Green Vehicle Routing for Mixed-Fleet Cold-Chain Distribution under Time- and Location-Dependent Traffic Congestion
본 연구는 시간 및 위치 종속적 교통 혼잡을 비선형 에너지 소비 프레임워크에 통합한 혼합 차량대(mixed-fleet) 콜드체인 차량 경로 결정 모델을 제안하고, 이를 개선된 적응형 대규모 이웃 탐색 알고리즘을 사용하여 해결함으로써 총 유통 비용을 최소화하는 동시에 동적인 혼잡 조건 하에서 혼합 차량대의 운영 및 경제적 이점을 입증한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
현대 도시의 분주한 동맥 속에서, 물품의 이동은 타이밍과 온도를 다투는 끊임없이 긴박하게 진행되는 발레와 같습니다. 신선한 농산물, 유제품, 의약품과 같은 부패하기 쉬운 품목의 경우, 창고에서 고객의 문 앞까지의 여정은 단순히 거리에 관한 문제가 아닙니다. 그것은 시간 및 열기와의 싸움입니다. 만약 배송 트럭이 교통 체증 속에 너무 오래 머물게 되면, 냉동 장치는 더 열심히 작동해야 하며, 이는 에너지를 소모하고 화물이 부패할 위험을 높입니다. 도시들이 탄소 배출을 줄이기 위해 전기 트럭을 도입함에 따라 이 섬세한 균형은 더욱 복잡해지고 있습니다. 전기 차량은 더 깨끗한 경로를 제공하지만, 제한된 배터리 수명과 충전 필요성이라는 다른 종류의 제약을 안고 있습니다. 이제 물류 관리자들은 어려운 퍼즐에 직면해 있습니다. 어떻게 이 두 종류의 차량을 혼합하고, 예측 불가능한 도시 교통의 리듬을 탐색하며, 막대한 비용을 들이지 않고도 식품을 신선하게 유지할 것인가 하는 문제입니다. 이 도전 과제는 교통 상황이 모든 곳에서, 혹은 모든 시간에 동일하게 작동하지 않는다는 사실 때문에 더욱 가중됩니다. 어떤 도로는 정오에는 원활하지만 오후 5시에는 꽉 막힐 수 있으며, 특정 동네는 병목 구간인 반면 바로 다음 블록은 원활하게 흐를 수도 있습니다.
중국의 동북림업대학교(Northeast Forestry University) 연구진은 전기 및 연료 기반 냉동 트럭이 혼합된 함대를 위한 새로운 배송 경로 계획 방법을 개발함으로써 이 복잡한 문제를 해결했습니다. 그들은 전통적인 계획 방식이 종종 교통을 정적인 평균치로 취급하거나 시간과 위치를 별개로 다루어, 교통 체증이 변화하는 3차원 현상이라는 현실을 놓친다는 점을 인식했습니다. 이를 포착하기 위해 연구팀은 모든 도로 구간을 더 작은 조각으로 나누고, 특정 시간대와 해당 구역의 구체적인 혼잡도를 바탕으로 트럭이 각 조각을 통과하는 데 걸리는 시간을 계산하는 상세한 모델을 만들었습니다. 이 접근 방식은 종합적인 비용 계산기를 구축할 수 있게 해주었습니다. 이 계산기는 단순히 마일(mile)을 세는 것이 아니라, 엔진에서 연소되는 전기나 연료, 화물을 차갑게 유지하기 위해 필요한 추가 에너지, 지연으로 인한 식품 부패 시의 경제적 손실, 너무 일찍 또는 너무 늦게 도착했을 때의 페널티, 그리고 탄소 배출 비용까지 모두 고려합니다. 이 복잡한 데이터를 정교한 탐색 알고리즘에 입력함으로써, 연구진은 혼합 차량 함대를 위한 가장 효율적인 경로를 찾기 위해 수백만 가지의 가능한 경로 조합을 시뮬레이션할 수 있었습니다.
