KR20230045372A - Ai 알고리즘을 통한 개선된 배송 시간 예측 시스템 - Google Patents

Abstract

배송지를 그룹핑하는 방법에 관한 것으로써, 본 발명에 의하면 일정 범위의 지역에 특정 기준에 따라 복수 개의 제1 중심 좌표를 설정하고, 복수 개의 제1 중심 좌표 각각을 기준으로 상기 복수 개의 중심 좌표에서 일정 거리 이내에 포함되어 있는 복수 개의 배송지를 제1 그룹핑 절차를 통해 복수 개의 제1 그룹들로 그룹핑할 수 있다.

Description

AI 알고리즘을 통한 개선된 배송 시간 예측 시스템{Improved delivery time prediction system through AI algorithm}

본 발명은 물품 배송을 위한 배차 시스템으로써, 물품에 대한 각각의 배송지를 그룹핑하는 알고리즘, 배송지에 따른 최소 경로를 설정하기 위한 배송 경로 알고리즘 및 배송자의 배송 정보에 기초하여 배송 시간을 예측하기 위한 알고리즘을 통한 배차 시스템에 관한 것이다.

택배나 퀵서비스를 이용하기에는 부피가 크거나 양이 많은 경우 화물터미날의 물류서비스를 이용하는 경우가 많은데, 종래에는 TRS(Trunked Radio System)와 같은 무전기를 이용하여 일감을 오더하고, 차주 또한 무전기를 통 해 응답을 하고 있는 실정이다.

종래의 화물운송 과정에서의 배차방법은 거래처, 즉 화물을 운송하고자 하는 고객은 전화 또는 무전을 통해 콜센터로 운송의뢰를 하게 된다. 즉, 고객은 화물을 싣게 되는 상차지, 차종 및 시간 등을 구두로 설명해서 콜센터로 접수 예약을 한다.

이후 콜센터는 무전방송을 통해 차주회원들에게 접수 예약된 운송의뢰가 있음을 전달하고, 무전방송을 수신한 차주회원들은 역시 무전기로 회신을 해서 자신에게 배차해줄 것을 요청하게 된다. [0006] 이때, 차주회원들의 배차요청은 무전기의 키를 눌러서 수락을 하는 것이 일반적이며, 콜센터에서는 선착순으로, 즉 가장 먼저 무전기의 키를 누른 회원에게 배차를 하게 된다.

그런데, 종래기술의 배차시스템에서는 최대 2~4건의 상품을 묶어서 배송하는 경우, 배송지를 배송자가 직접 선택하기 때문에 각각의 상품간의 거리에 따른 최적의 그룹핑이 되지 못하며, 4개 이상의 배송품을 한꺼번에 배정받지 못한다.

또한, 배송 단계에서 각 물품간의 거리에 따른 최소 경로만을 안내해주기 때문에 전체적인 배송지에 따른 최적의 경로를 제공하지 못하며, 각 건당의 배송 시간만을 안내해주기 때문에 배송자가 몇건을 배송하는지 여부 및 배송자의 배송 건수에 따른 배송 시간을 예측하지 못한다는 문제점이 존재한다.

본 발명은 상기의 제반 문제점을 해결하기 위해서 창출된 것으로, 그룹핑 알고리즘, 및 경로 설정 알고리즘을 이용하여 배송자에게 최적의 배차 시스템을 제공한다.

또한, 본 발명은 지역 및 거리를 기반으로 배송지들간의 최적의 그룹핑을 방법을 제공한다.

또한, 본 발명은 배송자의 배송 물품의 개수에 따른 복수 개의 배송지에 기초하여 최적의 배송 경로를 설정하기 위한 방법을 제공한다.

또한, 본 발명은 배송자의 배송 건수에 따른 배송 시간을 예측하기 위한 배송 시간 예측 알고리즘을 제공한다.

본 명세서에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명은 상술한 문제점을 해결하기 위한 통합 배차 시스템을 제공한다.

구체적으로, 본 발명의 일 실시예에 따른 그룹핑 방법은 일정 범위의 지역에 특정 기준에 따라 복수 개의 제1 중심 좌표를 설정하는 단계, 상기 특정 기준은 상기 복수 개의 중심 좌표 각각에 따른 배송지의 개수, 중심 좌표간의 거리, 인구 수, 교통 량 및 인구 밀집 도 중 적어도 하나이고; 상기 복수 개의 제1 중심 좌표 각각을 기준으로 상기 복수 개의 중심 좌표에서 일정 거리 이내에 포함되어 있는 복수 개의 배송지를 제1 그룹핑 절차를 통해 복수 개의 제1 그룹들로 그룹핑하는 단계; 상기 복수 개의 제1 그룹들 각각에 포함된 상기 복수 개의 배송지의 개수가 특정 값 이상인지 여부를 판단하는 단계, 상기 복수 개의 제1 그룹들 중 상기 복수 개의 배송지들의 개수가 상기 특정 값 이상인 적어도 하나의 제1 그룹은 상기 복수 개의 배송지의 개수가 상기 특정 값 이하가 되도록 제2 그룹핑 절차를 통해서 적어도 하나의 제2 그룹으로 그룹핑하는 단계, 상기 제2 그룹핑 절차는 상기 적어도 하나의 제2 그룹에 포함된 적어도 하나의 배송지의 개수가 상기 특정 값 이하가 될 때까지 반복해서 수행된다.

본 발명은 상기의 제반 문제점을 해결하기 위해서 창출된 것으로, 그룹핑 알고리즘, 및 경로 설정 알고리즘을 이용하여 배송자에게 최적의 배차 시스템을 제공할 수 있다.

