◄ بارهای خالی و نسخه لجستیک هوشمند

یکی از مسائل کمتر دیده شده اما بسیار پرهزینه در صنعت حمل و نقل جاده ای، پدیده ای است که در ادبیات لجستیک از آن به عنوان (( بار خالی)) (Empty Miles)  یاد می شود. به زبان ساده، بار خالی به مسافتی گفته می شود که کامیون ها پس از تحویل بار اولیه، بدون هیچ محموله ای به مبدا یا مسیر دیگری باز می گردند. این وضعیت در نگاه اول شاید تنها به معنای چند صد کیلومتر رانندگی بی هدف به نظر برسد، اما در واقعیت، تبعات اقتصادی، اجتماعی و زیست محیطی بسیار گسترده ای دارد. افزایش هزینه های حمل و نقل، مصرف بی رویه سوخت های فسیلی، استهلاک ناوگان، فشار مالی بر رانندگان و حتی گسترش آلودگی هوا، همه از پیامدهای مستقیم این معضل است.

در کشورهایی مانند ایران که حمل و نقل جاده ای ستون اصلی زنجیره تامین کالا را تشکیل می دهد، مسئله بارهای خالی به مثابه زخمی پنهان است که بخش بزرگی از ظرفیت لجستکی کشور را هدر می دهد.

تجربه جهانی: Uber Freight

در سطح جهانی، شرکت های نوآور به این معضل دیرینه ورود کرده اند. یکی از برجسته ترین نمونه ها Uber Freight است؛ بازوی لجستکی شرکت اوبر که با الهام از تجربه حمل و نقل مسافری، وارد عرصه حمل بار شده است. Uber Freight با تکیه بر فناوری های نوین از جمله هوش مصنوعی، یادگیری ماشین و داده های عظیم (Big Data) توانسته گامی جدی در کاهش بارهای خالی بردارد.

الگوریتم های هوشمند این سامانه، نه تنها مسیرهای رانندگان را بهینه می کنند، بلکه بر اساس الگوهای تاریخی حمل و تقاضای بازار، توانایی پیش بینی دارد. این پیش بینی به راننده نشان می دهد که در مسیر بازگشت از مقصدی مانند لس آنجلس به شیکاگو، چه محموله هایی در چه زمان هایی آماده حمل هستند و چگونه می توان با ترکیب چند محموله کوچک، یک سفر اقتصادی و بهینه را طراحی کرد.

بر اساس گزارش ها، این سیستم توانسته است در برخی مسیرها تا 30 درصد مسافت های خالی را کاهش دهد. پیامد این تحول نه تنها کاهش هزینه های عملیاتی برای شرکت ها و رانندگان است، بلکه تاثیر مستقیم بر کاهش انتشار گازهای گلخانه ای و مصرف انرژی دارد. در واقع، تجربه Uber Freight نشان می دهد که با اتکا به فناوری، می توان چالشی قدیمی در صنعت حمل و نقل را به فرصتی برای کارایی و توسعه پایدار بدل کرد.

وضعیت ایران

اگر به شرایط ایران نگاه کنیم، مسئله بارهای خالی نه تنها وجود دارد، بلکه به شکل عمیق تر و ریشه دار تر رخ می نماید. در مسیرهای پرتردد و حیاتی مانند بندر عباس _ تهران، خرمشهر_ اصفهان یا بندر امام به مشهد، رانندگان پس از تحویل بار وارداتی یا صادراتی، به سختی می توانند محموله ای برای بازگشت پیدا کنند. این مشکل به معنای صدها کیلومتر حرکت بدون بار است، حرکتی که در نهایت هزینه های حمل را بالا می برد و به شکلی مستقیم به مصرف کننده نهایی منتقل می شود.

از سوی دیگر، راننده ای که هزینه سوخت، عوارض جاده ای و استهلاک وسیله نقلیه را به تنهایی متحمل می شود، انگیزه ای برای ادامه کار در چنین شرایطی ندارد و همین امر به بحران معیشتی رانندگان دامن می زند. البته در ایران سامانه ها و استارتاپ هایی فعالیت می کنند که خدماتی همچون اعلام بار آنلاین، استعلام کرایه، اتصال راننده و صاحب بار، صدور بارنامه یا ردیابی را ارائه می دهند. حتی در برخی موارد امکان مشاهده بارهای برگشتی وجود دارد. با این حال، این سامانه ها هنوز فاصله زیادی با سیستم هایی مانند Uber Freight دارند. آنها بیشتر به عنوان بازارهای سنتی آنلاین عمل می کنند و کمتر از الگوریتم های هوش مصنوعی برای پیش بینی تقاضا یا بهینه سازی بهره می برند. نبود یک سامانه ملی جامع، فقدان اتصال کامل بین داده ها و پراکندگی پلتفرم ها، مانع از شکل گیری یک اکوسیستم کارآمد شده است.

علت این وضعیت را باید در چند عامل جستجو کرد.

نخست، نبود یک ((سامانه ملی یکپارچه اطلاعات حمل)) است که بتواند عرضه و تقاضای بازار را در لحظه به هم متصل کند. راننده پس از تخلیه بار در مشهد نمی داند که در همان روز چه کالایی در اطراف او نیازمند حمل به سمت جنوب کشور است. این فقدان شفافیت باعث می شود که دلالان و واسطه ها کنترل بازار را در دست بگیرند و راننده یا صاحب کالا برای یافتن یکدیگر ناچار باشند هزینه های اضافی بپردازند.

دوم، رویکرد سنتی در مدیریت حمل و نقل جاده ای در ایران است که هنوز فاصله زیادی با دیجیتالی شدن و بهره گیری از فناوری دارد.

سوم، نبود سیاست های تشویقی و حمایتی از شرکت ها و استارتاپ هایی است که بخواهند در این زمینه نوآوری کنند.

راهکارهای پیشنهادی

حل معضل بارهای خالی در ایران نیازمند یک بسته راهبردی است، نه صرفا یک اقدام مقطعی.

• نخستین گام، ایجاد یک (( پلتفرم هوشمند ملی حمل و نقل جاد ه ای)) است. این پلتفرم می تواند به شکل یک بازار دیجیتال عمل کند که رانندگان و صاحبان کالا در آن ثبت نام کرده و به صورت لحظه ای به اطلاعات بارهای موجود در کشور دسترسی پیدا کنند. نمونه های مشابه در جهان نشان داده اند که چنین سامانه ای می تواند به سرعت هزینه های حمل را کاهش دهد و از شکل گیری سفرهای خالی جلوگیری کند.
• دومین راهکار، تشویق ناوگان به (( اشتراک گذاری)) داده ها است. رانندگان و شرکت های حمل و نقل معمولا تمایل چندانی به ارائه اطلاعات دقیق مسیرها و ظرفیت ها ندارند. اما اگر دولت با ابزارهای حمایتی مانند تخفیف های بیمه ای، تسهیلات مالی یا مشوق های مالیاتی وارد عمل شود، انگیزه برای مشارکت بیشتر خواهد شد. داده های جمع آوری شده می توانند بستر مناسبی برای الگوریتم های پیش بینی تقاضا و مسیرهای باربری باشد.
• سومین راهکار، استفاده عملی از ((هوش مصنوعی)) برای پیش بینی تقاضای حمل است. به عنوان مثال، با تحلیل داده های تاریخی واردات و صادرات از بنادر جنوبی، می توان تشخیص داد که در چه ماه هایی نیاز به کامیون های یخچال دار بیشتر است یا در چه فصل هایی حمل مواد اولیه به استان های صنعتی افزایش پیدا می کند. این پیش بینی ها، در صورت پیاده سازی در سامانه ملی، به رانندگان کمک می کند تا برنامه ریزی دقیقی برای سفرهای خود داشته باشند و از مواجهه با بار خالی اجتناب کنند.
• چهارمین راهکار، حمایت هدفمند از (( استارتاپ های حوزه لجستیک دیجیتال)) است. در سال های اخیر، تعدادی از شرکت های نوپا در ایران تلاش کرده اند سامانه های هوشمند باربری طراحی کنند، اما به دلیل نبود حمایت قانونی و اقتصادی، بسیاری از آنها یا متوقف شده اند یا مقیاس کوچکی دارند. اگر سیاست گذاران با نگاه بازتری به این بخش ورود کنند، می توان امیدوار بود که در آینده نزدیک، استارتاپ های ایرانی نیز همان نقشی را ایفا کنند که Uber Freight در آمریکا ایفا کرده است.

پدیده بارهای خالی، زخمی مزمن در پیکره لجستیک ایران است، زخمی که سالانه میلیاردها تومان هزینه اضافی بر اقتصاد ملی تحمیل می کند و در عین حال فشار معیشتی شدیدی بر رانندگان وارد می سازد. تجربه های جهانی نشان مانند Uber Freight نشان می دهند که می توان با استفاده از فناوری های نوین، این معضل را تا حد زیادی مهار کرد.

ایران اگر بخواهد در مسیر کاهش هزینه های لجستیکی، افزایش رقابت پذیری تجارت خارجی و توسعه پایدار گام بردارد، ناگزیر است از تجربه های موفق جهانی الهام بگیرد و به سمت دیجیتالی سازی حمل و نقل حرکت کند. آینده لجستیک ایران در گروی پذیرش این واقعیت است که دیگر نمی توان با ابزارهای سنتی مشکلات پیچیده امروز را حل کرد.

*پژوهشگر حقوق گمرک و تجارت دریایی

•  جهت مطالعه بیشتر:

Business Insider (2025).How Uber Freight is leveraging AI to make truk routes more efficient.