時(shí)間：2018-04-16 09:02:03 點(diǎn)擊：次
來源：大數(shù)據(jù)文摘 作者：大數(shù)據(jù)文摘

條評(píng)論打印收藏

在4月13號(hào)剛結(jié)束的OReilly和Intel AI Conference上,，美團(tuán)點(diǎn)評(píng)的配送算法策略架構(gòu)師郝井華博士詳細(xì)介紹了美團(tuán)外賣即時(shí)配送業(yè)務(wù)的重難點(diǎn),，讓我們來看看大數(shù)據(jù)文摘整理的演講精華,。

郝井華,，美團(tuán)點(diǎn)評(píng)研究員

美團(tuán)外賣是全球最大的外賣平臺(tái),，以及全球最大的即時(shí)配送平臺(tái)。其共有騎手60萬,，簽約商家150萬,，每天配送外賣1800萬單。

美團(tuán)要做的是即時(shí)配送,，也就是在一個(gè)小時(shí)之內(nèi)把訂單送到客戶手中,。那么配送模式是如何配置的呢？60萬騎手如何能夠高效率低成本地工作,？

優(yōu)化配送模式

后臺(tái)是把一個(gè)城市是劃不同的區(qū)域,，用戶只有處在特定的區(qū)域內(nèi)打開App才能看到這個(gè)區(qū)域內(nèi)的商家，才能點(diǎn)這個(gè)商家的訂單,。每一個(gè)區(qū)域都有特定的騎手為區(qū)域內(nèi)的商家服務(wù),。每個(gè)區(qū)域每天都有大量的訂單，如何高效地提升資源的配置效率,，是美團(tuán)外賣想要解決的痛點(diǎn),。

60萬的騎手，每個(gè)月光薪資就會(huì)有幾十億的人民幣支出,。如何控制成本,，提高效率呢？可以從兩個(gè)方面入手,，第一,，對(duì)騎手進(jìn)行專業(yè)的培訓(xùn)；第二,，對(duì)配送模式進(jìn)行效率優(yōu)化,，例如根據(jù)區(qū)域的實(shí)際情況制定合理的配送費(fèi)，以及合理的配送人數(shù),。

在實(shí)施層面做出實(shí)時(shí)的匹配,，也就是,，用戶下單的時(shí)候涉及的配送費(fèi)的動(dòng)態(tài)設(shè)定，訂單的指派,，以及騎手的執(zhí)行,。舉一些例子，比如說商家配送范圍的規(guī)劃,，一些有爭議的小區(qū)需要?jiǎng)澋侥膫€(gè)區(qū)域,，劃分到各個(gè)區(qū)域產(chǎn)生的成本如何，收益又如何,？加價(jià)機(jī)制其實(shí)是比較難確定的,，加多少，往哪些方向上加,？這些都是需要考慮的,。

這類決策其實(shí)是多目標(biāo)優(yōu)化問題，用戶的滿意度,，成本收益的情況,，都需要考慮。以往這些問題都是用人工的方式解決,。

然而人工的方式又會(huì)帶來許多的問題,，比如說在上萬個(gè)區(qū)域中每個(gè)區(qū)域都會(huì)有一個(gè)調(diào)度員進(jìn)行訂單分配，調(diào)度員顯然考慮配送模式的時(shí)候或多或少會(huì)出現(xiàn)低效率問題,。還有一個(gè)其實(shí)也是比較大的問題,，人數(shù)太多，就會(huì)出現(xiàn)或多或少的腐敗問題,。比如說,，有權(quán)力的調(diào)度員往往會(huì)把訂單給和他關(guān)系比較好的人。

在早期的時(shí)候,，規(guī)模比較小,，這些問題還不突出。但是當(dāng)達(dá)到現(xiàn)在美團(tuán)的體量的時(shí)候,，這些問題就會(huì)變得很嚴(yán)重,。因此就需要采用新的、基于大數(shù)據(jù),、人工智能的解決方案,。

人工智能的發(fā)展，大致可以分為3個(gè)階段,，第一個(gè)階段是Descriptive,，做一些檢索和精確的計(jì)算（比如說加減乘除），第二個(gè)階段Predictive,，其實(shí)是用算法發(fā)現(xiàn)一些規(guī)律,，這一工作最早可以追溯到最小二乘等線性擬合算法,，復(fù)雜一些的就是用語音識(shí)別，人臉識(shí)別發(fā)現(xiàn)一些規(guī)律,。目前大部分成功的AI應(yīng)用都是在第二個(gè)階段,。第三個(gè)階段Prescriptive是基于這些規(guī)律進(jìn)行最優(yōu)的決策，比如說機(jī)票的動(dòng)態(tài)定價(jià),，物流的訂單分配,。

擁有一個(gè)好的模型只是第一步，如何把模型進(jìn)一步執(zhí)行,、優(yōu)化,，其實(shí)是需要花費(fèi)許多功夫的。

來看一個(gè)簡單的流程,，用戶下單,，商家備餐，騎手在接到單的時(shí)候取貨,，取貨完之后進(jìn)行配送,。在美團(tuán)APP中,，你會(huì)看到有35分鐘,、40分鐘等時(shí)間的送達(dá)時(shí)間的預(yù)測，這個(gè)時(shí)間的預(yù)測要結(jié)合一個(gè)簡單的策略,。然后是動(dòng)態(tài)調(diào)價(jià),，并不是說基于什么樣的規(guī)則，我們是要對(duì)總體的成本和收益進(jìn)行權(quán)衡之后給出定價(jià),。

當(dāng)騎手到店之后,，因?yàn)榈昀铿F(xiàn)有的用戶會(huì)選擇打包或者堂食，所以商家影響外賣出餐的時(shí)間是多因素的,。另外商家的位置也是會(huì)影響配送時(shí)間的,，在馬路邊上的商家，騎手到店方便,，那么就會(huì)縮短取餐時(shí)間,，如果商家是在高樓層，相對(duì)來說時(shí)間就會(huì)長一些,。

對(duì)這一簡單的流程進(jìn)行優(yōu)化,，不可能進(jìn)行一個(gè)商家一個(gè)商家地決策，需要用到AI技術(shù),。

通過機(jī)器學(xué)習(xí)開發(fā)出的智能助手需要考慮多重因素：如何進(jìn)行單量預(yù)測,，如何進(jìn)行動(dòng)態(tài)的定價(jià)，如何選擇騎手到店的路徑,。當(dāng)騎手取到餐后何時(shí)通知用戶下來取餐等等,。

一些線下的流程也需要算法進(jìn)行優(yōu)化,，例如我們需要增加新的商家，那些商家能夠簽約,，哪些商家又能夠優(yōu)先簽約,，簽約之后給他制定多少的配送費(fèi)等等。

提高騎手效率

在基礎(chǔ)建設(shè)方面,，要有一個(gè)大數(shù)據(jù)平臺(tái),，要保持業(yè)務(wù)層面和機(jī)制的整體運(yùn)行，在這個(gè)基礎(chǔ)之上,，還需要機(jī)器學(xué)習(xí)的平臺(tái),，在這之上有許多機(jī)器學(xué)習(xí)的模型，方便對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí),。在這兩個(gè)基礎(chǔ)之上還有大量業(yè)務(wù)的架構(gòu),。

訂單分給誰需要考慮用戶體驗(yàn)，騎手的體驗(yàn),，商家體驗(yàn),，平臺(tái)的配送成本等等。現(xiàn)在面臨的主要難點(diǎn)是在考慮用戶體驗(yàn)的情況下,，如何讓騎手的效率最高,。

中關(guān)村的午高峰大約有200個(gè)左右的騎手，如何進(jìn)行訂單分配,？最表層的理解是考慮多目標(biāo)優(yōu)化,。在午高峰的時(shí)候每分鐘大約有50個(gè)左右的新訂單進(jìn)來，每個(gè)騎手身上可能都有待配送的訂單,。

將訂單分配給某個(gè)騎手,，需要考慮他是不是順路，他是不是交通比較熟,，是不是效率能夠保證,。還有一些質(zhì)量要求，例如用戶點(diǎn)了面條,，就要及時(shí)的送到,，否則就會(huì)影響口感。其實(shí)留給智能助手考慮的時(shí)間不是很多,，騎手的位置是不斷在變化的,，可能上一秒他還適合配送這一單，但是在這一秒就不適合了,。

在一些工業(yè)場景,，在用算法解決一些問題的時(shí)候，并不是算法為王。需要設(shè)計(jì)一個(gè)整體的方案,，需要了解企業(yè)場景,，業(yè)務(wù)場景。因此算法的改進(jìn)優(yōu)化需要多場景的兼顧,。這些不可能一下全面覆蓋,，需要一個(gè)點(diǎn)一個(gè)點(diǎn)的去涉及。在沒有摸清問題的邊界的情況下,，最好不要對(duì)算法進(jìn)行優(yōu)化,。

技術(shù)上來說主要是兩類，一方面是機(jī)器學(xué)習(xí)的方法技術(shù),，另一方面是運(yùn)輸優(yōu)化,。機(jī)器學(xué)習(xí)解決一些數(shù)據(jù)的統(tǒng)計(jì)和數(shù)據(jù)的規(guī)律分析。當(dāng)模型的邊界比較清晰的時(shí)候,，就需要運(yùn)輸優(yōu)化來解決一些問題,。

數(shù)據(jù)工作是第一步，需要提升所有的數(shù)據(jù)的精度,，提升數(shù)據(jù)覆蓋的層面,。一些簡單的數(shù)據(jù)經(jīng)過統(tǒng)計(jì)就可以知道。另一些數(shù)據(jù)獲取則更復(fù)雜,，比如商戶的位置,，這些位置是人上報(bào)的，這就可能存在因?yàn)榫€下利益關(guān)系而上報(bào)錯(cuò)誤的位置,。這時(shí)候我們就需要利用騎手的一些行為,，利用聚類的方法,，掌握商家的真實(shí)位置,。更復(fù)雜的場景，比如上文提到的預(yù)估出餐時(shí)間,，需要一些弱監(jiān)督學(xué)習(xí)的方法,，根據(jù)騎手的反饋，進(jìn)行統(tǒng)計(jì)分析,。

ETR問題也是需要考慮的,，其實(shí)就是怎么樣去估計(jì)一個(gè)路徑上每一個(gè)點(diǎn)的時(shí)間。比如說騎手從一個(gè)地方出發(fā),，給他規(guī)劃一個(gè)線路,，他應(yīng)該在最少的時(shí)間內(nèi)配送最多的訂單且路程最短。需要給每一個(gè)節(jié)點(diǎn)規(guī)劃出什么時(shí)間可以完成,。這個(gè)問題意義很大,，因?yàn)樵谧鲇唵畏峙涞臅r(shí)候，要考慮是不是能準(zhǔn)時(shí)送達(dá)，準(zhǔn)時(shí)與否非常影響用戶的體驗(yàn),。

利用優(yōu)化算法,，建立一個(gè)基本的關(guān)系，騎手從取到送的過程中分配很多的節(jié)點(diǎn),。建立參數(shù)優(yōu)化模型,，能夠?qū)⒄`差控制在4分鐘之內(nèi)。

在優(yōu)化的基礎(chǔ)上,，還要做一些執(zhí)行的工作,。比如開發(fā)一個(gè)智能助手，能夠和騎手進(jìn)行語音交互,，使其不用看手機(jī)也能夠知道他接到了多少單,，他應(yīng)該接下來做些什么等等操作。還有為騎手導(dǎo)航,、進(jìn)行長期激勵(lì)等等,。

未來要做的是通過多維度協(xié)同，實(shí)現(xiàn)全局最優(yōu)化,。需要考慮業(yè)務(wù)維度,，空間維度，時(shí)間維度,。業(yè)務(wù)維度指送達(dá)時(shí)間設(shè)定,、動(dòng)態(tài)定價(jià)、運(yùn)力融合,?？臻g維度指跨區(qū)調(diào)度、柔性邊界,、全城優(yōu)化,。時(shí)間維度指動(dòng)態(tài)壓單、最優(yōu)指派,、配送引導(dǎo),。