효율적인 물류 운송 배차를 위한 최적 프로세스 연구 = A Study On The Optimal Process For Efficient Logistical Transport

다국어 초록 (Multilingual Abstract)

With the advent of various online to offline (O2O) services, the transportation volume of logistics companies is increasing. However, since vehicles and car owners are limited, if the shipper does not present an appropriate fare, the rate of allocation will decrease and making it difficult to secure car owners. It is also not easy for car owners to find the most suitable logistics at once amid numerous requests for logistics transportation in real time. For efficient dispatch, we study the dispatch contract process according to each position of the shipper and the car owner. For shippers, we suggest optimal fares with high dispatch probability according to fare decision factors, and check the probability of execution when the optimal fare is presented. For car owners, a personal model using random forest is built to narrow the their choice amid numerous shippers' cargo transport requests, and a customized cargo recommendation list is provided. New car owners use a group model built by grouping car owners with similar tendencies. In addition, in order to reduce the waiting time for car owners, we analyze a method of minimizing the distance that runs without loading. As a result, it is found that the average 29.771 km can be reduced.

국문 초록 (Abstract)

다양한 O2O(online to offline) 서비스의 등장과 함께 물류기업의 운송 물량이 증가하고 있다. 하지만 차량과 차주가 한정되어 있어 화주는 적정 운임을 제시하지 않으면 배차 체결률이 감소하여 차주를 확보하는 것이 어려워진다. 차주 또한 실시간으로 올라오는 수많은 물류 운송 요청 속에서 가장 적합한 물류를 한 번에 찾기가 쉽지 않다. 따라서 본 논문에서는 효율적인 배차를 위해 화주와 차주 각각 입장에 따른 배차 체결 프로세스를 연구한다. 화주를 위한 프로세스에서는 Metropolis-Hastings 알고리즘을 이용하여 운임 결정 요인에 따라 높은 배차 확률을 가지는 최적의 운임을 제시하고, 최적의 운임을 제시했을 때의 체결 확률을 확인한다. 차주를 위한 프로세스에서는 수많은 화주의 화물 운송 요청 속에서 차주의 선택 폭을 좁혀주기 위해 랜덤포레스트를 이용한 개인 모델을 구축하여 각 차주에게 적합한 맞춤형 화물 추천 리스트를 만들어 제공한다. 이때 신규차주는 이전 배차 체결 기록이 없거나 매우 적어 개인 모델 구축이 불가능하므로 k-평균(k-means) 알고리즘을 통해 비슷한 체결 성향을 가진 차주끼리 그룹화하여 구축한 그룹모델을 이용한다. 구축한 모델을 통한 추천 리스트와 실제 체결 기록을 비교하여 추천 리스트가 타당함을 확인하였다. 추가로 차주의 배차 대기시간을 줄여주기 위해 짐을 싣지 않고 운행하는 공차 운송 거리를 최소화하는 방법을 분석하였고 그 결과 평균 29.771km를 감소시킬 수 있음을 알 수 있었다.

참고문헌 (Reference)

1 김철민 ; 최재훈, "화물운송사업자 형태별 화물정보망 니즈 분석" 한국자료분석학회 16 (16): 393-403, 2014

2 심현우, "텍스트 마이닝을 활용한 개인정보유출 보고서의 군집 분석" 한국자료분석학회 21 (21): 877-887, 2019

3 이신행, "유튜브 악플 탐지를 위한 기계학습: 스태킹 앙상블 모델의 적용을 중심으로" 한국자료분석학회 24 (24): 1583-1598, 2022

4 윤혜경 ; 김태영 ; 김용하, "군집분석을 활용한 포스트휴먼 교양의 범주화에 관한 연구" 한국자료분석학회 23 (23): 209-217, 2021

5 임옥경 ; 김재원 ; 송상화, "공차운송 최소화를 위한 주문 매칭 알고리즘" 한국로지스틱스학회 26 (26): 57-68, 2018

6 Steinhaus, H., "Sur la division des corps matériels en parties" 3 (3): 801-804, 1957

7 Brieman, L., "Random forests" 45 : 5-32, 2001

8 Hastings, W. K., "Monte Carlo sampling methods using Markov chains and their applications" 57 : 97-109, 1970

9 Lee, J. -S., "Innovation strategies regarding the restructuring of the Korean trucking market in the era of the fourth industrial revolution" The Korea Transport Institute 1-205, 2021

10 Metropolis, N., "Equations of statecalculations by fast computing machines" 21 : 1087-1091, 1953

11 Zanni, A. M., "Emissions of CO2 from road freight transport in London : trends and policies for long run reductions" 38 (38): 1774-1786, 2010