Яндекс.Маршрутизация: популярные параметры планирования и их влияние на стоимость доставки

• Антон Моисеев, руководитель отдела внедрения Яндекс Маршрутизации, рассказывает о популярных параметрах маршрутизации и их влиянии на стоимость логистики.  

• Алексей Школьников, руководитель службы технической поддержки, помогает в решении клиентских кейсов.  

• Яндекс Маршрутизация состоит из двух сервисов: планирования и мониторинга.  

• Сервис планирования решает задачу построения оптимальных маршрутов для парка транспортных средств.  

• Задача сложная и не имеет идеального решения, так как перебор всех вариантов невозможен.  

• Алгоритмы используют интеллектуальный перебор вариантов.  

• Задача многокритериальная, с множеством критериев, которые нужно взвесить.  

• Время на планирование маршрутов ограничено, и алгоритм должен получить хорошие маршруты за это время.  

• Яндекс Маршрутизация учитывает информацию о пробках и картах.  

• Используются различные дорожные графы для разных видов транспорта.  

• Информация о пробках многомерная и учитывает временные срезы.  

• В задачу передаются данные о заказах, ресурсах и ограничениях.  

• Учитываются координаты, весогабаритные характеристики, временные окна и другие параметры.  

• Более пятидесяти параметров учитываются при построении маршрутов.  

• Настройки алгоритма позволяют взвешивать критерии стоимости и штрафы.  

• Стоимость ресурсов учитывается в различных разрезах.  

• Штрафы применяются за нарушение нежелательных параметров, таких как временные окна и длительность смены водителя.  

• В результате получается распределение заказов по ресурсам и последовательность выполнения заказов.  

• Алгоритм использует веса критериев для выбора маршрута.  

• Веса влияют на физическую характеристику маршрута.  

• Алгоритм ищет решение, минимизируя затраты в единой внутренней валюте.  

• Алгоритм заменяет одну характеристику на другую для минимизации затрат.  

• Визуально характеристики маршрута можно представить как многоугольник.  

• Поиск решения сравнивается с перетягиванием одеяла.  

• Алгоритм строит миллионы вариантов маршрутов.  

• Плохие маршруты часто можно улучшить, изменив параметры.  

• В редких случаях параметры не позволяют точно смоделировать реальность.  

• Пример с замороженными продуктами и временем нахождения на борту.  

• Отсутствие параметра в текущей версии алгоритма.  

• Плохие маршруты могут быть связаны с неточным представлением реальности.  

• Сравнение результатов планирования с фактическими данными.  

• Логисты должны проверять маршруты физически.  

• Корректировка моделей для улучшения соответствия реальности.  

• Сравнение планов между собой для корректировки.  

• Использование планов, созданных логистами, для улучшения алгоритмов.  

• Алгоритмы часто выявляют нарушения, которые логисты не учитывают.  

• Параметры влияют на стоимость и метрики логистики.  

• Важно учитывать все факторы, влияющие на доставку.  

• Пример: влияние времени курьера на заказе у клиента.  

• Время доставки зависит от типа бизнеса.  

• Доставка документов занимает 5 минут.  

• Доставка малогабаритных товаров 10 минут.  

• Доставка одежды с примеркой 20 минут.  

• Доставка мебели 40 минут.  

• Для доставки 148 заказов в Москве и Подмосковье.  

• Доставка документов: 3 машины, 50 заказов на водителя.  

• Доставка малогабаритных товаров: 4 машины, 35 заказов на водителя.  

• Доставка одежды: 6 машин, 25 заказов на водителя.  

• Количество курьеров и их выработка зависят от типа бизнеса.  

• Учет сервисного времени важен для планирования маршрутов.  

• Можно уточнить сервисное время через мониторинг передвижения курьеров.  

• Изменение временных окон доставки может увеличить затраты.  

• Сервис планирования помогает оценить риски и затраты.  

• Пример: сокращение временных окон с 9 утра до 7 вечера до 5 часов.  

• Мягкие временные окна позволяют нарушать интервалы.  

• Пример: мягкие окна с 9 утра до 2 дня и с 2 дня до 7 вечера.  

• Экономия одной машины и допустимые отклонения в 20 минут.  

• Основные параметры: сервисные окна, сервисное время, временные окна и их жесткость.  

• Антон расскажет о двух дополнительных параметрах, влияющих на планирование.  

• Кучность маршрутов часто требуется заказчиками для удобства планирования.  

• Визуально кучные маршруты легче оценивать, но они могут ухудшать другие параметры маршрутизации.  

• Пример: маршруты без кучности требуют меньше машин, но имеют больший пробег.  

• Кучные маршруты могут ухудшать количество машин, пробег и время доставки.  

• Алгоритм может сжимать маршруты, что ухудшает другие метрики.  

• Субъективное понятие кучности может влиять на результаты.  

• Зональность маршрутов может быть обусловлена бизнес-требованиями, например, возможностью переноса времени доставки.  

• Непредсказуемость сервисного времени требует планирования маршрутов внутри одного района.  

• Личностные факторы, такие как знание местности, могут влиять на скорость доставки.  

• Постоянные клиенты и их особенности могут влиять на маршруты.  

• Водители могут использовать личные связи для обхода пробок.  

• Личностные факторы могут быть не учтены в модели, но влияют на практику.  

• Возможность строить маршруты с учетом зональности для курьеров.  

• Разметка зон для заказов должна быть выполнена вручную.  

• Равномерность маршрутов важна для курьеров, так как они получают оплату в зависимости от количества выполненных заказов.  

• Несправедливое распределение маршрутов может вызвать недовольство и забастовки среди водителей.  

• Равномерность приводит к увеличению общего времени работы, но распределяет нагрузку равномерно.  

• Равномерность маршрутов требует балансировки машин, находящихся в равных условиях.  

• Балансировка по количеству точек или времени зависит от плотности точек в городе и области.  

• Балансировка на периоде учитывает накопленные данные за предыдущие дни.  

• Стоимость маршрутизации зависит от количества курьеров и ресурсов, таких как часы, километры и заказы.  

• В ближайшее время появится тариф с тарификацией по заказам.  

• Детальные карты и регулярные обновления.  

• Точные данные по пробкам, основанные на реальных треках.  

• Активное развитие и улучшение алгоритма маршрутизации.  

• Прогноз пробок основан на данных из различных сервисов, таких как навигатор и такси.  

• Прогноз пробок учитывает временные срезы и погодные условия.  

• Погодные условия учитываются только в случае форс-мажоров.