화물 운송 시스템은 비효율적인 운영 및 온실가스 배출에 크게 기여하며, 이는 최적화되지 않은 경로 및 낮은 트럭 용량 활용 때문입니다. 전통적인 물류 계획 방식은 주로 거리 최소화에 초점을 맞추지만 동적 교통 조건, 연료 효율성 및 환경 제약을 포함하지 않습니다. 이 논문은 LOADMIND를 제안하며, 이는 지능형 다목적 경로 최적화를 통해 트럭 활용도를 높이고 배출을 줄이도록 설계된 인공지능(AI) 기반 플랫폼입니다. 이 시스템은 연료 효율적이고 배출을 인지한 경로를 결정하기 위해 기계 학습 모델을 사용한 실시간 교통 예측과 유전자 알고리즘 기반 최적화 엔진을 통합합니다. 거리, 연료 소비 및 배출 매개변수를 포함하는 수학적 공식이 개발되었습니다. 시뮬레이션된 물류 데이터 세트를 사용한 실험 평가에서는 기존의 최단 경로 경로 설정과 비교하여 트럭 활용도가 18% 향상되었고, 연료 소비가 15% 감소했으며, CO₂ 배출이 17% 줄어들었습니다. 이 결과는 지속 가능한 화물 운송을 위한 AI 기반 최적화의 효과를 검증합니다.
Charan 외 (Thu,)는 이 문제를 연구했습니다.