市场火热背后 窥探百度外卖背后的技术门道儿

 　　有人说送外卖是个体力活，没有什么技术含量，放在一千年前可能的确是这样，公元1101年北宋画家张择端创作的《清明上河图》画面下方正中左手举着两只碗，右手擎着一个大筐的，就被普遍认为是一位外卖小哥。但是在今天，当订单量急剧扩大，需要同时处理成百上千个订单，单纯依靠人力一对一送餐已经不能满足需求。那么，对于外卖平台来说，在平台运营、订单派送的过程中需要应用哪些技术，才能保障优质的服务体验?

　　我知道你想吃什么：人工智能个性化匹配

　　以百度外卖为例，为了给用户提供优质的服务体验，百度已经将人工智能、深度学习等尖端技术应用在外卖业务中，通过对人工智能、深度学习等尖端技术的应用，百度外卖可以根据用户特征、下单时间、下单地点等信息，推算出用户喜欢的口味，从而将用户喜欢的菜品展现在浏览页面的最前端，实现用户与商户之间的个性化匹配。

　　以用户小明为例，因为工作节奏快，午饭基本是通过外卖来解决，而习惯了吃红烧肉盖饭后，小明现在每天中午打开百度外卖APP时，排在页面前端的都是红烧肉外卖。换句话说就是借助人工智能技术，百度外卖可以在恰当的时间、恰当的地点，推荐最恰当的外卖产品和餐厅给用户，从而减少用户时间成本投入，增加效率。

　　之所以可以实现个性化匹配，是因为百度外卖拥有强大的智能分析能力。每天百万级订单，累积了千万级用户，后台海量的高品质商户和风味档次各异的菜品，为推荐系统算法的优化提供了强有力的数据支撑，可以精准刻画出每笔订单的价位层次、口味偏好和消费场景;同时，百度外卖还网罗了各式餐厅的优质菜单，推导出背后的菜系、营养、口味标签，甚至热量消耗卡路里;进而掌握国民体质分布、起居规律和饮食习惯，订制适合现代都市生活品质的贴心食谱，倡导健康时尚的生活方式。

　　标准化的菜品分类与标签，层次化的细分人群，地域化的饮食习惯，更是为社会化标签体系的运用提供了丰富的想象空间。无论用户在何时何地何种场景，百度外卖总能从海量订单中找出不同的口味和身份，推断出个性化需求，给出贴切的理由，让用户选的省心，吃的明白。

　　人工智能深度学习 帮骑士预知未来

　　目前，外卖行业主要分为抢单和派单两种模式，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，需要考虑商户的出餐时间。对于外卖骑士来说，自己几分钟能够赶到餐厅取餐是一个基本确定值，多长时间能够送到用户家中也可估算，可是“餐厅多长时间能把餐做出来”这件事，在相当长的时间里却成为困扰骑士的一大难题。

　　在百度外卖，通过对人工智能、深度学习等技术的应用，已经可以为骑士准确预估餐厅时间。每当百度外卖智能调度系统给骑士的手机发出提示，有用户订餐，系统同时还会告诉骑士，这份餐还需要多久可以做好，甚至系统会直接在此基础上为其规划路线。比如出餐时间较慢，则会规划骑士先去送更快的一单;如果出餐时间较快，则可以做到骑士到达餐厅后很快就能取餐出发。

　　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，整合百度外卖自身的数据资源，确定更多的模型，通过机器学习寻找规律。

　　外卖骑士：我有一台时光机

　　说起时光机，你首先会想到什么?是威尔斯《时光机器》里能够进行时光旅行的机器，还是动画片《哆啦A梦》里可以跨越时空、任意穿梭于过去和未来的一种时光机器。而今天，百度外卖也有了一台属于自己的“时光机”，可以将骑士的配送路线记录下来，就像穿梭到骑士配送现场一样，画面感十足。

　　从餐厅取餐到将餐品送到用户手中，这中间往往有好几条配送路线可供选择，对于百度外卖骑士赵强来说，他不用自己去判断走哪一条路线会更近一些，因为百度外卖的智能物流调度系统根据大数据计算，已经为他选择了最佳的配送路线。“调度系统会清晰的规划出AB点之间的配送路线，不过有时我也会想，系统选择的路线究竟是不是最优的。”赵强说。

　　“时光机系统”技术的引入让赵强的疑虑得以消除，借助这套系统，百度外卖可以通过图表和可视化的方式回溯派单数据，让骑士思考自己走过的路是否合理，如果骑士认为有更合适的送餐路径，可以反馈给系统。

　　为确认骑士反馈是否更为合理有效，百度外卖研发出了一套技术含量非常高的仿真系统，可以对骑士白天的配送路线进行复盘，在此基础上不断调整算法，模拟当时的交通情况，在虚拟空间内重新跑一遍订单，这个机制保证了调度系统是动态的，且时刻保持最优。

　　骑士的指路明灯：大数据运力分配

　　如果说“时光机”还只是通过系统复盘对配送路线进行优化，那么基于深度学习技术的海量训练，百度外卖形成的大数据运力分配系统则为外卖骑士提供了指路明灯——给最合适的骑士分配最恰当的订单，并且指引骑士按照最优的路线完成配送任务。

　　具体来看，当有新的订单产生时，系统会获取同一配送范围内的订单路线，并对配送线路中相似度较高的订单进行拼单，集中派发给距离较近的某个骑士。以赵强所在的五道口商圈为例，因为利用了拼单技术，赵强平均每天要比之前多配送七八单。

　　订单量增多本是好事，可以带来更高收入，然而偶尔赵强也会面临幸福的烦恼，由于送餐箱的面积有限，订单量过多反而会影响配送速度。而百度外卖的大数据运力分配系统可以很好解决这一问题，每个骑士当前所派送的订单数目会在后台可视化屏幕上进行标记，如果某个骑士的订单量已经满负荷，则会人工干预安排给附近的另一个骑士，从而保证配送速度，让每一个订单能够以最快的速度送到用户手中。

　　在百度外卖，订单的分配以及配送路线的规划并不由外卖骑士自己决定，而是来自智能物流调度系统的推算。通过对定位数据、路况数据、餐厅出餐速度数据、骑士个人特征数据、路线规划数据进行大量计算分析，智能调度这个大脑可以时刻思考，判断并做出决策。