KR20230085326A - Server, method and computer program for deriving route of logistics - Google Patents

Server, method and computer program for deriving route of logistics Download PDF

Info

Publication number
KR20230085326A
KR20230085326A KR1020210173387A KR20210173387A KR20230085326A KR 20230085326 A KR20230085326 A KR 20230085326A KR 1020210173387 A KR1020210173387 A KR 1020210173387A KR 20210173387 A KR20210173387 A KR 20210173387A KR 20230085326 A KR20230085326 A KR 20230085326A
Authority
KR
South Korea
Prior art keywords
clusters
information
center point
cluster
primary
Prior art date
Application number
KR1020210173387A
Other languages
Korean (ko)
Other versions
KR102668416B1 (en
Inventor
신은영
김일명
서지혜
유승호
정원우
지병석
Original Assignee
주식회사 케이티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020210173387A priority Critical patent/KR102668416B1/en
Publication of KR20230085326A publication Critical patent/KR20230085326A/en
Application granted granted Critical
Publication of KR102668416B1 publication Critical patent/KR102668416B1/en

Links

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
    • 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
    • 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
    • G06Q10/0836—Recipient pick-ups

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

A server for deriving a route of logistics comprises: a collection unit which collects transportation information and regional information on transportation by multiple logistics vehicles; a region information generation unit which generates region information based on the collected transportation information and regional information; a clustering performing unit which generates a plurality of primary clusters according to the number of orders and the number of clusters based on the generated regional information, selects the optimal center point for each of the plurality of primary clusters, generates a plurality of secondary clusters that satisfy regional constraints based on the optimal center point for each of the plurality of primary clusters, and performs clustering; a transportation group deriving unit which derives a transportation group by mapping each of the plurality of secondary clusters and each logistics vehicle based on the results of the clustering; and a driving route deriving unit which derives a driving route of each logistics vehicle based on the derived transportation group. According to the present invention, the time and costs required to establish a transportation route can be reduced.

Description

물류를 위한 경로를 도출하는 서버, 방법 및 컴퓨터 프로그램{SERVER, METHOD AND COMPUTER PROGRAM FOR DERIVING ROUTE OF LOGISTICS}Server, method and computer program for deriving routes for logistics {SERVER, METHOD AND COMPUTER PROGRAM FOR DERIVING ROUTE OF LOGISTICS}

본 발명은 물류를 위한 경로를 도출하는 서버, 방법 및 컴퓨터 프로그램에 관한 것이다. The present invention relates to servers, methods and computer programs for deriving routes for logistics.

물류(logistics)란 재화나 서비스를 생산자로부터 소비자 또는 특정한 지역으로 이동시키는 행위, 또는 이를 위한 재고계획, 배송계획, 조달계획 등을 포괄적으로 의미한다. 물류 서비스는 운송의 용이성을 위해 행정 구역의 구/동 단위로 운송 지점에 대한 클러스터(cluster)를 생성한다. 종래의 경우, 물류 회사의 담당자가 클러스터 내 배송 지점 수, 밀집도 등을 직접 설정함으로써, 인력기반의 노하우에 의존적이었다. Logistics refers comprehensively to the act of moving goods or services from producers to consumers or to specific regions, or inventory planning, delivery planning, and procurement planning for this purpose. Logistics service creates a cluster for transport points in each gu/dong unit of an administrative district for ease of transport. In the prior case, a person in charge of a logistics company directly set the number of delivery points and density in a cluster, thus relying on manpower-based know-how.

최근에는 알고리즘에 의해 물류 운송 계획을 실시간으로 수립하고 있으며, 이와 관련하여 선행기술인 한국공개특허 제 2010-0062848호는 물류 운영 방법 및 그 시스템을 개시하고 있다. Recently, a logistics transport plan is being established in real time by an algorithm, and in this regard, Korea Patent Publication No. 2010-0062848, which is a prior art, discloses a logistics operation method and system.

물류 운송에 있어 운송 경로를 최적화하기 위해서는 전체 물동량을 기준으로 최적화하는 전역 최적화 방식과 전역 최적화 결과에 근접한 로컬 최적해를 탐색하는 로컬 최적화 방식이 이용된다. In order to optimize transport routes in logistics transportation, a global optimization method that optimizes based on the total volume of transport and a local optimization method that searches for a local optimal solution close to the global optimization result are used.

전역 최적화 방식의 경우, 전체 물동량과 다수의 고려사항을 반영하여 경로 최적화를 수행함으로써, 가장 좋은 최적해에 해당하는 운송 경로를 도출할 수 있으나, 물동량과 투입되는 물류 차량이 많을수록 많은 양의 연산이 요구됨에 따라, 많은 시간과 비용이 소요된다는 단점을 가지고 있다. In the case of the global optimization method, the transport route corresponding to the best optimal solution can be derived by performing route optimization by reflecting the total volume of transport and a number of considerations. Accordingly, it has the disadvantage that it takes a lot of time and money.

한편, 로컬 최적화 방식은 전체 물동량을 다수의 군집으로 구분하여 군집 내 경로를 최적화하는 선군집 후 경로 최적화를 수행한다. 로컬 최적화 방식은 선군집 후 경로 최적화를 수행함으로써 군집 내 경로에 대해서만 최적화를 수행함에 따라 연산 시간을 크게 단축시킬 수 있으나, 군집화가 잘못 수행된 경우, 경로 최적화의 전체 결과에 영향을 미친다는 단점을 가지고 있다. On the other hand, in the local optimization method, route optimization is performed after first clustering to optimize routes within clusters by classifying the total volume of goods transported into multiple clusters. The local optimization method can greatly reduce the computation time by performing path optimization after line-by-line clustering and optimizing only the paths within the cluster. Have.

복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하고, 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. It is intended to provide a server, method, and computer program for collecting transport information and regional information to be transported by a plurality of logistics vehicles and generating regional information based on the collected transport information and regional information.

권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 복수의 1차 군집별 최적 중심점을 선정하고, 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하는 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. Based on the regional information, a plurality of primary clusters are created according to the number of orders and clusters, the optimal center point for each primary cluster is selected, and the constraints for each region are satisfied based on the optimal central point for each primary cluster. It is intended to provide a server, method, and computer program for generating a plurality of secondary clusters.

군집화의 수행 결과에 기초하여 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하고, 도출된 운송 그룹에 기초하여 각 물류 차량의 운행 경로를 도출하는 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. Provides a server, method, and computer program for deriving a transport group by mapping each of a plurality of secondary clusters and each logistics vehicle based on the result of clustering, and deriving a driving route of each logistics vehicle based on the derived transport group want to do

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다. However, the technical problem to be achieved by the present embodiment is not limited to the technical problems described above, and other technical problems may exist.

상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하는 수집부, 상기 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하는 권역 정보 생성부, 상기 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 상기 복수의 1차 군집별 최적 중심점을 선정하고, 상기 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행하는 군집화 수행부, 상기 군집화의 수행 결과에 기초하여 상기 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하는 운송 그룹 도출부 및 상기 도출된 운송 그룹에 기초하여 상기 각 물류 차량의 운행 경로를 도출하는 운행 경로 도출부를 포함하는 경로 도출 서버를 제공할 수 있다. As a means for achieving the above-described technical problem, an embodiment of the present invention is a collection unit for collecting transportation information and area information to be transported by a plurality of logistics vehicles, and regional information based on the collected transportation information and area information. A region information generation unit that generates, based on the generated region information, creates a plurality of primary clusters according to the number of orders and the number of clusters, selects an optimal center point for each of the plurality of primary clusters, and selects an optimal center point for each of the plurality of primary clusters. A clustering performer that performs clustering by creating a plurality of secondary clusters that satisfy regional constraints based on the optimal center point for each cluster, and each of the plurality of secondary clusters and each logistics vehicle based on the results of the clustering It is possible to provide a route derivation server including a transport group derivation unit for deriving a transport group by mapping and a travel path derivation unit for deriving a travel route of each logistics vehicle based on the derived transport group.

