W tym przewodniku pokazujemy, jak liczba pojazdów podana w rozwiązaniu do optymalizacji tras może się zmieniać w zależności od parametrów żądania.
Interfejs Route Optimization API nie tylko optymalizuje zamówienia realizacji przesyłki, ale też przypisuje przesyłki do pojazdów w celu optymalizacji kosztów w ramach ograniczeń, którymi zarządzasz.
W pierwszym przykładzie liczba pojazdów jest zgodna z liczbą przesyłek, a wszystkie pojazdy mają te same właściwości związane z kosztem i lokalizacją. W przypadku każdego pojazdu obowiązuje koszt za godzinę pracy i koszt za przebyty kilometr, co pozwala zminimalizować czas i odległość. Można oczekiwać, że przesyłki zostaną przypisane do wielu pojazdów, ale w przykładowej odpowiedzi podane jest najtańsze rozwiązanie z uwzględnieniem określonych parametrów modelu kosztów.
Zobacz przykładowe żądanie z wieloma pojazdami
{
"model": {
"globalStartTime": "2023-01-13T16:00:00-08:00",
"globalEndTime": "2023-01-14T16:00:00-08:00",
"shipments": [
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789456,
"longitude": -122.390192
},
"duration": "250s"
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 100.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789116,
"longitude": -122.395080
},
"duration": "250s"
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 5.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.795242,
"longitude": -122.399347
},
"duration": "250s"
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 50.0
}
],
"vehicles": [
{
"endLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"startLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"costPerHour": 50.0,
"costPerKilometer": 10.0
},
{
"endLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"startLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"costPerHour": 50.0,
"costPerKilometer": 10.0
},
{
"endLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"startLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"costPerHour": 50.0,
"costPerKilometer": 10.0
}
]
}
}
Wyświetlanie odpowiedzi na żądanie z wieloma pojazdami
{
"routes": [
{
"vehicleStartTime": "2023-01-14T00:00:00Z",
"vehicleEndTime": "2023-01-14T00:28:22Z",
"visits": [
{
"isPickup": true,
"startTime": "2023-01-14T00:00:00Z",
"detour": "0s"
},
{
"shipmentIndex": 2,
"isPickup": true,
"startTime": "2023-01-14T00:02:30Z",
"detour": "150s"
},
{
"startTime": "2023-01-14T00:08:55Z",
"detour": "150s"
},
{
"shipmentIndex": 2,
"startTime": "2023-01-14T00:21:21Z",
"detour": "572s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-14T00:00:00Z"
},
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-14T00:02:30Z"
},
{
"travelDuration": "235s",
"travelDistanceMeters": 795,
"waitDuration": "0s",
"totalDuration": "235s",
"startTime": "2023-01-14T00:05:00Z"
},
{
"travelDuration": "496s",
"travelDistanceMeters": 1893,
"waitDuration": "0s",
"totalDuration": "496s",
"startTime": "2023-01-14T00:13:05Z"
},
{
"travelDuration": "171s",
"travelDistanceMeters": 665,
"waitDuration": "0s",
"totalDuration": "171s",
"startTime": "2023-01-14T00:25:31Z"
}
],
"metrics": {
"performedShipmentCount": 2,
"travelDuration": "902s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "800s",
"totalDuration": "1702s",
"travelDistanceMeters": 3353
},
"routeCosts": {
"model.vehicles.cost_per_kilometer": 33.53,
"model.vehicles.cost_per_hour": 23.638888888888889
},
"routeTotalCost": 57.168888888888887
},
{
"vehicleIndex": 1
},
{
"vehicleIndex": 2
}
],
"skippedShipments": [
{
"index": 1
}
],
"metrics": {
"aggregatedRouteMetrics": {
"performedShipmentCount": 2,
"travelDuration": "902s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "800s",
"totalDuration": "1702s",
"travelDistanceMeters": 3353
},
"usedVehicleCount": 1,
"earliestVehicleStartTime": "2023-01-14T00:00:00Z",
"latestVehicleEndTime": "2023-01-14T00:28:22Z",
"totalCost": 62.168888888888887,
"costs": {
"model.vehicles.cost_per_hour": 23.638888888888889,
"model.shipments.penalty_cost": 5,
"model.vehicles.cost_per_kilometer": 33.53
}
}
}
Ta funkcja przypisuje wszystkie przesyłki tylko do 1 pojazdu z pominięciem jednej przesyłki pomimo dużej dostępności pojazdów. Dzieje się tak, ponieważ koszty obsługi dodatkowych pojazdów są zbyt wysokie i dlatego żadne z pominiętych pojazdów nie jest opłacalne ze względu na niskie koszty kary.
