-
Notifications
You must be signed in to change notification settings - Fork 0
/
copiaAPP.py
1888 lines (1422 loc) · 64.7 KB
/
copiaAPP.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
import sys
import PySimpleGUI as sg
from ortools.constraint_solver import routing_enums_pb2
from ortools.constraint_solver import pywrapcp
from scipy.spatial.distance import cdist
from pyproj import Proj, transform
import scipy.spatial as sc
import pandas as pd
import numpy as np
from sklearn.neighbors import DistanceMetric
from scipy.spatial.distance import pdist
import pyproj
from matplotlib import pyplot as plt
import numpy.random as rd
import math
import overpy as op
import urllib.error
import urllib.parse
import urllib.request
import json
import geopandas as gpd
import matplotlib.pyplot as plt
import contextily as ctx
from shapely.geometry import Point
import requests
import random
import string
import urllib, json
import csv
import sys
import os
import geopandas as gpd
import matplotlib.pyplot as plt
import contextily as ctx
from shapely.geometry import Point
import requests
import folium
import polyline
import random
from PyQt5.QtCore import *
from PyQt5.QtWebEngineWidgets import * #Para esto hacer pip install PyQtWebEngine
from PyQt5.QtWidgets import (QApplication, QCheckBox, QComboBox, QDateTimeEdit,
QDial, QDialog, QGridLayout, QGroupBox, QHBoxLayout, QLabel, QLineEdit,
QProgressBar, QPushButton, QRadioButton, QScrollBar, QSizePolicy,
QSlider, QSpinBox, QStyleFactory, QTableWidget, QTabWidget, QTextEdit,
QVBoxLayout, QWidget, QTableWidgetItem, QFormLayout, QPlainTextEdit)
import time
import threading
from datetime import datetime
#https://github.com/pyqt/examples/tree/_/src/02%20PyQt%20Widgets
#https://stackoverflow.com/questions/52010524/widgets-placement-in-tabs
#https://realpython.com/python-pyqt-gui-calculator/
localidad = ""
numDias = 0
capacidadContenedor = 0
headers = ['Camion','Capacidad','Velocidad','Funcionando']
data = pd.read_csv('Data/Camiones.csv', delimiter=',', header=0, names=headers)
datos = data.values.tolist()
#print(datos)
headersContenedores = ["ID Contenedor", "Estado Inicial", "Aumento Diario"]
dataContenedores = pd.read_csv('Data/Contenedores.csv', delimiter=',', header=0, names=headersContenedores)
datosContenedores = dataContenedores.values.tolist()
#print(datosContenedores)
datosPlanificar ={}
datosPlanificar['Localidad'] = ""
datosPlanificar['numDias'] = 0
datosPlanificar['capacidadContenedor'] = 0
datosPlanificar['numCamiones'] = 0
datosPlanificar['capacidadCamiones'] = []
datosPlanificar['velocidadCamiones'] = []
datosPlanificar['estadoInicial'] = []
datosPlanificar['aumentoDiario'] = []
# Elimina los warning
import warnings
warnings.filterwarnings("ignore", category=DeprecationWarning)
pd.options.mode.chained_assignment = None
"""Ponemos la URL donde están los datos a utilizar, que han tenido que ser subidos previamente a GitHub en formato CSV."""
metodoBusqueda = routing_enums_pb2.FirstSolutionStrategy.PATH_CHEAPEST_ARC
#Otro algotimo que parece ser más rápido
#metodoBusqueda = routing_enums_pb2.FirstSolutionStrategy.PARALLEL_CHEAPEST_INSERTION
header = 0
nom_col = ["id","UDALERRIA_KODEA/COD_MUNICIPIO","UDALERRIA/MUNICIPIO","EKITALDIA/EJERCICIO","EDUKIONTZI_KODEA/COD_CONTENEDOR","EDUKIONTZIAREN MODELOA_CAS/MODELO CONTENEDOR_CAS","HONDAKINAREN FRAKZIOA_CAS/FRACCION DEL RESIDUO_CAS","longitude","latitude", "horaMin", "horaMax"]
sep = ','
def leerDatos(localidad):
datos = pd.read_csv('https://raw.githubusercontent.com/Jondiii/contenedores/master/ListadoCompleto.csv', delimiter=sep, header=header, names=nom_col)
filtro = datos['UDALERRIA/MUNICIPIO'] == localidad
datos = datos[filtro]
datos.drop(columns = ["UDALERRIA_KODEA/COD_MUNICIPIO","UDALERRIA/MUNICIPIO","EKITALDIA/EJERCICIO","EDUKIONTZI_KODEA/COD_CONTENEDOR","EDUKIONTZIAREN MODELOA_CAS/MODELO CONTENEDOR_CAS","HONDAKINAREN FRAKZIOA_CAS/FRACCION DEL RESIDUO_CAS"],
inplace = True)
datos['longitude'] = pd.Series(datos['longitude']).str.replace(',', '.', regex=False)
datos['latitude'] = pd.Series(datos['latitude']).str.replace(',', '.', regex=False)
datos['longitude'] = datos['longitude'].astype(float)
datos['latitude'] = datos['latitude'].astype(float)
datos.index = dict(enumerate(range(0, len(datos)), 1)) # Hace que el index del dataframe vaya de 1 a len(datos). Explicación arriba.
