在國內(nèi)即時配送領(lǐng)域,，除了美團外賣、餓了么（蜂鳥）,、滴滴外賣等典型代表外,，還有專門于即時配送服務的創(chuàng)業(yè)公司，如閃送,、UU跑腿,、達達、點我達等,，以及順豐,、京東、菜鳥等巨頭公司也宣布入局,。

至此,，外賣配送、專業(yè)即時配送和傳統(tǒng)快遞,，三者之間已經(jīng)形成爭奪形勢。

在蓬勃發(fā)展的業(yè)態(tài)背后,，即時配送行業(yè)供需不平衡的“痛點”也日漸凸顯,，這主要表現(xiàn)在峰值和谷值之間的明顯差異，而這時以眾包模式解決方案等為代表的多種配送模式的出現(xiàn),，正好在一定程度上解決了高峰期人手不夠的問題,。

大體上，根據(jù)各企業(yè)定位及性質(zhì)的不同,，物流配送模式也各有差異,。

一種是以順豐、圓通等為代表的傳統(tǒng)的物流公司的倉儲模式,。這種模式的特點在于,，以“收件網(wǎng)點-分揀中心-送件網(wǎng)點”三級流程進行配送。京東推出的“準時達”服務也是在自建倉儲物流的基礎(chǔ)之上,，保證配送速度,，準時到達客戶手中,。

值得一提的是，最近興起的盒馬鮮生,、每日優(yōu)鮮為代表的前置倉模式,，該模式主要是將倉庫分布在城市中，以此保證將生鮮產(chǎn)品快速送達至目的地,。

具體來講就是,，前置倉模式將傳統(tǒng)由“電商平臺→快遞企業(yè)→消費者”的配送格局轉(zhuǎn)變?yōu)?ldquo;電商平臺→前置倉→即時物流平臺→消費者”。目前,，這種新型的倉儲模式正被廣泛關(guān)注和學習,。：

另一種是基于眾包模式的點對點配送方案。這種模式是利用社會的物流資源內(nèi)進行配送,，商家用人但不用養(yǎng)人,，模式較為輕便。簡單來說,，就是搭建一個平臺讓閑散的勞動力自由支配時間,，兼職從事快遞工作取得報酬，平臺從其中獲得抽成,。目前,，達達、閃送第三方運力平臺多數(shù)采用這種模式,。

即時配送背后有哪些關(guān)鍵技術(shù),？

北京交通大學經(jīng)濟管理學院物流管理系教授汝宜紅曾稱，除了嘗試不同模式,，技術(shù)領(lǐng)域的創(chuàng)新也會一定程度上促進供需平衡問題的解決,。

另有行業(yè)專業(yè)人士也表示，對于即時配送平臺來說,，如何獲取訂單量和流量是關(guān)鍵,，這離不開大數(shù)據(jù)、人工智能等技術(shù)的支撐,。“需要在滿足干線物流健康發(fā)展的前提下,，實現(xiàn)末端物流整體性、系統(tǒng)性,、全局式的網(wǎng)絡(luò)布局,。盡快融入AI、導航等先進技術(shù),，更好地實現(xiàn)線上線下對供需市場的有效匹配,。”

可見，技術(shù)已成為除資金和模式的創(chuàng)新之外，即時配送企業(yè)競爭的關(guān)鍵,。打個比方,，平臺可以通過技術(shù)手段幫助商戶在時間、天氣,、是否是節(jié)日,、地段和環(huán)境等諸多因素進行綜合考量，并進行準確時間預估,，以此來前置備貨等,。

當然，在即時配送中所需要的技術(shù)很多,，比如大數(shù)據(jù),、人工智能、運籌優(yōu)化等算法,、無人配送技術(shù)等等,，下面主要盤點幾個在即時配送上的技術(shù)布局。

1. 智能調(diào)度系統(tǒng)

談及即時配送,，不得不提智能調(diào)度系統(tǒng),，這是即時配送背后的整個技術(shù)支持。

由中國物流與采購聯(lián)合會和美團點評聯(lián)合編纂的《2018年中國即時配送行業(yè)發(fā)展報告》認為,，智能調(diào)度系統(tǒng)是各家運力平臺的技術(shù)核心,，依托海量歷史訂單數(shù)據(jù)、配送員定位數(shù)據(jù),、商戶數(shù)據(jù)等,， 針對配送員實時情景(任務量、配送距離,、并單情況,、評級)，對訂單進行智能匹配,，實現(xiàn)自動化調(diào)度及資源全局最優(yōu)配置,，最大限度提升用戶體驗。因此,，包括無人配送、依靠大數(shù)據(jù)和AI的智能調(diào)度系統(tǒng)是未來發(fā)展的方向,。

智能調(diào)度系統(tǒng)主要有美團的“超級大腦”智能調(diào)度系統(tǒng),，餓了么方ArK智能調(diào)度系統(tǒng)等。比如餓了么的方ArK智能調(diào)度系統(tǒng),，就包含了智慧物流,、智能調(diào)度、智能營銷,、智能客服,、圖像識別,、智能硬件等部分。

2. AI人工智能

即時配送線下環(huán)節(jié)非常多且復雜,，這就需要人工智能技術(shù)必須能夠面對復雜的真實物理世界,，必須能深度感知、正確理解與準確預測,、并瞬間完成復雜決策,。

根據(jù)美團技術(shù)團隊的消息，美團的“超腦”配送系統(tǒng)包含了大數(shù)據(jù),、深度感知,、人工智能等技術(shù)的應用。

首先,，大數(shù)據(jù)處理和計算能力,。比如算法數(shù)據(jù)、大數(shù)據(jù)平臺,、機器學習平臺等,。

其中大數(shù)據(jù)平臺實現(xiàn)對騎手軌跡數(shù)據(jù)、配送業(yè)務數(shù)據(jù),、特征數(shù)據(jù),、指標數(shù)據(jù)的全面管理和監(jiān)控，并通過模型平臺,、特征平臺支持相關(guān)算法策略的快速迭代和優(yōu)化,，形成精準的畫像；機器學習平臺,，則是一個一站式線下到線上的模型訓練和算法應用平臺,，主要負責從海量的數(shù)據(jù)中尋求規(guī)律并進行準確預估，其目的在于解決算法應用場景多,，重復造輪子的矛盾問題,，以及線上、線下數(shù)據(jù)質(zhì)量不一致,。

其次,，建立對世界深度感知。為此美團搭建了LBS系統(tǒng)：提供正確位置（用戶/商戶/騎手）以及兩點之間正確的騎行導航,。同時,，多傳感器：提供室內(nèi)定位以、精細化場景刻畫,、騎手運動狀態(tài)識別

再次,，正確理解和準確預測，這點主要對配送環(huán)節(jié)所需時間、銷量,、運力等方面的預估,。

最后，完成復雜決策,，這方面主要體現(xiàn)在調(diào)度,、定價和規(guī)劃幾個方面。比如運籌優(yōu)化模塊,，主要是在在大數(shù)據(jù)平臺以及機器學習的預測數(shù)據(jù)基礎(chǔ)上,，采用最優(yōu)化理論、強化學習等優(yōu)化策略進行計算,，做出全劇最優(yōu)化的分配決策,，并和騎手高效互動，處理執(zhí)行過程中的問題,，實現(xiàn)動態(tài)最優(yōu)化,。

3. ETA分析（Estimated Time of Arrival，時間送達預估）—機器學習

ETA是配送系統(tǒng)中非常重要參數(shù),，與用戶體驗,、配送成本有直接關(guān)系，而且會直接影響調(diào)度系統(tǒng)和定價系統(tǒng)的最終決策,。而為了給用戶提供更好的感知體驗,，就需要通過機器學習技術(shù)進行精準預估預測。

當然,，如何準確預估送達時間,，這是一個非常復雜的過程，首先從騎手接單到最終送達,，這就涉及到接單,、到店、取貨,、送達等每個關(guān)鍵環(huán)節(jié)的預估時間,，這中間要需要考慮商戶準備餐食的時間，以及用戶最終收獲時間等等,，每一個節(jié)點都需要精準的預測,。

總結(jié)來講，就需要機器學習來對出餐時間,、交付時間,、未來訂單、路徑耗時等進行精準的預估預測,，為調(diào)度決策提供準確的基礎(chǔ)信息,。

4. 運籌優(yōu)化

運籌優(yōu)化主要是在大數(shù)據(jù)平臺以及機器學習的預測數(shù)據(jù)基礎(chǔ)上，采用最優(yōu)化理論,、強化學習等優(yōu)化策略,，對整個路徑規(guī)劃、系統(tǒng)派單,、自動改派,、仿真系統(tǒng)等做進行計算，做出全劇最優(yōu)化的分配決策,，并和騎手高效互動,，處理執(zhí)行過程中的問題，實現(xiàn)動態(tài)最優(yōu)化,。

可見,，優(yōu)化算法的作用是里找到最優(yōu)的策略。而如何設(shè)計好的優(yōu)化算法,，從龐大的解空間中搜索得到一個滿意解,，還要求在高實時性，算法只允許運行2~3秒鐘的時間必須給出最終決策,，這是一個很大的挑戰(zhàn),。

運籌優(yōu)化中涉及了各類基礎(chǔ)性的算法，應用到具體場景中就是對于騎手路徑的優(yōu)化算法和訂單分配優(yōu)化算法,。