引言
随着电商物流的高速发展和居民消费习惯的转变，利用互联网平台与即时配送购买生鲜食品已经成为重要趋势。数据显示，2023 年生鲜电商交易规模达到6 424.9 亿元[1]。生鲜食品消费的电商化，催生了中央厨房[2]、社区前置仓（门店）[3]、即时配送点[4-5]等新型设施。特别是由于生鲜食品具有易腐等特点，需要在较快时间内完成交付[6]，因此需要建立快速响应的生鲜食品交付设施系统，以尽可能接近消费者，从而降低生鲜食品的交付时间。这一要求引发了大量生鲜食品电商物流基础设施的新建[7]，同时也给城市空间的利用和交通组织带来了新的任务[8]。
从现状来看，生鲜食品电商供应链组织由平台电商主导。首先，出于利润最大化的考虑，各大生鲜食品电商平台倾向于选择低成本、非正规的空间布局仓储和物流设施[9]。其次，这些平台倾向于在消费密度大的区域加大供应链投资，而对于一些人口密度较少、需求较低的区域关注较少[10]。在需求较高、供给充足的区域，这些平台在价格和配送速度上相互竞争，不仅增加了配送人员交通违章和职业危害的风险，还影响了配送服务质量[11]。以上问题涉及速度与成本、效率与公平、正规与非正规、空间是否兼容等核心议题，在深层次指向了生鲜食品电商这一新兴领域是市场与政府关系的建构。这是城市规划者过去较少关注的方面，因此需要他们引入新的知识并探寻新的方法。加强对这一问题的研究，对于尚未经历西方食品流通连锁整合化变革，而直接迈入数字化和即时食品消费时代的中国来说，尤其具有紧迫性。合理规划城市生鲜食品电商供应链布局，提升城市食品的可获得性[12]，对于促进食品消费、提高居民生活质量以及助力城市高质量发展具有重要意义。
基于此，本文详细阐述了城市生鲜食品电商物流供应链的结构转型，总结其空间保障和优化问题；随后以深圳为案例，解析城市生鲜食品电商供应链设施的空间特征，并以某平台电商为例，研究其优化路径，以期为完善生鲜食品电商供应链的空间保障体系提供支撑。
1 问题的提出：生鲜食品零售供应链的结构转型与空间保障
1.1 生鲜食品零售供应链的结构转型
传统生鲜食品供应链通常指生鲜食品从产地到消费者手中的所有活动，包括生产、加工、储存、分销以及批发和零售[13]。随着城市化、城市扩张以及城市居民对生鲜食品更为多样化的需求，城市生鲜食品供应链逐渐将目光投向本地产地以外的食品供应[14]，进而催生了大型食品加工商和生产商，大型连锁超市也成为重要的食品生鲜零售渠道。同时，作为生鲜食品分销链路中的重要一环，生鲜食品配送企业在终端配送中发挥着品类整合、配送效率提升的作用[15]。
近年来在电子商务的推动下，尤其在新冠疫情期间，消费者越来越倾向于通过线上方式购买生鲜食品。这一购买习惯的转变使得生鲜食品供应重心从适应上游供应商的层层推动转向及时响应消费者的终端拉动[16]，驱动生鲜食品电商企业采取了与传统推式供应链完全不同的拉式供应链策略[17]，城市生鲜食品供应链因此在数字化作用下经历了显著的结构性转变——生鲜食品电商企业将数字平台以及新型加工、仓储和物流基础设施有机融合到整体的供应链系统中。消费者需求被直接传递至电商平台，平台高效协调整个供应链流程；链路中的城市分拨配送中心、城市末端配送网点与物流配送站之间的物流运输相互协作、信息共享，并由骑手完成即时配送实现最终交付；与此同时，电商食品供应链大量使用先进数字技术，显著提高了供应链物流的效率和质量[18]。
1.2 生鲜食品电商供应链的类型及空间需求
尽管生鲜食品电商供应链被定义为从消费者出发的拉式供应链，但在实际运作过程中是供应商推动与消费者拉动相结合[19]，即链路中存在一个推拉结合点[20]，在其上游由需求预测推动，在其下游则是收到客户订单后才会拉动相关主体运作以完成订单交付。生鲜食品电商平台通过推拉结合点精确对接客户需求与下游响应，确定设施在供应链中的位置、功能和规模。笔者根据供应链推拉结合点的位置、类型及其对应的运作模式，将供应链分为四种类型：店仓一体供应链模式、自营前置仓模式、社会化平台模式以及社区团购模式。每一种模式又因品类、层级、设施点流量等差异对城市空间有不同要求。
（1）店仓一体供应链模式：涵盖供应端采购、质检加工中心、店仓和物流四个核心部分。质检加工中心负责对采购的生鲜食品进行加工、储存、质检、包装和标准化，随后将其转运至店仓。作为推拉结合点的店仓不仅作为线下销售场所，同时也是线上销售的仓储和物流中心[21]。这种模式的店仓通常规模较大，但是选址要求高，覆盖区域有限。