또한, 본 발명은 배송자의 배송 물품의 개수에 따른 복수 개의 배송지에 기초하여 최적의 배송 경로를 설정하기 때문에 효율적으로 배송을 할 수 있는 효과가 있다.

또한, 본 발명은 배송자의 배송 건수에 기초하여 배송 시간을 예측하기 때문에 정확한 배송 시간을 계산할 수 있는 효과가 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는 첨부 도면은 본 발명에 대한 실시 예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 특징을 설명한다.
도 1은 본 명세서에서 제안하는 서비스 배차 시스템의 구성을 간략히 나타낸다.
도 2는 본 명세서에서 제안하는 서비스 배차 시스템의 배차 순서를 나타내는 흐름도이다.
도 3은 본 명세서에서 제안하는 배송지를 그룹핑하는 방법의 일 예를 나타내는 순서도이다.
도 4 내지 도 9는 본 명세서에서 제안하는 배송지의 그룹핑 방법의 일 실 시예를 나타낸다.
도 10은 본 명세서에서 제안하는 배송지의 경로 설정을 위한 방법의 일 예를 나타내는 순서도이다.
도 11 내지 도 17은 본 명세서에서 제안하는 경로 설정 방법의 일 실 시예를 나타낸다.
도 18은 본 명세서에서 제안하는 배송 시간을 예측하기 위한 방법의 일 예를 나타내는 순서도이다.
도 19는 본 명세서에서 제안하는 배송 시간을 예측하기 위한 선형회귀 데이터의 일 예를 나타낸다.
도 20은 본 명세서에서 제안하는 배송 시간을 예측하기 위한 시그모이드 함수의 일 예를 나타낸다.

본 발명의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예들을 가질 수 있는 바, 이하에서는 특정 실시 예들을 도면에 예시하고 이를 상세히 설명하고자 한다. 명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

도 1은 본 명세서에서 제안하는 서비스 배차 시스템의 구성을 간략히 나타낸다.

도 1을 참조하면, 본 명세서에서 제안하는 서비스 배차 시스템(또는, 배차 시스템, 100)은 그룹핑 알고리즘(200), 경로 설정 알고리즘(300) 및 배송시간 예측 알고리즘(400)으로 구성될 수 있다.

구체적으로, 서비스 배차 시스템(100)은 일정 지역의 배송지들을 그룹핑 알고리즘(200)을 이용하여 복수 개의 그룹으로 그룹핑하고, 그룹핑된 배송지들 중 배송자에 의해서 배송되는 적어도 하나의 배송지들 간의 배송 경로를 경로 설정 알고리즘(300)을 통해 최적의 경로로 설정할 수 있다.

또한, 배송 물품을 수령하는 수령자들에게 배송시간 예측 알고리즘(400)을 통해 배송자들의 배송 정보에 기초하여 계산된 배송 시간을 제공할 수 있다.

그룹핑 알고리즘(200)은 일정 지역에 분포되어 있는 복수 개의 배송지들을 특정 기준에 따라 복수 개의 그룹들 각각에 일정 개수 이하의 배송지들이 포함되도록 그룹핑할 수 있다. 이때, 그룹핑은 일정 위치 또는 특정 배송지를 기준 위치로 하여 일정 거리에 위치하는 배송지들을 그룹에 포함시킴으로써 수행될 수 있다. 이하, 그룹핑 알고리즘(200)은 아래에서 구체적으로 설명하도록 한다.

경로 설정 알고리즘(300)은 배송자가 배송할 수 있는 복수 개의 배송지들 중 일정 개수의 배송지에 대한 최단 거리를 배송 경로로 설정할 수 있게 한다. 즉, 배송자의 현재 위치를 기준으로 일정 거리 이내에 그룹핑 또는 위치되어 있는 배송지들 중 적어도 하나의 배송지가 특정 알고리즘(예를 들면, 개선된 TRS 알고리즘 등)을 이용하여 선택될 수 있다. 이후, 선택된 적어도 하나의 배송지들의 배송 순서를 변경하여 선택된 적어도 하나의 배송지들을 한번씩 경유할 수 있는 최단 거리 배송 경로로 설정될 수 있다. 이하, 경로 설정 알고리즘(300)은 아래에서 구체적으로 설명하도록 한다.

배송시간 예측 알고리즘(400)은 서비스 배차 시스템 또는 서비스 배차 시스템을 제공하는 서버, 배송자의 단말 또는 수신자의 단말에 의해서 제공될 수 있다. 구체적으로, 배송시간 예측 알고리즘(400)은 배송자가 배송하는 물품의 배송 정보에 기초하여 수신자가 배송 물품을 수신할 수 있는 배송시간을 계산하여 제공할 수 있다. 이때, 배송 정보는 배송자가 배달하는 물품의 개수, 및 물품의 배송 순서 등을 포함할 수 있다.

이때, 배송 시간은 수신자가 수신하는 특정 물품의 배송 전에 배송되는 적어도 하나의 물품들 각각의 제1 구간 배송 시간과 상기 적어도 하나의 물품 중 마지막에 배송되는 물품 이후 상기 특정 물품이 배송되는 제2 구간 배송 시간을 합친 값일 수 있다. 제1 구간 배송 시간 및 제2 구간 배송 시간 각각은 거리에 기초한 제1 알고리즘을 이용한 거리 기반 배송 시간과 주변 환경 정보에 따른 제2 알고리즘을 이용한 가중치 시간을 합친 값일 수 있다. 이때, 제1 알고리즘은 선형회귀분석에 기초하여 모델링될 수 있으며, 제2 알고리즘은 각각의 배송 물품의 배송 위치의 환경 정보에 따른 배송 시간의 차이에 기반한 시그모이드 함수에 기초하여 모델링될 수 있다. 이하, 배송 시간 예측 알고리즘(400)은 아래에서 구체적으로 설명하도록 한다.

