蔣凡

百度外賣研發(fā)中心，北京 100086

物流大數(shù)據(jù)標(biāo)準(zhǔn)及案例研究

蔣凡

百度外賣研發(fā)中心，北京 100086

介紹了在城市物流配送領(lǐng)域的數(shù)據(jù)化和智能化改造過程中，如何面對(duì)大數(shù)據(jù)標(biāo)準(zhǔn)化的挑戰(zhàn)，并從調(diào)度系統(tǒng)和開放平臺(tái)兩方面入手，提出了提高單次配送效率和節(jié)省多次配送成本的標(biāo)準(zhǔn)化解決方案。案例為物流大數(shù)據(jù)標(biāo)準(zhǔn)化技術(shù)提供了可供參考的分析思路、實(shí)施案例和創(chuàng)新經(jīng)驗(yàn)。

urban logistics, O2O, big data, standardization

1 引言

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)對(duì)國(guó)民經(jīng)濟(jì)日益深入的影響過程，作為現(xiàn)代經(jīng)濟(jì)生活的底層支柱，物流行業(yè)也越來越體現(xiàn)出標(biāo)準(zhǔn)化、數(shù)據(jù)化和智能化的特點(diǎn)。這里標(biāo)準(zhǔn)化又是所有數(shù)據(jù)化和智能化改造升級(jí)的起點(diǎn)，負(fù)責(zé)對(duì)日常海量的物流數(shù)據(jù)從底層標(biāo)準(zhǔn)上建立統(tǒng)一的規(guī)范，進(jìn)而影響基于大數(shù)據(jù)的上層模型和算法創(chuàng)新。可以說，標(biāo)準(zhǔn)化的質(zhì)量和程度，決定了大數(shù)據(jù)和人工智能所能達(dá)到的高度；標(biāo)準(zhǔn)化工作中遇到的問題和應(yīng)對(duì)策略，也都融合在現(xiàn)代物流行業(yè)在“互聯(lián)網(wǎng)+”升級(jí)浪潮的解決方案之中[1]。

在國(guó)家指導(dǎo)層面上，2015年3月國(guó)務(wù)院印發(fā)了《深化標(biāo)準(zhǔn)化工作改革方案》。方案指出，要“更好發(fā)揮標(biāo)準(zhǔn)化在推進(jìn)國(guó)家治理體系和治理能力現(xiàn)代化中的基礎(chǔ)性、戰(zhàn)略性作用，促進(jìn)經(jīng)濟(jì)持續(xù)健康發(fā)展和社會(huì)全面進(jìn)步”。2015年11月，國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)又進(jìn)一步印發(fā)了《物流標(biāo)準(zhǔn)化中長(zhǎng)期發(fā)展規(guī)劃（2015—2020年）》，明確了到2020年我國(guó)物流標(biāo)準(zhǔn)化工作的發(fā)展目標(biāo)、主要任務(wù)、重點(diǎn)領(lǐng)域、重點(diǎn)工程等。

在具體實(shí)施層面上，百度外賣自從2014年5月成立以來，專注于城市物流配送領(lǐng)域，在物流行業(yè)的數(shù)據(jù)化和智能化改造方面探索出諸多成果。這其中很大程度上得益于物流標(biāo)準(zhǔn)化建設(shè)的工作，為百度外賣物流配送效率和體驗(yàn)提升提供了持久動(dòng)力[2]。

2 物流調(diào)度系統(tǒng)設(shè)計(jì)架構(gòu)

物流調(diào)度系統(tǒng)是所有涉及線下運(yùn)力調(diào)配應(yīng)用的最核心環(huán)節(jié)，也是關(guān)聯(lián)諸多因素的綜合系統(tǒng)。需要依托海量歷史訂單數(shù)據(jù)、配送/駕駛員定位數(shù)據(jù)、精準(zhǔn)的商戶特征數(shù)據(jù)，針對(duì)配送/駕駛員實(shí)時(shí)情景（任務(wù)量、配送距離、并單情況、評(píng)級(jí)），對(duì)訂單進(jìn)行智能匹配，實(shí)現(xiàn)自動(dòng)化調(diào)度以及資源的全局最優(yōu)配置，在保證系統(tǒng)效率的前提下，最大限度地提高用戶體驗(yàn)。

具體來說，包括以下幾部分內(nèi)容。

（1）綜合交通數(shù)據(jù)采集平臺(tái)

綜合交通數(shù)據(jù)采集平臺(tái)主要提供多源異構(gòu)數(shù)據(jù)的采集與清洗功能，解決數(shù)據(jù)的不一致性問題，有效提高數(shù)據(jù)質(zhì)量評(píng)價(jià)與數(shù)據(jù)清洗技術(shù)，主要功能包括以下幾個(gè)方面：

● 根據(jù)業(yè)務(wù)范圍及應(yīng)用類型提供數(shù)據(jù)采集中間件與信息采集工具；

● 實(shí)現(xiàn)連續(xù)、實(shí)時(shí)、高效、準(zhǔn)確的交通運(yùn)輸領(lǐng)域中結(jié)構(gòu)化與非結(jié)構(gòu)化大數(shù)據(jù)的獲取與采集；

● 結(jié)合物聯(lián)網(wǎng)、互聯(lián)網(wǎng)和衛(wèi)星定位技術(shù)開發(fā)智能終端，實(shí)現(xiàn)在動(dòng)態(tài)環(huán)境下的交通數(shù)據(jù)實(shí)時(shí)采集；

● 實(shí)現(xiàn)數(shù)據(jù)清洗和預(yù)處理功能，解決數(shù)據(jù)冗余和不相容性并消除噪聲的數(shù)據(jù)集成與融合技術(shù)。

（2）物流運(yùn)輸調(diào)度決策平臺(tái)

物流運(yùn)輸調(diào)度決策平臺(tái)主要提供實(shí)時(shí)數(shù)據(jù)環(huán)境下物流調(diào)度規(guī)劃、下發(fā)、反饋、評(píng)估和追蹤定位技術(shù)，主要功能包括以下幾個(gè)方面：

● 采集并計(jì)算所在地區(qū)道路、橋梁、河流、障礙物等地理經(jīng)緯度和距離信息；

● 實(shí)時(shí)采集點(diǎn)對(duì)點(diǎn)物流運(yùn)輸需求數(shù)據(jù)和物流配送人員的動(dòng)態(tài)信息；

● 進(jìn)行物流運(yùn)輸路徑規(guī)劃和配送任務(wù)指派的決策判斷；

● 結(jié)合應(yīng)用場(chǎng)景，線下模擬真實(shí)物流運(yùn)輸?shù)亩嗑S指標(biāo)及演進(jìn)狀態(tài)；

● 設(shè)計(jì)并實(shí)現(xiàn)分布式、高并發(fā)、大容量的流式計(jì)算框架；

● 采集并存儲(chǔ)所有調(diào)度參數(shù)信息，提供歷史調(diào)度場(chǎng)景的追查定位服務(wù)。

（3）物流運(yùn)力預(yù)警及分配平臺(tái)

物流運(yùn)力預(yù)警及分配平臺(tái)主要提供跨平臺(tái)數(shù)據(jù)環(huán)境下物流運(yùn)力警報(bào)的評(píng)估、發(fā)布和關(guān)閉以及相應(yīng)級(jí)別下分配物流運(yùn)力的技術(shù)，主要功能包括以下幾個(gè)方面：

● 多維度采集公共平臺(tái)和行業(yè)領(lǐng)域綜合交通業(yè)務(wù)數(shù)據(jù)，比如天氣、節(jié)假日、重大社會(huì)活動(dòng)、運(yùn)力資源等；

● 實(shí)時(shí)采集目標(biāo)區(qū)域內(nèi)的運(yùn)力指標(biāo)數(shù)據(jù)，評(píng)判行業(yè)運(yùn)力緊張狀況，預(yù)估時(shí)間、空間、持續(xù)范圍及程度；

● 結(jié)合智能終端設(shè)備，下發(fā)并適時(shí)調(diào)整運(yùn)力警報(bào)分級(jí)，通報(bào)實(shí)時(shí)狀態(tài)；

● 針對(duì)不同分級(jí)警報(bào)狀態(tài)，有差異化地采取降級(jí)應(yīng)對(duì)措施，提供運(yùn)力災(zāi)備和最低限度服務(wù)能力。

3 物流配送標(biāo)準(zhǔn)化的必要性

結(jié)合百度外賣的業(yè)務(wù)實(shí)踐經(jīng)驗(yàn)發(fā)現(xiàn)，標(biāo)準(zhǔn)化對(duì)于物流配送的必要性，或者說能實(shí)際發(fā)揮重要作用的地方主要有兩點(diǎn)：

● 精準(zhǔn)描述用戶的運(yùn)力需求和平臺(tái)的配送能力，便于抽象到模型層面，實(shí)現(xiàn)算法調(diào)度和行程規(guī)劃，提高物流配送效率；

● 消除信息差異帶來的平臺(tái)擴(kuò)充成本，適應(yīng)現(xiàn)實(shí)環(huán)境中復(fù)雜多變的配送場(chǎng)景，便于統(tǒng)一接入調(diào)度系統(tǒng)，靈活擴(kuò)展到更多物流行業(yè)，滿足更多配送需求。

因此，在物流配送標(biāo)準(zhǔn)化建設(shè)中，要注意從提高單次配送效率和節(jié)省多次配送成本兩方面著重設(shè)計(jì)標(biāo)準(zhǔn)化的解決方案，做到有的放矢。具體來說，可以從標(biāo)準(zhǔn)化在調(diào)度系統(tǒng)和開放平臺(tái)的應(yīng)用中觀察到更多細(xì)節(jié)。

4 標(biāo)準(zhǔn)化在調(diào)度系統(tǒng)中的應(yīng)用

標(biāo)準(zhǔn)化在調(diào)度系統(tǒng)中主要是解決低效率的傳統(tǒng)外賣配送形式和行程規(guī)劃問題，將原先需要依賴相關(guān)人員經(jīng)驗(yàn)數(shù)值和手工處理的流程改造成可大規(guī)模自動(dòng)處理的標(biāo)準(zhǔn)化數(shù)據(jù)和可靈活配置復(fù)用的標(biāo)準(zhǔn)化流程。

（1）訂單樣本數(shù)據(jù)標(biāo)準(zhǔn)化

調(diào)度模型機(jī)器學(xué)習(xí)算法需要千萬(wàn)級(jí)的訓(xùn)練樣本，告訴學(xué)習(xí)算法可以從中抽取出哪些特征值，才能經(jīng)過數(shù)學(xué)模型求導(dǎo)出最優(yōu)參數(shù)[3]。從百度外賣平臺(tái)的歷史訂單數(shù)據(jù)中抽取出實(shí)例不難，難點(diǎn)在于如何認(rèn)定這些訂單的實(shí)際出餐時(shí)間、騎士到店時(shí)間和用戶收餐時(shí)間。由于現(xiàn)實(shí)網(wǎng)絡(luò)環(huán)境限制和實(shí)際操作規(guī)范管理難度，并不是采集到的原始數(shù)據(jù)就可以直接利用，通常需要利用騎士軌跡多次回傳記錄，并結(jié)合地理形態(tài)和道路交通屬性對(duì)缺失數(shù)據(jù)和異常數(shù)據(jù)進(jìn)行預(yù)測(cè)和校驗(yàn)，才能清洗掉由于商戶和騎士操作不規(guī)范導(dǎo)致的干擾數(shù)據(jù)。

（2）商戶和菜品數(shù)據(jù)標(biāo)準(zhǔn)化

對(duì)于餐飲外賣平臺(tái)來說，商戶和菜品信息標(biāo)準(zhǔn)化是提供優(yōu)質(zhì)服務(wù)體驗(yàn)的基礎(chǔ)，也是數(shù)據(jù)標(biāo)準(zhǔn)化的另外一個(gè)重要內(nèi)容。通常有關(guān)商戶和菜品的信息都是由餐飲運(yùn)營(yíng)方提供，平臺(tái)負(fù)責(zé)錄入和存儲(chǔ)。但這樣采集到的數(shù)據(jù)并不規(guī)范，每家餐廳對(duì)經(jīng)營(yíng)類別、菜品名稱的定義標(biāo)準(zhǔn)都各不相同，需要平臺(tái)方提供一整套的商戶和菜品的標(biāo)準(zhǔn)化體系。比如，在經(jīng)營(yíng)類別方面，首先制定出17個(gè)大類、110個(gè)小類的分級(jí)體系，并為每個(gè)商戶明確其對(duì)應(yīng)的經(jīng)營(yíng)范圍標(biāo)簽；其次對(duì)數(shù)以百萬(wàn)計(jì)的原始菜品名稱進(jìn)行去重、合并，得到歸一化后的標(biāo)準(zhǔn)化菜名，對(duì)應(yīng)到菜品數(shù)據(jù)庫(kù)中唯一的標(biāo)識(shí)符；在此基礎(chǔ)上，針對(duì)每個(gè)菜品建立菜式、菜系、口味、食材、做法等各類標(biāo)簽，并進(jìn)一步得到商戶在這些菜品標(biāo)簽上的分布情況。

構(gòu)建全面的商戶和菜品標(biāo)簽體系可以應(yīng)用在很多方面，比如，通過商戶的品牌、營(yíng)業(yè)面積等信息可以估算該商戶的產(chǎn)能，通過菜品在材料、價(jià)格、烹飪方法上的差異可以估算制作時(shí)間。

（3）虛擬場(chǎng)景構(gòu)建標(biāo)準(zhǔn)化

虛擬調(diào)度系統(tǒng)用來線下模擬物流配送的真實(shí)場(chǎng)景及變化過程，以商圈為粒度構(gòu)建由騎士、用戶、配送事件、場(chǎng)景參數(shù)等虛擬數(shù)據(jù)組成的虛擬場(chǎng)景，達(dá)到線下演算、優(yōu)化調(diào)度算法系統(tǒng)的效果。標(biāo)準(zhǔn)化的虛擬場(chǎng)景不僅是對(duì)靜態(tài)數(shù)據(jù)提供可量化、可復(fù)用的規(guī)范，而且還需要定義一系列的虛擬物流配送動(dòng)作，才能在線下完成真實(shí)場(chǎng)景的變化過程。

不管接入什么樣的受測(cè)調(diào)度算法，設(shè)置什么樣的初始狀態(tài)參數(shù)，虛擬調(diào)度系統(tǒng)都能按照預(yù)設(shè)的物流運(yùn)力和調(diào)度壓力運(yùn)轉(zhuǎn)完整的多輪配送流程，并統(tǒng)計(jì)得出受測(cè)調(diào)度算法的整體效果指標(biāo)。比如，在虛擬調(diào)度系統(tǒng)里，一次完整的調(diào)度配送涉及用戶、騎士和調(diào)度員3個(gè)角色，每次配送行為可以包括下單、取餐、送餐、上崗和下崗等操作，監(jiān)控和評(píng)估環(huán)節(jié)需要統(tǒng)計(jì)的指標(biāo)包括配送時(shí)間、配送距離、空駛距離、準(zhǔn)時(shí)率、并單率、壓?jiǎn)温实取．?dāng)啟動(dòng)虛擬調(diào)度系統(tǒng)以后，同時(shí)有多個(gè)并發(fā)進(jìn)程在以某個(gè)時(shí)鐘頻率實(shí)時(shí)更新虛擬場(chǎng)景狀態(tài)，并觸發(fā)某個(gè)時(shí)段后各個(gè)角色的新行為。

5 標(biāo)準(zhǔn)化在開放平臺(tái)中的應(yīng)用

標(biāo)準(zhǔn)化在開放平臺(tái)中主要是解決復(fù)雜多變的外部數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)需求帶來的成本問題，將原先需要一對(duì)一制定方案的封閉式合作模式改造成一對(duì)多復(fù)用方案的開放式合作模式。

不管是接入不同商戶自有的訂單管理系統(tǒng)，還是接入不同物流公司的配送管理系統(tǒng)，開放平臺(tái)負(fù)責(zé)提供標(biāo)準(zhǔn)化的商戶訂單生成、制作、取貨、配送的全過程字段定義以及標(biāo)準(zhǔn)化的能對(duì)接多套物流公司的元調(diào)度接口。這一整套物流標(biāo)準(zhǔn)化解決方案包含了內(nèi)外部系統(tǒng)的交互數(shù)據(jù)標(biāo)準(zhǔn)（比如訂單格式）、交互操作標(biāo)準(zhǔn)（因?yàn)榇嬖谛枰獏f(xié)同合作的多個(gè)機(jī)構(gòu)或者系統(tǒng)）以及對(duì)外部合作方的服務(wù)要求標(biāo)準(zhǔn)等。

雙方通過超文本傳輸協(xié)議（hypertext transfer protocol，HTTP）方式交互數(shù)據(jù)，第三方平臺(tái)通過POST方式發(fā)送提交內(nèi)容，內(nèi)容參數(shù)為JSON串。雙方需要保證數(shù)據(jù)傳輸?shù)耐暾院桶踩?，每次發(fā)送請(qǐng)求都有響應(yīng)（響應(yīng)返回格式為純文本），安全驗(yàn)證目前采用數(shù)據(jù)簽名的方式。

接口采用靜態(tài)KEY+參數(shù)方式進(jìn)行簽名，以防止數(shù)據(jù)在過程中被篡改，參數(shù)值為非數(shù)字、字符串的參數(shù)不參與簽名。簽名的具體步驟如下。

步驟1 將請(qǐng)求字段按照字典順序進(jìn)行排序，將字段key與value用“=”連接，字段之間用“&”相連，例如out_order_ id=12121& immediate_deliver=1&…；

步驟2 在步驟1中拼接好的字符串結(jié)尾拼“&APPID&APPKEY”；

步驟3 對(duì)步驟2的結(jié)果進(jìn)行sha1方式簽名，獲得簽名sign；

步驟4 將簽名參數(shù)sign=”3da541559 918a808c2402bba5012f6c60b27661c”，放入請(qǐng)求字段中。

對(duì)于第三方平臺(tái)新訂單的格式要求為：請(qǐng)求URL：{SERVER_HOST}/api/ createorder。

請(qǐng)求參數(shù)則包括了訂單號(hào)、用戶聯(lián)系手機(jī)號(hào)、用戶經(jīng)緯度坐標(biāo)、用戶配送地址、期望送達(dá)時(shí)間等字段。具體部分字段的示例見表1。

常用的交互操作包括取消訂單（請(qǐng)求URL：{SERVER_HOST}/api/ cancelorder）和批量查詢訂單（請(qǐng)求URL：{SERVER_HOST}/api/ listordermulti）。

對(duì)于騎士的配送服務(wù)要求則分別定義了接單取餐、送餐和完成訂單3類標(biāo)準(zhǔn)接口。以接單取餐為例可以看到請(qǐng)求字段為：

6 標(biāo)準(zhǔn)化能力通用性及效果評(píng)估

以上標(biāo)準(zhǔn)化能力已經(jīng)被證明在物流配送行業(yè)具有較強(qiáng)的通用性。

● 在百度外賣自有物流業(yè)務(wù)中得到應(yīng)用，通過大規(guī)模地在百度物流配送業(yè)務(wù)運(yùn)用智能化調(diào)度系統(tǒng)，調(diào)度效率提升明顯，配送準(zhǔn)時(shí)率達(dá)98.78%，平均送達(dá)時(shí)長(zhǎng)為32 min。

● 完成對(duì)多家品牌商戶訂單管理系統(tǒng)的對(duì)接，比如：和合谷、正一味、眉州東坡酒樓，每天承接這些入口商戶帶來的物流訂單，無(wú)縫納入百度物流的運(yùn)力資源。

● 完成對(duì)眾包物流運(yùn)力的服務(wù)對(duì)接，每天發(fā)布高峰時(shí)期的峰值訂單，由富余的眾包運(yùn)力負(fù)責(zé)配送。

● 完成能兼容多家物流配送公司的元調(diào)度接口測(cè)試，比如：許鮮網(wǎng)、多點(diǎn)網(wǎng)，混合調(diào)度多家異質(zhì)運(yùn)力資源，做到兼容并包，統(tǒng)一調(diào)配，實(shí)現(xiàn)了錯(cuò)峰時(shí)段的運(yùn)力最大化利用。

7 對(duì)城市物流領(lǐng)域典型問題的貢獻(xiàn)

表1 請(qǐng)求參數(shù)部分字段示例

百度外賣在物流標(biāo)準(zhǔn)化建設(shè)的工作為物流配送效率和體驗(yàn)提升提供了持久動(dòng)力，也對(duì)城市物流領(lǐng)域在提升效率、評(píng)估效果和降低成本等典型問題上探索出了有益經(jīng)驗(yàn)，做出了相應(yīng)貢獻(xiàn)。

（1）提高調(diào)度系統(tǒng)機(jī)器學(xué)習(xí)的優(yōu)化效果

綜合利用各種地理定位數(shù)據(jù)和校驗(yàn)手段，獲得精準(zhǔn)的標(biāo)準(zhǔn)化訂單樣本數(shù)據(jù)。結(jié)合餐飲領(lǐng)域特點(diǎn)構(gòu)建全面的商戶和菜品標(biāo)簽體系，構(gòu)建標(biāo)準(zhǔn)化的分層商戶經(jīng)營(yíng)范圍和多維度菜品數(shù)據(jù)庫(kù)。

在此基礎(chǔ)上，才能夠利用機(jī)器學(xué)習(xí)方法從千萬(wàn)量級(jí)的訓(xùn)練樣本訓(xùn)練產(chǎn)出預(yù)測(cè)誤差在7 min以內(nèi)的出餐時(shí)間預(yù)估，才能夠?qū)崿F(xiàn)多目標(biāo)優(yōu)化規(guī)劃算法將原先40多分鐘的平均配送時(shí)長(zhǎng)縮短到32 min，極大改變了整個(gè)城市短途物流配送行業(yè)的生態(tài)。

（2）建立模擬系統(tǒng)線下效果的評(píng)估能力

通過離線的標(biāo)準(zhǔn)化處理和在線的異步處理模式，實(shí)現(xiàn)精準(zhǔn)推演。通過模擬真實(shí)約束情況將多變的場(chǎng)景變量（比如商圈、天氣、整體運(yùn)力）在高層作為調(diào)優(yōu)參數(shù)進(jìn)行優(yōu)化，盡可能地模擬多維限制條件下的真實(shí)約束情況。模擬系統(tǒng)會(huì)分商圈、分時(shí)間地統(tǒng)計(jì)每個(gè)調(diào)度場(chǎng)景下的訂單分布數(shù)據(jù)，解析成騎士在崗率、平均壓?jiǎn)螖?shù)、訂單出單位置密度等參數(shù)的基礎(chǔ)物理分布函數(shù)，并作為刻畫該調(diào)度場(chǎng)景的約束條件組。

模擬系統(tǒng)還可以進(jìn)一步調(diào)整這些分布函數(shù)的參數(shù)，得到人工設(shè)定的約束條件組，從而模擬出更復(fù)雜豐富的設(shè)定場(chǎng)景。以這些與動(dòng)態(tài)場(chǎng)景相關(guān)的參數(shù)組作為調(diào)度算法的輸入約束條件，調(diào)用模擬系統(tǒng)，反復(fù)推演虛擬訂單的分配過程，通過梯度下降優(yōu)化算法，求解出多目標(biāo)下的最優(yōu)解。

（3）實(shí)現(xiàn)物流平臺(tái)調(diào)度能力的橫向輸出

受限于業(yè)務(wù)場(chǎng)景的復(fù)雜性，各個(gè)不同配送場(chǎng)景下的運(yùn)力難以互相調(diào)劑，表現(xiàn)為：時(shí)段、空間上的運(yùn)力不均勻現(xiàn)象。如果能將這些孤立的運(yùn)力資源區(qū)間打通，將有效地發(fā)揮城市物流運(yùn)力的作用，提高運(yùn)力使用效率。

對(duì)物流調(diào)度的相關(guān)元素做標(biāo)準(zhǔn)化處理，抽象出更基本的元調(diào)度接口，極大降低了各種異質(zhì)運(yùn)力的接入成本，實(shí)現(xiàn)城市內(nèi)自由運(yùn)力的互聯(lián)互通。通用的元調(diào)度（meta dispatch）將所有的調(diào)度行為抽象成最核心的操作和數(shù)據(jù)結(jié)構(gòu)，對(duì)外提供簡(jiǎn)易可行的通用接口[4]。

8 結(jié)束語(yǔ)

通過在外賣配送行業(yè)的實(shí)踐可以發(fā)現(xiàn)，遵循國(guó)家層面在標(biāo)準(zhǔn)化建設(shè)的指導(dǎo)意見，適應(yīng)并積極推動(dòng)移動(dòng)互聯(lián)網(wǎng)技術(shù)為物流配送領(lǐng)域帶來的挑戰(zhàn)和變革，解決一線業(yè)務(wù)實(shí)際需求面臨的大數(shù)據(jù)標(biāo)準(zhǔn)化問題，就一定能很好地解決大數(shù)據(jù)技術(shù)在應(yīng)用層面遇到的工程問題，并為其他人工智能創(chuàng)新提供支持。百度外賣物流在這一領(lǐng)域開展了一些有益嘗試，并將在標(biāo)準(zhǔn)化方案研制和應(yīng)用推廣方面持續(xù)深入進(jìn)行下去。尤其是在物流運(yùn)輸需求預(yù)測(cè)及供需調(diào)配方面，有必要進(jìn)一步提供大數(shù)據(jù)環(huán)境下城市物流運(yùn)輸?shù)念A(yù)測(cè)需求、調(diào)配供給和平衡供需等技術(shù)，未來可能涉及的研究方向包括：基于歷史交易和消費(fèi)信息，采集并存儲(chǔ)特定行業(yè)領(lǐng)域的物流運(yùn)輸需求大數(shù)據(jù)；利用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法，分析物流運(yùn)輸需求在時(shí)間、空間和人群上的分布規(guī)律和性質(zhì)特點(diǎn)；動(dòng)態(tài)調(diào)配可供給運(yùn)力資源在人員數(shù)量、工具類型、投放能力等指標(biāo)上的配比，以適應(yīng)需求變化；主動(dòng)采用動(dòng)態(tài)定價(jià)、劃分服務(wù)范圍、人群畫像和推送消息等技術(shù)手段，引導(dǎo)運(yùn)輸需求發(fā)生變化，使之趨于均勻有效分布。

參考文獻(xiàn)：

[1] 華崗, 顧德道, 劉良華, 等. 城市大數(shù)據(jù)：內(nèi)涵、服務(wù)架構(gòu)與實(shí)施路徑[J]. 大數(shù)據(jù), 2016, 2(3): 2016026. HUA G, GU D D, LIU L H, et al. Urban big data: connotation, service architecture and implementation path[J]. Big Data Research, 2016, 2(3): 2016026.

[2] 蔣凡, 徐明泉, 崔代銳. 基于外賣物流配送大數(shù)據(jù)的調(diào)度系統(tǒng)[J]. 大數(shù)據(jù), 2017, 3(1) : 104-110. JIANG F, XU M Q, CUI D R. Scheduling system based on takeaway logistics big data[J]. Big Data Research, 2017, 3(1) : 104-110.

[3] 孫志軍, 薛磊, 許陽(yáng)明, 等. 深度學(xué)習(xí)研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究, 2012, 29(8): 2806-2810. SUN Z J, XUE L, XU Y M, et al. Overview of deep learning[J]. Application Research of Computers, 2012, 29(8): 2806-2810.

[4] 蔣凡. 綜合交通大數(shù)據(jù)應(yīng)用技術(shù)國(guó)家工程實(shí)驗(yàn)室申請(qǐng)報(bào)告[R]. 北京: 百度外賣物流調(diào)度平臺(tái), 2016. JIANG F. Application report for national engineering laboratory for integrated transport big data application technology[R]. Beijing: Baidu Waimai Logistics Scheduling Platform, 2016.

Logistics big data standardization and case study

JIANG Fan
Baidu Waimai R&D Center, Beijing 100086, China

In the field of logistics distribution, the solution of data and intelligent transformation process was introduced to solve how to face the challenges of big data standardization, and how to improve the single distribution efficiency and save multiple distribution cost standard solution from the scheduling system and open platform. The case provides a reference for the analysis of logistics data standardization technology, the implementation of cases and innovative experience.

TP319

A

10.11959/j.issn.2096-0271.2017042

2017-01-17

城市物流；O2O；大數(shù)據(jù)；標(biāo)準(zhǔn)化

蔣凡（1979-），男，百度外賣研發(fā)中心技術(shù)委員會(huì)主席、主任架構(gòu)師，中國(guó)計(jì)算機(jī)學(xué)會(huì)專業(yè)會(huì)員，主要研究方向?yàn)槲锪髡{(diào)度、推薦系統(tǒng)、數(shù)據(jù)挖掘。