라스트 마일 딜리버리와 네트워크 데이터 분석

라스트 마일 딜리버리와 네트워크 데이터 분석

아마존은 2004년부터 ‘아마존 프라임’ 서비스를 시작하였습니다. 이 서비스는 빠른 배송을 전면에 내세웠고 빠른 배송을 경험한 소비자는 계속해서 서비스를 이용하는 추세를 보였습니다. 아마존의 성공을 본 국내 기업들도 빠른 배송 서비스를 시작하였습니다. 쿠팡의 ‘로켓와우클럽’은 ‘아마존 프라임’ 서비스와 같이 일정 금액을 지불해 가입하면 빠른 배송, 새벽 배송 서비스를 제공하고 있습니다.

이와 함께 소비자들도 당일 배송을 위해 최고 30% 이상의 프리미엄을 지불할 의향이 있다는 것을 미국의 McKinsey & Company 에서 보고했으며, 대부분의 소비자가 빠른 배송 보장을 위해 추가 비용을 지불할 의사가 있다고 합니다. (7 Top Trends in Last Mile Logistics – The Revolution is Coming)

이에 따라 유통업에서는 ‘라스트마일 딜리버리’를 단축하기 위한 노력을 기울이고 있습니다. ‘라스트 마일(last mile)’은 사형 집행 장소까지 죄수가 걸어가는 거리이나, 유통업에 있어서의 라스트 마일은 고객과의 마지막 접점까지의 거리를 의미합니다.

이렇듯 현재 물류 업계가 주목하고 있는 키워드는 ‘배송(delivery)’입니다. 각 기업에는 ‘어떻게 하면 더 효율적으로 물품을 고객에게 잘 전달할 수 있을까’ 수많은 고민이 있을 것입니다. 효율적인 배송을 위한 분석을 필요로 합니다. 그렇다면 이러한 분석에 사용되는 데이터는 무엇일까요? 다양한 데이터가 사용가능하겠지만 무엇보다 중요한 것은 배송 경로 설정, 주변 시설물의 검색, 서비스 센터의 입지 선정 등에 사용되는 교통 정보 데이터인 네트워크 데이터입니다.

네트워크 데이터는 차량이 운행할 수 있는 도로를 기반으로 생성됩니다. 아래 이미지는 SuperMap을 이용하여 생성한 서울시 도로 네트워크 데이터입니다.

– 서울시 도로 네트워크 데이터

그리고 도로는 도로와 도로가 만나는 지점, 즉 교차로(node)에서 차량이 진행할 수 있는 도로와 진행할 수 없는 도로로 구분됩니다. 그러한 정보를 네트워크 데이터에서는 회전정보(turn table)라고 표현합니다.

– 도로 네트워크 회전정보 예시

이처럼 도로와 회전 정보와 같은 데이터를 활용하여 네트워크 데이터를 생성할 수 있고 이를 바탕으로 분석하여 효율적인 배송과 같은 서비스를 제공 할 수 있습니다.

이번 포스팅에서는 SuperMap을 통해 네트워크 데이터를 생성하고, 생성된 네트워크 데이터를 이용하여 다중 길 찾기, 최근접 시설물 찾기, 서비스 지역 분석 등에 대한 분석작업을 진행하였습니다.

TSP(Travelling Salesman Problem) Analysis – 다중 길찾기

TSP Analysis, 다중 길찾기란 출발점과 종료점을 지정하고 다수의 지점을 방문하는 최적의 경로를 분석하는 방법입니다. 최적의 경로를 선정하는데에는 최단 거리와 같은 정보를 반영하게 됩니다. 다중 길찾기는 아래 이미지처럼 서비스 센터 직원이 사무실을 출발하여 제품을 수거 후, 수리 공장으로 가는 최적의 경로를 생성하는데 사용됩니다. 이 분석방법은 주로 택배 업체, 서비스 업체 등에서 사용하고 있으며 이외에도 다양한 분야에 응용될 수 있습니다.

– 여의도 사무실을 출발하여 최종 도착지인 서울역 공장까지 가는 최적경로

Services Area – 서비스 영역

서비스 영역 분석이란 분석 지역에서 해당 지점에 일정 비용(거리, 시간) 이하로 접근 가능한 지역을 분석하는 방법입니다. 서비스 영역이 겹치지 않도록하는 서비스 센터의 위치 선정이나, 상점을 개업할 때 경쟁 업체의 상권을 파악하고자 사용할 수 있습니다. 또한 주거지를 선정하는 과정에서 많이 접하는 역세권도 서비스 영역 분석을 통해 파악할 수 있습니다. 그 중 부동산 사이트에 많이 표시되는 역세권은 지하철역 반경 500m 를 의미하는데, 직선거리 500m 와 실제 500m 상의 거리는 많은 차이가 발생합니다.

아래의 이미지는 지하철 2호선 역주변  거리 기반 500m 지역과 반경 500m 지역을 분석하여 지도에 표시한 것입니다. 거리 기반으로 500m를 측정했을 때 반경 500m에 비해 영역이 축소되는 것을 알 수 있습니다.

– 파란색 원으로 표시된 부분이 반경 500m인 지역


– 지하철역 역세권이 중첩된 지역

서비스 영역 분석에 있어서도 거리를 기반으로 분석할 것인지 시간을 기반으로 분석할 것인지 선택에 따라 다른 결과가 나타날 수 있습니다.

Find Closest – 근접 시설물 찾기

근접 시설물 찾기란 특정 위치에서 가장 가까운 시설물을 찾는 방법으로 우리집에서 가장 가까운 마트, 주유소, 학교 등을 찾는데 사용되는 분석 방법입니다.

근접 시설물 찾기를 통해 특정 지역에 화재 발생 시에 화재 지역에서 가장 가까운 소방서를 찾아 출동을 지시할 수 있고, 치킨, 햄버거 등 프랜차이즈 업체에서 배달 전화를 받고 주변에 가장 가까운 매장을 연결하는 서비스에도 사용이 가능합니다.

아래 이미지는 특정 위치에서 가장 가까운 초등학교 5개를 검색하여 지도에 경로 및 리스트를 표시하고 하단에 분석 거리 즉 Cost 값을 표시한 것입니다.

– 만리동 주민센터에서 가장 가까운 초등학교 리스트 및 경로


– SPH 사무실에서 가장 가까운 초등학교 리스트 및 경로

MTSP(Multiple Traveling Salesman Problem) – 다중 세일즈맨 최적경로 산정

다중 세일즈맨 최적경로 산정이란 다수의 서비스 요청 지점에 대해 다수의 서비스 센터에서 최적의 서비스 처리 경로를 분석하는 방법입니다.

예를 들어 서울에 5개의 서비스 센터가 있다고 할 때, 방문 서비스를 신청한 고객들을 방문하는 최적의 경로를 분석하는 방법으로 모든 센터의 비용(거리)을 최소화하는 분석과 모든 센터의 비용을 동일하게 분석하는 방법이 있습니다.

아래 이미지는 서비스 센터에서 서울시 모든 초등학교에 서비스 점검을 위한 방문시 최적의 경로를 분석한 결과입니다.


– Least Total Cost : 총 비용을 최소로 하는 경우


– Overall Average Cost : 각 센터의 비용을 동일하게 하는 경우

Location- Allocation  – 시설물 입지 분석

시설물 입지 분석은 입지 선정에 고려할 변수들을 반영하여 시설물의 최적입지를 선정하는 방법입니다. 예를 들어 특정 지역에 신규 서비스 센터를 오픈하고자 할 때 기존의 서비스 센터를 고려하여 다수의 입지 예정지로부터 최적의 위치를 찾을 수 있도록 분석할 때 사용됩니다.

Fixed Center(기존 설치 지점), Center(신규 설치 예정 지점) 같은 옵션값으로 기존에 있는 지점과 신규 지점에 대한 입지 분석이 수행됩니다. 아래의 이미지는 서울시에 입지 예정지 30개 지점을 대상으로 15개 지점을 선정한 결과입니다.


– 선정 지점 및 선정 주변정보

지금까지 네트워크 데이터를 활용한 여러가지 분석 방법에 대해 알아 보았습니다. 네트워크 데이터에 다양한 데이터를 추가로 활용한다면 보다 유용한 결과를 얻을 수 있습니다. 예를 들어 부동산 사이트에서 주변 학교나 상권 정보를 이용하여 교육, 쇼핑 환경에 대한 분석이 가능하고, 서비스 센터 및 배달 업체에서는 최적 경로 및 지점을 찾을 때 네트워크 데이터 분석을 적용하여 사용할 수 있습니다.

그리고 이러한 네트워크 데이터를 활용한 분석은 비용절감의 효과를 가질 수 있습니다. 기업의 경우 유류비 절감 및 각종 소요 시간 단축이 가능해지고 사회적으로는 배달 차량으로 인한 대기오염도 최소화 할 수 있습니다.

이미 아마존, 알리바바와 같은 거대한 전자 상거래 기업들은 데이터 분석을 통해 비용을 관리하고 더 많은 소비자가 당일 배송 및 빠른 배송을 경험 할 수 있도록 하고 있습니다. 네트워크 데이터 분석은 이제 선택이 아닌 필수로 나아가고 있습니다.

데이터 출처

– 도로 네트워크 데이터 : 도로명 새주소데이터 도로중심선(2018.07)

– 초등학교 위치정보 : 도로명 새주소데이터 민원행정기관 전자지도 (2018.07)

– 지하철역 정보 : 서울 열린데이터 광장

– 배경지도 : vWorld WMTS 서비스

Network Analysis 분석도구

– SuperMap iDesktop 9.1.1

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.