이와 같은 방법을 통해서 서비스 배차 시스템을 통해 배차 서비스를 제공함으로써, 배송자 및 수신자에게 최적의 배송 서비스를 제공할 수 있다.

도 2는 본 명세서에서 제안하는 서비스 배차 시스템의 배차 순서를 나타내는 흐름도이다.

도 2를 참조하면, 서비스 배차 시스템은 그룹핑 알고리즘을 통한 배송지의 그룹화하여 그룹화된 그룹들에 대한 최적의 동선을 배송자에게 제공함으로써, 배송 서비스를 제공할 수 있다.

구체적으로, 1. 배송자는 파트너스 앱을 통해서 거래처로부터 배송품을 접수할 수 있다. 이때, 배송품은 홈페이지의 엑셀 또는 API를 통해서 접수될 수 있다. 2. 이후, 수거 기사가 배송품을 거래처로부터 수거하여, 3. 물류센터에 배송하여 입고시킬 수 있다.

4. 이후, 입고된 배송품은 그룹핑 알고리즘을 통해서 복수 개의 그룹으로 그룹핑되며, 5. 그룹핑된 그룹들은 배송자(또는, 물품을 배송하는 라이더 등)들에게 배송 그룹 리스트를 통해서 노출될 수 있다.

이후, 6. 배송자는 직접 배송할 배송 그룹을 선택하여 배차를 신청할 수 있다. 7. 배송자는 QR 코드를 발급 받은 뒤, 물류센터로 이동할 수 있다. 8. 이후, 배송자는 물류 센터에서 QR 코드 인식 후, 배차 그룹을 확인받을 수 있으며 배차를 승인받을 수 있다.

9. 이후, 배송자들은 배차가 완료된 배송품들을 지급받을 수 있으며, 10. 배송할 목록(또는, 배송 중인 물건을 표시하는 배송 중 목록 등)에 지급받은 배송품들이 표시될 수 있다.

11. 이후, 배송 경로 알고리즘을 통해 배송품들을 배송하기 위한 최적의 배송 경로를 제공받을 수 있으며, 제공 받은 경로에 기초하여 배송을 진행할 수 있다.

12. 이후, 배송이 완료되면 배송자들은 앱을 통해 배송의 완료를 처리할 수 있다.

도 3은 본 명세서에서 제안하는 배송지를 그룹핑하는 방법의 일 예를 나타내는 순서도이다.

도 3을 참조하면, 복수 개의 배송지들이 존재하는 경우, 최적의 배송 경로를 설정하기 위해서 배송지들을 특정 기준에 따라 복수 개의 그룹핑할 수 있다.

구체적으로, 일정 범위의 지역에 특정 기준에 따라 복수 개의 제1 중심 좌표가 설정될 수 있다. 이때, 특정 기준은 상기 복수 개의 중심 좌표 각각에 따른 배송지의 개수, 중심 좌표간의 거리, 인구 수, 교통 량 및 인구 밀집 도 중 적어도 하나일 수 있다.

복수 개의 제1 중심 좌표 각각을 기준으로 복수 개의 중심 좌표에서 일정 거리 이내에 포함되어 있는 복수 개의 배송지를 제1 그룹핑 절차를 통해 복수 개의 제1 그룹들로 그룹핑될 수 있으며, 복수 개의 제1 그룹들 각각에 포함된 상기 복수 개의 배송지의 개수가 특정 값 이상인지 여부가 판단될 수 있다.

복수 개의 제1 그룹들 중 상기 복수 개의 배송지들의 개수가 상기 특정 값 이상인 적어도 하나의 제1 그룹은 상기 복수 개의 배송지의 개수가 상기 특정 값 이하가 되도록 제2 그룹핑 절차를 통해서 적어도 하나의 제2 그룹으로 그룹핑될 수 있으며, 제2 그룹핑 절차는 상기 적어도 하나의 제2 그룹에 포함된 적어도 하나의 배송지의 개수가 상기 특정 값 이하가 될 때까지 반복해서 수행될 수 있다.

상기 특정 값은 2 이상의 값을 갖는 최소 값과 10 이하의 값을 갖는 최대 값 사이에서 결정되며, 상기 복수 개의 중심 좌표 각각이 설정된 지역에 따라 유동적으로 결정될 수 있다.

최소 값 및 최대 값은 사용자가 일정 배송 시간 내에 배송을 완료할 수 있는 배송지들의 최소 개수 및 최대 개수이며, 일정 거리는 상기 복수 개의 중심 좌표를 기준으로 상기 배송지의 밀집도, 인구 밀도, 교통 혼잡도 및 배송지 타입에 따라 결정될 수 있다.

배송지 타입은 주거지 타입, 사무실 타입, 기업 타입 및 상가 타입 중 하나이며, 일정 거리는 상기 배송지 타입에 기초하여 오전, 오후, 및 야간에 따라 변경될 수 있다. 예를 들면, 배송지 타입이 주거지 타입인 경우, 야간에 배송이 많을 수 있으니 일정 거리가 작아지고, 오전, 및 오후에는 증가될 수 있다. 반면, 배송지 타입이 사무실 타입인 경우, 야간보다는 오후에 배송이 많을 수 있으니, 일정거리가 작아지고 오전 및 야간에는 증가될 수 있다.

제2 그룹핑 절차는 아래와 같은 절차를 포함할 수 있다.

