随着互联网的高速发展，越来越多的人喜欢用APP订餐，尤其遇到恶劣天气状况，足不出户享受着上门服务的便利，是一件十分幸福的事。但在雨、雪、大风等特殊天气下点外卖，用户常常会遇到外卖配送超时的情况，心里不免懊恼：“这迟到也太久了，送到的饭菜都凉了，叫人怎么吃！”可回头看到浑身淋湿的外卖小哥，配送也不容易，这次就忍了吧…虽然很多用户体验十分不好，但多数情况下，用户出于同理心选择默默承受，有苦说不出。时间一久，便心生疑问“我到底该不该在极端天气下，点外卖？”

蝴蝶效应 运力调度影响配送结果

用户下单、商家接单制作、外卖员接单、外卖员配送、外卖送达。不难看出，商家制作和外卖员配送是这条运行逻辑中的核心变量。

从数据的角度而言，天气已成为影响外卖订单数量的最大诱因。如果遇到极端天气，外卖订单通常会增加20％至30％。甚至有些店铺遇到像小雨、小雪等一般特殊天气状况，外卖订单也会有5%至15%的增幅。

根据订餐APP中实时展示的商家出单信息，一般商家遇到特殊天气可以在规定时间内完成出餐，给到配送员。但由于常规天气预报时效差、短临天气预报结果准确率低，导致平台无法在极短时间内，做出有效、合理的配送员人力调度，出现订单量激增，远超配送人员情况，致使外卖订单延误，物流运力动态调节能力崩溃。

AI+气象赋能外卖行业

随着AI技术、气象专业技术的发展，气象预报也迎来智能网格化落地，凭借对气象数据的历史变化趋势及大数据分析，现阶段可以提供分钟级、公里级的临近预报、中长期预报，并通过预报结果进行机器学习订正，气象预测具有极高的准确率。

近年来，“AI+气象”也逐步开始在外卖行业进行应用，主要依据历史气象实测数据和历史配送业务数据建立分析模型，分析出天气和区域配送时长的关系，更加准确地预测订单配送时长，合理把控客户预期。与此同时，依据天气恶劣程度将其收在不同区域进行合理调配，提升恶劣天气区域骑手的运力，进而提升用户体验。

此前，笔者从聚焦于气象业务的人工智能企业眼控科技相关专家了解到，诚然，“AI+气象”会获得更精细化的气候测算结果。但就解决方案的应用而言，对人工智能企业仍存在较高要求：一方面，模型的训练需要大量气象数据，时空分辨率高，且涉及观测站、风场、雷达等多维度，因此数据量极大，对数据分析处理的要求很高。另一方面，大规模的气象预测AI模型需要经过许多次调优，需要耗费许多试错成本，对算力有一定要求。

相信未来，随着“AI+气象“的不断完善，智慧气象在航空、网约车、物流、保险、旅游甚至军事国防等领域的应用将会有更广阔的前景。