KR20230081411A - 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 - Google Patents
혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 Download PDFInfo
- Publication number
- KR20230081411A KR20230081411A KR1020210169451A KR20210169451A KR20230081411A KR 20230081411 A KR20230081411 A KR 20230081411A KR 1020210169451 A KR1020210169451 A KR 1020210169451A KR 20210169451 A KR20210169451 A KR 20210169451A KR 20230081411 A KR20230081411 A KR 20230081411A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- computing device
- cargo
- platform
- route
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005057 refrigeration Methods 0.000 claims description 4
- 230000032258 transport Effects 0.000 description 110
- 238000010586 diagram Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 102100039856 Histone H1.1 Human genes 0.000 description 3
- 102100039855 Histone H1.2 Human genes 0.000 description 3
- 101001035402 Homo sapiens Histone H1.1 Proteins 0.000 description 3
- 101001035375 Homo sapiens Histone H1.2 Proteins 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 102100027368 Histone H1.3 Human genes 0.000 description 2
- 101001009450 Homo sapiens Histone H1.3 Proteins 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000015170 shellfish Nutrition 0.000 description 2
- 206010000234 Abortion spontaneous Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000019688 fish Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 208000015994 miscarriage Diseases 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000000995 spontaneous abortion Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
- G06Q10/04—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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- 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
- 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
- G06Q10/0833—Tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
실시예들은 플랫폼을 통해 운송 경로를 제공하는 방법에 있어서, 제1 컴퓨팅 장치로부터 화물 운송 요청을 수신하는 단계, 화물 운송 요청에 기초하여 제 2 컴퓨팅 장치로 화물 운송 요청을 전송하는 단계, 제 2 컴퓨팅 장치로부터 화물 운송 승낙 응답을 수신하는 단계 및 화물 운송 승낙 응답에 기초하여 차주 정보, 화주 정보, 화물 정보 및 도로 정보 중 적어도 어느 하나 이상을 통해 제 2 컴퓨팅 장치에 대한 적어도 하나 이상의 운송 경로를 생성하여 제 2 컴퓨팅 장치로 제공하는 단계, 적어도 하나 이상의 운송 경로 중 제 1 운송 경로를 선택하는 응답을 제 2 컴퓨팅 장치로부터 수신하는 단계 및 제 1 운송 경로의 네비게이션 정보를 제 2 컴퓨팅 장치로 제공하는 단계를 포함할 수 있다.
Description
실시예들은 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스를 제공하는 방법 및 장치에 대한 것이다.
보다 상세하게는, 화주의 운송경로를 고려하여 혼적 가능한 화물을 확인하고, 혼적 가능성 정보를 제공하여 화물 운송경로를 선택하는 사용자 인터페이스를 제공할 수 있다.
예전에는 물건을 사기 위해 물건을 파는 장소에 직접 방문하여 구매하는 방문 구매 형식이 주된 구매 형태였다. 다만, 최근에는 운송 수단의 발전 및 보관 기술의 향상으로 물건을 직접 구매하기 보다는 온라인으로 물건을 확인한 후 주문하는 거래가 증가하고 있다. 이에 따라, 택배를 통해 가정으로 전달되는 화물이 기하급수적으로 증가하였고, 이를 위해 화물 차량도 현재 증가하고 있는 추세이다.
다만, 화물 차량이 배송해야 하는 목적지는 서로 상이할 수 있고, 화물이 배송되는 시간을 고려하면 화물을 효율적으로 배송하는 방법이 필요할 수 있다. 일 예로, 현재는 각각의 지역별로 화물을 운집하는 창고를 마련하고, 1차적으로 화물을 각각의 지역별로 운송한 후에 지역 내에서 각각의 가정으로 배송하는 형태의 배송 방식이 사용되고 있다.
이때, 차량에는 다수의 화물들이 함께 포함되어 배송될 수 있다. 따라서, 차량이 동일한 하차지 또는 경로 상에 위치한 하차지에 하역할 수 있는 화물을 함께 싣고 이동하는 것이 효율적일 수 있으나, 이를 위해 효율적으로 차주와 화주를 매핑하는 방법은 미비한 실정이다. 따라서, 하기에서는 차주가 운행하는 차량의 혼적 가능성을 고려하여 운송경로를 선택하도록 하여 효율적인 화물 운송이 수행될 수 있도록 하는 방법에 대해 서술한다.
본 명세서는 화주와 차주를 연결하는 플랫폼을 제공할 수 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼에 기초하여 차주가 혼적을 통해 복수의 화물을 운송하는 방법을 제공할 수 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼을 통해 차주가 혼적 가능성에 기초하여 혼적 여부를 결정하도록 하는 사용자 인터페이스를 제공할 수 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼을 통해 차주가 혼적 가능성에 기초하여 운송경로를 선택하는 사용자 인터페이스를 제공할 수 있다.
본 명세서는 인공 지능(Artificial intelligence, AI)을 화주와 차주를 연결하는 플랫폼에 적용하는 방법을 제공할 수 있다.
본 명세서의 해결하고자 하는 과제는 상술한 바에 한정되지 아니하고, 하기에서 설명하는 발명의 실시예들에 의해 도출될 수 있는 다양한 사항들로 확장될 수 있다.
본 명세서의 일 실시예에 따라, 컴퓨팅 장치에 의해 실행되는 플랫폼을 통해 운송 경로를 제공하는 방법에 있어서, 제1 컴퓨팅 장치로부터 화물 운송 요청을 수신하는 단계, 화물 운송 요청에 기초하여 제 2 컴퓨팅 장치로 화물 운송 요청을 전송하는 단계, 제 2 컴퓨팅 장치로부터 화물 운송 승낙 응답을 수신하는 단계 및 화물 운송 승낙 응답에 기초하여 차주 정보, 화주 정보, 화물 정보 및 도로 정보 중 적어도 어느 하나 이상을 통해 제 2 컴퓨팅 장치에 대한 적어도 하나 이상의 운송 경로를 생성하여 제 2 컴퓨팅 장치로 제공하는 단계, 적어도 하나 이상의 운송 경로 중 제 1 운송 경로를 선택하는 응답을 제 2 컴퓨팅 장치로부터 수신하는 단계 및 제 1 운송 경로의 네비게이션 정보를 제 2 컴퓨팅 장치로 제공하는 단계를 포함할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 제 2 컴퓨팅 장치가 제 1 운송 경로를 선택한 경우, 제 2 컴퓨팅 장치로부터 운행 중 혼적 가능 여부 정보를 수신하고, 제 2 컴퓨팅 장치로부터 운행 중 혼적 가능 허여에 대한 정보를 수신하는 경우, 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 확인하고, 제 2 컴퓨팅 장치의 혼적 가능 구역별로 혼적 발생도 정보, 지연시간 정보 및 에너지 소모 정보를 확인하고, 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보 및 각각의 혼적 가능 구역에 대한 혼적 발생도 정보, 지연시간 정보 및 에너지 소모 정보를 제 2 컴퓨팅 장치로 제공하고, 제 2 컴퓨팅 장치에 의해 선택된 혼적 가능 구역 정보를 수신하고, 제 2 컴퓨팅 장치에 의해 선택된 혼적 가능 구역 정보에 기초하여 제 1 운송 경로를 제 2 운송 경로로 변경하고, 제 2 운송 경로에 대한 네비게이션 정보를 제 2 컴퓨팅 장치로 제공할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 제 2 컴퓨팅 장치에 기초하여 혼적 가능 구역 정보로써 제 1 혼적 가능 구역이 설정되되, 제 1 혼적 가능 구역은 화물 종류에 기초하여 다층화된 복수 개의 영역으로 구별되고, 제 2 컴퓨팅 장치는 다층화된 복수 개의 영역 중 어느 하나의 영역을 선택하고, 선택된 영역에 기초하여 제 1 운송 경로가 변경될 수 있다.
또한, 본 명세서의 일 실시예에 따라, 다층화된 복수 개의 구역 중 제 1 영역이 선택된 경우, 제 1 운송 경로는 제 3 운송 경로로 변경되고, 다층화된 복수 개의 구역 중 제 2 영역이 선택된 경우, 제 1 운송 경로는 제 4 운송 경로로 변경되되, 제 3 운송 경로와 제 4 운송 경로는 상이한 경로일 수 있다.
또한, 본 명세서의 일 실시예에 따라, 플랫폼은 제 2 컴퓨팅 장치의 제 1 운송 경로에 기초하여 인공지능 시스템을 통해 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 확인하되, 플랫폼은 화물 종류 정보, 목적지 정보, 화물 도착 요구 시간 정보, 화물 운송 거리 정보, 새로운 경로의 교통 체증 정보, 새로운 경로의 추가 지연 시간 정보, 우선 순위 정보 및 차주 정보 중 적어도 어느 하나를 인공지능 시스템의 입력 정보로 제공하고, 입력 정보에 기초하여 인공지능 시스템을 통해 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 출력 정보로 제공할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 제1 컴퓨팅 장치는 화물 운송을 요청하는 유저의 컴퓨팅 장치이고, 제2 컴퓨팅 장치는 화물 운반을 수행하는 차량을 소유한 유저의 컴퓨팅 장치일 수 있다.
또한, 본 명세서의 일 실시예에 따라, 차주 정보 차주 경력 정보, 나이 정보, 성별 정보, 보유 차량 종류 정보, 차량 수 정보, 차량별 운전경력 정보, 화물별 운송경력 정보, 가입한 보험 종류 정보, 평가의견 정보, 업무시간 정보, 주요활동영역 정보 및 혼적 허용 여부에 대한 정보 중 적어도 어느 하나 이상을 포함하고, 화주 정보는 주요취급 화물의 종류 정보, 나이 정보, 성별 정보, 주요 취급 출발지 정보, 도착지 정보 및 혼적 허용 여부 정보 중 적어도 어느 하나 이상을 포함할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 화물 정보는 화물의 무게 정보, 화물 종류 정보, 부패 가능성 정보, 냉동 필요 여부 정보 및 혼적 정보 중 적어도 어느 하나 이상을 포함하되, 혼적 정보는 화물 종류 정보에 기초하여 혼적 불가 여부를 지시하는 정보일 수 있다.
또한, 본 명세서의 일 실시예에 따라, 제 2 컴퓨팅 장치에 대한 적어도 하나 이상의 운송 경로는 최단 경로 정보, 최소 시간 경로 정보 및 최소 에너지 경로 정보 중 적어도 어느 하나를 포함할 수 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼을 통해 서비스를 제공하는 효과가 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼에 기초하여 차주가 혼적을 통해 복수의 화물을 운송하도록 하는 효과가 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼을 통해 차주가 혼적 가능성에 기초하여 혼적 여부를 결정하도록 하는 사용자 인터페이스를 제공하는 효과가 있다.
본 명세서는 화주와 차주를 연결하는 플랫폼을 통해 차주가 혼적 가능성에 기초하여 운송경로를 선택하는 사용자 인터페이스를 제공하는 효과가 있다.
