[논문 리뷰] CrowdExpress: A Probabilistic Framework for On-Time Crowdsourced Package Deliveries

Chao Chen, Sen Yang외 4명|arXiv (Cornell University)|2018. 09. 08.

Transportation and Mobility Innovations참고 문헌 49인용 수 3

한 줄 요약

CrowdExpress는 역사적 택시 GPS 궤적을 분석하여 운행 중인 택시를 활용해 시간 내에, 비용 효율적인 패키지 배달를 가능하게 하는 확률적 프레임워크를 제안한다. 이는 운행 중인 택시의 이동 경로를 분석해 운송 네트워크를 구축하고, 실시간으로 적응형 스케줄링 알고리즘을 사용해 시간 내 도착 가능성이 가장 높은 경로로 패키지를 배달한다. 뉴욕시 택시 데이터를 기반으로 한 평가에서, 평균 계산 시간이 25ms 미만이면서도 94% 이상의 시간 내 배달 성공률을 달성하였다.

ABSTRACT

Speed and cost of logistics are two major concerns to on-line shoppers, but they generally conflict with each other in nature. To alleviate the contradiction, we propose to exploit existing taxis that are transporting passengers on the street to relay packages collaboratively, which can simultaneously lower the cost and accelerate the speed. Specifically, we propose a probabilistic framework containing two phases called CrowdExpress for the on-time package express deliveries. In the first phase, we mine the historical taxi GPS trajectory data offline to build the package transport network. In the second phase, we develop an online adaptive taxi scheduling algorithm to find the path with the maximum arriving-on-time probability "on-the-fly" upon real- time requests, and direct the package routing accordingly. Finally, we evaluate the system using the real-world taxi data generated by over 19,000 taxis in a month in the city of New York, US. Results show that around 9,500 packages can be delivered successfully on time per day with the success rate over 94%, moreover, the average computation time is within 25 milliseconds.

연구 동기 및 목표

• 패키지 배달의 비용과 속도 간의 갈등을 해결하기 위해 기존의 택시 승객 교통량을 활용함으로써 물류 문제를 해결한다.
• 승객 서비스 품질을 저하시키지 않으면서도 공동 택시 릴레이를 통해 시간 내 패키지 배달를 가능하게 한다.
• 확률적 시간 내 도착 예측 기반으로 실시간으로 동적으로 패키지 라우팅을 스케줄링할 수 있는 확장성 있고 실시간 기반의 시스템을 개발한다.
• 궤적 데이터 마이닝과 적응형 경로 계획을 통해 승객 및 패키지 수요 패턴의 불확실성을 극복한다.

제안 방법

• 오프라인 단계: 역사적 택시 GPS 궤적을 분석하여 위치 간 잠재적 릴레이 경로를 모델링하는 확률적 패키지 운송 네트워크를 구축한다.
• 온라인 단계: 각 패키지 요청에 대해 시간 내 도착 가능성이 가장 높은 경로를 계산하는 적응형 택시 스케줄링 알고리즘을 적용한다.
• 동적 승객 수요 및 교통 조건을 고려하여 각 후보 경로의 시간 내 도착 가능성을 추정하기 위한 확률 모델을 사용한다.
• 실시간 택시 가용성 및 승객 라우팅 데이터를 통합하여 지정된 교환 정류장(인터체인지 스테이션)을 통해 패키지 라우팅 결정을 유도한다.
• 구축된 운송 네트워크에서 동적 프로그래밍 또는 그래프 탐색 기법을 적용하여 최적의 릴레이 시퀀스를 찾는다.
• 택시 궤적의 시공간 클러스터링을 활용해 고확률 릴레이 지점을 식별하고 라우팅 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 기존의 운행 중인 택시를 최소한의 추가 비용이나 노력으로 효과적으로 활용하여 패키지를 시간 내에 배달할 수 있는가?
• RQ2 실시간 승객 및 패키지 수요의 불확실성을 어떻게 모델링하여 신뢰할 수 있는 시간 내 배달 예측을 가능하게 할 수 있는가?
• RQ3 동적인 공유 이동 환경에서 시간 내 도착 가능성을 최대화하는 최적의 경로 계획 전략은 무엇인가?
• RQ4 실제 환경 조건에서 시스템의 시간 내 배달 성공률과 계산 효율성은 어떻게 평가되는가?

주요 결과

• 실제 뉴욕시 택시 데이터 기반으로 매일 약 9,500개의 패키지를 배달하며, 시간 내 배달 성공률가 94%를 초과한다.
• 경로 계획에 대한 평균 계산 시간이 25ms 이하로 떨어져 실시간 구현에 적합한 높은 효율성을 입증하였다.
• 비교 평가를 통해 기준 알고리즘 대비 뚜렷한 시간 내 배달 성능 향상을 입증하였다.
• 택시 궤적의 확률 모델링을 통해 고수요 불확실성 상황에서도 정확한 도착 가능성을 추정할 수 있었다.
• 역사적 데이터 기반으로 오프라인으로 운송 네트워크를 구축함으로써 온라인 라우팅 결정을 위한 확장성 있고 재사용 가능한 인프라를 확보하였다.
• 단일 운행의 제한을 넘어 다중 택시를 통한 다단계 릴레이를 가능하게 하여 장거리 패키지 배달를 효과적으로 처리하였다.