进仓、排队、取号、拣货、出仓，配送……刚刚通过能力测试的蜂鸟骑手王锡，正在适应新的工作场景——大型商超的仓配流程。
一个新的调度体系在指挥他如何按部就班地完成工作，这和他之前做了5年的餐饮外卖相比，需要与“机器人”进行更紧密的合作。
2020年，同城零售兴起，从餐饮外卖到配送万物，大战一触即发。如今，兵马未动，粮草先行。
作为同城零售的基础设施，各家都在悄然升级同城物流——如何又快又好地将除了餐饮以外的其他更多品类商品送到消费者手中，很大程度上取决于同城物流体系中的核心大脑“智能调度”。它是忙碌穿梭于大街小巷的骑手们背后的中央大脑，也是决胜同城零售的利器。
人机“大战”
智能调度系统，诞生于餐饮外卖的业务井喷。
一叠纸质的订单，几句简单的叮嘱，外卖骑手就这样被安排上路了。没有细致的线路规划，没有严格的时间限定，先送哪家，再送哪家，全凭骑手的个人经验来决定。
一直到2016年，外卖规模的增长几乎到达顶峰，有数据显示，2011~2016年在线订餐市场规模同比增长1455.6亿元(高达666.8%)。
此时，单个骑手手中的订单量也从几张增长到几十张，仅仅依靠经验配送，在配送时效和服务品质上，很难满足市场需求。
当时市场上的三家外卖平台——饿了么、百度外卖、美团外卖都开始研究如何让“机器人调度”取代人工。智能调度系统由此诞生。
但它的成长道路，并非一帆风顺。当时，经验丰富的骑手对这套试图干预他们的机器人并不友好。
例如，2017年6月，蜂鸟体系的智能调度系统在全国各站点投放测试期间，遭到了骑手们的抵制。
“刚开始很不能适应，感觉这个机器人在乱指挥。”2015年进入蜂鸟配送的王锡坦言，他自己就曾遭遇了一段时间“南辕北辙”的经历，他原本熟悉南片区，却被智能调度一直安排跑北片区，因为路线不熟，配送效率比人工派单降低了10%。
有王锡这样经历的骑手不在少数，有数据显示，在上海部分蜂鸟站点，智能调度派发的订单被人工重新调度的比例达到30%。
智能调度不够智能，反而耽误骑手的配送效率，矛盾一触即发——很长一段时间，智能调度给出的方案，骑手们都不买账。
比如，5张订单，按秩序要跑10个地点，骑手们只按照智能调度指示跑完前6个，后面4个点位就按自己经验走。
骑手们觉得智能调度不够接地气，明明有路障的道路，调度却还指示“直行”，甚至有一家外卖平台调度系统，公然指挥骑手逆向行驶。
而智能调度也很无奈，因为在历史数据库中，这些信息都是空白。
从智能调度的工作流程看，它需要完成二个步骤：第一，决定订单派给谁;第二，设计任务执行序列：先执行A，再执行B，最后执行C，帮助骑手进行配送决策。
但是，由于缺乏历史数据累积，对一线的实际复杂情况又不甚了解的智能调度系统，其实际的调度水平还赶不上一名有着丰富经验，对地形和楼宇位置相当熟悉的人工调度员。
机器调度的成长
当骑手与智能调度发生矛盾时，智能调度背后的创始团队出发上路了。
蜂鸟即配高级算法专家叶畅透露，在试运行期间，他们接到来自全国各地骑手们的各种反馈和吐槽。他们用了一年时间，跑遍了三分之二个中国，目标就是摸清智能调度“忽略”的异常状况，真正调解人与机器人之间的“纠纷”。
叶畅记得，他第一次去的是东北地区。在长春，他发现有一段被系统标为“常规”的道路中间其实架着一条很大的轻轨，这对于分秒必争的骑手而言，不易通行;而在大连，有一个叫泡崖的地方，其实是一座大山，是道路通行的天然屏障。
叶畅他们发现，原来智能调度上线以来，都是以一种“自以为是”的模式进行决策，忽略了各种现实的场景。
经过一年左右的重新设计，蜂鸟的智能调度系统升级为了多场景调度系统，比如，通勤困难场景、路障较多场景、天然屏障场景，以及写字楼密集场景，改变了以往一个场景打天下的“单细胞”调度模式。
同时，智能调度也开始主动向骑手学习。对于骑手不愿执行的派单线路，智能调度系统会重点分析、记录，不断优化自身的决策。
经过一年的不断调试、升级，智能调度与骑手之间逐渐建立起默契。以上海为例，一个骑手在午高峰的1~2个小时内，人均可以完成13单外卖配送，相当于5~10分钟就能配送一单。
到2017年10月，智能调度开始全面接管人工调度的职能，成为骑手背后的真正决策者。
“实际上，带着时间去规划路径，在计算机领域是排在前列的难题，在外卖领域不止要优化路线，还要优化配送时长，预测超时风险，有很多约束。所以它并不是一个简单问题。”叶畅告诉零售君。
尽管，在初期会有许多不适应，但从长远来看，智能调度依然是无法或缺的存在，因为人工调度仅仅是从距离优先思考问题，但对于骑手而言，随着业务范围的扩大，他们需要思考的不仅仅是距离问题，还包括配送时长、路线优化，等等。
共2页 [1] [2] 下一页
关注公号：redshcom 关注更多: 外卖
