即時配送業務是典型的 O2O 業務，線上和線下存在大量復雜的業務約束和多種多樣的決策變量。美團智能配送系統負責訂單和騎手的資源優化配置，致力于改善顧客體驗、降低配送成本。作為美團智能配送系統最核心的技術之一，運籌優化是如何在各種業務場景落地的？本文整理自王圣堯老師在 ArchSummit 全球架構師峰會上的演講內容，以饗廣大技術讀者。

一、美團智能配送系統架構

美團配送是一個怎樣的業務場景呢？下圖里的這組數字是 2019 年 5 月份美團配送品牌發布時候的數據。作為服務三方客戶的平臺（包括商家、騎手、用戶），目前我們每天完成的單量峰值已經遠不止這個數字。

單獨看這幾個數字可能沒有概念，但是如果告訴大家每年給騎手支付的工資是幾百億的量級，就知道在這樣大規模的業務場景下，配送的智能化是多么重要。智能配送的核心是做資源的優化配置。

外賣配送是一個典型的 O2O 場景。既有線上的業務，也有線下的復雜運營。配送連接訂單需求和運力供給。為了達到需求和供給的最好平衡，不僅要在線下運營商家、運營騎手，還要在線上將這些需求和運力供給做合理配置，目的是提高效率。配送效率最大化，才能帶來良好的顧客體驗、較低的配送成本。做資源優化配置的過程，實際上是有分層的。按我們的理解，可以分為三層：

• 基礎層是結構優化，它直接決定了配送系統效率的上限。這種基礎結構的優化，周期比較長，頻率比較低，包括配送網絡規劃、運力結構規劃等。
• 中間層是市場調節，相對來說是中短期的，主要通過定價或者營銷手段，使供需達到一個相對理想的平衡狀態。
• 再上層是實時匹配，通過調度做實時的資源最優匹配。實時匹配的頻率是最高的，決策的周期也是最短的。

針對智能配送的三層體系，配送算法團隊也是這樣運作的。圖中右邊三個子系統，對應三層，最底層是規劃系統，中間層是定價系統，最上層是調度系統。同樣非常重要的，還包括圖中另外四個子系統，在配送過程中做精準的數據采集、感知、預估，為優化決策提供準確的參數輸入，包括機器學習系統、IoT 和感知系統、LBS 系統，都是配送系統非常重要的環節，有大量復雜的機器學習問題。

二、實戰業務項目

1. 智能區域規劃

為了有助于快速理解配送業務的基本背景，首先分享智能區域規劃項目中遇到的問題和解決方案。

配送連接的是商家、顧客、騎手三方，配送網絡決定了這三方的連接關系。打開 App，哪些商家可以點餐，是由商家配送范圍決定的。每個商家的配送范圍不一樣，看似是商家粒度的決策，但實際上直接影響每個 C 端用戶得到的商流供給，這本身還是一個資源分配或者資源搶奪問題。商家配送范圍智能化也是很有意思的組合優化問題，但是我們這里講的是商家和騎手的連接關系。

在公司點外賣，為我服務的騎手是哪一批呢？又是怎么確定的呢？這些是由配送區域邊界來決定的。配送區域邊界指的是一些商家的集合所對應的范圍。為什么要劃分區域邊界呢？從優化的角度來講，對于一個確定問題，反而是約束條件越少，目標函數值更優的可能性越大。做優化的同學肯定都不喜歡約束條件，但是配送區域邊界實際是給配送系統強加的約束。

在傳統物流中，影響末端配送效率最關鍵的點其實是配送員對他所負責區域的熟悉程度。這也是為什么在傳統物流領域，配送站或配送員，都會固定負責某幾個小區的原因之一。因為越熟悉，配送效率越高。

即時配送場景也類似，每個騎手需要盡量固定去熟悉一片商家或者配送區域。同時，對于管理而言，站點的管理范圍也是比較明確的。另外，如果有新商家上線，也很容易確定由哪個配送站來提供服務。所以，這個問題有很多運營管理訴求在里面。

