作者简介
刘英铎：华东师范大学经济与管理学部专业学位教育中心应用统计专业2021级硕士研究生
佟嘉欣：华东师范大学经济与管理学部统计学院统计学专业2021级硕士研究生
刘占旗：华东师范大学经济与管理学部专业学位教育中心应用统计专业2021级硕士研究生
该作品荣获第二届“美团商业分析精英大赛”季军。
摘要
随着线上餐饮市场的蓬勃发展，为解决高外卖需求与低配送效率之间的矛盾，某互联网外卖企业自主研发了智能化无人配送机并构建了低空物流运输网络，并预计于 2025年在各大城市大规模投入使用。本报告通过对上海市静安区和普陀区的外卖需求点和该企业外卖商家月销量进行分析，建立以平衡需求覆盖量和节约成本为目标的优化模型，获得了无人机起飞机场的选址方案和具体坐标。研究结果显示，当无人机机场提供 1 千米以内的配送服务，机场数量为 19 个时，能覆盖两区91.34%的外卖需求，且企业每月可节约成本 65.47万元。在商业应用层面，本报告建立的优化模型对于该企业无人机起飞机场、社区配送站的选址都具有一定指导作用。
报告原文
一、
背景介绍
随着我国互联网与城镇化进程的不断发展，生活方式的转变，餐饮 O2O行业市场呈现爆发式增长。2011年到2020年，在线外卖行业市场规模从216.8亿元增长至6646.2亿元，占整体餐饮行业比重从1.1%上升至16.4%。同时，外卖用户数量不断提升。从2016年的2.09亿人增长到2020年的4.18亿人，复合增速达18.99%。而从外卖平台的市场格局来看，线上外卖的市场集中度高，主流外卖平台美团外卖、饿了么、饿了么星选三大平台占据了92%的市场份额。专家预计，在当前疫情逐渐常态化的环境下，外卖行业可能仍将持续强劲发展。
外卖市场整体的上升趋势导致骑手送餐压力增加，送餐超时现象十分普遍。网络餐饮非常注重便捷和及时，商家的出餐速度、骑手的配送速度和配送过程中餐品完整程度决定了顾客此次用餐体验。然而，南都民调中心2021年2月发起外卖行业超时配送调查结果显示：超八成消费者遇到过订单超时情况。但是，单靠奖惩骑手的方式很难使超时现象得到很好改善。因此创新外卖配送模式，提高外卖配送效率成为外卖企业所关注的技术问题和社会问题。
社区配送站、无人机起飞机场等地面装备的合理布局对提高送餐效率、降低配送成本至关重要。依据该企业低空物流网络的设计，无人机配送在新城市进行落地应用前，需要对起飞机场、换电站等地方进行规划。考虑到大城市建筑密度大、租金高的特点，将起飞机场与换电站进行合并，为社区配送站、起飞机场的位置进行合理规划。然而，如何选址以兼顾外卖需求量和运营成本，是摆在企业面前的首要且实际的问题。因此，本报告将以上海市静安区和普陀区为例，整体研究两区外卖用户的需求分布并确定社区配送站、机场的地理位置。具体而言，首先通过研究外卖集中需求区域如高校、小区、酒店和写字楼的空间布局以及各外卖商家的销量，确定社区配送站点及各点外卖需求分布。其次以最大需求覆盖为目标确定不同服务半径和不同机场个数下的机场布局方式。最后以同等无人配送需求比例下无人机配送代替传统人工配送所能降低的成本最大化为目标确定合适的机场布局。本报告的研究结果将为该企业无人机在城市的社区配送站、机场的布局方式提供参考，帮助其构造高效、低成本的城市低空物流网络。
二、
数据的描述与说明
本报告的数据获取于该企业官网、某房源网站和某酒店预订网站。其中，上海市两区外卖商家数据来源于该企业官网，共6179条，每条观测代表一家外卖商家信息。具体字段包括商家名称、区位、地址和月销量等3个变量。房源网站和酒店预订网站分别用于获取两区的小区公寓、写字楼和酒店数据。高校相关数据通过搜索引擎获得。集中需求点数据共2632条，每条观测代表一个需求点的信息，具体字段包括名称、地址、所在区位和需求点类型等4个变量。除去网站定位不在两区的需求点、非独栋酒店以及不提供宿舍的高校数据后，有效数据为2599条。为方便后续定量分析，将地址转化为经纬度。具体的变量说明表1所示：
表1 数据变量说明表
三、
描述性统计
在对普陀区和静安区的无人机机场进行选址之前，需要对两区内需求点分布特征以及外卖商家的月销量和分布进行初步分析，了解两区内外卖供应与需求布局。
（一） 需求点区位的数量和地理特征
外卖集中需求点主要指具有统一管理的一部分人共同生活、工作的地点，具体而言包括一定规模的小区、写字楼、独栋酒店以及提供宿舍的高校。在疫情常态化管理下，上述地点已经或在未来将设立外卖智能取餐柜，这同时也是无人机配送订单的最后一站。因此，本报告在爬取两区的上述需求点后，绘制了需求点数量及地理分布图，如图1所示。
图1 需求点区位数量（左）和地理（右）分布图
从需求点数量分布中可以看出，静安区的需求点约为1600个，明显多于普陀区。而从地理位置分布来看，静安区的需求点明显密集分布于东南地区较为繁华地段。普陀区的需求点虽然呈现“东多西少”的特点，但差异不明显。因此本报告将静安区与普陀区作为一个整体考虑，需求点样本达到2599个，且东部与西部需求点数量有明显差异，整体地形较符合“由中心向周围辐射”的城市规划特征。研究结论可以为城市无人机机场的选址提供参考。
（一） 外卖月销量的数量和地理特征
商家的外卖月销量是评估一定区域内外卖需求分布的重要指标。一般而言，外卖商家的服务半径约为3km，高外卖销量商家集中的区域相对而言具有较高的外卖需求。因此对商家外卖月销量的数量、地区分布的研究对外卖需求分布的估计有重要参考价值。本报告将外卖商家以点的形式绘制在地图上，半径与月销量成正比，具体如图2所示。
图2 外卖月销量数量（左）和地理（右）分布图
从外卖月销量数量分布来看，对于在两区的外卖商家而言，绝大多数的商家具有正销售额，对数处理后的月销量右偏性得到了极大改善。具体而言，两区的商家月销量的中位数为136单，其中大部分商家的月销量在1000单以下，但是仍存在月销超过9000单的高人气商家。从外卖销量地理分布来看，大部分的高销量外卖商家集中在东南部，而东北部和西南部的外卖商家数量较多但是月销量普遍较少。西北部仅有少量并且月销低于100单的外卖商家。
四、
数据分析与解读
（一） 社区配送站点的确定
从图1的需求点地理分布图可以发现，存在部分外卖需求点分布非常密集，甚至出现数个需求点共处于同一座建筑物内的情况。此时每个外卖需求点设置一个社区配送站点并不现实。因此本报告逐个引入需求点，以待引入需求点是否与已引入需求点的最小距离小于50米，决定是否引入。最终在所有需求点中筛选出1998个两两之间地理距离大于50米的需求点，在这些需求点处设置社区配送站点。
（二） 各社区配送站点每月需求分布的计算
由于用户信息涉及行业机密，所能获取的数据有限，本报告无法直接获取实际的外卖需求分布情况。因此采用基于外卖商铺实际月销售量和配送距离反推各配送站点需求量的方法进行估计。首先，假定每个外卖商户的月销量只能由距离该商家3千米以内的需求点购买产生。其次，在没有更精确的数据来源的情况下，本报告采用平均分配的方法计算各配送站点接收该商户的订单数。最后，将各配送站点对于所有商户的购买单量求和，计算得到各配送站点的每月外卖需求分布，由此可以得到关于需求分布的近似估计。估计结果如图3所示。
图3 每月外卖需求量分布热力图
从图3中可以看出，各配送站点外卖需求量差异较大。东南部地区需求量明显较高，而东北部和西北部需求量较低。具体而言，月需求量的中位数为1859单，其中静安区场中路187弄小区的需求量最低，每月仅75单。需求最高的为普陀区上钞苑小区，月需求量达4396单。
（一） 以最大需求覆盖和最低运营成本为目标的最优无人机起飞机场选址模型
无人机配送的主要目的是可以给尽可能多的外卖用户提供更快的配送方式，并且企业在运营该种物流网时的成本也是必要的考虑问题。因此本报告将以无人机配送能覆盖最多需求量以及尽可能节约成本为目标进行飞机场的选址规划设计。另外，无人机起飞机场并没有候选点参考，因此本报告采取分而治之的策略，将该问题拆分成两个子问题，一一进行分析。
1. 以能覆盖最多需求量为目标确定不同配送半径下的最优机场选址
首先，本报告将起飞机场无人机的服务半径假定为1千米、2千米、3千米三种情况，并且最多可选起飞机场个数均为30个。求解无人机飞机场的位置坐标，使得其能覆盖的需求总量达到最大。考虑到该问题中没有预先假定无人机飞机场的候选点，因此本报告采取遗传算法替代传统算法求解，得到最优的选址坐标组合以及对应的覆盖需求单量如图4所示。
图4 不同服务半径下机场个数与覆盖需求量折线图
从图4中可以看出，对于每一种服务半径的选择，覆盖需求量与飞机场个数大致呈正相关关系。具体而言，当无人机机场服务半径为1千米时，30个机场的覆盖需求量约为365.47万，占总需求量的97.02%。当无人机机场服务半径为2千米时，10个机场可覆盖98.24%的需求。当无人机机场服务半径为3千米时，7个机场即可实现需求的全覆盖。
1. 以能最大程度节约传统人工配送成本为目标确定起飞机场服务半径
其次，以每月无人机配送能最大节约成本为目标，在前节所得的90种分布方案中选取最优者。《中国即时配送市场研究报告》指出12.4%的顾客希望线上购买线下自提，因此估计每月总需求量中约有15%的订单将由无人机进行配送。每月可节约成本为使用无人机和传统配送上述订单所需成本的差值。具体地，无人机配送成本包括飞机成本、机场成本、机场维护人员工资以及集中配送员工资。每架飞机成本指每月的折旧成本、电池成本以及维护成本。飞机数量由日需求量、单次可载订单数和单日飞行次数决定。机场成本为建设成本每月折旧和所占地的每月租金。人工配送成本为传统配送模式每单骑手工资与订单量的乘积。其中无人机和单个起飞点位的大规模生产成本价依据摩尔定律估算。具体参数说明如表2所示：
表2 成本计算说明表
注：数据来源于《2020年无人配送领域研究报告》《城市房产网》《某外卖企业2021年年报》
根据上述计算方法，分别估计在前节所得服务半径为1千米、2千米和3千米共90种分布下的每月无人配送成本、每月人工配送成本以及每月可节约成本。以服务半径为1千米为例，绘制三种成本与所建机场个数的关系图如图5所示：
图5 服务半径为1千米的不同机场个数成本分析图
从图5中可以看出，当无人机机场服务半径为1千米，在有19个起飞机场时，每月所能节约的成本最多，达到65.47万元。用同样的方法可计算得2千米和3千米时企业每月均处于亏损状态。因此根据节约的成本最多的标准选取服务半径为1千米的共19个机场中心，由前节知这种布局方式足以覆盖两区91.34%的外卖的需求。具体分布如图6所示，其中服务范围颜色越深表示该机场所覆盖需求量越多，需分配更多起飞点位。
图6 最优起飞机场中心选址
从图6可看出所选的起飞机场集中在中部和东南部地区，并且起飞点位数也更多，与图3外卖需求热力图的集中程度基本相似。通过坐标反查可以得到，机场中心有9个在小区附近，分别是万里雅筑北门、普陀一村西北门、泰欣嘉园东北门等。有3个在写字楼附近，分别是数据港大厦、绿地和创大厦和宏发大楼。有3个在公园附近，分别是静安寺广场、闸北公园和志丹园。有2个在中小学附近，分别是市北中学和长征中心小学。最后2个个在商超附近，分别是华润万家上海真北店和红心美凯龙真北路店。其中欣宏家园机场分配起飞点位数最多，将分配80个。数据港大厦起飞点位最少，仅有17个。
五、
数据产品展示
图7 无人机机场选址系统产品原型
为进一步帮助企业人员对特定城市、行政区的无人机机场进行选址，本报告提供了一种无人机机场选址系统产品原型。用户首先需要使用手机号码和工号进行企业人员验证登录，登录成功后点击左侧菜单栏的“机场选址”即可进行选址方案规划。用户根据需要选择服务城市、行政区、以及服务半径，上传该区域的需求点经纬度以及各点需求量表格，系统将自动确定社区配送站位置。用户点击“确定”，系统即给出当前服务半径下无人机机场最优选址方案，并在右边给出成本曲线图。当用户未选择服务半径时，系统将综合三种服务半径方案提供最优选择。用户可通过在地图中点击机场中心图标查看该机场的经纬度、位置、起飞点位数、占地面积以及维护人员的人数信息。另外，选项卡导航栏中的“选址表格”和“成本表格”可以为有需要的用户提供更详细的机场位置以及成本计算信息。
六、
商业应用与总结
本报告在外卖行业爆发式增长的背景下，结合该互联网企业无人机成功研发的新闻热点，通过平衡需求覆盖量与节约成本，探索了最优的无人机起飞机场个数、服务范围及其坐标组合的选择方案。本报告将在如下三个方面产生商业价值：
1. 对企业而言，本报告提供的选址策略能极大地降低外卖业务的运营成本。
根据本报告的估算，若无人机起飞机场的服务范围内每个月有约15%的需求由无人机所承担，则以上海市普陀区与静安区为例，每月即可以降低65.47万元的成本开支。若能将这一业务推广至全国各大省市，估计每个月可降低开支约1亿元。并且，在疫情常态化的背景下，未来选择使用无人机配送外卖的订单比例将大幅增加。
2. 对消费者而言，本报告提供的选址策略能为更多用户提供无人机配送选择。
在本报告的无人机起飞机场选址结果中，无人机配送服务范围可覆盖91.34%的外卖需求，这意味着大部分用户可以选择使用无人机配送订单。更具体地，外卖后台系统可以根据用户所在位置，将用户需求匹配至最近的起飞机场，使用暂时处于空闲状态下的无人机快速配送。尤其对于一些时效性较高的订单需求如蛋糕、咖啡等，无人机能节省配送时间，提高用户的用餐体验。并且，未来若无人机技术足够成熟，则针对特殊订单例如紧急药品，可以采用无人机送货上门的模式，进一步提升配送效率。
3. 对外卖骑手而言，将最后一公里交给无人机能减少配送过程中的风险因素。
本报告认为，随着无人机配送站点的普及，传统配送业务的骑手转而承担起将商品从商家运输至无人机起飞中心的责任。骑手的骑行路径得以大大简化，进而降低了其遭遇或造成交通事故的可能性，既保护了骑手的安全，又缓解了城市居民对于外卖骑手影响交通的不满。彰显了企业社会责任，更大程度上有利于提升企业形象。
