KR102660441B1 - 유전 알고리즘을 이용한 화물 배차 시스템 및 방법 - Google Patents
유전 알고리즘을 이용한 화물 배차 시스템 및 방법 Download PDFInfo
- Publication number
- KR102660441B1 KR102660441B1 KR1020210152904A KR20210152904A KR102660441B1 KR 102660441 B1 KR102660441 B1 KR 102660441B1 KR 1020210152904 A KR1020210152904 A KR 1020210152904A KR 20210152904 A KR20210152904 A KR 20210152904A KR 102660441 B1 KR102660441 B1 KR 102660441B1
- Authority
- KR
- South Korea
- Prior art keywords
- dispatch
- genetic algorithm
- request
- suitability
- elements
- Prior art date
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 207
- 230000002068 genetic effect Effects 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 230000035772 mutation Effects 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000011068 loading method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 210000000349 chromosome Anatomy 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 239000000969 carrier Substances 0.000 claims description 5
- 238000009402 cross-breeding Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Accounting & Taxation (AREA)
- Ecology (AREA)
Abstract
본 발명은 유전 알고리즘을 이용한 화물 배차 시스템에 관한 것으로서, 보다 구체적으로는 화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는, 화물 배차 시스템으로서, 상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 기본 요소 추출부; 상기 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 최초 배차부; 상기 최초 배차부에 의한 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 변이 요소 추출부; 상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 알고리즘 진화부; 및 상기 알고리즘 진화부에 의해 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 진화 배차부를 포함하며, 상기 변이 요소 추출부는 상기 진화 배차부의 배차 결과에 따른 피드백으로부터 변이 요소를 추출하고, 상기 알고리즘 진화부는 상기 변이 요소 추출부가 추출한 변이 요소와 기본 요소를 상기 진화된 유전 알고리즘에 적용해 재학습하여 진화시켜, 상기 진화 배차부에 의한 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키는 것을 그 구성상의 특징으로 한다.
또한, 본 발명은 유전 알고리즘을 이용한 화물 배차 방법에 관한 것으로서, 보다 구체적으로는 화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는, 컴퓨터에 의해 각 단계가 수행되는 화물 배차 방법으로서, (1) 상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계; (2) 상기 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 단계; (3) 상기 단계 (2)의 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계; (4) 상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 단계; 및 (5) 상기 단계 (4)에서 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계를 포함하며, 상기 단계 (5) 이후에는, 상기 단계 (5)의 배차 결과에 대해 상기 단계 (3) 및 단계 (4)를 반복해 상기 진화된 유전 알고리즘의 진화가 반복되어, 상기 단계 (5)의 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 유전 알고리즘을 이용한 화물 배차 시스템 및 방법에 따르면, 유전 알고리즘을 이용해 화주의 운송 요청과 차주의 배차 요청을 매칭하되, 고정된 요소인 기본 요소와 배차 결과에 따른 피드백으로부터 추출된 변이 요소를 사용해 유전 알고리즘을 진화시켜, 배차가 반복됨에 따라 유전 알고리즘의 진화가 반복되어 배차 성능이 향상되고, 차주의 과도한 화물 검색 과정 없이 배차 성능이 향상된 유전 알고리즘을 사용해 공정하고 신속하게 배차를 처리할 수 있다.
또한, 본 발명은 유전 알고리즘을 이용한 화물 배차 방법에 관한 것으로서, 보다 구체적으로는 화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는, 컴퓨터에 의해 각 단계가 수행되는 화물 배차 방법으로서, (1) 상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계; (2) 상기 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 단계; (3) 상기 단계 (2)의 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계; (4) 상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 단계; 및 (5) 상기 단계 (4)에서 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계를 포함하며, 상기 단계 (5) 이후에는, 상기 단계 (5)의 배차 결과에 대해 상기 단계 (3) 및 단계 (4)를 반복해 상기 진화된 유전 알고리즘의 진화가 반복되어, 상기 단계 (5)의 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 유전 알고리즘을 이용한 화물 배차 시스템 및 방법에 따르면, 유전 알고리즘을 이용해 화주의 운송 요청과 차주의 배차 요청을 매칭하되, 고정된 요소인 기본 요소와 배차 결과에 따른 피드백으로부터 추출된 변이 요소를 사용해 유전 알고리즘을 진화시켜, 배차가 반복됨에 따라 유전 알고리즘의 진화가 반복되어 배차 성능이 향상되고, 차주의 과도한 화물 검색 과정 없이 배차 성능이 향상된 유전 알고리즘을 사용해 공정하고 신속하게 배차를 처리할 수 있다.
Description
본 발명은 화물 배차 시스템 및 방법에 관한 것으로서, 보다 구체적으로는 유전 알고리즘을 이용한 화물 배차 시스템 및 방법에 관한 것이다.
국내 물류 서비스는 경제주체 간의 원활한 화물 운송을 도모하여 구매, 소비를 뒷받침하는 효율적 경제 및 시장의 필수조건이다. 특히, 기업의 물류 활동은 소비자에게 전달하고자 하는 제품 및 서비스의 생산과 유통을 책임지는 필수 기업 활동이자 기업 경쟁력의 원천이다. 그러나, 시대에 따라 인터넷 등 IT산업(정보통신기술)의 비약적인 발전으로 각종 화물정보망 서비스가 난립하여 물류 시장은 더 많은 혼란을 맞이하게 되었다.
도 1은 종래의 화물 배차 방식을 도시한 도면이다. 도 1에 도시된 바와 같이, 현재 기존 스마트폰 화물정보망은 화주가 인터넷을 통해 화물정보시스템에 접속하여 운송할 물품의 정보, 출발지 정보, 도착지 정보, 출발시각, 차량 톤수, 화물 차종, 도착 구분 선택, 차량 대수, 운송료 결재방식, 운송 수수료, 상차 방법 등의 화물정보를 상세하게 입력하면, 화물 공차로 대기하는 운송 차주는 물량을 확보하기 위해 쉬지 않고 계속해서 화물을 검색하는 방식으로 운송 주선이 이루어졌다. 그러나 이러한 방식은 운송 차주가 화물을 계속 검색해야 하므로, 물류 운송의 특성상 주로 야간에 운송하는 차주의 수면 부족과 과로를 유발하여, 교통사고 위험에 노출될 수 있는 문제가 있다.
그리고 기존 스마트폰 화물정보망은 화주와 운송 차주 간 직거래 방식으로 운송 주선이 이루어지고 있으나, 이러한 직거래로 인한 부작용이 발생하고 있다. 즉, 단말기를 통한 비대면거래로 불특정 운송 차주에게 배차하다 보니 계약위반, 서비스 불만, 일방적 배차 취소, 운송 차질 등 다수의 문제점이 발생하여 운송업 전체에 악영향을 미치고 있다.
따라서 전술한 바와 같은 문제를 해결하고, 공정하고 신속한 배차를 할 수 있는 기술의 개발이 필요한 실정이다.
한편, 본 발명과 관련된 선행기술로서, 등록특허 제10-1186941호(발명의 명칭: 화물 운송 중개 시스템, 등록일자: 2012년 09월 24일) 등이 개시된 바 있다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 유전 알고리즘을 이용해 화주의 운송 요청과 차주의 배차 요청을 매칭하되, 고정된 요소인 기본 요소와 배차 결과에 따른 피드백으로부터 추출된 변이 요소를 사용해 유전 알고리즘을 진화시켜, 배차가 반복됨에 따라 유전 알고리즘의 진화가 반복되어 배차 성능이 향상되고, 차주의 과도한 화물 검색 과정 없이 배차 성능이 향상된 유전 알고리즘을 사용해 공정하고 신속하게 배차를 처리할 수 있는, 유전 알고리즘을 이용한 화물 배차 시스템 및 방법을 제공하는 것을 그 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 유전 알고리즘을 이용한 화물 배차 시스템은,
화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는, 화물 배차 시스템으로서,
상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 기본 요소 추출부;
상기 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 최초 배차부;
상기 최초 배차부에 의한 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 변이 요소 추출부;
상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 알고리즘 진화부; 및
상기 알고리즘 진화부에 의해 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 진화 배차부를 포함하며,
상기 변이 요소 추출부는 상기 진화 배차부의 배차 결과에 따른 피드백으로부터 변이 요소를 추출하고, 상기 알고리즘 진화부는 상기 변이 요소 추출부가 추출한 변이 요소와 기본 요소를 상기 진화된 유전 알고리즘에 적용해 재학습하여 진화시켜, 상기 진화 배차부에 의한 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 기본 요소는,
차량 정보 및 대기 지역을 포함하는 차주 정보, 희망운임 및 하차 지역을 포함하는 화물정보, 상하차 방법 및 상하차 시간을 포함하는 기타 정보를 포함할 수 있다.
바람직하게는, 상기 피드백은,
배차 결과에 따른 운송 완료 후 수신하는 결과로서, 평가 정보, 차주의 이동 정보, 차량 센서 정보, 차주 운전 정보, 보험사 업데이트 정보 및 날씨 정보를 포함할 수 있다.
더욱 바람직하게는, 상기 변이 요소는,
화주, 주선사 및 운송사의 평가를 포함하는 수동 요건; 및
차주의 GPS 정보, 보험사의 사고 정보, 차량 센서 정보 및 운송거부 횟수를 포함하는 자동 요건을 포함할 수 있다.
바람직하게는, 상기 알고리즘 진화부는,
상기 최초 배차부 또는 진화 배차부에서 예측된 배차 적합도와, 배차 결과에 따른 피드백에서 추출한 상기 변이 요소에 기초해 산출한 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습할 수 있다.
더욱 바람직하게는, 상기 실제 배차 적합도는,
상기 변이 요소를 사용해 미리 설정된 배차 점수표에 따라 산출될 수 있다.
바람직하게는, 상기 유전 알고리즘은,
입력층(input layer), 은닉층(hidden layer) 및 출력층(output layer)으로 구성되며, 알고리즘이 진화함에 따라 상기 입력층과 은닉층이 변화할 수 있다.
바람직하게는,
상기 차주의 배차 요청을 등록하고 배차 처리된 배차 요청을 삭제해, 대기 중인 배차 요청을 관리하는 대기 차량 데이터베이스부;
상기 대기 차량 데이터베이스부에 등록된 배차 요청으로부터 상기 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 군집 생성부;
상기 생성한 초기 차량 군집에 속한 배차 요청에 대해, 상기 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 순위 산정부;
상기 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로, 차주 단말기에 푸시 메시지를 전송해 배차 협의를 시도하는 배차 협의부; 및
상기 차주 단말기로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기에 배차 정보를 알려주고, 상기 화주 단말기로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 배차 확정부를 더 포함할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 유전 알고리즘을 이용한 화물 배차 방법은,
화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는, 컴퓨터에 의해 각 단계가 수행되는 화물 배차 방법으로서,
(1) 상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계;
(2) 상기 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 단계;
(3) 상기 단계 (2)의 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계;
(4) 상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 단계; 및
(5) 상기 단계 (4)에서 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계를 포함하며,
상기 단계 (5) 이후에는,
상기 단계 (5)의 배차 결과에 대해 상기 단계 (3) 및 단계 (4)를 반복해 상기 진화된 유전 알고리즘의 진화가 반복되어, 상기 단계 (5)의 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 기본 요소는,
차량 정보 및 대기 지역을 포함하는 차주 정보, 희망운임 및 하차 지역을 포함하는 화물정보, 상하차 방법 및 상하차 시간을 포함하는 기타 정보를 포함할 수 있다.
바람직하게는, 상기 피드백은,
배차 결과에 따른 운송 완료 후 수신하는 결과로서, 평가 정보, 차주의 이동 정보, 차량 센서 정보, 차주 운전 정보, 보험사 업데이트 정보 및 날씨 정보를 포함할 수 있다.
더욱 바람직하게는, 상기 변이 요소는,
화주, 주선사 및 운송사의 평가를 포함하는 수동 요건; 및
차주의 GPS 정보, 보험사의 사고 정보, 차량 센서 정보 및 운송거부 횟수를 포함하는 자동 요건을 포함할 수 있다.
바람직하게는, 상기 단계 (4)에서는,
상기 단계 (2)에서 예측된 배차 적합도와 배차 결과에 따른 피드백에서 추출한 상기 변이 요소에 기초해 산출한 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습하되, 상기 단계 (5) 이후에 반복 시에는 상기 단계 (5)에서 예측된 배차 적합도와 상기 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습할 수 있다.
더욱 바람직하게는, 상기 실제 배차 적합도는,
상기 변이 요소를 사용해 미리 설정된 배차 점수표에 따라 산출될 수 있다.
바람직하게는, 상기 유전 알고리즘은,
입력층(input layer), 은닉층(hidden layer) 및 출력층(output layer)으로 구성되며, 알고리즘이 진화함에 따라 상기 입력층과 은닉층이 변화할 수 있다.
바람직하게는, 상기 단계 (5)는,
(5-1) 상기 차주의 배차 요청을 대기 차량 데이터베이스부에 등록하는 단계;
(5-2) 상기 대기 차량 데이터베이스부에 등록된 배차 요청으로부터 상기 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 단계;
(5-3) 상기 생성한 초기 차량 군집에 속한 배차 요청에 대해, 상기 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 단계;
(5-4) 상기 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로, 차주 단말기에 푸시 메시지를 전송해 배차 협의를 시도하는 단계; 및
(5-5) 상기 차주 단말기로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기에 배차 정보를 알려주고, 상기 화주 단말기로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 단계를 포함할 수 있다.