- 적어도 하나의 제1 그룹들 중 하나의 제1 그룹을 선택

- 선택된 제1 그룹에 포함된 상기 복수개의 배송지들 중 상기 중심 좌표로부터 가장 먼 거리에 위치하는 특정 배송지를 선택

- 복수개의 배송지들 중 상기 선택된 특정 배송지로부터 일정 거리내에 위치하는 적어도 하나의 배송지를 제2 그룹으로 그룹핑

이때, 제2 그룹핑 절차에서 적어도 하나의 배송지의 개수는 상기 제1 그룹에 포함된 상기 복수 개의 배송지들의 개수의 절반보다 작을 수 있다.

또한, 적어도 하나의 배송지와 특정 배송지 간의 거리는 상기 적어도 하나의 배송지와 상기 중심 좌표 간의 거리보다 작을 수 있으며, 제2 그룹핑 절차는 상기 제2 그룹에 포함된 상기 적어도 하나의 배송지의 개수가 상기 특정 값보다 작아질 때까지 반복해서 수행될 수 있다.

이와 같은 방법을 통해서 그룹핑 알고리즘을 이용하여 배송지들을 그룹핑 할 수 있다.

예를 들면, 도 3에 도시된 바와 같이 n 개의 배송지가 존재하는 경우, 주변 k개의 시, 군, 구의 위도, 경도를 클러스터(또는, 그룹)의 중심좌표로 초기화할 수 있다(S3010). 이후, k-means clustering을 실행하여 그룹핑을 수행할 수 있다(S3020).

만약, 그룹의 개수가 0이면 그룹 정보를 출력할 수 있다(S3030).

하지만, 그룹의 개수가 0이 아닌 경우, k개의 그룹 중 첫 번째 그룹을 확인하여 첫 번째 그룹(중심 좌표 C, 제1 그룹)에 포함되어 있는 배송지의 개수를 확인한다(S3040). 이때, K의 값은 1이 감소된다.

만약, 첫 번재 그룹의 배송지의 개수가 일정 개수(예를 들면, 그룹 사이지의 lub인 g) 이하인 경우, 첫 번째 그룹에 포함된 모든 배송지를 하나의 그룹(제1 그룹)으로 그룹핑 한다(S3050).

하지만, 첫 번째 그룹의 배송지의 개수가 일정 개수(예를 들면, 그룹 사이지의 lub인 g) 이상인 경우, 중심 위치 C로부터 가장 먼 배송지 D를 선택하고, 선택된 배송지 D로부터 가까운 순서대로 일정 개수의 배송지를 선택한다(S3060). 이때, 배송지 D로부터 가까운 순서대로 선택된 배송지의 개수는 g를 2로 나눈 값보다 작을 수 있다.

이후, 선택된 배송지 다음으로 배송지 D에 가까운 g/2개의 배송지에 대해 선택된 배송지들 각각에 대해 선택된 배송지가 중심 좌표 C보다 배송지 D까지의 거리가 더 짧고, 중심 좌표 C에 기초하여 선택되지 않은 배송지의 수가 g를 2로 나눈 값보다 큰지 여부를 판단한다.

만약, 선택된 배송지가 중심 좌표 C보다 배송지 D까지의 거리가 더 짧지 않거나, 중심 좌표 C에 기초하여 선택되지 않은 배송지의 수가 g를 2로 나눈 값보다 크지 않은 경우, 해당 배송지는 그룹을 변경하지 않고 그대로 남긴다(S3070).

하지만, 선택된 배송지가 중심 좌표 C보다 배송지 D까지의 거리가 더 짧고, 중심 좌표 C에 기초하여 선택되지 않은 배송지의 수가 g를 2로 나눈 값보다 큰 경우, 해당 배송지는 선택되고(S3080), 선택된 배송지들은 중심 좌표 C를 기준으로 한 그룹에서 분리되어 배송지 D를 기초한 그룹으로 그룹핑 된다(S3090).

도 4 내지 도 9는 본 명세서에서 제안하는 배송지의 그룹핑 방법의 일 실 시예를 나타낸다.

먼저, 도 4에서 도시된 바와 같이 시, 군, 구 좌표가 초기 중심좌표로 설될 수 있다. 이후, 도 5에 도시된 바와 같이 2. 초기 좌표를 기준으로 K-Means Clustering 시행될 수 있다. K-Means Clustering은 K개의 중심좌표를 설정한 후 데이터를 가장 가까운 중심좌표 클러스터에 할당하는 클러스터링 방식을 의미한다.

이후, 도 6에 도시된 바와 같이 배송지가 가장 많은 클러스터(도 6의 서초구)를 선택하고, K의 값에서 1을 뺀다.

이후, 도 7에 도시된 바와 같이 4. 서초구 클러스터가 그룹의 최대 사이즈(본 예시에서는 9)를 넘으므로 분할 대상에 해당된다. 따라서, 먼저 클러스터 중심좌표에서 가장 멀리 떨어진 좌표(초록색으로 표시된 배송지)를 찾는다.

이후, 도 8에 도시된 바와 같이 5. 최소한의 그룹 사이즈(예를 들면, 배송지의 개수가 5)를 갖추기 위해 해당 좌표에서 가까운 4개의 좌표는 추가로 그룹핑되어 다른 그룹으로 분리될 수 있다. 이후, 그 다음으로 가까운 9 - 5 = 4개의 좌표에 대해 거리를 비교하여 새로운 그룹에 넣을지 아니면 기존 그룹에 넣을지가 판단될 수 있다.

이후, K의 값이 0이 될때까지(예를 들면, 모든 클러스터를 확인할 때까지) 위의 도 6 내지 도 8까지의 과정이 반복적으로 수행될 수 있으며, 최종 도 9에 도시된 형태로 그룹핑될 수 있다.

도 10은 본 명세서에서 제안하는 배송지의 경로 설정을 위한 방법의 일 예를 나타내는 순서도이다.

