饿了么方舟智能调度系统：优化物流配送

2023-06-28 理论教育版权反馈

【摘要】：饿了么“方舟”智能调度系统指挥300万骑手2018年初，比达咨询发布2017年度中国第三方餐饮外卖市场研究报告。到了外卖的平峰期，“方舟”则会在考虑效率的基础上，强调公平性。为每位骑手规划最优路径“方舟”智能调度系统通过分析餐厅历史出餐数据，骑手接单时，系统会优先指向出餐更快的餐厅，让骑手减少在餐厅等餐的时间。为达到上述效果，方舟系统的调度算法历经五次迭代。

企业信息系统是企业信息化的一个目标，让企业的计划、生产、销售等各个环节更加智能化，以提升企业效率，降低运营成本，供应链作为企业信息系统的重要组成部分，具有关键性的作用，物流管理作用也越来越突出。

物流是现代商品流通系统的重要组成部分，物流伴随着信息流的流动而流动，信息流又控制着物流的流动。在物流活动中，物流信息流动于各个环节之中，并起着神经中枢的作用。

物流信息是和物流活动相联系的，涵盖从微观的物流作业信息到宏观的物流系统决策信息之间的所有物流活动中了发生、流通的信息，包括物流基础设施信息、用户需求信息、物流供应商信息、物流市场信息、物流交易信息以及相关政策法规信息。

经过多年对物流管理技术的研究，以及国内外对物流管理的认识与发展，可以将物流配送定义为，配送是物流管理系统的核心环节，字面的意思是将货物从物流的源点送到客户的卸货点的过程。是“配”与“送”的有机结合，并且利用有效的分拣、配货等理货工作，使送货到达一定的规模，并取得较低的送货成本。一般来说，配送一定是根据客户的需求，对物品进行挑选、加工、包装、调度、组配等一系列的活动，并且将货物按时按量的送达到指定地点。

在餐饮行业服务升级，服务形式连接线上线下，将传统的到店消费模式改造成更加灵活便捷的到家消费模式，极大降低了用户的消费成本和商户的固定成本。外卖平台除了促进线上需求向线下转化，也包括达成订单的最后一公里任务——基于城市道路交通状况的物流配送。智能调度系统是外卖物流的最核心环节，依托海量历史订单数据、送餐员定位数据、精准的商户特征数据，针对骑手实时情景（任务量、配送距离、并单情况、评级），对订单进行智能匹配，实现自动化调度以及资源的全局最优配置，在保证系统效率的前提下，最大限度地提高用户体验。在外卖物流调度的真实场景中，用户点了餐就希望能按时送到，骑手上了路就希望每趟路线能多配送几单，商家接了餐就希望骑手快来取餐，平台则关心如何以最小的运力承接最大的配送压力，而且能扛住高峰时段突如其来的订单量。更加困难的是这些目标有时就是互相矛盾的，满足了一方，势必会影响另一方，调度订单是非常复杂的多目标动态规划的决策过程，影响订单分配的因素很多，从订单生成那一刻开始，调度系统就要考虑到订单的取餐地址、用户的配送地址、商圈内的骑士数量和状态、订单的预期送达时间。每一个订单并不是孤立存在的，要想得到全局最优的配送方案，还必须考虑到这一时段内其他订单的配送情况，尽可能做合并，提高整体的配送效率。如果再考虑到不同城市、商圈、天气、节假日、工作日和商圈骑士运力配置等情况，事情就变得更加复杂。

智能调度系统需要将以上所有因素都考虑在内，实时采集整个商圈里各方的动态数据，在短时间内做出在时间跨度和空间范围内的最优分配序列，让骑手轨迹无缝衔接起整个配送流程，让每个环节耗费的时间降到最低，让分摊到有限运力上的配送成本费用降到最低。智能调度利用深度学习模型对大量基础特征的组合训练能力，自动构造打分算法依赖的调度因素的组合或约束结构，形成多层反馈神经网络，找出最优的分配方案，让每个环节耗费的时间降到最低，让分摊到有限运力上的配送成本费用降到最低。

饿了么“方舟”智能调度系统指挥300万骑手

2018年初，比达咨询发布2017年度中国第三方餐饮外卖市场研究报告。报告显示，2017年度外卖市场交易规模达2046亿元，较去年增长23.1%，用户规模增长3亿人，较2016年增长15.4%。随着外卖市场规模的逐渐扩大，提高外卖平台物流运营效率，将每个订单分配给最合适的骑手，为每位骑手规划最佳路径，精确地将外卖送到每位顾客手上，这些都是亟须解决的问题。

智能调度系统“方舟”是饿了么外卖即时配送领域中最核心的环节，该系统替代了调度员大部分的工作，减少了人力介入的程度，实现了自动化、智能化派单。智能调度系统“方舟”两个核心的任务：把对的订单派给对的人和为每位骑手规划最优路径。

（1）把对的订单派给对的人

智能调度系统的核心目标是提高外卖平台物流运营效率，其中效率与公平是派单的两大支柱。“方舟”通过学习骑手的送餐数据，划定骑手等级，并阶梯化各级骑手目标单量，从而为每个骑手做出一张能力画像，将运单分配给最合适的骑手。

在外卖的午间与晚间高峰，“方舟”会以运单效率为第一准则，在高峰期优先对高等级骑手分派订单，以提升配送效率。到了外卖的平峰期，“方舟”则会在考虑效率的基础上，强调公平性。通过大数据分析做到骑手单量的均衡，确保同等级、同团队骑手所分配的运单量在一定时间跨度内大体相当。

除了在骑手订单数量上做到均衡以外，为避免骑手工作负荷不均，“方舟”还会对运单类别进行均衡，使长单与短单、易送单与难送单在各个骑手运单中的比例大致都一样。

（2）为每位骑手规划最优路径

“方舟”智能调度系统通过分析餐厅历史出餐数据，骑手接单时，系统会优先指向出餐更快的餐厅，让骑手减少在餐厅等餐的时间。数据显示，在智能调度系统的帮助下，饿了么每单配送时长已缩短至28.62min，准时率和用户好评率都高达99%。

当骑手遇到暴雨、下雪等极端天气时，由于天气与路况问题，骑手的行驶速度会变慢，这时候系统会分配给骑手更多的送餐时间，确保骑手不会因为担心送餐迟到而超速，降低骑手产生交通安全事故的概率。

除了时间和距离，并单率也是决定人效的重要因素，因此，“方舟”还会将同一街道、同一楼宇的邻近订单合并，给一名骑手统一配送，将骑手每一趟的价值最大化，业内叫“追单”。

为达到上述效果，方舟系统的调度算法历经五次迭代。

（1）第一版是逐单分配：当前时刻最优

在这一分配系统的算法里，主要考虑到运单剩余时长、骑手已有负载、骑手绕路距离、运单与骑手已有负载的夹角，抽象出来的问题模型是带时间窗的路径规划问题。但是由于配送员的行为可能不会按照系统给的最优配送路径，比如电动车没电或者配送员想走另外一条路，因此这种获取订单最优解的方案虽然有效，但满足不了业务需求。

（2）第二版升级到蓄水分单：蓄水时长内最优

在这个版本里，引入buffer的概念。基于个体的独特性会影响分配算法效率的考虑，抛弃掉个体概念，改从时间区间的维度来考虑问题，力求做到全局最优。但由于会出现运力饱和甚至是运力不足的情况，一旦碰到高峰期，配送速度还是不能让顾客满意。

（3）第三版升级到波次并单与多级调控

波次并单指的是在同一波次内尽可能并单，最大化同时并单数。多级调控是通过算法建立一个运单紧急度模型，分为紧急单分配、低相似运单分配等，保证最紧急的订单最快出单。但实际线下环境的复杂度远超想象，传统算法设计几乎已经无力再继续优化。

（4）第四版：机器学习分单

基于机器学习技术，他们建立了五个模型——运单相似度模型、骑手背单能力模型（通过机器学习评估人类员工能力的实例）、骑手路径规划模型、骑手行程时间预估模型、骑手楼内时间预估模型。虽然从理论上来看没有问题，但调度结果极其依赖算法模型。基于此，算法工程师观察配送员的配送行为之后对算法模型进行了大量优化。

（5）第五版：深层神经网络与多场景智能适配分单

在这一版本中，深度学习在系统里承担了几乎所有预测工作，包括不同骑手在送餐过程中的路径选择，以及未来30min的负载压力。此外，算法团队为调度划分了午高峰、平峰、爆单、大厦、小区等多个场景，系统会根据场景来适配模型。

饿了么方舟智能调度系统：优化物流配送

相关推荐