面臨巨大數(shù)據(jù)體量和毫秒級決策時，任何細(xì)微的變化都能產(chǎn)生放大效應(yīng),。外賣配送要求系統(tǒng)在毫秒內(nèi)為騎手找到最優(yōu)路徑的概率達(dá)到97%,，包括小范圍內(nèi)的雨量、風(fēng)速以及與之相關(guān)的道路積水、騎手運(yùn)力等指標(biāo)都要盡可能精細(xì),。

“我們較難精確判斷出暴雨將如何影響騎手速度,。而在這類天氣中，突發(fā)事件概率上升,，訂單量往往成倍增加,，帶來較大供需缺口?！焙稳是逭f,，這類情況下，外賣平臺通常通過用戶引導(dǎo),、接力配送等方式,，緩解調(diào)度和計(jì)算壓力。

天氣指標(biāo)只是影響算力的一個因素,。在數(shù)據(jù)計(jì)算中,，面臨來自數(shù)據(jù)提取,、硬件運(yùn)行,、計(jì)算能力等一系列挑戰(zhàn)，也需要算法之外,，來自產(chǎn)業(yè)整體的協(xié)調(diào)配套能力,。

工信部信息中心副主任李德文說，目前我國數(shù)據(jù)整體存在質(zhì)量不高,、價值利用率低等問題,，在新型計(jì)算平臺、分布式計(jì)算架構(gòu)等方面仍與國外存在差距,。數(shù)據(jù)與產(chǎn)業(yè)融合,、產(chǎn)業(yè)之間數(shù)據(jù)打通等，都需要進(jìn)一步提升,。

系統(tǒng)也和騎手學(xué)習(xí) “人工+智能”是方向

再聰明的“大腦”也需要不斷進(jìn)化,。讓外賣配送更智能，也應(yīng)加強(qiáng)系統(tǒng)本身的學(xué)習(xí)能力,。

何仁清說,，當(dāng)前，外賣配送主要依托于地圖和導(dǎo)航,，然而市面上的導(dǎo)航模塊并不能滿足需求,，在加強(qiáng)地址解析模塊，修正導(dǎo)航和定位的同時,，也依靠騎手標(biāo)注和反饋,。“比如,，依托騎手行為數(shù)據(jù),，系統(tǒng)會得到更加精確的信息,。當(dāng)騎手執(zhí)行新線路時，系統(tǒng)會記錄且學(xué)習(xí),?！焙稳是逭f。

沒有人力支撐,，難談算力發(fā)展,。“人工+智能”將是大數(shù)據(jù)應(yīng)用發(fā)展的主流方向,。

李德文說,，目前大數(shù)據(jù)應(yīng)用還有很大成長空間，尤其需要注重人工對技術(shù)偏差的糾正和對模型的完善,，加強(qiáng)數(shù)據(jù)與行為之間,、數(shù)據(jù)與人之間的不斷學(xué)習(xí)，提升服務(wù)智能化和決策精準(zhǔn)度,。