Az AI-alapú útvonaloptimalizálás nem egy okosabb navigáció, hanem döntéstámogató rendszer. Azt mondja meg, melyik jármű, milyen sorrendben, melyik időablakban és hol tankolva teljesítse a napi feladatokat, és napközben újratervez, ha valami megváltozik. Egy 15–50 járműves flottánál ez kilométerben, üzemanyagban és diszpécseri órákban mérhető eredményt hozhat. Hogy pontosan mennyit, azt azonban nem az algoritmus dönti el, hanem a cég adatai, folyamatai és az, hogy a sofőrök elfogadják-e az új rendszert. Az alábbiakban végigvesszük, hol keletkezik a megtakarítás, hogyan számolható ki előre, melyik megoldástípus mikor elég, és milyen sorrendben érdemes bevezetni.

Stratify
Találja meg az AI valódi üzleti értékét
A Stratify üzleti célokból és működési kihívásokból indul ki, hogy segítsen reális AI-felhasználási eseteket és bevezetési irányt választani.

Ismerje meg a Stratifyt

Röviden

  • A hagyományos útvonaltervező fix menetidőkkel rak sorba megállókat. Az AI ehhez előrejelzett menetidőt, valós idejű újratervezést és a cég saját adataiból tanuló szabályokat ad.
  • A megtakarítás több forrásból jön: kevesebb kilométer, jobb járműkihasználtság, okosabb tankolás és útdíjtervezés, jobb vezetési stílus. Egy magyar kutatás szerint egy 40 járműves flottánál már a kútválasztás optimalizálása is évi kb. 3,6 millió forintot hozhat.
  • Ha a címek, időablakok és járműadatok pontatlanok, a legjobb algoritmus is rossz utat ad. Az adattisztítás az első lépés, nem az utolsó.
  • A szabványos feladatokra sokszor elég egy kész szoftver. Egyedi AI-megoldás ott indokolt, ahol a cég sajátos szabályai, rendszerei vagy adatai miatt a dobozos eszköz elakad.
  • A helyadat a sofőrhöz köthető személyes adat, ezért az adatvédelmi és munkajogi kérdéseket a bevezetés elején kell rendezni.

Tartalomjegyzék

Mit tud az AI, amit egy hagyományos útvonaltervező nem

A klasszikus útvonaltervezés matematikai feladat: adott megállók, járművek és korlátok mellett keresni a legrövidebb vagy legolcsóbb bejárási sorrendet. Ezt a szakirodalom járatszerkesztési problémának (vehicle routing problem) hívja, és évtizedek óta heurisztikákkal oldják meg. A legegyszerűbb ilyen szabály a „mindig a legközelebbi következő megálló”, amely gyors, de dinamikus helyzetekben gyengén teljesít.

Az AI négy ponton lép túl ezen:

  1. Előrejelzett menetidő. A rendszer a saját GPS- és telematikai adatokból tanulja meg, hogy egy szakasz kedd reggel 7-kor mennyi ideig tart, és nem egy átlagsebességgel számol. Egy budapesti belvárosi kiszállításnál vagy az M0-s körgyűrű csúcsidejében ez dönti el, hogy a terv tartható-e.
  2. Dinamikus újratervezés. Ha egy jármű elakad, egy ügyfél lemondja a rendelést vagy sürgős tétel érkezik, a rendszer napközben átrendezi a túrákat, és a diszpécser csak jóváhagy.
  3. Tanuló heurisztikák. A kutatás ma oda tart, hogy nagy nyelvi modellek maguk írják meg az optimalizáló szabályokat. Egy 2025-ös kanadai tanulmányban az LLM-mel tanult heurisztikák tíznél kevesebb mintából tanulva is felülmúlták az egyszerű mohó algoritmusokat dinamikus, a tanítóadattól eltérő helyzetekben.
  4. Raktáron belüli útvonalak. Az optimalizálás nem áll meg a rámpánál. Egy 2026-os kutatás szerint AI képes raktári alaprajzokból útvonalmátrixot készíteni 95–97%-os validációs pontossággal, ami a komissiózási útvonalak tervezését gyorsíthatja.

Az Európai Bizottság is a közlekedési AI kulcsterületei közé sorolja az áruszállítási útvonalak javítását. Itthon a győri Széchenyi István Egyetem minisztériumi támogatással fuvaroptimalizációs rendszert fejleszt, vagyis a téma a hazai kutatásban is napirenden van.

Hol keletkezik a megtakarítás

Az útvonaloptimalizálást sokan a megtett kilométerrel azonosítják, pedig a költségcsökkentés több forrásból áll össze. Érdemes mindet külön mérni, mert eltérő adatot és eltérő beavatkozást igényelnek.

