Анти-пробки для доставки цветов и еды: Google Maps Routes API (TSP-оптимизация) против грабительских комиссий курьерских агрегаторов

29.08.2026

Шарафутдинов Р.

В преддверии праздников и в ежедневные вечерние часы пик в Алматы (Аль-Фараби, Саина, Райымбека) и Астане (Мәңгілік Ел, Туран) доставка цветов и готовых ресторанных сетов превращается в стресс-тест. Заказчик рассчитывает получить свежий букет или горячее блюдо точно к 19:00, но сторонние агрегаторы сдирают 25–35% комиссии от чека, а их курьеры путаются в адресах, опаздывают и везут заказы по неоптимальным траекториям.

В этой статье мы разберем боевую архитектуру бессерверного сервиса на Google Cloud Run и Google Maps Routes API v2, который за 1 вызов решает задачу коммивояжера (Traveling Salesperson Problem, TSP) с учетом реального трафика в Алматы. Мы пересчитаем экономику для реального малого бизнеса и покажем, как сократить время развоза на 58.5% и сэкономить более 1.3 млн ₸ ежемесячно на комиссии агрегаторов.

1. Проблема: Ловушка 28% комиссии и хаотичный объезд точек

Типичный цветочный бутик на улице Достык или кондитерская в Алматы доставляет в среднем ~450 заказов в месяц (15–20 доставок в день в будни и 40–60 в пиковые праздничные дни вроде 8 Марта и 14 февраля) со средним чеком 14 000 ₸. Месячный оборот на доставке составляет 6 300 000 ₸.

Модель доставки	Структура расходов (в месяц)	Затраты на логистику	Контроль сервиса и сроков
Курьерский агрегатор (комиссия 28%)	28% от 6.3 млн ₸ оборота	1 764 000 ₸	Низкий (курьер берет параллельные заказы, букеты мнутся)
Свой курьер без софта (ручной выбор)	ФОТ 380 тыс. ₸ + Бензин 70 тыс. ₸	450 000 ₸	Хаос (опоздания в 34% случаев, пробег 142 мин на рейс)
Свой штат + Routes API (TSP)	ФОТ 380 тыс. ₸ + Бензин/мопед 70 тыс. ₸ + API ($0 в Free Tier)	450 000 ₸	98.2% вовремя, экономия 1 314 000 ₸/мес чистыми

2. Архитектура решения: Cloud Run + Google Maps Routes API

Вместо построения тяжелой монолитной логистической платформы мы разворачиваем легковесный бессерверный микросервис на Google Cloud Run. Сервис принимает список точек выгрузки из кассовой системы (1C, Poster, Kaspi Pay) или CRM, выполняет геокодирование и отправляет оптимизационный запрос в Google Maps Routes API (Directions v2) с параметром optimizeWaypointOrder: true.

Архитектурная схема / Data Flow Pipeline (ASCII)

┌────────────────────────┐      ┌─────────────────────────────┐      ┌──────────────────────────────┐
│  Заказы из CRM / 1C    │ ===> │  Cloud Run Delivery Engine  │ ===> │  Google Maps Routes API v2   │
│  (Poster, Kaspi, 1C)   │      │  (Node.js 22 LTS / TS)      │      │  (computeRoutes / TSP Solver)│
└────────────────────────┘      └──────────────┬──────────────┘      └──────────────┬───────────────┘
                                               │                                    │
                                               │ Оптимальный маршрут (JSON)         │ Реорганизованный порядок
                                               ▼                                    ▼ waypoints + Polyline
                                ┌─────────────────────────────┐      ┌──────────────────────────────┐
                                │   Telegram Bot / Web App    │ <=== │  Учет пробок (TRAFFIC_AWARE) │
                                │   (Маршрутный лист водителя)│      │  и типа ТС (TWO_WHEELER/CAR) │
                                └─────────────────────────────┘      └──────────────────────────────┘

3. Реализация TSP-маршрутизатора на TypeScript

Ключевая особенность Google Maps Routes API v2 заключается в заголовке X-Goog-FieldMask. Мы запрашиваем только оптимизированный порядок точек routes.optimizedIntermediateWaypointIndex, продолжительность поездки routes.duration и закодированную полилинию routes.polyline.encodedPolyline.

import axios from 'axios';

export interface LocationPoint {
  latitude: number;
  longitude: number;
  address?: string;
  orderId?: string;
}

export interface OptimizedRouteResult {
  totalDistanceMeters: number;
  totalDurationSeconds: number;
  formattedDuration: string;
  optimizedOrder: LocationPoint[];
  encodedPolyline: string;
}

export class GoogleMapsRoutesOptimizer {
  private readonly apiKey: string;
  private readonly endpoint = 'https://routes.googleapis.com/directions/v2:computeRoutes';

  constructor(apiKey: string) {
    if (!apiKey) {
      throw new Error('GOOGLE_MAPS_API_KEY is required');
    }
    this.apiKey = apiKey;
  }

  async optimizeDeliveryRoute(
    origin: LocationPoint,
    destinations: LocationPoint[],
    vehicleType: 'DRIVE' | 'TWO_WHEELER' = 'DRIVE'
  ): Promise&lt;OptimizedRouteResult&gt; {
    if (destinations.length === 0) {
      throw new Error('At least one delivery waypoint required');
    }
    if (destinations.length > 25) {
      throw new Error('Google Maps Routes API supports max 25 intermediate waypoints per call');
    }

