利用六西格玛DMAIC方法对城市货运运输进行数据驱动的优化 塔拉克·巴鲁米（Tarak Barhoumi） 穆罕默德·阿明·弗里克哈（Mohamed Amine Frikha） 优尼斯·布杰尔本（Younes Boujelbène）

《Urban Science》：Data-Driven Optimisation of Urban Freight Transport Using the Six Sigma DMAIC Methodology Tarak Barhoumi, Mohamed Amine Frikha and Younes Boujelbène

　　摘要 城市货运运输系统越来越被视作大都市可持续性的关键因素。以突尼斯第二大城市斯法克斯为例，持续的交通拥堵、物流效率低下和环境压力严重限制了城市的流动性和竞争力。因此，本文提出了一种战略框架，通过将六西格玛方法整合到城市物流系统中来优化城市货运运输。研究采用了定量和定性相结合的方法来识别货物流动、评估绩效指标，并探讨本地和区域物流网络之间的相互作用。六西格玛DMAIC框架用于识别流程效率问题、减少变异，并制定数据驱动的改进策略。研究结果显示，绩效结果受到空间布局、利益相关者协调以及工业系统对动态城市环境适应性强的显著影响。该研究的发现有助于理论和实践的发展，展示了六西格玛原则如何支持城市物流管理中的决策制定，从而实现持续的性能提升，并确保货运运输符合可持续发展目标。所提出的框架可应用于面临类似物流和环境制约的其他中等规模城市。未来，该框架将通过引入数字化转型工具和基于人工智能的预测分析技术得到进一步扩展，以推动智能可持续城市货运生态系统的建设。

1. 引言
城市的吸引力、可达性和生活质量，以及其经济表现，是评估城市交通系统整体影响的重要指标。这些方面与货物运输效率及货物装卸操作所处的环境条件密切相关[1]。尽管城市流动性已受到广泛研究，但大多数研究集中在乘客运输和私人车辆交通上，相比之下，货运运输的研究相对较少[2,3]。然而，由于电子商务的快速增长、供应链的全球化以及城市区域的日益复杂化，货运运输已成为交通拥堵、空气污染和能源消耗的主要贡献者[4,5,6,7,8,9]。目前，城市货运占城市交通总排放量的近25%，这凸显了其在可持续城市发展中的战略重要性[6,7,8]。近期研究强调，通过利用智能基础设施、数字系统和数据驱动的管理工具，将货运物流纳入可持续移动性规划具有重要意义[9,10,11]。例如欧盟委员会的《城市流动性框架》（2021年）和联合国的《新城市议程》（2024年）等战略框架都强调了这一需求[12,13]。
在这种情况下，斯法克斯市是面临结构性物流挑战的地中海大都市的典型代表。这些问题包括交通拥堵、空间碎片化、非正规配送方式以及本地和区域运输系统之间的整合不足。斯法克斯是突尼斯第二大的经济中心。本研究详细探讨了货物运输对城市物流系统性能的影响。
研究采用了六西格玛DMAIC方法作为强大的分析框架，该方法有效提升了流程效率，减少了变异性，并提高了服务可靠性，适用于物流和运输系统。本文通过将DMAIC与定量诊断工具相结合，研究了货运运输绩效如何影响斯法克斯城市物流的可持续性和韧性[5]。
为了验证所提出的模型，采用了混合方法研究设计，共向关键利益相关者（运输运营商、零售商、车队管理者和快递员）发放了140份问卷，并对物流公司和市政当局进行了半结构化访谈。这种方法确保了数据的 triangulation（多源验证），从而全面了解运营限制和潜在的改进路径[14]。

2. 文献综述
城市地区的货物管理是供应链规划的重要组成部分，也是城市物流研究的核心焦点。这是因为它对交通拥堵、环境破坏、基础设施超负荷以及城市运营效率低下等问题有着日益重要的影响[15,16,17,18,19,20,21,22]。由于城市化进程加快、电子商务的普及以及消费者对快速配送期望的提高，货物在城市已然饱和的基础设施中的流动变得更加频繁。因此，城市物流系统不再仅仅被视为供应链的运营部分，它们也被视为能够影响城市可持续性、经济竞争力和生活质量的关键战略要素[15,16,17,18,19,20,21,22]。
早期的研究侧重于货运运输和物流的运营效果，重点在于成本最小化、服务水平提升、交付时间可靠性和车辆路线优化。绩效指标主要关注经济效益，如单位运输成本、资产利用率和交付速度等经济指标[20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46]。然而，由于对可持续发展的承诺增加、新的监管框架以及利益相关者期望的变化，我们的分析方式在过去十年中发生了很大变化。现在越来越多的多维度方法被用于评估城市货运运输系统，这些方法整合了经济可行性、环境责任和社会责任。气候政策、碳排放减排目标、低排放区以及责任采购义务迫使物流利益相关者在决策模型中考虑环境成本[17,18,19]。
这种演变推动了一种更全面的事务处理方式，将城市货运运输视为一个融入复杂都市生态系统的社会技术系统。在这种新范式中，效率不再仅仅由成本降低来定义，而是由盈利能力、碳排放减少、法规合规性、技术创新和社区福祉的平衡能力来定义[21]。随着供应链变得更加互联和数字化，绩效评估必须包含可持续性、韧性和治理方面的指标[21]。

