<mark id="oztn4"></mark>
0
雷鋒網 AI 研習社按：互聯網影響著社會的方方面面，作為O2O和共享經濟的代表，美團外賣經過幾年高速發展，以每天配送超過千萬份訂單、幾十萬騎手的規模，成為世界上最大的配送平臺。實際上，看上去勞動密集型的外賣行業，其實背后蘊藏著大數據、云計算、物聯網、人工智能等高新技術，是這些高科技，使美團外賣能夠在激烈競爭中逐漸脫穎而出。
這些高新技術的核心，則是被稱為「智能大腦」的美團實時智能配送系統。這套大規模、高復雜度的多人多點實時智能配送調度系統，能夠基于海量數據和人工智能算法，給最合適的配送小哥發送「最優配送指令」，確保平均配送時長不超過 28 分鐘。簡單地說，就是既保證用戶「等的時間短」，同時又讓騎手「跑的路程短」。
美團配送算法團隊耗時兩年多打造了「智能大腦」，解決了機器學習、運籌優化、仿真技術等多方面的技術難題。雷鋒網 AI 研習社采訪了「智能大腦」團隊負責人何仁清，讓他從總體架構、技術難點、改進方向、語音助手等方面揭開「智能大腦」的技術內幕。
以下是雷鋒網 AI 研習社采訪原文：
Q：美團智能配送系統每天要處理千萬級的訂單，管理近50萬騎手，對于這種復雜問題的求解和優化很多大公司都還無從下手，你能否簡單地向讀者介紹下美團智能配送系統的技術框架？
A：美團智能配送系統可以讓即時配送全業務流程高效運行。從技術上看，系統可以分為基礎平臺建設、垂直業務優化兩方面。在基礎平臺建設上，我們開發了面向即時配送的機器學習平臺、仿真平臺以及大數據平臺。其中，機器學習平臺提供若干數據預處理、機器學習算法工具包等等，并完成了底層大數據平臺與線上系統的對接，提升了機器學習模型的迭代效率；配送仿真平臺實現了對配送全過程的精準模擬，能夠有效地進行各類配送策略的離線評估和 what-if 分析，而算法支撐平臺主要包括離線/在線特征管理平臺，線上策略管理平臺和 A/B 實驗工具等等。
在垂直業務優化上，我們開發了配送網絡優化系統、實時調度系統和定價系統。通過配送網絡優化系統，為配送區域劃分商家配送范圍提供智能化的工具支持，輔助建立合理的底層配送網絡結構。通過實時調度系統，實現訂單和騎手的動態最優匹配，大大提升了配送效率；同時，通過定價系統，實現對用戶端、騎手端、商戶端的合理定價，為即時配送的各參與方建立良好的生態系統，實現了多方共贏的目標。下圖整體展現了美團配送的人工智能技術體系。
Q：騎手在配送外賣的過程中難免會遇到一些突發狀況，比如惡劣天氣、交通事故，美團智能配送系統對于這些不確定因素是如何應對的？
A：我們總結了突發情況的特點，包括突然發生、局部影響大、擴展迅速。如果不及時處理，就會造成大面積的訂單積壓，對用戶體驗影響非常大，也不利于騎手騎行安全。所以，我們在系統的多個重要環節，都配有突發情況的應對方案，統稱為「供需平衡系統」。
首先是實時監控和短期預測，對未來N分鐘的訂單規模和運力進行準確預估。其次是核心調度策略自適應調整，比如延長預計送達時間，提高合單概率，減小騎手行駛距離。然后，通過動態定價策略，讓用戶錯峰下單，激勵更多騎手開工，保證供需的整體平衡。 同時，我們正在推廣智能語音助手和智能耳機，減少騎手在騎行中的查看手機等危險行為，解決了在雨雪天氣操作手機困難的問題，讓騎手配送更方便、更安全。
Q：在配送的過程中，有些數據無法直接采集，比如出餐的時間、騎手自身的狀態、騎手上下樓的時間、天氣及交通數據等，對于這類數據美團是怎樣獲取、預估和優化的？
A：美團點評的數據閉環是配送系統的核心能力之一，騎手可以觸達城市的每一個角落，收集到的完備并且準確數據，而且這些數據都具備非常高的商用價值。
當然，數據采集的渠道很多種，常規的是商家端、騎手App。比如采集騎手手機的各種藍牙、WiFi、GPS、傳感器數據。這些數據與配送場景結合，可以挖掘很多信息，比如上下樓時間、到店時間、出餐時間等。同時還可以精確還原騎手行為，包括騎行、步行、停留、走樓梯、做直梯等等。這些精細化數據，對于提升調度和定價的精度都有很多的作用。另外，為了獲取更精確和實時的數據，在商家、騎手部署智能硬件，也是未來的必然趨勢，技術團隊也正在進行探索和嘗試。
