OptimizeToursRequest applique des contraintes aux éléments suivants:
- Expéditions, affectant le déroulement des expéditions
- Véhicules, affectant la façon dont les itinéraires des véhicules sont calculés
- Dans le monde entier, ce qui concerne à la fois les véhicules et les livraisons.
Ce guide se concentre sur une contrainte d'expédition essentielle: les périodes de disponibilité.
Les fenêtres de temps sont un type de contrainte que vous fournissez dans le message OptimizeToursRequest (REST, gRPC) afin de spécifier des limites temporelles pour les activités de livraison. Ce type de contrainte influe à la fois sur le moment et sur la manière dont une expédition peut être effectuée, ainsi que sur l'affectation des véhicules à la livraison. Avec ces contraintes, l'optimiseur donne la préférence aux véhicules les plus adaptés aux contraintes de temps de la livraison.
Contraintes d'expédition: périodes
Vous spécifiez le moment où le retrait ou la livraison peuvent avoir lieu dans le message Shipment.VisitRequest, comme suit:
- Utilisez la propriété
timeWindowsdans le message (REST, gRPC). - Spécifiez les heures de début et de fin dans le message
TimeWindow(REST, gRPC).
Exemple de requête avec des contraintes de période
Cet exemple illustre trois livraisons différentes, chacune avec sa propre période de livraison. Par souci de simplicité, cet exemple définit des fenêtres temporelles sur deliveries uniquement, mais elles peuvent également être appliquées aux retraits. Vous pouvez spécifier plusieurs périodes, bien que cet exemple n'en utilise qu'une par VisitRequest de diffusion.
Voir un exemple de requête avec des périodes
{
"populatePolylines": false,
"populateTransitionPolylines": false,
"model": {
"globalStartTime": "2023-01-13T16:00:00Z",
"globalEndTime": "2023-01-14T16:00:00Z",
"shipments": [
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789456,
"longitude": -122.390192
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T18:00:00Z",
"endTime": "2023-01-13T19:00:00Z"
}
]
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 100.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789116,
"longitude": -122.395080
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T18:00:00Z",
"endTime": "2023-01-13T18:30:00Z"
}
]
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 20.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.795242,
"longitude": -122.399347
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T17:30:00Z",
"endTime": "2023-01-13T18:00:00Z"
}
]
}
],
"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": 40.0,
"costPerKilometer": 10.0
}
]
}
}
Exemple de réponse avec des contraintes de fenêtre de temps
Dans l'exemple de réponse, les heures de début et de fin du véhicule sont respectivement 17:35:50 et 18:17:24. Ces durées reflètent la réduction du temps nécessaire par l'optimiseur pour utiliser le véhicule spécifié dans la requête en tant que costPerHour, tout en respectant toutes les contraintes de fenêtre temporelle. En utilisant 17:35:50 comme heure de départ, le véhicule n'a plus besoin d'attendre dans un lieu donné jusqu'au début de la plage horaire de la visite. Cela apparaît dans la réponse sous la forme de valeurs waitDuration nulles.
afficher une réponse à l'exemple de requête avec des fenêtres de temps ;
{
"routes": [
{
"vehicleStartTime": "2023-01-13T17:35:50Z",
"vehicleEndTime": "2023-01-13T18:17:24Z",
"visits": [
{
"isPickup": true,
"startTime": "2023-01-13T17:35:50Z",
"detour": "0s"
},
{
"shipmentIndex": 1,
"isPickup": true,
"startTime": "2023-01-13T17:38:20Z",
"detour": "150s"
},
{
"shipmentIndex": 2,
"isPickup": true,
"startTime": "2023-01-13T17:40:50Z",
"detour": "300s"
},
{
"shipmentIndex": 2,
"startTime": "2023-01-13T17:50:09Z",
"detour": "0s"
},
{
"shipmentIndex": 1,
"startTime": "2023-01-13T18:00:00Z",
"detour": "796s"
},
{
"startTime": "2023-01-13T18:07:35Z",
"detour": "1520s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:35:50Z"
},
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:38:20Z"
},
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:40:50Z"
},
{
"travelDuration": "409s",
"travelDistanceMeters": 1371,
"waitDuration": "0s",
"totalDuration": "409s",
"startTime": "2023-01-13T17:43:20Z"
},
{
"travelDuration": "341s",
"travelDistanceMeters": 1312,
"waitDuration": "0s",
"totalDuration": "341s",
"startTime": "2023-01-13T17:54:19Z"
},
{
"travelDuration": "205s",
"travelDistanceMeters": 636,
"waitDuration": "0s",
"totalDuration": "205s",
"startTime": "2023-01-13T18:04:10Z"
},
{
"travelDuration": "339s",
"travelDistanceMeters": 1276,
"waitDuration": "0s",
"totalDuration": "339s",
"startTime": "2023-01-13T18:11:45Z"
}
],
"metrics": {
"performedShipmentCount": 3,
"travelDuration": "1294s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "1200s",
"totalDuration": "2494s",
"travelDistanceMeters": 4595
},
"routeCosts": {
"model.vehicles.cost_per_hour": 27.711111111111112,
"model.vehicles.cost_per_kilometer": 45.95
},
"routeTotalCost": 73.661111111111111
}
],
"metrics": {
"aggregatedRouteMetrics": {
"performedShipmentCount": 3,
"travelDuration": "1294s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "1200s",
"totalDuration": "2494s",
"travelDistanceMeters": 4595
},
"usedVehicleCount": 1,
"earliestVehicleStartTime": "2023-01-13T17:35:50Z",
"latestVehicleEndTime": "2023-01-13T18:17:24Z",
"totalCost": 73.661111111111111,
"costs": {
"model.vehicles.cost_per_hour": 27.711111111111112,
"model.vehicles.cost_per_kilometer": 45.95
}
}
}
Les fenêtres de temps ont ordonné la valeur visits du véhicule afin que les envois avec les périodes les plus précédentes soient livrés en premier.