본 명세서는 인공 지능(Artificial intelligence, AI)을 화주와 차주를 연결하는 플랫폼에 적용하는 효과가 있다.
본 명세서의 효과는 위 기재된 사항에 한정되지 아니하며, 아래 발명의 실시예들에 대한 상세한 설명으로부터 도출될 수 있는 다양한 내용들로 확장될 수 있음이 이해되어야 한다.
도 1은 본 명세서의 일실시예에 따른 시스템의 동작 환경의 예를 도시한 도면이다.
도 2는 본 명세서의 일실시예에 있어서 컴퓨팅 장치(200)의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 명세서의 일실시예에 있어서 컴퓨팅 장치가 운송 거리를 결정하는 방법을 나타낸 도면이다.
도 4은 본 명세서의 일실시예에 있어서 컴퓨팅 장치가 운송 거리를 결정하는 방법을 나타낸 도면이다.
도 5은 본 명세서의 일실시예에 있어서 화주와 차주를 연결하는 플랫폼을 나타낸 도면이다.
도 6은 본 명세서의 일실시예에 있어서 딥 러닝을 화주와 차주를 매칭하는 플랫폼에 적용하는 방법을 나타낸 도면이다.
도 7은 본 명세서의 일 실시예에 있어서 하역장을 나타낸 도면이다.
도 8은 본 명세서의 일 실시예에 있어서 플랫폼을 통해 화주의 화물과 차주를 연결하는 방법을 나타낸 도면이다.
도 9a는 본 명세서의 일 실시예에 있어서 플랫폼을 통해 차주에게 화물 정보를 제공하는 방법을 나타낸 도면이다.
도 9b는 본 명세서의 일 실시예에 있어서 플랫폼을 통해 차주에게 화물 정보를 제공하고, 운송경로를 제공하는 방법을 나타낸 도면이다.
도 9c는 본 명세서의 일 실시예에 있어서 플랫폼을 통해 차주에게 화물 정보를 제공하고, 운송경로를 선택하는 방법을 나타낸 도면이다.
도 10a는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 10b는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 10c는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 10d는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 11은 본 명세서의 일 실시예에 있어서 인공지능에 기초하여 혼적 가능한 화물 및 혼적 지점을 결정하는 방법을 나타낸 도면이다.
도 12는 본 명세서의 일 실시예에 있어서 인공지능에 기초하여 운송을 수행하는 차주를 선택하는 방법을 나타낸 도면이다.
도 13은 명세서의 일 실시예에 있어서 혼적 가능 지점에 기초하여 운송 경로를 설정하는 방법을 나타낸 도면이다.
도 14는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로를 변경하는 방법을 나타낸 순서도이다.
도 2는 본 명세서의 일실시예에 있어서 컴퓨팅 장치(200)의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 명세서의 일실시예에 있어서 컴퓨팅 장치가 운송 거리를 결정하는 방법을 나타낸 도면이다.
도 4은 본 명세서의 일실시예에 있어서 컴퓨팅 장치가 운송 거리를 결정하는 방법을 나타낸 도면이다.
도 5은 본 명세서의 일실시예에 있어서 화주와 차주를 연결하는 플랫폼을 나타낸 도면이다.
도 6은 본 명세서의 일실시예에 있어서 딥 러닝을 화주와 차주를 매칭하는 플랫폼에 적용하는 방법을 나타낸 도면이다.
도 7은 본 명세서의 일 실시예에 있어서 하역장을 나타낸 도면이다.
도 8은 본 명세서의 일 실시예에 있어서 플랫폼을 통해 화주의 화물과 차주를 연결하는 방법을 나타낸 도면이다.
도 9a는 본 명세서의 일 실시예에 있어서 플랫폼을 통해 차주에게 화물 정보를 제공하는 방법을 나타낸 도면이다.
도 9b는 본 명세서의 일 실시예에 있어서 플랫폼을 통해 차주에게 화물 정보를 제공하고, 운송경로를 제공하는 방법을 나타낸 도면이다.
도 9c는 본 명세서의 일 실시예에 있어서 플랫폼을 통해 차주에게 화물 정보를 제공하고, 운송경로를 선택하는 방법을 나타낸 도면이다.
도 10a는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 10b는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 10c는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 10d는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로 변경을 수행하는 방법을 나타낸 도면이다.
도 11은 본 명세서의 일 실시예에 있어서 인공지능에 기초하여 혼적 가능한 화물 및 혼적 지점을 결정하는 방법을 나타낸 도면이다.
도 12는 본 명세서의 일 실시예에 있어서 인공지능에 기초하여 운송을 수행하는 차주를 선택하는 방법을 나타낸 도면이다.
도 13은 명세서의 일 실시예에 있어서 혼적 가능 지점에 기초하여 운송 경로를 설정하는 방법을 나타낸 도면이다.
도 14는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로를 변경하는 방법을 나타낸 순서도이다.
본 명세서의 실시예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 명세서의 실시예의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 명세서의 실시예에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서의 실시예에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서의 실시예에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 명세서의 실시예의 범위 내에서 실시예에서의 제1 구성요소는 다른 실시예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.
본 명세서의 실시예에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시예도 본 명세서의 실시예의 범위에 포함된다.
본 명세서에서 네트워크는 유무선 네트워크를 모두 포함하는 개념일 수 있다. 이때, 네트워크는 디바이스와 시스템 및 디바이스 상호 간의 데이터 교환이 수행될 수 있는 통신망을 의미할 수 있으며, 특정 네트워크로 한정되는 것은 아니다.
본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 "부(unit)", "장치" 또는 "시스템" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 본 명세서에서 부, 모듈, 장치 또는 시스템 등은 실행중인 프로세스, 프로세서, 객체(object), 실행 파일(executable), 실행 스레드(thread of execution), 프로그램(program), 및/또는 컴퓨터(computer)일 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 컴퓨터에서 실행중인 애플리케이션(application) 및 컴퓨터의 양쪽이 모두 본 명세서의 부, 모듈, 장치 또는 시스템 등에 해당할 수 있다.
또한, 본 명세서에서 디바이스는 스마트폰, 태블릿 PC, 웨어러블 디바이스 및 HMD(Head Mounted Display)와 같이 모바일 디바이스뿐만 아니라, PC나 디스플레이 기능을 구비한 가전처럼 고정된 디바이스일 수 있다. 또한, 일 예로, 디바이스는 차량 내 클러스터 또는 IoT (Internet of Things) 디바이스일 수 있다. 즉, 본 명세서에서 디바이스는 어플리케이션 동작이 가능한 기기들을 지칭할 수 있으며, 특정 타입으로 한정되지 않는다. 하기에서는 설명의 편의를 위해 어플리케이션이 동작하는 기기를 디바이스로 지칭한다.
본 명세서에 있어서 네트워크의 통신 방식은 제한되지 않으며, 각 구성요소간 연결이 동일한 네트워크 방식으로 연결되지 않을 수도 있다. 네트워크는, 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크는, 객체와 객체가 네트워킹 할 수 있는 모든 통신 방법을 포함할 수 있으며, 유선 통신, 무선 통신, 3G, 4G, 5G, 혹은 그 이외의 방법으로 제한되지 않는다. 예를 들어, 유선 및/또는 네트워크는 LAN(Local Area Network), MAN(Metropolitan Area Network), GSM(Global System for Mobile Network), EDGE(Enhanced Data GSM Environment), HSDPA(High Speed Downlink Packet Access), W-CDMA(Wideband Code Division Multiple Access), CDMA(Code Division Multiple Access), TDMA(Time Division Multiple Access), 블루투스(Bluetooth), 지그비(Zigbee), 와이-파이(Wi-Fi), VoIP(Voice over Internet Protocol), LTE Advanced, IEEE802.16m, WirelessMAN-Advanced, HSPA+, 3GPP Long Term Evolution (LTE), Mobile WiMAX (IEEE 802.16e), UMB (formerly EV-DO Rev. C), Flash-OFDM, iBurst and MBWA (IEEE 802.20) systems, HIPERMAN, Beam-Division Multiple Access (BDMA), Wi-MAX(World Interoperability for Microwave Access) 및 초음파 활용 통신으로 이루어진 군으로부터 선택되는 하나 이상의 통신 방법에 의한 통신 네트워크를 지칭할 수 있으나, 이에 한정되는 것은 아니다.
다양한 실시예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 실시예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시예도 본 명세서의 실시예의 범위에 포함된다. 또한, 다양한 실시예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시예도 본 명세서의 실시예의 범위에 포함된다.
이하에서, 도면을 참조하여 본 명세서의 실시예들에 대하여 상세히 살펴본다.
도 1은 본 명세서의 일실시예에 따른 시스템의 동작 환경의 예를 도시한 도면이다. 도 1을 참조하면, 하나 이상의 사용자 디바이스(110-1, 110-2), 하나 이상의 서버(120, 130, 140)가 네트워크(1)를 통해 연결되어 있다. 이러한 도 1은 발명의 설명을 위한 일례로 사용자 디바이스의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
하나 이상의 사용자 디바이스(110-1, 110-2)는 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 하나 이상의 사용자 디바이스(110-1, 110-2)는 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 실시예들에서 사용자 디바이스(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(1)를 통해 다른 서버들(120 - 140)과 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.
각 서버는 하나 이상의 사용자 디바이스(110-1, 110-2)와 네트워크(1)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버는 네트워크(1)를 통해 접속한 하나 이상의 사용자 디바이스(110-1, 110-2)로 각각의 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버는 하나 이상의 사용자 디바이스(110-1, 110-2)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 정보 제공 등)를 하나 이상의 사용자 디바이스(110-1, 110-2)로 제공할 수 있다. 다른 예로, 서버는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 하나 이상의 사용자 디바이스(110-1, 110-2)로 배포하고 사용자 입력 정보를 수신해 대응하는 서비스를 제공할 수 있다.
도 2는 본 명세서의 일실시예에 있어서 컴퓨팅 장치(200)의 내부 구성을 설명하기 위한 블록도이다. 이러한 컴퓨팅 장치(200)는 도 1을 참조하여 상술한 하나 이상의 사용자 디바이스(110-1, 110-2) 또는 서버(120-140)에 적용될 수 있으며, 각 장치와 서버들은 일부 구성요소를 더 하거나 제외하여 구성됨으로써 동일하거나 유사한 내부 구성을 가질 수 있다.
도 2를 참조하면 컴퓨팅 장치(200)는 메모리(210), 프로세서(220), 통신 모듈(230) 그리고 송수신부(240)를 포함할 수 있다. 메모리(210)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 상술한 장치나 서버에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 사용자 디바이스(110) 등에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 사용자 디바이스(110) 등에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다.
다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(230)을 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버)이 네트워크(1)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 모듈(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(230)은 네트워크(1)를 통해 사용자 기기(110)와 서버(120 -140)가 서로 통신하기 위한 기능을 제공할 수 있으며, 장치(110) 및/또는 서버(120 - 140) 각각이 다른 전자 기기와 통신하기 위한 기능을 제공할 수 있다.
