機器學習推動運輸與物流行業(yè)變革的四種方式
不過，卡車運輸業(yè)正在經(jīng)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(shù)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(yè)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(qū)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(shù)據(jù)計算和數(shù)據(jù)流，最終將其匹配和供應性能提高30％。
AI和機器學習對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)科學或手動檢查儀表板而節(jié)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(lián)酋的Aramex（提供國際和國內(nèi)快遞、貨運代理和在線購物服務）的實時運輸業(yè)務每分鐘處理數(shù)千個請求。通過部署完全托管的基于云的服務，使開發(fā)人員和數(shù)據(jù)科學家能夠訓練，構(gòu)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(guān)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(shù)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(yōu)化了我們的交付路線。
過去幾年的經(jīng)驗教訓很明確：在運輸與物流行業(yè)中的競爭從未如此復雜，而盈利能力只有真正的技術(shù)驅(qū)動效率才能帶來。幸運的是，人工智能和機器學習的新創(chuàng)新通過為企業(yè)提供解決其最大問題和發(fā)展所需的先進工具，為他們提供了巨大的優(yōu)勢。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
