W ramach etapów badawczych realizowanych przez Politechnikę Świętokrzyską wykonano następujące prace:

 1.      Stworzono adekwatne modele danych wejściowych reprezentujących najważniejsze parametry floty ekoróznorodnej, uwzględniającą pojazdy o napędzie spalinowym, elektrycznym oraz hybrydowym. Następnie stworzono modele ekostrefy i wyznaczono tzw. wartości ekodystansów. Wprowadzono trzy nowe ograniczenia poruszania się po ekostrefach – limit ekodystansów (tzw. SoftDWL), limit energetyczny oraz łączny limit czasowy. Warunki te uzupełniono o tradycyjne warunki na ładowność wolumetryczną i grawimetryczną, czas trwania pojedynczej trasy, limit na podjazd oraz ograniczenia typu przewożonego towaru. Dostosowano algorytm planistyczny do nowych wymagań. Rozszerzono koncepcję kryterium optymalności, zastępując funkcję reprezentującą zużycie paliwa przez uogólnioną funkcję kosztu (koszt monetarny) obejmującą także koszt stały zasobu oraz koszt czasochłonności pracy.

 2.      Problem optymalizacyjny potraktowano dwukryterialnie. Wprowadzono dodatkową funkcję dla kryterium optymalizacji, reprezentującą szacunkową wartość emisji CO2. Zastosowano wspólnokierunkowy wariant optymalizacji dwukryterialnej (minimalizacja długości tras równocześnie obniża koszt monetarny oraz emisję CO2). Następnie wprowadzono rozwiązanie polegające na możliwości balansowania międzykryterialnego, dzięki czemu w zależności od zindywidualizowanych potrzeb może ono pracować w różnych konfiguracjach istotności funkcji celu.  Wykonano testy wariantu laboratoryjnego i wykazano znaczące korzyści w planowaniu zasobów ekoróżnorodnych (zgrupowanych) w porównaniu z wariantem stratyfikowanym (rozgrupowanym).

 3.      Dokonano implementacji produkcyjnej opracowanej wersji laboratoryjnej planisty krótkoterminowego. Stworzono niezbędne interfejsy komunikacyjne, zdolne do odbierania zestawu danych wejściowych, walidacji ich poprawności, generowania i walidacji wyniku, oraz jej odesłania do frontendu. Odpowiednie moduły walidacyjne, sprawdzają spójność danych wejściowych, oraz odpowiadają za reakcje na nietypowe / niepoprawne dane. Oczekiwaną reakcją na dane niezgodnych ze zdefiniowanymi regułami, jest odrzucenie żądania i zwrócenie błędu. Natomiast oczekiwaną reakcją dla poprawnych danych jest uruchomienie optymalizatora i zwrócenie wyniku z ewentualnymi ostrzeżeniami, np. odnośnie trudności ze obsługą kompletu zleceń. Stwierdzono, że proces pobrania i walidacji danych odbywa się w sposób niezakłócony i korzystnie w sensie czasowym (<10s).

 4.      Zaimplementowano etap postprocesowy dla podstawowego modułu planisty krótkoterminowego, którego celem było opcjonalne replanowanie tras na podstawie wskaźnika ekopreferencji oraz wcześniejszego obciążenia pojazdów. W tym celu w strukturze danych opisujących parametry ekoróżnorodnych zasobów, wprowadzono dwie nowe zmienne: AF (Access Factor – współczynnik dostępności) i PL (PreviousLoad – wcześniejsze obciążenia) Rolą planisty długoterminowego jest dążenie do równoważenia obciążenia pojazdów w szerszym horyzoncie czasowym oraz promowanie pojazdów o napędzie ekologicznych. Przykładem działania modułu jest zdolność do przeniesienia zamówień pierwotnie zaplanowanych dla pojazdu spalinowego na pojazd elektryczny. Na testowanym modelu wykazano, że flota, w której udział przewozowy elektryków stanowi 29.5% jej potencjału przewozowego, może przetransportować za pomocą tego typu pojazdów 34% wolumenu zleceń, i to pomimo bardziej restrykcyjnych limitów energetycznych i czasowych nałożonych na pojazdy elektryczne.

 5.      W ramach zadania analizowano warianty, w których zlecenia pojawiają się stopniowo i w których jednorazowe przeprowadzenie procesu planistycznego nie jest możliwe. Wprowadzono funkcjonalność umożliwiającą doplanowanie zasobów. Po zgromadzeniu pierwszej partii zleceń Koordynator przeprowadza proces planistyczny generując aktualny na daną chwilę wynik. W sytuacji pojawienia się kolejnych porcji, możliwe jest doplanowanie narzutu do istniejących tras. Funkcjonalność została wprowadzona jako efekt konsultacji prowadzonych z potencjalnymi odbiorcami produktu.  W ramach zadania opracowano także prototypową procedurę Multistartu, pozwalającą na wielokrotne próby wywołania algorytmu w ramach dostępnych zasobów czasowych, w celu odnajdywania jak najkorzystniejszego rozwiązania.

 6.      Dokonano demonstracyjnej implementacji przemysłowej planisty wraz z aktualizacjami. Dostosowano niezbędne interfejsy, zdolne do komunikacji z pozostałymi modułami demonstratora. Rozwiązanie odbiera zestaw danych wyjściowych, dokonuje ich walidacji i spójności, przeprowadza procedurę planistyczną oraz generuje wynik a także zestaw metadanych, które przesyłane są do frontendu. Oceniono czas generowania akceptowalnego rozwiązania dla problemu 475 zleceń, 208 destynacji i ok. 50 pojazdów to ok.  2–5 minut, w zależności od zasobów sprzętowych. Przeprowadzono udane testy obciążeniowe rozwiązania – 50 tyś wywołań w warunkach równoległości procesów obliczeniowych.

 Prace zostały wykonane zgodnie z założeniami etapu. Osiągnięto zakładane kamienie milowe.