송수신부(240)는 외부 입력/출력장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 외부 입력장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 외부 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다.
다른 예로 송수신부(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다.
또한, 다른 실시예들에서 컴퓨팅 장치(200)는 적용되는 장치의 성질에 따라서 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 예를 들어, 컴퓨팅 장치(200)가 사용자 디바이스(110)에 적용되는 경우 상술한 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 사용자 디바이스가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 더 포함되도록 구현될 수 있다.
하기에서 본 명세서에 대한 동작은 컴퓨팅 장치를 기준으로 서술한다. 이때, 일 예로, 컴퓨팅 장치는 상술한 서버 및 디바이스 중 적어도 어느 하나 이상일 수 있다. 즉, 하기 컴퓨터 장치의 동작은 서버나 디바이스에서 수행될 수 있으며, 특정 장치에 의해 제한되는 것은 아니다. 다만, 하기에서는 설명의 편의를 위해 컴퓨팅 장치를 기준으로 서술한다.
도 3은 본 명세서의 일실시예에 있어서 컴퓨팅 장치가 운송 거리를 결정하는 방법을 나타낸 도면이다.
도 3을 참조하면, 화물주인(이하, 화주)과 차량 주인(이하, 차주)을 연결하는 플랫폼을 제공할 수 있다. 일 예로, 플랫폼은 상술한 도 1에 기초하여 네트워크(1)를 통해 제공될 수 있다. 일 예로, 플랫폼은 컴퓨팅 장치에 기초하여 제공될 수 있다. 이때, 일 예로, 플랫폼을 제공하는 컴퓨팅 장치는 상술한 도 1의 서버(120-140)로 구현되는 컴퓨팅 장치일 수 있다. 또한, 일 예로, 화주와 차주도 컴퓨팅 장치에 기초하여 플랫폼에 접근할 수 있다. 구체적인 일 예로, 화주와 차주의 컴퓨팅 장치는 네트워크(1)에 기초하여 플랫폼에 접근할 수 있으며, 접근된 플랫폼을 통해 운송 서비스를 제공받을 수 있다. 즉, 화주와 차주에 대한 컴퓨팅 장치는 단말일 수 있으며, 도 1에서 개시한 상술한 장치 중 어느 하나일 수 있다.
구체적인 일 예로, 도 3을 참조하면, 화주의 컴퓨팅 장치는 플랫폼을 통해 자신의 화물을 등록하고, 운송 가격을 요청할 수 있다.(S310) 이때, 화주의 컴퓨팅 장치는 화물의 종류 정보, 목적지(경로) 정보, 운송 시간 관련 정보 및 그 밖의 화물 관련 정보 중 적어도 어느 하나 이상에 대한 정보를 플랫폼으로 제공할 수 있다. 이때, 일 예로, 화물의 종류 정보에 기초하여 화물이 깨지기 쉽거나 상하기 쉬운 경우로서 취급의 주의가 요하는 물건에 대해서는 운송 가격이 높게 측정될 수 있다. 또한, 일 예로, 목적지가 화주의 위치로부터 멀수록 운송 가격이 높게 측정될 수 있다. 또 다른 일 예로, 긴급 배송처럼 운송 시간이 짧은 경우에는 운송 가격이 높게 측정될 수 있다. 즉, 화물의 운송 가격은 다양한 정보에 기초하여 결정될 수 있다. 이때, 화물 관련 각각의 정보들은 수치화 될 수 있다.
일 예로, 플랫폼을 통해 운송 서비스를 제공하는 경우, 모든 정보를 정성적으로 판단하여 운송 가격을 측정하는 것은 한계가 있다. 따라서, 플랫폼은 화물에 대한 정보에 기초하여 각각의 정보를 수치화 할 수 있다. 또한, 수치화 된 각각의 정보에 대해서는 가중치를 부과할 수 있다. 일 예로, 운송 가격에 영향을 많이 미치는 정보에 대해서는 가중치가 높게 부과될 수 있다. 반면, 운송 가격에 영향을 적게 미치는 정보에 대해서는 가중치가 작게 부과될 수 있다. 상술한 정보에 기초하여 플랫폼은 운송 가격을 수치화하여 산정할 수 있다.
이때, 일 예로, 화주의 컴퓨팅 장치는 상술한 정보에 기초하여 화물을 플랫폼에 등록할 수 있다. 일 예로, 플랫폼은 상술한 정보에 기초하여 유사 화물에 대한 기록을 확인할 수 있다.(S320) 이때, 플랫폼은 유사 화물과 등록 화물에 대한 유사도를 판단할 수 있다.(S330) 일 예로, 화주 및 화물이 모두 동일하게 목적지만 다른 경우, 유사도는 높은 것으로 판단될 수 있다. 일 예로, 상술한 바와 같이 화물 관련 정보는 수치화 될 수 있으며, 수치화 된 화물 관련 정보를 기준으로 기존 화물과의 유사도가 판단될 수 있다. 일 예로, 가중치 및 수치화 정보를 고려하여 유사한 값을 가진 화물은 유사한 가격으로 산정될 수 있다. 이때, 일 예로, 컴퓨팅 장치에 기초하여 동작하는 플랫폼은 유사도 함수에 기초하여 화물의 유사 여부를 판단할 수 있다.
일 예로, 유사도는 유클리디안 거리(Euclidean Distance)로서 하기 수학식 1에 기초하여 결정될 수 있다. 즉, 화물에 대한 각각의 정보는 하기 수학식 1처럼 파라미터화될 수 있으며, 각각의 값을 비교하여 유사도를 측정할 수 있다. 이때, 유사도를 %로 표현할 수 있으며, 90%이상 유사도가 존재하는 경우에 유사도가 존재하는 것으로 볼 수 있다.
[수학식 1]
일 예로, 컴퓨팅 장치에 기초하여 동작하는 플랫폼은 유사도가 90%이상인 경우, 화주의 컴퓨팅 장치로 운송 가격을 자동으로 제안할 수 있다.(S340) 그 후, 화주의 컴퓨팅 장치는 가격을 확정할지 여부를 결정할 수 있다.(S350) 또한, 일 예로, 플랫폼은 유사 화물 기록을 확인할 수 없는 경우, 적정 가격표를 화물 정보와 대조할 수 있다.(S360) 이때, 적정 가격표 대조 방법에 대해서는 도 4에서 후술한다. 또 다른 일 예로, 플랫폼은 화물 정보와 유사도가 90%미만인 경우, 2개 이상의 유사 화물 기록을 비교할 수 있다.(S370) 이때, 2개 이상의 유사 화물 기록에 기초하여 유사도 정보가 90% 이상으로 확보된 경우, 플랫폼은 운송 가격을 자동으로 제안할 수 있으며(S340), 이는 상술한 바와 같다. 반면, 2개 이상의 유사 화물 기록에 의해서도 유사도 정보가 90% 이상이 되지 않는 경우, 플랫폼은 적정 가격표를 대조할 수 있으며(S360), 이에 대해서는 도 4에서 후술한다.
도 4은 본 명세서의 일실시예에 있어서 컴퓨팅 장치가 운송 거리를 결정하는 방법을 나타낸 도면이다. 도 4를 참조하면, 상술한 바와 같이, 적정 가격표가 대조되는 경우, 플랫폼은 가격 적정도를 평가할 수 있다. 이때, 일 예로, 가격 적정도 평가는 플랫폼에 저장된 빅데이터에 기초하여 수행될 수 있다. 일 예로, 플랫폼에는 인공지능에 기초하여 딥러닝 기법이 적용될 수 있으며, 이를 통해 가격 적정도 평가가 수행될 수 있다. 즉, 플랫폼은 빅데이터를 통해 획득한 정보를 바탕으로 적정 가격을 측정하기 위한 시도를 수행할 수 있다. 이때, 플랫폼이 가격 적정도 평가를 성공한 경우, 플랫폼은 대안 적정 가격을 책정하여 제공할 수 있다.(S420) 반면, 플랫폼이 가격 적정도 평가를 수행하지 못한 경우, 플랫폼은 운송사 간 내부입찰을 진행할 수 있다.(S430) 그 후, 플랫폼은 운송사 간 내부입찰 정보에 기초하여 대안 경쟁 가격을 책정하고, 이에 대한 정보를 화주의 컴퓨팅 장치로 제공할 수 있다.(S440) 그후, 플랫폼은 측정된 가격에 대응되는 차주에 대한 정보를 화주에게 제공할 수 있다. 일 예로, 차주는 플랫폼을 통해 화주에 대한 정보, 화물 관련 정보 및 측정 가격 정보를 획득할 수 있다. 이때, 차주는 상술한 정보에 기초하여 화주의 요청에 응답할지 여부를 결정할 수 있다. 이때, 차주가 화주 요청에 응답하는 경우, 차주의 컴퓨팅 장치를 플랫폼을 통해 화주에게 응답을 제공할 수 있다.
상술한 바를 통해, 화주와 차주는 플랫폼을 통해 상호 연결될 수 있다.
다만, 일 예로, 플랫폼이 화주와 차주를 연결함에 있어서 다양한 정보 및 다양한 기법들이 사용될 수 있다. 일 예로, 플랫폼은 현재 이동 중인 또는 이동 예정인 화물의 정보를 활용할 수 있다. 즉, 플랫폼은 실시간을 기반으로 현재 이동중인 차주에 대한 화물 정보 및 기 설정된 시간 이내에 이동 예정인 차주에 대한 화물 정보를 이용할 수 있다. 일 예로, 기 설정된 시간은 플랫폼에서 설정되는 시간일 수 있다.
일 예로, 기 설정된 시간은 1시간, 오전 출발 예정, 오후 출발 예정 정보, 야간 출발 예정 및 새벽 출발 예정 중 적어도 어느 하나로 설정될 수 있다. 다만, 기 설정된 시간은 다르게 설정되는 것도 가능하며, 화주 요청에 따라 설정되는 것도 가능할 수 있으며, 이에 대해서는 후술한다.
이때, 일 예로, 운송 가격은 현재 이동중인 화물 및 이동 예정인 화물 정보에 기초하여 결정될 수 있다. 일 예로, 운송 가격을 결정함에 있어서, 현재 이동중인 화물마다 원 이동경로, 해당 화물을 싣는 경우 변경되는 이동경로 및 현재 싣고 있는 화물의 종류들이 다양성을 고려할 수 있다. 이때, 일 예로, 화주는 상술한 정보에 기초하여 가장 적정의 가격이 산정된 차량을 선정할 수 있다.
구체적인 일 예로, A, B 및 C의 화물을 포함하고 있고, 서로 다른 위치에 화물을 하차해야 하는 화물차 X를 고려할 수 있다. 이때, 화물차 X가 이동 중에 D 화물의 화주가 위치하는 L 장소로 이동하여 화물 D를 운송하는 경우를 고려할 수 있다. 이때, 화물 D에 대해서 화물차 X를 이용하는 경우에 운송 가격 산출시 A, B 및 C의 하역장소, 무게 및 종류 등을 고려할 수 있다. 이때, 가격 산출 시점에 따라서 X의 위치는 변하고 실린 화물의 양도 변하기 때문에 가격이 유동적일 수 있다.
