有人說送外賣是個體力活，沒有什么技術含量，放在一千年前可能的確是這樣，公元1101年北宋畫家張擇端創作的《清明上河圖》畫面下方正中左手舉著兩只碗，右手擎著一個大筐的，就被普遍認為是一位外賣小哥。但是在今天，當訂單量急劇擴大，需要同時處理成百上千個訂單，單純依靠人力一對一送餐已經不能滿足需求。那么，對于外賣平臺來說，在平臺運營、訂單派送的過程中需要應用哪些技術，才能保障優質的服務體驗?

　　我知道你想吃什么：人工智能個性化匹配

　　以百度外賣為例，為了給用戶提供優質的服務體驗，百度已經將人工智能、深度學習等尖端技術應用在外賣業務中，通過對人工智能、深度學習等尖端技術的應用，百度外賣可以根據用戶特征、下單時間、下單地點等信息，推算出用戶喜歡的口味，從而將用戶喜歡的菜品展現在瀏覽頁面的最前端，實現用戶與商戶之間的個性化匹配。

　　以用戶小明為例，因為工作節奏快，午飯基本是通過外賣來解決，而習慣了吃紅燒肉蓋飯后，小明現在每天中午打開百度外賣APP時，排在頁面前端的都是紅燒肉外賣。換句話說就是借助人工智能技術，百度外賣可以在恰當的時間、恰當的地點，推薦最恰當的外賣產品和餐廳給用戶，從而減少用戶時間成本投入，增加效率。

　　之所以可以實現個性化匹配，是因為百度外賣擁有強大的智能分析能力。每天百萬級訂單，累積了千萬級用戶，后臺海量的高品質商戶和風味檔次各異的菜品，為推薦系統算法的優化提供了強有力的數據支撐，可以精準刻畫出每筆訂單的價位層次、口味偏好和消費場景;同時，百度外賣還網羅了各式餐廳的優質菜單，推導出背后的菜系、營養、口味標簽，甚至熱量消耗卡路里;進而掌握國民體質分布、起居規律和飲食習慣，訂制適合現代都市生活品質的貼心食譜，倡導健康時尚的生活方式。

　　標準化的菜品分類與標簽，層次化的細分人群，地域化的飲食習慣，更是為社會化標簽體系的運用提供了豐富的想象空間。無論用戶在何時何地何種場景，百度外賣總能從海量訂單中找出不同的口味和身份，推斷出個性化需求，給出貼切的理由，讓用戶選的省心，吃的明白。

　　人工智能深度學習 幫騎士預知未來

　　目前，外賣行業主要分為搶單和派單兩種模式，通過派單可以根據系統狀態尋求最優解，以最大限度地提高效率。正是因為派單機制，所以更多的時候，需要考慮商戶的出餐時間。對于外賣騎士來說，自己幾分鐘能夠趕到餐廳取餐是一個基本確定值，多長時間能夠送到用戶家中也可估算，可是“餐廳多長時間能把餐做出來”這件事，在相當長的時間里卻成為困擾騎士的一大難題。

　　在百度外賣，通過對人工智能、深度學習等技術的應用，已經可以為騎士準確預估餐廳時間。每當百度外賣智能調度系統給騎士的手機發出提示，有用戶訂餐，系統同時還會告訴騎士，這份餐還需要多久可以做好，甚至系統會直接在此基礎上為其規劃路線。比如出餐時間較慢，則會規劃騎士先去送更快的一單;如果出餐時間較快，則可以做到騎士到達餐廳后很快就能取餐出發。

　　為了更準確的預估出餐時間，將來百度外賣會用更多維度因子考慮進行機器學習擬合曲線尋找規律。并且會將更多的維度例如送餐時間，送餐距離，商戶的出餐時間等都放在一起，通過百度獨有的深度學習實驗室，整合百度外賣自身的數據資源，確定更多的模型，通過機器學習尋找規律。

　　外賣騎士：我有一臺時光機

　　說起時光機，你首先會想到什么?是威爾斯《時光機器》里能夠進行時光旅行的機器，還是動畫片《哆啦A夢》里可以跨越時空、任意穿梭于過去和未來的一種時光機器。而今天，百度外賣也有了一臺屬于自己的“時光機”，可以將騎士的配送路線記錄下來，就像穿梭到騎士配送現場一樣，畫面感十足。

　　從餐廳取餐到將餐品送到用戶手中，這中間往往有好幾條配送路線可供選擇，對于百度外賣騎士趙強來說，他不用自己去判斷走哪一條路線會更近一些，因為百度外賣的智能物流調度系統根據大數據計算，已經為他選擇了最佳的配送路線。“調度系統會清晰的規劃出AB點之間的配送路線，不過有時我也會想，系統選擇的路線究竟是不是最優的。”趙強說。

　　“時光機系統”技術的引入讓趙強的疑慮得以消除，借助這套系統，百度外賣可以通過圖表和可視化的方式回溯派單數據，讓騎士思考自己走過的路是否合理，如果騎士認為有更合適的送餐路徑，可以反饋給系統。

　　為確認騎士反饋是否更為合理有效，百度外賣研發出了一套技術含量非常高的仿真系統，可以對騎士白天的配送路線進行復盤，在此基礎上不斷調整算法，模擬當時的交通情況，在虛擬空間內重新跑一遍訂單，這個機制保證了調度系統是動態的，且時刻保持最優。

　　騎士的指路明燈：大數據運力分配

　　如果說“時光機”還只是通過系統復盤對配送路線進行優化，那么基于深度學習技術的海量訓練，百度外賣形成的大數據運力分配系統則為外賣騎士提供了指路明燈——給最合適的騎士分配最恰當的訂單，并且指引騎士按照最優的路線完成配送任務。

　　具體來看，當有新的訂單產生時，系統會獲取同一配送范圍內的訂單路線，并對配送線路中相似度較高的訂單進行拼單，集中派發給距離較近的某個騎士。以趙強所在的五道口商圈為例，因為利用了拼單技術，趙強平均每天要比之前多配送七八單。

　　訂單量增多本是好事，可以帶來更高收入，然而偶爾趙強也會面臨幸福的煩惱，由于送餐箱的面積有限，訂單量過多反而會影響配送速度。而百度外賣的大數據運力分配系統可以很好解決這一問題，每個騎士當前所派送的訂單數目會在后臺可視化屏幕上進行標記，如果某個騎士的訂單量已經滿負荷，則會人工干預安排給附近的另一個騎士，從而保證配送速度，讓每一個訂單能夠以最快的速度送到用戶手中。

　　在百度外賣，訂單的分配以及配送路線的規劃并不由外賣騎士自己決定，而是來自智能物流調度系統的推算。通過對定位數據、路況數據、餐廳出餐速度數據、騎士個人特征數據、路線規劃數據進行大量計算分析，智能調度這個大腦可以時刻思考，判斷并做出決策。