探寻美团“超脑”配送系统的前世今生
以美团为例，美团配送虽然是目前全球最大的即时配送网络，但其配送系统依旧需要面对落地实践过程中的各种挑战：骑手怎样做到对所在环境与场景的实时感知？配送系统如何准确理解与最优决策？物理世界数字化和智能化该怎样去做等等。
为了解美团配送系统 AI 技术落地过程中的各种经验以及遇到的各种挑战，InfoQ 采访了美团点评算法通道主席、美团配送 AI 方向负责人何仁清老师。另外，何仁清老师还将会在今年 11 月 21 日举行的 AICon 全球人工智能与机器学习技术大会（北京站）2019 上分享相关话题，欢迎关注。
更多优质内容请关注微信公众号“AI 前线”（ID：ai-front）
InfoQ：请您简单地介绍一下自己，包括工作经历，以及目前在美团负责哪些工作。
何仁清： 我是何仁清，2006 年哈尔滨工业大学计算机硕士毕业，曾经的研究方向是互联网信息安全，按理来说更偏向工程，但却因为机缘巧合，毕业后进入到了百度 NLP 团队，从零开始做起了算法。
在 2009 年的时候，百度商务搜索部正好组建搜索广告团队，然后就转岗到了“百度凤巢”，在凤巢时，我一直从事 NLP 的相关工作，主要包括：广告搜索、Query 理解和改写等，一路随业务和团队一起成长，时任 T9 架构师。
2016 年初，我加入到了美团点评，现在主要负责美团配送的算法策略，智能配送系统建设，以及对配送的体验、效率、成本等方面的持续优化。
InfoQ：您最初加入美团的时候，当时美团 AI 技术的情况是什么样的？
何仁清： 说来也是巧合，在 2016 年 3 月我加入美团后的没几天，AlphaGo 就 4：1 战胜了世界围棋冠军李世石，然后 AI 热潮席卷世界，AI 时代大幕就此拉开。当时，美团的配送算法团队刚刚成立不久，团队也只有一个项目——“智能调度”。“智能调度”也可以被称作系统派单，它的作用是替代线下几千个站长的人工派单工作，并且做到派单效果达到站长人工派单的中上游水平。
因为当时的技术还比较初级，“智能调度”也处在证明自己价值的阶段，所以被骑手和管理者 DISS 各种策略不合理就是家常便饭，好在团队的进步很快，通过不断的技术迭代和算法升级，到 16 年底的时候，智能调度系统在专送业务方面已完成全量推广，而且在当时，这个项目还获得了美团点评公司级别的突破大奖。
InfoQ：“美团超脑”配送系统或许可以称作整个美团配送技术的核心，那么您能否简单介绍一下“美团超脑”配送系统相关的 AI 技术体系呢？
何仁清： 配送系统最核心的业务目标是体验、成本和效率，其中效率最为重要。如果效率不变，体验和成本一般成正比关系，体验上升，成本也随之上升，这种情况下合理的均衡点是非常重要的；反之，如果效率提升，却同时做到了体验的提升和成本的下降。所以也可以这样说：效率在一定程度上决定了业务能力的上界。配送是一个链路很长、参与方很多、场景复杂的业务，只做一两个点的智能化是远远不够的，智能化覆盖程度对提升整体效率非常关键，就像木桶理论说的那样，最短的板决定了能装多少水。
目前，美团的配送 AI 技术体系建设已相对完整，横跨时空大数据、运筹优化、机器学习三大学科，涉及预估、地图、定价、规划、调度、IoT 等多个领域，而且还能提供各种平台能力，以及行业解决方案能力。
最近一年期间，“美图超脑”配送系统最新的技术突破有三个：
第一个是物理世界的数字化，建立数字世界的“四维时空”，主要是围绕时空大数据的数据采集、数据查询、数据挖掘、数据可视化等方面。第二个是物理世界与数字世界的连接，对物理世界发生的事件和过程，进行实时感知和理解，并将其映射到数字世界。第三个是第五代智能调度系统——全域柔性调度。这个属于自动化专业概念，后面会详细介绍。
