人工智能通過自動駕駛車輛、更好的路線圖和更準確的預測使運輸和物流變得更智能、更高效。

當瑞士決定通過從其高山公路上消減數萬輛貨運卡車來減少擁堵和污染時，瑞士建造了圣哥達隧道，這是世界上最長、最深的鐵路隧道。現代工程學的壯舉對民用和商業實體都是一個福音，但是如此巧妙的建筑項目并不是我們改善運輸和物流未來的唯一途徑。

相反，在競爭日益激烈和互聯互通的世界中，只有29%的運輸和物流(TL)CEO相信他們的公司的收入將在明年增長，越來越多的TL公司正在轉向基于云的新型機器學習服務，可以幫助他們提高效率并為客戶帶來更好的體驗。

云與AI的融合使自主技術(尤其是移動性)得以廣泛創新。據PWC的數據顯示，這改變了游戲規則，因為68%的運輸與物流公司負責人認為，服務提供核心技術的變化將在未來五年內擾亂他們的行業，而65%的人則認為分銷渠道的進展也將如此。

推動交通革命

總體而言，機器學習為運輸和物流行業的移動革命帶來了四個主要領域：預測需求和路線優化、自動駕駛和制圖、機器人技術和異常檢測。

例如，正在擾亂價值8000億美元的卡車運輸行業的Convoy，通過利用機器學習模型來優化路線。在美國，貨運是通過人工經紀人工作的分散的托運人和運輸人網絡。這導致效率低下的系統，導致每年駕駛的950億英里美國卡車司機中有40%的人沒有運輸任何貨物就在路上跑，即所謂的“空駛”。Convoy可以分析數百萬個運輸工作，以創建業內最有效的匹配方式，通過減少空駛里程來增加利潤，并且至關重要的是減少排放。

據統計，每年美國的卡車司機在公路上行駛的里程超過 950 億英里，相當于繞地球 370 萬圈。Convoy 是一家總部位于西雅圖的物流公司，據稱 2018 年用于卡車運輸服務的支出將近 8000 億美元，運輸貨物 105 億噸。

簡而言之，卡車運輸是一個龐大的行業。但未必是高效的行業。卡車司機每年記錄的里程中竟然有 40% 是在跑空車，這意味著時間和燃料的巨大浪費。

Convoy 正在打破現狀，使用人工智能 (AI) 使其自動化。“我們通過移動應用程序創建了一個數字在線市場，承運人和司機可以使用它直接找到工作，”Convoy 的市場和數據平臺工程高級經理 David Tsai 說。

Convoy 的方法是使用機器學習(一種 AI 技術)為托運人和卡車司機提供更好的匹配，從而允許他們使用 Convoy 的匹配系統更高效地運輸貨物，同時降低雙方的成本。擁有內部計算機化系統的大型托運人也可以將 Convoy 的在線數字市場整合到自己的市場中。

不過，卡車運輸業正在經歷全國至少10萬名駕駛員的短缺。目前，有一種解決方案——自動駕駛卡車。在TuSimple，技術團隊部署了100多個基于云的AI模塊，以安全有效地進行100英里以上的自主商業交付。即使在裝滿卡車的時速為每小時65英里的情況下，TuSimple的先進AI算法也可以區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 5厘米。

在東南亞，叫車公司Grab希望提高其實時按需匹配和供應算法。它求助于機器學習工具，以訪問支持150萬次預訂的實時數據計算和數據流，最終將其匹配和供應性能提高30%。

AI和機器學習對TL行業產生積極影響的另一個例子是Lyft使用AI驅動的時間序列分析解決方案。該技術會自動發現異常現象，從而發出更大的業務問題，并檢測需要檢查的事件。Lyft通過不必投資大型內部數據科學或手動檢查儀表板而節省了大量成本。

正確處理

當然，預測的準確性是運輸和物流公司的主要因素，而位于阿聯酋的Aramex(提供國際和國內快遞、貨運代理和在線購物服務)的實時運輸業務每分鐘處理數千個請求。通過部署完全托管的基于云的服務，使開發人員和數據科學家能夠訓練，構建和部署AI和ML模型，Aramax的運輸時間預測準確性提高了74%，從而減少了與交付相關的服務呼叫40%。

基于云的機器學習和AI工具也是Amazon.com的核心，每年成功地交付數十億個包裹，從客戶下訂單到完成訂單再到交付。我們使用預測算法來預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。我們在AWS上的AI和機器學習服務還為我們的履行中心機器人，與我們的交付合作伙伴合作的方法提供了動力，甚至還優化了我們的交付路線。

過去幾年的經驗教訓很明確：在運輸與物流行業中的競爭從未如此復雜，而盈利能力只有真正的技術驅動效率才能帶來。幸運的是，人工智能和機器學習的新創新通過為企業提供解決其最大問題和發展所需的先進工具，為他們提供了巨大的優勢。