"Intangles 是一家专注于运输领域的预测分析公司，其产品管理总监 Craig Vanderheide 表示："人工智能正在以多种方式改变我们优化和管理卡车运输与物流公司的方式。"它正被用来解决许多复杂的问题，这些问题在历史上一直依赖于长期的经验和对现实世界场景的解读，但现在却可以通过对实时数据的复杂解读来推动解决。"

范德海德指出，人工智能可以实时处理海量数据，即使面对从未遇到过的新场景，也能做出智能决策。随着时间的推移，它可以不断学习和适应，提高性能和效率，并对新情况做出反应。有了人工智能，车队可以预见趋势和可能的结果。

"Vanderheide 说："人工智能在卡车运输和物流行业的应用刚刚开始进入增长阶段。"如今，我们看到许多机器学习技术被用于帮助优化调度、预测成本、进行预测性维护以及观察道路上发生的活动。"

Vanderheide 认为，潜在的人工智能应用数量是无限的。潜在的机会包括

综合虚拟助理： 高度复杂的运输助理可以利用车队内的所有可用数据，使用自然语言帮助指导和支持计划人员、驾驶员经理和维护人员，并学习每个用户的行为，从而推荐最有影响力的工作流程。

本地化模型： 从本质上讲，这就是拥有和训练自己的人工智能模型的能力，以了解自身业务和运营的独特细微差别，而不必担心或冒着竞争优势被其他车队抢走的风险。人工智能可以根据每个车队的价值，提出独特的定制建议，帮助车队实现预期成果。

驾驶室内： 人工智能为改善驾驶员安全和简化其他活动提供了机会，这些活动目前是驾驶员日常工作的一部分，但会分散驾驶员对核心工作的注意力。例如，人工智能非常适合简化行车前检查、HOS 日志管理、改善送货/取货服务，以及提升驾驶体验。在安全方面，人工智能可以检测危险的驾驶条件，适当的预测性维护工具可以帮助确保驾驶员不会被困在路边，也不会耽误回家与家人团聚。

"我们也开始看到一些基本形式的生成式人工智能被用于帮助客户查找信息，许多人在寻求支持时都会经历与某种程度的人工智能的交互，"范德海德说。"人工智能为我们提供了一个绝佳的机会，让我们能够更深入地获取决策信息，而这在以前是不可能的。

"例如，TMS 如何计算司机结算或发票费用，"Galland 说道。"传统软件需要编写数学公式，通过 TMS 软件开发商开发的预定规则计算司机薪酬。

"如果新客户有新颖的支付方案，TMS 提供商需要编写一段新代码来适应它，"Galland 继续说。"然而，人工智能系统可以通过自然语言理解生成代码，或者直接绕过定制代码，计算出正确的数学计算结果。

"他补充说："人工智能的优化应用也存在于负载规划中。"尤其是在决策是连续性的、受到人为偏见影响的情况下，因为负荷规划人员或调度人员在没有进行系统的定量分析的情况下，会在关键时刻做出许多关键决策。"

Galland 认为，人工智能可以在许多领域改变现代卡车的运营：

驾驶员：使用仪表盘摄像机和其他设备进行安全、监控、指导和协助

调度：负载优化、路线优化、调度自动化、驾驶员偏好

客户服务：可视性、ETA 预计、客户沟通

后台：使用光学字符识别的数字化文书工作、费率表、会计对账、现金交易匹配

管理：用于决策和可见性的高级数据分析

Galland 指出，这些不同的应用所带来的价值是巨大的。"他说："这可以包括节约成本，通过使用包含更多数据集和概率的算法来增强人工决策，避免人为偏差，从而做出更好的决策；通过标记风险行为、错误决策或异常结果来避免错误，从而降低风险和提高安全性。

解决错综复杂的问题

以物流和货运为重点的 Optimal Dynamics 公司在一篇在线文章中指出，人工决策智能（一种人工智能决策工具）可以提高调度业务的效率，帮助提高盈利能力。人工智能尤其适用于调度决策，因为调度经理的职责错综复杂，包括管理负载分配决策、司机时间表和偏好，以便在时间紧迫的情况下实现利润最大化。

决策智能平台为调度员提供了一个重要工具，帮助他们处理日常复杂的工作。这些平台考虑了大量动态变量，处理了数千次计算，并评估了数百种可能的模拟结果。如果调度员独立处理所有这些问题，不仅单个驾驶员/负载配对的迭代会占用宝贵的时间，而且还需要重复进行，直到有足够的网络方案可供比较和考虑。

这里是PT Services，本期内容就介绍到这里，更多内容敬请持续关注！