OptimizeToursRequest ograniczenia dotyczące:
- dostawy, które wpływają na sposób realizacji dostaw;
- pojazdy, które wpływają na sposób obliczania tras pojazdów;
- Dotyczy to pojazdów i przesyłek na całym świecie.
Ten przewodnik skupia się na podstawowym ograniczeniu dotyczącym dostawy: oknach czasowych.
Okna czasowe to typ ograniczenia, który podajesz w wiadomości OptimizeToursRequest (REST, gRPC), aby określić limity czasowe dla działań związanych z dostawą. Ten typ ograniczenia wpływa na to, kiedy i jak można przeprowadzić dostawę, a także na przypisanie pojazdu do dostawy. W takich okolicznościach optymalizator preferuje te pojazdy, które najlepiej spełniają ograniczenia czasowe związane z dostawą.
Ograniczenia dostawy: przedziały czasowe
W wiadomości Shipment.VisitRequestokreślasz, kiedy może nastąpić odbiór lub dostawa:
- Użyj właściwości
timeWindowsw wiadomości (REST, gRPC). - Określ czas rozpoczęcia i zakończenia w wiadomości
TimeWindow(REST, gRPC).
Przykładowe żądanie z ograniczeniami dotyczącymi okna czasowego
Przykład pokazuje 3 różne przesyłki, z których każda ma własny przedział dostawy. W tym przykładzie dla uproszczenia ustawiono okna czasowe tylko dla deliveries, ale można je też stosować do odbioru. Można określić wiele okien czasowych, ale w tym przykładzie jest używane tylko jedno na dostawę VisitRequest.
Przykład żądania z oknami czasowymi
{ "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 } ] } }
Przykład odpowiedzi z ograniczeniami dotyczącymi przedziału czasowego
W przykładowej odpowiedzi czas rozpoczęcia i zakończenia to odpowiednio 17:35:50 i 18:17:24. Te czasy odzwierciedlają optymalizator minimalizujący czas potrzebny do obsługi pojazdu określonego w żądaniu jako costPerHour, przy zachowaniu wszystkich ograniczeń dotyczących okna czasowego. Użycie godziny 17:35:50 jako godziny rozpoczęcia eliminuje konieczność oczekiwania pojazdu w miejscu wizyty do czasu rozpoczęcia okna czasowego wizyty. W odpowiedzi pojawi się wartość 0 w parametry waitDuration.
Zobacz odpowiedź na przykładowe żądanie z oknami czasowymi
{ "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 } } }
Okna czasowe zamówiły pojazd visits, więc przesyłki z najniższymi oknami czasowymi zostaną dostarczone jako pierwsze.
shipments[2]został dostarczony o 17:50shipments[1]zostanie dostarczony o 18:00shipments[0]został dostarczony o godz. 18:07
W tym przykładzie żądanie określa ścisłe ograniczenia czasowe, które wymagają, aby dostawy były realizowane w tych oknach czasowych. Jeśli zrealizowanie dostawy VisitRequests w ramach dowolnego z okresów czasowych nie jest możliwe lub nie jest opłacalne, optymalizator pomija dostawę. Jeśli przesyłka ma wartośćpenaltyCost, optymalizator dodaje ją do kosztów zgłoszonych w odpowiedzi nametrics. W przeciwnym razie wartość właściwości skippedMandatoryShipmentCount wiadomości OptimizeToursResponse (REST, gRPC) wzrasta.
Jeśli zmienisz okna czasowe, przesuwając okno shipment[1] o kilka godzin (z 18:00 na 21:00), wyniki będą inne, jak widać w następujących przykładach.
Przykładowe żądanie z oknami czasowymi, których nie można spełnić
{ "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 } ] } }
Zobacz odpowiedź na drugie przykładowe żądanie z oknami czasowymi, w których przesyłka jest pomijana
{ "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 } } }
W tym przykładzie późniejsze okno czasowe spowodowało pominięcie shipment[1], ponieważ dodatkowy czas pracy pojazdu wymagany do zrealizowania dostawy w określonym oknie czasowym przekroczył koszt kary za opóźnienie dostawy.
