【IT168 评论】“这世上，唯美食与爱不可辜负!”一份热气腾腾的外卖餐品是很多人幸福感的重要来源，但是你想过没有，一份外卖背后有哪些技术支持?2017年10月19日-21日，由IT168主办的第九届系统架构师大会，邀请了饿了么人工智能与策略部负责人李佩为我们解读外卖背后有哪些人工智能技术的支持?

▲饿了么人工智能与策略部负责人 李佩

　　饿了么现在覆盖了全国2000+城市，在线交易平台注册的C端用户有2.6亿，B端商家130万，即时配送平台注册配送员300万。据李佩介绍目前饿了么物理数据中心有8个，服务器节点18K+，每日业务数据增量60T+，每日所有存储增量100T+，每日数据处理量1.9P+。

　　在如此多的数据加持下，饿了么实现人工智能面临哪些挑战呢?李佩表示最核心的挑战就是要从订单到运单的线上线下的打通。订单方面饿了么要日常面对高并发和瞬时冲击，尤其是在517和秒杀活动时流量的瞬间增长对系统压力非常大。运单方面要做到快、准、全。从订单到运单的分单调度面临的挑战就非常多了，例如，下单预测、接单预测、配送费实时计算、配送调度、路径规划、行程时间预测、区域负载均衡、骑手负载均衡等等。

　　李佩表示在衣食住行四大互联网行业的技术挑战中，实时订餐是难度最大的，因为它线上线下各个环节环环紧扣，即使解决了订单高并发或瞬时冲击等等线上技术难题，线下运单没搞定，用户和商户的体验还是不好。

　　提到外卖和人工智能，可能很多人会联想到之前“无人机送外卖”的新闻，但是我们今天不谈这个，谈一谈在一份普通的外卖中，你享受到了哪些人工智能服务?以分单为例，想做好机器分单并不是那么容易，你会面临诸多挑战，例如如何分给最近的骑手? 该骑手已满载怎么办?骑手分单不均怎么办?怎么估算骑手送完身上单的时间?怎么给骑手规划路径……

　　李佩表示饿了么有一个智能调度大脑，首先通过线上算法, 对线下即时配送全环节的时间预估，例如商家备餐时间、骑手路程时间、商场滞留时间等等，其次通过模拟器评估不同的分单算法的表现，最后选取离线评估最优的模型, 进行线上测试。

▲时间窗口下的车辆调度

　　当然，饿了么在人工智能应用于即时配送时也遇到过一些坑，最具代表性的就是时间窗口下VRP(车辆调度)。他们发现往往在测试环境中十分完美的模型，到了实际应用中却总是反馈很差。为什么会出现这种情况呢?原来，实际生活中会出现很多突发情况和人为因素导致不能出现模型的预期效果。所以，饿了么团队将一个确定结果的模型转换为概率的模型。

▲更多精彩尽在IT168专题报道