研究缘起
近年来，随着互联网的不断渗透，外卖业在中国迅速发展。目前，中国外卖市场规模已从2016年的1662.5亿元增长至2019年的5779.3亿元，复合年增长率达到36.55%。根据央视财经最新数据，截至2020年年底，中国外卖市场交易规模达到8352亿元，同比增长14.8%；预计中国外卖产业有望在未来1-3年发展成万亿级别规模市场。
随着外卖行业逐渐发展成熟，主流外卖平台逐渐开始推行智能派单模式。所谓外卖平台智能派单是指利用数据驱动、智能算法等先进技术进行订单分配和路径优化使骑手配送效率达到整体最优。2016年11月，美团外卖推出了“O2O实时配送智能调度系统”；2017年11月，饿了么外卖也发布了其自主研发的“方舟智能调度系统”。有文献对外卖的“抢单”和“智能派单”进行了比较研究，证明“智能派单”拥有较高的系统效率。
然而，外卖平台智能派单实践中仍然存在诸多问题，引起了社会的广泛关注。2018年5月至6月期间，在重庆、上海、烟台、临沂等十几个城市发生了多起骑手集体抗议活动，反映智能派单的相关问题：指派的订单距离远、没有考虑骑手电动车续航能力、拒单的惩罚过于严格等；2020年9月8日，一篇《外卖骑手，困在系统里》的文章认为智能派单是导致外卖骑手交通违章的主要原因；2020年12月17日，一篇名为《我被××会员割了韭菜》的文章指出外卖平台的智能派单收费存在“大数据杀熟”，外卖会员的配送费比非会员还高。
因此，为了进一步改进和提升智能派单的效果，本文将以美团外卖和饿了么外卖为例，深入剖析外卖平台智能派单的动态实时优化机理和优化算法机理。
理论渊源
在大数据发展的背景下，数据驱动逐渐成为管理研究的热点。已有学者将数据驱动与运筹优化相结合，从运筹优化角度开始探索数据驱动的相关技术。比如：数据驱动的报童问题，数据驱动的收益管理等。还有一些学者从制度的角度研究了企业数据驱动的发展。然而，关于外卖智能派单的数据驱动研究仍然较为少见。
目前的相关研究主要侧重于研究外卖配送路径问题和外卖订单分配问题。多数文献认为外卖配送路径是一种带时间窗的、考虑同时取送货的特殊车辆路径问题或动态车辆路径优化问题。还有一种研究思路认为外卖派单应该是一种匹配问题。原百度外卖研发中心的研发团队对外卖的订单分配进行了分析，建议采用二分图大匹配算法求解。并且，出租车平台调度中，多是采用订单与司机的匹配算法。
综合来看，虽然关于外卖平台智能派单已经逐渐引起了学者的关注，并且取得了一定的研究成果。但仍然存在一些局限：（1）关于外卖配送路径问题的目标设置仍不够全面，尤其是对订单利润、骑手等待时间、骑手空驶距离等目标考虑相对欠缺。（2）关于外卖订单分配的文献相对较少，需要借鉴出租车订单分配的相关研究。（3）现有研究仅从配送路径问题和订单分配方面进行了模型和算法研究，缺少对大数据、机器学习和仿真分析等现代技术在外卖平台智能派单中的应用机理研究。
因此，本文拟在已有研究的基础上，深入剖析外卖平台智能派单的动态实时优化机理和优化算法机理，同时考虑外卖配送路径问题和订单分配问题，全面地分析外卖智能派单的多目标设置和约束条件设置。与现有研究相比，本研究具有较强的现实针对性与实际应用价值，实践上有广阔的应用空间，理论方法有一定的科学前沿性。
理论贡献
本文的理论贡献主要体现在三个方面：从动态实时优化机理和优化算法机理两个方面深入剖析了数据驱动下外卖平台智能派单的实现机理；深入分析了动态实时优化机理中的实时优化规则和扰动管理；揭示了优化算法机理中机器学习、运筹优化和仿真分析的内在联系。具体包括：
第一，外卖平台智能派单的动态实时优化涉及到一系列的规则，比如：波次频率规则、执行规则、计算规则、计划期规则等。其中，波次频率规则又可以分为三种：贪婪策略、定量策略和定时策略。并且，为了应对智能派单过程的各种突发扰动因素，外卖平台的智能派单还需要考虑扰动管理，针对个别订单进行改派和转单，不需要大规模的重新优化。
第二，外卖平台智能派单在进行优化决策时，应以运筹优化为核心，以机器学习和仿真分析为辅助。机器学习通过大数据对出餐时间、路径时间、签收时间等重要数据进行估计，为优化算法提供模型基础输入数据；仿真分析可以不断完善和调整运筹优化模型及模型求解策略和参数，提升智能派单的效率。
第三，外卖平台智能派单的运筹优化包括订单分配和配送路径优化两个多目标问题。并且，外卖平台智能派单的多目标设置应该考虑平台利润、订单履行时间、骑手等待时间、骑手空驶距离、订单服务水平等五个方面，基本约束条件应考虑订单履行承诺时间、骑手空驶距离、骑手等待时间等多个方面的限制。
实践启示
第一，数据驱动外卖平台智能派单需要融合机器学习、运筹优化和仿真分析等多种技术，协同实现数据驱动外卖平台智能派单。首先，外卖平台智能派单的订单分配和配送路径区别于出租车的订单分配和传统的车辆路径问题，需要进行新的多种目标设置和约束条件设置；其次，外卖平台智能派单优化决策除了需要订单和骑手的相关数据之外，还需要利用大数据和机器学习进行更多数据的估计和预测；最后，数据驱动的智能派单的优化决策是动态实时的决策，很难用传统的方法来评估模型及求解的效果，需要利用仿真分析进行评估和改进。
第二，外卖平台智能派单需协调多方利益进行目标设置和约束条件设置。外卖平台智能派单的目标设置应考虑外卖平台、骑手、商家和顾客等多方的利益协调。从目标函数分析可知，外卖订单派送超时往往由多种因素决定,比如：骑手可用时间、骑手离商家的距离以及订单中商家离顾客的距离等。如果提前考虑订单的履行时间约束，估计出骑手超时的可能性，才能从根本上解决骑手为抢时间而产生的交通违规的问题。另外，在智能派单中若不考虑骑手等待时间和骑手空驶距离，极易造成骑手的不满，以及骑手对订单的不合理挑选，甚至导致拒单等现象，不利于外卖平台的可持续发展。
局限性与展望
虽然本文揭示了数据驱动外卖平台智能派单的相关机理，得出了若干具有理论和实践价值的结论。但是，本文没有深入分析实时优化规则对优化算法的具体影响，也没有构建智能派单集成优化模型和算法。因此，未来的研究可以考虑：（1）深入分析动态实时优化机理中的实时优化规则，根据不同规则构建不同的模型和算法，对这些规则进行更深入的对比研究。（2）深入探索先分配后路径、先路径后分配、分配和路径同时进行等多种订单分配和配送路径集成优化的模型和算法。
作者简介
熊浩，海南大学管理学院，教授（博士生导师），博士，主要研究方向：大数据运营优化；
鄢慧丽（通讯作者），海南大学旅游学院，教授（博士生导师），博士，主要研究方向：大数据与旅游消费。
原文引用
熊浩,鄢慧丽.数据驱动外卖平台智能派单的实现机理研究[J].南开管理评论,2022,24(2):15-23.
如有侵权，请联系本站删除！
