2024可持续膳食系列报告-全球城市可持续外出就餐(亚洲-东京篇).pdf

全球城市可持续外出就餐2024可持续膳系列报告东京大学工学部工学系研究科龙吟研究室 著（亚洲-东京篇）1 目录 Contents 第一章 现代都市膳食习惯转型与可持续性探索.31.1 城市化进程下的都市膳食变革.31.2 构建可持续的都市膳食模式：环境与健康的双重考量.4第二章 外出就餐可持续性的核算方法.82.1 数据来源.82.2 外出就餐的营养及环境影响的评估方法.122.3 车站周边外出就餐的可持续性评估方法.15第三章 东京餐厅可持续性分析实践.193.1 餐厅密度分布.193.2 营养及价格分布.293.3 碳足迹分布综合分析.32第四章 城市轨道交通点、线、面可持续外食指数分析.344.1 车站周边可持续外食指数分析.344.2 轨道沿线可持续外食指数分析.374.3 东京都行政区可持续外食指数分析.41第五章 融合可持续膳食与全球行动：实现共赢未来.485.1 探索构建可持续膳食模式.485.2 可持续膳食助力全球气候与健康行动.49CHAPTER 1现代都市膳习惯转型与可持续性探索第一章 现代都市膳食习惯转型与可持续性探索 3 第一章 现代都市膳食习惯转型与可持续性探索 1.1 城市化进程下的都市膳食变革 联合国可持续发展目标SDG11呼吁建更加可持续的城市和社区。随着全球城市化加速，城市扩张不可避免地导致了地利的显著变化，这对物多样性和粮系统产了重影响。预计，未来全球城市地区的扩张将造成粮产量下降、物多样性损失以及碳排放量增加，危及类计和然环境。城市化不仅改变了土地利用方式，也深刻影响了粮食供应链和人们的饮食习惯。随着城市居民活平的提和饮偏好的转变，对能量密度品的需求增加，进增了农业产和品供应链的压。例如，相较于农村地区，城市居民可能消费更多的类产品，并且在快节奏的活之下，居民越来越倾向于选择快餐或便利品以节省时间。然，这类品往往营养不均衡，从引发健康问题。同时，城市所需的物多需从各地运输来，加之对集约化养殖产业产品的需求，给环境带来了额外的负担。此外，城市化进程中的膳食结构和习惯的转变还表现在外出就餐的频率上。在中国，超过 35%的居民选择外出就餐，在部分城市这例达42.2%1；在东京，达 80%的居民倾向于每周外出就餐次，12.1%的倾向于每天外出就餐2；英国居民平均每六顿饭中就有顿在外进3；美国超过 50%的成年每周少外出就餐三次4，且在移动环境中每增加 10%接触快餐店的机会，个访问快餐店的率就会增加 20%5。随着全球范围内外出就餐频率的增加，城市居民对可持续膳食的关注度也随之上升，外出就餐的可持续性影响涉及经济、环境、健康营养等多个方面。先，外出就餐的经济影响主要体现在餐饮业的繁荣和消费者出模式的变化上。在中国最多、最富裕的城市上海，61%的在 COVID-19 前每周少外出就餐次。随着外出就餐频率的增加，餐饮业的发展带动了相关服务和供应链的增长。全球餐饮市场的收在过去年中稳步上升，预计到 2025 年将达到 4.2 万亿美元。知识卡片：联合国可持续发展目标 联合国可持续发展目标（Sustainable Development Goals，简称 SDGs）是一系列国际商定的发展目标，旨在从 2015 年到 2030 年间通过包容性的方式减少贫困、保护地球并确保全人类享有和平与繁荣，总计 17 个目标。SDG11 是可持续城市和社区（Sustainable Cities and Communities），致力于建设包容、安全、有抵御灾害能力和可持续的城市和人类住区。第一章 现代都市膳食习惯转型与可持续性探索 4 其次，外出就餐的环境影响主要体现在资源消耗、物浪费和废物处理上。餐厅的运营需要量的能源和资源，材的产和运输也会产量的碳排放，例如：中国农村家庭外出就餐时家庭物相关碳、和地迹分别增加到0.715 kg CO2-eq/d、1.434 m3/d和2.429 m2/d，外出就餐带来的环境影响占品系统环境负担的 20%以上6；美国餐饮业每年产约 3000 万吨的碳排放7；同时，餐饮业产的量包括塑料包装、次性餐具和剩余物等在内的废弃物，对城市垃圾处理系统造成了巨压，增加了环境污染风险。