帮企业解决运输优化问题，「杉数科技」推新产品「小马驾驾」

我国物流行业快速发展，行业里的大玩家们也都开始大量采用先进的信息网络技术和数据处理技术进行精细化管理，提升竞争力，运输优化则是其中一个重点。我们此前报道的杉数科技，近期推出智能运输决策产品小马驾驾（PonyPlus），希望为行业客户提供相应的技术解决方案。

运输优化主要涉及车辆路线问题。车辆路线问题（Vehicle Routing Problem, VRP）是由Dantzig和Ramser于1959年首次提出的优化问题，它的基本优化场景是，面对一定数量的、有着不同货物需求特征的客户群体，配送中心组织合理数量的车队，并安排适当的行车路线，向客户派送货物，以期在满足客户需求及场景约束的条件下，实现诸如路程最短、成本最小、耗费时间最少等目的。

车辆路线问题是运筹学领域的经典问题之一。运筹学者们先将运输场景中的实际问题（包括目标、约束等信息）用数学形式写出，即构建模型，再使用多种方法计算出最优路线，即优化算法求解，最终得到运输优化方案。

杉数科技告诉36氪，此前大部分企业只能选择地图服务商等提供的路径优化服务，通过实时的交通情况监控，提供距离最短或时间最短的路线规划；但在实际的运输配送场景中，从时间/距离最短到真正的成本最低，中间还有很多复杂的步骤，如第三方运输企业需要考虑运输全程的配送顺序、落货时间和各种限行、禁行约束情况等等，而对于可以组合多种配送方式（比如空运、陆运、海运，所需时长和限制都不同）、挑选多个承运商（各承运商针对不同配送方式提供的报价一般不同）的货主来说，问题的复杂程度则更呈现指数级增长。

因此，基于此前服务大客户的经验，杉数科技研发了标准化产品小马驾驾，希望为行业客户提供相应的技术解决方案。

杉数科技告诉36氪，小马驾驾的产品主要有两大亮点。第一，将业务场景中的实际约束纳入模型的同时，研发了人工智能算法模型，对客户优先级、客户处耗时、在途时间等进行学习，只需获得3个月以上的历史数据，就可以发掘数据规律，并不断优化，让系统“越用越准”。

第二，支持实时优化。运输优化决策方案在实际执行过程中还是会面临各种不确定性。如遇到交通状况变差或其他突发情况时，原定路线可能不是最优解。而小马驾驾提供实时优化功能，用于应对突发情况下的路线调整。

目前，小马驾驾能够覆盖多种提送模式，包括单点提/多点送、多点提/单点送、多点提/多点送。

在服务模式上，小马驾驾既可为客户提供整套系统的搭建服务，也可根据客户需求提供API模块或标准化的SaaS服务。在服务方案上，用户可根据实际需要对车型、车辆、站点、订单、优化目标等参数进行相应的调整。

对于客户来说，买单的动力主要来自于效果。杉数科技告诉36氪，最优决策可以直接帮助企业降低物流成本，经测算，相比于行业平均10-15年的“老师傅”，小马驾驾的排单结果可以使得企业的配送成本降低10%-20%。在具体的案例上，小马驾驾在服务中外运时为某大型家具公司制定了复杂的配送优化方案，小马驾驾将企业每日全城的调度时间从3小时压缩至15分钟，平均用车成本下降近10%～25%。

除物流调度场景外，小马驾驾未来也有可能为多种行业的、具有运输调度需求的人员或机构提供优化服务，如VRP问题的特例——TSP问题（Travelling Salesman Problem）最早提出时解决的“销售员路径规划”，仓库内各货架之间的拣货路径等等。