OptiFleet – Műszaki leírás
Rendszer célja és funkciója
Az OptiFleet egy AI-alapú, felhőalapú fuvarbörze rendszer, amely valós idejű fuvar- és kapacitásadatok alapján optimalizálja a szállítmányozási folyamatokat. A cél a kihasználatlan kapacitások csökkentése, üresjáratok minimalizálása, és döntéstámogatás nyújtása logisztikai szereplők számára.
[Frontend (Web + Mobile)]
↓
[API Gateway (REST/GraphQL)]
↓
[Backend Services (Microservices, Dockerized)]
↓
[AI Engine (ML Inference + Optimization Modules)]
↓
[Database Layer (Relational + Time-Series DB)]
↓
[3rd Party Integrations (Telematics, ERP, EDI)]
Fő modulok és komponensek
a) Felhasználói felület
-
Reszponzív webalkalmazás (React.js / Next.js)
-
Mobilnézetre optimalizált dashboard
-
Admin, diszpécser, fuvarozó, megbízó szerepkörök
-
Élő státuszmegjelenítés, térképes nézet, ajánlati párosító panel
b) Backend logika
-
Node.js / Python-alapú mikroszolgáltatások (Docker konténerizálva)
-
REST és GraphQL API-k a belső kommunikációhoz
-
JWT-alapú hitelesítés, RBAC jogosultságkezelés
-
Event-driven architektúra (pl. RabbitMQ / Kafka)
c) AI és gépi tanulás modul
-
Előrejelző modellek: várható üresjárat, várható rakodási idő, útvonal késés
-
Ajánlórendszer: hasonló fuvarok korábbi adatok alapján
-
Párosító algoritmus: többváltozós optimalizáló (pl. Hungarian Algorithm + ML boosting)
-
Visszacsatolás alapú tanulás: implicit preferenciák figyelembevétele
d) Adatbázis-réteg
-
PostgreSQL: fő relációs adatbázis (fuvarok, partnerek, flotta)
-
TimescaleDB / InfluxDB: telematikai adatok, státuszváltások
-
Redis: gyors cache és ajánlatprioritás
e) Külső integrációk
-
GPS / telematikai eszközök API-ja (pl. Webfleet, Fleet Complete)
-
ERP / WMS / TMS kapcsolatok (OpenAPI, EDI, XML endpoints)
-
Külső fuvarbörzék: XML/JSON feed fogadásra előkészített struktúra
Skálázhatóság és rendelkezésre állás
-
Felhőinfrastruktúra: AWS / Azure / Hetzner (dev döntéstől függően)
-
Konténerizálás: Docker + Kubernetes (horizontal scaling)
-
HA (High Availability): Load balancer + replika adatbázis + failover
-
CI/CD: GitHub Actions / GitLab Pipelines + Terraform / Ansible provisioning
Biztonság és adatvédelem
-
HTTPS / TLS titkosítás végponttól végpontig
-
OWASP Top10 szerinti védelem (pl. SQL injection, CSRF, XSS)
-
Adatvédelmi megfelelés: GDPR-ready adatmodell, opt-in hozzájárulások, logolás
-
Role-based access control (RBAC) + audit trail
Adatfolyam és rendszerlogika – példafolyamat
Fuvarozó bejelentkezik →
2. Rendszer lekérdezi flottája elérhetőségét →
3. Megrendelő rögzít új szállítmányigényt →
4. AI-modul priorizál és automatikus ajánlatot generál →
5. Fuvarozó elfogadja / elutasítja ajánlatot →
6. Rendszer követi a teljesítés státuszát valós időben →
7. Értékelés és tanulás visszacsatolása történik
Analitika és riportálás
-
Dashboard: aktív fuvarok, kapacitáskihasználtság, üresjárat-arány
-
Predikciós modul: várható kihasználtság, költség-előrejelzés
-
Exportálás: CSV / PDF formátumok vezetőknek
-
API alapú adatexport Power BI, Tableau stb. irányába
Fejlesztési fázisok (javasolt roadmap)
Fázis Tartalom Időtartam
- MVP (fuvar–kapacitás párosítás + alap AI-modul)3 hónap
- Mobilfelület, telematika integráció 4 hónap
- AI-finomítás, predikció, exportok. 4 hónap
- Full-scale pilot, partnerek onboardingja. 2 hónap