此外，外出就餐的健康营养影响主要体现在饮质量和营养摄上。外出就餐频率较的群往往摄更多的脂、糖和盐物8，这增加了肥胖和慢性病的风险。项 1999 2014 年进的美国全国健康与营养调查显，在 291,475 次的随访中，很少在家吃饭（每周少于顿）的受访者相经常在家吃饭（每天两顿或更多）的受访者，全因死亡率出 49%，管死亡率出 18%，癌症死亡率出 67%9。鉴于外出就餐对健康的潜在影响，餐馆在促进健康饮的作显得尤为重要。餐馆如果提供更为健康的选择以及营养信息标签，可促使消费者选择更健康的物。1.2 构建可持续的都市膳食模式：环境与健康的双重考量 本作为个度发达的经济体，拥有全球最龄化的消费者群体。2022 年数据显，本中位年龄超过 49 岁，且 59%的年龄在 15 64 岁之间。在经历经济衰退后，为了增加收，些消费者选择“花钱省时间”，从催了更多的外出就餐需求10，尤其是在东京这座拥有全国 37%的都市。消费者膳食模式变化深刻影响着东京未来的餐饮趋势和可持续发展格局。东京作为世界上最密集的城市之，巨的物消费量伴随着更的环境责任。东京餐饮业是温室体排放的重要源头，其碳排放不仅来于餐馆的常运营，还包括从材的因此，随着外出就餐成为现代城市生活的一个重要组成部分，研究和推广可持续的都市膳食模式、减少食物浪费和环境污染，已成为以实现城市可持续发展为核心、多个可持续发展目标相互协同与均衡的重要一环。外出就餐的可持续性关乎经济、环境和社会的协调发展，提升餐饮服务的环保和健康标准是实现这标的关键步骤。我们必须采取动，通过政策、市场和社会三的努，共同推动更加健康和可持续的未来膳模式。第一章 现代都市膳食习惯转型与可持续性探索 5 产、运输、烹饪到物废弃物处理的整个命周期。都市餐厅运营过程中所需的资源、食材运输过程中的碳排放以及餐饮废弃物的处理，都对城市环境承载能力提出了更高的要求。为应对这挑战，东京的餐饮业已开始注重可持续发展，这趋势在东京拥有的其林星级餐厅中尤为明显。根据 2023 年东京其林指南，200 家获星餐厅中有 12 家因采可持续材和烹饪法被授予米其林绿星。为迎合消费者对健康和可持续的偏好，越来越多的餐厅开始宣传其可持续目标，如使用可持续食材、改进烹饪方法和优化食物包装，共同推动了社会层面对可持续饮食的关注。尽管如此，日本消费者环保意识的提升尚未完全转化为实际行为。2023 年本时报(TheJapan Times)报道指出，尽管 60%的消费者声称愿意选择对环境影响较的饮模式，实际上多数在就餐选择时并不会将环境影响作为要因素考虑。调查显，80%的受访者更偏爱本本地产的有机，并愿意为此付溢价，对于植物或培养的接受度较低11。这反映了日本消费者在食品质量方面的高标准要求与他们环保选择的实际行为之间存在矛盾。东京的餐饮业虽然蓬勃发展，却带来了物浪费的严重问题。为满消费者对多样化和品质菜品的需求，许多餐厅临超量采购和备餐的问题，导致量物浪费。据统计，2020 年本的物损失和浪费总量约为 522 万吨。处理这些食物垃圾不仅环境成本高昂，还给市政当局带来了经济负担，每年需花费数百万美元处理这些非工业垃圾。同时，健康意识与环境意识之间的冲突益明显。虽然许多本消费者倾向于选择营养丰富且未经过多加的健康品，但这些品的运输及储存过程往往会对环境产较影响。此外，研究显，全球每年约有 1100万死于不健康的饮12。考虑到外出就餐的菜肴通常家庭餐含有更多的热量、脂肪和钠，过量摄这些成分与管疾病、糖尿病和肥胖等慢性疾病密切相关。因此，外出就餐与健康风险和环境压力紧密关联，如何在推广健康饮食的同时减少环境负担，成为一个亟待解决的知识卡片：米其林绿星 米其林绿星首次公开于 2020 年发布的法国米其林指南，是最新的米其林指南奖项，用于表彰在可持续美食方面足以成为榜样的餐厅。绿星的评选源自评审员的实地观察，包括审视餐厅对可持续美食投入强烈承诺的所有环保倡议，如食材的来源和对时令的尊重、菜单的平衡和组成以及废弃物与餐厅资源管理等，部分获评绿星的餐厅甚至实现能源自给自足。截止到 2024 年，在全球超过 15,000 家米其林推荐的餐厅中只有约 528 家餐厅获评米其林绿星。第一章 现代都市膳食习惯转型与可持续性探索 6 问题。