KR102655869B1 - Ai를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법 - Google Patents
Ai를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102655869B1 KR102655869B1 KR1020210075963A KR20210075963A KR102655869B1 KR 102655869 B1 KR102655869 B1 KR 102655869B1 KR 1020210075963 A KR1020210075963 A KR 1020210075963A KR 20210075963 A KR20210075963 A KR 20210075963A KR 102655869 B1 KR102655869 B1 KR 102655869B1
- Authority
- KR
- South Korea
- Prior art keywords
- construction
- dispatch
- vehicle
- construction vehicle
- information
- Prior art date
Links
- 238000010276 construction Methods 0.000 title claims abstract description 406
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013473 artificial intelligence Methods 0.000 title claims description 70
- 238000010801 machine learning Methods 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 38
- 238000000556 factor analysis Methods 0.000 claims description 26
- 238000009795 derivation Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 230000001934 delay Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 27
- 238000004364 calculation method Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 17
- 239000004575 stone Substances 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 239000002689 soil Substances 0.000 description 8
- 239000004576 sand Substances 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000005483 Hooke's law Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영함으로써, 공사차량인 덤프트럭의 현장 대기시간을 최소화하고, 배차를 최적화함으로써 공사차량의 운영 비용을 절감할 수 있으며, 덤프트럭에 의한 민원을 해소하여 공기지연을 방지할 수 있고, 또한, 외부 및 내부 영향인자를 분석하여 빅데이터화하여, 머신러닝을 통한 연계 건설장비와의 조합 및 요일별, 시간별 도로의 교통흐름을 고려한 시뮬레이션을 통해서 배차패턴을 도출할 수 있고, 공사차량의 자동 배차 및 자동 정산이 가능한, AI를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법이 제공된다.
Description
본 발명은 공사차량 배차 시스템에 관한 것으로, 보다 구체적으로, 도심지 다공구에서 덤프트럭과 같은 공사차량을 배차할 경우, 최적의 공사차량 배차를 운영할 수 있도록 AI(Artificial Intelligence)를 이용하는 도심지 다공구 공사차량 배차 시스템 및 그 방법에 관한 것이다.
일반적으로, 건설공사 현장이나 대규모 토목공사 현장에서는 지반에 대한 기초공사로 토공사를 진행함에 따라 현장 내 대량의 토석이 발생하게 되고, 이러한 토석은 덤프트럭과 같은 운반차량을 통해 토공현장에서 반출한 후, 사토장을 향해 운반하여 토석을 처리하게 된다.
도 1은 종래의 기술에 따른 공사차량 배차 방식을 개략적으로 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 현재 대부분의 건설현장의 경우, 토석을 반출시키기 위한 운반공정을 위하여 사토업체와 연계하여 처리하고 있으며, 사토업체에서는 여러 토공현장에 대한 정보와 함께 토석이 필요한 사토장의 정보를 매번 확인한 후 차량을 배차 가능한 지입 사무실에 연락을 취하여 운반차량, 예를 들면, 덤프트럭이 배차될 수 있게 중계한다.
종래의 기술에 따른 공사차량 배차 방식의 경우, 토공현장, 사토장 등과 같은 토석 운반과 관련된 다양한 정보를 서로 공유하지 못한 채 사토업체를 통한 연락망에만 의존하여 진행되기 때문에 현장별 작업진행이 원활하지 못하다는 문제점이 있었다.
한편, 관련기술로서, 대한민국 공개특허번호 제2020-137149호에는 "효율적인 물류를 위한 자동 배차 시스템 및 방법"이라는 명칭의 발명이 개시되어 있는데, 도 2를 참조하여 설명한다.
도 2는 종래의 기술에 따른 효율적인 물류를 위한 자동 배차 시스템의 구성도이다.
도 2를 참조하면, 종래의 기술에 따른 효율적인 물류를 위한 자동 배차 시스템은, 노드 입력 모듈(11), 배송물 입력 모듈(12), 조건 입력 모듈(13), 경로 산출 모듈(14), 자동 배차 스케줄링 모듈(15)을 포함한다.
노드 입력 모듈(11)은 물류 배송이 요구되는 복수의 배송지, 즉, 노드를 입력받고, 배송물 입력 모듈(12)은 노드 입력 모듈(11)과 연계하여 동작하며 각 노드의 배송물을 입력받는다.
조건 입력 모듈(13)은 노드 입력 모듈(11)에서 입력받는 복수의 노드를 잇는 경로를 산출하기 위해, 필요한 조건을 입력받는다. 이때, 조건 입력 모듈(13)은, 소정의 권역별 노드를 그룹핑(grouping)하여 경로를 산출하기 위한 조건, 도로 교통상황 조건 및 물류 배송상 요구되는 시간 범위 조건 중 적어도 하나 이상을 입력받는다.
구체적으로, 조건 입력 모듈(13)은 권역 입력부(13a), 노드 그룹핑부(13b) 및 도로 교통상황 조건 실시간 수신부(13c)을 포함할 수 있다. 권역 입력부(13a)는 미리 정해진 권역을 입력받으며, 권역은 사용자에 의해 변경되어 입력될 수 있다. 노드 그룹핑부(13b)는 권역 입력부(13a)에서 입력된 권역별로 노드 입력 모듈(11)에서 입력된 노드들을 선택하여 그룹핑할 수 있다. 이때, 그룹핑 시에는 하나의 배차 차량이 배송할 수 있는 배송물의 양을 기준으로 노드들을 선택하여 그룹핑을 할 수 있다. 또한, 도로 교통상황 조건 실시간 수신부(13c)는 실시간 교통정보 제공 서버(20)로부터 도로 교통상황을 실시간 수신할 수 있다.
경로 산출 모듈(14)은 각각의 배차 차량에 대하여 최적의 경로를 산출하며, 조건 입력 모듈(13)에서 입력받는 조건을 고려하여 최적화된 경로를 산출한다.
구체적으로, 경로 산출 모듈(14)은 시작노드 자동 변경 적용부(14a), SWIP(Short distance Without Intersection algorithm in PlanX) 적용부(14b), 최적경로 산출부(14c), 도로 교통상황 실시간 반영부(14d), 동적 권역 설정부(14e) 및 근거리 연결 알고리즘 적용부(14f)를 포함할 수 있다.
시작노드 자동 변경 적용부(14a)는 노드 그룹핑부(13b)에서 그룹핑된 노드들 중에서 경로의 시작노드를 산출하여 자동으로 적용한다. 여기서, 시작노드는 자동으로 실시간 변경되어 적용될 수 있다.
SWIP 적용부(14b)는 각 그룹의 배차 차량에 대해 SWIP 알고리즘을 적용한 경로를 산출하며, 시작노드 자동 변경 적용부(14a)의 시작 노드 선택에 따라 SWIP 경로를 실시간 변경 산출할 수 있다.
최적경로 산출부(14c)는 시작 노드 자동 변경 적용부(14a)의 시작노드 선택에 대응되는 SWIP 적용부(14b)의 SWIP 경로들을 이용하여 최적경로를 산출하며, 가장 적은 시간이 걸리고 가장 짧은 경로를 갖는 최적경로를 산출할 수 있다.
도로 교통상황 실시간 반영부(14d)는 도로 교통상황을 실시간으로 최적경로 산출부(14c)로 제공할 수 있으며, 최저경로 산출부(14c)는 실시간 도로 교통상황에 따라 SWIP 경로의 예상 시간을 각각 산출하여 최적경로를 선택하거나, 도로 교통상황이 좋지 않으면 SWIP 경로를 일부 변경하여 최적 경로를 산출할 수 있다. 또한, 동적 권역 설정부(14e)는 물류량과 노드에 따라 동적 권역을 설정한다.
근거리 연결 알고리즘 적용부(14f)는 기존의 다양한 배차경로 산출 알고리즘을 적용할 수 있으며, 최적경로 산출부(14c)에서 산출되는 최적경로와 기존의 근거리 연결 알고리즘에 의한 경로를 대비하여 시간이 덜 걸리고 경로가 짧은 경로를 선택할 수 있다. 즉, 최적경로가 매우 늦어지거나 길다고 판단되면, 기존의 근거리 연결 알고리즘을 적용할 수 있다.
자동 배차 스케줄링 모듈(15)은 최적경로 산출부(14c)에서 산출된 최적경로에 따라 배송 차량을 자동 배차하며, 각 배송 차량마다 시작노드와 최적경로 그리고 배송시작시간을 자동으로 스케줄링하여 배포한다.
종래의 기술에 따른 효율적인 물류를 위한 자동 배차 시스템에 따르면, 노드 간 교차가 발생하지 않는 최단 경로를 생성하고, 그 시작노드를 동적으로 변경하여 최단 경로의 시작점을 선택하도록 구성됨으로써, 최적의 자동 배차와 경로 생성을 할 수 있으며, 또한, 클라우드 기반의 서비스를 제공하도록 구성됨으로써, 중소 물류 업체들이 별도의 시스템 구축 없이 필요할 때마다 편리하게 이용할 수 있다.
