<>

蕃人的河陇政权（1）——“佛子”唃厮啰与唃厮啰政权的初创！

“唃厮啰”这个词，在史料里有两个不同的含义。

首先，它是作为一个人的称谓（注意不是人名），是“尊号！”

其次，它一个吐蕃人政权的名字。

这个吐蕃人组建的政权，从公元1008年（宋真宗，大中祥符元年）创立后，绵延长达百余年。其执政核心区域在黄河、湟水流域（简称河湟，今青海东部地区），都城定于青唐（西宁）。故也称“青唐吐蕃政权”，或“青唐唃厮啰政权”。

< class="pgc-img">

吐蕃王朝崩溃后，河西、陇右两个地区迎来了军阀割据的时代，很多政权都是由滞留于此的吐蕃后裔所建立。

其中最著名的，便是凉州（武威）的温末政权、潘罗支（六谷部）政权和青唐的唃厮啰政权了。

公元1000年左右，党项人开始强势崛起，打破了河陇地区长久以来形成的政治平衡。

1032年（宋仁宗，明道元年），党项军队在李元昊的率领下，攻占重镇凉州。

生活在凉州周边的吐蕃部落向南迁徙，逐渐在青唐（西宁）、宗哥城（今青海平安县）和邀邈川城（今青海乐都）附近聚集，并创建了另一个吐蕃后裔政权——唃厮啰政权。

一、强邻夹持中的生活

公元1004年，六谷部政权的首领潘罗支，被党项人收买的同族，摆下鸿门宴杀害。

这一事件标志着，凉州吐蕃人政权的没落。周边的吐蕃部落，为躲避战祸，开始大规模南迁湟水流域。

《宋史·吐蕃传》记载：凉州陷落后，“潘罗支旧部往往归厮罗”。曾巩所著《隆平集》也记述：“及元昊取西凉府，唃厮啰得厮铎督之众十余万。”

