鄭　茜，李燕芝，傅培華

（浙江工商大學　計算機與信息工程學院，浙江　杭州　310018）

考慮碳排放的快遞接駁點選址問題研究

鄭茜，李燕芝，傅培華

（浙江工商大學計算機與信息工程學院，浙江杭州310018）

對減少碳排放進行了定性分析，得出碳排放與車輛行駛速度和里程有關。通過引入快遞接駁點可以較好的減少車輛總里程，緩解因不合理安排引起的交通擁堵，減少企業(yè)整體碳排放量，同時延長顧客服務時間，提高服務質量。為實現(xiàn)快遞企業(yè)在服務質量和碳排放兩個維度上的協(xié)同優(yōu)化，在對國內(nèi)外現(xiàn)狀進行分析的基礎上，對快遞接駁點選址問題進行了研究。通過改進的K-means算法、重心法以及頻度分析構建單車接駁點選址模型，并利用真實企業(yè)數(shù)據(jù)進行實證分析，做出分析討論。

碳排放；快遞接駁點；聚類分析；重心法；頻度分析；選址問題

1　引言

快遞業(yè)是我國的新興行業(yè)，發(fā)展迅速，2010-2013年我國快遞業(yè)務量從23.4億件上升到92億件，年增長率高達40%；2014年全年我國快遞服務企業(yè)業(yè)務量累計完成139.6億件，躍居世界第一，業(yè)務收入累計完成2 045.4億元，同比增長41.9%［1］。而與電子商務井噴式的發(fā)展和國家的政策支持息息相關。

盡管快遞業(yè)發(fā)展速度迅猛，但其發(fā)展仍然存在諸多問題，例如：經(jīng)營成本高、經(jīng)濟效益較低、服務質量不高、顧客滿意度低等，同時快遞運輸所需的密集能源消耗也給地球環(huán)境增加了巨大的生態(tài)壓力。根據(jù)國際能源署（IEA）在2015年11月報告的2013年碳排放總量顯示，交通僅次于熱電，是全球第二大主要的碳排放源［2］。物流行業(yè)作為能源消耗密集型行業(yè)，對全球碳排放的增減具有影響力。2015年中國在巴黎氣候大會前向聯(lián)合國提交應對氣候變化的“國家自主貢獻”文件，其中規(guī)定于2017年啟動全國碳排放交易體系，把應對氣候變化的行動列入“十三五”發(fā)展規(guī)劃中，并在文件里闡述了2030年減排目標：單位GDP的二氧化碳排放比2005年下降60%-65%。

面對快遞業(yè)務量的快速增長、行業(yè)競爭的白熱化、客戶對服務體驗要求的不斷提高、生態(tài)環(huán)境壓力增加以及國家低碳政策的實施，如何實現(xiàn)快遞企業(yè)在服務質量和碳排放兩個維度上的協(xié)同優(yōu)化，是快遞企業(yè)發(fā)展必須面對的問題。

2　碳排放分析

根據(jù)歐盟委員會在MEET（Methodologies for Estimating Air Pollutant Emissions from Transport）報告［3］中給出的碳排放計算函數(shù)，假設車速為v的車輛行駛一千米的碳排放量為E（v）（g），則計算公式如下：

其中，參數(shù)（P，a，b，c，d，e，f）的取值與車輛的類型和大小有關。

由此可見，排除車型因素，車輛的碳排放除了與其行駛距離有關，還和其車速密切相關。根據(jù)函數(shù)分析可知，該公式為一凸函數(shù)，故當車速低于某個值時，車輛碳排放隨著車速的增加而急劇減少，之后呈緩慢減少趨勢；當車速高于某個值時，車輛碳排放又隨著車速的增加而增加，由此可見車輛在行駛中的碳排放與行駛速度之間不是線性相關關系。通過計算，可以得出一個最優(yōu)車速。但在現(xiàn)實運營中，由于城市路網(wǎng)的復雜性導致車輛幾乎不能以經(jīng)濟車速行駛，即使路況合適，司機也可能因為業(yè)務的要求而不可能勻速駕駛。

針對已有研究，得出影響快遞企業(yè)運輸過程中碳排放的3個主要原因：（1）配送路程。配送方式和路線的合理性決定了配送路程的長短，而這直接影響到實際的企業(yè)碳排放。（2）交通擁堵。目前在大中型城市，擁堵已經(jīng)司空見慣并且隨著交通資源的不合理配置越來越嚴重，不同程度的擁堵每天都在發(fā)生。交通擁堵對車輛碳排放的影響主要體現(xiàn)在車輛廢氣排放和燃油效率兩方面。速度過低，或者走走停停的交通狀況，會大幅度增加車輛碳排放。（3）業(yè)務時效。傳統(tǒng)的快遞企業(yè)遇到對時間要求很急迫的快件，例如跨國郵件必須在6點前上機，小網(wǎng)點的工作人員必須馬上離開網(wǎng)點去配送中心交接快件。

為解決以上矛盾，本文從微觀的客戶點這個角度入手，以快遞接駁點的選址問題為研究對象，來分析如何提高服務質量的同時保證碳排放的下降。接駁點即接駁車的?？窟x址。接駁車可理解為“移動倉庫”，指為節(jié)省快遞員（車輛）往返于客戶與分部之間的時間，延長客戶服務時間，快遞企業(yè)在收件量大且相對穩(wěn)定的場地建立交接中轉站，派出貨車進行鐘擺式的“集件”［4］，目的是增加快遞企業(yè)的收攬、配送業(yè)務量，提高其時效性，同時，選取合適的接駁點對提高服務質量和顧客滿意度大有裨益。例如，2009年，順豐速運試點實施“移動倉庫”策略，實施后在月收件量和人均效能上均有明顯提升［5］。通過接駁車的引入，將大大縮短快遞服務車輛的整體行駛路徑，減少能源不必要消耗，提高滿載率，實現(xiàn)能耗有效利用率的提高，同時快遞接駁車輛可以減少營業(yè)區(qū)域車輛，化解城市中心擁堵問題，實現(xiàn)碳排放的下降。針對各類低頻率急件，如果快遞公司能安排接駁車在配送中心控制區(qū)域內(nèi)負責此類快件的運送，既可以提高客戶滿意度又能保證網(wǎng)點的工作效率，考慮到此類快件數(shù)量不多，可安排接駁車?？吭诠潭ㄎ恢?，一旦產(chǎn)生此類快件再上門取貨。通過安排接駁車，可以減少車輛因臨時急件，高速行駛帶來的碳排放加劇。因此，本文目標就是找到這個最優(yōu)的接駁點。

3　國內(nèi)外研究現(xiàn)狀

運用聚類分析對快遞企業(yè)的研究由來已久。如楊康對快遞企業(yè)某一環(huán)節(jié)的布局與選址的研究［6］。Anderberg在1973年提出聚類分析是基于自身特點，將研究實體（對象或個人）劃分為一個或幾個組，其中一個重要的問題是組的概念［7］。Jain和dubes提到“cluster可以描述為一個多維空間的連通區(qū)域含有相對高密度的點，由一個區(qū)域的點的密度較低的其他區(qū)域分隔”［8］。

關于選址問題，Kuehn和Hamburger在確認分組的好處（附近的客戶）時認為，在許多情況下根據(jù)先前的判斷可以認為，在某些地區(qū)的客戶將不被在其他地區(qū)的潛在倉庫服務（……）由于地理上的接近，客戶經(jīng)常可以聚合成集中的需求（例如，城市連鎖超市和批發(fā)商的倉庫）”［9］。Tarik等運用模糊C聚類解決了約束條件下已知需求點的產(chǎn)能供應中心問題［10］。Ren等同樣運用模糊C聚類解決了區(qū)域城市多層次的物流配送中心選址規(guī)劃問題［11］。在國內(nèi)也有許多學者對此進行了研究，如趙芹提到結合聚類中的最短距離法與重心法，先用聚類方法將客戶分成不同區(qū)域，再用重心法得到配送中心的位置［12］。與一般重心法不同，其將公司A（X，Y）與配送中心P（a，b）間的距離表示為d（A，P）=K［（X-a）2+（Y-b）2］0.5，其中K表示歐氏距離轉化為實際距離的距離因子，由實際調研得出。又如李強等運用K-Harmonic means聚類分析方法將傳統(tǒng)的配送模型中點對點的送貨路徑替換為更貼近實際的連續(xù)圈式送貨路線［13］。還有阮國祥等提到現(xiàn)有配送中心選址決策一般僅考慮運輸成本的最優(yōu)化，隨著競爭的加劇，時間已經(jīng)成為物流公司不得不考慮的關鍵要素，配送中心選址決策應當將配送時間和成本結合考慮。將選址重心法和聚類分析方法相結合，并利用位勢圖，在運輸成本限制區(qū)域中找出運輸時間最短的配送中心位置，從而使選址模型更符合實際需求。

除了這些較多考慮距離因素的學者，還有一些學者善于應用指標體系來解決快遞選址問題。孫亮等以競爭優(yōu)勢理論中的動態(tài)雙鉆石模型為基礎提出物流中心選址的動態(tài)雙鉆石模型，運用區(qū)位論的要素分析方法選取區(qū)位因子。鑒于指標的可獲性及計算的簡便性，運用聚類分析選取設計出北京市物流中心選址指標體系，其測算結果與北京市“十五”物流中心規(guī)劃基本吻合［14］。

大部分專家學者將聚類思想運用到物流選址領域多涉及到配送中心的選址問題。然而對于中小型快遞企業(yè)而言，新建一個功能齊全、設施設備先進、布局最優(yōu)、能獲得最大效益的配送中心，無疑是對企業(yè)資本的巨大挑戰(zhàn)，很少會有中小型企業(yè)會采取新建配送中心的抉擇。同樣，將一個已經(jīng)存在的配送中心進行大規(guī)模地改造、修建、重筑等活動，對企業(yè)而言也是不太現(xiàn)實的。所以本文的研究重點放在如何在現(xiàn)有的設施設備等軟硬件的基礎上，尋找到既能控制成本又能更好的滿足客戶需求，促進企業(yè)低碳化運營的方法。

4　區(qū)域接駁點選址模型構建

4.1接駁點選址確定

接駁點位置的確定依賴于聚類分析和重心法，其流程分為五個階段。第一階段，數(shù)據(jù)預處理。把現(xiàn)有客戶點的地址在百度拾取坐標系統(tǒng)中轉化為經(jīng)緯度坐標，經(jīng)緯度度量的是全球，在這一小片配送區(qū)域中，其坐標經(jīng)緯度的數(shù)值差異很小，如果出現(xiàn)孤立點或是臟數(shù)據(jù)對結果影響就很大，所以將數(shù)據(jù)經(jīng)緯度整數(shù)部分消去，小數(shù)部分均擴大100倍，得到一個新坐標，設為地面坐標。第二階段，確定利用聚類分析將眾多客戶點劃分成幾類，此時每類的聚類中心點均已確定，選聚類中心點附近的客戶點作為研究對象。第三階段，基于客戶點頻度的重心法選址來確定各子區(qū)域接駁點的初選?？课恢?，記為P0。第四階段，接駁點的初選停靠位置P0確定后，選出在此區(qū)域附近的所有客戶點作為接駁點位置的擬選位置，記為PNi。第五階段，對擬選位置進行頻度分析以及停車難易度分析，選出最優(yōu)的接駁點。

4.2模型算法設計

4.2.1改進的K-means算法。K-means算法是基于最短距離的一種經(jīng)典算法，以兩點間的距離大小作為判斷兩點相似性的評價指標，即兩點間的距離越小，則認為該兩點間的相似度就越大。該算法的主要思想是從所有的點中尋找K個聚類中心，使得每個點到距離其最近的聚類中心的距離之和最小化［15］。為了使聚類效果更好，能找到更合適的聚類中心點，也有助于后續(xù)工作的高效進行，本文將進行兩次聚類分析，第一次是對所有數(shù)據(jù)進行聚類，且初始聚類中心隨機確定。第二次是對剔除孤立點或臟數(shù)據(jù)以外的數(shù)據(jù)進行聚類，且初始聚類中心就是第一次聚類得到的聚類中心點。

4.2.2基于客戶點頻度的重心法選址。重心法是物流設施選址最常用的方法之一，此方法適用于單個物流設施（物流中心、配送中心）選址，當然也適合于本文要確定的接駁點位置。利用重心法選址主要考慮的因素是成本最低，即完成各客戶點配送任務所需的配送運輸成本最低。

假設：F：運輸成本；C：運價；f：運量；D：運距。

（1）模型建立。由聚類分析可以對客戶點進行分類，假設對其中一類數(shù)據(jù)利用重心法求得其中心位置作為接駁點初始位置P0，記為算法如下：

由于Di未知，要消去x0和y0很復雜，在這里采取迭代方法求解。

4.2.3最優(yōu)接駁點位置確定。由重心法分析得到接駁點的初選位置，以此選出擬選接駁點位置，然后對擬選位置從節(jié)點頻度的高低、停車的難易兩方面進行綜合分析，選出最優(yōu)的接駁點位置。

（1）擬選接駁點位置選取。記P0為接駁點的初選位置，PNi為P0附近的所有客戶點，即為接駁點的擬選位置，計算如下：

PNi表示落入以P0為圓心，h為半徑的圓內(nèi)的點的集合。

（2）最優(yōu)位置選取。通過對擬選接駁點頻度和周邊停車難易程度的綜合分析，確定接駁點的最佳位置。

①節(jié)點頻度分析。對PNi做頻度分析，計算如下：

其中，fi表示每個擬選點的頻度，j表示進行統(tǒng)計的天數(shù)，xj表示擬選點第 j天的業(yè)務量。

②停車難易分析。通過對停車影響因素實行專家打分制度，得到停車難易分析。分別從停車位密集度、車流量密集度、人流量密集度和交通設施完善度四個角度對停車難易程度作出判斷。認為停車位密集度越高、車流量密集度越低、人流量密集度越低、交通設施完善度越高越易停車，以此為標準進行打分，分數(shù)從1-5表示停車從難到易，且總分越高越易停車。

通過對各個擬選點打分，分析其停車難易程度，記Si為第 i個擬選點所得總分數(shù)。

③綜合分析。用Scorei描述每個擬選接駁點被選擇的可能性，Scorei值越大，表明第 i個擬選接駁點被選擇的可能性越高。Score值計算如下：

其中，α表示權重系數(shù)，據(jù)經(jīng)驗值本文取α=0.7。

5　實證分析

5.1數(shù)據(jù)來源

本文所研究的數(shù)據(jù)來源于A快遞公司，為本文的研究提供了一個周期實際運作數(shù)據(jù)，數(shù)據(jù)來源地區(qū)為杭州地區(qū)，基于商業(yè)秘密的保護，本文在進行案例分析時將對某些客戶信息做模糊處理。

5.2數(shù)據(jù)預處理

得到數(shù)據(jù)單后的首要任務就是將其表示為能在程序中表達出的數(shù)據(jù)。采取距離定義方法進行聚類。單據(jù)中的地址一項抽象為坐標點，選取其經(jīng)緯度作為其橫縱坐標。

例如：地址是下城區(qū)環(huán)城北路63號，運用百度地圖API里的坐標拾取工具找到該點坐標。如果不同的單據(jù)出現(xiàn)在同一幢大樓，將其坐標視為等同。按此方法處理后得到的坐標為（120.181 76，30.279 814）。由于經(jīng)緯度度量的是全球，在這一小片配送區(qū)域中，其坐標的經(jīng)緯度的數(shù)值差異很小，所以將數(shù)據(jù)經(jīng)緯度整數(shù)部分消去，小數(shù)部分均擴大100倍，得到一個新坐標，用這個新坐標加以計算，計算后再轉化為經(jīng)緯度，得到需要的位置，新坐標（18.176，27.981 4）。

5.3聚類分析

把點轉化為數(shù)值坐標以后，對數(shù)據(jù)進行處理，利用silhouette度量以及距離和度量來判斷聚類好壞，實驗得出，當k=4時，聚類效果較好。聚類效果圖如圖1所示。

圖1中的*點表示由單據(jù)表轉化而來的客戶點，聚類后按照不同顏色分為4類。每類的聚類中心點為：（17.908 7，21.742 5）、（22.284 7，24.717 8）、（20.487 2，26.729 7）、（17.358 1，27.607 9）。剔除孤立點或臟數(shù)據(jù)，對剩余客戶點再進行聚類，且初始聚類中心就是第一次聚類得到的聚類中心點。聚類效果如圖2所示。

圖2中黑色的大米字表示第二次聚類的聚類中心，分別為：（18.400 4，22.166 5）、（21.922 7，24.980 4）、（21.165 6，26.596 1）、（17.692 0，27.455 6）。它們對應的地址分別為浙江省杭州市上城區(qū)飛云江路29號、浙江省杭州市江干區(qū)劇院路、浙江省杭州市江干區(qū)華二路、浙江省杭州市下城區(qū)中河北路90號。圖3中小黑圈表示二次聚類的聚類中心。

5.4接駁點位置確定

（1）利用基于客戶點頻度的重心法確定初選接駁點的位置。第一類得到的聚類中心為（18.400 4，22.166 5），對應的地址為浙江省杭州市上城區(qū)飛云江路29號，參考聚類中心點位置，結合客戶點的位置確定半徑h，選擇了四座建筑，分別為：鳳凰中心（記為A）、贊成太和廣場1幢（記為B）、贊成太和廣場8幢（記為C）、春江花月瀟湘苑4幢（記為D），它們對應的坐標和一個周期內(nèi)的寄件頻度見表1。

圖1　第一次聚類效果圖

圖2　第二次聚類效果圖

圖3　二次聚類中心點

表1　大樓相關信息

利用重心法確定初選接駁點的位置，首先，選取第一類聚類中心點的坐標作為重心法的初始坐標，初始坐標為（18.400 4，22.166 5）；其次，通過迭代法來完善，當?shù)谒拇蔚瓿蓵r，F(xiàn)3＜F4，迭代結束；最后，求得初選接駁點的位置P0（18.363 8，22.218 1），轉換為經(jīng)緯度后對應的地址為浙江省杭州市上城區(qū)錢江路48號。

（2）利用頻度分析和停車難易度分析確定最優(yōu)接駁點位置。初選接駁點的位置是浙江省杭州市上城區(qū)錢江路48號，分布在其附近的客戶點有錢江路70號中國銀行附近、秋濤路28號鳳凰中心、飛云江路29-31號中國建設銀行附近，把這三個位置作為接駁點位置的擬選點。在百度地圖可看出，錢江路70號和飛云江路29-31號均離贊成太和廣場很近，把這兩個客戶點地址歸為一類，記為贊成太和廣場。

現(xiàn)在再根據(jù)節(jié)點頻度的高低、停車的難易來選取最終接駁點的位置。停車的難易通過百度全景地圖獲得相關信息來打分確定。鳳凰中心和贊成太和廣場停車難易度得分分別為16和14。兩個擬選接駁點位置對比見表2。

表2　兩個擬選接駁點位置情況對比

根據(jù)Scorei=0.7fi+0.3Si得兩幢大樓的總分分別為9.7和12.6。因此，選取贊成太和廣場停車場附近作為最佳接駁點位置。此位置能很好地為贊成太和廣場附近的客戶服務，同時此接駁點位置距離頻度高的兩個客戶點均不遠，從贊成太和廣場停車場附近到鳳凰中心大概850m，駕車3min內(nèi)到達；到春江花月瀟湘苑4幢大概1.1km，駕車5min內(nèi)到達。也能提供較好的服務。因此把上城區(qū)的贊成太和廣場停車場附近作為第一類區(qū)域接駁點位置比較合適。

6　總結與展望

快遞業(yè)屬于一種服務業(yè)，快遞業(yè)務量不斷的增長勢必會影響到快遞企業(yè)提供的服務質量，同時作為碳排放源對環(huán)境產(chǎn)生進一步的污染。根據(jù)已有研究可知，碳排放與車輛行駛速度和里程有關。通過引入快遞接駁點可以較好的減少車輛總里程，緩解因不合理安排引起的交通擁堵，減少企業(yè)整體碳排放量，同時延長顧客服務時間，提高服務質量。

本文的不足在于，對減少碳排放只是進行了定性的分析，提出了一個具有操作性且經(jīng)濟可行性的解決方案，缺乏具體的定量分析。關于接駁點選址優(yōu)化對碳排放減少的定量分析可作為下一步的研究內(nèi)容。

［1］國家郵政局發(fā)展研究中心.中國快遞行業(yè)發(fā)展報告2015［R］.2015.

［2］IEA CO2Emission from Fuel Combustion Highlights 2015 Edition［EB/OL］.http://www.iea.org/publications/freepublications/publication/CO2EmissionsFromFuelCombustionHighlights2015.pdf.

［3］European Commission.Methodology for calculating transport emissions and energy consumption［M］.Luxemburg，1999.

［4］戢曉峰，陳方，覃文文，等.時效約束的高強度快遞需求區(qū)域車輛調度模型［J］.武漢理工大學學報（交通科學與工程版），2013，（2）:234-237.

［5］教育部高等學校物流類專業(yè)教學指導委員會.“SF杯”第三屆全國大學生物流設計大賽案例［R］.北京:教育部高等學校物流類專業(yè)教學指導委員會，2010.

［6］楊康.快遞企業(yè)國內(nèi)轉運中心區(qū)域布局和選址研究［D］.天津:南開大學，2011.

［7］Anderberg M R.Cluster analysis for applications［M］.New York: Probability&Mathematical Statistics New York Academic Press，1973.

［8］Balakrishnan A，Ward J E，Wong R T.Integrated Facility Location and Vehicle Routing Models:Recent Work and Future Prospects［J］.American Journal of Mathematical&Management Sciences，1987，7（1）:35-61.

［9］Clarke G，Wright J W.Scheduling of Vehicles from a Central Depot to a Number of Delivery Points［J］.Operations Research，1964，12（4）:568-581.

［10］Barreto S，F(xiàn)erreira C，Paixao J，et al.Using clustering analysis in a capacitated location-routing problem［J］.European Journal of Operational Research，2007，179（3）:968-977.

［11］Ren Y C，Xing T，Quan Q，et al.Fuzzy Cluster Analysis of Regional City Multi-level Logistics Distribution Center Location Plan［J］.Quantitative Logic&Soft Computing，2010，82: 499-508.

［12］趙芹.基于聚類分析和重心法的第三方物流企業(yè)配送中心選址分析—以邯運物流為例［J］.物流技術，2011，（8）:101-103.

［13］李強，趙茂先，楊龍飛.基于k-Harmonic means聚類分析的物流中心選址模型研究［J］.物流技術，2009，（11）:87-89.

［14］孫亮，汪曉霞，鄭吉春.物流中心選址評價指標體系設計［J］.物流技術，2006，（10）:26-27.

［15］吳海東.城市快遞服務的車輛路徑規(guī)劃問題研究［D］.北京:清華大學，2011.

Study on Location Allocation of Express Delivery Interchange Stations with Carbon Emissions Consideration

Zheng Qian，Li Yanzhi，F(xiàn)u Peihua
（School of Computer&Information Engineering，Zhejiang Gongshang University，Hangzhou 310018，China）

In this paper，we analyzed qualitatively the reduction of the carbon emissions，finding that the carbon emissions were related to vehicle travelling mileage and speed.Since the express delivery interchange stations could effectively reduce total vehicle mileage，alleviate traffic congestion，lower overall enterprise carbon emissions and at the same time extend customer service time and improve service quality.Next，in order to realize the collaborative optimization of the service quality and carbon emissions of the express delivery enterprises，we studied the location problem of the express delivery interchange station.At the end，we applied the single-vehicle interchange station location model to an empirical study.

carbon emissions；express delivery interchange station；cluster analysis；gravity method；frequency analysis；location problem

F205；F252

A

1005-152X（2016）06-0075-06

10.3969/j.issn.1005-152X.2016.06.017

2016-05-07

浙江省自然科學基金重點項目（LZ14G020001）；浙江省大學生科技創(chuàng)新活動計劃（新苗人才計劃）（2016R408062）

鄭茜（1990-），女，浙江人，主要研究方向：綠色物流管理。