AI 无感加油的数字化探索与实践

沈建东

中国石化销售股份有限公司江苏石油分公司 江苏省南京市 210003

1 研究背景

随着大数据、人工智能、物联网等新技术的快速发展和应用落地，新零售模式正不断推陈出新，产品和服务日趋个性化、定制化和智能化，客户对多、快、好、省等需求也越来越高。而加油站是民生保障的重要环节，同时也是油品销售企业最主要的客服服务场所，也在不知不觉中被动接受新零售的变革与挑战。但由于成品油的特殊性，加油还是需要人们开车到加油站。对比之下，这一刚性需求只会让客户对加油站的服务要求更高，他们迫切希望加油过程能更加方便，现场服务能更好。有一点不满意都有可能造成客户投诉，甚至是客户流失。对油品销售企业而言，需要不断地以客户需求为导向，顺应大众消费方式与习惯的转换，为客户提供更优质、更便捷的服务体验，全面满足用户对美好出行的需求。

但随着近年来成品油消费增幅逐年放缓，成品油销售终端领域又全面放开，外资、民营、地炼企业加速终端市场布局渗透，“红海”市场竞争日趋激烈，新一轮市场再平衡正在形成。业内预计未来3-5 年内，成品油将面临增长拐点。加上新能源替代、“双碳”政策、疫情常态化等因素影响，拐点或将加速到来。特别是对传统大型成品油企业而言，生存压力日益加大，转型发展迫在眉睫，更要借助新技术手段，着力解决客户的痛点需求，创新和转变经营管理模式，提升客户服务能力，用差异化的服务赢得市场，不断地提升企业竞争力。

2 研究内容

本文围绕加油服务场景探索人工智能应用，运用大数据、AI 人工智能等数字化技术，配合摄像头采集车辆信息，通过自动识别追踪车辆运行轨迹，将车牌、车位、加油机、加油枪、银行卡进行关联，确定客户与加油流水的对应关系。加油挂枪后，系统通过客户已授权的支付方式自动完成扣款。其中，车辆轨迹跟踪、特殊条件下的车牌识别、加油站算法模型、油枪分配算法是技术研究的重点。

一是建立车辆“face ID”。除了获取车牌号码外，还通过AI 算法处理，采集车辆更多的属性和细节信息，包含车辆品牌、型号、颜色、类别以及局部特征，从而满足自定义组合查询和模糊查询的强大功能。车辆本身包含的信息非常多，不同场景有不同的数据诉求。通过不断丰富数据类型、对每个车辆建立唯一的虚拟“车辆模型”，即车辆的”face ID”。当在不同场景下出现该车辆信息时，可通过数据库中的信息对比，实现指定场景下的信息真实性检测或用于服务促进。

二是实时结构化数据。不仅对静态车辆进行识别，还对视角范围内的行驶中车辆，进行轨迹追踪和关键帧抓取。通过海量数据样本训练，实现对实时视频和录像的视频结构化分析，车辆关键要素提取完成后，存入结构化数据库，在需要时可直接搜索关键特征信息，服务器可直接调取出对应关键字信息所在的视频录像，秒级精准检索极大地减少了查证时间，提高了效率。

3 模式对比研究

近两年来，市场陆续出现多种形式的无感加油模式，但对比看来，AI 无感加油模式的优势更突出。为进一步论证AI 无感加油模式的应用优势，以下对主流的ETC 无感加油、RFID 无感加油两大模式进行了对比研究。结合各模式的使用场景和建设成本，对优劣势进行分析，具体情况如下：

3.1 RFID 无感加油模式

车主注册需要去营业厅办理业务开通，将银行卡与RFID 绑定，由银行专人辅助安装电子标签。现场加油前员工需询问加油方式，确认后加油工在键盘上选择RFID 加油，提枪识别电子标签获取用户加油信息。

需在车主车辆上安装RFID 电子标签，成本约50 元/人。站点需要安装服务器、屏幕（或其他用于提示车主信息的终端）等设备。单站改造投入预计10-30 万元，车主推广成本另计。

优势是车辆识别率高（接近100%）；加油时车主无需操作。劣势是前期获客成本高，需营业厅人工发卡、车主需安装电子标签，解绑时车主也需去营业厅；人工参与环节多，需事先询问加油信息、加油完成确认才可放行；后期维护成本高，需要一个月更换一次电池等；仅解决了支付问题，数据采集只有会员交易数据，应用不具备可拓展性。

3.2 ETC 无感加油模式

车主自助在线注册，车辆进入加油站后，天线识别出车辆上安装的ETC 标签中的车主相关信息。加油工询问客户交易需求（油品、金额）、在屏幕或手持POS 设备选择车牌，然后为客户加油。

需在车主车辆上安装ETC 接收器，虽然车主基本已安装该设备，但大部分车主除了上高速，其他是拔卡状态。站点也需安装防爆ETC 天线、服务器等设备，还需增加屏幕或手持防爆POS，进行人工车牌选择。单站投入成本10-20 万。

优势是车牌识别准确率高，接近100%；车主体验相对流畅，无需操作；建设成本相对较低。劣势是加油时车主需与加油工进行信息确认，加油工需进行选车牌等相关操作，并确认身份；目前数据应用受制于ETC 管控单位；数据单一、后期无法产生其他应用价值；可能存在扣款失败问题；客户受众群体受限，必须要安装ETC。

3.3 AI 无感加油模式

车主自助在线注册，注册流程简单，注册完即可使用。现场加油时，后台自动关联车牌-油枪，员工提枪即可加油，加完即走，线上开票。

车主方无需改造和硬件成本投入。主要对于站点进行改造，需增加摄像头及AI 算法服务器，需安装屏幕或其他提示设备（智能手表或手持POS 等）。软件方面需完成管控、油枪的对接，但目前已形成标准化方案，后续只需接入即可。目前单站投入10-20 万元。

优势是车主体验流畅，完全无需操作无需交流；具备全程客户自助加油的条件、大幅减少员工工作量，释放员工潜力；全站采集更完善的数据，便于数据分析和拓展应用场景，包括安全行为监控、站内排队情况分析、滞留时间分析等。劣势是对硬件要求高，改造成本相对略高。

综上所述，和其他支付方式相比，AI 无感加油具有明显的比较优势，如相对成本不高、识别精度较高、员工负荷小、客户体验好、数据价值高等；且现场无需扫码，避免了监管部门要求的使用手机扫码的安全风险；平均缩短加油服务时间3 分钟以上，更有助于现场通过。从长远来看，可以引领未来加油发展的新趋势，具备较好的推广和应用价值。

4 相关数字化实践

目前，AI 无感加油模式已在某石油销售企业上线200 座站点。自推出市场后，其以创新的加油方式和全新的支付体验，大大提高了加油站的通行效率，提升了站点业绩和品牌影响力。为进一步支撑站级经营需要，通过该模式采集了大量的车辆数据、消费数据、设备数据等各类数据，继而在探索数字化应用支撑经营决策方面也进行了探索和实践。

4.1 采集多渠道数据

车辆入站后，通过AI 摄像头抓取车辆信息，进行准确率比对分析，确保100%车牌识别率，同时采集车型、颜色等特征信息，便于进行车主画像数据采集。

通过关联注册用户信息，记录车主的加油偏好、交易偏好等行为，积累有效客户标签，预测车主加油或消费行为，可实现针对性营销投放及主动服务。并通过异业合作等，帮助油企建立360°客户画像和类型切分，为服务分级及智慧化营销提供数据决策。

开展进站客户数据分析，对入站车辆进行实时监测，分析各站实时车流量情况，判断拥堵情况、及油品使用量等信息，为客户判断拥堵提供智能引导，为站级分流提供指导。

AI 无感加油和油枪、油机关联，可实时采集加油状态和油机状态，从而判断油机出油速率、油机服务效率，进而检测判断油枪运行是否异常，自动排查设备故障，开展自动化运维，进一步帮助优化设备布局。

将员工服务行为通过AI 智能识别进行数字化，对站内人员、油枪等进行行为捕捉采集，判断员工服务和操作标准是否规范，对危险动作进行分析和实时预警。

4.2 拓展数字化应用

基于上述数据，在数据化应用方面初步探索了以下应用场景，支撑企业及站级经营管理需要：

分析当天销售、当月销售、历史收入趋势、各油品销售数据分析等；分角色权限，让站长、片区经理、分公司、省公司等各层级清楚了解各站点的最近油品销售情况；及时发现业绩下降时点，及时定位并分析原因寻找处理对策；关联营销优惠，区分我司投入营销资源、第三方合作营销资源，进行量利效分析。

分析当前实时车流量数据、历史流量趋势、加油车辆趋势；了解各站点车辆进站数据，了解各站点车流量情况；通过趋势发现入站车辆下滑原因，分析定位，如入口设置是否合理，交通管制等等；分析各站点现场通过率，判断车辆拥堵情况；把握客户用油高峰，合理人员配比，可进行弹性排工，提高效率。

分析各油站进站用画像结构和趋势变化，了解进站客户的整体年龄结构、消费结构、购买能力等；分析客户加油的频次、偏好等，把握客户消费节奏；重点细分目标客户，分群开展精准营销，特别是针对新客户、流失预警客户、流失客户、价格敏感客户等不同客户类型进行营销。

分析车辆进站到离开油站所花时间，看出整个油站的畅通拥挤情况，结合站点布局等因素考虑改进措施；分析排队时长，从进站到进入车位所用时间，判断拥挤排队现象；分析等候时长，车辆停靠到开始加油所用时间，判断加油服务及时性，优化服务效率；分析加油时长，从开始加油到加油结束所用时间，计算油枪加油效率（速率）；分析滞留时长，加完油到车辆离开加油车位所有时间，判断用户是否有购买非油品的可能性。

分析各油品枪数、日均交易次数/枪、日均忙时/枪；分析各油机-油枪参数、提枪次数、平均流速/分、每日忙时、每日可用占比、闲置状态等，提醒需维修的问题设备，优化现场车辆引导。

4.3 探索商业模式创新

基于该加油服务模式创造的数据价值，以“共建、共创、共享”为发展理念，构建第三方合作生态圈。一是通过合作引流外部用户成为无感用户，吸引银行、保险等第三方合作资源，多方联合开展客户营销，壮大客户群体，锁定忠诚客户，扩大市场影响力；二是通过开展深度合作，进一步丰富车主画像，并根据大数据分析客户偏好，实施个性化推荐，实施精准营销，进而分析背后沉淀的营销数据，形成价值创造的闭环。

5 实践价值及意义

总的来说，“AI 无感加油”模式将AI人工智能、大数据等前沿技术与油站智慧场景进行融合创新，为油站带来了颠覆性的改变，不仅为车主带来了前所未有的便捷，也促进了油站管理更加精准高效，帮助油品销售企业打造出了“服务+营销+管理”为一体的数字化油站。具体价值主要体现在以下几个方面：

5.1 打造了便捷加油体验，提升了企业智慧形象

从服务社会智慧出行视角，在智慧油站场景中引入新技术，这为智慧出行提供了成熟解决方案。使用AI 无感加油的车主只需完成首次注册，从进站到驶离油站平均用时只有2 分30 秒。它不仅提高了车主的出行效率，优化了出行体验，还提升了油品服务企业改革创新、服务城市智慧出行的企业形象。

5.2 提升了油站通过能力，减少了排队和拥堵

从目前应用情况看，无感加油模式下，客户无需插卡、无需下车、无需现金、发票自动推送，全程无接触操作，节省客户加油时间1-3 分钟，减少了油站排队时间，加快通行效率，提升油站业绩。初步估算该模式下，现场通过能力至少可提升了1.5 倍。

5.3 减轻了员工负担，避免了错账和逃单

该模式下，员工不需要和客户确认油品、不需要插卡加油（客户可自助）、不需要向客户发起收款、不需要核对支付信息、也不需要为客户开票。和其他方式相比，员工工作量得到了较大减轻，还避免了错账，也避开了逃单风险。一方面可以让员工腾出了精力拓展便利店商品和汽服、快修、餐饮等综合服务；另一方面也有助于企业进一步实现减员和优化用工。

5.4 拓宽了获客渠道，增强了差异化竞争力

该模式与保险、第三方车主等多家服务机构建立了合作，共同提供增值会员权益服务，拓展获客渠道，有助于获取有效及高品质用户资源。通过科技引流和第三方合作权益引流，以全新的加油体验和持续优惠刺激吸引客户，开展差异化服务竞争，改变用户加油习惯，形成用户粘性，转变成为忠实用户。

5.5 打下了数字化底座，助力企业转型发展

基于AI 无感加油采集的客户数据，通过数据分析与建模，开展车辆和客户特征数据分析，记录车主加油偏好、交易偏好等行为，从而针对性开展营销投放及主动服务，帮助企业节约客户维护成本，实现精准服务和精准营销。同时，在员工劳效、设备管理、安全管理等方面，帮助企业改进生产流程，提高运营管理效率和效果，实现企业精益管理和精准运营。

在本文的研究基础上，下一步将持续研究AI 人工智能技术在加油站其他领域的应用，探索智慧油站相关的其他场景，包括大数据分析、安全操作监控、实时风险识别、异常行为监控预警等，引领智慧加油站的发展潮流和趋势，助力企业转型发展。