拿下菜鸟投资后 易流准备朝这条路走到“黑”

2018年12月21日，在罗戈网&物流沙龙以“科技•资本•引擎”为主题的“2018创新物流企业峰会暨LOG年会”上，易流科技CTO康冠林对物流透明服务的技术框架和生态应用方面作出了完整阐述。

通往智慧物流的透明之路

俗话说，条条大路通罗马。所有物流人都有一个心向往之的智慧物流目的地“罗马”，有的人选择无人化、有的人选择数字化，有的人选择智能化。而易流选择的是通过物流基础设施的物联网化、供应链全链条的数字化、物流全场景的智能化，构建物流透明生态体系，助推行业数字化转型。

“我们认为透明是通往智慧物流的一条可行的路径。”历经物流透明理论1.0，到现在的透明3.0，康冠林说，易流十几年坚定走物流透明服务道路，并且未来也将继续走下去。

“物流透明服务的核心是业务的数据化，以及数据的业务化。”

1、业务数据化，就是用互联网或物联网的技术，进行物流过程节点和要素的透明连接，实现物流业务的数据化。

“这些物流数据可能不仅仅包括位置、温度这样一些结构化的数据，还包括例如视频、图像这些非结构化的数据。”

2、数据业务化，则是在物流业务数据化的基础上，借助大数据、云计算以及AI算法，不断优化业务场景，实现物流各环节信息高效流转，进一步通过算法赋能做到业务系统决策，以及应用场景的智能化，最终实现智慧物流。

“这可能不仅仅是上一套IT系统或者线上工具，而是采用软硬一体的方式，对物流要素和物流的设施进行全方位的数字化，例如人、车、货、仓以及订运单等。”

物流智慧化技术支撑

康冠林认为行业走向物流智慧化，技术上必须依赖三层架构支撑。

1、首先是最底层的基础设施，“没有这一层，一切都是空中楼阁。”

以信息技术中通信技术为例，“像现在的车辆实时视频监控，如果没有3G到4G带宽的变化，基本不可能落地。”

“另外像LoRa这种无线自组网技术，也使园区设备互联成为现实。”

2、第二层是数据和计算能力，这里面也出现了新变化和新事物。

新变化出现在云端计算上，此前的计算基本在云端完成，现在基于三方面因素会结合边缘计算，实现计算能力和实时性的平衡。

（1）    云端计算通信会有延迟，像图像数据的传输对带宽占用也非常大；

（2） 硬件发展，CPU处理能力、存储能力都有提升 ，实时性要求下，用边缘化计算，可以把部分计算放本地；

（3） 二次分析处理在云端进行，可以达到平衡计算能力的目的。

新事物指区块链走入物流应用，因为其数据防篡改和分布式特性，在跨境物流、食品溯源方面得到应用。

3、第三层是场景和算法，借助数据算法、深度学习和AI算法，最终实现整个物流的智能化。

康冠林提到这一层时，着重强调了算法和场景结合的重要性。“很多算法的模型需要在不同的场景下进行调整。如果脱离场景单纯谈算法是没有意义的，所以需要不断通过场景去调整模型的参数，或针对不同场景训练相应的算法模型。”

易流IoT技术平台框架

易流根据这样的进阶脉络搭建了自己的两大技术平台框架：IoT技术平台框架和数据业务应用技术平台框架。

1、IoT技术平台框架分为三层，底层是协议的接入层，“这个接入层主要提供对协议的接入适配，包括像物联网应用协议mqtt、交通部的808协议、地标协议、厂商的私有协议等。这部分主要作用是对协议进行相应的接入和处理。”

2、再上一层是对数据进行处理转换，由于大量物联网设备接入，需要对设备进行安全认证鉴权，并将不同协议数据转化成后端能够统一处理的方式进行分发和存储等。

3、最上层是设备管理，“分为两部分，一是标准化的上线展示，能够让设备快速接进来进行设备数据的验证；另一部分是设备运维平台的支撑，包括自动化的配置、状态的监控、故障预警，设备状态的数据也可以通过大数据分析做到故障检测和故障预警并形成分析报表。”

数据业务应用技术平台的框架

另一个技术框架组成部分是数据业务应用技术平台。

1、最底层是数据存储层，主要包括业务数据、行为数据，如位置、速度、温度、图像、油耗等。“还有就是基于这些进行的分析数据，包括初步分析结果，如常跑路线、停车点、货物流向、司机画像等。”

