歷經五次迭代，看餓了么方舟智能調度系統如何指揮300萬騎手

雷鋒網 AI 研習社按，2018 年初，比達諮詢發布 2017 年度中國第三方餐飲外賣市場研究報告。報告顯示，2017 年度外賣市場交易規模達 2046 億元，較去年增長 23.1%，用戶規模增長 3 億人，較去年增長 15.4%。

隨著外賣市場規模的逐漸擴大，如何提高外賣平台物流運營效率，將每個訂單分配給最合適的騎手？如何為每位騎手規劃最佳路徑？如何精確地將外賣送到每位顧客手上？這些都是亟需解決的問題。

作為目前中國外賣市場的一大巨頭，餓了么是如何解決以上問題的呢？雷鋒網 AI 研習社近日聯繫到餓了么相關團隊，了解到他們獨特的智能調度系統「方舟」以及調度效果。

餓了么對 AI 研習社表示，智能調度系統「方舟」是餓了么外賣即時配送領域中最核心的環節，該系統替代了調度員大部分的工作，減少了人力介入的程度，實現了自動化、智能化派單。

目前，「方舟」系統已在完成全國 74 個大中型城市的推廣，覆蓋直營城市 96% 的訂單，預計今年 6 月底完成向其他城市的推廣。

方舟的智能派單是如何實現的呢？

Part1「知人善任」——把對的訂單派給對的人

智能調度系統的核心目標是提高外賣平台物流運營效率，其中效率與公平是派單的兩大支柱。「方舟」通過學習騎手的送餐數據，劃定騎手等級，並階梯化各級騎手目標單量，從而為每個騎手做出一張能力畫像，將運單分配給最合適的騎手。

在外賣的午間與晚間高峰，「方舟」會以運單效率為第一準則，在高峰期優先對高等級騎手分派訂單，以提升配送效率。數據顯示，「方舟」系統每秒處理訂單的峰值可以達到 80 單。

到了外賣的平峰期，「方舟」則會在考慮效率的基礎上，強調公平性。通過大數據分析，做到騎手單量的均衡，確保同等級、同團隊騎手所分配的運單量在一定時間跨度內大體相當。

除了在騎手訂單數量上做到均衡以外，為避免騎手工作負荷不均，「方舟」還會對運單類別進行均衡，使長單與短單、易送單與難送單在各個騎手運單中的比例大致都一樣。

Part2 「老馬識途」：為每位騎手規劃最優路徑

「方舟」智能調度系統通過分析餐廳歷史出餐數據，騎手接單時，系統會優先指向出餐更快的餐廳，讓騎手減少在餐廳等餐的時間。數據顯示，在智能調度系統的幫助下，餓了么每單配送時長已縮短至 28.62 分鐘，準時率和用戶好評率都高達 99%。

當騎手遇到暴雨、下雪等極端天氣時，由於天氣與路況問題，騎手的行駛速度會變慢，這時候系統會分配給騎手更多的送餐時間，確保騎手不會因為擔心送餐遲到而超速，降低騎手產生交通安全事故的概率。

除了時間和距離，並單率也是決定人效的重要因素，因此，「方舟」還會將同一街道、同一樓宇的臨近訂單合併，給一名騎手統一配送，將騎手每一趟的價值最大化，業內叫「追單」。

此外，「方舟」還解決了長期存在的區隔問題。所謂「網格」，就是配送地圖中的最小單位，在傳統的配送體系中，網格與網格之間派單體系獨立，網格 A 的外賣小哥不能接到網格 B 的訂單，但在實際中，跨網格配送的情況卻很常見，這樣容易導致騎手空駛返回，造成成本浪費。

如今，騎手要從網格 A 到網格 B 送單，「方舟」就會在他返程時，為他安排從網格 B 取餐送到網格 A 的任務，最大限度減少空駛里程，為騎手創收。

五次迭代

這一智能調度系統的發展歷程如何？餓了么人工智慧與策略部負責人李佩曾在去年年底的一次演講中表示，方舟系統歷經五次迭代：

• 第一版是逐單分配：當前時刻最優。

  在這一分配系統的演算法里，主要考慮到運單剩餘時長、騎手已有負載、騎手繞路距離、運單與騎手已有負載的夾角，抽象出來的問題模型是帶時間窗的路徑規劃問題。

  但是由於配送員的行為可能不會按照系統給的最優配送路徑，比如電動車沒電或者配送員想走另外一條路，因此這種獲取訂單最優解的方案雖然有效，但滿足不了業務需求。

• 之後，他們升級到蓄水分單：蓄水時長內最優。

  在這個版本里，他們引入 buffer 的概念。基於個體的獨特性會影響分配演算法效率的考慮，他們拋棄掉個體概念，改從時間區間的維度來考慮問題，這裡希望能做到「全局最優」。

  在這個版本里，主要考慮如下內容：運單特徵（ 起點、終點、路面距離）、騎手特徵（負載、能力、繞路比、最大夾角）、生成運單騎手匹配度矩陣、基於匹配度矩陣做全局最優匹配。

  但由於會出現運力飽和甚至是運力不足的情況，一旦碰到高峰期，配送速度還是不能讓顧客滿意。

• 基於此，他們升級到波次並單與多級調控。

  波次並單指的是在同一波次內儘可能的並單，最大化同時背單數。多級調控是通過演算法，建立一個運單緊急度模型，分為緊急單分配、低相似運單分配等等，保證最緊急的訂單最快出單。

  但實際線下環境的複雜度遠遠超乎想像，傳統演算法設計幾乎已經無力再繼續優化。

• 於是他們開發出第四個版本——機器學習分單。

  基於機器學習技術，他們建立了五個模型——運單相似度模型、騎手背單能力模型（通過機器學習評估人類員工能力的實例）、騎手路徑規劃模型、騎手行程時間預估模型、騎手樓內時間預估模型。

  雖然從理論上來看沒有問題，但調度結果極其依賴演算法模型。基於此，演算法工程師觀察配送員的配送行為之後對演算法模型了進行大量優化。

• 這催生出第五個版本—深層神經網路與多場景智能適配分單。

  在這一版本中，深度學習在系統里承擔了幾乎所有預測工作，包括不同騎手在送餐過程中的路徑選擇，以及未來 15、30 分鐘的負載壓力。

  此外，演算法團隊為調度劃分了午高峰、平峰、爆單、大廈、小區等多個場景，系統會根據場景來適配模型。

餓了么對雷鋒網 AI 研習社表示，加入阿里大家庭以後，他們還將利用高德地圖的數據，讓「方舟」智能調度系統的精準度進一步提高，餓了么智能調度系統也將為阿里生態拓展全新的本地生活服務領域，完成從新零售走向新消費重要一步提供新動力。

（完）

參考信息：1024 學院《用深度學習取代人工調度，全面解析餓了么方舟（Ark）智能調度系統》

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！