멀티 관계 그래프 기반 배달 경로 예측: 메이투안의 MRGRP 모델

메이투안 연구팀이 개발한 MRGRP 모델은 다중 관계 그래프를 활용하여 음식 배달 서비스의 경로 예측 정확도를 획기적으로 향상시켰습니다. Meituan Turing 플랫폼에 적용되어 0.819의 높은 정확도를 기록하며 실용성을 입증했습니다.

급성장하는 배달 시장, 정확한 경로 예측이 핵심이다!

스마트폰 하나로 손쉽게 음식을 주문하고 받아볼 수 있는 시대. 편리함을 넘어 이제는 필수가 된 음식 배달 서비스는 전 세계적인 인기를 누리고 있습니다. 하지만, 배달의 효율성을 높이기 위한 핵심 과제는 바로 정확한 배달 경로 예측입니다. 기존의 휴리스틱(Heuristic) 방식은 제한적인 정보만을 활용하여 최적의 경로를 찾지 못하는 경우가 많았습니다. 배달 기사의 선호도는 고려되지 않았고, 결과적으로 배달 기사와 고객 모두에게 만족도가 떨어지는 상황이 발생했습니다.

혁신적인 해결책: MRGRP 모델

중국 메이투안(Meituan) 연구팀은 이 문제를 해결하기 위해 MRGRP(Multi-Relational Graph-based Route Prediction) 모델을 개발했습니다. 이 모델은 기존 방식과는 다르게 배달 기사의 의사결정에 영향을 미치는 다양한 요소들 간의 복잡한 상호관계를 다중 관계 그래프(Multi-Relational Graph) 로 모델링했습니다. 여기에는 공간적, 시간적 근접성은 물론, 픽업과 배달 간의 관계까지 고려됩니다. 특히, GraphFormer 아키텍처를 활용하여 이러한 복잡한 관계를 효과적으로 학습합니다. 뿐만 아니라, 배달 기사 정보와 동적인 거리 및 시간 정보를 활용하여 경로를 예측하는 경로 디코더(Route Decoder) 를 도입, 기존 경로 해결책을 참고하여 예측 정확도를 더욱 높였습니다.

실제 적용과 놀라운 결과

MRGRP 모델은 다양한 규모의 도시 데이터를 대상으로 실험을 진행하여 기존 최고 성능(state-of-the-art)을 뛰어넘는 결과를 보였습니다. 더욱 놀라운 것은, 실제 메이투안의 배달 플랫폼인 Meituan Turing에 적용되었다는 점입니다. 실제 서비스 환경에서 MRGRP 모델은 기존 휴리스틱 알고리즘을 능가하는 0.819의 높은 경로 예측 정확도를 달성했습니다. 이는 배달 기사와 고객 만족도 향상에 크게 기여하며, 플랫폼의 수익성 증대에도 직결되는 괄목할 만한 성과입니다.

미래를 위한 전망

MRGRP 모델의 성공은 단순히 배달 경로 예측의 정확도 향상을 넘어, AI 기반 서비스 최적화의 새로운 가능성을 제시합니다. 다중 관계 그래프와 GraphFormer 아키텍처를 활용한 이러한 접근 방식은 다른 분야에도 적용될 수 있으며, 보다 효율적이고 스마트한 서비스 구축에 기여할 것으로 기대됩니다. 앞으로 AI 기반 서비스 발전에 있어 MRGRP 모델의 영향력은 더욱 커질 것으로 예상됩니다.