하지만, 종래의 기술에 따른 효율적인 물류를 위한 자동 배차 시스템의 경우, 택배와 같은 물류의 배송에 적용할 수 있지만, 건설공사 현장이나 대규모 토목공사 현장의 공사차량 배차에 적용하기 어렵다는 한계가 있다.
한편, 다른 선행기술로서, 대한민국 등록특허번호 제10-1944825호에는 "토공사 토석처리를 위한 운반 안내 시스템"이라는 명칭의 발명이 개시되어 있는데, 도 3을 참조하여 설명한다.
도 3은 종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템의 개략적인 구성도이다.
도 3을 참조하면, 종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템은, 운반차량 운전자의 모바일단말기 상에 다운로드 가능하게 구비되고, 주변에 토공 현장정보를 확인하되 현장별 자가 운반차량을 등록하는 기사용 애플리케이션(30); 및 기사용 애플리케이션(30)과 무선통신망에 의해 실시간으로 온라인 접속하고, 토공 현장정보를 입력하여 표시하되, 기사용 애플리케이션(30)을 통한 운반차량의 등록정보를 현장정보와 함께 표시하고, 현장별 토석처리를 위한 운반차량을 배차함과 동시에 운반차량의 운행현황을 확인하는 업체용 관제서버(40)를 포함하여 이루어진다.
기사용 애플리케이션(30)은 최초 회원정보 및 차량정보를 일괄적으로 입력저장하여 회원가입한 후, 로그인 접속 가능하고, 업체용 관제서버(40)에 입력된 현장정보목록을 확인하여 현장을 선택하되, 이때, 업체용 관제서버(40)를 통해 차량의 등록정보가 관제될 수 있게 현장에 차량등록 여부를 설정한다.
또한, 기사용 애플리케이션(30)은 현 위치를 기준으로 일정 반경내의 현장정보에 대한 위치 및 목록을 확인할 수 있도록 출력하되, 현 차량위치를 기준으로 설정된 반경 내 지점을 지도와 함께 현장별 상세정보, 현장종류 및 토석 종류, 토석수량, 차량필요수량, 차량종류, 운반비용 및 연락처를 목록별로 구분한 상세한 목록 표를 출력 표시한다.
또한, 기사용 애플리케이션(30)은 업체용 관제서버(40)로부터 푸쉬 신호의 수신 여부를 설정할 수 있게 푸쉬알림 설정 페이지를 구비하고, 기사용 애플리케이션(30)의 푸쉬알림 설정 페이지에서는 업체용 관제서버(40)로부터 배차 알림신호를 수신하여 실시간으로 현장정보를 표시할 수 있도록 푸쉬알림 여부를 설정한다.
기사용 애플리케이션(30)의 푸쉬알림 설정 페이지에서는 푸쉬알림 설정에 현 위치를 기준으로 반경 및 단가 정보를 입력 설정하여 제한된 신호만을 수신가능하게 이루어지고, 이때, 푸쉬알림 설정 페이지는 업체용 관제서버(40)로부터 배차 알림 신호를 수신하여 푸쉬알림 정보목록을 순차적으로 표시하되, 푸쉬알림 정보목록에 간단한 정보, 예를 들면, 출발장소 및 운반장소, 운반비용만을 표시 출력하면서 운전자로부터 활용가능한 상세정보 확인버튼 및 승인버튼을 구비할 수 있다.
또한, 업체용 관제서버(40)는 지역별 근처 현장정보 및 차량 등록정보를 구분하여 확인할 수 있게 지역명을 입력하여 정보를 검색설정한다.
업체용 관제서버(40)는 현장정보 및 차량 등록정보를 일괄적으로 표시하되 지도와 목록표로 표시할 수 있게 형성된 현장정보 검색 페이지를 구비하고, 현장정보 검색 페이지에서는 현장정보 및 차량 등록정보에 대한 표시정보를 제한할 수 있게 설정가능한 체크박스를 구비할 수 있다. 이때, 체크박스를 통해 토공현장의 토석유형, 토취장 및 사토장 여부 및 차량유형을 구분하여 표시될 수 있도록 부가정보를 설정할 수 있다.
또한, 업체용 관제서버(40)는 현장별로 선택설정 가능하며, 현장별 출발지 및 목적지를 표시하되 현장 배차된 운반차량을 실시간 위치 추적하여 표시한다.
종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템에 따르면, 업체의 관제서버에서 토공 현장정보와 함께 차량 등록정보를 실시간으로 표시하며 차량운전자의 애플리케이션을 통해 토공 현장정보를 확인하면서 배차를 위한 차량등록을 상호 연동적으로 일괄 진행하므로, 토석처리를 위한 업체와 차량운전자 간의 원활한 통신망을 구축하면서 업체의 현장 및 운반차량에 대한 배차 관리가 용이하고, 차량운전자의 현 위치기준 탄력적인 배차에 따른 현장 접근성이 용이함은 물론 각 현장별 신속한 토석처리를 도모할 수 있다.
또한, 종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템에 따르면, 업체의 관제서버에서 현장별 출발지 및 목적지의 표시와 함께 현장 배차된 운반차량을 실시간 위치 추적하므로, 토석운반상황을 항시 모니터링하여 토석처리의 진행상황을 명확하게 확인할 수 있다.
하지만, 종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템의 경우, 공사차량의 도로 운행경로 상의 도로 교통정보 또는 날씨정보 등의 영향을 반영하지 못함에 따라 최적화된 배차를 제공하기 어렵다.
한편, 다른 선행기술로서, 대한민국 등록특허번호 제10-2081555호에는 "화물배차 서비스장치 및 그 장치의 구동방법"이라는 명칭의 발명이 개시되어 있는데, 도 4 및 도 5를 참조하여 설명한다.
도 4는 종래의 기술에 따른 화물배차 서비스 시스템을 나타내는 구성도이고, 도 5는 도 4에 도시된 화물배차 서비스장치의 구체적인 구성도이다.
도 4에 도시된 바와 같이, 종래의 기술에 따른 화물배차 서비스 시스템은, 사용자 단말장치(50), 차주 단말장치(80), 통신망, 화물배차 서비스장치(60) 및 관리자 단말장치(70)를 포함하며, 화물배차 서비스장치(60)는 데이터베이스(60a)를 구비한다.
사용자 단말장치(50)는 통신망을 경유하여 화물배차 서비스장치(60)에 접속해 화물배차 서비스를 이용하기 위한 다양한 장치를 포함한다.
화물배차 서비스장치(60)는, 도 5에 도시된 바와 같이, 통신 인터페이스부(61), 제어부(62), 화물배차 처리부(63) 및 저장부(64)를 포함한다.
저장부(64)는 보유하는 다수의 차량에 대한 차량 제원 데이터를 저장한다.
제어부(62)는 화물배차서비스를 요청하는 사용자 단말장치(50)로부터 화물 종류와 상기 화물 종류에 따른 사이즈, 무게 및 수량을 포함하는 화물 정보를 수신하여, 상기 수신한 화물 정보 및 상기 저장한 차량 제원 데이터를 근거로 상기 화물 종류별로 지정된 계산 방식을 적용해 도출되는 화물차량을 상기 사용자 단말장치(50)로 추천하며, 상기 추천한 화물차량에서 선택되는 화물차량을 사용자에게 배차한다.
또한, 제어부(62)는, 화물 종류로서 박스(box), 파레트(pallet), 금형 및 설비 중 하나를 화물 정보로서 수신하며, 박스의 선택시 제1 계산 방식에 의해 추천 가능한 화물차량을 계산하고, 박스 이외의 화물 선택시 제2 계산 방식에 의해 추천 가능한 화물차량을 계산한다.
또한, 제어부(62)는, 제1 계산 방식에 적용하기 위한 복수의 지정 모델을 설정하고, 지정 모델을 근거로 도출되는 화물차량 중 가장 작은 중량 또는 가장 적은 최대적재량의 화물차량을 선택해 상기 사용자 단말장치(50)로 추천한다. 또한, 제어부(62)는, 지정 규격을 갖는 파레트가 선택될 때, 기준 중량 미만의 제2 계산 방식과 기준 중량 이상의 제2 계산 방식으로 구분하여 추천 가능한 상기 화물차량을 각각 계산한다. 또한, 제어부(62)는, 기준 중량 미만의 제2 계산 방식으로 계산되는 화물차량 중 가장 작은 중량 또는 가장 적은 최대적재량의 화물차량을 사용자 단말장치(50)로 추천하고, 기준 중량 이상의 제2 계산 방식으로 계산되는 화물차량 중 가장 작은 중량 또는 가장 적은 최대적재량의 화물차량을 사용자 단말장치(50)로 추천한다.
