GreenRoute: оптимизация маршрутов на основе искусственного интеллекта для доставки на последней миле

Вызов

GreenRoute Logistics обрабатывает доставку на последнюю милю для компаний электронной коммерции в Дубае, Эр-Рияде и Дохе. При более чем 15 000 ежедневных доставок и 200 водителей их ручное планирование маршрутов достигло предела. Диспетчеры тратили 3 часа каждое утро на распределение маршрутов на основе опыта и интуиции — и маршруты часто были неоптимальными, что привело к запоздалым доставкам, высоким затратам на топливо и расстроенным водителям.

Проблему усугубляли уникальные вызовы доставки в странах Персидского залива: экстремальная жара, требующая соответствия холодной цепи для определённых товаров, закрытые сообщества с ограниченным доступом в определённые часы, новые разработки, ещё не появившиеся на Google Maps, и картины дорожного движения, которые резко меняются во время Рамадана и праздничных периодов.

Наш подход

Мы создали трёхкомпонентную систему: сервис машинного обучения Python для оптимизации маршрутов, мобильное приложение Flutter для водителей и веб-панель управления Next.js для диспетчеров. Сервис машинного обучения использует модифицированный решатель задачи маршрутизации транспорта (VRP), дополненный машинным обучением для прогнозирования времени в пути.

Основной алгоритм объединяет Google OR-Tools для комбинаторной оптимизации с пользовательской моделью градиентного бустинга, обученной на 6 месяцах исторических данных доставки GreenRoute. Модель предсказывает фактическое время в пути между местоположениями на основе времени суток, дня недели, погоды и сезонных закономерностей — намного точнее, чем оценки Google Maps для доставочных автомобилей в условиях движения в странах Персидского залива.

Мы также создали механизм ограничений, который обрабатывает уникальные требования стран Персидского залива: временные окна для закрытых сообществ, маршрутизацию холодной цепи, которая минимизирует время доставки для товаров, чувствительных к температуре, подбор навыков водителей (некоторые доставки требуют тяжелого подъема или специальной обработки), и буферы молитвенного времени, встроенные в расписание водителей.

Приложение для водителей: разработано для использования одной рукой

Приложение Flutter для водителей было разработано с одним ограничением: оно должно полностью работать одной рукой, пока водитель находится на остановке доставки. Большие сенсорные области, жесты для обновления статуса, голосовая навигация и автоматическое подтверждение доставки через геозону. Водители тратят менее 5 секунд на взаимодействие с приложением за одну доставку.

Приложение также обеспечивает корректировку маршрута в реальном времени. Если доставка не удалась (клиента нет дома), водитель нажимает одну кнопку, и система мгновенно пересчитывает оставшийся маршрут, потенциально переупорядочивая остановки, чтобы минимизировать лишние проезды. Если условия дорожного движения изменяются во время маршрута, приложение предлагает альтернативные маршруты без необходимости вмешательства диспетчера.

Панель диспетчера: с 3 часов до 15 минут

Панель диспетчера Next.js заменила утренний ритуал планирования маршрутов. Диспетчеры теперь загружают ежедневный манифест доставки (CSV или интеграция API с платформой электронной коммерции клиента), просматривают AI-сгенерированные маршруты на интерактивной карте, вносят любые ручные корректировки (VIP-клиенты, специальные инструкции) и отправляют маршруты всем водителям одним щелчком.

Панель также обеспечивает видимость автопарка в реальном времени: местоположение водителей, прогресс доставки, прогнозируемое время завершения и автоматические оповещения о задержках. Эта проверка в реальном времени заменила группу WhatsApp, где диспетчеры ранее вручную отслеживали водителей.

Результаты

После 3 месяцев в production цифры говорят сами за себя: среднее время доставки сократилось на 28% (с 45 минут между остановками до 32 минут), расходы на топливо снизились на 19% по всему автопарку, уровень доставок в срок улучшился с 82% до 96%, а время планирования маршрутов утром сократилось с 3 часов до 15 минут.

Удовлетворенность водителей также значительно улучшилась. Оптимизированные маршруты более логичны (меньше лишних проездов), приложение снижает количество звонков от диспетчеров, и водители заканчивают свои маршруты раньше. Удержание водителей улучшилось на 22% в первом квартале — значительная экономия затрат в отрасли с печально известно высокой текучестью кадров.

GreenRoute расширила систему на свои операции в Эр-Рияде и Дохе и исследует возможность добавления прогнозирования спроса — использования исторических данных для предварительного размещения запасов на спутниковых объектах до поступления заказов.

Извлеченные уроки

Исторические данные превосходят теоретические модели. Наши прогнозы времени доставки, обученные на реальных данных доставки, значительно превзошли универсальные API маршрутизации, поскольку они отражают реальность доставки — время парковки, доступ в здание, взаимодействие с клиентом — а не просто время в пути по дороге.

Региональный контекст имеет огромное значение для логистики. Расписание времени молитв, схемы трафика в Рамадан, ограничения маршрутизации из-за экстремальной жары — это не граничные случаи в странах ССЗ, это основные требования. Любая оптимизация логистики, которая их игнорирует, потерпит неудачу в боевых условиях.