《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Exposure to last-mile delivery emissions: A novel data fusion approach
编辑推荐：
本研究通过融合高分辨率GPS轨迹与手机匿名数据，量化圣地亚哥最后一公里配送排放对人口暴露的影响。发现中产阶级、女性及非正式就业者暴露显著更高，静态模型易误判高危群体，强调动态人口数据在环境评估中的重要性。
Franco Basso|Sara Perotti|Raúl Pezoa|Francisco Fuentes|Julio Covarrubia
智利瓦尔帕莱索天主教大学工业工程学院，瓦尔帕莱索，智利
摘要
电子商务的发展加剧了城市地区的最后一公里配送业务，但现有研究大多忽视了配送相关排放对不同人群的影响差异。虽然以往的研究关注的是总体排放量或假设居民暴露情况是静态的，但实际上，由于人们日常移动模式的差异，暴露情况会显著变化。本研究引入了一种新的数据融合框架，将高分辨率的配送车辆GPS轨迹数据与匿名手机数据相结合，以追踪智利圣地亚哥地区的人口流动情况。通过使用零膨胀负二项分布模型和线性回归模型，我们通过测量人员和配送车辆在时空上的共现频率来量化暴露差异，以此作为潜在排放暴露的代理指标。研究发现：(i) 不同人群之间的暴露差异显著，中产阶级的暴露风险尤其高；(ii) 与基于静态居民位置的模型相比，这些结果更为准确，因为后者可能会误判受影响最严重的群体。这些发现表明，在评估城市货运系统对环境的影响时，纳入移动数据至关重要。
引言
最后一公里配送、城市可持续性和公共卫生的问题日益紧迫。作为物流链的最后一环，最后一公里配送是排放最密集且运营最复杂的环节，通常发生在人口密集的城市区域，其负面影响（如空气污染、噪音和交通拥堵）最为严重（Basso等人，2022年；Nguyen等人，2023年）。此外，近年来电子商务的快速增长（全球市场增长了20%以上，J. P. Morgan，2021年）进一步加剧了配送需求，给已经受到污染影响的地区带来了更大压力。除非重新思考并更可持续地管理这些系统，否则城市地区的环境问题预计会持续恶化（Boggio-Marzet等人，2023年）。然而，这些外部性的影响并非均匀分布，它受到收入、性别和职业等因素的影响，而这些因素不仅取决于排放发生的地点，还取决于人们在城市中的移动和工作方式（Basso等人，2026年；Guzman等人，2023年；Lathwal等人，2022年；Patra和Phuleria，2022年）。因此，理解这些差异需要能够将货运活动与人口动态流动联系起来的方法。
关于城市货运外部性的相关研究可以归纳为三种方法论途径。第一种方法是侧重于排放量的研究，这些研究量化了车辆层面的影响（如燃油消耗、路线效率或总体排放量），但未评估人口暴露情况（Brusselaers等人，2023a；Tudisco等人，2025年；Zhao等人，2024年）。这些研究依赖于GPS追踪数据、排放模型或固定监测系统来衡量配送活动对环境的影响。第二种方法是基于静态人口假设的暴露研究，它们通过将模拟的污染数据与人口普查数据叠加来关联货运活动与受影响人群（Brunekreef等人，2009年；Brusselaers等人，2023b；Lathwal等人，2022年）。这些方法通常假设人们始终停留在居住地，或将暴露风险均匀分配到较大的地理单元内。第三种方法是考虑人口流动性的暴露研究，这些研究开始纳入动态人口移动数据（Mommens等人，2019年；Xiao等人，2024年），但依赖于模拟的货运流量数据，这些数据通常来自车辆路线优化或网络模拟模型，而非实际观测轨迹。因此，现实中的最后一公里配送操作与城市人口日内移动模式之间的关联在很大程度上尚未得到测量，这限制了我们对实际受影响人群的理解。
本文量化了最后一公里配送活动与城市人口密度的关系。我们利用配送车辆的GPS数据和匿名手机记录来追踪货运活动及人口流动情况。我们通过测量人员和配送车辆在时空上的共现频率来评估潜在暴露风险，这里的“共现”指的是它们在同一时间和地点同时出现，而不是模拟实际的污染物浓度或吸入剂量。我们的方法基于人们的实际活动时间（工作、通勤和商业区），而非假设他们始终停留在居住地。这种区别不仅具有方法论意义，而且后果严重：静态的、基于居住地的方法会系统性地误判哪些人群暴露风险最高，从而导致截然不同的政策结论。这种方法能够在城市尺度上近似反映不同人群的暴露风险差异，超越了传统的区域平均值，揭示了人们全天经历的配送强度。我们将这种方法应用于智利圣地亚哥，探讨人们在不同时间和地点受到最后一公里配送影响的情况，以及暴露风险如何随社会人口特征变化。
本研究有两个主要贡献：首先，它提出了一种新的数据融合方法，能够高精度地量化最后一公里配送的暴露风险。通过整合货运活动和人口流动数据，该方法揭示了暴露风险在一天中的变化以及不同社会群体之间的差异。其次，我们将这一框架应用于智利圣地亚哥，发现了暴露风险在收入、性别和就业状况方面的不平等现象。这些差异不能仅用居住地来解释，这表明在评估货运外部性时纳入日常人口流动数据的重要性。研究结果为将分配问题纳入城市物流政策规划提供了依据。
本文的其余部分结构如下：第2节回顾相关文献，并将我们的贡献置于当前研究背景中；第3节描述数据并提供描述性统计信息；第4节介绍方法论，包括关键假设和定义；第5节报告主要结果；第6节进行总结。
数据描述
本节描述了分析中使用的两个主要数据集。首先介绍手机数据（3.1小节），该数据捕捉了圣地亚哥各个人口群体之间的动态分布；接着是车辆GPS数据（3.2小节），用于追踪最后一公里配送活动。这两个数据集具有相同的时空结构，使我们能够量化人口与货运活动相遇的地点和时间。
方法论
在本节中，我们提出了一种新的数据融合方法，旨在高精度地量化最后一公里配送的暴露风险。该方法结合了高分辨率的配送车辆GPS轨迹数据和匿名手机记录，从而能够准确反映货运活动与人口动态流动之间的关系。
最后一公里配送对不同社会人口群体的影响
利用前一节描述的方法，我们估计模型参数并计算边际效应，以量化人口特征与最后一公里配送暴露风险之间的关系。
表4展示了数据集中每个人口变量的边际效应。由于我们的回归分析是在六边形小时级别进行的，这些结果描述了不同人口构成区域内的潜在暴露差异。
主要发现与启示
本研究将实际配送车辆轨迹数据与动态人口流动数据相结合，以评估最后一公里配送的暴露差异。通过测量时空共现频率而非依赖静态居住假设，我们的方法揭示了传统环境正义框架难以解释的环境不平等现象。在本节中，我们解释了主要发现，将其置于现有研究背景下，并讨论了其意义。
作者贡献声明
Franco Basso：撰写 – 审稿与编辑、初稿撰写、数据验证、项目监督、资源协调、方法论设计、研究实施、资金筹措、数据分析、概念构建。Sara Perotti：撰写 – 审稿与编辑、初稿撰写、数据验证、项目监督、方法论设计、研究实施、资金筹措、数据分析、概念构建。Raúl Pezoa：撰写 – 审稿与编辑、初稿撰写、数据可视化、结果验证。