종래의 기술에 따른 화물배차 서비스 시스템에 따르면, 화물 서비스를 이용하려는 고객에게 화물의 종류를 선택하도록 제시하고 선택되는 화물 종류에 따른 화물정보, 예를 들면, 사이즈, 무게 및 수량 등을 근거로 계산하여 최적의 화물차량의 종류를 추천하고, 추천에 의해 선택되는 차량을 배차함으로써 차량의 배차에 따른 합리적인 비용을 책정할 수 있다.
하지만, 종래의 기술에 따른 화물배차 서비스 시스템의 경우, 공사차량의 도로 운행경로 상의 도로 교통정보 또는 날씨정보 등의 영향을 반영하지 못함에 따라 최적화된 배차를 제공하기 어렵다.
한편, 종래의 기술에 따르면, 도심지 공사 특성상, 지상의 가적치장 및 덤프트럭 대기 공간이 협소하여, 토공 운반이 효율적으로 운영되지 못하고 있다는 문제점이 있다. 또한, 통상적으로, 공사차량인 덤프트럭의 작업효율은 운행속도에 관련 있고, 이것은 현장 외부의 도로상황 및 현장 내부의 연계 건설장비, 예를 들면, 백호, 도저 등의 작업에 영향을 받기 때문에, 덤프트럭의 대기시간을 최소화하여 작업효율을 높여주어야 한다.
전술한 문제점을 해결하기 위한 본 발명이 이루고자 하는 기술적 과제는, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영할 수 있는, AI를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법을 제공하기 위한 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는, 외부 및 내부 영향인자를 분석하여 빅데이터화하여, 머신러닝을 통한 연계 건설장비와의 조합 및 요일별, 시간별 도로의 교통흐름을 고려한 시뮬레이션을 통해서 배차패턴을 도출할 수 있는, AI를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법을 제공하기 위한 것이다.
전술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템은, 도심지 다공구를 시공하는 건설사의 공사관리자가 구비한 단말로서, 공사차량의 배차를 요청하고, 각각의 공사현장에서 연계 건설장비의 연계 작업자료를 작성하는 공사관리자 단말; 공사차량을 관제하기 위한 관제서버로서, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영하는 공사차량 배차 서버; 각각의 공사차량에 구비된 단말로서, 상기 공사차량 배차 서버와 무선통신모듈을 통해 상호 통신하며, 상기 배차 호출에 대응하여 차량 운행정보 및 작업정보를 공사차량 배차 서버에게 실시간 제공하는 공사차량 단말; 공사차량의 운행경로 상의 요일별, 시간별 교통흐름에 대한 교통정보를 생성하여 상기 공사차량 배차 서버에게 제공하는 도로 교통정보 제공자; 날씨정보를 생성하여 상기 공사차량 배차 서버에게 제공하는 도로 날씨정보 제공자; 및 상기 공사차량의 진출입을 모니터링하도록 공사차량의 운행경로 상에 설치되고, 공사차량의 특정지역 진출입과 관련된 공사차량 모니터링 정보를 생성하여 상기 공사차량 배차 서버에게 제공하는 지오펜스를 포함하되, 상기 공사차량 배차 서버는, 상기 외부 및 내부 영향인자를 분석하여 빅데이터화함으로써 머신러닝을 통한 연계 건설장비와의 조합 및 도로의 교통흐름을 고려한 시뮬레이션을 통해 배차패턴을 도출하고; 상기 외부 영향인자는 교통정보 및 날씨정보에 관한 것으로, 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하여 실시간 변동사항을 주는 인자이며, 상기 내부 영향인자는 공사차량의 작업성에 영향을 주는 것으로 연계 건설장비와의 연계 작업자료를 취합하여 실시간 변동사항을 주는 인자이고; 그리고
상기 공사차량 배차 서버는, 상기 공사관리자 단말의 무선통신모듈 및 상기 공사차량 단말의 무선통신모듈과 무선으로 통신하도록 구비되는 무선통신모듈; 도심지 다공구의 공사관리자 단말로부터 전송되는 연계 작업자료를 수집하는 연계 작업자료 수집부; 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비와의 연계 작업자료를 취합하여 실시간으로 변동사항을 분석하는 내부 영향인자 분석부; 상기 도로 교통정보 제공자로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자로부터 전송된 날씨정보에 따라 외부 영향인자를 실시간 분석하는 외부 영향인자 분석부; 상기 내부 영향인자 분석부가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부가 분석한 외부 영향인자를 취합하는 영향인자 취합부; 상기 영향인자 취합부에서 취합된 영향인자에 대해 머신러닝을 수행하는 머신러닝 학습부; 상기 머신러닝 학습부의 머신러닝 학습에 의해 배차패턴을 도출하는 배차패턴 도출부; 및 AI 알고리즘을 적용하여 상기 배차패턴 도출부에서 도출된 배차패턴으로 공사차량의 배차를 운영하는 공사차량 배차 운영부를 포함하고,
상기 공사차량 단말은, 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성하는 차량 운행정보 작성부; 상기 공사차량의 업무정보를 작성하는 차량 업무정보 작성부; 및 상기 공사차량 배차 서버의 무선통신모듈과 무선으로 통신하며, 상기 차량 운행정보 작성부에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부에서 작성된 업무정보를 상기 공사차량 배차 서버에게 전송하는 무선통신모듈을 포함하여 구성된다.
상기 공사차량 배차 서버는, 상기 공사관리자 단말의 무선통신모듈 및 상기 공사차량 단말의 무선통신모듈과 무선으로 통신하도록 구비되는 무선통신모듈; 도심지 다공구의 공사관리자 단말로부터 전송되는 연계 작업자료를 수집하는 연계 작업자료 수집부; 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비와의 연계 작업자료를 취합하여 실시간으로 변동사항을 분석하는 내부 영향인자 분석부; 상기 도로 교통정보 제공자로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자로부터 전송된 날씨정보에 따라 외부 영향인자를 실시간 분석하는 외부 영향인자 분석부; 상기 내부 영향인자 분석부가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부가 분석한 외부 영향인자를 취합하는 영향인자 취합부; 상기 영향인자 취합부에서 취합된 영향인자에 대해 머신러닝을 수행하는 머신러닝 학습부; 상기 머신러닝 학습부의 머신러닝 학습에 의해 배차패턴을 도출하는 배차패턴 도출부; 및 AI 알고리즘을 적용하여 상기 배차패턴 도출부에서 도출된 배차패턴으로 공사차량의 배차를 운영하는 공사차량 배차 운영부를 포함하고,
상기 공사차량 단말은, 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성하는 차량 운행정보 작성부; 상기 공사차량의 업무정보를 작성하는 차량 업무정보 작성부; 및 상기 공사차량 배차 서버의 무선통신모듈과 무선으로 통신하며, 상기 차량 운행정보 작성부에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부에서 작성된 업무정보를 상기 공사차량 배차 서버에게 전송하는 무선통신모듈을 포함하여 구성된다.
삭제
삭제
삭제
삭제
삭제
삭제
한편, 전술한 기술적 과제를 달성하기 위한 다른 수단으로서, 본 발명에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방법은, a) 공사관리자 단말이 도심지 다공구에서 공사차량 배차를 호출하는 단계; b) 공사차량 배차 서버가 공사차량 단말로부터 배차 수락 및 차량정보를 수신하는 단계; c) 상기 공사차량 배차 서버가 공사관리자 단말에게 배차 수락 및 차량정보를 전달하는 단계; d) 상기 공사차량 배차 서버가 외부 및 내부 영향인자를 분석하는 단계; e) 상기 공사차량 배차 서버가 외부 및 내부 영향인자를 취합하는 단계; f) 상기 공사차량 배차 서버가 머신러닝 학습을 통해 배차패턴을 도출하는 단계; g) 상기 공사차량 배차 서버가 AI 알고리즘을 적용하여 배차패턴에 따른 공사차량 배차를 운영하는 단계; 및 h) 상기 공사차량의 진출입을 모니터링하도록 공사차량의 운행경로 상에 설치되는 지오펜스에서 공사차량의 특정지역 진출입과 관련된 공사차량 모니터링 정보를 생성하여 상기 공사차량 배차 서버에게 제공하는 단계를 포함하되, 상기 공사차량 배차 서버는, 상기 외부 및 내부 영향인자를 분석하여 빅데이터화함으로써 머신러닝을 통한 연계 건설장비와의 조합 및 도로의 교통흐름을 고려한 시뮬레이션을 통해 배차패턴을 도출하고; 상기 외부 영향인자는 교통정보 및 날씨정보에 관한 것으로, 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하여 실시간 변동사항을 주는 인자이며, 상기 내부 영향인자는 공사차량의 작업성에 영향을 주는 것으로 연계 건설장비와의 연계 작업자료를 취합하여 실시간 변동사항을 주는 인자이고; 그리고
상기 공사차량 배차 서버는, 상기 공사관리자 단말의 무선통신모듈 및 상기 공사차량 단말의 무선통신모듈과 무선으로 통신하도록 구비되는 무선통신모듈; 도심지 다공구의 공사관리자 단말로부터 전송되는 연계 작업자료를 수집하는 연계 작업자료 수집부; 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비와의 연계 작업자료를 취합하여 실시간으로 변동사항을 분석하는 내부 영향인자 분석부; 상기 도로 교통정보 제공자로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자로부터 전송된 날씨정보에 따라 외부 영향인자를 실시간 분석하는 외부 영향인자 분석부; 상기 내부 영향인자 분석부가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부가 분석한 외부 영향인자를 취합하는 영향인자 취합부; 상기 영향인자 취합부에서 취합된 영향인자에 대해 머신러닝을 수행하는 머신러닝 학습부; 상기 머신러닝 학습부의 머신러닝 학습에 의해 배차패턴을 도출하는 배차패턴 도출부; 및 AI 알고리즘을 적용하여 상기 배차패턴 도출부에서 도출된 배차패턴으로 공사차량의 배차를 운영하는 공사차량 배차 운영부를 포함하고,
상기 공사차량 단말은, 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성하는 차량 운행정보 작성부; 상기 공사차량의 업무정보를 작성하는 차량 업무정보 작성부; 및 상기 공사차량 배차 서버의 무선통신모듈과 무선으로 통신하며, 상기 차량 운행정보 작성부에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부에서 작성된 업무정보를 상기 공사차량 배차 서버에게 전송하는 무선통신모듈을 포함하여 이루어진다.
