美團技術(shù)解析
×
全文共計6532字
預(yù)計閱讀時間17分鐘
簡介：何仁清，美團配送AI方向負責(zé)人。本文重點解讀美團在即時配送領(lǐng)域機器學(xué)習(xí)技術(shù)的最新進展，構(gòu)建對線下真實世界各種場景的感知能力，還原并預(yù)測配送過程各個細節(jié)。
美團“超腦”配送系統(tǒng)的由來
2014年，斯嘉麗·約翰遜主演的科幻片《超體》大火，影片中主人公Lucy由于無意中攝入了大量的代號為“CPH4”的神秘藥物，大腦神經(jīng)元獲得空前的開發(fā)，獲得了異乎尋常的超能力，她能夠?qū)@個世界進行全新的感知、理解和控制（比如控制無線電波），最終跨越時間和空間成為了一個超級個體。
這種對真實世界的深度感知、理解和控制，與配送AI系統(tǒng)對配送場景的感知、理解和配送環(huán)節(jié)控制的目標(biāo)非常一致。可以說，美團要建設(shè)的AI就是配送系統(tǒng)的“超級大腦”。因此我們內(nèi)部把配送的AI系統(tǒng)，簡稱為“超腦”配送系統(tǒng)。
即時配送在全球快速發(fā)展
最近幾年，以外賣為依托，即時配送業(yè)務(wù)在全球范圍內(nèi)掀起了一波快速發(fā)展的浪潮，全球各地都出現(xiàn)了很多創(chuàng)業(yè)公司，其中國外知名的包括美國的Uber Eats（全球）、英國的、印度的、（分別被美團和阿里投資），印尼的go-jek等等。國內(nèi)除了美團外賣、餓了么、滴滴外賣等典型代表外，而還有專注于即時配送服務(wù)創(chuàng)業(yè)公司，比如閃送、UU跑腿、達達、點我達等。
這種全球爆發(fā)的現(xiàn)象說明了兩個問題：
即時配送的業(yè)務(wù)模型
即時配送，是一種配送時長1小時以內(nèi)，平均配送時長約30分鐘的快速配送業(yè)務(wù)。如此快速的配送時效，將傳統(tǒng)的線上電商交易與線下物流配送（傳統(tǒng)劃分比較明確的兩條業(yè)務(wù)）整合為統(tǒng)一整體，形成了用戶、商戶、騎手和平臺互相交錯的四元關(guān)系。
其整合力度空前緊密，幾乎滲透到各個環(huán)節(jié)。以外賣搜索和排序為例，在下午時段，在用戶搜索和推薦中可以看到更多的商家，因為此時運力充分，可以提供更遠距離的配送服務(wù)，不僅能更好滿足用戶的需求外賣配送系統(tǒng)，提高商家的單量，而且能夠增加騎手的收入。
即時配送的核心指標(biāo)是效率、成本、體驗，這三者也形成了即時配送的商業(yè)模型。簡單來說可以分為以下幾步：
首先配送效率提升
然后配送成本下降
然后用戶體驗提升
進一步提升效率并形成循環(huán)
這樣，就形成了一個正向循環(huán)，不斷創(chuàng)造更多商業(yè)價值。而技術(shù)的作用，就是加速這個正向循環(huán)。
美團“超腦”配送系統(tǒng)
目前互聯(lián)網(wǎng)技術(shù)，很大部分還是針對線上產(chǎn)品和系統(tǒng)研發(fā)，整個流程可以在線上全部完成，而這也正是配送AI技術(shù)最大的不同和挑戰(zhàn)。簡單來說，類似搜索、推薦、圖象和語音識別這種線上產(chǎn)品常用的AI技術(shù)幫助不大，因為配送必須在線下一個一個環(huán)節(jié)的進行，這就要求AI技術(shù)必須能夠面對復(fù)雜的真實物理世界，必須能深度感知、正確理解與準確預(yù)測、并瞬間完成復(fù)雜決策。
為了滿足這些要求，我們建設(shè)了美團“超腦”配送系統(tǒng)，包含以下幾個方面：
建立對世界深度感知
正確理解和準確預(yù)測
完成復(fù)雜決策
機器學(xué)習(xí)技術(shù)挑戰(zhàn)
如何構(gòu)建一個在真實物理世界運行的AI系統(tǒng)，就是我們最大的挑戰(zhàn)。具體到機器學(xué)習(xí)方向而言，挑戰(zhàn)包括以下幾個方面：
線下數(shù)據(jù)質(zhì)量的巨大挑戰(zhàn)
配送系統(tǒng)的核心參數(shù)ETA
ETA（ Time of ，時間送達預(yù)估）是配送系統(tǒng)中非常重要參數(shù)，與用戶體驗、配送成本有直接關(guān)系，而且會直接影響調(diào)度系統(tǒng)和定價系統(tǒng)的最終決策。
一個訂單中涉及的各種時長參數(shù)(如上圖右側(cè)所示），可以看到有十幾個關(guān)鍵節(jié)點，其中關(guān)鍵時長達到七個。這些時長涉及多方，比如騎手（接-到-取-送）、商戶（出餐）、用戶（交付），要經(jīng)歷室內(nèi)室外的場景轉(zhuǎn)換，因此挑戰(zhàn)性非常高。
通過機器學(xué)習(xí)方法，我們已經(jīng)將外賣配送幾乎所有環(huán)節(jié)都進行了精準預(yù)估預(yù)測。用戶感知比較明顯是預(yù)計送達時間，貫穿多個環(huán)節(jié)，商家列表（從配送時長角度讓用戶更好選擇商家）、訂單預(yù)覽（給用戶一個準確的配送時間預(yù)期）、實時狀態(tài)（下單后實時反饋最新的送達時間）。當(dāng)然這里面還有很多用戶看不到的部分，比如商家出餐時間、騎手到店時間、交付時間等。其中交付時長，與用戶關(guān)系比較大，也很有意思，下文會詳細展開。
精準到樓宇和樓層的預(yù)估：交付時長
交付時長是指騎手到達用戶后，將外賣交付到用戶手中并離開的時間，實際是需要考慮三維空間內(nèi)計算（上樓-下樓）。交付時間精準預(yù)估，有兩點重要的意義，首先是客觀的衡量配送難度，給騎手合理補貼；其次，考慮對騎手身上后續(xù)訂單的影響，防止調(diào)度不合理，導(dǎo)致其他訂單超時。
交付時長的目標(biāo)是，做到樓宇和樓層的精準顆粒度，具體可以拆解為以下幾步：
地址的精準解析（精確到樓宇/單元/樓層）
交付時長預(yù)估
下游業(yè)務(wù)應(yīng)用
可以看到，真實世界中影響決策因素非常多，我們目前做的還不夠。比如交付時長也可以進一步細化，比如準確預(yù)估騎手上樓時間、下樓時間和等待時間，這樣其實能夠與商家取餐環(huán)節(jié)保持一致，之所以沒這么做，主要還是數(shù)據(jù)缺失，比如騎手在商家其實有兩個操作數(shù)據(jù)（到店、取餐），這樣能支持我們做精細化預(yù)估的，但是在用戶環(huán)節(jié)只有（送達）一個操作。
舉這個例子，其實是想說明，數(shù)據(jù)的完備性對我們到底有多重要。數(shù)據(jù)方面的挑戰(zhàn)，線下業(yè)務(wù)與線上業(yè)務(wù)相比，要高出好幾個等級。
配送中最重要的數(shù)據(jù)之一：地圖
地圖對配送的重要性毋庸置疑（位置和導(dǎo)航都不準確，配送如何進行？），前面提到的5級地址庫只是其中一部分。配送地圖的目標(biāo)可以概括為以下兩點：
- 正確的位置 - 實時部分：騎手實時位置。 - 靜態(tài)部分：用戶和商戶準確的地址和位置。 - 正確的導(dǎo)航 - 兩點之間正確的距離和路線。 - 突發(fā)情況的快速反應(yīng)（封路、限行）。
如果橫向?qū)Ρ扰渌汀⒖爝f、打車等行業(yè)對地圖的要求，其實是一件很有意思的事情，這個對于配送地圖技術(shù)建設(shè)來說，是一件非常有幫助的事情。
即時配送 VS 物流快遞：即時配送對地圖的依賴程度明顯高于物流快遞
即時配送 VS 出行行業(yè)：地圖廠商在車載導(dǎo)航的優(yōu)勢和積累，在即時配送場景較難發(fā)揮
從這兩方面對比可以看到，在即時配送業(yè)務(wù)中，騎行地圖的重要性非常之高，同時很多問題確實非常具有行業(yè)特色，通過駕車地圖的技術(shù)無法很有效的解決。這樣就需要建設(shè)一套即時配送業(yè)務(wù)地圖的解決方案。
基于簽到數(shù)據(jù)的位置校正：交付點
如前文所述，配送地圖的方向有很多，這次我重點講一下用戶位置相關(guān)的工作“交付點挖掘”。首先看一下目前主要問題：用戶位置信息有很多錯誤，比如：
用戶選擇錯誤
上圖左，一個小區(qū)會有1期2期~N期等，用戶在選擇POI的時候就可能發(fā)生錯誤（比如1期的選了2期），兩者地理位置相差非常遠，很容易造成騎手去了錯誤的地方。這樣在訂單發(fā)送到配送系統(tǒng)的時候，我們需要做一次用戶坐標(biāo)糾正，引導(dǎo)騎手到達正確的位置。
POI數(shù)據(jù)不精細
上圖右，用戶本來在xx區(qū)xx棟，但是只選了xx區(qū)這個比較粗的位置信息。現(xiàn)實中在一個小區(qū)里面，找到一個具體xx棟樓還是非常困難的，大家可以想想自己小區(qū)中，隨便說一個樓號你知道它在哪個角落嗎，更別說如果是大晚上在一個你不熟悉的小區(qū)了。造成這種原因，一方面可能是用戶選擇不精細，還有一種可能，就是地圖上沒有具體樓棟的POI信息。
在實際配送中，我們都會要求騎手在完成交付后進行簽到，這樣就會積累大量的上報數(shù)據(jù)，對于后續(xù)進行精細化挖掘非常有幫助。大家可以先看看我們收集的原始數(shù)據(jù)（上圖），雖然還是非常凌亂，但是已經(jīng)能看到這其中蘊含著極高的價值，具體來說有三方面：
維度多樣
數(shù)據(jù)完備
交付點挖掘的技術(shù)實戰(zhàn)：挑戰(zhàn)
在數(shù)據(jù)挖掘?qū)嶋H過程中，其實并沒有什么“高大上”的必殺技，無法使用流行的方法，基本上還是需要對各個環(huán)節(jié)進行拆解，扎扎實實的做好各種基礎(chǔ)工作，基本整個挖掘過程，分為以下幾個步驟：（1）基于地址分組；（2）數(shù)據(jù)去噪；（3）數(shù)據(jù)聚合；（4）置信度打分。其中主要技術(shù)挑戰(zhàn)，主要在各種場景中保證數(shù)據(jù)挖掘質(zhì)量和覆蓋率，具體來說主要有三個挑戰(zhàn)：
數(shù)據(jù)聚合
重名問題
交付點挖掘的技術(shù)實戰(zhàn)：效果
目前，我們已經(jīng)上線了一版交付點，對用戶位置進行主動糾正，讓騎手可以更準確更快的找到用戶。目前效果上看還是非常明顯的。包括幾個方面：
單元門級別的高精度位置
目前的問題以及后續(xù)的優(yōu)化點
更精細化的配送場景識別：感知
前面提到的地圖技術(shù)，只能解決在室外場景的位置和導(dǎo)航問題。但配送在商家側(cè)（到店、取餐）和用戶側(cè)（到客、交付）兩個場景中，其實是發(fā)生在室內(nèi)環(huán)境。在室內(nèi)的騎手位置是在哪里、在做什么以及用戶和商家在做什么，如果了解這些，就能解決很多實際問題。比如：
這個技術(shù)方向可以統(tǒng)稱為“情景感知”，目標(biāo)就是還原配送場景中（主要是室內(nèi)以及GPS不準確），真實配送過程發(fā)生了什么，具體方向如下圖所示：
情景感知的目標(biāo)就是做到場景的精細刻畫（上圖的上半部分），包含兩個方面工作：
配送過程的精確刻畫
這些數(shù)據(jù)，大部分來至于手機，但是隨著各種智能硬件的普及，比如藍牙設(shè)備，智能電動車、智能頭盔等設(shè)備的普及，我們可以收集到更多數(shù)據(jù)的數(shù)據(jù)。WiFi/藍牙技術(shù)，以及運動狀態(tài)識別的技術(shù)比較成熟，這里主要說一下概況，本文不做深入的探討。
對于配送系統(tǒng)來說，比較大的挑戰(zhàn)還是對識別精度的要求以及成本之間的平衡。我們對精度要求很高，畢竟這些識別直接影響定價、調(diào)度、判責(zé)系統(tǒng)，這種底層數(shù)據(jù)，精度不高帶來的問題很大。
考慮成本限制，我們需要的是相對廉價和通用的解決方案，那種基于大量傳感器硬件部屬的技術(shù)，明顯不適用我們幾百萬商家，幾千萬樓宇這種量級的要求。為此，在具體技術(shù)方面，我們選用的是WiFi指紋、藍牙識別、運動狀態(tài)識別等通用技術(shù)方案，就單個技術(shù)而言，其實學(xué)術(shù)界已經(jīng)研究很充分了，而且也有很多應(yīng)用（比如各種智能手環(huán)等設(shè)備）。對于我們的挑戰(zhàn)在于要做好多種傳感器數(shù)據(jù)的融合（還包括其他數(shù)據(jù)），以確保做到高識別精度。當(dāng)然為了解決“ Truth”問題，部署一些穩(wěn)定&高精度的智能硬件還是必須的，這對技術(shù)迭代優(yōu)化和評估都非常有幫助。
總結(jié)
美團外賣日訂單量超過2400萬單，已經(jīng)占有了相對領(lǐng)先的市場份額。美團配送也構(gòu)建了全球領(lǐng)先的即時配送網(wǎng)絡(luò)，以及行業(yè)領(lǐng)先的美團智能配送系統(tǒng)外賣配送系統(tǒng)，智能調(diào)度系統(tǒng)每小時路徑計算可達29億次。如何讓配送網(wǎng)絡(luò)運行效率更高，用戶體驗更好，是一項非常困難的挑戰(zhàn)，我們需要解決大量復(fù)雜的機器學(xué)習(xí)和運籌優(yōu)化等問題，包括ETA預(yù)測，智能調(diào)度、地圖優(yōu)化、動態(tài)定價、情景感知、智能運營等多個領(lǐng)域。過去三年來，美團配送AI團隊研發(fā)效果顯著，配送時長從一小時陸續(xù)縮短到30分鐘，并且還在不斷提升，我們也希望通過AI技術(shù)，幫大家吃得更好，生活更好。
END
你也許還想看
免責(zé)聲明：部分文章信息來源于網(wǎng)絡(luò)以及網(wǎng)友投稿，本站只負責(zé)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(nèi)容的真實性，如本站文章和轉(zhuǎn)稿涉及版權(quán)等問題，請作者在及時聯(lián)系本站，我們會盡快為您處理。
