借助机器学习实现高效货物运输

世界上最大的航空公司借助NVIDIA Quadro，实现高效货物运输，改善重量分配并节省燃料。

如果你认为用商业航班运输货物很有压力，可以考虑一下航空货运业。

客运航班通常需要提前几个月预定并支付费用，而货运航班一般在起飞前10天预定即可，且发货前无需支付运费。

然而，尽管客户为货物运输预定了位置，有些货物也未能如期出现。这就让最周密的计划也会因此受到严重影响。

美国航空公司（American Airlines）不仅提供客运服务，还在全球范围内为消费者和企业提供航空货运服务。这在保证全球必需品供应方面发挥了重要作用，因此公司致力于以最高效的方式运输货物。

货运工作需要分析多种变量，其中最困难的是确定货物能否在发货时如期出现。

预测未来并不容易，但数据科学可以提供帮助。美国航空公司借助机器学习以及Quadro赋力的惠普Z系列数据科学工作站运行模型，以评估货物出现的可能性，从而更好地提前计划发货。

应对“货物未出现”

美国航空公司每天接收数上千批货物，每批货物都需要其货运团队快速管理。但由于不确定未能出现货物的数量，物流管理工作变得十分复杂。

美国航空公司机器学习和人工智能中心负责人 Tassio Carvalho表示:“美国航空公司利用预定中的详细信息来规划货舱布局，决定货物应该如何放置。”

如果货物在发货当天没能上飞机，就没有时间重新规划布局或转售空间。也就是说货舱内的货物配置不是最优方案，这会导致运输燃料消耗增大。

美国航空公司货运收益管理总经理Chris Isaac表示：“未能如期出现的货物使我们损失了数百万美元的收入，而且很多时候这可能会导致我们拒绝本可承接的其他重要货物的运输。提前确定航班的预订货运量可以让我们重新规划可用空间并合理利用。”

借助机器学习签收、密封和送达

Carvalho及其团队借助Quadro GPU赋力的惠普Z系列数据科学工作站，创建了一个机器学习模型。该模型可以从客户的预订单中获取数据，并预测货物能否如期出现的可能性。

该团队使用开源GPU加速机器学习包H2O4GPU构建了预测模型，并放入了一整年的数据，其中包含50万个预订记录。每条记录大约有20个特征，这些特征又被分割成约100个衍生特征。

在预定货运航班的前三天，美国航空公司通过该模型运行每个预订的详细信息。当结果显示货物有很大可能性不会出现时，团队就会联系客户确认他们是否按预定运货。

使用机器学习来标记有风险的货物，可以让货运代理专注处理货物如期出现可能性最低的订单，而不必给每个客户打电话确认。

Carvalho表示：“这个模型很有价值，因为它可以显示哪些货物可能不会出现，哪些订单在到达机场时会有变化。有了数据科学工作站，我们能够获得精确度至少达到90%的高精度模型。这有助于我们更好地规划货物运输。”

借助Quadro GPU, Carvalho及其团队能够以比CPU快10倍的速度运行计算，更快地获得预测和结果，从而提高货物空间利用率并减少燃料消耗。

美国航空公司还宣布，他们将实施一项公平的预订政策，允许客户至少提前48小时免费取消预订。最新的政策与预测模型相结合，使美国航空公司能够最大限度地利用飞机上的空间。

Isaac表示：“对美国航空公司来说，能够运用先进的分析解决行业最大的问题之一，为整个行业带来了变革。我们拥有业内最好的数据科学团队，并且非常乐意将模型结合到我们的业务流程中。”

编辑：hfy