澎湃新聞記者張唯
日前，《人物》雜志一篇有關外賣騎手工作狀況的報導引起廣泛關注，展示了在不斷加速的算法控制下，外賣騎手怎么被迫與時間賽跑。
外賣智能配送系統背后的邏輯是哪些？是算法促使外賣騎手們頂著超速風險高速疾馳嗎？算法世界與人類的關系又是怎樣？
為了解答這種問題，澎湃新聞（）記者專訪了人工智能決策公司杉數科技聯合創始人、香港英文學院（北京）數據科學大學副院長王子卓，物界科技CTO、前中通人工智能首席科學家劉志欣和一位外賣配送平臺的前核心技術人員。
1.智能配送系統主要涉及什么技術？怎樣實現訂單的派發，聯系店家、配送員和消費者？
杉數科技聯合創始人王子卓：
主要涉及機器學習和運籌優化兩大技術。機器學習算法用于預測每一個訂單的配送時間、路程以及超時后消費者的可能反應；優化算法則在訂單接入以后大學配送系統，按照平均時間快、騎手配送距離短等目標，給出優化的分配方案。
物界科技CTO劉志欣：
智能配送任務包括了對時間和空間的預測、分單和路徑規劃等要素，主要涉及到統計學、機器學習、運籌優化等問題。外賣訂單有顯著的峰谷和一定的隨機性，主要表現在下單時間隨機、商家與消費者的空間位置隨機。它的另一個特征是時效要求特別快，須要動態調度，讓外賣小哥盡可能多的接單，高效地完成配送工作。
外賣配送平臺前核心技術人員：
智能配送系統主要涉及深度學習、大數據、機器學習和時長預估技術。智能調度系統的核心目標是提升外賣平臺貨運營運效率，其中效率與公正是派單的兩大支柱。智能調度系統通過學習騎手的送餐數據，劃定騎手等級，并階梯化各級騎手目標單量，進而為每位騎手作出一張能力畫像，將運單分配給最合適的騎手。
在外賣的晚間與早間高峰，系統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，以提高配送效率。數據顯示，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，系統則會在考慮效率的基礎上，指出公正性。通過大數據剖析，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徑內大體相當。
不僅在騎手訂單數目上做到均衡以外，為防止騎手工作負荷不均，系統就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列大致都一樣。
2.智能配送系統在工作中一般遵守什么原則？優先級怎樣？這種原則是怎樣決定的？
物界科技CTO劉志欣：
這是依據具體的問題來制訂的。例如希望人均效能高，或則服務好，又或是成本最低?？赡苡幸恍┱T因作為模型的約束項，也有可能是一個多目標優化的問題。這種原則或則任務目標都可依照不同的場景、不同的問題來建模和優化。
作為擬定者可以在建模過程中彰顯出一些進一步的考慮，以服務時效為例，是否可以在時效要求中加一些彈性余量？或則調整一些權重或參數？那些從技術上來說，都是有一定的空間去實現的。
杉數科技聯合創始人王子卓：
對于快件公司而言，時效的滿足率是最看重的指標，甚至優先于成本和收益。在這些情況下，決策方案提供商在設計派單方案時，會首先保證時效性，在此基礎上幫助減少成本、增加收入。但也有公司會考慮到其他誘因，比如追求利潤、利潤和顧客滿意度等目標。在與嘀嘀合作時發覺，司機的滿意度也很重要。
外賣配送平臺前核心技術人員：
原則是全局效率最優。效率意味著配送時長、成本之間的權衡。這個權衡和營運的階段有關。在新的區域通常傾向于保證服務質量，對于成熟的區域，在做到服務質量的前提增長本。
對于智能調度有一個很核心的誘因是ETA（Timeof，預計送達時間），也就是從A地點到B地點的時間。這個時間的來源有導航，有騎手歷史的聯通軌跡的數據。通過逐年不斷的數據積累，算法可以學習到騎手在這兩點聯通須要消耗的時間。這個時間可能是用違規來達成的，并且系統不感知，會覺得這個指標可達成。
3.配送系統怎樣優化配送時間？為何外賣騎手感受到預計送達時間逐年減短？這背后的優化邏輯是哪些？
杉數科技聯合創始人王子卓：
智能調度系統會進行動態學習，比如完成三天工作以后，系統總結出訂單的實際用時、最后滿足率、客戶取消或則投訴數等。那些數據會繼續反饋給系統，用于更新參數，未來的優化就可以愈發確切。
假如騎手的配送時間變快，系統會判定這段路程的所需時間可以減短。在未來派單時，系統可能會調整預計送達時間。但這取決于派單中優化目標，假如一味地以時間最短為目標，就可能出現文章里說的一些情況（訂單單均配送時長越來越短）。
物界科技CTO劉志欣：
每家公司的實現方式都不一樣，我也無從了解其他公司都是如何去實現這件事情的。
關于配送時間的預估，一種方式是，把外賣小哥的工作數據搜集上去，結合GIS信息，重新復盤，從中去抽取特點、統計或則學習模型須要的參數，之后再不斷地迭代。
然而這個方式它背后會不會帶來一些問題，非常是這種方式模型不可防止須要依賴真實世界中采集的數據，這種數據的真實有效性值得思索，例如系統發覺有些任務完成得比較快，因而調整參數希望更多的任務根據這樣的效率來完成，而且一開始的時侯完成的比較快的任務實際是有誤差的，甚至是由于逆行等行為形成的，這樣是否對模型帶來一些欺騙。數據是算法的基礎，數據的真實有效性十分重要，我們值得花很大的工夫來增強數據采集的質量。算法并不是故意要反人性的。
外賣配送平臺前核心技術人員：
主要是通過機器學習，記錄派單效率高的模型大學配送系統，生成新的算法，算法不斷迭代優化派送邏輯。智能調度系統通過剖析飯店歷史出餐數據，騎手接單時，系統會優先指向出餐更快的飯店，讓騎手降低在飯店等餐的時間。
4.算法世界與人的關系怎么？在算法設計中，怎樣考慮人的誘因？
物界科技CTO劉志欣：
算法是在數字世界上面建模，并且真實化學世界和數字世界是有鴻溝的，有好多不可控變量。盡量降低真實世界和數字世界的鴻溝是一
項很重要的工作，包括數字雙胞技術和體系，也包括技術人員和管理團隊步入一線操作來體驗現實的真正場景。
智能調度還是須要的，由于它還能提高行業的效能，對整個社會是有幫助。據悉，須要在智能調度系統中更多地考慮人的誘因。一方面可以調節參數和權重，給人留下余量的空間。另一方面，可以把人針對環境的行為作為模型的誘因之一，結合大量的規劃和仿真，找到更好的模型抒發形式。對于一些不可控誘因或則突發誘因，須要結合仿真來看后果。
杉數科技CTO王子卓：
算法只是一種工具，決策者希望通過算法達到一個目標，而工程師負責找到滿足目標的最佳方案。這個目標好多時侯并不是做算法的人來定的，更多是由業務部門或則企業管理層擬定的。
免責聲明：部分文章信息來源于網絡以及網友投稿，本站只負責對文章進行整理、排版、編輯，出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其內容的真實性，如本站文章和轉稿涉及版權等問題，請作者在及時聯系本站，我們會盡快為您處理。
