智能物流，菜鳥先飛

　　傳統(tǒng)快遞行業(yè)正在迎來(lái)自己的“拐點(diǎn)”。

　　根據(jù)行業(yè)預(yù)測(cè)，未來(lái)的幾年內(nèi)，中國(guó)日均包裹量將突破 10 億。中國(guó)物流企業(yè)將無(wú)法再單純依靠傳統(tǒng)的人力勞動(dòng)模式去分揀處理包裹，必須使用物流云這樣的服務(wù)為物流網(wǎng)絡(luò)賦能，使物流系統(tǒng)保持高效運(yùn)轉(zhuǎn)。

　　菜鳥網(wǎng)絡(luò) CTO 谷雪梅曾指出，技術(shù)決定了物流業(yè)的未來(lái)。

　　為了加速快遞行業(yè)轉(zhuǎn)型，推動(dòng)智能物流落地，菜鳥網(wǎng)絡(luò)先行一步上線視頻云監(jiān)控系統(tǒng)。從全國(guó)各類物流場(chǎng)站內(nèi)的百萬(wàn)攝像頭下手，菜鳥通過(guò)機(jī)器學(xué)習(xí)分析采集到的視頻數(shù)據(jù)，可以做到實(shí)時(shí)分析車、貨的動(dòng)態(tài)，實(shí)現(xiàn)智能調(diào)度。

　　而藏在超過(guò) 1000 個(gè)分撥中心后、隱身于看不見的大數(shù)據(jù)中，一手掌控車、貨、人狀態(tài)的機(jī)器學(xué)習(xí)智慧核心，就是 Google 發(fā)布的機(jī)器學(xué)習(xí)開源框架 TensorFlow。

傳統(tǒng)快遞行業(yè)艱難轉(zhuǎn)身

　　過(guò)去的六年里，我國(guó)包括“三通一達(dá)”、順豐、德邦、百世在內(nèi)的第三方物流規(guī)模增長(zhǎng)迅速。從2013年到2019年，我國(guó)第三方物流規(guī)模翻了三倍，市場(chǎng)份額達(dá)到 2825 億美元。但與此同時(shí)，中國(guó)社會(huì)物流成本占 GDP 比例居高不下，整個(gè)行業(yè)呈現(xiàn)出“規(guī)模大、效率低”的特征。

　　“物流成本占 GDP 比例”是衡量物流效率的重要指標(biāo)，占比越高，說(shuō)明物流行業(yè)效率越低。對(duì)于中國(guó)社會(huì)物流 15 萬(wàn)億左右的總市場(chǎng)來(lái)說(shuō)，成本比例每下降 0.1%，對(duì)應(yīng)的收益都是百億級(jí)別。2019年，中國(guó)物流成本占總 GDP 比率為 14.4%，而同一時(shí)間，這個(gè)數(shù)字在美國(guó)只有 8% 左右。

　　在居高不下的物流成本中，運(yùn)輸成本其實(shí)只占了一半。根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)提供的數(shù)據(jù)，2018年，管理費(fèi)用和倉(cāng)儲(chǔ)費(fèi)用占到物流總成本的 48%，總額高達(dá) 5.6 萬(wàn)億元。

　　中國(guó)物流與采購(gòu)聯(lián)合會(huì)會(huì)長(zhǎng)何黎明表示，隨著經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和運(yùn)輸供給市場(chǎng)的優(yōu)化，我國(guó)的物流運(yùn)行效率不斷提高，運(yùn)輸成本有所下降。然而因?yàn)槲锪饔玫鼐o張、勞動(dòng)力要素成本上漲，管理和倉(cāng)儲(chǔ)費(fèi)用其實(shí)一直在上升。

　　這種成本結(jié)構(gòu)和依賴人工分揀裝卸的粗放行業(yè)現(xiàn)狀直接相關(guān)。

　　雖然目前已經(jīng)有很多物流公司在做運(yùn)單數(shù)字化，在做在線管理，但是某種程度上，這是“假在線”。

　　電子面單雖然將包裹數(shù)字化了，但包裹狀態(tài)的錄入并不是實(shí)時(shí)的?？爝f公司和消費(fèi)者并不清楚包裹在傳遞空隙間的實(shí)時(shí)位置，無(wú)法監(jiān)控快遞的真實(shí)狀況。

　　此外，隨著物流倉(cāng)儲(chǔ)規(guī)模的擴(kuò)大，“包裹上線”這一手段成本過(guò)高，逐漸失效。物流園區(qū)、分撥場(chǎng)站、倉(cāng)庫(kù)，這些物流行業(yè)的基礎(chǔ)要素，面積都是幾萬(wàn)平方米起，僅靠包裹數(shù)字化很難進(jìn)一步提高倉(cāng)儲(chǔ)空間利用率，精細(xì)度不夠。

　　還有運(yùn)輸車輛。現(xiàn)有的車聯(lián)網(wǎng)往往僅能獲取車輛的信息，無(wú)法掌握車輛的裝載量，車貨無(wú)法精準(zhǔn)匹配。譬如車輛在 A 地裝了一批貨，可能還剩三分之二的空間，還能在 B 地繼續(xù)裝貨。

　　而集成了 TensorFlow 機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、3D 體積測(cè)量的菜鳥視頻云監(jiān)控系統(tǒng)，可以幫助物流企業(yè)實(shí)現(xiàn)更精準(zhǔn)的人、車、貨匹配。從感知倉(cāng)庫(kù)利用率，到檢測(cè)空閑車位，再到監(jiān)控卸車裝車流程，這些原本需要使用人力現(xiàn)場(chǎng)巡檢的工作，如今都可以通過(guò)攝像頭完成。

有多少 TensorFlow，就有多少智能

　　分散在全國(guó)各地的分撥中心和快遞網(wǎng)點(diǎn)是物流服務(wù)的核心。

　　截止目前，全國(guó)的快遞分撥中心已經(jīng)超過(guò)了 1000 個(gè)，網(wǎng)點(diǎn)總數(shù)更是超過(guò)了 18 萬(wàn)。在一個(gè)一個(gè)服務(wù)終端所織成的物流大網(wǎng)中，共有 100 多萬(wàn)個(gè)監(jiān)控?cái)z像頭。

　　這些攝像頭雖然數(shù)量多，但僅發(fā)揮了安保作用，只能在問(wèn)題出現(xiàn)以后通過(guò)監(jiān)控錄像回溯現(xiàn)場(chǎng)情況，攝像頭記錄到的影像并沒(méi)有得到有效利用。

　　菜鳥利用 TensorFlow 開發(fā)的計(jì)算機(jī)視覺(jué)模型，把這些攝像頭利用了起來(lái)，讓它們成為物流網(wǎng)絡(luò)最敏感的神經(jīng)末梢。菜鳥算法工程師磐山介紹道：“用 TF 訓(xùn)練和部署視覺(jué)模型后，視頻云系統(tǒng)可以實(shí)現(xiàn)如車位狀態(tài)檢測(cè)、包裹堆積度統(tǒng)計(jì)、車牌識(shí)別等功能?！敝靶枰W(wǎng)點(diǎn)工作人員手動(dòng)錄入的信息，現(xiàn)在都可以通過(guò)攝像頭自動(dòng)錄入了。

　　除了人類能發(fā)現(xiàn)的表面問(wèn)題，機(jī)器學(xué)習(xí)模型還能進(jìn)一步得出倉(cāng)庫(kù)和月臺(tái)的使用效率，為物流公司精細(xì)化管理提供所需要的數(shù)據(jù)。

　　對(duì)于工程師而言，需要解決的另一個(gè)問(wèn)題是，如何把依賴強(qiáng)大算力的計(jì)算模型“塞進(jìn)”各個(gè)網(wǎng)點(diǎn)參差不齊的攝像頭里。

　　終端資源非常有限，無(wú)論是計(jì)算能力還是內(nèi)存容量都不能與 PC 相比，為了把大模型裝進(jìn)小攝像頭，必須要對(duì)模型進(jìn)行結(jié)構(gòu)裁剪、壓縮和復(fù)雜的參數(shù)調(diào)節(jié)，這個(gè)工程的繁瑣和復(fù)雜程度不亞于重新構(gòu)建一個(gè)小的自然語(yǔ)言處理模型。而利用 TensorFlow，可以方便地在 TensorFlow 平臺(tái)上把模型轉(zhuǎn)化為專為移動(dòng)設(shè)備設(shè)計(jì)的輕量級(jí)的 TersorFlow Lite，省去了冗雜的裁剪壓縮過(guò)程。

　　磐山表示：“TensorFlow 提供了豐富的函數(shù)接口，推理部署非常方便，對(duì)于物聯(lián)網(wǎng)的終端設(shè)備來(lái)說(shuō)，還可以選擇TensorFlow Lite 進(jìn)行端上部署。”

　　2018年，德邦快遞率先使用了這套“物流天眼”系統(tǒng)。

　　德邦快遞營(yíng)運(yùn)研發(fā)中心高級(jí)總監(jiān)丁俊哲介紹道，“攝像頭以前只是監(jiān)控記錄功能，現(xiàn)在能夠識(shí)別車位是不是空閑，還有卸車裝車作業(yè)是否在正常進(jìn)行，以及場(chǎng)站內(nèi)堆積度是不是飽和，通道有沒(méi)有被堵塞?！?/FONT>