時間：2018-04-16 09:02:03 點擊：次
來源：大數(shù)據(jù)文摘 作者：大數(shù)據(jù)文摘

條評論打印收藏

在4月13號剛結(jié)束的OReilly和Intel AI Conference上，美團(tuán)點評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)外賣即時配送業(yè)務(wù)的重難點,，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)點評研究員

美團(tuán)外賣是全球最大的外賣平臺,，以及全球最大的即時配送平臺,。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)要做的是即時配送,，也就是在一個小時之內(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

后臺是把一個城市是劃不同的區(qū)域，用戶只有處在特定的區(qū)域內(nèi)打開App才能看到這個區(qū)域內(nèi)的商家,，才能點這個商家的訂單,。每一個區(qū)域都有特定的騎手為區(qū)域內(nèi)的商家服務(wù)。每個區(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。

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

在實施層面做出實時的匹配,，也就是,，用戶下單的時候涉及的配送費的動態(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)需要劃到哪個區(qū)域,，劃分到各個區(qū)域產(chǎn)生的成本如何，收益又如何,？加價機(jī)制其實是比較難確定的,，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帶來許多的問題,，比如說在上萬個區(qū)域中每個區(qū)域都會有一個調(diào)度員進(jìn)行訂單分配,，調(diào)度員顯然考慮配送模式的時候或多或少會出現(xiàn)低效率問題。還有一個其實也是比較大的問題,，人數(shù)太多,，就會出現(xiàn)或多或少的腐敗問題。比如說,，有權(quán)力的調(diào)度員往往會把訂單給和他關(guān)系比較好的人,。

在早期的時候，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)的體量的時候，這些問題就會變得很嚴(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個階段，第一個階段是Descriptive,，做一些檢索和精確的計算（比如說加減乘除）,，第二個階段Predictive，其實是用算法發(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別，人臉識別發(fā)現(xiàn)一些規(guī)律,。目前大部分成功的AI應(yīng)用都是在第二個階段,。第三個階段Prescriptive是基于這些規(guī)律進(jìn)行最優(yōu)的決策，比如說機(jī)票的動態(tài)定價,，物流的訂單分配,。

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

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

當(dāng)騎手到店之后，因為店里現(xiàn)有的用戶會選擇打包或者堂食,，所以商家影響外賣出餐的時間是多因素的,。另外商家的位置也是會影響配送時間的，在馬路邊上的商家,，騎手到店方便,，那么就會縮短取餐時間，如果商家是在高樓層,，相對來說時間就會長一些,。

對這一簡單的流程進(jìn)行優(yōu)化，不可能進(jìn)行一個商家一個商家地決策,，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)行動態(tài)的定價,，如何選擇騎手到店的路徑,。當(dāng)騎手取到餐后何時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等等,。

提高騎手效率

在基礎(chǔ)建設(shè)方面，要有一個大數(shù)據(jù)平臺,，要保持業(yè)務(wù)層面和機(jī)制的整體運行，在這個基礎(chǔ)之上,，還需要機(jī)器學(xué)習(xí)的平臺,，在這之上有許多機(jī)器學(xué)習(xí)的模型，方便對數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí),。在這兩個基礎(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,，騎手的體驗，商家體驗,，平臺的配送成本等等?，F(xiàn)在面臨的主要難點是在考慮用戶體驗的情況下，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,。在午高峰的時候每分鐘大約有50個左右的新訂單進(jìn)來,，每個騎手身上可能都有待配送的訂單。

將訂單分配給某個騎手,，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,，例如用戶點了面條，就要及時的送到,，否則就會影響口感,。其實留給智能助手考慮的時間不是很多，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候,，并不是算法為王。需要設(shè)計一個整體的方案,，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,，需要一個點一個點的去涉及。在沒有摸清問題的邊界的情況下,，最好不要對算法進(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),，另一方面是運輸優(yōu)化,。機(jī)器學(xué)習(xí)解決一些數(shù)據(jù)的統(tǒng)計和數(shù)據(jù)的規(guī)律分析。當(dāng)模型的邊界比較清晰的時候,，就需要運輸優(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,，這些位置是人上報的,，這就可能存在因為線下利益關(guān)系而上報錯誤的位置。這時候我們就需要利用騎手的一些行為,，利用聚類的方法,，掌握商家的真實位置。更復(fù)雜的場景,，比如上文提到的預(yù)估出餐時間,，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)計分析,。

ETR問題也是需要考慮的，其實就是怎么樣去估計一個路徑上每一個點的時間,。比如說騎手從一個地方出發(fā),，給他規(guī)劃一個線路，他應(yīng)該在最少的時間內(nèi)配送最多的訂單且路程最短,。需要給每一個節(jié)點規(guī)劃出什么時間可以完成,。這個問題意義很大，因為在做訂單分配的時候,，要考慮是不是能準(zhǔn)時送達(dá),，準(zhǔn)時與否非常影響用戶的體驗。

利用優(yōu)化算法,，建立一個基本的關(guān)系,，騎手從取到送的過程中分配很多的節(jié)點。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)行長期激勵等等,。

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