城市居民小區快遞量調查與影響因素分析

郭佳奇

摘 要：本文通過實地調查、問卷調查與訪談，得到城市不同類型居民小區的快遞量情況及其影響因素。研究結果表明：（1）隨著居民小區檔次提高，平均每百戶居民每天收取的快遞數量逐漸增加，參與小區快遞配送的快遞公司數量和配送次數依次增加。（2）針對城市中心區的小區，快遞公司傾向于采用小型助動車+高頻次配送的送貨模式。（3）建立了居民小區快遞量和相關影響因素間的數學模型，模型顯示居民文化水平、收入等因素均會正向影響居民網購意愿，從而增加居民小區快遞量。（4）完善末端配送網絡，結合小區區位類型采取靈活的快遞配送方式，能提高小區物流配送效率。

關鍵詞：居民小區;快遞量;影響因素;配送方式

中圖分類號：F259.2 文獻標識碼：A

0 引言

電商經濟蓬勃發展，物流體系不斷完善，極大提升了居民網購需求，也推動了快遞行業迅速崛起[1]。暢通物流“最后一公里”，解決末端配送問題，能顯著提升物流運轉效率[2]。

“最后一公里”物流在城市范圍內主要表現為社區、居民區物流問題，目前城市快遞末端服務中普遍存在快遞三進（進社區、進校園、進商廈）難問題，投遞效率亟待提升[3]。為了解居民小區快遞配送特點，就需要掌握小區快遞配送情況，找出影響小區快遞量的因素，并分析二者間的相關關系。

居民小區快遞量受諸多因素影響，居民文化水平、家庭收入、居民區所在地段等都會影響居民小區快遞量。本文基于不同類型居民小區的快遞量調查數據，分析出影響居民小區快遞量的主要因素，通過數學建模研究快遞量和這些因素間的相關關系，總結出居民小區快遞物流特征，并針對性提出提高快遞末端配送效率的方案。

1 基本概況

1.1 調研小區概況

本文選取上海市3個不同類型居民小區進行調研，了解不同小區快遞末端配送現狀。調研小區基本情況如下：調研小區1位于外環以外，房價約2.5萬/㎡，屬低檔小區，小區占地3.3萬㎡，共445戶，周邊1 km內有超市和便利店57家，菜場3個，銀行服務點10個，商場3個，公交站點10個。調研小區2位于內環-中環間，房價約6.7萬/㎡，屬中檔小區，小區占地3.5萬㎡，共778戶，周邊1 km內有超市和便利店165家，菜場10個，銀行服務點53個，商場13個，公交站點27個。調研小區3位于內環以內，房價約10萬/㎡，屬高檔小區，小區占地2.2萬㎡，共698戶，周邊1 km內有超市和含便利店175家，菜場13個，銀行服務點199個，商場22個，公交站點46個。

1.2 調查方法

本文采用實地調查、問卷調查與訪談相結合的調查方法。實地調查主要收集小區基本情況和周邊1km內生活配套設施數量。問卷調查旨在獲取小區住戶的收入、購物習慣等，從而篩選出影響小區快遞量的因素，問卷內容包括被調查人的文化水品、家庭成員數量、家庭月收入、網購貨品類型、每周收取快遞頻率等。訪談調研通過對小區快遞配送員進行訪談，記錄小區日常快遞數量和配送次數。

2 調研結果分析

2.1 居民小區快遞配送情況分析

調研小區1、2、3平均每百戶每天收取快遞量分別為9.9、27.8、40.7件，三個小區每天分別有10、14、25家快遞公司參與配送，每天累計配送次數分別為18、23、42次。這表明小區越高檔，小區居民購買力越高，小區快遞配送量也越大，從而使得每天參與小區配送的快遞公司數量和不同快遞公司在小區中的配送總次數也逐漸增加。

在參與調研小區1快遞配送的車輛中，助動車、三輪車、面包車分別占比5.9%、52.9%、41.2%;小區2三種車型分別占比71.4%、28.6%、0%;小區3為85%、7.5%、7.5%。對于小區1，三輪車和面包車總占比約94%，說明快遞公司或分揀站對該小區的配送距離較長。小區2、3助動車參與配送的比例逐漸提高，說明越靠近市中心或交通狀況越復雜的區域，助動車這種更加靈活的配送方式更受青睞，市中心小區每天配送次數的增加也彌補了助動車單次配送件數較少的不足，并且助動車配送的成本在所有車型中也最低。

2.2 居民小區快遞量影響因素分析

2.2.1 評價指標體系建立

本文以家庭平均每周收取快遞頻率作為居民小區快遞量評價指標，根據調研數據分析，將影響該指標變化的因素歸納為家庭文化、互聯網、收入水平，網購貨物品類和交通工具，以及小區類別、小區生活和交通配套共8個要素。

2.2.2 評價指標量化與數據分析

為研究居民小區快遞量和相關影響因素之間的關系，建立數學模型進行定量分析，分析前首先需要先對問卷結果的影響要素指標數據進行量化處理。

本文對影響要素指標的量化處理方式采用打分法，各指標打分原則如下：（1）文化水平中，初中及以下、高中、大專、本科、研究生及上分別對應1～5分;（2）互聯網水平采用家庭網購人數與家庭成員總數的比值量化;（3）收入水平中，家庭月收入1萬以下、1～2萬、2～3萬、3～4萬、4～5萬、5萬以上分別對應1～6分;（4）網購貨物品類分日用生活品、化妝品、服裝、音視頻、電器家具5類，每類別積1分;（5）交通工具方面，家庭擁有機動車取1，沒有取0;（6）小區類別方面，靠近城中心得分高，調研小區1、2、3分別對應1分、2分、3分;（7）小區生活配套根據小區周邊1 km內超市、菜場等配套設施數量進行量化取值;（8）小區交通配套根據小區周邊1 km內地鐵站、公交站數目總和進行取值。

基于上述原則對8個影響要素進行打分量化，建立家庭平均每周收取快遞頻率與各影響要素的關系。采用SPSS軟件對數據進行主成分分析，得到各成分解釋的總方差如表1所示。

由表1可知，前三個因子的特征值分別為4.539、1.388和1.062，均大于1，方差累積87.36%，表明這三個因子能解釋樣本87.36%的相關信息。而其他因子特征值變化不大，且數值偏小，故本文選取前三個因子作為主成分因子進行分析。通過主成分分析法和多元線性回歸，得到居民小區家庭平均每周收取快遞頻率和各主成分關系的數學模型，即：

Y=0.492 β1+0.371 β2+0.181 β3

其中：

β1=0.859 x1+0.036 x2+0.780 x3-0.106 x4+0.448 x5

+0.976 x6+0.967 x7+0.974 x8

β2=0.194 x1+0.019 x2+0.328 x3+0.917 x4+0.680 x5

-0.088 x6+0.065 x7-0.096 x8

β3=0.063 x1+0.983 x2-0.109 x3-0.094 x4+0.324 x5

+0.105 x6+0.054 x7+0.108 x8

整理后得到：

Y=0.506 x1+0.203 x2+0.486 x3+0.271 x4+0.531 x5

? ?+0.467 x6+0.510 x7+0.463 x8

式中，Y為家庭平均每周收取快遞頻率，x1為家庭文化水平，x2為家庭互聯網水平，x3為家庭月收入，x4為網購貨品種類數，x5為是否擁有交通工具，x6為小區類別，x7為小區生活配套設施情況，x8為小區交通配套設施情況。

從模型中可以看出，8個因素通過影響β1，β2，β3三個公因子，從而對居民小區快遞數量產生影響。

3 結論

本次調查得到的數據較為合理，對小區快遞情況評價和預測具有參考價值。隨著小區檔次提高，平均每百戶的快遞數量增加，參與小區快遞配送的快遞公司數量和配送次數也增加。運載工具方面，小區距離市中心越近，采用助動車配送的比例越高，而在外環地區，適用于較遠距離配送的電動三輪車、面包車的占比更大。

另一方面，小區居民的文化水平、家庭互聯網水平、家庭月收入等因素均會正向影響居民網購頻率和購買力。而隨著小區快遞量提升，完善末端配送網絡，結合小區區位與類型，采取靈活的快遞配送方式，合理設定不同類型小區的配送頻率，能夠提高居民小區快遞末端配送效率，暢通物流“最后一公里”。

參考文獻：

[1]蔣漪漪，林濤.珠江三角洲快遞服務的空間差異[J].綜合運輸，2018（12）：77-82.

[2]陸淼嘉，尹欽儀.“最后一公里”無人車配送發展現狀及應用前景[J].綜合運輸，2021（1）：117-121.

[3]慕澤慧.共同配送導向下的城市快遞網絡規劃研究[D].大連理工大學，2019.