본 연구는 인공지능(AI)과 머신러닝(ML)을 활용하여 미국의 물류 운영을 최적화하고 환경적 영향을 줄이며 연료 효율을 개선하고 비용을 최소화하는 방법을 탐구한다. 예측 분석을 통한 수요 예측, 머신러닝을 통한 경로 최적화, AI 기반 연료 효율 전략 등의 AI 응용 프로그램이 중점적으로 다뤄진다. 선형 회귀, XGBoost, 서포트 벡터 머신, 신경망과 같은 다양한 모델을 실제 물류 데이터 세트에 적용하여 탄소 배출량 감소, 최단 거리 및 시간 최소화를 위한 경로 최적화, 최적 경로 계획을 위한 미래 배송 예측 등을 수행한다. K-Means와 DBSCAN과 같은 다른 모델들도 거리 및 시간을 최소화하는 경로 최적화에 사용된다. 모델 성능은 MAE, MSE, R2 점수와 같은 지표를 사용하여 평가하고, 실시간 물류 및 공급망 활용을 위한 다양한 플랫폼에 대한 배포 가능성도 탐색한다. 사례 연구를 통해 지속가능성을 증진하는 모범 사례와 규제 프레임워크를 강조한다. 연구 결과는 AI가 물류 효율성을 높이고 탄소 발자국을 줄이며 더욱 탄력적이고 적응력 있는 공급망 생태계에 기여할 수 있는 잠재력을 보여준다.