前两个就是本次 AICon 大会将要分享的主题：刻画物理世界的 AI 技术。它主要是基于骑行轨迹、WIFI+ 蓝牙、传感器等多维度数据，经过感知、识别和理解过程，将物理世界数字化。它会建立数字的“四维时空”，包括三维空间：点（POI）、线（路线）、面（AOI）、高（上下楼），还有一维时间用来反应不同时间的变化。
大家可能会好奇，直接使用现有的 BAT 地图服务是否足够？从美团配送的实践来看，答案是否定的。举例来说，首先是精细度，骑手经常遇到的问题是，大黑天要去一个不熟悉的小区，找到 13 号楼 5 单元在什么地方，走哪个大门最近，当地图上找不到或者是给出一条错误的路线时，就要到处找人打听，这对效率产生了极大的影响。其次是维度，比如登上 20 层写字楼需要多长时间、不同时段差别有多大，通过了解这些，可以使订单分配时留下合理余量，既不会让骑手感觉到时间紧张，也不会让用户焦虑等待。
InfoQ：从顾客下单时的门店推荐，到骑手接单后的配送过程，以及最后订单完成时费用的抵扣，这一整个美团外卖订单完成的过程，是如何使用相应 AI 技术的？
何仁清： 外卖是一个比较复杂的业务，是一个顾客、商家、骑手三方市场（three-sided marketplace），同时涉及交易和履约两大部分，这里从顾客和骑手两个视角，做一下说明。
从用户视角看。
找商家选菜品：主要是搜索、排序和推荐等技术，这些经典问题大家很熟悉。
下单并支付：需要使用 ETA（预估送达时间）、配送费定价等相关技术。
等待配送完成：估计你也喜欢下完单后刷一刷页面，看看骑手到哪里，还有几分钟能送达，但实际很多地方的 GPS 信号非常差，比如在室内环境，这个时候就需要 AIoT 相关技术，解决室内定位问题。
从骑手视角看，问题更复杂。
单子顺不顺：这个主要是派单合理性问题，通过智能调度技术解决。
定价合不合理：考虑取货 - 送达 - 交付各阶段配送难度，以及天气和供需因素，给出骑手愿意接受的价格。
怎么送：在不确定条件下（出餐、天气）路径优化问题。
管控：骑手身份验证、骑手违规识别。
InfoQ：一个合格的系统不可能一蹴而就，相信“美团超脑”配送系统也是一样，需要经过不断的发展，找到“偏好位置”，那么请问：在其研发过程中，“美团超脑”都经历了哪些阶段呢？
何仁清： 配送 AI 技术基本战略是 AI 的“广 + 深”，“广”是围绕整体配送效率目标，通过更精准更智能的方式，不断扩大系统能力边界，让整个系统逐渐成长起来，这个过程中配送系统先后经历了：
2016 年，智能调度 +ETA，取代人工派单，使派单更顺路、更高效，配送效率更高。2017 年，智能定价 + 智能规划，给业务一线运营赋能，业务运行效率更高。2018 年，智能助手 +IoT 硬件，让骑手更便捷安全，APP 操作效率更高。2019 年，智能感知 + 配送地图，更精确的室内外定位、POI+AOI 画像、骑行路线，骑手履约效率更高。
“深”就是深入研究，技术持续精进。举例来说智能调度经历了 5 次大版本迭代，从 1.0 抢派结合，2.0 单人多点，3.0 多人多点，4.0 动态决策，发展到最新的 5.0 全域柔性。
InfoQ：外卖平台层出不穷，而美团却是其中最优秀的平台之一，那么请问在与其他外卖平台竞争时，现阶段的“美团超脑”配送系统有什么样的技术优势？
何仁清： 我在即时配送行业将近 4 年，作为一个工程师也有超过 10 年的经历，从我自己的经验来看，与其关注竞争优势，不如关注业务和技术本身。
外卖是一个范围广、频率高的业务，线下有几十万骑手穿梭在大街小巷，而且室内场景丰富，能够触达商家和用户，仅仅定位上报每天就有 50 亿 +。如何把这些基础数据利用好，建设成准确率高、维度丰富、覆盖率广的基础服务，并把调度、定价、规划系统做的更加强大，不断提升其精细化和智能化程度，这样才能进一步把配送成本降下来，把配送体验搞上去。