상술한 점을 고려하여, 플랫폼은 다양한 정보를 이용하여 운송 가격을 산정할 수 있다. 이때, 다양한 정보는 차종, 화물의 종류, 차량에 실린 화물의 종류와 순서, 하역장의 현재 가용 능력(인원), 목적지(거리), 운송시간, 운송경로 중 적어도 어느 하나 이상을 고려하여 결정될 수 있다. 또 다른 일 예로, 플랫폼은 하역 난이도를 산정하고, 하역 난이도를 반영해서 운송비를 산정할 수 있다. 또한, 일 예로, 플랫폼은 화물의 크기, 무게, 냄새, 식품여부 및 부패가능성 중 적어도 어느 하나 이상을 더 이용할 수 있으며, 상술한 실시예로 한정되지 않는다. 또 다른 일 예로, 플랫폼은 운송비를 산정한 후에도 추가 하역이 중간에 수행되는 경우, 해당 운송비를 동적으로 수정할 수 있다. 일 예로, 하역 대상 화물이 화물칸의 내측에(초기에 실린 경우) 실린 경우를 고려할 수 있다. 이때, 해당 화물에 대해서는 다른 화물들이 추가되는지 여부에 기초하여 비용이 다르게 결정될 수 있다.
구체적인 일 예로, A-B-C 순서로 화물이 실린 경우를 고려할 수 있다. 이때, A화물이 먼저 하차해야 하는 경우에는 B 및 C 화물에 대한 이동 후에 A 화물을 하차해야 하기 때문에 A 하차에 대한 난이도가 증가할 수 있다. 따라서, 상술한 점을 고려하면 A 화물에 운송비가 올라갈 수 있다. 반면, A화물이 우선적으로 하차 되지 않아도 되는 상황에서는 A의 운송 가격은 변동되지 않을 수 있다.
즉, 상술한 바처럼, 화물 운송 가격을 산정함에 있어서는 다양한 정보들이 활용될 수 있다. 이때, 일 예로, 플랫폼에는 "스마트 적정 가격 책정 알고리즘"이 빅데이터 수집 및 가공에 기초하여 화물 데이터를 분석하고, 이에 기초하여 적정 운송 가격을 추천할 수 있으며, 구체적인 방법에 대해서는 하기에서 후술한다.
일 예로, 플랫폼은 상술한 바와 같이, 적정 가격을 산출하기 위한 알고리즘을 위해 입력 정보를 수집할 수 있다. 일 예로, 입력 정보는 트럭의 종류, 화물의 특성(종류, 크기, 무게, 냄새 여부 등) 및 화물 운송 거리 중 적어도 어느 하나 이상을 포함할 수 있다. 또한, 그 밖에도 화물 하차를 위한 정보, 차주의 이동 경로 정보, 차주의 주유, 정비 및 보험과 같은 차량 정보 및 다른 정보들이 더 이용될 수 있으며, 상술한 실시예로 한정되지 않는다. 이 때, 일 예로, 상술한 스마트 적정 가격 책정 알고리즘을 위해서는 충분한 비교군 데이터를 확보해야 할 필요성이 있으며, 플랫폼은 이에 대한 정보를 획득할 수 있다. 또한, 일 예로, 플랫폼은 서비스를 제공하면서 출력 정보를 비교군 데이터 정보로 저장하고 활용할 수 있으며, 적정 가격표는 실시간으로 업데이트될 수 있으며, 구체적인 방법에 대해서는 후술한다.
도 5은 본 명세서의 일실시예에 있어서 화주와 차주를 연결하는 플랫폼을 나타낸 도면이다.
도 5는 상술한 바처럼 화주의 컴퓨팅 장치는 화물 정보, 목적지 정보 및 그 밖의 정보 중 적어도 어느 하나 이상을 포함하는 정보와 함께 차주를 플랫폼으로 요청할 수 있다. 이때, 플랫폼은 등록된 차주들로부터 차량 정보, 비용 정보 및 시간 정보 중 적어도 어느 하나에 기초하여 화물 운송이 가능한 차주 후보군을 선택하고, 운송 가격을 각각의 차주별로 산정할 수 있다.
이때, 일 예로, 적정 가격은 상술한 바와 같이 플랫폼에 의해 결정될 수 있으며, 플랫폼은 적정 가격에 대한 정보를 화주와 차주에게 제공할 수 있다. 이때, 화주 및 차주 모두 적정 가격에 대해 승인 여부에 대한 정보를 플랫폼으로 제공할 수 있다. 즉, 플랫폼이 빅데이터 및 다양한 정보에 기초하여 적정 가격을 전송하는 경우, 화주 및 차주는 최종 확인을 통해 운송 가격 승인 여부를 결정할 수 있으며, 상술한 실시예로 한정되지 않는다.
도 6은 본 명세서의 일실시예에 있어서 딥 러닝을 화주와 차주를 매칭하는 플랫폼에 적용하는 방법을 나타낸 도면이다.
도 6을 참조하면, 딥 러닝은 학습 모델에 기초하여 심층 신경망(Deep Neural Network)을 학습함을 의미할 수 있다.
일 예로, 심층 신경망은 입력 레이어(Input layer), 다중의 히든 레이어(Hidden layer) 및 출력 레이어(Output layer)를 포함할 수 있다. 이 때, 일 예로, 심층 신경망의 다중의 히든 레이어(Hidden layer)는 인공신경망(Artificial Neural Network)을 의미할 수 있다. 이때, 히든 레이어는 입력 정보에 기초하여 학습된 정보에 기초하여 출력 레이어로 출력 정보를 제공할 수 있다. 또한, 히든 레이어는 입력 레이어 및 출력 레이어와 관련된 다수의 정보들을 저장하고 있고, 이에 대한 정보에 기초하여 정합의 데이터가 산출되도록 할 수 있다.
또한, 입력 레이어의 정보 및 출력 레이어의 정보를 저장하고, 이를 학습을 위한 데이터로 활용하여 지속적으로 학습되도록 할 수 있다. 이때, 일 예로, 상술한 바와 같이, 플랫폼은 빅데이터를 화주와 차주의 이용 정보로부터 획득할 수 있다. 즉, 화주와 차주의 이용정보는 주기적으로 업데이트될 수 있으며, 이에 대한 정보에 기초하여 지속적인 학습이 수행될 수 있다.
구체적인 일 예로, 딥 러닝의 학습 방식은 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)을 포함할 수 있다. 이때, 일 예로, 지도 학습은 입력에 대한 정해진 출력에 기초하여 학습되는 모델일 수 있다. 또한, 비지도 학습은 정해진 출력이 아닌 다양한 패턴 정보에 기초하여 입력 레이어에 정합하는 출력 레이어를 결정하는 방법일 수 있다.
일 예로, 본 발명에서는 지도 학습 및 비지도 학습 중 적어도 어느 하나에 기초하여 학습 모델이 구성되고, 이에 기초하여 매칭이 수행될 수 있다.
또한, 일 예로, 도 6을 참조하면, 입력 정보는 화물 종류, 목적지, 화물 도착 요구 시간, 화물 운송 거리 및 그 밖의 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 또한, 일 예로, 플랫폼을 통해 획득되는 빅데이터 정보는 상술한 입력 정보일 수 있으며, 상술한 실시예로 한정되지 않는다. 이때, 일 예로, 히든 레이어에서는 화물 종류, 목적지, 화물 도착 요구 시간, 화물 운송 거리, 새로운 경로에 대한 교통 체증, 새로운 경로 추가시 지연 시간, 우선 순위, 차주 정보, 차주의 차량 정보 및 그 밖의 관련 정보들 중 적어도 어느 하나 이상이 파라미터화될 수 있다.
이때, 플랫폼은 입력 정보 및 히든 레이어 정보를 이용하여 출력 정보로서 차주 후보군, 각각의 차주에 대한 운송 가격 및 운송 예상 시간 정보 중 적어도 어느 하나 이상을 획득할 수 있다. 또한, 플랫폼은 그 밖에도 화물 운송에 필요한 출력 정보를 획득할 수 있으며, 상술한 실시예로 한정되지 않는다. 예컨대, 플랫폼은 상술한 출력 정보에 대해서 화주 및 차주로부터 승인을 받은 후 상호 간의 정보를 제공할 수 있다. 이때, 화주 및 차주의 컴퓨팅 장치는 플랫폼을 통해 상호 연결될 수 있으며, 상술한 실시예로 한정되지 않는다.
도 7은 본 명세서의 일 실시예에 있어서 하역장 상태를 나타낸 도면이다. 상술한 바와 같이, 화주와 차주는 플랫폼에 기초하여 상호 간의 매칭이 수행되고, 화물에 대한 운송 서비스를 제공할 수 있다. 또한, 플랫폼은 하역장의 상태 정보를 고려할 수 있다. 화물을 운송하는 차량에는 다수의 화물이 포함되어 있으며, 운송을 위한 이동시간뿐만 아니라 화물의 하역 과정에서 많은 시간이 소모될 수 있다. 일 예로, 상술한 바와 같이, 차주는 화물의 목적지를 고려하여 다수의 지점으로 화물을 운반할 수 있는 바, 다수의 지점 각각에서 하역 시간은 화물 운송 서비스에 영향을 미칠 수 있다.
상술한 점을 고려하여, 플랫폼은 하역장의 상태 정보를 더 고려할 수 있다. 도 7을 참조하면, 하역장은 하역을 위한 게이트가 존재할 수 있고, 각각의 차량이 화물을 하역할 수 있도록 설계되어 있다. 이때, 하역장의 하역 능력은 지점마다 다를 수 있다. 또한, 일 예로, 하역장의 하역 능력은 차종, 화물의 종류, 차량에 실린 화물의 종류와 순서 및 하역장의 현재 가용 능력(인원) 중 적어도 어느 하나에 기초하여 결정될 수 있다. 또한, 일 예로, 하역 중 차량의 수 또는 하역을 위해 대기 중의 차량의 수도 하역장의 하역 능력에 영향을 줄 수 있다. 또한, 일 예로, 하역장의 능력은 다양한 정보에 기초하여 결정될 수 있으며, 상술한 실시예로 한정되지 않는다.
