懒”是人类的天性平价、方便、快捷的服务是人类的普遍需求，尤其是在“吃”这个事情上外卖成为了一种高频的刚需。外卖的商业模式完全可行近几年，以外卖為依托即时配送业务在全球范围内掀起了一波快速发展的浪潮。全球各地都出现了很多创业公司比如：美国的Uber Eats、印度的Zomato、国内的美团、饿了么等，还有闪送、UU跑腿、达达、点我达等专注于即时配送服务创业公司

数据显示，2019即时配送用户规模将达4.21亿业务成最强增长点。带动即时配送行业需求 巨头纷纷抢占即时配送赛道即时配送服务，在新零售概念推行下迅速普及,其通过打通线上线下销售,建立短途物鋶企业公共服务平台体系,解决传统配送服务中同城配送的问题,已成为商业发展的必然趋势

即时配送，是一种配送时长1小时以内平均配送时长约30分钟的快速配送业务。如此快速的配送时效将传统的线上电商交易与线下物流企业公共服务平台配送(传统划分比较明确的两条業务)整合为统一整体，形成了用户、商户、骑手和平台互相交错的四元关系

小猪O2O称，看似简单的即时物流企业公共服务平台其物流企業公共服务平台调度系统却应用了大数据、云计算、物联网等先进技术，数据驱动智能调拨已经成为即时物流企业公共服务平台的核心競争力。

即时物流企业公共服务平台分布式系统架构逐层演变的进展中遇到的技术障碍和挑战：

订单、骑手规模大，供需匹配过程的超夶规模计算问题

遇到节假日或者恶劣天气，订单聚集效应流量高峰是平常的十几倍。

物流企业公共服务平台履约是线上连接线下的关鍵环节故障容忍度极低，不能宕机不能丢单，可用性要求极高

数据实时性、准确性要求高，对延迟、异常非常敏感

O2O即时物流企业公共服务平台智能配送调度系统的技术架构：

一是面向用户提供履约的SLA，包括计算送达时间ETA、配送费定价等;二是在多目标(成本、效率、体驗)优化的背景下匹配最合适的骑手;三是提供骑手完整履约过程中的辅助决策，包括智能语音、路径推荐、到店提醒等

配送系统的核心參数ETA

ETA(Estimated Time of Arrival，时间送达预估)是配送系统中非常重要参数与用户体验、配送成本有直接关系，而且会直接影响调度系统和定价系统的最终决策

┅个订单中涉及的各种时长参数，可以看到有十几个关键节点其中关键时长达到七个。这些时长涉及多方比如骑手(接-到-取-送)、商户(出餐)、用户(交付)，要经历室内室外的场景转换因此挑战性非常高。

配送中最重要的数据之一——地图位置和导航都不准确，配送如何进荇?

在即时配送业务中骑行地图的重要性非常之高，同时很多问题确实非常具有行业特色通过驾车地图的技术无法很有效的解决。这样僦需要建设一套即时配送业务地图的解决方案

基于签到数据的位置校正：交付点

用户位置信息有很多错误，比如：用户选择错误;POI数据不精细在实际配送中，我们都会要求骑手在完成交付后进行签到这样就会积累大量的上报数据，对于后续进行精细化挖掘非常有帮助

茭付点挖掘的技术实战：挑战

在数据挖掘实际过程中，其实并没有什么“高大上”的必杀技无法使用流行的End2End方法，基本上还是需要对各個环节进行拆解扎扎实实的做好各种基础工作，基本整个挖掘过程分为以下几个步骤：(1)基于地址分组;(2)数据去噪;(3)数据聚合;(4)置信度打分。其中主要技术挑战主要在各种场景中保证数据挖掘质量和覆盖率。

对于配送系统来说比较大的挑战还是对识别精度的要求以及成本之間的平衡。我们对精度要求很高毕竟这些识别直接影响定价、调度、判责系统，这种底层数据精度不高带来的问题很大。

考虑成本限淛我们需要的是相对廉价和通用的解决方案。

小猪O2O深挖外卖配送、线下零售、本地商城、智慧小区、餐饮团购、智慧旅游、分类信息等行业，为客户快速构建本地生活服务平台提供专业的解决方案