상기 공사차량 배차 서버는, 상기 공사관리자 단말의 무선통신모듈 및 상기 공사차량 단말의 무선통신모듈과 무선으로 통신하도록 구비되는 무선통신모듈; 도심지 다공구의 공사관리자 단말로부터 전송되는 연계 작업자료를 수집하는 연계 작업자료 수집부; 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비와의 연계 작업자료를 취합하여 실시간으로 변동사항을 분석하는 내부 영향인자 분석부; 상기 도로 교통정보 제공자로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자로부터 전송된 날씨정보에 따라 외부 영향인자를 실시간 분석하는 외부 영향인자 분석부; 상기 내부 영향인자 분석부가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부가 분석한 외부 영향인자를 취합하는 영향인자 취합부; 상기 영향인자 취합부에서 취합된 영향인자에 대해 머신러닝을 수행하는 머신러닝 학습부; 상기 머신러닝 학습부의 머신러닝 학습에 의해 배차패턴을 도출하는 배차패턴 도출부; 및 AI 알고리즘을 적용하여 상기 배차패턴 도출부에서 도출된 배차패턴으로 공사차량의 배차를 운영하는 공사차량 배차 운영부를 포함하고,
상기 공사차량 단말은, 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성하는 차량 운행정보 작성부; 상기 공사차량의 업무정보를 작성하는 차량 업무정보 작성부; 및 상기 공사차량 배차 서버의 무선통신모듈과 무선으로 통신하며, 상기 차량 운행정보 작성부에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부에서 작성된 업무정보를 상기 공사차량 배차 서버에게 전송하는 무선통신모듈을 포함하여 이루어진다.
삭제
본 발명에 따르면, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝(Machine Learning)을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영함으로써, 공사차량인 덤프트럭의 현장 대기시간을 최소화하고 배차를 최적화함으로써 공사차량의 운영 비용을 절감할 수 있으며, 덤프트럭에 의한 민원을 해소하여 공기지연을 방지할 수 있다.
본 발명에 따르면, 외부 및 내부 영향인자를 분석하여 빅데이터화하여, 머신러닝을 통한 연계 건설장비와의 조합 및 요일별, 시간별 도로의 교통흐름을 고려한 시뮬레이션을 통해서 배차패턴을 도출할 수 있고, 공사차량의 자동 배차 및 자동 정산이 가능해진다.
도 1은 종래의 기술에 따른 공사차량 배차 방식을 개략적으로 설명하기 위한 도면이다.
도 2는 종래의 기술에 따른 효율적인 물류를 위한 자동 배차 시스템의 구성도이다.
도 3은 종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템의 개략적인 구성도이다.
도 4는 종래의 기술에 따른 화물배차 서비스 시스템을 나타내는 구성도이다.
도 5는 도 4에 도시된 화물배차 서비스장치의 구체적인 구성도이다.
도 6은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방식을 개략적으로 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 개략적인 구성도이다.
도 8은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 구체적인 구성도이다.
도 9는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에서 머신러닝을 수행하는 DNN 모델을 예시하는 도면이다.
도 10은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 데이터 흐름도이다.
도 11은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템과 연동되는 차량 위치, 상태, 운행경로 조회를 설명하기 위한 도면이다.
도 12는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에 연동되는 대시보드 운행현황 확인을 설명하기 위한 도면이다.
도 13은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템과 연동되는 진출입 알림 서비스를 설명하기 위한 도면이다
도 14는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방법의 동작흐름도이다.
도 2는 종래의 기술에 따른 효율적인 물류를 위한 자동 배차 시스템의 구성도이다.
도 3은 종래의 기술에 따른 토공사 토석처리를 위한 운반 안내 시스템의 개략적인 구성도이다.
도 4는 종래의 기술에 따른 화물배차 서비스 시스템을 나타내는 구성도이다.
도 5는 도 4에 도시된 화물배차 서비스장치의 구체적인 구성도이다.
도 6은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방식을 개략적으로 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 개략적인 구성도이다.
도 8은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 구체적인 구성도이다.
도 9는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에서 머신러닝을 수행하는 DNN 모델을 예시하는 도면이다.
도 10은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 데이터 흐름도이다.
도 11은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템과 연동되는 차량 위치, 상태, 운행경로 조회를 설명하기 위한 도면이다.
도 12는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에 연동되는 대시보드 운행현황 확인을 설명하기 위한 도면이다.
도 13은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템과 연동되는 진출입 알림 서비스를 설명하기 위한 도면이다
도 14는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방법의 동작흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
[AI를 이용한 도심지 다공구 공사차량 배차 시스템(100)]
도 6은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방식을 개략적으로 설명하기 위한 도면이다.
도심지에서 진행되는 공사로 인해 덤프트럭 대기에 따른 매연 배출 및 소음 등의 민원 발생 가능성이 높고, 이에 따라, 도심지 토공현장에서 원활한 토사 배출을 통해 공사기간을 준수하고 민원을 해소할 필요성이 있다.
도심지에서 진행되는 공사, 예를 들면, 도심지 다공구 지하터널공사는, 다공구 및 대규모 토공량이 발생할 수 있고, 이에 따라, 24시간 연속적으로 동시다발적인 토공 반출 및 운반이 이루어진다. 그런데, 도심지 교통량의 변동이 매우 심하기 때문에 운반시간을 예측하기 어렵다.
또한, GTX(Great Train Express) 공사와 같은 대심도 지하도로, 대심도 지하철도 및 도심지 대규모 주택공사에 따른 대규모 굴착공사 급증으로 인해 도심지 특성상 교통정체가 매우 심하며, 지상에 공간이 협소하여 토사 적치공간이 부족함에 따라 토사운반용 공사차량, 예를 들면 덤프트럭을 실시간으로 최적 배치하여 운용할 필요성이 있다.
또한, 현장 외부의 도로상황은 요일별, 시간별 도로교통정보 및 계절별, 강우 등의 날씨정보에 따라 덤프트럭 운행속도가 상당한 차이가 발생하며, 현장 내부의 연계작업을 수행하는 백호, 도저 등의 연계 건설장비의 작업속도에 따라 덤프트럭 작업효율은 영향을 받게 된다. 이에 따라, 도심지 공사현장 내부와 외부의 상황에 따라, AI 배차 시스템을 도입하고 이를 머신러닝 기법을 통해 학습한 AI 배차 시스템을 구축함으로써 최적의 덤프트럭 배차 효율을 발휘할 수 있다.
본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방식은, 도 6에 도시된 바와 같이, 차량 관제 기능에 공사차량의 도착예정정보와 운행 통계 빅데이터를 활용함으로써 AI 차량의 자동 배차 및 자동 정산이 이루어질 수 있다.
구체적으로, 공사차량을 실시간으로 최적 배치하기 위해서 AI를 이용한 도심지 다공구 공사차량 배차 시스템을 구현하되, 내부 및 외부의 공사시간에 영향을 주는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝 학습을 통해 배차패턴을 도출한 후, 최종적으로 AI 알고리즘을 통해 공사차량 배차 시스템을 운영하게 된다.
한편, 도 7은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 개략적인 구성도이고, 도 8은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 구체적인 구성도이다.