mediaLong = 0
mediaLat = 0
i = 1
datos['horario'] = [None] * len(datos) # Crea un array vacío.
while i <= len(datos):
datos['horario'][i] = ((datos['horaMin'][i], datos['horaMax'][i]))
mediaLong = mediaLong + datos['longitude'][i]#Igual es un poco carnicería geográfica, pero es lo que se nos ha ocurrido de momento
mediaLat = mediaLat + datos['latitude'][i]
i = 1 + i
depot = {"id": 0, "longitude": mediaLong/len(datos), "latitude": mediaLat/len(datos), "horaMin" : 0, "horaMax" : 23, "horario" : [(0, 23)]}
depot = pd.DataFrame(depot)
datos = pd.concat([depot, datos], ignore_index = True)
datos['recogido'] = False
return datos
"""Se crea el modelo de datos que se va a utilizar para los cálculos. Es aquí donde se modifican los datos para poder hacer pequeñas variaciones en el ejercicio.
Hemos incluído en data todos los datos, matrices y demás necesarios para realizar los cálculos, para poder tener todo lo necesario en una única variable.
"""
def create_data_model2(localidad, capacidadCamiones, ncamiones, depot, capacidadContenedor):
data = {}
data['datos'] = leerDatos(localidad)
data['distance_matrix'] = leerMatrizDistancia(localidad)
data['time_matrix'] = crearMatrizTiempos_Enrique(data)
data['demands'] = []
data['vehicle_capacities'] = []
data['num_vehicles'] = ncamiones
data['time_windows'] = []
data['indexes'] = []
# crear demanda aleatoria para X num de contenedores
i = 0
rd.seed(2)
while i < len(data['datos']):
n = rd.randint(capacidadContenedor*0.1, capacidadContenedor)
data['demands'].append(n) # Añade la carga de cada contenedor, entre 0 y 10.
# Si vamos a trabajar con % de llenado no tiene sentido crear demandas aleatorias.
data['time_windows'].append(data['datos']['horario'][i])
data['indexes'].append(data['datos']['id'][i])
i += 1
data['num_vehicles'] = ncamiones
#i = 0
#while i < data['num_vehicles']:
# data['vehicle_capacities'].append(capacidadCamiones) # Añade la capacidad de cada vehículo
#i+=1
data['vehicle_capacities'] = capacidadCamiones
data['opcionales'] = pd.DataFrame(data['indexes'])
#Por defecto 0
data['depot'] = depot
return data
"""#### Métodos para generar matriz de distancias
"""
def matrizDistanciasAPI(datos):
#limit = 0
coordenadas = ""
longitud = round(datos['longitude'], 2).to_numpy()
latitud = round(datos['latitude'], 2).to_numpy()
#Transformamos de UTM a Coordenadas Geográficas (Grados)
scrProj = pyproj.Proj(proj="utm", zone = 30, ellps="WGS84", units = "m")
dstProj = pyproj.Proj(proj = "longlat", ellps="WGS84", datum = "WGS84")
i = 0
for n in datos['latitude']:
longitud[i],latitud[i]=pyproj.transform(scrProj,dstProj, longitud[i],latitud[i])
i +=1
for (lat, longi) in zip(latitud, longitud):
coordenadas = coordenadas + str(round(longi,6)) + "," + str(round(lat,6)) + ";"
#while limit < 100:
# coordenadas = coordenadas + str(round(longitud[limit],6)) + "," + str(round(latitud[limit],6)) + ";"
# limit = limit + 1
coordenadas = coordenadas[:-1]
url = 'http://router.project-osrm.org/table/v1/driving/'+coordenadas+'?annotations=duration,distance'
response = urllib.request.urlopen(url)
result = json.load(response)
'''
req = urllib.Request(url)
#req.add_header('User-Agent', User_Agent)
response = urllib.urlopen(req)
req = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})
response = urllib.request.urlopen(req)
print(req)
'''
#matriz = result['rows'][0]['elements'][0]["distance"]["value"] #Con esto sacamos la distancia en metros.
matriz = pd.DataFrame(result['distances'])
return matriz
def matrizDistanciasAPIGrande(datos):
t = len(datos)
if t >= 200:
raise Exception("La localidad no puede tener 200 o más contenedores.")
