Ten przewodnik pokazuje, jak liczba pojazdów podana w rozwiązaniu Optymalizacja tras może się różnić w zależności od parametrów żądania.
Interfejs Route Optimization API nie tylko optymalizuje kolejność realizacji dostaw, ale także przypisuje te dostawy do pojazdów, aby optymalizować koszty w ramach ograniczeń, którymi zarządzasz.
W pierwszym przykładzie liczba pojazdów jest równa liczbie przesyłek, a wszystkie pojazdy mają te same właściwości kosztu i lokalizacji. Każdy pojazd ma koszt za godzinę eksploatacji i koszt za przejechany kilometr, co pomoże zminimalizować czas i odległość podróży. Można oczekiwać, że przypisane zostaną 2 pojazdy, ale przykładowa odpowiedź pokazuje rozwiązanie o najniższym koszcie na podstawie określonych parametrów modelu kosztowego.
Przykładowe zgłoszenie z większą liczbą pojazdów
{ "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 } ] } }
wyświetlić odpowiedź 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 } } }
Solver przypisuje wszystkie przesyłki tylko do jednego pojazdu, pomijając jedną przesyłkę pomimo dużej dostępności pojazdów. Dzieje się tak, ponieważ koszty eksploatacji dodatkowych pojazdów są zbyt wysokie, aby uzasadniały ich użycie, a usługa pominięcia dostawy nie jest opłacalna dla żadnego pojazdu ze względu na niski koszt kary.
Pomimo dostępnej ładowności pojazdu jeden pojazd może realizować wszystkie przypisane przesyłki w najbardziej opłacalny sposób. Pojazdy w żądaniu nie mają ustawionej właściwości usedIfRouteIsEmpty (szczegóły znajdziesz w dokumentacji dotyczącej wiadomości Vehicle (REST, gRPC)), więc jeśli nie są używane, nie generują kosztów.
Zmiana parametrów kosztów w celu nadania priorytetu ogółem krótszym rozwiązaniom zamiast krótszym trasom poszczególnych pojazdów powoduje, że w rozwiązaniu bierze udział więcej pojazdów. W następnym przykładowym żądaniu Vehicle.costPerHour jest zastąpione przez globalny ShipmentModel.globalDurationCostPerHour, co powoduje nadanie priorytetu rozwiązaniom, które są krótsze w całości w czasie działania danego pojazdu. Aby zmniejszyć prawdopodobieństwo pominięcia, zwiększamy też koszt kary za shipment[1].
Przykładowe żądanie: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 globalnego parametru kosztu za godzinę powoduje użycie wszystkich 3 pojazdów zamiast tylko jednego.
Zobacz odpowiedź na prośbę 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 w użyciu (według metrics.usedVehicleCount), a każdemu z nich przypisano jedną przesyłkę do zrealizowania. Mając identyczne miejsca docelowe i odbioru oraz costPerKilometer, wszystkie trzy pojazdy są w zasadzie wymienne, więc nie ma znaczenia, do którego pojazdu przypisana jest dana przesyłka.
Funkcja globalDurationCostPerHour powoduje, że optymalizator znajdzie rozwiązanie, które jest ogólnie krótsze: różnica między earliestVehicleStartTime a latestVehicleEndTime wynosi tylko 18 minut i 54 sekund w porównaniu z 28 minutami i 22 sekundami w poprzedniej odpowiedzi. Wzrost wartości metrics.costs.model.vehicles.cost_per_kilometer odzwierciedla większą łączną przebytą odległość przez 3 użyte pojazdy. Poniżej przedstawiamy jeden ze sposobów, w którym model kosztów pozwala na kompromisy:
- Zwiększony koszt globalny czasu: zwiększenie wykorzystania pojazdu w celu zminimalizowania łącznego czasu realizacji kosztem zwiększenia odległości i czasu spędzonego w pojazdach.
- Zwiększony koszt czasu pracy pojazdu: zmniejszenie wykorzystania pojazdu i czasu spędzonego w transporcie kosztem dłuższego rozwiązania ogólnego.
Zwróć uwagę, że wartość globalDurationCostPerHour 150,0 w tym przykładzie jest równa trzykrotności wartości costPerHour 50,0 poszczególnych pojazdów z poprzedniego przykładu. Ta globalna wartość kosztu zakłada, że wszystkie 3 pojazdy będą działać jednocześnie, ale w praktyce takie założenia mogą nie odzwierciedlać rzeczywistości i w zasadzie mogą negatywnie wpływać na jakość wyników.
Jak opisano w sekcji Parametry modelu kosztowego, wszystkie parametry kosztowe są wyrażone w tych samych bezwymiarowych jednostkach, ale mogą mieć bardzo różne znaczenia. Wartości parametrów modelu kosztowego powinny być jak najbardziej zbliżone do rzeczywistości, ponieważ koszty sztuczne, takie jak w tym przykładzie, mogą spowodować, że interfejs API będzie optymalizować cele niezgodne z Twoim zamiarem.