人工智能护航 百度外卖四大系统精准预估出餐时间

 　　近日，艾瑞咨询发布《2016年中国外卖O2O行业发展报告》，报告显示百度外卖在TOP40城市处于领先，经过两年多的发展，百度外卖已覆盖全国140多个大中城市，平台注册用户量达到4000多万。百度外卖承诺业界最严格的超时赔付规则。快速送达，这是外卖O2O的第一要务，物流必须包括在用户体验里。然而餐饮的物流配送远比普通快递服务流程要复杂，如何在用户期望的时间内具有强烈时效性地把外卖送到用户手中?

　　为什么要预估商户出餐时间

　　O2O平台存在抢单和派单两种方式，在美团外卖、饿了么和百度外卖这三家里，百度外卖最先采用全派单系统。抢和派本身并没有什么对错关系，但派单是为了消除人的差异化，以更科学更智能的方式去运营。从一个系统的角度来讲，肯定存在一个当前状况系统认为的最优解，在这种情况下，通过派单可以根据系统状态寻求最优解，以最大限度地提高效率。正是因为派单机制，所以更多的时候，百度外卖的系统需要考虑商户的出餐时间。

　　预估用户的出餐时间到底有什么好处呢?在百度外卖现行的调度策略V3.0中，我们可以通过分析骑士当时所有的状况，包括他当前接了多少单，每个骑士还有多长时间能到店，商户要多长时间可以出餐，都准确的预估出来，然后在一个合理的时间内，将订单分配给一个全局最优的骑士。

　　通过派单机制，当骑士到店取餐时，餐正好出来，不必等待就可以立即送餐，并且送完之后，平台会再给他派下一组单。每一组单系统都会充分的考虑用户期望的送达时间，并且力求准时送达，这样骑士并不需要过多的去思考或者抢单，只需根据系统执行即可。如此周而复始，像流水线一样，把整个过程用线性去推动，这样不论是对骑士还是平台商户来说都是效率最高的，商户和用户的体验也会更好。

　　如何有效获取商户真实出餐

　　商户的出餐时间对整个系统的运营至关重要，那么百度外卖是如何去获取这个真实的出餐时间呢?工欲善其事，必先利其器。为此百度外卖建立了智能物流系统。智能物流系统实际上就是百度外卖的调度系统，由于需要综合考虑商户、用户和送餐员等多重因素，相比于打车平台的调度系统还要复杂若干倍。

　　送外卖不同于送人一对一的服务，如果每个骑士都是一单一单去送，效率会很低，对平台而言成本也会很高。因此外卖都是一组单一组单去送。于是就多了一个将订单分组的环节。百度外卖不仅要分组打包，而且要有策略地进行时间分析，以追求效益最大化，这就是百度外卖的智能物流系统，目前已经申请30项专利。这套物流系统主要分为四个部分，第一部分是自动化调度系统。首先考虑怎么去优化分组，这是寻求一个最优的解决分组，分组以后，要考虑当时商圈压力的情况，去权衡到底是更面向效率，还是更面向体验。

　　此外，智能物流系统还包括三个辅助系统，即仿真系统，时光机和寻宝系统。通过对历史数据的仿真，对上线做策略优化。时光机就是利用记录数据，去追踪骑士的每一个结点，每一个轨迹，每一个操作，帮助做分析判断。而寻宝系统则是通过大数据去挖掘百度外卖的价值点，从而可以更精细化地去运营，能够更好地控制成本，把用户体验做的更好。

　　除了智能调度系统作为保障之外，还有平台的后台管理。通过监控骑士的配送质量，保证标准化的服务。百度外卖用小度骑士等工具，对骑士进行流程化的违规考核和管理。希望将每一个结点都准确及时地反映到系统上，保证面向用户的时候是及时准确的，这是第一点;第二点是平台的整个流程时间都是准确的，这样有利于对骑士的调度和实施。

　　如何更准确预估商户出餐时间

　　根据平台积累的海量历史数据记录，能够分析出餐时间的具体分布。这是最初级的粗略预估，但是随着数据积累越来越多，分布图可以做得越来越细腻，做出分时段更细粒度具体分析。

　　进无止境，技术本身是不存在止境和巅峰的。为了更准确的预估出餐时间，将来百度外卖会用更多维度因子考虑进行机器学习拟合曲线寻找规律。并且会将更多的维度例如送餐时间，送餐距离，商户的出餐时间等都放在一起，通过百度独有的深度学习实验室，整合我们自身的数据资源，确定更多的模型，通过机器学习寻找规律。

　　目前百度外卖出餐时间预估差值是7分钟，从外卖平台的角度来说，百度外卖将来给用户的送餐一定是一个合理的稳定预期，同期的情况下，百度外卖送的会越来越快，越来越准时，还能送的越来越远。