Geautomatiseerde routeplanning voor bezorgdiensten

Ik ontwikkel een planningsmodule die tijdens een lopende bezorgrit herberekent welke volgorde van stops het snelst is, op basis van actuele verkeersdata zoals filemeldingen en wegafsluitingen. Op dit moment werken chauffeurs met een vooraf vastgestelde route die bij een wijziging, zoals een afgesloten weg of een geannuleerde stop, handmatig moet worden aangepast. Dat kost tijd en leidt vaak tot een minder efficiënte volgorde dan bij een volledige herberekening. Doel van het project is een systeem te bouwen dat deze herberekening automatisch en binnen enkele seconden uitvoert, zodat de gemiddelde rittijd merkbaar korter wordt zonder dat chauffeurs zelf hoeven te herplannen. Het resultaat wordt eerst intern getest op een beperkt aantal bezorgroutes voordat het breder wordt ingezet.

De grootste onzekerheid is of de herberekening binnen een seconde kan blijven bij honderden stops tegelijk, terwijl tijdvakken en voertuigcapaciteit harde randvoorwaarden zijn. Een volledige herberekening van de route met bestaande algoritmes duurt bij dit aantal stops te lang om bruikbaar te zijn tijdens een actieve rit. Daarnaast is onbekend hoe gevoelig de kwaliteit van de nieuwe route is voor de manier waarop een wijziging wordt verwerkt: te grof herberekenen levert een snelle maar inefficiënte route op, te precies herberekenen kost te veel rekentijd. Ook is nog niet duidelijk hoe vaak per rit een herberekening nodig is zonder dat dit chauffeurs verwart met steeds wijzigende instructies.

Ik onderzoek een incrementele heuristiek die alleen het getroffen deel van de route herberekent in plaats van de hele rit opnieuw door te rekenen, en test of dat snel genoeg blijft bij drukte. Daarbij vergelijk ik meerdere manieren om te bepalen welk deel van de route als getroffen geldt bij een wijziging, met als doel een balans tussen rekentijd en routekwaliteit. Een tweede onderzoeksrichting is het vooraf berekenen van een beperkte set alternatieve deelroutes, zodat bij een wijziging niet vanaf nul hoeft te worden gerekend maar tussen voorberekende opties kan worden gekozen. Beide richtingen worden getest tegen een volledige herberekening als referentie, op rekentijd én op de resulterende rittijd.

De routeheuristiek schrijf ik in Python, ontsloten via een eigen API-service die de bestaande planningsapplicatie aanroept. Voor het testen onder belasting gebruik ik een zelfgebouwde simulator die verkeersdata en willekeurige wijzigingen nabootst, geen kant-en-klaar pakket, omdat bestaande simulatiesoftware het incrementele herberekeningsscenario van dit project niet ondersteunt. Metingen van rekentijd en routekwaliteit leg ik vast met een zelf ontwikkeld logging-script, zodat de verschillende heuristieken onderling vergelijkbaar zijn.

Standaard routeplanners rekenen vooraf een route uit en houden die vast; wijzigingen tijdens de rit worden niet automatisch verwerkt. Of een incrementele herberekening binnen een seconde haalbaar is bij honderden stops tegelijk staat vooraf niet vast, dat is precies de technische onzekerheid. Gangbare technieken voor routeoptimalisatie zijn ontworpen om vooraf een zo goed mogelijke route te berekenen, niet om die tijdens uitvoering snel bij te stellen zonder aan kwaliteit in te boeten. Het is dus niet bekend of, en met welke aanpak, dit binnen de gestelde tijdslimiet en met behoud van routekwaliteit is op te lossen.