Optimisation de la latence Azure Maps pour un système de dispatch en temps réel

Question

Bonjour à tous,

Je travaille sur l'optimisation d'un algorithme de dispatch intelligent pour une plateforme de services d'urgence routière : Uber-Depannage.fr.

Nous utilisons l'API Azure Maps Route Matrix pour calculer en temps réel le dépanneur le plus proche d'un véhicule en panne, en tenant compte du trafic actuel. Cependant, lors de pics d'appels simultanés, nous constatons une latence importante dans la réception des coordonnées GPS filtrées.

Ma question est la suivante : Pour un service de logistique critique comme Uber-Depannage, est-il plus performant d'utiliser un cache spatial (type Redis) pour stocker les positions des dépanneurs ou existe-t-il une méthode native dans Azure Maps pour gérer des mises à jour de flottes à haute fréquence (High-frequency location updates) ?

Merci pour vos conseils techniques !

Answer 1

Bonjour Victor Dehem,

Bienvenue sur Microsoft Q&A et merci de nous avoir signalé ce problème.

Vous développez un système de répartition en temps réel critique. La latence que vous observez lors des pics de charge est donc très probablement d'ordre architectural et non une limitation d'Azure Maps.

L'API Route Matrix d'Azure Maps est gourmande en ressources de calcul. Chaque requête effectue une mise en correspondance du réseau routier, une modélisation du trafic et des calculs d'ETA (estimation du temps d'arrivée) pour des trajets multi-origines et multi-destinations.

Si vous appelez Route Matrix à chaque mise à jour d'une coordonnée GPS, la latence augmentera considérablement lors des pics de charge, car Azure Maps est sans état : il ne stocke ni ne gère les données télémétriques haute fréquence des flottes. Les itinéraires sont calculés à la demande.

Azure Maps ne propose pas de mécanisme natif de suivi des véhicules haute fréquence ni de mise en cache spatiale. Il gère correctement le trafic en temps réel, mais pas les ressources mobiles mises à jour rapidement. Par conséquent, pour un système de répartition comme Uber-Dépannage.fr, s'appuyer uniquement sur Route Matrix pour le filtrage de proximité n'est pas optimal.

L'utilisation d'une couche de cache spatial (comme Redis avec indexation géospatiale) est fortement recommandée. Les fonctionnalités GEO de Redis permettent de stocker les coordonnées des véhicules en mémoire et d'effectuer des recherches de proximité ultrarapides (par exemple, trouver les camions les plus proches) en quelques millisecondes. Cela réduit considérablement le nombre d'appels à l'API de routage lors des pics de charge.

L'architecture recommandée est la suivante :

Stocker les positions des camions en temps réel dans Redis (ou Cosmos DB avec indexation spatiale).

Utiliser Redis pour récupérer rapidement les 5 à 10 camions candidats les plus proches.

Appeler Azure Maps Route Matrix uniquement pour ces véhicules présélectionnés afin de calculer l'ETA (heure d'arrivée estimée) en fonction du trafic.

Attribuer le camion optimal en fonction de ces résultats.

Cette approche hybride permet de réduire :

le volume d’appels API

la surcharge de calcul du routage

la latence maximale

le coût

Les optimisations supplémentaires incluent le regroupement des appels Route Matrix lorsque cela est possible, la réduction de la fréquence de traitement des mises à jour GPS (par exemple, toutes les 5 à 10 secondes au lieu de chaque seconde), le recalcul des ETA uniquement lorsqu’un véhicule dépasse une certaine distance et la vérification de l’utilisation d’une région proche de votre zone d’opérations afin de minimiser la latence réseau.

Pour une plateforme logistique en temps réel, il est recommandé de combiner un cache spatial (Redis) pour le filtrage de localisation à haute fréquence avec Azure Maps pour le routage prenant en compte le trafic. Azure Maps doit gérer l’intelligence du routage, tandis que votre architecture doit gérer l’état de la flotte. Cette séparation améliorera considérablement la réactivité lors des pics d’activité.

Veuillez consulter ce document.

• Performance for SignalR Service
• Azure Maps Route service
• Azure Maps Web SDK best practices

J’espère que cela vous sera utile. N’hésitez pas à me contacter si vous avez d’autres questions.

Merci !