В диспетчеризации грузоперевозок сохраняется знакомый парадокс: маршрутный план, составленный к 6 a.m., редко выдерживает столкновение с реальностью 9 a.m. — пробками, болезнью водителя или перевозчиком, который уходит офлайн. HERE Technologies пытается решить эту проблему не за счет создания более совершенного статичного плана, а путем разработки системы, которая непрерывно учится на том, что происходит после того, как план покидает офис диспетчера.

Bart Coppelmans из HERE Technologies изложил дорожную карту продуктов компании в интервью FreightWaves на Home Delivery World. Обсуждение охватывало обновления механизма планирования туров HERE, недавно запущенный инструмент обратной связи для водителей под названием Last Meter Guidance и прототип слоя рассуждений для оптимизации маршрутов на базе ИИ, предназначенный для объяснения своих решений, а не просто их выдачи. Такой фокус отражает более широкую операционную проблему для логистических команд: оптимизация маршрутов создает ценность только в том случае, если диспетчеры и водители могут адаптироваться, когда условия на местах расходятся с планом.

Разрыв между планированием и исполнением

Планирование туров относится к числу наиболее зрелых сервисов HERE, история разработки которого насчитывает десять лет. По словам Coppelmans, недавнее добавление новых функций способствует росту внедрения на рынке.

"We started developing this ten years ago, but it's really picking up in the market now as one of the best performing solvers, especially because of what we added last year," Coppelmans said.

Самым значимым из этих дополнений стала оптимизация с учетом времени, которая учитывает, как меняющиеся дорожные условия влияют на пропускную способность доставки в течение дня.

"At nine o'clock in the morning you can deliver fewer orders than at one o'clock in the afternoon because of traffic jams," Coppelmans said.

HERE также представила более удобные для водителей перекрывающиеся туры, которые сокращают территориальные конфликты, раздражающие водителей на маршрутах. Кроме того, функция кластеризации пеших доставок определяет, когда водителю следует один раз припарковаться и выполнить несколько доставок пешком, вместо того чтобы многократно садиться в автомобиль и выходить из него.

"From one parking spot you can then deliver by walking to multiple different deliveries in a certain area, which might be more efficient than driving in and out of your vehicle," Coppelmans said.

Last Meter Guidance замыкает цикл обратной связи

Эти улучшения планирования не решают того, что Coppelmans назвал ключевой задачей: разрыва между тем, что диспетчер планирует утром, и тем, с чем водитель фактически сталкивается на маршруте.

"If you have a perfect plan by six in the morning, by nine it can already be different because of unexpected events — a driver getting sick, a carrier going dark or last-minute order changes," Coppelmans said. "You need to be really dynamic and flexible, taking that into account."

Ответ HERE — Last Meter Guidance, клиентский сервис, который работает на портативном устройстве или в приложении водителя и собирает сенсорные и позиционные данные с мест. В условиях плотной городской доставки финальный подход к точке может существенно отличаться от простой навигации к почтовому адресу, особенно когда парковка, входы в здания и пешие маршруты определяют, сколько времени фактически занимает доставка.

"We're automatically collecting sensor and probe positioning points, we have our own positioning stack," Coppelmans said. "This service builds on top of that, really making sure we're learning from the field. We're collecting traces data from where the vehicle is parking, the walk path toward the building, flagging the building entrance and the final delivery end-point location."

Эти данные движутся в двух направлениях. Диспетчеры получают более точные окна доставки, а водители — рекомендации по парковке и входу, основанные на том, где предыдущие водители успешно завершали доставки, а не только на том, где карта размещает вход в здание.

"There's no disconnect anymore," Coppelmans said. "Drivers are more comfortable trusting what is being planned and can say, 'Okay, this makes sense.'"

ИИ-оптимизация маршрутов учится объяснять себя

Поверх обоих сервисов находится то, что HERE описывает как когнитивный слой оптимизации маршрутов — прототип агентной возможности, который, как ожидает компания, перейдет в закрытое бета-тестирование позднее в 2026 году. Если базовый API планирования туров указывает диспетчерам, какие действия предпринять, то слой рассуждений предназначен для объяснения, почему были приняты эти решения. Это различие важно в диспетчерских операциях, поскольку рекомендация, которая выглядит неэффективной, может быть связана с ограничениями, которые пользователь не видит сразу.

"Why are these orders unassigned? Why are these two trucks going down the same street on the same day?" Coppelmans said. "It might be because of actual constraints, driving skills, or certain priorities."

Слой не ограничивается объяснением. Он также создается для предложения корректирующих действий — тех типов настроек, которые опытный диспетчер может делать интуитивно.

"Maybe loosen certain constraints, move some orders to tomorrow, or add two vehicles into the capacity," Coppelmans said. "That's the domain-specific reasoning layer."

Coppelmans провел параллель с разработками, уже идущими в телематике, где автопарки применяют генеративный ИИ, чтобы выяснять, почему шина теряет давление или почему актив пропал. В применении к диспетчерским операциям тот же подход означает, что менеджеру больше не нужно самостоятельно выводить каждую последующую причину сбоя в обслуживании.

"It gives you proactive responses in terms of what you can do to further improve your plan and make it even better," Coppelmans said.

Привязка ИИ к реальности до того, как он начнет галлюцинировать

Наряду со слоем рассуждений HERE объявила об отдельном слое геопространственных рассуждений, разработанном для того, чтобы большие языковые модели не выдумывали информацию при запросах о географии.

По словам Coppelmans, когда универсальные LLM просят найти ресторан на полпути вдоль маршрута грузовика, они часто выдают ненадежные результаты.

"If you now ask generic LLMs about a certain geo location, you get really random results, totally off, wrong geometry or wrong location," Coppelmans said. "You get a wrong POI that isn't nearby the river but somewhere else. You can get fooled easily, and these LLMs hallucinate based on geo-location queries."

HERE Location Reasoning предназначен для того, чтобы предоставить ИИ-агентам пространственную опору, необходимую для точных ответов на такие вопросы — будь то понимание положения автомобиля на дороге, построение границы вокруг средней точки или фильтрация точек интереса, которые действительно находятся вдоль заданного маршрута. Для транспортных приложений такая привязка является ключевой, поскольку географические ошибки могут влиять на маршрутизацию, выбор остановок и инструкции, передаваемые водителям.

"That's the journey we're on, further supporting different agents being built in the market," Coppelmans said. "We're feeding them with a correspondent layer so they can really understand the context of location and ground it."

Будущее взаимодействия агент-агент

Coppelmans не считает, что слой рассуждений заменит собственное операционное суждение компании. По его словам, KPI и соглашения об уровне обслуживания у каждого перевозчика слишком сильно различаются, чтобы одна общая модель могла справляться с этим самостоятельно.

"You need to have your own agentic operations agent running, but feeding that with learnings from others is super crucial, otherwise you're siloed," Coppelmans said.

В более долгосрочной перспективе, предположил он, картина меньше похожа на владение одной компанией единственной моделью ИИ и больше — на сеть агентов, которые запрашивают друг друга: диспетчерский агент перевозчика консультируется с маршрутным агентом примерно так же, как человек обращается к коллеге за вторым мнением. Пока более близким ориентиром станет то, сможет ли закрытая бета-версия показать, что объяснимые маршрутные рекомендации помогают диспетчерам управлять исключениями, не теряя контроля над операционными правилами.

"You might think more in terms of agent-to-agent communications connecting certain things," Coppelmans said. "It doesn't necessarily have to be fully integrated into your own system, you can call different agents to pull other data sets to verify and qualify. But that's not something we're at yet, it's a little bit further down the road."