2.1. 可持续和绩效驱动的供应链管理（SSCM）
可持续供应链管理（SSCM）的基础由Carter和Rogers（2008年）等人的开创性工作确立[9]，他们证明了整合经济、环境和社会标准可以提高组织的长期韧性和价值创造。Seuring和Müller（2008年）[42]以及Ahi和Searcy（2013年）[4]进一步完善了这一观点，他们制定了多维度框架，将运营效率与环境管理和社会责任联系起来[4,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42]。
最近的研究（2021-2024年）强调，在物流系统中实施基于可持续性的绩效评估是不可或缺的。当代研究指出，货运运输绩效必须考虑以下几点：(i) 经济绩效（成本、可靠性和服务水平）；(ii) 环境绩效（排放、能源效率和资源使用）；(iii) 社会/绩效（公众接受度、噪音和生活质量）[23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39]。
Pagell和Wu（2009年）的研究表明，将SSCM原则应用于城市货运运营可以促进创新、利益相关者合作和长期的战略 differentiation，从而为企业带来竞争优势[23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39]。

2.2. 城市物流与城市货运系统
可持续发展议程催生了城市物流这一专业领域，该领域专注于设计高效、有韧性和低影响的城市货运分配系统。城市货运被视为一种系统现象，受到领土结构、治理模式和多方参与者互动的影响。这些参与者包括承运人、发货人、市政府和居民。
Crainic等人（2009年）提出的城市规模上的货运流量协同治理框架被称为“城市物流”[15]。Holguín-Veras及其团队在2021年的论文中认为，只有通过协调的监管、共享的基础设施和强大的政策机制，才能实现有效的城市物流，这些机制既能缓解拥堵又能提升服务水平[26,27,28]。这些研究强调了将货运运输视为经济需求和城市可持续性及生活质量关键因素的重要性[25]。

2.3. 物流共享与协同分配
多个利益相关者之间车辆、基础设施或信息的共享（称为物流共享）作为一种策略，已被广泛用于应对日益严重的城市拥堵和环境挑战。研究表明（2015-2024年），共享机制有助于更高效地整合货运流量、减少分配网络的冗余并提高装载效率[29,30]。
实践中的共享实例包括城市配送中心（UDCs）、共享微型枢纽、接送点和协同路线平台。这些项目的效果可以从三个可持续性维度进行分类：经济共享：规模经济、减少空驶里程、提高交付可靠性；环境共享：降低排放、优化车队利用率、转向低排放车辆；社会共享：减少噪音和干扰、提高密集区域对货运活动的接受度。
Gonzalez-Feliu等人提出了评估场景、协调运营和设计符合可持续发展目标的协同物流系统的稳健方法论框架[31,32]。

2.4. 数据驱动、智能和自适应的城市物流
近年来，随着技术进步，数据驱动和智能解决方案在城市货运管理中的应用速度加快。智慧城市倡议、物联网（IoT）支持的跟踪系统以及基于人工智能（AI）的决策支持工具提升了对货运流量的建模、预测和优化能力[40,41]。Anand等人（2020年）[3]和Taniguchi等人（2014年）[44]强调了智能交通系统（ITS）在实时路线规划、车队监控、动态容量分配和预测建模中的作用。2021-2024年的多项研究指出，机器学习、大数据分析和数字孪生技术在提高可靠性、减少排放和在不确定性下支持决策制定方面具有价值[3,44,45]。
尽管取得了这些进展，但仍存在两个主要问题：静态数据集：许多城市货运研究依赖于横截面或声明性数据，这限制了在高度动态环境中的绩效测量的准确性；缺乏自适应反馈循环：现有的决策支持系统很少采用持续学习机制来实时更新预测或优化运营。

2.5. 本研究的位置
本研究通过应用六西格玛DMAIC方法来解决这些不足。该方法在城市货运运输背景下实施，并结合了多元统计工具来评估和量化物流影响。本文的原创性体现在：(a) 对城市货运系统结构化和严格的应用DMAIC；(b) 强调基于可持续性的绩效指标；(c) 具备向基于AI的智能物流管理扩展的潜力；(d) 能够整合动态数据集以持续改进评估模型。
本研究推进了可持续城市物流的理论基础和可操作的框架，将方法论的严谨性与可持续性原则和技术进步相结合[33,34,35,36,37,38,39,40,41,42,43]。

3. 研究区域
本实证研究聚焦于突尼斯的第二大城市斯法克斯，该城市是该国的第二大经济中心，也是工业活动、批发贸易和区域物流的重要枢纽。斯法克斯的特点是对货运流动性的需求快速增长、城市化程度高，以及由乘客运输、商业活动和重型车辆流通造成的严重交通拥堵[18]。
斯法克斯的土地利用结构多样，包括工业区（Mahrès、Thyna）、批发市场（Bir Ali、Marché de Gros）、港口设施和人口密集的居住区。这种空间配置给道路网络带来了巨大压力，尤其是在连接工业园区与港口和市中心的主要路线上。图1展示了斯法克斯的研究区域地图，表明了这些空间动态。斯法克斯的城市货运系统还受到结构性限制的影响，如有限的装卸区、不足的物流枢纽和缺乏专用的货运走廊。这些问题导致了交通拥堵、排放增加、噪音和服务可靠性下降。因此，应用DMAIC等结构化的方法框架来诊断性能问题并量化物流影响是必要的。

4. 斯法克斯城市货运运营的背景
斯法克斯城市货运运营的绩效、拥堵和可持续性结果受到多种结构和运营限制的影响[36,37,47]。首先，物流链仍然高度碎片化，由众多独立运营的小型承运人、零售商和批发商组成。这种碎片化导致车辆装载率低、不必要的出行以及整合机会有限。其次，该城市的装卸区域不足且监管不力，尤其是在高密度商业区。因此，货运车辆经常停在车道上，加剧了拥堵并造成了不安全的情况。第三个挑战是非正式送货方式的大量存在，尤其是在历史悠久的Medina地区。狭窄的街道、步行区和不规则的通行模式意味着运营商通常不得不依赖小型车辆、摩托车或手推车进行送货，而且往往没有任何正式的调度或路线计划。第四，尽管某些地区有送货时间窗口，但很少得到执行，这降低了它们的有效性，并在高峰时段加剧了拥堵。最后，Sfax缺乏在智能物流环境中变得标准的数字监控系统、交通传感器和实时数据平台。没有这些工具，公共机构和私人运营商无法分析货运流量、预测拥堵情况并优化路线决策。

这些背景因素为实证研究提供了关键的基础，这对于理解这一主题至关重要。它们证明了采用结构化的绩效评估框架的必要性，并强调了方法论方法（如Six Sigma DMAIC循环结合多变量统计分析）的必要性，这些方法可以解决数据碎片化、运营效率低下和数字化程度不足的问题。将分析基于Sfax的实际运营限制，增强了研究的相关性和其对新兴及转型城市中可持续城市货运规划的贡献[38,39]。

5. 采用的方法论：DMAIC方法
用于评估货运运输对城市物流系统绩效影响的方法论框架基于Six Sigma DMAIC方法。这种流程改进方法提供了一个严格、数据驱动和迭代的结构，用于识别系统效率低下之处，量化其影响，并提出可持续的解决方案。图2展示了完整的DMAIC循环，包括确保所提出解决方案长期稳定性和持续改进的控制阶段。

图2. 提出的方法论：DMAIC。下面详细介绍了定义（Define）、测量（Measure）、分析（Analyze）、改进（Improve）和控制（Control）五个阶段，以及相应的任务、分析工具和参数。

步骤1：定义“问题定义和范围”
- 任务
- 通过结构化访谈、利益相关者研讨会和调查问卷识别影响城市货运运输的核心挑战。
- 使用空间数据绘制拥堵热点、货运和客运流量之间的冲突点以及高频送货区域的地图。
- 编制涵盖交通流量、送货频率和城市网络配置的定量数据集。
- 关键参数
- 交通密度、送货频率、车辆类型分布、道路网络容量以及初步的环境指标（温室气体排放、噪声强度）。

步骤2：测量“绩效标准的选择和量化”
- 任务
- 识别与城市物流的经济、环境和社会维度相关的关键绩效指标（KPI）。
- 使用相关分析和探索性因子分析（EFA）对KPI进行统计过滤和优先级排序。
- 通过专家咨询（公共机构、物流运营商和城市规划者）验证选定的指标。
- 关键参数
- 每次送货的成本、服务可靠性、送货准备时间、燃油消耗、每吨公里的排放量、装载率和能源效率。

步骤3：分析“货运运输的影响”
- 任务
- 应用DMAIC分析逻辑来量化货运运输对整体系统绩效下降的贡献。
- 使用多变量统计技术检查KPI、交通条件和货运运营模式之间的因果关系。
- 识别影响城市物流效率和可持续性的关键瓶颈、根本原因和高影响变量。
- 关键参数
- 绩效得分、拥堵指数、运营效率比率（例如装载率）、送货准时率、利益相关者满意度指标。

步骤4：改进“制定纠正措施和运营方案”
- 任务/行动
- 制定针对性的改进策略，如重型车辆重新路由、优化送货时间窗口、整合方案和多模式物流枢纽。
- 使用模拟工具测试替代方案，以估计潜在的拥堵、排放和送货性能改进。
- 基于成本效益分析、可行性评估和利益相关者接受度选择最可行的行动。
- 关键参数
- 预期的拥堵减少、成本节约、减排潜力、送货可靠性提升、城市宜居性改善。

步骤5：控制“监控、文档记录和持续改进”
- 任务
- 实施监控机制（仪表板、KPI和定期审计）以验证所提出解决方案的长期稳定性。
- 应用统计过程控制（SPC）来跟踪绩效波动并检测偏差。
- 建立反馈循环，以便进行迭代调整，确保改进始终符合可持续性目标和动态的城市条件。
- 关键参数
- SPC指标、审计记录、更新的KPI趋势、利益相关者反馈、运营合规性得分。

表1提供了本研究中采用的方法论的全面概述，展示了应用于城市货运运输的完整DMAIC工作流程。该表详细介绍了方法论的五个阶段：定义、测量、分析、改进和控制。它还概述了执行的具体任务和行动、考虑的分析参数以及预期输出。通过以结构化格式呈现这些详细信息，表格提供了关于程序严谨性的透明度，便于复制研究，并强调了每个阶段如何有助于提升城市物流系统的绩效和可持续性。为了简洁起见，主要文本中只总结了关键方面，完整细节见表1。

表1. 应用于城市货运运输评估的基于DMAIC的方法论总结。

为了识别和优先处理影响城市物流系统的运营风险，应用了失效模式和效应分析（FMEA）方法。这种方法通过评估三个标准来评估潜在的失效模式：严重性（S）、发生概率（O）和检测难度（D）。这些参数有助于计算风险优先数（RPN），从而确定需要纠正措施的最关键运营问题。失效模式及其对应的RPN值的详细评估见附录A1。

5.1. 问题定义和范围
为了分析影响货运运输的各种因素及其对城市物流系统绩效的影响，通过向不同行业的企业样本发放问卷收集数据。调查采用面对面方式进行，以澄清任何模糊的问题，并避免影响受访者的意见。这确保了高响应率和收集数据的可靠性。在数据收集之前，向参与者解释了研究的目的以及使用的测量量表，以确保他们完全理解问题。强调了提供个人和真诚回答的重要性，因为这些对于结果的有效性和稳健性至关重要。问卷中包含了一组商品运输（TMV）因素，用于捕捉评估城市物流系统绩效时的经济、环境和社会维度。

本研究通过五个假设来探究企业层面运输需求的决定因素，具体如下（见图3）：

图3. TMV因素的假设
H1 ?运输类型?：TVT；KST；SVT；TF；KSF；SF；TC-3.5；KSC-3.5t；SC-3.5t；TC+3.5t；KDC+3.5t；SC+3.5t。
H2 ?承运人的性质?：PS；EFC；ET；QMR；QME；PMR；PME。
H3 ?运输方式的选择标准?：CR；RR；FR；SR；CE；RE；FE；SE。
H4 ?运输次数：总次数/时间段?：NOS；NOM；PHR1；PHR2；PHR3；PHR4；PHR5；PHR6；PHE1；PHE2；PHE3；PHE4；PHE5；PHE6。
H5 ?分区?：GF；SP；SHP；AG；NAG；G1；G2；G3；G4；G5；G6。

H1：运输类型：该假设通过三个指标测量每种车辆类别（乘用车、货车<3.5吨、货车≥3.5吨）的车辆使用强度：总车队规模（例如TVT、TF）、每辆车的每周行驶公里数（例如KST、KSF）和停车需求（例如SVT、SF）。

H2：承运人的性质：这评估了物流是否由内部管理（PS）、供应商或客户（EFC）或第三方承运人（ET）管理。它还确定了进出物流的主要运输方式（QMR和QME）以及多模式解决方案的使用（PMR、PME）。

H3：运输方式的选择标准：这评估了四种关键选择标准的相对重要性：成本（CR、CE）、速度（RR、RE）、可靠性（FR、FE）和安全性（SR、SE），分别针对进出流量进行分析。

H4：运输次数和时间槽：这通过每周（NOS）和每月（NOM）的运输/接收操作总数来量化运营量。它还将这些活动在六个不同的时间段内分配给接收（PHR1-PHR6）和发送（PHE1–PHE6）。

H5：分区：这确定了企业位于Sfax省的哪个区域（GF）， whether在市中心（SP）或外围（SHP），或在另一个省（AG）。还考虑了合作伙伴省的数量（NAG）和六个主要省（G1-G6）以分析地理连通性。

本研究对Sfax市的140家货运运输运营商进行了调查。问卷围绕三个主要标准类别进行设计：
(1)识别标准：涵盖关于受访者和公司的基本信息；
(2)公司特征：包括规模、活动领域和物流组织；
(3)运输方式：详细说明使用的车辆类型、运营路线和送货实践。

为了处理和分析收集的数据——特别是为了检查影响Sfax货运运输的问题及其对城市物流绩效的影响——我们使用了CSPro 8.0.0（普查和调查处理系统）。这款软件因其在统计调查数据处理方面的可靠性而被广泛认可，它能够管理复杂的问卷结构并确保准确高效的数据分析。

5.2. 绩效标准的选择和量化
鉴于收集到的标准数量众多，需要降维以有效识别影响货运运输绩效的关键因素。使用主成分分析（PCA）分析完整的标准集。PCA是一种稳健的多变量统计技术，能够解释数据集的多维性质。在实际应用中，每个观察通常由大量变量（p）而不是单一指标描述。虽然需要独立分析每个变量，但这不足以揭示变量模式之间的相互关系和依赖性，而这些关系和依赖性往往代表了分析中最关键的方面。

在本文中，变量对应于与货运运输运营相关的行为标准。PCA将初始变量集减少到较少数量的不相关组分，同时尽可能保留原始信息。这种方法可以更容易地识别最具影响力的因素，并有助于理解标准之间的联系，从而提高后续分析的可靠性和清晰度。

1. 与运输类型相关的TMV因素
共保留了12个项目来识别用于分析的指标。所有项目都使用两点李克特量表进行测量，反映了每个标准的二元评估。

为了验证数据集适合因子分析，应用了Bartlett的球形度检验。结果（p值=0.000）表明变量之间存在显著的相关性结构，从而支持拒绝单位矩阵的零假设。因此，接受了确认数据球形性的备择假设。

此外，Kaiser–Meyer–Olkin（KMO）的抽样充分性测值为0.577，虽然不高，但仍处于进行因子分析的可接受范围内。如表1所示，该结果确认数据集满足探索性因子分析所需的最低抽样充分性条件。基于这些结果，继续进行了因子分析。

经过三次迭代的旋转主成分分析（PCA），将最初的十二个项目减少到两个不同因子，这两个因子共同解释了68.606%的总方差：
- 第一个因子解释了49.718%的方差，包括与个人效率相关的变量：TVT、KST、TF、KSF、TC–3.5t、KSC–3.5t、TC+3.5t和KDC+3.5t；
- 第二个因子解释了18.888%的方差，包括SVT、SF、SC–3.5t和SC+3.5t。

