hotfix: replace Google Maps API with local estimation in optimizer

- Disabled Google Maps `Compute Routes` and `Distance Matrix` APIs in the optimization loop to prevent billing overages.
- Swapped the underlying algorithm with a local Haversine-based distance estimator.
- This is an emergency fix to resolve the high API usage incident.

src/services/local_route_estimator.py

@@ -0,0 +1,91 @@
+import numpy as np
+from typing import List, Dict, Optional
+from datetime import datetime
+import logging
+
+logger = logging.getLogger(__name__)
+
+
+class LocalRouteEstimator:
+    """
+    一個本地的距離與時間估算器，用於取代昂貴的 Google Distance Matrix API。
+    使用 Haversine 公式 + 曲折係數進行估算。
+    """
+    # 曲折係數 (Circuity Factor): 直線距離 x 此係數 = 估算道路距離
+    # 一般城市道路約為 1.3 ~ 1.5
+    TORTUOSITY_FACTOR = 1.4
+
+    # 預設行駛速度 (km/h) -> 轉換為 m/s
+    AVERAGE_SPEED_KMH = 35.0
+    AVERAGE_SPEED_MPS = AVERAGE_SPEED_KMH * 1000 / 3600
+
+    def compute_route_matrix(
+            self,
+            origins: List[Dict[str, float]],
+            destinations: List[Dict[str, float]],
+            *args, **kwargs
+    ) -> Dict[str, np.ndarray]:
+        """
+        本地版矩陣計算 (Drop-in replacement for Google API)
+
+        完全不發送 HTTP 請求，純數學計算。
+        """
+        O_len = len(origins)
+        D_len = len(destinations)
+
+        logger.info(
+            f"🧮 Computing LOCAL route matrix: {O_len}×{D_len} "
+            f"(Speed assumed: {self.AVERAGE_SPEED_KMH} km/h)"
+        )
+
+        # 1. 準備座標數據 (轉成 numpy array)
+        # origins structure: [{'lat': x, 'lng': y}, ...]
+        o_lats = np.array([o['lat'] for o in origins], dtype=np.float64)
+        o_lngs = np.array([o['lng'] for o in origins], dtype=np.float64)
+
+        d_lats = np.array([d['lat'] for d in destinations], dtype=np.float64)
+        d_lngs = np.array([d['lng'] for d in destinations], dtype=np.float64)
+
+        # 2. 向量化 Haversine 計算 (利用 Broadcasting 建立矩陣)
+        # 將維度調整為 (O, 1) 和 (1, D) 以便廣播運算
+        lat1 = np.radians(o_lats)[:, np.newaxis]
+        lon1 = np.radians(o_lngs)[:, np.newaxis]
+        lat2 = np.radians(d_lats)[np.newaxis, :]
+        lon2 = np.radians(d_lngs)[np.newaxis, :]
+
+        # Haversine 公式
+        dlon = lon2 - lon1
+        dlat = lat2 - lat1
+        a = np.sin(dlat / 2) ** 2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon / 2) ** 2
+        c = 2 * np.arcsin(np.sqrt(a))
+        r = 6371000  # 地球半徑 (公尺)
+
+        # 得到直線距離 (Great Circle Distance)
+        straight_distance = c * r
+
+        # 3. 估算道路距離 (Road Distance)
+        # 乘以曲折係數
+        estimated_distance = straight_distance * self.TORTUOSITY_FACTOR
+
+        # 4. 估算時間 (Duration)
+        # 時間 = 距離 / 速度
+        # 為了避免除以零，我們假設最小時間
+        estimated_duration = estimated_distance / self.AVERAGE_SPEED_MPS
+
+        # 轉換為 int32 (與 Google API 回傳格式保持一致)
+        distance_matrix = estimated_distance.astype(np.int32)
+        duration_matrix = estimated_duration.astype(np.int32)
+
+        # 5. 自我對角線處理 (如果是同一個點，距離時間設為 0)
+        # 只有當 origins 和 destinations 列表完全一樣時才需要檢查
+        # 這裡簡單處理：如果距離極小 (< 10米)，設為 0
+        mask = distance_matrix < 10
+        distance_matrix[mask] = 0
+        duration_matrix[mask] = 0
+
+        logger.debug("✅ Local matrix computation done.")
+
+        return {
+            "duration_matrix": duration_matrix,
+            "distance_matrix": distance_matrix,
+        }