由此可见，城市化进程带来的膳变不仅直接引发健康问题，还将通过增加物需求间接影响环境。因此，评估都市膳习惯变迁下外出就餐的环境影响及其可持续性具有重要意义。此外，外出就餐的营养价值和环境影响的研究能够为制定更有效的政策和实践提供科学依据，从促进健康和环境双重标的实现。本节数据源：1.Zang,J.,Luo,B.,Wang,Y.,Zhu,Z.,Wang,Z.,He,X.,.Wu,F.(2018).Eating Out-of-Home in Adult Residents in Shanghai andthe Nutritional Differences among Dining Places.10(7),951.2.Ng,M.,Fleming,T.et al.,2014.Global,regional,and national prevalence of overweight and obesity in children and adults during1980-2013:a systematic analysis for the Global Burden of Disease Study 2013.Lancet Lond.Engl.384,766781.3.Warde,A.,2018.Changing Tastes?The Evolution of Dining Out in England.Gastronomica 18,112.4.Kant,A.K.,Whitley,M.I.,&Graubard,B.I.(2015).Away from home meals:associations with biomarkers of chronic diseaseand dietary intake in American adults,NHANES 20052010.International Journal of Obesity,39(5),820-827.5.Garca Bulle Bueno,B.,Horn,A.L.,Bell,B.M.,Bahrami,M.,Bozkaya,B.,Pentland,A.,de la Haye,K.,&Moro,E.(2024).Effect of mobile food environments on fast food visits.Nature Communications,15(1),2291.6.Sun,M.,Xu,X.,Hu,Y.,Ren,Y.,Zhang,L.,&Wang,Y.(2021).What differentiates food-related environmental footprints of ruralChinese households?Resources,Conservation and Recycling,166,105347.7.Heller,M.C.,&Keoleian,G.A.(2015).Greenhouse Gas Emission Estimates of U.S.Dietary Choices and Food Loss.Journal ofIndustrial Ecology,19(3),391401.8.Larson,N.,Neumark-Sztainer,D.,Laska,M.N.,&Story,M.(2011).Young Adults and Eating Away from Home:Associationswith Dietary Intake Patterns and Weight Status Differ by Choice of Restaurant.Journal of the American Dietetic Association,111(11),16961703.9.Du,Y.,Rong,S.,Sun,Y.,Liu,B.,Wu,Y.,Snetselaar,L.G.,Wallace,R.B.,&Bao,W.