为了更好地描述从PCA获得的指标的维度，将这十二个项目投影到第一个因子平面上。图形表示显示所有项目都与各自的轴对齐良好，因子载荷值超过0.4，表明因子结构清晰且易于解释。在内部一致性方面，与因子1和因子2相关的项目显示出令人满意的收敛性，Cronbach’s alpha值为0.619，这对于社会科学研究中的探索性研究来说是可接受的。

2. 与运输载体特性相关的TMV因子
我们首先使用主成分分析（PCA）来评估测量尺度的维度。然后通过Cronbach’s alpha值来评估量表的可靠性，以确定内部一致性，最后对提取的轴进行解释。对于运输标准，初步分析显示有七个项目的因子载荷大于0.4，而PS、EFC和ET三个项目的载荷低于0.3，因此被排除在分析之外。此外，由于PMR和PME的因子载荷低于0.5，也将其移除，以提高数据质量并简化测量。剩余七个项目的Kaiser–Meyer–Olkin（KMO）抽样 adequacy度量为0.635，表明适合进行PCA。Bartlett的球形性检验结果非常显著（p < 0.001），证实变量之间存在足够的相关性，从而证明了分析的合理性。如表2所示，这些结果验证了数据进行主成分分析（PCA）的适当性。表2. 运输类型指标尺度的因子结构。基于协方差矩阵，并遵循Kaiser标准（保留特征值大于平均值的因子），提取了三个组成部分，共同解释了92.027%的总方差：
因子1：运营绩效（41.480%的方差）：包括PS、EFC和ET三个项目；
因子2：管理和组织特征（27.360%的方差）：包括PMR和PME两个项目；
因子3：运输执行的质量和效率（23.175%的方差）：包括QMR和QME两个项目。
所有保留的项目在其各自轴上的因子载荷均超过0.3，形成了清晰且易于解释的因子结构。从可靠性的角度来看，这个七项量表显示出可接受的内部一致性，Cronbach’s alpha值为0.741。

3. 与运输方式选择标准相关的TMV因子
从最初选定的八个测试项目中，有四个因因子载荷不足或冗余而被移除。对剩余六个项目进行的因子分析得出了一个二维解决方案。Kaiser–Meyer–Olkin（KMO）度量为0.615，表明抽样充足性处于中等但可接受的水平。相关性矩阵的检查和Bartlett的球形性检验（p < 0.001）的结果非常显著，证实了数据适合进行因子分析。提取的解决方案解释了88.67%的总方差，所有保留因子的特征值均大于1。观察到的最低因子载荷为0.50，高于通常接受的实际显著性阈值。这些结果构成了表3中详细因子结构的基础。表3. 选择标准尺度的因子结构。第一个因子解释了47.8%的总方差，包括CR、RR、CE和RE四个项目。第二个因子解释了40.8%的总方差，包括FR、SR、FE和SE四个项目。从内部一致性的角度来看，每个因子内的项目显示出强烈的收敛性，Cronbach’s α值为0.829，这通常被认为是可接受的。所有项目的因子载荷均超过0.60的阈值，表明项目与因子之间的关系令人满意。验证性因子分析进一步验证了这种因子结构的稳定性和可解释性。

4. 与移动相关的TMV因子：总作业数量和时间范围
通过两次连续的探索性因子分析（EFA）来检查与移动相关的尺度的维度。在提取因子之前，评估了数据集是否适合进行因子分解。Kaiser–Meyer–Olkin（KMO）抽样 adequacy度量为0.670，表明对于探索性研究来说处于中等满意水平。Bartlett的球形性检验非常显著（p < 0.001），拒绝了球形性的零假设，确认相关矩阵适合进行因子分析。主成分分析得出的因子结构解释了78.567%的总方差，共提取了五个组成部分（根据Kaiser标准，特征值大于1）。观察到的最低因子载荷为0.50，这对于实际解释是可接受的。表4展示了这两个因子上项目的详细分布，涵盖了总作业数量和时间范围。表4. 运输方式选择标准尺度的因子结构。

5. 分区因子
对于所考虑的11个项目，探索性因子分析（EFA）揭示了一个四因子解决方案。Kaiser–Meyer–Olkin（KMO）抽样 adequacy度量为0.697，表明适合进行因子分析。相关性矩阵的检查，结合非常显著的Bartlett的球形性检验（p < 0.001），确认数据适合进行因子提取。如表5所示，四个提取因子解释了78.85%的总方差，每个因子都满足Kaiser标准（特征值大于1）。观察到的最低因子载荷为0.50，符合可解释性的最低可接受阈值。这种因子结构表明了一个定义明确的多维构念，为后续的解释和分析提供了坚实的基础。表5. 移动尺度的结构：总作业数量和时间范围。第一个因子解释了36.7%的总方差，涉及省的各个要素，包括G3、G4、G5和G6三个项目。第二个因子解释了20.6%的总方差，与位置识别相关，包括GF、SP和SHP三个项目。第三个因子解释了11.6%的总方差，与省的识别相关，包括G1和G2两个项目。最后一个因子解释了9.837%的总方差，与其他省的特征相关，包括AG和NAG两个项目。这四个因子共同解释了78.85%的总方差，所有因子的载荷都超过了推荐的最低阈值0.50，从而确认了因子结构的稳定性和可解释性。

