在國內(nèi)即時(shí)配送領(lǐng)域,，除了美團(tuán)外賣,、餓了么（蜂鳥）、滴滴外賣等典型代表外,，還有專門于即時(shí)配送服務(wù)的創(chuàng)業(yè)公司,，如閃送、UU跑腿,、達(dá)達(dá),、點(diǎn)我達(dá)等，以及順豐,、京東,、菜鳥等巨頭公司也宣布入局。

至此,，外賣配送,、專業(yè)即時(shí)配送和傳統(tǒng)快遞，三者之間已經(jīng)形成爭奪形勢,。

在蓬勃發(fā)展的業(yè)態(tài)背后,，即時(shí)配送行業(yè)供需不平衡的“痛點(diǎn)”也日漸凸顯，這主要表現(xiàn)在峰值和谷值之間的明顯差異,，而這時(shí)以眾包模式解決方案等為代表的多種配送模式的出現(xiàn),，正好在一定程度上解決了高峰期人手不夠的問題。

大體上,，根據(jù)各企業(yè)定位及性質(zhì)的不同,，物流配送模式也各有差異。

一種是以順豐,、圓通等為代表的傳統(tǒng)的物流公司的倉儲模式。這種模式的特點(diǎn)在于,，以“收件網(wǎng)點(diǎn)-分揀中心-送件網(wǎng)點(diǎn)”三級流程進(jìn)行配送,。京東推出的“準(zhǔn)時(shí)達(dá)”服務(wù)也是在自建倉儲物流的基礎(chǔ)之上，保證配送速度,，準(zhǔn)時(shí)到達(dá)客戶手中,。

值得一提的是,，最近興起的盒馬鮮生、每日優(yōu)鮮為代表的前置倉模式,，該模式主要是將倉庫分布在城市中,，以此保證將生鮮產(chǎn)品快速送達(dá)至目的地。

具體來講就是,，前置倉模式將傳統(tǒng)由“電商平臺→快遞企業(yè)→消費(fèi)者”的配送格局轉(zhuǎn)變?yōu)?ldquo;電商平臺→前置倉→即時(shí)物流平臺→消費(fèi)者”,。目前，這種新型的倉儲模式正被廣泛關(guān)注和學(xué)習(xí),。：

另一種是基于眾包模式的點(diǎn)對點(diǎn)配送方案,。這種模式是利用社會的物流資源內(nèi)進(jìn)行配送，商家用人但不用養(yǎng)人,，模式較為輕便,。簡單來說，就是搭建一個(gè)平臺讓閑散的勞動力自由支配時(shí)間,，兼職從事快遞工作取得報(bào)酬,，平臺從其中獲得抽成。目前,，達(dá)達(dá),、閃送第三方運(yùn)力平臺多數(shù)采用這種模式。

即時(shí)配送背后有哪些關(guān)鍵技術(shù),？

北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院物流管理系教授汝宜紅曾稱,，除了嘗試不同模式，技術(shù)領(lǐng)域的創(chuàng)新也會一定程度上促進(jìn)供需平衡問題的解決,。

另有行業(yè)專業(yè)人士也表示,，對于即時(shí)配送平臺來說，如何獲取訂單量和流量是關(guān)鍵,，這離不開大數(shù)據(jù),、人工智能等技術(shù)的支撐。“需要在滿足干線物流健康發(fā)展的前提下,，實(shí)現(xiàn)末端物流整體性,、系統(tǒng)性、全局式的網(wǎng)絡(luò)布局,。盡快融入AI,、導(dǎo)航等先進(jìn)技術(shù)，更好地實(shí)現(xiàn)線上線下對供需市場的有效匹配,。”

可見,，技術(shù)已成為除資金和模式的創(chuàng)新之外，即時(shí)配送企業(yè)競爭的關(guān)鍵。打個(gè)比方,，平臺可以通過技術(shù)手段幫助商戶在時(shí)間,、天氣、是否是節(jié)日,、地段和環(huán)境等諸多因素進(jìn)行綜合考量,，并進(jìn)行準(zhǔn)確時(shí)間預(yù)估，以此來前置備貨等,。

當(dāng)然,，在即時(shí)配送中所需要的技術(shù)很多，比如大數(shù)據(jù),、人工智能,、運(yùn)籌優(yōu)化等算法、無人配送技術(shù)等等,，下面主要盤點(diǎn)幾個(gè)在即時(shí)配送上的技術(shù)布局,。

1. 智能調(diào)度系統(tǒng)

談及即時(shí)配送，不得不提智能調(diào)度系統(tǒng),，這是即時(shí)配送背后的整個(gè)技術(shù)支持,。

由中國物流與采購聯(lián)合會和美團(tuán)點(diǎn)評聯(lián)合編纂的《2018年中國即時(shí)配送行業(yè)發(fā)展報(bào)告》認(rèn)為，智能調(diào)度系統(tǒng)是各家運(yùn)力平臺的技術(shù)核心,，依托海量歷史訂單數(shù)據(jù),、配送員定位數(shù)據(jù)、商戶數(shù)據(jù)等,， 針對配送員實(shí)時(shí)情景(任務(wù)量,、配送距離、并單情況,、評級),，對訂單進(jìn)行智能匹配，實(shí)現(xiàn)自動化調(diào)度及資源全局最優(yōu)配置,，最大限度提升用戶體驗(yàn),。因此，包括無人配送,、依靠大數(shù)據(jù)和AI的智能調(diào)度系統(tǒng)是未來發(fā)展的方向,。

智能調(diào)度系統(tǒng)主要有美團(tuán)的“超級大腦”智能調(diào)度系統(tǒng)，餓了么方ArK智能調(diào)度系統(tǒng)等,。比如餓了么的方ArK智能調(diào)度系統(tǒng),，就包含了智慧物流、智能調(diào)度,、智能營銷,、智能客服,、圖像識別、智能硬件等部分,。

2. AI人工智能

即時(shí)配送線下環(huán)節(jié)非常多且復(fù)雜，這就需要人工智能技術(shù)必須能夠面對復(fù)雜的真實(shí)物理世界,，必須能深度感知,、正確理解與準(zhǔn)確預(yù)測、并瞬間完成復(fù)雜決策,。

根據(jù)美團(tuán)技術(shù)團(tuán)隊(duì)的消息,，美團(tuán)的“超腦”配送系統(tǒng)包含了大數(shù)據(jù)、深度感知,、人工智能等技術(shù)的應(yīng)用,。

首先，大數(shù)據(jù)處理和計(jì)算能力,。比如算法數(shù)據(jù),、大數(shù)據(jù)平臺、機(jī)器學(xué)習(xí)平臺等,。

其中大數(shù)據(jù)平臺實(shí)現(xiàn)對騎手軌跡數(shù)據(jù),、配送業(yè)務(wù)數(shù)據(jù)、特征數(shù)據(jù),、指標(biāo)數(shù)據(jù)的全面管理和監(jiān)控,，并通過模型平臺、特征平臺支持相關(guān)算法策略的快速迭代和優(yōu)化,，形成精準(zhǔn)的畫像,；機(jī)器學(xué)習(xí)平臺，則是一個(gè)一站式線下到線上的模型訓(xùn)練和算法應(yīng)用平臺,，主要負(fù)責(zé)從海量的數(shù)據(jù)中尋求規(guī)律并進(jìn)行準(zhǔn)確預(yù)估,，其目的在于解決算法應(yīng)用場景多，重復(fù)造輪子的矛盾問題,，以及線上,、線下數(shù)據(jù)質(zhì)量不一致。

其次,，建立對世界深度感知,。為此美團(tuán)搭建了LBS系統(tǒng)：提供正確位置（用戶/商戶/騎手）以及兩點(diǎn)之間正確的騎行導(dǎo)航。同時(shí),，多傳感器：提供室內(nèi)定位以,、精細(xì)化場景刻畫、騎手運(yùn)動狀態(tài)識別