도 8은 본 명세서의 일 실시예에 있어서 플랫폼을 통해 화주의 화물과 차주를 연결하는 방법을 나타낸 도면이다. 상술한 바와 같이, 플랫폼은 화주의 컴퓨팅 장치(이하, 화주)와 차주의 컴퓨팅 장치(이하, 차주)를 매칭하는 플랫폼일 수 있으며, 상술한 바에 기초하여 동작할 수 있다. 다만, 일 예로, 차주가 화물을 운송하는 경우, 차주는 하나의 화주에 대한 화물만 운송하지 않고, 다양한 화주의 화물을 운송할 수 있다. 즉, 차주의 차량은 다수의 화물을 싣고 이동할 수 있으며, 이를 통해 운송 효율을 높일 수 있다. 이때, 일 예로, 복수의 화주에 대한 화물은 각각 상이한 출발지 및 목적지를 가질 수 있다. 따라서, 화물의 출발지 및 목적지를 고려하여 차주의 운송 효율을 높이기 위한 인터페이스가 필요할 수 있으며, 하기에서는 이를 위한 플랫폼을 제공할 수 있다.
구체적인 일 예로, 도 8을 참조하면, 화주는 화물 정보, 출발지 정보 및 목적지 정보를 플랫폼에 입력할 수 있으며, 이를 통해 화물 운송을 요청할 수 있다.(S810) 이때, 화주는 상술한 정보뿐만 아니라 배송 제한 시간 정보 및 배송과 관련된 그 밖의 정보들을 입력할 수 있으며, 특정 정보로 한정되지 않는다. 일 예로, 화주는 신속 배송을 위해 배송 제한 시간을 짧게 설정할 수 있다. 이때, 플랫폼은 화물 운송에 대한 비용을 높게 산정할 수 있다. 반면, 화주는 일반 배송을 위해 배송 제한 시간을 길게 설정할 수 있다. 즉, 화주는 배송 제한 시간 정보를 플랫폼에 제공함으로써 선택되는 차주를 제한할 수 있다. 다음으로, 플랫폼은 입력된 화물 운송 요청 정보에 기초하여 화물 운송 요청을 차주에게 제공할 수 있다.(S820) 일 예로, 플랫폼은 화주가 입력한 조건에 기초하여 적어도 하나 이상의 차주에게 화물 운송 요청을 제공할 수 있다. 또 다른 일 예로, 플랫폼은 화주가 입력한 조건 및 우선순위를 고려하여 우선순위가 높은 차주부터 순차적으로 차주에게 화물 운송 요청을 제공할 수 있으며, 특정 형태로 한정되는 것은 아닐 수 있다. 그 후, 플랫폼에 의해 제공된 화물 운송 요청에 기초하여 차주는 플랫폼을 통해 해당 화물 운송 요청을 선택할 수 있다.(S830) 그 후, 플랫폼은 차주 정보, 화주 정보, 화물 정보 및 도로 정보 중 적어도 어느 하나를 이용하여 운송 경로를 생성하고(S840), 생성된 하나 이상의 운송 경로를 차주에게 제공할 수 있다.(S850) 이때, 하나 이상의 운송 경로는 최단 시간을 고려한 경로, 최단 경로 및 최소 에너지를 사용하는 경로 중 적어도 어느 하나로 생성될 수 있다. 또 다른 일 예로, 도로 사용 비용이 최소화되는 경로 또는 그 밖의 차주에 의해 선호되는 조건에 맞는 경로가 생성되어 제공되는 것도 가능할 수 있으며, 상술한 실시예로 한정되지 않는다.
여기서, 일 예로, 상술한 차주 정보는 차주 경력, 나이, 성별, 보유 차량 종류 또는 차량 수, 차량별 운전경력, 화물별 운송경력, 가입한 보험 종류, 평가의견, 업무시간, 주요활동영역 및 혼적 허용 여부에 대한 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 즉, 차주 정보는 차주 운송과 관련된 정보들이 포함될 수 있으며, 상술한 실시예로 한정되지 않는다. 또한, 일 예로, 화주 정보는 주요취급 화물의 종류, 나이, 성별, 주요 취급 출발지 및 도착지 및 혼적 허용 여부에 대한 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 또한, 화물 정보는, 화물의 무게, 종류(식품, 가전, 원목 등등), 부패가능성, 냉동 필요 여부 및 혼적 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 이때, 혼적 정보는 물품별로 혼적 불가 여부를 지시하는 정보일 수 있다. 일 예로, 의류와 어패류 및 정육 등은 상호 간의 혼적이 불가능한 물품일 수 있다. 또한, 일 예로, 의류와 잡화는 혼적 유사성이 높은 물품으로 혼적 가능성이 높은 물품으로 분류될 수 있다. 또 다른 일 예로, 대형 화물은 깨지기 쉬운 화물과 혼적이 불가능할 수 있다. 즉, 혼적 정보는 해당 화물과 관련하여 혼적 가능할 수 있는 제품에 대한 정보 및 그 밖의 혼적과 관련된 정보일 수 있으며, 상술한 실시예로 한정되지 않는다. 또한, 일 예로, 도로 정보는 차주가 운송을 수행하는 경우에 예상되는 경로에서의 도로 정보일 수 있다. 일 예로, 도로 정보는 각각의 구간으로 구분되고, 구간별로 도로 정보가 생성될 수 있다. 이때, 각각의 구간은 분기점과 분기점 사이 또는 혼잡도의 임계 지점(막히는 구간과 갑자기 안막히는 구간을 구분)에 기초하여 결정될 수 있다. 또 다른 일 예로, 도로 정보는 시간대 별 정보를 반영할 수 있다. 일 예로, 차주의 운송 경로에 기초하여 해당 경로에서 동일한 시간대 및 동일한 요일에 도로 상황에 대한 정보가 반영될 수 있으며, 이에 기초하여 도로 정보가 활용될 수 있다. 또 다른 일 예로, 도로 정보는 각 구간에 대한 혼잡도, 내리막여부, 오르막여부, 신호수, 도로폭, 제한높이, 제한 무게, 구간별 주요 차량특성(해당 구간을 지나가는 차량이 대형차량이 다수인지 소형 차량이 다수인지 등), 사고발생률 및 차량종류별 사고발생률 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 이때, 도로 정보는 각 구간에 대한 특성들의 조합으로 이루어질 수 있다. 즉, 도로 정보는 화물 운송과 관련하여 차량 운행과 관련하여 도로에 대한 상태 정보 및 운행 관련 정보를 포함할 수 있으며, 상술한 실시예로 한정되지 않는다. 이때, 일 예로, 플랫폼은 상기 도 6의 인공 지능 시스템에 기초하여 상술한 정보를 활용하여 차주에게 운송 경로를 제공할 수 있으며, 이를 통해 효율적인 운송을 수행하도록 할 수 있다. 그 후, 차주는 플랫폼에 의해 제공된 운송 경로 중 차주가 선택한 운송 경로를 통해 차주는 네비게이션을 실행하고 운송을 수행할 수 있다.(S860)
또 다른 일 예로, 차주에게 플랫폼에 기초하여 화주에 대한 운송이 수행되는 경우, 차주는 혼적 허용 여부에 기초하여 운송 경로를 변경 또는 재선택할 수 있다. 일 예로, 플랫폼은 상술한 정보를 사용자 인터페이스에 기초하여 차주에게 제공함으로써 차주는 복수의 화주에 대한 화물을 혼적하여 이동할 수 있으며, 이를 통해 운송 효율을 높일 수 있다.
보다 구체적인 일 예로, 도 9a를 참조하면, 화주(910)는 플랫폼(920)을 통해 화물 운송을 요청할 수 있으며, 이는 도 8과 같을 수 있다. 여기서, 플랫폼(920)은 차주(930)에게 출발지 정보, 목적지 정보 및 화물에 대한 정보를 제공할 수 있다. 또한, 플랫폼(920)는 상술한 바와 같이 화주(910)가 설정한 배송 제한 시간 정보를 차주(930)에게 제공할 수 있다. 또한, 일 예로, 플랫폼(920)은 운송 경로를 고려하여 예상 운행 시간 정보 및 그 밖은 운송 관련 정보를 차주(930)에게 제공할 수 있다. 또한, 일 예로, 플랫폼(920)은 해당 화물에 혼적 수락 여부에 대한 정보를 차주(930)에게 제공할 수 있다. 여기서, 플랫폼(920)이 제공하는 사용자 인터페이스는 도 9a와 같을 수 있다. 일 예로, 차주(930)는 플랫폼(920)이 요청한 화물 운송 요청에 대한 수락 여부를 사용자 인터페이스를 통해 결정하여 플랫폼으로 지시할 수 있다. 또한, 차주(930)는 사용자 인터페이스를 통해 차주(930)가 현재 화물 운송 중인지 여부를 확인하여 설정하고, 이에 대한 정보를 플랫폼(920)으로 제공할 수 있으며, 이를 통해 플랫폼(920)이 차주 선택을 수행하는데 도움을 줄 수 있다. 이때, 도 9b를 참조하면, 차주(930)가 화물 운송 요청을 수락하면 플랫폼(920)은 출발지(940)와 목적지(950)를 고려하여 최단 경로(960-1), 최소 시간 경로(960-2) 및 최소 에너지 경로(960-3)에 대한 정보를 차주(930)에게 제공할 수 있다. 일 예로, 플랫폼(920)이 제공하는 경로 정보는 상이할 수 있으며, 특정 실시예로 한정되지 않는다. 그 후, 도 9c를 참조하면, 차주(930)는 화물 운송에 대한 경로를 선택할 수 있다. 일 예로, 차주(930)는 최단 경로(960-1)를 선택할 수 있으나, 이는 하나의 일 예일 뿐, 상술한 실시예로 한정되지 않는다.
상술한 바에 기초하여 차주(930)가 운송 경로를 선택한 경우, 플랫폼(920)은 혼적 허용 여부에 기초하여 차주(930)에게 혼적 관련 정보를 제공할 수 있다. 여기서, 일 예로, 차주(930)가 운송 경로를 선택한 경우, 차주(930)는 운송 시작 시간 관련 정보를 플랫폼(920)으로 제공할 수 있다. 일 예로, 차주(930)는 운송 경로를 선택한 후 바로 운송을 시작할 수 있다. 또한, 일 예로, 차주(930)는 운송 경로를 선택한 후 운송이 시작되는 시각을 결정하여 플랫폼(920)으로 제공할 수 있으며, 상술한 실시예로 한정되지 않는다. 이때, 플랫폼(920)은 혼적 허용 여부와 시간 정보를 고려하여 혼적 관련 정보를 제공할 수 있다. 일 예로, 혼적 가능 화물의 배송 제한 시간이나 다른 차주의 배송을 고려하여 플랫폼(920)은 혼적 관련 정보를 시간 정보를 고려하여 차주(930)에게 제공할 수 있다. 구체적인 일 예로, 차주(930)가 운송 경로 및 운송 시각을 결정한 경우, 플랫폼(920)은 해당 운송 경로 및 운송 시각에 맞는 후보 혼적 가능 화물 및 후보 혼적 가능 구역을 도출하고, 이를 차주(930)에게 제공할 수 있다. 차주(930)는 플랫폼(920)으로부터 제공받은 정보에 기초하여 후보 혼적 가능 화물 및 후보 혼적 가능 구역에서 혼적 가능 화물 및 혼적 가능 경로를 결정하고, 결정된 정보를 플랫폼(920)으로 전송할 수 있다. 이때, 플랫폼(920)은 차주(930)로부터 수신한 정보에 기초하여 차주(930)의 경로를 변경할 수 있으며, 이에 대해 후술한다. 그 후, 플랫폼(920)는 해당 차주(930)의 운송 경로, 혼적 화물 및 혼적 구역을 고정하여 다른 차주들과의 관계에서 혼동을 방지할 수 있다. 또 다른 일 예로, 플랫폼(920)이 해당 차주(930)에 운송 경로, 혼적 화물 및 혼적 구역을 고정한 경우라도 긴급 화물 또는 다른 차주의 취소에 의해 발생하는 화물이 존재할 수 있다. 이때, 일 예로, 플랫폼(920)은 차주(930)가 화물은 운송하기 전 또는 운송 중이라도 긴급 요청 정보를 차주(930)에게 전송하고, 이에 기초하여 추가 화물을 혼적하도록 할 수 있다. 즉, 플랫폼(920)은 혼적 화물에 대한 실시간 확인을 통해 차주에게 실시간으로 정보를 제공할 수 있으며, 이를 통해 효율적인 운송이 수행될 수 있다.