도 7 및 도 8을 참조하면, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템(100)은, 공사관리자 단말(110), 공사차량 배차 서버(120) 및 공사차량 단말(130)를 포함하며, 또한, 연계 건설장비(140), 도로 교통정보 제공자(150), 도로 날씨정보 제공자(160) 및 지오펜스(170)를 포함할 수 있다.
공사관리자 단말(110)은 도심지 다공구를 시공하는 건설사의 공사관리자가 구비한 단말로서, 공사차량의 배차를 요청하고, 또한, 각각의 공사현장에서 연계 건설장비의 연계 작업자료를 작성한다.
공사차량 배차 서버(120)는 공사차량을 관제하기 위한 관제서버로서, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자(Factor)를 취합(Data Gathering)하고, 각 영향인자에 대한 머신러닝(Machine Learning)을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영한다. 이에 따라, 공사차량인 덤프트럭의 현장 대기시간을 최소화하고 배차를 최적화함으로써 공사차량의 운영 비용을 절감할 수 있으며, 덤프트럭에 의한 민원을 해소하여 공기지연을 방지할 수 있다.
구체적으로, 상기 외부 영향인자는 교통정보 및 날씨정보에 관한 것으로, 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하여 실시간 변동사항을 주는 인자이며, 또한, 내부 영향인자는 공사차량의 작업성에 영향을 주는 것으로 연계 건설장비, 예를 들면, 백호, 도저 등의 건설장비와의 연계 작업자료를 취합하여 실시간 변동사항을 주는 인자이다.
따라서, 상기 공사차량 배차 서버(120)는, 이러한 외부 및 내부 영향인자를 분석하여 빅데이터(Big Data)화함으로써, 머신러닝을 통한 효과적인 연계 건설장비와의 조합 및 요일별/시간별 도로의 교통흐름을 고려한 시뮬레이션을 통해 배차패턴을 도출할 수 있고, 최종적으로 AI 알고리즘을 통해 공사차량의 배차를 효율적으로 운영하게 된다.
공사차량 단말(130)은 각각의 공사차량에 구비된 단말로서, 상기 공사차량 배차 서버(120)와 무선통신모듈을 통해 상호 통신하며, 상기 배차 호출에 대응하여 차량 운행정보 및 작업정보를 공사차량 배차 서버(120)에게 실시간 제공한다.
연계 건설장비(140)는, 예를 들면, 백호, 도저 등의 건설장비로서, 상기 공사관리자 단말(110)가 연계 작업자료를 작성할 수 있도록 각각 연계 작업자료를 생성한다.
도로 교통정보 제공자(150)는 공사차량의 운행경로 상의 요일별, 시간별 교통흐름에 대한 교통정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공한다.
도로 날씨정보 제공자(160)는 날씨정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공한다.
지오펜스(170)는 공사차량의 운행경로 상에 설치되어 상기 공사차량의 진출입을 모니터링하며, 이때, 상기 지오펜스(170)에서 생성된 공사차량 모니터링 정보는 상기 공사차량 배차 서버(120)에게 제공된다.
구체적으로, 도 8을 참조하면, 상기 공사관리자 단말(110)은, 공사차량 배차 요청부(111), 연계 작업자료 작성부(112) 및 무선통신모듈(113)을 포함할 수 있지만, 이에 국한되는 것은 아니다.
공사차량 배차 요청부(111)는 도심지 다공구 각각의 공사현장에서 공사현황에 따라 공사차량 배차를 요청한다.
연계 작업자료 작성부(112)는 도심지 다공구 각각의 공사현장의 연계 건설장비(140)의 연계 작업에 따른 연계 작업자료를 작성한다.
무선통신모듈(113)은 상기 공사차량 배차 요청부(111)의 배차 요청 및 상기 연계 작업자료 작성부(112)에서 작성된 연계 작업자료를 상기 공사차량 배차 서버(120)에게 무선으로 전송한다.
또한, 도 8을 참조하면, 상기 공사차량 배차 서버(120)는, 무선통신모듈(121), 연계 작업자료 수집부(122), 내부 영향인자 분석부(123), 외부 영향인자 분석부(124), 영향인자 취합부(125), 머신러닝 학습부(126), 배차패턴 도출부(127) 및 공사차량 배차 운영부(128)를 포함할 수 있지만, 이에 국한되는 것은 아니다.
무선통신모듈(121)은 상기 공사관리자 단말(110)의 무선통신모듈(113) 및 상기 공사차량 단말(130)의 무선통신모듈(133)과 무선으로 통신하도록 구비된다.
연계 작업자료 수집부(122)는 도심지 다공구의 공사관리자 단말(110)로부터 전송되는 연계 작업자료를 수집한다.
내부 영향인자 분석부(123)는 상기 연계 작업자료에 따라 내부 영향인자를 분석한다. 즉, 상기 내부 영향인자 분석부(123)는 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비, 예를 들면, 백호, 도저 등과의 연계작업자료를 취합하며, 실시간으로 변동사항을 분석한다.
외부 영향인자 분석부(124)는 상기 도로 교통정보 제공자(150)로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자(160)로부터 전송된 날씨정보에 따라 외부 영향인자를 분석한다. 즉, 상기 외부 영향인자 분석부(124)는 지자체 및 교통관련 공공기관에서 제공하는 교통정보 및 날씨 정보 등을 분석하여 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하며, 실시간으로 변동사항을 분석한다.
영향인자 취합부(125)는 상기 내부 영향인자 분석부(123)가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부(124)가 분석한 외부 영향인자를 취합한다. 즉 상기 영향인자 취합부(125)는 내부 및 외부의 공사시간에 영향을 미치는 영향인자(Factor)를 취합(data gathering)한다.
머신러닝 학습부(126)는 상기 영향인자 취합부(125)에서 취합된 영향인자에 대해 머신러닝을 수행한다.
배차패턴 도출부(127)는 상기 머신러닝 학습부(126)의 머신러닝 학습에 의해 배차패턴을 도출한다.
공사차량 배차 운영부(128)는 AI 알고리즘을 적용하여 상기 배차패턴 도출부(127)에서 도출된 배차패턴으로 공사차량의 배차를 운영한다. 예를 들면, 상기 AI 알고리즘은 상업용 프로그램을 사용할 수 있으며, 이에 국한되는 것은 아니다.
이에 따라, 공사차량인 덤프트럭의 현장 대기시간을 최소화하고 배차를 최적화함으로써 공사차량의 운영 비용을 절감할 수 있다.
또한, 도 8을 참조하면, 상기 공사차량 단말(130)은, 차량 운행정보 작성부(131), 차량 업무정보 작성부(132) 및 무선통신모듈(133)을 포함할 수 있지만, 이에 국한되는 것은 아니다.
차량 운행정보 작성부(131)는 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성한다. 예를 들면, 차량의 기본정보 및 도착 예정시간 등을 작성한다.
차량 업무정보 작성부(132)는 상기 공사차량의 업무정보를 작성한다. 예를 들면, 적재된 화물의 상차 또는 하차와 관련된 정보 등을 작성한다.
무선통신모듈(133)은 상기 공사차량 배차 서버(120)의 무선통신모듈(121)과 무선으로 통신하며, 상기 차량 운행정보 작성부(131)에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부(132)에서 작성된 업무정보를 상기 공사차량 배차 서버(120)에게 전송한다.
본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에 따르면, 도심지 다공구에서 공사현장의 외부 및 내부 영향인자를 빅데이터화하여 머신러닝 기법을 통해 학습한 AI 배차 시스템을 구축할 수 있다.
한편, 도 9는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에서 머신러닝을 수행하는 DNN 모델을 예시하는 도면이다.
도 9에 도시된 바와 같이, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 경우, 심층 신경망(Deep Neural Network: DNN) 모델에 따라 머신러닝을 수행을 수행할 수 있으며, 심층신경망(Deep Neural Network: DNN)은, 도 9에 도시된 바와 같이, 입력층(input layer)과 출력층(output layer) 사이에 다중의 은닉층(hidden layer)을 포함하는 인공 신경망(Artificial Neural Network: ANN)으로서, 이러한 심층신경망(DNN)은 기계학습(Machine learning) 중 한 방법에 해당되며, 다중의 은닉층을 포함함으로써 다양한 비선형적 관계를 학습할 수 있다.
이러한 심층신경망(DNN) 분석은 학습데이터를 기반으로 어떤 특성을 예측하는 함수식을 도출한다. 예를 들면, Hooke's law F = kx에서 k값을 도출할 수 있다. 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에 따르면, 적용가능한 심층신경망(DNN) 알고리즘을 탐색하여 결과를 분석한 후, 예측력이 높은 심층신경망(DNN) 모델을 선정하여 최적화하는 과정을 거침으로써 최적화된 배차패턴에 대해 AI 알고리즘을 적용할 수 있다.
한편, 도 10은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 데이터 흐름도이다.
본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 경우, 도 10에 도시된 바와 같이, S11 내지 S25 단계의 자동 배차 과정 및 S26 내지 S28 단계의 자동 정산 과정을 수행하게 된다.
