在我国，公路运输是物流的最主要方式，交通运输部数据显示，公路货运量占全国货运量的78%。可以说，公路运输的效率与我国整体物流的效率息息相关，而对于被“小散乱”与“低效”困扰已久的公路货运市场，提高报价效率、实现运价标准化之路困难重重。

在互联网席卷一切的今天，许多企业尝试用大数据、人工智能等技术手段破解物流难题。日前，中国物流与采购联合会评选的科学技术奖中，一款名为“图灵”的智能报价系统从353个申报项目中脱颖而出，获选科技进步一等奖。图灵系统由福佑卡车研发，基于大数据+AI实时计算全国范围内的整车运价，与市场价的吻合度超过90%。这是如何实现的？将对整车市场带来哪些改变？本文对其原理进行探究。

上世纪80年代中期，我国公路货运价格开始市场化改革，公路货运价格从政府干预转向市场调节阶段。随着大量个体经营者进入市场，各式各样的货运信息服务部（简称“信息部”）和小作坊式的配货站迅速兴起，承担起货主与个体运力联系的中介。“中介们”在店铺门口挂上小黑板，写明发货信息，司机像逛菜市场一样，看到合适的货就进门询价，司机与信息部协商运价、信息部再与企业发货员沟通价格，在这一次次人为沟通中，运输价格最终落定。

人为议价的弊端显而易见，对于货主企业来说，这种议价方式不透明，难以控制其中滋生的运价虚高、报价员吃回扣等腐败行为；对于个体司机来说，几乎每一次运输都意味着新一轮的找货、议价，运价又往往经过信息部等中介盘剥；对于整个市场来说，冗长的交易链条增加物流成本、拖慢了运输效率，更为重要的是，运价难以标准化。

2013年，通过互联网方式撮合货车与货源的货运平台开始崛起，平台建立货源和运力信息库，找货场景从线下“小黑板”转移到线上，让车货对接变得更高效，但运输价格的商定依然靠人为沟通进行。

货运价格难以标准化与它的自身属性有关。与客运相比，货运成交价会受到多种因素的影响，其中又以整车运输的价格最为复杂，车型、车长、包装、装卸地点、路线、时间、货物类型、重量体积、天气……任何一个因素都可能会影响到实际成交运价，同样的订单即便在同一天的不同时间发出，运价可能都会有偏差，标准化的难度可想而知。

人工智能时代的到来，让机器报价成为可能。在货运市场，报价员可以根据经验，结合上述车型、货物、天气等影响因素推算一个运单的价格，越优秀的报价员给出的价格越符合市场需求。机器报价是根据人类的报价经验模拟人去报价，使用大量的交易数据训练机器学习模型，使算法更加准确进而预测价格，成为一个深谙货运市场的报价员，甚至比最老道的报价员更加优秀。在这条训练图灵系统成为优秀报价员的路上，福佑卡车技术团队攻克的难关主要有三。

一、特征工程提取数据

机器学习要依托于大量的实际运价，数据来源需要反映市场的真实性。在图灵智能报价系统的研发中，收集、清洗数据是基础性的工作。系统的数据源于福佑卡车沉淀了3年的整车交易数据，涵盖全国除西藏、港澳台外的各个省市，“真实”且“海量”的特质为后续研究提供支撑。

不过，原始的交易数据“太粗糙”，机器学习不能“直接食用”，怎样把它转化成机器学习使用的数据？这就涉及项目中最复杂、最关键的一步：特征工程。运用特征工程，最大限度地从原始数据中提取对运价产生影响的特征，特征选取得越好，机器学习的上限就越高。

图灵系统的研发人员在原始数据库中提取了5459个特征，不但包括车型、车长等订单基本信息，还包括客户画像、周边城市的货运供需情况、配货地的消费水平等。有些维度连报价员自己都没有意识到会对运价产生影响，但通过特征提取都可以识别出来。