【51CTO.com原創(chuàng)稿件】2017年7月21日-22日，由51CTO主辦的以人工智能為主題的WOTI2017全球創(chuàng)新技術(shù)峰會(huì)在北京富力萬麗酒店隆重舉行。峰會(huì)期間，30+AI明星，數(shù)十場(chǎng)圍繞人工智能主題的精彩演講與圓桌論壇緩緩揭開面紗。除了場(chǎng)內(nèi)的精彩演講，場(chǎng)外還有專門為AI愛好者搭建的動(dòng)手實(shí)驗(yàn)室和科技體驗(yàn)區(qū)，這一切都讓本次大會(huì)亮點(diǎn)十足。

7月21日下午WOTI2017主會(huì)場(chǎng)，順豐科技人工智能技術(shù)總監(jiān)劉志欣進(jìn)行了主題為《人工智能助力物流升級(jí)》的精彩演講。以下是演講實(shí)錄，讓我們先睹為快！

[[197665]]
順豐科技人工智能技術(shù)總監(jiān)劉志欣

大家好！非常感謝主辦方提供這么一個(gè)機(jī)會(huì)，讓我們來分享一些事情，和大家進(jìn)行交流。物流這個(gè)詞最早來源是什么呢？物流最早是Logistics，源于希臘文意為計(jì)算的科學(xué)。這個(gè)詞最早被提出來是拿破侖戰(zhàn)爭(zhēng)失敗以后，法國(guó)人總結(jié)經(jīng)驗(yàn)提出了這個(gè)詞，它是軍事術(shù)語，咱們中國(guó)古人很早就提出了類似的想法，比如糧草先行，運(yùn)籌帷幄等等?，F(xiàn)在物流的概念是美國(guó)人提出來的。后來傳到日本，日本斷章取義，翻譯成了物的流通，把計(jì)算取消了，再傳到中國(guó)就是物流，感覺就是搬運(yùn)貨物，其實(shí)后面有非常多的優(yōu)化與計(jì)算。接下來跟大家聊一聊，比如順豐這樣的行業(yè)龍頭，怎么把快遞的各種策略、優(yōu)化等等做好，并且能夠保障我們貨物時(shí)效、高效有保證，新技術(shù)如何幫助我們做的更好，具體的案例再和大家分享一下。

剛才提到的計(jì)算還是需要很多數(shù)據(jù)支撐的，順豐也積累了很多優(yōu)質(zhì)的數(shù)據(jù)，其中就包括運(yùn)單本身，運(yùn)單本身就會(huì)帶出來從哪寄到哪，誰給誰的，還有運(yùn)單本身，比如托寄物品，物流時(shí)間點(diǎn)等等，除此之外，還有很多其他領(lǐng)域的，比如商業(yè)的，比如金融方面的數(shù)據(jù)。同時(shí)順豐有二三十萬人的地面部隊(duì)，散布在全國(guó)各個(gè)城市的小區(qū)、寫字樓，他們的所聽所聞所感，最接近我們真實(shí)世界的數(shù)據(jù)，這些數(shù)據(jù)我們?cè)趺催\(yùn)用好，幫助我們更進(jìn)一步的應(yīng)用，也是我們需要考慮的內(nèi)容。所以我們運(yùn)用技術(shù)，在數(shù)據(jù)和業(yè)務(wù)基礎(chǔ)上做了一些工作，其中包括智能物流，這個(gè)主要是支撐這個(gè)業(yè)務(wù)鏈條的很多智能硬件，還有智能決策，決策方面很多的策略和規(guī)劃，還有智能管理，公司的管理等等。