구체적으로, 자동 배차 과정으로서, 공사관리자 단말(110)은 도심지 다공구에서 공사차량을 호출하고(S11), 이후, 공사차량 배차 서버(120)에게 현장 위치, 필요 차량의 대수와 종류와 같은 입력정보를 전송하며(S12), 상기 공사차량 배차 서버(120)는 공사차량 전체에게 푸시(Push) 알림을 전달한다(S13).
다음으로, 공사차량 단말(130)은 배차를 수락하고(S14), 상기 공사차량 배차 서버(120)에게 차량정보 전송를 전송하며(S15), 상기 공사차량 배차 서버(120)는 상기 공사관리자 단말(110)에게 공사차량의 도착 예정시간 및 차량정보를 전송한다(S16).
다음으로, 상기 공사차량의 운행이 이루어지고, 상기 공사차량 단말(130)은 상기 공사차량 배차 서버(120)에게 실시간 차량정보 전송를 전송하고(S17), 상기 공사차량 배차 서버(120)는 상기 공사관리자 단말(110)에게 실시간 차량의 위치, 경로, 상태, 도착 예정시간을 전송한다(S18).
다음으로, 상기 공사차량이 상기 도로 운행경로의 특정 지점을 통과할 경우, 상기 공사차량 배차 서버(120)는 상기 공사차량의 특정 지역(지오펜스) 진출입 알림을 상기 공사관리자 단말(110)에게 전송한다(S19).
다음으로, 상기 공사차량이 운행을 종료하면, 상기 공사차량 단말(130)은 적재된 화물의 하차(또는 상차)에 따른 작업정보를 생성하여(S21), 상기 공사차량 배차 서버(120)에게 차량정보를 전송하며(S21), 이후, 상기 공사차량 배차 서버(120)는 상기 공사관리자 단말(110)에게 승차/하차 완료 알림을 전송한다(S22).
다음으로, 상기 공사차량 배차 서버(120)는 상기 공사차량의 배차에 따른 통계를 분석 작성하고(S23), 이후, 상기 공사차량 배차 서버(120)는 상기 공사차량 단말(130)에게 차량 운행정보, 이력 등을 전송하고(S24), 또한, 상기 공사차량 배차 서버(120)는 상기 공사관리자 단말(110)에게 현장별/차량별 운행정보, 이력 관리 등을 전송한다(S25).
또한, 자동 정산 과정으로서, 상기 공사차량 배차 서버(120)는 상기 공사차량의 배차에 대한 정산을 실시하고(S26), 이후, 상기 공사차량 배차 서버(120)는 상기 공사차량의 배차 정산에 따른 실시간 차량운행정보 및 업무정보를 상기 공사관리자 단말(110)에게 전송하고(S27), 또한, 상기 공사차량 배차 서버(120)는 상기 공사차량의 배차 정산에 따른 실시간 차량 운행정보 및 업무정보를 상기 공사차량 단말(130)에게 전송한다(S28). 이에 따라, 상기 공사차량 배차 서버(120)에 의해 상기 공사차량의 배차에 따른 자동 정산이 이루어질 수 있다.
한편, 도 11은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템과 연동되는 차량 위치, 상태, 운행경로 조회를 설명하기 위한 도면이다.
도 11에 도시된 바와 같이, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 경우, 차량 위치, 상태, 운행경로 조회를 위해 기존의 시스템과 연동할 수 있으며, 예를 들면, 네이버 지도, 카카오 지도, 구글 지도 등을 선택할 수 있고, 또한, 차량관제 시스템과 연동하여 시동상태, 공회전 정보를 확인할 수 있으며, 전국 지도-기반으로 공사차량을 관제할 수 있다.
즉, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템은, 도심지 다공구의 공사차량에 대해 기존 시스템과 연동하여 차량 위치, 상태, 운행경로 조회를 수행할 수 있다.
한편, 도 12는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템에 연동되는 대시보드 운행현황 확인을 설명하기 위한 도면이다.
본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템은, 도 12에 도시된 바와 같이, 기존의 시스템과 연동하여 대시보드 운행현황을 확인할 수 있으며, 예를 들면, 평균 운행거리 및 시간 등을 확인할 수 있고, 또한, 안전운전 그룹을 확인할 수 있으며, 전체 운행률, 거리, 시간 등을 확인할 수 있다.
즉, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템은, 공사차량 단말(130)에서 전송되는 차량 운행정보 및 작업정보에 따라 대시보드 운행현황을 간편하게 확인할 수 있다.
한편, 도 13은 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템과 연동되는 진출입 알림 서비스를 설명하기 위한 도면이다
본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템은, 도 11에 도시된 바와 같이, 진출입 알림 서비스(지오펜스)와 연동할 수 있으며, 300m 내지 5㎞마다 설치되는 특정지점을 설정할 수 있고, 진출/이탈 알림 및 SMS와 연동되며, 예를 들면, 공사차량 1대당 100개까지도 지오펜스를 설정할 수 있다.
구체적으로, 지오펜스(Geo-Fence)는 지구, 토양 등의 뜻을 나타내는 접두어인 Geo와 울타리를 의미하는 단어인 Fence가 결합한 단어로서, 사전적으로는 실제 지형에 구획된 가상의 경계(a virtual boundary for a real-world geographic area)를 의미한다. 이러한 지오펜스는 필요에 의해 그 때마다 생성될 수도 있고, 사전에 정해진 구역이 지오펜스 역할을 할 수도 있다.
본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 시스템의 경우, 공사차량이 지오펜스를 통과하게 되면, 지오펜스에서 상기 공사차량 배차 서버(120)에게 상기 공사차량의 진입 및 이탈에 관한 정보가 전달되며, 이에 따라, 상기 공사차량 배차 서버(120)는 도로 운행경로상의 공사차량의 운행을 용이하게 모니터링할 수 있다.
결국, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차에 따르면, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영함으로써, 공사차량인 덤프트럭의 현장 대기시간을 최소화하고 배차를 최적화함으로써 공사차량의 운영 비용을 절감할 수 있으며, 덤프트럭에 의한 민원을 해소하여 공기지연을 방지할 수 있다. 또한, 외부 및 내부 영향인자를 분석하여 빅데이터화하여, 머신러닝을 통한 연계 건설장비와의 조합 및 요일별, 시간별 도로의 교통흐름을 고려한 시뮬레이션을 통해서 배차패턴을 도출할 수 있고, 공사차량의 자동 배차 및 자동 정산이 가능해진다.
[AI를 이용한 도심지 다공구 공사차량 배차 방법]
도 14는 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방법의 동작흐름도이다.
도 14를 참조하면, 본 발명의 실시예에 따른 AI를 이용한 도심지 다공구 공사차량 배차 방법은, 먼저, 공사관리자 단말(110)이 도심지 다공구에서 공사차량 배차를 호출한다(S110).
다음으로, 공사차량 배차 서버(120)가 공사차량 단말(130)로부터 배차 수락 및 차량정보를 수신한다(S120).
다음으로, 상기 공사차량 배차 서버(120)가 공사관리자 단말(110)에게 배차 수락 및 차량정보를 전달한다(S130).
다음으로, 상기 공사차량 배차 서버(120)가 외부 및 내부 영향인자를 분석한다(S140). 여기서, 상기 외부 영향인자는 교통정보 및 날씨정보에 관한 것으로, 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하여 실시간 변동사항을 주는 인자이며, 상기 내부 영향인자는 공사차량의 작업성에 영향을 주는 것으로 연계 건설장비와의 연계 작업자료를 취합하여 실시간 변동사항을 주는 인자일 수 있다.
다음으로, 상기 공사차량 배차 서버(120)가 외부 및 내부 영향인자를 취합한다(S150).
다음으로, 상기 공사차량 배차 서버(120)가 머신러닝 학습을 통해 배차패턴을 도출한다(S160). 이에 따라, 상기 공사차량 배차 서버(120)는, 상기 외부 및 내부 영향인자를 분석하여 빅데이터(Big Data)화함으로써 머신러닝을 통한 연계 건설장비와의 조합 및 도로의 교통흐름을 고려한 시뮬레이션을 통해 배차패턴을 도출할 수 있다.
다음으로, 상기 공사차량 배차 서버(120)가 AI 알고리즘을 적용하여 배차패턴에 따른 공사차량 배차를 운영한다(S170).
다음으로, 상기 공사차량의 진출입을 모니터링하도록 공사차량의 운행경로 상에 설치되는 지오펜스(170)에서 공사차량 모니터링 정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공한다(S180).
