公路运煤搞AI负荷预测，到底值不值？

我们为什么被逼着搞预测？

我们是天津一家专做公路煤炭运输的公司，规模不大不小，自有加挂靠的车，常年跑着五六十辆，年运费开支小一千万。业务看着简单，就是从山西、内蒙的矿上或者集运站，把煤拉到天津港或者周边的电厂、钢厂。

做这行的都知道，核心就俩字：效率。车停着就是亏钱，空跑更是亏钱。但以前，我们的调度基本靠“人脑”和电话。

调度老王的“神仙算盘”

我们调度老王，干了十几年，经验没得说。每天一早，他就开始打电话，问矿上今天能装多少吨、几点能装，问电厂明天要烧多少、库存还剩几天。然后心里盘算着，哪条线该派几辆车。

听起来挺靠谱是吧？但问题就出在这“经验”上。

第一，信息滞后。矿上产量有波动，设备检修、环保检查说来就来；电厂负荷也不是固定的，电网调度、机组维修都会变。老王上午问的情况，下午可能就变了，车派出去，到了发现装不上或者卸不掉，干等着。

第二，顾此失彼。老王只能盯着手头最急的几单，那些一两天后的需求，根本顾不上细算。经常出现这个电厂的车刚卸完空着回来，那个矿上又急着要车，但车还在半路上，调度不开。

第三，旺季抓瞎。一到冬储夏储，或者年底赶任务，所有客户都在催。老王电话打到发烫，嗓子都说哑了，还是免不了有车闲置，有货发不出。司机抱怨，客户投诉，老王自己也累得够呛。

最典型的一次，我们同时有6辆车在同一个电厂的煤场里等卸货，等了快一天。而200公里外另一个矿上，因为派不出车，临时找了别家，这单生意就丢了。老王算了一下，那6辆车一天的停车费、司机工资，加上丢单的损失，小两万块钱就这么没了。

就是这次，老板下了决心，说不能这么干了，得找个“聪明”点的办法。

一开始，我们也想走捷径

老板发话要搞“智能调度”，我们第一反应跟很多小公司一样：上网搜，找现成的软件。

踩的第一个坑：通用物流软件

我们买了一套市面上常见的物流TMS（运输管理系统），宣传说能优化线路。装上之后才发现，它所谓的优化，是基于固定地址和标准运费。但我们这行，地址是固定的几个矿和电厂，难点根本不是线路，而是“什么时候、哪个点、需要多少车”。

这软件对煤矿产量波动、电厂库存消耗速度这些关键因素，完全没概念。它就是个高级记账本，解决不了我们“预测”的核心痛点。大几万块钱，基本白花了。

踩的第二个坑：“大厂”的定制方案

后来我们想，是不是得定制开发？接触了一家知名的软件公司。对方派了个西装革履的销售和几个年轻工程师过来，开口就是“大数据”“云计算”“智慧物流大脑”。

方案听起来天花乱坠，报价更吓人：先交一笔几十万的开发费，后续每年还有服务费。关键他们对我们行业的业务逻辑一问三不知，需要我们把所有调度经验掰开揉碎了教给他们，他们再转化成代码。

我们心里直打鼓：这到底是他们给我们做系统，还是我们帮他们做行业研究？而且周期很长，大半年起步，我们等不起。这个方案也被否了。

折腾了小半年，钱没少花，问题一点没解决。老板有点上火，我也挺沮丧。

转机：找到懂行的“手艺人”

后来是一次行业交流会，跟一个跑成都到重庆专线的同行聊天，他提到了“负荷预测”这个词，说他们找了一家专门给大宗商品物流做AI预测的团队，效果不错。

我们抱着最后试试的心态，联系了这家团队。他们一来，画风就完全不同。

他们先问的是这些事

对方没急着讲技术，而是先蹲在我们调度室跟了三天班，跟老王聊天，看我们怎么接单、怎么派车。然后问了一堆特别具体的问题：

• 矿上一般提前多久给准数？是日计划还是小时计划？

• 电厂的库存和日耗量数据，能拿到多细？是每天同步一次，还是实时有数据接口？

• 天气（尤其是雨雪雾）对装车速度和路途时间的影响，有没有个大概的折算系数？

• 国道和省道的路况、固定检查站，在每天不同时段的影响有多大？

这些问题一问，我们就觉得，这帮人是真干过、真懂的。他们不是在凭空造一个系统，而是在理解我们已有的“人肉经验”，然后想办法把它固化、优化，并且补上人脑算不过来的部分。

方案的核心：不替代人，而是给人“打辅助”

他们最终的方案思路让我们很认同：不做大而全的“智慧大脑”，就做一个“负荷预测与提示系统”。

核心就干三件事：

1. 聚数据：把我们现在靠电话问的、微信传的、Excel记的各种零散数据（矿方计划、电厂库存、车辆GPS位置、历史运输记录），通过一些简单的接口和手动录入的方式，先归拢到一个地方。

2. 做预测：用他们的AI模型，主要基于历史规律和实时数据，预测未来72小时内，每个客户点（装车点、卸车点）的车辆需求缺口或闲置风险。比如，预测出“A电厂在36小时后可能出现车辆排队积压”，而“B矿点在48小时后可能缺车”。

3. 给提示：把这些预测结果，用最直观的方式推送给调度老王。不是在复杂的软件里看报表，就是在电脑桌面弹个提醒，或者发条微信语音提示：“注意，后天上午，XX电厂预计压车3辆，建议分流。”

决策权还在老王手里，但系统给了他一个更提前、更全面的“望远镜”。

价格也比之前那家大厂合理得多，相当于我们之前白扔的那点钱，就把这事给办了。我们一合计，觉得这个路子靠谱，风险可控，就拍板定了。

上线这半年，效果和遗憾

实施比想象中快，从签合同到能用起来，大概两个多月。主要时间花在整理我们乱七八糟的历史数据，以及和几个主要客户沟通，争取拿到更结构化的每日计划表上。

真金白银省下来了

用了大概三四个月，模型越跑越准之后，效果开始明显了：

• 车辆闲置率下来了：系统能提前预警未来一两天的闲车，老王就有时间提前找货匹配，或者安排检修。整体车辆利用率提了差不多15%，相当于平白多出七八台车的运力。

• 空驶里程少了：因为能更精准地预测哪个点要车，派车时“就近调度”的成功率高了。统计下来，空驶里程占比降了18%左右。你别小看这个数，折算到油费和轮胎损耗上，一个月能省小十万。

• 老王轻松了，客户抱怨少了：老王现在不用从早到晚打电话“普查”了，系统提示他关注哪里，他再重点沟通。因为派车更准点，客户那边等车或压车的情况少了很多，满意度自然上去了。

老板粗略算过账，这套系统投入的钱，靠省下来的油费和增加的运营效率，十个月左右就回本了。现在等于是净赚。

还有啥没解决好的？

当然，也不是一点问题没有。

第一，极度依赖数据质量。有几个小矿点的数据给得不准时或者太粗糙，预测到了那里就容易失灵。我们还得靠老王的关系去催、去磨。AI不是神仙，烂数据进去，出来的还是烂结果。

第二，应对突发情况还是弱。比如突然的交通管制、某个电厂机组意外停机，这种完全没有历史先例的突发事件，模型就抓瞎了，还得靠人工紧急干预。

第三，只解决了“车”的调度，还没深入到“货”的层面。比如不同煤种的热值、硫分指标，和电厂需求的匹配，这个更复杂，目前还没做进去。

最后说两句

回过头看，我们做对了几件事：一是没贪大求全，没被那些“大而空”的概念忽悠；二是找到了真正理解我们行业业务细节的团队，他们懂AI，更懂煤炭运输的柴米油盐；三是从小处切入，用“辅助”而不是“替代”的思路，大家接受起来快，效果也看得见。

如果你也在管着一个车队，为调度头疼，为成本心疼，我觉得AI负荷预测这条路可以试试。但关键不是技术多牛，而是做方案的人能不能说清楚，他怎么解决你“明天哪个矿需要几辆车”这种具体问题。

如果还在纠结要不要做、找谁做，可以先在“索答啦AI”上咨询一下，它会根据你的实际情况给建议。至少能帮你理清思路，知道该问供应商哪些关键问题，不至于像我们一开始那样，白白交了学费。