Megtakarítási forrás Mi változik Milyen adat kell hozzá
Rövidebb, jobban sorrendezett túrák Kevesebb üres és kerülő kilométer Pontos címek, időablakok, kiszolgálási idők
Jobb járműkihasználtság Ugyanaz a volumen kevesebb járművel vagy túrával Rakománysúly, térfogat, járműkapacitás
Tankolási stratégia Olcsóbb kutak az útvonal mentén Kútárak, tankkártya-adatok, útvonal
Útdíjtervezés Tudatos választás gyorsforgalmi és főút között Járműkategória, díjtáblázat, menetidő
Vezetési stílus Alacsonyabb fogyasztás ugyanazon az útvonalon Telematikai vezetési adatok
Diszpécseri munka Kevesebb kézi tervezés és telefonos egyeztetés Rendelési és ERP-adatok

A tankolásnál a számok már magyar adatokon is ismertek. Egy 2023-as hazai tanulmány szerint egy 40 járműves flottánál a tankolási helyszínek optimalizálása havonta átlagosan 303 100 forint, évente nagyjából 3,6 millió forint megtakarítást hozhat, pusztán azzal, hogy az útvonaltól legfeljebb 5 km-re lévő legkedvezőbb kutat választják.

A vezetési stílus hatása gyakran még nagyobb. Egy, a Hödlmayr Hungária Logistics Kft. adatain készült szakdolgozat szerint a vezetési stílus javítása pontonként kb. 0,6 l/100 km-rel csökkentheti a fogyasztást, és az üzemanyaghoz kötődő tételek adhatják a flottaköltség-optimalizálási potenciál akár 60%-át. Ezért érdemes az útvonaloptimalizálást a telematikai adatokkal együtt kezelni, nem külön projektként.

Az útdíj sem elhanyagolható. A 3,5 tonna feletti járművekre az e-útdíj 2026-tól két lépcsőben emelkedik, így az a döntés, hogy egy túra gyorsforgalmi úton vagy főúton halad, minden évben többet ér. Egy jó modell ezt nem egyszerűen a rövidebb utat választva dönti el, hanem az útdíjat, a menetidőt, a sofőr munkaidejét és az időablakokat együtt mérlegeli.

Egy számpélda a nagyságrendhez

Vegyünk egy szemléltető, kitalált flottát: 20 tehergépkocsi, egyenként évi 100 000 km, átlagosan 30 l/100 km fogyasztással. A gázolaj országos átlagára 2026. október 22-én 709 Ft/liter volt.

  • Éves futás: 2 000 000 km, éves fogyasztás: 600 000 liter.
  • Éves üzemanyagköltség: kb. 425,4 millió Ft.
  • Ha az optimalizálás 5%-kal csökkenti a megtett kilométert (ez feltételezés, nem garantált érték), a megtakarítás kb. 21,3 millió Ft évente.
  • Ha emellett a vezetési stílus egy ponttal javul, a fenti 0,6 l/100 km-es összefüggéssel további 12 000 liter, azaz kb. 8,5 millió Ft takarítható meg.

Ez nem ígéret, hanem a számolás logikája. A valós szám a kiinduló állapottól függ: egy kézzel, tapasztalat alapján jól tervező diszpécser mellett kisebb a mozgástér, egy gyorsan növekvő, sok ad hoc rendeléssel dolgozó cégnél nagyobb. Ezért kell az első lépésben egy mért alapállapot.

Kész szoftver, Excel vagy egyedi AI

A piacon a táblázatkezelőre épülő bővítménytől a vállalati integrációig sokféle megoldás van. A jó választás a feladat bonyolultságától és a meglévő rendszerektől függ, nem attól, melyik eszköz hirdeti magát „AI-alapúnak”.

Megoldástípus Kinek való Erőssége Korlátja
Excel-alapú optimalizáló Néhány jármű, stabil címlista Olcsó, gyorsan használható Nincs valós idejű újratervezés, kézi adatbevitel
Mobilos többmegállós tervező Egyéni futárok, kis csapatok Egyszerű, sofőrközeli Flottaszintű optimalizálásra nem készült
Telematikai rendszer beépített optimalizálója Meglévő telematikát használó flották Valós GPS-adat, egy felület A cég egyedi szabályait ritkán kezeli
Dobozos útvonaltervező szoftver Szabványos kiszállítási feladatok Bevált algoritmusok, gyors indulás Korlátozott integráció, kötött adatmodell
Egyedi AI-megoldás integrációval Összetett szabályok, több rendszer ERP-, WMS- és telematikai adatok együtt, előrejelzés Hosszabb előkészítés, jó adat kell hozzá