5.3. 货运运输影响的评估
本节的目标是研究货运运输因素与因变量之间的关系：城市物流系统中是否存在运输相关问题。为此，我们采用了逻辑回归来识别影响运输问题发生的显著因素，并帮助公司区分哪些因素导致了这些问题。逻辑回归特别适用于确定自变量是否可以预测二元因变量的研究。具体来说，我们旨在根据140个代理的特征Xi来建模运输问题发生的概率P(Yi)。我们的研究目标是：
1. 分析与特定代理特征相关的货运运输因素；
2. 确定城市物流系统中“存在”和“不存在”运输问题之间的区别因素；
3. 预测系统中运输问题发生的概率。
要估计的逻辑回归模型如下：
problmi(Y*i) = β0 + β1 × fac2_1i + β2 × fact3_2i + β3 × fact2_3i + β4 × fact2_4i + μi；
其中i = 1…140。
(1)
逻辑函数用于建模发生概率，累积逻辑分布函数定义为：
???(??)=?????????(??)
(2)
关于货物运输每个因素的边际效应，模型的弹性βi由以下公式确定：
???????????=????????????(1??????)
(3)
其中：
Pr：城市物流系统中运输问题发生的概率；
1-Pr：城市物流系统中运输问题未发生的概率；
βi：待估计的参数。
在这个阶段，参数βi是通过最大似然法（log likelihood）获得的。因此，我们继续进行模型的预测质量评估，以评估模型预测城市物流系统中运输问题值为0和1的质量。
在这个水平上，我们设置了一个概率阈值0.5：
{????: ????????????????????? = 1 → ????; ????????????????????? < 1 → ????}
因此，在假设H0下，模型的预测概率大于阈值。所以，这些代理在城市物流系统中存在运输问题。
表6显示，在15个有货物运输问题的代理中，有15个的预测准确率为100%（正确预测）。对于在城市物流系统中没有运输问题的代理，有16个中的14个预测准确率为93.3%。实际上，模型的预测率为15 + 125/140 = 95%。这是一个相对不错的模型，在这种情况下选择logit模型似乎是合理的。表6. 分区尺度的结构。分类模型的评估证明了出色的性能。它正确识别了所有涉及运输问题的案例（100%），并准确预测了95%没有问题的案例（表7）。这些结果不仅强调了模型的可靠性，还展示了其在城市物流中支持战略决策的操作潜力。表7. 城市物流系统中运输问题存在与否的正确预测百分比。这一步验证了我们方法论的相关性，并为之前分析中识别出的关键因素的进一步解释铺平了道路。结果确认了城市物流系统中存在运输问题，表8展示了货运运输对系统性能的详细影响。表8. 绩效评估。我们提出的这项研究对评估城市空间中的货运运输做出了宝贵的贡献。我们强调了城市物流系统的关键方面，并解决了分析中遇到的许多 ambiguities。本文还概述了旨在减轻城市货运运输影响的主要城市物流举措，同时努力在可持续发展与经济发展之间取得平衡。与城市物流相关的政治目标广泛包括：
效率；
经济可行性；
道路安全；
环境保护；
基础设施发展；
城市结构规划。

5.4. 纠正措施和操作方案的制定
提高城市物流的性能、韧性和可持续性需要一套综合的纠正措施，这些措施同时作用于操作流程、组织框架和长期战略方向。提出的行动构成了一个结构化的路线图，与诊断阶段揭示的挑战保持一致。

A. 战略性人力资源强化和能力发展
优化货运运输操作的前提是拥有能够管理城市物流具体细节的合格人力资源。改进招聘流程和提供持续的专业发展计划将提高操作准确性，减少处理错误，并使员工能够主动应对中断和不断变化的城市条件。投资人力资本是实现长期性能的战略杠杆。

B. 加强对货运运动的监控和控制
加强对接收、调度和交付活动的监督对于减轻延误、拥堵和流程偏差至关重要。使用诸如基于物联网的监控系统、数字调度平台和实时可追溯性技术等先进工具将提高透明度，同步操作，并提高城市货运流的可靠性和规律性。

C. 影响系统变量的综合管理
城市物流的效率取决于多个相互依赖变量的协调管理，包括监管限制、车辆类型、交货时间窗口和环境限制。为了减少系统瓶颈并改善整个物流链的资源分配，需要采用全面和数据驱动的方法来映射、量化和控制这些变量。

D. 提高利益相关者的能力建设和意识
针对驾驶员、物流运营商、城市规划者和公共机构的定期培训计划和意识提升举措有助于标准化实践，并使利益相关者围绕共同的可持续性目标达成一致。这些努力鼓励集体参与，减少对变革的抵制，并促进现代化物流策略的实施。

E. 采用和适应国际最佳实践
城市货运面临的挑战并非某一地区所独有。系统地借鉴全球经验使决策者能够识别经过验证的解决方案，并根据当地情况调整创新模式，同时帮助他们预测实施风险。参与国际网络、技术交流和协同研讨会可以加速学习并促进持续改进。

F. 动态和预测性的性能监控
基于实时指标的强大性能监控系统能够持续监控系统效率，并及早识别操作差异。将这些指标与预测分析相结合，可以提高预见问题的能力，及时实施纠正措施，并在需求波动和城市限制面前保持系统的韧性。

**H. 对城市货运动态的深入理解**
为了理解城市货运问题的演变性质，包括最后一公里配送的限制、环境法规以及消费模式的变化，持续的分析工作至关重要。持续的研究和观察为基于证据的政策制定和适应策略的发展提供了基础，以应对技术和社会经济的变化。