본 발명에서 제안하고 있는 유전 알고리즘을 이용한 화물 배차 시스템 및 방법에 따르면, 유전 알고리즘을 이용해 화주의 운송 요청과 차주의 배차 요청을 매칭하되, 고정된 요소인 기본 요소와 배차 결과에 따른 피드백으로부터 추출된 변이 요소를 사용해 유전 알고리즘을 진화시켜, 배차가 반복됨에 따라 유전 알고리즘의 진화가 반복되어 배차 성능이 향상되고, 차주의 과도한 화물 검색 과정 없이 배차 성능이 향상된 유전 알고리즘을 사용해 공정하고 신속하게 배차를 처리할 수 있다.
도 1은 종래의 화물 배차 방식을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템 및 방법의 구현을 위한 전체적인 장치 구성을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템의 구성을 도시한 도면.
도 4는 유전 알고리즘을 설명하기 위해 도시한 도면.
도 5는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템의 특징을 설명하기 위해 도시한 도면.
도 6은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템에서 사용되는 유전 알고리즘을 설명하기 위해 도시한 도면.
도 7은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템에서, 유전 알고리즘의 구조를 설명하기 위해 예를 들어 도시한 도면.
도 8은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템에서, 유전 알고리즘의 진화를 설명하기 위해 도시한 도면.
도 9는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법의 흐름을 도시한 도면.
도 10은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법에서, 단계 S150의 세부적인 흐름을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템 및 방법의 구현을 위한 전체적인 장치 구성을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템의 구성을 도시한 도면.
도 4는 유전 알고리즘을 설명하기 위해 도시한 도면.
도 5는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템의 특징을 설명하기 위해 도시한 도면.
도 6은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템에서 사용되는 유전 알고리즘을 설명하기 위해 도시한 도면.
도 7은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템에서, 유전 알고리즘의 구조를 설명하기 위해 예를 들어 도시한 도면.
도 8은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템에서, 유전 알고리즘의 진화를 설명하기 위해 도시한 도면.
도 9는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법의 흐름을 도시한 도면.
도 10은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법에서, 단계 S150의 세부적인 흐름을 도시한 도면.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 ‘연결’ 되어 있다고 할 때, 이는 ‘직접적으로 연결’ 되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 ‘간접적으로 연결’ 되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 ‘포함’ 한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 2는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100) 및 방법의 구현을 위한 전체적인 장치 구성을 도시한 도면이다. 도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)은, 화주 단말기(200) 및 차주 단말기(300)와 네트워크를 통해 각종 신호 및 데이터를 송수신하여 화물 배차를 할 수 있다.
화물 배차 시스템(100)은, 화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리할 수 있다. 특히, 화물 배차 시스템(100)은 화물 배차 횟수가 많아짐에 따라 진화하여 배차 성능이 향상되는 유전 알고리즘을 사용해 자동으로 화물 배차를 하므로, 차주의 과도한 화물 검색 과정 없이 배차 요청만 해 놓으면 유전 알고리즘에 의해 공정하고 신속하게 배차를 받을 수 있다. 따라서 차주가 화물 검색으로부터 자유로워져 차주의 안전이 보장되고, 직거래 방식으로 인한 문제를 해결할 수 있다.
또한, 화물 배차 시스템(100)은, 화물 운송 주선 플랫폼을 운영하며, 플랫폼에 접속한 화주의 운송 요청과 차주의 배차 요청을 매칭해 화물 운송을 주선할 수 있다. 여기서, 화물 운송 주선 플랫폼은, 화물 공차 정보망을 구성하고 운송사, 주선사, 생산기업체 등의 화주와 차량을 운행하는 운송 차주 등이 네트워크를 통해 접속하여 이용할 수 있다.
여기서, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network), 위성 통신망, 블루투스(Bluetooth), Wibro(Wireless Broadband Internet), HSDPA(High Speed Downlink Packet Access), LTE(Long Term Evolution), 3/4/5/6G(3/4/5/6th Generation Mobile Telecommunication) 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
화주 단말기(200)는, 플랫폼에 접속해 화물정보 및 운송 조건을 입력해 운송 요청을 할 수 있다. 즉, 화주 단말기(200)는, 화물 운송이 필요한 화주가 사용하는 단말기로서, 운송 요청, 배차 확정 및 결제 등을 위한 소프트웨어나 애플리케이션이 설치된 전자 장치로 구현될 수 있다. 여기서, 화물정보는 운송할 물품의 정보, 출발지 정보, 도착지 정보, 출발시각 등을 포함할 수 있고, 운송 조건은 차량 톤수, 화물 차종, 도착 구분 선택, 차량 대수, 운송료 결제 방식, 운송 수수료, 상하차 방법 등을 포함할 수 있다.
차주 단말기(300)는, 화물 배차 시스템(100)이 운영하는 플랫폼에 접속해 대기 공차 정보를 입력하고 배차 요청을 할 수 있다. 즉, 차주 단말기(300)는, 운송 차량을 운행하는 차주가 사용하는 단말기로서, 배차 요청, 배차 수락 및 정산 등을 위한 운송 차주용 애플리케이션이 설치된 전자 장치로 구현될 수 있다. 여기서, 대기 공차 정보는, 차주의 운송 차량이 공차 상태로 대기 중일 때, 운행 가능 지역과 현재 위치, 현재 상태(공차 대기) 등을 포함할 수 있다.
여기서, 전자 장치는 스마트폰, 태블릿(tablet) PC(personal computer), 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑(desktop) PC, 랩탑(laptop) PC, 넷북(netbook) 컴퓨터, 워크스테이션(workstation), 서버(server), PDA(personal digital assistant), 미디어 박스, 게임 콘솔, 전자사전 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있으며, 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트렌즈, 또는 머리착용형 장치(HMD, head-mounted-device), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드(skin pad) 또는 문신), 또는 생체 이식형 회로(implantable circuit) 중 적어도 하나를 포함할 수 있다. 다양한 실시예들에서, 전자 장치는 전술한 기기들에 한정되지는 않으며, 전술한 다양한 장치 중 둘 이상의 조합일 수 있다.
다만, 차량 운행 시간이 많은 차주의 특성상 차주 단말기(300)는 운송 차주용 애플리케이션이 설치된 스마트폰으로서, 운송 차주용 애플리케이션을 통해 플랫폼에 접속하여 운송 주선 서비스를 이용하도록 할 수 있다.
도 3은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)의 구성을 도시한 도면이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)은, 화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는 화물 배차 시스템(100)으로서, 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 기본 요소 추출부(110); 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 최초 배차부(120); 최초 배차부(120)에 의한 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 변이 요소 추출부(130); 기본 요소와 변이 요소를 유전 알고리즘에 적용해 재학습하여, 유전 알고리즘을 진화시키는 알고리즘 진화부(140); 및 알고리즘 진화부(140)에 의해 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 진화 배차부(150)를 포함하여 구성될 수 있다.
특히, 진화 배차부(150)의 배차 후, 변이 요소 추출부(130)는 진화 배차부(150)의 배차 결과에 따른 피드백으로부터 변이 요소를 추출하고, 알고리즘 진화부(140)는 변이 요소 추출부(130)가 추출한 변이 요소와 기본 요소를 진화된 유전 알고리즘에 적용해 재학습하여 진화시켜, 진화 배차부(150)에 의한 배차가 반복됨에 따라 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시킬 수 있다.
도 4는 유전 알고리즘을 설명하기 위해 도시한 도면이다. 유전 알고리즘은 자연 세계의 진화 과정에 기초한 계산 모델로서 최적화 문제를 해결하는 기법의 하나이다. 생물의 진화를 모방한 진화 연산의 대표적인 기법으로, 실제 진화의 과정에서 많은 부분을 차용하였으며, 선택, 교배, 변이(돌연변이) 연산 등이 존재한다. 도 4에 도시된 바와 같이, 선택(Selection)은 높은 적합도를 보이는 상위 염색체들을 확률적으로 선택하여 다음 세대에 사용하는 방법이고, 교배(Crossover)는 선택된 염색체들을 서로 간 교배를 통하여 새로운 구조를 가지는 염색체를 만드는 방법이며, 변이(Mutation)는 교배를 통한 재조합이 끝난 후 일부를 바꾸어주는 과정이다. 본 발명에서는 이와 같은 유전 알고리즘을 화물 배차에 적용해 최적 배차가 이루어지도록 구현할 수 있다.
도 5는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)의 특징을 설명하기 위해 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)은, 화주 운송 요청과 차주의 배차 요청에 대응해 고정된 요소인 기본 요소와, 배차 결과에 따른 피드백에 해당하여 배차 시마다 변화하게 되는 변이 요소의 2가지 요소를 이용해 유전 알고리즘을 학습 및 진화시켜 배차 성능을 향상시키고, 최적 요소에 의한 효율적인 배차를 구성할 수 있다.
도 6은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서 사용되는 유전 알고리즘을 설명하기 위해 도시한 도면이다. 도 6에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서는, 입력층(input layer), 은닉층(hidden layer) 및 출력층(output layer)으로 구성되는 유전 알고리즘을 사용하며, 알고리즘이 진화함에 따라 입력층과 은닉층이 변화할 수 있다.
이하에서는, 도 3 내지 도 6을 참조하여, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)의 각 구성에 대해 상세히 설명하도록 한다.
기본 요소 추출부(110)는, 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출할 수 있다. 여기서, 기본 요소는, 차량 정보 및 대기 지역을 포함하는 차주 정보, 희망운임 및 하차 지역을 포함하는 화물정보, 상하차 방법 및 상하차 시간을 포함하는 기타 정보를 포함할 수 있다.
최초 배차부(120)는, 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 할 수 있다. 즉, 최초 배차는, 기본 요소 추출부(110)에서 추출한 기본 요소만으로 배차가 이루어진다. 보다 구체적으로, 차주별(배차 요청별)로 기본 요소에 대한 가점을 설정하고, 유전 알고리즘의 선택, 교배, 변이를 통해 각 차주별 화물(운송 요청)의 배차 적합도를 산출해 최적 화물을 배차할 수 있다.
보다 구체적으로는, 도 6에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서 사용하는 유전 알고리즘은, 입력층, 은닉층 및 출력층으로 구성될 수 있다. 각 차주(배차 요청) 별로 기본 요소에 따른 가점을 배차 요청 및 운송 요청을 기초로 설정해 입력층에 입력하며, 선택, 교배, 변이에 의해 은닉층의 가중치가 변경되면서 최적 배차 결과를 찾는 과정을 수행할 수 있다. 출력층을 통해 각 차주(배차 요청)의 화물(운송 요청)별 배차 적합도가 출력될 수 있으며, 이러한 각 차주의 화물별 배차 적합도에 기초해 차주의 배차 요청과 화주의 운송 요청(물품)을 매칭해 배차를 처리할 수 있다.
특히, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서는, RNN(Recurrent Neural Network)과 같이 순환적 구조를 갖도록 유전 알고리즘의 은닉층을 구성할 수 있다.
도 7은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서, 유전 알고리즘의 구조를 설명하기 위해 예를 들어 도시한 도면이다. 도 7에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서, 유전 알고리즘의 은닉층은, RNN의 구조와 같이 레이어가 연속된 구조를 가지며, 각 유전체가 다음 단계의 모든 레이어들과 단방향 그래프를 이룰 수 있다. 여기서, 입력과 출력에 기재된 숫자는 가점, 은닉층에 기재된 숫자는 가중치를 의미하는데, RNN 구조와 유사하게 각 유전체들 간의 연결 관계는 실숫값의 가중치를 가지며 이 값은 계속해서 바뀔 수 있다.
변이 요소 추출부(130)는, 최초 배차부(120)에 의한 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출할 수 있다. 여기서, 피드백은, 배차 결과에 따른 운송 완료 후 수신하는 결과로서, 평가 정보, 차주의 이동 정보, 차량 센서 정보, 차주 운전 정보, 보험사 업데이트 정보 및 날씨 정보를 포함할 수 있다. 즉, 변이 요소는 최초 배차부(120)에 의한 배차 결과에 따라 변화하는 요소일 수 있다.
보다 구체적으로, 변이 요소는, 화주, 주선사 및 운송사의 평가를 포함하는 수동 요건; 및 차주의 GPS 정보, 보험사의 사고 정보, 차량 센서 정보 및 운송거부 횟수를 포함하는 자동 요건을 포함할 수 있다. 도 6에 도시된 바와 같이, 수동 요건은 화물 배차 관련자(화주, 차주, 주선사, 운송사 등)의 정성적 평가를 포함하는 것으로, 만족도 점수, 컴플레인 여부 및 내용 등이 포함될 수 있다. 자동 요건은 차량이나 차주 단말기(300)의 센서 등에 의해 정량적으로 측정되는 요건으로, 차량 센서에 의해 측정되는 운행 거리, 운행 경로, 운행 시간, 안전 운행(과속, 교통법규 위반 등) 등 운행 정보, 차주 단말기(300)에서 수신한 배차 거부 또는 운송거부 횟수, 보험사 DB로부터는 수신하는 보험료율 등의 객관적 요건이 포함될 수 있다. 여기서, 차량 센서는 차량 GPS나 차주 단말기(300)의 IMU 센서 등 차량에 설치된 센서나 차주 단말기(300)의 센서를 모두 포함할 수 있다.
알고리즘 진화부(140)는, 기본 요소와 변이 요소를 유전 알고리즘에 적용해 재학습하여, 유전 알고리즘을 진화시킬 수 있다. 즉, 알고리즘 진화부(140)는, 유전 알고리즘에 의한 배차 결과를 유전 알고리즘에 다시 피드백하여 유전 알고리즘의 배차 성능을 높일 수 있다.
이때, 알고리즘 진화부(140)는, 변이 요소 중 수동 요건에 의해 입력층이 변화하고, 자동 요건에 의해 은닉층이 변화하여 전체적인 유전 알고리즘의 가중치 변화가 일어나도록 할 수 있다. 즉, 도 6에 도시된 바와 같이, 수동 요건은 입력층에, 자동 요건은 은닉층에 각각 입력해 유전 알고리즘이 재학습되도록 할 수 있다.
