欧美人与性动xxxx_欧美综合欧美视频_亚洲国产一区二区在线播放_91视频免费播放_午夜精品免费在线观看_欧美精品一区二区蜜臀亚洲_久久精品国产一区二区_91精彩视频在线观看_午夜一区二区三区在线观看_91色综合久久久久婷婷_1024精品合集_亚洲国产一区二区三区青草影视_成人小视频免费在线观看_亚洲一区在线看_亚洲mv在线观看_免费观看30秒视频久久

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(jiàn)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(kāi)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。快遞公司和消費(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(kāi)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。”之前需要網(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。”
        這些原本需要使用人力現(xiàn)場(chǎng)巡檢的工作，均由攝像頭完成實(shí)時(shí)識(shí)別，第一時(shí)間智能推送給總臺(tái)，由總臺(tái)調(diào)集人員迅速處理。物流場(chǎng)站內(nèi)的管理模式，也由人員主動(dòng)巡檢不能及時(shí)發(fā)現(xiàn)異常，或者異常導(dǎo)致場(chǎng)站停擺后再被動(dòng)介入的處理模式，變成了實(shí)時(shí)智能管理模式。
“在沒(méi)有改變?cè)斜O(jiān)控設(shè)備的情況下，以較低成本的投入，識(shí)別準(zhǔn)確率達(dá)到 98%，挪車及時(shí)率比以前提高54%。”丁俊哲說(shuō)。
數(shù)據(jù)顯示，德邦快遞場(chǎng)站內(nèi)流轉(zhuǎn)效率因此提高了 15%，一年可以節(jié)省成本近千萬(wàn)元，如果算上物流效率的提升以及貨損率的降低，一年可產(chǎn)生過(guò)億元的效益。
        近幾年，中國(guó)第三方物流規(guī)模的增長(zhǎng)已經(jīng)趨近平緩，物流公司開(kāi)疆拓土的時(shí)代也將接近尾聲，接下來(lái)等待著他們的將是精耕細(xì)作、以技術(shù)取勝的新時(shí)代。在云計(jì)算、大數(shù)據(jù)、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等技術(shù)的加持下，物流業(yè)將迎來(lái)全面的革命。