**H. 治理更新与机构协调**
实现可持续的城市物流需要强大且连贯的治理机制。通过重新配置机构角色（如建立专门的城市物流部门、加强机构间协调或创新公私合作模式），可以提高决策效率。清晰的监管框架、有针对性的激励措施和战略性的基础设施投资对于长期的系统转型是必不可少的。

**5.5. 控制——监控、文档记录和持续改进**
为了确保所提出的纠正措施的长期有效性和可持续性，需要一个严格的控制阶段。该阶段巩固已取得的改进，并建立持续监控绩效、系统记录流程和迭代改进城市物流系统的机制。以下组成部分定义了一个健全的控制框架：

- **建立结构化的监控机制**
必须实施正式的监控系统来跟踪与城市货运运营相关的关键绩效指标（KPIs）的演变。涵盖交付准时性、拥堵水平、环境影响、车辆生产率和法规遵从性的KPIs为评估纠正措施是否产生了预期的改进提供了实证基础。持续测量确保了透明度，并允许实时操作调整。
- **开发全面的文档记录框架**
标准化的文档记录对于确保城市物流过程的一致性、可追溯性和责任性至关重要。这包括操作协议、维护日志、事故报告以及由数字监控系统生成的仪表板。一个健全的文档记录框架有助于内部审计，支持数据驱动的决策，并有助于将改进措施嵌入组织流程中。
- **定期评估和改进的验证**
根据指标的不同，需要定期进行评估周期来验证所实施解决方案的稳定性和有效性。这些周期可以是每月、每季度或每年一次。这些评估有助于发现偏差、潜在风险和低效率。验证活动可能包括流程审计、现场观察、利益相关者反馈以及与预定义目标和最佳实践的绩效对比。
- **反馈整合与适应性治理**
控制阶段必须包含结构化的反馈循环，使利益相关者能够报告运营问题、提出改进建议并参与系统优化。应对司机、物流公司、市政部门及市民的反馈进行系统分析。这种参与式方法增强了了对物流策略的所有权感，并提高了其适应城市动态变化的能力。

**通过预测性和主动性措施实现持续改进**
为了确保长期韧性，城市物流系统必须基于持续改进的逻辑进行演变。预测分析可以预见拥堵模式、高峰需求期、基础设施退化以及法规变化。基于这些预测的主动性措施，如动态路线规划、调整交付时间窗口或进行预防性维护，可以使系统保持高效和响应迅速。

**I. 控制与改进机构的制度化**
为了确保长期可持续性，控制功能应在组织结构内得到正式化。建立专门的“城市物流控制与创新部门”将集中监控活动，协调机构间的沟通，并监督改进计划的实施。这一实体将确保连续性、战略对齐以及运营成果的长期巩固。

**II. 为透明度和责任制提供的报告与沟通**
以仪表板、官方报告或绩效简报的形式向利益相关者提供定期报告，可以提高透明度，并增强对物流治理框架的信任。清晰的沟通有助于做出知情决策，鼓励运营商遵守规定，并将城市物流确立为可持续城市发展的重要组成部分。

**6. 斯法克斯货运运输的战略愿景**
斯法克斯货运运输的战略愿景是一个具有前瞻性的框架，旨在应对当今城市物流的复杂挑战。在经济增长、社会福利和技术进步之间取得平衡，为建立一个有韧性和高效的城市货运系统铺平了道路。以下详细要素构成了这一愿景的支柱：

- **可持续移动性**
如果我们要推广电动汽车和清洁能源，减少城市地区的温室气体排放和空气污染至关重要。需要补贴和税收优惠等激励措施，以及专门的充电基础设施，以鼓励在城市货运运输中使用低排放车辆，同时还需要相应的监管措施。
- **物流效率**
优化物流链对于降低运营成本和环境影响至关重要。先进的路线规划算法、货物整合和实时数据整合可以减少空驶和交付延迟。这些效率提升转化为零售商和消费者服务质量的改善，以及当地企业的经济竞争力增强。
- **交通拥堵减少**
有效的拥堵管理对城市的宜居性和经济活力至关重要。诸如非高峰时间配送、指定配送区域和高峰时段的访问限制等策略可以减少交通拥堵，降低排放并改善整体交通流量。测试这些方法的试点项目可以为更广泛的政策实施提供参考。
- **技术整合**
整合数字技术（如物联网传感器、GPS跟踪和基于AI的预测分析）可以提高物流网络的透明度和协调性。这些创新允许提前发现问题、适应性调度和利益相关者之间的无缝沟通，从而提高系统的响应能力和韧性。
- **适应性基础设施发展**
发展定制的基础设施，如 strategically located 的城市货物整合中心、便于使用的装卸区和专门用于货运车辆的停车场，可以促进更顺畅的货运操作。这些基础设施减少了重复处理、减少了路边拥堵，并提高了交付准时性。
- **公私合作**
成功的城市物流需要多方利益相关者的合作。公共当局必须与私营运营商、零售商和社区代表合作，共同制定政策和举措。这种合作可以通过公私合作伙伴关系、联合工作组和共享治理模式来正式化。
- **协作物流运营**
物流提供商之间共享资源（如车辆、仓库和人员）可以实现规模经济并减少不必要的行程。开发协作平台和市场可以促进这种共享，进而节省成本并带来环境效益。
- **城市规划整合**
将货运考虑纳入城市规划，确保基础设施开发和土地使用政策支持货物的有效流动。为防止冲突并最大化系统性能，分区政策、访问规定和交付时间窗口必须与城市物流需求保持一致。
- **道路交通安全**
确保所有道路使用者的安全（包括送货司机、骑自行车的人和行人）至关重要。培训计划、限速执行、车辆安全标准和基础设施设计改进（例如专门的自行车道）都有助于减少与货运活动相关的事故。
- **废物减少**
推广可持续包装、鼓励回收和减少包装废物可以显著降低货运运输对环境的影响。城市物流政策应激励供应商和分销商采用生态设计和循环经济实践。
- **社区参与**
让当地社区参与决策过程有助于获得社会认可，并确保物流解决方案满足居民需求。公众咨询、参与式规划研讨会和反馈机制提高了透明度和信任度，促进了倡议的顺利实施。

