在我國，公路運輸是物流的最主要方式，交通運輸部資料顯示，公路貨運量佔全國貨運量的78%。可以說，公路運輸的效率與我國整體物流的效率息息相關，而對於被“小散亂”與“低效”困擾已久的公路貨運市場，提高報價效率、實現運價標準化之路困難重重。

在網際網路席捲一切的今天，許多企業嘗試用大資料、人工智慧等技術手段破解物流難題。日前，中國物流與採購聯合會評選的科學技術獎中，一款名為“圖靈”的智慧報價系統從353個申報專案中脫穎而出，獲選科技進步一等獎。圖靈系統由福佑卡車研發，基於大資料+AI實時計算全國範圍內的整車運價，與市場價的吻合度超過90%。這是如何實現的？將對整車市場帶來哪些改變？本文對其原理進行探究。

在這裡我還是要推薦下我自己建的大資料學習交流裙：667367234， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴
 

從“小黑板”到貨運平臺

上世紀80年代中期，我國公路貨運價格開始市場化改革，公路貨運價格從政府幹預轉向市場調節階段。隨著大量個體經營者進入市場，各式各樣的貨運資訊服務部（簡稱“資訊部”）和小作坊式的配貨站迅速興起，承擔起貨主與個體運力聯絡的中介。“中介們”在店鋪門口掛上小黑板，寫明發貨資訊，司機像逛菜市場一樣，看到合適的貨就進門詢價，司機與資訊部協商運價、資訊部再與企業發貨員溝通價格，在這一次次人為溝通中，運輸價格最終落定。

人為議價的弊端顯而易見，對於貨主企業來說，這種議價方式不透明，難以控制其中滋生的運價虛高、報價員吃回扣等腐敗行為；對於個體司機來說，幾乎每一次運輸都意味著新一輪的找貨、議價，運價又往往經過資訊部等中介盤剝；對於整個市場來說，冗長的交易鏈條增加物流成本、拖慢了運輸效率，更為重要的是，運價難以標準化。

2013年，通過網際網路方式撮合貨車與貨源的貨運平臺開始崛起，平臺建立貨源和運力資訊庫，找貨場景從線下“小黑板”轉移到線上，讓車貨對接變得更高效，但運輸價格的商定依然靠人為溝通進行。

大資料+AI破解人工議價

貨運價格難以標準化與它的自身屬性有關。

人工智慧時代的到來，讓機器報價成為可能。在貨運市場，報價員可以根據經驗，結合上述車型、貨物、天氣等影響因素推算一個運單的價格，越優秀的報價員給出的價格越符合市場需求。機器報價是根據人類的報價經驗模擬人去報價，使用大量的交易資料訓練機器學習模型，使演算法更加準確進而預測價格，成為一個深諳貨運市場的報價員，甚至比最老道的報價員更加優秀。在這條訓練圖靈系統成為優秀報價員的路上，福佑卡車技術團隊攻克的難關主要有三。

一、特徵工程提取資料

機器學習要依託於大量的實際運價，資料來源需要反映市場的真實性。在圖靈智慧報價系統的研發中，收集、清洗資料是基礎性的工作。系統的資料來源於福佑卡車沉澱了3年的整車交易資料，涵蓋全國除西藏、港澳臺外的各個省市，“真實”且“海量”的特質為後續研究提供支撐。

不過，原始的交易資料“太粗糙”，機器學習不能“直接食用”，怎樣把它轉化成機器學習使用的資料？這就涉及專案中最複雜、最關鍵的一步：特徵工程。運用特徵工程，最大限度地從原始資料中提取對運價產生影響的特徵，特徵選取得越好，機器學習的上限就越高。圖靈系統的研發人員在原始資料庫中提取了5459個特徵，不但包括車型、車長等訂單基本資訊，還包括客戶畫像、周邊城市的貨運供需情況、配貨地的消費水平等。有些維度連報價員自己都沒有意識到會對運價產生影響，但通過特徵提取都可以識別出來。

▲運價預測實現流程圖

二、實時演算法計算價格

所謂“資料和特徵決定機器學習的上限，演算法和模型可以無限逼近這個上限”，為了持續提高機器報價的精準度，圖靈系統的演算法工程師融合多種機器學習和前沿的強化學習及遷移學習演算法。收到一份詢價申請後，根據每個特徵對運單價格產生影響的重要性，演算法會對5459個特徵進行排序，從中提取影響最大的數十個特徵計算權重，實時計算出價格。

準確性與及時性是衡量機器報價的兩大核心指標。目前，從收到詢價申請到給出價格，圖靈智慧報價系統只需要0.58秒，以10%的偏差率計算，報價結果與市場運價的吻合度達到90%以上。通過演算法評估與修正，這一精準度還將不斷提高。

在這裡我還是要推薦下我自己建的大資料學習交流裙：667367234， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴
 

三、評估機制優化演算法

就像企業對人工報價員進行業績評估，圖靈系統的研發團隊設定了演算法評估機制，使用交叉驗證和A/B Test方案對演算法的有效性進行對比驗證，根據評估結果，工程師可以對演算法進行持續優化。人工報價員通過汲取歷次成功或失敗的經驗提高自己的報價水準，而機器報價學習的是大量實際成交價格，換言之，機器學習的是所有報價員的成功經驗，並且學習效率遠超過人類。

▲交叉驗證圖示

無論多麼優秀的報價員，也無法保證自己可以保持超高水準的工作狀態，但隨著交易資料的不斷累積，機器報價的精準度可以不斷提升。2018年，研發團隊對圖靈智慧報價系統進行升級，系統服務的使用者數量、月詢價數量、月成單量都得到了躍進式增長，而每一次詢價、每一筆成交訂單，都是優化圖靈系統的推動力。

站在行業角度上看，圖靈智慧報價系統不僅提高了交易效率，還將為整車運輸提供可靠的運價參考指數。在公路貨運市場，公路運輸價格指數一直被認為是反映貨運供求關係的“晴雨表”，可以預見，在大資料及人工智慧時代下，這張“晴雨表”將更加精準且智慧。

關注微信公眾號：程式設計師交流互動平臺！獲取資料學習！