return 0
cont = 0
coordenadas = ""
coordenadas2 = ""
arrayCoordenadasFin = []#Aquí se guardarán los strings que se usarán para sacar las distancias de los últimos contenedores
longitud = round(datos['longitude'], 2).to_numpy()
latitud = round(datos['latitude'], 2).to_numpy()
#Transformamos de UTM a Coordenadas Geográficas (Grados)
scrProj = pyproj.Proj(proj="utm", zone = 30, ellps="WGS84", units = "m")
dstProj = pyproj.Proj(proj = "longlat", ellps="WGS84", datum = "WGS84")
i = 0
for n in datos['latitude']:
longitud[i],latitud[i]=pyproj.transform(scrProj,dstProj, longitud[i],latitud[i])
i +=1
while cont <= 99:
if cont == 99:
cont2 = 100
while cont2 < len(datos):#Guardamos las coordenadas de los 99 primeros con cada uno de los que queden
arrayCoordenadasFin.append(coordenadas + str(round(longitud[cont2],6)) + "," + str(round(latitud[cont2],6)))
coordenadas2 = coordenadas2 + str(round(longitud[cont2],6)) + "," + str(round(latitud[cont2],6)) + ";"#De paso, guardamos las coordenadas de solo los últimos contenedores
cont2 = cont2 + 1
coordenadas = coordenadas + str(round(longitud[cont],6)) + "," + str(round(latitud[cont],6)) + ";"
cont = cont + 1
coordenadas = coordenadas[:-1]
coordenadas2 = coordenadas2[:-1]
url = 'http://router.project-osrm.org/table/v1/driving/'+coordenadas+'?annotations=duration,distance'
response = urllib.request.urlopen(url)
result = json.load(response)
matriz100 = pd.DataFrame(result['distances'])# Matriz de los 100 primeros contenedores
url = 'http://router.project-osrm.org/table/v1/driving/'+coordenadas2+'?annotations=duration,distance'
response = urllib.request.urlopen(url)
result = json.load(response)
matrizFin = pd.DataFrame(result['distances'])# Matriz de los últimos contenedores
matrizIntermedia = pd.DataFrame(np.zeros((1, 99)))
matrizIntermedia = matrizIntermedia[:][1]
for string in arrayCoordenadasFin:
url = 'http://router.project-osrm.org/table/v1/driving/'+string+'?annotations=duration,distance'
response = urllib.request.urlopen(url)
result = json.load(response)
matrizTemp = pd.DataFrame(result['distances'])
matrizIntermedia = pd.concat([matrizIntermedia, matrizTemp[:][-1:]], ignore_index=True)
matrizIntermedia = matrizIntermedia[:][1:]#Cogemos todas las filas menos la primera (que tiene todo 0)
matrizIntermedia = matrizIntermedia.reset_index(drop = True)
contenedor100 = str(round(longitud[100],6)) + "," + str(round(latitud[100],6)) + ";" + coordenadas2
url = 'http://router.project-osrm.org/table/v1/driving/'+contenedor100+'?annotations=duration,distance'
response = urllib.request.urlopen(url)
result = json.load(response)
distanciasContenedor100 = pd.DataFrame(result['distances'])[:][0]#Contenedor 100 con el resto de los que sobran, solo teníamos del 0 al 99.
#En este punto ya estarían todas las "piezas" que hacen falta, solo habría que juntarlas
resultados = {}
resultados['matriz100'] = matriz100
resultados['matrizFin'] = matrizFin
resultados['matrizIntermedia'] = matrizIntermedia
resultados['distanciasContenedor100'] = distanciasContenedor100[1:]
matrizTotal = pd.DataFrame(np.zeros((t, t)))
matrizTotal.iloc[0:100, 0:100] = matriz100
a = matrizFin
a.index = list(range(100, t))
a.columns = list(range(100, t))
matrizTotal.iloc[100:t, 100:t] = a
b = matrizIntermedia
b.index = list(range(100, t))
matrizTotal.iloc[100:t, 0:99] = b
matrizTotal.iloc[0:99, 100:t] = b.transpose()
c = distanciasContenedor100
c.index = list(range(99, t))
matrizTotal.iloc[99, 99:t] = c
matrizTotal.iloc[99:t, 99] = c.transpose()
resultados['matrizTotal'] = matrizTotal
np.count_nonzero(matrizTotal==0)#Debería ser 149...
return matrizTotal
"""La matriz de coordenadas es la siguente (las distancias se miden en m)
Método que accede en GitHub a la matriz distancia de la localidad introducida
"""
def leerMatrizDistancia(localidad):
matriz = pd.read_csv("https://raw.githubusercontent.com/Jondiii/contenedores/master/matricesDistancia/"+localidad+".csv", header=None)
return matriz
"""####Métodos matriz de tiempos
A partir de la matriz distancia creada en crearMatrizCoordenadas2 conseguimos una nueva matriz que refleja el tiempo en minutos que se tarda de un contenedor a otro.
