본 논문은 음식 배달 서비스의 효율성 향상을 위해 다중 관계 그래프 기반 경로 예측(MRGRP) 방법을 제안합니다. 기존의 휴리스틱 방법과 학습 기반 방법의 한계를 극복하고자, 공간 및 시간적 근접성, 픽업-배달 관계 등을 다중 관계 그래프로 표현하고, GraphFormer 아키텍처를 이용하여 복잡한 관계를 학습합니다. 또한, 배달원 정보와 동적인 거리 및 시간 정보를 활용하는 경로 디코더를 설계하여 예측 정확도를 높였습니다. 실험 결과, 다양한 크기의 도시 데이터에서 최첨단 성능을 달성하였으며, 메이투안 튜링 플랫폼에 배포되어 기존 휴리스틱 알고리즘보다 높은 0.819의 경로 예측 정확도를 달성했습니다.
시사점, 한계점
•
시사점:
◦
다중 관계 그래프와 GraphFormer 아키텍처를 활용하여 음식 배달 경로 예측의 정확도를 향상시켰습니다.
◦
배달원의 선호도와 동적인 요소들을 고려하여 실제 배달 상황에 더욱 적합한 예측 결과를 제공합니다.
