业界圆桌|谁让外卖骑手争分夺秒?智能配送系统的逻辑是什么

近日，《人物》杂志关于外卖骑手工作状况的报道引起了广泛关注，展示了外卖骑手在加速算法控制下如何被迫与时间赛跑。

智能配送系统背后的逻辑是什么？算法是否迫使外卖骑手在超速风险下快速飞行？算法世界与人类的关系是什么？

为了解答这些问题，澎湃新闻（ ** .thepaper.cn）记者采访了人工智能决策公司联合创始人合创始人、香港中文大学（深圳）数据科学学院副教授王子卓技CTO、前顺丰人工智能首席科学家刘志欣和外卖配送平台前核心技术人员。

1.智能配送系统主要涉及哪些技术？如何实现订单分发，联系商家、配送商和消费者？

杉数技术联合创始人王子卓：主要涉及机器学习和运营优化两种技术。机器学习算法用于预测每个订单的交付时间、距离和消费者在加班后的可能反应；优化算法根据平均时间快、骑手交付距离短给出优化分配方案。

物界科技CTO刘志新：智能配送任务包括时空预测、订单分割、路径规划等因素，主要涉及统计学、机器学习、运营规划优化等问题。外卖订单具有明显的峰谷和一定的随机性，主要体现在随机订单时间、商家和消费者的空间位置。其另一个特点是及时性要求非常快，需要动态调度，让外卖兄弟尽可能多地接受订单，有效地完成配送工作。

外卖配送平台前的核心技术人员：智能配送系统主要涉及深度学习、大数据、机器学习和持续时间估计技术。智能调度系统的核心目标是提高外卖平台的物流运营效率，其中效率和公平性是发送订单的两个支柱。智能调度系统通过学习乘客的送货数据，划定乘客级别，逐步将各级乘客的目标订单数量分级，为每个乘客制作能力肖像，并将运单分配给最合适的乘客。

在外卖的中晚高峰期，系统将以运单效率为第一标准，在高峰期优先分配高级骑手的订单，以提高配送效率。数据显示，系统每秒处理订单的峰值可达到80个订单。在外卖的高峰期，系统将在考虑效率的基础上强调公平性。通过大数据分析，平衡骑手数量，确保同一级别和团队骑手分配的运单数量在一定时间跨度内基本相同。

除了平衡骑手的订单数量外，为了避免骑手工作负荷不均匀，系统还将平衡运单类别，使长订单与短订单、易发订单和难发订单的比例大致相同。

2.智能配送系统在工作中通常遵循哪些原则？优先级是什么？这些原则是如何决定的？

物界科技CTO刘志欣：这是根据具体问题制定的。例如，我们希望人均效率高，服务好，或成本最低。一些因素作为模型的约束，也可能是多目标优化的问题。这些原则或任务目标可以根据不同的场景和问题进行建模和优化。

作为制造商，我们可以在建模过程中反映一些进一步的考虑。以服务时效为例，是否可以在时效要求中添加一些弹性余量？或者调整一些重量或参数？从技术上讲，有一定的实现空间。

杉数科技联合创始人王子卓：对于快递公司来说，及时性的满意度是最重要的指标，甚至优先于成本和利润。在这种情况下，决策方案提供商将首先确保及时性，以帮助降低成本和增加收入。但一些公司会考虑其他因素，如追求收入、利润和客户满意度。在与滴滴合作时，司机的满意度也很重要。

外卖配送平台前的核心技术人员：原则是整体效率最好。效率意味着分配时间和成本之间的平衡。这种平衡与操作阶段有关。在新区，它通常倾向于保证服务质量。对于成熟区域，在实现服务质量的前提下降低成本。

智能调度的核心因素之一是ETA（Esti ** te Time of Arrival，预计送达时间），也就是从A地点到B位置时间。此时的来源包括导航和骑手历史上的移动轨迹数据。通过逐年的数据积累，算法可以学习骑手在这两点上移动所需的时间。这个时间可能是非法的，但系统不感知，并认为该指标可以实现。

3.配送系统如何优化配送时间？为什么外卖骑手意识到预期的送货时间逐年缩短？这背后的优化逻辑是什么？

杉数技术联合创始人王子卓：智能调度系统将进行动态学习，如系统总结订单的实际时间、最终满意度、客户取消或投诉数量等。这些数据将继续反馈给系统更新参数，未来的优化将更加准确。

如果骑手的交付时间更快，系统将判断这段旅程所需的时间可以缩短。在未来发送订单时，系统可以调整预期的交付时间。但这取决于发送订单中的优化目标。如果你盲目地瞄准最短的时间，文章中可能会出现一些情况（订单的交付时间越来越短）。

物界科技CTO刘志欣:每家公司的实现方式都不一样，我也不知道其他公司是怎么实现的。

估算配送时间的一种方法是收集外卖兄弟的工作数据，并结合它GIS重新复习信息，从中提取特征、统计或学习模型所需的参数，然后不断迭代。

但这种方法背后会带来一些问题，特别是这些方法模型不可避免地需要依赖现实世界中收集的数据，数据的真实性值得思考，如系统发现一些任务完成得更快，所以调整参数希望更多的任务按照这样的效率完成，但一开始完成的任务实际上是偏差，甚至因为逆行行为，所以是否给模型带来一些误导。数据是算法的基础，数据的真实性和有效性非常重要，我们值得花很多努力来提高数据收集的质量。算法并不是故意反人类的。

外卖配送平台前核心技术人员：主要是通过机器学习，记录派单效率高的模型，生成新的算法，算法不断迭代优化派送逻辑。智能调度系统通过分析餐厅历史出餐数据，骑手接单时，系统会优先指向出餐更快的餐厅，让骑手减少在餐厅等餐的时间。

4.算法世界与人的关系如何？算法设计中如何考虑人的因素？

物界科技CTO刘志欣：算法是在数字世界中建模的，但真实的物理世界和数字世界之间存在差距，有许多无法控制的变量。减少现实世界和数字世界之间的差距是一项非常重要的工作，包括数字双胞胎技术和系统，以及技术人员和管理团队进入前线来体验现实的真实场景。

智能调度还是需要的，因为它能够提升行业的效能，对整个社会是有帮助。此外，需要在智能调度系统中更多地考虑人的因素。一方面可以调节参数和权重，给人留下余量的空间。另一方面，可以把人针对环境的行为作为模型的因素之一，结合大量的规划和仿真，找到更好的模型表达方式。对于一些不可控因素或者突发因素，需要结合仿真来看后果。

杉数科技CTO王子卓：算法只是一种工具。决策者希望通过算法实现一个目标，工程师负责找到最好的解决方案来实现目标。大多数时候，这个目标不是由做算法的人决定的，而是由业务部门或企业管理层决定的。

(本文来自澎湃新闻，请下载更多原创信息澎湃新闻APP)