shipments[2]est livré à 17h50shipments[1]est livré à 18hshipments[0]est livré à 18:07
L'exemple de requête spécifie des contraintes de périodes difficiles qui nécessitent que les livraisons soient effectuées dans ces fenêtres. Si l'exécution de la méthode VisitRequests d'une expédition au cours de l'une de ses périodes n'est pas réalisable ni rentable, l'optimiseur ignore l'expédition. Si la livraison possède une valeur penaltyCost, l'optimiseur l'ajoute aux coûts indiqués dans la réponse metrics. Sinon, la propriété skippedMandatoryShipmentCount du message OptimizeToursResponse (REST, gRPC) augmente.
Si vous modifiez les fenêtres temporelles en décalant la fenêtre de shipment[1] plusieurs heures plus tard (de 18h à 21h), les résultats seront différents, comme illustré dans les exemples suivants.
Voir un exemple de requête dont les périodes ne peuvent pas être satisfaites
{
"populatePolylines": false,
"populateTransitionPolylines": false,
"model": {
"globalStartTime": "2023-01-13T16:00:00Z",
"globalEndTime": "2023-01-14T16:00:00Z",
"shipments": [
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789456,
"longitude": -122.390192
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T18:00:00Z",
"endTime": "2023-01-13T19:00:00Z"
}
]
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 100.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789116,
"longitude": -122.395080
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T21:00:00Z",
"endTime": "2023-01-13T21:30:00Z"
}
]
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 20.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.795242,
"longitude": -122.399347
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T17:30:00Z",
"endTime": "2023-01-13T18:00:00Z"
}
]
}
],
"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": 40.0,
"costPerKilometer": 10.0
}
]
}
}
Consultez une réponse au deuxième exemple de requête avec des fenêtres temporelles, où une livraison est ignorée.
{
"routes": [
{
"vehicleStartTime": "2023-01-13T17:37:49Z",
"vehicleEndTime": "2023-01-13T18:09:49Z",
"visits": [
{
"isPickup": true,
"startTime": "2023-01-13T17:37:49Z",
"detour": "0s"
},
{
"shipmentIndex": 2,
"isPickup": true,
"startTime": "2023-01-13T17:40:19Z",
"detour": "150s"
},
{
"shipmentIndex": 2,
"startTime": "2023-01-13T17:49:38Z",
"detour": "0s"
},
{
"startTime": "2023-01-13T18:00:00Z",
"detour": "946s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:37:49Z"
},
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:40:19Z"
},
{
"travelDuration": "409s",
"travelDistanceMeters": 1371,
"waitDuration": "0s",
"totalDuration": "409s",
"startTime": "2023-01-13T17:42:49Z"
},
{
"travelDuration": "372s",
"travelDistanceMeters": 1348,
"waitDuration": "0s",
"totalDuration": "372s",
"startTime": "2023-01-13T17:53:48Z"
},
{
"travelDuration": "339s",
"travelDistanceMeters": 1276,
"waitDuration": "0s",
"totalDuration": "339s",
"startTime": "2023-01-13T18:04:10Z"
}
],
"metrics": {
"performedShipmentCount": 2,
"travelDuration": "1120s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "800s",
"totalDuration": "1920s",
"travelDistanceMeters": 3995
},
"routeCosts": {
"model.vehicles.cost_per_kilometer": 39.95,
"model.vehicles.cost_per_hour": 21.333333333333332
},
"routeTotalCost": 61.283333333333331
}
],
"skippedShipments": [
{
"index": 1
}
],
"metrics": {
"aggregatedRouteMetrics": {
"performedShipmentCount": 2,
"travelDuration": "1120s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "800s",
"totalDuration": "1920s",
"travelDistanceMeters": 3995
},
"usedVehicleCount": 1,
"earliestVehicleStartTime": "2023-01-13T17:37:49Z",
"latestVehicleEndTime": "2023-01-13T18:09:49Z",
"totalCost": 81.283333333333331,
"costs": {
"model.shipments.penalty_cost": 20,
"model.vehicles.cost_per_hour": 21.333333333333332,
"model.vehicles.cost_per_kilometer": 39.95
}
}
}
Dans cet exemple, shipment[1] a été ignoré dans le créneau horaire suivant, car le temps d'utilisation supplémentaire du véhicule nécessaire pour terminer la livraison de la livraison dans le délai spécifié a dépassé le coût de pénalité pour la livraison.