Egyedi megoldás jellemzően akkor indokolt, ha több telephelyről indulnak a járatok, ha speciális korlátok vannak (veszélyes áru, hűtött szállítás, darus lerakodás, ügyfélenként eltérő átvételi szabályok), ha a tervnek a vállalatirányítási és raktárkezelő rendszerből kell automatikusan felépülnie, vagy ha az útvonaltervezést igény-előrejelzéssel és kapacitástervezéssel akarják összekötni. Ilyenkor nem egy újabb eszközre, hanem egy átgondolt adat- és döntési folyamatra van szükség. A fuvarozási és logisztikai cégeknél tapasztalt tipikus felhasználási területeket fuvarozási és logisztikai iparági oldalunkon gyűjtöttük össze.

Az adat dönti el, mennyit ér az algoritmus

Az útvonaloptimalizálási projektek leggyakrabban nem a matematikán buknak el, hanem azon, hogy az ügyfélcím rosszul van geokódolva, az időablak csak a diszpécser fejében létezik, vagy a jármű magassága és össztömege sehol nincs rögzítve. A modell ilyenkor pontosan azt csinálja, amit kell, csak hibás bemenetből.

A minimálisan szükséges adatkör:

  • Címek és koordináták: egységes formátum, ellenőrzött geokódolás, a rakodási pont pontos helye (nem a székhely címe).
  • Időablakok és kiszolgálási idők: ügyfelenként, valós mért átlagokkal.
  • Járműadatok: kapacitás, össztömeg, méretek, útdíj-kategória, emissziós osztály.
  • Rakományadatok: súly, térfogat, raklapszám, speciális kezelési igény.
  • Történeti teljesítési adatok: tényleges érkezési idők, késések okai, GPS-nyomvonalak.

A hazai gyakorlat is ezt mutatja: egy debreceni szakdolgozat, amely a TT Sped Kft. járatoptimalizálási folyamatait vizsgálta, a járatoptimalizálást többlépcsős szervezeti folyamatként kezeli, nem egyetlen szoftvervásárlásként. Az adatok rendbetételéről mesteradat-kezelési cikkünkben, a rendszerek összekötéséről pedig az AI-hoz szükséges adatarchitektúráról szóló írásunkban írtunk részletesen.

A bevezetés lépései

  1. Üzleti cél és alapállapot. Rögzítse, mit akar javítani, és mérje meg a kiinduló értékeket: kilométer túránként, megálló óránként, késések aránya, fogyasztás 100 km-en, diszpécseri órák naponta. Mért alapállapot nélkül később nem lehet megtérülést igazolni.
  2. Adatfelmérés és -tisztítás. Nézze át, honnan jönnek a rendelések, címek, járműadatok, és mennyire megbízhatók. Ez gyakran a projekt legnagyobb munkarésze.
  3. Megoldástípus kiválasztása. A fenti táblázat alapján döntse el, elég-e egy kész eszköz, vagy egyedi fejlesztés kell. Itt számít a gyártófüggetlen szempont: az eszköz igazodjon a folyamathoz, ne fordítva.
  4. Pilot egy jól lehatárolt területen. Egy telephely, egy régió vagy egy járattípus. Érdemes az első hetekben párhuzamosan futtatni a rendszert a diszpécser saját terve mellett, és összevetni őket.
  5. Mérés és döntés. A pilot végén ugyanazokat a mutatókat mérje, mint az alapállapotnál. Ha a javulás nem éri el az előre kitűzött küszöböt, inkább módosítson vagy álljon meg, mint hogy rossz rendszert skálázzon. A pilot felépítéséről lépésről lépésre szóló útmutatónk ad részletes keretet.
  6. Integráció és skálázás. Az ERP-, WMS- és telematikai rendszerekkel való összekötés, majd a kiterjesztés további telephelyekre.
  7. Működtetés és kontroll. Ki írhatja felül a rendszer javaslatát, hogyan naplózzák a döntéseket, milyen gyakran frissül a modell. Az útviszonyok, ügyfelek és díjak változnak, a modellnek is követnie kell őket.

Adatvédelem, AI-rendelet és a sofőrök

A helyadat, ha egy adott sofőrhöz köthető, személyes adat. Az útvonaloptimalizáló szoftver bevezetése ezért adatkezelés is: egy brit ügyvédi iroda elemzése szerint az AI-alapú útvonaltervezőknél jellemzően adatvédelmi hatásvizsgálatra és adatfeldolgozói szerződésre van szükség, és külön figyelmet kell fordítani arra, ha a felhőszolgáltató az EGT-n kívülre továbbítja az adatokat. Mielőtt aláír egy szoftverszerződést, kérdezze meg a szolgáltatótól, hol tárolják az adatokat, és vonja be az adatvédelmi tisztviselőt vagy adatvédelmi jogászt.

