Convoy 透過機器學習改革貨車運輸方式

提供貨車司機和環境上的協助

每年,美國的貨車司機高速公路行駛里程都超過 950 億英里,這個距離足以繞地球 370 萬次了。根據西雅圖物流公司 Convoy 的資料顯示,2018 年的貨車運輸服務營收接近 8000 億美元,物流量達 105 萬公噸。


簡單來説,貨車運輸是一個規模非常龐大的產業,但流程上卻不一定有效率。

在貨車司機每年登錄的里程數當中,竟有高達 40% 是空車里程,這浪費的時間和燃油所費不貲。這個問題有一大部分要歸咎於產業的基礎設施 — 網路非常分散,包含大大小小的託運方和運輸業者,再加上提供媒合的貨運承攬業者。這個過程通常需要使用傳統方法,像是電子郵件、通訊錄和電話。

Convoy 使用人工智慧 (AI) 將這個過程自動化,顛覆了這個模式。Convoy 市場兼資料平台工程部資深經理 David Tsai 表示:「我們透過行動應用程式建立了一個數位線上市集,讓快遞業者和司機可以利用這個平台直接找到工作。」

Convoy 的方法是使用機器學習這種 AI 技術,為託運方和貨車司機提供更好的媒合,讓他們使用 Convoy 的媒合系統,不但貨物移動更有效率,還能降低雙方的成本。大型託運方內部有電腦化系統,也可以將 Convoy 的線上數位市集整合到自己的系統中。

這個系統的另一項優點是透明。快遞業者可以透過 Convoy 查看任何工作的價格,然後做出周全且合理的決策。另一方面,託運方會取得即時的報價,因此可以比較不同快遞公司的價格。

「利用 AI 建置模型,順利獲得我們最重視的關聯性。」

Casey Olives
資料科學部主管
Convoy

「利用 AI 建置模型,順利獲得我們最重視的關聯性。」

Casey Olives
資料科學部主管
Convoy

Convoy 的機器學習模型使用 Amazon SageMaker,分析數百萬個運送工作機會,以及貨車司機可工作的時間,然後推薦具成本效益且可以及時送達的媒合。這影響了一切作業模式,從路線到提供給託運方和貨車司機的報價,再到辨識個別司機最適合哪種裝載量。

Convoy 資料科學部主管 Casey Olives 指出:「使用者登入 Convoy 應用程式後,能查看工作機會清單,列在清單最前面的項目就是與他們最相關的工作。利用 AI 建置模型,順利獲得我們最重視的關聯性。」

所以舉例來說,如果某家快遞業者有一個從西雅圖運送貨物到洛杉磯的工作,這個應用程式甚至還能推薦回程的工作機會。減少貨車回程的空車里程數,不僅對貨車司機有利,對環境也有益。

Amazon SageMaker 協助 Convoy 在產業中加速創新與改革。過去,Convoy 的資料科學家建立模型,然後交給工程師,重新撰寫到生產等級的程式碼中。有了 SageMaker,這個轉譯步驟現已移除。資料科學家現在可自由地快速建置機器學習模型,對工程師的依賴也減小了。

Olives 表示:「這個工具讓我們可以更快速地進行反覆運算,從開發到部署的速度也快上許多。這讓我們的資料科學家和工程師之間可以更快完成交接。」

當 Convoy 與更多的託運方和司機合作時,其 AI 更可以利用整個貨運網路中的更多資料來預測需求。換言之,這是一種動態流程,最終可以為這個世界最大的一個產業帶來效率。

Olives 表示:「當我們與更多的託運方和快遞業者合作時,我們也可以更充分了解還可承接的工作量有多少,以及特定路段預計的貨運需求。能對整個網路有全盤的掌握,將讓我們得以提升利用與成本效率,快遞業者和託運方可雙雙受惠。」

Coinbase 使用 ML 建立安全的加密虛擬貨幣交易方式

進一步了解 »

Capital One 使用 ML 更好地保護客戶遠離詐欺

進一步了解 »

Zendesk 使用 ML 協助許多公司提供更快的客戶服務

進一步了解 »

T-Mobile 使用 ML 讓客戶服務更加人性化

進一步了解 »