美团外卖骑手背后的AI技术

背景

随着数字化时代的到来，外卖市场近年来发展非常迅猛。对外卖物流系统而言，配送效率和用户体验至关重要。而实际配送过程是由配送员（骑手）最终完成的，因此，想要真正提升配送效率，不但要在智能调度系统（订单指派、路径规划、ETA）上下功夫，还要不断提升配送员的“附加”能力，让他们越送越“熟”，越送越“顺”，越送越“快”。以此为出发点，美团点评研发团队设计了骑手智能助手，全面提升骑手的各方面能力。

在 1月份的AICon全球人工智能与机器学习技术大会上，美团点评配送人工智能方向负责人何仁清分享了《美团骑手智能助手的技术与实践》。讲解如何在使用环境复杂、用户群体多元化的情况下，以智能耳机和语音交互为载体，并通过大数据挖掘、机器学习、自然语言处理等技术，让智能助手具备复杂场景精准识别、服务智能推送，智能引导、全语音操作等能力。最终在智能、安全、便捷、精准等多个维度上，全面提升骑手配送能力，从而提升整个配送效率和用户体验。以下系演讲内容整理：

AI技术对同城配送的业务价值

总体而言，物流业务是一个比较传统的行业，但是随着整个电商、移动互联网和移动支付的兴起，近些年整个物流行业实现了持续和高速的发展。

上图系中国物流与采购联合会在 2016年发布的一个报告，调研数据表明，全国物流件数环比增长超过 50%，达到 300多亿件。

同时整个物流的费用占比也很高，从图中可以看到，物流成本已经占据 GDP的 15%。而在欧美国家以及日本，这个比例大概只有 8%～9%左右，所以中国的物流行业还有很大的优化空间。这也是很多公司大力投入去做物流行业的一个很重要的原因：行业正处于高速发展阶段，而且体验、效率和成本方面都有巨大的优化空间，大有可为。

下图主要介绍了美团外卖现在的发展情况：

美团外卖从2013年启动，目前大概能够服务 2.5亿用户，已经覆盖1300多个城市，能够为 200多万商户提供服务，日峰值订单超过 1800万。美团外卖智能配送调度系统每天匹配50多万外卖小哥，基于海量数据和人工智能算法，确保平均配送时长不超过 28分钟。这也是目前世界上规模最大、复杂度最高的多人、多点实时智能配送调度系统。

我们对美团配送的定位是：做成最大的即时配送平台。

相比传统物流，即时配送包括以下几个优势：

• 第一点，非常快。从商家发单，比如说一个外卖订单，从下单到用户收到，平均要在 30分钟内能完成，最慢的也应该在一小时左右。快，是最重要的一个特点，快，也能够使整个服务的要求和服务质量得到巨大提升。* 第二点，能够直接联系用户和商户。之前的物流基本是从商家接单，要经过很多环节，包括仓储、运输调度、人员配送等等，最后再送到用户，中间几经转手，甚至由不同的公司配送，或者有不同的加盟商。但是即时配送直接将用户和商户联系起来，进而直接影响目标人群，这是很大的一项价值。* 第三点，能够承担多种配送场景，不仅仅可以送外卖，还可以送商超、生鲜等等，基本上所有的同城快件，都可以纳入其配送服务范围。总体来说，配送是一个非常复杂的业务，为了能够便于大家理解，我把这个业务模型进一些抽象和简化，可以用下面这张图来进行说明。

从本质上来讲，配送主要是把用户的配送需求和线下的各种运力（比如说骑手或车辆之类）进行匹配的过程。匹配分为线下匹配和线上匹配，线下主要靠运营，线上就是我们技术部门所构建一些系统。从这个层面而言，我们要解决的主要是在这个需求和运力之间，如何实现最优匹配的问题。

这其实也是一个相对比较传统的问题，像做广告或者推荐，都会面临这个问题，需求是要推荐的产品，供给是广告位置，但位置并不是无限多，如何在需求和供给之间达到最好的匹配，这本身就是效率优化问题，只不过广告和推荐使用的 CTR预估，而物流中使用的方法更加复杂一些。

配送中的复杂性，具体来说有几点：

• 这是一个NP-Hard问题，计算复杂度随着规模呈指数级增加。比如是骑手身上 N个订单的路径规划问题，或者是 M个订单与 K个骑手的订单分配问题，这两个都是指数级复杂度，而且相互关联。* 这不但是一个多点取多点送问题，而且随时有新订单增加，具有非常强的实时计算要求，当一个新订单生成后，需要在几十毫秒内别完成调度运算，相比传统物流中有几十分钟以上的计算时间，即时配送系统设计的难度要大得多。* 配送场景非常复杂，涉及天气、路况、骑手熟练程度、商家出餐速度等多达几十个因素，极大增加了解空间的随机性和复杂度，对配送算法的稳定性和适应力挑战极大。对美团配送来说，要完成这个任务，需要分为大概三个层次，如上图最右侧所示。

• 第一层，物流基础结构建设。包括在城市里如何建设站点，如何配备人力，如何配备商家的供给情况。这些基础结构不但深刻影响配送的规模、成本、效率，而且是物流管理和运营的基础，