过去,物流行业的效率提升主要靠不断地优化设施,比如仓库的位置、车辆的选择等等。这种方式要付出更大的代价,比如在成本上要投入更多,提升的瓶颈也非常明显。

因此,对“智慧物流”的强烈渴望和迫切需求正在逐步将货运及物流这个看似低端行业的信息化潜能激发出来,同样也离不开当下最火的人工智能、物联网技术。

物流汽运拥堵情况普遍存在且日趋严重

9月19日,全球资讯管理公司贝恩公司携手智慧物联网公司G7联合发布《中国公路货运市场研究》报告。报告分析,中国物流行业正面临着提升效率的关键难题,而以大数据为基础的智能化管理工具和技术手段是帮助中国物流企业提升效率的关键。

为什么效率成为了行业面临的关键问题?贝恩与G7合作,对使用G7系统的50余万辆货运车辆的运行数据进行分析。

报告显示,中国公路货运整体周转量为610百亿吨公里,重型卡车保有量超过500万辆,轻中型卡车保有量超过1400万辆,市场规模超过5万亿人民币,已成为世界第一大公路运输市场。与之相比,中国物流行业的效率却并不高,物流费用占GDP的16%,同发达国家10%的水平相比差距很大。

研究发现,目前中国物流汽运市场的总体格局呈现以下特征:

· 以京津、长三角 、珠三角和成渝为枢纽的运输网络已经成型。广东、山东、江苏、浙江、四川、河北等全国GDP排名靠前的省份也是运输最繁忙的区域。这些地区制造业较为发达,消费水平较高,同时道路建设状况也较为完善,催生了大量对于原材料和成品的运输需求。

· 线路繁忙,但是平均速度普遍偏低。研究选取了国内最繁忙的10条线路,发现汽运平均运行时速在约50-65公里/小时,相比发达国家约75-80公里/小时的平均水平仍有差距,车辆性能及车况差距、公路拥堵程度、公路路况、收费流程等是导致中国汽运整体平均速度低于发达国家的关键因素。

· 拥堵情况普遍存在并日趋严重,且具有较高的随机性。道路拥堵是制约运输时效与效率的关键因素之一。以进出上海的繁忙线路为例,超过30%的时间车辆是处在拥堵和阻塞状态的,并且对比2017年上半年与2016年,可以发现堵塞状况明显上升。

针对拥堵情况,报告分析出了一定的客观原因。比如,汽车保有量增长的速度超越了公路承载能力的提升。

对此拥堵给出的建议是,在车队实际运行中,物流企业可以通过路由动态规划优化路径选择,规避拥堵,提高效率。动态路由规划从拥堵预判、路线调整和拥堵成因分析的角度大幅度降低了车队在拥堵方面的风险。通过对车辆位置及行驶速度的分析,数据平台可以即时发现拥堵并对车队进行提前警告,并通过路径规划、实时语音交互等手段引导车队选择最优的行驶路线,从而大幅度提升运作效率。

此外报告还发现,中国在路由实时监控设备的安装上还有很大的发展空间。未来随着中国向大型车队的整合,物流科技的完善和车队管理提供商的发展,动态路由规划将会日益普及,成为汽运行业的一剂强心针。

除了物流汽运市场的总体格局特征,报告还单独对中国市场汽运车队效益进行了分析,比如车队规模的扩大有助于车辆行驶效率提升。大型车队对车辆的利用率显著高于规模较小的车队。以顺丰、圆通、德邦、安能等快递快运企业为首的大型用车客户非常注重成本管理和效益提升,从而也从需求端提高了对大型车队的效率要求。

再比如,通过培养良好的驾驶习惯提高油耗效率。在物流汽运的成本组成中,燃油费是最重要的项目之一,其比例将近运营成本的~30%。从之前的节油案例反馈来看,最优秀的单车,可单月通过节油达到2.6万的成本节降。另外,大数据对车队油耗水平的改进也效果明显。车载系统可以探知转速、刹车、怠速、油感等一系列数据,对司机的驾驶行为实时监控,及时发现偷油等违规行为。

针对报告的重要结论,贝恩公司向物流与运输企业提出了进一步提升竞争力的四点建议:

1. 物流企业在进一步布局优化枢纽与运输网络时,应充分考虑各大区域的物流中心分布形态的实际情况及差异化。

2. 利用物联网、大数据等分析工具对路线进行动态规划,更合理地规避拥堵,提升物流时效与效益。

3. 扩大车队规模进行规模化运营是降低成本的关键之一。

4. 利用数字化手段实时监测车况并精确管理驾驶行为,是提升车队效益的另一关键。

“智慧物流与传统物流最大的不同在于人的变化”

如今的货运行业现状存在诸多问题,亟需向智慧物流跨进。然而何为智慧物流与传统物流的明显差异?

G7 CEO 翟学魂认为智慧物流与传统物流最大的不同在于人的变化。他向36氪分享到,他曾去过一个一千台的大车队,运营总监是个数学博士,学的是算法。在翟学魂看来,在中国以前管理车辆绝大部分的情况下是靠经验,其实不光是管理车辆,管理物流都要靠经验。

而现在管理上千台车的大型物流公司的运营总监是数学系博士学算法的,他认为这就代表一个趋势。过去由于没有足够多的数据,没有框架,只好用无数人脑里的算法,而且拥有这些算法的人是说不出来的,所以必须要有几十年经验的人进行管理。然而现在物流行业的人都很年轻,他们懂得怎么处理数据,懂得用机器做的算法来进一步提升运营效率。

 “传统物流和未来区别在哪里,我觉得首先人的区别就在这里,未来的管理者不是靠经验的,是靠数据,靠联接,靠AI的辅助来做管理的。”翟学魂告诉36氪。

G7在智慧物流链条中做的事情是运用物联网技术和人工智能技术,通过在车子不同部位装备物联网感应装置,采集货车、司机、场站等物流链条节点数据,从而让货主、物流公司、司机三方在运输管理过程中实时可视可控,最终形成完整的货运数据体系。

利用AI技术,货运车队安全隐患或大幅下降90%

整个的物流效率当中,有几件非常重大的事,比方说,比油耗更重要的是安全。

实际上所谓的货运过程当中系统性的风险,就是指它一定会发生的。比如:司机一开就是十个小时,他一定会困;如果他每天都开十个小时,他过一段日子一定会出事;如果他紧急拐弯的频次高,他一定会侧翻。

这些风险是系统性的风险,而这些系统性的风险,通过物联网和人工智能,全部都是可以提前预知的,能够提前预知,就能够提前避免。通过采用AI技术的安全手段,车辆从车队一天有九百多次安全隐患,变成一天只有三十次,达到 90%以上的下降。

再比如,在包裹运输中可能产生迟到的情况。而迟到无非就几个原因,高速公路堵车,封路,司机打麻将,也是90%以上的系统性延误。所谓的系统性就是行业常态,就是因为这些行业常态导致了延误的风险。因此一样可以帮它提前预知所有的风险,预知就能干预,干预就能解决。

最后怎么能让司机的驾驶行为变得更好?驾驶行为就是那么几件事,怠速、急刹车,这也是系统性的,无论是安全还是效率,还是成本,如果能够做好,提升的空间不是3%,而是20%、30%。

G7翟学魂想要把所有系统性的问题通过AI,通过智能的设备,通过物联网的技术解决掉。

翟学魂打了个比方,所谓的AI,就是我坐在您旁边,我就是最懂驾驶的司机,我就是最知道怎么开车的,当然我就可以把你所有的问题解决了。但原来你雇不了一个人在旁边,现在AI就能解决这个问题。从我们的角度,我们就是要用人工智能去预知所有的货运当中的系统风险,安全的问题,不当的驾驶,预先解决掉这些问题,使得我们天天碰到的这些所谓管司机太烦了,管车队太烦了这些系统性的问题得到相应的解决,把这90%的问题解决,剩下的问题才是真正需要人解决的。

“我们看到我们客户群在成长,也看到我们过去做的工作,最起码让他们的油耗比个体司机低了。我希望以后越大的公司,越懂得管理的公司,我们给他们的工具,使他们显著比更小的公司更安全,它的油耗比更小的公司更好,因为它能不断地用机器学习,这是我们应该做的事情。”翟学魂说。

利用AI技术,货运车队安全隐患或大幅下降90%

发表评论

电子邮件地址不会被公开。 必填项已用*标注