1.2.5　智能物流发展的重要方向

大数据分析技术现在已非常成熟，在电子商务运营中得到了广泛应用。人工智能技术相对成熟，除图像识别外，其他人工智能技术已开始应用，是未来发展的要点。物联网技术与大数据分析技术互为依托，前者为后者提供数据来源，后者将前者的数据进行事务化，人工智能技术则是大数据分析技术的升级。三者都是未来智能物流发展的重要方向。

1.大数据助力智能物流晋级的4个应用场景

（1）需求猜测。

需求猜测是指经过收集用户消费特征、预期需求、商家出售等大数据，运用算法进行评估并提早猜测需求，优化前置仓储与运送环节。需求猜测现在已经有了一些应用，但在猜测精度上仍有很大提升空间，未来需要扩充数据量、优化算法。物流人才需求猜测是指以企业的战略目标、发展规划和工作任务为出发点，综合考虑各种因素的应用。

（2）设备保护猜测。

通过物联网的应用，提高设备创新能力，在设备上安装芯片，可实时监控设备的运转数据，经系统集成并进行大数据剖析实现预先保护，形成保护带动效应，延长设备使用寿命，提高核心竞争力。随着机器人与设备在物流环节的应用，设备保护猜测将成为未来应用十分广泛的一个方向。设备技术创新机制有机结合技术创新体系，例如，在物流车辆设备上安装芯片，可经过数据剖析对车辆提早进行保养。

（3）供应链危险猜测。

经过对反常数据的收集，对不正常状态进行判断，对在这个过程中形成的货品损坏等进行猜测，以提高产能。

（4）网络及路由规划。

运用数据、时效、规模等构建剖析模型，对网络及路由进行规划，对仓储、运输、配送网络进行优化布局。对于以快运业务为主的运输网络，区间配送时效及运力直接决定运输网络品质。例如，经过对消费者数据的剖析，提早在距离消费者最近的库房备货。合理配置分拨中心是构建运输网络的第一步，可完成实时路由优化，在核心竞争区域达成全网络覆盖，指导车辆采用最佳线路进行跨城运输与同城配送，基于网络平台实现服务器选择算法和路由规划算法。

2.大数据助力智能物流技术的5个应用场景

（1）智能运营规矩处理。

未来，经过机器学习，运营规矩引擎将具备自学习、自适应能力，可深耕精细化运营优化服务，引领行业智能在感知事务条件后进行自主决议计划。智能运营规矩在智能监管方面的挑战主要来自公平性、透明性和责任认定。在不同场景下依据产品品类等条件自主设置订单生产方式、交付时效、运费、反常订单处理等运营规则，完成智能处理。

（2）最优库房计划。

人工智能可以依据实际环境的种种条件，秉承“安全、相信、创新、质诚”的经营管理理念，坚持从客户需求角度出发，如顾客、供应商和生产商的地理位置、运输经济性、劳动力可获得性、建筑成本、税收制度等，通过专业技术进行不懈的努力及充沛的优化与学习，制订最优库房计划，推动仓储业不断向前发展。

（3）改进辅佐决议计划。

运用机器学习等，基于归纳专家体系、决议计划支撑体系，识别人、物、设备、车的状况，学习优异的办理和操作人员的指挥调度经历和决议计划等，对规划计划进行归纳剖析，完成辅佐决议计划和主动决议计划，使辅佐决议计划的作用大大提升。

（4）图像识别。

利用计算机对图像进行处理，运用图像处理技术从视频中提取图像，基于图像识别和卷积神经网络提高手写运单识别机器的识别率和准确率。计算机视觉商业化应用的逐渐落地，将大幅度削减人工输入订单的工作量，降低产生输入差错的可能性。

（5）智能调度。

结合大数据与机器学习，经过对产品数量、体积等根底数据的剖析，对各环节如包装、运输车辆等进行智能调度。智能调度经过测算百万SKU产品的体积数据和包装箱尺寸，运用深度学习算法，高效匹配并智能核算，推荐耗材和打包排序，激活闲置资源，合理安排箱型和产品摆放计划。