본 논문은 화물 통합을 위한 효율적인 접근 방식인 SPOT을 제안합니다. SPOT은 머신러닝과 최적화 기법을 통합하여, 공간-시간 클러스터링 및 제약 조건이 있는 빈번 항목 집합 마이닝을 통해 머신러닝이 적합한 통합 지점을 식별하고, 최적화 기법을 통해 비용 효율적인 통합 경로를 선택합니다. 산업용 화물 데이터를 이용한 실험 결과, SPOT은 기존 방식 대비 이동 거리 및 운송 비용을 상당히 감소시키는 것으로 나타났습니다 (대형 터미널의 경우 약 50%). 또한, SPOT은 계산 효율이 높고 확장성이 뛰어나 대규모 운송 네트워크에도 적용 가능합니다.