본 발명의 다른 실시예는, 복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하는 단계, 상기 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하는 단계, 상기 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 상기 복수의 1차 군집별 최적 중심점을 선정하고, 상기 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행하는 단계 상기 군집화의 수행 결과에 기초하여 상기 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하는 단계 및 상기 도출된 운송 그룹에 기초하여 상기 각 물류 차량의 운행 경로를 도출하는 단계를 포함하는 경로 도출 방법을 제공할 수 있다. Another embodiment of the present invention is a step of collecting transport information and regional information to be transported by a plurality of logistics vehicles, generating regional information based on the collected transport information and regional information, based on the generated regional information to create a plurality of primary clusters according to the number of orders and the number of clusters, select the optimal center point for each of the plurality of primary clusters, and satisfy the constraint conditions for each region based on the optimal center point for each of the plurality of primary clusters Deriving a transport group by mapping each of the plurality of secondary clusters and each logistics vehicle based on a result of performing the clustering, and deriving the transport group based on the derived transport group. It is possible to provide a path derivation method including the step of deriving a driving path of each logistics vehicle.

본 발명의 또 다른 실시예는, 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우, 복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하고, 상기 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하고, 상기 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 상기 복수의 1차 군집별 최적 중심점을 선정하고, 상기 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행하고, 상기 군집화의 수행 결과에 기초하여 상기 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하고, 상기 도출된 운송 그룹에 기초하여 상기 각 물류 차량의 운행 경로를 도출하도록 하는 명령어들의 시퀀스를 포함하는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램을 제공할 수 있다. Another embodiment of the present invention, when the computer program is executed by a computing device, collects transportation information and area information to be transported by a plurality of logistics vehicles, and generates area information based on the collected transportation information and area information. and based on the generated regional information, a plurality of primary clusters according to the number of orders and the number of clusters are created, an optimal center point for each of the plurality of primary clusters is selected, and the optimal center point for each of the plurality of primary clusters is used as a standard. Clustering is performed by generating a plurality of secondary clusters that satisfy the regional constraint conditions, and based on the result of the clustering, each of the plurality of secondary clusters and each logistics vehicle are mapped to derive a transport group, and the It is possible to provide a computer program stored in a computer readable recording medium containing a sequence of instructions for deriving the driving route of each logistics vehicle based on the derived transportation group.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.The above-described means for solving the problems is only illustrative and should not be construed as limiting the present invention. In addition to the exemplary embodiments described above, there may be additional embodiments described in the drawings and detailed description.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 복수의 1차 군집별 최적 중심점을 선정하고, 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성함으로써, 운송 특성이 반영된 최적의 운송 군집을 빠르게 도출하고, 이에 기초하여 경로를 최적화시킴으로써, 운송 경로의 수립에 소요되는 시간과 비용을 감소시킬 수 있는 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다. According to any one of the above-described problem solving means of the present invention, a plurality of primary clusters are generated according to the number of orders and the number of clusters based on regional information, an optimal center point for each of the plurality of primary clusters is selected, and a plurality of primary clusters are selected. By creating a plurality of secondary clusters that satisfy regional constraints based on the optimal center point for each primary cluster, we quickly derive the optimal transport cluster that reflects transport characteristics, and optimize the route based on this, thereby contributing to the establishment of transport routes. It is possible to provide a server, a method and a computer program capable of reducing the time and cost required.

운송 경로를 빠르게 수립함으로써, 많은 물동량과 실시간으로 추가되는 운송건에 대한 운송 경로의 수립을 지원하여 운송 효율을 증대시키도록 하는 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다. It is possible to provide a server, a method, and a computer program to increase transport efficiency by quickly establishing transport routes by supporting establishment of transport routes for large volumes of goods and transport cases that are added in real time.

경로 최적화를 위해 수행되는 전역 최적화 방식 대비 빠르게 운송 특성을 반영하면서도, 전역 최적해와 근사한 로컬해를 도출할 수 있도록 하는 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다. It is possible to provide a server, a method, and a computer program capable of deriving a global optimal solution and an approximate local solution while reflecting transport characteristics faster than a global optimization method performed for path optimization.

도 1은 본 발명의 일 실시예에 따른 경로 도출 서버의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 권역 정보를 생성하는 과정을 설명하기 위한 예시적인 도면이다.
도 3은 본 발명의 일 실시예에 따른 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하여 1차 군집별 최적 중심점을 선정하는 과정을 설명하기 위한 예시적인 도면이다.
도 4는 본 발명의 일 실시예에 따른 권역별 제약 조건을 도시한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 복수의 2차 군집을 생성하는 과정을 설명하기 위한 예시적인 도면이다.
도 6은 본 발명의 일 실시예에 따른 복수의 2차 군집에 운송 금지 구역을 제외시키는 구성을 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 경로 도출 서버에서 물류를 위한 경로를 도출하는 방법의 순서도이다. 1 is a configuration diagram of a path derivation server according to an embodiment of the present invention.
2 is an exemplary diagram for explaining a process of generating regional information according to an embodiment of the present invention.
3 is an exemplary diagram for explaining a process of selecting an optimal center point for each primary cluster by generating a plurality of primary clusters according to the number of orders and clusters based on region information according to an embodiment of the present invention.
4 is an exemplary diagram illustrating constraint conditions for each region according to an embodiment of the present invention.
5 is an exemplary diagram for explaining a process of generating a plurality of secondary clusters according to an embodiment of the present invention.
6 is an exemplary diagram for explaining a configuration for excluding transportation prohibited areas from a plurality of secondary clusters according to an embodiment of the present invention.
7 is a flowchart of a method for deriving a route for logistics in a route derivation server according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, embodiments of the present invention will be described in detail so that those skilled in the art can easily practice the present invention with reference to the accompanying drawings. However, the present invention may be embodied in many different forms and is not limited to the embodiments described herein. And in order to clearly explain the present invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. Throughout the specification, when a part is said to be "connected" to another part, this includes not only the case where it is "directly connected" but also the case where it is "electrically connected" with another element interposed therebetween. . In addition, when a part "includes" a certain component, this means that it may further include other components, not excluding other components, unless otherwise stated, and one or more other characteristics. However, it should be understood that it does not preclude the possibility of existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.In this specification, a "unit" includes a unit realized by hardware, a unit realized by software, and a unit realized using both. Further, one unit may be realized using two or more hardware, and two or more units may be realized by one hardware.

본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.In this specification, some of the operations or functions described as being performed by a terminal or device may be performed instead by a server connected to the terminal or device. Likewise, some of the operations or functions described as being performed by the server may also be performed in a terminal or device connected to the corresponding server.

이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다. Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 경로 도출 서버의 구성도이다. 도 1을 참조하면, 경로 도출 서버(100)는 수집부(110), 권역 정보 생성부(120), 군집화 수행부(130), 운송 그룹 도출부(140) 및 운행 경로 도출부(150)를 포함할 수 있다.1 is a configuration diagram of a route derivation server according to an embodiment of the present invention. Referring to FIG. 1 , the path derivation server 100 includes a collection unit 110, a region information generation unit 120, a clustering unit 130, a transportation group derivation unit 140, and a driving path derivation unit 150. can include

수집부(110)는 복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집할 수 있다. 여기서, 운송 정보는 예를 들어, 주문 정보, 차량 정보, 센터 정보, 계약권역 정보 등을 포함하고, 지역 정보는 예를 들어, 우편번호, 전국 강정보, 지형정보 등을 포함할 수 있다. The collection unit 110 may collect transportation information and area information to be transported by a plurality of logistics vehicles. Here, transportation information may include, for example, order information, vehicle information, center information, contract area information, and the like, and regional information may include, for example, postal codes, national river information, topographical information, and the like.

권역 정보 생성부(120)는 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성할 수 있다. The area information generating unit 120 may generate area information based on the collected transport information and area information.

권역 정보를 생성하는 과정에 대해서는 도 2를 통해 상세히 설명하도록 한다. A process of generating regional information will be described in detail with reference to FIG. 2 .

도 2는 본 발명의 일 실시예에 따른 권역 정보를 생성하는 과정을 설명하기 위한 예시적인 도면이다. 도 2를 참조하면, 권역 정보 생성부(120)는 운송 정보 및 지역 정보에 기초하여 운송 차량별 계약정보를 기반으로 계약권역에 대해 적어도 하나의 폴리곤(polygon)을 생성할 수 있다. 2 is an exemplary diagram for explaining a process of generating regional information according to an embodiment of the present invention. Referring to FIG. 2 , the region information generation unit 120 may generate at least one polygon for the contract region based on contract information for each transport vehicle based on transport information and region information.

