指挥180万骑手 人类真的开始听人工智能的话了

ZD至顶网软件频道消息： 指挥180万名骑手，每天完成300万订单，人工智能ET有了一份新工作——外卖调度员。1月11日，阿里云透露已经同饿了么合作研发出基于阿里云人工智能ET的新的调度引擎，正全面推行到外卖送餐领域。

吃一份热乎饭有多难？
消费者利用送餐平台订餐，无非就是想吃口热乎饭，但是这个要求在寒冷的冬天可并不容易。数据显示，饿了么每天配送订单超过300万，每天中午和晚上是送餐高峰期。以上海商城路配送站为例，每6秒钟就要调度1单，这份工作已经完全不适合人类。但对人工智能而言，ET则非常擅长处理这类问题。

阿里云算法工程师王金明表示，外卖所需要的调度引擎需要算得全、算得快、算得准。即：综合考虑多维度因素，例如骑手维度、餐厅维度、送餐地维度、配送区域维度、天气维度等；?快速决策（及时派单或压单决策），避免高峰期“爆单"、同时需要在几百毫秒之内计算出最优配送路线并推送到骑手APP端；对餐厅属性（餐厅出餐时间、餐厅订单量预估）、骑手属性（骑手配送能力、骑手抗压能力）、送餐地属性（热门商圈，是否需要长时间等电梯）等关键因素需“了若指掌”。

究竟ET是如何实现智能派单并确保效率最优的呢？简单来说，ET会将配送站新的订单插入到每个骑手已有的任务中，重新规划一轮最短配送路径，对比哪个骑手新增时间最短。

一般来说，送餐过程主要包括三个阶段：餐厅出餐、起手送餐，以及顾客取餐。为了能够准确预估新增时间，ET需要知道全国100万家餐厅的出餐速度、超过180万骑手各自的骑行速度、每个顾客下楼取餐的时间。
 
餐厅出餐等待时间占到了整个送餐时间的三分之一。ET要想提高骑手效率，必须准确预估出餐时间以减少骑手等待，但又不能让餐等人，最后饭凉了。 为了将餐厅出餐时间预估的准确性做的尽可能高，项目组同饿了么业务人员、运营人员、调度员、骑手多次沟通，设计大量特征，并尝试多种模型，最终选择Adaboost，模型预测的出餐时间误差在5分钟之内。
 
骑手送餐地（POI）等待时间是指从骑手进入送餐地范围到骑手确认送餐成功后的时间间隔，送餐地可能涵盖商圈、写字楼、学校等，不同的送餐地骑手需要等待的时间不同。要想计算骑手的送餐路程时间，ET还需要知道每个骑手在不同区域、不同天气下的送餐速度。?

例如，有些60多层的写字楼，骑手等待电梯的时间可能要高达10分钟之上，系统需要根据历史数据，准确预测每一个送餐地骑手需等待的时间，才能给做骑手最优的路线规划，并保障已背订单不超时。另外，餐送到了，但顾客并不一定会立刻来取。顾客可能需要等三部电梯才能下来，这些ET都需要计算在内。

王金明介绍道，除了对送餐三个阶段的时间控制，ET还对时空相似订单进行挖掘，用类似于层次聚类的算法将相似订单打包作为一次派发的工作包。另外，还对新包分配及骑手路径规划进行了智能优化，项目组定义合适的成本函数（多种成本函数，业务方可以根据需要调控），设计精确求解和近似求解算法，尝试计算新包分配给骑手前后，骑手新增的成本，选择合适的骑手进行派包并给出最优的路线规划。这些努力都有效地提高了送餐的效率。
 
除此之外，如果顾客点个10人份的大火锅，ET会将其自动识别为大单，并锁定某一个骑手专门完成配送。

针对雾霾，双方研发团队为ET内置了恶劣天气的算法模型。通常情况下，每逢恶劣天气，外卖订单将出现大涨，对应的餐厅出餐速度和骑手骑行速度都将受到影响，这些ET都会考虑在内。

不过，“不谙世事”的ET也遇到了不少问题。阿里云人工智能科学家闵万里介绍，联合研发小组在最近的一次测试中发现有2个配送站点出现严重超时问题。后来才知道：2个站点均在成都，当地人民喜欢早、中餐一起吃，高峰从11点就开始了。习惯了北上广节奏的ET到成都就懵了。
 
“不存在一套通用的算法可以适配所有站点，所以我们需要让ET自己学习或者向人类老师请教当地的风土人情、饮食习惯”。闵万里说，除此之外，饿了么覆盖的餐厅不仅有高大上的连锁店，还有大街小巷的各类难以琢磨的特色小吃，难度是其他企业的数倍。

ET进化  做起全能调度员
“其他公司的大数据和人工智能还只是停留在概念阶段时，阿里云的人工智能已经在高速公路上跑了一年了，并且成绩卓著。”闵万里说，去年1月份阿里云在上海发布了一站式大数据平台数加，包含了大量的人工智能产品，正是这些产品背后的技术组成了ET。

现在ET正极速进化。仅调度员的工作，ET之前就做过四份。“供给与需求如何高效匹配，这是一个通用性的问题”。闵万里说，为此我们为ET配置了通用的调度引擎，同时和各个合作方联合研发，将引擎适配到不同的行业。

在广州白云机场，天池选手为ET开发算法用于调度1000多架飞机。ET可以将近机位乘客的比例从77%提高到94%，减少乘客再坐摆渡车的烦恼，临时机位的使用率减半，跑道冲突率从42%减少到5%。
 
同样在广州，ET通过观察路面车辆对红绿灯进行调度。在南华中路-宝岗大道9时~13时和15时~20时的平均拥堵指数分别下降了25.75%和11.83%。
 
车货匹配公司运满满正将ET应用到了货车调度领域。ET可对货物和车辆进行评估、车辆评估，进行智能化的匹配和推荐。货车司机按照ET的建议，可以接更多顺风单、接力单。

如果要追溯到更远，阿里云同快的打车的合作应该是国内首次将人工智能应用到调度领域。当时抢单时长最高降低了21.11%，成交率提升了7.87%。