再次,，正確理解和準(zhǔn)確預(yù)測,，這點(diǎn)主要對配送環(huán)節(jié)所需時(shí)間、銷量、運(yùn)力等方面的預(yù)估,。

最后,，完成復(fù)雜決策，這方面主要體現(xiàn)在調(diào)度,、定價(jià)和規(guī)劃幾個(gè)方面,。比如運(yùn)籌優(yōu)化模塊，主要是在在大數(shù)據(jù)平臺以及機(jī)器學(xué)習(xí)的預(yù)測數(shù)據(jù)基礎(chǔ)上,，采用最優(yōu)化理論,、強(qiáng)化學(xué)習(xí)等優(yōu)化策略進(jìn)行計(jì)算，做出全劇最優(yōu)化的分配決策,，并和騎手高效互動,，處理執(zhí)行過程中的問題，實(shí)現(xiàn)動態(tài)最優(yōu)化,。

3. ETA分析（Estimated Time of Arrival,，時(shí)間送達(dá)預(yù)估）—機(jī)器學(xué)習(xí)

ETA是配送系統(tǒng)中非常重要參數(shù)，與用戶體驗(yàn),、配送成本有直接關(guān)系,，而且會直接影響調(diào)度系統(tǒng)和定價(jià)系統(tǒng)的最終決策。而為了給用戶提供更好的感知體驗(yàn),，就需要通過機(jī)器學(xué)習(xí)技術(shù)進(jìn)行精準(zhǔn)預(yù)估預(yù)測,。

當(dāng)然，如何準(zhǔn)確預(yù)估送達(dá)時(shí)間,，這是一個(gè)非常復(fù)雜的過程,，首先從騎手接單到最終送達(dá)，這就涉及到接單,、到店,、取貨、送達(dá)等每個(gè)關(guān)鍵環(huán)節(jié)的預(yù)估時(shí)間,，這中間要需要考慮商戶準(zhǔn)備餐食的時(shí)間,，以及用戶最終收獲時(shí)間等等，每一個(gè)節(jié)點(diǎn)都需要精準(zhǔn)的預(yù)測,。

總結(jié)來講,，就需要機(jī)器學(xué)習(xí)來對出餐時(shí)間、交付時(shí)間,、未來訂單,、路徑耗時(shí)等進(jìn)行精準(zhǔn)的預(yù)估預(yù)測，為調(diào)度決策提供準(zhǔn)確的基礎(chǔ)信息,。

4. 運(yùn)籌優(yōu)化

運(yùn)籌優(yōu)化主要是在大數(shù)據(jù)平臺以及機(jī)器學(xué)習(xí)的預(yù)測數(shù)據(jù)基礎(chǔ)上,，采用最優(yōu)化理論,、強(qiáng)化學(xué)習(xí)等優(yōu)化策略，對整個(gè)路徑規(guī)劃,、系統(tǒng)派單,、自動改派、仿真系統(tǒng)等做進(jìn)行計(jì)算,，做出全劇最優(yōu)化的分配決策,，并和騎手高效互動，處理執(zhí)行過程中的問題,，實(shí)現(xiàn)動態(tài)最優(yōu)化。

可見,，優(yōu)化算法的作用是里找到最優(yōu)的策略,。而如何設(shè)計(jì)好的優(yōu)化算法，從龐大的解空間中搜索得到一個(gè)滿意解,，還要求在高實(shí)時(shí)性,，算法只允許運(yùn)行2~3秒鐘的時(shí)間必須給出最終決策，這是一個(gè)很大的挑戰(zhàn),。

運(yùn)籌優(yōu)化中涉及了各類基礎(chǔ)性的算法,，應(yīng)用到具體場景中就是對于騎手路徑的優(yōu)化算法和訂單分配優(yōu)化算法。