机器学习为运输和物流行业如何推动移动革命？

亚马逊网络服务（AWS）看到了机器学习为运输和物流行业推动移动革命的四个主要领域。

当瑞士决定通过从其高山公路上拆除数万辆货运卡车来减少拥堵和污染时，瑞士建造了圣哥达隧道，这是世界上最长，最深的铁路隧道。

现代工程学的壮举对民用和商业实体都是一个福音，但如此令人印象深刻的建筑项目并不是我们改善运输和物流未来的唯一途径。

相反，在竞争日益激烈和互联互通的世界中，只有29％的运输和物流（T＆L）CEO相信他们的公司的收入将在明年增长，越来越多的T＆L公司正在转向基于云的新型机器学习服务，可以帮助他们提高效率并为客户带来更好的体验。

云与AI的融合使自主技术，尤其是移动技术领域的创新得以广泛开展。

PWC的数据显示，这改变了游戏规则，因为68％的运输与物流公司负责人认为，服务提供核心技术的变化将在未来五年内扰乱他们的行业，而65％的人则认为分销渠道的进展将如此。

流动革命，总而言之，机器学习在四个主要领域推动了运输和物流行业的移动性革命：

1． 预测需求和路线优化

2． 自动驾驶和制图

3． 机器人技术

4． 异常检测

例如，正在扰乱价值8000亿美元的卡车运输行业的Convoy，通过利用机器学习模型来优化路线。

在美国，卡车运输是通过人工经纪人工作的分散的托运人和运输者网络，这是一个效率低下的系统，导致每年95％的95％的美国卡车驾驶员被空载。

Convoy能够分析数百万个运输工作，以创建业内最有效的匹配方式－通过减少空载里程（最重要的是减少排放量）来增加利润。

但是卡车运输业正在经历全国至少10万名驾驶员的短缺。有一种解决方案，那就是自动驾驶卡车。在TuSimple，技术团队部署了100多个基于云的AI模块，以安全有效地进行100英里以上的自主商业交付。

即使在装卸卡车上以每小时65英里的速度行驶时，TuSimple的先进AI算法也可以区分共享道路的车辆类型，确定其速度，并保持＋／－ 5厘米的精度使TuSimple的卡车安全地保持在车道中心

在东南亚，叫车公司Grab希望提高其实时按需匹配和供应算法。它转向了机器学习工具来访问支持150万次预订的实时数据计算和数据流，最终将其匹配和供应性能提高了30％。

AI和机器学习对T＆L行业产生积极影响的另一个例子是Lyft使用AI驱动的时间序列分析解决方案。

该技术会自动发现异常现象，从而发出更大的业务问题，并检测需要检查的事件。Lyft通过不必投资大型内部数据科学或手动检查仪表板而节省了巨额成本。

当然，预测的准确性是运输和物流公司的主要因素，而位于阿联酋的Aramex（提供国际和国内快递，货运代理和在线购物服务）的实时运输业务每分钟处理数千个请求。

通过部署完全托管的基于云的服务，使开发人员和数据科学家能够训练，构建和部署AI和ML模型，Aramax的运输时间预测准确性提高了74％，从而减少了与交付相关的服务呼叫40％。

基于云的ML和AL

基于云的机器学习和AI工具也是Amazon的核心，每年成功成功地交付数十亿个软件包，从客户下订单到完成订单再到交付。

我们使用预测算法来预测客户可能要订购的商品，以确保仓库中有足够的供应。

我们在AWS上的AI和机器学习服务还为我们的履行中心机器人，与我们的交付合作伙伴合作的方法提供动力，甚至优化我们的交付路线。

过去几年的经验教训很明确：在运输与物流行业中的竞争从未如此复杂，而获利只有真正的技术驱动效率。

幸运的是，人工智能和机器学习的新创新通过为企业提供解决其最大问题和蓬勃发展所需的先进工具，为它们提供了巨大的优势。