Z tego przewodnika dowiesz się, jak liczba pojazdów w rozwiązaniu Optymalizacja trasy może się różnić w zależności od parametrów żądania.
Interfejs Route Optimization API nie tylko optymalizuje kolejność realizacji przesyłek, ale też przypisuje je do pojazdów, aby optymalizować koszty w ramach zarządzanych przez Ciebie ograniczeń.
W pierwszym przykładzie liczba pojazdów jest zgodna z liczbą przesyłek, a wszystkie pojazdy mają te same właściwości kosztu i lokalizacji. Każdy pojazd ma koszt za godzinę pracy i koszt za przejechany kilometr, co pomaga zminimalizować czas i odległość podróży. Można by się spodziewać, że do przesyłek zostanie przypisanych wiele pojazdów, ale przykładowa odpowiedź pokazuje rozwiązanie o najniższym koszcie przy podanych parametrach 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 prośbę dotyczącą wielu pojazdów
{ "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 } } }
Rozwiązanie przypisuje wszystkie przesyłki do tylko jednego pojazdu, pomijając jedną przesyłkę, mimo że dostępnych jest wiele pojazdów. Dzieje się tak, ponieważ koszt obsługi dodatkowych pojazdów jest zbyt wysoki, aby go uzasadnić, a w przypadku żadnego pojazdu nieopłacalna jest realizacja pominiętej dostawy ze względu na niski koszt kary.
Pomimo dostępnej pojemności pojazdu jeden pojazd może zrealizować wszystkie przypisane przesyłki w najbardziej opłacalny sposób. Pojazdy w żądaniu nie mają ustawionej właściwości usedIfRouteIsEmpty (szczegóły znajdziesz w dokumentacji wiadomości Vehicle (REST, gRPC)), więc jeśli nie są używane, nie generują kosztów.
Zmiana parametrów kosztów w celu nadania priorytetu krótszym rozwiązaniom globalnym zamiast krótszym trasom poszczególnych pojazdów powoduje, że w rozwiązaniu uczestniczy więcej pojazdów. W kolejnym przykładowym żądaniu parametr Vehicle.costPerHour został zastąpiony globalnym parametrem ShipmentModel.globalDurationCostPerHour, co oznacza, że priorytetem są rozwiązania, które są krótsze pod względem łącznego czasu przejazdu niż czasu pracy dowolnego pojazdu. Zwiększyliśmy też koszt kary za shipment[1], aby zmniejszyć prawdopodobieństwo pominięcia tego elementu.
Zobacz przykładowe zgłoszenie z użyciem
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 } ] } }
Wynik pokazuje, że użycie parametru kosztu globalnego za godzinę powoduje, że zamiast jednego pojazdu używane są wszystkie trzy.
Zobacz odpowiedź na prośbę, korzystając z 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 w użyciu (zgodnie z metrics.usedVehicleCount), a każdy z nich ma przypisaną 1 dostawę do zrealizowania. Przy identycznych lokalizacjach początkowych, końcowych i costPerKilometer wszystkie 3 pojazdy są w zasadzie wymienne, więc nie ma znaczenia, który transport zostanie przypisany do którego pojazdu.
Symbol globalDurationCostPerHour powoduje, że optymalizator znajduje rozwiązanie, które jest ogólnie krótsze: różnica między earliestVehicleStartTime a latestVehicleEndTime wynosi tylko 18 minut i 54 sekundy, a nie 28 minut i 22 sekundy, jak w poprzedniej odpowiedzi. Warto jednak zauważyć, że metrics.costs.model.vehicles.cost_per_kilometer wzrosła, co odzwierciedla większy łączny dystans pokonany przez 3 używane pojazdy. Pokazuje to jeden ze sposobów, w jaki model kosztów pozwala na kompromisy:
- Zwiększony globalny koszt czasu: zwiększ wykorzystanie pojazdów, aby zminimalizować ogólny czas realizacji, kosztem większej odległości pokonywanej przez pojazdy i dłuższego czasu spędzanego w transporcie.
- Zwiększony koszt czasu pojazdu: zmniejsz wykorzystanie pojazdu i czas spędzony w transporcie kosztem dłuższego czasu realizacji całego rozwiązania.
Zwróć uwagę, że w tym przykładzie wartość globalDurationCostPerHour wynosząca 150,0 jest trzykrotnie wyższa niż wartość costPerHour wynosząca 50,0 w poprzednim przykładzie. Ta globalna wartość kosztu zakłada, że wszystkie 3 pojazdy będą działać jednocześnie, ale w praktyce takie założenia mogą nie odzwierciedlać rzeczywistości i mogą mieć negatywny wpływ na jakość wyników.
Jak opisano w sekcji Parametry modelu kosztów, wszystkie parametry kosztów są wyrażone w tych samych jednostkach bezwymiarowych, ale mogą mieć bardzo różne znaczenia. Zazwyczaj wartości parametrów modelu kosztów powinny być jak najbardziej zbliżone do rzeczywistości, ponieważ sztuczne koszty, takie jak w tym przykładzie, mogą spowodować, że interfejs API będzie optymalizować wyniki pod kątem celów, które nie są zgodne z Twoimi intencjami.