구체적인 일 예로, 도 10a를 참조하면, 차주(930)는 출발지(940)에서 목적지(950)까지 경로 중 R1 경로(1040-1)를 최단 경로로 선택할 수 있다. 이때, 플랫폼은 차주(930)의 지도 상에서 적어도 하나 이상의 혼적 발생 가능 구역(H1(1010), H2(1020), H3(1030)) 정보를 제공할 수 있다. 다만, 이는 하나의 일 예일 뿐, 다양한 혼적 발생 가능 구역 정보가 제공될 수 있으며, 하기 실시예로 한정되지 않는다. 이때, 도 10a를 참조하면, 혼적 발생 가능 구역으로써 H1(1010)의 화물을 차주(930)가 추가로 운송하는 경우, 플랫폼(920)은 차주(930)의 운송 화물에 대한 혼적 발생도 정보, 추가 시간 정보 및 추가 에너지 정보를 차주(930)에게 추가로 제공할 수 있다. 이때, 차주가 H1(1010)에서 추가로 화물을 운송하는 경우, 운송 경로는 최단 경로(1040-1)에서 제 1 경로(1040-2)로 변경될 수 있다. 또한, 일 예로, 플랫폼(920)은 H2(1020) 및 H3(1030)와 관련하여 차주(930)의 운송 화물에 대한 혼적 발생도 정보, 추가 시간 정보 및 추가 에너지 정보를 차주(930)에게 추가로 제공할 수 있다. 이때, 차주가 H1(1010) 및 H2(1020)에서 추가로 화물을 운송하는 경우, 운송 경로는 최단 경로(1040-1)에서 제 2 경로(1040-3)로 변경될 수 있다. 또한, 일 예로, 차주가 H1(1010), H2(1020) 및 H3(1030)에서 추가로 화물을 운송하는 경우, 운송 경로는 최단 경로(1040-1)에서 제 3 경로(1040-4)로 변경될 수 있다. 여기서, 일 예로, 상술한 정보들은 플랫폼(920)을 통해 사용자 인터페이스로 차주(930)에게 제공될 수 있다. 구체적인 일 예로, 도 10d를 참조하면, 플랫폼(920)은 차주(930)에게 혼적 가능 구역의 조합에 기초하여 운송 관련 정보를 각각의 조합별로(1050-1, 1050-2, 1050-3, 1050-4, 1050-5) 제공할 수 있다. 즉, 차주(930)는 현재 운송 중인 화물과 혼적이 허용된 상태로써 혼적 가능 구역을 추가함으로써 변경되는 운송 정보를 확인할 수 있으며, 해당 정보를 통해 특정 운송 경로를 선택할 수 있다. 일 예로, 차주(930)는 운행 효율에 기초하여 혼적 가능 구역을 플랫폼(920)에서 제공되는 사용자 인터페이스를 통해 선택할 수 있으며, 이를 통해 효율적인 운송이 수행될 수 있다.
또한, 일 예로, 플랫폼(920)은 보유한 빅데이터 또는 인공 지능 시스템에 기초하여 혼적 발생 가능 구역을 결정할 수 있다. 즉, 플랫폼(920)은 화주들의 이용 내역 및 차주들의 이용 내역 정보 및 그 밖의 운송 정보를 고려하여 혼적 발생 가능 구역을 결정할 수 있다. 구체적인 일 예로, 플랫폼(920)은 일정 시간에 패턴을 가지고 화물 운송 요청을 수행하는 화주에 대한 정보에 기초하여 혼적 발생 가능 구역을 예상하고, 예상된 정보를 차주에게 제공할 수 있다. 즉, 플랫폼은 화주가 현재 운송 요청을 진행하지 않았으나, 히스토리 정보에 기초하여 운송요청을 발생시킬 화주를 추측하고, 추측된 혼적 발생 가능 구역(H1~H3) 주변에 대하여 혼적 발생 가능성을 부여할 수 있다. 여기서, 일 예로, 혼적 발생이 예상되는 구역 (H1~H3)에 차주가 가까울수록 혼적 발생 가능성이 높아질 수 있다. 또한, 일 예로, 혼적 운송 요청 시간에 가까울수록 혼적 발생 가능성도 높아질 수 있다. 이때, 플랫폼(920)은 차주(930)와 화주(910)가 혼적을 허용하는 것으로 설정한 경우, 플랫폼(920)은 혼적 발생 가능성을 고려하여 혼적 발생 가능성이 높은 경로를 차주(930)에게 제공할 수 있다. 또 다른 일 예로, 플랫폼(920)은 차주(930)의 혼적 가능 여부 허용에 대한 기록 정보를 활용하여 운송 경로를 설정할 수 있다. 일 예로, 플랫폼(920)은 차주(930)의 혼적 가능 허용이 기 설정된 횟수 또는 기 설정된 비율 이상인 경우, 플랫폼(920)은 혼적 가능성이 높은 구역을 고려하여 운송 경로를 차주(930)에게 제공할 수 있다. 반면, 플랫폼(920)은 차주(930)의 혼적 가능 허용이 기 설정된 횟수 미만이거나 기 설정된 비율 미만인 경우, 최단 경로와 같이 혼적을 고려하지 않는 운송 경로를 제공할 수 있으며, 특정 형태로 한정되는 것은 아닐 수 있다.
또한, 일 예로, 플랫폼(920)은 혼적 발생 가능성을 각각의 혼적 가능 구역, 기존 운송 요청의 시간, 출발지, 목적지 및 현재 매칭된 화주의 물품과의 혼적 가능성 정보 중 적어도 어느 하나에 기초하여 결정할 수 있다. 일 예로, 화물 정보에 기초하여 차주(930)가 의류를 운송 중인 경우, 차주(930)에 대해서 어패류에 대한 혼적 발생 가능성은 낮게 설정될 수 있다.
또한, 일 예로, 플랫폼(920)은 혼적 발생 가능성에 대해서 각각의 차주별로 결정할 수 있으며, 혼적 발생 가능성에 기초하여 각각의 차주별로 운송 경로를 제공하거나 혼적 발생 구역 정보를 제공할 수 있다.
또 다른 일 예로, 도 11을 참조하면, 플랫폼(920)은 각각의 차주에 대해서 인공 지능 시스템(1110)을 고려하여 혼적 발생 가능성을 결정할 수 있다. 일 예로, 인공 지능 시스템(1110)은 차주가 운송 중인 화물의 종류, 목적지, 화물 도착 요구 시간(배송 제한 시간), 화물 운송 거리, 새로운 경로의 교통 체중, 추가 시간, 우선 순위 및 차주 정보 중 적어도 어느 하나 이상을 통해 혼적 발생 가능성을 결정할 수 있다. 즉, 플랫폼(920)은 상술한 정보를 인공 지능 시스템(1110)의 입력 정보로 제공하고, 이에 기초하여 혼적 발생 가능성을 판단할 수 있다.
여기서, 일 예로, 혼적 발생 가능성은 플랫폼(920)에 등록된 화물 및 혼적 발생 가능 구역 정보가 반영되어 각각의 물품별로 판단될 수 있다. 구체적인 일 예로, 도 11에서 해당 차주(930)의 현재 운송 중인 화물에 기초하여 혼적 발생 가능 구역의 각각의 화물별로 혼적 발생 가능성이 결정될 수 있다. 일 예로, 특정 화물에 대해서는 혼적이 불가능할 수 있으며, 특정 화물에 대해서는 혼적이 가능한 상태일 수 있다. 이때, 플랫폼은 각 화물별 혼적 발생 가능성을 고려하여 해당 차주(930)의 운송 효율이 높을 수 있는 혼적 발생 구역을 우선하여 운송 경로 선정을 수행하거나 혼적 가능 구역 정보를 제공할 수 있다. 일 예로, 해당 차주(930)가 현재 화물이 적고, 혼적 발생도가 가장 낮은 경우로써 특정 혼적 발생 구역(e.g. H1)에 혼적 가능 화물이 많은 경우, 플랫폼(920)은 해당 혼적 발생 구역을 우선하여 운송 경로를 제공할 수 있다. 또한, 일 예로, 플랫폼(920)은 상술한 바에 기초하여 해당 혼적 발생 구역에 대한 우선순위를 부여하고, 해당 차주(930)에게 추천을 수행할 수 있으며, 이를 통해 운송 효율을 높일 수 있다.
또 다른 일 예로, 플랫폼(920)은 차주(930)가 혼적 발생 가능 구역을 경유하여 경로를 선택한 경우에 인센티브 정보를 제공할 수 있다. 일 예로, 인센티브 정보는 금전 정보, 보험 제공 정보, 혼적 요청 발생시 우선 배정 우선권 정보 및 그 밖의 정보를 제공할 수 있다. 즉, 플랫폼(920)은 차주(930)가 다양한 운송 경로 중 추가 화물을 고려하여 우회하거나 시간이 증가하더라도 추가 화물에 대한 운송을 수행하여 운송 효율을 증대시키면 이에 대한 보상 정보를 제공함으로써 이용 효율을 높일 수 있다. 일 예로, 인센티브 정보는 혼적 발생 가능 구역의 경우에 기초하여 발생하는 추가 이동거리, 추가 시간 및 추가 에너지(전기/유류) 소모량 중 적어도 어느 하나 이상을 고려하여 결정할 수 있다. 일 예로, 플랫폼(920)은 실제 추가되는 비용에서 일정 부분은 포인트 정보 및 그 밖의 정보에 기초하여 인센티브 정보로써 차주(930)에게 제공할 수 있으며, 특정 형태로 한정되는 것은 아닐 수 있다. 또한, 일 예로, 플랫폼은 혼적 발생 가능성을 고려하므로 차주(930)가 실제 혼적을 수행하지 못할 수 있다. 따라서, 차주(930)가 이동 중에 혼적이 실제로 발생하면 인센티브를 다시 차감하거나 추가 인센티브(나머지 50%)를 부여할 수도 있다. 또한, 일 예로, 플랫폼(920)은 차주(930)가 이동 중 혼적이 발생하지 않게 되면 손실을 고려하여 인센티브 정보를 차주(930)에게 제공할 수 있으며, 상술한 실시예로 한정되지 않는다.