결국, 본 발명의 실시예에 따르면, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자를 취합하고, 각 영향인자에 대한 머신러닝을 통하여 배차패턴을 도출하고, 최종적으로 AI 알고리즘을 통해 공사차량 배차를 운영함으로써, 공사차량인 덤프트럭의 현장 대기시간을 최소화하고 배차를 최적화함으로써 공사차량의 운영 비용을 절감할 수 있으며, 덤프트럭에 의한 민원을 해소하여 공기지연을 방지할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 도심지 다공구 공사차량 배차 시스템
110: 공사관리자 단말 120: 공사차량 배차 서버
130: 공사차량 단말 140: 연계 건설장비
150: 도로 교통정보 제공자 160: 도로 날씨정보 제공자
170: 지오펜스
111: 공사차량 배차 요청부 112: 연계 작업자료 작성부
113: 무선통신모듈 121: 무선통신모듈
122: 연계 작업자료 수집부 123: 내부 영향인자 분석부
124: 외부 영향인자 분석부 125: 영향인자 취합부
126: 머신러닝 학습부 127: 배차패턴 도출부
128: 공사차량 배차 운영부 131: 차량 운행정보 작성부
132: 차량 업무정보 작성부 133: 무선통신모듈
110: 공사관리자 단말 120: 공사차량 배차 서버
130: 공사차량 단말 140: 연계 건설장비
150: 도로 교통정보 제공자 160: 도로 날씨정보 제공자
170: 지오펜스
111: 공사차량 배차 요청부 112: 연계 작업자료 작성부
113: 무선통신모듈 121: 무선통신모듈
122: 연계 작업자료 수집부 123: 내부 영향인자 분석부
124: 외부 영향인자 분석부 125: 영향인자 취합부
126: 머신러닝 학습부 127: 배차패턴 도출부
128: 공사차량 배차 운영부 131: 차량 운행정보 작성부
132: 차량 업무정보 작성부 133: 무선통신모듈
Claims (13)
- 도심지 다공구를 시공하는 건설사의 공사관리자가 구비한 단말로서, 공사차량의 배차를 요청하고, 각각의 공사현장에서 연계 건설장비의 연계 작업자료를 작성하는 공사관리자 단말(110);
공사차량을 관제하기 위한 관제서버로서, 도심지 다공구에서 공사현장 내부 및 외부의 공사시간에 영향을 미치는 영향인자(Factor)를 취합(data gathering)하고, 각 영향인자에 대한 머신러닝을 통하여 배차패턴을 도출하고, 최종적으로 인공지능(AI) 알고리즘을 통해 공사차량 배차를 운영하는 공사차량 배차 서버(120);
각각의 공사차량에 구비된 단말로서, 상기 공사차량 배차 서버(120)와 무선통신모듈을 통해 상호 통신하며, 상기 공사차량 배차 서버(120)의 배차 호출에 대응하여 차량 운행정보 및 작업정보를 공사차량 배차 서버(120)에게 실시간 제공하는 공사차량 단말(130);
공사차량의 운행경로 상의 요일별, 시간별 교통흐름에 대한 교통정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공하는 도로 교통정보 제공자(150); 및
날씨정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공하는 도로 날씨정보 제공자(160); 및
상기 공사차량의 진출입을 모니터링하도록 공사차량의 운행경로 상에 설치되고, 공사차량의 특정지역 진출입과 관련된 공사차량 모니터링 정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공하는 지오펜스(170)를 포함하되,
상기 공사차량 배차 서버(120)는, 상기 외부 및 내부 영향인자를 분석하여 빅데이터(Big Data)화함으로써 머신러닝을 통한 연계 건설장비와의 조합 및 도로의 교통흐름을 고려한 시뮬레이션을 통해 배차패턴을 도출하며;
상기 외부 영향인자는 교통정보 및 날씨정보에 관한 것으로, 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하여 실시간 변동사항을 주는 인자이며, 상기 내부 영향인자는 공사차량의 작업성에 영향을 주는 것으로 연계 건설장비와의 연계 작업자료를 취합하여 실시간 변동사항을 주는 인자이고; 그리고
상기 공사차량 배차 서버(120)는, 상기 공사관리자 단말(110)의 무선통신모듈(113) 및 상기 공사차량 단말(130)의 무선통신모듈(133)과 무선으로 통신하도록 구비되는 무선통신모듈(121); 도심지 다공구의 공사관리자 단말(110)로부터 전송되는 연계 작업자료를 수집하는 연계 작업자료 수집부(122); 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비와의 연계 작업자료를 취합하여 실시간으로 변동사항을 분석하는 내부 영향인자 분석부(123); 상기 도로 교통정보 제공자(150)로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자(160)로부터 전송된 날씨정보에 따라 외부 영향인자를 실시간 분석하는 외부 영향인자 분석부(124); 상기 내부 영향인자 분석부(123)가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부(124)가 분석한 외부 영향인자를 취합하는 영향인자 취합부(125); 상기 영향인자 취합부(125)에서 취합된 영향인자에 대해 머신러닝을 수행하는 머신러닝 학습부(126); 상기 머신러닝 학습부(126)의 머신러닝 학습에 의해 배차패턴을 도출하는 배차패턴 도출부(127); 및 AI 알고리즘을 적용하여 상기 배차패턴 도출부(127)에서 도출된 배차패턴으로 공사차량의 배차를 운영하는 공사차량 배차 운영부(128)를 포함하고,
상기 공사차량 단말(130)은, 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성하는 차량 운행정보 작성부(131); 상기 공사차량의 업무정보를 작성하는 차량 업무정보 작성부(132); 및 상기 공사차량 배차 서버(120)의 무선통신모듈(121)과 무선으로 통신하며, 상기 차량 운행정보 작성부(131)에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부(132)에서 작성된 업무정보를 상기 공사차량 배차 서버(120)에게 전송하는 무선통신모듈(133)을 포함하는 AI를 이용한 도심지 다공구 공사차량 배차 시스템. - 삭제
- 삭제
- 삭제
- 제1항에 있어서, 상기 공사관리자 단말(110)은,
도심지 다공구 각각의 공사현장에서 공사현황에 따라 공사차량 배차를 요청하는 공사차량 배차 요청부(111);
도심지 다공구 각각의 공사현장의 연계 건설장비(140)의 연계 작업에 따른 연계 작업자료를 작성하는 연계 작업자료 작성부(112); 및
상기 공사차량 배차 요청부(111)의 배차 요청 및 상기 연계 작업자료 작성부(112)에서 작성된 연계 작업자료를 상기 공사차량 배차 서버(120)에게 무선으로 전송하는 무선통신모듈(113)을 포함하는 AI를 이용한 도심지 다공구 공사차량 배차 시스템. - 삭제
- 삭제
- a) 공사관리자 단말(110)이 도심지 다공구에서 공사차량 배차를 호출하는 단계;
b) 공사차량 배차 서버(120)가 공사차량 단말(130)로부터 배차 수락 및 차량정보를 수신하는 단계;
c) 상기 공사차량 배차 서버(120)가 공사관리자 단말(110)에게 배차 수락 및 차량정보를 전달하는 단계;
d) 상기 공사차량 배차 서버가 외부 및 내부 영향인자를 분석하는 단계;
e) 상기 공사차량 배차 서버가 외부 및 내부 영향인자를 취합하는 단계;
f) 상기 공사차량 배차 서버(120)가 머신러닝 학습을 통해 배차패턴을 도출하는 단계;
g) 상기 공사차량 배차 서버(120)가 AI 알고리즘을 적용하여 배차패턴에 따른 공사차량 배차를 운영하는 단계; 및
h) 상기 공사차량의 진출입을 모니터링하도록 공사차량의 운행경로 상에 설치되는 지오펜스(170)에서 공사차량 모니터링 정보를 생성하여 상기 공사차량 배차 서버(120)에게 제공하는 단계를 포함하되,
상기 공사차량 배차 서버(120)는, 상기 외부 및 내부 영향인자를 분석하여 빅데이터화함으로써 머신러닝을 통한 연계 건설장비와의 조합 및 도로의 교통흐름을 고려한 시뮬레이션을 통해 배차패턴을 도출하고;
상기 외부 영향인자는 교통정보 및 날씨정보에 관한 것으로, 요일별, 시간별 도로의 교통흐름에 대한 자료를 취합하여 실시간 변동사항을 주는 인자이며, 상기 내부 영향인자는 공사차량의 작업성에 영향을 주는 것으로 연계 건설장비와의 연계 작업자료를 취합하여 실시간 변동사항을 주는 인자이고; 그리고
상기 공사차량 배차 서버(120)는, 상기 공사관리자 단말(110)의 무선통신모듈(113) 및 상기 공사차량 단말(130)의 무선통신모듈(133)과 무선으로 통신하도록 구비되는 무선통신모듈(121); 도심지 다공구의 공사관리자 단말(110)로부터 전송되는 연계 작업자료를 수집하는 연계 작업자료 수집부(122); 상기 공사차량과 작업성과 직접적으로 영향을 갖는 연계 건설장비와의 연계 작업자료를 취합하여 실시간으로 변동사항을 분석하는 내부 영향인자 분석부(123); 상기 도로 교통정보 제공자(150)로부터 전송된 교통정보 및 상기 도로 날씨정보 제공자(160)로부터 전송된 날씨정보에 따라 외부 영향인자를 실시간 분석하는 외부 영향인자 분석부(124); 상기 내부 영향인자 분석부(123)가 분석한 내부 영향인자 및 상기 외부 영향인자 분석부(124)가 분석한 외부 영향인자를 취합하는 영향인자 취합부(125); 상기 영향인자 취합부(125)에서 취합된 영향인자에 대해 머신러닝을 수행하는 머신러닝 학습부(126); 상기 머신러닝 학습부(126)의 머신러닝 학습에 의해 배차패턴을 도출하는 배차패턴 도출부(127); 및 AI 알고리즘을 적용하여 상기 배차패턴 도출부(127)에서 도출된 배차패턴으로 공사차량의 배차를 운영하는 공사차량 배차 운영부(128)를 포함하고,
상기 공사차량 단말(130)은, 공사차량의 도로 운행경로에 따라 발생하는 차량 운행정보를 작성하는 차량 운행정보 작성부(131); 상기 공사차량의 업무정보를 작성하는 차량 업무정보 작성부(132); 및 상기 공사차량 배차 서버(120)의 무선통신모듈(121)과 무선으로 통신하며, 상기 차량 운행정보 작성부(131)에서 작성된 차량 운행정보 및 상기 차량 업무정보 작성부(132)에서 작성된 업무정보를 상기 공사차량 배차 서버(120)에게 전송하는 무선통신모듈(133)을 포함하는 AI를 이용한 도심지 다공구 공사차량 배차 방법. - 삭제
- 삭제
- 제8항에 있어서, 상기 공사관리자 단말(110)은,
도심지 다공구 각각의 공사현장에서 공사현황에 따라 공사차량 배차를 요청하는 공사차량 배차 요청부(111);
도심지 다공구 각각의 공사현장의 연계 건설장비(140)의 연계 작업에 따른 연계 작업자료를 작성하는 연계 작업자료 작성부(112); 및
