城市居民小区快递量调查与影响因素分析

郭佳奇

摘 要：本文通过实地调查、问卷调查与访谈，得到城市不同类型居民小区的快递量情况及其影响因素。研究结果表明：（1）随着居民小区档次提高，平均每百户居民每天收取的快递数量逐渐增加，参与小区快递配送的快递公司数量和配送次数依次增加。（2）针对城市中心区的小区，快递公司倾向于采用小型助动车+高频次配送的送货模式。（3）建立了居民小区快递量和相关影响因素间的数学模型，模型显示居民文化水平、收入等因素均会正向影响居民网购意愿，从而增加居民小区快递量。（4）完善末端配送网络，结合小区区位类型采取灵活的快递配送方式，能提高小区物流配送效率。

关键词：居民小区;快递量;影响因素;配送方式

中图分类号：F259.2 文献标识码：A

0 引言

电商经济蓬勃发展，物流体系不断完善，极大提升了居民网购需求，也推动了快递行业迅速崛起[1]。畅通物流“最后一公里”，解决末端配送问题，能显著提升物流运转效率[2]。

“最后一公里”物流在城市范围内主要表现为社区、居民区物流问题，目前城市快递末端服务中普遍存在快递三进（进社区、进校园、进商厦）难问题，投递效率亟待提升[3]。为了解居民小区快递配送特点，就需要掌握小区快递配送情况，找出影响小区快递量的因素，并分析二者间的相关关系。

居民小区快递量受诸多因素影响，居民文化水平、家庭收入、居民区所在地段等都会影响居民小区快递量。本文基于不同类型居民小区的快递量调查数据，分析出影响居民小区快递量的主要因素，通过数学建模研究快递量和这些因素间的相关关系，总结出居民小区快递物流特征，并针对性提出提高快递末端配送效率的方案。

1 基本概况

1.1 调研小区概况

本文选取上海市3个不同类型居民小区进行调研，了解不同小区快递末端配送现状。调研小区基本情况如下：调研小区1位于外环以外，房价约2.5万/㎡，属低档小区，小区占地3.3万㎡，共445户，周边1 km内有超市和便利店57家，菜场3个，银行服务点10个，商场3个，公交站点10个。调研小区2位于内环-中环间，房价约6.7万/㎡，属中档小区，小区占地3.5萬㎡，共778户，周边1 km内有超市和便利店165家，菜场10个，银行服务点53个，商场13个，公交站点27个。调研小区3位于内环以内，房价约10万/㎡，属高档小区，小区占地2.2万㎡，共698户，周边1 km内有超市和含便利店175家，菜场13个，银行服务点199个，商场22个，公交站点46个。

1.2 调查方法

本文采用实地调查、问卷调查与访谈相结合的调查方法。实地调查主要收集小区基本情况和周边1km内生活配套设施数量。问卷调查旨在获取小区住户的收入、购物习惯等，从而筛选出影响小区快递量的因素，问卷内容包括被调查人的文化水品、家庭成员数量、家庭月收入、网购货品类型、每周收取快递频率等。访谈调研通过对小区快递配送员进行访谈，记录小区日常快递数量和配送次数。

2 调研结果分析

2.1 居民小区快递配送情况分析

调研小区1、2、3平均每百户每天收取快递量分别为9.9、27.8、40.7件，三个小区每天分别有10、14、25家快递公司参与配送，每天累计配送次数分别为18、23、42次。这表明小区越高档，小区居民购买力越高，小区快递配送量也越大，从而使得每天参与小区配送的快递公司数量和不同快递公司在小区中的配送总次数也逐渐增加。

在参与调研小区1快递配送的车辆中，助动车、三轮车、面包车分别占比5.9%、52.9%、41.2%;小区2三种车型分别占比71.4%、28.6%、0%;小区3为85%、7.5%、7.5%。对于小区1，三轮车和面包车总占比约94%，说明快递公司或分拣站对该小区的配送距离较长。小区2、3助动车参与配送的比例逐渐提高，说明越靠近市中心或交通状况越复杂的区域，助动车这种更加灵活的配送方式更受青睐，市中心小区每天配送次数的增加也弥补了助动车单次配送件数较少的不足，并且助动车配送的成本在所有车型中也最低。

2.2 居民小区快递量影响因素分析

2.2.1 评价指标体系建立

本文以家庭平均每周收取快递频率作为居民小区快递量评价指标，根据调研数据分析，将影响该指标变化的因素归纳为家庭文化、互联网、收入水平，网购货物品类和交通工具，以及小区类别、小区生活和交通配套共8个要素。

2.2.2 评价指标量化与数据分析

为研究居民小区快递量和相关影响因素之间的关系，建立数学模型进行定量分析，分析前首先需要先对问卷结果的影响要素指标数据进行量化处理。

本文对影响要素指标的量化处理方式采用打分法，各指标打分原则如下：（1）文化水平中，初中及以下、高中、大专、本科、研究生及上分别对应1～5分;（2）互联网水平采用家庭网购人数与家庭成员总数的比值量化;（3）收入水平中，家庭月收入1万以下、1～2万、2～3万、3～4万、4～5万、5万以上分别对应1～6分;（4）网购货物品类分日用生活品、化妆品、服装、音视频、电器家具5类，每类别积1分;（5）交通工具方面，家庭拥有机动车取1，没有取0;（6）小区类别方面，靠近城中心得分高，调研小区1、2、3分别对应1分、2分、3分;（7）小区生活配套根据小区周边1 km内超市、菜场等配套设施数量进行量化取值;（8）小区交通配套根据小区周边1 km内地铁站、公交站数目总和进行取值。

基于上述原则对8个影响要素进行打分量化，建立家庭平均每周收取快递频率与各影响要素的关系。采用SPSS软件对数据进行主成分分析，得到各成分解释的总方差如表1所示。

由表1可知，前三个因子的特征值分别为4.539、1.388和1.062，均大于1，方差累积87.36%，表明这三个因子能解释样本87.36%的相关信息。而其他因子特征值变化不大，且数值偏小，故本文选取前三个因子作为主成分因子进行分析。通过主成分分析法和多元线性回归，得到居民小区家庭平均每周收取快递频率和各主成分关系的数学模型，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递频率，x1为家庭文化水平，x2为家庭互联网水平，x3为家庭月收入，x4为网购货品种类数，x5为是否拥有交通工具，x6为小区类别，x7为小区生活配套设施情况，x8为小区交通配套设施情况。

从模型中可以看出，8个因素通过影响β1，β2，β3三个公因子，从而对居民小区快递数量产生影响。

3 结论

本次调查得到的数据较为合理，对小区快递情况评价和预测具有参考价值。随着小区档次提高，平均每百户的快递数量增加，参与小区快递配送的快递公司数量和配送次数也增加。运载工具方面，小区距离市中心越近，采用助动车配送的比例越高，而在外环地区，适用于较远距离配送的电动三轮车、面包车的占比更大。

另一方面，小区居民的文化水平、家庭互联网水平、家庭月收入等因素均会正向影响居民网购频率和购买力。而随着小区快递量提升，完善末端配送网络，结合小区区位与类型，采取灵活的快递配送方式，合理设定不同类型小区的配送频率，能够提高居民小区快递末端配送效率，畅通物流“最后一公里”。

参考文献：

[1]蒋漪漪，林涛.珠江三角洲快递服务的空间差异[J].综合运输，2018（12）：77-82.

[2]陆淼嘉，尹钦仪.“最后一公里”无人车配送发展现状及应用前景[J].综合运输，2021（1）：117-121.

[3]慕泽慧.共同配送导向下的城市快递网络规划研究[D].大连理工大学，2019.