균등 배차를 고려한 유전 알고리즘 기반 항만 물류 AI 자동 배차 최적화 방법 = Genetic Algorithm-based Port Logistics AI Dispatch Optimization Method Considering Balanced Allocation

국문 초록 (Abstract)

한국교통연구원에서 발행한 글로벌 물류산업 동향에 따르면 최근 글로벌 유통·물류산업에서 AI를 활용한 자동 배차 시스템이 도입되며 운송 비용 절감과 운영 효율성이 향상되고 있다. 그러나 기존 연구들은 운송 비용 최소화에 집중한 나머지 차주(화물운송 노동자)의 권익 보호를 충분히 고려하지 못하는 한계가 있었다. 또한, 강화학습 기반 접근법은 실무 적용에 어려울 정도로 긴 학습 시간이 요구되었다. 본 연구에서는 균등 배차를 고려한 유전 알고리즘 기반 최적화 방법을 제안하여, 차주 간 과도한 경쟁을 완화하고 공정성을 확보하는 동시에, 공차 거리를 최소화하여 불필요한 비용과 시간을 절감할 수 있는 방안을 제시한다. 실험 결과, 제안된 알고리즘은 빠른 학습 속도를 유지하면서도 효율성과 공정성을 동시에 만족하는 배차 계획을 수립할 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

According to the Global Logistics Industry Trends published by the Korea Transport Institute, AI-driven automated dispatch systems have recently been introduced in the global logistics industry, leading to reduced transportation costs and improved operational efficiency. However, previous studies have primarily focused on minimizing transportation costs while insufficiently considering the rights and welfare of freight transportation workers. Additionally, reinforcement learning-based approaches have faced challenges in practical applications due to excessively long training times. This study proposes an optimized dispatch method based on a genetic algorithm that incorporates equitable dispatch to alleviate excessive competition among freight drivers, ensure fairness, and minimize empty mileage to reduce unnecessary costs and time. Experimental results demonstrate that the proposed algorithm effectively maintains fast learning speed while simultaneously achieving both efficiency and fairness in dispatch planning.