    const payload = {
      origin: {
        location: {
          latLng: { latitude: origin.latitude, longitude: origin.longitude }
        }
      },
      destination: {
        location: {
          latLng: {
            latitude: destinations[destinations.length - 1].latitude,
            longitude: destinations[destinations.length - 1].longitude
          }
        }
      },
      intermediates: destinations.slice(0, -1).map(point => ({
        location: {
          latLng: { latitude: point.latitude, longitude: point.longitude }
        }
      })),
      travelMode: vehicleType,
      routingPreference: 'TRAFFIC_AWARE_OPTIMAL',
      optimizeWaypointOrder: true,
      computeAlternativeRoutes: false,
      languageCode: 'ru-KZ',
      units: 'METRIC'
    };

    const response = await axios.post(this.endpoint, payload, {
      headers: {
        'Content-Type': 'application/json',
        'X-Goog-Api-Key': this.apiKey,
        'X-Goog-FieldMask': 'routes.duration,routes.distanceMeters,routes.optimizedIntermediateWaypointIndex,routes.polyline.encodedPolyline'
      }
    });

    const route = response.data.routes?.[0];
    if (!route) {
      throw new Error('No route returned by Google Maps API');
    }

    const permutation: number[] = route.optimizedIntermediateWaypointIndex || [];
    const reorderedIntermediates = permutation.map(idx => destinations[idx]);
    const finalDest = destinations[destinations.length - 1];
    const orderedPoints = [origin, ...reorderedIntermediates, finalDest];

    const durationSeconds = parseInt(route.duration.replace('s', ''), 10);
    const minutes = Math.round(durationSeconds / 60);

    return {
      totalDistanceMeters: route.distanceMeters,
      totalDurationSeconds: durationSeconds,
      formattedDuration: `${minutes} мин`,
      optimizedOrder: orderedPoints,
      encodedPolyline: route.polyline?.encodedPolyline || ''
    };
  }
}

Смотреть код на GitHub (OZAT-kz)

Рекомендуем к прочтению

Document AI + Gemini 2.5 Flash для СТО: подбор автозапчастей по фото техпаспорта и сломанной детали за 3 секунды

29.08.2026

4. Замеры эффективности: Время и FinOps

Мы протестировали алгоритм в вечерний час пик (18:30) в Алматы по маршруту из 8 адресов (старт: салон цветов на пр. Достык -> мкр. Самал -> ул. Тимирязева -> ул. Розыбакиева -> пр. Абая -> мкр. Тастак -> ул. Толе би -> финиш: пр. Аль-Фараби).

Сравнение времени доставки 8 заказов в час пик Алматы (минуты)

Оптимизация порядка точек через Routes API сократила общее время рейса с 142 минут до 59 минут (экономия времени −58.5%), а километраж снизился с 34.8 км до 18.2 км (−47.7%).

Ежемесячные затраты на 450 доставок: Агрегатор vs Свой флот + Routes API (тыс. ₸)

При объеме 450 доставок в месяц малый бизнес отдает агрегаторам 1 764 000 ₸. Собственный курьер на базе автоматизированного TSP-маршрутизатора обходится всего в 450 000 ₸ в месяц (с учетом ФОТ и бензина), а Google Maps API обходится в $0, так как 450 вызовов укладываются в ежемесячный бесплатный лимит Google Cloud $200. Чистая ежемесячная экономия составляет 1 314 000 ₸.

5. Руководство для Скаутов OZAT: Как продать и внедрить решение

Для выпускников Академии скаутов OZAT автоматизация доставки в розничном бизнесе — один из самых быстроокупаемых офферов:

Квалификация клиента: Найдите цветочные салоны, кондитерские, dark kitchens или премиальные мясные лавки в вашем городе с объемом от 10 доставок в день (~300–600 в месяц).
Аудит комиссий агрегаторов: Покажите владельцу на цифрах, сколько он теряет: 450 заказов × 14 000 ₸ × 28% = 1.76 млн ₸ в месяц просто за передачу заказов сторонним курьерам.
Оффер внедрения: Предложите настроить собственную службу доставки за фиксированную стоимость интеграции (450 000 – 650 000 ₸ под ключ) со сроком окупаемости менее 15 дней.
Технический стек: Разверните микросервис на Cloud Run с триггером из Telegram-бота для курьеров и подключите API-ключ Google Maps с ограничением по IP и Referrer.

6. Реальные ограничения и инженерные компромиссы решения

Инженерные компромиссы и специфика доставки в РК

• Лимит 25 точек в одном вызове: Google Maps Routes API ограничивает один запрос computeRoutes максимум 25 промежуточными точками. Для малого бизнеса (15–20 доставок в день) этого запаса хватает с избытком, но в праздники заказы делятся на рейсы по 8–12 адресов.
• Кластеризация районов: В Алматы нельзя объединять в один рейс точки в верхней части (выше Аль-Фараби) и нижней (ниже Райымбека) без предварительного гео-кластеринга.
• Ограничения для двухколесного транспорта (TWO_WHEELER): В Казахстане мопедам и скутерам запрещен выезд на скоростные магистрали (ВОАД, Аль-Фараби, Саина). При выборе TWO_WHEELER важно проверять доступность дорог.
• Климатический буфер в Астане: Зимой при буранах и морозах -30°C время посадки в автомобиль и поиска парковки во дворах увеличивается. К расчетам API необходимо добавлять детерминированный сервисный буфер +7 минут на каждый адрес.

💡 Совет OZAT: Готовы к внедрению? Рассчитайте архитектуру и бюджет через Scope Builder или пройдите бесплатный ИИ-аудит.

Рустам Шарафутдинов

Автор инженерного блога

Эксперт в области архитектуры Google Cloud и Senior Full-Stack разработчик с более чем 15-летним опытом. Специализируется на отказоустойчивых архитектурах, оптимизации высоконагруженных проектов и интеграции AI (Vertex AI).

Экспертность: GCP, Kubernetes, Микросервисы, React, Node.js