Le coût de la pénalité pour shipment[1] apparaît dans metrics.costs, et son indice dans skippedShipments.
Contraintes de fenêtre flexible
Comme mentionné brièvement dans la section Paramètres du modèle de coût, les périodes de temps peuvent être appliquées en tant que contraintes indépendantes. Les contraintes souples diffèrent des contraintes strictes de la manière suivante:
- Contraintes strictes: ne peuvent pas être enfreintes, et l'optimiseur n'offre pas de solution qui ne respecte pas la contrainte, même si cela implique d'ignorer une livraison.
- Contraintes souples: elles peuvent être enfreintes, ce qui signifie que l'optimiseur peut fournir une solution qui ne respecte pas une contrainte flexible. Cependant, l'optimiseur applique également un coût à toute violation. Vous indiquez ce coût en tant que propriété supplémentaire dans la fenêtre de temps, généralement sous la forme d'un coût par heure pour chaque heure avant ou après la fenêtre de temps où l'activité se produit.
Les fenêtres temporelles sont adoucies en utilisant softStartTime ou softEndTime au lieu de startTime ou endTime respectivement, et en définissant costPerHourBeforeSoftStartTime ou costPerHourAfterSoftEndTime.
Utilisez des contraintes de fenêtre temporelle flexible lorsque les retraits ou les livraisons devraient avoir lieu dans un délai spécifié, mais que le retrait ou la livraison dans cette fenêtre ne sont pas absolument nécessaires. Vous pouvez combiner des contraintes de fenêtre temporelle fixe et flexible pour exprimer des objectifs d'entreprise. Exemple :
- Période difficile: indique les horaires d'ouverture d'un client, par exemple de 9h à 17h.
- Période flexible: indique le délai de livraison ou de retrait qui correspond à la notification envoyée au client, par exemple de 9h à 13h.
Dans cet exemple, la contrainte d'heure de début de l'envoi précédemment ignoré est atténuée en raison du démarrage trop tardif. L'heure de fin des autres expéditions a également été adoucie.
Voir un exemple de requête avec des fenêtres à durée fixe et flexible
{
"populatePolylines": false,
"populateTransitionPolylines": false,
"model": {
"globalStartTime": "2023-01-13T16:00:00Z",
"globalEndTime": "2023-01-14T16:00:00Z",
"shipments": [
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789456,
"longitude": -122.390192
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T18:00:00Z",
"softEndTime": "2023-01-13T19:00:00Z",
"costPerHourAfterSoftEndTime": 2.0
}
]
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 100.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.789116,
"longitude": -122.395080
},
"duration": "250s",
"timeWindows": [
{
"softStartTime": "2023-01-13T21:00:00Z",
"endTime": "2023-01-13T21:30:00Z",
"costPerHourBeforeSoftStartTime": 2.0
}
]
}
],
"pickups": [
{
"arrivalLocation": {
"latitude": 37.794465,
"longitude": -122.394839
},
"duration": "150s"
}
],
"penaltyCost": 20.0
},
{
"deliveries": [
{
"arrivalLocation": {
"latitude": 37.795242,
"longitude": -122.399347
},
"duration": "250s",
"timeWindows": [
{
"startTime": "2023-01-13T17:30:00Z",
"softEndTime": "2023-01-13T18:00:00Z",
"costPerHourAfterSoftEndTime": 2.0
}
]
}
],
"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": 40.0,
"costPerKilometer": 10.0
}
]
}
}
Affichez une réponse à l'exemple de requête avec des fenêtres à durée fixe et flexible.
