AI route-optimization: van VRP-solver tot live dispatch
Last-mile, fieldservice, vuilophaal of koeriersnetwerk — elke ritplanning is in de kern een Vehicle Routing Problem. Wij bouwen op maat AI route-optimization software die VRPTW, CVRP, dial-a-ride en multi-depot scenario's oplost met OR-Tools, VROOM en Hexaly, gevoed door realtime verkeersdata uit HERE, TomTom of Mapbox. Het resultaat: kortere ritten, minder lege kilometers, betere ETA's en een dispatcher die tijd overhoudt voor uitzonderingen.
Bespreek uw routing-case Bekijk toepassingenWat AI route-optimization wel en niet is
Niet elke planning-tool met een kaart erbij is route-optimization. Wij bouwen oplossingen die het achterliggende combinatorische probleem expliciet modelleren — en dat probleem heeft een naam: het Vehicle Routing Problem.
Het Vehicle Routing Problem (VRP) is sinds Dantzig en Ramser het in 1959 formuleerden een van de meest bestudeerde optimalisatieproblemen in operations research. In de praktijk verschijnt het in tientallen varianten. De Capacitated VRP (CVRP) houdt rekening met laadvermogen per voertuig, de VRP with Time Windows (VRPTW) met aankomstvensters bij klanten, de Multi-Depot VRP met meerdere uitvalsbases, de Pickup-and-Delivery Problem (PDP) met gekoppelde laad- en losadressen en de Dial-a-Ride Problem (DARP) met passagiers die moeten worden opgehaald én afgezet binnen kwaliteitsnormen voor reistijd. Voor elk daarvan is de oplosstrategie anders.
Een VRP met twintig stops en één voertuig is met een laptop op te lossen. Een dagplanning voor een fleet van zestig bestelbussen met tijdvensters, capaciteitslimieten, rij- en rusttijdenwetgeving en stochastische verkeersinformatie is dat niet. Daar zijn solvers voor: open-source bibliotheken zoals OR-Tools en VROOM, of commerciële engines zoals Hexaly (voorheen Localsolver). De truc zit niet in het draaien van zo'n solver, maar in het correct modelleren van uw operationele werkelijkheid en het integreren van de output in uw bestaande planning- en boordcomputer-stack.
"AI" zit in dit landschap op meerdere plekken. Het zit in de metaheuristieken — simulated annealing, tabu search, Large Neighborhood Search, genetic algorithms, Lin-Kernighan-varianten — die solvers gebruiken om in beperkte tijd goede oplossingen te vinden voor problemen waar exacte methoden te traag zijn. Het zit in machine-learned ETA-prediction op basis van historische rittijden en realtime verkeer. En het zit in dynamic dispatching, waar reinforcement learning of online optimization beslist hoe een binnenkomende order het best wordt toegewezen aan een rijdend voertuig zonder de hele dagplanning overhoop te gooien.
VRP-varianten die we modelleren
De juiste solver kiezen begint bij de juiste probleemformulering. Hieronder de varianten die in de praktijk bij Nederlandse fleet- en logistieke operaties terugkomen.
VRPTW — tijdvensters
Klanten verwachten levering tussen 09:00 en 12:00, of een monteur tussen 13:00 en 17:00. De VRP with Time Windows voegt aan elke stop een vroegste en laatste aankomsttijd toe, plus optioneel servicetijd ter plaatse. Cruciaal voor next-day-delivery, fieldservice-planning en zorglogistiek. We modelleren strikte vensters én soft windows met penalty-kosten voor lichte overschrijdingen.
CVRP — capacitaire beperkingen
Een vuilniswagen heeft een laadvolume, een bestelbus een gewichtslimiet, een koerier een aantal pakketslots. Capacitated VRP zorgt dat geen voertuig zijn maximum overschrijdt en plant tussentijdse leeg- of laadronden bij depot- of overslagpunten. Combineerbaar met meerdere compartimenten (multi-compartment) voor gekoeld plus ongekoeld of restafval plus PMD.
PDP & DARP
Pickup-and-Delivery koppelt een laad- aan een losadres: het voertuig dat hier ophaalt, lost daar. DARP voegt passagiers toe — denk aan WMO-vervoer of leerlingenvervoer met maximale reistijd per persoon. Beide vereisen volgorde-constraints (eerst laden, dan lossen) en ride-time-limits, wat de zoekruimte zwaarder maakt dan een standaard VRP.
Multi-depot VRP
Heeft uw organisatie meerdere uitvalsbases, cross-docks of microhubs in de stad? De Multi-Depot VRP wijst per rit het beste startdepot toe op basis van geografische spreiding van klanten en beschikbare capaciteit per locatie. Essentieel bij landelijke koeriersnetwerken en stedelijke last-mile-distributie met zero-emissie-zones.
VRP met breaks & rij-rusttijden
De Europese rij- en rusttijdenwetgeving (Verordening 561/2006) en de Arbeidstijdenbesluit-bepalingen voor besteldienst en koeriers eisen pauzes, dagelijkse rust en weekrust. Onze solvers nemen verplichte breaks expliciet mee, met flexibele venstertijden en compatibel met digitale tachograafdata. Geen planning meer die op papier klopt maar in de praktijk een overtreding oplevert.
Dynamic VRP
Same-day-delivery, taxi-dispatch en nood-reparaties wachten niet tot morgen. Dynamic VRP beslist online: een nieuwe order komt binnen, welk voertuig pakt hem op, en hoe past dat in de huidige route zonder de SLA's voor andere stops te schaden? We bouwen insertion-heuristieken en rolling-horizon herplanning die elke paar minuten de wereldtoestand opnieuw evalueren.
Hoe Appfront route-optimization bouwt
Wij bouwen geen black-box-app waar u "stops in, route uit" kunt roepen. Onze aanpak begint bij uw operationele werkelijkheid: welke voertuigtypes, welke contractuele SLA's, welke depots, welke afleverafspraken, welke uitzonderingen die uw planners nu handmatig oplossen. Pas als die expliciet zijn, schrijven we de objective function en de constraints die de solver gebruikt.
In de praktijk bouwen we drie lagen op elkaar. Onderaan staat de routing-engine: voor wegafstanden en duurmatrices gebruiken we OSRM, Valhalla of GraphHopper op eigen infrastructuur als de data dat toelaat, of HERE Routing, TomTom Routing en Mapbox Directions wanneer u kant-en-klare verkeersdata en truck-attributes wilt. Daarbovenop draait de solver — OR-Tools voor de meeste klassieke VRPTW/CVRP-cases, VROOM voor snelle constructive heuristics op honderden stops, Hexaly voor harde nood waar gemengde objectives en complexe constraints elkaar bijten. Daarbovenop zit een dispatch-laag die naar uw boordcomputer of chauffeurs-app streamt en bijhoudt wat er feitelijk gebeurt.
Wij werken iteratief en met meetbare resultaten per fase. Een proof-of-concept op een week historische orders laat in cijfers zien hoeveel kilometers en uren de solver bespaart ten opzichte van uw huidige planning. Pas als dat overtuigend is, gaan we naar productie-integratie met uw TMS, ERP en boordcomputer.
Van eerste planningsvraag tot productie-rollout
Routing-projecten lopen vast als de solver klaar is voordat de business-logica is uitgekristalliseerd. Onze fasering pakt dat in de juiste volgorde aan.
Constraint-discovery
We brengen samen met uw planners en chauffeurs in kaart welke harde en zachte beperkingen er feitelijk gelden. Tijdvensters, voertuigcapaciteiten, depot-openingstijden, klant-specifieke restricties, breaks en rij-rusttijden. De output is een formele probleemdefinitie waar de solver mee aan de slag kan.
POC op historische orders
Met een afslag van uw historische rit- en orderdata draaien we de eerste solver-runs in OR-Tools of VROOM. We vergelijken de output met uw werkelijke routes uit dezelfde week — kilometers, uren, voertuiginzet. Zonder die vergelijking is elk routing-cijfer marketing.
Integratie & dispatch-loop
De solver wordt gekoppeld aan uw orderbron, kaartdienst en boordcomputer. We bouwen een dispatch-loop die voor elke nieuwe planningssessie of binnenkomende order de juiste optimalisatie aanroept en het resultaat naar de chauffeurs-app of boordcomputer stuurt.
Live tuning & monitoring
Een productie-routing-systeem heeft monitoring nodig: waarom kiest de solver deze suboptimale rit, waarom is de ETA-fout op corridor X groter dan elders? We instrumenteren de pipeline, hertrainen ETA-modellen op verse rittijden en stellen objective-weights bij naar gelang de markt verandert.
Technologie achter de routing-stack
De keuze van solver, routing-engine en data-bronnen hangt samen met uw schaal, geografie en compliance-eisen. Wij hebben geen voorkeursleverancier die "altijd het antwoord" is — we kiezen op basis van wat past bij uw probleemstelling.
Voor de optimalisatie zelf is Google OR-Tools ons eerste werkpaard. Het is open-source, productie-bestendig, ondersteunt VRPTW, CVRP, PDP, multi-depot en breaks via de Routing Library en heeft Python-, C++- en Java-bindings. Voor zeer grote constructive runs op duizenden stops grijpen we naar VROOM, dat puur in C++ is geschreven en ontworpen op snelheid. Voor cases waar de objective function zwaar gemengd is — bijvoorbeeld minimaliseer kilometers én balanceer werkdruk én respecteer klant-prioriteiten — pakt Hexaly (Localsolver) door waar OR-Tools moeite mee heeft.
Voor de wegafstands- en duurmatrices integreren we afhankelijk van de case met meerdere services. HERE Maps is sterk voor truck-attributen — toegestane bruggen, hoogteprofielen, gevarengoed-routes. TomTom levert nauwkeurige Europese verkeersdata en historische snelheidsprofielen. Mapbox Directions is een goede keuze voor consument-georiënteerde apps met fraaie kaartrendering. Voor self-hosted scenario's met grote query-volumes draaien we OSRM, Valhalla of GraphHopper op eigen infrastructuur, met OpenStreetMap als basisdata. Voor publieke transport- en GTFS-RT-feeds koppelen we direct met NDOV-loket voor Nederlandse OV-data wanneer multimodale routing nodig is.
Test je idee eerst — werkend prototype in 1 dag
Met OneDayBuild maken we je idee in één dag tastbaar voor €950, zodat je weet of verdere ontwikkeling de investering waard is. Besluit je door te gaan met de volledige bouw? Dan verrekenen we de kosten volledig.
Bekijk OneDayBuild →Toepassingen per sector
Routing-software heeft per sector een andere objective function en een ander verhaal. Een vuilophaalwagen optimaliseert anders dan een fietskoerier.
Last-mile en e-commerce
Pakketdiensten met groeiende volumes en krimpende afleverkostenmarges hebben een dynamic VRP nodig dat bezorgvensters van de klant respecteert, mislukte bezorgingen inplant op een tweede poging en zero-emissie-zones in steden vermijdt voor diesel-bestelbussen. Met clustering op postcode-niveau en re-optimization tijdens de rit halen onze klanten meer stops per uur uit dezelfde fleet — zonder de chauffeurs harder te laten rijden.
Vuilophaal en waste management
Gemeentelijke en commerciële inzameldiensten plannen wekelijkse routes voor rest-, GFT-, papier- en PMD-stromen, vaak met containers die op afroep moeten worden geledigd. CVRP met multi-compartment-voertuigen, sensor-gestuurde fill-level data uit smart bins en harde tijdvensters voor stortlocaties leveren een planning die rijden minimaliseert en lege ritten naar overvolle containers voorkomt.
Koeriersdiensten — same-day en next-day
Voor next-day-koeriers draait alles om dagopstart-optimalisatie: alle orders in één batch verdelen over chauffeurs en voertuigen. Same-day-koeriers hebben een dynamic VRP nodig dat continu nieuwe orders inschuift in lopende routes. Voor stedelijke fietskoeriers integreren we ook fietsroutes en hoogteverschillen, omdat een Mapbox-auto-routing daar geen passend antwoord op geeft.
Fieldservice en mobile workforce
Monteurs voor liften, klimaatinstallaties, telecom of cv-ketels werken met afspraken-vensters, vereiste vaardigheden per klus en onderdelen-voorraad in de bus. Routing-engine plus skills-matching plant de dag in zodat de juiste monteur op het juiste tijdstip met de juiste reserveonderdelen aankomt. ETA-update naar de klant via SMS of app gebeurt automatisch.
Dial-a-ride: WMO-, leerlingen- en taxivervoer
Doelgroepenvervoer en klassiek taxi-dispatch zijn DARP-problemen: meerdere passagiers per voertuig, individuele opstap- en afstapvensters en harde maxima voor reistijd-per-persoon. We bouwen oplossingen die ride-sharing toelaten waar dat juridisch en kwalitatief mag, en die strikte ritten houden waar regels dat eisen — bijvoorbeeld bij medische taxi.
Bouw- en thuisbezorgde maaltijden
Bouwlogistiek met cross-dock-hubs en strakke just-in-time-tijdsloten op de bouwplaats vraagt multi-depot VRP plus appointment-scheduling. Restaurantbezorging vraagt ultrakorte cycle-times en near-real-time herplanning. Beide hebben gemeen dat ETA-prediction op verkeersdata cruciaal is om voorspelbaar te leveren.
ETA-prediction en real-time re-routing
Een planning is een momentopname. Verkeer, weer, klantvertraging en uitval zorgen dat de werkelijkheid afwijkt vanaf het moment dat de eerste chauffeur wegrijdt. Daar zet AI-route-optimization de tweede stap.
Machine-learned ETA
Standaard kaartdiensten geven een verkeersgemiddelde ETA. Wij trainen modellen op uw eigen historische rittijden, gefactoreerd op chauffeur, voertuigtype, dagdeel en klant-stoptijd. Resultaat: ETA's die uw werkelijkheid weerspiegelen, niet die van een gemiddelde Tom-Tom-gebruiker. Belangrijk voor SLA-rapportage, klantmeldingen en realistische capaciteitsplanning.
Real-time re-routing
Bij file, ongeval of langer-dan-verwachte stoptijd herberekent het systeem de resterende route voor het betreffende voertuig — en als nodig schuift het stops door naar collega-chauffeurs. Re-optimization gebeurt in seconden via insertion-heuristieken, niet door de hele dagplanning opnieuw te draaien.
Geofencing en stop-detectie
Geofences rond depots en klantadressen detecteren automatisch aankomst en vertrek, zonder dat de chauffeur op een knop hoeft te drukken. De data voedt de ETA-modellen, triggert klantmeldingen en levert bewijs voor proof-of-delivery. Voor afgesloten zones (havens, fabrieksterreinen) ondersteunt geofencing ook automatische check-ins.
Live verkeers-feeds
HERE Traffic, TomTom Traffic en GTFS-RT voor OV leveren snelheidsupdates per wegsegment in real-time. Onze dispatch-laag voedt die data terug naar de routing-engine zodat re-optimizations op actuele snelheden draaien. Voor kritieke corridors monitoren we incident-feeds proactief en flaggen routes die door problemen rijden.
Waarom Appfront voor route-optimization
OR-engineers, geen plug-in installeerders
Onze routing-projecten worden geleid door engineers die OR-Tools in Python en C++ kunnen instrumenteren, callbacks kunnen schrijven voor specifieke constraints en het verschil weten tussen first-improvement en best-improvement bij local search. Dat verschil bepaalt of uw planning in tien seconden of tien minuten klaar is.
Domeinkennis transport en logistiek
Wij bouwen al jaren transport- en logistieke software. We kennen het verschil tussen een digitale tachograaf en een boordcomputer, tussen eCMR en CMR, tussen een TMS en een fleet-management-app. Die domeinkennis vertaalt direct in betere modellering van uw VRP.
Integratie-eerste mindset
Een routing-engine die niet praat met uw orderbron, ERP en boordcomputer is een academische exercitie. Wij bouwen koppelingen met Adaption, transport-planning-API's, fleet-tracking-dashboards en boordcomputer-systemen — zodat de optimalisatie landt in het systeem dat uw chauffeurs vandaag al gebruiken.
Veelgestelde vragen over AI route-optimization
Routing-vraagstuk concreet maken?
Stuur ons uw planningsvraag — een week historische orders is genoeg voor een eerste solver-run. Vrijblijvend, met een eerlijke benchmark tegen uw huidige planning.
Plan een gesprek