智能|业界圆桌|谁让外卖骑手争分夺秒?智能配送系统的逻辑是什么( 二 )


关于配送时间的预估 , 一种方法是 , 把外卖小哥的工作数据收集起来 , 结合GIS信息 , 重新复盘 , 从中去抽取特征、统计或者学习模型需要的参数 , 然后再不断地迭代 。
但是这个方法它背后会不会带来一些问题 , 特别是这些方法模型不可避免需要依赖真实世界中采集的数据 , 这些数据的真实有效性值得思考 , 比如系统发现有些任务完成得比较快 , 因此调整参数希望更多的任务按照这样的效率来完成 , 但是一开始的时候完成的比较快的任务实际是有偏差的 , 甚至是因为逆行等行为产生的 , 这样是否对模型带来一些误导 。 数据是算法的基础 , 数据的真实有效性非常重要 , 我们值得花很大的功夫来提高数据采集的质量 。 算法并不是故意要反人性的 。
外卖配送平台前核心技术人员:主要是通过机器学习 , 记录派单效率高的模型 , 生成新的算法 , 算法不断迭代优化派送逻辑 。 智能调度系统通过分析餐厅历史出餐数据 , 骑手接单时 , 系统会优先指向出餐更快的餐厅 , 让骑手减少在餐厅等餐的时间 。
4.算法世界与人的关系如何?在算法设计中 , 如何考虑人的因素?
物界科技CTO刘志欣:算法是在数字世界里面建模 , 但是真实物理世界和数字世界是有鸿沟的 , 有很多不可控变量 。 尽量减少真实世界和数字世界的鸿沟是一项很重要的工作 , 包括数字孪生技术和体系 , 也包括技术人员和管理团队进入一线操作来体验现实的真正场景 。
智能调度还是需要的 , 因为它能够提升行业的效能 , 对整个社会是有帮助 。 此外 , 需要在智能调度系统中更多地考虑人的因素 。 一方面可以调节参数和权重 , 给人留下余量的空间 。 另一方面 , 可以把人针对环境的行为作为模型的因素之一 , 结合大量的规划和仿真 , 找到更好的模型表达方式 。 对于一些不可控因素或者突发因素 , 需要结合仿真来看后果 。
杉数科技CTO王子卓:算法只是一种工具 , 决策者希望通过算法达到一个目标 , 而工程师负责找到满足目标的最佳方案 。 这个目标很多时候并不是做算法的人来定的 , 更多是由业务部门或者企业管理层制定的 。
(本文来自澎湃新闻 , 更多原创资讯请下载“澎湃新闻”APP)


推荐阅读