진화 배차부(150)는, 알고리즘 진화부(140)에 의해 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 할 수 있다. 즉, 진화 배차부(150)는, 최초 배차부(120)와 유사한 방식으로 배차 적합도를 산출하게 되나, 알고리즘 진화부(140)에 의해 배차 성능이 향상된 진화된 유전 알고리즘을 사용할 수 있다. 이때, 진화 배차부(150)는 기본 요소만을 이용해 배차할 수 있으나 변이 요소도 입력으로 사용해 배차할 수도 있다.
변이 요소 추출부(130)는 진화 배차부(150)의 배차 결과에 따른 피드백으로부터 변이 요소를 추출하고, 알고리즘 진화부(140)는 변이 요소 추출부(130)가 추출한 변이 요소와 기본 요소를 진화된 유전 알고리즘에 적용해 재학습하여 진화시켜, 진화 배차부(150)에 의한 배차가 반복됨에 따라 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시킬 수 있다.
즉, 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)은, 진화 배차부(150), 변이 요소 추출부(130), 알고리즘 진화부(140), 진화 배차부(150), 다시 변이 요소 추출부(130), 알고리즘 진화부(140), 진화 배차부(150)의 순서로 배차와 유전 알고리즘의 진화 과정을 계속 반복함으로써, 화물 배차 시스템(100)이 배차를 많이 할수록 유전 알고리즘이 지속해서 진화하여 배차 성능이 점차 우수해질 수 있다.
한편, 알고리즘 진화부(140)는, 최초 배차부(120) 또는 진화 배차부(150)에서 예측된 배차 적합도와, 배차 결과에 따른 피드백에서 추출한 변이 요소에 기초해 산출한 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습할 수 있다. 여기서, 실제 배차 적합도는, 변이 요소를 사용해 미리 설정된 배차 점수표에 따라 산출될 수 있다.
도 8은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)에서, 유전 알고리즘의 진화를 설명하기 위해 도시한 도면이다. 도 8에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)의 알고리즘 진화부(140)는, 유전 알고리즘에 의해 계산된 배차 적합도(예측 점수)와 실제 배차 적합도(실제 점수)를 비교해, 그 차이가 작아지도록 유전 알고리즘을 진화시킬 수 있다.
한편, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)은, 대기 차량 데이터베이스부(160), 군집 생성부(170), 순위 산정부(180), 배차 협의부(190) 및 배차 확정부(195)를 더 포함하여 구성될 수 있다. 즉, 전술한 바와 같은 방식으로 진화된 유전 알고리즘을 실제 적용하는 구성으로, 배차 요청 데이터를 관리하고 배차 협의를 하는 등의 구성을 포함할 수 있다.
대기 차량 데이터베이스부(160)는, 차주의 배차 요청을 등록하고 배차 처리된 배차 요청을 삭제해, 대기 중인 배차 요청을 관리할 수 있다. 즉, 대기 차량 데이터베이스부(160)는, 차주 단말기(300)로부터 수신한 대기 공차 정보를 저장 및 관리하고 배차 요청을 등록 또는 삭제해 배차가 필요한 배차 요청을 관리할 수 있다.
보다 구체적으로, 대기 차량 데이터베이스부(160)는, 차주의 차량 당 미리 정해진 수의 운송 요청이 배차 처리되면, 해당 배차 요청을 삭제할 수 있다. 여기서, 미리 정해진 수는 차량의 크기에 따라 상이할 수 있으나, 실시예에 따라서는 7일 수 있으며, 차량 1대당 최대 7건까지 배차 처리되도록 할 수 있다.
군집 생성부(170)는, 대기 차량 데이터베이스부(160)에 등록된 배차 요청으로부터 화주의 운송 요청에 대응하는 초기 차량 군집을 생성할 수 있다. 보다 구체적으로, 군집 생성부(170)는, 상하차권역, 차종, 톤수 및 운임 범위를 포함하는 화주의 운송 조건에 대응하는 배차 요청을 선정해 초기 차량 군집을 생성하되, 미리 정해진 기간 내에 배차 취소 건수가 임계값을 초과하거나, 미리 정해진 시간 내에 배차 협의를 거부한 차주의 배차 요청을 제외하여 초기 차량 군집을 생성할 수 있다. 이와 같이, 초기 차량 군집 생성 시 최근 배차 취소 건수가 임계값을 초과하거나, 최근에 배차 취소 또는 협의 거부를 한 차주의 배차 요청을 제외함으로써, 배차 협의 시간을 최소화하고 배차 성공률을 높일 수 있으며, 공차 대기 중이 아닐 때 차주가 배차 요청을 하지 않도록 할 수 있다.
순위 산정부(180)는, 생성한 초기 차량 군집에 속한 배차 요청에 대해, 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정할 수 있다. 즉, 순위 산정부(180)는 진화 배차부(150)와 연동하여 진화된 유전 알고리즘 기반으로 배차를 하되, 배차 적합도가 가장 높은 배차 요청과 운송 요청의 배차가 실패할 수 있으므로, 복수의 배차 요청으로 구성되는 최종 차량 군집을 설정할 수 있다.
배차 협의부(190)는, 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로, 차주 단말기(300)에 푸시 메시지를 전송해 배차 협의를 시도할 수 있다. 즉, 배차 협의부(190)는, 차주 단말기(300)에 설치된 운송 차주용 애플리케이션에 푸시 메시지를 발송하고 차주는 차량 배차 수락 또는 취소를 선택할 수 있다. 이때, 수락 또는 취소의 선택은 미리 정해진 시간 내에 할 수 있으며, 미리 정해진 시간 내에 응답이 없으면 배차 거부로 처리할 수 있다. 실시예에 따라서 미리 정해진 시간은 다양하게 설정될 수 있으나, 빠른 배차 처리를 위해 10초로 할 수 있다.
보다 구체적으로, 배차 협의부(190)는, 최종 차량 군집에 설정된 순위가 높은 순서대로 배차 협의를 시도하되, 차주 단말기(300)로부터 수락 신호를 수신하면 배차 협의 성공으로 처리하고 배차 협의 시도를 종료하며, 차주 단말기(300)로부터 취소 신호를 수신한 배차 취소 또는 미리 정해진 시간 내에 응답이 없는 배차 거부의 경우 배차 협의 실패로 처리하고, 다음 순위의 차주 단말기(300)에 푸시 메시지를 전송해 배차 협의를 시도할 수 있다.
순위 산정부(180)는, 배차 협의부(190)에서 최종 차량 군집에 속한 모든 배차 요청에 대해 배차 협의에 실패하면, 초기 차량 군집에서 최종 차량 군집에 속한 배차 요청을 삭제하고, 나머지 배차 요청들을 사용해 새로운 최종 차량 군집을 설정하여 배차 협의부(190)에 전달할 수 있다. 배차 협의부(190)는 새로운 최종 차량 군집에 설정된 순위에 따라 다시 배차 협의를 시도할 수 있다.
