基于外卖物流配送大数据的调度系统.PDFVIP

104 BIG DATA RESEARCH 大数据 基于外卖物流配送 大数据的调度系统 Scheduling system based on takeaway logistics big data 蒋凡（1979-），男，百度外卖研发中心技术委员会主席、主任架构师，中国计算机协会专业会员， 主要研究方向为物流调度、推荐系统、数据挖掘。 徐明泉（1988-），男，百度外卖研发中心架构师，主要研究方向为物流调度、数据挖掘。 崔代锐（1985-），男，百度外卖研发中心技术总监，主要研究方向为商业智能、大数据分析。 中图分类号：TP399 文献标识码：A doi: 10.11959/j.issn.2096-0271.2017013 2016016-1042017013-1 TREND 动态 105 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。 1 引言 实践证明，在智能物流调度系统实施 之前，物流订单需要由调度员手工分配，每 餐 饮O2O行业 连接线上 线下的订餐 个骑士每天最多配送10单，每单配送时长 需求，将传统的到店消费模式改造成更加 超过1 h。实施之后，百度物流调度每天所 灵活便捷的到家消费模式，极大降低了用 有订单都由算法自动选择最优化的方案调 户的消费成本和商户的固定成本。外卖平 配，每个骑士的配送效率翻倍、收入翻数 台除了促进线上需求向线下转化，也包括 倍，每单配送时长节省50%以上，覆盖全国 达 成订单的最 后一公里任务 ——基于城 100多个城市。 市道路交通状况的物流配送 [1] 。高效的物 流配 送能力是决定外卖平台商业模式 成 败的关键，也是O2O经济区别于传统经济 2 物流调度的云端计算模式 的根本，即运用城市交通大数据相关的云 计算、深度学习和可视化技术提升行业效 影响订单分配的因素很多，从订单生 [2] 成那一刻开始，调度系统就要考虑到订单 率，创造并满足新的民生需求 。 因此，智能调度系统是外卖物流的最 的取餐地址、用户的配送地址、商圈内的 核心环节，依托海量历史订单数据、骑士 骑士数量和状态、订单的预期送达时间。 （送餐员）定位数据、精准的商户特征数 每一个订单并不是孤立存在的，要想得到 据，针对骑士实时情 景（任务量、配 送距 全局最优的配送方案，还必须考虑到这一 离、并单情况、评级），对订单进行智能匹 时段内其他订单的配送情况，尽可能做合 配，实现自动化调度以及资源的全局最优 并，提高整体的配送效率。如果再考虑到 配置，在保证系统效率的前提下，最大限 不同城市、商圈、天气、节假日、工作日和 度地提高用户体验。 商圈骑士运力配置等情况，事情就变得更 然而在外卖物流调度的真实场景中， 加复杂。 用户点了餐就希望能按时送到，骑士上了 这是一个极其复杂的多目标动态优化 路就希望每趟路线能多配送几单，商家接 问题[3] ，可以表示为：