澎湃新闻记者张唯
日前，《人物》杂志一篇有关外卖骑手工作状况的报导引起广泛关注，展示了在不断加速的算法控制下，外卖骑手怎么被迫与时间赛跑。
外卖智能配送系统背后的逻辑是哪些？是算法促使外卖骑手们顶着超速风险高速疾驰吗？算法世界与人类的关系又是怎样？
为了解答这种问题，澎湃新闻（）记者专访了人工智能决策公司杉数科技联合创始人、香港英文学院（北京）数据科学大学副院长王子卓，物界科技CTO、前中通人工智能首席科学家刘志欣和一位外卖配送平台的前核心技术人员。
1.智能配送系统主要涉及什么技术？怎样实现订单的派发，联系店家、配送员和消费者？
杉数科技联合创始人王子卓：
主要涉及机器学习和运筹优化两大技术。机器学习算法用于预测每一个订单的配送时间、路程以及超时后消费者的可能反应；优化算法则在订单接入以后大学配送系统，按照平均时间快、骑手配送距离短等目标，给出优化的分配方案。
物界科技CTO刘志欣：
智能配送任务包括了对时间和空间的预测、分单和路径规划等要素，主要涉及到统计学、机器学习、运筹优化等问题。外卖订单有显著的峰谷和一定的随机性，主要表现在下单时间随机、商家与消费者的空间位置随机。它的另一个特征是时效要求特别快，须要动态调度，让外卖小哥尽可能多的接单，高效地完成配送工作。
外卖配送平台前核心技术人员：
智能配送系统主要涉及深度学习、大数据、机器学习和时长预估技术。智能调度系统的核心目标是提升外卖平台货运营运效率，其中效率与公正是派单的两大支柱。智能调度系统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，进而为每位骑手作出一张能力画像，将运单分配给最合适的骑手。
在外卖的晚间与早间高峰，系统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，以提高配送效率。数据显示，系统每秒处理订单的峰值可以达到80单。到了外卖的平峰期，系统则会在考虑效率的基础上，指出公正性。通过大数据剖析，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径内大体相当。
不仅在骑手订单数目上做到均衡以外，为防止骑手工作负荷不均，系统就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列大致都一样。
2.智能配送系统在工作中一般遵守什么原则？优先级怎样？这种原则是怎样决定的？
物界科技CTO刘志欣：
这是依据具体的问题来制订的。例如希望人均效能高，或则服务好，又或是成本最低。可能有一些诱因作为模型的约束项，也有可能是一个多目标优化的问题。这种原则或则任务目标都可依照不同的场景、不同的问题来建模和优化。
作为拟定者可以在建模过程中彰显出一些进一步的考虑，以服务时效为例，是否可以在时效要求中加一些弹性余量？或则调整一些权重或参数？那些从技术上来说，都是有一定的空间去实现的。
杉数科技联合创始人王子卓：
对于快件公司而言，时效的满足率是最看重的指标，甚至优先于成本和收益。在这些情况下，决策方案提供商在设计派单方案时，会首先保证时效性，在此基础上帮助减少成本、增加收入。但也有公司会考虑到其他诱因，比如追求利润、利润和顾客满意度等目标。在与嘀嘀合作时发觉，司机的满意度也很重要。
外卖配送平台前核心技术人员：
原则是全局效率最优。效率意味着配送时长、成本之间的权衡。这个权衡和营运的阶段有关。在新的区域通常倾向于保证服务质量，对于成熟的区域，在做到服务质量的前提增长本。
对于智能调度有一个很核心的诱因是ETA（Timeof，预计送达时间），也就是从A地点到B地点的时间。这个时间的来源有导航，有骑手历史的联通轨迹的数据。通过逐年不断的数据积累，算法可以学习到骑手在这两点联通须要消耗的时间。这个时间可能是用违规来达成的，并且系统不感知，会觉得这个指标可达成。
3.配送系统怎样优化配送时间？为何外卖骑手感受到预计送达时间逐年减短？这背后的优化逻辑是哪些？
杉数科技联合创始人王子卓：
智能调度系统会进行动态学习，比如完成三天工作以后，系统总结出订单的实际用时、最后满足率、客户取消或则投诉数等。那些数据会继续反馈给系统，用于更新参数，未来的优化就可以愈发确切。
假如骑手的配送时间变快，系统会判定这段路程的所需时间可以减短。在未来派单时，系统可能会调整预计送达时间。但这取决于派单中优化目标，假如一味地以时间最短为目标，就可能出现文章里说的一些情况（订单单均配送时长越来越短）。
物界科技CTO刘志欣：
每家公司的实现方式都不一样，我也无从了解其他公司都是如何去实现这件事情的。
关于配送时间的预估，一种方式是，把外卖小哥的工作数据搜集上去，结合GIS信息，重新复盘，从中去抽取特点、统计或则学习模型须要的参数，之后再不断地迭代。
然而这个方式它背后会不会带来一些问题，非常是这种方式模型不可防止须要依赖真实世界中采集的数据，这种数据的真实有效性值得思索，例如系统发觉有些任务完成得比较快，因而调整参数希望更多的任务根据这样的效率来完成，而且一开始的时侯完成的比较快的任务实际是有误差的，甚至是由于逆行等行为形成的，这样是否对模型带来一些欺骗。数据是算法的基础，数据的真实有效性十分重要，我们值得花很大的工夫来增强数据采集的质量。算法并不是故意要反人性的。
外卖配送平台前核心技术人员：
主要是通过机器学习，记录派单效率高的模型大学配送系统，生成新的算法，算法不断迭代优化派送逻辑。智能调度系统通过剖析饭店历史出餐数据，骑手接单时，系统会优先指向出餐更快的饭店，让骑手降低在饭店等餐的时间。
4.算法世界与人的关系怎么？在算法设计中，怎样考虑人的诱因？
物界科技CTO刘志欣：
算法是在数字世界上面建模，并且真实化学世界和数字世界是有鸿沟的，有好多不可控变量。尽量降低真实世界和数字世界的鸿沟是一
项很重要的工作，包括数字双胞技术和体系，也包括技术人员和管理团队步入一线操作来体验现实的真正场景。
智能调度还是须要的，由于它还能提高行业的效能，对整个社会是有帮助。据悉，须要在智能调度系统中更多地考虑人的诱因。一方面可以调节参数和权重，给人留下余量的空间。另一方面，可以把人针对环境的行为作为模型的诱因之一，结合大量的规划和仿真，找到更好的模型抒发形式。对于一些不可控诱因或则突发诱因，须要结合仿真来看后果。
杉数科技CTO王子卓：
算法只是一种工具，决策者希望通过算法达到一个目标，而工程师负责找到满足目标的最佳方案。这个目标好多时侯并不是做算法的人来定的，更多是由业务部门或则企业管理层拟定的。
免责声明：部分文章信息来源于网络以及网友投稿，本站只负责对文章进行整理、排版、编辑，出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性，如本站文章和转稿涉及版权等问题，请作者在及时联系本站，我们会尽快为您处理。