今天主要跟大家分享的是智能決策方面的工作，分三個(gè)層次。第一個(gè)層次，如果我們從普通物流業(yè)務(wù)來說，它是很長(zhǎng)的鏈條，最早從下單開始，之后運(yùn)單，有些手寫運(yùn)單，到后面送貨員去收，后面一系列的支線運(yùn)輸、干線運(yùn)輸，包括中轉(zhuǎn)場(chǎng)，分揀分流，還有整個(gè)系統(tǒng)規(guī)范的問題。既有運(yùn)輸又有分揀等等，綜合在一起考慮更加有效，同時(shí)還有場(chǎng)地管理方面的問題。第二個(gè)層次，面對(duì)客戶，客戶有toC的，也有toB的，比如說運(yùn)單，我們運(yùn)單都有理賠風(fēng)險(xiǎn)，還有客戶的流失，客戶的異動(dòng)，還有月結(jié)客戶是否安全，月結(jié)客戶是跟我們合作，有資質(zhì)的大客戶，其實(shí)就是短期貸款，貸款就會(huì)有一些風(fēng)險(xiǎn)問題。同時(shí)還有類似于產(chǎn)品推薦等等。最后是排班、任務(wù)分配、計(jì)提計(jì)算，今天因?yàn)闀r(shí)間關(guān)系，我選取其中幾個(gè)產(chǎn)品和大家進(jìn)行交流。

第一個(gè)案例是線路規(guī)劃的問題。線路規(guī)劃不僅僅是做一個(gè)導(dǎo)航，拓?fù)淅锩嬗泻芏嗪芏帱c(diǎn)，怎么高效的把這些點(diǎn)串在一起，我們需要在一個(gè)時(shí)間窗口內(nèi)既有放又有提，還有整體的優(yōu)化。優(yōu)化這個(gè)問題是很難做的，為什么很難做？我如果列一個(gè)規(guī)劃的方程出來其實(shí)是比較容易的，最大的難點(diǎn)在于求解，因?yàn)榻饪臻g非常非常巨大。

同時(shí)，加上很多約束之后，可求解的區(qū)域有些時(shí)候不一定是凸的，這就造成我們做工程上可用的系統(tǒng)，能夠比較快的反映出來，就是難度所在。除了列方程求解之外，大家普遍采用求近似，不一定最優(yōu)，比如大領(lǐng)域搜索，比如剪枝問題等等，這都是我在一個(gè)范圍內(nèi)用一些策略做剪枝，找到比較優(yōu)的解。很多時(shí)候它的效果有時(shí)候好，有時(shí)候不見得特別好。所以說，這個(gè)問題歸根到底，把它看成是巨大空間里的剪枝問題，和AlphaGo下圍棋的道理是一樣的。所以除了傳統(tǒng)這些領(lǐng)域之外，也用了（英文）方法來做一個(gè)剪枝的策略。我們這套算法系統(tǒng)已經(jīng)在一些實(shí)際場(chǎng)景中使用了。

它的特點(diǎn)是同時(shí)支持靜態(tài)的規(guī)劃和動(dòng)態(tài)實(shí)時(shí)規(guī)劃，實(shí)際上很多時(shí)候我們既需要?jiǎng)討B(tài)又需要靜態(tài)，比如大干線，需要有班次的支撐，但是我在一個(gè)小范圍，比如城市里動(dòng)態(tài)規(guī)劃，能夠提供非常高的效率。我們目前也在試點(diǎn)過程中。這樣做，我們就需要把靜態(tài)和動(dòng)態(tài)靈活的無縫銜接在一起，比如在一個(gè)區(qū)域內(nèi)做動(dòng)態(tài)優(yōu)化，支線大干線在一起，這是我們需要解決的一個(gè)問題。實(shí)際中，如果做動(dòng)態(tài)線路規(guī)劃，需要很快的插入到現(xiàn)在的線路，或者新的線路出來，這是實(shí)時(shí)計(jì)算工程上的問題，我們?cè)趺礃幼尲糁Σ呗苑浅？斓耐黄啤?br />
除了線路規(guī)劃之外，它聯(lián)動(dòng)的是什么，我把線路重新算了之后，不可避免的帶來線路終點(diǎn)在哪里，線路終點(diǎn)就是在中轉(zhuǎn)場(chǎng)，怎么把線路結(jié)合在一起，這也是優(yōu)化的問題。

剛才談到了線路規(guī)劃，其實(shí)很類似的很接近的一個(gè)問題是網(wǎng)點(diǎn)規(guī)劃，我選擇這些點(diǎn)，比如說城市里各個(gè)網(wǎng)點(diǎn)，中轉(zhuǎn)場(chǎng)選址等等，這個(gè)選點(diǎn)優(yōu)化的結(jié)果最終會(huì)很大程度上影響我們的效率。做這件事情的時(shí)候里面的一個(gè)問題，比如我們?nèi)绻镁垲惢蛘呤裁捶椒ㄗ?，算起來也是很痛苦的事情，所以需要?xùn)練策略網(wǎng)絡(luò)。

我們?cè)趺床拍軌驅(qū)χ修D(zhuǎn)場(chǎng)做一些規(guī)劃，線路最好的結(jié)合在一起，現(xiàn)在所有的中轉(zhuǎn)場(chǎng)都面臨同樣的問題，也就意味著，中轉(zhuǎn)場(chǎng)放100個(gè)、200個(gè)、300個(gè)人，我的貨物堆在那能不能及時(shí)處理，人工的線有沒有塞，如果大家有機(jī)會(huì)去中轉(zhuǎn)場(chǎng)看的話就會(huì)看到一片忙碌的景象。綜合剛才說的這些問題，目前的現(xiàn)狀就是傳統(tǒng)中轉(zhuǎn)場(chǎng)是靠人來識(shí)別，主管經(jīng)理在辦公室看這個(gè)裝卸需要多少人，貨物多，需要多開幾個(gè)口等等。所以用計(jì)算機(jī)視覺方法能夠把這些實(shí)時(shí)拿出來，包括人的軌跡，這些人是不是在他工作的地方，貨物堆在那是不是長(zhǎng)時(shí)間沒有處理，包括我們用雙目攝像頭做車廂內(nèi)裝載率的掃描，這也能降低我們的成本。

在此基礎(chǔ)上，把這套數(shù)字化構(gòu)建好之后，后面就可以和我們的線路做聯(lián)合優(yōu)化。舉一個(gè)例子，我們之前中轉(zhuǎn)場(chǎng)開了七個(gè)班次，但是我們整個(gè)支線和干線的線路做了優(yōu)化之后發(fā)現(xiàn)不需要那么多班次，只需要五個(gè)班次就可以了，但對(duì)中轉(zhuǎn)場(chǎng)就造成一個(gè)問題，這些貨物集中在五個(gè)班次內(nèi)完成的話，會(huì)不會(huì)造成堆在那處理不了，造成爆倉(cāng)。所以數(shù)字化工作做好以后，我們可以用一些仿真把它計(jì)算出來，對(duì)這種情況我們需要開多少口，需要開多少皮帶機(jī)，這都是需要做的。

整個(gè)中轉(zhuǎn)場(chǎng)環(huán)節(jié)是非常典型的應(yīng)用場(chǎng)景。

還有，和整個(gè)運(yùn)輸中轉(zhuǎn)密切相關(guān)的是件量預(yù)測(cè)，包括每個(gè)點(diǎn)收的件預(yù)測(cè)，我們對(duì)資源進(jìn)行很好的安排，進(jìn)行整體的組合優(yōu)化，但是物流行業(yè)里的預(yù)測(cè)是一件非常難做的事情。我列了三個(gè)維度，空間維度、時(shí)間維度、產(chǎn)品維度?？臻g維度，我們的空間是一層一層往前的，從城市到地區(qū)，城市之間經(jīng)濟(jì)圈再到全國(guó)，還要加上一些流向，變成兩個(gè)方向。時(shí)間維度，也是很復(fù)雜的事情，它不光是一個(gè)簡(jiǎn)單的時(shí)間序列問題，因?yàn)闀r(shí)間序列預(yù)測(cè)之前整個(gè)業(yè)界在做，但時(shí)間維度難點(diǎn)在于有三個(gè)時(shí)間軸，第一個(gè)是公歷，第二個(gè)是農(nóng)歷，第三個(gè)是時(shí)令，各種時(shí)令產(chǎn)品，比如最近最好吃的櫻桃，再過幾個(gè)月就是大閘蟹，每年都是有波動(dòng)的。所以這也是一個(gè)時(shí)間軸，前兩個(gè)還比較好弄，第三個(gè)是很難判斷的。所以這是時(shí)間維度上的難點(diǎn)。產(chǎn)品維度，要預(yù)測(cè)出各種產(chǎn)品出來，這方面也做了大量工作。針對(duì)不同情況用了很多不同的模型，比如傳統(tǒng)意義上的序列模型，再是最近Facebook提出的一個(gè)模型。對(duì)有一些比較特殊的產(chǎn)品，我們用改進(jìn)的方法來做。我們希望做出選擇和預(yù)測(cè)。

最后一個(gè)例子是關(guān)于手寫運(yùn)單識(shí)別與糾偏的問題，地址的糾偏。第一個(gè)是人力資源的投入，需要很多輸單員操作；第二個(gè)是信息的前置，手寫運(yùn)單很難做到這一點(diǎn)，就算再快的人，每天幾百萬上千萬的單涌入，處理起來還是需要時(shí)間的。所以我們做的工作包括手寫單的識(shí)別，最重要是地址識(shí)別，包括地址糾偏。

下面是幾個(gè)例子，做識(shí)別的時(shí)候，給它進(jìn)行復(fù)原，把有文字的地方識(shí)別出來，用一個(gè)比較常規(guī)的模型，接下來給大家講一下地址糾偏的問題，很可能這個(gè)人自己寫了錯(cuò)別字，這是很常見的。第二個(gè)，可能把很潦草的字識(shí)別錯(cuò)了，或者有的字漏掉了，我們做分詞，再一級(jí)一級(jí)做糾偏就面臨一個(gè)尷尬的情況，比如很多錯(cuò)別字，關(guān)鍵字漏掉之后，不太容易做。所以我們這邊用了一個(gè)蠻超新的想法，它是基于積攢的海量數(shù)據(jù)庫(kù)來做的。

這邊是幾個(gè)事例，我們看看它到底能做的多好，上面黑色的是識(shí)別出來有錯(cuò)的地址文本行，同時(shí)我們?nèi)藶榧右恍┰肼曔M(jìn)去，看看能不能糾錯(cuò)回來，我們可以看到，這個(gè)有很多錯(cuò)字的地址行連人類自己都很難把正確的地址識(shí)別糾正過來，但紅色的字是我們糾過來的結(jié)果，下面一行字是真實(shí)的地址，大家可以看到是完全糾正過來了的。第二個(gè)例子是漏掉了關(guān)鍵字，同時(shí)我們也人為加了很多噪聲，這個(gè)地址基本上已經(jīng)糾錯(cuò)過來了，唯一錯(cuò)的就是門牌號(hào)。

剛才和大家分享了一下我們做的一些工作，我們是很年輕的團(tuán)隊(duì)，不到一年，大半年時(shí)間，我們?cè)谶@個(gè)行業(yè)里發(fā)現(xiàn)，這是一個(gè)計(jì)算密集的行業(yè)，大量的工作需要做優(yōu)化。第二個(gè)，不只人工智能技術(shù)，包括優(yōu)化問題、網(wǎng)絡(luò)問題等等是比較有意思的。謝謝。

51CTO記者將持續(xù)為您帶來WOTI2017全球創(chuàng)新技術(shù)峰會(huì)前方精彩報(bào)道，敬請(qǐng)期待！

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】