外卖O2O即时物流智能配送调度系统的技术架构

  懒”是人类的天性。平价、方便、快捷的服务是人类的一般需求,特别是在“吃”的东西,外卖已经成为高频的必需品。外卖商业模式完全可行。

[

近年来,依托国外商品的销售,实时配送业务在全球范围内掀起了一股快速发展的浪潮。世界上有很多初创公司,比如美国的UberEats,印度的Zomato,国内的美国集团,饥饿等等,还有flash,UU差事,Dada,我都专注于即时交付服务。公司。

数据显示,2019年即时分销用户将达到4.21亿,而新的零售业务将成为最强劲的增长点。新的零售驱动器对实时配送行业的需求,以及巨头们已经抓住了即时交付轨道。即时交付服务在新的零售概念下迅速普及。通过开放线上线下销售,建立短途物流系统,解决传统配送服务中的同城分销问题,已成为商业发展的必然趋势。

即时交付业务模式

商业)被整合到一个统一的整体中,形成了一个四元关系,用户,商人,骑手和平台交织在一起。

Pig O2O表示,看似简单的实时物流,其物流调度系统应用了大数据,云计算,物联网,数据驱动,智能传输等先进技术,已成为即时物流的核心竞争力。

实时物流分布式系统架构逐层进展中遇到的技术障碍和挑战:

订单,车手都很大,而且大规模计算供需匹配过程。

在假期或恶劣天气的情况下,订单汇总效应,峰值流量是平时的十倍。

物流绩效是在线连接线下的关键环节。容错率极低,不会下降,不会丢失,可用性要求极高。

该数据具有高实时性和高精度要求,并且对延迟和异常非常敏感。

O2O即时物流智能配电调度系统的技术架构:

第一种是为用户提供SLA,包括计算交货时间ETA,交货费用的定价等;第二是在多目标(成本,效率,经验)优化的背景下匹配最合适的骑手;第三是为骑手提供完整的表现。流程中的辅助决策,包括智能语音,路径建议和商店提醒。

配电系统ETA的核心参数

ETA(EstimatedTimeofArrival)是配电系统中非常重要的参数,与用户体验和配电成本直接相关,直接影响调度系统和定价系统的最终决策。

订单中涉及的各种时间参数,可以看到有十几个关键节点,其中关键持续时间为7。这些长度涉及许多方,例如车手(连接 - 发送),商家(餐),用户(交付),以及体验室内和室外场景转换,因此挑战非常高。

分布中最重要的数据之一地图,位置和导航都不准确,交付方式如何?

在实时配送业务中,骑图的重要性非常高,许多问题确实很具有工业特性,驱动地图技术无法有效解决。这需要一个解决方案来构建实时分发业务映射。

基于登记数据的位置更正:交货点

用户位置信息中存在许多错误,例如:用户选择错误; POI数据不好。在实际交付中,我们将要求骑手在交付完成后进行登记,这将累积大量的报告数据,这对后续的精细挖掘非常有帮助。

交付点挖掘技术实践:挑战

在实际的数据挖掘过程中,实际上没有“高级”的必杀技。您不能使用流行的End2End方法。基本上,您需要拆卸每个链接并做好基础工作。整个挖掘过程分为以下几个步骤:(1)基于地址的分组; (2)数据去噪; (3)数据汇总; (4)置信度分数。其中,主要的技术挑战是确保数据挖掘质量和各种情况下的覆盖范围。

对于配电系统,更大的挑战是精度要求和成本之间的平衡。我们对精度要求很高。毕竟,这些标识直接影响定价,调度和仲裁系统。这种底层数据存在很多由低精度引起的问题。

考虑到成本限制,我们需要的是相对便宜且通用的解决方案。