{
"routes": [
{
"vehicleStartTime": "2023-01-13T17:48:35Z",
"vehicleEndTime": "2023-01-13T18:24:28Z",
"visits": [
{
"isPickup": true,
"startTime": "2023-01-13T17:48:35Z",
"detour": "0s"
},
{
"shipmentIndex": 1,
"isPickup": true,
"startTime": "2023-01-13T17:51:05Z",
"detour": "150s"
},
{
"shipmentIndex": 2,
"isPickup": true,
"startTime": "2023-01-13T17:53:35Z",
"detour": "300s"
},
{
"startTime": "2023-01-13T18:00:00Z",
"detour": "300s"
},
{
"shipmentIndex": 1,
"startTime": "2023-01-13T18:07:42Z",
"detour": "493s"
},
{
"shipmentIndex": 2,
"startTime": "2023-01-13T18:17:27Z",
"detour": "873s"
}
],
"transitions": [
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:48:35Z"
},
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:51:05Z"
},
{
"travelDuration": "0s",
"waitDuration": "0s",
"totalDuration": "0s",
"startTime": "2023-01-13T17:53:35Z"
},
{
"travelDuration": "235s",
"travelDistanceMeters": 795,
"waitDuration": "0s",
"totalDuration": "235s",
"startTime": "2023-01-13T17:56:05Z"
},
{
"travelDuration": "212s",
"travelDistanceMeters": 791,
"waitDuration": "0s",
"totalDuration": "212s",
"startTime": "2023-01-13T18:04:10Z"
},
{
"travelDuration": "335s",
"travelDistanceMeters": 1204,
"waitDuration": "0s",
"totalDuration": "335s",
"startTime": "2023-01-13T18:11:52Z"
},
{
"travelDuration": "171s",
"travelDistanceMeters": 665,
"waitDuration": "0s",
"totalDuration": "171s",
"startTime": "2023-01-13T18:21:37Z"
}
],
"metrics": {
"performedShipmentCount": 3,
"travelDuration": "953s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "1200s",
"totalDuration": "2153s",
"travelDistanceMeters": 3455
},
"routeCosts": {
"model.shipments.deliveries.time_windows.cost_per_hour_after_soft_end_time": 0.58166666666666667,
"model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time": 5.7433333333333332,
"model.vehicles.cost_per_hour": 23.922222222222221,
"model.vehicles.cost_per_kilometer": 34.55
},
"routeTotalCost": 64.797222222222217
}
],
"metrics": {
"aggregatedRouteMetrics": {
"performedShipmentCount": 3,
"travelDuration": "953s",
"waitDuration": "0s",
"delayDuration": "0s",
"breakDuration": "0s",
"visitDuration": "1200s",
"totalDuration": "2153s",
"travelDistanceMeters": 3455
},
"usedVehicleCount": 1,
"earliestVehicleStartTime": "2023-01-13T17:48:35Z",
"latestVehicleEndTime": "2023-01-13T18:24:28Z",
"totalCost": 64.797222222222217,
"costs": {
"model.vehicles.cost_per_kilometer": 34.55,
"model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time": 5.7433333333333332,
"model.shipments.deliveries.time_windows.cost_per_hour_after_soft_end_time": 0.58166666666666667,
"model.vehicles.cost_per_hour": 23.922222222222221
}
}
}
Lorsque l'exemple avec uniquement des contraintes de fenêtre temporelle ignorait complètement shipment[1], l'adoucissement de la fenêtre de délai de livraison entraîne sa livraison avant son heure de début. De même, l'adoucissement des heures de fin des autres livraisons a permis à shipment[2] d'être livré après la fin de sa période.
Dans le même temps, les coûts et le nombre total d'expéditions ont changé:
totalCost: a diminué de 81,283 à 64,797.- nombre total d'expéditions achevées: est passé de 2 à 3
L'optimiseur a trouvé une solution moins coûteuse, car les contraintes de période ont été assouplies par rapport à l'exemple précédent.
Enfin, la propriété metrics.costs inclut également une nouvelle clé pour indiquer le coût réel en fonction du produit de la contrainte et la durée pendant laquelle la période de livraison a été manquée. Par exemple :
costPerHourBeforeSoftStartTimesur 2,0 et- Délai entre la livraison réelle et le début de la période : 2,83583 heures
Résultat :
model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time:
5.6716666666666669.
Ces métriques vous permettent d'effectuer une analyse des coûts pour déterminer le compromis entre les contraintes strictes et les contraintes souples, que vous pouvez utiliser pour ajuster vos contraintes afin qu'elles soient mieux adaptées à vos règles métier spécifiques. Dans ce cas, le coût total est inférieur à shipment[1].penalty_cost (20,0). L'optimiseur a déterminé qu'il était plus rentable de livrer la livraison en avance que de l'ignorer.