機(jī)器學(xué)習(xí)將在四個領(lǐng)域推動智能運(yùn)輸和物流行業(yè)的革命

亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）看到了機(jī)器學(xué)習(xí)為運(yùn)輸和物流行業(yè)推動移動革命的四個主要領(lǐng)域。

當(dāng)瑞士決定通過從其高山公路上拆除數(shù)萬輛貨運(yùn)卡車來減少擁堵和污染時，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。

現(xiàn)代工程學(xué)的壯舉對民用和商業(yè)實(shí)體都是一個福音，但如此令人印象深刻的建筑項(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)，尤其是移動技術(shù)領(lǐng)域的創(chuàng)新得以廣泛開展。

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)展將如此。

流動革命，總而言之，機(jī)器學(xué)習(xí)在四個主要領(lǐng)域推動了運(yùn)輸和物流行業(yè)的移動性革命：

1． 預(yù)測需求和路線優(yōu)化

2． 自動駕駛和制圖

3． 機(jī)器人技術(shù)

4． 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，卡車運(yùn)輸是通過人工經(jīng)紀(jì)人工作的分散的托運(yùn)人和運(yùn)輸者網(wǎng)絡(luò)，這是一個效率低下的系統(tǒng)，導(dǎo)致每年95％的95％的美國卡車駕駛員被空載。

Convoy能夠分析數(shù)百萬個運(yùn)輸工作，以創(chuàng)建業(yè)內(nèi)最有效的匹配方式－通過減少空載里程（最重要的是減少排放量）來增加利潤。

但是卡車運(yùn)輸業(yè)正在經(jīng)歷全國至少10萬名駕駛員的短缺。有一種解決方案，那就是自動駕駛卡車。在TuSimple，技術(shù)團(tuán)隊(duì)部署了100多個基于云的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。

即使在裝卸卡車上以每小時65英里的速度行駛時，TuSimple的先進(jìn)AI算法也可以區(qū)分共享道路的車輛類型，確定其速度，并保持＋／－ 5厘米的精度使TuSimple的卡車安全地保持在車道中心

在東南亞，叫車公司Grab希望提高其實(shí)時按需匹配和供應(yīng)算法。它轉(zhuǎn)向了機(jī)器學(xué)習(xí)工具來訪問支持150萬次預(yù)訂的實(shí)時數(shù)據(jù)計(jì)算和數(shù)據(jù)流，最終將其匹配和供應(yīng)性能提高了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例子是Lyft使用AI驅(qū)動的時間序列分析解決方案。

該技術(shù)會自動發(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)或手動檢查儀表板而節(jié)省了巨額成本。

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)時運(yùn)輸業(yè)務(wù)每分鐘處理數(shù)千個請求。

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ML和AL

基于云的機(jī)器學(xué)習(xí)和AI工具也是Amazon的核心，每年成功成功地交付數(shù)十億個軟件包，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，以確保倉庫中有足夠的供應(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動力，甚至優(yōu)化我們的交付路線。

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，而獲利只有真正的技術(shù)驅(qū)動效率。

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蓬勃發(fā)展所需的先進(jìn)工具，為它們提供了巨大的優(yōu)勢。
責(zé)編AJX