中文商业新闻网（biznewcn.com）讯：

　　帮企业解决运输优化问题，杉数科技推“智能运输决策系统”

　　BEIJING, Jan. 18, 2019 (GLOBE NEWSWIRE) -- 随着我国现代物流行业的快速发展，物流信息化建设已取得了显著的成绩，物流企业开始大量采用先进的信息网络技术和数据处理技术进行精细化管理，加速转型升级，以期在国内外物流市场上提高核心竞争力。纵观整个市场，以天猫、京东为代表的电商物流企业，以顺丰、四通一达为代表的快递物流企业，以58速运、福佑卡车为代表的互联网+平台型物流企业，无一不在积极抢滩登陆技术高地。可以说，各类有运输调度需求的企业，都在全力迎接智能化、自动化的颠覆性变革。

　　

 

　　据36Kr报道，杉数科技的智能运输决策产品小马驾驾(PonyPlus)，使用世界领先的人工智能决策技术，解决一系列业务场景中的优化问题，完成从数据到决策的转化，为企业提供全链条技术服务。

　　运输优化主要涉及车辆路线问题(Vehicle Routing Problem, VRP)，由Dantzig和Ramser于1959年首次提出，这个优化问题的基本优化场景是，面对一定数量的、有着不同货物需求特征的客户群体，配送中心组织合理数量的车队，并安排适当的行车路线，向客户派送货物，以期在满足客户需求及场景约束的条件下，实现诸如路程最短、成本最小、耗费时间最少等目的。

　　车辆路线问题是运筹学领域的经典问题之一。运筹学者们先将运输场景中的实际问题(包括目标、约束等信息)用数学形式写出，即构建模型，再使用多种方法计算出最优路线，即优化算法求解，最终得到运输优化方案。

　　在杉数科技的智能运输决策产品小马驾驾(PonyPlus)出现之前，大部分企业只能选择地图服务商等提供的路径优化服务，通过实时的交通情况监控，提供距离最短或时间最短的路线规划。但在实际的运输配送场景中，从时间/距离最短到真正的成本最低，中间还有很多复杂的步骤，如第三方运输企业需要考虑运输全程的配送顺序、落货时间和各种限行、禁行约束情况等等，而对于可以组合多种配送方式(比如空运、陆运、海运，所需时长和限制都不同)、挑选多个承运商(各承运商针对不同配送方式提供的报价一般不同)的货主来说，问题的复杂程度则更呈现指数级增长。

　　企业真正需要的，是一套真正可落地的运输决策方案。基于多家行业巨头的服务经验，杉数科技研发了标准化产品小马驾驾，该产品综合了深入到实际配送场景的业务经验、世界顶尖的数据与决策科学家团队、行业一流的工程化服务能力，为众多标杆企业提供了服务。因此，综合来看，小马驾驾具有以下两大核心优势：

　　核心优势一 真实场景：最懂中国运输优化的系统，节约成本可落地

　　在构建模型时，VRP问题能将现实生活中的各种要求转化为运筹学中的各种约束。以运筹学为核心驱动技术的杉数科技所重磅打造的智能运输决策产品小马驾驾，天生带有亲和业务场景的基因。对于一个周密精当的运筹学模型来说，提出新的业务要求就是在模型上添加新的约束条件，这并不会像一些新兴技术手段一样需要重新学习数据。小马驾驾可以用尽可能多的真实业务约束，来还原尽可能真实的业务场景，使运输优化的结果真正落地。

　　在各个不同场景中，需要考虑不同业务细节，以快件配送服务为例，客户处耗时要着重考虑货物重量、体积、收货方式、有无电梯、楼层高低等因素。有时还要根据特殊需要做出相对应的设置，如要避免进出城路段交替出现、避免东西城互拼、避免配送线路跨长安街等问题，还要注意如司机工作时长不可过长、敲门次数不可过多、不同的站点必须选用指定车型(比如特殊门店限高仅金杯可以通行)等情况。

　　等待时长、作业时长、运输时长等运输环节的真实限制，均来源于客户经验。经过与各类国内企业的深度合作，小马驾驾充分吸收了各种业务场景的多种需求，将订单、车型、商品限运、时间窗、交通条件等各类细节纳入模型，输出真正适用于多场景、多约束的运输决策解决方案。

　　以小马驾驾为我国某大型快递企业输出的服务方案为例，如果仅考虑开行时间最短(也包括天气、路况、客户服务时长等因素)，则快递员的运动路径如图一，小马驾驾则在考虑影响开行时间因素(天气、路况、客户服务时长)的同时，将客户时间窗、客户/订单等级、催收催派、投诉等多种因素纳入模型，再求得开行时间最优的路径解，如图二。

　　

 

　　(左图一，右图二)

　　真实还原业务场景后，数据驱动的最优决策可以直接帮助企业降低物流成本。企业的派单人员大多需要具备多年经验积累才能独立上岗，小马驾驾在可行性上得到了中国最顶尖配送企业、最资深业务人员的认可。经测算，相比于行业平均10-15年的“老师傅”，小马驾驾的排单结果可以使得企业的配送成本降低10%-20%。

　　核心优势二 计算能力：自研高效的复杂道路交通距离矩阵

　　充分考察到每一种约束条件，只是解决问题的第一步。除了约束繁多导致的算法模型的复杂性，距离矩阵也是使用算法计算配送路径问题的一大挑战。距离矩阵，为所有配送点之间的实际配送距离和配送时间。在不同城市分区、分车型、分时段的限行、禁行约束情况，对应的是何处有限重、限高、限宽、限速，并要考虑何处需要调头、左拐、过河/跨桥、何处的站点接近司机住址等问题，都会直接影响距离矩阵计算的复杂度。

　　

 

　　对于交通运输来讲，真实距离和经纬距离有着很大的差异，A点到B点和B点到A点的距离往往是不同的。从车型考虑，小轿车和大货车在两点间的距离也是不同的。一个中小规模的服务商覆盖的配送点数量一般在500-1000之间，小马驾驾将车型分为5大类，以500个点为标准，2分钟之内距离矩阵上的计算量就能达到125万，这样的计算量，常规方法至少需要2小时才能处理完成。

　　

 

　　但实际业务需求并不允许长时间计算。可以说，所有高价销售配送服务解决方案的提供商们，核心竞争力都是对业务的响应速度。行业通行的做法，一般是退而求其次地选择非常失真的经纬度进行计算，或者安排资深业务员进行分单。而小马驾驾的核心突破就在于——可以在2分钟之内准备好一套500*500、5种车型的配送解决方案。

　　一直以来，小马驾驾都与中国最权威的货运地图数据商深度合作，除了数据商始终为杉数开放着大流量数据传输接口，杉数科技自行搭建的距离矩阵数据库，也是小马驾驾输出高效、准确的计算结果的坚实支撑。在杉数自建距离矩阵上，储存着杉数已完成的计算结果，供系统极速调用。更重要的是，杉数拥有一系列自主知识产权，在处理最优化问题时，熟练地使用模糊最优等运筹学方法，极大地加快求解速度。同时始终以最顶尖科学家阵容投入优化求解器的研发——仍在封闭研发期的Cardinal Solver，在服务某国内工业巨头时，在规定时间内最多可解决两亿变量的生产排程问题。

　　汇聚杉数丰富业务经验和顶尖技术能力的小马驾驾，在真实业务场景中实现了速度与精度的并存，通过权威地图商数据的深入量化分析，得出了计算效率更高、计算时间更短、求解更精确的解决方案。

　　举例来说，小马驾驾在为某大型家具公司制定复杂的配送优化方案时，场景中有大量业务难点，比如北京市道路限行约束复杂、订单分布较散、客户严格并且有大时间段的收货时间窗、家具安装时间波动大(从10分钟到10小时)、近百种车组服务/运输能力差异大等。该场景需要在满足客户时间窗的要求下，将任务合理地分配到合适的车组，并保证路线少跨区、里程数稳定。最终小马驾驾将企业每日全城的调度时间从3小时压缩至15分钟。经企业测算，平均用车成本下降近10%～25%。

　　一、 产品亮点

　　在运输配送中会遇到很多业务挑战，如车辆人员资源匹配不合理、时间窗约束严格、城市分区分车型分时段限行、业务模式复杂多变、手工调度造成效率低下等。这些问题可能会出现在整个运输配送链条的各个环节上，而运输优化的目标，就是优化整个链条，减少运输成本，提升资源利用率和业务响应速度。为了更好地服务客户，小马驾驾有以下两个亮点：

　　亮点一 算法革新，比客户更懂客户

　　将业务场景中的实际约束纳入模型，小马驾驾把资深员工的经验变成了系统。但人的经验也有限度，真实业务场景中有一些很难收集的数据，比如客户处有没有电梯，客户签收是抽查还是每箱开箱等，都极大地影响着客户处耗时的计算。这些信息有的可以稍作统计，但大部分则无法逐户收集，赶上下雨、下雪等极端天气，情况又会有所变化。只有最富有经验的资深业务员可以对规律稍加把握。

　　针对这一类问题，小马驾驾特别研发了人工智能算法模型，对客户优先级、客户处耗时、在途时间等进行学习，让系统“越用越准”。在服务快消行业百威英博物流配送项目时，小马驾驾通过学习司机画像、站点属性、站点卸货条件、卸货商品大类及数量，从而得到了在不同店面、不同司机、不同配送货物的因素下卸货时间的预测模型，使得到货准时率提升了近30%。

　　凭借世界领先的深度学习和机器学习技术，小马驾驾只需获得3个月以上的历史数据，就可以发掘数据规律，不断修正约束的输入值，不断发现此前未发现(变化中)的约束条件，使参数更加真实，为用户提供更多超越已有经验的参考值。

　　亮点二 灵活多变，个性化服务

　　变化频繁的路况、复杂的客户要求，都为制定各类配送场景方案提出了挑战。经过与多家企业的磨合，小马驾驾可以根据客户实际情况，提供灵活多样的合作方式，满足运输产业各个阶段企业的不同需求。

　　在服务模式上，小马驾驾既可为客户提供整套系统的搭建服务，也可根据客户需求提供API模块或标准化的SaaS服务。在服务方案上，用户可根据实际需要对车型、车辆、站点、订单、优化目标等参数进行相应的调整。

　　小马驾驾尤其注重服务体验。配送问题中，复杂多变的交通环境与纷繁紧急的客户要求之间存在天然的矛盾关系。很多场景下，用户的需求(包括取货和送货需求)是实时产生的，交通情况的突变却难以估量。与很多自动化系统不同的是，小马驾驾中很多精细的产品设置，使得“硬约束”可以“软着陆”，创新性地使用多个参数来为具体执行人员提供更大的灵活空间。

　　亮点三 实时优化，应对特殊状况

　　计划赶不上变化，运输优化决策方案在实际执行过程中还是会面临各种不确定性。如遇到交通状况变差或其他突发情况时，原定路线可能不是最优解。而基于强大的计算能力，小马驾驾提供实时优化功能，用于应对突发情况下的路线调整。调度人员可以一键实时优化，计算出最新的最优路径及每个站点预计到达的时间(下图中红色线条表示拥堵)。

　　亮点四 应用广泛，丰富的优化场景

　　小马驾驾立足于标准的VRP算法，对不同类型的路线优化衍生问题进行长期深耕，探索出了一系列算法求解方案，拓展了产品的应用场景。

　　一方面，就运输模式而言，小马驾驾能够覆盖以下多种提送模式：

　　另一方面，就运输决策过程而言，小马驾驾可以从以下四个层面进行优化：

　　按照对运费节省由低到高来排，依次是执行跟踪层优化、运作层优化、战术层优化、战略层优化。

　　综合以上两点，小马驾驾具有丰富的应用场景，可以为多种行业的、具有运输调度需求的人员或机构提供优化服务。除了传统的运输优化场景，只要是涉及多点之间拜访的路线规划问题都能使用小马驾驾解决，比如VRP问题的特例——TSP问题(Travelling Salesman Problem)最早提出时解决的“销售员路径规划”，又比如仓库内各货架之间的拣货路径等等。小马驾驾在客户画像上还拥有很大的想象空间。

　　联系我们：

　　官方网站：www.shanshu.ai

　　商务合作：shanshu@shanshu.ai

　　办公电话：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

【广告】