（2）自营前置仓模式：供应链主要由上游采购、区域处理中心以及前置仓等关键节点组成。质检合格的上游采购产品被送至各个城市的区域处理中心，经分类加工处理后再被运往前置仓进行存储；用户下订单后，产品将在前置仓进行打包并配送至用户手中。该模式的推拉结合点位于前置仓，每个前置仓都是一个前移至社区附近、在更接近消费者的地理范围内建立的中小型仓储配送中心，以确保末端物流的快速交付。
（3）社会化平台模式：各类生鲜食品电商平台与线下商超、餐饮和便利店等实体店合作，同时依靠即时配送为消费者提供送货上门服务。尽管这些店铺作为供应商，多采用全渠道经营模式，但是它们并未建立独立物流基础设施系统，而是依赖生鲜食品电商平台的物流体系承担配送任务。
（4）社区团购模式：以社区为单位，通过社交媒体进行商品销售。该模式采用集中采购的方式，以平台自营的中心仓辐射周边的网格站。网格站作为推拉结合点以及中心仓和自提点的中转站，承担配送和分拣的任务。社区团购的团长负责社区内的社交运营，依赖社交网络吸引消费者，而消费者可在社区内自行提取他们购买的商品[22]（图1）。
图1 生鲜食品电商供应链的四种类型
资料来源：作者根据参考文献[20]绘制
1.3 生鲜食品供应链空间保障及其优化
一方面，生鲜食品电商在日常生活中的普遍性和重要性使得保障其供应链稳定运作不仅是企业与市场层面的任务，还在民生层面具有保供保畅的意义；另一方面，由于供应链运作需要占有和使用空间资源，保障供应链运作乃至运作优化也不仅局限于商务流通或交通运输领域，还需要规划部门介入空间供应和治理优化等。对此，现有研究在目标与技术层面开展了分析。
（1）目标层面，正如前文所述，生鲜食品电商已经具有很强的公共性，应将其视为“类公共产品”，需要考虑其服务获取和设施到访的公平性。传统的食品地理可达性研究通常广泛使用接近度和密度这两个描述性指标量化食品店的可达性[23]。有学者提出了一种基于核密度的两步移动搜索法（2SFCA: Two-step Floating Catchment Area Method），用于评估食品店的空间可达性[24]。随后，又有学者引入了增强两步移动法（E2SFCA: Enhanced Two-Step Floating Catchment Area Method），用于分析食品店的动态可达性[25]。随着生鲜电商的普遍应用，食品环境可达性的测度对象也逐渐从食品店转向电商供应链中的末端物流设施，公平性的优化也开始关注供应链设施网点的空间分布特征和区位选址因素[26]。采用电商平台的兴趣点（POI）或兴趣区（AOI）进行网点标识[27]，并运用核密度分析、标准差椭圆、区位基尼指数[28]等方法分析供应链设施网点的空间分布、集散程度、邻域特征和空间布局等特征。
（2）技术层面，关于生鲜食品供应链设施优化的研究不断改进以适应目标转换。有学者针对供应链设施位置和服务价格建立综合优化框架，以实现物流服务供应商在最后一公里配送系统中的利润最大化[29]；或以最小化配送设施的位置成本、库存成本、配送成本和衰减损失成本为目标建立模型，运用贪婪丢弃启发式算法（GDHA: Greedy Dropping Heuristic Algorithm）和遗传算法（GA: Genetic Algorithm）进行求解，并对这两种算法进行比较，评估它们在解决该类优化问题时的有效性和效率[30]。另有研究以成本最低和顾客满意度最高为两个约束条件，运用K 均值算法（K-means）、遗传算法等探讨生鲜食品电商零售企业的前置仓选址[31]，抑或通过禁忌搜索启发式算法（Tabu Search Heuristic Algorithm）求解物流中心的最佳位置[33]。还有研究从多目标的角度出发探讨供应链设施的优化方法，但仅限于理论模型和算法阶段，实际应用相对较少，缺乏验证和可行性研究。
下文以深圳为案例，旨在深入分析前置仓生鲜食品电商即时配送的可达性和公平性，分析网点空间分布的差异性，识别供需不平衡的地区并分析其原因；基于前置仓网点空间分布的差异性进行选址优化，以找出最佳的网点选址方案。特别是，鉴于生鲜食品电商物流设施同时具有市场与公共产品属性，需要综合市场覆盖、需求、成本和运输时效等多个目标来确定设施的最佳位置，故本研究着力探索在真实场景中实现生鲜食品电商供应链设施的多目标优化，并保障不同地区的生鲜食品需求，确保供应链运作成本的合理性，以最终实现更合理、更高效、更公平的生鲜食品供应链空间布局。