Q：類似北上廣深這樣的大城市有足夠多的樣本量，能夠比較準確地預估配送時間，相對來講，三四線的小城市的樣本量就小很多，那么在這些小城市里，美團是怎樣保證配送時間的準確性的？
A：在機器學習問題上，這個屬于模型泛化能力范疇，具有很多解決方案。
首先在特征工程上，構建多種泛化特征，比如區域個性化的特征，讓模型對于區域特征具有感知。其次在模型架構上，我們針對于此類問題單獨建立了補充策略模型，既保證整體效果的提升，又保證區域的個性化，不僅在區域這個維度上，而且在各種可能引起配送體驗問題的長尾維度上，我們模型均有較好的表現。最后，在機器學習領域有一個很相近的概念跟這個問題有關，那就是小樣本學習問題，我們也在探索利用遷移學習方式來解決這類問題。
Q：有用戶表示，在訂餐高峰時期，系統會通過上調配送費限制流量，請問美團智能配送系統如何調節配送價格以保證外賣配送的服務質量？
A：如前所述，為了保證整體用戶體驗，我們有一套完備的供需平衡系統，通過實時監測供需關系，通過預計送達時間實時調整以及配送費的實時調整，將用戶下單引導到運力更充足的商圈，或者錯峰下單，保證訂單能夠快速、準時送達。
同時，美團配送還擁有大量社會化運力，即眾包騎手，我們通過調整騎手補貼方式，可以及時補充更多運力，環節高峰期的配送壓力，保證整體配送服務質量。
Q：前面提到的配送系統中，包括商家配送范圍劃分，這個具體指什么？
A：配送成本和效率，對物流行業來說非常重要，但是我們有希望盡可能服務更多的用戶，為此需要一種靈活的調整工具，這個工具就是商家配送范圍，它決定在合理配送成本下，美團配送給商家提供最遠配送范圍。
可以看到，配送范圍直接影響了用戶端外賣商家的可見供給，供給越豐富，用戶的體驗會越好，在平臺上的黏性也會越高。但是如果給用戶提供了配送困難的商家，也會影響整體配送的效率，從而影響到用戶的配送體驗。我們通過智能AI算法，能夠將商家配送范圍進行整體的優化，考慮到用戶對商家的需求度、用戶到商家的配送難度、商家本身的供給量等因素，從而達到優化整體的訂單結構的目的。
同時，這也是我們應對極端惡劣天氣有效手段，之前遇到這種定價等方式無法解決的場景，只能將商家大規?！钢眯荨箒砭徑馀渌蛪毫Γ碳液陀脩趔w驗很差，但是現在我們可以用縮小配送范圍的方式來解決這些問題。
Q：美團智能配送系統在發展的同時，其本身是否有需要改進和優化的地方？
A：目前的我們在整體準時率和平均配送時長等指標方面，有不錯的表現，但是仍有一小部分尾部體驗需要我們去持續改善。另外，用發展的眼光來看，任何技術都需要不斷迭代，與時俱進。一方面，隨著配送業務體量不斷增長，問題的解空間也不斷變大，對算法的優化能力和求解效率都提出了更高的要求，我們也已經投入研發新一代調度算法，提前應對新的挑戰；另一方面，配送品類、用戶需求、時效承諾都在不斷多樣化，配送調度系統也需要保持以客戶為中心，提供讓客戶更滿意、讓騎手更高效的服務。
Q：美團智能配送系統在外賣配送領域取得了不錯的成效，請問相關的技術能否應用在其他業務線上？比如打車業務、酒店業務？
A：美團點評作為一站式生活服務平臺，能夠服務到家、到店、出行、旅行等多個場景，其背后需要強大的技術能力支撐。作為一家科技公司，我們在數據、技術、平臺等多個方面，實現多個業務線的互通與合作，這也是是我們工作中非常重要的一個目標。
以美團智能配送系統的調度算法為例，在學術意義上，屬于求解大規模復雜約束優化問題的在線實時決策算法，我們在這個方向的技術突破和研發成果，在打車業務、零售業務供應鏈優化等場景都有應用潛力。實際上，我們與相關團隊之間已經開展技術交流和深度分享。不僅如此，在語音助手、地圖導航、通用地址庫、POI畫像等多個方面，都跟我們的伙伴開展各種合作。
Q：美團配送是否也在使用社會共享運力，解決配送問題？這方面進展如何？有哪些問題需要解決？
A：美團快送就是使用社會共享運力進行配送的一種形式，現在每天已經達到近幾百萬單的水平。由于是使用兼職運力，對騎手直接管理能力偏弱，因此如何保證穩定運力，達到體驗和成本的最佳平衡，都是亟需解決的問題。
為此，我們做了很多方面系統改造，比如在訂單調度系統中加入了騎手偏好和運營獎勵等因素，有效增加了騎手對平臺的粘性。同時，結合大數據分析，在城市范圍內的運單價格進行精細化調控，有效引導運力流向更需要的區域，進而平衡整體的運力和用戶體驗。
Q：美團的配送系統是如何進行評估的？ 做了哪些工作，難點是什么？
A：美團的訂單調度是一個全局優化問題，調度決策「牽一發而動全身」，耦合性極強，因此無法獨立評價每一個訂單的調度決策是好是壞。這里面有兩個大技術挑戰：線下仿真評估，線上效果評估。
線下仿真評估中，大家熟知的機器學習的評估指標和方法，在這里并不適用。而且線上實驗中，周期較長、成本高、用戶體驗風險等，都是繞不過去的。 為解決上述問題，我們自主研發了美團配送仿真平臺，類似沙盤演練，但是更高效更精準。該平臺有幾個部分構成，首先，對各種環境進行仿真，如天氣、交通、供需情況等。其次，騎手行為仿真，比如騎行工具、熟悉程度、配送習慣。最后，訂單分布仿真，考慮不同時間、用戶類型、下單意愿等。從一定意義上講，在工業界甚至是學術界，這也是一個前沿的開放問題。目前，我們已經做了很多有益的探索，目前平均仿真誤差精度可達6%，在行業內處于領先水平。
線上效果評估中，由于全局優化特性，互聯網比較通用的用戶分流A/B TEST完全不適用，為了保證實驗精度，我們建立了一套嚴謹、完備的配送評估體系，比如按用戶、騎手、區域、時段等不同維度分流，排除測試干擾，提高測試的準確性，從而保證算法迭代的有效性。
Q：請問美團智能配送的機器學習技術和其他平臺的有何差異？如何評價競爭對手的AI 技術？
A：應該說，技術能力在配送中作用是非常巨大的，為了給用戶更快、更穩定的配送體驗，同時保持業務的高效率和低成本運營，我們需要做大量的技術攻堅工作。所以，配送體驗優劣與技術能力高低具有很強相關性。
同時，作為一個服務超過2.5億用戶，日配送訂單超過千萬的大平臺，配送效果每提升1%，都會帶來巨大業務效果。 因此我們有巨大的動力不斷進行技術迭代優化。具體來說，有兩個方面要不斷優化。一方面，配送全環節的智能化建設，配送一個訂單需要經過多個環節，全部環節均使用了機器學習和運籌優化技術，保證平均28分鐘的配送時長；另一方面，提升業務管理和運營的AI化，比如站點規劃、運力規劃、騎手排班、商家配送范圍等全面實現了智能化，極大提升了整體業務運營效率，降低了運營成本。
Q：除了調度系統之外，我們知道美團點評還為騎手專門開發了智能語音助手，這里有哪些核心技術是美團自主研發？它解決了外賣配送業務上的哪些問題？
A：一般而言，語音助手包括幾個部分，包括語音識別合成、語義理解、交互決策等等。隨著近幾年深度學習模型在語音識別和合成的應用，構建出一個語音助手不是什么難事，但是夠在實際場景大規模落地，依然沒有那么簡單。比如，我們研發的騎手語音助手，在行業內首次實現了語音AI的大規模落地，目前每天超過10W+騎手使用，能做到配送全流程語音交互，無需騎手查看手機，真正讓騎手解放雙手，配送更便捷、更安全。這里面我們做了很多的技術攻關。
首先，在智能耳機層面，為了配合騎手工作要求，設計防風防水去噪的智能藍牙耳機。其次，針對語音理解層面，需要針對餐飲+物流行業，重新構建語音技術體系。最終，在交互決策層面，傳統先喚醒再交互方案，在室外噪音環境下，成功率過低、體驗較差。為了解決這個難題，我們基于實時配送數據建模了場景識別系統，無需人工主動喚醒，語音助手即可以完成語音交互任務，實現了「零喚醒」的語音交互方式。
Q：另外，能否說說美團智能配送系統的技術團隊是如何構建和管理的？
A：總的來說，技術團隊重要特征是通過「技術驅動」來完成業務目標。在業務能力和技術能力方面都要求極高。為此，我們通過橫縱兩個維度來對團隊進行建設。
首先在縱向維度，在核心業務方向有專門團隊長期跟進，對業務理解需要全面又深刻，能夠覆蓋業務的整個鏈條，同時綜合能力要求較高，包括業務理解、溝通能力、推動落地的能力等，這樣能夠及時有效的完成業務目標。
其次在橫向維度，專注于技術能力建設，為業務提供平臺支持，同時要不斷進技術創新和迭代，保證我們美團點評在行業內的技術領先優勢。
當然，針對一些跨方向的大型項目，在項目進行期間，我們采用虛擬團隊的方式進行管理，包括產品、工程、算法等多種人員，這種方式組織靈活，而且協同性很好，能夠保證項目效果和進度，這也是我們非常重要的實踐經驗。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