Pomimo dostępnej pojemności jeden pojazd może zrealizować wszystkie przypisane przesyłki w najbardziej ekonomiczny sposób. Pojazdy w żądaniu nie mają ustawionej właściwości usedIfRouteIsEmpty (szczegóły znajdziesz w dokumentacji wiadomości Vehicle (REST, gRPC), więc jeśli nie są używane), nie generują żadnych kosztów.
Zmiana parametrów kosztów na priorytetowych globalnie krótszych rozwiązaniach zamiast pojedynczych krótszych tras pojazdów sprawia, że z rozwiązania bierze udział więcej pojazdów. Następne przykładowe żądanie zastępuje funkcję Vehicle.costPerHour globalnym ShipmentModel.globalDurationCostPerHour, nadając priorytet rozwiązaniom, które są łącznie krótsze w stosunku do czasu pracy danego pojazdu. Zwiększono też koszt kary za shipment[1], aby zmniejszyć prawdopodobieństwo jej pominięcia.
Zobacz przykładowe żądanie wykorzystujące globalDurationCostPerHour
{
"model": {
"globalStartTime": "2023-01-13T16:00:00-08:00",
"globalEndTime": "2023-01-14T16:00:00-08:00",
"globalDurationCostPerHour": 150.0,
"shipments": [
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789456,
"longitude": -122.390192
},
"duration": "250s"
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 100.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789116,
"longitude": -122.395080
},
"duration": "250s"
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 75.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.795242,
"longitude": -122.399347
},
"duration": "250s"
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 50.0
}
],
"vehicles": [
{
"endLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"startLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"costPerKilometer": 10.0
},
{
"endLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"startLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"costPerKilometer": 10.0
},
{
"endLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"startLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"costPerKilometer": 10.0
}
]
}
}
W wyniku widać, że użycie globalnego parametru kosztu na godzinę powoduje, że używane są wszystkie 3 pojazdy, a nie tylko jeden.
Wyświetl odpowiedź na żądanie za pomocą globalDurationCostPerHour
{
"routes": [
{
"vehicleStartTime": "2023-01-14T00:00:00Z",
"vehicleEndTime": "2023-01-14T00:16:20Z",
"visits": [
{
"shipmentIndex": 2,
"isPickup": true,
"startTime": "2023-01-14T00:00:00Z",
"detour": "0s"
},
{
"shipmentIndex": 2,
"startTime": "2023-01-14T00:09:19Z",
"detour": "0s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-14T00:00:00Z"
},
{
"travelDuration": "409s",
"travelDistanceMeters": 1371,
"waitDuration": "0s",
"totalDuration": "409s",
"startTime": "2023-01-14T00:02:30Z"
},
{
"travelDuration": "171s",
"travelDistanceMeters": 665,
"waitDuration": "0s",
"totalDuration": "171s",
"startTime": "2023-01-14T00:13:29Z"
}
],
"metrics": {
"performedShipmentCount": 1,
"travelDuration": "580s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "400s",
"totalDuration": "980s",
"travelDistanceMeters": 2036
},
"routeCosts": {
"model.vehicles.cost_per_kilometer": 20.36
},
"routeTotalCost": 20.36
},
{
"vehicleIndex": 1,
"vehicleStartTime": "2023-01-14T00:00:00Z",
"vehicleEndTime": "2023-01-14T00:18:54Z",
"visits": [
{
"shipmentIndex": 1,
"isPickup": true,
"startTime": "2023-01-14T00:00:00Z",
"detour": "0s"
},
{
"shipmentIndex": 1,
"startTime": "2023-01-14T00:08:24Z",
"detour": "0s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-14T00:00:00Z"
},
{
"travelDuration": "354s",
"travelDistanceMeters": 1192,
"waitDuration": "0s",
"totalDuration": "354s",
"startTime": "2023-01-14T00:02:30Z"
},
{
"travelDuration": "380s",
"travelDistanceMeters": 1190,
"waitDuration": "0s",