(2021).Association Between Frequency ofEating Away-From-Home Meals and Risk of All-Cause and Cause-Specific Mortality.Journal of the Academy of Nutrition andDietetics,121(9),1741-1749.10.Santander.(2024).Japan:Reaching the consumer.https:/ the challenge:Segmentation and profiling of Japanese beefmince and its substitutes consumers.Meat Science,197,109047.12.Afshin,A.,et al.,2019.Health effects of dietary risks in 195 countries,19902017:a systematic analysis for the Global Burden ofDisease Study 2017.The Lancet 393,19581972.综上所述，本报告旨在探讨现代都市饮习惯的转型，特别是外出就餐的可持续性问题。通过对东京地区餐饮业的详细分析，报告评估了不同类型餐厅的营养价值和环境影响，揭了外出就餐对城市健康和态系统的多重挑战。此外，报告还提出了系列可的策略，包括政策持、社区参与和科技创新，以推动城市饮向更加绿、健康和可持续的向发展。通过全的数据分析和实证研究，本报告为政府、餐饮业和消费者提供了重要的参考和指导，助实现可持续城市发展的标。CHAPTER 2外出就餐可持续性的核算法第二章 外出就餐可持续性的核算方法 8 第二章 外出就餐可持续性的核算方法 2.1 研究数据来源 2.1.1 餐厅信息开源数据的获取 通过 Google 地图平台的 Places API，我们获取了东京都 23 区全域范围内的基于 POI 的详细餐厅信息数据。数据涵盖餐厅名称、地址、经纬度坐标、唯识别代码、价格平、户评分、餐厅类型及评分等关键信息。数据内容见表 2.1。表 2.1 东京餐厅 POI 数据各项属性及其含义 餐厅 POI 属性 含义 Restaurant id 餐厅 IDRestaurant types 餐厅类型Formatted Address 格式化地址Address Components 地址Global Code 全球代码Compound Code 复合代码Latitude 纬度Longitude 经度Viewport 视野Adr Format Address 地址格式Business Status 营业状态Restaurant Name 餐厅名称Primary Type 主要类型Short Formatted Address 简短格式化地址Accessibility Options 障碍设施Primary Type Display Name 主要类型显名称Price Level 价格平Rating 评分User Rating Count 户评分次数Current Opening Hours 当前营业时间知识卡片：Places API Places API 是 Google Maps Platform 提供的一项服务，可通过各种方法接受针对位置数据的 HTTP 请求。它会返回有关场所、地理位置或著名地图注点的格式化位置数据和图像。API 是Application Programming Interface 的英文缩写，指的是应用程序接口。API 定义了软件系统中的组件之间的交互方式，允许不同的软件之间进行交互和通信。它是一组规定的约定和协议，用于定义软件中不同模块和组件之间的通信方式。知识卡片：POI POI(Point of Interest)，常译为“兴趣点”，指经过特定规则选择后值得注意的地点。POI 对企业、旅行者和研究人员具有重要价值，可应用于地图服务、导航系统、基于位置的营销、旅游、城市规划和地理分析等领域。一个良好的 POI 数据集通常是结构化的，具有诸如位置名称、位置坐标、地址、类型等属性。