2 深圳市生鲜食品电商供应链的空间特征
2.1 生鲜食品电商前置仓的空间布局
作为中国重要的经济中心之一，深圳市的电子商务，尤其是生鲜食品电商零售领域，一直处于全国领先地位。诸如朴朴超市、叮咚买菜、美团买菜和盒马鲜生等头部生鲜食品电商平台均已在深圳开展业务，并大量投资建设前置仓、店仓等新型基础设施和即时配送网络，为深圳市生鲜食品供应链打下了坚实的基础。根据生鲜食品电商平台日均订单量，本研究遴选前三位生鲜食品电商平台（即朴朴超市、叮咚买菜和美团买菜），提取了其前置仓的位置数据并进行空间可视化分析。其中收集的POI 数据包括：朴朴超市的118 个前置仓（图2），叮咚买菜的111 个前置仓（图3），以及美团买菜的131 个前置仓（图4）。笔者通过调用这三家电商平台提供的配送范围查询端口，获取了平台的配送服务范围覆盖情况。结果显示，叮咚买菜和美团买菜前置仓覆盖人口占比均超过80%，配送范围覆盖了深圳大部分建成区。相比之下，朴朴超市前置仓采取了收缩经营策略，重点聚焦在人口密度高的主城区，其覆盖人口占比达64.55%（表1）。总体来看，以上三家生鲜食品电商平台企业的前置仓空间分布已经实现了广泛的覆盖，且与深圳的人口分布和社会经济发展情况基本契合。大量的前置仓集中分布于中部和西部人口密度和经济水平较高的区域，在街道层面形成了西乡—粤海、华强北—布吉、龙华—民治、沙井—新桥、龙岗—龙城等五个组团。但值得注意的是，仍有271.38 万人口（约占深圳常住人口的15%）不在上述三家平台的前置仓配送范围内。在生鲜食品电商物流设施逐渐转向公共化发展的大背景下，其空间布局需要进一步优化。
表1 深圳市主要生鲜食品电商平台前置仓数量、覆盖面积及对应人口的比较
图2 朴朴超市前置仓空间分布
注：图例中数值为核密度值。
图3 叮咚买菜前置仓空间分布
注：图例中数值为核密度值。
图4 美团买菜前置仓空间分布
注：图例中数值为核密度值。
2.2 生鲜食品电商前置仓的可达性及其公平性差异
本文运用两步移动搜索法对朴朴超市、叮咚买菜和美团买菜三家平台企业在深圳的前置仓进行可达性计算，做归一化处理后采用自然断点法进行分级（图5,图6）。结果表明，三家生鲜食品电商前置仓的可达性整体呈现团状衰减分布特征。可达性高的区域主要集中在粤海和华强北街道，这些区域内前置仓数量众多且分布密集；龙岗街道由于地价水平、住宅密度和路网密度较低，前置仓多位于住宅区中心，进而增加了其配送可达性；西丽街道与梅林街道受到山体与水体的影响，沙头角街道受山体和滨海及港口产业用地等因素影响，三个街道配送范围内常住人口少，导致这些地区生鲜食品配送需求也较低，因此前置仓的布局仍然能按规定时效要求满足当地居民的需求；前置仓可达性低的区域主要集中在公明和坑梓街道，前置仓数量少、密度低且相对孤立；新桥和吉华街道受到山体和大型公园等因素的限制，导致该区域路网密度低且连通性受阻，进而降低了社区的生鲜食品前置仓与即时配送的可获得性；西乡和龙华街道由于分布了大量城中村，并且拥有便捷的地铁交通设施，吸引了大量人口居住，尽管电商平台在这些区域设置大量前置仓以保障供应，但是前置仓与人口空间分布耦合度仍然较低，导致了食品生鲜供需分布不均衡以及较低的配送可达性。由此可以看出，生鲜食品电商前置仓的可达性受到仓库数量、人口密度、地价水平、住宅密度、路网密度、自然条件和交通环境等多方面因素的影响。
图5 深圳市前三家生鲜食品电商前置仓的可达性
图6 深圳市前三家生鲜食品电商前置仓的供需分级
就空间公平性而言，前置仓服务人口在街道尺度的基尼系数为0.36，空间分布相对公平；然而，以社区为单元计算基尼系数时，呈现明显的不公平性现象（图7）。电商平台将前置仓分散布局于都市核心区外围，并通过即时配送实现片状覆盖。因此，核心区相邻社区之间的公平性差异较小。相反，非核心区的前置仓集中分布在更靠近社区中心的区域，以减少平台经营成本和缩短配送时间，但也造成了相邻社区前置仓的公平性呈现较大差异，基尼系数最高值达到0.63，显示出严重的不公平现象。
图7 深圳市前三家生鲜食品电商前置仓的公平性
3 生鲜食品供应链前置仓的空间布局优化——以某电商平台为例
3.1 空间布局模型的建立思路、目标和求解算法
