clicOH 利用 NVIDIA cuOpt 提升最后一英里配送效率 20 倍 - Blockchain.News

clicOH 利用 NVIDIA cuOpt 提升最后一英里配送效率 20 倍

realtime news Aug 30, 2024 08:14

clicOH 利用 NVIDIA cuOpt 实现了最后一英里配送效率提升 20 倍,并通过先进的 AI 和机器学习解决了车辆路径问题。

clicOH 利用 NVIDIA cuOpt 提升最后一英里配送效率 20 倍

受消费者行为变化和疫情的推动,电子商务继续呈爆发性增长和转型。因此,物流和运输公司处于包裹配送革命的前沿。根据 NVIDIA 技术博客,这种新现实在最后一英里配送中特别明显,因为它现在是供应链物流中最昂贵的部分,占各行业供应链总成本的 41% 以上,从零售到制造业。

改造路径服务

这些挑战因车辆路径问题 (VRP) 而加剧,这是一种旅行推销员问题 (TSP) 的泛化,询问“车队应该进行哪一组优化路线,以向特定的客户群体进行配送?”有 10 个配送目的地时,可能有超过 300 万种排列组合。目的地达到 15 个时,可能的路线数目能超过 1 万亿,超过了即使是最快的超级计算机的能力。这还未考虑如车队可用性、导航能力和访问限制等操作约束条件。

clicOH 是 NVIDIA 创业加速计划的成员,公司开发了一种专有的路径模型来应对这些挑战。借助 NVIDIA 的尖端技术,包括启发式和元启发式优化算法、机器学习和 AI,clicOH 的解决方案可以适应不同需求,如包裹分布密度、成本效率和最后一英里配送的时间优化。

优化最后一英里配送成本

为应对路径挑战,clicOH 采用了 NVIDIA cuOpt 来支持与旅行推销员问题相关的工作,并确定最佳配送路线。cuOpt 库与 GPU 和其他 NVIDIA 库(如 RAPIDS 和 CUDA)协同工作,以生成更快更准确的配送路线。

RAPIDS 使 clicOH 可以在不修改代码的情况下实现无监督机器学习算法,从而进行更高效的数据分析。这些算法将高需求邮政编码进行集群化以实现更高效的配送,并识别难以到达的区域。结合 NVIDIA cuOpt,这些算法可以在几分钟甚至几秒钟内处理数千条路径,优化配送时间,同时考虑到本地路径限制,从而最终降低配送成本。

使用 AWS 开发环境中的 NVIDIA GPU,clicOH 分析了多座城市的数千条现有路线,以绘制路径中的缺陷。这一分析简化了公司物流解决方案的开发并增强了应用的适应能力。

clicOH 还开发了一个深度学习模型,以优化配送时间,最大限度地利用车队,并识别由于调度限制而存在配送挑战的邮政编码。通过使用 NVIDIA 加速计算优化其 AI 模型,clicOH 在集群路径规划方面实现了 20 倍的速度提升,并整体运营成本降低了 15%。

欲了解有关 clicOH 的加速物流解决方案的更多信息,请访问 NVIDIA 技术博客

Image source: Shutterstock