1月11日，饿了么对外透露正和阿里云合作，研发人工智能调度外卖引擎。

饿了么作为国内最大的在线外卖和即时配送平台，每天配送订单超过300万。巨大的数据量催生了全球最大实时调度系统的诞生。

而人工叫单存在巨大痛点，骑手们看到哪个单就派哪个单，全靠经验，送单不及时时有发生。 目前，阿里云同饿了么合作研发出ET新的调度引擎，正全面推行到外卖送餐领域，利用人工智能调度180万骑手。

阿里云人工智能团队科学家闵万里 很看好这样的调度引擎在未来的应用。在此之前，人工智能调度工作也有其他领域的应用：

在广州白云机场，天池选手为ET开发算法用于调度1000多架飞机。ET可以将近机位乘客的比例从77%提高到94%，减少乘客再坐摆渡车的烦恼，临时机位的使用率减半，跑道冲突率从42%减少到5%。

同样在广州，ET通过观察路面车辆对红绿灯进行调度。在南华中路-宝岗大道9时~13时和15时~20时的平均拥堵指数分别下降了25.75%和11.83%。

车货匹配公司运满满正将ET应用到了货车调度领域。ET可对货物和车辆进行评估、车辆评估，进行智能化的匹配和推荐。货车司机按照ET的建议，可以接更多顺风单、接力单。 阿里云同快的打车的合作应该是国内首次将人工智能应用到调度领域。当时抢单时长最高降低了21.11%，成交率提升了7.87%。

1、难点

设计一个满足即时配送业务需求的智能调度引擎必须接受的挑战：

（1）智能调度引擎需算的全：

多维度因素综合考虑，例如骑手维度、餐厅维度、送餐地维度、配送区域维度、天气维度等;

（2）智 能调度引擎需算的快：

快速决策(及时派单或压单决策)，避免高峰期“爆单"、同时需要在几百毫秒之内计算出最优配送路线并推送到骑手APP端;

（3）智能调度引擎需算的准：

对餐厅属性(餐厅出餐时间、餐厅订单量预估)、骑手属性(骑手配送能力、骑手抗压能力)、送餐地属性(热门商圈，是否需要长时间等电梯)等关键因素需“了若指掌”。

2、如何实现

（1）餐厅出餐时间预估

餐厅出餐时间预估预测的结果是一个连续的数值，例如：1132.0秒，该时间表示从餐厅确认接到用户的订单(派单员报单或者系统直接推单)到餐厅准备好餐品的时间。

为了将餐厅出餐时间预估的准确性做的尽可能高，项目组同饿了么业务人员、运营人员、调度员、骑手多次沟通，设计大量特征，并尝试多种模型(最终选择Adaboost)，模型预测的出餐时间误差在5分钟之内。

（2）骑手送餐地等待时间预估

骑手送餐地(POI)等待时间是指从骑手进入送餐地范围到骑手确认送餐成功后的时间间隔，送餐地可能涵盖商圈、写字楼、学校等，不同的送餐地骑手需要等待的时间不同。

例如，有些60多层的写字楼，骑手等待电梯的时间可能要高达10分钟之上，系统需要根据历史数据，准确预测每一个送餐地骑手需等待的时间，才能给做骑手最优的路线规划，并保障已背订单不超时。

（3）智能调度引擎

智能调度引擎需要具备新单聚包、新包分配及骑手路径规划等功能，其中：

新单聚包是指针对源源不断的订单流，将相似订单(时空相似)打包作为一次派发的工作包，项目组设计一种类似于层次聚类的算法，可以有效的将相似订单在线挖掘并打包。

新包分配及骑手路径规划是一个复杂的带时间窗口、取送顺序约束的TSP问题，项目组定义合适的成本函数(多种成本函数，业务方可以根据需要调控)，设计精确求解和近似求解算法，尝试计算新包分配给骑手前后，骑手新增的成本，选择合适的骑手进行派包并给出最优的路线规划。