배차 확정부(195)는, 차주 단말기(300)로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기(200)에 배차 정보를 알려주고, 화주 단말기(200)로부터 배차 확정 승인 신호를 수신해 배차를 확정할 수 있다. 이때, 화주에게 배차 정보를 알려주는 방법으로, 자동 전화 연결, 메시지 전송, 화주용 애플리케이션 등을 사용할 수 있다. 배차 확정부(195)는, 화주 단말기(200)로부터 배차 확정 승인 신호를 수신하면 배차를 확정하고, 배차가 확정된 차주 단말기(300)에 운송 차주용 애플리케이션을 통해 운송 정보 알림을 발송할 수 있다.
도 9는 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법의 흐름을 도시한 도면이다. 도 9에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법은, 화주의 운송 요청과 차주의 배차 요청을 매칭하고 배차 처리하는, 컴퓨터에 의해 각 단계가 수행되는 화물 배차 방법으로서, 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계(S110); 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 단계(S120); 단계 S120의 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계(S130); 기본 요소와 변이 요소를 유전 알고리즘에 적용해 재학습하여, 유전 알고리즘을 진화시키는 단계(S140); 및 단계 S140에서 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계(S150)를 포함하여 구현될 수 있다.
또한, 단계 S150 이후에는, 단계 S150의 배차 결과에 대해 단계 S130 및 단계 S140을 반복해 진화된 유전 알고리즘의 진화가 반복되어, 단계 S150의 배차가 반복됨에 따라 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시킬 수 있다.
도 10은 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법에서, 단계 S150의 세부적인 흐름을 도시한 도면이다. 도 10에 도시된 바와 같이, 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 방법의 단계 S150은, 차주의 배차 요청을 대기 차량 데이터베이스부(160)에 등록하는 단계(S151); 대기 차량 데이터베이스부(160)에 등록된 배차 요청으로부터 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 단계(S152); 생성한 초기 차량 군집에 속한 배차 요청에 대해, 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 단계(S153); 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로, 차주 단말기(300)에 푸시 메시지를 전송해 배차 협의를 시도하는 단계(S154); 및 차주 단말기(300)로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기(200)에 배차 정보를 알려주고, 화주 단말기(200)로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 단계(S155)를 포함하여 구현될 수 있다.
각각의 단계들과 관련된 상세한 내용들은, 앞서 본 발명의 일실시예에 따른 본 발명의 일실시예에 따른 유전 알고리즘을 이용한 화물 배차 시스템(100)과 관련하여 충분히 설명되었으므로, 상세한 설명은 생략하기로 한다.
전술한 바와 같이, 본 발명에서 제안하고 있는 유전 알고리즘을 이용한 화물 배차 시스템(100) 및 방법에 따르면, 유전 알고리즘을 이용해 화주의 운송 요청과 차주의 배차 요청을 매칭하되, 고정된 요소인 기본 요소와 배차 결과에 따른 피드백으로부터 추출된 변이 요소를 사용해 유전 알고리즘을 진화시켜, 배차가 반복됨에 따라 유전 알고리즘의 진화가 반복되어 배차 성능이 향상되고, 차주의 과도한 화물 검색 과정 없이 배차 성능이 향상된 유전 알고리즘을 사용해 공정하고 신속하게 배차를 처리할 수 있다.
한편, 본 발명은 다양한 통신 단말기로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터에서 판독 가능한 매체를 포함할 수 있다. 예를 들어, 컴퓨터에서 판독 가능한 매체는, 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 장치를 포함할 수 있다.
이와 같은 컴퓨터에서 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 이때, 컴퓨터에서 판독 가능한 매체에 기록되는 프로그램 명령은 본 발명을 구현하기 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예를 들어, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.
100: 화물 배차 시스템
110: 기본 요소 추출부
120: 최초 배차부
130: 변이 요소 추출부
140: 알고리즘 진화부
150: 진화 배차부
160: 대기 차량 데이터베이스부
170: 군집 생성부
180: 순위 산정부
190: 배차 협의부
195: 배차 확정부
200: 화주 단말기
300: 차주 단말기
S110: 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계
S120: 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 단계
S130: 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계
S140: 기본 요소와 변이 요소를 유전 알고리즘에 적용해 재학습하여, 유전 알고리즘을 진화시키는 단계
S150: 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계
S151: 차주의 배차 요청을 대기 차량 데이터베이스부에 등록하는 단계
S152: 대기 차량 데이터베이스부에 등록된 배차 요청으로부터 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 단계
S153: 초기 차량 군집에 속한 배차 요청에 대해 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 단계
S154: 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로 차주 단말기에 푸시 메시지를 전송해 배차 협의를 시도하는 단계
S155: 차주 단말기로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기에 배차 정보를 알려주고, 화주 단말기로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 단계
110: 기본 요소 추출부
120: 최초 배차부
130: 변이 요소 추출부
140: 알고리즘 진화부
150: 진화 배차부
160: 대기 차량 데이터베이스부
170: 군집 생성부
180: 순위 산정부
190: 배차 협의부
195: 배차 확정부
200: 화주 단말기
300: 차주 단말기
S110: 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계
S120: 기본 요소를 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하는 단계
S130: 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계
S140: 기본 요소와 변이 요소를 유전 알고리즘에 적용해 재학습하여, 유전 알고리즘을 진화시키는 단계
S150: 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계
S151: 차주의 배차 요청을 대기 차량 데이터베이스부에 등록하는 단계
S152: 대기 차량 데이터베이스부에 등록된 배차 요청으로부터 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 단계
S153: 초기 차량 군집에 속한 배차 요청에 대해 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 단계
S154: 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로 차주 단말기에 푸시 메시지를 전송해 배차 협의를 시도하는 단계