userid:529794,docid:172425,date:2024-08-19,第二章 外出就餐可持续性的核算方法 9 尽管 Places API 具有动覆盖的功能，但为了确保数据完全覆盖东京 23 区，仍需要动规划系列采样区域，以保证没有遗漏区域。初步阶段涉及使代表东京 23 区的数据(polygon)1。在每个区内，我们绘制了系列采样圈，以确保全覆盖。通过加检验步骤，确保了数据的完整性，排除了位于指定区多边形之外的 POI。有效的餐厅数据随后被存储在 SQL数据库中，便于结构化数据分析和查询。对于每个采样圈，发起 API 请求以获取数据，并设置过滤器，仅包含归类为“餐厅”且提供语描述的商家。对于次请求法获取全部 POI 信息的区域，通过多次过滤进数据补全，如图 2.1 所。图 2.1 用于收集东京 23 区餐厅数据的采样圈示意图 经过这数据获取操作，我们得到了包含了 286,648 家餐厅 POI 记录的数据集。为了确保数据集的准确性和相关性，对餐厅 POI 数据进了多步骤的数据清洗。在去除重复获取的地点并修正数据异常后，获取的餐厅数量为 113,972 家。其中，共识别出 2,414 条记录位于东京 23区的地理边界之外，并删除 324 条不符合有效 POI 标准的条。这些排除条包括不符合餐厅条件的条，例如错误分类的企业，或法通过现有数据源充分匹配或验证的 POI。最终，数据库被精炼包含 112,892 条有效餐厅 POI 条。1数据源：https:/ 外出就餐可持续性的核算方法 10 2.1.2 外出就餐菜单数据集的建立、餐厅数据的分类与验证 为了解外出就餐时，餐厅为消费者所提供菜品的营养与价格信息，本研究开展了相关的数据收集作。通过检索东京型连锁餐饮品牌的官站，对其公开的菜单信息进了收集。这些菜单数据覆盖了东京地区众多知名餐厅，具体信息参见表 2.2。表 2.2 连锁餐饮品牌信息及收录的菜品数量 名 英名 餐厅类型描述 菜品数量 卯 Nakau 丼饭（盖浇饭）和京都风味乌冬 34 Hanamaru Udon 乌冬连锁店59 幸楽苑 Kourakuen 拉连锁餐厅27 堂/中華東秀 Renge Shokudo/Chinese Tohshu 中式菜肴连锁店61 阪王将 Osaka Ohsho 以饺（饺）和其他中式菜肴闻名 6屋松Steak House Matsuno 排连锁店33 KFC KFC 汉堡和炸鸡19 吉野家 Yoshinoya 饭32 壱番屋Coco Ichibanya 咖喱饭连锁店36 堂My Curry Shokudo 咖喱饭连锁店15 戸屋Ootoya 传统式家常料理462 屋Hidakaya 提供拉、饺等中式菜肴的餐厅 18Cocos 提供多种西式菜肴的家庭餐厅105 Tullys咖啡连锁店23 寿司 Kappa Sushi 回转寿司连锁店118 家 Sukiya 饭30 焼和民 Yakiniku Watami 式烤店49 Royal Host Royal Host 以各种西式和本料理闻名的家庭式餐厅109 Subway Subway 以三明治闻名的国际连锁16 McDonalds McDonalds 连锁快餐，售卖汉堡，以及薯条、炸鸡、汽等快餐品72 Starbucks Starbucks 咖啡连锁店287 貴族 Torikizoku 平价烧鸟居酒屋店116 在收集过程中，我们详细记录了每道菜品的营养成分，包括卡路、蛋质、碳化合物、第二章 外出就餐可持续性的核算方法 11 脂质和盐含量五项关键营养指标。同时，为确保数据的时效性和准确性，结合官站、Google地图等信息来源式，获取了截 2022 年 6 的菜品价格信息。随后，将价格数据与营养数据匹配，以确保数据的致性和准确性。最终，构建了包含 1,727 道菜品的外出就餐菜单数据库。该数据库详细记录了菜品的定价和营养信息，为后续深分析提供了坚实的基础。此外，对于从 Google 地图上获取的餐厅数据与菜单数据，依据本家庭收与出调查（FIES）设定的外出就餐类型，将其分类为 12 种就餐类别。1,727 道菜品所属餐厅的类型分布情况记录在表 2.3 中。表 2.3 按 FIES 类别划分的外出就餐菜品数量 餐厅类型 菜品数量（道）式条 93 中式条 63 其他条 31 寿司 118 式料理 588 中华料理 49 西餐 86 烧烤 82 汉堡 105 其他 109 咖啡厅 287 酒吧 116 另外，在对餐厅进分类的过程中，结合了 Google地图和本餐厅评价站 Tabelog 的数据，使餐厅名称、地址以及“Tabelog”关键字进搜索。Tabelog 系统会随机为每家餐厅贴上 1 3 个标签，共有 210 个不重复的标签类别以及 3,649 种组合。为确保数据准确性，通过较地址中的第个标签，将 Tabelog 的数据与 Google知识卡片：FIES 家庭收入和支出调查（FIES，Family Income and Expenditure Survey）是日本统计局每月进行的一项抽样调查。其目的是了解家庭收入和支出的实际情况，为社会和经济政策提供依据。该调查覆盖全国家庭。根据 2015 年人口普查，调查对象家庭总数为 5157 万户，占所有家庭的 96.5%。在 FIES 中，样本家庭是基于统计方法选取的，以便能够代表全国所有家庭。知识卡片：Tabelog Tabelog（日文名称：食）是日本最大的在线餐厅点评和推荐平台，网站提供查看餐馆的用户点评、照片、空位数，以及在线预约等服务。根据网站数据，至 2024 年 5 月，总计收录了全日本超过 86 万家餐厅，6257 万条用户点评，1 亿 6448万张照片以及 7.3 万家店铺的线上预定方式。第二章 外出就餐可持续性的核算方法 12 地图的数据进交叉验证。对于未验证的条，通过动搜索来核验。利这种法，我们将112，892 家餐厅的 POI 分别匹配到 FIES 规定的 12 个类别。2.1.3 东京轨道交通开放数据与家庭就餐概况信息 研究采了来本国交通省国信息处、国家空间规划与地区政策局的公开信息，该信息详细记录了东京都内铁路系统 2020 年的相关数据。数据涵盖了车站的位置、路线以及每客流量2；此外，我们整合了关于路线、车站、铁路类别（如常规铁路、缆车、悬挂式单轨铁路、单轨铁路）以及运营商（如新线、本铁路公司常规线路、公有铁路、私有铁路、第三部门铁路）的信息3。同时，作为家庭收和出调查的重要组成部分，FIES 为我们提供了本不同收阶层的外出就餐消费模式及就餐频率数据，为菜品和餐厅分类提供了基础框架。2.2 外出就餐的营养及环境影响的评估方法 2.2.1 营养与价格分析 在外出就餐的营养与价格评估中，先结合了 2.1.2 收集的菜单营养数据，计算出各类餐厅提供菜品的平均营养价值。尽管同餐厅或餐厅类型的不同菜品之间存在营养成分的差异，但前的数据粒度尚且法量化这些变化。因此，本研究假设同类型餐厅的菜品具有相似的营养特性。在菜单数据与餐厅 POI 分类及验证基础上，识别了东京各种餐厅类型，并利这些数据与营养数据交叉映射，得出东京全部餐厅的营养分布。公式（1）计算了“营养强度”，即通过每 100 元出能够获取的营养物质量，来衡量营养价值，评估了各类餐厅的菜品营养价值。!,#=1!,#!,#,$%!,#$&1!,$(!$&100(1)其中，表餐厅类别；表各种营养成分；!,#表餐厅类别下含有营养信息的菜品数量；!表餐厅类别具有价格信息的菜品数量。!,#表餐厅类别提供菜肴中营养的含量;!,$表餐厅类别中菜品的价格。2 https:/nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-N02-v2_3.html 3 https:/nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-S12-v2_3.html 第二章 外出就餐可持续性的核算方法 13 2.2.2 环境影响分析 接下来，以量化菜品碳迹的形式评估了东京餐厅的环境影响。这，我们结合了 FIES和 3EID 数据库的数据，对餐厅提供菜品的碳迹进准确的评估。3EID 数据库提供了品原材料单位价格出带来的排放强度信息，在此基础上，通过 FIES 的消费数据来量化最终的碳迹。FIES 的调查数据结果涵盖了 7,424 户家庭，涵盖不同收的家庭，并最化了消费数据偏差，从反映了不同消费者群体的购买。