권역 정보 생성부(120)는 생성된 적어도 하나의 폴리곤의 중심점을 복수의 1차 군집에 대한 초기 중심점(201)으로 선정할 수 있다. 여기서, 복수의 초기 중심점(201)은 각 1차 군집의 초기값으로 이용되며, 이후, 1차 군집별 최적 중심점의 선정을 위해 이용될 수 있다. 이와 같이, 초기 중심점(201)의 선정을 통해 운송의 중요 특성인 물류 차량의 권역을 준수하면서, 군집이 형성되도록 할 수 있다. The area information generation unit 120 may select the center point of at least one generated polygon as the initial center point 201 for the plurality of primary clusters. Here, the plurality of initial center points 201 are used as initial values for each first cluster, and then can be used to select the optimal center point for each first cluster. In this way, through the selection of the initial central point 201, a cluster can be formed while complying with the distribution vehicle area, which is an important characteristic of transportation.

권역 정보 생성부(120)는 계약권역을 기반으로 실제 발생된 주문에 어떤 계약 정보가 포함되었는지를 확인한 후, 주문 정보와 계약권역 정보를 매핑시킬 수 있다. 이 때, 매핑된 계약권역 정보 및 주문 정보(202)는 추후 제 2 군집의 생성 시, 최대한 동일 계약권역의 정보를 하나의 군집으로 군집화하기 위해 이용될 수 있다. After confirming which contract information is included in the actually generated order based on the contract area, the area information generation unit 120 may map the order information and the contract area information. In this case, the mapped contract area information and order information 202 may be used to cluster information of the same contract area as much as possible into one cluster when a second cluster is created later.

권역 정보 생성부(120)는 운송 정보 및 지역 정보에 기초하여 물류 차량의 운송과 관련하여 운행 금지 구역에 대한 정보(203)를 저장할 수 있다. 예를 들어, 권역 정보 생성부(120)는 지역적 특성과 물류 차량의 선호 지역 특성에 기초하여 각 군집별로 운행 금지 구역과의 접점을 확인하고, 접점이 존재하는 경우, 계약권역별로 운행 금지 구역에 대한 정보(203)를 저장할 수 있다. 이 때, 운행 금지 구역에 대한 정보(203)는 추후 제 2 군집의 생성 시, 제 2 군집 내에 금지 구역이 포함되지 않도록 하는데 이용될 수 있다. The area information generation unit 120 may store information 203 on a prohibited area in relation to transport of logistics vehicles based on transport information and regional information. For example, the regional information generating unit 120 checks the point of contact with the driving prohibited area for each cluster based on the regional characteristics and the preferred regional characteristics of the logistics vehicles, and if there is a contact point, the driving prohibited area for each contracted region. Information 203 may be stored. In this case, the information 203 on the prohibited area may be used to prevent the prohibited area from being included in the second cluster when the second cluster is created later.

이러한 과정을 통해, 권역 정보 생성부(120)는 권역명별로 '중심점-금지구역-주문정보'를 포함하는 권역 정보(204)를 생성할 수 있다. Through this process, the region information generating unit 120 may generate region information 204 including 'center point-prohibited area-order information' for each region name.

이 때, 권역 정보 생성부(120)는 군집의 특성과 관련된 군집 조건(205)을 더 고려하여 권역 정보(204)를 생성할 수 있다. 예를 들어, 권역 정보 생성부(120)는 운송 정보 중 물류 차량의 특성을 반영하여 군집의 특성과 관련된 군집 조건(205)을 설정할 수 있다. 여기서, 하나의 군집은 한 대의 물류 차량과 매핑될 수 있다. 즉, 하나의 군집은 한 대의 차량의 운송 그룹이 될 수 있다. At this time, the region information generation unit 120 may generate the region information 204 by further considering the cluster condition 205 related to the characteristics of the cluster. For example, the regional information generating unit 120 may set the cluster condition 205 related to the cluster characteristics by reflecting the characteristics of logistics vehicles in the transportation information. Here, one cluster may be mapped with one logistics vehicle. That is, one cluster can be a transport group of one vehicle.

예를 들어, 권역 정보 생성부(120)는 전체 주문 대비 필요한 적정 물류 차량 수를 도출하여 군집수로 도출할 수 있다. 이 때, 권역 정보 생성부(120)는 전체 주문/물류 차량당 최대 배송 가능 건수에 기초하여 적정 물류 차량의 수를 도출할 수 있다. For example, the area information generation unit 120 may derive the number of clusters by deriving an appropriate number of logistics vehicles required for total orders. At this time, the region information generation unit 120 may derive the appropriate number of logistics vehicles based on the maximum number of deliverables per total order/logistics vehicle.

권역 정보 생성부(120)는 각 군집의 크기를 설정할 수 있다. 여기서, 군집의 크기는 군집에 포함된 주문수를 의미하며, 군집의 크기는 운송 특성에 따라 최소/최대 범위 또는 평균값으로 결정될 수 있다. 이러한 과정을 통해 설정된 군집의 크기는 추후 복수의 1차 군집의 생성 시, 주문수를 고려하여 생성하기 위해 이용될 수 있다. The regional information generation unit 120 may set the size of each cluster. Here, the size of the cluster means the number of orders included in the cluster, and the size of the cluster may be determined as a minimum/maximum range or an average value according to transport characteristics. The size of the cluster set through this process can be used to create a plurality of primary clusters in consideration of the number of orders later.

만약, 군집의 크기를 군집 범위로 지정할 경우, 군집의 범위는 준수하면서, 최대한 유사한 크기로 1차 군집이 형성되도록 할 수 있으며, 군집의 크기를 평균값으로 지정할 경우, 최대한 평균값과 유사해지도록 1차 군집이 형성되도록 할 수 있다. If the size of the cluster is specified as the cluster range, the primary cluster can be formed with the size as similar as possible while observing the cluster range. clusters can be formed.

다시 도 1로 돌아와서, 군집화 수행부(130)는 복수의 1차 군집을 생성하고, 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행할 수 있다.Returning to FIG. 1 , the clustering performer 130 generates a plurality of primary clusters and generates a plurality of secondary clusters that satisfy the constraint conditions for each region based on the optimal center point for each of the plurality of primary clusters, thereby performing clustering. can be done

군집화 수행부(130)는 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 복수의 1차 군집별 최적 중심점을 선정할 수 있다. 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하여 1차 군집별 최적 중심점을 선정하는 과정에 대해서는 도 3을 통해 상세히 설명하도록 한다. The clustering performer 130 may generate a plurality of primary clusters according to the number of orders and the number of clusters based on the generated region information, and select an optimal center point for each of the plurality of primary clusters. The process of generating a plurality of primary clusters according to the number of orders and the number of clusters based on regional information and selecting the optimal center point for each primary cluster will be described in detail with reference to FIG. 3 .

도 3은 본 발명의 일 실시예에 따른 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하여 1차 군집별 최적 중심점을 선정하는 과정을 설명하기 위한 예시적인 도면이다. 도 3을 참조하면, 군집화 수행부(130)는 권역 정보에 기초하여 복수의 1차 군집에 대한 복수의 1차 군집별 초기 중심점(300)을 선정할 수 있다. 3 is an exemplary diagram for explaining a process of selecting an optimal center point for each primary cluster by generating a plurality of primary clusters according to the number of orders and clusters based on region information according to an embodiment of the present invention. Referring to FIG. 3 , the clustering performer 130 may select initial center points 300 for each of a plurality of primary clusters for a plurality of primary clusters based on region information.

군집화 수행부(130)는 복수의 1차 군집별 초기 중심점을 기준으로 소정 범위 내에 복수의 랜덤 중심점을 생성(301)할 수 있다. The clustering performer 130 may generate (301) a plurality of random center points within a predetermined range based on the initial center points of each of the plurality of primary clusters.

군집화 수행부(130)는 복수의 랜덤 중심점 중 주문수(310) 및 군집수(311)에 기초한 적어도 하나의 운송 지점의 할당(302)을 통해 복수의 1차 군집별 후보 중심점의 선정(303)을 반복 수행할 수 있다. The clustering performer 130 selects (303) candidate center points for each of a plurality of primary clusters through allocation (302) of at least one transportation point based on the number of orders (310) and the number of clusters (311) among a plurality of random center points. can be repeated.

군집화 수행부(130)는 복수의 1차 군집별 후보 중심점을 선정(303)하기 위해 주문수(310) 및 군집수(311)에 기초하여 군집 수용 범위를 산정하고, 군집 수용 범위 내 정규 분포를 이용할 수 있다. The clustering performer 130 calculates the cluster acceptance range based on the number of orders 310 and the number of clusters 311 in order to select 303 candidate center points for each of a plurality of primary clusters, and calculates a normal distribution within the cluster acceptance range. available.

이러한 과정을 통해, 군집화 수행부(130)는 거리 비용 및 범위 비용이 최소화도록 하는 목적함수를 통해 복수의 랜덤 중심점 중 주문수(310) 및 군집수(311)에 기초한 적어도 하나의 운송 지점을 할당할 수 있다. Through this process, the clustering performer 130 allocates at least one transportation point based on the number of orders 310 and the number of clusters 311 among a plurality of random center points through an objective function that minimizes the distance cost and the range cost. can do.

이후, 군집화 수행부(130)는 1차 군집별 후보 중심점 및 1차 군집별 후보 중심점 이전에 선정된 이전 후보 중심점 간의 일치 정도에 기초하여 1차 군집별 후보 중심점에 대한 평가(304)를 수행할 수 있다. Thereafter, the clustering performer 130 evaluates (304) the candidate center point for each first cluster based on the degree of agreement between the candidate center point for each first cluster and the previous candidate center point selected before the first candidate center point for each first cluster. can

예를 들어, 군집화 수행부(130)는 1차 군집별 후보 중심점 및 이전 후보 중심점이 일치하지 않은 경우, 복수의 랜덤 중심점 중 주문수(310) 및 군집수(311)에 기초한 적어도 하나의 운송 지점의 재할당(302)을 통해 복수의 1차 군집별 후보 중심점을 재선정(305)할 수 있다. 이 때, 군집화 수행부(130)는 복수의 1차 군집별 후보 중심점의 재선정(305)을 반복 수행할 수 있다. For example, the clustering performer 130 selects at least one transport point based on the number of orders 310 and the number of clusters 311 among a plurality of random center points when the candidate center points for each primary cluster and the previous candidate center points do not match. Through the reallocation 302 of , candidate center points for each of a plurality of primary clusters may be re-selected 305 . At this time, the clustering performer 130 may repeatedly perform re-selection 305 of candidate center points for each of a plurality of primary clusters.

이 때, 군집화 수행부(130)는 재선정된 1차 군집별 후보 중심점 및 1차 군집별 후보 중심점 이전에 선정된 이전 후보 중심점이 일치할때까지 적어도 하나의 운송 지점의 재할당(302)을 반복 수행할 수 있다. At this time, the clustering performer 130 reassigns 302 at least one transport point until the reselected candidate center points for each primary cluster and the previous candidate center points selected before the first cluster coincide. can be repeated.

군집화 수행부(130)는 1차 군집별 후보 중심점 및 이전 후보 중심점이 일치하는 경우, 1차 군집 내에서 후보 중심점 및 이전 후보 중심점 간의 직선 거리를 산출(306)하고, 산출된 직선 거리에 기초하여 1차 군집에 대한 군집화 정도를 평가(307)하여 복수의 1차 군집별 최적 중심점을 선정(308)할 수 있다. 예를 들어, 군집화 수행부(130)는 군집 내 직선 거리를 산출(306)함으로써, 1차 군집에 대한 군집화 정도의 평가 점수가 최적값 보다 작을 시, 새로운 최적값을 저장하여 업데이트하며, 이러한 과정을 반복 수행함으로써, 최종적으로 저장된 최적값을 1차 군집별 최적 중심점으로 선정할 수 있다. The clustering performer 130 calculates (306) a linear distance between the candidate central point and the previous candidate central point within the first cluster when the candidate central point for each first cluster and the previous candidate central point coincide, and based on the calculated linear distance The degree of clustering for the first cluster may be evaluated (307), and an optimal center point for each of the plurality of first clusters may be selected (308). For example, the clustering performer 130 calculates (306) a linear distance within a cluster, and stores and updates a new optimal value when the evaluation score of the clustering degree for the first cluster is smaller than the optimal value. This process By repeatedly performing , the finally stored optimal value can be selected as the optimal center point for each primary cluster.

종래에는 전체 운송 특성을 반영하여 한번에 주문의 할당, 군집화를 수행함에 따라, 모든 운송 특성을 반영하여 군집화를 수행할 경우 많은 사항을 고려 하게 됨에 따라 최적 군집을 찾기 어렵고 시간이 많이 소요된다는 단점을 가지고 있었다. Conventionally, as order allocation and clustering are performed at once by reflecting all transport characteristics, when clustering is performed by reflecting all transport characteristics, it is difficult to find the optimal cluster and takes a lot of time due to many considerations. there was.

그러나 본 발명은 위와 같은 과정을 통해 주문의 분포에 기초하여 군집수 및 주문수에 기초하여 빠르게 군집의 중심을 설정하고, 실제 운송 특성을 반영하여 적어도 하나의 운송 지점을 할당할 수 있다. 또한, 본 발명은 권역 기반으로 1차 군집별 초기 중심점을 이용하여 권역을 준수하면서 실제 주문의 분포를 기반으로 주문수 및 군집수를 준수하며 최적 중심점을 선정하도록 할 수 있다. However, the present invention can quickly set the centers of clusters based on the number of clusters and the number of orders based on the distribution of orders through the above process, and allocate at least one delivery point by reflecting actual transport characteristics. In addition, the present invention can use the initial center point for each primary cluster based on the area to select the optimal center point while complying with the area and observing the number of orders and the number of clusters based on the distribution of actual orders.

다시 도 1로 돌아와서, 군집화 수행부(130)는 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성할 수 있다. 이 때, 군집화 수행부(130)는 최적 중심점에 기초하여 실제 운송 특성 및 제약사항을 반영하여 실제 주문을 군집에 할당함으로써, 복수의 2차 군집을 생성할 수 있다. 복수의 2차 군집을 생성하는 과정에 대해서는 도 4 내지 도 6을 통해 상세히 설명하도록 한다. Returning to FIG. 1 again, the clustering performer 130 may generate a plurality of secondary clusters that satisfy the constraint condition for each region based on the optimal center point for each of the plurality of primary clusters. In this case, the clustering performer 130 may generate a plurality of secondary clusters by allocating actual orders to clusters by reflecting actual transportation characteristics and constraints based on the optimal center point. A process of generating a plurality of secondary clusters will be described in detail with reference to FIGS. 4 to 6 .

도 4는 본 발명의 일 실시예에 따른 권역별 제약 조건을 도시한 예시적인 도면이다. 도 4를 참조하면, 권역별 제약 조건은 실제 운송 특성을 반영하기 위한 운송 제약 조건이 정의된 것으로, 운송 정보 및 지역 정보 중 적어도 하나에 기초하여 군집수 제약 및 군집 크기 제약을 포함하는 군집 제약 조건(400), 차량 적재 용량 제약 및 차량 운송 지역 제약을 포함하는 차량 제약 조건(401), 권역 제약 및 금지 구역 제약을 포함하는 지역 제약 조건(402) 등을 포함할 수 있다. 4 is an exemplary diagram illustrating constraint conditions for each region according to an embodiment of the present invention. Referring to FIG. 4, the regional constraint conditions are defined as transport constraint conditions for reflecting actual transport characteristics, and cluster constraint conditions including cluster number constraints and cluster size constraints based on at least one of transport information and regional information. 400, a vehicle constraint condition 401 including a vehicle load capacity restriction and a vehicle transportation region restriction, a region restriction condition 402 including a region restriction and a prohibited area restriction, and the like.

군집 제약 조건(400)은 군집수, 군집 크기, 군집 간의 형평성을 위한 균등 조건으로, 실제 물류 차량이 운송 시, 운송할 물류 차량의 수, 물류 차량간의 형평성을 준수하기 위한 조건을 의미할 수 있다. The cluster constraint condition 400 is an equal condition for the number of clusters, cluster size, and fairness between clusters, and may mean conditions for observing fairness between the number of logistics vehicles to be transported and between logistics vehicles when actual logistics vehicles are transported. .

