完整報告下載：2020人工智能在物流行業中的應用前瞻.pdf

近年來，各基礎物流服務商紛紛進行業務領域的拓展，物流企業以更加多元的業務結構為目標，探索更大的生存空間。在此背景下，AI+物流得到了迅猛的發展，物流這一相對傳統的大眾服務行業，將在運輸、倉儲、配送和管理等各場景接受人工智能技術的全面改造。

本節介紹人工智能賦能下的新一代物流的優秀案例，包括了圓通、京東、快倉、蘇寧、中通、海康威視等。同時也展示了在人工智能技術賦能下，這些物流科技將如何提升服務效率和服務質量，從而推動整個物流行業從勞動密集型服務行業向科技密集型服務行業轉變。

圓通車載智能動態重量監控系統

圓通速遞于2018年開始車載實時稱重系統項目，研究車載動態稱重技術應用于快遞物流整車稱重的可行性。該系統的工作原理是通過測量車輛的唯一支點、承擔貨車所有承載重量的橫橋因車輛載貨而產生的微變形，解算出貨車的載重量。該項目是圓通速遞與深圳漢德網絡科技開展的產研合作的代表，雙方成立了智能車載實時稱重聯合實驗室，智能車載實時稱重為實驗室產品之一。

目前，圓通速遞在進行批量應用示范，部分車輛已達到試點使用的要求，一定程度上提升了轉運中心場內的調度效率，保障了車輛在途時效、準點率和快件時效。該項目獲得了2018年度郵政行業科學技術獎三等獎。

圓通的車載智能動態重量監控系統項目利用車載實時稱重的基礎技術，結合快遞企業裝卸貨及運輸的應用場景，建立針對快遞物流行業的算法模型，通過長期的車載數據收集使用大數據技術，對算法模型進行深度訓練，使該技術的測量誤差達到理想水平,實現了智能車載實時稱重技術的低成本、高精度的批量使用，打破了以往該技術只局限于粗略計量場景的現狀。該系統包括：信號采集模塊、信號傳輸模塊、載重信號收集及處理模塊、顯示模塊、GPS/GPRS信號傳輸模塊，云端服務器，以及用戶終端等 7 個部分組成，如圖3.8所示。

圖3.8 圓通HD-TLS01系統組成架構

主要包含的創新點及人工智能技術有：

（1） 對“A點出發，B點裝卸，C點過磅”的模式進行突破性的創新

數據終端隨車而行，即在車輛載貨時進行實時稱重，在車輛駛離出發地，到達目的地的過程中車輛亦被實時監測。監測全程由計算機完成，不涉及任何人工操作。

（2） 數據實時傳輸

HD-TLS01可將載重數據無縫隙、無間斷的通過網絡發送到平臺，配合位置信息全天候監測車輛載重量，并按小時、次數、天、周、月、季度、年等條件對已有數據進行統計。

（3） 獨特的解算算法

蠕變補償、零點跟蹤、分段標定等多種算法的結合構成了系統獨特的軟件解算算法。在車輛行進中，爬坡、偏斜、拐彎車頭歪斜及路面不平都不會影響其特性。

目前該技術僅在圓通速遞網絡內使用，后續目標是通過將該技術和快遞行業的深度結合，搭建快遞行業的智能車載實時稱重平臺，將該技術推廣到整個快遞行業甚至物流行業，實現快速應用。

京東智能網絡規劃系統

2018年6月，京東智能網絡規劃系統正式投入應用。該智能系統應用運籌學、機器學習算法共構建了3個核心模塊，分別為智能選址、智能路由、商品布局，在內部上承載了商城電商物流業務的內部物流服務，實現了物流運營層面的精益化成本集約需求；外部上，開放的物流業務也為外部客戶提供了高品質低成本的供應鏈/物流服務，科學平衡了京東復雜大規模網絡規劃場景下的成本和時效。京東智能網絡規劃系統的三大核心模塊涉及的關鍵人工智能技術詳細介紹如下：

智能選址

在基于人工智能的智能物流體系下，智能選址包含倉儲環節的倉網規劃、運輸環節的分揀布局、配送環節的點網布局。京東物流基于自有場景進行分析，形成了一套可復制推廣的智能選址解決方案：

