AI가 최적의 물류 배송 경로를 설계한다고?🤖

앞으로는 물류 배송과 차량 배차에 인공지능(AI)를 활용할 수 있게 되었어요. AI를 활용하여 물류 차량의 배차와 이동 경로를 최적화하는 시스템이 국토부 우수 물류신기술 9호로 지정되면서, 산업 별 작업환경, 날씨 및 교통 상황, 유류비 등 복잡한 비용조건을 고려하면서도 최적화된 물류 차량의 배차와 경로를 AI가 산출해주게 되었거든요.

기존에는 어땠고, 기존 대비 성과는?

기존 물류차량 배차업무는 사람이 직접 배차와 이동경로를 결정하기 때문에 담당자의 경험과 숙련도에 따라 배차의 효율성이 달라지는 문제가 있었어요. 그렇지만 해당 신기술은 사람이 아닌 인공지능이 주어진 환경을 따라 다양한 변수를 고려하여 정교하게 최적 경로를 계산하기 때문에, 배차 업무 담당자의 역량(숙련도)와 관계없이 효율적인 운영이 가능하다는 장점이 있어요.

실제로 투입 차량이 감소(15%)되고, 차량별 이동 거리도 약 18% 감소되는 등 배차의 효율성이 개선되는 효과도 확인되었다고. 또한 국토교통부는 이번 물류신기술이 차량 주행거리 단축에 따른 운송비용 절감뿐만 아니라, 연간 탄소 배출량 저감 등 친환경 물류 환경 조성에도 크게 기여할 것으로 내다봤어요.

이 시스템, 어떻게 동작하는 거야?

위밋모빌리티가 개발한 이 시스템은 크게 3단계로 이루어져요.

1. 데이터 모델링 : 필요한 데이터를 AI가 학습할 수 있도록 데이터를 수집하고 모델링해요. 배송과 배차에 필요한 물류 센터의 위치 정보, 주문 정보(위치, 물량, 배송시간 제한), 차량 정보(적재량, 작업 시간), 도로 정보(거리 속도) 등이 포함돼요. 수집이 완료됐다면 이를 AI가 학습하기 쉬운 형태로 바꿔줘요.
2. Graph Neural Network(GNN)을 통한 AI 예측 : 물류 시스템의 핵심 정보인 물류센터, 배송 지점, 그리고 도로망은 그 자체가 점(Node)와 점의 연결인 선(Edge)로 이루어진 그래프로 볼 수 있어요. GNN은 이렇게 점과 선이 연결된 그래프 형태의 데이터를 학습하는 AI 모델이에요.
   
   GNN은 내 위치에서 이웃한 노드의 정보를 수집해서 내 상태를 업데이트하는 메시지 패싱(Message Passing) 과정을 거치는데, 이를 통해 내가 배송해야 할 먼 지점까지의 예상 비용을 산출하고 모든 배송 경로에 필요한 비용 행렬(Cost Matrix)를 산출할 수 있어요. AI는 이 비용 행렬을 통해 어떤 길이 현재 교통 상황이나 배송 상황에서 더 효율적일지 예측할 수 있게 돼요.
3. 최적화 엔진(Hybrid Metaheuristic & Constraint Programming)을 통한 최적 경로 확정 : GNN은 실시간마다 변하는 교통 상황과 관련된 복잡한 변수들을 비용 행렬이라는 단순화된 숫자로 제시해줄 수는 있지만, 반드시 지켜야 할 제약 조건은 만족하지 못하는 경우가 있어요. 예를 들면 '차량 적재량은 반드시 1ton 미만이라던가, 부산에 정확히 13시까지 도착해야 한다.' 와 같이 엄격한 제약조건(Hard Constraints)을 완벽히 준수하는 결과를 낼 때는 GNN만 사용하는 것이 취약할 수 있어요.
   
   따라서 비용 행렬을 통해서 파악된 우수한 경로들만을 대상으로 탐색해서, '엄격한 제약조건을 만족하는 가장 좋은 솔루션'을 찾는 과정이 필요해요. 이 과정을 해당 단계에서 수행한다고 볼 수 있어요.