"totalDuration": "380s",
"startTime": "2023-01-14T00:12:34Z"
}
],
"metrics": {
"performedShipmentCount": 1,
"travelDuration": "734s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "400s",
"totalDuration": "1134s",
"travelDistanceMeters": 2382
},
"routeCosts": {
"model.vehicles.cost_per_kilometer": 23.82
},
"routeTotalCost": 23.82
},
{
"vehicleIndex": 2,
"vehicleStartTime": "2023-01-14T00:00:00Z",
"vehicleEndTime": "2023-01-14T00:16:14Z",
"visits": [
{
"isPickup": true,
"startTime": "2023-01-14T00:00:00Z",
"detour": "0s"
},
{
"startTime": "2023-01-14T00:06:25Z",
"detour": "0s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-14T00:00:00Z"
},
{
"travelDuration": "235s",
"travelDistanceMeters": 795,
"waitDuration": "0s",
"totalDuration": "235s",
"startTime": "2023-01-14T00:02:30Z"
},
{
"travelDuration": "339s",
"travelDistanceMeters": 1276,
"waitDuration": "0s",
"totalDuration": "339s",
"startTime": "2023-01-14T00:10:35Z"
}
],
"metrics": {
"performedShipmentCount": 1,
"travelDuration": "574s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "400s",
"totalDuration": "974s",
"travelDistanceMeters": 2071
},
"routeCosts": {
"model.vehicles.cost_per_kilometer": 20.71
},
"routeTotalCost": 20.71
}
],
"metrics": {
"aggregatedRouteMetrics": {
"performedShipmentCount": 3,
"travelDuration": "1888s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "1200s",
"totalDuration": "3088s",
"travelDistanceMeters": 6489
},
"usedVehicleCount": 3,
"earliestVehicleStartTime": "2023-01-14T00:00:00Z",
"latestVehicleEndTime": "2023-01-14T00:18:54Z",
"totalCost": 112.14,
"costs": {
"model.vehicles.cost_per_kilometer": 64.89,
"model.global_duration_cost_per_hour": 47.25
}
}
}
W tej odpowiedzi wszystkie 3 pojazdy są używane (na metrics.usedVehicleCount), a każdemu pojazdowi przypisano jedną przesyłkę do realizacji. Przy tych samych lokalizacjach początkowych i końcowych oraz w polu costPerKilometer wszystkie 3 pojazdy można się skutecznie wymieniać, więc nie ma znaczenia, która przesyłka zostanie przypisana do którego pojazdu.
Parametr globalDurationCostPerHour sprawia, że optymalizator znajduje ogólnie krótsze rozwiązanie: różnica między earliestVehicleStartTime a latestVehicleEndTime wynosi tylko 18 minut i 54 sekundy w porównaniu z 28 minutami i 22 sekundami w poprzedniej odpowiedzi. W związku z tym
metrics.costs.model.vehicles.cost_per_kilometerwzrosła, co odzwierciedla całkowitą przebytą odległość przez te trzy używane pojazdy. Pokazuje to jeden ze sposobów, w jaki model kosztów umożliwia porównanie obniżek:
- Wyższy globalny koszt czasu: zwiększ wykorzystanie pojazdu, aby zminimalizować ogólny czas realizacji, ale kosztem większej odległości pojazdu i czasu podróży.
- Wyższy czas obsługi pojazdów: zmniejszenie wykorzystania pojazdów i czasu potrzebnego w transporcie kosztem dłuższego ogólnego rozwiązania.
Zwróć uwagę, że w tym przykładzie wartość globalDurationCostPerHour wynosząca 150,0 jest ustawiona na 3 razy wartość costPerHour poszczególnych pojazdów o wartości 50,0 w porównaniu z poprzednim przykładem. Taka globalna wartość kosztów oznacza, że wszystkie 3 pojazdy będą działać jednocześnie, ale w praktycznych warunkach, takich jak założenia, mogą nie odzwierciedlać rzeczywistości i w rzeczywistości mieć negatywny wpływ na jakość wyników.
Jak opisano w sekcji Parametry modelu kosztu, wszystkie parametry kosztu są wyrażone w tych samych jednostkach bezwymiarowych, ale ich znaczenie może być bardzo różne. Wartości parametrów modelu kosztu powinny być w miarę możliwości oparte na rzeczywistej rzeczywistości, ponieważ sztuczne koszty, takie jak te w tym przykładzie, mogą powodować optymalizację interfejsu API pod kątem celów niezgodnych z Twoimi zamiarami.