圖3.9 京東物流智能選址路線圖

面向多節點選址的機器學習技術：根據現實環節的各種資源限制條件采用機器學習方法(預測回歸、場地畫像等)進行充分優化學習，從而給出接近最優解決方案等選址模式。

面向多節點選址智能計算技術：利用大數據分析結果將供給與需求節點進行合理空間聚類，再結合智能算法對備選場地進行優化求解。

智能路由

路由網絡規劃需同時完成大規模路由網絡中分揀中心生產波次的設計、全網運力的組開、分揀之間的經轉關系等，網絡中任意一個波次、運力、經轉關系的調整都會對整個路由網絡產生人工無法預測的全局性影響。為解決上述問題，京東創新性的將實際業務場景中的大規模路由網絡規劃抽象為混合軸輻式網絡設計問題，通過人工智能技術與場景融合，形成一套可復制推廣的智能路由網絡規劃解決方案:

圖3.10 京東物流智能路由技術路線圖

面向全網智能網絡路由規劃的機器學習技術: 實現產能預測，流量預測，運力分析，單量聚類，挖掘多級樞紐定位。

面向全網智能網絡路由規劃的智能計算技術: 實現1000ms級最優網絡規劃，一次性完成分揀波次、點對點運力組織、分揀經轉關系的設計，科學平衡了大規模路由網絡的時效和成本。

商品布局

商品布局是研究應用于實物商品在空間物流網絡上的庫存布局問題所需的關鍵技術，包括銷量預測技術、分倉布局技術。京東物流實現的關鍵技術有：

圖3.11京東物流商品布局技術路線

預測技術：包括機器學習預測技術及大數據預測工程化技術。前者基于傳統機器學預測算法(XGboost、SVM、RF等)基礎上自主研發級聯預測技術、新品預測技術、低頻預測技術，具體內容如下所示：

圖3.12京東物流商品布局預測技術

分倉布局技術：包括商品關聯挖掘技術及物流倉網決策技術，前者對關聯性進行基于時間序列的濾波與短期預測，繼而采用譜聚類SC，構建商品間“相似品類”關聯關系；后者采用Monte Carlo仿真與區域訂單出庫密度，計算每個待選倉庫的適應值，并考慮時效滲透率約束、倉數量約束、拆單率約束，以整體倉儲、運輸成本最低為目標，采用遺傳GA算法及梯度下降法，迅速求出當前在拆單、成本、倉數量目標下的帕累托解集供業務進行決策。

目前，以上技術已經在京東物流覆蓋中國大陸100%的行政區縣，99%的人口的網絡上投入運營。其中，智能選址使特定物流節點日均運營成本預計降低15%-20%；智能路由使網絡成本降低了10%，路由網絡時效縮短了12%；商品布局使拆單率降低約3%，總體倉儲降低10%，商品庫存周轉降低約10%。

京東X倉儲大腦

京東無人倉投入運營以來，智能化生產模式發展迅速。然而物流機器人數量多、設備模型、接口、技術特點駁雜繁多，設備巡檢和及時維護工作量大，要求無人倉做到“高效運維“。X倉儲大腦是為了實現無人倉“更有效率”這個目標的高度智能化產品，所屬技術為工業互聯網和人工智能兩個領域。

X倉儲大腦的主要功能包括：(1)訂單生產數據的監控和預警，資源優化配置建議，數據統計與分析；(2)機器人重要數據監控和預警，診斷建議，數據統計與分析；(3)規劃算法建模參數輸入與自動化建模流程；(4)適配辦公室場景的PC版，以及適配移動辦公場景的移動版。X倉儲大腦系統架構如下圖所示：

圖3.13 X倉儲大腦系統架構

其主要涉及的人工智能創新點及核心技術有：

算法創新

電池健康度算法：傳統的下線檢測電池健康度是一項耗時且造成資源浪費的方式。項目通過實時采集線上機器人電池充電數據，結合深度學習與全新電池數據分析比對充電效率，實現在無需下線的情況下計算線上機器人的電池健康度。

資源調配算法：工作站和AGV是貨到人倉庫中重要的生產資源。項目綜合使用預測技術和運籌優化技術預測未來若干天的生產情況，計算多天的資源配置計劃，給倉庫管理人員提供多天的排班建議，實現按需生產。

自適應生產頻率變化的訂單量預測算法：準確預測訂單量是倉庫安排生產資源的重要依據之一。項目通過對新舊業務模式的共性數據進行建模，模型可根據新業務模式不斷調整，順應業務的變化，解決了新業務缺少數據難以建模的問題。

技術創新

項目的技術核心為利用分布式消息隊列技術的高并發讀寫、高吞吐、高實時性等特點巧妙地應用到倉儲AGV設備數據采集的場景中，在解決了傳統采集方式存在若干問題的同時，保證了數據的時效性和可用性，其數據采集架構及主要涉及到的人工智能技術有：

圖3.14 X倉儲大腦數據采集架構圖

 多元化海量傳感器數據實時采集系統：倉儲物流的場景中，運營無人化是目前行業內急需攻克的難點。實現倉儲運營無人化首先要解決的問題是如何能全方位的掌握無人運營倉儲的實時狀態用于決策。為應對挑戰，X倉儲大腦項目組利用已有技術自主設計研發了多元化海量傳感器數據實時采集系統，實現了無人倉儲場景下海量傳感器數據的實時采集功能。

基于中心化技術和大數據分布式相結合的數據存儲：傳統存儲方式具有數據處理鏈路短，分析、開發應用周期短的優勢。但是在自動化倉儲的場景下多元數據結構、海量數據讓傳統存儲架構變得難以承受。本項目使用企業級的數據同步工具，數據中心（IDC）進行同步數據加工，實現數據中心化存儲；基于Hadoop集群的HDFS實現海量數據的存儲；MapReduce和Spark計算框架讓海量歷史數據的分析與計算成為可能；Strom、Flink等流式計算框架結合Kafka的數據中間件將數據處理與分析的時效性從T+1進一步提升到T+0，讓當日內的數據分析、診斷和控制變得時效性更高更具有應用價值。

 多時態數據統一計算框架：在無人倉儲場景下要求計算框架滿足多時態數據的計算需要。本項目借鑒了Kappa架構的思想，建立了以T+0流式處理系統結合消息隊列系統為主要計算、存儲框架，兼容歷史批處理任務的多時態數據存儲計算系統。將批處理任務轉化為具有狀態的流式時間窗數據，按照流式處理范式進行處理。突破性的解決了這一難題。

 基于大數據技術的機器學習算法平臺：算法平臺為X倉儲大腦提供基于業務需求的分類、預測等算法與數據處理支撐。創新性的實現了實時觸發式任務執行功能，實時響應數據計算需求，調度資源完成計算任務并回傳結果，改變以往只將離線大數據計算用于離線數據分析、數據建模的應用方式。

X倉儲大腦自2018年8月投入應用，在智能物流機器人行業，提升規劃、運營監控及維保效率高達80%，降低人力成本高達50%，預計每年能節省22000萬元。應用了X倉儲大腦的京東無人倉，在經過近一年的快速發展后，無論是訂單處理能力，還是自動化設備的運維能力，都已經處于行業領先水平。

快倉智能倉儲機器人

（1） 國內首個醫藥智能倉儲機器人系統

隨著智能物流時代到來，智能倉儲機器人已經被廣泛應用在電商、3PL、零售、傳統制造等行業，國內幾大電商巨頭也紛紛將倉儲自動化智能化推向新的階段。快倉作為專注于提供具有世界級水平的智能倉儲解決方案的公司，在業界擁有良好的口碑，更注重在醫藥行業智能機器人倉儲系統這個空白領域進行深入研究、探索，此次與國內知名系統集成商一起強強聯手，推出的某藥企智能機器人系統讓醫藥行業的智能化不再是“理想化”，加速推動了整個醫藥行業智能化發展進程。由快倉與國內知名系統集成商一同攜手打造的某藥企智能倉儲機器人系統，將機器人引入傳統醫藥行業，這標志著國內首個醫藥行業智能倉儲機器人項目正式揭開她神秘面紗。

該系統主要涉及了智能機器人箱揀區、輸送系統、自動分揀區，示意圖見圖3.13。機器人箱揀區的整箱貨物來自高位貨架區與零箱收貨入庫，主要負責整箱貨物通過輸送線至自動分揀區出庫與補貨至隔板貨架拆零區；自動分揀區主要負責機器人區與拆零區貨物進行自動分揀。

 圖3.15 項目示意圖

快倉打造的智能倉儲系統以移動機器人實現“貨到人”作業方式，在所有涉及到分揀庫區的業務流程中（包括上架，補貨，揀貨，盤點，退貨等），員工都無需進入分揀庫區內部，只需要在工作站等待，系統會自動指派移動機器人將目標貨架運到工作站，待員工在系統指導下完成業務后，再將貨架送回到分揀庫區。這大幅提高了作業效率，有效降低了人工強度及成本。

快倉智能倉儲機器人不僅完成包括上架，揀選，補貨、退貨，盤點等流程的完整訂單智能履行，同時還與AS/RS，各式流水線+滑道、升降機等自動化設備完成了高效聯動，提高整體作業效率。

相比傳統人工倉，機器人運作效率提升2-3倍，快倉系統單臺工作站揀選效率可達250箱/小時。相比傳統貨架，空間利用率明顯提升。空間利用率提升15%，倉庫儲量提升1.5倍多。

（2） 某服裝企業智能倉儲機器人

對于服裝行業，在不斷高速擴張的同時，提高物流效率才能使企業具備行業領先的競爭力。2018年，快倉為某服裝企業部署全智能的“貨到人”機器人倉庫。以提高倉儲的作業效率，減少人工成本，并在短時間內得到投資回報。

該智能機器人揀選系統由一系列移動機器人、可移動貨架、補貨、揀貨工作站、WCS和RCS系統構成。以人工智能算法的軟件系統為核心，來完成上架、揀選、補貨、退貨、盤點等庫內全部作業流程，員工只需要在工作站完成掃碼，裝箱的動作即可。系統具有很高的柔性和擴展性，分揀效率可達到14,000件/天。

快倉根據客戶特殊應用場景需求，針對AGV的使用進行了定制化研發設計。本次共部署了20臺AGV，項目從前期溝通到規劃、研發、實施，直至最終上線，歷時數月，實現從原來的純人工作業模式到揀選出庫流程的智能化操作轉變。月平均出庫量由原先400萬件增加至600萬件，大幅提升了月出庫作業效率。

蘇寧物流智能決策系統

蘇寧物流智能決策系統運用運籌優化、機器學習和深度學習算法，建立了3個方面的核心新應用，分別為智能網絡規劃、智能倉儲和智能調度，通過挖掘數據價值重塑物流運作流程，賦能蘇寧物流降本、增效、升體驗，實現智能物流轉型升級。蘇寧物流智能決策系統涉及的人工智能關鍵技術內容如下：

（1） 智能網絡規劃

蘇寧物流智能網絡規劃系統，運用運籌學、機器學習算法，搭建4個核心模塊：路由網絡規劃和網絡布局。先對現有的運輸網絡、倉庫網絡、分撥網絡和站點網絡進行診斷，發現可以優化的網絡規劃，實現物流運營層面上的精細化經營；再基于運營和時效等數據，對新增加的網絡規劃進行評估，調整布局方案，在經營效率不降低的前提下，降低整體的運營成本。蘇寧物流智能網絡規劃系統的兩大核心模塊設計到的關鍵技術詳細介紹如下：

1、網絡布局

基于大數據和人工智能的智能物流場景下，網絡布局對物流全流程進行分析。其中，倉網布局包含現狀的經營分析和庫存分析、規劃的新開倉評估模型、選品的鋪貨建議。從現狀到規劃，對倉網的健康程度進行診斷，輔助倉網的經營作業，為新開倉提供分析模型。

圖3.16 蘇寧物流智能網絡規劃示意圖

面向多節點倉網智能計算技術：運用大數據技術和運籌優化算法，結合倉網的銷售數據、經營數據和實效，進行優化求解，給出分析結果。

2、運輸網絡規劃

在物流和快遞運營中，運輸成本和中轉成本是總運營成本的主要組成部分，而網絡和路由的設計決定了運輸成本和主要中轉成本的高低，也決定了服務時效的快慢。過去車輛線路、路由的規劃基本依靠人工經驗，但因為分撥中心數量較多，貨量結構較復雜，可規劃的各種線路和路由組合可能性非常多，所以單純依靠人工經驗判斷很難實現全局最優。另外，考慮市場環境的變化，貨量是在不停波動的，所規劃的車輛線路和路由需要及時調整才能保證和提升服務質量，減少成本的浪費。而僅依靠人工很難及時且精確地捕捉到貨量變化而所需要優化的點，進行相應的規劃優化和調整，因此，蘇寧開發了運輸網絡規劃系統：

 

圖3.17 蘇寧物流智能網絡規劃系統示意圖

運用啟發式算法完成路由推薦功能：基于現有線路和班期規劃，推薦多種路由，可根據實際業務需要選擇最合適的路由發運。

運用精確求解算法實現全網路由規劃：通過調整輸入未來貨量、以及未來備選中轉場，可測算未來貨量和分撥中心下的分撥中轉貨量，為分撥中心的新建、擴建提供支持。

（2） 智能倉儲

倉儲管理存在商品種類多、庫存量大、作業量大、決策環節多等特點，任何一個環節的決策結果都將影響到最終的作業效果。針對倉儲管理的這一特點，蘇寧通過人工智能技術與作業場景的深度結合，建立了倉庫管理的一體化解決方案。該方案覆蓋庫內布局-上架-補貨-調倉-理貨-揀選-包裝7大作業環節的算法體系，提供評估-診斷-建議再評估的閉環反饋服務，對倉庫利用率和作業效率的提升效果明顯。

圖3.18 蘇寧物流智能倉儲體系示意圖

（3） 智能調度

智能調度包含干線運輸的車型推薦，支線運輸的車輛路徑規劃和末端的攬配訂單分派，借助人工智能技術，實現物流運配環節車輛、人員、設備等作業資源的協調統一，使作業效率最大化。

針對訂單分配的智能算法：通過歷史訂單信息，運用機器學習算法，對配送區域、快遞員和客戶進行畫像分析，將訂單分配給最合適的快遞員，優化快遞員和客戶的體驗。

針對車輛調度的智能算法：結合現實場景下的各種限制條件和管理決策需求，運用運籌優化算法，對運輸線路的車型和車輛路徑進行優化求解。

 

圖3.19 蘇寧物流智能調度體系示意圖

中通智能寄件桶-小藍桶

隨著AI技術的發展，無人自助智能設備將是未來公共服務基礎性設施，當下快遞服務已成為人們日常生活必不可少的部分，而貼近人們服務的收、派兩端無人自助智能設備的植入已成為必然趨勢。中通快遞順勢推出無人自助智能設備寄件桶小藍，可以很好的解決目前寄遞服務中三端存在的一些問題，用戶端：不可控的等待，等待快遞人員上門取件時間長，等待成本高；無法滿足夜間寄件需求；快遞員上門攬件，隱私和人身財產安全存在風險。快遞網點端：隨機取件成本高，人難招，員工流失率高。快遞員端：上樓服務時間成本高，效率低。

中通智能寄件桶小藍采用物聯網、互聯網相結合的基礎技術，結合快遞用戶寄件的應用場景，用戶通過手機APP注冊操作控制設備自助完成寄件。并采用超低功耗藍牙通信技術，最大程度的節能降低落地推廣的成本。該系統主要包括：智能控制系統、智能電池管理系統、手機APP、云端后臺管理系統。

圖3.20 中通智能寄件小藍桶系統示意圖

其主要包含的創新點及人工智能技術有：

寄件模式的創新

從下單、結算、投遞整個寄件過程用戶只需一部手機并在1分鐘內全部搞定，無需等待。并可實現7x24小時隨時隨地寄件。

去電去網

現有的快遞柜采用接場電供電、4G通信控制的模式。存在落地成本高、場地限制影響大、后期運維成本高等問題。小藍桶采用太陽能電池供電技術和超低功耗藍牙通信技術。太陽能供電可以讓“小藍桶”無需接場電，安裝不受場地限制，落地推廣成本低，且節能環保；超低功耗的藍牙通信可最大程度的節能確保設備使用的持久性，用戶手機APP與“小藍桶”通過藍牙建立通信后并通過用戶手機的GPRS傳輸數據，“小藍桶”自身無需接網。

智能派單

系統結合大數據分析、智能定位、快遞員其它的任務單計算合單處理智能分配業務員，實現業務員定時、順道等取件，最大程度的提高工作效率，降低運營成本。

圓通速遞智能語音客服

目前企業所用的智能客服系統普遍用于業務解答，系統的開發模式主要基于企業的知識庫，采用關鍵字匹配來推薦答案，這種方式雖然直接，但其實沒有很好地考慮到客戶的提問習慣。基于語音識別、自然語言理解等AI技術派生出了智能文本客服系統、智能語音客服系統，如全天候客服機器人、智能語音質檢、智能外呼機器人等產品。圓通速遞的智能語音客服系統能以結構化的語言讀取信息，在客戶自然語言和計算機結構化語言建立了一定的機制做好翻譯工作，從而全面提升了客服的工作效率。圓通速遞的智能語音客服系統主要的應用場景有：

（1） 智能在線機器人客服

圓通速遞在2017年開始相繼在官網、微信等渠道上線國內版智能在線機器人客服，代替或協助人工在線客服完成客戶服務工作，一定程度上解決了客服用工成本高、服務時間難以滿足客戶需求的問題，從而節省人力、降本增效。

2019年國際版等智能在線機器人客服上線投入使用，該項目是圓通速遞與上海大學人工智能團隊開展的產學研合作的代表，雙方組建了技術研發團隊，目前已在機器人識別及語義理解等核心算法方面取得顯著成績。綜上，智能在線機器人客服累計總接單量近5000萬單，平均應答率超過90%，智能在線機器人采用基于規則統計和深度學習相結合的先進技術，實現精準的意圖捕捉、情緒識別、情感分析后的多輪交互，給客戶帶來親和又新奇的服務體驗。該項目獲得了2018年度郵政行業科學技術獎三等獎。    

在線機器人客服處理流程：

圖3.21 在線機器人客服處理流程

（2） 智能客服語音呼入

2018年圓通速遞上線智能下單業務和智能查詢業務。通過呼叫中心平臺將客戶電話轉接給語音機器人，機器人通過ASR、NLP、TTS等語音技術實現與用戶的語音交互，從而減輕了話務員的用人成本和業務壓力，并能夠實現全天無休的服務，極大提升了客戶體驗，2019年又上線語音門戶，實現從客戶電話進來，全部智能客服語音機器人接待，智能語音機器人上線一年多來服務總量近千萬，日均服務量超30萬。該項目獲得了2019中物聯科技進步獎二等獎。

智能客服語音呼入機器人基于科大訊飛與物流信息國家工程實驗室成立的聯合實驗室，以語音智能服務領域為切入點，雙方已共同發布了智能語音機器人，考慮到快遞物流客服管理往往面臨“三高兩低”的經營態勢，即運營成本高、培訓成本高、員工流失率高和客服效率低、客戶滿意度低。該應用深入挖掘快遞物流客服需求點，針對查件、催件、下單等29個業務場景，構建智能化知識圖譜體系，實現了上下文關聯，意圖推理，文本糾錯效果的大幅提升，通過此項目的施行，合作方物流信息國家工程實驗室提前完成了智能客服平臺示范建設。

圖3.22體現呼入機器人下單流程

（3） 智能客服語音外呼

2017年圓通速遞與南京郵電大學開展了關于物流行業的人工智能產學研合作，基于ASR、TTS、NLP等AI技術，雙方就智能語音外呼方向的應用展開了深入研究。經調研分析，首先從催收和號碼驗證場景開始。

自上線使用起智能語音機器人累計呼出近50萬次，2019年中期推出了智能小秘機器人項目，覆蓋了15個業務場景，解決了大量重復工作，有效提升了服務質量及工作效率。