机器学习变革物流运输和交通出行

作者: AWS大中华区云服务产品管理总经理顾凡 2020-05-29 16:31:48

当瑞士面临阿尔卑斯高速公路上数以万计的货运卡车所带来的拥堵和污染时,他们修建了一条世界上最长、最深的铁路隧道——戈特哈德隧道。这一现代工程的壮举对民用和商业都是一个巨大的福音,然而,在未来,如此巨大的工程建设将不再是我们改善运输和物流的唯一途径。

我们现在所处的世界竞争日益激烈,网络互联日益紧密,物流运输行业里只有29%的CEO有信心其公司的营收将在明年继续保持增长。于是,越来越多的物流运输企业转向新的、基于云的机器学习服务,希望可以提高效率,提升客户体验。

云和机器学习的融合催生了自动驾驶技术尤其是人们出行方式的广泛创新,正在改变整个行业的游戏规则。根据普华永道(PWC)的数据,68%的物流运输企业负责人认为,未来5年,提供物流运输服务的核心技术的改变将颠覆整个行业。

我们相信,机器学习将在四个方面带来物流运输业的革命:一是需求预测与路线优化;二是自动驾驶与地图绘制;三是机器人;四是异常检测。

让我们来看一个实际的案例。Convoy公司正在利用机器学习优化运输路线,这将颠覆8000 亿美元规模的美国卡车运输行业。在美国,卡车运输是一个由托运商及运输商构成的碎片化的网络,主要通过代理商和经纪人运行,效率低下,导致美国卡车司机每年950亿英里的行程中空驶的比例达到了40%。通过机器学习,Convoy 能够分析数以百万计的发货作业,从而创建了业内最有效的配载系统,有效减少空驶,增加利润,并减少排放。

但是,美国卡车运输业依然存在至少10万名司机的短缺。自动驾驶卡车也许就成为一个新的解决方案。图森科技 (TuSimple) 的技术团队部署了 100 多个基于云的 AI(人工智能) 模块,安全高效地完成了超过100英里的自动驾驶商业运输。即使载重卡车以65英里时速行驶,图森科技先进的机器学习算法也能区分出道路上的车辆类型,确定其速度,保持图森的卡车在车道内安全居中,误差只有+/-5 厘米。

自动驾驶公司Momenta由北京、苏州和德国斯图加特的团队组成。人工智能是Momenta的核心竞争力。在深度学习模型训练方面,Momenta将所有在车端采集的有效数据传回云端,云端根据这些数据产生更好的自动驾驶算法,再推至车端,车端更新之后,使得算法更加稳定、精确度更高,这就形成了一个闭环。相对于本地部署,云端的弹性扩展能力、强大的稳定性和超大的GPU,大大帮助Momenta加快了机器学习的速度。

在东南亚,顺风车公司Grab希望增强其实时按需配单和接单的算法。他们也转向用机器学习工具来处理实时的数据计算和数据流,以支持 150万次顺风车预订,最终将配单和接单的效率提高了30%。

AI 和机器学习对物流运输业产生积极影响的另一个例子是 Lyft,它使用了AI 驱动的时间序列分析解决方案。该技术能够自动识别那些可能导致较大业务问题的异常状况,及早发现异常事件以便进行检查。此外,由于采用了AI和机器学习技术,Lyft无需大量投资来建立公司自己的数据科学部门或人工检查业务运营状况,大大节省了成本。

预测的准确性对物流运输业企业至关重要。总部位于阿联酋的公司Aramex,主要提供国际和国内快递、货运代理和网上购物服务,它的实时中转业务每分钟处理数千个请求。通过部署基于云的、全托管的服务,Aramax的开发人员和数据科学家训练、构建和部署了机器学习模型,将中转时间预测的准确性提高了 74%,将货运相关的服务呼叫减少了40%。

基于云的机器学习工具也是亚马逊购物网站Amazon.com的核心。从客户下单到配送,亚马逊每年成功高效地投递数十亿个包裹。我们使用预测算法来预测客户可能订购什么,确保我们的库房有足够的库存供应。AWS 的AI和机器学习服务也支撑着亚马逊运营中心的机器人、支持着我们与物流伙伴之间的合作,甚至帮助优化配送路线。

过去几年的经验和教训显而易见:为了保持竞争力,物流运输企业正面临着前所未有的挑战,其盈利的唯一途径就是通过真正的技术驱动来提高效率。幸运的是,AI和机器学习领域的创新为这些企业提供了巨大的可能,赋予了他们解决重大问题、实现繁荣发展所需要的先进工具。

AWS 机器学习
上一篇:人工智能可以塑造活动产业的未来吗? 下一篇:达摩院AI进入中国科技馆,首张AI识别新冠CT成科技抗疫历史见证
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

超20万人请愿,MIT哈佛将美国政府告上法庭!

近日的美移民局新规让美国各大顶尖高校炸了锅。今天就爆出,哈佛大学和麻省理工已经把政府告上法庭。

佚名 ·  2天前
机器学习变得越来越简单,软件工程却走向了相反的道路……

过去的5年里,机器学习变得越来越容易,机器学习工具也正在变得愈加“平民化”。而与此同时,软件工程却比以往更复杂了。然而,这对于软件工程师来说是件好事,但对于机器学习(ML)专家来说则不然。

读芯术 ·  2天前
如何用初中知识理解机器学习到底在干什么事情

机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

Huoyo ·  2天前
如何在表格数据上使用特征提取进行机器学习

在本文中,我们将介绍如何使用特征提取对表格数据进行数据准备。特征提取为表格数据的数据准备提供了另一种方法,其中所有数据转换都并行应用于原始输入数据,并组合在一起以创建一个大型数据集。

湃绅Python ·  3天前
PyTorch官方教程书限时免费!500页内容带你上手最流行框架

去年 11 月,PyTorch 官方发布权威 PyTorch 教程书籍《Deep Learning with PyTorch》,现在经过更新迭代后,PyTorch 终于发布了该书的免费版本。还不快来学?

魔王 ·  3天前
机器学习项目完整搭建流程及任务清单曝光,值得收藏

对于创建机器学习项目,大部分人的印象都是数据、建模、测试等,但是具体的事项,以及要经过哪些步骤,估计99%的人都不知道,今天的内容就跟大家说说机器学习项目里,一定要做的几件事。

为AI呐喊 ·  4天前
想做项目但毫无头绪?试试这7个有趣的开源机器学习项目

做项目是学习机器学习的必经之路,而有趣又有价值的项目往往是可遇而不可求的。你是否还在为找不到合适的项目而发愁?

读芯术 ·  4天前
遍览200多个机器学习工具后,我学到了啥

这篇文章中,Chip小哥统计了两百多个机器学习相关工具,并且对整个该领域的发展和现状进行了回顾,同时列出机器学习开发的难点特别是和传统软件开发的不同点,最后还特意讨论了开源对该领域的影响。

大数据文摘 ·  4天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载