外界曾經(jīng)嘲笑百度外賣“別人在做人工智能，百度在送外賣”。

 

對此，李彥宏在2016云計(jì)算戰(zhàn)略大會(huì)上專門解釋，百度外賣其實(shí)也很人工智能：“比如同樣的商家訂單，先配送后配送，時(shí)間路線規(guī)劃等等，都有人工智能的技術(shù)，涉及機(jī)器學(xué)習(xí)的問題。”

 

然而廠長的解釋，又被媒體們拿來當(dāng)標(biāo)題，好像人工智能用在送外賣上很low。

 

現(xiàn)在，阿里云跟餓了么合作，利用人工智能優(yōu)化送外賣的過程，似乎說明了廠長的應(yīng)用沒什么問題，不由得心疼廠長一秒。實(shí)際上人工智能作為一種“電”一般的存在，未來可能每一個(gè)機(jī)器決策都涉及人工智能。

 

1月11日，阿里云在大數(shù)據(jù)平臺(tái)數(shù)加一周年分享會(huì)上透露，阿里云已同餓了么合作研發(fā)出人工智能ET新的調(diào)度引擎，正全面推行到外賣送餐領(lǐng)域。

 

ET是阿里云旗下的人工智能，優(yōu)勢在于對全局的洞察和實(shí)時(shí)決策上。此前已在交通、空管、貨運(yùn)等領(lǐng)域擔(dān)任調(diào)度員工作。

 

此前，外賣訂單的調(diào)度，主要依靠人力。然而每天中午和晚上的飯點(diǎn)，對人類調(diào)度員來說都是巨大的挑戰(zhàn)。阿里云方面以上海商城路配送站為例，一個(gè)調(diào)度員每6秒鐘就要調(diào)度1單，他需要考慮騎手已有訂單量、路線熟悉度等，顯然，人類的智商在這里已經(jīng)不夠用了。

 

正如清華教授Dr.魏坤琳表示，人類擅長感知和運(yùn)動(dòng)，恰恰不擅長邏輯和運(yùn)算為代表的抽象思維能力。機(jī)器卻似乎恰恰相反，不擅長感知和運(yùn)動(dòng)，卻擅長處理海量的邏輯與計(jì)算。

 

因此可以說，外賣訂單調(diào)度這種任務(wù)，已經(jīng)完全不適合人類。但對人工智能則非常擅長處理。

 

餓了么跟阿里云聯(lián)合研發(fā)，用人工智能送外賣

 

訂單調(diào)度的目的其實(shí)很簡單，通過精準(zhǔn)的匹配，將平均配送時(shí)長盡可能縮短，人工智能如何處理這個(gè)過程？據(jù)阿里云算法工程師王金明介紹，大概分為三步：

 

第一步是預(yù)估餐廳出餐時(shí)間。

 

這指的是從餐廳確認(rèn)接到用戶的訂單（派單員報(bào)單或者系統(tǒng)直接推單）到餐廳準(zhǔn)備好餐品的時(shí)間。項(xiàng)目組需要跟餓了么業(yè)務(wù)人員、運(yùn)營人員、調(diào)度員、騎手溝通，設(shè)計(jì)出合適的特征和模型，保證預(yù)估時(shí)間的準(zhǔn)確性。王金明表示，目前模型能將預(yù)測的出餐時(shí)間誤差控制在5分鐘之內(nèi)。

 

一般來說，餐廳出餐等待時(shí)間占到了整個(gè)送餐時(shí)間的三分之一。準(zhǔn)確預(yù)估出餐時(shí)間是可以減少騎手等待時(shí)間，同時(shí)也不希望騎手太晚才來取外賣，目的是提高騎手效率又保證飯菜沒冷掉。

 

第二步是預(yù)估騎手送餐地等待時(shí)間。

 

騎手送餐地（POI，Point of Information，信息點(diǎn)）等待時(shí)間是指從騎手進(jìn)入送餐地范圍到騎手確認(rèn)送餐成功后的時(shí)間間隔，送餐地可能涵蓋商圈、寫字樓、學(xué)校等，不同的送餐地騎手需要等待的時(shí)間不同。

 

例如，有些60多層的寫字樓，騎手等待電梯的時(shí)間可能要高達(dá)10分鐘之上，系統(tǒng)需要根據(jù)歷史數(shù)據(jù)，準(zhǔn)確預(yù)測每一個(gè)送餐地騎手需等待的時(shí)間，才能給做騎手最優(yōu)的路線規(guī)劃，并保障已背訂單不超時(shí)。 

 

要想計(jì)算騎手的送餐路程時(shí)間，ET還需要知道每個(gè)騎手在不同區(qū)域、不同天氣下的送餐速度。但餐送到了，顧客并不一定會(huì)立刻來取。顧客可能需要等三部電梯才能下來。這些ET都需要計(jì)算在內(nèi)。

 

最后一步是訂單分配和路線規(guī)劃，需要用到只能調(diào)度引擎。

 

智能調(diào)度引擎需要具備新單聚包、新包分配及騎手路徑規(guī)劃等功能。新單聚包是指針對源源不斷的訂單流，將相似訂單（時(shí)空相似）打包作為一次派發(fā)的工作包。如果途中有新的訂單，ET會(huì)將配送站新的訂單插入到每個(gè)騎手已有的任務(wù)中，重新規(guī)劃一輪最短配送路徑，對比哪個(gè)騎手新增時(shí)間最短，以選擇合適的騎手配送，將路線推送到騎手APP端。

 

了解上述過程之后之外，智能調(diào)度引擎如果想要計(jì)算準(zhǔn)確，需要知道需要知道每家餐廳的出餐速度、每個(gè)騎手各自的騎行速度、送餐地是否需要長時(shí)間等電梯。

 

此外，機(jī)器還會(huì)將特殊的情況考慮在內(nèi)，比如如果顧客點(diǎn)了個(gè)火鍋，會(huì)自動(dòng)識為大單，將鎖定某一個(gè)騎手專門完成配送。比如每逢惡劣天氣，外賣訂單通常會(huì)大漲，餐廳出餐速度和騎手騎行速度都也會(huì)受到影響，研發(fā)團(tuán)隊(duì)為此內(nèi)置了惡劣天氣的算法模型。

 

不過，人工智能也是會(huì)出錯(cuò)的。阿里云人工智能科學(xué)家閔萬里介紹，在最近的一次測試中，聯(lián)合研發(fā)小組發(fā)現(xiàn)有2個(gè)配送站點(diǎn)出現(xiàn)嚴(yán)重超時(shí)問題，2個(gè)站點(diǎn)均在成都。原來是因?yàn)楫?dāng)?shù)孛癖娤矚g早、中餐一起吃，高峰從11點(diǎn)開始了。習(xí)慣了北上廣節(jié)奏的人工智能到成都就懵逼了。

 

據(jù)閔萬里介紹，ET之前就做過四份調(diào)度員的工作，包括在廣州白云機(jī)場調(diào)度1000多架飛機(jī)；在廣州通過觀察路面車輛調(diào)度紅綠燈；給車貨匹配公司運(yùn)滿滿調(diào)度貨車；很久之前給快的打車分配訂單。