美国“即时物流”里的技术

 

　　“即时物流”即省去仓储和中转环节，为用户提供极速、准时的门到门末端配送服务。最初主要定位于外卖市场，随着新零售消费渠道的下沉，这一格局被打破，即时物流的市场潜力被无限挖掘。

 

　　最近几年，以外卖为依托，即时配送业务在全球范围内掀起了一波快速发展的浪潮，全球各地都出现了很多创业公司，其中国外知名的包括美国的Uber Eats(全球)、英国的Deliveroo、印度的Swiggy、Zomato(分别被美团和阿里投资)，印尼的go-jek等等。国内除了美团外卖、饿了么、滴滴外卖等典型代表外，而还有专注于即时配送服务创业公司，比如闪送、UU跑腿、达达、点我达等;美国专注于即时配送服务创业公司比如ATUTOX、GESOO等。

 

　　毕竟最后一公里连接着千万个家庭，其背后的市场空间想象是特别丰富的，何况和最会一公里紧密联系的另外一个词汇就是高频，高频就意味着流量，意味着变现的能力，那也就不难看见行业巨头和初创公司们纷纷展开创新与博弈， 希望在高品质化和高速化的物流“最后一公里”浪潮之中占得先机。

 

　　现在的物流模式主要有这么几种，主要根据业态而定，一种是 电商中转仓模式，即通过自建或租赁城市区域仓，进行平台订单--区域中转仓--城市分拣中心--到用户的直连配送 ，比如国内的京东、美国的亚马逊、亚米网等电商公司。这其中尤其以京东和亚马逊的自建仓模式优势明显。国内京东推出的“准时达”服务就是在自建仓储物流的基础之上，保证配送速度，准时到达客户手中的。

 

　　而淘品牌会与顺丰以及三通一达的传统物流公司合作，实现最后一公里的送达。

 

　　最后一公里不仅仅解决送达的问题，更为关键的是从用户下单到收到产品过程的速度体验，这对生活急需品和生鲜类产品的最后一公里提出了更高的要求。在2C的模式上有赫赫有名的 盒马鲜生、每日优鲜，使用的是“城市前置仓”模式 ，将仓库布与城市社区中，保证将生鲜产品快速送达至目的地。在2B的模式上有 美菜、宜花科技、叮咚鲜食，美团的快驴进货使用的是“城市分拣仓模式” 覆盖范围主要针对一个城市的小B商家。

 

　　在超市到用户的最后一公里是京东达达、闪送、叮当快药等基于众包模式的点对点配送方案。众包点对点模式因为有广泛的连接性更适合平台模式，尤其以外卖更为突出，无论是美团外卖还是饿了么都是这个模式的钟爱者。

 

　　但是， 在提供高速、高质量服务的同时，人力物力成本显著提升 ，其它问题也随之而来。中转仓模式的问题是，中间入仓和分拣导致时效性差，且在城市中设置众多仓库，其场地、设施、人员等也会带来较大成本。众包模式中，距离较远时费用较高。另外在国内众包模式中，大多是两轮交通工具，运送物品种类受限的同时，安全问题也不容忽视。而在美国多数城市都使用汽车配送，使用汽车配送不会发生国内这种频发的交通事故、安全性相对较高，但是问题也随之而来。

 

　　以作者所在城市洛杉矶为例，洛杉矶已经是美国人口密度最大的城市之一，即便如此依然没办法和国内的居住密度相提并论，所以遇到的第一个问题是配送密度低、地域广泛，导致配送的时间长;其次，使用汽车最大的问题是堵车，在城市中心DOWNTOWN这类的区域，不仅堵车而且根本没有地方停车，停车费和罚单高的离谱。最后是汽车和短途交通工具结合的方式，但是因为美国对驾照的要求很高，而且安全问题等，能够从事最后一公里配送的可用劳动力非常稀少。

 

　　于是，美国科技企业纷纷加大科技研发方面的投入， 希望用新技术，降低“最后一公里”物流成本，并进一步加快运送速度，提高服务质量。 在技术创新的潮流中，主要有两种方式解决以上问题：一种是用无人机、无人车这些耳熟能详的新硬件代替人力进行高速运输;谷歌、亚马逊、UBER、特斯拉都在城市物流领域花费重金进行研发，希望获得自动驾驶配送的先发优势。笔者熟知的硅谷科技企业AUTOX已经开始进行无人驾驶配送商业化，并且和国内的美团进行了战略合作。

 

　　但是这种模式最大的困难在于技术成熟度与法律和实际环境融合的困难，对于美国市场在最后一公里配送上特别需要这类的服务，劳动力成本高昂并且稀缺是制约美国生活服务向最后一公里跃进的最大障碍。

 

　　另外一种是， 运用算法+大数据分析+人工智能，实施分布式系统的架构升级，对配送过程进行优化，降低配送成本，提高配送速度。 即时物流业务对故障和高延迟的容忍度极低，在业务复杂度提升的同时也要求系统具备分布式、可扩展、可容灾的能力。围绕成本、效率、体验核心三要素，即时物流体系大量结合AI技术，从定价、ETA、调度、运力规划、运力干预、补贴、核算、语音交互、LBS挖掘、业务运维、指标监控等方面，业务突破结合架构升级，达到促规模、保体验、降成本的效果。即时物流业务对故障和高延迟的容忍度极低，在业务复杂度提升的同时也要求系统具备分布式、可扩展、可容灾的能力。

 

　　在配送系统优化过程中，美国和国内几乎都面临着相同问题，如果处理不好，会严重影响优化的效果：

 

　　1，用户的需求存在着极大的波动。 以外卖为例，午饭和晚饭时间的订单数目会远远高于其他时间。在低峰期，如果有较多的司机会导致的运力浪费;相反，在高峰期，较少的司机又会导致订单的延误。

 

　　2，法律以及配送人员本身的行为会影响对于运力的分配。 例如配送人员会因为接收订单数过多，配送时间长，每单运费较低而选择离职去其他平台，因此需要为他保证每日适度的接收订单数目和每单不低于10美元的收入。同时，如何合理的分配订单，减少司机的绕路情况;多送订单给予奖励，使得他们更愿意接收订单，这一点也很重要。

 

　　备注：美国法律要求全职司机和全职雇员享受相同待遇，而这会导致在配送过程中发生的任何问题都将由公司埋单，例如交通事故赔付、人身伤害、工作补贴等，这会极大的加剧企业的成本。同时，法律要求平台不能对兼职司机实行控制措施，例如不能要求他准时上线、不能要求每天送达多少单等。

 

　　3，因为配送服务的性质越来越多地向即时服务过渡，所以系统的响应时间必须足够短。 往往要求系统在几分钟内，就要给出合理的调度方法，充分利用每一个配送人员，并对新信息及时给出回应。这意味着算法在合理的基础之上要更简洁，进一步加大了计算分析的难度。

 

　　4，参与建设商家的IT系统变得异常重要。 配送除了和平台直接关联的司机有关外，还与合作商家有关系，合作商家的对it系统的熟练使用程度会大大降低调度的响应时间。同时，商家it系统是建立在对商家业务形态非常熟悉的基础完成上的，这样才会与配送环节高度匹配。

 

　　对于配送系统的优化，由于系统的复杂程度很高，算法设计上具有难度，具有很高的知识与技术门槛，对于设计人员来讲，需要较强的物流建模能力和数据分析能力。

 

　　在美国即时配送平台GEOSOO就是很好的例子。这家公司根据O2O即时物流的市场情况，将配送人员根据雇佣方式、服务时长、经验多少;客观条件交通路线、语言熟练度、城市分布、商家分布区域;商家产品标准化流程等做了分类，通过整数规划模型，对分单过程和配送过程分别建模，建立算法数据和计算平台，同时考虑了用户和司机的行为，并针对模型建立对世界深度感知。

 

　　对O2O即时配送平台运营进行了机器学习优化。

 

　　GESOO即时配送的解决方案是，采用一套“分布式存储+AI中心调度”协作的同城物流模式，实现UBER+达达的结合，达到降本提速的作用。利用和国内美团类似的分布式架构，通过：

 

　　LBS系统： 提供正确位置(用户/商户/司机)以及两点之间正确的驾驶导航。

 

　　多传感器： 提供室内定位以、精细化场景刻画、司机运动状态识别

 

　　时间预估： 提供所有配送环节时间的准确预估

 

　　调度系统： 多人多点实时调度系统，完成派单决策：谁来送?怎么送?

 

　　定价系统： 实时动态定价系统，完成定价决策：用户收多少钱?给司机多少钱?

 

　　规划系统： 配送网络规划系统，完成规划决策：站点如何划分?运力如何运营?

 

　　实现最后一公里时效性的有效保障，通过此种模式已经将配送时间从2小时缩短到1小时，和国内的速度持平，这在美国即时配送领域非常难得，美国目前多数城市都不能实现同城当日达，对于即时配送更是可望不可求。

 

　　GESOO即时配送省去了仓储分拣，通过GESOOAI智慧大脑，对1000多众包司机进行实时的智能调度和管控，以即时响应各类配送场景和订单需求，将门店发货的配送时长控制在30分钟之内。并通过全自动调度降低整体运营成本，将配送信息与车辆信息、路况信息实时动态匹配，从系统整体层面做优化，同城服务半径可达 50迈，2小时可送达，在运输距离较远的情况下依然能保证高时效。

 

　　分钟级配送不断刷新最短送达时长的背后，是技术创新和模式创新驱动的物流产业升级。

 

　　即时物流的兴起印证着人们消费观念的转变，以商业促进消费的模式变为了以消费体验促进商业的模式。对于即时配送平台来说，如何获取源源不断的订单量和流量是关键，订单情况决定平台发展前景。新消费趋势是即时物流发展的隐形动力，而选择什么样的方式发展，则需要物流平台聚力聚利。

 

　　同时，技术赋能时代，即时物流离不开大数据、人工智能、GPS+GIS定位、移动互联网、智能手机等的支撑，例如人工智能能预测运力需求，提高配送效率，智能调配订单，降低资源浪费;大数据能够积累配送单量、路线、时间等数据;GPS+GIS定位协助配送员完成路线规划，实时监督配送员;移动互联网为实时信息传递提供通路;智能手机将线下配送员纳入到共享信息环境。

 

　　即时物流与智慧物流相互促进，换道超车的机遇中，谁能把握好最后一公里谁就拥有更多的市场话语权。