在4月26日举行的“新餐饮•智未来”2018年餐饮新连锁趋势峰会上，清华大学博士生导师、杉数科技科学家李建教授分享的《新零售与餐饮：数据驱动的智能选址与运输优化》主题演讲为在场的嘉宾打开了一扇新大门。

近年来，李建教授一直从事于人工智能赋能新餐饮方面的工作，通过利用人工智能和运筹学，在智能选址及运输优化理论及应用方面有很大的研究。

人工智能和运筹学双显神通

近两年，人工智能一词非常火热，并在逐步走向各行各业。它的一个重要突破点是通过深度学习后，从而对学术界有了广泛的认识。在阿尔法狗出现之后，人工智能被大众所广泛认知，并开始全面进入各行各业。目前，人工智能在某些领域应用已经非常广泛，将与行业发生越来越紧密的结合。人工智能拥抱新餐饮、新零售，将擦出怎样的火花？

除了人工智能这个热点外，运筹学实际上也是研究决策和优化的一门科学，如何在非确定的情况下做出最优的决策？如何在决策上能进一步的优化？如何减少花费？如何优化利润？这都是运筹学需要解决的问题。人工智能都提到，运筹学在商业决策中非常重要。所以，人工智能和运筹学是两个非常重要的学科。

在人工智能和运筹学的基础上，李建教授着重讲述了两个方面。第一是智能选址，第二是装箱优化及运输优化。

3.0智能选址系统打破传统壁垒

在数据驱动下，新零售和新餐饮中的智能选址已经颇具潜力。相对于从前夫妻店似的传统零售化，目前的新零售已经非常规模化。随着无人店、连锁店等的出现，每个大型零售商都有很多的网点，餐饮店也有了很多的餐厅。餐厅如何选址是一件非常重要的事情，每个城市不同的位置都有不同的属性，如何在几百个网点中成功选址，这是一个非常大的挑战。

传统的选址通常是通过人的主观经验来选，这就会出现很多问题，因为一个人很难对整个城市形成非常宏观的认识。选址方式发展到2.0阶段，便开始基于一定的数据，通过在整个行业中搜集一定数据，从而达到成功选址的目的。但这个过程中的数据的统计较为困难，所以想做到非常智能化也同样困难。而3.0智能选址将利用大数据+AI算法的智能选址方式，从而使得整个选址情况更加智能化，更加自动化。

3.0智能选址涉及非常广泛，需要整个大数据的支持。它的输入需要整个城市宏观的信息和一些微观的信息，需要人口及相关店铺信息，需要相对应企业的竞争对手信息，需要商圈的一些其他信息等。

发展到3.0智能选址，首先需要将城市进行一个网格化，这个网格化可以分成不同的网格，可以基于商圈功能和整个地理区块的更细化的划分，对每个划分的区间也要做一个更细致的划分。比如某个地区有一些业务限制或者交通限制或者人口限制，通过融合这些限制，来判断每一个商圈进行选址，相信最终得出的结论将更加合理。

3.0智能选址三功能面面俱到

3.0智能选址有三个功能，一是能够对某个商圈进行洞察评分，判断某个商圈有多少潜力。第二是能对这个店铺做营收预测，通过大数据分析你想开的店铺类型及地址，做到营收的预测，得出更准确的理论依据。第三则是系统功能，一个品牌需要在某个城市建上百个店面，先后应该怎样规划？相信通过智能化选址规划后，将得出更全面更系统的结论。

在整个城市的大数据建立中，重点包含一些交通信息、商业圈生态数据、客流信息等。并且还需要对这些用户进行消费者画像，哪个年龄层、哪个阶层各占多大的比例等的信息进行统计。另外还需要对竞争对手进行标签记录，通过分析相似的竞争对手，以及对方会吸引哪种类型的客户。这些信息的基础搭建将使整个智能化选址得到升华。

建立好城市规模的大数据库，接着则需要进一步去做城市区域的细分，通过区域细分我们可以评价每个区域周围商圈的潜力。首先可以评价这个商圈生态如何，竞争的指数怎么样，从而得出若干指数（主要包含交通电力指数、客流指数、消费指数）进行参考。通过了解这个指数的每个范围值代表什么含义，最终预测这个商圈是否具有潜力。

区域细分后，还需要继续做好全局规划，这就需要运用到运筹学的办法达到全局优化。整个区域就像一张大网，网中分布有很多格子，在哪些格子上分布零售店或餐馆，非常值得细究。一般的目标是希望利润最大化，同时站在全局考虑，则希望覆盖人口最大化或覆盖地域最大化。另外，每个地区的成本不尽相同，通过计算可以估摸出开店的成本、收入以及利润。在这个多层次的决策过程中，更多的需要运用到一些运筹学规划的理论。

3.0智能选址的第二个功能就是营收预测。它能够对一个指定区域预测出营收，这是一个比较微观的问题，需要考虑到门店具体的位置。包括这个地方的公交站离你多远，这个地方的人流量多大，利用非常微观的数据，预测这个地方的营收情况。

在人工智能基础+运筹学基础上建立出的3.0智慧选址系统，可以做到多维度覆盖，它的第三点系统功能将有很大的发挥余地。有了这个系统后，就能非常容易的在多个城市中进行推广，一个城市成功后，则可以搜集到足够多的数据，进行多城市的推广，省时省力。例如，有人想做新店布局，可以委派派拓展专员去实地考察，而通过这个系统，就能节省很大人力物力。

从运筹学到智慧运输

智慧的运输优化也是一门很高深的学问，运输里面包含若干以下的问题，一是非常细节的装箱问题，涉及到三维的装箱问题。第二是运输资源合理调配问题，其中包括人员、物资等合理安排。

在这个过程中涉及到三个具体的技术问题，第一是VRP问题，第二是三维装箱，第三是地址纠错。

人工智能之所以越来越火，是因为人们期望通过智能化使自己能够比别人“快半拍”，人工智能化时代来了，那么智能餐饮还会远吗？