站長資訊網(wǎng)在外賣行業(yè)補貼熱度逐漸降溫的趨勢下，由機器算法決定的外賣配送效率成為各家平臺比拼的另一重要維度，人工智能已進入此前并沒有多少技術(shù)色彩的外賣領(lǐng)域。
近日，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，餓了么后臺配送系統(tǒng)納入阿里云的算法模型。美團外賣后臺的智能配送系統(tǒng)，以及這兩年在人工智能領(lǐng)域重點布局的百度均在利用機器學習與大數(shù)據(jù)指揮海量訂單的配送。三家外賣平臺已在后臺開啟一輪技術(shù)暗斗。
“您的訂單將在XX點XX分(或35分鐘后)送到”用戶下單后顯示在手機頁面上的配送時間，背后就是智能調(diào)度在起作用。對于即時性消費的餐飲外賣，時間是用戶的剛需，如果普遍能比其他外賣平臺更快吃上訂單外賣，無疑在建立用戶黏性上發(fā)揮價值。餐飲外賣市場補貼的起伏已經(jīng)證實，單純靠補貼拉動的流量并沒有忠誠度。
百度公司董事長兼CEO李彥宏針對外賣行業(yè)稱，“外賣從本質(zhì)上講是物流的問題，一個外賣騎士一天要送多少單，第一單送給誰，第二單送給誰?怎樣能夠保證配送的時間是最佳的、最準時的?路徑是怎樣規(guī)劃的?其實，這是一個人工智能、機器學習的問題。”
餓了么對外宣稱其每天配送訂單超過300萬，每天中午和晚上的高峰時段對外賣調(diào)度員而言都是巨大挑戰(zhàn)。以餓了么上海商城路配送站為例，一個調(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。這種反應(yīng)間隔已經(jīng)不適合人類去做這份工作，但人工智能可以發(fā)揮它的優(yōu)勢。
外賣是供需問題，以效率作為考量標準，在供需與效率之間需要智能調(diào)度去連接。機器調(diào)度背后是對大量不確定情況下產(chǎn)生的大數(shù)據(jù)的反復(fù)學習，以總結(jié)出其中的動態(tài)規(guī)律。具體而言，阿里云ET會將配送站的新增訂單插入到每個騎手已有的任務(wù)中，重新規(guī)劃一輪最短配送路徑，對比哪個騎手新增時間最短。為了能夠準確預(yù)估新增時間，ET需要知道全國100萬家餐廳的出餐速度、超過180萬騎手各自的騎行速度、每個顧客下樓取餐的時間。
一般，餐廳出餐等待時間占到了整個送餐時間的三分之一。ET要想提高騎手效率，必須準確預(yù)估出餐時間以減少騎手等待，但又不能讓餐等人。要想計算騎手的送餐路程時間，ET還需要知道每個騎手在不同區(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都需要計算在內(nèi)。
對不同種類的外賣進行區(qū)別對待，如果顧客點了火鍋外賣。后臺機器可自動識別其為大單，將鎖定某一個騎手專門完成配送，而不在過程中增派其他訂單任務(wù)。而對于雨雪、霧霾等天下，一方面外賣訂單會增加，另一方面路況更容易出現(xiàn)擁堵，對應(yīng)的餐廳出餐速度和騎手騎行速度都將受到影響，這也要機器算法去反復(fù)學習。
阿里云人工智能科學家閔萬里對第一財經(jīng)記者說，與下圍棋的人工智能相比，外賣領(lǐng)域的人工智能有其特殊性，不確定性更大。比如，外賣用戶一般都想在30分鐘內(nèi)盡可能吃上飯，但有時他提供的是一個模糊地址，對于耗時制作的菜，其餐館的繁忙程度不可控，天氣和路況會明顯影響配送速度等。這些不確定性是調(diào)度的最難點，也給算法增加了難度。
也正是這種不確定性給各家外賣平臺的技術(shù)賽跑提供了一條長賽道。在餓了么創(chuàng)始人張旭豪看來，O2O平臺的流量紅利期已經(jīng)過去，單純再靠流量去賺錢很難支撐整個商業(yè)模式的長期發(fā)展，接下去要靠技術(shù)創(chuàng)新來驅(qū)動。
特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關(guān)內(nèi)容。本站不承擔此類作品侵權(quán)行為的直接責任及連帶責任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。