차량 제약 조건(401)은 물류 차량의 적재 용량과 물류 차량의 선호 지역 및 지정 지역을 반영하여 실제 물류 차량들의 특성이 반영된 조건을 의미할 수 있다. The vehicle constraint condition 401 may refer to a condition in which characteristics of actual logistics vehicles are reflected by reflecting the loading capacity of the logistics vehicle, a preferred region, and a designated region of the logistics vehicle.

지역 제약 조건(403)은 계약권역 준수 및 금지구역 운행 금지 등과 같이 물류의 운송 시 반영해야 할 지역적 제약 조건을 의미할 수 있다. The regional constraints 403 may refer to regional constraints to be reflected when transporting logistics, such as compliance with contract areas and prohibition of operation in restricted areas.

다시 도 1로 돌아와서, 복수의 2차 군집을 생성하는 과정에 대해서는 도 5를 통해 상세히 설명하도록 한다. Returning to FIG. 1 again, the process of generating a plurality of secondary clusters will be described in detail with reference to FIG. 5 .

도 5는 본 발명의 일 실시예에 따른 복수의 2차 군집을 생성하는 과정을 설명하기 위한 예시적인 도면이다. 도 5를 참조하면, 군집화 수행부(130)는 운송 정보로부터 복수의 1차 군집별 최적 중심점과 인접한 주문 정보를 추출하고, 권역 정보로부터 추출된 주문 정보에 해당하는 특정 권역을 추출하고, 1차 군집별 최적 중심점 및 특정 권역에 기초하여 복수의 2차 군집을 생성할 수 있다.5 is an exemplary diagram for explaining a process of generating a plurality of secondary clusters according to an embodiment of the present invention. Referring to FIG. 5 , the clustering performer 130 extracts order information adjacent to the optimal center point for each of a plurality of primary clusters from transport information, extracts a specific region corresponding to the order information extracted from region information, and first A plurality of secondary clusters may be created based on the optimal center point for each cluster and a specific region.

예를 들어, 복수의 1차 군집(500) 중 제 1 군집(501)의 '초기 중심점: 8'(502)이었고, '최적 중심점: 3'(503)으로 선정되었다고 가정하자. 군집화 수행부(130)는 운송 정보로부터 '최적 중심점: 3'(503)과 인접한 주문 정보로 '주문 정보: 29번'(510)을 추출할 수 있다. 이 때, 군집화 수행부(130)는 권역 정보(511)로부터 '주문 정보: 29번'(510)에 해당하는 권역을 '제8권역'(512)으로 추출하고, 최적 중심점에 해당하는 '중심점 3'(503)과 '제8권역'(512)의 매핑을 통해 복수의 2차 군집을 생성할 수 있다. 이 때, 권역 정보 생성부(120)는 생성된 복수의 2차 군집에 대해 1차 군집별 최적 중심을 기반으로 하는 신규 권역 정보(520)를 재구성하여 데이터베이스에 저장할 수 있다. For example, assume that the 'initial center point: 8' (502) of the first cluster 501 among the plurality of primary clusters 500 is selected as the 'optimal center point: 3' (503). The clustering performer 130 may extract 'order information: No. 29' 510 as order information adjacent to 'optimum center point: 3' 503 from transportation information. At this time, the clustering performer 130 extracts the region corresponding to 'order information: No. 29' (510) as the 'eighth zone' (512) from the zone information 511, and extracts the 'center point' corresponding to the optimal center point. A plurality of secondary clusters may be generated through mapping of the 3′ (503) and the “eighth region” (512). At this time, the region information generation unit 120 may reconstruct new region information 520 based on the optimal center of gravity for each primary cluster for the plurality of generated secondary clusters and store the new region information 520 in the database.

이는 1차 군집별 최적 중심점이 계약권역의 중심에 기초하여 선정되었지만, 주문의 분포에 따라 다른 계약권역 상에서 선정될 수도 있다. 따라서, 계약권역의 준수를 위해 1차 군집별 최적 중심점이 포함된 계약권역을 확인이 요구됨으로써, 군집화 수행부(130)는 운송 정보로부터 1차 군집별 최적 중심점과 인접한 주문 정보를 추출하고, 권역 정보로부터 추출된 주문 정보에 해당하는 특정 권역을 추출함으로써, 1차 군집별 최적 중심점 및 특정 권역에 기초하여 복수의 2차 군집을 생성할 수 있다. Although the optimal center point for each primary cluster was selected based on the center of the contract area, it may be selected in other contract areas according to the distribution of orders. Therefore, in order to comply with the contract area, it is required to confirm the contract area including the optimal center point for each first cluster, so the clustering performer 130 extracts order information adjacent to the optimal center point for each first cluster from the transport information, and By extracting a specific region corresponding to the order information extracted from the information, a plurality of secondary clusters may be generated based on the optimal center point for each primary cluster and the specific region.

이러한 과정을 통해, 신규 권역 정보에 기초하여 동일 권역에 해당하는 주문정보를 특정 군집으로 우선적으로 할당되도록 할 수 있다. Through this process, based on the new area information, order information corresponding to the same area can be preferentially assigned to a specific cluster.

도 6은 본 발명의 일 실시예에 따른 복수의 2차 군집에 운송 금지 구역을 제외시키는 구성을 설명하기 위한 예시적인 도면이다. 도 6을 참조하면, 군집화 수행부(130)는 도 5를 통해 생성된 신규 권역 정보(610)를 참조하여 주문정보를 제 2 군집으로 할당할 수 있다. 6 is an exemplary diagram for explaining a configuration for excluding transportation prohibited areas from a plurality of secondary clusters according to an embodiment of the present invention. Referring to FIG. 6 , the clustering performer 130 may allocate order information to a second cluster by referring to the new region information 610 generated through FIG. 5 .

이 때, 군집화 수행부(130)는 신규 권역 정보(610) 중 복수의 2차 군집 각각에 운송 금지 구역이 포함되지 않도록, 각 주문과 각 군집간의 직선을 도출하고, 해당 직선과 금지 구역 간의 교차 여부를 판단할 수 있다. 이 때, 군집화 수행부(130)는 직선과 금지 구역이 교차될 경우, 해당 주문에 대해서 특정 군집에 포함되지 않도록 할 수 있다. At this time, the clustering performer 130 derives a straight line between each order and each cluster so that each of the plurality of secondary clusters in the new region information 610 does not include a transport prohibited area, and the intersection between the straight line and the prohibited area can determine whether At this time, the clustering performer 130 may prevent the order from being included in a specific cluster when the straight line intersects with the prohibited area.

만약, 주문수x1차 군집별 최적 중심수만큼 높은 연산이 요구되므로, 군집화 수행부(130)는 신규 권역 정보(610)에 저장된 운송 금지 구역에 대한 정보의 확인을 통해, 1차 군집별 최적 중심점이 포함된 신규 권역에 운송 금지 구역이 존재하는지를 확인한 후, 운송 금지 구역이 존재하는 경우에만 연산을 수행하도록 함으로써, 연산량을 크게 감소시키도록 할 수 있다.If an operation as high as the number of orders x the number of optimal centers for each primary cluster is required, the clustering performer 130 checks the information on the transport prohibition zone stored in the new area information 610 to determine the optimal center point for each primary cluster. After confirming whether a transport prohibited area exists in the new region, the calculation amount can be greatly reduced by performing calculation only when the transport prohibited area exists.

운송 그룹 도출부(140)는 군집화의 수행 결과에 기초하여 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출할 수 있다. 여기서, 운송 그룹은 차량별 운송 그룹을 의미할 수 있다. The transport group derivation unit 140 may derive a transport group by mapping each of a plurality of secondary clusters and each logistics vehicle based on a clustering result. Here, the transportation group may mean a transportation group for each vehicle.