도 10을 참조하면, 복수 개의 배송지들(또는, 그룹핑 된 그룹)이 존재하는 경우, 복수 개의 배송지들(또는, 그룹핑된 그룹)을 배송하기 위한 최적의 배송 경로를 특정 알고리즘을 통해서 설정할 수 있다. 이하, 본 발명에서 배송지는 그룹핑된 그룹을 의미할 수 있다.

구체적으로, 복수 개의 배송지들 중 특정 알고리즘을 이용하여 적어도 하나의 배송지가 결정되고, 결정된 적어도 하나의 배송지를 한번씩 모두 경유하는 최단 거리가 결정될 수 있다.

이때, 적어도 하나의 배송지를 결정은 아래와 같은 단계를 통해서 수행될 수 있다.

- 상기 복수 개의 배송지들의 개수가 특정 개수 이상인 경우, 현재 위치를 기준으로 거리가 가까운 순서로 상기 특정 개수의 배송지들을 선택

- 상기 선택된 특정 개수의 배송지들 중 상기 특정 알고리즘을 이용하여 하나의 배송지를 선택

이때, 상기 특정 알고리즘은 상기 복수 개의 배송지들 중 상기 특정 개수의 상기 적어도 하나의 배송지를 선택하기 위해서 사용되고, 상기 특정 개수는 상기 특정 알고리즘을 이용하여 현재 위치에서부터 상기 적어도 하나의 배송지를 경유하기 위한 최단 경로를 설정하기 위한 배송지들의 최대 개수일 수 있다.

특정 알고리즘을 이용하여 상기 하나의 배송지를 선택하는 절차는 아래와 같은 단계를 통해서 수행될 수 있다.

- 상기 특정 알고리즘을 이용하여 상기 현재 위치를 기준으로 거리가 가까운 순서로 선택된 상기 특정 개수의 배송지들의 최적 경로를 설정

- 상기 설정된 최적 경로에서 상기 현재 위치를 기준으로 첫 번째 제1 배송지를 선택

- 상기 제1 배송지를 기준으로 거리가 가까운 순서로 상기 특정 개수의 배송지들을 선택

- 상기 특정 알고리즘을 이용하여 상기 제1 배송지의 위치를 기준으로 거리가 가까운 순서로 선택된 상기 특정 개수의 배송지들의 최적 경로를 설정

- 상기 설정된 최적 경로에서 상기 제1 배송지의 상기 위치를 기준으로 첫 번째 제2 배송지를 선택

이때, 상기 최적 경로는 시작 위치, 도착 위치, 상기 특정 개수의 배송지들의 집합, 및 거리 정보에 기초하여 결정되될 수 있다.

예를 들면, 상기 시작 위치가 start, 상기 도착 위치가 last, 상기 특정 개수의 상기 배송지들의 상기 집합이 V 및 상기 거리 정보가 D인 경우, 상기 최적 경로 find_path는 아래의 수학식 1에 의해서 계산될 수 있다.

[수학식 1]

최단 경로는 상기 현재 위치에서 상기 선택된 적어도 하나의 배송지들을 모두 한번씩 경유하는 가장 짧은 거리이며, 최단 거리는 아래와 같은 절차를 통해서 설정될 수 있다.

- 상기 적어도 하나의 배송지들을 선택된 순서에 따라 경유하는 제1 경로를 결정

- 상기 적어도 하나의 배송지들의 배송 순서를 일부 변경하여 제2 경로를 결정

- 상기 제1 경로와 상기 제2 경로를 비교

- 상기 제1 경로와 상기 제2 경로 중 더 짧은 경로를 선택

이때, 상기 제1 경로가 상기 제2 경로보다 더 짧은 경우, 상기 최단 거리는 아래와 같은 추가적인 절차를 더 수행하여 설정될 수 있다.

- 상기 적어도 하나의 배송지들의 배송 순서가 상기 제2 경로와는 다르게 변경하여 제3 경로를 결정

- 상기 제1 경로와 상기 제3 경로를 비교

- 상기 제1 경로와 상기 제3 경로 중 더 짧은 경로를 선택

하지만, 제2 경로가 상기 제1 경로보다 더 짧은 경우, 상기 최단 거리는 아래와 같은 추가적인 절차를 더 수행하여 설정될 수 있다.

- 상기 적어도 하나의 배송지들의 배송 순서가 상기 제2 경로와는 다르게 변경하여 제3 경로를 결정

- 상기 제2 경로와 상기 제3 경로를 비교

- 상기 제2 경로와 상기 제3 경로 중 더 짧은 경로를 선택

이때, 상기 짧은 경로를 선택하기 위한 절차는 상기 적어도 하나의 배송지의 개수에 따라 반복되어 수행될 수 있다.

예를 들면, 도 10에 도시된 바와 같이 n개의 배송지가 customized TSP를 적용하기 위한 최대 값 N보다 작은지 여부를 판단한다.

이때, 외판원 순회 문제(Traveling Salesman Problem, TSP)는 순환(cycle)을 구하는 알고리즘으로, 여러 도시들이 있고 한 도시에서 다른 도시로 이동하는 비용이 모두 주어졌을 때, 모든 도시들을 단 한 번만 방문하고 원래 시작점으로 돌아오는 최단거리 경로를 구하는 알고리즘을 의미한다.

하지만, customized TSP는 TSP를 배송 시스템에 적합하게 수정한 알고리즘으로써 경로(path)를 구하는 알고리즘이다.

구체적으로, TSP를 통한 순환을 구하는 것에서 customized TSP를 통해 경로를 구하는 것으로 바뀌었으므로 출발점과 도착지를 설정할 수 있으며, 특히, 도착지를 물류 센터, 배송자의 거주지 등 라이더가 원하는 곳으로 설정할 수 있으므로 라이더 친화적인 경로를 제공할 수 있다.

Customized TSP는 동적 프로그래밍으로 구현될 수 있다. 예를 들면, start는 시작점, last는 도착점, V는 배송지 집합, D는 거리정보 행렬이라 할 때, 수학식 1을 통해서 구현될 수 있다.

수학식 1에 따라, 특정 start, last, V에 대해 아직 방문하지 않은 모든 도시를 각각 방문하는 재귀함수를 호출하고 이 중 최솟값을 보이는 경로를 택함으로써 수행될 수 있다. 예를 들면, find_path( 1, 5, {1, 2, 3, 5} )는 find_path( 1, 2, {1, 2, 3} ) + D[5][2],

find_path( 1, 3, {1, 2, 3} ) + D[5][3] 중 최솟값으로 결정될 수 있으며, 방문 여부는 비트마스킹 방식으로 표현될 수 있다. 예를 들면, 8개의 배송지가 있을 때 1, 2, 5번째 배송지를 방문했다면 00010011 => 19로 표현될 수 있다.

만약, n의 값이 N보다 큰 경우, 현재 위치와 가장 가까운 k개를 구하고 TSP 실시하고(S10010), 가장 먼저 방문해야 할 곳을 찾고 해당 배송지를 배송 경로에 추가한다(S10020).

이후, 해당 배송지를 기준으로 가장 가까운 k개를 구하고 TSP 실시한다. 이후, 위 과정 반복하며 N보다 작은 값의 n개의 배송지를 선택한다.

만약, N보다 n의 값이 작은 경우, customized TSP를 이용하여 n개의 배송지를 선택한다(S10030).

이후, 선택된 n개의 배송지에 대해 각각의 배송지를 첫 번째, 두 번째, ..., 마지막 배송지와 바꿔보며 이동거리가 짧아지면 순서를 변경하여 최단 거리를 계산한다(S10040). 이후, 배송경로 중 서로 교차하는 게 있을 경우 꼬인 부분을 계산하여 재 설정한다(S10050).

이와 같은 방법을 통해서 복수 개의 배송지들에 대한 최적의 배송 경로가 설정될 수 있다.

도 11 내지 도 17은 본 명세서에서 제안하는 경로 설정 방법의 일 실 시예를 나타낸다.

구체적으로, 도 11에 도시된 바와 같이 30개의 배송지가 주어진 경우, 주어진 배송지가 특정 개수(15개) 이상이므로, 도 12에 도시된 바와 같이 현재 위치(나)에서 가까운 7개의 배송지가 선택된다.

이후, 도 13에 도시된 바와 같이 선택된 7개의 배송지에 customized TSP를 적용하여 배송 경로를 설정하고, 설정된 배송 경로에서 첫 번재 배송지인 16번째 배송지가 선택된다.

이후, 도 14에 도시된 바와 같이 16번째 배송지를 기준으로 가까운 7개의 배송지가 선택되고, 선택된 7개의 배송지에 customized TSP를 적용하여 배송 경로를 설정하고, 설정된 배송 경로에서 첫 번재 배송지인 7번째 배송지를 선택한다.

이후, k개의 배송지가 남을대까지 도 12 내지 도 14에서 설명한 방법을 반복적으로 수행하고, 도 15에 도시된 바와 같이 k개의 배송지는 customized TSP를 이용하여 결로가 설정될 수 있다.

이후, 도 16에 도시된 바와 같이 선택된 배송지들의 배송 순서를 변경하여 경로가 가장 짧은 순서를 체크한다.

예를 들면, [1, 3, 2, 4, 5] 순서로 배송지가 정렬되어 있다면 [3, 1, 2, 4, 5], [3, 2, 1, 4, 5], [3, 2, 4, 1, 5], [3, 2, 4, 5, 1] … 과 같이 원소 하나하나를 모든 순서에 넣어보면서 경로가 짧아지는지 확인한다. 도 16의 경우 21번, 12번, 17번의 배송 순서가 바뀌었다.

이후, 도 17에 도시된 바와 같이 경로가 교차하는 부분이 있을 경우 풀어준다. 도 17의 경우, 24 - 23, 7 - 12 경로가 24 - 7, 23 - 12로 변경되었다.

도 18은 본 명세서에서 제안하는 배송 시간을 예측하기 위한 방법의 일 예를 나타내는 순서도이다.

도 18을 참조하면, 배송자의 배송 물품들 및 배송 순서에 대한 배송 정보를 획득하여 각각의 배송 물품에 대한 배송 시간을 계산함으로써 특정 물품의 배송 시간을 정확히 계산할 수 있다.

구체적으로, 특정 물품과 관련된 배송 정보가 획득될 수 있다. 이때, 상기 배송 정보는 배송자가 배송하는 복수 개의 배송 물품들의 개수, 및 상기 복수 개의 배송 물품들의 배송 순서를 포함할 수 있다.

배송 정보에 포함된 상기 복수 개의 배송 물품들의 개수, 및 상기 복수 개의 배송 물품들의 상기 배송 순서에 따라 상기 복수 개의 배송 물품들이 정렬될 수 있으며, 배송 순서에 따라 정렬된 상기 복수 개의 배송 물품들 중 상기 특정 물품의 배송 시간이 계산될 수 있다.

이때, 특정 물품의 배송 시간은 상기 특정 물품의 배송 전에 배송되는 적어도 하나의 물품들 각각의 제1 구간 배송 시간과 상기 적어도 하나의 물품 중 마지막에 배송되는 물품 이후 상기 특정 물품이 배송되는 제2 구간 배송 시간을 합친 값일 수 있다.

제1 구간 배송 시간 및 상기 제2 구간 배송 시간 각각은 거리에 기초한 제1 알고리즘을 이용한 거리 기반 배송 시간과 주변 환경 정보에 따른 제2 알고리즘을 이용한 가중치 시간을 합친 값이며, 제1 알고리즘은 현재 배송 물품의 제1 배송 위치와 상기 현재 배송 물품 이전에 배송되는 이전 배송 물품의 제2 배송 위치 간의 거리에 기반한 선형회귀분석에 기초하여 모델링될 수 있다.

또한, 제2 알고리즘은 각각의 배송 물품의 배송 위치의 환경 정보에 따른 배송 시간의 차이에 기반한 시그모이드 함수에 기초하여 모델링될 수 있으며, 상기 환경 정보는 강우량, 강설량, 풍량 및 교통량 중 적어도 하나를 포함할 수 있다.

상기 선형회귀 분석은 배송 거리에 따른 시간대별 소요시간 및 상기 배송 거리에 기초하여 모델링 되며, 상기 선형회귀 분석에 기초하여 상기 배송 거리가 X 및 상기 시간대별 소요시간이 y인 경우, 아래의 수학식 2의 a 및 b의 값이 결정될 수 있다.

[수학식 2]

주변 환경 정보에 기초한 값이 x인 경우, 가중치 시간은 수학식 2에 의해서 결정된 a 및 상기 b에 기초하여 아래의 수학식 3에 의해서 계산될 수 있다.

[수학식 3]

이때, 상기 배송 정보는 상기 배송자의 단말 또는 배차 서비스 시스템에 대한 서버를 통해 획득될 수 있다.

이때, 배송시간 예측 알고리즘을 수행하기 전에 아래와 같은 두개의 알고리즘 모델을 구해야 한다.

- 배송시간 선형회귀 분석 보델

1. 배송 데이터를 배송 완료 시각, 지역별로 구분한다.

2. 배송 소요 시간에 대해 직선거리로 선형회귀분석을 실시한다.

- 기상상태 반영(시그모이드 모델)

1. 강우량, 강설량에 따라 배송 시간이 얼마나 차이를 보이는지 구한다.

2. 시그모이드 함수로 모델링한다.

3. 회귀분석으로 모델의 가중치를 구한다.

예를 들면, 도 18에 도시된 바와 같이 배송 시간을 예측하기 위한 알고리즘은 배송 시간을 예측하고 싶은 물품이 포함된 배송자의 배송 정보(또는, 라이더 정보)를 획득할 수 있다(S18010). 이때, 배송 정보는 위에서 살펴본 바와 같이 상기 복수 개의 배송 물품들의 개수, 및 상기 복수 개의 배송 물품들의 상기 배송 순서를 폼할 수 있다.

이후, 도 10 내지 도 17에서 설명한 경로 설정 방법을 통해 설정된 최적의 경로에 따라 물품들이 정렬될 수 있다(S18020).

이후, 배송자의 현재 위치와 첫 번재 배송될 물품(i=1)의 직선거리를 구하고(S18030), 제1 알고리즘인 선형회귀 모델을 이용하여 거리에 따른 제1 배송시간(total_time)을 계산한다(S18040). i번째 배송될 물품이 목표하는 특정 물품이 아닌 경우, i의 값은 1이 증가하고, 1이 증가된 i번째 물품의 배송지에 대한 직선거리를 구한다. 이후, i번째 물품의 배송지에 대한 이전 물품의 배송지부터의 거리에 기초하여 선형회구 모델에 기초한 배송 시간을 계산한다(S18050). 이러한 과정은 i번째 물품이 원하는 특정 물품일때까지 반복해서 수행된다.

만약, i번재 물품이 목표하는 특정 물품인 경우, 제1 배송 시간(total taime)에 환경 영향(예를 들면, 강우량, 강설량 등)에 따른 제2 알고리즘인 시그모이드 알고리즘을 이용하여 가중치 시간을 더한다(S18060).

이대, 제2 알고리즘은 배송 물품들의 각각의 배송지 간의 거리에 개별적으로 적용될 수 있으며, 배송 물품들의 각각의 배송지 간의 거리에 따른 제1 배송 시간에 개별적으로 적용되어 합쳐질 수 있다.

이후, i번째까지 계산된 각각의 제1 배송 시간 및 가중치 시간을 모두 더한 값이 배송시간으로 계산되어 출력될 수 있다(S18070).

이와 같은 방법을 통해서, 특정 배송 물품에 대한 배송 시간이 정확하게 계산될 수 있다.

도 19는 본 명세서에서 제안하는 배송 시간을 예측하기 위한 선형회귀 데이터의 일 예를 나타낸다.

도 19를 참조하면, 선형회귀 데이터는 배송자, 시군구, 시간대별로 나눠 소요시간(y)에 대해 이동거리(x)로 선형회귀 진행할 수 있다.

이때, y = ax + b 와 같이 1차방정식을 구하고, 계수 a, 및 b가 각각 따로 저장될 수 있다. 만약, 라이더 데이터가 충분하지 않을 경우 해당 지역, 해당 시간대 전체 배송에 대한 선형회귀 값이 사용될 수 있다.

도 20은 본 명세서에서 제안하는 배송 시간을 예측하기 위한 시그모이드 함수의 일 예를 나타낸다.

도 20을 참조하면, 시그모이드 함수는 강수량, 및/또는 강설량과 같은 배송시간에 영향을 줄 수 있는 환경 적인 요소를 반영하기 위해서 도입될 수 있다.

시그모이드 함수는 도 20과 같은 개형을 가질 수 있으며, 아래 수학식 3과 같은 수식이 사용될 수 있다.

