（2）智能调度引擎需算的快：快速决策（及时派单或压单决策），避免高峰期“爆单"、同时需要在几百毫秒之内计算出最优配送路线并推送到骑手APP端；

　　（3）智能调度引擎需算的准：对餐厅属性（餐厅出餐时间、餐厅订单量预估）、骑手属性（骑手配送能力、骑手抗压能力）、送餐地属性（热门商圈，是否需要长时间等电梯）等关键因素需“了若指掌”。

　　2、如何实现 （1）餐厅出餐时间预估

　　餐厅出餐时间预估预测的结果是一个连续的数值，例如：1132.0秒，该时间表示从餐厅确认接到用户的订单（派单员报单或者系统直接推单）到餐厅准备好餐品的时间。

　　为了将餐厅出餐时间预估的准确性做的尽可能高，项目组同饿了么业务人员、运营人员、调度员、骑手多次沟通，设计大量特征，并尝试多种模型(最终选择Adaboost)，模型预测的出餐时间误差在5分钟之内。

　　（2）骑手送餐地等待时间预估

　　骑手送餐地（POI）等待时间是指从骑手进入送餐地范围到骑手确认送餐成功后的时间间隔，送餐地可能涵盖商圈、写字楼、学校等，不同的送餐地骑手需要等待的时间不同。

　　例如，有些60多层的写字楼，骑手等待电梯的时间可能要高达10分钟之上，系统需要根据历史数据，准确预测每一个送餐地骑手需等待的时间，才能给做骑手最优的路线规划，直播，并保障已背订单不超时。

　　（3）智能调度引擎

　　智能调度引擎需要具备新单聚包、新包分配及骑手路径规划等功能，其中：

　　新单聚包是指针对源源不断的订单流，将相似订单（时空相似）打包作为一次派发的工作包，项目组设计一种类似于层次聚类的算法，可以有效的将相似订单在线挖掘并打包。

　　新包分配及骑手路径规划是一个复杂的带时间窗口、取送顺序约束的TSP问题，atv，项目组定义合适的成本函数（多种成本函数，业务方可以根据需要调控），设计精确求解和近似求解算法，尝试计算新包分配给骑手前后，骑手新增的成本，选择合适的骑手进行派包并给出最优的路线规划。