운행 경로 도출부(150)는 도출된 운송 그룹에 기초하여 각 물류 차량의 운행 경로를 도출할 수 있다. 예를 들어, 운행 경로 도출부(150)는 각 운송 그룹별로 경로의 최적화를 통해 운행 경로를 도출함으로써, 최종 운송 그룹별로 로컬 최적화의 수행을 통해 빠르게 전역 최적화에 근접한 로컬 최적해를 도출하도록 할 수 있다. The travel path derivation unit 150 may derive a travel path of each logistics vehicle based on the derived transport group. For example, the travel path derivation unit 150 derives a travel path through route optimization for each transport group, so that a local optimal solution close to global optimization can be rapidly derived through local optimization for each final transport group. .

이러한 경로 도출 서버(100)는 물류를 위한 경로를 도출하는 명령어들의 시퀀스를 포함하는 매체에 저장된 컴퓨터 프로그램에 의해 실행될 수 있다. 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우, 복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하고, 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하고, 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 복수의 1차 군집별 최적 중심점을 선정하고, 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하고, 군집화의 수행 결과에 기초하여 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하고, 도출된 운송 그룹에 기초하여 각 물류 차량의 운행 경로를 도출하도록 하는 명령어들의 시퀀스를 포함할 수 있다. This path derivation server 100 may be executed by a computer program stored in a medium containing a sequence of instructions for deriving a path for logistics. When the computer program is executed by a computing device, the plurality of logistics vehicles collect transport information and regional information to be transported, generate regional information based on the collected transport information and regional information, and place an order based on the generated regional information. Multiple primary clusters are created according to the number and number of clusters, optimal center points are selected for each multiple primary clusters, and multiple secondary clusters that satisfy regional constraints are based on the optimal central points for each multiple primary clusters. A sequence of instructions for generating, deriving a transportation group by mapping each of a plurality of secondary clusters and each logistics vehicle based on the result of performing clustering, and deriving a driving route of each logistics vehicle based on the derived transportation group. can include

도 7은 본 발명의 일 실시예에 따른 경로 도출 서버에서 물류를 위한 경로를 도출하는 방법의 순서도이다. 도 7을 참조하면, 경로 도출 서버(100)에서 수행되는 물류를 위한 경로를 도출하는 방법은 도 1 내지 도 6에 도시된 실시예에 따라 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 6에 도시된 실시예에 따라 경로 도출 서버(100)에서 수행되는 물류를 위한 경로를 도출하는 방법에도 적용된다. 7 is a flowchart of a method for deriving a route for logistics in a route derivation server according to an embodiment of the present invention. Referring to FIG. 7 , the method of deriving a route for logistics performed by the route derivation server 100 includes steps processed in time series according to the embodiment shown in FIGS. 1 to 6 . Therefore, even if the content is omitted below, it is also applied to the method of deriving a route for logistics performed in the route derivation server 100 according to the embodiment shown in FIGS. 1 to 6 .

단계 S710에서 경로 도출 서버(100)는 복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집할 수 있다. In step S710, the path derivation server 100 may collect transportation information and area information to be transported by a plurality of logistics vehicles.

단계 S720에서 경로 도출 서버(100)는 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성할 수 있다. In step S720, the path derivation server 100 may generate regional information based on the collected transportation information and regional information.

단계 S730에서 경로 도출 서버(100)는 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 복수의 1차 군집별 최적 중심점을 선정하고, 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행할 수 있다. In step S730, the path derivation server 100 generates a plurality of primary clusters according to the number of orders and the number of clusters based on the generated region information, selects an optimal center point for each of the plurality of primary clusters, and selects a plurality of primary clusters. Clustering can be performed by creating a plurality of secondary clusters that satisfy the constraint conditions for each region based on the optimal center point for each region.

단계 S740에서 경로 도출 서버(100)는 군집화의 수행 결과에 기초하여 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출할 수 있다. In step S740, the path derivation server 100 may derive a transport group by mapping each of the plurality of secondary clusters and each logistics vehicle based on the clustering result.

단계 S750에서 경로 도출 서버(100)는 도출된 운송 그룹에 기초하여 각 물류 차량의 운행 경로를 도출할 수 있다. In step S750, the path derivation server 100 may derive a travel path of each logistics vehicle based on the derived transport group.

상술한 설명에서, 단계 S710 내지 S750은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.In the above description, steps S710 to S750 may be further divided into additional steps or combined into fewer steps, depending on an embodiment of the present invention. Also, some steps may be omitted as needed, and the order of steps may be switched.

도 1 내지 도 7을 통해 설명된 경로 도출 서버에서 수행되는 물류를 위한 경로를 도출하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 7을 통해 설명된 경로 도출 서버에서 수행되는 물류를 위한 경로를 도출하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다. The method for deriving a route for logistics performed in the route derivation server described with reference to FIGS. 1 to 7 may be in the form of a computer program stored in a medium executed by a computer or a recording medium including instructions executable by a computer. can be implemented In addition, the method for deriving a route for logistics performed in the route derivation server described with reference to FIGS. 1 to 7 may be implemented in the form of a computer program stored in a medium executed by a computer.

컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. Also, computer readable media may include computer storage media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data.

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. The above description of the present invention is for illustrative purposes, and those skilled in the art can understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, the embodiments described above should be understood as illustrative in all respects and not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.

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. The scope of the present invention is indicated by the following claims rather than the detailed description above, and all changes or modifications derived from the meaning and scope of the claims and equivalent concepts should be construed as being included in the scope of the present invention. do.

100: 경로 도출 서버
110: 수집부
120: 권역 정보 생성부
130: 군집화 수행부
140: 운송 그룹 도출부
150: 운행 경로 도출부100: route derivation server
110: collection unit
120: regional information generation unit
130: clustering unit
140: transport group derivation unit
150: driving route derivation unit

Claims (17)

물류를 위한 경로를 도출하는 서버에 있어서,
복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하는 수집부;
상기 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하는 권역 정보 생성부;
상기 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 상기 복수의 1차 군집별 최적 중심점을 선정하고, 상기 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행하는 군집화 수행부;
상기 군집화의 수행 결과에 기초하여 상기 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하는 운송 그룹 도출부; 및
상기 도출된 운송 그룹에 기초하여 상기 각 물류 차량의 운행 경로를 도출하는 운행 경로 도출부
를 포함하는, 경로 도출 서버.
In a server that derives a route for logistics,
A collection unit for collecting transport information and regional information to be transported by a plurality of logistics vehicles;
a region information generation unit generating region information based on the collected transportation information and region information;
Based on the generated region information, a plurality of primary clusters are created according to the number of orders and the number of clusters, the optimal center point for each of the plurality of primary clusters is selected, and the regional region is based on the optimal center point for each of the plurality of primary clusters. a clustering performer that performs clustering by generating a plurality of secondary clusters that satisfy each constraint condition;
a transport group derivation unit for deriving a transport group by mapping each of the plurality of secondary clusters and each logistics vehicle based on a result of the clustering; and
A travel path derivation unit for deriving a travel path of each logistics vehicle based on the derived transport group.
Including, path derivation server.
 제 1 항에 있어서,
상기 군집화 수행부는 상기 권역 정보에 기초하여 상기 복수의 1차 군집에 대해 기선정된 복수의 초기 중심점을 기준으로 소정 범위 내에 복수의 랜덤 중심점을 생성하고, 상기 복수의 랜덤 중심점 중 상기 주문수 및 상기 군집수에 기초한 적어도 하나의 운송 지점의 할당을 통해 상기 복수의 1차 군집별 후보 중심점의 선정을 반복 수행하는 것인, 경로 도출 서버.
According to claim 1,
The clustering performer generates a plurality of random center points within a predetermined range based on a plurality of initial center points previously selected for the plurality of primary clusters based on the region information, and among the plurality of random center points, the number of orders and the Wherein the path derivation server repeatedly performs selection of candidate center points for each of the plurality of primary clusters through assignment of at least one transport point based on the number of clusters.
 제 2 항에 있어서,
상기 군집화 수행부는 상기 선정된 1차 군집별 후보 중심점 및 상기 1차 군집별 후보 중심점 이전에 선정된 이전 후보 중심점 간의 일치 정도에 기초하여 상기 1차 군집별 후보 중심점에 대한 평가를 수행하는 것인, 경로 도출 서버.
According to claim 2,
The clustering performer evaluates the candidate center point for each first cluster based on the degree of agreement between the selected candidate center point for each first cluster and a previous candidate center point selected before the first candidate center point for each first cluster. Route Derivation Server.
 제 3 항에 있어서,
상기 군집화 수행부는 상기 1차 군집별 후보 중심점 및 상기 이전 후보 중심점이 일치하지 않은 경우, 상기 복수의 랜덤 중심점 중 상기 주문수 및 상기 군집수에 기초한 상기 적어도 하나의 운송 지점의 재할당을 통해 상기 복수의 1차 군집별 후보 중심점을 재선정하는 것인, 경로 도출 서버.
According to claim 3,
The clustering performer reassigns the at least one transport point based on the number of orders and the number of clusters among the plurality of random center points when the candidate center point for each primary cluster and the previous candidate center point do not match. A path derivation server that re-selects candidate center points for each primary cluster of
 제 4 항에 있어서,
상기 군집화 수행부는 상기 1차 군집별 후보 중심점 및 상기 이전 후보 중심점이 일치하는 경우, 상기 1차 군집 내에서 상기 후보 중심점 및 상기 이전 후보 중심점 간의 직선 거리를 산출하고,
상기 산출된 직선 거리에 기초하여 상기 1차 군집별 군집화 정도를 평가하여 상기 복수의 1차 군집별 최적 중심점을 선정하는 것인, 경로 도출 서버.
According to claim 4,
The clustering performer calculates a linear distance between the candidate center point and the previous candidate center point within the first cluster when the candidate center point for each first cluster and the previous candidate center point coincide,
and selecting an optimal center point for each of the plurality of primary clusters by evaluating a degree of clustering for each of the first clusters based on the calculated linear distance.
 제 1 항에 있어서,
상기 군집화 수행부는 상기 운송 정보로부터 상기 복수의 1차 군집별 최적 중심점과 인접한 주문 정보를 추출하고,
상기 권역 정보로부터 상기 추출된 주문 정보에 해당하는 특정 권역을 추출하고,
상기 1차 군집별 최적 중심점 및 상기 특정 권역에 기초하여 상기 복수의 2차 군집을 생성하는 것인, 경로 도출 서버.
According to claim 1,
The clustering performer extracts order information adjacent to the optimal center point for each of the plurality of primary clusters from the transportation information,
Extracting a specific area corresponding to the extracted order information from the area information;
And generating the plurality of secondary clusters based on the optimal center point for each primary cluster and the specific area.
 제 1 항에 있어서,
상기 권역별 제약 조건은 상기 운송 정보 및 상기 지역 정보 중 적어도 하나에 기초하여 군집수 제약 및 군집 크기 제약을 포함하는 군집 제약 조건, 차량 적재 용량 제약 및 차량 운송 지역 제약을 포함하는 차량 제약 조건, 권역 제약 및 금지 구역 제약을 포함하는 지역 제약 조건 중 적어도 하나를 포함하는 것인, 경로 도출 서버.
According to claim 1,
The region-specific constraint condition includes a cluster constraint condition including a group number restriction and a cluster size restriction based on at least one of the transportation information and the region information, a vehicle restriction condition including a vehicle loading capacity restriction and a vehicle transport area restriction, and a region A route derivation server comprising at least one of a region constraint condition including a restriction and a prohibited area constraint.
 제 2 항에 있어서,
상기 권역 정보 생성부는 상기 권역 정보에 기초하여 적어도 하나의 폴리곤(polygon)을 생성하고, 상기 적어도 하나의 폴리곤의 중심점을 상기 복수의 1차 군집에 대한 상기 복수의 초기 중심점으로 선정하는 것인, 경로 도출 서버.
According to claim 2,
Wherein the region information generator generates at least one polygon based on the region information, and selects a center point of the at least one polygon as the plurality of initial center points for the plurality of primary clusters. Derive Server.
 경로 도출 서버에서 물류를 위한 경로를 도출하는 방법에 있어서,
복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하는 단계;
상기 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하는 단계;
상기 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 상기 복수의 1차 군집별 최적 중심점을 선정하고, 상기 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행하는 단계;
상기 군집화의 수행 결과에 기초하여 상기 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하는; 및
상기 도출된 운송 그룹에 기초하여 상기 각 물류 차량의 운행 경로를 도출하는 단계를 포함하는, 경로 도출 방법.
In the method for deriving a route for logistics in a route derivation server,
Collecting transportation information and area information to be transported by a plurality of logistics vehicles;
generating area information based on the collected transportation information and area information;
Based on the generated region information, a plurality of primary clusters are created according to the number of orders and the number of clusters, the optimal center point for each of the plurality of primary clusters is selected, and the regional region is based on the optimal center point for each of the plurality of primary clusters. performing clustering by generating a plurality of secondary clusters that satisfy each constraint condition;
Deriving a transportation group by mapping each of the plurality of secondary clusters and each logistics vehicle based on a result of performing the clustering; and
On the basis of the derived transport group, a path derivation method comprising the step of deriving a travel path of each logistic vehicle.
 제 9 항에 있어서,
상기 권역 정보에 기초하여 상기 복수의 1차 군집에 대해 기선정된 복수의 초기 중심점을 기준으로 소정 범위 내에 복수의 랜덤 중심점을 생성하는 단계; 및
상기 복수의 랜덤 중심점 중 상기 주문수 및 상기 군집수에 기초한 적어도 하나의 운송 지점의 할당을 통해 상기 복수의 1차 군집별 후보 중심점의 선정을 반복 수행하는 단계를 더 포함하는 것인, 경로 도출 방법.
According to claim 9,
generating a plurality of random center points within a predetermined range based on a plurality of initial center points previously selected for the plurality of primary clusters based on the region information; and
Further comprising the step of repeatedly selecting candidate center points for each of the plurality of primary clusters through allocation of at least one transportation point based on the number of orders and the number of clusters among the plurality of random center points. .
 제 10 항에 있어서,
상기 선정된 1차 군집별 후보 중심점 및 상기 1차 군집별 후보 중심점 이전에 선정된 이전 후보 중심점 간의 일치 정도에 기초하여 상기 1차 군집별 후보 중심점에 대한 평가를 수행하는 단계를 더 포함하는 것인, 경로 도출 방법.
According to claim 10,
Evaluating the candidate center point for each first cluster based on a degree of agreement between the selected candidate center point for each first cluster and a previous candidate center point selected before the first candidate center point for each first cluster. , the path derivation method.
 제 11 항에 있어서,
상기 1차 군집별 후보 중심점 및 상기 이전 후보 중심점이 일치하지 않은 경우, 상기 복수의 랜덤 중심점 중 상기 주문수 및 상기 군집수에 기초한 상기 적어도 하나의 운송 지점의 재할당을 통해 상기 복수의 1차 군집별 후보 중심점을 재선정하는 단계를 더 포함하는 것인, 경로 도출 방법.
According to claim 11,
When the candidate center points for each primary cluster and the previous candidate center points do not coincide, the plurality of primary clusters are reassigned by reallocating the at least one transportation point based on the number of orders and the number of clusters among the plurality of random center points. Further comprising the step of re-selecting a star candidate center point, the path derivation method.
 제 12 항에 있어서,
상기 1차 군집별 후보 중심점 및 상기 이전 후보 중심점이 일치하는 경우, 상기 1차 군집 내에서 상기 후보 중심점 및 상기 이전 후보 중심점 간의 직선 거리를 산출하는 단계; 및
상기 산출된 직선 거리에 기초하여 상기 1차 군집별 군집화 정도를 평가하여 상기 복수의 1차 군집별 최적 중심점을 선정하는 단계를 더 포함하는 것인, 경로 도출 방법.
According to claim 12,
calculating a linear distance between the candidate center point and the previous candidate center point in the first cluster when the candidate center point for each first cluster and the previous candidate center point coincide; and
The path derivation method of further comprising selecting an optimal center point for each of the plurality of first-order clusters by evaluating a degree of clustering for each of the first-order clusters based on the calculated straight-line distance.
 제 9 항에 있어서,
상기 운송 정보로부터 상기 복수의 1차 군집별 최적 중심점과 인접한 주문 정보를 추출하는 단계;
상기 권역 정보로부터 상기 추출된 주문 정보에 해당하는 특정 권역을 추출하는 단계; 및
상기 1차 군집별 최적 중심점 및 상기 특정 권역에 기초하여 상기 복수의 2차 군집을 생성하는 단계를 더 포함하는 것인, 경로 도출 방법.
According to claim 9,
extracting order information adjacent to an optimal center point for each of the plurality of primary clusters from the transportation information;
extracting a specific region corresponding to the extracted order information from the region information; and
The route derivation method further comprising generating the plurality of secondary clusters based on the optimal center point for each primary cluster and the specific area.
 제 9 항에 있어서,
상기 권역별 제약 조건은 상기 운송 정보 및 상기 지역 정보 중 적어도 하나에 기초하여 군집수 제약 및 군집 크기 제약을 포함하는 군집 제약 조건, 차량 적재 용량 제약 및 차량 운송 지역 제약을 포함하는 차량 제약 조건, 권역 제약 및 금지 구역 제약을 포함하는 지역 제약 조건 중 적어도 하나를 포함하는 것인, 경로 도출 방법.
According to claim 9,
The region-specific constraint condition includes a cluster constraint condition including a group number restriction and a cluster size restriction based on at least one of the transportation information and the region information, a vehicle restriction condition including a vehicle loading capacity restriction and a vehicle transport area restriction, and a region A path derivation method comprising at least one of a region constraint condition including a restriction and a prohibited area constraint.
 제 10 항에 있어서,
상기 권역 정보에 기초하여 적어도 하나의 폴리곤(polygon)을 생성하고, 상기 적어도 하나의 폴리곤의 중심점을 상기 복수의 1차 군집에 대한 상기 복수의 초기 중심점으로 선정하는 단계를 더 포함하는 것인, 경로 도출 방법.
According to claim 10,
Generating at least one polygon based on the region information, and selecting a center point of the at least one polygon as the plurality of initial center points for the plurality of primary clusters. Derivation method.
 물류를 위한 경로를 도출하는 명령어들의 시퀀스를 포함하는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우,
복수의 물류 차량이 운송할 운송 정보 및 지역 정보를 수집하고,
상기 수집된 운송 정보 및 지역 정보에 기초하여 권역 정보를 생성하고,
상기 생성된 권역 정보에 기초하여 주문수 및 군집수에 따른 복수의 1차 군집을 생성하고, 상기 복수의 1차 군집별 최적 중심점을 선정하고, 상기 복수의 1차 군집별 최적 중심점을 기준으로 권역별 제약 조건을 만족하는 복수의 2차 군집을 생성하여 군집화를 수행하고,
상기 군집화의 수행 결과에 기초하여 상기 복수의 2차 군집 각각과 각 물류 차량을 매핑하여 운송 그룹을 도출하고,
상기 도출된 운송 그룹에 기초하여 상기 각 물류 차량의 운행 경로를 도출하도록 하는 명령어들의 시퀀스를 포함하는, 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램.A computer program stored on a computer readable recording medium comprising a sequence of instructions for deriving a route for logistics,
When the computer program is executed by a computing device,
Collect transportation information and regional information to be transported by multiple logistics vehicles,
Generating area information based on the collected transportation information and area information;
Based on the generated region information, a plurality of primary clusters are created according to the number of orders and the number of clusters, the optimal center point for each of the plurality of primary clusters is selected, and the regional region is based on the optimal center point for each of the plurality of primary clusters. Clustering is performed by generating a plurality of secondary clusters that satisfy each constraint,
Based on the result of the clustering, a transportation group is derived by mapping each of the plurality of secondary clusters and each logistics vehicle,
A computer program stored on a computer-readable recording medium including a sequence of instructions for deriving a travel route of each logistics vehicle based on the derived transport group.
KR1020210173387A 2021-12-07 2021-12-07 Server, method and computer program for deriving route of logistics KR102668416B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210173387A KR102668416B1 (en) 2021-12-07 2021-12-07 Server, method and computer program for deriving route of logistics

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210173387A KR102668416B1 (en) 2021-12-07 2021-12-07 Server, method and computer program for deriving route of logistics

Publications (2)

Publication Number Publication Date
KR20230085326A true KR20230085326A (en) 2023-06-14
KR102668416B1 KR102668416B1 (en) 2024-05-24

Family

ID=86744870

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210173387A KR102668416B1 (en) 2021-12-07 2021-12-07 Server, method and computer program for deriving route of logistics

Country Status (1)

Country Link
KR (1) KR102668416B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102594458B1 (en) * 2023-08-07 2023-10-27 주식회사 와이더블유로지스틱스 Logistics driver's movement adjustment and scheduling method, device and system using artificial intelligence model

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160071202A (en) * 2014-12-11 2016-06-21 태상로지스틱스(주) Method of Efficient Delivery Schedule Management and Delivery Schedule Management System
KR101700104B1 (en) * 2012-09-04 2017-02-13 에스케이플래닛 주식회사 System And Method for supporting a clustering algorithm, and Apparatus supporting the same
KR101992828B1 (en) * 2019-02-19 2019-06-25 정승범 System and method for dispatching cargo
KR102095735B1 (en) * 2019-05-20 2020-04-01 김성묵 Logistics vender system using cargo based on region and distribution method thereof

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101700104B1 (en) * 2012-09-04 2017-02-13 에스케이플래닛 주식회사 System And Method for supporting a clustering algorithm, and Apparatus supporting the same
KR20160071202A (en) * 2014-12-11 2016-06-21 태상로지스틱스(주) Method of Efficient Delivery Schedule Management and Delivery Schedule Management System
KR101992828B1 (en) * 2019-02-19 2019-06-25 정승범 System and method for dispatching cargo
KR102095735B1 (en) * 2019-05-20 2020-04-01 김성묵 Logistics vender system using cargo based on region and distribution method thereof

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102594458B1 (en) * 2023-08-07 2023-10-27 주식회사 와이더블유로지스틱스 Logistics driver's movement adjustment and scheduling method, device and system using artificial intelligence model

Also Published As

Publication number Publication date
KR102668416B1 (en) 2024-05-24

Similar Documents

Publication Publication Date Title
Bögl et al. The school bus routing and scheduling problem with transfers
Çalık et al. A Benders decomposition method for locating stations in a one-way electric car sharing system under demand uncertainty
Grabenschweiger et al. The vehicle routing problem with heterogeneous locker boxes
Rahmani et al. The two-echelon multi-products location-routing problem with pickup and delivery: formulation and heuristic approaches
Lowalekar et al. Zac: A zone path construction approach for effective real-time ridesharing
Soriano et al. The two-region multi-depot pickup and delivery problem
Fallah et al. Covering problem
CN112884409A (en) Distribution route recommendation method, device, equipment and storage medium
CN112950119A (en) Method, device, equipment and storage medium for splitting instant logistics order
KR20230085326A (en) Server, method and computer program for deriving route of logistics
CN109413202A (en) The ordering system and method for block chain Transaction Information
Solano-Charris et al. Solving the bi-objective robust vehicle routing problem with uncertain costs and demands
Casazza et al. The multiple vehicle balancing problem
Corberán et al. A matheuristic for the distance-constrained close-enough arc routing problem
Bouanane et al. Multi-depots vehicle routing problem with simultaneous delivery and pickup and inventory restrictions: Formulation and resolution
Rabiei et al. Multistage transit-oriented development assessment: a case study of the Montréal metro system
Lv et al. A fuzzy correlation based heuristic for Dual-mode integrated Location routing problem
Kabadurmus et al. A green vehicle routing problem with multi-depot, multi-tour, heterogeneous fleet and split deliveries: a mathematical model and heuristic approach
Arslan et al. Data-driven Vehicle Routing in Last Mile Delivery
Chen et al. Solving a 3-dimensional vehicle routing problem with delivery options in city logistics using fast-neighborhood based crowding differential evolution algorithm
Shao-hong et al. Location algorithm of transfer stations based on density peak and outlier detection
Baklagis et al. The team orienteering pick-up and delivery problem with time windows and its applications in fleet sizing
Guo et al. How to find a comfortable bus route-Towards personalized information recommendation services
Christiansen et al. A branch-and-cut-and-price algorithm for the multi-depot capacitated vehicle routing problem with stochastic demands
Nadizadeh et al. A location-routing problem model with multiple periods and fuzzy demands

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant