摘要：可以說(shuō)，美團(tuán)要建設(shè)的就是配送系統(tǒng)的超級(jí)大腦。美團(tuán)超腦配送系統(tǒng)目前互聯(lián)網(wǎng)技術(shù)，很大部分還是針對(duì)線上產(chǎn)品和系統(tǒng)研發(fā)，整個(gè)流程可以在線上全部完成，而這也正是配送技術(shù)最大的不同和挑戰(zhàn)。

在2018 AI開(kāi)發(fā)者大會(huì)（AI NEXTCon）上，美團(tuán)配送AI方向負(fù)責(zé)人何仁清，分享了美團(tuán)在即時(shí)配送領(lǐng)域中機(jī)器學(xué)習(xí)技術(shù)的最新進(jìn)展，以及如何通過(guò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)手段，建立對(duì)線下真實(shí)世界各種場(chǎng)景的感知能力，還原并預(yù)測(cè)配送過(guò)程各個(gè)細(xì)節(jié)，從而提升整體配送系統(tǒng)的精度。

2014年，斯嘉麗·約翰遜主演的科幻片《超體》大火，影片中主人公Lucy由于無(wú)意中攝入了大量的代號(hào)為“CPH4”的神秘藥物，大腦神經(jīng)元獲得空前的開(kāi)發(fā)，獲得了異乎尋常的超能力，她能夠?qū)@個(gè)世界進(jìn)行全新的感知、理解和控制（比如控制無(wú)線電波），最終跨越時(shí)間和空間成為了一個(gè)超級(jí)個(gè)體。

這種對(duì)真實(shí)世界的深度感知、理解和控制，與配送AI系統(tǒng)對(duì)配送場(chǎng)景的感知、理解和配送環(huán)節(jié)控制的目標(biāo)非常一致?？梢哉f(shuō)，美團(tuán)要建設(shè)的AI就是配送系統(tǒng)的“超級(jí)大腦”。因此我們內(nèi)部把配送的AI系統(tǒng)，簡(jiǎn)稱(chēng)為“超腦”配送系統(tǒng)。

最近幾年，以外賣(mài)為依托，即時(shí)配送業(yè)務(wù)在全球范圍內(nèi)掀起了一波快速發(fā)展的浪潮，全球各地都出現(xiàn)了很多創(chuàng)業(yè)公司，其中國(guó)外知名的包括美國(guó)的Uber Eats（全球）、英國(guó)的Deliveroo、印度的Swiggy、Zomato（分別被美團(tuán)和阿里投資），印尼的go-jek等等。國(guó)內(nèi)除了美團(tuán)外賣(mài)、餓了么、滴滴外賣(mài)等典型代表外，而還有專(zhuān)注于即時(shí)配送服務(wù)創(chuàng)業(yè)公司，比如閃送、UU跑腿、達(dá)達(dá)、點(diǎn)我達(dá)等。

這種全球爆發(fā)的現(xiàn)象說(shuō)明了兩個(gè)問(wèn)題：

“懶”是人類(lèi)的天性。平價(jià)、方便、快捷的服務(wù)是人類(lèi)的普遍需求，尤其是在“吃”這個(gè)事情上，外賣(mài)成為了一種高頻的剛需。

外賣(mài)的商業(yè)模式完全可行。以美團(tuán)外賣(mài)為例，2018年上半年整體收入160億，同步增長(zhǎng)90%。根據(jù)Uber公布的數(shù)據(jù)，Uber Eats在2018第一季度占整體營(yíng)業(yè)的13%。

即時(shí)配送，是一種配送時(shí)長(zhǎng)1小時(shí)以?xún)?nèi)，平均配送時(shí)長(zhǎng)約30分鐘的快速配送業(yè)務(wù)。如此快速的配送時(shí)效，將傳統(tǒng)的線上電商交易與線下物流配送（傳統(tǒng)劃分比較明確的兩條業(yè)務(wù)）整合為統(tǒng)一整體，形成了用戶(hù)、商戶(hù)、騎手和平臺(tái)互相交錯(cuò)的四元關(guān)系。

其整合力度空前緊密，幾乎滲透到各個(gè)環(huán)節(jié)。以外賣(mài)搜索和排序?yàn)槔?，在下午時(shí)段，在用戶(hù)搜索和推薦中可以看到更多的商家，因?yàn)榇藭r(shí)運(yùn)力充分，可以提供更遠(yuǎn)距離的配送服務(wù)，不僅能更好滿(mǎn)足用戶(hù)的需求，提高商家的單量，而且能夠增加騎手的收入。

即時(shí)配送的核心指標(biāo)是效率、成本、體驗(yàn)，這三者也形成了即時(shí)配送的商業(yè)模型。簡(jiǎn)單來(lái)說(shuō)可以分為以下幾步：

首先配送效率提升

讓騎手在單位時(shí)間內(nèi)配送更多訂單，產(chǎn)生更多價(jià)值。

然后配送成本下降

更高的效率，一方面讓騎手收入增加，一方面也讓訂單平均成本下降。

然后用戶(hù)體驗(yàn)提升

低成本能夠讓用戶(hù)（商戶(hù)）以更低的價(jià)格享受更好的配送服務(wù)，從而保證更好的用戶(hù)體驗(yàn)。

進(jìn)一步提升效率并形成循環(huán)

更好的用戶(hù)體驗(yàn)，讓更多用戶(hù)（商戶(hù)）聚集過(guò)來(lái)，提升規(guī)模和密度，進(jìn)一步提升配送效率。

這樣，就形成了一個(gè)正向循環(huán)，不斷創(chuàng)造更多商業(yè)價(jià)值。而技術(shù)的作用，就是加速這個(gè)正向循環(huán)。

目前互聯(lián)網(wǎng)技術(shù)，很大部分還是針對(duì)線上產(chǎn)品和系統(tǒng)研發(fā)，整個(gè)流程可以在線上全部完成，而這也正是配送AI技術(shù)最大的不同和挑戰(zhàn)。簡(jiǎn)單來(lái)說(shuō)，類(lèi)似搜索、推薦、圖象和語(yǔ)音識(shí)別這種線上產(chǎn)品常用的AI技術(shù)幫助不大，因?yàn)榕渌捅仨氃诰€下一個(gè)一個(gè)環(huán)節(jié)的進(jìn)行，這就要求AI技術(shù)必須能夠面對(duì)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(cè)、并瞬間完成復(fù)雜決策。

為了滿(mǎn)足這些要求，我們建設(shè)了美團(tuán)“超腦”配送系統(tǒng)，包含以下幾個(gè)方面：

大數(shù)據(jù)處理和計(jì)算能力

算法數(shù)據(jù)和計(jì)算平臺(tái)：包括實(shí)時(shí)特征計(jì)算、離線數(shù)據(jù)處理、機(jī)器學(xué)習(xí)平臺(tái)等。

建立對(duì)世界深度感知

LBS系統(tǒng)：提供正確位置（用戶(hù)/商戶(hù)/騎手）以及兩點(diǎn)之間正確的騎行導(dǎo)航。

多傳感器：提供室內(nèi)定位以、精細(xì)化場(chǎng)景刻畫(huà)、騎手運(yùn)動(dòng)狀態(tài)識(shí)別

正確理解和準(zhǔn)確預(yù)測(cè)

時(shí)間預(yù)估：提供所有配送環(huán)節(jié)時(shí)間的準(zhǔn)確預(yù)估

其他預(yù)估：銷(xiāo)量預(yù)估、運(yùn)力預(yù)估等

完成復(fù)雜決策

調(diào)度系統(tǒng)：多人多點(diǎn)實(shí)時(shí)調(diào)度系統(tǒng)，完成派單決策：誰(shuí)來(lái)送？怎么送？

定價(jià)系統(tǒng)：實(shí)時(shí)動(dòng)態(tài)定價(jià)系統(tǒng)，完成定價(jià)決策：用戶(hù)收多少錢(qián)？給騎手多少錢(qián)？

規(guī)劃系統(tǒng)：配送網(wǎng)絡(luò)規(guī)劃系統(tǒng)，完成規(guī)劃決策：站點(diǎn)如何劃分？運(yùn)力如何運(yùn)營(yíng)？

如何構(gòu)建一個(gè)在真實(shí)物理世界運(yùn)行的AI系統(tǒng)，就是我們最大的挑戰(zhàn)。具體到機(jī)器學(xué)習(xí)方向而言，挑戰(zhàn)包括以下幾個(gè)方面：

精度足夠高、粒度足夠細(xì)

時(shí)間要求：一方面是周期性變化，比如早午晚，工作假日，季節(jié)變化；一方面是分鐘級(jí)的精細(xì)度，比如一個(gè)商圈單量和運(yùn)力的實(shí)時(shí)變化。

空間要求：一方面是不同商圈獨(dú)有特性，比如CBD區(qū)域；一方面是要實(shí)現(xiàn)樓棟和樓層的精度，比如1樓和20樓，就是完全不同的配送難度。

魯棒性要求：處理各種不確定的能力，比如天氣變化、交通變化等等。

線下數(shù)據(jù)質(zhì)量的巨大挑戰(zhàn)

大噪音：比如GPS定位漂移，尤其是在高樓附近，更不要說(shuō)在室內(nèi)GPS基本不可用。

不完備：比如商家后廚數(shù)據(jù)、堂食數(shù)據(jù)、其他平臺(tái)數(shù)據(jù)，都極難獲得。

高復(fù)雜：配送場(chǎng)景多樣而且不穩(wěn)定，隨著時(shí)間、天氣、路況等在不斷變化。

ETA（Estimated Time of Arrival，時(shí)間送達(dá)預(yù)估）是配送系統(tǒng)中非常重要參數(shù)，與用戶(hù)體驗(yàn)、配送成本有直接關(guān)系，而且會(huì)直接影響調(diào)度系統(tǒng)和定價(jià)系統(tǒng)的最終決策。

一個(gè)訂單中涉及的各種時(shí)長(zhǎng)參數(shù)(如上圖右側(cè)所示），可以看到有十幾個(gè)關(guān)鍵節(jié)點(diǎn)，其中關(guān)鍵時(shí)長(zhǎng)達(dá)到七個(gè)。這些時(shí)長(zhǎng)涉及多方，比如騎手（接-到-取-送）、商戶(hù)（出餐）、用戶(hù)（交付），要經(jīng)歷室內(nèi)室外的場(chǎng)景轉(zhuǎn)換，因此挑戰(zhàn)性非常高。

通過(guò)機(jī)器學(xué)習(xí)方法，我們已經(jīng)將外賣(mài)配送幾乎所有環(huán)節(jié)都進(jìn)行了精準(zhǔn)預(yù)估預(yù)測(cè)。用戶(hù)感知比較明顯是預(yù)計(jì)送達(dá)時(shí)間，貫穿多個(gè)環(huán)節(jié)，商家列表（從配送時(shí)長(zhǎng)角度讓用戶(hù)更好選擇商家）、訂單預(yù)覽（給用戶(hù)一個(gè)準(zhǔn)確的配送時(shí)間預(yù)期）、實(shí)時(shí)狀態(tài)（下單后實(shí)時(shí)反饋?zhàn)钚碌乃瓦_(dá)時(shí)間）。當(dāng)然這里面還有很多用戶(hù)看不到的部分，比如商家出餐時(shí)間、騎手到店時(shí)間、交付時(shí)間等。其中交付時(shí)長(zhǎng)，與用戶(hù)關(guān)系比較大，也很有意思，下文會(huì)詳細(xì)展開(kāi)。

交付時(shí)長(zhǎng)是指騎手到達(dá)用戶(hù)后，將外賣(mài)交付到用戶(hù)手中并離開(kāi)的時(shí)間，實(shí)際是需要考慮三維空間內(nèi)計(jì)算（上樓-下樓）。交付時(shí)間精準(zhǔn)預(yù)估，有兩點(diǎn)重要的意義，首先是客觀的衡量配送難度，給騎手合理補(bǔ)貼；其次，考慮對(duì)騎手身上后續(xù)訂單的影響，防止調(diào)度不合理，導(dǎo)致其他訂單超時(shí)。

交付時(shí)長(zhǎng)的目標(biāo)是，做到樓宇和樓層的精準(zhǔn)顆粒度，具體可以拆解為以下幾步：

地址的精準(zhǔn)解析（精確到樓宇/單元/樓層）

地址精度需要在5級(jí)之上（4級(jí)：街道，5級(jí)：樓宇），國(guó)內(nèi)擁有這個(gè)級(jí)別精細(xì)化數(shù)據(jù)的公司屈指可數(shù)。

數(shù)據(jù)的安全級(jí)別很高，我們做了很多脫敏工作，做了各種數(shù)據(jù)保護(hù)與隔離，保證用戶(hù)隱私和數(shù)據(jù)安全。

地址信息的多種表達(dá)方式、各種變形，需要較強(qiáng)的NLU技術(shù)能力。

交付時(shí)長(zhǎng)預(yù)估

通過(guò)騎手軌跡進(jìn)行“入客-離客”識(shí)別，并進(jìn)行大量數(shù)據(jù)清洗工作。

統(tǒng)計(jì)各個(gè)粒度的交付時(shí)長(zhǎng)，通過(guò)樹(shù)形模型實(shí)現(xiàn)快速搜索各個(gè)粒度的數(shù)據(jù)。

因?yàn)轭A(yù)估精度是樓宇和樓層，數(shù)據(jù)很稀疏，很難直接進(jìn)行統(tǒng)計(jì)，需要通過(guò)各種數(shù)據(jù)平滑和回歸預(yù)估，處理數(shù)據(jù)稀疏和平滑的問(wèn)題。

下游業(yè)務(wù)應(yīng)用

給調(diào)度和定價(jià)業(yè)務(wù)，提供樓宇+樓層維度的交付時(shí)長(zhǎng)。從上圖可以看到，在不同樓宇，不同樓層交付時(shí)長(zhǎng)的區(qū)分度還是很明顯的。

尤其是樓層與交付時(shí)長(zhǎng)并不是線性相關(guān)，我們還具體調(diào)研過(guò)騎手決策行為，發(fā)現(xiàn)騎手會(huì)考慮等電梯的時(shí)間，低樓層騎手傾向于走樓梯，高樓層則坐電梯。

可以看到，真實(shí)世界中影響決策因素非常多，我們目前做的還不夠。比如交付時(shí)長(zhǎng)也可以進(jìn)一步細(xì)化，比如準(zhǔn)確預(yù)估騎手上樓時(shí)間、下樓時(shí)間和等待時(shí)間，這樣其實(shí)能夠與商家取餐環(huán)節(jié)保持一致，之所以沒(méi)這么做，主要還是數(shù)據(jù)缺失，比如騎手在商家其實(shí)有兩個(gè)操作數(shù)據(jù)（到店、取餐），這樣能支持我們做精細(xì)化預(yù)估的，但是在用戶(hù)環(huán)節(jié)只有（送達(dá)）一個(gè)操作。

舉這個(gè)例子，其實(shí)是想說(shuō)明，數(shù)據(jù)的完備性對(duì)我們到底有多重要。數(shù)據(jù)方面的挑戰(zhàn)，線下業(yè)務(wù)與線上業(yè)務(wù)相比，要高出好幾個(gè)等級(jí)。

地圖對(duì)配送的重要性毋庸置疑（位置和導(dǎo)航都不準(zhǔn)確，配送如何進(jìn)行？），前面提到的5級(jí)地址庫(kù)只是其中一部分。配送地圖的目標(biāo)可以概括為以下兩點(diǎn)：

正確的位置

實(shí)時(shí)部分：騎手實(shí)時(shí)位置。

靜態(tài)部分：用戶(hù)和商戶(hù)準(zhǔn)確的地址和位置。

正確的導(dǎo)航

兩點(diǎn)之間正確的距離和路線。

突發(fā)情況的快速反應(yīng)（封路、限行）。

如果橫向?qū)Ρ扰渌?、快遞、打車(chē)等行業(yè)對(duì)地圖的要求，其實(shí)是一件很有意思的事情，這個(gè)對(duì)于配送地圖技術(shù)建設(shè)來(lái)說(shuō)，是一件非常有幫助的事情。

從這兩方面對(duì)比可以看到，在即時(shí)配送業(yè)務(wù)中，騎行地圖的重要性非常之高，同時(shí)很多問(wèn)題確實(shí)非常具有行業(yè)特色，通過(guò)駕車(chē)地圖的技術(shù)無(wú)法很有效的解決。這樣就需要建設(shè)一套即時(shí)配送業(yè)務(wù)地圖的解決方案。

如前文所述，配送地圖的方向有很多，這次我重點(diǎn)講一下用戶(hù)位置相關(guān)的工作“交付點(diǎn)挖掘”。首先看一下目前主要問(wèn)題：用戶(hù)位置信息有很多錯(cuò)誤，比如：

上圖左，一個(gè)小區(qū)會(huì)有1期2期~N期等，用戶(hù)在選擇POI的時(shí)候就可能發(fā)生錯(cuò)誤（比如1期的選了2期），兩者地理位置相差非常遠(yuǎn)，很容易造成騎手去了錯(cuò)誤的地方。這樣在訂單發(fā)送到配送系統(tǒng)的時(shí)候，我們需要做一次用戶(hù)坐標(biāo)糾正，引導(dǎo)騎手到達(dá)正確的位置。

上圖右，用戶(hù)本來(lái)在xx區(qū)xx棟，但是只選了xx區(qū)這個(gè)比較粗的位置信息?，F(xiàn)實(shí)中在一個(gè)小區(qū)里面，找到一個(gè)具體xx棟樓還是非常困難的，大家可以想想自己小區(qū)中，隨便說(shuō)一個(gè)樓號(hào)你知道它在哪個(gè)角落嗎，更別說(shuō)如果是大晚上在一個(gè)你不熟悉的小區(qū)了。造成這種原因，一方面可能是用戶(hù)選擇不精細(xì)，還有一種可能，就是地圖上沒(méi)有具體樓棟的POI信息。

在實(shí)際配送中，我們都會(huì)要求騎手在完成交付后進(jìn)行簽到，這樣就會(huì)積累大量的上報(bào)數(shù)據(jù)，對(duì)于后續(xù)進(jìn)行精細(xì)化挖掘非常有幫助。大家可以先看看我們收集的原始數(shù)據(jù)（上圖），雖然還是非常凌亂，但是已經(jīng)能看到這其中蘊(yùn)含著極高的價(jià)值，具體來(lái)說(shuō)有三方面：

數(shù)據(jù)量大

每天幾千萬(wàn)訂單，幾十億的軌跡數(shù)據(jù)。

可以充分覆蓋每一個(gè)小區(qū)/樓棟/單元門(mén)。

維度多樣

除了騎手簽到和軌跡數(shù)據(jù)，我們還有大量的用戶(hù)、商戶(hù)和地圖數(shù)據(jù)。

多種數(shù)據(jù)維度可以交叉驗(yàn)證，有效避免數(shù)據(jù)的噪音，提高挖掘結(jié)果精度。

數(shù)據(jù)完備

在局部（用戶(hù)和商戶(hù)）數(shù)據(jù)足夠稠密，置信度比較高。

在數(shù)據(jù)挖掘?qū)嶋H過(guò)程中，其實(shí)并沒(méi)有什么“高大上”的必殺技，無(wú)法使用流行的End2End方法，基本上還是需要對(duì)各個(gè)環(huán)節(jié)進(jìn)行拆解，扎扎實(shí)實(shí)的做好各種基礎(chǔ)工作，基本整個(gè)挖掘過(guò)程，分為以下幾個(gè)步驟：（1）基于地址分組；（2）數(shù)據(jù)去噪；（3）數(shù)據(jù)聚合；（4）置信度打分。其中主要技術(shù)挑戰(zhàn)，主要在各種場(chǎng)景中保證數(shù)據(jù)挖掘質(zhì)量和覆蓋率，具體來(lái)說(shuō)主要有三個(gè)挑戰(zhàn)：

數(shù)據(jù)去噪

數(shù)據(jù)噪音來(lái)源比較多樣，包括GPS的漂移、騎手誤操作、違規(guī)操作等各種。一方面是針對(duì)噪音原因進(jìn)行特殊處理（比如一些作弊行為），另一方面要充分發(fā)揮數(shù)據(jù)密度和數(shù)據(jù)量的優(yōu)勢(shì)，在保證盡量去除Outlier后，依然保持可觀的數(shù)據(jù)量。能夠同時(shí)使用其他維度的數(shù)據(jù)進(jìn)行驗(yàn)證，也是非常重要的，甚至可以說(shuō)數(shù)據(jù)多樣性和正交性，決定了我們能做事情的上限。

數(shù)據(jù)聚合

不同區(qū)域的樓宇密度完全不一樣，具有極強(qiáng)的Local屬性，使用常規(guī)聚類(lèi)方法，比較難做到參數(shù)統(tǒng)一，需要找到一種不過(guò)分依賴(lài)樣本集合大小，以及對(duì)去噪不敏感的聚類(lèi)算法。

