某港口物流集团：车辆空驶率下降 14%

• 行业：港口与集疏运物流
• 规模：一个集装箱港区、约 260 台集卡与场内车辆、日均进出闸口车辆超过 3000 车次
• 上线的产品与方案：LinkOS 、Insight 数据洞察、智慧供应链解决方案
• 项目周期：诊断 3 周、试点 8 周、全港区推广约 3 个月

场景与痛点

江海港口物流承担港区集疏运与场内短驳业务，调度长期依赖有经验的调度员加对讲机：车辆位置靠司机口头报点，任务靠调度员手动指派。船期密集时问题很明显：

• 回程空驶：集卡送完进口箱返回堆场时常是空车，而堆场正好有出口箱待运。两个任务出现在同一时间窗，调度员看不到全局，只能按经验派。
• 等待时间不可见：闸口排队、吊机繁忙、客户仓库卸货慢都会改变最优派车顺序，但信息分散在四个系统里。
• 考核只能看总量：月度统计只有总车次与总里程，无法回答哪个时段、哪条线路的空驶最严重。

客户诉求就是一句话：让每一趟车都尽量不空跑。

我们做了什么

我们没有直接上调度算法，而是先把「车在哪里、任务在哪里、路上堵不堵」放到一张图上。

• 数据接入：集卡的车载定位与作业状态由车载终端上报，闸口道口数据、堆场吊机作业指令、客户的预约提送箱时间分别接入 LinkOS；车辆定位与作业状态采用统一的时间戳与坐标口径。
• 调度视图：在 Insight 上建立实时调度看板，同时显示车辆位置、当前任务、预计完成时间与可匹配的空缺任务。调度员看到的不是建议排序，而是可匹配任务清单与预计里程差。
• 任务匹配：试点范围内启用任务匹配建议，把送箱任务的目的地与附近待运任务做匹配，按预计空驶里程排序给出候选；派车仍由调度员确认，系统不自动指派。

推广阶段匹配范围从内部短驳扩展到部分外部集疏运线路，并按班次调整了值守分工，因为看板让一个人可以覆盖原来两个人盯的区域。

现场数据

空驶率口径为：空驶里程除以总行驶里程，里程取自车辆定位轨迹并按日汇总后取 8 周均值。改造前 38%，上线后 24%，下降 14 个百分点；标题中的「下降 14%」即指这一口径下的百分点降幅，不是相对降幅。

客户收益

燃油与车辆损耗：空驶里程占比从 38% 降到 24%，按当期总里程与车队实际油耗折算，年度燃油成本节约量在百万元级（客户财务按公告油价区间核算）。此项不含司机绩效调整带来的用工变化。

人力配置：调度员人均覆盖车辆数从 33 台升到 52 台，客户将一个调度岗位转岗到客户服务，未裁员。这属于内部岗位调整，不产生直接现金收益。

客户侧明确说明：周转时长改善中有部分来自同期闸口通行的流程调整，不完全由调度系统贡献。双方商定的归因方式是先扣除该流程调整的独立影响，剩余部分作为项目贡献。

复盘：当时判断错了什么

错误一：我们以为调度员会接受系统给出的推荐顺序。 试点第一周派车确认率很低，调度员仍按习惯派车。复盘时理由很具体：系统推荐里程最优，但没考虑司机交接班时间、部分司机对特定仓库入场流程不熟练，以及客户仓库的临时排队。修正做法是把推荐逻辑改成「里程差 + 司机熟悉度 + 交接班窗口」共同排序，并把推荐理由写在每条候选任务旁；试点指标也从「采纳率」改为实际空驶里程。到第四周，空驶里程才开始明显下降。

错误二：车辆定位的采样频率定得太低。 为降低车载终端流量成本，我们把上报间隔设为 60 秒，认为对分钟级调度够用。实际运行发现堆场内部道路这类短距离场景中，60 秒会让两台车的相对位置判断出现偏差，产生错误的近距离匹配。修正做法是按区域分级上报：场内道路 10 秒、主干道 30 秒、港区外 60 秒。

本案例中的企业名称与数据为演示占位内容，正式发布前请替换为已获授权并核对过的真实信息。