唃厮啰得凉州民众十余万肯定是虚数，不过六谷部南逃的属民，大多最终归附唃厮啰政权，应该是确定无疑的。

< class="pgc-img">

但湟水流域，也不是吐蕃人的“香格里拉”，他们依然要面对非常严峻的局面。

成功占据河西走廊的党项人，对湟水流域的觊觎之心从未断绝。

其实，党项人本也是古羌族的后裔，在吐蕃时期被称为“吐蕃外四族”，《宋史》中也认为“大约党项、吐蕃，风俗相类”。

党项兴起后，生活在灵、夏诸州的吐蕃人，也相继投奔归附了党项。凭借着这种有利条件，党项人提出了“西掠吐蕃健马，北收回鹘锐兵”的发展策略。

公元1030年（宋仁宗，天圣八年），西夏（党项）收甘、凉等州后，便将触角伸入湟水流域，与北宋展开了延续一百多年争夺。

生活在河湟的吐蕃人，正是在西夏北宋的夹缝中顽强生存，并唃厮啰政权。

< class="pgc-img">

唃厮啰政权的兴起基础，除了吐蕃民众本身的凝聚力外，还有赖于河湟地区优越的地理条件。

首先，湟水与河西之间阻隔着连绵高耸的祁连山，党项骑兵想要越祁连山南下显然困难重重。

这使得党项人想要染指湟水，只能向东取道河、渭二州。

但河渭二州长期被宋朝占据着，不容忍党项假道伐虢。

而唃厮啰政权的实力，虽难与宋、夏比肩，但作为两强间的砝码国家，却足以升任。

因此，宋夏在争夺河湟的过程中，对唃厮啰政权又拉又打，最终演化为走马灯似的三国杀。

正是因为宋、夏两强大的巨大压力，单个吐蕃部落难以生存，反倒导致各部落抱团取暖，形成了共生共荣的需求。

在河湟地区生活的吐蕃人部落中，宗哥族渐渐发展成实力最强的部落，成为了吐蕃诸部的一面旗帜。

宗哥族可以分为俩大势力集团，宗哥城（今青海平安县）的李立遵部落和邈川城（今青海乐都）温逋且部落。

有意思的是，两大势力同属一个部落，但却有着不同的宗教信仰。

宗哥城的首领李立遵，早年曾出家为僧，其领导的部落一直保持佛教信仰。

而盘踞在邈川城的温逋且部落，却是坚定的苯教信众。

两个部落实力相仿、信仰不同，但在外力的捏合下，却结成了一个联盟。

这就出现了一个棘手的问题，推选谁来做领导人！

< class="pgc-img">

二、“佛子”西来

正当李立遵和温逋且争执不下时，一个人的出现，完美解决了领导权属的问题，这个人就是唃厮啰。

说起来，唃厮啰来到宗喀地区（湟水流域），可能真不是他的本意。

他十二岁之前岁月，一直生活在遥远的“高昌磨榆国”或者“西域武三咩”这个地方。

这两地方到底在哪，现在众说纷纭，存在三种说法：

1、部分学者依据“高昌”的地名认为，唃厮啰生活在西域高昌国一带；

2、部分学者认为“磨榆国”这是“木雅”之音译，其位置应在吐蕃本土波茹、高昌两部的党项羌聚居地，而“西域武三咩”就是桑耶寺；

3、部分学者通过藏文地名考证认为，“高昌磨榆”即为“郭仓芒域”的不同翻译方式，认为唃厮啰出生在今西藏阿里地区的芒域。

但可以肯定的是，不论唃厮啰究竟出生在哪里，反正跟宗喀没有任何联系。

少年时代的唃厮啰，从未想过会成为一个政权的首领，虽然他是吐蕃王系后裔，但这时吐蕃王系的身份显然已经不是个香饽饽了。

这时候，他也不叫“唃厮啰”，而是叫“欺南陵温”。

他十二岁时，一个途径他家乡的汉地商人，彻底改变了他的命运。

《宋史·吐蕃传》中对唃厮啰有如下记载：“唃厮啰者，绪出赞普之后，本名欺南陵温籛逋。籛逋犹赞普也，羌语讹为籛逋。生高昌磨榆国，既十二岁，河州羌何郎业贤客高昌，见厮啰貌奇伟，掣以归，而大姓耸昌厮均又以厮啰居移公城，欲于河州立文法(立文法，盖施设号令统众之意)。河州人谓佛为“唃”（jiao），谓儿子为“厮啰”，自此名唃厮啰。”

在汉语的读音中，“唃”一般读作（gu），但藏语对其读为“觉斯”，没有“啰”的音。

另外，有些史料将其记做“嘉勒斯赉”，“嘉勒”对应“唃”的音。

所以，从名字音译的角度上讲，应读“唃（jiao）厮啰”比较合适。

由此可见，一个入客“高昌磨榆”的河州人，得知唃厮啰的王族身份后，奇货可居，将其带回河州（甘肃临夏）。

关键还是“掣以归”，说不定唃厮啰本人并不愿意，而是给“掣”回来的。

没准儿这河州商人，想起了吕不韦的业绩，不想让吕相专美于前。

到了河州之后，他大肆宣扬唃厮啰的王族身份。

还别说，宗喀的吐蕃族裔非常认可，尊称其为“佛子”。

于是，“唃厮啰”便成了这个十二岁少年的称谓，进而成了青唐吐蕃政权的名号。

< class="pgc-img">

三、你争我夺的傀儡岁月

河州大户耸昌厮均得了唃厮啰这宝贝，马上就开始着手拥立，“以厮啰居移公城(今临夏境)，欲于河州立文法。”

但还没等他准备好，就被宗哥族知道了。

宗哥族正在发愁没有一个能号领全族的旗帜性人物，听说河州的耸昌厮均手中有这么一个宝贝，二话不说直接就派人来抢。

公元1008年（宋真宗，大中祥符元年），还没搞清楚状况的唃厮啰，浑浑噩噩的就被李立遵、温逋且劫持到廓州（今青海化隆）。

在廓州，他被宗哥族扶上了赞普之位，成了一个货真价实的傀儡君主。

《宋史》记：“既而总噶尔僧李克遵、邈川大酋温逋且，掠取厮啰入廓州，尊立之，部族寝强”。

应该说，唃厮啰的运气还不错，至少没有在一连串折腾中丢掉性命。

但想要从傀儡君主奋斗成为真正的领袖，显然要走过一段漫长的充满血泪的旅程。

宗喀吐蕃部落如此看重唃厮啰，也是有原因的。

首先，他吐蕃王统悉波野家族后裔的身份，还是得到了民众的拥戴。

据学者考证，唃厮啰确实是吐蕃王室“沃松”一系，为“下部三德”中“奥德”之子“挥德”的后裔。

这一点，在藏文史料《贤者喜宴》和《安多政教史》中也有相关记载。

在古代，“正朔”这鬼东西，有着现代人难以想象的魔力。

根正苗红的吐蕃王统后裔身份，让唃厮啰充满无限的诱惑力。宗喀的吐蕃首领均想将其据为己有，“挟赞普以令诸蕃”。

其次，远道而来的唃厮啰，在宗喀本地毫无根基，这也是个巨大的优点。

再有，唃厮啰当时只有十二岁，尚处于不能亲征的年纪，便于强权人物施加控制。

< class="pgc-img">

在这场唃厮啰争夺战中，李立遵笑在了前面。

他把唃厮啰扶上赞普之位后，自立为论逋（大相），成了实际上的受益者。

甚至，有宋人的笔记认为，唃厮啰能够来到宗喀就是李立遵运作的，“嘉勒斯责（唃厮啰），本西域胡僧李立遵携来吐蕃立文法，言是佛种，由是吐蕃咸皆信服之。”

但唃厮啰很有可能，并不是孤身一人来到宗喀。

南宋史学家李焘在《续资治通鉴长编》中，有唃厮啰的兄长和舅舅，在宗喀生活的记载：“初，嘉勒斯贵（唃厮啰）兄扎实庸咙为河南诸部所立，与唃厮啰分地而治，不相能也”，“秦州蕃部尚杨丹者，唃厮啰舅也。”

这些唃厮啰的亲族，在之后夺取政权的过程中，曾对他有一定的助力。但总的来说，身为外乡人的唃厮啰，依旧难免势单力孤之困。

作为曾经的僧人，李立遵深谙信仰的强大力量，现在“佛子”在手，如何会不好好利用？

他为了更好的控制唃厮啰，将两个女儿相嫁，也有史料记载“以妹相嫁”。

其实，谁嫁给唃厮啰并不重要，重要的是二人间建立的政治姻亲关系。

< class="pgc-img">

随后，在李立遵的大肆宣扬下，周边部落纷纷归附。

很短时间，便成为了“部族寝强，族帐甚盛，胜兵六七万”的强大集团，威镇整个河惶地区。

军容的壮盛，让李立遵生出了别样的心思。

他开始积极备战，扩展势力范围，甚至上表北宋，想讨个“赞普”的名号。

但他的心思，被深谙边事的北宋秦州知事曹玮一语道破，“赞普，可汗号也。立遵一言得之，何以处唃厮啰邪？且复有求，渐不可制。”

被北宋拒绝后，他居然恼羞成怒，要给宋军亮亮肌肉。

李立遵挑战北宋的战役是个什么结果呢？请看下一篇！

---

参考书目：

《唃厮啰家族世系史》_齐德舜；

《唃厮啰之_唃_音辨析》_王晓云；

《唃厮啰政权形成初探》_祝启源；

《唃厮啰及其政权考述》_魏贤玲；

《论唃厮啰政权的兴起》_陈庆英；

《论唃厮啰政权兴起之因》_乔春；

《宋代藏族政权唃厮啰研究综述》_张向耀；

《略论宋代西北吐蕃与周边政权的关系》_刘建丽。

---

详解历史细节，厘清来龙去脉，视角不同的中国历史！

欢迎关注“白发布衣的藏地读行！”

<>

2018 AI开发者大会（AI NEXTCon）上，美团配送AI方向负责人何仁清，分享了美团在即时配送领域中机器学习技术的最新进展，以及如何通过大数据和机器学习手段，建立对线下真实世界各种场景的感知能力，还原并预测配送过程各个细节，从而提升整体配送系统的精度。

美团“超脑”配送系统的由来

2014年，斯嘉丽·约翰逊主演的科幻片《超体》大火，影片中主人公Lucy由于无意中摄入了大量的代号为“CPH4”的神秘药物，大脑神经元获得空前的开发，获得了异乎寻常的超能力，她能够对这个世界进行全新的感知、理解和控制（比如控制无线电波），最终跨越时间和空间成为了一个超级个体。

这种对真实世界的深度感知、理解和控制，与配送AI系统对配送场景的感知、理解和配送环节控制的目标非常一致。可以说，美团要建设的AI就是配送系统的“超级大脑”。因此我们内部把配送的AI系统，简称为“超脑”配送系统。

< class="pgc-img">

即时配送在全球快速发展

最近几年，以外卖为依托，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，其中国外知名的包括美国的Uber Eats（全球）、英国的Deliveroo、印度的Swiggy、Zomato（分别被美团和阿里投资），印尼的go-jek等等。国内除了美团外卖、饿了么、滴滴外卖等典型代表外，而还有专注于即时配送服务创业公司，比如闪送、UU跑腿、达达、点我达等。

这种全球爆发的现象说明了两个问题：

• “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。以美团外卖为例，2018年上半年整体收入160亿，同步增长90%。根据Uber公布的数据，Uber Eats在2018第一季度占整体营业的13%。

即时配送的业务模型

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配送（传统划分比较明确的两条业务）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。

< class="pgc-img">

其整合力度空前紧密，几乎渗透到各个环节。以外卖搜索和排序为例，在下午时段，在用户搜索和推荐中可以看到更多的商家，因为此时运力充分，可以提供更远距离的配送服务，不仅能更好满足用户的需求，提高商家的单量，而且能够增加骑手的收入。

即时配送的核心指标是效率、成本、体验，这三者也形成了即时配送的商业模型。简单来说可以分为以下几步：

1. 首先配送效率提升

• 让骑手在单位时间内配送更多订单，产生更多价值。

1. 然后配送成本下降

• 更高的效率，一方面让骑手收入增加，一方面也让订单平均成本下降。

1. 然后用户体验提升

• 低成本能够让用户（商户）以更低的价格享受更好的配送服务，从而保证更好的用户体验。

1. 进一步提升效率并形成循环

• 更好的用户体验，让更多用户（商户）聚集过来，提升规模和密度，进一步提升配送效率。

这样，就形成了一个正向循环，不断创造更多商业价值。而技术的作用，就是加速这个正向循环。

美团“超脑”配送系统

< class="pgc-img">

目前互联网技术，很大部分还是针对线上产品和系统研发，整个流程可以在线上全部完成，而这也正是配送AI技术最大的不同和挑战。简单来说，类似搜索、推荐、图象和语音识别这种线上产品常用的AI技术帮助不大，因为配送必须在线下一个一个环节的进行，这就要求AI技术必须能够面对复杂的真实物理世界，必须能深度感知、正确理解与准确预测、并瞬间完成复杂决策。

为了满足这些要求，我们建设了美团“超脑”配送系统，包含以下几个方面：

• 大数据处理和计算能力
• 算法数据和计算平台：包括实时特征计算、离线数据处理、机器学习平台等。
• 建立对世界深度感知
• LBS系统：提供正确位置（用户/商户/骑手）以及两点之间正确的骑行导航。
• 多传感器：提供室内定位以、精细化场景刻画、骑手运动状态识别
• 正确理解和准确预测
• 时间预估：提供所有配送环节时间的准确预估
• 其他预估：销量预估、运力预估等
• 完成复杂决策
• 调度系统：多人多点实时调度系统，完成派单决策：谁来送？怎么送？
• 定价系统：实时动态定价系统，完成定价决策：用户收多少钱？给骑手多少钱？
• 规划系统：配送网络规划系统，完成规划决策：站点如何划分？运力如何运营？

机器学习技术挑战

如何构建一个在真实物理世界运行的AI系统，就是我们最大的挑战。具体到机器学习方向而言，挑战包括以下几个方面：

• 精度足够高、粒度足够细
• 时间要求：一方面是周期性变化，比如早午晚，工作假日，季节变化；一方面是分钟级的精细度，比如一个商圈单量和运力的实时变化。
• 空间要求：一方面是不同商圈独有特性，比如CBD区域；一方面是要实现楼栋和楼层的精度，比如1楼和20楼，就是完全不同的配送难度。
• 鲁棒性要求：处理各种不确定的能力，比如天气变化、交通变化等等。
• 线下数据质量的巨大挑战
• 大噪音：比如GPS定位漂移，尤其是在高楼附近，更不要说在室内GPS基本不可用。
• 不完备：比如商家后厨数据、堂食数据、其他平台数据，都极难获得。
• 高复杂：配送场景多样而且不稳定，随着时间、天气、路况等在不断变化。

配送系统的核心参数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。

< class="pgc-img">

一个订单中涉及的各种时长参数(如上图右侧所示），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。

通过机器学习方法，我们已经将外卖配送几乎所有环节都进行了精准预估预测。用户感知比较明显是预计送达时间，贯穿多个环节，商家列表（从配送时长角度让用户更好选择商家）、订单预览（给用户一个准确的配送时间预期）、实时状态（下单后实时反馈最新的送达时间）。当然这里面还有很多用户看不到的部分，比如商家出餐时间、骑手到店时间、交付时间等。其中交付时长，与用户关系比较大，也很有意思，下文会详细展开。

精准到楼宇和楼层的预估：交付时长

< class="pgc-img">

交付时长是指骑手到达用户后，将外卖交付到用户手中并离开的时间，实际是需要考虑三维空间内计算（上楼-下楼）。交付时间精准预估，有两点重要的意义，首先是客观的衡量配送难度，给骑手合理补贴；其次，考虑对骑手身上后续订单的影响，防止调度不合理，导致其他订单超时。

交付时长的目标是，做到楼宇和楼层的精准颗粒度，具体可以拆解为以下几步：

1. 地址的精准解析（精确到楼宇/单元/楼层）

• 地址精度需要在5级之上（4级：街道，5级：楼宇），国内拥有这个级别精细化数据的公司屈指可数。
• 数据的安全级别很高，我们做了很多脱敏工作，做了各种数据保护与隔离，保证用户隐私和数据安全。
• 地址信息的多种表达方式、各种变形，需要较强的NLU技术能力。

1. 交付时长预估

• 通过骑手轨迹进行“入客-离客”识别，并进行大量数据清洗工作。
• 统计各个粒度的交付时长，通过树形模型实现快速搜索各个粒度的数据。
• 因为预估精度是楼宇和楼层，数据很稀疏，很难直接进行统计，需要通过各种数据平滑和回归预估，处理数据稀疏和平滑的问题。

1. 下游业务应用

• 给调度和定价业务，提供楼宇+楼层维度的交付时长。从上图可以看到，在不同楼宇，不同楼层交付时长的区分度还是很明显的。
• 尤其是楼层与交付时长并不是线性相关，我们还具体调研过骑手决策行为，发现骑手会考虑等电梯的时间，低楼层骑手倾向于走楼梯，高楼层则坐电梯。

可以看到，真实世界中影响决策因素非常多，我们目前做的还不够。比如交付时长也可以进一步细化，比如准确预估骑手上楼时间、下楼时间和等待时间，这样其实能够与商家取餐环节保持一致，之所以没这么做，主要还是数据缺失，比如骑手在商家其实有两个操作数据（到店、取餐），这样能支持我们做精细化预估的，但是在用户环节只有（送达）一个操作。

举这个例子，其实是想说明，数据的完备性对我们到底有多重要。数据方面的挑战，线下业务与线上业务相比，要高出好几个等级。

配送中最重要的数据之一：地图

< class="pgc-img">

地图对配送的重要性毋庸置疑（位置和导航都不准确，配送如何进行？），前面提到的5级地址库只是其中一部分。配送地图的目标可以概括为以下两点：

- 正确的位置

- 实时部分：骑手实时位置。

- 静态部分：用户和商户准确的地址和位置。

- 正确的导航

- 两点之间正确的距离和路线。

- 突发情况的快速反应（封路、限行）。

如果横向对比配送、快递、打车等行业对地图的要求，其实是一件很有意思的事情，这个对于配送地图技术建设来说，是一件非常有帮助的事情。

即时配送 VS 物流快递：即时配送对地图的依赖程度明显高于物流快递

< class="pgc-img">

即时配送 VS 出行行业：地图厂商在车载导航的优势和积累，在即时配送场景较难发挥

< class="pgc-img">

从这两方面对比可以看到，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。这样就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

< class="pgc-img">

如前文所述，配送地图的方向有很多，这次我重点讲一下用户位置相关的工作“交付点挖掘”。首先看一下目前主要问题：用户位置信息有很多错误，比如：

用户选择错误

上图左，一个小区会有1期2期~N期等，用户在选择POI的时候就可能发生错误（比如1期的选了2期），两者地理位置相差非常远，很容易造成骑手去了错误的地方。这样在订单发送到配送系统的时候，我们需要做一次用户坐标纠正，引导骑手到达正确的位置。

POI数据不精细

上图右，用户本来在xx区xx栋，但是只选了xx区这个比较粗的位置信息。现实中在一个小区里面，找到一个具体xx栋楼还是非常困难的，大家可以想想自己小区中，随便说一个楼号你知道它在哪个角落吗，更别说如果是大晚上在一个你不熟悉的小区了。造成这种原因，一方面可能是用户选择不精细，还有一种可能，就是地图上没有具体楼栋的POI信息。

< class="pgc-img">

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。大家可以先看看我们收集的原始数据（上图），虽然还是非常凌乱，但是已经能看到这其中蕴含着极高的价值，具体来说有三方面：

• 数据量大
• 每天几千万订单，几十亿的轨迹数据。
• 可以充分覆盖每一个小区/楼栋/单元门。
• 维度多样
• 除了骑手签到和轨迹数据，我们还有大量的用户、商户和地图数据。
• 多种数据维度可以交叉验证，有效避免数据的噪音，提高挖掘结果精度。
• 数据完备
• 在局部（用户和商户）数据足够稠密，置信度比较高。

交付点挖掘的技术实战：挑战

< class="pgc-img">

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个环节进行拆解，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，具体来说主要有三个挑战：

• 数据去噪
• 数据噪音来源比较多样，包括GPS的漂移、骑手误操作、违规操作等各种。一方面是针对噪音原因进行特殊处理（比如一些作弊行为），另一方面要充分发挥数据密度和数据量的优势，在保证尽量去除Outlier后，依然保持可观的数据量。能够同时使用其他维度的数据进行验证，也是非常重要的，甚至可以说数据多样性和正交性，决定了我们能做事情的上限。
• 数据聚合
• 不同区域的楼宇密度完全不一样，具有极强的Local属性，使用常规聚类方法，比较难做到参数统一，需要找到一种不过分依赖样本集合大小，以及对去噪不敏感的聚类算法。
• 重名问题
• 这个属于POI融合的一个子问题，判断两个POI信息是否应该合并。这个在用户地址中比较常见，用户提供的地址信息一样，但实际是两个地方。这种情况下，我们的处理原则是一方面要求纠正后坐标更符合骑手签到情况，另一方面新坐标的签到数据要足够稠密。

交付点挖掘的技术实战：效果

< class="pgc-img">

目前，我们已经上线了一版交付点，对用户位置进行主动纠正，让骑手可以更准确更快的找到用户。目前效果上看还是非常明显的。包括几个方面：

• 骑手交付距离明显降低
• 从上图左侧部分看到，在上线前（绿色）交付距离>100M的占比很高（这个距离会导致实际位置差几栋楼，甚至不同小区），也就是用户自己选着的位置错误率比较高，导致骑手交付难度较高，对效率影响比较大。上线后（红色），交付距离明显缩短（均值左移），同时>100M的长尾比例明显下降。
• 单元门级别的高精度位置
• 上图右侧部分看到，我们挖掘的交付点基本上能与楼宇的单元门对应。而且没有明显偏差比较大的部分。这个质量基本达到我们之前设定目标，也证明配送大数据的巨大潜力。
• 目前的问题以及后续的优化点
• 如何提升其作为POI挖掘和发现手段的准确率？这里面有很多优化点，比如去重（交付点-位置信息的一一映射），POI信息补全和更新。
• 如何扩大数据渠道并做到信息整合？目前主要渠道还是骑手签到和轨迹数据，这个明显有更大的想象空间，毕竟每天在全国大街小巷，有几十万骑手在进行配送，除了前面（以及后面）提到的通过手机被动采集的数据，让骑手主动采集数据，也是不错的建设思路。只不过想要做好的话，需要建立一个相对闭环数据系统，包括上报、采集、清洗、加工、监控等等。

更精细化的配送场景识别：感知

前面提到的地图技术，只能解决在室外场景的位置和导航问题。但配送在商家侧（到店、取餐）和用户侧（到客、交付）两个场景中，其实是发生在室内环境。在室内的骑手位置是在哪里、在做什么以及用户和商家在做什么，如果了解这些，就能解决很多实际问题。比如：

< class="pgc-img">

这个技术方向可以统称为“情景感知”，目标就是还原配送场景中（主要是室内以及GPS不准确），真实配送过程发生了什么，具体方向如下图所示：

< class="pgc-img">

情景感知的目标就是做到场景的精细刻画（上图的上半部分），包含两个方面工作：

• 配送节点的精确刻画
• 在ETA预估中已经展示过一些，不过之前主要还是基于骑手上报数据，这显然无法做到很高精确，必须引入更客观的数据进行描述。目前，我们选择的是WiFi和蓝牙的地理围栏技术作为主要辅助。
• 配送过程的精确刻画
• 骑手在配送过程中经常会切换方式，比如可能某个小区不让骑电动车，那骑手必须步行，再比如骑手在商家发生长时间驻留，那应该是发生了等餐的情况（用户侧同理）。目前，我们选择使用基于传感器的运动状态识别作为主要辅助。

这些数据，大部分来至于手机，但是随着各种智能硬件的普及，比如蓝牙设备，智能电动车、智能头盔等设备的普及，我们可以收集到更多数据的数据。WiFi/蓝牙技术，以及运动状态识别的技术比较成熟，这里主要说一下概况，本文不做深入的探讨。

< class="pgc-img">

< class="pgc-img">

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间的平衡。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。

考虑成本限制，我们需要的是相对廉价和通用的解决方案，那种基于大量传感器硬件部属的技术，明显不适用我们几百万商家，几千万楼宇这种量级的要求。为此，在具体技术方面，我们选用的是WiFi指纹、蓝牙识别、运动状态识别等通用技术方案，就单个技术而言，其实学术界已经研究很充分了，而且也有很多应用（比如各种智能手环等设备）。对于我们的挑战在于要做好多种传感器数据的融合（还包括其他数据），以确保做到高识别精度。当然为了解决“Ground Truth”问题，部署一些稳定&高精度的智能硬件还是必须的，这对技术迭代优化和评估都非常有帮助。

总结

美团外卖日订单量超过2400万单，已经占有了相对领先的市场份额。美团配送也构建了全球领先的即时配送网络，以及行业领先的美团智能配送系统，智能调度系统每小时路径计算可达29亿次。如何让配送网络运行效率更高，用户体验更好，是一项非常困难的挑战，我们需要解决大量复杂的机器学习和运筹优化等问题，包括ETA预测，智能调度、地图优化、动态定价、情景感知、智能运营等多个领域。过去三年来，美团配送AI团队研发效果显著，配送时长从一小时陆续缩短到30分钟，并且还在不断提升，我们也希望通过AI技术，帮大家吃得更好，生活更好。

< class="pgc-img">

活动推荐

< class="pgc-img">

本文作者何仁清作为出品人策划了《AI在复杂业务场景中的最佳实践》，12月22日周六下午将在望京恒电大厦C座美团点评北京总部1层恒基咖啡举办。本次技术沙龙，美团联合京东技术专家共同探讨AI在搜索、NLP、智能调度等方向的深度实践，希望与业界技术同仁一起交流学习。欢迎参加～

报名请戳：http://www.huodongxing.com/event/7469531845811?qd=weixin

欢迎加入美团机器学习技术交流群，跟作者零距离交流。进群方式：请加美美同学微信（微信号：MTDPtech02），回复：机器学习，美美会自动拉你进群。

一）固态法白酒生产的特点

固态法是固态发酵法的简称，是我国古代劳动人民的伟大创造，也是我国独有的传统工艺，因为啤酒、葡萄酒是液态发酵，各类白兰地、威士忌、伏特加、兰姆酒等蒸馏酒，也是液态发酵，蒸馏也是在液态的情况下进行。固态法的最大特征是：固态糖化发酵，固态蒸馏。也就是说，生产的主要过程是在固态下进行的。它有如下特点：

< class="pgc-img">

1、生产间歇式、开放式、是多菌种混合发酵

固态法白酒的生产基本上是手工操作，生产的主要环节没有连续化，除原料蒸煮过程起到灭菌作用外，其它过程都是开放式的操作，各式各样的微生物都可以通过空气、水、工具、场地等渠道，进入酒醅，它们将与曲中的有益微生物一块发酵，产生出丰富的香味物质。反之，如不注意清洁卫生，亦可造成杂菌感染，影响成品酒的质量，甚至蒸不出酒来。【固态发酵】

2、低温蒸煮，低温发酵

固态法酿酒，蒸煮（糊化）温度低，避免了高温、高压的弊病，保证了成品酒的质量。为了保证糖化和发酵的同时进行，故采用低温发酵。温度过高，糖化酶破坏的量大。当采用20~30°c的低温发酵，酶的作用放慢，虽延长了糖化时间，但酶的破坏减弱，糖化进行得也缓和，便于控制、窖（池）内升温慢，酵母不易衰老，发酵后酒醅含乙醇量高；同时，避免了因糖化温度高，糖化速度猛造成糖份过量积累，致使杂菌繁殖所造成的弊病。【白酒发酵】

3、配糟调节酒醅淀粉浓度、酸度及残余淀粉再利用

在酒醅中加入已蒸馏过的酒糟，一般称为配糟，亦称配醅。配糟一般的配比量是原料的3~4倍，除了残余淀粉的再利用外，还可调节入客（池）的淀粉浓度和酸度，以利于糖化发酵。这些配糟经长期反复发酵，也积累了大量的香味物质的前体。

4、甑桶蒸馏

固态法白酒的蒸馏都采用传统的甑桶设备，这种简单的因态蒸馏装置，是我国古代劳动人民的一大创造，它不仅是浓缩与分离酒精的过程，而且又是香味的体现和重新组合的过程。控制好蒸馏工序的各有关因素，是保证酒质量的要素之一，其机理尚在探讨中。

< class="pgc-img">

此外，固态法白酒手工操作比重大，相对而言，具有设备简单，劳动强度大，产量小，效率低，周期长，资金周转慢等特点、弊病，不一一叙述。

（二）固态法生产的分类

固态法白酒生产方法不一，更因原料、用曲、工艺不同使成品酒风格各异，这是形成丰富多彩的各类白酒的主要原因。关于生产工艺的分类，尚在探讨之中。从生产实际出发，以用曲，即糖化发酵剂为基础，结合工艺特点归类分为大曲法、小曲法、大小曲混合法、麸曲法四类。

1、大曲法

大曲法就是酿酒的糖化发酵剂是大曲。国家名优白酒和地方优质名白酒，绝大部分都是采用大曲酿制。各酿酒厂又因制曲工艺、窖池结构、发酵贮存、勾兑等工艺不同，而使成品酒在香型、风味上各具特色。但是，大曲法一般来说，生产周期长，出酒率低，劳动强度大，效率低，成本高，资金周转慢。

关于大曲法白酒的分类方法主要有以下两种：

（1）按成品酒内香型划分，可分为浓香型、清香型、酱香型等操作法；

（2）按蒸煮、蒸馏划分，可分为清渣法、续渣法和二者兼有的清渣加续渣的三种方法。

< class="pgc-img">

2、小曲法

小曲法就是用小曲做酿酒的糖化发酵剂。小曲又称酒药、酒饼，制作方法很多，大多引入中草药，因厂而异小曲法用曲量少，生产周期短，出酒率高，但对单宁含量较高的野生植物，适应性较差。西南等地区大多采用此法。如从工艺特征上分，有固态发酵法和半固态发酵法两种：

（1）固态发酵法：蒸料后，培菌、发酵和蒸馏都在固态下进行。西南、两湖多采用。

（2）半固态发酵法：蒸料以后，固态培菌、糖化，然后再加水冲稀（亦称半固态)，再进行发酵、蒸馏。原料多用大米。两广、福建等地大多采用此法生产。

< class="pgc-img">

3、大小曲混合法

大小曲混合法又叫混合曲法。国家名酒董酒就是这种酿造方法的代表。工艺操作又分为：串香法和小曲糖化大曲发酵两种：

（1）小曲糖化大曲发酵法：原料经蒸煮后，先加小曲糖化，然后加入大曲入窖发酵。贵州有几种省管窖酒采用这种方法，如：平坝县的平坝窖酒，金沙县的金沙窖酒，福泉县的泉酒等。

（2）串香法：用小曲法制酒的白酒或醅，进行蒸馏时，其蒸汽串透过另用大曲发酵的香醅而叫串香法。董酒用的就是这种方法。

< class="pgc-img">

4、麸曲法

以麦麸作培养基，采用纯菌种制曲的方法。根据原料或生产的目的性而选用不同的菌种，故又分为根霉麸曲，曲霉麸曲两种。近年来，国内把研究国家名白酒的成果——微生物菌种和独特工艺应用于麸曲酿酒，从而酿制出麸曲酱香、麸曲清香、麸曲浓香等优质白酒，把麸曲酒的生产推向一个新的阶段。