Industries / 物流・運輸（モビリティー）
物流＝モノの移動では、ECの拡大により輸送の小口化・多頻度化が進む一方、担い手不足が継続しています。
現在も多層下請け構造が維持され、アナログメインの非効率的な現場オペレーションが残るなど、デジタル化も物流データ蓄積も大きく遅れています。先端的な企業・施設では物流マッチングシステム開発、物流機能の自動化等のデジタル化が進んでいますが、限定的な取組に留まっています。
ヒトの移動＝公共交通では、車の保有台数・免許保有者数が頭打ちとなり、国内旅客の鉄道利用は増加傾向が続いています。
都市部では公共交通を組み合わせたシームレスな移動が求められる一方、地方部では人口減少に伴う公共交通の維持難化と高齢化により「移動難民」が増加している状況です。
一方、先端研究はグローバル規模で進展し、次世代ディープラーニングを活用した高度な自動運転、ロボティクスオートメーション、 ドライバーや乗客への画像認識・自動応答が可能になりつつあります。
エクサウィザーズの視点
エクサウィザーズでは、市場構造が分散し、政策の影響を受けやすく、大量のデータが蓄積されている本領域においても、事業実装を通じた社会課題解決を目指しています。特に、
①積載計画/配送経路の最適化・複数交通機関の導入や組み合わせ等による物流サービスの超効率化と生産性向上、
②移動需給に関する情報を活用した消費者向けサービス開発によるUX向上、
③自動運転技術の必要技術を複数組み合わせたマルチモーダルなAI活用によるR&D加速、といった３つの視点を持ち、モビリティ領域の社会課題解決に取り組んでいます。
事例紹介
-
自動車メーカー
・ユーザー開発品（特殊車両）における自動運転への対応が主な課題となっており、車両の特殊性に応じた任意の対象物の検知、認識を行う必要があるが、ユーザー内にて各種の検出手法の検討が乱立し個別最適検討になっている。そのため、ある程度統一された形で適宜学習データを追加するなどして、外部委託で構築した学習済モデルの更新や、社内転用するようなシーズが必要となる。
・動画像での対象認知、位置情報出力（ToFデータ利用）のスキームについて、クライアント側で新規学習データを入れることで学習モデルが生成できる仕組みの構築を実現。 -
物流企業
・センター拠点ごとに日単位で変化する荷量に対して必要な人員数をアサインできず、配送の遅延や、余剰人員が発生。現場では、業務量予測のスクリプトを手動で実施していることで業務効率が悪くなっているほか、モデルの再学習が難しく改善が進まない。これに対し、センターの機械学習パイプラインを自動化し、本番運用の負荷を減少させることで、開発環境でモデルを負荷なく作成できるようになった。
・マルチカメラで従業員をトラッキングし、倉庫内での生産性を可視化したいというニーズに対しては一定の精度を達成。また、AIカメラを設置して、顔の特徴量、服の特徴量を用いて同一人物だということを認識させることで、各個人のトラッキングも実現。