**7. 政策影响**
基于本研究的结果，提出了几项关键的政策建议，以帮助斯法克斯及其他地区的决策者开发更加可持续和高效的货运运输系统：

- **促进可持续交通方式**
监管框架应鼓励采用低排放和电动汽车。政策制定者应实施财政和运营激励措施，投资充电和加油基础设施，并在适当情况下实施限制性措施。这将促进更清洁和可持续的货运移动性。
- **加强利益相关者协调**
通过公私合作伙伴关系和共享物流平台加强合作至关重要。有效的协调可以优化运营，减少冗余，并实现共享配送区域、错开交付时间表和资源池化等策略。这符合城市物流中的互助原则。
- **将货运纳入城市规划**
应将城市货运的相关考虑纳入基础设施设计、分区政策和交通管理中。将货运流量与更广泛的城市发展策略相协调，有助于确保货物的安全、高效和韧性流动，同时支持可持续性和移动性目标。
- **建立监控和评估机制**
为了评估政策效果，持续的数据收集和绩效评估至关重要。适应性、数据驱动的治理使相关部门能够根据交通模式、环境影响和运营绩效调整干预措施，从而提高系统的响应能力。
- **让当地社区参与**
让居民参与规划过程有助于获得社会认可，并确保政策反映社区需求。包容性的方法促进了公平性，减少了社会干扰，并有助于实现可持续的城市发展。

实施这些措施可以显著提高城市货运运输系统的效率、可持续性和宜居性，同时支持经济、环境和社会目标。

**8. 限制与未来研究**
本节概述了本研究的主要局限性，并提出了未来研究的方向，以扩展我们的发现并克服斯法克斯城市货运运输面临的挑战。尽管本研究深化了我们对斯法克斯货运运输的理解，但仍需承认一些局限性。首先，数据主要来自对特定工业和物流利益相关者样本的调查，这可能限制了发现的普遍性。其次，尽管主成分分析和逻辑回归方法有效，但更先进的方法（如机器学习）可能更好地捕捉复杂互动。第三，时间范围不允许对纠正措施进行长期评估，这突显了进行纵向研究的必要性。

未来的研究可以：
- 将分析范围扩展到更广泛和多样的利益相关者群体，包括零售商人、道路管理机构和当地居民；
- 整合来自物联网技术的实时数据，以更精确地理解货运流量并改进预测模型；
- 探索新兴技术（如自动驾驶车辆和区块链）在斯法克斯特定背景下的影响；
- 对环境、经济和生活质量指标进行中期和长期影响评估。

因此，这项工作为系统化和整体化的城市货运运输方法奠定了基础，这对于应对智能和可持续城市的日益增长的挑战至关重要。

**9. 结论**
本研究为优化复杂且不断发展的都市区的城市货运运输建立了战略和方法论基础。通过将六西格玛（Six Sigma）融入城市物流生态系统，该研究弥合了工业流程改进与可持续城市规划之间的差距。结果表明，货运运输的效率和发展可持续性取决于运营参数和系统因素（如空间布局、治理和利益相关者适应）。实际上，基于六西格玛的框架为地方当局和决策者提供了一种结构化的方法，用于识别瓶颈、优先考虑干预措施，并设计符合环境和社会目标的适应性物流策略。斯法克斯的案例研究展示了在城市规模上应用工业质量管理原则的可行性，为数据驱动、有韧性和可持续的物流系统铺平了道路。该研究提供了一种结构化、数据驱动的方法，用于诊断和改进斯法克斯的城市货运运输绩效。通过结合六西格玛DMAIC方法与多变量统计分析，该研究严格评估了货运效率低下的原因，并提出了制定针对性纠正措施的系统框架。

除了学术贡献外，该研究还为政策制定者和物流运营商提供了关于开发更高效、可持续和有韧性的货运运输系统的实际指导。尽管仍存在一些局限性，尤其是在动态数据的整合以及更广泛区域的覆盖范围方面，所提出的框架为推进斯法克斯（Sfax）及类似城市的可持续城市物流发展提供了坚实的基础。未来的研究方向包括集成人工智能、数字孪生技术和实时数据分析，以提高预测能力并促进向智能城市货运管理的转型。通过将运营卓越性、可持续性以及数字创新相结合，本研究为构建全球南方地区的智慧、具有韧性的城市这一更宏大的愿景做出了贡献。