（文章來源：千家網(wǎng)）

人工智能通過自動(dòng)駕駛車輛、更好的路線圖和更準(zhǔn)確的預(yù)測使運(yùn)輸和物流變得更智能、更高效。當(dāng)瑞士決定通過從其高山公路上消減數(shù)萬輛貨運(yùn)卡車來減少擁堵和污染時(shí)，瑞士建造了圣哥達(dá)隧道，這是世界上最長、最深的鐵路隧道?，F(xiàn)代工程學(xué)的壯舉對民用和商業(yè)實(shí)體都是一個(gè)福音，但是如此巧妙的建筑項(xiàng)目并不是我們改善運(yùn)輸和物流未來的唯一途徑。

相反，在競爭日益激烈和互聯(lián)互通的世界中，只有29％的運(yùn)輸和物流（T＆L）CEO相信他們的公司的收入將在明年增長，越來越多的T＆L公司正在轉(zhuǎn)向基于云的新型機(jī)器學(xué)習(xí)服務(wù)，可以幫助他們提高效率并為客戶帶來更好的體驗(yàn)。云與AI的融合使自主技術(shù)（尤其是移動(dòng)性）得以廣泛創(chuàng)新。據(jù)PWC的數(shù)據(jù)顯示，這改變了游戲規(guī)則，因?yàn)?8％的運(yùn)輸與物流公司負(fù)責(zé)人認(rèn)為，服務(wù)提供核心技術(shù)的變化將在未來五年內(nèi)擾亂他們的行業(yè)，而65％的人則認(rèn)為分銷渠道的進(jìn)展也將如此。

總體而言，機(jī)器學(xué)習(xí)為運(yùn)輸和物流行業(yè)的移動(dòng)革命帶來了四個(gè)主要領(lǐng)域：預(yù)測需求和路線優(yōu)化、自動(dòng)駕駛和制圖、機(jī)器人技術(shù)和異常檢測。

例如，正在擾亂價(jià)值8000億美元的卡車運(yùn)輸行業(yè)的Convoy，通過利用機(jī)器學(xué)習(xí)模型來優(yōu)化路線。在美國，貨運(yùn)是通過人工經(jīng)紀(jì)人工作的分散的托運(yùn)人和運(yùn)輸人網(wǎng)絡(luò)。這導(dǎo)致效率低下的系統(tǒng)，導(dǎo)致每年駕駛的950億英里美國卡車司機(jī)中有40％的人沒有運(yùn)輸任何貨物就在路上跑，即所謂的“空駛”。Convoy可以分析數(shù)百萬個(gè)運(yùn)輸工作，以創(chuàng)建業(yè)內(nèi)最有效的匹配方式，通過減少空駛里程來增加利潤，并且至關(guān)重要的是減少排放。

據(jù)統(tǒng)計(jì)，每年美國的卡車司機(jī)在公路上行駛的里程超過 950 億英里，相當(dāng)于繞地球 370 萬圈。Convoy 是一家總部位于西雅圖的物流公司，據(jù)稱 2018 年用于卡車運(yùn)輸服務(wù)的支出將近 8000 億美元，運(yùn)輸貨物 105 億噸。簡而言之，卡車運(yùn)輸是一個(gè)龐大的行業(yè)。但未必是高效的行業(yè)。卡車司機(jī)每年記錄的里程中竟然有 40％ 是在跑空車，這意味著時(shí)間和燃料的巨大浪費(fèi)。

Convoy 正在打破現(xiàn)狀，使用人工智能 （AI） 使其自動(dòng)化?！拔覀兺ㄟ^移動(dòng)應(yīng)用程序創(chuàng)建了一個(gè)數(shù)字在線市場，承運(yùn)人和司機(jī)可以使用它直接找到工作，”Convoy 的市場和數(shù)據(jù)平臺(tái)工程高級經(jīng)理 David Tsai 說。

Convoy 的方法是使用機(jī)器學(xué)習(xí)（一種 AI 技術(shù)）為托運(yùn)人和卡車司機(jī)提供更好的匹配，從而允許他們使用 Convoy 的匹配系統(tǒng)更高效地運(yùn)輸貨物，同時(shí)降低雙方的成本。擁有內(nèi)部計(jì)算機(jī)化系統(tǒng)的大型托運(yùn)人也可以將 Convoy 的在線數(shù)字市場整合到自己的市場中。

不過，卡車運(yùn)輸業(yè)正在經(jīng)歷全國至少10萬名駕駛員的短缺。目前，有一種解決方案——自動(dòng)駕駛卡車。在TuSimple，技術(shù)團(tuán)隊(duì)部署了100多個(gè)基于云的AI模塊，以安全有效地進(jìn)行100英里以上的自主商業(yè)交付。即使在裝滿卡車的時(shí)速為每小時(shí)65英里的情況下，TuSimple的先進(jìn)AI算法也可以區(qū)分共享道路的車輛類型，并確定其速度，并保持TuSimple的卡車在車道中居中，其精度為正負(fù) 5厘米。

在東南亞，叫車公司Grab希望提高其實(shí)時(shí)按需匹配和供應(yīng)算法。它求助于機(jī)器學(xué)習(xí)工具，以訪問支持150萬次預(yù)訂的實(shí)時(shí)數(shù)據(jù)計(jì)算和數(shù)據(jù)流，最終將其匹配和供應(yīng)性能提高30％。

AI和機(jī)器學(xué)習(xí)對T＆L行業(yè)產(chǎn)生積極影響的另一個(gè)例子是Lyft使用AI驅(qū)動(dòng)的時(shí)間序列分析解決方案。該技術(shù)會(huì)自動(dòng)發(fā)現(xiàn)異?，F(xiàn)象，從而發(fā)出更大的業(yè)務(wù)問題，并檢測需要檢查的事件。Lyft通過不必投資大型內(nèi)部數(shù)據(jù)科學(xué)或手動(dòng)檢查儀表板而節(jié)省了大量成本。

當(dāng)然，預(yù)測的準(zhǔn)確性是運(yùn)輸和物流公司的主要因素，而位于阿聯(lián)酋的Aramex（提供國際和國內(nèi)快遞、貨運(yùn)代理和在線購物服務(wù)）的實(shí)時(shí)運(yùn)輸業(yè)務(wù)每分鐘處理數(shù)千個(gè)請求。通過部署完全托管的基于云的服務(wù)，使開發(fā)人員和數(shù)據(jù)科學(xué)家能夠訓(xùn)練，構(gòu)建和部署AI和ML模型，Aramax的運(yùn)輸時(shí)間預(yù)測準(zhǔn)確性提高了74％，從而減少了與交付相關(guān)的服務(wù)呼叫40％。

基于云的機(jī)器學(xué)習(xí)和AI工具也是Amazon．com的核心，每年成功地交付數(shù)十億個(gè)包裹，從客戶下訂單到完成訂單再到交付。我們使用預(yù)測算法來預(yù)測客戶可能要訂購的商品，以確保我們的倉庫有足夠的供應(yīng)。我們在AWS上的AI和機(jī)器學(xué)習(xí)服務(wù)還為我們的履行中心機(jī)器人，與我們的交付合作伙伴合作的方法提供了動(dòng)力，甚至還優(yōu)化了我們的交付路線。

過去幾年的經(jīng)驗(yàn)教訓(xùn)很明確：在運(yùn)輸與物流行業(yè)中的競爭從未如此復(fù)雜，而盈利能力只有真正的技術(shù)驅(qū)動(dòng)效率才能帶來。幸運(yùn)的是，人工智能和機(jī)器學(xué)習(xí)的新創(chuàng)新通過為企業(yè)提供解決其最大問題和發(fā)展所需的先進(jìn)工具，為他們提供了巨大的優(yōu)勢。
（責(zé)任編輯：fqj）