深度學習在美團配送ETA預估中的探索與實踐

美團技術團隊發表於2019-02-22

1. 背景

ETA(Estimated Time of Arrival,“預計送達時間”),即使用者下單後,配送人員在多長時間內將外賣送達到使用者手中。送達時間預測的結果,將會以"預計送達時間"的形式,展現在使用者的客戶端頁面上,是配送系統中非常重要的引數,直接影響了使用者的下單意願、運力排程、騎手考核,進而影響配送系統整體成本和使用者體驗。

對於整個配送系統而言,ETA既是配送系統的入口和全域性約束,又是系統的調節中樞。具體體現在:

  • ETA在使用者下單時刻就需要被展現,這個預估時長繼而會貫穿整個訂單生命週期,首先在使用者側給予準時性的承諾,接著被排程系統用作訂單指派的依據及約束,而騎手則會按照這個ETA時間執行訂單的配送,配送是否準時還會作為騎手的工作考核結果。

  • ETA作為系統的調節中樞,需要平衡使用者-騎手-商家-配送效率。從使用者的訴求出發,儘可能快和準時,從騎手的角度出發,太短會給騎手極大壓力。從排程角度出發,太長或太短都會影響配送效率。而從商家角度出發,都希望訂單被儘可能派發出去,因為這關係到商家的收入。

深度學習在美團配送ETA預估中的探索與實踐
ETA在配送系統中作用

在這樣多維度的約束之下,外賣配送的E他的建模和估計會變得更加複雜。與叫車場景中的ETA做對比,外賣場景的ETA面臨如下的挑戰:
  • 外賣場景中ETA是對客戶履約承諾的重要組成部分,無論是使用者還是騎手,對於ETA準確性的要求非常高。而在叫車場景,使用者更加關心是否能打到車,ETA僅提供一個參考,司機端對此也不是特別關注。

  • 外賣場景中ETA包含更多環節,騎手全程完成履約過程,其中包括到達商家、商家出餐、等待取餐、路徑規劃、不同樓宇交付等較多的環節,且較高的合單率使得訂單間的流程互相耦合,不確定性很大,做出合理的估計也有更高難度。

相關文章