區域規劃這個項目的發起，是因為實際已經存在很多問題需要解決。有這樣三類 case：

• 配送區域里的商家不聚合。這是一個典型站點，商家主要集中在左下角和右上角，造成騎手在區域里取餐、送餐時執行任務的地理位置非常分散，需要不停往返兩個商圈，無效跑動非常多。
• 區域奇形怪狀，空駛嚴重。之前在門店上線外賣平臺的發展過程中，很多地方原本沒有商家，后來上線的商家多了，就單獨作為一個配送區域。這樣的區域形狀可能就會不規則，導致騎手很多時候在區域外面跑。而商家和騎手是有綁定關系的，騎手只能服務自己區域內的商家，因此騎手無法接到配送區域外的取餐任務，空駛率非常高。很多時候騎手出去送完餐之后，只能空著跑回來才可能接到新任務。
• 站點的大小不合理。圖三這個站點，每天的單量只有一二百單。如果從騎手平均單量的角度去配置騎手的話，只能配置 3~4 個騎手。如果某一兩個人突然有事要請假，可想而知，站點的配送體驗一定會非常差的，運營管理很難。反之，如果一個站點非常大，站長又不可能管得了那么多騎手。所以，需要給每個站點規劃一個合理的單量規模。

既然存在這么多的問題，那么就很需要做區域規劃項目。

優化的三要素是，目標、約束、決策變量。

第一點，首先要確定優化目標。 在很多比較穩定或者傳統的業務場景中，目標是非常確定的。在區域規劃這個場景，怎么定義優化目標呢？首先要思考的是區域規劃主要影響的是什么。從剛才幾類問題的分析發現，影響的主要是騎手的順路性、空駛率，也就是騎手平均為每一單付出的路程成本。所以，我們將問題的業務目標定為優化騎手的單均行駛距離。基于現有的大量區域和站點積累的數據，做大量的統計分析后，可以定義出這樣幾個指標：商家聚合度、訂單的聚合度、訂單重心和商家重心的偏離程度。 數據分析結果說明，這幾個指標和單均行駛距離的相關性很強。經過這一層的建模轉化，問題明確為優化這三個指標。

第二點，需要梳理業務約束。 在這方面，我們花費了比較多的時間和精力。比如：區域單量是有上限和下限的；區域之間不能有重合，不能有商家歸多個區域負責；所有的 AOI 不能有遺漏，都要被某個區域覆蓋到，不能出現商家沒有站點服務。

最難的一個問題，其實是要求區域邊界必須沿路網。起初我們很難理解，因為本質上區域規劃只是對商家進行分類，它只是一個商家集合的概念，為什么要畫出邊界，還要求邊界沿路網呢？其實剛才介紹過，區域邊界是為了回答，如果有新商家上線，到底屬于哪個站點。而且，從一線管理成本來講，更習慣于哪條路以東、哪條路以南這樣的表述方式，便于記憶和理解，提高管理效率。所以，就有了這樣的訴求，我們希望區域邊界是“便于理解”的。

目標和約束確定了之后，整體技術方案分成三部分：

• 首先，根據三個目標函數，確定商家最優集合。這一步反而比較簡單，因為做運籌優化的同學可以很快速解決這樣一個多目標組合優化問題。
• 后面的步驟比較難，怎么把區域邊界畫出來呢？為了解決這個問題，我們和美團地圖團隊合作。先利用路網信息，把城市切成若干互不重疊的多邊形，然后根據計算幾何，把一批商家對應的多邊形拼成完整的區域邊界。
• 最后，用美團自主研發的配送仿真系統，評測這樣的區域規劃對應的單均行駛距離和體驗指標是否符合預期。因為一線直接變動的成本是很高的，這里仿真系統就起到了非常好的作用。

下面是一個實際案例，我們用算法把一個城市做了重新的區域規劃。當然，這里必須要強調的是，在這個過程中，人工介入還是非常必要的。對于一些算法很難處理好的邊角場景，需要人工微調，使整個規劃方案更加合理。中間的圖是算法規劃的結果。試點后，城市整體的單均行駛距離下降了 5%，平均每一單騎手的行駛距離節省超過 100 米。可以想象一下，在這么龐大的單量規模下，每單平均減少 100 米，總節省的路程、節省的電瓶車電量，都是非常可觀的數字。更重要的是，可以讓騎手自己明顯感覺到效率的提升。

2. 智能騎手排班

隨著外賣配送的營業時間越來越長，衍生出這樣一個項目。最早，外賣只服務午高峰到晚高峰，后來慢慢可以點夜宵、點早餐，到如今很多配送站點已經是 24 小時服務了。但是，騎手不可能全天 24 小時開工，勞動法對每天的工作時長也有規定。

另外，外賣配送場景的訂單峰谷效應非常明顯。上圖是一個實際的進單曲線，全天 24 小時內，午晚高峰兩個時段單量非常高，而閑時和夜宵相對來說單量又少一些。因此，沒辦法把一天 24 小時根據每個人的工作時長做平均切分，需要進行排班。

對于排班，有這樣兩類方案的選型問題。很多業務的排班是基于人的維度，好處是配置的粒度非常精細，每個人的工作時段都是個性化的，可以考慮每個人的訴求。但是，在配送場景的缺點也顯而易見。如果站長需要為每個人去規劃工作時段，難度可想而知，也很難保證公平性。

我們最終選用的是按組排班的方式，把所有騎手分成幾組，規定每個組的開工時段。然后大家可以按組輪崗，每個人對于每個班次都會輪到。

這個問題最大的挑戰是，我們并不是在做一項業務工具，而是在設計算法。算法是要有優化目標的，排班的目標是什么呢？我們問站長，覺得怎么樣的排班是好的，他只是說，要讓需要用人的時候有人。但這不是算法語言，更不能變成模型語言。

我們首先做的是設計決策變量，決策變量并沒有選用班次的起止時刻和結束時刻，那樣做決策空間太大了。我們把時間做了離散化，以半小時為粒度。對于一天來講，只有 48 個時間單元，決策空間大幅縮減。然后，目標定為運力需求滿足訂單量的時間單元最多。這是因為，并不能保證站點的人數在對應的進單曲線情況下可以滿足每個單元的運力需求，所以，我們把業務約束轉化為目標函數的一部分。這樣還有一個好處，沒必要知道站點的總人數是多少。

在建模層面，標準化和通用的模型才是好的。所以，我們把人數做了歸一化，算法分配每個班次的騎手比例，但不分人數。最終只需要輸入站點的總人數，就得到每個班次的人數。在算法決策的時候，不決策人數、只決策比例，這樣也可以把單量進行歸一化。每個時間單元的進單量除以每天峰值時間單元的單量，也變成了 0~1 之間的數字。這樣就可以認為，如果某個時間單元內人數比例大于單量比例，那么叫作運力得到滿足。這樣，通過各種歸一化，變成了一個通用的問題，而不需要對每種場景單獨處理。

另外，這個問題有大量復雜的強約束，涉及各種管理的訴求、騎手的體驗。約束有很多，比如每個工作時段盡量連續、每個工作時段持續的時間不過短、不同工作時段之間休息的時間不過短……有很多這樣的業務約束，梳理之后我們發現，這個問題的約束太多了，求最優解甚至可行解的難度太大了。另外，站長在使用排班工具的時候，希望能馬上給出系統排班方案，再快速做后續微調，因此對算法運行時間要求也很高。

綜合考慮以上，我們最終基于約束條件根據啟發式算法構造初始方案，再用局部搜索迭代優化。這樣的方式，求解速度是毫秒級的，而且可以給出任意站點的排班方案。優化指標還不錯，當然，不保證是最優解，只是可以接受的滿意解。

這個算法也在自營場景做了落地應用，和那些排班經驗豐富的站長相比，效果基本持平，一線的接受程度也比較高。最重要的是帶來排班時間的節省，每次排班幾分鐘就搞定了，這樣可以讓站長有更多的時間去做其它管理工作。

3. 騎手路徑規劃

騎手的路徑規劃問題，不是路線規劃，不是從 a 到 b 該走哪條路的問題。這個場景是，一個騎手身上有很多配送任務，這些配送任務有各種約束，怎樣選擇最優配送順序去完成所有任務。這是一個 NP 難問題，當有 5 個訂單、10 個任務點的時候，就已經有 11 萬多條可能的順序。而在高峰期的時候，騎手往往是背負不止 5 單的，甚至有時候一個騎手會同時有十幾單，這時候可行的取送順序就是天文數字了。

再看算法的應用場景，這是智能調度系統中最重要的一個環節。系統派單、系統改派，都依賴路徑規劃算法；在騎手端，給每個騎手推薦任務執行順序；另外，用戶點了外賣之后，美團會實時展示騎手當前任務還需要執行幾分鐘，給用戶提供更多預估信息。這么多應用場景，共同的訴求是時效要求非常高，算法運行時間越短越好。

但是，算法僅僅是快就可以嗎？并不是。因為這是派單、改派這些環節的核心模塊，所以算法的優化求解能力也非常重要。如果路徑規劃算法不能給出較優路徑，可想而知，上層的指派和改派很難做出好的決策。

所以，對這個問題做明確的梳理，核心的訴求是優化效果必須是穩定的好。不能這次的優化結果好，下次就不好；另外，運行時間一定要短。

在求解路徑規劃這類問題上，很多公司的技術團隊，都經歷過這樣的階段：起初，采用類似遺傳算法的迭代搜索算法，但是隨著業務的單量變大，發現算法耗時太慢，根本不可接受；然后，改為大規模鄰域搜索算法，但算法依然有很強的隨機性，因為沒有隨機性在就沒辦法得到比較好的解。而這種基于隨機迭代的搜索策略，帶來很強的不確定性，在問題規模大的場景會出現非常多的 bad case。另外，迭代搜索耗時太長了。主要的原因是，隨機迭代算法是把組合優化問題當成一個單純的 permutation 問題去求解，很少用到問題結構特征。這些算法，求解 TSP 時這樣操作，求解 VRP 時也這樣操作，求解 Scheduling 還是這樣操作，這種類似“無腦”的方式很難有出色的優化效果。

所以在這個項目中，基本可以確定這樣的技術路線。首先，只能做啟發式定向搜索，不能在算法中加隨機擾動。不能允許同樣的輸入在不同運行時刻給出不一樣的優化結果。然后，不能用普通迭代搜索，必須把這個問題結構特性挖掘出來，做基于知識的定制化搜索。

說起來容易，怎么做呢？最重要的，是看待這個問題的視角。這里的路徑規劃問題，對應的經典問題模型，是開環 TSP 問題，或是開環 VRP 的變種么？可以是，也可以不是。我們做了一個有意思的建模轉換，把它看作流水線調度問題：每個訂單可以認為是 job；一個訂單的兩個任務取餐和送餐，可以認為是一個 job 的 operation；任意兩個任務點之間的通行時間，可以認為是序列相關的準備時間；每一單承諾的送達時間，包括預訂單和即時單，可以映射到流水線調度問題中的提前和拖期懲罰上。

做了這樣的建模轉換之后，流水線調度問題有大量的啟發式算法可以借鑒。我們把一個經典的基于問題特征的啟發式算法做了適當適配和改進，可以得到非常好的效果。相比于之前的算法，耗時下降 70%，優化效果還不錯。因為這是一個確定性算法，所以運行多少次的結果都一樣。但是，我們的算法運行一次，和其它算法運行 10 次的最優結果相比，優化效果是持平的。

4. 訂單智能調度

配送調度場景，可以用數學語言描述。它不僅是一個業務問題，更是一個標準的組合優化問題，并且是一個馬爾可夫決策過程。

并非對于某個時刻的一批訂單做最優分配就夠了，還需要考慮整個時間窗維度，每一次指派對后面的影響。每一次訂單分配，都影響了每個騎手后續時段的位置分布和行進方向。如果騎手的分布和方向不適合未來的訂單結構，相當于降低了后續調度時刻的最優性的天花板。所以，要考慮長周期的優化，而不是一個靜態優化問題。

為了便于理解，我們還是先看某個調度時刻的靜態優化問題。它不僅僅是一個算法問題，還需要我們對工程架構有非常深刻的理解。因為，在對問題輸入數據進行拆解的時候，會發現算法的輸入數據太龐大了。比如說，我們需要任意兩個任務點的導航距離數據。

而我們面臨的問題規模，前幾年只是區域維度的調度粒度，一個商圈一分鐘峰值 100 多單，匹配幾百個騎手，但是這種乘積關系對應的數據已經非常大了。現在，由于有更多業務場景，比如跑腿和全城送，是會跨非常多的商圈，甚至跨越半個城市，所以只能做城市級的全局優化匹配。目前，調度系統處理的問題的峰值規模，是 1 萬多單和幾萬名騎手的匹配。而算法允許的運行時間只有幾秒鐘，同時對內存的消耗也非常大。

另外，配送和網約車派單場景不太一樣。打車的調度是做司機和乘客的匹配，本質是個二分圖匹配問題，有多項式時間的最優算法：KM 算法。打車場景的難點在于，如何刻畫每對匹配的權重。而配送場景還需要解決，對于沒有多項式時間最優算法的情況下，如何在指數級的解空間，短時間得到優化解。如果認為每一單和每個騎手的匹配有不同的適應度，那么這個適應度并不是可線性疊加的。也就意味著多單對多人的匹配方案中，任意一種匹配都只能重新運算適應度，計算量可想而知。

總結一下，這個問題有三類挑戰：

性能要求極高，要做到萬單對萬人的秒級求解。我們之前做了一些比較有意思的工作，比如基于歷史最優指派的結果，用機器學習模型做剪枝。大量的歷史數據，可以幫助我們節省很多無用的匹配方案評價。

動態性。作為一個 MDP 問題，需要考慮動態優化場景，這涉及大量的預估環節。在只有當前未完成訂單的情況下，騎手如何執行、每一單的完成時刻如何預估、未來時段會進哪些結構的訂單、對業務指標和效率指標產生怎樣的影響……可能會覺得這是一個典型的強化學習場景，但它的難點在于決策空間太大，甚至可以認為是無限大的。目前我們的思路，是通過其它的建模轉換手段解決。

配送業務的隨機因素多。比如商家的出餐時間，也許是很長時間內都無法解決的隨機性。就連歷史每一個已完成訂單，商家出餐時間的真值都很難獲得，因為人為點擊的數據并不能保證準確和完整。商家出餐時刻不確定，這個隨機因素是永遠存在的，并且非常制約配送效率提升。另外，在顧客位置交付的時間也是不確定的。寫字樓工作日的午高峰，上電梯、下電梯的時間，很難準確預估。當然，我們不斷努力讓預估變得更精準，但隨機性還是永遠存在。對于騎手，平臺沒法規定每個騎手的任務執行順序。騎手在配送過程中是自由發揮的，所以騎手執行順序的不確定性也是存在的。為了解決這些問題，我們想用魯棒優化或是隨機規劃的思想。但是，如果基于隨機場景采樣的方式，運算量又會大幅增長。所以，需要進行基于學習的優化，優化不是單純的機器學習模型，也不是單純的啟發式規則，優化算法是結合真實數據和算法設計者的經驗，學習和演進而得。只有這樣，才能在性能要求極高的業務場景下，快速的得到魯棒的優化方案。

目前我們團隊的研究方向，不僅包括運籌優化，還包括機器學習、強化學習、數據挖掘等領域。這里具有很多非常有挑戰的業務場景，非常歡迎大家加入我們。

作者介紹

王圣堯博士，美團資深算法專家，畢業于清華大學自動化系，主要研究調度理論、運籌優化和系統仿真，中國仿真學會智能仿真優化與調度專委會委員，出版專著《分布估計調度算法》。目前負責美團配送智能調度算法團隊的技術研發。