S155: 차주 단말기로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기에 배차 정보를 알려주고, 화주 단말기로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 단계
Claims (16)
- 차주의 화물 검색 과정 없이 차주가 배차 요청만 해 놓으면 화주의 운송 요청과 차주의 배차 요청을 유전 알고리즘을 사용해 자동으로 매칭하고 배차 처리하는, 화물 배차 시스템(100)으로서,
상기 유전 알고리즘은,
선택(Selection), 교배(Crossover) 및 변이(Mutation) 연산을 통해 최적화 문제를 해결하는 계산 모델로, 상기 선택 연산은 높은 적합도를 보이는 상위 염색체들을 확률적으로 선정하여 다음 세대에 사용하는 연산, 상기 교배 연산은 상기 선택 연산에 의해 선택된 염색체들을 서로 간 교배를 통하여 새로운 구조를 가지는 염색체를 만드는 연산, 상기 변이 연산은 상기 교배 연산을 통한 재조합이 끝난 후 일부를 바꾸어 주는 연산이며,
상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 기본 요소 추출부(110);
상기 기본 요소를 상기 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하되, 상기 배차 요청별로 상기 기본 요소에 대한 가점을 설정하고, 상기 유전 알고리즘의 선택, 교배 및 변이 연산을 통해 각 차주별 상기 운송 요청의 배차 적합도를 산출해, 배차 적합도가 가장 높은 최적 화물을 배차하는 최초 배차부(120);
상기 최초 배차부(120)에 의한 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 변이 요소 추출부(130);
상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 알고리즘 진화부(140); 및
상기 알고리즘 진화부(140)에 의해 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 진화 배차부(150)를 포함하며,
상기 변이 요소 추출부(130)는 상기 진화 배차부(150)의 배차 결과에 따른 피드백으로부터 변이 요소를 추출하고, 상기 알고리즘 진화부(140)는 상기 변이 요소 추출부(130)가 추출한 변이 요소와 기본 요소를 상기 진화된 유전 알고리즘에 적용해 재학습하여 진화시켜, 상기 진화 배차부(150)에 의한 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키며,
상기 기본 요소는,
차량 정보 및 대기 지역을 포함하는 차주 정보, 희망운임 및 하차 지역을 포함하는 화물정보, 상하차 방법 및 상하차 시간을 포함하는 기타 정보를 포함하며,
상기 피드백은,
배차 결과에 따른 운송 완료 후 수신하는 결과로서, 평가 정보, 차주의 이동 정보, 차량 센서 정보, 차주 운전 정보, 보험사 업데이트 정보 및 날씨 정보를 포함하며,
상기 변이 요소는,
화주, 주선사 및 운송사의 평가를 포함하는 수동 요건; 및
차주의 GPS 정보, 보험사의 사고 정보, 차량 센서 정보 및 운송거부 횟수를 포함하는 자동 요건을 포함하며,
상기 유전 알고리즘은,
입력층(input layer), 은닉층(hidden layer) 및 출력층(output layer)으로 구성되며, 알고리즘이 진화함에 따라 상기 입력층과 은닉층이 변화하고, 상기 은닉층은 순환적 구조를 갖도록 구성되며, 각 유전체들 간의 연결 관계는 실숫값의 가중치를 가지며,
상기 알고리즘 진화부(140)는,
상기 수동 요건을 상기 입력층에 입력해 상기 수동 요건에 의해 입력층이 변화하도록 하고, 상기 자동 요건을 상기 은닉층에 입력해 상기 자동 요건에 의해 은닉층이 변화하도록 하여, 전체적인 상기 유전 알고리즘의 가중치 변화가 일어나도록 상기 유전 알고리즘을 재학습하며,
상기 알고리즘 진화부(140)는,
상기 최초 배차부(120) 또는 진화 배차부(150)에서 예측된 배차 적합도와, 배차 결과에 따른 피드백에서 추출한 상기 변이 요소에 기초해 산출한 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습하며,
상기 실제 배차 적합도는,
상기 변이 요소를 사용해 미리 설정된 배차 점수표에 따라 산출되며,
상기 차주의 배차 요청을 등록하고 배차 처리된 배차 요청을 삭제해, 대기 중인 배차 요청을 관리하는 대기 차량 데이터베이스부(160);
상기 대기 차량 데이터베이스부(160)에 등록된 배차 요청으로부터 상기 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 군집 생성부(170);
상기 생성한 초기 차량 군집에 속한 배차 요청에 대해, 상기 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 순위 산정부(180);
상기 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로, 차주 단말기(300)에 푸시 메시지를 전송해 배차 협의를 시도하는 배차 협의부(190); 및
상기 차주 단말기(300)로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기(200)에 배차 정보를 알려주고, 상기 화주 단말기(200)로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 배차 확정부(195)를 더 포함하는 것을 특징으로 하는, 유전 알고리즘을 이용한 화물 배차 시스템(100).
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 차주의 화물 검색 과정 없이 차주가 배차 요청만 해 놓으면 화주의 운송 요청과 차주의 배차 요청을 유전 알고리즘을 사용해 자동으로 매칭하고 배차 처리하는, 컴퓨터에 의해 각 단계가 수행되는 화물 배차 방법으로서,
상기 유전 알고리즘은,
선택(Selection), 교배(Crossover) 및 변이(Mutation) 연산을 통해 최적화 문제를 해결하는 계산 모델로, 상기 선택 연산은 높은 적합도를 보이는 상위 염색체들을 확률적으로 선정하여 다음 세대에 사용하는 연산, 상기 교배 연산은 상기 선택 연산에 의해 선택된 염색체들을 서로 간 교배를 통하여 새로운 구조를 가지는 염색체를 만드는 연산, 상기 변이 연산은 상기 교배 연산을 통한 재조합이 끝난 후 일부를 바꾸어 주는 연산이며,
(1) 상기 운송 요청 및 배차 요청으로부터 고정된 요소인 기본 요소를 추출하는 단계;
(2) 상기 기본 요소를 상기 유전 알고리즘에 적용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 최초 배차를 하되, 상기 배차 요청별로 상기 기본 요소에 대한 가점을 설정하고, 상기 유전 알고리즘의 선택, 교배 및 변이 연산을 통해 각 차주별 상기 운송 요청의 배차 적합도를 산출해, 배차 적합도가 가장 높은 최적 화물을 배차하는 단계;
(3) 상기 단계 (2)의 최초 배차 결과에 따른 피드백으로부터 변이 요소를 추출하는 단계;
(4) 상기 기본 요소와 변이 요소를 상기 유전 알고리즘에 적용해 재학습하여, 상기 유전 알고리즘을 진화시키는 단계; 및
(5) 상기 단계 (4)에서 진화된 유전 알고리즘을 사용해 배차 적합도가 가장 높은 배차 요청과 운송 요청을 매칭해 배차를 하는 단계를 포함하며,
상기 단계 (5) 이후에는,
상기 단계 (5)의 배차 결과에 대해 상기 단계 (3) 및 단계 (4)를 반복해 상기 진화된 유전 알고리즘의 진화가 반복되어, 상기 단계 (5)의 배차가 반복됨에 따라 상기 진화된 유전 알고리즘의 진화가 반복되어 유전 알고리즘의 배차 성능을 향상시키며,
상기 기본 요소는,
차량 정보 및 대기 지역을 포함하는 차주 정보, 희망운임 및 하차 지역을 포함하는 화물정보, 상하차 방법 및 상하차 시간을 포함하는 기타 정보를 포함하며,
상기 피드백은,
배차 결과에 따른 운송 완료 후 수신하는 결과로서, 평가 정보, 차주의 이동 정보, 차량 센서 정보, 차주 운전 정보, 보험사 업데이트 정보 및 날씨 정보를 포함하며,
상기 변이 요소는,
화주, 주선사 및 운송사의 평가를 포함하는 수동 요건; 및
차주의 GPS 정보, 보험사의 사고 정보, 차량 센서 정보 및 운송거부 횟수를 포함하는 자동 요건을 포함하며,
상기 유전 알고리즘은,
입력층(input layer), 은닉층(hidden layer) 및 출력층(output layer)으로 구성되며, 알고리즘이 진화함에 따라 상기 입력층과 은닉층이 변화하고, 상기 은닉층은 순환적 구조를 갖도록 구성되며, 각 유전체들 간의 연결 관계는 실숫값의 가중치를 가지며,
상기 단계 (4)에서는,
상기 수동 요건을 상기 입력층에 입력해 상기 수동 요건에 의해 입력층이 변화하도록 하고, 상기 자동 요건을 상기 은닉층에 입력해 상기 자동 요건에 의해 은닉층이 변화하도록 하여, 전체적인 상기 유전 알고리즘의 가중치 변화가 일어나도록 상기 유전 알고리즘을 재학습하며,
