류 구간별 Delivery 스케줄 정보 자동제공 시스템 구현
KR102041971B1 (ko) * 2018-05-09 2019-11-07 주식회사 모베이스 최적 배송경로 패턴 마이닝 학습 방법을 이용한 클라우드 배송 서비스 시스템
KR102373372B1 (ko) 2019-10-28 2022-03-11 쿠팡 주식회사 적응형 배달 스케줄링용 그래픽 유저 인터페이스를 생성하기 위한 시스템 및 방법
KR20210133749A (ko) * 2020-04-29 2021-11-08 충북대학교 산학협력단 배송 정보 통합 관리 방법 및 장치
KR102366033B1 (ko) 2020-07-03 2022-02-23 쿠팡 주식회사 배달원의 배정을 위한 전자 장치 및 그 동작 방법
KR20230085326A (ko) * 2021-12-07 2023-06-14 주식회사 케이티 물류를 위한 경로를 도출하는 서버, 방법 및 컴퓨터 프로그램
KR20230089113A (ko) * 2021-12-13 2023-06-20 주식회사 케이티 물류를 위한 경로 정보를 제공하는 서버

Similar Documents

Publication Publication Date Title
Bertsimas et al. Online vehicle routing: The edge of optimization in large-scale applications
US11403526B2 (en) Decision making for autonomous vehicle motion control
CN107169608B (zh) 多无人机执行多任务的分配方法及装置
CN106066180A (zh) 关于目的地标识停车位置
JP2007241340A (ja) N分割巡回経路探索システム、経路探索サーバ、n分割巡回経路探索方法
US20230063370A1 (en) Multi-robot route planning
US20210295176A1 (en) Method and system for generating robust solutions to optimization problems using machine learning
Arrigoni et al. MPC trajectory planner for autonomous driving solved by genetic algorithm technique
Turpin et al. An approximation algorithm for time optimal multi-robot routing
Veer et al. Receding horizon planning with rule hierarchies for autonomous vehicles
KR102594458B1 (ko) 인공지능 모델을 활용하여 물류 기사의 동선 조정 및스케쥴링 방법, 장치 및 시스템
Bayona et al. Optimization of trajectory generation for automatic guided vehicles by genetic algorithms
JP2023164805A (ja) モデル生成装置、経路探索装置、モデル生成方法、及びモデル生成プログラム
Hoch et al. An integrated rolling horizon and adaptive-refinement approach for disjoint trajectories optimization
US20230075128A1 (en) Column generation methods and systems for routing and scheduling in robotic and vehicular applications
Peng et al. Network-wide coordinated control based on space-time trajectories
Wu et al. Temporal scheduling and optimization for multi-MAV planning
Rüb et al. Basta: BDI-based architecture of simulated traffic agents
Edwards et al. Coverage planning for capacitated field operations under spatial variability
Quinones-Ramirez et al. Robot path planning using deep reinforcement learning
KR102591342B1 (ko) 인공지능 기반 배송 지역 별 물류 기사 배정 최적화 방법, 장치 및 시스템
Davydov et al. Q-Mixing network for multi-agent pathfinding in partially observable grid environments
KR20220062964A (ko) 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법
Macharet et al. Dynamic region visit routing problem for vehicles with minimum turning radius
Li Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems

Legal Events

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