重名問(wèn)題

這個(gè)屬于POI融合的一個(gè)子問(wèn)題，判斷兩個(gè)POI信息是否應(yīng)該合并。這個(gè)在用戶(hù)地址中比較常見(jiàn)，用戶(hù)提供的地址信息一樣，但實(shí)際是兩個(gè)地方。這種情況下，我們的處理原則是一方面要求糾正后坐標(biāo)更符合騎手簽到情況，另一方面新坐標(biāo)的簽到數(shù)據(jù)要足夠稠密。

目前，我們已經(jīng)上線了一版交付點(diǎn)，對(duì)用戶(hù)位置進(jìn)行主動(dòng)糾正，讓騎手可以更準(zhǔn)確更快的找到用戶(hù)。目前效果上看還是非常明顯的。包括幾個(gè)方面：

騎手交付距離明顯降低

從上圖左側(cè)部分看到，在上線前（綠色）交付距離>100M的占比很高（這個(gè)距離會(huì)導(dǎo)致實(shí)際位置差幾棟樓，甚至不同小區(qū)），也就是用戶(hù)自己選著的位置錯(cuò)誤率比較高，導(dǎo)致騎手交付難度較高，對(duì)效率影響比較大。上線后（紅色），交付距離明顯縮短（均值左移），同時(shí)>100M的長(zhǎng)尾比例明顯下降。

單元門(mén)級(jí)別的高精度位置

上圖右側(cè)部分看到，我們挖掘的交付點(diǎn)基本上能與樓宇的單元門(mén)對(duì)應(yīng)。而且沒(méi)有明顯偏差比較大的部分。這個(gè)質(zhì)量基本達(dá)到我們之前設(shè)定目標(biāo)，也證明配送大數(shù)據(jù)的巨大潛力。

目前的問(wèn)題以及后續(xù)的優(yōu)化點(diǎn)

如何提升其作為POI挖掘和發(fā)現(xiàn)手段的準(zhǔn)確率？這里面有很多優(yōu)化點(diǎn)，比如去重（交付點(diǎn)-位置信息的一一映射），POI信息補(bǔ)全和更新。

如何擴(kuò)大數(shù)據(jù)渠道并做到信息整合？目前主要渠道還是騎手簽到和軌跡數(shù)據(jù)，這個(gè)明顯有更大的想象空間，畢竟每天在全國(guó)大街小巷，有幾十萬(wàn)騎手在進(jìn)行配送，除了前面（以及后面）提到的通過(guò)手機(jī)被動(dòng)采集的數(shù)據(jù)，讓騎手主動(dòng)采集數(shù)據(jù)，也是不錯(cuò)的建設(shè)思路。只不過(guò)想要做好的話(huà)，需要建立一個(gè)相對(duì)閉環(huán)數(shù)據(jù)系統(tǒng)，包括上報(bào)、采集、清洗、加工、監(jiān)控等等。

前面提到的地圖技術(shù)，只能解決在室外場(chǎng)景的位置和導(dǎo)航問(wèn)題。但配送在商家側(cè)（到店、取餐）和用戶(hù)側(cè)（到客、交付）兩個(gè)場(chǎng)景中，其實(shí)是發(fā)生在室內(nèi)環(huán)境。在室內(nèi)的騎手位置是在哪里、在做什么以及用戶(hù)和商家在做什么，如果了解這些，就能解決很多實(shí)際問(wèn)題。比如：

這個(gè)技術(shù)方向可以統(tǒng)稱(chēng)為“情景感知”，目標(biāo)就是還原配送場(chǎng)景中（主要是室內(nèi)以及GPS不準(zhǔn)確），真實(shí)配送過(guò)程發(fā)生了什么，具體方向如下圖所示：

情景感知的目標(biāo)就是做到場(chǎng)景的精細(xì)刻畫(huà)（上圖的上半部分），包含兩個(gè)方面工作：

配送節(jié)點(diǎn)的精確刻畫(huà)

在ETA預(yù)估中已經(jīng)展示過(guò)一些，不過(guò)之前主要還是基于騎手上報(bào)數(shù)據(jù)，這顯然無(wú)法做到很高精確，必須引入更客觀的數(shù)據(jù)進(jìn)行描述。目前，我們選擇的是WIFI和藍(lán)牙的地理圍欄技術(shù)作為主要輔助。

配送過(guò)程的精確刻畫(huà)

騎手在配送過(guò)程中經(jīng)常會(huì)切換方式，比如可能某個(gè)小區(qū)不讓騎電動(dòng)車(chē)，那騎手必須步行，再比如騎手在商家發(fā)生長(zhǎng)時(shí)間駐留，那應(yīng)該是發(fā)生了等餐的情況（用戶(hù)側(cè)同理）。目前，我們選擇使用基于傳感器的運(yùn)動(dòng)狀態(tài)識(shí)別作為主要輔助。

這些數(shù)據(jù)，大部分來(lái)至于手機(jī)，但是隨著各種智能硬件的普及，比如藍(lán)牙設(shè)備，智能電動(dòng)車(chē)、智能頭盔等設(shè)備的普及，我們可以收集到更多數(shù)據(jù)的數(shù)據(jù)。WiFi/藍(lán)牙技術(shù)，以及運(yùn)動(dòng)狀態(tài)識(shí)別的技術(shù)比較成熟，這里主要說(shuō)一下概況，本文不做深入的探討。

對(duì)于配送系統(tǒng)來(lái)說(shuō)，比較大的挑戰(zhàn)還是對(duì)識(shí)別精度的要求以及成本之間的平衡。我們對(duì)精度要求很高，畢竟這些識(shí)別直接影響定價(jià)、調(diào)度、判責(zé)系統(tǒng)，這種底層數(shù)據(jù)，精度不高帶來(lái)的問(wèn)題很大。

考慮成本限制，我們需要的是相對(duì)廉價(jià)和通用的解決方案，那種基于大量傳感器硬件部屬的技術(shù)，明顯不適用我們幾百萬(wàn)商家，幾千萬(wàn)樓宇這種量級(jí)的要求。為此，在具體技術(shù)方面，我們選用的是WiFi指紋、藍(lán)牙識(shí)別、運(yùn)動(dòng)狀態(tài)識(shí)別等通用技術(shù)方案，就單個(gè)技術(shù)而言，其實(shí)學(xué)術(shù)界已經(jīng)研究很充分了，而且也有很多應(yīng)用（比如各種智能手環(huán)等設(shè)備）。對(duì)于我們的挑戰(zhàn)在于要做好多種傳感器數(shù)據(jù)的融合（還包括其他數(shù)據(jù)），以確保做到高識(shí)別精度。當(dāng)然為了解決“Ground Truth”問(wèn)題，部署一些穩(wěn)定&高精度的智能硬件還是必須的，這對(duì)技術(shù)迭代優(yōu)化和評(píng)估都非常有幫助。

美團(tuán)外賣(mài)日訂單量超過(guò)2400萬(wàn)單，已經(jīng)占有了相對(duì)領(lǐng)先的市場(chǎng)份額。美團(tuán)配送也構(gòu)建了全球領(lǐng)先的即時(shí)配送網(wǎng)絡(luò)，以及行業(yè)領(lǐng)先的美團(tuán)智能配送系統(tǒng)，智能調(diào)度系統(tǒng)每小時(shí)路徑計(jì)算可達(dá)29億次。如何讓配送網(wǎng)絡(luò)運(yùn)行效率更高，用戶(hù)體驗(yàn)更好，是一項(xiàng)非常困難的挑戰(zhàn)，我們需要解決大量復(fù)雜的機(jī)器學(xué)習(xí)和運(yùn)籌優(yōu)化等問(wèn)題，包括ETA預(yù)測(cè)，智能調(diào)度、地圖優(yōu)化、動(dòng)態(tài)定價(jià)、情景感知、智能運(yùn)營(yíng)等多個(gè)領(lǐng)域。過(guò)去三年來(lái)，美團(tuán)配送AI團(tuán)隊(duì)研發(fā)效果顯著，配送時(shí)長(zhǎng)從一小時(shí)陸續(xù)縮短到30分鐘，并且還在不斷提升，我們也希望通過(guò)AI技術(shù)，幫大家吃得更好，生活更好。

目前，即時(shí)配送業(yè)務(wù)正處于快速發(fā)展期，新的場(chǎng)景、新的技術(shù)問(wèn)題不斷涌現(xiàn)，團(tuán)隊(duì)正在迅速擴(kuò)大中，急需機(jī)器學(xué)習(xí)資深專(zhuān)家、運(yùn)籌優(yōu)化技術(shù)專(zhuān)家、LBS算法工程師、NLP算法工程師，我們期待你的加入。掃碼可查看職位詳情，或者發(fā)送簡(jiǎn)歷至 [email protected]