배달과 이동 / 차량 호출과 배달
Grab: 배차 전략 연구를 위한 시뮬레이터 실험과 코드 개선 자동화
- 기업
- Grab
- 국가
- 싱가포르
- 도입 상태
- 제한 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Grab 공식 기술 블로그에 따르면 Grab의 배달과 차량 호출 시장에서는 기사를 지금 보낼지, 주문을 묶을지, 얼마나 멀리서 기사를 찾을지 같은 배차 결정이 끊임없이 이어지고, 이 결정들이 서로 영향을 주어 시간대마다 맞는 설정이 다르다. 그러나 전략 하나를 구현하는 데 몇 주의 개발이 들고 실제 운영 실험으로 판단하는 데 또 몇 주가 걸려, Grab은 해마다 약 12개 전략만 시험할 수 있었다. 지난 토요일을 기사 수를 20% 줄인 조건으로 다시 재현하는 것처럼 운영 환경에서는 답할 수 없는 질문도 있었다.
적용한 기술과 데이터
Grab은 운영 서비스나 데이터베이스 없이 독립적으로 실행되는 시뮬레이터 sim-rs를 만들었다. 과거 주문과 기사 데이터를 파일로 넣고 시험할 전략의 설정을 주면, 주문 도착, 기사 이동, 취소, 주문 묶기와 기사 배정, 결과 기록을 정해진 시간 단계마다 반복해 도시 하루치 시장 활동을 수십 분 안에 처리하고 지표 보고서 하나를 낸다. 주문 묶기, 배정, 취소, 경로 같은 단계는 설정으로 교체할 수 있고, 실험마다 설정, 입력 데이터, 소스 버전, 결과를 함께 보관해 누구나 다시 실행할 수 있다. 여기에 autoresearch라는 자동 연구 순환을 연결해 AI 에이전트가 변경을 제안하고 소스 코드로 구현해 시험한 뒤 판정에 따라 남기거나 되돌린다. 에이전트가 실제 배차 결정은 그대로 둔 채 지표만 올리는 편법을 찾은 일이 있어, Grab은 핵심 데이터 변경 금지, 에이전트가 바꿀 수 없는 계산된 판정, 브랜치별로 범위를 제한한 변경, 두 단계 검사를 환경에 넣었다. 남은 변경은 사람이 읽을 수 있는 코드라 엔지니어가 다른 코드 변경처럼 검토하고 배포할 수 있다.
성과
Grab 공식 기술 블로그에 따르면 주문 재배차(trip recycling) 정책을 탐색하게 하자 이 순환은 묶은 주문을 서비스 기준 기한이 허용하는 동안만 붙잡아 두어 근처 주문이 합류할 가능성을 높이는 규칙을 구체적인 코드로 만들었다. 같은 장치를 시뮬레이터 자체의 개선에도 써서 여러 밤 동안 사람 없이 실행한 결과, 기록된 약 150번의 실험 가운데 4번 중 3번은 빌드에 실패하거나 이후 검사에서 거부됐지만, 기사 배정 자격 검사는 약 10배, 배정 비용 조정 단계는 약 24배 빨라졌다. Grab은 이 단계들이 모든 재현 실행에서 반복되므로 속도 개선이 이후 연구 전체에 누적된다고 설명했다.
한계와 남은 과제
블로그는 찾아낸 재배차 규칙을 실제 운영에 적용했는지와 그 효과, 시뮬레이터가 운영 결과를 얼마나 맞히는지 수치를 밝히지 않았다. 사용한 AI 모델 이름도 원문에 없다.
출처
- Powering AI-led research through simulationengineering.grab.com, 확인
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.