또한, 일 예로, 도 12를 참조하면, 플랫폼(920)은 인센티브 정보에 기초하여 화물에 대한 우선순위를 각 차주별로 결정할 수 있다. 보다 상세하게는, 플랫폼(920)에는 복수의 차주들(1210, 1220, 1230, 1240, 1250, 1260)이 등록될 수 있으며, 플랫폼(920)은 해당 화물에 대해 등록된 복수의 차주들(1210, 1220, 1230, 1240, 1250, 1260) 중 특정 차주에게 화물 운송을 승낙할 수 있다. 이때, 일 예로, 플랫폼(920)은 상술한 인공 지능 시스템 및 빅데이터에 기초하여 특정 화주의 화물에 대해서 운송 수행이 가능한 후보 차주를 결정할 수 있다. 즉, 플랫폼(920)은 상술한 화물 운송 요청을 전송할 후보 차주를 해당 화물에 기초하여 인공 지능 시스템 및 빅데이터를 통해 결정할 수 있다. 이때, 플랫폼(920)은 후보 차주에게 화물 운송 요청을 전송할 수 있다. 구체적인 일 예로, 플랫폼(920)은 복수의 차주들(1210, 1220, 1230, 1240, 1250, 1260) 중 현재 대기 중인 차주들(1210, 1220)이나 운행 중이나 혼적이 가능한 차주(1230)를 후보 차주로 선정하고, 화물 운송 요청을 전송할 수 있다. 이때, 일 예로, 플랫폼(920)은 화물 운송 요청에 기초하여 수락 정보를 포함하는 화물 운송 응답을 가장 먼저 전송한 차주에게 해당 화물을 할당할 수 있다. 또 다른 일 예로, 플랫폼(920)은 상술한 인센티브 정보에 기초하여 우선관이 부여된 차주(1220, 1230)들에게 화물 운송에 대한 우선권을 주고 먼저 수락할 수 있는 권한을 제공할 수 있다. 이를 통해, 플랫폼(920)은 효율적으로 화물을 운송할 차주를 결정할 수 있으며, 차주의 혼적 가능성을 높일 수 있다.
또 다른 일 예로, 도 13을 참조하면, 플랫폼(920)은 차주(930)가 선택한 최단 경로(1320-1)에서 혼적 발생 가능 구역을 다중화하여 표시할 수 있다. 일 예로, 혼적 가능 영역으로써 H1(1010)은 H1-1(1310-1), H1-2(1310-2) 및 H1-3(1310-3)으로 다층화될 수 있다. 다만, 이는 하나의 일 예일 뿐, 상술한 실시예로 한정되지 않는다. 즉, 혼적 발생 구역 내에서도 다층화된 특정 영역으로 구분될 수 있으며, 각각의 영역을 고려한 운송 경로 결정이 필요할 수 있다. 일 예로, 혼적 가능 영역으로써 H1(1010)에는 각각의 화물 종류에 따라 다층화될 수 있으며, 화물 종류에 기초하여 H1-1(1310-1), H1-2(1310-2) 및 H1-3(1310-3)으로 구별될 수 있다. 이때, 일 예로, 차주(930)가 H1-2(1310-2) 영역에 기초하여 C1을 선택하는 경우, 플랫폼(920)은 R2 경로(1320-2)를 생성하여 차주(930)에게 제공할 수 있다. 또 다른 일 예로, 차주(930)가 H1-1(1310-1) 영역에 기초하여 C2를 선택하는 경우, 플랫폼(920)은 R3 경로(1320-3)를 생성하여 차주(930)에게 제공할 수 있다. 즉, 플랫폼(920)은 혼적 발생 구역을 다층화하여 각각에 맞는 운송 경로 정보를 생성하여 차주(930)에게 제공할 수 있으며, 이를 통해 차주(930)의 운송 효율을 향상시킬 수 있다.
도 14는 본 명세서의 일 실시예에 있어서 혼적 가능성을 고려하여 차주의 운송경로를 변경하는 방법을 나타낸 순서도이다.
일 예로, 플랫폼은 운송 경로를 제공할 수 있다. 이때, 플랫폼은 제1 컴퓨팅 장치로부터 화물 운송 요청을 수신하고, 화물 운송 요청에 기초하여 제 2 컴퓨팅 장치로 화물 운송 요청을 전송할 수 있다. 그 후, 플랫폼은 제 2 컴퓨팅 장치로부터 화물 운송 승낙 응답을 수신하고, 화물 운송 승낙 응답에 기초하여 차주 정보, 화주 정보, 화물 정보 및 도로 정보 중 적어도 어느 하나 이상을 통해 제 2 컴퓨팅 장치에 대한 적어도 하나 이상의 운송 경로를 생성하여 제 2 컴퓨팅 장치로 제공할 수 있다. 그 후, 플랫폼은 적어도 하나 이상의 운송 경로 중 제 1 운송 경로를 선택하는 응답을 제 2 컴퓨팅 장치로부터 수신하고, 제 1 운송 경로의 네비게이션 정보를 제 2 컴퓨팅 장치로 제공할 수 있다. 이때, 일 예로, 제 1 컴퓨팅 장치는 화물 운송을 요청하는 유저의 컴퓨팅 장치이고, 제2 컴퓨팅 장치는 화물 운반을 수행하는 차량을 소유한 유저의 컴퓨팅 장치일 수 있다. 또한, 일 예로, 차주 정보 차주 경력 정보, 나이 정보, 성별 정보, 보유 차량 종류 정보, 차량 수 정보, 차량별 운전경력 정보, 화물별 운송경력 정보, 가입한 보험 종류 정보, 평가의견 정보, 업무시간 정보, 주요활동영역 정보 및 혼적 허용 여부에 대한 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 또한, 화주 정보는 주요취급 화물의 종류 정보, 나이 정보, 성별 정보, 주요 취급 출발지 정보, 도착지 정보 및 혼적 허용 여부 정보 중 적어도 어느 하나 이상을 포함할 수 있다.
또한, 일 예로, 화물 정보는 화물의 무게 정보, 화물 종류 정보, 부패 가능성 정보, 냉동 필요 여부 정보 및 혼적 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 이때, 혼적 정보는 상기 화물 종류 정보에 기초하여 혼적 불가 여부를 지시하는 정보일 수 있다. 또한, 일 예로, 제 2 컴퓨팅 장치에 대한 적어도 하나 이상의 운송 경로는 최단 경로 정보, 최소 시간 경로 정보 및 최소 에너지 경로 정보 중 적어도 어느 하나를 포함할 수 있으며, 이는 상술한 바와 같다.
이때, 일 예로, 도 14를 참조하면, 제 2 컴퓨팅 장치가 운행 중 혼적 가능한지 여부를 확인할 수 있다.(S1410) 이때, 일 예로, 제 2 컴퓨팅 장치가 제 1 운송 경로를 선택한 경우, 플랫폼은 제 2 컴퓨팅 장치로부터 운행 중 혼적 가능 여부 정보를 수신할 수 있다.
그 후, 플랫폼은 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 확인하고, 혼적 가능 구역별로 혼적 발생도 정보, 지연시간 정보 및 에너지 소모 정보를 확인할 수 있다.(S1420) 그 후, 플랫폼은 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보 및 각각의 혼적 가능 구역에 대한 혼적 발생도 정보, 지연시간 정보 및 에너지 소모 정보를 제 2 컴퓨팅 장치로 제공할 수 있으며, 제 2 컴퓨팅 장치는 혼적 가능 지점을 선택할 수 있다.(S1430) 이때, 플랫폼은 제 2 컴퓨팅 장치로부터 선택된 혼적 가능 구역 정보를 수신하고, 상기 제 2 컴퓨팅 장치에 의해 선택된 상기 혼적 가능 구역 정보에 기초하여 제 1 운송 경로를 제 2 운송 경로로 변경하고, 제 2 운송 경로에 대한 네비게이션 정보를 상기 제 2 컴퓨팅 장치로 제공할 수 있다. 그 후, 제 2 컴퓨팅 장치는 제 2 운송 경로에 기초하여 선택된 혼적 가능 지점을 거쳐 운행할 수 있다.(S1440) 이때, 제 2 컴퓨팅 장치에 기초하여 상기 혼적 가능 구역 정보로써 제 1 혼적 가능 구역이 설정될 수 있다. 일 예로, 제 1 혼적 가능 구역은 화물 종류에 기초하여 다층화된 복수 개의 영역으로 구별되고, 제 2 컴퓨팅 장치는 다층화된 복수 개의 구역 중 어느 하나의 영역을 선택하고, 선택된 영역에 기초하여 제 1 운송 경로가 변경될 수 있다. 일 예로, 다층화된 복수 개의 영역 중 제 1 영역이 선택된 경우, 제 1 운송 경로는 제 3 운송 경로로 변경되고, 다층화된 복수 개의 영역 중 제 2 영역이 선택된 경우, 제 1 운송 경로는 제 4 운송 경로로 변경될 수 있으며, 제 3 운송 경로와 제 4 운송 경로는 상이할 수 있다. 즉, 다층화된 복수 개의 영역별로 서로 다른 운송 경로가 설정될 수 있다.
또한, 일 예로, 플랫폼은 제 2 컴퓨팅 장치의 제 1 운송 경로에 기초하여 인공지능 시스템을 통해 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 확인할 수 있다. 이때, 플랫폼은 화물 종류 정보, 목적지 정보, 화물 도착 요구 시간 정보, 화물 운송 거리 정보, 새로운 경로의 교통 체증 정보, 새로운 경로의 추가 지연 시간 정보, 우선 순위 정보 및 차주 정보 중 적어도 어느 하나를 상기 인공지능 시스템의 입력 정보로 제공하고, 입력 정보에 기초하여 상기 인공지능 시스템을 통해 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 출력 정보로 제공할 수 있으며, 이는 상술한 바와 같다.
이상에서 설명한 실시예들은 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀 질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서 살펴본 본 명세서는 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 명세서의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 명세서의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해서 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 포함하도록 정해져야 할 것이다.
