人工智能赋能下的新一代物流科技优秀案例（三）（附报告下载）

完整报告下载：2020人工智能在物流行业中的应用前瞻.pdf

近年来，各基础物流服务商纷纷进行业务领域的拓展，物流企业以更加多元的业务结构为目标，探索更大的生存空间。在此背景下，AI+物流得到了迅猛的发展，物流这一相对传统的大众服务行业，将在运输、仓储、配送和管理等各场景接受人工智能技术的全面改造。

本节介绍人工智能赋能下的新一代物流的优秀案例，包括了圆通、京东、快仓、苏宁、中通、海康威视等。同时也展示了在人工智能技术赋能下，这些物流科技将如何提升服务效率和服务质量，从而推动整个物流行业从劳动密集型服务行业向科技密集型服务行业转变。

圆通车载智能动态重量监控系统

圆通速递于2018年开始车载实时称重系统项目，研究车载动态称重技术应用于快递物流整车称重的可行性。该系统的工作原理是通过测量车辆的唯一支点、承担货车所有承载重量的横桥因车辆载货而产生的微变形，解算出货车的载重量。该项目是圆通速递与深圳汉德网络科技开展的产研合作的代表，双方成立了智能车载实时称重联合实验室，智能车载实时称重为实验室产品之一。

目前，圆通速递在进行批量应用示范，部分车辆已达到试点使用的要求，一定程度上提升了转运中心场内的调度效率，保障了车辆在途时效、准点率和快件时效。该项目获得了2018年度邮政行业科学技术奖三等奖。

圆通的车载智能动态重量监控系统项目利用车载实时称重的基础技术，结合快递企业装卸货及运输的应用场景，建立针对快递物流行业的算法模型，通过长期的车载数据收集使用大数据技术，对算法模型进行深度训练，使该技术的测量误差达到理想水平,实现了智能车载实时称重技术的低成本、高精度的批量使用，打破了以往该技术只局限于粗略计量场景的现状。该系统包括：信号采集模块、信号传输模块、载重信号收集及处理模块、显示模块、GPS/GPRS信号传输模块，云端服务器，以及用户终端等 7 个部分组成，如图3.8所示。

图3.8 圆通HD-TLS01系统组成架构

主要包含的创新点及人工智能技术有：

（1） 对“A点出发，B点装卸，C点过磅”的模式进行突破性的创新

数据终端随车而行，即在车辆载货时进行实时称重，在车辆驶离出发地，到达目的地的过程中车辆亦被实时监测。监测全程由计算机完成，不涉及任何人工操作。

（2） 数据实时传输

HD-TLS01可将载重数据无缝隙、无间断的通过网络发送到平台，配合位置信息全天候监测车辆载重量，并按小时、次数、天、周、月、季度、年等条件对已有数据进行统计。

（3） 独特的解算算法

蠕变补偿、零点跟踪、分段标定等多种算法的结合构成了系统独特的软件解算算法。在车辆行进中，爬坡、偏斜、拐弯车头歪斜及路面不平都不会影响其特性。

目前该技术仅在圆通速递网络内使用，后续目标是通过将该技术和快递行业的深度结合，搭建快递行业的智能车载实时称重平台，将该技术推广到整个快递行业甚至物流行业，实现快速应用。

京东智能网络规划系统

2018年6月，京东智能网络规划系统正式投入应用。该智能系统应用运筹学、机器学习算法共构建了3个核心模块，分别为智能选址、智能路由、商品布局，在内部上承载了商城电商物流业务的内部物流服务，实现了物流运营层面的精益化成本集约需求；外部上，开放的物流业务也为外部客户提供了高品质低成本的供应链/物流服务，科学平衡了京东复杂大规模网络规划场景下的成本和时效。京东智能网络规划系统的三大核心模块涉及的关键人工智能技术详细介绍如下：

智能选址

在基于人工智能的智能物流体系下，智能选址包含仓储环节的仓网规划、运输环节的分拣布局、配送环节的点网布局。京东物流基于自有场景进行分析，形成了一套可复制推广的智能选址解决方案：

图3.9 京东物流智能选址路线图

面向多节点选址的机器学习技术：根据现实环节的各种资源限制条件采用机器学习方法(预测回归、场地画像等)进行充分优化学习，从而给出接近最优解决方案等选址模式。

面向多节点选址智能计算技术：利用大数据分析结果将供给与需求节点进行合理空间聚类，再结合智能算法对备选场地进行优化求解。

智能路由

路由网络规划需同时完成大规模路由网络中分拣中心生产波次的设计、全网运力的组开、分拣之间的经转关系等，网络中任意一个波次、运力、经转关系的调整都会对整个路由网络产生人工无法预测的全局性影响。为解决上述问题，京东创新性的将实际业务场景中的大规模路由网络规划抽象为混合轴辐式网络设计问题，通过人工智能技术与场景融合，形成一套可复制推广的智能路由网络规划解决方案:

图3.10 京东物流智能路由技术路线图

面向全网智能网络路由规划的机器学习技术: 实现产能预测，流量预测，运力分析，单量聚类，挖掘多级枢纽定位。

面向全网智能网络路由规划的智能计算技术: 实现1000ms级最优网络规划，一次性完成分拣波次、点对点运力组织、分拣经转关系的设计，科学平衡了大规模路由网络的时效和成本。

商品布局

商品布局是研究应用于实物商品在空间物流网络上的库存布局问题所需的关键技术，包括销量预测技术、分仓布局技术。京东物流实现的关键技术有：

图3.11京东物流商品布局技术路线

预测技术：包括机器学习预测技术及大数据预测工程化技术。前者基于传统机器学预测算法(XGboost、SVM、RF等)基础上自主研发级联预测技术、新品预测技术、低频预测技术，具体内容如下所示：

图3.12京东物流商品布局预测技术

分仓布局技术：包括商品关联挖掘技术及物流仓网决策技术，前者对关联性进行基于时间序列的滤波与短期预测，继而采用谱聚类SC，构建商品间“相似品类”关联关系；后者采用Monte Carlo仿真与区域订单出库密度，计算每个待选仓库的适应值，并考虑时效渗透率约束、仓数量约束、拆单率约束，以整体仓储、运输成本最低为目标，采用遗传GA算法及梯度下降法，迅速求出当前在拆单、成本、仓数量目标下的帕累托解集供业务进行决策。

目前，以上技术已经在京东物流覆盖中国大陆100%的行政区县，99%的人口的网络上投入运营。其中，智能选址使特定物流节点日均运营成本预计降低15%-20%；智能路由使网络成本降低了10%，路由网络时效缩短了12%；商品布局使拆单率降低约3%，总体仓储降低10%，商品库存周转降低约10%。

京东X仓储大脑

京东无人仓投入运营以来，智能化生产模式发展迅速。然而物流机器人数量多、设备模型、接口、技术特点驳杂繁多，设备巡检和及时维护工作量大，要求无人仓做到“高效运维“。X仓储大脑是为了实现无人仓“更有效率”这个目标的高度智能化产品，所属技术为工业互联网和人工智能两个领域。

X仓储大脑的主要功能包括：(1)订单生产数据的监控和预警，资源优化配置建议，数据统计与分析；(2)机器人重要数据监控和预警，诊断建议，数据统计与分析；(3)规划算法建模参数输入与自动化建模流程；(4)适配办公室场景的PC版，以及适配移动办公场景的移动版。X仓储大脑系统架构如下图所示：

图3.13 X仓储大脑系统架构

其主要涉及的人工智能创新点及核心技术有：

算法创新

电池健康度算法：传统的下线检测电池健康度是一项耗时且造成资源浪费的方式。项目通过实时采集线上机器人电池充电数据，结合深度学习与全新电池数据分析比对充电效率，实现在无需下线的情况下计算线上机器人的电池健康度。

资源调配算法：工作站和AGV是货到人仓库中重要的生产资源。项目综合使用预测技术和运筹优化技术预测未来若干天的生产情况，计算多天的资源配置计划，给仓库管理人员提供多天的排班建议，实现按需生产。

自适应生产频率变化的订单量预测算法：准确预测订单量是仓库安排生产资源的重要依据之一。项目通过对新旧业务模式的共性数据进行建模，模型可根据新业务模式不断调整，顺应业务的变化，解决了新业务缺少数据难以建模的问题。

技术创新

项目的技术核心为利用分布式消息队列技术的高并发读写、高吞吐、高实时性等特点巧妙地应用到仓储AGV设备数据采集的场景中，在解决了传统采集方式存在若干问题的同时，保证了数据的时效性和可用性，其数据采集架构及主要涉及到的人工智能技术有：

图3.14 X仓储大脑数据采集架构图

 多元化海量传感器数据实时采集系统：仓储物流的场景中，运营无人化是目前行业内急需攻克的难点。实现仓储运营无人化首先要解决的问题是如何能全方位的掌握无人运营仓储的实时状态用于决策。为应对挑战，X仓储大脑项目组利用已有技术自主设计研发了多元化海量传感器数据实时采集系统，实现了无人仓储场景下海量传感器数据的实时采集功能。

基于中心化技术和大数据分布式相结合的数据存储：传统存储方式具有数据处理链路短，分析、开发应用周期短的优势。但是在自动化仓储的场景下多元数据结构、海量数据让传统存储架构变得难以承受。本项目使用企业级的数据同步工具，数据中心（IDC）进行同步数据加工，实现数据中心化存储；基于Hadoop集群的HDFS实现海量数据的存储；MapReduce和Spark计算框架让海量历史数据的分析与计算成为可能；Strom、Flink等流式计算框架结合Kafka的数据中间件将数据处理与分析的时效性从T+1进一步提升到T+0，让当日内的数据分析、诊断和控制变得时效性更高更具有应用价值。

 多时态数据统一计算框架：在无人仓储场景下要求计算框架满足多时态数据的计算需要。本项目借鉴了Kappa架构的思想，建立了以T+0流式处理系统结合消息队列系统为主要计算、存储框架，兼容历史批处理任务的多时态数据存储计算系统。将批处理任务转化为具有状态的流式时间窗数据，按照流式处理范式进行处理。突破性的解决了这一难题。

 基于大数据技术的机器学习算法平台：算法平台为X仓储大脑提供基于业务需求的分类、预测等算法与数据处理支撑。创新性的实现了实时触发式任务执行功能，实时响应数据计算需求，调度资源完成计算任务并回传结果，改变以往只将离线大数据计算用于离线数据分析、数据建模的应用方式。

X仓储大脑自2018年8月投入应用，在智能物流机器人行业，提升规划、运营监控及维保效率高达80%，降低人力成本高达50%，预计每年能节省22000万元。应用了X仓储大脑的京东无人仓，在经过近一年的快速发展后，无论是订单处理能力，还是自动化设备的运维能力，都已经处于行业领先水平。

快仓智能仓储机器人

（1） 国内首个医药智能仓储机器人系统

随着智能物流时代到来，智能仓储机器人已经被广泛应用在电商、3PL、零售、传统制造等行业，国内几大电商巨头也纷纷将仓储自动化智能化推向新的阶段。快仓作为专注于提供具有世界级水平的智能仓储解决方案的公司，在业界拥有良好的口碑，更注重在医药行业智能机器人仓储系统这个空白领域进行深入研究、探索，此次与国内知名系统集成商一起强强联手，推出的某药企智能机器人系统让医药行业的智能化不再是“理想化”，加速推动了整个医药行业智能化发展进程。由快仓与国内知名系统集成商一同携手打造的某药企智能仓储机器人系统，将机器人引入传统医药行业，这标志着国内首个医药行业智能仓储机器人项目正式揭开她神秘面纱。

