실속배달 — 조리시간 기반 배달 순서 최적화

요기요 x Oracle Hackathon (2026)

프로젝트 소개

동시에 접수된 여러 주문의 조리시간을 예측하고, 이를 반영해 라이더의 배달 순서를 최적화하는 시스템. "조리 완료 시점"까지 고려한 순서 최적화로 음식이 식지 않게, 라이더 동선은 효율적으로 만드는 것이 목표.

시연 화면

동일한 주문(YGY0743351)이 신규 접수부터 배달 완료까지 이어지는 흐름을 고객·라이더·사장님 세 화면에서 동시에 확인할 수 있다.

1. 조리 시작 — 신규 매장 콜드스타트, Vector Search 참고정보 표시

2. 배달 완료 — 예측(20분) vs 실측(14분) 피드백, 다음 예측에 반영

핵심 아이디어

1. 실시간으로 들어오는 주문을 Kafka로 스트림 처리하며 클러스터링
2. Redis Geo로 클러스터 근처 라이더 검색
3. Python 완전탐색으로 클러스터 내 배달 순서 스코어링 및 최적 순서 도출
4. Oracle AI Vector Search(23ai)로 과거 유사 주문 임베딩을 조회해 조리시간 예측 보정
5. Oracle Autonomous Database(ADB)에 주문/배차 데이터를 저장하고, 배차 결과에 대한 설명을 LLM으로 생성해 프론트엔드에 제공

기술 스택

영역	기술
스트림 처리	Kafka (KRaft 모드, Zookeeper 미사용)
라이더 검색	Redis (Geo 인덱스)
순서 최적화	Python (완전탐색 기반 스코어링)
조리시간 예측 보정	Oracle AI Vector Search (23ai) + Cohere Embed
데이터베이스	Oracle Autonomous Database (ADB, Developer Free)
배차 결과 설명 생성	LLM (OCI Generative AI, 사장님 화면 안내 문구 생성)
API 서버	FastAPI
프론트엔드	Vite + React (역할별 화면을 렌더링하는 얇은 로더 구조)
인프라	OCI Compute VM (Oracle Linux 8), VCN/Subnet/IGW 구성
컨테이너	Docker (Kafka, Redis만 컨테이너화, 나머지는 VM에 직접 설치)

아키텍처 흐름

주문 발생 → Kafka 스트림 처리 (클러스터링)
    ↓
Redis Geo로 근처 라이더 검색
    ↓
Sequencing Engine (완전탐색 순서 최적화)
    ↓
Oracle Vector Search로 조리시간 예측 보정
    ↓
Oracle Autonomous Database에 결과 저장
    ↓
LLM으로 배차 결과 설명 생성
    ↓
FastAPI로 최종 배달 순서 + 설명 반환
    ↓
프론트엔드에서 역할별(고객/사장님/라이더) 화면 표시

사장님의 조리시작·조리완료, 라이더의 배차수락·픽업·완료는 이 자동 파이프라인과는 별도로, FastAPI가 요청을 받아 즉시 Oracle ADB / Redis 상태를 갱신한다.

조리시간 예측 (Vector Search fallback)

콜드스타트(자체 조리 이력이 부족한 신규 매장) 문제를 Oracle AI Vector Search로 해결한다. 매장 상황(요일 · 시간대 · 동시주문 수 · 메뉴 구성)을 Cohere Embed로 1024차원 벡터화하고, 아래 단계로 검색 범위를 넓혀가며 유사 사례를 찾는다.

1. 자체 매장 이력
2. 같은 지역 + 같은 브랜드
3. 타 지역 + 같은 브랜드
4. 같은 지역 + 같은 카테고리 (다른 브랜드)
5. 카테고리 전체 (지역 무관)

지역보다 브랜드를 fallback 우선순위로 둔 이유: 같은 지역이라도 브랜드가 다르면 조리법·메뉴 구성·주방 동선이 달라 참고가 약한 반면, 타 지역이라도 같은 브랜드면 조리법과 매뉴얼이 동일해 더 유효한 참고값이 된다. 실제 조리완료 시각은 매 주문마다 vector_cases에 새 사례로 쌓여 다음 예측의 근거가 된다.

디렉토리 구조

프로젝트 루트는 역할별로 ygy-backend/, ygy-frontend/로 나뉜다.

개발 환경

• OCI Compute VM (ygy-team07-vm, VM.Standard.E4.Flex, 4 OCPU/32GB, Oracle Linux 8) 위에서 VS Code Remote-SSH로 작업
• Kafka, Redis는 Docker Compose로 실행
• Python 서비스(stream_processor, sequencing_engine, api, batch)는 VM에 직접 설치해서 실행
• Oracle Autonomous Database는 Developer Free 옵션으로 생성해 사용
• Compartment: HACK-TEAM-07

구현 범위 / 스코프아웃

구현 완료

• Kafka 기반 실시간 주문 처리, 클러스터링, 완전탐색 배차 경로 최적화
• Vector Search 5단계 fallback (실제 실행 및 검증 완료)
• 최소 수익 기준 미달 배차 필터링
• 조리시간 예측-실측 피드백 루프

스코프 아웃

• 라이더 거절/응답 시간 초과에 대한 후속 처리
• 여러 라이더 후보를 비교하는 로직 (현재는 최근접 1명 그리디 선택)
• vector_cases 정기 재계산 배치 (스케줄 미가동)
• 대규모 주문(수백 건 이상 동시 처리) 대비 클러스터링 계산량 최적화
• 실시간 GPS 연동 (현재는 시뮬레이션)

팀

이름	역할
황윤정	백엔드 · 인프라 · 배차 알고리즘 · 실시간 스트림 처리 · 조리시간 예측 보정 (FastAPI, OCI, Kafka, Redis, ADB, Vector Search, Sequencing Engine)
박준영	프론트엔드 설계 및 구현 · 고객/사장님/라이더 역할별 화면 UI/UX · 실시간 데이터 연동 · LLM 기반 배차 설명 설계 및 구현 (OCI Generative AI, 프롬프트, 응답 API)