"""
def crearMatrizTiempos_Enrique(data):
distMatrix = data['distance_matrix']
datos = data['datos']
timeMatrix=np.zeros((distMatrix.shape))
velocidad=20 #(km/h)
for i in range(len(distMatrix)):
for n in range(len(distMatrix[i])):
#Cuando consigamos meter el tiempo de servicio, quitamos el 5
timeMatrix[i][n] = 5 + getMin(distMatrix[i][n] / (velocidad/3.6))
return timeMatrix
"""#### Métodos intermedios
El siguiente método creará el Routing Model. Para ello, primero se tiene que crear el Index Manager, los cuales se utilizan para señalizar los nodos por los que se estén pasando. Primero se pasa el n mero de contenedores, luego los vehículos y finalmente el punto de partida.
Una vez tenemos el manager, creamos el modelo, que es quien se encarga de todos los cálculos, para lo que basta con pasarle el manager creado anteriormente.
También sería posible configurar el orden de entrega de los paquetes (mismo orden que el de recogida o el inverso). Aunque no nos interese para este problema, podría llegar a ser útil en el futuro.
"""
def creaRoutingModel(data):
#Primero se crea el Routing Index Manager
manager = pywrapcp.RoutingIndexManager(len(data['distance_matrix']), data['num_vehicles'], data['depot'])
#Después se crea el Routing Model
routing = pywrapcp.RoutingModel(manager)
return routing, manager
"""Este método se usa para crear dimensiones. Las dimensiones son objetos que el solver utiliza para registrar las distintas cantidades que tiene un vehículo (capacidad, tiempo etc). Se puede encontrar más información sobre estas [aquí](https://developers.google.com/optimization/routing/dimensions#slack_variables)."""
def creaDimensiones(routing, manager, data):
# Esta función callback toma dos localizaciones y devuelve la distancia entre ellas.
def distance_callback(from_index, to_index):
from_node = manager.IndexToNode(from_index)
to_node = manager.IndexToNode(to_index)
return data['distance_matrix'][from_node][to_node]
# Crea un índice interno al método callback que devuelve la distancia.
transit_callback_index = routing.RegisterTransitCallback(distance_callback)
# Coste de ir de un punto a otro (en este caso solo la distancia).
# Existe una variante que permite establecer distintas velocidades a cada vehículo.
# Se calcula utilizando la callback creada anteriormente. Asumimos que podemos modificar
# la callback a nuestro antojo para obtener resultados distintos.
routing.SetArcCostEvaluatorOfAllVehicles(transit_callback_index)
# Obtiene la carga que tiene un punto concreto.
def demand_callback(from_index):
from_node = manager.IndexToNode(from_index)
return data['demands'][from_node]
# No tenemos una time_callback, pero no sé si sería necesaria para sacar rutas.
"""def time_callback(from_index, to_index):
from_node = manager.IndexToNode(from_index)
to_node = manager.IndexToNode(to_index)
return data["time_matrix"][from_node, to_node]"""
# Crea un índice interno al método callback que devuelve la carga.
demand_callback_index = routing.RegisterUnaryTransitCallback(demand_callback)
# Añade las dimensiones.
routing.AddDimensionWithVehicleCapacity(
demand_callback_index,
0, # Slack. Indica cuánto tiempo está un vehículo en un punto concreto.
data['vehicle_capacities'], # Capacidades de los vehículos
True, # True para que la carga inicial de cada vehículo sea 0.
'Capacity')
"""Método igual que el anterior, pero que se usará en caso de quer añadir la restricción de las Time Windows. No produce resultados correctos (de momento)."""
def creaDimensionesTW(routing, manager, data):
# Esta función callback toma dos localizaciones y devuelve la distancia entre ellas.
def distance_callback(from_index, to_index):
from_node = manager.IndexToNode(from_index)
to_node = manager.IndexToNode(to_index)
return data['distance_matrix'][from_node][to_node]
# Crea un índice interno al método callback que devuelve la distancia.
transit_callback_index = routing.RegisterTransitCallback(distance_callback)
# Coste de ir de un punto a otro (en este caso solo la distancia).
# Existe una variante que permite establecer distintas velocidades a cada vehículo.
# Se calcula utilizando la callback creada anteriormente. Asumimos que podemos modificar
# la callback a nuestro antojo para obtener resultados distintos.
routing.SetArcCostEvaluatorOfAllVehicles(transit_callback_index)
# Obtiene la carga que tiene un punto concreto.
def demand_callback(from_index):
from_node = manager.IndexToNode(from_index)
return data['demands'][from_node]
# Crea un índice interno al método callback que devuelve la carga.
demand_callback_index = routing.RegisterUnaryTransitCallback(demand_callback)
# Añade las dimensiones.
routing.AddDimensionWithVehicleCapacity(
demand_callback_index,
0, # Slack. Indica cuánto tiempo está un vehículo en un punto concreto.
data['vehicle_capacities'], # Capacidades de los vehículos
True, # True para que la carga inicial de cada vehículo sea 0.
'Capacity')
# Callback que recupera el tiempo de viaje entre dos nodos
def time_callback(from_index, to_index):
from_node = manager.IndexToNode(from_index)
to_node = manager.IndexToNode(to_index)
return getMin(data['time_matrix'][from_node][to_node])
# Mirar por qué se usa SetArcCostEvaluatorOfAllVehicles dos veces (aquí por segunda vez).
transit_callback_index = routing.RegisterTransitCallback(time_callback)
routing.SetArcCostEvaluatorOfAllVehicles(transit_callback_index)
time = 'Time'
routing.AddDimension(
transit_callback_index,
30, # allow waiting time
30, # maximum time per vehicle
False, # Don't force start cumul to zero.
time)
time_dimension = routing.GetDimensionOrDie(time)
# Enumerate añade a cada elemento de una lista un id (que en este caso se guardará en location_idx)
for location_idx, time_window in enumerate(data['time_windows']):
if location_idx == 0:
continue
index = manager.NodeToIndex(location_idx)
time_dimension.CumulVar(index).SetRange(int(time_window[0]), int(time_window[1])) #Intentar poner el int() ese más "elegante".
for i in range(data['num_vehicles']):
routing.AddVariableMinimizedByFinalizer(
time_dimension.CumulVar(routing.Start(i)))
routing.AddVariableMinimizedByFinalizer(
time_dimension.CumulVar(routing.End(i)))
"""Se crean parámetros por defecto y se elige el método de búsqueda. Esto es lo más interesante de este trozo de código, pues puede influenciar en gran medida el resultado. La lista de métodos se puede encontrar [aquí](https://developers.google.com/optimization/routing/routing_options#first_sol_options). Algunos notables:
"""
def creaParametrosBusqueda():
search_parameters = pywrapcp.DefaultRoutingSearchParameters()
#Por culpa del limite de tiempo a veces saltaba un error, de momento lo comentamos.
#Limit in seconds to the time spent in the search.
search_parameters.time_limit.seconds = 10
#Limit to the number of solutions generated during the search.
#search_parameters.solution_limit = 100
search_parameters.first_solution_strategy = (metodoBusqueda)
return search_parameters
"""####Utilidades
Función para convertir el tiempo a el formaro hh:mm:ss.
"""
def getTime(t):
if t == 0:
return '00:00:00'
else:
t = round(t, 2)
horas = str(t // 60)[0].zfill(2)
min = str(math.floor(t % 60)).zfill(2)
seg = t % 60 - int(t % 60)
seg = str(math.floor(((seg/100)*60)*100)).zfill(2)
return horas + ':' + min + ':' + seg
"""Función que convierte nuestros números int a floats para que tengan sentido a la hora de imprimirlos. Actualmente, OR-Tools no puede utilizarse con floats ([fuente](https://github.com/google/or-tools/issues/2149)) por lo que tenemos que usar ints y luego ponerles la coma. Esto es algo que debería solucionarse en la versión 8.0 de OR-Tools, así que de momento usaremos este método para salir del paso. FLTV8"""
def toFloat(n):
return n/100
"""Método para pasar de segundos a minutos. FLTV8"""
def getMin(seg):
min = (round(seg)//60)
if round(seg)%60 >0.5:
min += 1
return int(min)
"""Método que recibe los datos y devuelve las latitudes, longitudes y el depot"""
def getCoordenadas(data):
longitud = (data['datos']['longitude'].to_numpy(dtype=float)).copy()
latitud = (data['datos']['latitude'].to_numpy(dtype=float)).copy()
#Transformamos de UTM a Coordenadas Geográficas (Grados)
scrProj = pyproj.Proj(proj="utm", zone = 30, ellps="WGS84", units = "m")
dstProj = pyproj.Proj(proj = "longlat", ellps="WGS84", datum = "WGS84")
i = 0
for n in data['datos']['latitude']:
longitud[i],latitud[i]=pyproj.transform(scrProj,dstProj, longitud[i],latitud[i])
i +=1
return latitud, longitud, [latitud[0], longitud[0]]
"""####Varios
Método que toma un DataFrame y sustituye sus índices por un rango de valores que va de `value` a `n+value` (siendo n la longitud del DataFrame - 1). Devuelve el DataFrame con los índices cambiados y devuelve los índices antiguos.
"""
def reseteaIndices(data, value):
oldIndex = list(data.index)
newIndex = pd.Series(np.arange(0+value,len(data)+value))
data.index = newIndex
return data, oldIndex
def reseteaIndices(data, value, new = False):
oldIndex = list(data.index)
newIndex = pd.Series(np.arange(0+value,len(data)+value))
data.index = newIndex
if new == True:
return data, newIndex
else:
return data, oldIndex
"""Método que recibe el DataFrame datos y devuelve el mismo DaraFrame pero solo con los contenedores que no hayan sido recogidos aún."""
def filtro(data):
return data[data['recogido'] == False]
"""Método que recibe un dataframe de una única fila y devuelve una lista. Existe df.values.tolist() pero esto devuelve una lista donde cada valor es un array de longitud 1, y eso da problemas al intentar usar los métodos de OR Tools."""
def dfToList(dataFrame, ceros = False):
primeraVez = True
if dataFrame.shape[1] != 1:
print("El dataFrame no tiene una única fila.")
else:
lista = []
for n in dataFrame.values.tolist():
if (n[0] != np.nan) & (not ceros):
lista.append(n[0])
else:
if (ceros & ((n[0] != np.nan) & ((n[0] != 0) or primeraVez))):
lista.append(n[0])
primeraVez = False
return lista
"""Método que recibe la capacidad máxima de los contenedores y un dataframe con el porcentaje de llenado de cada contenedor. De ahí calcula las demandas (y las devuelve). """
def calculaDemandas(capacidadCont, df, ceros=False):
df = dfToList(df, ceros)
demands = []
for n in df:
demands.append(capacidadCont*(n/100))
return demands
def procesaVector(vector, separadorV):
str1 = ','.join(str(e) for e in vector)
return str1.split(separadorV)
def fromCharToInt(vector):
return [int(s) for s in vector]
"""####Crear nuevo DataModel
Crea un nuevo DataModel eliminando de `data` todos los datos relacionados con los índices de `contARecoger`.
"""
def newDatamodel(data, contARecoger):
indicesDrop = []
cont = 0
for i in dfToList(contARecoger):
if i == 0.0:
indicesDrop.append(cont)
cont += 1
newData = {}
newData['datos'], newIndexes = reseteaIndices(data['datos'].drop(indicesDrop), 0, True)
#Dropeamos filas y columnas
newData['distance_matrix'] = (pd.DataFrame(data['distance_matrix'])).drop(indicesDrop)
newData['time_matrix'] = (pd.DataFrame(data['time_matrix'])).drop(indicesDrop)
newData['distance_matrix'] = newData['distance_matrix'].drop(indicesDrop, axis = 1) #1 = columnas
newData['time_matrix'] = newData['time_matrix'].drop(indicesDrop, axis = 1)
# De esta forma estamos modificando el original
copiaDemandas = data['demands'].copy()
for n in indicesDrop:
copiaDemandas.remove(data['demands'][n])
newData['demands'] = copiaDemandas
newData['vehicle_capacities'] = data['vehicle_capacities'].copy()
newData['num_vehicles'] = data['num_vehicles']
newData['indexes'] = list(newData['datos'].index)
# Teniendo los índices cambiamos los de ambas matrices
newData['distance_matrix'].index = newData['indexes']
newData['time_matrix'].index = newData['indexes']
newData['distance_matrix'].columns = newData['indexes']
newData['time_matrix'].columns = newData['indexes']
# Pasamos las matrices a listas para que las lea bien. Igual el paso anterior es innecesario.
newData['distance_matrix'] = newData['distance_matrix'].values.tolist()
newData['time_matrix'] = newData['time_matrix'].values.tolist()
newData['depot'] = 0
return newData
"""####Sacar plan
Método que calcula un plan inicial aleatorio recibiendo el número máximo de días y el número de contenedores.
"""
def randomPlan(nCont, nDias):
rng = np.random.default_rng(1)
plan = pd.DataFrame(rng.integers(1, nDias+1, size=nCont))
return plan
"""Método que recibe data y saca un estado inicial, un aumento diario (ambos semi-aleatorios) y un plan. Habría que reajustarlo en caso de que cada camión tenga distintas capacidades o que se quiera usar un número distinto de camiones cada día."""
## CREO QUE NO SE USA
def sacarPlan(data, sizeCont, nDias, capacidadTotal, estadoI, aumentoD):
#estadoI = [0]
#aumentoD = [0]
estadoI = estadoI.drop(0)
aumentoD = aumentoD.drop(0)
print("total truck capacity: ", capacidadTotal)
plan = [0]
'''
i = 0
rd.seed(1)
while i < len(data['datos'])-1:
eI = rd.choice((30, 40, 50, 60))
aD = rd.choice((10, 20, 30))
estadoI.append(eI) # Añade la carga de cada contenedor (30, 40, 50, 60)
aumentoD.append(aD)
# Si vamos a trabajar con % de llenado no tiene sentido crear demandas aleatorias.
plan.append(nDias+1)
i += 1
'''
i = 1
estadoDF = pd.DataFrame(estadoI)
data['demands'] = dfToList(estadoDF)
aumentoDF = pd.DataFrame(aumentoD)
while i <= nDias:
recogido = 0
cont = 0
newEstado = estadoDF
for n in newEstado[0]:
if ((n + aumentoDF[0][cont]) > 100):#Contenedor que desbordará mañana
if (recogido + n) <= capacidadTotal:
recogido = recogido + n
newEstado[0][cont] = 0 #Se ha recogido el contenedor.
plan[cont] = i
else:
#TODO ¿Qué hacer si el contenedor va a desbordar pero no puede ser recogido este dia?
pass
elif (((recogido + n) <= capacidadTotal) & (n > 40) & (plan[cont]==nDias+1)):#Dejamos los que tengan menos de 20% para "rellenar" posibles huecos
recogido = recogido + n
newEstado[0][cont] = 0 #Se ha recogido el contenedor.
plan[cont] = i
cont += 1
cont = 0
for n in newEstado[0]:
if (((recogido + n) <= capacidadTotal) & (n <= 400) & (n != 0) & (plan[cont]==nDias+1)):
recogido = recogido + n
newEstado[0][cont] = 0
plan[cont] = i
cont =+ 1
estadoDF = newEstado.copy() + aumentoDF
i += 1
plan = pd.DataFrame(plan)
#print("plan: ", dfToList(plan))
return plan
"""###Visualizar resultados
####Prints
Saca las rutas, el tiempo de llegada a cada contenedor, la carga en cada punto de la ruta, la carga total y la distancia total.
Además, se ha juntado con el método que guarda las rutas.
"""
def print_solution_detail(data, manager, routing, solution):
print("\nSOLUCIÓN\n")
total_distance = 0
total_load = 0
total_time = 0
listaRutas = []
for vehicle_id in range(data['num_vehicles']):
index = routing.Start(vehicle_id)
plan_output = 'Route for vehicle {} - (start time 00:00:00):\n'.format(vehicle_id)
route_distance = 0
route_load = 0
route_time = 0
ruta = []
while not routing.IsEnd(index):
node_index = manager.IndexToNode(index)
route_load += data['demands'][node_index]
plan_output += ' {0} min Recogida contenedor #{1} ({2} tonelada(s) - total: {3}) \n'.format(getTime(route_time), node_index, toFloat(data['demands'][node_index]), toFloat(route_load))
ruta.append(node_index)
#Para la distancia
previous_index = index
index = solution.Value(routing.NextVar(index))
route_distance += routing.GetArcCostForVehicle(previous_index, index, vehicle_id)
#Para el timempo
previous_node_index = node_index
node_index = manager.IndexToNode(index)
route_time += data['time_matrix'][previous_node_index][node_index];
ruta.append(data['depot'])
listaRutas.append(ruta)
plan_output += ' {0} Llegada Depot #{1}\n\n'.format(getTime(route_time), manager.IndexToNode(index))
plan_output += 'Distance of the route: {}m\n'.format(route_distance)
plan_output += 'Load of the route: {}t\n'.format(toFloat(route_load))
plan_output += 'Total time: {}\n\n'.format(getTime(route_time))
print(plan_output)
total_distance += route_distance
total_load += route_load
total_time += route_time
print('Total distance of all routes: {}m'.format(total_distance))
print('Total load of all routes: {}'.format(toFloat(total_load)))
return listaRutas
"""Método que conseguirá todas las rutas pero no las imprimirá."""
def getRutas(data, manager, routing, solution):
total_distance = 0
total_load = 0
total_time = 0
listaRutas = []
listaTiempos = []
listaCargas = []
listaLlenadoC = []
resultado = {}
for vehicle_id in range(data['num_vehicles']):
index = routing.Start(vehicle_id)
route_distance = 0
route_load = 0
route_time = 0
ruta = []
tiempos = []
cargas = []
llenadoC = []
while not routing.IsEnd(index):
node_index = manager.IndexToNode(index)
route_load += data['demands'][node_index]
#Guardamos datos de las rutas
ruta.append(node_index)
tiempos.append(route_time)
cargas.append(route_load)
llenadoC.append(data['demands'][node_index])
#Para la distancia
previous_index = index
index = solution.Value(routing.NextVar(index))
route_distance += routing.GetArcCostForVehicle(previous_index, index, vehicle_id)
#Para el timempo
previous_node_index = node_index
node_index = manager.IndexToNode(index)
route_time += data['time_matrix'][previous_node_index][node_index]
ruta.append(data['depot'])
tiempos.append(route_time)
cargas.append(route_load)
llenadoC.append(0)
listaRutas.append(ruta)
listaTiempos.append(tiempos)
listaCargas.append(cargas)
listaLlenadoC.append(llenadoC)
total_distance += route_distance
total_load += route_load
total_time += route_time
resultado['listaRutas'] = listaRutas
resultado['listaTiempos'] = listaTiempos
resultado['listaCargas'] = listaCargas
resultado['listaLlenadoC'] = listaLlenadoC
resultado['total_distance'] = total_distance
resultado['total_load'] = total_load
resultado['total_time'] = total_time
return resultado
"""Este método hace print de los KPIs establecidos (WIP)."""
def sacaKPIs(data, limite):
print("Contenedores casi al límite de su capacidad ({}):".format(limite))
cont = 0
i = 0
while i < len(data['demands']):
llenado = data['demands'][i]/400
if (llenado >= 0.8):
cont += 1
print("Contenedor #{0}: {1}".format(data['indexes'][i], round(llenado, 2)))
i += 1
if cont == 0:
print("Ningún contenedor está al límite de su capacidad.")
else:
print("\nTotal: {0} ({1}%)".format(cont, round((cont*100)/len(data['demands'])), 2))
"""Método que imprime todo lo que haya en un diccionario."""
def imprimeData(data):
for key in data:
print('{}: '.format(key))
if not isinstance(data[key], int):
print('Tamaño: {}'.format(len(data[key])))
print(data[key])
print('\n')
"""####Visualización"""
def representarContenedores(listaRutas, data, localidad, dia, resultado, demanda):
#Leer coordenadas.
datos = leerDatos(localidad)
longitud = datos['longitude'].to_numpy()
latitud = datos['latitude'].to_numpy()
#Transformamos de UTM a Coordenadas Geográficas (Grados)
scrProj = pyproj.Proj(proj="utm", zone = 30, ellps="WGS84", units = "m")
dstProj = pyproj.Proj(proj = "longlat", ellps="WGS84", datum = "WGS84")
i = 0
for n in datos['latitude']:
longitud[i],latitud[i]=pyproj.transform(scrProj,dstProj, longitud[i],latitud[i])
i +=1
d = dia + 1
title = ("Rutas del dia %i" % (d))
plt.figure(figsize=(10, 10))
plt.suptitle(title, ha='center')
plt.xlabel("Longitud")
plt.ylabel("Latitud")
demandas = demanda[dia]
demandas = np.array(demandas)
correctas = demandas<90
limite = (90 <= demandas) & (demandas < 100)
desbordadas = demandas>100
plt.scatter(longitud[correctas],latitud[correctas], marker="o", color="blue")
plt.scatter(longitud[limite],latitud[limite], marker="o", color="yellow")
plt.scatter(longitud[desbordadas],latitud[desbordadas], marker="o", color="red")
for n,txt in enumerate(demandas):
plt.annotate(txt, (longitud[n], latitud[n]))
listaRutasEditada = []
for ruta in listaRutas:
#Si ponemos el marker los puntos se ponen del color de las rutas sí o sí.
plt.plot(longitud[ruta], latitud[ruta])
if (len(ruta) > 2):
listaRutasEditada.append(ruta)
plt.title(listaRutasEditada, y = 1.05, ha='center')
plt.show()
"""####Mapeado"""
def get_route(ruta, lat, longi):
strRuta = ""
for contenedor in ruta:
strRuta = strRuta + str(longi[contenedor]) + "," + str(lat[contenedor]) + ";"
strRuta = strRuta[:-1]
url = 'http://router.project-osrm.org/route/v1/driving/'+strRuta+'?annotations=distance,duration'
r = requests.get(url)
res = r.json()
routes = polyline.decode(res['routes'][0]['geometry'])
depot = [res['waypoints'][0]['location'][1], res['waypoints'][0]['location'][0]]
distance = res['routes'][0]['distance']
out = {'route':routes,
'depot':depot,
'distance':distance,
'ruta':ruta,
'lat':lat,
'long':longi
}
return out
def get_map(lat, longi, depot, cCamiones, cContenedor, rutas, tiempos, llenados, contenedores):
mapas = []
colores = ('red', 'green', 'blue', 'yellow', 'deeppink', 'darkmagenta', 'orange', 'mediumspringgreen',
'darkturquoise', "teal", "navy")
m = folium.Map(location=depot,
zoom_start=13)
n = 0
for ruta, horas, llenado, capacidad, estadoCont in zip(rutas, tiempos, llenados, cCamiones, contenedores):#Zip parará cuando uno de los dos termine.
if len(ruta)>2:
n += 1
out = get_route(ruta, lat, longi)
feature_group = folium.FeatureGroup(name="Ruta "+str(n))
folium.PolyLine(
out['route'],
weight=8,
color=colores[n-1],
opacity=0.8
).add_to(feature_group)
folium.Marker(
location=out['depot'],
icon=folium.Icon(icon='play', color='green')
).add_to(feature_group)
locations = {
'lat': out['lat'],
'long': out['long']
}
locationList = pd.DataFrame(locations)
locationList = locationList.values.tolist()
i = 0
porcentajeLlenado = 0