可能也感兴趣：
电动汽车充电问题！
运输概念车metroSNAP
这就是我们未来的购物方式
metroSNAP是针对无处不在商业模式的超模块化移动平台
在线平台和经典商业的混合体
这就是为何当前的在线贸易很快将达到极限，必须实施新商业模式的原因。
在线贸易正在蓬勃发展，且越来越多地涉足生鲜食品领域。最后一公里的配送成为了根本问题。尽管可以设想未来有一天享受无最低消费面包送货上门的服务，但如今的物流系统仍然面临巨大障碍。毕竟当物流司机在工作日送货上门时，顾客往往不在家中。生鲜食品不便暂放在邻居家，或放在家门口。而配送箱在这个国家仍然鲜为人知，因此几乎无人使用。如果让顾客选择送货时间，则可以预料到几乎不会有任何要求在下午6点前送达的订单。大城市的交通网络已然不堪重负，要做到这点又怎么可能？此外：即使在即将到来的自动化时代，这一步骤也无法实现自动化，或完全由机器来完成。
metroSNAP如何优雅应对最后一公里难题
metroSNAP采取不同做法。瑞士创新企业Rinspeed和SAP、欧司朗、安永和 Cognizant Mobility等许多其他合作伙伴为这一联合项目共同付诸努力。 Cognizant Mobility通过合作开发出模块化移动平台原型，该平台几乎可用于任何类型的商业模式，如零售、包裹配送服务等。向终端客户配送方便食品也同样适用。在metroSNAP，底盘（“滑板”）和上层结构（“舱”）可随意互换。底盘是一个全自动服务平台，上层结构则根据运营商具体业务情况进行调整。metroSNAP的舱将设在城市区域，可用作现场食物售卖亭，或将信件送至相应交通枢纽等。由此，metroSNAP可成为以非集中方式完成人们日常重复任务的首个合理步骤。这是解决最后一公里难题的方案。因为下一个舱离得不远，通过下班回家路上顺道经过等日常行为即可轻松到达。
机器学习洞察：城市中能产生最佳销量的位置
零售商家在规划位置时，哪里是最佳位置是经常会问自己的问题。人们尚未意识到位置的不断变化将带来大量机会，但这种方式确实大有前景。只有通过机器学习，才能有效预测城市地区放置舱的适宜位置，并在全天内不断优化。为此， Cognizant Mobility开发了一个推荐系统，可以精确预测最佳位置。该过程的核心是深度强化学习，使用整个车辆网络中所有舱的营业额为指标数字。该方法在开始时无需使用任何现有数据集，所以新商业模式可以立即投入使用我们的平台。
基于人工智能的建议系统直接集成到metroSNAP车队管理中
在未来，运营商将控制和管理商业模式中所有必要功能，进而使用一个结构清晰的车队管理工具来管理舱。我们对采用不同商业模式的运营商，和提供各种技术功能的移动服务平台进行了区分。由此，便利食品店之类的商业模式可以及时实施，运营商使用该平台，自然可以享受移动便利。不断学习的智能建议系统不仅可以管理产品装载，还可把控整个系统的表现，进而管理营业额。
有了metroSNAP，无需再苦等自动驾驶
近年来，几乎没有其他技术领域像自动驾驶般经历了如此强烈的幻灭。业内专家将5级自动驾驶推到了更遥远的未来。各企业的财政资源正缓慢而稳定地减少。我们已经有充足的理由，去研究不完全依赖自动驾驶的解决方案。
就metroSNAP商业案例的第一步而言，滑板是完全自动行驶，还是先使用需要驾驶者的版本，其实并不重要。移动平台能够发挥巨大潜力，不仅依靠自动驾驶，且尤其依赖以前销售点（POS）绑定业务形成的真正数字商业模型。在这个模式中，客户的使用和消费行为可以被读取、优化和精确预测。所有通过metroSNAP进行的购买都以数字方式进行，因此产生了高价值客户数据。
Cognizant Mobility与Rinspeed的合作伙伴一起，正在努力延续这一概念。 也许具有高识别价值的舱，很快将塑造城市未来景观。无论如何我们都会乐见其成，因为这种方式不仅将解决最后一公里难题，还能改善城市道路网络中的交通状况。也许如今的时代不仅应满足人们简单的日常需求，也该让卡车车队在城市消失了。