[수학식 3]

수학식 3에서 계수 a, 및 b는 도 19에서 설명한 선형회구 분석을 통해서 획득될 수 있다.

배송 시간은 비나, 눈, 및/또는 태풍 등과 같이 배송 시간에 환경적인 요인이 적용될 경우, 앞에서 구한 회귀분석 추정치에 시그모이드 함숫값을 곱해줄 수 있다.

예를 들면, 김철수 라이더의 배송물품의 지역구와 이전 배송지로부터의 거리는 다음과 같다.

1. 강남구, 4km(첫 번째 물품의 경우 현위치에서의 거리)

2. 강남구, 2km

3. 강남구, 3km

4. 서초구, 0.5km

5. 서초구, 1km

기존 데이터로 선형회귀한 값은 다음과 같이 저장되어 있다

…

김철수 강남구 3~4시: a = 5, b = 6

김철수 강남구 4~5시: a = 7, b = 5

…

김철수 서초구 4~5시: a = 4, b = 7

…

김철수 라이더가 3시 반부터 배송을 시작한다고 했을 때, 예상시간은 다음과 같이 결정된다.

1. 현재 시각 3시 반, 강남구 물품이므로 김철수 강남구 3~4시 데이터 활용. 4km가 걸리므로 예상시간은 5*4 + 6 = 26분.

3시 56분 완료로 추정함.

2. 예상 배송 시작 시간이 3시 56분, 강남구 물품이므로 김철수 강남구 3~4시 데이터 활용. 2km가 걸리므로 예상시간은 5*2 + 6 = 16분

4시 12분 완료로 추정함.

3. 예상 배송 시작 시간이 4시 12분, 강남구 물품이므로 김철수 강남구 4~5시 데이터 활용. 3km가 걸리므로 7*3 + 5 = 26분

4시 38분 완료로 추정함.

4. 예상 배송 시작 시간이 4시 38분, 서초구 물품이므로 김철수 서초구 4~5시 데이터 활용. 0.5km가 걸리므로 4*0.5 + 7 = 9분

4시 47분 완료로 추정함.

5. 예상 배송 시작 시간이 4시 47분, 서초구 물품이므로 김철수 서초구 4~5시 데이터 활용. 1km가 걸리므로 4*1 + 7 = 11분 걸림.

4시 58분 완료로 추정함.

이 때 시간당 22mm의 비가 내리고 있고, 비에 대한 시그모이드 함수의 계수가 a = 0.5, b = 20이라면 각각의 단계에서

= 1.44만큼의 가중치가 곱해진다(이 경우 2번째 배송품은 4시가 넘어 시작될 것으로 예측되므로 예상시간을 구할 때 3~4시 데이터가 아니라 4~5시 데이터를 사용함.).

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.

Claims (8)

1. 배송 시간을 예측하기 위한 방법에 있어서, 상기 방법은,
   특정 물품과 관련된 배송 정보를 획득하는 단계,
   상기 배송 정보는 배송자가 배송하는 복수 개의 배송 물품들의 개수, 및 상기 복수 개의 배송 물품들의 배송 순서를 포함하고;
   상기 배송 정보에 포함된 상기 복수 개의 배송 물품들의 개수, 및 상기 복수 개의 배송 물품들의 상기 배송 순서에 따라 상기 복수 개의 배송 물품들을 정렬하는 단계; 및
   상기 배송 순서에 따라 정렬된 상기 복수 개의 배송 물품들 중 상기 특정 물품의 배송 시간을 계산하는 단계를 포함하되,
   상기 특정 물품의 배송 시간은 상기 특정 물품의 배송 전에 배송되는 적어도 하나의 물품들 각각의 제1 구간 배송 시간과 상기 적어도 하나의 물품 중 마지막에 배송되는 물품 이후 상기 특정 물품이 배송되는 제2 구간 배송 시간을 합친 값인 방법.
   
2. 제1 항에 있어서,
   상기 제1 구간 배송 시간 및 상기 제2 구간 배송 시간 각각은 거리에 기초한 제1 알고리즘을 이용한 거리 기반 배송 시간과 주변 환경 정보에 따른 제2 알고리즘을 이용한 가중치 시간을 합친 값인 방법.
   
3. 제2 항에 있어서,
   상기 제1 알고리즘은 현재 배송 물품의 제1 배송 위치와 상기 현재 배송 물품 이전에 배송되는 이전 배송 물품의 제2 배송 위치 간의 거리에 기반한 선형회귀분석에 기초하여 모델링 되는 방법.
   
4. 제3 항에 있어서,
   상기 제2 알고리즘은 각각의 배송 물품의 배송 위치의 환경 정보에 따른 배송 시간의 차이에 기반한 시그모이드 함수에 기초하여 모델링 되는 방법.
   
5. 제4 항에 있어서,
   상기 환경 정보는 강우량, 강설량, 풍량 및 교통량 중 적어도 하나를 포함하는 방법.
   
6. 제4 항에 있어서,
   상기 선형회귀 분석은 배송 거리에 따른 시간대별 소요시간 및 상기 배송 거리에 기초하여 모델링 되며,
   상기 선형회귀 분석에 기초하여 상기 배송 거리가 X 및 상기 시간대별 소요시간이 y인 경우, 아래의 수학식의 a 및 b의 값을 결정함.
   

   

   
   
7. 제6 항에 있어서,
   상기 주변 환경 정보에 기초한 값이 x인 경우, 상기 가중치 시간은 상기 a 및 상기 b에 기초한 아래의 수학식을 이용하는 방법.
   

   

   
   
8. 제1 항에 있어서,
   상기 배송 정보는 상기 배송자의 단말 또는 서버를 통해 획득되는 단말.
   

Images