虽然现在 AI 技术比较火热，但主要还是集中在机器学习相关领域，比如 NLP、推荐、语音和图像等。与之相比，时空大数据领域、运筹优化领域的研究和突破，整体来说比较偏少，因此在这两个领域探索和研究过程中，需要持续的投入。目前，我们在这两方面都有一些研究成果，但由于这次 AICon 大会的分享时间有限，在大会上主要会谈及时空大数据相关，运筹优化领域的相关内容涉及较少，而这次访谈反倒是一个机会，可以简单介绍一下。
配送中订单分配问题是一个典型运筹优化问题，这类问题系统能够处理的数据规模越大，得出的解越趋近于全局最优，但由于这是一个 NP-Hard 问题，数据量越大搜索的空间也会随之呈指数级膨胀，而且配送订单分配对即时性要求很高，需要在几秒之内就将订单分配出去。解决这个问题的一般方法是：按照商圈将城市切割成一个一个区域，各个区域独立分段以降低计算复杂度。很显然，这里面不仅存在很大的优化空间，也有随之而来的巨大挑战。
为了解决这个问题，调度提出了建设“全域柔性”的大目标，“全域”是指一个城市所有订单和所有运力，能进行整体统一调度。“柔性”是指系统在面对恶劣天气、单量突增等变化时，能快速和智能的自动调整。这里面涉及的问题很多，比如品类、运力和模式等，但最首要的问题还是算力，而算力还涉及到工程、算法、硬件、IO 等多方面，需要长时间探索以及一步步积累才能达到目标。
InfoQ：“美团超脑”配送系统的研发过程中遇到了哪些挑战？又是如何挑战成功的？
何仁清： 拿全域柔性调度系统来说，研发过程中在技术难题攻坚、业务落地上都碰到了大量挑战。而面对挑战，特别是技术上的挑战时，打破思维定式，跳出固有解决问题的模式来思考，往往能够寻找到事半功倍的解决方法。
举个小例子，全域柔性调度系统需要大规模骑手与订单的匹配算法，过去的认知是无法进行并行优化的，因为骑手之间存在互相耦合，问题无法清晰分解；而且，如果沿着过去的模式来优化，很容易陷入到解决一个个具体技术问题当中，一点一点啃骨头，不但进展很慢，而且“天花板”很低。
这个时候就需要思考一下，我们对于这件事情的认知全面吗？假设、目标和约束合理吗？经过这些思考，就有可能从全新的视角去看待这个问题，进而从局部跳出来，从另外一个维度切入进去。
就上面这个例子而言，我们打破固有认知之后，发现并利用新的行之有效的解题思路，算法性能优化了 50% 以上。
InfoQ：没有什么可以极尽完美，同样“美团超脑”配送系统还具有哪些问题是需要解决呢？
何仁清： 美团外卖每天 3000 万订单的体量，即使是百分之一的配送体验优化，也会影响到 30 万用户，所以整个系统持续深耕是非常有价值的，无论是在时空大数据，还是在机器学习、运筹优化上，都需要坚持最高标准，追求极致。
另外随着外卖渗透率提升以及新零售发展，配送规模和社会价值将会越来越大，这些都是对系统的巨大挑战。具体需要解决的问题有以下几点：
首先，缺少行业最佳实践。即时配送是一种分钟级的新型物流形态，发展十分迅速，以至于在学术界和工业界的研究、经验都偏少，拿调度系统来说，算法和工程上很多技术难题，都必须通过自研的方式，边探索边实践。
其次，行业数字化水平较低。比如商家何时出餐的问题，由于很多商家没有信息化，纯靠人工上报，不但无法验证正确性，而且费时费力。这种就需要平台和商家互相协同，找到低成本的解决方案，并在行业推广。
最后，人和系统的协同问题。配送系统不是一项独立的产品，而是需要和人（骑手、管理者等）紧密配合，形成高效的“人 - 机协同系统”，才能够发挥出最大的价值。
InfoQ：您觉得，综合环境下的“美团超脑”配送系统，未来的“进化”方向是怎样的？
何仁清： 即时配送行业的未来发展趋势，应该是多品类商流、多类型运力、多配送模式，在这个趋势下面，会衍生出很多种业务和玩法。而配送系统的目标，就是能够容纳这些新变化，提供数字化、自动化和智能化的配送平台。所以全域柔性调度系统的未来进化方向可以抽象为以下两点：