针对上文关于生鲜食品电商前置仓等物流设施可达性与供给不均衡的问题，笔者选择了某电商平台111 个已建前置仓，并进行空间优化分析。分析以成本、可达性（公平性）、效率和覆盖率为多目标导向，将流量、距离、覆盖范围等作为约束条件（表2）。为解决这个多目标问题，本研究使用非支配排序遗传算法（NSGA-II: Non-dominated Sorting Genetic Algorithm II）[33]，并结合非支配排序和拥挤度计算进行求解，具体求解过程分三个步骤（图8）。
表2 模型目标函数及主要参数
注：i={1,2,3…n}：前置仓候选点集合；j={1,2,3…m}：需求点集合；fi={f1,f2,f3…fi}：租金集合；Ai={A1,A2,A3…Ai}：前置仓面积集合；Pi：前置仓i 覆盖规模；Tij：前置仓i 服务需求点j 的总时间；tp、tr、tdij：分拣时间、响应时间、配送时间；yi、Yij：0，1 决策变量，如果需求点j 在前置仓i 的服务范围内提供服务，则Yij=1，如果需求点j 不在前置仓i 的服务范围内，则Yij=1。
图8 NSGA-II 流程图
第一步，从深圳市的7 691 个住宅点中随机选取，生成100 种不同的前置仓空间布局方案，构成初始种群，每种方案均包含111 个前置仓选址点。第二步，针对种群中的每种方案，根据多目标函数计算其适应度（即该方案在与其他方案的目标函数比较中的优胜次数），随后采用非支配排序方法，按适应度值的大小对这100 种方案进行排序，并将其划分为不同的支配等级，由此来比较种群中每种方案的优劣情况。第三步，采取拥挤度指标（即每种前置仓方案与其相邻方案在每个目标函数上的差值）衡量每种方案在目标空间中的拥挤程度，筛选非支配等级较低和拥挤度较大的前50 个方案作为父代。首先，对父代中的一对方案（共111 个前置仓选址点）进行交叉操作（交换和重组）和变异操作（引入新的前置仓选址），直至得到比父代适应度值更优的50 个子代方案。然后，将这50 个子代方案与剩余的50 个方案合并，构成新的种群。接下来重复步骤二，对新的种群中的每种方案进行优劣比较。如果通过以上步骤找到了满足要求的解，则算法结束，否则要重复二、三两步，直至找到满足要求的解或达到最大迭代次数。本文中设置种群规模为100，交叉概率为0.25，变异概率为0.09，最大迭代次数为500。
3.2 前置仓网点空间布局模拟优化的结果
通过以上步骤，研究得出近似最优解，随后对优化后的111 个前置仓进行可达性和公平性分析，得出以下结果（图9—图12）。首先，优化后某平台前置仓的整体可达能力提高了1.8%。尽管这一数值不高，但是对于局部区域的影响仍然非常明显，如宝安区、南山区、坪山区、龙岗区等局部地段。具体而言，数值处于0～0.001 8 可达性低的区域减少了0.4%，数值处于0.001 9～0.005 7 可达性中等的区域增加了4.2%，数值处于0.005 8～0.019 3 可达性高的区域减少了3.8%。值得注意的是，可达性低的区域多位于地理条件较为复杂或交通不便的地区，其交通基础设施相对不足，因此改善可达性的难度较大。其次，由于平台在划分配送范围时也会考虑前置仓的可达性，相对配送难度较大的区域会被排除在配送范围之外，因而改善最为明显的是可达性中等的区域。在配送范围内44.3%的街道可达性提高，其中龙华街道、大浪街道、福城街道、吉华街道经优化后可达能力得到增强，新安街道、盐田街道、坪山街道经优化后可达性更加均衡。此外，前置仓的基尼系数从0.342 降至0.29，供给服务的公平性从相对合理状态转为较公平的状态。具体而言，公平性供给匮乏区域减少了7.6%，供给平衡区域增加了2.6%。
图9 优化前某生鲜食品电商前置仓可达性
图10 优化前的某生鲜食品电商前置仓供需分级
图11 优化后的某生鲜食品电商前置仓可达性
图12 优化后的某生鲜食品电商前置仓供需分级
通过调整前置仓的空间布局或数量，优化后的前置仓在可达性和公平性方面明显改善。大浪街道、福城街道的前置仓数量由1 个增至2 个，龙华街道的前置仓数量由2 个增至3 个，可达性中等和高值区域增加了23.7%，供给平衡和充足区域增加了9.7%。布吉街道的前置仓数量由1 个增至2 个，吉华街道、南湾街道的前置仓数量由2 个增至3 个，可达性中等和高值区域增加了23.4%，供给平衡和充足区域增加了47.2%。新桥街道、福永街道的前置仓数量由2 个增至3 个，可达性中等和高值区域增加了22.7%，供给平衡和充足区域增加了31.1%。盐田街道由于前置仓所提供的供给服务大于需求，使得区域内的供给饱和，因而前置仓数量由2 个减至1 个，可达性中等区域增加了29.5%，供给平衡和充足区域增加了55.5%。