对于间接排放强度)*+,*-./0，其计算原理基于环境拓展型投入产出分析的法，如式（2）：3*+,*-./0)*+,*-./0(*+,*-./05=(:)1(2)其中，表消费品的类别；为直接排放强度的向量,=!,I是单位矩阵,4表进直接需求系数的对矩阵,为业间交换矩阵。为了计算餐厅在消费者的次就餐为中提供菜品所隐含的碳迹，我们整合了各个消费平的家庭在外出就餐的均出，以及 Google 地图划分为四个等级的餐厅价格信息。具体来说，假设收更的家庭会倾向于前往价的餐厅就餐，以其平均出替代 Google 地图所缺少的具体出信息。通过这种法，计算出不同类型餐厅提供顿餐的碳迹，如公式（3）所：!,2!($!345)=$!(!(216#)!($!345)!,289:;!,2289:;(3)其中各项代表排放计算中的不同因素，取决于餐厅的类别与价格等级。最后，为了阐明外出就餐导致的碳排放在地理上的差异，我们使了 IDW 插值法，这是种基于 Tobler 地理学第一定律操作的统计法。通过这种法，我们能够根据餐厅位置信息，绘制出碳迹的分布趋势，使 ArcGIS 10.4 进可视化。计算过程如下：%=6(&%)+(&%)(4)%=!()%()*%+,(5)A(&,&)=C%(%,%)*%+,(6)其中%是两点之间的距离，%是权重项，A(&,&)是插值结果，是 A(&,&)附近可数据点的数量，和 表城市 和 的地理位置，是个任意正实数。第二章 外出就餐可持续性的核算方法 14 知识卡片：3EID 3EID 全称为 Embodied Energy and Emission Intensity Data for Japan Using Input-Output Tables（中文名：利用投入产出表计算的日本隐含能源及排放强度数据），是一本专注于评估日本各部门环境影响的数据手册。该手册由日本国立环境研究所（NIES）出版，其核心价值在于能够洞察各个经济部门单位生产活动（以一百万日元计）产生的直接和间接环境负担（包括能源消耗和排放），有助于研究人员与决策者评估不同经济部门的环境影响。知识卡片：IDW IDW(Inverse distance weighting)全称为反距离加权法，是一种空间插值方法，基于未知点到每个已知点的距离的倒数进行插值。知识卡片：地理学第一定律 地理学第一定律（Toblers first law of geography）来源于美籍瑞士地理学家，制图学家 Waldo Tobler 的观点Everything is related to everything else,but near things are more related to each other即“任何事物都相关，只是相近的事物关联更紧密”。第二章 外出就餐可持续性的核算方法 15 2.3 车站周边外出就餐的可持续性评估方法 2.3.1 餐厅营养、环境影响、多样性、拥挤程度及价格评估方法 针对车站附近餐饮选择的可持续性，我们建了营养、环境影响、多样性、拥挤程度和价格这五个关键指标。先，关于营养价值，通过营养密度模型，计算了营养密度分数，既考虑了有益的积极营养素（如蛋质、碳化合物），也考虑了需要限制摄的营养素（如脂质、盐）。营养密度分数采每 100 千卡的标准化营养数据进计算。先，积极营养密度得分（PNDS）及负营养密度得分（NNDS）可以通过公式（7）（8）计算：=C#=$(7)=C#=%(8)式中，#为营养物质的含量，#为其推荐摄量。综合营养密度得分（NDS）的计算法如公式（9）所：NDS=PNDS NNDS(9)在此基础上，每个车站周围餐厅的营养指数由此求出，并进了标准化以便较。关于车站附近餐厅类型的多样性，该指数考虑了车站 500 半径内餐厅的数量及类型的多样性。对于每个车站，!,表该站周边类型的餐厅数量。所有类型的餐厅总数是!,-的总和：=!,?!&。值得注意的是，餐厅类型数据来源于 Google Maps，包含 84 种不同餐饮设施的分类。这，我们提出了个综合指数，既考虑了数量（餐厅总数），也包含了多样性（餐厅类型的多样性）。该指数受到态学中的多样性指数的启发，尤其是 Shannon 多样性指数（Hill 数的种形式，多样性顺序=1），其数学公式可表为式（10）：=C(!,ln!,?!