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_kilometer
wzrosła, 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.