연구는 배송 센터가 엄격한 시간 제한 내에 많은 고객에게 트럭을 보내는 특정 시나리오에 집중했습니다. 연구진은 소규모 동네부터 대규모의 넓은 구역에 이르기까지 다양한 도시 구조와 교통 패턴을 사용하여 모델을 테스트했습니다. 그들은 가장 효과적인 전략이 전기 트럭만을 사용하거나 연료 기반 트럭만을 사용하는 것이 결코 아니라는 것을 발견했습니다. 대신, 혼합 함대를 사용하는 것이 일관되게 가장 경제적이고 유연한 해결책임이 입증되었습니다. 시뮬레이션에서 두 차량 유형을 결합하는 것은 하루의 특정 요구 사항에 적응할 수 있게 해주었습니다. 예를 들어, 고객이 밀집해 있고 경로가 짧은 지역에서는 낮은 운영 비용을 활용하는 전기 트럭이 번창할 수 있었습니다. 그러나 경로가 길어지거나 분산되거나, 배터리를 방전시키거나 배송 시간을 놓칠 위험이 있는 심각한 교통 체증에 부딪히는 경우에는 연료 기반 트럭이 필요한 주행 거리와 신뢰성을 제공했습니다. 결과는 이러한 하이브리드 접근 방식이 단일 유형의 차량을 사용하는 것보다 총 유통 비용을 크게 줄였으며, 혼합 함대가 테스트된 거의 모든 시나리오에서 최고의 성능을 보였다는 것을 보여주었습니다.
또한 연구는 이러한 배송 시스템이 교통 조건에 얼마나 민감한지를 강조했습니다. 연구팀은 러시 아워(출퇴근 시간)의 지속 시간과 혼잡 구역의 크기를 늘려 시뮬레이션을 실행했습니다. 그들은 교통 상황이 악화됨에 따라 부패, 냉동, 시간 제한 페널티 비용이 급격히 상승하는 것을 관찰했습니다. 속도가 느려진다는 것은 트럭이 도로 위에서 더 많은 시간을 보낸다는 것을 의미하며, 이는 더 많은 에너지를 소비할 뿐만 아니라 부패하기 쉬운 상품이 잠재적인 온도 변화에 노로출되는 시간을 증가시켰습니다. 이러한 더 가혹한 조건에 대응하여, 알고리즘은 자연스럽게 전략을 수정하여, 비록 연료 소비가 약간 증가하더라도 배송을 제시간에 완료하기 위해 연료 기반 차량을 더 많이 배치했습니다. 이러한 역동적인 조정은 고정된 함대가 유동적인 도시 교통의 특성에 대처할 수 없음을 보여주었습니다. 실시간 조건에 따라 차량 유형을 전환하는 능력이 효율성을 유지하는 데 매우 중요합니다.
나아가 연구진은 자신들의 새로운 알고리즘을 표준 유전 알고리즘(genetic algorithms) 및 기타 탐색 기법을 포함한 여러 기존 방법들과 비교했습니다. 대규모 이웃 탐색(large neighborhood search)과 시뮬레이티드 어닐링(simulated annealing) 과정을 결 결합한 그들의 새로운 방법은 일관되게 더 나은 솔루션을 찾아냈습니다. 이 방법은 가끔은 약간 더 좋지 않은 경로를 수용함으로써 새로운 가능성을 탐색하게 함으로써, 국소적 최적점(local traps, 경로가 좋아 보이지만 실제로는 최선의 결과와는 거리가 먼 상황)에서 벗어나는 데 특히 효과적이었습니다. 최대 100명의 고객을 포함하는 테스트에서, 새로운 알고리즘은 모든 사례에서 가장 낮은 비용의 경로를 찾아내며 다른 방법들을 눈에 띄는 차이로 압도했습니다. 이 연구는 신뢰성을 희생하지 않으면서 친환경을 추구하고자 하는 물류 기업들에게, 그 해답이 단일 기술이 아닌 스마트하고 적응력 있는 기술의 조합에 있다는 것을 시사합니다. 교통의 구체적이고 변화하는 특성을 이해하고 이를 적절한 전기 및 연료 기반 차량의 혼합과 매칭함으로써, 도시들은 콜드체인(cold-chain) 유통이 환경 친화적이면서도 경제적으로 생존 가능한 미래로 나아갈 수 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.