本月初，一篇针对“困在系统里”的外卖骑手的新闻报道展现了外卖行业中险象环生的现状，激起社会各界的广泛讨论。面对外卖市场的激烈竞争，平台持续地追求提升效率和降低成本，采用大数据技术和人工智能算法，并在发掘人力极限的过程中，不断降低送餐时限，使得全行业外卖订单单均配送时长在2019年比3年前减少了10分钟[51] ，显著提升了顾客体验，推动外卖成为了劳动密集型和技术密集型模式结合的代表行业。

然而，由于现有共享经济商业模式中服务提供者与平台并没有正式雇佣关系的特殊性，平台对骑手的权益保障和社会福利的重视程度仍有待提高；在现有的商业逻辑、算法规则和考核制度面前，为了完成更多订单以提高收入，一些骑手违反交通法规甚至冒着生命危险“乘风破浪”。据统计，在2017年，仅上海市就发生涉及快递和外卖行业的各类道路交通事故117起，共造成9人死亡，134人受伤[50] 。

当前，激烈的市场竞争环境正推动外卖平台不断改进算法和骑手绩效考核方式。社会在收获良好顾客体验、较低配送成本和极高配送效率的同时，也付出了骑手权益和行人安全降低的代价。面对此外卖骑手困境，我们将围绕其中的问题根源，从平台设计运营和政府监督监管的视角，系统性地提出一系列可以尝试的改进方案。

作为致力于大数据，运筹学，以及人工智能方法在智慧城市领域应用的学者和研究者，我们期望用更加科学的运营流程和算法逻辑，构筑健康，温暖，高效，可持续并且具有社会责任的外卖生态体系。

我们的方案将从平台设计运营和政府监督监管两方面展开——

在平台设计部分，方案将聚焦骑手激励机制、运营流程和算法，以及供需调节机制等内容；

在政府监管部分，方案将聚焦明晰劳资关系、加强资质审核和运营监督、明确平台责任、以及市场竞争与政府干预等内容。由于时间和篇幅所限，本文并没有列举介绍所有可能的改进方向，仅选择我们认为对解决外卖骑手困境最重要并且具有实际可行性的内容。

针对每项的具体内容，我们在“洞察”部分介绍了相关的经济学和管理学原理，或者相关的数据科学、人工智能和优化算法的可能技术实现路线，以供业内人士和专家学者等参考，读者直接跳过该部分内容不会影响对全文的理解。

在围绕外卖骑手困境的讨论中，改善骑手的激励和奖惩机制是大家关注的一个焦点。

在基于人工智能算法的外卖配送系统中，从顾客成功下单的时刻起，该系统便会自动化计算最优的订单分派和骑手配送路线，并且预测订单的“预计送达时间”，然后以此考核骑手的“准点率”；一旦订单配送超时，骑手们将面临降低收入甚至淘汰出局的惩罚。

在此过程中，值得重点关注的是，这套“最优”方案只是在给定的历史数据和预设的模型参数下、通过模拟现实得到的“理想值”或者“乐观值”。因此，面对复杂多变的现实场景，外卖骑手的激励机制需要具备容错性和灵活性，帮助外卖骑手抵抗已知或者未知的市场不确定性带来的负面冲击，降低外卖骑手收入的波动，这不仅有助于提升骑手们的福利水平，也将会增强平台的总体运力。

（1）预计送达时间容错

面对无法避免的外卖订单配送超时风险，平台可以考虑引入“超时容错机制”，订单的“预计送达时间”设置和显示为一定的时间段 （例如，“17:20~17:25 到达”），并且根据商家的备餐状态和骑手的配送情况动态调整、提前向顾客提醒可能的超时送达 ，而不是精确到具体的时刻（例如，“预计17:23到达”）甚至故意将顾客端显示的“预计送达时间”设定的短于骑手端。

洞察：

从技术层面而言，即便是采用先进的深度学习算法，模型学习到的结果也只是关于“预计送达时间”（Estimated Time of Arrival，简称 ETA）的统计分布，并不能做到对每个样本的预测值都有绝对准确的“信心”[47] 。

ETA 参数的区间估计结果（“17:20~17:25”）会比点估计结果（“17:23”）更加具有可信度，因为后者并不能告诉顾客真实的送达时间与它的距离，而前者则可以反映真实的送达时间所处的大致可信范围（confidence interval）。

从管理层面而言，区间形式的“预计送达时间”是应对预测算法的误差和外部配送环境的变化的容错策略，体现的是对骑手和顾客负责任的态度。与此相关，平台还可以根据送达时间的区间设置弹性的实际送达时间考核标准：如果实际送达时间在“预计送达时间”前后N分钟，则该笔订单配送记录判定为“正常”，如果实际送达时间超过“预计送达时间”N分钟，则该笔订单配送记录判定为“超时”而纳入超时评估体系；最后，如果实际送达时间早于“预计送达时间”N分钟，则该笔订单配送记录判定为“快速”而纳入高效奖励体系。

类似思想已经被外卖平台的ETA预估算法所采纳[47] ，也可以作为超时容错策略体现在骑手激励机制设计中。

（2）弹性的超时奖惩

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。