美团智能配送系统的运筹优化实战.pdfVIP

美团智能配送系统的运筹优化实战 深⼊各个产业已经成为互联⽹⽬前的主攻⽅向，线上和线下存在⼤量复杂的业务约束和多种多样的决策变量，为运筹优化技术提供了⽤武之 地。作为美团智能配送系统最核⼼的技术之⼀，运筹优化是如何在美团各种业务场景中进⾏落地的呢？本⽂根据美团配送技术团队资深算法 专家王圣尧在2019年ArchSummit全球架构师峰会北京站上的演讲内容整理⽽成。 美团智能配送系统架构 美团配送业务场景复杂，单量规模⼤。下图这组数字是2019年5⽉美团配送品牌发布时的数据。 更直观的规模数字，可能是美团每年给骑⼿⽀付的⼯资，⽬前已经达到⼏百亿这个量级。所以，在如此⼤规模的业务场景下，配送智能化就 变得⾮常重要，⽽智能配送的核⼼就是做资源的优化配置。 外卖配送是⼀个典型的O2O场景。既有线上的业务，也有线下的复杂运营。配送连接订单需求和运⼒供给。为了达到需求和供给的平衡， 不仅要在线下运营商家、运营骑⼿，还要在线上将这些需求和运⼒供给做合理的配置，其⽬的是提⾼整体的效率。只有将配送效率最⼤化， 才能带来良好的顾客体验，实现较低的配送成本。⽽做资源优化配置的过程，实际上是有分层的。根据我们的理解，可以分为三层： 1. 基础层是结构优化，它直接决定了配送系统效率的上限。这种基础结构的优化，周期⽐较长，频率⽐较低，包括配送⽹络规划、运⼒ 结构规划等等。 2. 中间层是市场调节，相对来说是中短期的，主要通过定价或者营销⼿段，使供需达到⼀个相对理想的平衡状态。 3. 再上层是实时匹配，通过调度做实时的资源最优匹配。 实时匹配的频率是最⾼的，决策的周期也最短。 根据智能配送的这三层体系，配送算法团队也针对性地进⾏了运作。如上图所⽰，右边三个⼦系统分别对应这三层体系，最底层是规划系 统，中间层是定价系统，最上层是调度系统。同样⾮常重要的还包括图中另外四个⼦系统，在配送过程中做精准的数据采集、感知、预估， 为优化决策提供准确的参数输⼊，包括机器学习系统、IoT 和感知系统、LBS系统，这都是配送系统中⾮常重要的环节，涉及⼤量复杂的机 器学习问题。 ⽽运筹优化则是调度系统、定价系统、规划系统的核⼼技术。接下来，我们分享⼏个典型的运筹优化案例。 实战业务项 ⽬ 智能 区域规划 为了帮助⼤家快速理解配送业务的基本背景，这⾥⾸先分享智能区域规划项 ⽬中经常遇到的问题及其解决⽅案。 配送连接的是商家、顾客、骑⼿三⽅，配送⽹络决定了这三⽅的连接关系。当⽤户打开App，查看哪些商家可以点餐，这由商家配送范围决 定。每个商家的配送范围不⼀样，看似是商家粒度的决策，但实际上直接影响每个C端⽤户得到的商流供给，这本⾝也是⼀个资源分配或者 资源抢夺问题。商家配送范围智能化也是⼀个组合优化问题，但是我们这⾥讲的是商家和骑⼿的连接关系。 ⽤户在美团点外卖，为他服务的骑⼿是谁呢？⼜是怎么确定的呢？这些是由配送区域边界来决定的。配送区域边界指的是⼀些商家集合所对 应的范围。为什么要划分区域边界呢？从优化的⾓度来讲，对于⼀个确定问题来说，约束条件越少，⽬标函数值更优的可能性就越⼤。做优 化的同学肯定都不喜欢约束条件，但是配送区域边界实际上就是给配送系统强加的约束。 在传统物流中，影响末端配送效率最关键的点，是配送员对他所负责区域的熟悉程度。这也是为什么在传统物流领域，配送站或配送员，都 会固定负责某⼏个⼩区的原因之⼀。因为越熟悉，配送效率就会越⾼。 即时配送场景也类似，每个骑⼿需要尽量固定地去熟悉⼀⽚商家或者配送区域。同时，对于管理⽽⾔，站点的管理范围也⽐较明确。另外， 如果有新商家上线，也很容易确定由哪个配送站来提供服务。所以，这个问题有很多运营管理的诉求在其中。 当然，区域规划项⽬的发起，存在很多问题需要解决。主要包括以下三种情况： 1. 配送区域⾥的商家不聚合。这是⼀个典型站点，商家主 要集中在左下⾓和右上⾓，造成骑⼿在区域⾥取餐、送餐时执⾏任务的地理位置⾮常分散，需要不停往返两个商圈，⽆效跑动⾮常多。 2. 区域奇形怪状，空驶严重。之前在门店上线外卖平台的发展过程中，很多地⽅原本没有商家，后来上线的商家多了，就单独作为⼀个配送区 域。这样的区域形状可能就会不规则，导致骑⼿很多时候在区域外跑。 ⽽商家和骑⼿都有绑定关系，骑⼿只能服务 ⾃⼰区域内的商家，因 此骑⼿⽆法接到配送区域外的取餐任务，空驶率⾮常⾼。很多时候骑⼿送完餐之后，只能空跑回来才可能接到新任务。 3. 站点的⼤⼩不合 理。图三这个站点，每天的单量只有⼀⼆百单。如果从骑⼿平均单量的⾓度去配置骑⼿的话，只能配置3~4个骑⼿。如果某⼀两个⼈突然有 事要请假，可想⽽知，站点的配送体验⼀定