2、在此之上是数据处理层，分为四部分，一是实时处理，主要进行数据的实时分析和判断，比如超速、围栏进出等；另一部分是进行数据清洗、转换之后对数据做离线分析；此外，通过数据预处理分析，结合机器学习和深度学习框架，对整个数据做深层次挖掘，形成智能算法模型。

3、之后形成算法引擎层，“像智能调度、智能匹配、线路规划、优化算法，以及相应的规则和应用引擎，例如报警规则、推送规则、状态引擎、结算引擎。”

4、基于下三层形成了最上层的应用服务。提供第三方接口服务、可视化、配置管理以及具体业务的功能模块。

基于技术框架的物流透明生态体系

易流在技术框架之上形成自己的应用生态，包括基础设施的物联网化，供应链全链条数字化，物流全场景智能化。

1、首先是物流基础设施的物联网化。

2、第二层是供应链全链条数字化，“包括人、车、货、仓等相应物流节点的要素，通过基础设施物联网化，形成数据后，实现端到端透明可视、各个环节的高效协同。”

3、最后实现全场景智能化。“传感的数据、业务的数据、图像数据等等，结合智能化算法，形成路径优化、智能调度、智能载配，通过智能算法赋能达到物流全场景的智能化。”

业务数据化场景案例

康冠林现场举了业务数据化的两个细分领域的典型应用场景。

1、第一个是冷链行业应用场景。易流将底层基础设施和业务流程关联，形成一个完整的链条，做到端到端物流过程、节点的实时透明可视。

“从销售端的货物订单下发，到最终生产，干线物流的运输，运输计划的生成。这个过程中，会把车辆的信息和订运单信息关联在一起，能够实时看到当前车辆以及订运单流转的整个过程。”

易流的系统在整个过程中还可以针对不同的事件进行实时推送等相关策略。

“例如温度情况，是不是在正常的工作范围内，有没有一些异常事件需要报警提醒”。报警也划分了不同级别，可以按不同规则策略推送给司机、货主等用户。另外，还可以进行交货预约提醒等。

末端配送环节，也可以通过系统对配送过程中温度等信息进行监控，并对不同场景进行配送路线规划等末端应用，形成完整闭环。

2、另一个细分领域，康冠林介绍了乳品供应链从牧场到餐桌全流程生命周期透明管理。

“从最开始的源头，包括养殖场建立饲料档案、奶牛的健康档案、原奶的质量检验、原奶生产过程监控、运输过程中的温度监控，到最终送达末端用户的过程。这些信息采集数字化后实时传送到云端平台，用户扫一下码就可以追溯各个环节的信息：源头在哪，经过哪个生产车间，到哪个门店配送，全链条清晰透明可视。”

数据业务化场景案例：轨迹、履约与调度

除了业务数据化场景，康冠林还就数据业务化进行了具体案例解析。

1、首先是轨迹数据的应用，“通过大量轨迹数据的分析挖掘，可以对不同走法进行推荐，怎样走时效最优，怎样走成本最优”。另一个应用在轨迹补全上，康冠林称，在对相同线路的轨迹进行大数据分析后，对一些路线的断点进行补偿，补偿之后的里程精确度非常高。

目前还有不少设备在使用2G网络进行数据传输，随着运营商在2G基站运营维护投入上的减少，某些区域信号减弱，影响数据上传，“我们通过对补传数据的分析挖掘，形成全国信号强弱分布及动态变化的结果数据，提前对数据关注度高的客户，给出趋势预测，提升用户体验。”

此外，基于轨迹数据及设备状态数据的大数据分析挖掘，易流还应用到自身售后网点的选址以及设备异常检测，设备故障预警等。

2、第二，订单履约策略上，康冠林举了易流一位客户的案例。

“某客户订单三千件，货主在广州有一个工厂，有一万件在生产，在全国其他仓库也有库存。如何给客户做订单履约策略和路由，系统提供了相应的库存释放计划，通过工厂出货2000件，广州RDC500件，西安的RDC300件，乌市的前置仓200件。之后运用订单履约路由算法，系统给出什么时间节点出发，最优的提卸货预约时间窗，什么时间到西安的RDC，什么时间到前置仓，整个链条由履约的路由算法，提前排布。”

3、最后一个案例是垛口智能调度算法。

康冠林介绍DC的垛口、库房、备货区以及装卸工等资源都需要进行合理调度，“如何通过数据和算法使整体垛口和装卸能力资源做到最优？目前易流在一个具体的客户应用中某FDC一天可以将占用垛口数从四个减少到三个，装卸工从10人减少到6人，效果明显。”