基于互联网和物联网(IoT)技术的融合,及人工智能(AI)技术的应用,构建集柔性业务流程、运筹规划和数据智能于一体的物流科技服务架构。
VEHICLE ROUTING PROBLEM BASED ON QUANTUM EVOLUTIONARY ALGORITHM
进化算法(Evolutionary Algorithms,QEA)依照达尔文的自然选择和孟德尔的遗传变异理论,模拟生物进化过程,通过随机搜索获得近似最优解。量子进化算法(QEA)引入了量子计算的概念和理论,使用量子比特对染色体编码以获得更好的进化效率和结果。
假设有n个任务m台车辆,在满足提送货时间窗、车辆核载、单车最大行驶距离等多种约束条件下,实现任务到车辆的自动分配——智能调度。
是典型的NP-Hard问题。随机生成若干解,利用适应度函数评价每个方案,并模仿生物进化过程逐代种群去变异、选择,最终获得可接受的近似最优解。
BUSINESS VERFICATION BASED ON GREY SYSTEM THEORY
灰色系统理论认为,系统是否会出现信息不完全的情况、取决于认识的层次、信息的层次和决策的层次,低层次系统的不确定量是相当的高层次系统的确定量,要充分利用已知的信息去揭示系统的规律。
基于灰色系统理论,识别某条运输执行信息的真实性、合理性。在运费定价、结算业务等场景下可以辅助防止腐败、虚开等风险。
利用有限的(小数据)历史运输执行信息,基于灰色系统理论计算当前运输信息的可置信度。
FREIGHT PREDICATION BASED ON CONVOLUTIONAL NEURAL NETWORK
卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一。
利用历史运价信息,对不同路线上的运价作短期预测,作为推荐运价提供给客户。
利用历史运价信息,识别哪些元素对运价构成何种程度的影响,继而对未来的运价作出精确的短期预测。
BUSINESS PROCESS INTELLIGENCE TECHNOLOGY BASED ON BIG DATA ANALYSIS
涉及到数据的可靠且低能耗传输、存储、分析等诸多关键技术应用。上百个网络货运平台每天新生成数万条记录。
根据业务逻辑模型,实现自动派单、执行进度递进、状态跟踪等,最终目标是实现流程的全自动化处理。
应用大数据智能判别运输执行进度、执行效率、运营质量评估,以及异常单据、运价的自动侦测等。
成为物流企业的最佳商业伙伴