상기 단계 (4)에서는,
상기 단계 (2)에서 예측된 배차 적합도와 배차 결과에 따른 피드백에서 추출한 상기 변이 요소에 기초해 산출한 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습하되, 상기 단계 (5) 이후에 반복 시에는 상기 단계 (5)에서 예측된 배차 적합도와 상기 실제 배차 적합도의 차이가 임계값보다 작아지도록 재학습하며,
상기 실제 배차 적합도는,
상기 변이 요소를 사용해 미리 설정된 배차 점수표에 따라 산출되며,
상기 단계 (5)는,
(5-1) 상기 차주의 배차 요청을 대기 차량 데이터베이스부(160)에 등록하는 단계;
(5-2) 상기 대기 차량 데이터베이스부(160)에 등록된 배차 요청으로부터 상기 화주의 운송 요청에 대응하는 초기 차량 군집을 생성하는 단계;
(5-3) 상기 생성한 초기 차량 군집에 속한 배차 요청에 대해, 상기 진화된 유전 알고리즘을 사용해 배차 적합도를 계산하고, 계산한 배차 적합도를 기초로 순위를 산정하여 최종 차량 군집을 설정하는 단계;
(5-4) 상기 최종 차량 군집 내의 배차 요청에 산정된 순위가 높은 순서대로, 차주 단말기(300)에 푸시 메시지를 전송해 배차 협의를 시도하는 단계; 및
(5-5) 상기 차주 단말기(300)로부터 수락 신호를 수신해 배차 협의에 성공하면 화주 단말기(200)에 배차 정보를 알려주고, 상기 화주 단말기(200)로부터 배차 확정 승인 신호를 수신해 배차를 확정하는 단계를 포함하는 것을 특징으로 하는, 유전 알고리즘을 이용한 화물 배차 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20210148948 | 2021-11-02 | ||
| KR1020210148948 | 2021-11-02 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230063816A KR20230063816A (ko) | 2023-05-09 |
| KR102660441B1 true KR102660441B1 (ko) | 2024-04-25 |
Family
ID=86408508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210152904A KR102660441B1 (ko) | 2021-11-02 | 2021-11-09 | 유전 알고리즘을 이용한 화물 배차 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102660441B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101981475B1 (ko) * | 2018-01-25 | 2019-05-23 | 김현대 | 인공지능화물배차매칭중개모듈을 통한 스마트 화물배차매칭장치 및 방법 |
| WO2019176819A1 (ja) * | 2018-03-13 | 2019-09-19 | ビーエルデーオリエンタル株式会社 | 配車課金装置 |
| KR102101708B1 (ko) * | 2019-10-29 | 2020-04-20 | 김민규 | Ｏ２ｏ 기반 빅데이터 및 인공지능을 이용한 화물 배차 서비스 제공 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101186941B1 (ko) * | 2011-05-31 | 2012-09-28 | (주)화물터미널연합 | 화물 운송 중개 시스템 |
| KR20130082877A (ko) * | 2011-12-21 | 2013-07-22 | (주)트리포스 | 화물배차 시스템 |
| KR101599474B1 (ko) * | 2014-03-24 | 2016-03-04 | 정인선 | 기사 할당 방법 및 이를 적용한 중계서버 및 컴퓨터로 읽을 수 있는 기록매체 |
-
2021
- 2021-11-09 KR KR1020210152904A patent/KR102660441B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101981475B1 (ko) * | 2018-01-25 | 2019-05-23 | 김현대 | 인공지능화물배차매칭중개모듈을 통한 스마트 화물배차매칭장치 및 방법 |
| WO2019176819A1 (ja) * | 2018-03-13 | 2019-09-19 | ビーエルデーオリエンタル株式会社 | 配車課金装置 |
| KR102101708B1 (ko) * | 2019-10-29 | 2020-04-20 | 김민규 | Ｏ２ｏ 기반 빅데이터 및 인공지능을 이용한 화물 배차 서비스 제공 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230063816A (ko) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11176492B2 (en) | Training a machine to automate spot pricing of logistics services in a large-scale network | |
| US20230169448A1 (en) | Delivery prediction generation system | |
| US20200302376A1 (en) | Systems and methods of controlling delivery of retail products | |
| KR102324121B1 (ko) | 스마트 배차를 이용한 화물 운송 주선 플랫폼 시스템 | |
| US11354613B2 (en) | System, method, and computer program product for generating location-based risk assessments of service provider transaction requests | |
| CN110998648A (zh) | 一种分配订单的系统和方法 | |
| US20180082253A1 (en) | Cargo logistics dispatch service with integrated pricing and scheduling | |
| KR100900340B1 (ko) | 위치추적을 이용한 물류배송시스템 | |
| CN114902257A (zh) | 改进的物流管理系统 | |
| CN107430721B (zh) | 分布式规划系统 | |
| US20160171440A1 (en) | Method and system for freight management | |
| KR20210008581A (ko) | 멀티 인수 및 멀티 배송을 위한 물류 운송 서비스 제공 시스템 | |
| KR102499177B1 (ko) | 인공지능 기반 화주 및 차주 매칭 자동화 방법 | |
| Abdelhadi et al. | A framework of IoT implementations and challenges in Warehouse Management, Transportation and Retailing | |
| KR102660441B1 (ko) | 유전 알고리즘을 이용한 화물 배차 시스템 및 방법 | |
| CN113570169A (zh) | 货物运送规划方法、设备及可读存储介质 | |
| CN109902980A (zh) | 用于业务处理的方法及装置 | |
| CN111445032A (zh) | 利用业务决策模型进行决策处理的方法及装置 | |
| US20220309355A1 (en) | Logistics communication flow systems and methods | |
| Chen et al. | Novel encoding and routing balance insertion based particle swarm optimization with application to optimal CVRP depot location determination | |
| Ding et al. | Evaluating key factors influencing the development of multi-country consolidation for ocean freight forwarders in Taiwan | |
| US20230259870A1 (en) | Method and system for multi-enterprise freight load consolidation and optimization | |
| CN117083623A (zh) | 用于监测和自动控制货物运输的电子系统 | |
| KR102598030B1 (ko) | 물류 중개 플랫폼 서비스 제공 방법 | |
| CN113822614A (zh) | 基于装卸场地状态提供运送服务的方法以及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |