亚马逊网络服务（AWS）看到了机器学习为运输和物流行业推动移动革命的四个主要领域。当瑞士决定通过从其高山公路上拆除数万辆货运卡车来减少拥堵和污染时，瑞士建造了圣哥达隧道，这是世界上最长，最深的铁路隧道。现代工程的壮举对民用和商业实体都是一个福音，但如此令人印象深刻的建筑项目并不是我们改善运输和物流未来的唯一途径。相反，在竞争日益激烈和相互联系的世界中，只有29％的运输和物流（T＆amp; L）CEO认为他们的公司的收入将在明年增长，并且越来越多的T＆L公司正在转向新的云基于机器的服务可以帮助他们提高效率并为客户提供更好的体验。云与AI的集成已实现了独立技术的广泛开发，尤其是在移动技术领域。根据PWC的数据，这已经改变了游戏规则，因为68％的运输和物流公司领导人认为，服务交付核心技术的变化将在未来五年内颠覆其行业，而65％的人认为分销渠道将会如此。流动性革命。简而言之，机器学习在四个主要领域推动了运输和物流行业的移动性革命：1.预测需求和路线优化2.自主驾驶和制图3.机器人4.异常检测例如，Convoy正在破坏市值达8000亿美元的货运业，使用机器学习模型来优化路线。在美国，卡车运输是通过人工经纪人工作的分散的托运人和运输者网络。这是一个效率低下的系统，每年导致95％的美国卡车司机空着。 Convoy能够分析数以百万计的运输工作，从而通过减少空载里程（最重要的是减少排放量）来创建行业内最有效的匹配方法，从而增加利润。但是卡车运输业在全国至少有100,000名驾驶员短缺。有一种解决方案，那就是自动驾驶卡车。在TuSimple，技术团队部署了100多个基于云的AI模块，以安全有效地在100英里之外进行自主的商业交付。即使在装卸卡车上以每小时65英里的速度行驶时，TuSimple的高级AI算法也可以区分共享道路的车辆类型，确定其速度并保持+/- 5厘米的精度，以便TuSimple的卡车可以安全地停留在路上。车道中心在东南亚，乘车公司Grab希望改善其实时按需匹配和供应算法。它转向了机器学习工具来访问支持150万笔预订的实时数据计算和数据流，最终将其匹配和供应性能提高了30％。 AI和机器学习对T＆amp; L行业产生积极影响的另一个例子是Lyft使用AI驱动的时间序列分析解决方案。该技术会自动发现异常情况，从而引发更大的业务问题并检测需要检查的事件。 Lyft无需投资大型内部数据科学或手动检查仪表板，从而节省了巨额成本。当然，预测的准确性是运输和物流公司的主要因素，位于阿联酋的Aramex的实时运输业务（提供国际和国内快递，货运代理和在线购物服务）可以处理数千个请求每一分钟。通过部署全面管理的基于云的服务，使开发人员和数据科学家可以训练，构建和部署AI和ML模型，Armax的运输时间预测准确性提高了74％，从而将与交付相关的服务呼叫减少了40％。基于云的ML和AL基于云的机器学习和AI工具也是Amazon的核心，从客户下订单到完成订单交付，每年成功交付数十亿个软件包。我们使用预测算法来预测客户可能订购的产品，以确保仓库中有足够的供应。我们在AWS上的AI和机器学习服务还为我们的履行中心机器人，与我们的交付合作伙伴合作的方法提供了动力，甚至优化了我们的交付路线。过去几年的经验教训很明确：运输和物流行业的竞争从未如此复杂，盈利能力只是真正的技术驱动效率。幸运的是，人工智能和机器学习方面的新创新为公司提供了巨大的优势，从而为他们提供了巨大的优势。