该系统主要涉及了智能机器人箱拣区、输送系统、自动分拣区，示意图见图3.13。机器人箱拣区的整箱货物来自高位货架区与零箱收货入库，主要负责整箱货物通过输送线至自动分拣区出库与补货至隔板货架拆零区；自动分拣区主要负责机器人区与拆零区货物进行自动分拣。

 图3.15 项目示意图

快仓打造的智能仓储系统以移动机器人实现“货到人”作业方式，在所有涉及到分拣库区的业务流程中（包括上架，补货，拣货，盘点，退货等），员工都无需进入分拣库区内部，只需要在工作站等待，系统会自动指派移动机器人将目标货架运到工作站，待员工在系统指导下完成业务后，再将货架送回到分拣库区。这大幅提高了作业效率，有效降低了人工强度及成本。

快仓智能仓储机器人不仅完成包括上架，拣选，补货、退货，盘点等流程的完整订单智能履行，同时还与AS/RS，各式流水线+滑道、升降机等自动化设备完成了高效联动，提高整体作业效率。

相比传统人工仓，机器人运作效率提升2-3倍，快仓系统单台工作站拣选效率可达250箱/小时。相比传统货架，空间利用率明显提升。空间利用率提升15%，仓库储量提升1.5倍多。

（2） 某服装企业智能仓储机器人

对于服装行业，在不断高速扩张的同时，提高物流效率才能使企业具备行业领先的竞争力。2018年，快仓为某服装企业部署全智能的“货到人”机器人仓库。以提高仓储的作业效率，减少人工成本，并在短时间内得到投资回报。

该智能机器人拣选系统由一系列移动机器人、可移动货架、补货、拣货工作站、WCS和RCS系统构成。以人工智能算法的软件系统为核心，来完成上架、拣选、补货、退货、盘点等库内全部作业流程，员工只需要在工作站完成扫码，装箱的动作即可。系统具有很高的柔性和扩展性，分拣效率可达到14,000件/天。

快仓根据客户特殊应用场景需求，针对AGV的使用进行了定制化研发设计。本次共部署了20台AGV，项目从前期沟通到规划、研发、实施，直至最终上线，历时数月，实现从原来的纯人工作业模式到拣选出库流程的智能化操作转变。月平均出库量由原先400万件增加至600万件，大幅提升了月出库作业效率。

苏宁物流智能决策系统

苏宁物流智能决策系统运用运筹优化、机器学习和深度学习算法，建立了3个方面的核心新应用，分别为智能网络规划、智能仓储和智能调度，通过挖掘数据价值重塑物流运作流程，赋能苏宁物流降本、增效、升体验，实现智能物流转型升级。苏宁物流智能决策系统涉及的人工智能关键技术内容如下：

（1） 智能网络规划

苏宁物流智能网络规划系统，运用运筹学、机器学习算法，搭建4个核心模块：路由网络规划和网络布局。先对现有的运输网络、仓库网络、分拨网络和站点网络进行诊断，发现可以优化的网络规划，实现物流运营层面上的精细化经营；再基于运营和时效等数据，对新增加的网络规划进行评估，调整布局方案，在经营效率不降低的前提下，降低整体的运营成本。苏宁物流智能网络规划系统的两大核心模块设计到的关键技术详细介绍如下：

1、网络布局

基于大数据和人工智能的智能物流场景下，网络布局对物流全流程进行分析。其中，仓网布局包含现状的经营分析和库存分析、规划的新开仓评估模型、选品的铺货建议。从现状到规划，对仓网的健康程度进行诊断，辅助仓网的经营作业，为新开仓提供分析模型。

图3.16 苏宁物流智能网络规划示意图

面向多节点仓网智能计算技术：运用大数据技术和运筹优化算法，结合仓网的销售数据、经营数据和实效，进行优化求解，给出分析结果。

2、运输网络规划

在物流和快递运营中，运输成本和中转成本是总运营成本的主要组成部分，而网络和路由的设计决定了运输成本和主要中转成本的高低，也决定了服务时效的快慢。过去车辆线路、路由的规划基本依靠人工经验，但因为分拨中心数量较多，货量结构较复杂，可规划的各种线路和路由组合可能性非常多，所以单纯依靠人工经验判断很难实现全局最优。另外，考虑市场环境的变化，货量是在不停波动的，所规划的车辆线路和路由需要及时调整才能保证和提升服务质量，减少成本的浪费。而仅依靠人工很难及时且精确地捕捉到货量变化而所需要优化的点，进行相应的规划优化和调整，因此，苏宁开发了运输网络规划系统：

 

图3.17 苏宁物流智能网络规划系统示意图

运用启发式算法完成路由推荐功能：基于现有线路和班期规划，推荐多种路由，可根据实际业务需要选择最合适的路由发运。

运用精确求解算法实现全网路由规划：通过调整输入未来货量、以及未来备选中转场，可测算未来货量和分拨中心下的分拨中转货量，为分拨中心的新建、扩建提供支持。

（2） 智能仓储

仓储管理存在商品种类多、库存量大、作业量大、决策环节多等特点，任何一个环节的决策结果都将影响到最终的作业效果。针对仓储管理的这一特点，苏宁通过人工智能技术与作业场景的深度结合，建立了仓库管理的一体化解决方案。该方案覆盖库内布局-上架-补货-调仓-理货-拣选-包装7大作业环节的算法体系，提供评估-诊断-建议再评估的闭环反馈服务，对仓库利用率和作业效率的提升效果明显。

图3.18 苏宁物流智能仓储体系示意图

（3） 智能调度

智能调度包含干线运输的车型推荐，支线运输的车辆路径规划和末端的揽配订单分派，借助人工智能技术，实现物流运配环节车辆、人员、设备等作业资源的协调统一，使作业效率最大化。

针对订单分配的智能算法：通过历史订单信息，运用机器学习算法，对配送区域、快递员和客户进行画像分析，将订单分配给最合适的快递员，优化快递员和客户的体验。

针对车辆调度的智能算法：结合现实场景下的各种限制条件和管理决策需求，运用运筹优化算法，对运输线路的车型和车辆路径进行优化求解。

 

图3.19 苏宁物流智能调度体系示意图

中通智能寄件桶-小蓝桶

随着AI技术的发展，无人自助智能设备将是未来公共服务基础性设施，当下快递服务已成为人们日常生活必不可少的部分，而贴近人们服务的收、派两端无人自助智能设备的植入已成为必然趋势。中通快递顺势推出无人自助智能设备寄件桶小蓝，可以很好的解决目前寄递服务中三端存在的一些问题，用户端：不可控的等待，等待快递人员上门取件时间长，等待成本高；无法满足夜间寄件需求；快递员上门揽件，隐私和人身财产安全存在风险。快递网点端：随机取件成本高，人难招，员工流失率高。快递员端：上楼服务时间成本高，效率低。

中通智能寄件桶小蓝采用物联网、互联网相结合的基础技术，结合快递用户寄件的应用场景，用户通过手机APP注册操作控制设备自助完成寄件。并采用超低功耗蓝牙通信技术，最大程度的节能降低落地推广的成本。该系统主要包括：智能控制系统、智能电池管理系统、手机APP、云端后台管理系统。

图3.20 中通智能寄件小蓝桶系统示意图

其主要包含的创新点及人工智能技术有：

寄件模式的创新

从下单、结算、投递整个寄件过程用户只需一部手机并在1分钟内全部搞定，无需等待。并可实现7x24小时随时随地寄件。

去电去网

现有的快递柜采用接场电供电、4G通信控制的模式。存在落地成本高、场地限制影响大、后期运维成本高等问题。小蓝桶采用太阳能电池供电技术和超低功耗蓝牙通信技术。太阳能供电可以让“小蓝桶”无需接场电，安装不受场地限制，落地推广成本低，且节能环保；超低功耗的蓝牙通信可最大程度的节能确保设备使用的持久性，用户手机APP与“小蓝桶”通过蓝牙建立通信后并通过用户手机的GPRS传输数据，“小蓝桶”自身无需接网。

智能派单

系统结合大数据分析、智能定位、快递员其它的任务单计算合单处理智能分配业务员，实现业务员定时、顺道等取件，最大程度的提高工作效率，降低运营成本。

圆通速递智能语音客服

目前企业所用的智能客服系统普遍用于业务解答，系统的开发模式主要基于企业的知识库，采用关键字匹配来推荐答案，这种方式虽然直接，但其实没有很好地考虑到客户的提问习惯。基于语音识别、自然语言理解等AI技术派生出了智能文本客服系统、智能语音客服系统，如全天候客服机器人、智能语音质检、智能外呼机器人等产品。圆通速递的智能语音客服系统能以结构化的语言读取信息，在客户自然语言和计算机结构化语言建立了一定的机制做好翻译工作，从而全面提升了客服的工作效率。圆通速递的智能语音客服系统主要的应用场景有：

（1） 智能在线机器人客服

圆通速递在2017年开始相继在官网、微信等渠道上线国内版智能在线机器人客服，代替或协助人工在线客服完成客户服务工作，一定程度上解决了客服用工成本高、服务时间难以满足客户需求的问题，从而节省人力、降本增效。

2019年国际版等智能在线机器人客服上线投入使用，该项目是圆通速递与上海大学人工智能团队开展的产学研合作的代表，双方组建了技术研发团队，目前已在机器人识别及语义理解等核心算法方面取得显著成绩。综上，智能在线机器人客服累计总接单量近5000万单，平均应答率超过90%，智能在线机器人采用基于规则统计和深度学习相结合的先进技术，实现精准的意图捕捉、情绪识别、情感分析后的多轮交互，给客户带来亲和又新奇的服务体验。该项目获得了2018年度邮政行业科学技术奖三等奖。    

在线机器人客服处理流程：

图3.21 在线机器人客服处理流程

（2） 智能客服语音呼入

2018年圆通速递上线智能下单业务和智能查询业务。通过呼叫中心平台将客户电话转接给语音机器人，机器人通过ASR、NLP、TTS等语音技术实现与用户的语音交互，从而减轻了话务员的用人成本和业务压力，并能够实现全天无休的服务，极大提升了客户体验，2019年又上线语音门户，实现从客户电话进来，全部智能客服语音机器人接待，智能语音机器人上线一年多来服务总量近千万，日均服务量超30万。该项目获得了2019中物联科技进步奖二等奖。

智能客服语音呼入机器人基于科大讯飞与物流信息国家工程实验室成立的联合实验室，以语音智能服务领域为切入点，双方已共同发布了智能语音机器人，考虑到快递物流客服管理往往面临“三高两低”的经营态势，即运营成本高、培训成本高、员工流失率高和客服效率低、客户满意度低。该应用深入挖掘快递物流客服需求点，针对查件、催件、下单等29个业务场景，构建智能化知识图谱体系，实现了上下文关联，意图推理，文本纠错效果的大幅提升，通过此项目的施行，合作方物流信息国家工程实验室提前完成了智能客服平台示范建设。

图3.22体现呼入机器人下单流程

（3） 智能客服语音外呼

2017年圆通速递与南京邮电大学开展了关于物流行业的人工智能产学研合作，基于ASR、TTS、NLP等AI技术，双方就智能语音外呼方向的应用展开了深入研究。经调研分析，首先从催收和号码验证场景开始。

自上线使用起智能语音机器人累计呼出近50万次，2019年中期推出了智能小秘机器人项目，覆盖了15个业务场景，解决了大量重复工作，有效提升了服务质量及工作效率。