不是美团的产品，不了解美团怎么做的，但是可以分享下我想的一个思路框架

首先有个订单池，用户下的所有订单都发布到订单池里面，包含起始地，终点地，下单时间，预计送达时间，最晚送达时间，订单金额，骑手收益等关键信息。

骑手进入订单池可以进行抢单，订单会按一定的rank规则排序对每个骑手个性化可视，千骑千面，排序的算法，会根据很多因子计算。本质就是计算订单与骑手之间的匹配度，且这个匹配度随着因子变化而变化

1.骑手当前的规划路线和当前订单路线的重合度（通过已接单的订单计算当前骑手所在位置到送完所有订单的路线，例如先去a商家，再去b商家，送b客户，再送a客户）
2.骑手接单后，其所有订单的预计完成时间的变化，例如是否会超时
3.当前订单可匹配的运力资源（某些偏僻路段的区域可能仅有少数的骑手)
4.订单的停留响应时长
5.骑手的已接单量
6.订单的辐射区域，以及骑手负责的区域是否一致（减少算法压力，仅对骑手计算其区域内的订单）
7.订单的优先级（例如用户加配送费，VIP或优质用户，大金额订单等）

给每个因子按照重要程度去分配一个权重，最终计算出所有订单对骑手的匹配度，按照匹配度进行排序展示，骑手进行抢单。

派单的逻辑和抢单的逻辑应该是类似的，骑手选择自动派单模式，系统会将计算出来匹配度高的订单自动派送给他。应该还有强制派单，例如某个订单停留响应时间太久，高峰期运力资源不匹配强制调度，骑手考核任务等

关于预计送达时间怎么计算（可以了解一下时效表达相关的逻辑)，这个时间是可以动态更新的，大致分为两次

1.下单时，按照同类计算，美团积累了非常多历史同期同商家到同地点的订单数据，直接取历史同类订单的真实送达时间的平均值
2.骑手接单后，直接根据骑手当前路线动态计算，当然骑手每次接新单，都需要重新计算这个时间