美团配送智能化的核心：资源优化配置
美团配送业务场景复杂且单量规模庞大。每年支付给骑手的工资已达数百亿级别[1]，在如此大规模的业务中，实现智能化配送变得尤为重要，而智能配送的核心在于资源的优化配置。
智能配送的三层体系
外卖配送作为典型的O2O场景，涉及线上的业务和线下的复杂运营。为了平衡订单需求与运力供给，美团通过以下三层体系实现资源优化配置：
基础层：结构优化，包括配送网络规划和运力结构规划，决定系统效率上限。
中间层：市场调节，通过定价或营销手段实现供需平衡。
上层：实时匹配，通过调度完成资源的最优匹配。
智能配送的技术架构
基于三层体系，美团配送算法团队设计了对应的子系统，包括底层的规划系统、中间层的定价系统以及上层的调度系统。此外，配送过程还依赖数据采集、感知预估等环节，涉及机器学习、IoT 和 LBS 等技术。
典型运筹优化案例
以下是三个典型案例的具体分享：
智能区域规划
智能区域规划通过优化商家、顾客与骑手的连接关系，减少骑手无效跑动，提高配送效率。优化目标包括商家聚合度、订单重心偏离程度等，同时需要满足区域单量上下限、边界沿路网等约束条件。
经过试点，单均行驶距离下降了5%，每位骑手每单节省超100米路程。
智能骑手排班
针对24小时配送服务的需求，美团采用按组排班方式，将骑手分成若干组并规定工作时段，通过归一化模型简化问题。该方案有效缩短了排班时间（从2小时降至几分钟），显著提升站点管理效率。
骑手路径规划
路径规划是一个NP难问题，需考虑多个任务点及约束条件。美团将其建模为流水线调度问题，并借鉴启发式算法实现了快速且稳定的求解。相较于传统方法，耗时下降70%，优化效果稳定。
订单智能调度
配送调度是一个动态组合优化问题，涉及长周期优化和多维度预估。美团通过历史最优指派剪枝、基于学习的优化等技术，应对性能、动态性和随机性三重挑战，在万单对万人规模下实现了秒级求解。