[붙임] 연구결과 개요

1. 연구배경

화물 물류 시장은 전자상거래의 급속한 확장으로 인해 지난 수십 년 동안 엄청난 성장을 거듭해 왔다. 글로벌 전자상거래 매출이 증가할 것으로 예상되고 고객이 언제 어디서나 수요 충족을 요구함에 따라 향상된 물류 유통 전략이 필요해짐에 따라 택배 서비스의 성장은 당분간 지속될 것으로 예상된다. 또한, 코로나19 사태 이후 온라인 구매가 급증했고, 이에 따른 비대면 거래 수요 증가도 택배 수요 증가에 기여했다. 물류에서는 지역 허브에서 패키지의 최종 목적지까지의 물리적 거리를 라스트 마일(last mile)이라고 합니다. 라스트 마일 물류는 공급망에서 가장 비효율적인 프로세스이며 전체 배송 비용의 최대 41%를 차지할 수 있으므로 더 나은 배송 효율성을 달성하기 위한 노력이 필요하다.

2. 연구내용

본 연구는 크라우드소싱(crowdsourcing)을 라스트 마일 배송에 통합하는 방법을 다루는 연구 분야에 기여한다. 크라우드 워커의 특성을 반영하기 위해 크라우드 워커의 고용 비용을 인구 밀집도에 따라 변화하는 배송 가격을 반영하였다. 특정 지역의 유동 인구에 따라 수요 및 배송 가격이 변할 때 총 라스트 마일 배송 비용을 최소화하기 위한 목적으로 기존의 물류 종사자와 크라우드 워커를 위한 최적 터미널의 위치들을 결정하는 수학적 방법론을 제안하였다.

대한민국 울산광역시의 연간 유동인구 데이터를 바탕으로 실험을 통해 기존의 물류 종사자와 크라우드 워커로 구성된 통합 라스트 마일 배송 플랫폼의 최적 터미널 위치를 식별하였다. 결과는 제안된 모델이 단순히 최종 배송 목적지에 가깝게 배치된 크라우드 워커가 아닌 인구 밀집 지역의 크라우드 워커를 고용함으로써 총 비용을 크게 절감한다는 것을 보여준다.

또한, 라스트 마일 배송 프로세스의 효율성과 효과에 영향을 미칠 수 있는 세 가지 비용 매개변수에 대한 민감도 분석을 수행하였다. 우리는 라스트 마일 배송을 위해 전기 자동차로의 전환을 장려하기 위해 크라우드소싱을 라스트 마일 배송 플랫폼에 통합하는 것과 관련된 비용 및 탄소 배출을 분석하고 인센티브 급여의 전략적 분배를 추가로 분석하였다. 마지막으로 다양한 교통 상황이 라스트 마일 배송 프로세스의 솔루션에 미치는 영향을 조사하였다.

3. 기대효과

본 연구는 기존의 전통적인 배송 플랫폼에 개별 크라우드소싱 차량 옵션을 통합함으로써 새로운 융합적 모델을 제시하였다. 이는 다양한 배송 옵션 간의 연결성을 고려하여 물류 전략을 개선하는 데 도움이 될 것이다. 연구 결과를 통해 제안된 다채널 배송 플랫폼은 총 비용을 최소화하고 탄소 배출량을 줄이는 데 효과적임을 입증하였다. 이는 라스트 마일 물류의 효율성을 크게 향상시킬 것으로 기대한다.

라스트 마일 배송에서 전기 차량 도입을 촉진하기 위한 인센티브 지급의 전략적 분배에 대한 연구는 향후 물류 산업에서 친환경적인 옵션을 채택하는 데 도움이 될 것이다.

라스트 마일 배송에서 여러 교통 상황을 고려하여 최적의 솔루션을 도출함으로써 배송 옵션의 다양화에 따른 다양한 교통 혼잡 발생 시 유연하게 배송문제를 해결할 것으로 기대한다.

[붙임] 그림설명

그림1. 기본 모델과 제안 모델의 택배 배송을 위한 픽업 스테이션의 크라우드 작업자 할당 결과

그림1의 (a)는 최단 배송거리만을 고려하여 픽업 스테이션과 배달 목적지 간의 할당 결과이고, 그림1의 (b)는 최단 배송거리뿐만 아니라 픽업 스테이션 지역에 배달 가격을 동시에 고려하여 픽업 스테이션과 배달 목적지 간의 할당을 한 결과이다.

그림2. 유동인구 밀도를 고려한 통합 라스트 마일 배송 플랫폼의 최적 터미널 위치 결과

그림2는 라스트 마일 배송 플랫폼 내에서 운영되는 허브 시설과 픽업 스테이션의 최적 위치를 유동 인구 밀도와 통합한 결과이다.

그림3. 여러 시간대의 교통량에 따른 라스트 마일 배송 플랫폼을 위한 최적의 터미널 위치에 대한 결과

그림3에서 (a), (b), (c)은 야간, 주간, 출퇴근 시간대의 교통 상황을 각각 반영하여 최적의 터미널 위치선정 결과를 나타낸 것이다. (a)-(b)-(c) 순으로 울산 남구 지역의 교통량이 많아지는 교통 상황에 따라 터미널의 위치선정 결과가 바뀌는 모습을 그림의 화살표를 통해 확인할 수 있다.

그림4. 터미널의 설정 비용 비율을 75%에서 100%로 변화에 대한 라스트 마일 배송 플랫폼의 최적 터미널 위치에 대한 결과 비교

그림4에서 (a)의 빨간색 화살표로 표시된 픽업 스테이션은 (b)의 빨간색 화살표로 표시된 허브 시설로 대체한다. (b)에서 빨간색 화살표로 표시된 허브 시설은 (a)의 빨간색 화살표로 표시된 픽업 스테이션을 대체한다. 이를 통해 터미널의 설정 비용 비율을 75%에서 100%로 높이면 사례 연구 지역의 허브 시설 및 픽업 스테이션의 최적 개수와 위치가 변동한다는 것을 확인할 수 있다.

그림5. 소포당 요금, 가스 가격 및 터미널의 설정 비용에 따라 행정 구역별로 개별 크라우드 워커에 할당된 소포의 비율에 대한 결과

그림5에서 (a), (b), (c)은 각각 소포당 요금, 가스 가격 및 터미널의 설정 비용 비율이 증가함에 따라 개별 크라우드 소싱 차량에 할당된 소포 비율이 감소하는 경향이 있는 것을 확인할 수 있다.