# MRGRP: Empowering Courier Route Prediction in Food Delivery Service with Multi-Relational Graph

### 저자

Chang Liu, Huan Yan, Hongjie Sui, Haomin Wen, Yuan Yuan, Yuyang Han, Hongsen Liao, Xuetao Ding, Jinghua Hao, Yong Li

### 개요

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.

    - 메이투안 튜링 플랫폼에서 실제 적용되어 성능 향상을 검증하였습니다.

    - 배달원과 사용자 만족도 향상 및 플랫폼 수익성 증대에 기여할 수 있습니다.

- **한계점:**

    - 제안된 모델의 성능은 특정 플랫폼(메이투안)의 데이터에 의존적일 수 있습니다.

    - 다양한 환경 및 상황에 대한 일반화 성능 평가가 추가적으로 필요합니다.

    - 실시간 예측 성능 및 확장성에 대한 분석이 부족합니다.

    - 데이터의 편향성에 대한 분석 및 해결 방안이 명시적으로 제시되지 않았습니다.

[PDF 보기](https://arxiv.org/pdf/2505.11999)

![https://i.imgur.com/LsDKZGh.jpeg](https://i.imgur.com/LsDKZGh.jpeg)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).