中文商業新聞網（biznewcn.com）訊：

　　幫企業解決運輸優化問題，杉數科技推“智能運輸決策系統”

　　BEIJING, Jan. 18, 2019 (GLOBE NEWSWIRE) -- 隨著我國現代物流行業的快速發展，物流信息化建設已取得了顯著的成績，物流企業開始大量采用先進的信息網絡技術和數據處理技術進行精細化管理，加速轉型升級，以期在國內外物流市場上提高核心競爭力。縱觀整個市場，以天貓、京東為代表的電商物流企業，以順豐、四通一達為代表的快遞物流企業，以58速運、福佑卡車為代表的互聯網+平臺型物流企業，無一不在積極搶灘登陸技術高地。可以說，各類有運輸調度需求的企業，都在全力迎接智能化、自動化的顛覆性變革。

　　

 

　　據36Kr報道，杉數科技的智能運輸決策產品小馬駕駕(PonyPlus)，使用世界領先的人工智能決策技術，解決一系列業務場景中的優化問題，完成從數據到決策的轉化，為企業提供全鏈條技術服務。

　　運輸優化主要涉及車輛路線問題(Vehicle Routing Problem, VRP)，由Dantzig和Ramser于1959年首次提出，這個優化問題的基本優化場景是，面對一定數量的、有著不同貨物需求特征的客戶群體，配送中心組織合理數量的車隊，并安排適當的行車路線，向客戶派送貨物，以期在滿足客戶需求及場景約束的條件下，實現諸如路程最短、成本最小、耗費時間最少等目的。

　　車輛路線問題是運籌學領域的經典問題之一。運籌學者們先將運輸場景中的實際問題(包括目標、約束等信息)用數學形式寫出，即構建模型，再使用多種方法計算出最優路線，即優化算法求解，最終得到運輸優化方案。

　　在杉數科技的智能運輸決策產品小馬駕駕(PonyPlus)出現之前，大部分企業只能選擇地圖服務商等提供的路徑優化服務，通過實時的交通情況監控，提供距離最短或時間最短的路線規劃。但在實際的運輸配送場景中，從時間/距離最短到真正的成本最低，中間還有很多復雜的步驟，如第三方運輸企業需要考慮運輸全程的配送順序、落貨時間和各種限行、禁行約束情況等等，而對于可以組合多種配送方式(比如空運、陸運、海運，所需時長和限制都不同)、挑選多個承運商(各承運商針對不同配送方式提供的報價一般不同)的貨主來說，問題的復雜程度則更呈現指數級增長。

　　企業真正需要的，是一套真正可落地的運輸決策方案。基于多家行業巨頭的服務經驗，杉數科技研發了標準化產品小馬駕駕，該產品綜合了深入到實際配送場景的業務經驗、世界頂尖的數據與決策科學家團隊、行業一流的工程化服務能力，為眾多標桿企業提供了服務。因此，綜合來看，小馬駕駕具有以下兩大核心優勢：

　　核心優勢一 真實場景：最懂中國運輸優化的系統，節約成本可落地

　　在構建模型時，VRP問題能將現實生活中的各種要求轉化為運籌學中的各種約束。以運籌學為核心驅動技術的杉數科技所重磅打造的智能運輸決策產品小馬駕駕，天生帶有親和業務場景的基因。對于一個周密精當的運籌學模型來說，提出新的業務要求就是在模型上添加新的約束條件，這并不會像一些新興技術手段一樣需要重新學習數據。小馬駕駕可以用盡可能多的真實業務約束，來還原盡可能真實的業務場景，使運輸優化的結果真正落地。

　　在各個不同場景中，需要考慮不同業務細節，以快件配送服務為例，客戶處耗時要著重考慮貨物重量、體積、收貨方式、有無電梯、樓層高低等因素。有時還要根據特殊需要做出相對應的設置，如要避免進出城路段交替出現、避免東西城互拼、避免配送線路跨長安街等問題，還要注意如司機工作時長不可過長、敲門次數不可過多、不同的站點必須選用指定車型(比如特殊門店限高僅金杯可以通行)等情況。

　　等待時長、作業時長、運輸時長等運輸環節的真實限制，均來源于客戶經驗。經過與各類國內企業的深度合作，小馬駕駕充分吸收了各種業務場景的多種需求，將訂單、車型、商品限運、時間窗、交通條件等各類細節納入模型，輸出真正適用于多場景、多約束的運輸決策解決方案。

　　以小馬駕駕為我國某大型快遞企業輸出的服務方案為例，如果僅考慮開行時間最短(也包括天氣、路況、客戶服務時長等因素)，則快遞員的運動路徑如圖一，小馬駕駕則在考慮影響開行時間因素(天氣、路況、客戶服務時長)的同時，將客戶時間窗、客戶/訂單等級、催收催派、投訴等多種因素納入模型，再求得開行時間最優的路徑解，如圖二。

　　

 

　　(左圖一，右圖二)

　　真實還原業務場景后，數據驅動的最優決策可以直接幫助企業降低物流成本。企業的派單人員大多需要具備多年經驗積累才能獨立上崗，小馬駕駕在可行性上得到了中國最頂尖配送企業、最資深業務人員的認可。經測算，相比于行業平均10-15年的“老師傅”，小馬駕駕的排單結果可以使得企業的配送成本降低10%-20%。

　　核心優勢二 計算能力：自研高效的復雜道路交通距離矩陣

　　充分考察到每一種約束條件，只是解決問題的第一步。除了約束繁多導致的算法模型的復雜性，距離矩陣也是使用算法計算配送路徑問題的一大挑戰。距離矩陣，為所有配送點之間的實際配送距離和配送時間。在不同城市分區、分車型、分時段的限行、禁行約束情況，對應的是何處有限重、限高、限寬、限速，并要考慮何處需要調頭、左拐、過河/跨橋、何處的站點接近司機住址等問題，都會直接影響距離矩陣計算的復雜度。

　　

 

　　對于交通運輸來講，真實距離和經緯距離有著很大的差異，A點到B點和B點到A點的距離往往是不同的。從車型考慮，小轎車和大貨車在兩點間的距離也是不同的。一個中小規模的服務商覆蓋的配送點數量一般在500-1000之間，小馬駕駕將車型分為5大類，以500個點為標準，2分鐘之內距離矩陣上的計算量就能達到125萬，這樣的計算量，常規方法至少需要2小時才能處理完成。

　　

 

　　但實際業務需求并不允許長時間計算。可以說，所有高價銷售配送服務解決方案的提供商們，核心競爭力都是對業務的響應速度。行業通行的做法，一般是退而求其次地選擇非常失真的經緯度進行計算，或者安排資深業務員進行分單。而小馬駕駕的核心突破就在于——可以在2分鐘之內準備好一套500*500、5種車型的配送解決方案。

　　一直以來，小馬駕駕都與中國最權威的貨運地圖數據商深度合作，除了數據商始終為杉數開放著大流量數據傳輸接口，杉數科技自行搭建的距離矩陣數據庫，也是小馬駕駕輸出高效、準確的計算結果的堅實支撐。在杉數自建距離矩陣上，儲存著杉數已完成的計算結果，供系統極速調用。更重要的是，杉數擁有一系列自主知識產權，在處理最優化問題時，熟練地使用模糊最優等運籌學方法，極大地加快求解速度。同時始終以最頂尖科學家陣容投入優化求解器的研發——仍在封閉研發期的Cardinal Solver，在服務某國內工業巨頭時，在規定時間內最多可解決兩億變量的生產排程問題。

　　匯聚杉數豐富業務經驗和頂尖技術能力的小馬駕駕，在真實業務場景中實現了速度與精度的并存，通過權威地圖商數據的深入量化分析，得出了計算效率更高、計算時間更短、求解更精確的解決方案。

　　舉例來說，小馬駕駕在為某大型家具公司制定復雜的配送優化方案時，場景中有大量業務難點，比如北京市道路限行約束復雜、訂單分布較散、客戶嚴格并且有大時間段的收貨時間窗、家具安裝時間波動大(從10分鐘到10小時)、近百種車組服務/運輸能力差異大等。該場景需要在滿足客戶時間窗的要求下，將任務合理地分配到合適的車組，并保證路線少跨區、里程數穩定。最終小馬駕駕將企業每日全城的調度時間從3小時壓縮至15分鐘。經企業測算，平均用車成本下降近10%～25%。

　　一、 產品亮點

　　在運輸配送中會遇到很多業務挑戰，如車輛人員資源匹配不合理、時間窗約束嚴格、城市分區分車型分時段限行、業務模式復雜多變、手工調度造成效率低下等。這些問題可能會出現在整個運輸配送鏈條的各個環節上，而運輸優化的目標，就是優化整個鏈條，減少運輸成本，提升資源利用率和業務響應速度。為了更好地服務客戶，小馬駕駕有以下兩個亮點：

　　亮點一 算法革新，比客戶更懂客戶

　　將業務場景中的實際約束納入模型，小馬駕駕把資深員工的經驗變成了系統。但人的經驗也有限度，真實業務場景中有一些很難收集的數據，比如客戶處有沒有電梯，客戶簽收是抽查還是每箱開箱等，都極大地影響著客戶處耗時的計算。這些信息有的可以稍作統計，但大部分則無法逐戶收集，趕上下雨、下雪等極端天氣，情況又會有所變化。只有最富有經驗的資深業務員可以對規律稍加把握。

　　針對這一類問題，小馬駕駕特別研發了人工智能算法模型，對客戶優先級、客戶處耗時、在途時間等進行學習，讓系統“越用越準”。在服務快消行業百威英博物流配送項目時，小馬駕駕通過學習司機畫像、站點屬性、站點卸貨條件、卸貨商品大類及數量，從而得到了在不同店面、不同司機、不同配送貨物的因素下卸貨時間的預測模型，使得到貨準時率提升了近30%。

　　憑借世界領先的深度學習和機器學習技術，小馬駕駕只需獲得3個月以上的歷史數據，就可以發掘數據規律，不斷修正約束的輸入值，不斷發現此前未發現(變化中)的約束條件，使參數更加真實，為用戶提供更多超越已有經驗的參考值。

　　亮點二 靈活多變，個性化服務

　　變化頻繁的路況、復雜的客戶要求，都為制定各類配送場景方案提出了挑戰。經過與多家企業的磨合，小馬駕駕可以根據客戶實際情況，提供靈活多樣的合作方式，滿足運輸產業各個階段企業的不同需求。

　　在服務模式上，小馬駕駕既可為客戶提供整套系統的搭建服務，也可根據客戶需求提供API模塊或標準化的SaaS服務。在服務方案上，用戶可根據實際需要對車型、車輛、站點、訂單、優化目標等參數進行相應的調整。

　　小馬駕駕尤其注重服務體驗。配送問題中，復雜多變的交通環境與紛繁緊急的客戶要求之間存在天然的矛盾關系。很多場景下，用戶的需求(包括取貨和送貨需求)是實時產生的，交通情況的突變卻難以估量。與很多自動化系統不同的是，小馬駕駕中很多精細的產品設置，使得“硬約束”可以“軟著陸”，創新性地使用多個參數來為具體執行人員提供更大的靈活空間。

　　亮點三 實時優化，應對特殊狀況

　　計劃趕不上變化，運輸優化決策方案在實際執行過程中還是會面臨各種不確定性。如遇到交通狀況變差或其他突發情況時，原定路線可能不是最優解。而基于強大的計算能力，小馬駕駕提供實時優化功能，用于應對突發情況下的路線調整。調度人員可以一鍵實時優化，計算出最新的最優路徑及每個站點預計到達的時間(下圖中紅色線條表示擁堵)。

　　亮點四 應用廣泛，豐富的優化場景

　　小馬駕駕立足于標準的VRP算法，對不同類型的路線優化衍生問題進行長期深耕，探索出了一系列算法求解方案，拓展了產品的應用場景。

　　一方面，就運輸模式而言，小馬駕駕能夠覆蓋以下多種提送模式：

　　另一方面，就運輸決策過程而言，小馬駕駕可以從以下四個層面進行優化：

　　按照對運費節省由低到高來排，依次是執行跟蹤層優化、運作層優化、戰術層優化、戰略層優化。

　　綜合以上兩點，小馬駕駕具有豐富的應用場景，可以為多種行業的、具有運輸調度需求的人員或機構提供優化服務。除了傳統的運輸優化場景，只要是涉及多點之間拜訪的路線規劃問題都能使用小馬駕駕解決，比如VRP問題的特例——TSP問題(Travelling Salesman Problem)最早提出時解決的“銷售員路徑規劃”，又比如倉庫內各貨架之間的揀貨路徑等等。小馬駕駕在客戶畫像上還擁有很大的想象空間。

　　聯系我們：

　　官方網站：www.shanshu.ai

　　商務合作：shanshu@shanshu.ai

　　辦公電話：010-8418 6505

　　Photos accompanying this announcement are available at:

　　http://www.globenewswire.com/NewsRoom/AttachmentNg/848eac9c-d083-4deb-8473-a66c526eded3

　　http://www.globenewswire.com/NewsRoom/AttachmentNg/ed5afe1c-86a8-4d1e-a139-f10367a26a2c

　　http://www.globenewswire.com/NewsRoom/AttachmentNg/1f6fc3f1-182e-41db-ab19-28199bc609e7

　　http://www.globenewswire.com/NewsRoom/AttachmentNg/a7417e67-f711-4b1f-bdc4-40196580ce5b

【廣告】