Helyadatok adatvédelmi ellenőrzési folyamata

Az Európai Unió 2024 júniusában fogadta el az AI-rendeletet. Egy útvonalakat és rakományt tervező rendszer jellemzően más megítélés alá esik, mint egy olyan, amely a sofőrök teljesítményét értékeli vagy ez alapján oszt feladatot. Ha a rendszer ilyen funkciót is kap, a besorolást még a fejlesztés előtt érdemes munkajogásszal és adatvédelmi szakemberrel megvizsgáltatni.

A legnagyobb akadály azonban ritkán jogi. Ha a sofőrök megfigyelésnek élik meg a rendszert, kerülőutakat találnak. Ahol működik üzemi tanács vagy szakszervezet, a bevezetés előtt egyeztessen velük, és mondja ki világosan, mire használják az adatokat, és mire nem. Egy átlátható ösztönző, például a megtakarítás egy részének megosztása a jól vezető sofőrökkel, többet ér bármilyen kötelező utasításnál.

Hogyan látjuk mi

Hogyan látjuk mi — overview diagram

Az útvonaloptimalizálás jó példa arra, miért nem eszközzel kezdünk. A kérdés, amit egy fuvarozó vagy kereskedelmi cég vezetőjével először átbeszélünk, nem az, melyik algoritmus a legjobb, hanem az, hol folyik el ma a pénz: üres kilométerben, rossz kihasználtságban, drága tankolásban, késési kötbérben vagy a diszpécserek túlórájában. Ha ezt számokkal látjuk, a megoldás már sokkal kisebb kockázatú döntés.

Tapasztalatunk szerint az útvonaltervezés ma már részben bevált technológia, a valódi többletérték ott jelenik meg, ahol a cég a saját adataiból tud előre jelezni: várható menetidőt, várható rendelésszámot, várható késést. Ehhez viszont rendezett mesteradat, összekötött rendszerek és egy kontrollált bevezetés kell, ahol a diszpécser felülbírálhatja a gépet, és minden döntés visszakövethető. Gyártófüggetlenül dolgozunk: ha egy kész szoftver megoldja a problémát, azt javasoljuk, ha nem, akkor építünk.

— Zsolt

Hogyan segítünk a Stratifynál

Ha még nem világos, hogy az útvonaloptimalizálás a cég legjobb AI-lehetősége-e, az AI Discovery Workshop a legrövidebb út a válaszhoz: egy strukturált alkalom, ahol üzleti cél, megtérülési potenciál és szervezeti felkészültség alapján priorizáljuk a lehetőségeket. Egyszeri díja 390 000 Ft. Ha a cél már adott, kontrollált AI-bevezetés keretében lehetőségfelméréstől a piloton át az integrációig visszük végig a projektet, egyedi fejlesztés esetén pedig AI-megoldásfejlesztési szolgáltatásunk köti össze a modellt a meglévő vállalati rendszerekkel.

Gyakori kérdések

Mekkora flottától éri meg AI-alapú útvonaloptimalizálást bevezetni?

Nincs egyetlen határ, a megálló- és változásszám legalább annyit számít, mint a járművek száma. Néhány jármű stabil útvonalakkal ritkán igényel AI-t, de egy tíz-húsz járműves flotta naponta változó címekkel és szoros időablakokkal már komoly mozgásteret adhat. A döntéshez egy mért alapállapot és egy egyszerű megtérülési számítás kell.

Mennyi idő alatt látszik az eredmény?

Egy jól lehatárolt pilot néhány hét alatt mutat összehasonlítható adatot, ha az alapállapot előre mérve van. A teljes integráció és skálázás hosszabb, és nagyban függ attól, milyen állapotban vannak a címek, a járműadatok és a meglévő rendszerek.

Kiváltja a rendszer a diszpécsert?

Nem, inkább átalakítja a munkáját. A rutinszerű sorba rendezést a rendszer végzi, a diszpécser a kivételeket kezeli, az ügyfelekkel egyeztet és jóváhagyja vagy felülírja a javaslatokat. Kontrollált bevezetésnél ez a felülírási jog tudatosan be van építve.

Kell engedélyt kérni a sofőröktől a helyadatok kezeléséhez?

A helyadat személyes adat, így az adatkezelésnek jogalapot, tájékoztatást és arányosságot kell teljesítenie, gyakran adatvédelmi hatásvizsgálattal. A konkrét követelményekről adatvédelmi és munkajogi szakember tud dönteni, ahol pedig üzemi tanács működik, érdemes őt is a bevezetés előtt bevonni.

Források

Ajánlott

Tags: