上观新闻：他们要考虑100多个变量，走近美团资深算法工程师：我们下了个外卖小订单大圣是美团配送技术团队的一名资深算法

文章图片
大圣是美团配送技术团队的一名资深算法专家，他“五一”期间也没闲着，准时送达的每一份外卖背后，都有着他所在团队的技术支撑。
【上观新闻：他们要考虑100多个变量，走近美团资深算法工程师：我们下了个外卖小订单】每天早上，大圣都会打开电脑，从“美团超脑”智能调度系统的后台，查看前一天的数据表现，并且抽查系统实时派单是否符合预期的运算逻辑。此时的上海八佰伴商圈，有80个新订单，周围有300名骑手，可能的分配方案有300的80次方；仅是一名接到5个订单的骑手，要规划5个订单共10个点的取送路径，就有11.34万种可能，而究竟由谁送、怎么送、走哪条路、如何保证平均30分钟送达，系统在几秒内就给出了答案。
“美团超脑”由他和团队几十名伙伴建设，调度着全国70万骑手配送超过3000万日订单。高峰期，系统每小时执行约29亿次路径规划算法，默默保障着所有订单安全、快速地送达顾客。这种高强度运算，使他们始终绷紧一根弦——
算法背后是“业务体验”
今年“五一”假期，在大圣眼里有些特殊。疫情将人们出行游乐的需求压抑许久，节日以来，他担心各大商圈、酒店、景点等外卖及商超订单量会大幅上涨， “美团超脑”需要时刻保持全速运转。
节前一段时间，配送技术团队一直在进行“压力测试” ，确保密集单量下系统依然稳定输出最优计算方案。上海，是他最关注的地区之一。这名清华大学博士毕业的学霸工程师说：“我们的系统，是全球最大的即时配送系统，而上海又是订单密度最高的城市之一，技术怎么样，上海就是‘终极考场’ 。 ”
算法研发远不仅是“盯线上” ，更要实地体验业务场景。大圣经常要到各地的商圈和配送站去调研，偶尔自己也去送外卖，在真实的一线场景里体验配送细节，才能更好的优化“超脑系统” 。

文章图片
消费者和骑手的“一线声音”最有说服力。
一次次现场踏勘过程中，技术团队不断进行算法优化，大圣说：“只有从电脑背后‘走出来’ ，才能真正发现效率的提升空间。 ”比如，有些顾客标注的地址比较难找，系统便增加了交付点定位功能，保留下以往骑手的行走路径，作为对其他骑手的提示；还比如，疫情期间商超订单大大增加，根据他们原先的判断，到商超取货和到饭店取货没啥区别，实际却发现在超市里等单很花时间，如果有一单迟迟出不来、同一骑手的其它订单都要受影响。于是，系统增加了功能，可以帮商家计算好拣货顺序以及骑手预计到店取货时刻，拣货和送货协同好了，整体效率都得到了提升……
让一杯喜茶30分钟送达
如今的“美团超脑” ，从2015年上线以来已经历经5代，大圣和他所在的团队几乎每天都会对系统进行迭代、每周都会做几次大调整。
他熟悉这个系统的点滴进展。最新的5.0版本，实现了从商圈级调度到城市级调度的升级，基于万人万单“秒级匹配”的运算能力，用多商圈、多运力、多模式的全域柔性调度，不断探索配送效率的极限。
用户下一个订单，系统会综合考虑商圈、商户、用户等维度的100多个变量，告知用户大概的送达时间。比如，商圈有雨雪天气、商户订单较多、用户所在小区有门禁等因素都会导致预计送达时间延长；反之，系统会将预估时间缩短。
最大的难点在于，如何在极短时间内，将大量涌现的新订单和周围的骑手进行实时匹配？效率和成本的最佳平衡，意味着庞大的计算量、极高的运算速度和复杂的算法模型。大圣举了个例子，最近美团为喜茶定制了专属配送解决方案，为了保障最佳饮用口感，需要在茶饮制作完成后的30分钟内送到顾客手上。然而，喜茶的调制工艺复杂，每一杯的制作时间又长又难以预估，调度系统需要综合考虑骑手效率和商家诉求，尽量让骑手在每个订单出餐时刻前后到店取餐，并能第一时间送达顾客。