int(5493)

Smart cargo search and market price discovery: Trans.eu’s algorithms

<img class="alignnone size-full wp-image-47473" src="https://www.trans.eu/wp-content/uploads/2021/10/SmartMatch-algoritmes-de-la-plateforme-Trans.eu_.png" alt="SmartMatch -algoritmes de la plateforme Trans.eu" width="855" height="570" /> <h1><strong><span style="font-size: 14pt;">Grâce à l'intelligence artificielle les plateformes logistiques numériques peuvent recréer les modèles en analysant les ordres de fret terminés. Si le volume de données est suffisamment important, les algorithmes peuvent calculer des propositions de prix conformes au marché, et les expéditeurs, les affréteurs ou les transporteurs peuvent les consulter afin d’améliorer considérablement leur position de négociation. En tant que l'une des plus grandes plateformes logistiques numériques en Europe, Trans.eu est l’un des pionniers dans ce domaine.</span></strong></h1> <span style="font-weight: 400;">L'intelligence artificielle peut rendre les gens heureux : les sites de rencontres ont découvert il y a longtemps l'apprentissage automatique pour améliorer les résultats de recherche de cœurs solitaires. Grâce à des investissements massifs dans la publicité et la technologie, les principaux fournisseurs de ce segment ont gagné des parts de marché et un nombre d'utilisateurs élevés. Parship à lui seul, compterait plus de 4,5 millions de membres, ce qui donne aux algorithmes une base de données vraiment solide.</span> <span style="font-weight: 400;">Mais il n'y a pas que le bonheur privé qui profite des acquis de la numérisation. La recherche de partenaires de transport appropriés et la détermination de prix de fret équitables peuvent également être optimisées par des algorithmes intelligents. Ici aussi, la qualité des résultats dépend de la quantité de données disponibles. Plus le nombre de commandes de fret traitées est élevé, plus l'algorithme peut l’utiliser pour son travail - et plus ses résultats seront précis.</span> <h2><strong>Apprendre des données</strong></h2> <span style="font-weight: 400;">La plateforme logistique Trans.eu, qui opère dans toute l'Europe, s'appuie ici sur <strong>les données résultant des activités quotidiennes de 40 000 entreprises de toute taille du secteur transport et logistique.</strong> Ce pool de données est analysé automatiquement. Trans.eu a développé un algorithme puissant qui « apprend » le comportement des acteurs du marché en utilisant des données du passé. Sur cette base, un modèle est créé qui peut être utilisé pour déterminer des propositions de prix pour les trajets futurs en fonction des règles établies.</span> <span style="font-weight: 400;">En pratique, cela signifie que des algorithmes intelligents comparent les offres et les accords stockés et, sur cette base, créent des propositions des prix de fret actuels. Ils prennent en compte des facteurs tels que les itinéraires respectifs, les aspects temporels, les offres du marché au comptant et standard, et d'autres facteurs. Cela donne à toutes les parties concernées un aperçu permanent des prix du marché en constante évolution - une base idéale pour les négociations de prix. Les autres avantages de la tarification à l'aide du machine learning sont également évidents :<strong> l'utilisation de l'algorithme permet de gagner un temps considérable au client (expéditeur ou affréteur), permet d'éviter les erreurs et augmente l'efficacité.</strong> Un autre point positif est que ces données ne se perdent pas lorsque les employés changent, un nouvel employé bénéficiera également de cette connaissance.</span> <h2><strong>Le terme « intelligence artificielle »</strong></h2> <span style="font-weight: 400;">L'intelligence artificielle (IA) est l'une des mégatendances de la numérisation, mais la signification exacte de l'IA n'est pas claire pour de nombreuses parties prenantes : dans le cerveau humain, il y a environ 100 milliards de neurones qui sont en réseau les uns avec les autres. La transmission d'informations entre les neurones s'effectue via des impulsions électriques. Cela permet aux humains d'apprendre, de penser de manière abstraite. Dans ce qu'on appelle « l'intelligence artificielle », les neurones sont remplacés par des neurones artificiels et entraînés au moyen d'algorithmes. Cependant, l'intelligence humaine n'est pas répliquée - l'apprentissage automatique est utilisé pour apprendre la reconnaissance de formes basée sur une variété de données.</span> <span style="font-weight: 400;">L'apprentissage automatique peut, par exemple, apprendre automatiquement un ensemble de règles basées sur des données d'entraînement. Cela évite aux entreprises d'avoir à créer manuellement un modèle et les efforts associés, tels que la définition de règles, de contrôles et d'interprétations. La qualité des données d'entraînement est cruciale pour le succès.</span> <h2><strong>Apprendre sans mémoriser</strong></h2> <span style="font-weight: 400;">Lors du développement d'un modèle d'apprentissage automatique, deux tâches sont particulièrement difficiles. Il s'agit notamment de ce que l'on appelle la sélection de caractéristiques, c'est-à-dire la sélection d'un sous-ensemble de caractéristiques pertinentes d'un ensemble de données à partir des nombreuses caractéristiques des travaux de transport passés. Il s'agit par exemple de la sélection de la destination, du poids ou du type de transport. La deuxième tâche difficile est ce qu'on appelle le « surapprentissage / sous-apprentissage ». Le modèle doit être mathématiquement suffisamment complexe pour apprendre le comportement humain. Cependant, il ne doit pas apprendre par cœur. La solution souhaitée est appelée modèle généralisateur par les ingénieurs en apprentissage automatique.</span>

With the help of artificial intelligence, digital logistics platforms can recognize the patterns behind completed freight orders. If the volume of data is large enough, it can be used to calculate market-compliant price proposals that shippers, forwarders or carriers can use to significantly improve their negotiating position. As one of the largest digital logistics platforms in Europe, Trans.eu is one of the pioneers in this field.

Artificial intelligence can make people happy: dating sites discovered machine learning a long time ago to improve the search results of lonely hearts. With massive investments in advertising and technology, the leading providers in this segment have gained high market shares and user numbers. Parship alone is said to have more than 4.5 million members, giving the algorithms a solid database.

But it is not only private happiness that benefits from the achievements of digitization. The search for suitable transport partners and the determination of fair freight prices can also be optimized by smart algorithms. Here, too, the quality of the results depends on the mass of data available. The greater the number of freight orders completed each day, the more information the algorithm can use for its work – and the more accurate its results will be.

Learning from past data

The logistics platform Trans.eu, which operates throughout Europe, draws here on the data and daily inquiries of 40,000 users. This data pool is analyzed through machine learning. Trans.eu has developed a powerful algorithm that “learns” the behavior of market participants using data from the past. On this basis, a model is created that can be used to determine price proposals for future tours based on the learned rules.

In practice, this means that intelligent algorithms compare the stored offers and agreements and, on this basis, create proposals for current freight prices. These take into account factors such as the respective routes, time aspects, spot and standard offers, and other factors. This provides all parties involved with an ongoing insight into constantly changing market prices – an ideal basis for price negotiations. The other advantages of pricing with the help of machine learning are also obvious: the use of the algorithm saves the client (shipper or freight forwarder) a significant amount of time, helps avoid errors, and increases effectiveness. Another plus point is that the knowledge is no longer lost when employees change. Since Trans.eu’s algorithm has learned behavior based on data from the past, a new employee will also benefit from this knowledge.

The term “artificial intelligence”

Artificial intelligence (AI) is one of the megatrends of digitalization, but the exact meaning of AI is unclear to many stakeholders: in the human brain, there are about 100 billion neurons that are networked with each other. The transmission of information between neurons takes place via electrical impulses. This enables humans to learn, draw conclusions and think abstractly. In so-called “artificial intelligence”, neurons are replaced by artificial neurons and trained by means of algorithms. However, human intelligence is not replicated – machine learning is used to learn pattern recognition based on a variety of data.

Machine Learning can, for example, automatically learn a set of rules based on training data. This saves companies from having to manually create a model and the associated effort, such as defining rules, checks and interpretations. The quality of the training data is crucial for success.

Learning without memorizing

When developing a machine learning model, two tasks are particularly challenging. These include so-called feature selection, by which is meant the selection of a subset of relevant features of a data set from the numerous features of past transport jobs. This involves, for example, the selection of the destination, weight or transport type. The second challenging task is the so-called “overfitting/underfitting”. The model must be mathematically complex enough to learn human behavior. However, it should not learn by rote. The desired solution is called a generalizing model by machine learning engineers.

    Do you want to find out more?
    Our consultant will contact you.

    Related posts: