李 俊 江 海

〔中國石化廣東石油分公司 廣東廣州 510620〕

近年來，國際油價(jià)長時(shí)間低位運(yùn)行，國內(nèi)成品油市場資源供大于求的局面早已常態(tài)化。雖然中國石化在成品油零售環(huán)節(jié)仍然具有品牌和網(wǎng)絡(luò)優(yōu)勢，但產(chǎn)品同質(zhì)化導(dǎo)致價(jià)格競爭加劇，尤其是在具有巨大市場潛力的廣東地區(qū)，已形成了競爭主體多元化、資源品種多樣化、油品價(jià)格市場化的競爭格局，市場競爭較其他區(qū)域更加殘酷，公司的創(chuàng)效壓力不斷增加。與此同時(shí)，油品需求端又受到新冠疫情和新能源汽車的雙重沖擊，客戶需求持續(xù)下降，導(dǎo)致油品零售業(yè)務(wù)步履維艱。面對經(jīng)營困境，如何利用新技術(shù)、搭建新平臺(tái)，進(jìn)一步提高加油站現(xiàn)場服務(wù)效率和客戶精細(xì)化管理水平是破局的關(guān)鍵。

1 研究目標(biāo)

以客戶為中心，借助人工智能[1]、大數(shù)據(jù)技術(shù)，精準(zhǔn)識(shí)別加油站車輛和客戶，關(guān)聯(lián)會(huì)員系統(tǒng)形成以“人+車+會(huì)員”為核心的客戶畫像體系，以此為基礎(chǔ)建設(shè)人工智能(AI)數(shù)字現(xiàn)場系統(tǒng)，創(chuàng)新加油站高效現(xiàn)場管理、數(shù)字化精準(zhǔn)營銷、全方位風(fēng)險(xiǎn)防控等應(yīng)用場景，更科學(xué)掌握客戶需求變化，更有效提高現(xiàn)場服務(wù)效率，更精準(zhǔn)開展客戶營銷，全面提升加油站數(shù)字化運(yùn)營[2]和市場競爭能力。該系統(tǒng)具體建設(shè)目標(biāo)如下：

(1)系統(tǒng)能夠精準(zhǔn)識(shí)別加油站過路、進(jìn)站車輛，研究和分析道路車流、進(jìn)站率與銷量變化趨勢之間的關(guān)系，提高車輛進(jìn)站率。

(2)系統(tǒng)能夠數(shù)字化分析加油站服務(wù)時(shí)長變化情況，研究服務(wù)效率低的原因和對策，提高車輛通過率。

(3)系統(tǒng)支持大數(shù)據(jù)挖掘加油站新老客戶結(jié)構(gòu)變化情況，結(jié)合當(dāng)期營銷活動(dòng)分析營銷策略合理性，提高客戶回頭率。

(4)針對過路車輛、進(jìn)站率、服務(wù)時(shí)長、銷量等核心指標(biāo)變化異常的加油站，系統(tǒng)及時(shí)給出預(yù)警提醒。

(5)系統(tǒng)能夠基于大數(shù)據(jù)算法建模，實(shí)現(xiàn)車輛、客戶與交易的精準(zhǔn)關(guān)聯(lián)，構(gòu)建“人+車+會(huì)員”關(guān)聯(lián)的會(huì)員畫像體系，并開展基于此的數(shù)字營銷，提高營銷精準(zhǔn)度。

(6)系統(tǒng)能夠準(zhǔn)確識(shí)別員工，分析員工在崗情況和給出優(yōu)化排班建議，能夠識(shí)別現(xiàn)場撥打手機(jī)、吸煙、違規(guī)停車等異常行為，提高現(xiàn)場管理水平和風(fēng)險(xiǎn)防控能力。

2 系統(tǒng)實(shí)現(xiàn)

為實(shí)現(xiàn)上述目標(biāo)，需要從技術(shù)架構(gòu)、硬件部署、功能設(shè)計(jì)、難點(diǎn)突破等主要方面入手開展工作，搭建軟硬件平臺(tái)，從而逐步完成AI數(shù)字現(xiàn)場系統(tǒng)建設(shè)。整體技術(shù)思路如下：基于AI視覺識(shí)別設(shè)備和技術(shù)實(shí)現(xiàn)“車+人”精準(zhǔn)感知[3]，基于邊緣計(jì)算處理和傳輸技術(shù)實(shí)現(xiàn)海量數(shù)據(jù)分布式處理，基于云計(jì)算和大數(shù)據(jù)技術(shù)構(gòu)建數(shù)據(jù)中臺(tái)深度挖掘相關(guān)數(shù)據(jù)，基于機(jī)器學(xué)習(xí)算法構(gòu)建車主畫像體系，最終功能通過可視化技術(shù)進(jìn)行展現(xiàn)和應(yīng)用。

2.1 系統(tǒng)架構(gòu)

為適應(yīng)互聯(lián)網(wǎng)和數(shù)字化轉(zhuǎn)型發(fā)展需要，筆者所在公司基于云計(jì)算和大數(shù)據(jù)技術(shù)，在阿里云建設(shè)了統(tǒng)一的、標(biāo)準(zhǔn)化的系統(tǒng)架構(gòu)，構(gòu)建業(yè)務(wù)中臺(tái)+數(shù)據(jù)中臺(tái)雙中臺(tái)[4]，全面支撐類似于加油站AI數(shù)字現(xiàn)場這樣的新型業(yè)務(wù)和數(shù)據(jù)應(yīng)用，總體架構(gòu)如圖1所示。

圖1 加油站AI數(shù)字現(xiàn)場系統(tǒng)總體架構(gòu)

該架構(gòu)仍然遵循云計(jì)算架構(gòu)體系[5]，由底層的數(shù)據(jù)源及傳統(tǒng)數(shù)據(jù)存儲(chǔ)層(IAAS)、業(yè)務(wù)數(shù)據(jù)雙中臺(tái)層(A-PAAS和D-PAAS)及數(shù)據(jù)應(yīng)用層(SAAS)三層架構(gòu)組成。其中IAAS層主要是傳統(tǒng)業(yè)務(wù)系統(tǒng)交易數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、客流數(shù)據(jù)等核心數(shù)據(jù)存儲(chǔ)；PAAS層的業(yè)務(wù)中臺(tái)A-PAAS構(gòu)建包括組織中心、會(huì)員中心、訂單中心、營銷中心等在內(nèi)的核心能力中心，數(shù)據(jù)中臺(tái)D-PAAS則基于Hadoop和Spark大數(shù)據(jù)生態(tài)圈產(chǎn)品和組件，構(gòu)建起包括數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)層(大數(shù)據(jù)分布式存儲(chǔ)，區(qū)別于IAAS層的傳統(tǒng)數(shù)據(jù)存儲(chǔ))、數(shù)據(jù)分析層及數(shù)據(jù)算法層(用于數(shù)據(jù)建模與分析)在內(nèi)的大數(shù)據(jù)核心能力；SAAS層是業(yè)務(wù)和數(shù)據(jù)應(yīng)用展現(xiàn)層，包括互聯(lián)網(wǎng)應(yīng)用、人工智能應(yīng)用、物聯(lián)網(wǎng)應(yīng)用、智慧運(yùn)營應(yīng)用、數(shù)字營銷應(yīng)用等，而AI數(shù)字現(xiàn)場應(yīng)用正是其中一項(xiàng)。

2.2 硬件部署

AI數(shù)字現(xiàn)場系統(tǒng)依賴于AI識(shí)別攝像機(jī)、邊緣計(jì)算服務(wù)器、GPU處理器等硬件設(shè)備，在硬件部署上采用加油站、省中心、石化阿里云三層結(jié)構(gòu)。AI數(shù)字現(xiàn)場系統(tǒng)硬件整體部署架構(gòu)如圖2所示。

圖2 AI數(shù)字現(xiàn)場系統(tǒng)硬件整體部署架構(gòu)圖

2.2.1 加油站層面

在加油站道路、出入口安裝3路全目標(biāo)抓拍攝像機(jī)，抓拍道路及進(jìn)出站車流；在加油區(qū)及便利店安裝多路攝像機(jī)，抓拍加油區(qū)車輛和便利店顧客；在卸油區(qū)安裝廣視角人眼攝像機(jī)，抓拍卸油區(qū)進(jìn)出人員；部署邊緣計(jì)算服務(wù)器，將識(shí)別的車輛、人臉數(shù)據(jù)進(jìn)行解析識(shí)別和處理。目前支持識(shí)別和解析車輛的車牌、顏色、車型等細(xì)分特征；支持識(shí)別和解析客戶性別、年齡、服飾等細(xì)分特征。邊緣計(jì)算服務(wù)器還負(fù)責(zé)基于算法對車輛、人臉和交易數(shù)據(jù)進(jìn)行精準(zhǔn)匹配關(guān)聯(lián)，最后將所有數(shù)據(jù)壓縮成適合網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)流傳輸?shù)街行南到y(tǒng)(見圖3)。

圖3 AI數(shù)字現(xiàn)場加油站硬件部署圖

2.2.2 省級公司中心和阿里云層面

所有油站采集的數(shù)據(jù)通過邊緣計(jì)算服務(wù)器處理后，傳輸?shù)绞≈行姆?wù)器，包括數(shù)據(jù)庫服務(wù)器、特征聚類服務(wù)器、人臉識(shí)別服務(wù)器、灰度發(fā)布服務(wù)器等。在省中心進(jìn)一步做數(shù)據(jù)處理、圖像識(shí)別比對和特征訓(xùn)練，結(jié)果傳輸?shù)绞⒗镌茢?shù)據(jù)中臺(tái)，用于實(shí)現(xiàn)AI數(shù)字現(xiàn)場相關(guān)應(yīng)用功能。阿里云的中心管理、大數(shù)據(jù)、應(yīng)用管理等服務(wù)器采用租賃方式，可柔性隨需擴(kuò)展。

2.3 功能設(shè)計(jì)

2.3.1 油站客流分析

客流分析功能模塊包括站外和進(jìn)站車流分析、高峰期車流分析、競爭對手車流分析、車流與銷量變化趨勢相關(guān)性分析等子功能。通過數(shù)據(jù)與圖表直觀呈現(xiàn)油站車流、進(jìn)站率變化情況，幫助管理人員了解道路和周邊車輛變化，取代傳統(tǒng)手工抽樣統(tǒng)計(jì)車流的方式，并作為研究如何提高車輛進(jìn)站率的重要數(shù)據(jù)支撐。

(1)車流及進(jìn)站率分析：實(shí)現(xiàn)按天、周、月變化趨勢分析車流、進(jìn)站率變化情況，按車型分析汽油車、柴油車車流變化情況，低檔和中高檔汽油車變化情況。

(2)高峰期分析：實(shí)現(xiàn)站外車流高峰時(shí)段分析，并將其與銷量高峰時(shí)段進(jìn)行匹配，對于站外車流和銷量高峰不匹配的油站自動(dòng)給出提示。

(3)競爭對手油站分析：通過移動(dòng)攝像機(jī)采集競爭對手油站站外和進(jìn)站車流信息，導(dǎo)入系統(tǒng)后與我方競爭站進(jìn)行分析比對，支撐“一站一策”具體策略制定。

(4)趨勢一致性分析：通過數(shù)學(xué)方法轉(zhuǎn)化(使用min-max標(biāo)準(zhǔn)化)，將車流量與銷量趨勢放到一起比對，如圖4所示。

圖4 min-max標(biāo)準(zhǔn)化后的站外車流與銷量變化趨勢

通過圖4可以看出銷量與車流變化趨勢背離的情況，如圖中陰影所標(biāo)識(shí)的區(qū)域，對于車流增長或未有明顯下降但是銷量卻大幅下滑的油站，逐一分析原因并研究對策。

2.3.2 服務(wù)效率分析

將車輛進(jìn)站加油全過程細(xì)分為進(jìn)站、服務(wù)響應(yīng)、加油、支付、出站等五個(gè)環(huán)節(jié)。通過系統(tǒng)自動(dòng)抓取各環(huán)節(jié)時(shí)間，與高峰期標(biāo)準(zhǔn)服務(wù)時(shí)長(Rush Hour Standard Service Time，簡稱RHSST)進(jìn)行比較評估，針對性地對每個(gè)落后環(huán)節(jié)進(jìn)行數(shù)據(jù)分析并采取相應(yīng)措施，從而達(dá)到提高車輛通過率、提升加油站現(xiàn)場服務(wù)效率的目的。

RHSST是指在油站現(xiàn)場指引清晰、油品標(biāo)識(shí)準(zhǔn)確、現(xiàn)場人手充足、油槍速率正常的情況下，所有加油位已滿需等待方能開始加油，所必須涉及且不能減免的必要過程所耗時(shí)長，其標(biāo)準(zhǔn)如圖5所示。

圖5 高峰期標(biāo)準(zhǔn)服務(wù)時(shí)長RHSST

以某公司為例分析2020年10月份各油站高峰期平均服務(wù)時(shí)長，篩選出排名后10的油站(服務(wù)效率最差)，見表1。由表1中數(shù)據(jù)可見，10座油站均超過了RHSST給出的高峰期標(biāo)準(zhǔn)服務(wù)時(shí)長359 S。通過逐個(gè)站點(diǎn)進(jìn)一步深入分析原因，采取應(yīng)對措施。如對于服務(wù)響應(yīng)時(shí)長較高的油站，調(diào)整油機(jī)布局和高峰期用工排班，做好車輛引導(dǎo)；對于支付時(shí)長較高的油站，大力推廣智慧支付，提高支付效率等。

表1 某公司加油站服務(wù)時(shí)長

2.3.3 客戶結(jié)構(gòu)分析

系統(tǒng)以車牌號為唯一標(biāo)識(shí)，識(shí)別和分析加油站的新老客戶結(jié)構(gòu)變化情況。結(jié)合加油站正在開展的營銷活動(dòng)，分析營銷策略合理性，持續(xù)動(dòng)態(tài)優(yōu)化調(diào)整，提高客戶回頭率。

統(tǒng)計(jì)時(shí)段內(nèi)多次進(jìn)站的為老客戶，首次進(jìn)站的為新客戶，新客戶中又可以繼續(xù)區(qū)分是從其他油站來的還是從競爭對手油站來的，老客戶也可以區(qū)分是否也曾去競爭對手油站加油。客戶結(jié)構(gòu)分析方法如圖6所示，通過圖6所示邏輯，可以基于車流數(shù)據(jù)分析非常清晰地掌握加油站客戶結(jié)構(gòu)變化情況，指導(dǎo)經(jīng)營決策。

圖6 新老客戶結(jié)構(gòu)分析方法

2.3.4 指標(biāo)預(yù)警排名

系統(tǒng)支持油站自定義分組。管理人員可以對自己重點(diǎn)關(guān)注的油站進(jìn)行任意分組并設(shè)定過路車輛、進(jìn)站率、服務(wù)時(shí)長、銷量等核心指標(biāo)的預(yù)警閾值。對于變化超過閾值的加油站及時(shí)給出預(yù)警提醒，引導(dǎo)管理人員跟進(jìn)分析原因，研究具體對策。

2.3.5 數(shù)字營銷應(yīng)用

通過AI視覺識(shí)別設(shè)備感知車輛和顧客后，通過圖像識(shí)別處理，進(jìn)一步將車輛和加油交易、顧客和非油品交易進(jìn)行關(guān)聯(lián)，構(gòu)建起“人+車+會(huì)員”精確匹配的會(huì)員畫像體系，并基于此開展客戶營銷，提高加油站員工現(xiàn)場營銷的目的性和精準(zhǔn)度[6]。

在人車關(guān)聯(lián)基礎(chǔ)上，基于會(huì)員數(shù)據(jù)挖掘，依據(jù)算法規(guī)則構(gòu)建完整的會(huì)員標(biāo)簽體系，包括會(huì)員基礎(chǔ)屬性、油品消費(fèi)屬性、非油消費(fèi)屬性、線上交易屬性四大類，涵蓋會(huì)員客戶支付習(xí)慣、有效性、忠誠度、消費(fèi)粘性、消費(fèi)偏好等主要方面。此外，依據(jù)機(jī)器學(xué)習(xí)算法建模，構(gòu)建包括用戶活躍度、用戶價(jià)值、用戶預(yù)流失等會(huì)員模型，實(shí)現(xiàn)對客戶的精準(zhǔn)分類分群，支撐現(xiàn)場數(shù)字營銷的開展。

2.3.6 現(xiàn)場管理強(qiáng)化

系統(tǒng)通過行為識(shí)別和模型訓(xùn)練，能夠準(zhǔn)確識(shí)別顧客撥打手機(jī)、吸煙、違規(guī)停車等現(xiàn)場不安全行為，能夠準(zhǔn)確識(shí)別員工在崗情況并給出優(yōu)化排班建議，提高加油站現(xiàn)場管理水平，降低潛在風(fēng)險(xiǎn)。

(1)通過對顧客撥打手機(jī)、吸煙等歷史圖像進(jìn)行反復(fù)訓(xùn)練，建立識(shí)別準(zhǔn)確率超過99.9 %的模型，對現(xiàn)場該類行為實(shí)時(shí)識(shí)別并推送到員工手環(huán)，引導(dǎo)員工阻止危險(xiǎn)行為。

(2)通過將員工工服圖片入庫進(jìn)行訓(xùn)練，識(shí)別加油站員工身份，自動(dòng)建立更客觀、更準(zhǔn)確的加油站員工動(dòng)態(tài)檔案，包括出勤時(shí)間、在崗天數(shù)、活動(dòng)熱點(diǎn)區(qū)域等等，強(qiáng)化現(xiàn)場員工隊(duì)伍管理。

3 關(guān)鍵技術(shù)及創(chuàng)新點(diǎn)

本文提出的基于“人+車+會(huì)員”關(guān)聯(lián)的AI數(shù)字現(xiàn)場應(yīng)用，最重要的前提是對于車輛和加油交易的精準(zhǔn)關(guān)聯(lián)，在此基礎(chǔ)上才能進(jìn)一步關(guān)聯(lián)會(huì)員形成完整客戶畫像?？紤]到受施工難度、硬件成本等條件制約，加油島部署攝像槍數(shù)量有限，每只攝像槍拍攝區(qū)域中會(huì)同時(shí)出現(xiàn)多輛汽車通過，如何唯一確定車輛與油槍的對應(yīng)關(guān)系是最難解決的問題。

3.1 檢測區(qū)域匹配法

通過繪制檢測區(qū)域識(shí)別匹配法，如圖7所示：需要繪制檢測區(qū)域和屏蔽區(qū)域，設(shè)定檢測區(qū)域閾值(識(shí)別的車輛圖像與區(qū)域重合度超過閾值才算有效識(shí)別)，設(shè)定油槍與檢測區(qū)域的對應(yīng)關(guān)系，最后通過提掛槍時(shí)間和車輛圖像識(shí)別時(shí)間匹配車輛與加油油槍。經(jīng)實(shí)踐檢驗(yàn)，該種方法在實(shí)際環(huán)境中匹配準(zhǔn)確率約為80 %左右。

圖7 檢測區(qū)域匹配法

檢測區(qū)域繪制時(shí)需遵循的注意事項(xiàng)如下：

(1)同一油機(jī)兩側(cè)車位和現(xiàn)場情況較相近時(shí)，該油機(jī)兩側(cè)關(guān)聯(lián)區(qū)域的形狀和大小要繪制的相似一些。

(2)繪制關(guān)聯(lián)區(qū)域要比車位大一些，否則車輛停在區(qū)域邊緣，可能出現(xiàn)車牌在關(guān)聯(lián)區(qū)域外的情況。

(3)繪制關(guān)聯(lián)區(qū)域要考慮周圍環(huán)境的影響，不可以過大，否則排隊(duì)車輛和道路車輛可能會(huì)帶來干擾。

(4)具體如何繪制，還需要結(jié)合每個(gè)油站現(xiàn)場的實(shí)際情況進(jìn)行考慮。

3.2 雙次校驗(yàn)匹配法

上述檢測區(qū)域匹配法存在約20 %的誤差率，主要原因是繁忙時(shí)段同一繪制區(qū)域會(huì)出現(xiàn)多輛車滿足識(shí)別條件，同時(shí)又對應(yīng)多支加油槍有加油記錄，此時(shí)會(huì)導(dǎo)致車輛與油槍多對多情況無法準(zhǔn)確匹配。這種情況可以通過雙次校驗(yàn)匹配法來進(jìn)行精確匹配，邏輯原理如圖8所示。車輛A兩次到站加油，第一次到站其停留的檢測區(qū)域中有A、B、C三輛車，對應(yīng)a、b、c三張加油卡(每張卡對應(yīng)1支加油的油槍)；第二次到站其停留的檢測區(qū)域中有A、D、E三輛車，對應(yīng)a、d、e三張加油卡，兩次結(jié)果校驗(yàn)匹配，則車輛A對應(yīng)的加油卡也只能是a。經(jīng)實(shí)踐檢驗(yàn)，經(jīng)過雙次校驗(yàn)匹配修正后，整體車輛與交易匹配準(zhǔn)確度達(dá)到了95 %以上，滿足了實(shí)際應(yīng)用的需要。

圖8 雙次校驗(yàn)匹配法

4 結(jié)束語

目前，該AI數(shù)字現(xiàn)場系統(tǒng)已在筆者所在公司1 800多座加油站部署完成并正式投入使用，在提升大要站現(xiàn)場車輛通過率和服務(wù)效率、提高現(xiàn)場營銷精準(zhǔn)性等方面發(fā)揮了重要作用。該系統(tǒng)以人工智能和大數(shù)據(jù)技術(shù)應(yīng)用為基礎(chǔ)，以詳實(shí)的客觀數(shù)據(jù)為依據(jù)，科學(xué)地指導(dǎo)加油站現(xiàn)場管理和客戶管理水平的提升，科學(xué)地分析加油站銷量與車流變化之間的關(guān)系，結(jié)合現(xiàn)場營銷模式創(chuàng)新，支撐“一站一策”的有效開展，全面提高加油站數(shù)字化運(yùn)營水平。下一步，在現(xiàn)場管理新模式、數(shù)字營銷新場景構(gòu)建等方面，該系統(tǒng)仍有許多空間值得探索和創(chuàng)新，并且具備在同行業(yè)廣泛推廣的價(jià)值。