4 结论与政策建议
随着电商物流的高速发展和居民消费习惯的转变，食品物流供应链正经历着从以批发市场为基础的传统模式，向以大型连锁超市为主要销售渠道的模式转型，并正在迈向以平台零售和即时配送为特征的新阶段。在此转型背景下，生鲜食品电商供应链模式衍生出店仓一体模式、自营前置仓模式、社会化平台类型和社区团购模式。生鲜食品电商的数量庞大、支撑范围广，具有公共性强和空间需求多的特点，使生鲜食品电商的基础设施成为保障民生、稳定城市食品零售供应链物流运作的重要手段。因此，本文以深圳市为例，运用两步移动搜索法分析设施的可达性和公平性，并对设施选址进行优化，以满足城市不同区域多样化的食品生鲜需求。
尽管城市生鲜食品电商的前置仓模式在提高食品配送效率方面具有显著优势，但由于人口密度、地理条件和交通路网等多重因素的制约，物流保障的公平性问题依然存在。前置仓供给端与人口需求端耦合度欠佳，导致某些区域出现供给饱和，而另一些区域则供给不足。为改善这种不公平现象，本文运用多目标模型和NSGA-II 对前置仓的空间布局进行优化。结果表明：合理的前置仓选址不仅可以显著提高生鲜食品的可达性和公平性，改善前置仓的配送服务质量与效率，还可以增强生鲜食品零售供应链物流保障能力，并促进食品流通体系的可持续发展。
生鲜食品电商的发展给食品流通环境及其规划带来了新的可能性，通过本次研究，笔者在城市生鲜食品电商供应链保障方面提出以下建议。第一，随着生鲜食品电商在居民日常生活中扮演越来越重要的角色，其逐渐成为一种公共产品，因此公平性问题显得尤为重要。应鼓励企业扩展配送服务至人口需求量大而供给不足的地区。第二，城市规划应该充分考虑居住与商业空间对前置仓布局的兼容性，为生鲜食品电商前置仓布局提供更多空间。应将末端配送网点的布局纳入居住区规划，为末端物流场所的土地使用提供保障。可以通过鼓励开发商、居住商业小区的资产运营方和招商方预留相关用地空间，支持社区型的生鲜食品电商基础设施的供给。最后，城市层面需要建立前置仓的评估监测体系，开发或研究更多具备多目标决策布局功能的工具，引导企业结合各方面因素进行前置仓布局决策，探索将原本位于非正规空间中的前置仓纳入监管服务系统。
尽管本研究因为数据和模型方法等原因未全面考虑多平台之间的竞争关系，可能影响对供需情况的准确刻画，这些限制并不妨碍我们在成本、运输时效与效率等多目标的框架下使用两步移动搜索法探索前置仓选址优化的策略，尤其是如何调整配送范围以提高可达性和覆盖率。本研究为生鲜食品电商供应链背景下的城市基础物流设施可达性和空间优化提供了有益的视角和方法，也为未来的生鲜食品电商供应链物流保障提供了新的思考和改进方向。
注：文中未注明资料来源的图表均为作者绘制。
[1] 莫岱青.2023 年度中国生鲜电商&社区团购市场数据报告[R].杭州:网经社电子商务研究中心,2024.
[2] FUJII N,KAIHARA T,UEMURA M,et al.Facility layout planning of central kitchen in food service industry: application to the real-scale problem[C]// Advances in Production Management Systems.Sustainable Production and Service Supply Chains: IFIP WG 5.7 International Conference,Proceedings,Part II.Berlin Heidelberg: Springer,2013: 33-40.
[3] CHEN Y,XIONG H,CHEN Y J.Should traditional retailers function as pre-warehouses of online retailers?[J].International journal of production research,2021,59(5): 1476-1495.
[4] AGATZ N A H,FLEISCHMANN M,VAN NUNEN J A E E.E-fulfillment and multi-channel distribution–a review[J].European journal of operational research,2008,187(2): 339-356.
[5] RAI A,TASSOU S A.Environmental impacts of vapour compression and cryogenic transport refrigeration technologies for temperature controlled food distribution[J].Energy conversion and management,2017,150: 914-923.
[6] DABLANC L,MORGANTI E,ARVIDSSON N,et al.The rise of ondemand ‘Instant Deliveries’ in European cities[C]// Supply Chain Forum:an international journal.Taylor &Francis,2017,18(4): 203-217.
[7] MORGANTI E,GONZALEZ-FELIU J.City logistics for perishable products.the case of the Parma’s Food Hub[J].Case studies on transport policy,2015,3(2): 120-128.
[8] ALLEN J,BROWNE M,CHERRETT T.Investigating relationships between road freight transport,facility location,logistics management and urban form[J].Journal of transport geography,2012,24: 45-57.
[9] GUERIN L,VIEIRA J G V,DE OLIVEIRA R L M,et al.The geography of warehouses in the São Paulo Metropolitan Region and contributing factors to this spatial distribution[J].Journal of transport geography,2021,91:102976.
[10] REINA-USUGA L,PARRA-LÓPEZ C,DE HARO-GIMÉNEZ T.Urban food policies and their influence on the development of territorial short food supply chains: the case of cities in Colombia and Spain[J].Land use policy,2022,112: 105825.
[11] QIN H,WEI Y,ZHANG Q,et al.An observational study on the risk behaviors of electric bicycle riders performing meal delivery at urban intersections in China[J].Transportation research part f: traffic psychology and behaviour,2021,79: 107-117.
[12] AUCHINCLOSS A H,MOORE K A B,MOORE L V,et al.Improving retrospective characterization of the food environment for a large region in the United States during a historic time period[J].Health &place,2012,18(6): 1341-1347.
[13] GÓMEZ M I,BARRETT C B,BUCK L E,et al.Research principles for developing country food value chains[J].Science,2011,332(6034): 1154-1155.
[14] SMIT W.Urban governance and urban food systems in Africa: examining the linkages[J].Cities,2016,58: 80-86.
[15] 张青,尹元.艾瑞：2023 年中国生鲜食材供应链行业洞察[EB/OL].(2023-04-12)[2023-11-06].https://report.iresearch.cn/content/2023/04/466108.shtml.
[16] WANG X,WONG Y D,QI G,et al.Contactless channel for shopping and delivery in the context of social distancing in response to COVID-19 pandemic[J].Electronic commerce research and applications,2021,48:101075.
[17] GHEZZI A,MANGIARACINA R,PEREGO A.Shaping the e-commerce logistics strategy: a decision framework[J].International journal of engineering business management,2012,4: 13.
[18] ANNOSI M C,BRUNETTA F,BIMBO F,et al.Digitalization within food supply chains to prevent food waste.drivers,barriers and collaboration practices[J].Industrial marketing management,2021,93: 208-220.
[19] 肖作鹏,王缉宪,孙永海.网络零售对物流供应链的重组效应及其空间影响[J].经济地理,2015,35(12): 98-104.
[20] KIM S H,FOWLER J W,SHUNK D L,et al.Improving the push-pull strategy in a serial supply chain by a hybrid push-pull control with multiple pulling points[J].International journal of production research,2012,50(19):5651-5668.
[21] YANG H,PENG J.Coordinating a fresh-product supply chain with demand information updating: Hema Fresh O2O platform[J].RAIRO-operations research,2021,55(1): 285-318.
[22] 魏宗财,陈旭华,刘雨飞,等.城市社区团购自提点空间分布格局及其影响因素——以广州市为例[J].经济地理,2023,43(7): 109-118.
[23] CHARREIRE H,CASEY R,SALZE P,et al.Measuring the food environment using geographical information systems: a methodological review[J].Public health nutrition,2010,13(11): 1773-1785.
[24] DAI D,WANG F.Geographic disparities in accessibility to food stores in southwest Mississippi[J].Environment and planning b: planning and design,2011,38(4): 659-677.
[25] HU L,ZHAO C,WANG M,et al.Dynamic healthy food accessibility in a rapidly urbanizing metropolitan area: socioeconomic inequality and relative contribution of local factors[J].Cities,2020,105: 102819.
[26] 黄雨珊,李钢,金安楠,等.社区化新零售末端物流网络的对接与优化——以深圳市盒马鲜生与菜鸟驿站为例[J].地理研究,2021,40(9):2542-2557.
[27] 李钢,杨兰,贺建雄,等.基于POI 数据的西安市快递自提点空间格局及空间关系研究——以菜鸟驿站为例[J].地理科学,2018,38(12): 2024-2030.
[28] LI C E,LIN Z H,HSU Y Y,et al.Lessons from COVID-19 pandemic:analysis of unequal access to food stores using the Gini coefficient[J].Cities,2023,135: 104217.
[29] ZHANG W,XU M,WANG S.Joint location and pricing optimization of self-service in urban logistics considering customers’ choice behavior[J].Transportation research part e: logistics and transportation review,2023,174: 103128.
[30] DI W,WANG J,LI B,et al.A location-inventory model for perishable agricultural product distribution centers[C]// 2011 2nd International Conference on Artificial Intelligence,Management Science and Electronic Commerce (AIMSEC).IEEE,2011: 919-922.
[31] YU Y,WANG X,FANG R.Research on location selection of prewarehouse of fresh e-commerce retail enterprises under O2O mode[C]//2020 International Signal Processing,Communications and Engineering Management Conference (ISPCEM).IEEE,2020: 181-184.
[32] ZHEN L,SUN Q,WANG K,et al.Facility location and scale optimisation in closed-loop supply chain[J].International journal of production research,2019,57(24): 7567-7585.
[33] DEB K,PRATAP A,AGARWAL S,et al.A fast and elitist multiobjective genetic algorithm: NSGA-II[J].IEEE transactions on evolutionary computation,2002,6(2): 182-197.