利用AI，让快递更加智能高效

今年是双11的第十个年头，这十年也可以说是快递业的十年变迁史。随着互联网与电商的蓬勃发展，快递已经成为大众生活不可或缺的因素。然而，逐渐走高的人力成本，也成为快递这一劳动密集型的产业面临着的问题，快递已经无法再凭借扩大人力规模的传统模式来实现线性增益。因此如何利用自动化，智能化的手段来节支增效、提升快递物流系统的效率， 就成为了快递业必须要解决的问题。

韵达快递意识到了这一点，因此早在多年前就开始尝试在快递物流体系中引入自动分拣、地址归集、车牌识别等技术手段，并在提升各环节运作效率上取得了良好效果。但在韵达看来，这些技术手段更多地只起到了“手”和“脚”的作用，要深层次地推动行业技术进步，更需要解决“头脑”的问题。

下面这副图是韵达快递物流中的三个环节：

韵达快递物流中的三个环节
快递物流系统要想真正做到运筹帷幄之中、决胜千里之外，关键在于能否建立起端到端的资源配置和优化策略，这正是AI技术擅长之处。拥有高达4.7亿件的年揽件量的韵达，具备了开展AI技术研究的数据基础，并利用这些数据，让韵达快递物流中的三个环节变得更加高效。

大小件测量

快递件的体积测量作为韵达各分拨中心的核心内容之一，通过对快件的体积进行预判，分拨中心工作人员可以给出更为合理的分拣、装车和配送规划，来降低单件配送时长及单公斤成本。但传统的方式，是分拨中心采用人工方式来进行判别，不仅费时费力，还可能出现较大误差。

韵达通过在分拨中心输送系统上装置高拍摄像头，AI应用会采集快件的图像信息，并传送到后端服务器进行测量。测量完成后，数据返回至输送系统，并据此将不同大小的快件送至合适的分拣和装车处。这样相比传统方式效率大大提升。

件量预测

就像此次双11一样，快递行业的业务量很大程度上受到电商促销活动的影响，而为了应对在此期间业务量剧增的挑战，并降低爆仓等业务风险，韵达都会做足准备，但是基于经验的件量预测往往并不那么可靠。以 2018 年的“618”活动为例，由于恰逢俄罗斯世界杯鏖战正酣，许多球迷更关注球赛而并没有被促销活动所吸引，结果造成大量物流资源的浪费。

有鉴于此，韵达利用相关的深度学习算法来实施更精准的件量预测方案并进行优化。目前这种基于 AI 的件量预测已在韵达部分站点实际部署使用。来自一线的反馈表明，这个基于深度学习的方案，在预测效果上已逐步接近预期目标，甚至超过了传统启发式预测方案的效果，这有望帮助韵达实现更好的业务收益。

数据中心异常检测

作为韵达快递物流系统的核心，韵达数据中心肩负着重大的责任，目前韵达几乎所有的经营活动，都离不开其数据中心的支持。随着业务高速发展，韵达数据中心也迎来了多重挑战。

一方面，数据中心的技术研发周期长、成本高，并且对大数据集执行高级分析渐渐心有余而力不足，在效率提升上难以追上业务增长的速度，在应对“双 11”、“年货节”等尖峰时段时，已经很难输出更强的助力；另一方面，数据中心的可靠性也面临难题，特别是黑客的攻击、数据拥塞等挑战。

韵达通过AI技术有区分的记忆信息来增强神经网络的效能，滤去大量无关信息，以及对日志数据进行大量的训练和推理，使系统能够精准地预测到潜在的风险和薄弱环节。

在这三个环节中，英特尔® Analytics Zoo 统一分析与 AI 平台则在关键的“头脑”问题上，扮演着十分重要的角色。这个平台以端到端的方式，帮助韵达快速敏捷的构建AI应用，用于图像识别、时间序列预测等多个应用场景。并利用英特尔® 至强® 可扩展处理器强劲的算力，让平台更加稳定高效。

韵达还计划尝试视频处理、智能快递柜等先进技术，更进一步AI化。可以预见的是，未来通过对机器人、仓内技术、无人驾驶以及智能快递柜等众多新技术的应用，韵达将能为数以亿计的用户提供更优质、便捷的服务，打造更加智慧快递系统。

也许下一个双11，利用前沿的技术，我们不用一个星期，就能把几十个的“战利品”全部收齐，让我们拭目以待。

转载：英特尔商用频道