배차 및 라우팅 최적화

최근 물류 업계에서는 배차 최적화와 라우팅 최적화가 핵심 이슈로 떠오르고 있습니다. 쿠팡 로켓배송, 마켓컬리 새벽배송과 같은 라스트마일 서비스는 물론, 물류 보관센터의 위치 선정과 규모만큼이나 배송 최적화가 중요한 요소로 자리 잡고 있습니다.

특히, 대한통운의 주 7일 택배 서비스나 네이버쇼핑의 빠른 배송 전략은 시장 점유율 확보의 중요한 경쟁 요소로 작용하고 있습니다.

배송 최적화의 주요 이슈

배송 최적화는 주로 라스트마일과 일부 미들마일에서 다음과 같은 세 가지 핵심 이슈를 포함합니다.

1. 적재 최적화 (Load Build)

   • 어떤 **차량 타입(라이더, 다마스, 1톤, 2.5톤 등)**을 사용할 것인가?
   • 화물 적재 방식을 어떻게 최적화할 것인가?

2. 라우트 최적화 (Route Optimization)

   • 다중 배송지의 최적 이동 경로를 어떻게 설정할 것인가?
   • 방문 일정(방문 날짜, 약속 시간, 매장 오픈/마감 시간)을 고려한 **스케줄링(Time Window)**이 필요함.

3. Replanning (실시간 재계획 기능)

   • 기존에는 주문 마감(Order Cut-off) 후 최적의 배차를 계산하는 방식이었으나,
   • 라스트마일 배송에서는 주문이 지속적으로 유입되므로 실시간 Replanning이 필요함.
   • 대기 차량, 이동 중 차량, 복귀 차량의 상태를 고려하여 최적의 배차를 지속적으로 재계산해야 함

배차 최적화 엔진과 GIS 데이터

배차 최적화 엔진은 다양한 방식으로 구현되며, 최근에는 AI 기반(ML/DL) 배차 엔진도 등장하고 있습니다. 하지만 어떤 엔진을 사용하든, GIS 데이터(지리정보 시스템 데이터)는 필수적입니다.

과거에는 고정된 거점 간 거리 데이터를 사전 구축하여 사용했지만, 라스트마일 배송에서는 고객의 위치가 유동적이기 때문에 사전 거리 확보가 불가능합니다.

• T-map API와 같은 상용 맵 사용

  • 비용 부담이 크며, 실시간 최적화를 수행하기에 속도 이슈가 발생
  • 즉, 실시간 거리 계산을 API로 처리하는 것은 현실적으로 어려움

• 대안적인 거리 계산 방식

  • 사전 구축된 거리 DB 기반 계산
  • 직선거리 기반 최적화 후, 실거리 보정 방식
  • 단, 수도권과 같이 인구 밀집 지역에서는 실거리 기반 최적화가 필수적, 그렇지 않으면 결과의 신뢰도가 크게 낮아짐.

GLT Korea의 G-Map 솔루션

GLT Korea는 이러한 문제를 해결하기 위해 자체 GIS 데이터를 내장한 G-Map을 출시하였습니다.

G-Map의 특징

• On-Premise 구축 가능 (API 서비스뿐만 아니라 자체 서버 구축 가능)
• 최적화 과정에서 실시간 실거리 추출 가능
• 무제한 거리 쿼리 지원 (기존 상용 API의 건수 제한 문제 해결)
• 미들마일부터 라스트마일까지 배차 최적화 품질 향상에 기여

기존 상용 API는 연간 수천만 원의 비용이 발생하며, 건수 제한으로 인해 실시간 최적화 적용이 어려웠습니다. 그러나 G-Map은 엔진과 번들 제품으로 제공되어, 최적화 품질을 높이면서도 비용 부담을 줄일 수 있는 강력한 대안이 될 것입니다.