Система индивидуального проектирования маршрутов для предпринимателей

Проект представляет собой интеллектуальную систему маршрутизации, которая помогает предпринимателям оптимизировать свои выезды к клиентам с использованием машинного обучения и графовых нейронных сетей.

🎯 Задача проекта

Реализовать систему индивидуального проектирования маршрутов для выезда предпринимателей, которая:

• Анализирует географические данные клиентов
• Оптимизирует маршруты с учетом временных ограничений
• Учитывает обеденные перерывы и рабочие часы
• Предоставляет API для интеграции с внешними системами

📁 Структура проекта

/backend - Backend API

FastAPI приложение с системой аутентификации и API для маршрутизации:

Основные файлы:

• main.py - Точка входа в приложение, настройка CORS, SSL сертификатов, подключение роутеров
• app/auth.py - Система аутентификации с JWT токенами (регистрация, логин, refresh токены)
• app/routing.py - API для оптимизации маршрутов, загрузка GNN модели, вычисление оптимальных путей
• app/dataset.py - Загрузка CSV файлов с данными клиентов, создание записей в БД
• app/schemas.py - Pydantic схемы для валидации данных (пользователи, клиенты, датасеты)
• app/database.py - Настройка SQLAlchemy, модели БД (User, Client, Dataset)
• app/model/improved_gnn_dynamic.pth - Предобученная GNN модель для маршрутизации

Документация:

• docs/ - API документация, интеграционные гайды
• QUICK_START.md - Быстрый старт для разработчиков

/ML - Машинное обучение и исследования

Все исследования и модели для решения задачи маршрутизации:

Основные файлы:

• model.py - Классические алгоритмы маршрутизации (TSP с Christofides, OSM графы, визуализация Folium)
• model_yandex.py - GNN модель с интеграцией Yandex API, обучение с подкреплением (DQN)
• pipi.py - Пайплайн для запуска предобученной модели на новых данных
• rl/model_rl.py - Reinforcement Learning модели для обучения агентов маршрутизации

Визуализация:

• *.html - Интерактивные карты с маршрутами (rostov_map.html, route_map_yandex.html)

🚀 Быстрый старт

Backend API

cd backend
pip install -r requirements.txt
python main.py

ML исследования

cd ML
pip install -r requirements.txt
# Запуск исследований и обучения моделей

🔧 Основные возможности

Backend API:

• Аутентификация: JWT токены (access/refresh), регистрация пользователей, защищенные маршруты
• Управление данными: Загрузка CSV файлов с клиентами, создание датасетов, управление клиентами
• Оптимизация маршрутов: Загрузка предобученной GNN модели, вычисление оптимальных путей с учетом временных окон
• Временные ограничения: Учет рабочих часов (9:00-18:00), обеденных перерывов (13:00-14:00)
• Статистика: Анализ эффективности маршрутов, время в пути, количество посещений

ML компоненты:

• Классические алгоритмы: TSP решение через Christofides, OSM графы дорог
• GNN модели: Графовые нейронные сети для обучения оптимальной маршрутизации
• Reinforcement Learning: DQN агенты для обучения стратегий маршрутизации
• Интеграция с картами: Yandex API для реальных дорожных условий
• Визуализация: Интерактивные HTML карты с отображением маршрутов

📊 API Endpoints

• POST /api/jacobs/routing/optimize - Оптимизация маршрута
• GET /api/jacobs/routing/status - Статус системы
• POST /api/jacobs/auth/login - Авторизация
• POST /api/jacobs/dataset/upload - Загрузка данных клиентов

🧠 Технологии

Backend:

• FastAPI - веб-фреймворк с автоматической документацией
• SQLAlchemy - ORM для работы с базой данных
• JWT - аутентификация через токены
• Pydantic - валидация данных и схемы
• SQLite - база данных для хранения пользователей и клиентов

Машинное обучение:

• PyTorch - фреймворк для нейронных сетей
• NetworkX - работа с графами и алгоритмы TSP
• OSMnx - загрузка и обработка OpenStreetMap данных
• Folium - интерактивные карты
• Pandas/NumPy - обработка данных

Интеграции:

• Yandex API - получение реальных дорожных условий
• OpenRouteService - маршрутизация
• OpenStreetMap - картографические данные

Проект разработан в рамках хакатона для решения реальных задач предпринимателей