电子商务物流最后一公里配送的碳排放研究

薛星群， 王旭坪,， 詹林敏

(1.大连理工大学 商学院，辽宁 盘锦 124221; 2.大连理工大学 系统工程研究所，辽宁 大连 116023)

0 引言

2018年中国网络零售交易额达9万亿元，其中，网络上实物商品的零售额达 7万亿元，其为社会消费品总零售额的18.4%[1]。作为电子商务的重要支持产业，2018 年在我国的快递企业总业务量完成达 507.1 亿件[1]，连续五年位居世界第一，快递已逐渐变成社会物流活动的重要组成结构。在经济的高速发展下，人们也逐步发现人类社会活动对环境造成的不良影响。而电子商务物流的最后一公里由于配送过程不合理致其存在能源消耗大、碳排放量大的问题[2,3]，因而有效降低电子商务物流末端的碳排放量，保证其低碳环保的发展趋势十分必要。

最后一公里配送即描述货物从运输中心运输到客户指定处的过程。送货上门、自助收发箱和设立顾客自提站是三种主要的最后一公里配送模式[4,5]。依照客户要求条件，把货物运输到签收地，实现一对一针对性的服务即送货上门模式。目前对于送货上门模式的相关问题研究关注于设定合适的时间窗或者奖惩措施来调节成本和顾客满意度的关系研究[6～8]居多。自助收发箱模式是将包裹放在客户端的自助收发箱中，用户凭发送的密码取货的配送方式，现存大多数有关这一模式的研究也主要针对其成本。流动收发箱、公共收发箱和独立收发箱是自助收发箱的三种主要形式[9,10]。Coley et al.指出，在客户离配送距离中心小于6.7KM的时候，采用区域传统的操作模式才会比蔬菜大规模自助收发箱所产生的碳排放量小[11]。顾客自提站模式是指把物品送至物流服务提供商所规定的位置，用户本人亲自来提取货物商品的方式。顾客自提站在不一样地点建立运营效率、所产生的成本和对环境的影响都不一样[12]，而且多数用户只有在路程没有超过5分钟的情况下才同意使用这一模式[13]。若是根据国外的人口数和其配送习惯，只有在二次配送成功率比70%小并且有一半的用户愿意自行前往配送中心取物品时，该模式下产生的碳排放量才会比传统模式少[14]。Suh et al.进一步将这一模式改进，采用社交媒体的传递实时信息的方式通过亲朋好友达到快速从自提站取得包裹的目的，实验显示该方法所产生的碳排放量无论在城市中的哪里都比现有的的顾客自提站和送货上门模式小[15]。

综上所述，大多数最后一公里的配送模式的研究集中在成本和操作效率，少有针对三种不同最后一公里配送模式对环境产生影响的研究，并且中国的国情与发达国家有差异，因而探索中国国情下不同的最后一公里配送模式对环境产生影响十分必要。本文采用改进的VRP (Vehicle Routing Problem)、聚类分析等模型进行仿真分别优化计算不同最后一公里配送模式的能耗，并把每种模式的其他耗能相结合以综合计算其碳排放量，进而讨论不同的配送模式对环境产生的影响，并分析主要影响每种配送模式碳排放的因素，从环保角度为电子商务物流最后一公里配送的发展提供一些建议。

1 电子商务物流最后一公里碳排放计算模型

1.1 碳排放量计算模型

碳排放指代温室气体排放，其中含有CO2、CH4、氧化亚氮、全氟碳化合物、六氟化硫和氢氟碳化合物等，而二氧化碳约占55%[16]，因此文章中根据在最后一公里的配送中所耗费各种能量和物质而产生的CO2量以此衡量不同配送模式对环境的影响程度。CO2排放量越大，则对环境危害越大，反之亦然。根据ICPP发布的第四次评估报告，燃烧化石燃料和使用土地所引发的改变是全球CO2增多的主要影响因素[17]，故本文中对车辆和自助收发箱等硬件设备制造过程中产生的碳排放忽略不计。由此，文中方法是通过对于在最后一公里的包裹配送的过程当中每个环节耗费的能源来计算的CO2排放[18]，第j种配送模式生产的CO2总量Ej计算公式为:

(1)

其中，Cij:第j种配送模式中对第i种能源的消耗量；βi:第i种能源的CO2排放系数；sum:化石能源种类数量。

根据对市场上顺丰、申通等快递企业的调查，出于成本和操作效率的考虑，在送货上门模式中，派送员通常使用三轮电动车或面包车进行包裹派送，而在其他两种配送模式中，则选用轻型载货汽车。运输过程中，车辆用油量受海拔气温、道路路况、路面状况和车辆载重量等因素的影响[19]，文章中主要针对车辆载重量对油耗的影响的情况[20]，假设其他因素在不同配送模式中都相同。研究说明，一单位距离燃料耗用量ρ是依附于货车装载货物量X的线性函数[21]，则车辆总重量是车辆本身重量Q0和载重量X，车辆原本额定载重为Qv，有:

ρ(X)=a(Q0+X)+b

(2)

车辆不载货物的时候单位距离耗油量ρ0和载满货物的时候每单位距离消耗油量ρ*分别为

ρ0=aQ0+b

(3)

ρ*=a(Q0+Qv)+b

(4)

由上式可得：

a=(ρ*-ρ0)/Qv

(5)

则装载货物量和单位距离耗油量之间的线性关系为:

ρ(X)=ρ0+[(ρ*-ρ0)/Qv]X

(6)

由于缺少针对电动车载物重量与用电量间精确关系的文章，文中把电动车耗电量取值偏大，即假设车辆全程都处于负重状态。

2.2 送货上门模式碳排放优化模型

送货上门模式中的碳排放源自在派送过程中车辆行驶耗能产生的碳排放较多，快递员在派送过程中乘坐电梯和签收等行为在每种模式中都不可或缺，所以本文忽略不计。本节使用改进的VRP建立送货上门的车辆路径模型，把目标函数值改为使总能耗最小。用遗传算法求出用油量最小的车辆行驶路径[22,23]，之后依照能耗计算CO2排放量。

若为面包车，目标函数为：

(7)

若为三轮电动车，目标函数为：

(8)

约束条件:

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

Xijxijr≤Qv,r=1,2,…,R

(17)

r=1,2,…,R,h=1,2,…,n;xijr∈{0,1},yir∈{0,1}

(18)

其中，

符号意义符号意义z运输工具能耗λ服务一位客户的时间R路线总数δ运输工具百公里耗电量m派送点总数σ车子启动或者停止的时间dij派送点i和j之间的距离v平均车速qi派送点i需求量T额定工作时间q整片区域的需求量xijr边(i,j)包含在路线r里,0-1变量Qv车辆额定载荷yir派送点i包含在路线r里,0-1变量ths派送点h要求的最早送达时间the派送点h要求的最晚送达时间q0=qn+1=0配送中心需求量为0n有派送时间要求的派送点总数μ校正因子,将任意两个节点间的直线距离调整为现实路线,本文取值1.5[24]。

式(9)表示某区域的总需求量；式(10)～(12)确保各个配送点都能够到达一次；式(13)和(14)则确保每条线路必由派送中心出发之后能够再次回到派送中心；式(15) 确保车辆的实际运转时间不大于规定的运转时间；式(16)表示车在派送过程中其承载物品重量的改变，用电动车在运输不使用此式；式(17) 确保各个线路上的总共货物量不超过车辆本身规定的负重载荷；式(18) 确保配送点h对时间的特定规定。

2.3 自助收发箱模式碳排放优化模型

本文中的自助收发箱采用有36个大小不同柜的公共收发箱。在该模式下，其碳排放量主要来自于箱子正常工作的能耗和配送过程中车辆的油耗。参照上述2.2的面包车送货上门模型，可得出该模型的车辆耗油量。然而，因为自助收发箱对于配送时长没有硬性要求，所以，在计算时舍去上述模型中式(18)即可。除此之外，要使箱子正常工作的能耗排放计算公式为

C22=w×g

(19)

w为耗电量；g为数量。

2.4 顾客自提站模式碳排放优化模型

在顾客自提站模型中，顾客自提包裹的碳排放量和配送途中车辆的油耗是CO2排放量的主要构成因素。该模式的配送过程与前两种模式截然不同，原因是一个顾客自提站可对应多个派送点。基于此，利用欧几里得的K-means聚类模型对派送点进行聚类分析[25,26]，而对于该模式建立的车辆规划模型则采用遗传算法进行求解。该模式对于配送时长不做要求，因此其VRP模型可类比自助收发箱，所以可将式(16)右侧更改为此类的需求总和。所以，其k-means聚类模型为:

(20)

约束条件：

(21)

(22)

oi为派送点;Pj为类Li的平均值；E是误差平方和。式(21)是更新簇的平均值；式(22)为计算准则函数。受包裹自提数目的限制和基于对顾客在中途卸货可能性几乎为零的假设，本文忽略不计顾客车辆因提取包裹而增加的载重量。因为，对个人乘公交车的影响因素较多，而且公交车的个人排放量处于在步行与私家车之间，所以暂不考虑公交车。除此之外，自行车取件也没有碳排放，所以也不考虑此交通方式。因此，顾客提取包裹的交通方式定为步行、电动车和私家车三种。

在顾客自提站模式中，顾客自提包裹时总耗能为

C13=s1×μ×θ/100C23=s2×μ×δ

(23)

si为顾客自提过程采取第i种交通方式的总路程(s1为耗油车辆的总路程；s2为耗电车辆的总路程)；θ为私家车的百公里耗油量。

3 数值实验

基于中国市区的居住密度，划定5km×5km的区域范围。在其中随机生成30个派送点，每个派送点代表一个小区。从公平角度为保证顾客满意度，每个小区至少设置一个自助收发箱[27]，为了避免随机生成的小区需求相差悬殊，导致自助收发箱模式存在明显劣势，限制每个小区随机生成10～36份订单需求。由于电子商务包裹轻重有别，大小各异，文中将随机生成的包裹重量区间划定在(0,1.5]kg范围内。本文基于MATLAB软件对模型进行求解，模型中的已知参数均来自申通、顺丰、圆通等多家快递公司派送员的访谈。根据顾客自提站模型，在确保顾客和自提站距离不超过5分钟车程的情况下，将区域划分为5类[13]。根据[28,29]，不同能源的CO2排放参数如表1所示。

表1 不同化石能源CO2排放参数

为方便计算，拟将顾客车型统一为2.0排量车型，取θ=10L/百公里；δ=16度/百公里。

数值试验得到三种模式行车路程、耗能CO2和排放量如表2所示，因为缺乏相关统计，本文忽略顺道取件的情况[30]。同时，由于缺乏对客户取件时使用的交通方法的统计，本文先假设步行提取包裹的顾客比例为20%，骑电动车提取包裹的顾客比例为30%，开车提取包裹的顾客比例为50%。

表2 最后一公里的配送模式的CO2排放量

表2中自助收发箱模式的CO2排放量仅是车辆耗油产生，除此之外，自助收发箱自身产生的CO2排放量也应计入其中。本文假设使用红外一体机的监控系统，因此其24小时耗电估计值为2度/箱。所以，其CO2总排放量为7.61+47.1=54.7kg。

表2表明，在第一种模式中，三轮电动车总路程稍大于面包车。究其原由有二：其一，本文通过遗传算法求解，结果取值满意解而非最优解，且两次计算结果不同；其二，三轮电动车车速比面包车慢，在一定程度上，增加了路程耗时，使得相同时间内服务客户数低于面包车。因此，往返配送中心的路程数也相应增多。但是，面包车的CO2排放量大于三轮电动车，这表明在某种程度上耗电交通工具对于环境保护更为友好。在本文的假设中，各交通工具均为负载状态，因此可知，在现实生活中，耗电交通工具的减排效果将更为显著。除此之外，就送货失败率而言，送货上门模式的失败率几乎为零，因此，数值计算结果也更偏向于送货上门模式。

然而，在自助收发箱模式中，派送员每天行驶路程远远小于送货上门方式的电动三轮车，然而其CO2的每天排放量却仅仅相对减少了0.27kg。原因是，该模式使用的是燃油轻型载货汽车，这也再次表明耗电型交通工具能够缓解温室效应。不仅如此，为了使箱体及监控摄像头等辅助设备的正常运行，自助收发箱模式额外消耗的电能更大，这也使得该模式的碳排放量最大。因此，为推广使用大规模自助收发箱，节能减排设备的研发工作必不可少。

相较于前面两种派送模式，在顾客自提站模式中，派送员所行路程最小。因此，其CO2排放量也相对较小。不仅如此，基于顾客自行取件时所选交通工具的假设前提，该模式的碳排放量也是最小的。然而相较于第一种模式的电动三轮车，却似乎并没有明显优势。因此，不难得出，顾客选取交通方式的不同将导致其CO2排放量的差异。所以，需要进一步对比研究，顾客选取不同交通方式的比例对CO2总排放量的影响。其结果如表3所示。

表3 顾客自提站模式CO2总排放量(单位：kg)

表3表明，顾客自提包裹采用的交通方式对于顾客自提站模式中的CO2总排放量有一定影响。如果有大于60%的顾客选择私家车之一交通方式提取包裹，那么无论剩下的顾客如何选择交通方式，该模式的碳排放量均大于采用电动车为交通工具的送货上门模式。然而，假设所有顾客提取包裹的交通工具均为电动车，则该模式的CO2总排放量将会低于送货上门模式。不仅如此，如果有60%的顾客选择电动车，而且有不超过30%的顾客选择私家车，那么顾客自提也将优于送货上门。反之，如果顾客都选择开私家车提取包裹，那么它的碳排放总量将与使用面包车配送的送货上门模式相近。所以，只有大力鼓励环保型交通方式，大力推广环保理念，顾客自提站模式才有实施必要。在这里需要指出的是，顾客顺道取货的情况被排除在外。然而，在现实生活中，大多数顾客常常会在购物途中或上下班途中顺道取件，而此举使最后一公里的CO2总排放量大大降低。因此，基于环保视角，顾客自提站模式有良好的发展前景。

4 总结

本文通过改进的VRP模型和k-means聚类模型优化计算了不同配送模式下最后一公里的碳排放量，并分析了不同模式对环境的影响以及产生这种现象的原因。自助收发箱模式的CO2总排放量最高，主要是因为收发箱使用过程中的电能消耗量较大。如果开发节能低耗的箱体或者箱体分布密度可适当降低，则这种模式可满足在快递人员无法进入小区或需要冷藏存储货物等情况下的应用。而在大部分顾客均选用节能减排的低碳低耗能交通工具的情况下，该模式具有达到最少碳排放量的潜力。因此，为了更好地应用顾客自提模式，大力推广环保知识，鼓励顾客用低碳交通工具取件等都是必不可少的并进工作。在居住密度较低的地区，相较于前两种模式，传统的送货上门模式略胜一筹。因为其可以采用耗电型交通工具进行配送，大大减少了碳排放量。如今，电子商务已成为社会活动不可分割的一部分，低碳环保势在必行，基于此，本文开展了深入的研究，为末端配送问题的决策提供一些建议。

本文仅从配送过程中CO2排放角度考虑了不同配送模式对环境的影响，实际碳排放包括多种其他气体，若考虑所有气体，结论可能出现差异，这将是下一步的研究内容。