Ten przewodnik pokazuje, jak liczba pojazdów na trasie Rozwiązanie do optymalizacji może się różnić w zależności od parametrów żądania.
Route Optimization API nie tylko optymalizuje realizację zamówienia, przypisuje również te dostawy do pojazdów w celu optymalizacji kosztów i ograniczeniach, którymi zarządzasz.
W pierwszym przykładzie liczba pojazdów odpowiada liczbie przesyłek. ze wszystkimi pojazdami o tych samych właściwościach kosztu i lokalizacji. Każdy pojazd określa koszt godziny działania i przejechany kilometr, co pomoże w celu zminimalizowania czasu i odległości. W jednym z nich przypisanej przesyłki, ale przykładowa odpowiedź pokazuje najtańsze rozwiązanie określonych parametrów modelu kosztów.
Zobacz przykładowe zapytanie 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 } ] } }
zobaczyć odpowiedź na żądanie z wieloma; pojazdy
{ "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 tylko do 1 pojazdu, pomijając jedną
pomimo dużej dostępności pojazdów. Wynika to z faktu, że koszty operacyjne
w przypadku dodatkowych pojazdów jest zbyt duża, aby uzasadnić, i nie jest opłacalna
dowolnego pojazdu, w którym można zrealizować pominięta przesyłkę, ze względu na niski koszt kary.
Pomimo dostępnej pojemności jeden pojazd może wykonać wszystkie przypisane
wysyłki w najtańszy sposób. Pojazdy wskazane w żądaniu nie
mają ustawioną właściwość usedIfRouteIsEmpty
(zobacz komunikat Vehicle
,
(REST, gRPC).
nieużywane.
zmiana parametrów kosztu, aby nadać priorytet krótszym rozwiązaniom o globalnym zasięgu,
niż krótsze trasy samochodowe powoduje, że bierze w nich udział więcej pojazdów.
w rozwiązaniu problemu. Następne przykładowe żądanie zastępuje Vehicle.costPerHour
przez
globalne ShipmentModel.globalDurationCostPerHour
, nadając priorytet rozwiązaniom
są krótsze w skali czasu pracy konkretnego pojazdu. Kara
koszt klienta shipment[1]
został również zwiększony, aby zmniejszyć prawdopodobieństwo
pominięto.
Zobacz przykładowe żądanie, w którym wykorzystano funkcję
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 godzinowego skutkuje wszystkich 3 pojazdów, a nie tylko jednego.
Wyświetl odpowiedź na żądanie przy użyciu:
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 każdy pojazd otrzyma jedną przesyłkę. Z identycznym początkiem
lokalizacje, lokalizacje końcowe i costPerKilometer
, wszystkie trzy pojazdy są
wymienne, nie ma więc znaczenia, która przesyłka zostanie przypisana
Pojazd.
globalDurationCostPerHour
sprawia, że optymalizator znajduje rozwiązanie, które jest:
krótszy ogólny: różnica między earliestVehicleStartTime
a
latestVehicleEndTime
to tylko 18 minut i 54 sekundy, a nie 28 minut
min i 22 sekundy w poprzedniej odpowiedzi. Jednak
Wzrosła wartość wymiaru metrics.costs.model.vehicles.cost_per_kilometer
, odzwierciedlając wzrost
całkowita odległość przebyta przez trzy używane pojazdy. To pokazuje, w jaki sposób
który model kosztów pozwala zapewniać kompensację:
- Wzrost globalnych kosztów czasu: zwiększ wykorzystanie pojazdów, aby zminimalizować ogólne w czasie realizacji, kosztem większej odległości od pojazdu i więcej czasu transportem publicznym.
- Wyższy koszt czasu pojazdu: zmniejszenie wykorzystania pojazdu i czasu potrzebnego kosztem dłuższego, ogólnego rozwiązania.
Zwróć uwagę, że w tym przykładzie ustawiona jest wartość globalDurationCostPerHour
wynosząca 150,0
trzykrotnie większa niż costPerHour
w wysokości 50,0 w porównaniu z poprzednią
przykład. Ta globalna wartość kosztów zakłada, że wszystkie trzy pojazdy
działać jednocześnie, ale w praktycznych sytuacjach, takich jak założenia,
odzwierciedlają realia i mogą mieć negatywny wpływ na jakość wyników.
Zgodnie z opisem w sekcji Parametry modelu kosztu wszystkie parametry kosztu są wyrażone w te same bezwymiarowe jednostki, ale mogą mieć bardzo różne znaczenie. Zazwyczaj wartości parametrów modelu kosztowego powinny być w jak największym stopniu odzwierciedlone w rzeczywistości, sztuczne koszty, takie jak te w tym przykładzie, mogą spowodować optymalizację pod kątem które nie pasują do Twoich zamiarów.