Claims (10)
- 컴퓨팅 장치에 의해 실행되는 플랫폼을 통해 운송 경로를 제공하는 방법에 있어서,
제1 컴퓨팅 장치로부터 화물 운송 요청을 수신하는 단계;
상기 화물 운송 요청에 기초하여 제 2 컴퓨팅 장치로 화물 운송 요청을 전송하는 단계;
상기 제 2 컴퓨팅 장치로부터 화물 운송 승낙 응답을 수신하는 단계; 및
상기 화물 운송 승낙 응답에 기초하여 차주 정보, 화주 정보, 화물 정보 및 도로 정보 중 적어도 어느 하나 이상을 통해 상기 제 2 컴퓨팅 장치에 대한 적어도 하나 이상의 운송 경로를 생성하여 상기 제 2 컴퓨팅 장치로 제공하는 단계;
상기 적어도 하나 이상의 운송 경로 중 제 1 운송 경로를 선택하는 응답을 상기 제 2 컴퓨팅 장치로부터 수신하는 단계; 및
상기 제 1 운송 경로의 네비게이션 정보를 상기 제 2 컴퓨팅 장치로 제공하는 단계;를 포함하는, 운송 경로 제공 방법.
- 제1 항에 있어서,
상기 제 2 컴퓨팅 장치가 상기 제 1 운송 경로를 선택한 경우, 상기 제 2 컴퓨팅 장치로부터 운행 중 혼적 가능 여부 정보를 수신하고,
상기 제 2 컴퓨팅 장치로부터 운행 중 혼적 가능 허여에 대한 정보를 수신하는 경우, 상기 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 확인하고, 상기 제 2 컴퓨팅 장치의 혼적 가능 구역별로 혼적 발생도 정보, 지연시간 정보 및 에너지 소모 정보를 확인하고,
상기 제 2 컴퓨팅 장치의 상기 적어도 하나 이상의 혼적 가능 구역 정보 및 각각의 혼적 가능 구역에 대한 혼적 발생도 정보, 지연시간 정보 및 에너지 소모 정보를 상기 제 2 컴퓨팅 장치로 제공하고,
상기 제 2 컴퓨팅 장치에 의해 선택된 혼적 가능 구역 정보를 수신하고,
상기 제 2 컴퓨팅 장치에 의해 선택된 상기 혼적 가능 구역 정보에 기초하여 상기 제 1 운송 경로를 제 2 운송 경로로 변경하고, 상기 제 2 운송 경로에 대한 네비게이션 정보를 상기 제 2 컴퓨팅 장치로 제공하는, 운송 경로 제공 방법.
- 제 2 항에 있어서,
상기 제 2 컴퓨팅 장치에 기초하여 상기 혼적 가능 구역 정보로써 제 1 혼적 가능 구역이 설정되되,
상기 제 1 혼적 가능 구역은 화물 종류에 기초하여 다층화된 복수 개의 영역으로 구별되고, 상기 제 2 컴퓨팅 장치는 상기 다층화된 복수 개의 영역 중 어느 하나의 영역을 선택하고, 상기 선택된 영역에 기초하여 상기 제 1 운송 경로가 변경되는, 운송 경로 제공 방법.
- 제 3 항에 있어서,
상기 다층화된 복수 개의 구역 중 제 1 영역이 선택된 경우, 상기 제 1 운송 경로는 제 3 운송 경로로 변경되고, 상기 다층화된 복수 개의 구역 중 제 2 영역이 선택된 경우, 상기 제 1 운송 경로는 제 4 운송 경로로 변경되되, 상기 제 3 운송 경로와 상기 제 4 운송 경로는 상이한 경로인, 운송 경로 제공 방법.
- 제 2 항에 있어서,
상기 플랫폼은 상기 제 2 컴퓨팅 장치의 상기 제 1 운송 경로에 기초하여 인공지능 시스템을 통해 상기 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 확인하되,
상기 플랫폼은 화물 종류 정보, 목적지 정보, 화물 도착 요구 시간 정보, 화물 운송 거리 정보, 새로운 경로의 교통 체증 정보, 새로운 경로의 추가 지연 시간 정보, 우선 순위 정보 및 차주 정보 중 적어도 어느 하나를 상기 인공지능 시스템의 입력 정보로 제공하고, 상기 입력 정보에 기초하여 상기 인공지능 시스템을 통해 상기 제 2 컴퓨팅 장치의 적어도 하나 이상의 혼적 가능 구역 정보를 출력 정보로 제공하는, 운송 경로 제공 방법.
- 제 1 항에 있어서,
상기 제1 컴퓨팅 장치는 화물 운송을 요청하는 유저의 컴퓨팅 장치이고, 상기 제2 컴퓨팅 장치는 상기 화물 운반을 수행하는 차량을 소유한 유저의 컴퓨팅 장치인, 운송 경로 제공 방법.
- 제1 항에 있어서,
상기 차주 정보는 차주 경력 정보, 나이 정보, 성별 정보, 보유 차량 종류 정보, 차량 수 정보, 차량별 운전경력 정보, 화물별 운송경력 정보, 가입한 보험 종류 정보, 평가의견 정보, 업무시간 정보, 주요활동영역 정보 및 혼적 허용 여부에 대한 정보 중 적어도 어느 하나 이상을 포함하고,
상기 화주 정보는 주요취급 화물의 종류 정보, 나이 정보, 성별 정보, 주요 취급 출발지 정보, 도착지 정보 및 혼적 허용 여부 정보 중 적어도 어느 하나 이상을 포함하는, 운송 경로 제공 방법. - 제1 항에 있어서,
상기 화물 정보는 화물의 무게 정보, 화물 종류 정보, 부패 가능성 정보, 냉동 필요 여부 정보 및 혼적 정보 중 적어도 어느 하나 이상을 포함하되,
혼적 정보는 상기 화물 종류 정보에 기초하여 혼적 불가 여부를 지시하는 정보인, 운송 경로 제공 방법.
- 제1 항에 있어서,
상기 제 2 컴퓨팅 장치에 대한 상기 적어도 하나 이상의 운송 경로는 최단 경로 정보, 최소 시간 경로 정보 및 최소 에너지 경로 정보 중 적어도 어느 하나를 포함하는, 운송 경로 제공 방법.
- 하드웨어와 결합되어 제1항 내지 제 9항 중 어느 한 항에 따른 플랫폼을 이용하여 운송 경로를 제공 방법을 실행하도록 컴퓨터로 판독 가능한 매체에 저장된 컴퓨터 프로그램.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210169451A KR102671292B1 (ko) | 2021-11-30 | 2021-11-30 | 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 |
| PCT/KR2021/019108 WO2023101088A1 (ko) | 2021-11-30 | 2021-12-15 | 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210169451A KR102671292B1 (ko) | 2021-11-30 | 2021-11-30 | 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230081411A true KR20230081411A (ko) | 2023-06-07 |
| KR102671292B1 KR102671292B1 (ko) | 2024-05-31 |
Family
ID=86612486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210169451A KR102671292B1 (ko) | 2021-11-30 | 2021-11-30 | 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102671292B1 (ko) |
| WO (1) | WO2023101088A1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101052247B1 (ko) * | 2009-01-15 | 2011-07-27 | 조성옥 | 물류 배송을 위한 배차 방법, 서버 및 시스템 |
| KR101808252B1 (ko) * | 2016-02-12 | 2018-01-18 | 주식회사 트레드링스 | 운송 정보 제공 장치, 방법 및 컴퓨터 프로그램 |
| KR102081555B1 (ko) * | 2019-12-04 | 2020-02-25 | 최현빈 | 화물배차서비스장치 및 그 장치의 구동방법 |
| KR102086801B1 (ko) | 2019-07-11 | 2020-03-09 | 주식회사 코나투스 | 차량 운송 서비스의 공동 이용을 지원하는 방법 및 장치들 |
| KR102321310B1 (ko) * | 2020-02-10 | 2021-11-04 | 주식회사 와이엘피 | 실시간 차량관제 시스템 기반의 화물배차 네비게이션 장치 및 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101992828B1 (ko) * | 2019-02-19 | 2019-06-25 | 정승범 | 유사경로 내 효율적 운송 가능한 화물배차시스템 및 방법 |
-
2021
- 2021-11-30 KR KR1020210169451A patent/KR102671292B1/ko active IP Right Grant
- 2021-12-15 WO PCT/KR2021/019108 patent/WO2023101088A1/ko unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101052247B1 (ko) * | 2009-01-15 | 2011-07-27 | 조성옥 | 물류 배송을 위한 배차 방법, 서버 및 시스템 |
| KR101808252B1 (ko) * | 2016-02-12 | 2018-01-18 | 주식회사 트레드링스 | 운송 정보 제공 장치, 방법 및 컴퓨터 프로그램 |
| KR102086801B1 (ko) | 2019-07-11 | 2020-03-09 | 주식회사 코나투스 | 차량 운송 서비스의 공동 이용을 지원하는 방법 및 장치들 |
| KR102081555B1 (ko) * | 2019-12-04 | 2020-02-25 | 최현빈 | 화물배차서비스장치 및 그 장치의 구동방법 |
| KR102321310B1 (ko) * | 2020-02-10 | 2021-11-04 | 주식회사 와이엘피 | 실시간 차량관제 시스템 기반의 화물배차 네비게이션 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023101088A1 (ko) | 2023-06-08 |
| KR102671292B1 (ko) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230169448A1 (en) | Delivery prediction generation system | |
| JP6707125B2 (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
| Psaraftis et al. | Dynamic vehicle routing problems: Three decades and counting | |
| US11854062B2 (en) | Order fulfillment system having dynamic routing | |
| US11748693B2 (en) | Supply chain visibility platform | |
| CN111626577B (zh) | 一种车辆调度方法和装置 | |
| US10909494B2 (en) | System for collaborative logistics using a collaborative logistics map and a knowledge graph | |
| KR20230053581A (ko) | 딥러닝에 기반한 화물 운송 가격 결정 방법 및 장치 | |
| JP2022508280A (ja) | マルチモーダル貨物サービスの自動生成の方法とシステム | |
| Low et al. | Integration of production scheduling and delivery in two echelon supply chain | |
| US20200342517A1 (en) | Systems and methods for grocery order batching and customer experience | |
| KR102471984B1 (ko) | 하역장 상태에 기초하여 운송 서비스를 제공하는 방법 및 장치 | |
| Li et al. | Parcel consolidation approach and routing algorithm for last-mile delivery by unmanned aerial vehicles | |
| KR102671292B1 (ko) | 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 | |
| Tao et al. | Metaheuristics for a Large‐Scale Vehicle Routing Problem of Same‐Day Delivery in E‐Commerce Logistics System | |
| CN111626800A (zh) | 商品订单处理方法及装置 | |
| US20220130265A1 (en) | System and method for improving efficiency of delivery via unmanned aerial vehicles | |
| JP7453131B2 (ja) | 配車システム、および、車両候補表示方法 | |
| Nambirajan et al. | CAR: heuristics for the inventory routing problem | |
| KR102558987B1 (ko) | 판매 시스템 및 자동 판매 방법 | |
| US20200082335A1 (en) | Methods and apparatus for load and route assignments in a delivery system | |
| US20190156258A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable storage medium | |
| CN112801567B (zh) | 快递派件模式选取方法、装置、计算机设备和存储介质 | |
| US10775182B2 (en) | Methods and apparatus for load and route assignments in a delivery system | |
| KR102673892B1 (ko) | 강화학습 기반의 화물 운송 차량 배차 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |