刘晓丽  

（江苏航空职业技术学院，江苏 镇江 212134）

基金项目：2023年度横向课题资助项目——绿色发展背景下物流管理优化研究（项目编号：2023321101000319，主持人：刘晓丽）；镇江市第六期“169工程”学术技术新秀培养对象项目。

摘要：低碳背景下，如何优化城市物流配送网络已经成为相关企业重点思考的问题，只有建立完善、绿色的物流配送网络，才能减少碳排放、提高能源效率，促使城市经济与生态环境实现双重可持续发展。为此，文章通过阐述低碳目标下城市物流配送优化的提出背景，明确低碳背景下配送网络优化目标，而后深入分析当前配送网络需要解决的问题，提出基于K-means法的配送网络优化对策，并结合具体实例分析了该算法可行性。

关键词：“双碳”目标；城市绿色物流配送；网络规划；管理

一、引言

生态环境保护已经成为全球人类的共识，目前各国均在探索低碳社会可持续发展途径。而随着电子商务行业不断发展，极大地促进了物流配送业务量的快速增长，促使物流配送模式不断创新，如快递自提点、智能快递柜等新的配送方式，很大程度上推动了物流行业飞速发展。但业务量的剧增也导致环境污染问题愈发突出，因为大量的运输活动会消耗大量化石能源，产生碳排放。而且配送车辆运行时排放废气，加剧空气污染，尤其在交通拥堵时更为严重，再加上车辆行驶、装卸货物等过程产生的噪声，对周边环境和居民生活产生不良影响。为此，立足低碳背景下，如何优化城市物流配送，实现可持续发展战略，成为当前相关单位企业需要思考的重要内容。

二、低碳目标下城市物流配送优化的提出背景

随着工业化进程的快速推进，人类的各种活动，比如工业生产、能源消耗、交通出行等，产生了大量温室气体。这些气体排放到大气中，使得全球气温不断升高，由此引发一系列严重后果，如海平面上升、极端天气增多、生态平衡被破坏等，给整个生态系统带来巨大冲击，也严重威胁到人类的居住环境和未来的生存发展。同时，传统的高能耗、高污染发展模式难以为继^[1]。在此情况下，为了应对气候变化、保障能源安全和实现可持续发展，低碳目标应运而生。在城市建设发展中全面推进低碳目标的实现，要降低能耗，推动清洁能源转型，实现“零排放”。鉴于城市物流配送业发展带来不良影响，推进其绿色低碳化至关重要。这不仅能提高运输效率、减碳、缓堵，在操作上，要优化配送网络与路径，构建服务体系，以达成低碳目标，满足居民物流需求，同时推动城市交通、环境等的改善。例如，采用电动配送车能降低能耗，合理规划路径能减少拥堵，都是具体举措，有助于推动城市交通、环境、经济持续性发展。

三、明确低碳背景下配送网络优化目标

1.有效缓解碳减排压力

立足现代社会飞速发展背景可知，城市物流配送作为城市运转重要组成部分，也是碳减排重要实施对象。在科学规划、合理优化基础上，进一步完善城市物流配送网络，能够达到缓解碳减排压力的效果。这需要相关人员结合城市物流配送情况，科学设计物流网络，并针对性的优化运输路径，再搭配高效运输工具，最终达成低碳运输这一目标，确保运输车辆降低空载率，从而有效提升运输的效益。同时，对城市物流配送网络加以优化，能更有力地促进清洁能源的使用，让物流企业倾向于选择环保的交通工具。例如，通过精准的调度降低空载率能节省成本和减少排放；优化网络后，企业可能更多采用电动货车运输，减少污染，从而起到改善城市空气质量的作用，更好的推进碳减排。

2.高效整合各类资源

加强对城市物流配送网络的优化，除了可以减少碳排放之外，还可以更好利用现有资源，实现对有限资源的高效整合，这对城市经济持续性发展意义重大。通过科学设计规划物流配送网络，促使配送途中的各类能源与物资减少浪费，同时也可以最大程度上缩短运输距离，实现配送路径的优化，进而降低能耗，提高各类资源的利用率，最大程度上提高配送资源的共享^[2]。除此之外，通过合理的优化方式，能够进一步增强运输系统的可追溯性，增加配送透明度，进而有效降低库存积压率，提高各类资源利用率。

3.缓解交通拥堵

物流配送网络的优化可以构建城市绿色化的物流配送体系，从而改善以往配送缓解交通拥堵情况。在科学合理的物流网络规划下，配送过程中可以减少车辆运输距离，降低配送时长，这在一定程度上可以有效缓解交通拥堵。此外，在配送环节中引入现代技术与智能化调度系统，有助于提高配送精准性，防止发生长时间的拥堵，可以及时避开交通早晚高峰期，从而提高交通运输效率，最大程度上减轻交通负担。运输车辆的减少、运输路径的缩短，可以减少车辆尾气排放，这对改善城市空气质量，减轻交通压力具有重要作用。所以，在绿色物流配送优化中，必须构建更为高效和环保的配送网络体系，以此缓解交通拥堵，为城市居民生活带来更好的服务^[3]。

四、当前配送网络存在的问题

1.配送流程问题

    深入分析社会现有配送流程可知，延时配送问题最为突出。也就是配送人员并未在规定配送时间内完成各类商品运输到商家或客户个人要求的配送地点。随着互联网时代不断发展，物流配送模式多样，包括自营配送模式、第三方物流配送模式、共同配送模式、互用配送模式、供应商配送模式、众包配送模式等，但基本都是属于生活服务类的刚需，所以对配送服务时间要求较高，通常情况下，需要在1-2小时之间完成配送服务。但其中部分配送人员并未接受过专业配送培训，也缺乏足够的配送经验，在实际配送过程中，极易出现配送区域不了解，导致配送路径不合理的情况，而且部分平台对延时配送并未采取任何惩罚措施，导致配送人员缺乏足够重视度，发生延误配送问题，直接影响了配送效率和服务质量，进而降低客户满意度^[4]。根据目前配送环节看，延时配送问题较为突出，其中很多人并未正确认识到配送时间窗的重要性，这也充分说明了延时配送问题已经成为当前配送流程主要问题，必须通过网络优化进行解决，为用户带去更好的体验。

2.配送方式问题

    不同物流配送模式对应的配送方式存在一定差异，以众包配送方式为例，最为常见的问题就是没有人接单，造成这种存在配送需求但没人配送的情况，这与某些平台自营配送团队相比，在管理服务方面存在很多不足。此外，还有一些平台的物流配送订单的收入水平差异性较大，导致部分配送人员无法积极迎合配送需求，并优化配送路径。除此之外，还受到配送条件、天气等方面的因素，对物流配送效率与服务质量产生一定影响。比如，目前国内知名的外卖订餐平台，饿了么、百度、美团等，除了吸纳了众包配送方式之外，还自营物流配送团队，进而确保客户的订单可以安全、准时的配送。相比之下，派乐趣等小众配送平台，由于完全依靠众包配送团队，一旦遇到恶劣天气或者出现配送收入不高等情况，便会出现无人接单等情况，直接影响客户在平台的体验感^[5]。

3.需要解决的关键问题

（1）优化配送路径

    现代社会中的物流配送服务，主要依托网络实现，这对配送时效性提出较高要求，一般情况下需要在两个小时内完成商品的配送服务。考虑到一些配送人员

实际情况，有必要加强优化配送路径，提高配送效率，进而提高平台物流配送服务水平，吸引更多客户并提高客户的黏性。在具体实践中，当配送人员接收到指定的配送订单后，对应平台可以提供可参考的配送路径，帮助配送人员快速运送商品，进而提高配送效率，减少客户等待时间。保证配送人员在客户要求的配送时间内完成配送服务，为客户带去良好的体验，同时也解决了延时配送问题。

（2）合并配送需求

    根据目前配送方式看，在配送人员接到配送任务并开展配送工作时，对于他们单次配送所承接的配送货物数量存在一个起码的下限规定。比如，可能规定每次配送至少要达到一定的件数或重量，以保证配送效率和成本的合理性。针对上述情况，平台能够把多个配送需求整合在一起，使配送任务满足配送人员单次配送的最低数量要求，通过这种办法来鼓舞配送人员愿意承接配送需求，从而提高配送效率和人员积极性，并通过配送获得更多收入，使得配送人员增大对平台的粘性。

五、基于K-means的配送优化方法

1.K-means聚类算法简介

K-means聚类算法，属于一种常见的无监督学习算法，主要方法就是通过不断迭代将数据划分为指定数量的簇。其基本步骤包括：随机选取初始聚类中心，计算数据点到各中心的距离并归类，重新计算簇的中心，重复此过程直至收敛。根据初始规定，将聚类的类别数定为k，并在初始的k个聚类中心，聚类样本后得到相关的聚类结果。通过参考聚类效果实现对准则的判断，并针对K-means聚类算法进行迭代更新，而且每一次的迭代都会提高聚类效果，更加接近判别准则，保证聚类效果可以达到判别准则目标，以此获得最佳的聚类效果^[6]。

2.基于K-means聚类算法的配送区域划分

在配送中，K-means 聚类算法有广泛应用，同时也获得不错的应用效果。借助K-means聚类算法划分配送区域，并结合客户分布、地理位置等信息，将区域划分成若干簇，为后续配送路线的规划打好基础，逐步提高配送效率，更好降低配送成本。此外，在K-means聚类算法作用下，还可以进一步了解客户需求特点，并进行有效的分类，提高配送服务的精准性。比如，针对不同客户运用符合其实际需求的配送策略，切实发挥K-means聚类算法优势，使得配送环节获得良好的优化，促使整体物流配送运营效果得到提升^[7]。

居民小区、学校、办公楼等场所作为配送网络的末端，也就是配送需求的产生地，其配送需求不仅数量较多，而且具有分散性特点，通常情况下，配送服务范围都在几公里范围内。若想达到优化配送路径，降低配送繁琐性、复杂性的目的，可以对末端需求点实施聚类分析，引入K-means聚类算法，可以很好的结合需求点划分对应的配送区域。在实际操作中，可以从下面两点出发：

其一，应用K-means聚类算法划分配送区域需要做好相关的准备工作。包括明确研究区域中各需求点具体的地理位置、准确坐标；将得到的坐标与位置绘制成图，并编辑各个需求点；运用百度或者高德地图，找到所有需求点之间的最短距离；采取有效措施收集各个需求点历史数据，并获得平均一天的需求量；参考有关资料的方法，明确聚类数量k；明确合理的总需求量差值θ。

其二，K-means算法的实施过程。配送区域划分的关键理念在于将数量为 n 的末端需求点进行分组，形成 k 个类别。因为众包配送特别注重时间方面的要求，所以为了确保能够在客户所要求的时间范围内完成配送，判断聚类的标准就是要让每个聚类里的需求点与该聚类中心之间的距离达到最小化。关于此类划分的具体操作流程和方式如下：1、从所有的末端需求点这个集合中，随机或按照某种方式选出 k 个点，将它们作为后续进行聚类操作的起始参照点或基准点，后续的聚类划分和调整将围绕这些初始聚类中心展开^[8]；2、以距离的远近作为判断依据，将对象归到最靠近的那个聚类类别中，这是进行聚类操作的一个关键步骤，通过这种方式初步形成聚类的分组情况；3、在完成一轮基于初始聚类中心的分配后，由于各个聚类中的成员发生了变化，所以要根据新的成员分布情况来重新计算每个聚类的中心位置（比如可以通过计算成员坐标的均值等方式），以便用新的更能代表当前聚类的中心来进行后续的操作和调整，这是聚类算法不断迭代优化以达到更好聚类效果的一个重要步骤；4、把新计算出来的这 k 个聚类的情况（包括聚类包含的对象以及聚类中心等信息）与之前计算得到的聚类结果进行对比。如果这两者之间存在差异，也就是聚类结果发生了改变，那就回到步骤 2 继续进行操作；但如果没有变化，也就是聚类已经稳定下来了，那就转到步骤 5 去进行后续其他相关操作；5、针对已经形成的每个聚类，分别计算它们所包含的末端需求点的总需求量（可能是某种货物的数量或其他相关指标的总和）。然后，将这些计算出来的总需求量按照从大到小的顺序进行排列，T_j ......T_i，这样做的目的可能是为了进一步分析和处理这些聚类，比如可以优先处理需求量较大的聚类，或者根据需求量的大小来制定更合理的配送策略或资源分配方案等。通过这种方式，可以更好地了解和把握各个聚类在需求方面的重要程度和特征；6、按照︱T_j-T_i︱≤θ的条件进行判断，如果符合这一要求可以转步骤8，若是没有满足这一要求，转步骤7；7、剔除T_j中需求量最小的需求点，同时，加入到与最近需求点所属的聚类内；8、最终获得优化后的聚类结果。

3.K-means聚类算法划分配送区域后确定配送网络

    在K-means聚类算法应用下，使得末端配送需求聚类，并划分出不同配送

区域。通常情况下，住宅小区、学校、办公楼等场所的客户和消费者，所需的生活服务范围一般在几公里之内，所以，通过合理划分配送区域，可以进一步确认该配送区域内的配送网络范围，也就是该配送区域之外的3公里范围，如图1所示，为单个配送网络情况。其中正方形为配送点，一般就是线下门店或个人发布配送需求的地点；三角形为需求点，住宅小区、学校等。根据图示可知，一个负责配送的地点能够同时为多个不同的末端需求点进行货物配送服务，也就是说它的服务对象不是唯一的，可以面向多个地方开展配送业务。同时，一个末端需求点可能会同时对多个不同的配送点存在需求，比如可能会从不同的配送点获取所需的物品或服务，它的需求来源不是单一的^[9]。这体现了配送关系中存在着复杂的多对多的交互关系，反映了实际配送场景中的多样性和复杂性。

图1  配送网络图

六、案例分析

    为进一步阐述低碳背景下基于K-means法的配送网络优化，下文主要对配送网络中的配送区域进行划分，同时考虑到配送范围限制在3公里以内，所以选择了某地区四个地点作为分析对象。根据实际调研发现，区域内存在90个需求点，有学校、住宅小区、写字楼等。而后结合需求点分布情况，发现这些需求点处于分散性状态。而且配送服务对时效性要求较高，所以在划分配送区域过程中，需要考虑距离问题，并将其作为主要划分依据。在实践中，主要借助高德地图选取坐标系统，如表1所示，为各个需求点的位置坐标，由于篇幅限制，本次只截取了其中15个需求点地理位置数据。表2为各个需求点平均一天的需求量。

表1 需求点地理位置

运用K-means 聚类算法来实现对配送区域的划分工作，并参考国内有关学者的研究成果，用于确定最佳聚类数目的办法，可以得出在本文情境中，最合适的聚类数目为5，也就是说要把配送区域划分成5个类别。在此基础上运用 K-means算法完成聚类操作，进而获得对应的聚类结果。通过K-means聚类算法对某地区90个需求点的分析发现，可以将90个需求点合理划分成5个配送区域。并根据配送网络区域性特点，实现了对单个配送区域的配送网络的合理优化，提高了配送效率，有助于提升配送服务水平。

七、结束语

综上所述，本文立足低碳背景下，借助K-means算法针对需求点分散的配送网络进行了区域的合理划分。为满足高效的配送需求，并考虑到配送服务特点，结合各需求点地理位置、距离关系等，进行聚类分析，最终得到的聚类结果可以满足实际配送情况与需求。而后结合具体案例进行分析，证明该算法可以达到优化配送网络的效果，是推动配送服务与质量提升的重要手段，通过提高配送效率，减少运输次数和里程，最大程度上降低能源消耗与碳排放，逐步实现物流配送行业绿色化发展，助力低碳目标落实。

参考文献：

[1]段丽梅,张静,张俊,等.考虑拆分订单合并运输的多级物流配送网络设计[J].昆明冶金高等专科学校学报,2023,39(04):86-91.

[2]吴冬华.物联网驱动下物流安全配送的发展环境分析——评《电子商务环境下物流配送网络优化方法研究》[J].中国安全科学学报,2023,33(12):226.

[3]打通农村物流配送“神经末梢”——福建省永春县供销合作社整合资源完善三级县域流通服务网络[J].中国合作经济,2023(9):59-60.

[4]朱愈,张耘.融合Canopy的K-means算法在电力设备故障检测中的应用研究[J].自动化与仪器仪表,2024(4):62-66.

[5]杨泽.基于K-means算法的某高校各二级单位报销聚类分析统计研究[J].信息系统工程,2024(4):128-131.

[7]张超,胡鹏,杨明,等.基于深度神经网络的智慧卷烟物流配送线路自适应调度算法[J].机械设计与制造工程,2023,52(12):99-103.

[8]段赛男,焦瑞莉,吴成来.一种基于K-means聚类算法的沙尘天气客观识别方法[J].气候与环境研究,2024,29(2):178-192.

[9]安大炜,邵琳玲,向黎藜,等.基于改进K-means算法的电力营销档案信息管理系统[J].自动化技术与应用,2024,43(3):185-188.