상기 공사차량 배차 요청부(111)의 배차 요청 및 상기 연계 작업자료 작성부(112)에서 작성된 연계 작업자료를 상기 공사차량 배차 서버(120)에게 무선으로 전송하는 무선통신모듈(113)을 포함하는 AI를 이용한 도심지 다공구 공사차량 배차 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210075963A KR102655869B1 (ko) | 2021-06-11 | 2021-06-11 | Ai를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210075963A KR102655869B1 (ko) | 2021-06-11 | 2021-06-11 | Ai를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220167426A KR20220167426A (ko) | 2022-12-21 |
| KR102655869B1 true KR102655869B1 (ko) | 2024-04-11 |
Family
ID=84536590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210075963A KR102655869B1 (ko) | 2021-06-11 | 2021-06-11 | Ai를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102655869B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102581676B1 (ko) * | 2023-05-03 | 2023-09-22 | 이상구 | 덤프트럭 운반관리 자동화 시스템 및 그 방법 |
| CN116486314B (zh) * | 2023-06-26 | 2023-08-22 | 中国水利水电第七工程局有限公司 | 施工隧道通行控制方法、装置及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101949049B1 (ko) * | 2017-12-14 | 2019-05-31 | 현대건설주식회사 | 건설장비 대기시간 최소화를 위한 최적조합 도출 방법 및 그 장치 |
| KR102089013B1 (ko) * | 2019-08-22 | 2020-03-13 | 최광수 | 공급망 관리 기반 건설현장에서 최적의 중장비 투입을 지원하는 중장비 통합 관리 서비스 제공 시스템 및 방법 |
| KR102262996B1 (ko) * | 2020-10-15 | 2021-06-09 | 넥스아이씨티(주) | 기계학습 된 예측모델에 기반한 교통약자용 배차 방법 및 시스템 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100340567B1 (ko) | 1997-12-26 | 2002-09-18 | 주식회사 포스코 | 차량배차의최적화방법 |
| US7317927B2 (en) * | 2004-11-05 | 2008-01-08 | Wirelesswerx International, Inc. | Method and system to monitor persons utilizing wireless media |
| JP2007079807A (ja) | 2005-09-13 | 2007-03-29 | Hitachi Kokusai Electric Inc | 配車システムとその配車管理装置及び移動局装置 |
| KR101648304B1 (ko) | 2015-04-30 | 2016-08-16 | 현대건설주식회사 | 차량정보를 이용한 건설현장의 중장비 차량 상태 판단 시스템 및 방법 |
| KR101944825B1 (ko) | 2018-07-30 | 2019-02-07 | (주)영신디엔씨 | 토공사 토석처리를 위한 운반 안내 시스템 |
| KR20200137149A (ko) | 2019-05-29 | 2020-12-09 | 엠케이얼라이언스 주식회사 | 효율적인 물류를 위한 자동 배차 시스템 및 방법 |
| KR102081555B1 (ko) | 2019-12-04 | 2020-02-25 | 최현빈 | 화물배차서비스장치 및 그 장치의 구동방법 |
| KR102194962B1 (ko) | 2020-05-20 | 2020-12-24 | 주식회사 네이처모빌리티 | 빅데이터 기반 택시수요예측을 이용한 ａｉ 자동배차 매칭 서비스 제공 시스템 |
-
2021
- 2021-06-11 KR KR1020210075963A patent/KR102655869B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101949049B1 (ko) * | 2017-12-14 | 2019-05-31 | 현대건설주식회사 | 건설장비 대기시간 최소화를 위한 최적조합 도출 방법 및 그 장치 |
| KR102089013B1 (ko) * | 2019-08-22 | 2020-03-13 | 최광수 | 공급망 관리 기반 건설현장에서 최적의 중장비 투입을 지원하는 중장비 통합 관리 서비스 제공 시스템 및 방법 |
| KR102262996B1 (ko) * | 2020-10-15 | 2021-06-09 | 넥스아이씨티(주) | 기계학습 된 예측모델에 기반한 교통약자용 배차 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220167426A (ko) | 2022-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Perboli et al. | Simulation–optimisation framework for City Logistics: an application on multimodal last‐mile delivery | |
| KR102655869B1 (ko) | Ai를 이용한 도심지 다공구 공사차량 배차 시스템 및 그 방법 | |
| US8775059B2 (en) | Method and system for fleet navigation, dispatching and multi-vehicle, multi-destination routing | |
| KR101410209B1 (ko) | 화주중심의 물류거점 최적화시스템 | |
| US20030135304A1 (en) | System and method for managing transportation assets | |
| Guyon et al. | A modeling approach for locating logistics platforms for fast parcels delivery in urban areas | |
| Brovko et al. | Method of the management of garbage collection in the “Smart Clean City” project | |
| KR102624451B1 (ko) | 물류를 위한 경로 정보를 제공하는 서버, 방법 및 컴퓨터 프로그램 | |
| Rabe et al. | Evaluating the consolidation of distribution flows using a discrete event supply chain simulation tool: Application to a case study in Greece | |
| Dupas et al. | Optimizing the location selection of urban consolidation centers with sustainability considerations in the city of Bordeaux | |
| Figueiras et al. | Novel Big Data-supported dynamic toll charging system: Impact assessment on Portugal’s shadow-toll highways | |
| JP6896275B2 (ja) | 廃棄物の収集運搬処理方法 | |
| Moradi Afrapoli | A hybrid simulation and optimization approach towards truck dispatching problem in surface Mines | |
| Liu et al. | Simulation and optimization of temporary road network in mass earthmoving projects | |
| Maier | On architecting and intelligent transport systems | |
| Jain et al. | Improved intelligent fleet management system with data analytics and internet of things (IoT) for smart cities | |
| KR101867453B1 (ko) | 강화된 동적 라우팅 기능과 상태 변화 적응성을 구비한 클라우드 허브 중심의 화물정보 공유 커뮤니티를 통한 화물 운송 정보의 실시간 공유 방법 | |
| Wibowo et al. | Performance analysis of a drop-swap terminal to mitigate truck congestion at chemical sites | |
| Muñoz-Villamizar et al. | Integration of Google Maps API with mathematical modeling for solving the Real-Time VRP | |
| Prudhvi et al. | A Study on Supply Chain Management-Logistics Solutions with implementation of AI | |
| US20230251638A1 (en) | Management systems for evaluation and continuous improvement of workflows involving heavy-duty vehicles | |
| Zuccotti et al. | Integrated infomobility services for urban freight distribution | |
| Iyer et al. | Developing a Business Ecosystem around Autonomous Vehicle Infrastructure in Indiana | |
| Agureev et al. | INFORMATION SUPPORT OF TRANSPORT MOBILITY OF THE POPULATION | |
| Burinskiene | The Concept Towards Transportation Infrastructure and Its Capacity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |