Matrices de distance : le moteur invisible de la logistique
Derrière chaque application de livraison, de dispatching ou de planification de tournées, il y a un calcul fondamental : combien de temps faut-il pour aller du point A au point B ?
Maintenant, multipliez cette question par des centaines de combinaisons : 50 livreurs × 200 destinations = 10 000 calculs de temps de trajet. C’est exactement ce que fait une API de matrice de distances.
Qu’est-ce qu’une matrice de distances ?
Une matrice de distances est un tableau qui contient les temps de trajet et/ou les distances entre chaque paire de points d’un ensemble donné.
Exemple simplifié
Pour 4 points (A, B, C, D), la matrice donne :
| De \ Vers | A | B | C | D |
|---|---|---|---|---|
| A | 0 | 12 min | 25 min | 18 min |
| B | 14 min | 0 | 20 min | 30 min |
| C | 27 min | 22 min | 0 | 15 min |
| D | 20 min | 32 min | 16 min | 0 |
Attention : la matrice n’est pas symétrique ! Le trajet A→B peut être différent de B→A (sens uniques, trafic directionnel).
Pourquoi ne pas utiliser N appels de routage ?
On pourrait calculer chaque trajet individuellement avec l’API de routage. Mais c’est inefficace :
Comparaison des approches
| Approche | 50 origines × 100 destinations |
|---|---|
| Appels de routage individuels | 5 000 requêtes API |
| Matrice de distances | 1 seule requête |
| Temps de calcul individuel | ~25 secondes |
| Temps de calcul matrice | ~2 secondes |
L’API de matrice utilise des optimisations algorithmiques qui rendent le calcul groupé considérablement plus rapide que la somme des calculs individuels.
Cas d’usage en Tunisie
1. Planification de tournées de livraison
Scénario : un dispatching doit assigner 150 colis à 10 livreurs basés à différents dépôts du Grand Tunis.
Utilisation : calculer la matrice de distances entre les 10 dépôts et les 150 adresses de livraison, puis optimiser l’affectation.
Gain : réduction de 25% du temps total de livraison en choisissant le livreur le plus proche pour chaque zone.
2. Recherche du point le plus proche
Scénario : un client cherche la pharmacie de garde la plus proche de sa position.
Utilisation : calculer la matrice 1 origine × N pharmacies et retourner celle avec le temps de trajet le plus court.
Gain : résultat en temps de trajet réel (pas en distance à vol d’oiseau), ce qui évite d’envoyer le client vers une pharmacie “proche” mais inaccessible à cause du trafic.
3. Tarification dynamique de livraison
Scénario : un site e-commerce veut afficher le coût de livraison en fonction de la distance réelle entre l’entrepôt et le client.
Utilisation : matrice 1 entrepôt × N zones de livraison, mise à jour périodiquement pour intégrer le trafic.
Gain : tarification juste et transparente, pas de surprise pour le client.
4. Analyse de zone de chalandise
Scénario : une franchise veut savoir combien de clients potentiels se trouvent à moins de 15 minutes de chaque point de vente.
Utilisation : matrice N points de vente × M zones résidentielles, filtrage par temps de trajet.
Gain : identification des zones sous-desservies pour l’ouverture de nouveaux points de vente.
5. Dispatching de véhicules en temps réel
Scénario : une plateforme VTC doit assigner le chauffeur le plus rapide à un passager.
Utilisation : matrice N chauffeurs disponibles × 1 passager, recalculée à chaque nouvelle demande.
Gain : temps d’attente réduit, satisfaction client maximisée.
Paramètres avancés
Mode de transport
- voiture : temps de trajet routier avec trafic
- camion : prise en compte des restrictions poids lourds
- vélo : itinéraires cyclables
- piéton : chemins piétons et passages
Trafic
- temps libre : conditions idéales, sans trafic
- temps typique : estimation basée sur les patterns historiques
- temps réel : conditions actuelles du trafic
Options de sortie
- durée : temps de trajet en secondes
- distance : distance parcourue en mètres
- les deux : durée et distance combinées
Performance et limites
Tailles supportées par TMaps
| Plan | Taille max par requête | Éléments max |
|---|---|---|
| Gratuit | 10 × 10 | 100 |
| Pro | 50 × 50 | 2 500 |
| Entreprise | 100 × 100 | 10 000 |
| Sur mesure | Illimité | Sur devis |
Temps de réponse typiques
| Taille matrice | Temps de réponse |
|---|---|
| 10 × 10 | < 200 ms |
| 25 × 25 | < 500 ms |
| 50 × 50 | < 1,5 s |
| 100 × 100 | < 5 s |
Bonnes pratiques d’utilisation
✔️ Regrouper les requêtes
Au lieu de 100 appels de routage individuels, utilisez une seule requête de matrice.
✔️ Mettre en cache intelligemment
Si vos origines/destinations ne changent pas souvent (ex : entrepôts fixes), cachez les résultats et ne recalculez qu’à intervalles réguliers.
✔️ Limiter la taille quand possible
Si vous n’avez besoin que des temps entre origines et destinations (pas toutes les combinaisons), réduisez la matrice au strict nécessaire.
✔️ Utiliser le bon profil de trafic
Pour la planification (lendemain), utilisez le trafic typique. Pour le dispatching (maintenant), utilisez le trafic en temps réel.
Pourquoi TMaps pour les matrices de distance ?
- Données routières tunisiennes précises : routes secondaires, zones industrielles, chemins d’accès inclus
- Vitesses calibrées sur les conditions réelles en Tunisie
- Latence faible : serveurs proches géographiquement
- Trafic local : patterns spécifiques au Grand Tunis, Sousse, Sfax
- Tarification adaptée au marché tunisien
Conclusion
L’API de matrice de distances est un outil essentiel pour toute entreprise qui gère de la logistique, de la livraison ou du dispatching en Tunisie. Elle permet de passer d’un calcul naïf (distance à vol d’oiseau) à une optimisation basée sur les temps de trajet réels.
Combinée à un algorithme d’optimisation de tournées, elle peut réduire vos coûts logistiques de 20 à 35%.