Koszt kary za shipment[1] jest widoczny w metrics.costs, a jego indeks – w skippedShipments.
Miękkie ograniczenia dotyczące przedziału czasu
Jak krótko wspomniano w sekcji Parametry modelu kosztowego, okna czasowe mogą być stosowane jako miękkie ograniczenia. Miękkie ograniczenia różnią się od twardych w następujący sposób:
- Sztywne ograniczenia: nie można ich naruszać, a optymalizator nie oferuje rozwiązania, które narusza takie ograniczenie, nawet jeśli oznacza to pominięcie dostawy.
- Ograniczenia miękkie: mogą być naruszane, co oznacza, że optymalizator może zaproponować rozwiązanie, które narusza takie ograniczenie. Optymalizator uwzględnia jednak koszt w przypadku każdego naruszenia. Podajesz ten koszt jako dodatkową właściwość w oknie czasowym, zwykle jako koszt za godzinę w każdej godzinie przed lub po oknie czasowym, w którym występuje aktywność.
Okna czasowe są zmiękczone przez użycie softStartTime lub softEndTime zamiast startTime lub endTime oraz ustawienie costPerHourBeforeSoftStartTime lub costPerHourAfterSoftEndTime.
Użyj miękkich ograniczeń przedziału czasowego, gdy odbiór lub dostawa powinna nastąpić w określonym przedziale czasu, ale nie jest to bezwzględnie wymagane. Aby określić cele biznesowe, możesz używać zarówno sztywnych, jak i miękkich ograniczeń czasowych. Na przykład:
- Określony przedział czasowy: wskazuje godziny otwarcia firmy klienta, np. od 9:00 do 17:00.
- Miękkie okno czasowe: wskazuje przedział czasu dostawy lub odbioru, który jest zgodny z powiadomieniem wysłanym do klienta, np. 9:00–13:00.
W tym przykładzie przesyłka, która została pominięta, ponieważ jej okno czasowe rozpoczęło się zbyt późno, ma zmodyfikowane ograniczenie czasu rozpoczęcia. Czas dostawy pozostałych przesyłek również został wydłużony.
Przykład prośby z nieprzekraczalnymi i nieprzekraczanymi terminami
{ "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 } ] } }
Zobacz odpowiedź na przykładowe żądanie z oknami czasowymi sztywnymi i miękkimi
{ "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 } } }
W przykładzie z tylko sztywnymi ograniczeniami czasowymi całkowicie pominiętymi
shipment[1], zmiękczenie przedziału czasowego dostawy powoduje, że reklama zostanie wyświetlona
przed początkiem przedziału czasowego. Zmiękczenie terminów dostawy innych przesyłek pozwoliło na dostarczenie shipment[2] po zakończeniu tego okna czasowego.
Jednocześnie zmieniły się koszty i łączna liczba wysyłek:
totalCost: zmniejszono z 81,283 na 64,797- łączna liczba zrealizowanych dostaw: zwiększono z 2 na 3
Optymalizator znalazł tańsze rozwiązanie, ponieważ w tym przypadku ograniczenia czasowe były mniej restrykcyjne niż w poprzednim przykładzie.
Właściwość metrics.costs zawiera też nowy klucz, który wskazuje rzeczywiste koszty poniesione na podstawie produktu ograniczeń i czasu, w którym nie udało się zrealizować okna dostawy. Czyli:
costPerHourBeforeSoftStartTimez 2,0 i- czas między rzeczywistą dostawą a początkiem okna czasowego: 2,83583 godziny
Efekt:
model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time:
5.6716666666666669.
Te dane umożliwiają analizę kosztów, dzięki której możesz zobaczyć kompromis między twardymi a miękkimi ograniczeniami. Możesz ich użyć do dostosowania ograniczeń do określonych zasad biznesowych. W tym przypadku łączny koszt jest
niższy od shipment[1].penalty_cost 20, 0. Optymalizator stwierdził, że bardziej opłaca się dostarczyć przesyłkę wcześniej niż zrezygnować z dostawy.