1）全域柔性：这个新特性前面解释过了，未来不但在调度系统中，在定价、规划、运营等其他系统，也会按照这个思路建设，让整个美团超脑越来越强。
2）5G+AIoT：随着 5G 的推广，硬件、边缘计算、AI 技术的不断成熟，物理世界的数字化程度将持续加深；配送系统的智能化水平在越来越高的同时，会通过手机、语音、智能硬件、可穿戴设备等各种终端，更全面的为骑手、商家、管理者赋能。
InfoQ：AI 技术在很多方面是共通的，美团的 AI 技术未来有没有可能应用到其他领域？比如旅游路线规划等。
何仁清：美团超脑是针对分钟级配送物流场景开发的系统，类似智能调度、路线规划这种能力，可以比较自然的应用到运筹优化相关领域，比如物流、交通、智能仓储等复杂环境。同时，物理世界数字化技术的通用型更强，像室内定位技术、AOI 画像等都具有比较高的商业价值。
目前，美团凭借外卖、配送、到店、共享单车、打车等诸多业务，拥有超大规模、超多维度和超强覆盖率的时空大数据，如果结合 AI 技术，这些数据将会在智慧城市、ToB 服务等方面发挥出更大价值。
InfoQ：美团整体 AI 技术未来的重点会是什么？是着重于大数据处理，还是对感知系统的完善，亦或是发展其他还未关联到最新 AI 技术？
何仁清：现在 AI 技术比较火热，尤其是在深度学习方面，各种网络结构模型不断涌现，相关 paper 和技术博客层出不穷，高校毕业学生也是扎堆涌入。由于各大公司在工程方面的持续攻坚，不但使机器学习拥有了超大规模数据的处理能力，而且技术开源和平台也显著降低了使用门槛。
整体看来，这是一件好事。对国家人工智能战略规划、AI 领域技术发展、传统行业的“AI+”转型等都很有帮助。但接下来，随着 AI 在产业的不断深入，很多问题也逐渐显现。
比如数据问题中数据隐私、数据安全、信息孤岛等问题；比如边缘计算问题中低功耗计算、不同设备的互相协同等问题；再比如 AI 与产业特点如何更好结合的问题。而这以上的几个问题，或许就是 AI 技术下一阶段的主要挑战。
美团是典型的 O2O 公司，在 Offline 场景下，AI 技术应用将是它要面临的主要难题，所以美团更多的还是要考虑“5G+IoT+AI”这个技术方向；另外，O2O 是一个重运营的行业，如何结合“Bigdata + Machine Learning + Operation Research”，全面提升运营效率，实现全局最优是重点所在。而且，我认为这些也将会是美团未来需要解决的重点技术问题所在。
何仁清，美团点评算法通道主席、美团配送 AI 方向负责人。2006 年哈尔滨工业大学计算机硕士，毕业后加入百度 NLP 团队，2009 年转岗到百度凤巢团队，从事自然语言处理、数据挖掘、机器学习、检索等研究方向，离职前任百度主任架构师。2016 年初加入美团点评，整体负责美团配送的算法策略，进行智能配送系统建设，全面支持美团配送业务发展。目前工作方向横跨运筹优化、机器学习、时空大数据挖掘等多个学科，工作内容包括：智能调度、ETA、智能定价、智能规划、机器学习、AIoT、骑行地图等多个子方向。
以上就是 InfoQ 对于何老师做的简单采访，还想进一步跟何老师交流的可以来 AICon 北京 2019 大会现场面基。
AICon 大会 汇集了来自 Google、Facebook、Twitter、BAT、字节跳动、美团、滴滴、京东 等一线互联网公司的 50+ 优秀 AI 技术案例，邀请 颜水成、贾扬清、崔宝秋、吴华 等 60+AI 技术大咖带来精彩的内容分享。
想了解详情的同学可以点击“阅读原文”了解详情。也可联系票务小姐姐：18514549229（同微信）
今日荐文
点击下方图片即可阅读
四年完成400万行Python代码检查，甚至顺手写了个编译器
你也「在看」吗？👇