IT思维

公众号/机器之能

随着全球国民经济与社会的持续发展，从20世纪后半叶开始国际范围内货客运吞吐量正在不断增长。以中国为例，根据其国家统计局数据，中国物流总用费从2011年的的 8.41万亿元增长至 2016 年的 11.10 万亿元，年均复合增长率为 5.71%。以此为基础，中国发改委预计至2020年，全社会物流总用费将占全国GDP的14%。而正式在此背景下，20世纪80年代开始世界范围内开始实践推广多式联运。随着近40年左右的发展，多式联运正在融合机器学习，大数据，物联网等多种前沿技术在策略，战术以及运营层面全面发展。

作者 | 田辰

一、多式联运的市场规模

近几年来，多式联运在概念上正在持续进步，已从简单的形式上包含两种不同运输方式的方法，变为一个主体，一份合同，一次托运，一次计费，一份单证，一份保险的六合一，一票到底的成熟运输架构。而其最重要的就是责任统一化，这大大降低了客户在使用联运过程中的风险与成本。以欧洲为例，全欧多式联运总量在2007年到2015年间增长近670亿吨公里，增幅近一倍，并根据有关部门多式联运总量将在2030年达到3060亿吨公里。

二、多式联运中的主要人工智能技术领域

运筹优化：运筹学的历史比人工智能和机器学习技术的出现更悠久，但他们的出现让运筹学晋升到了新的高度。目前，在多式联运方面运筹优化算法频繁落地，不仅在组合优化，随机优化方面有所突破，也在博弈论以及控制论领域等基础理论研究发面取得了诸多成果。

路径规划：路径规划是指针对链接起点位置与终点未知的路径构成进行决策的研究。目前，在多式联运方面，主要被用于在单一或多重路径中对不同优化因素决策的核心技术。

时间序列预测：时间序列预测是一种回归预测方法，其基本原理是一方面承认事物发展的延续性进行数据统计分析，另一方面根据偶然因素影响所产生的随机性进行预测。目前，被广泛应用于针对多式联运中运输时间，交通流量等关键指标的预测性工作。

模型优化：模型优化是多式联运中频繁使用的技术之一，在该场景下个模型与算法常利用迁移学习，学习率调整等手段针对运输，管理，预定，库存，仓储等不同环节的成本计算持续优化。

AI基础设施：AI基础设施在多式联运中主要指的是云计算领域技术的应用，云对数据的快速储存，分析，以及计算能力已成为多式联运实时调整算法，模型从而优化实际运行中出现的问题不可或缺的一部分。

物联网技术：物联网技术在多式联运中主要被应用于针对实时车况，船况，以及路径状况的监控以及分析。它可为各不同方面多式联运的优化模型以及算法提供多维度的数据流。

三、人工智能技术在多式联运中的应用分布

四、多式联运部分落地案例简述

CoLane：CoLane利用运筹优化，机器学习以及模型优化等多种技术，为货运集装箱车辆提供集中是货物配送方案并提供多式联运服务，让公路转海运，或公路转铁路变得更为简单。这种解决方案可以去除中间货代商，让运输效率提高，成本下降。

摩佰尔（天津）大数据科技有限公司：摩佰尔利用运筹优化，大数据，云计算等技术构建了多式联运网路货运人平台，可根据货主的实际运输需求进行公、铁、河、海多种运输方式组合，实现从多维度筛选最佳运输及计划的功能。

顺丰快递：顺丰从2017年底就开始构建以运筹优化，路径规划，大数据，物联网，云计算技术为基础的线上线下一体化多式联运品哪个台，2019年推出的智慧联运应用以及智慧多式联运枢纽已实现了以铁路为主的一单制多式联运解决方案。目前该应用交易额已接近20亿元人民币，集装箱量达20万TEU。

五、人工智能技术在多式联运的局限性

运输资源与优化研究方向不统一：由于公路、铁路以及航空等运输方式的资源的实际使用方式往往与研究中的假定使用方式有较大差距，所以在优化算法与模型落地方面，预期效果常常反馈远低于模拟状态下的水平。

六、人工智能技术在多式联运的发展趋势

铁路运输优化算法与建模将在国际多式联运占主导地位：近几年来，高速铁路的逐渐成熟正在让铁路运输的时间与成本直线下降，致使在全球方位内以海铁、公铁为主的多式联运份额逐年攀升，所以不难预测后续几年的多式联运方向将以铁路运输为重点。