&)(10)其中，!,-是车站附近餐厅类型的相对丰度，由!,=(!,&#%&计算。知识卡片：香农多样性指数 Shannon 多样性指数（Shannons Diversity Index）是用来描述一个群落的多样性的统计量，在生态学中应用很广泛。该指标同时能够反映景观异质性。另外，经济学中也将其用于描述一个地区中经济活动的分布。第二章 外出就餐可持续性的核算方法 16 然，考虑到每个车站周围餐厅数量的不同，直接较不同样本的 Shannon 指数或Hill 数存在固有限制。因此，我们引了个标准化步骤，即计算每个车站的标准化多样性指数.-（.-=/!/!,#$%），然后将其乘以该车站标准化餐厅数A(A=#%&#%&,()，得出综合餐厅多样性指数-，如公式（11）所：=A A(11)这个综合指数有效地评估了车站餐饮选择的多样性，考虑到了其附近可的餐厅数量和类型的多样性。车站周围就餐环境的拥挤程度的计算结合该站每的乘客次信息与周边餐厅数量，根据式（12）求出：=(12)其中，-表车站的均流量。此外，在之前的计算中，我们评估了不同价格层次餐厅提供的菜品的平均碳迹。对于车站周边 500 半径范围内的餐厅环境影响评估，以所有餐厅平均碳迹的倒数作为估量标准，并将其标准化为 0 到 1 之间的值，以便提供标准化的环境得分，如式（13）和（14）所。A=1C!,2,B!($!345)BC&(13)=max()max()min()(14)其中，-.表示车站j周边 500m 半径范围内所有餐厅的平均碳足迹，-是站点半径 500 m范围内所有餐厅的集合，-等于集合-的基数，0%,!*$!%123是餐厅的间接碳足迹（由价格水平和餐厅类型决定），-是归一化后车站的环境得分。对于价格方面的可持续性评分，根据 Google 地图提供的餐厅价位信息，餐厅被分配了一个价格指数0：最低价格层级被分配了 0.8，而最高价格层级被分配了 0.2。对于一个车站而言，其周边餐厅的整体价格指数-是通过计算所有餐厅的价格指数平均值得出的，如式（15）。=1C BBDC&(15)第二章 外出就餐可持续性的核算方法 17 2.3.2 可持续外食指数（SDOI）的建立 为全评估各车站外出就餐的可持续性，研究引了可持续外指数（SDOI,sustainable dining-out index）。该指数综合了营养、环境影响、餐厅多样性、价格及拥挤程度五个关键维度。为了便于较，每个维度都在 0 到 1的范围内进了标准化，并在 SDOI 计算中赋予了相等的权重。在量化车站性能的五个维度时，考虑到每个维度的原始数据可能具有不同的统计特性，我们采了不同程度的数据处理法，以确保每个维度的合理分布。这种法论不仅增强了跨维度较的致性和有效性，且有助于减轻异常值或偏态分布对整体 SDOI 的影响。在 SDOI 的计算中，利五个维度的标准化得分绘制雷达图，即连接各维度得分形成多边形的积，表车站的综合得分情况。多边形的积使高斯面积公式计算，该公式基于多边形顶点的笛卡尔坐标计算其边界区域的。每个指标先根据五边形中的度映射到维平上的个点，如公式（16）所：3EB,EB5=EB 25,EB 25g,=0,1,4(16)其中，T4&,4,4,45,46V代表五个指标的种排列组合,。由营养指数!、环境指数评分!、餐厅多样性指数!、价格指数!和拥挤度!决定。每个排列组合的积使公式（17）计算：4=12CZ40407,407,40Z60+&(17)值得注意的是，考虑到五边形的积与个别指标的排序有关，各车站的 SDOI 是五个维度得分以所有排列组合式构成的多边形的积的平均值。=EF!E&5!(18)其中，E是排列下多边形的积。这种平均积计算提供了个衡量各车站可持续就餐环境的指标，积越表明可持续性指数越。知识卡片：高斯面积公式 高斯面积公式，又称为鞋带公式（Shoelace formula）或测量员公式（Surveyors formula），用于计算简单多边形的面积，其顶点由平面上的笛卡尔坐标描述。该方法通过对多边形的顶点坐标进行交叉乘积运算来确定其面积。该算法在 2D 和 3D 计算机图形、测量以及林业等领域都有广泛应用。第二章 外出就餐可持续性的核算方法 18 2.3.3 轨道线路与行政区的综合评估方法 为了更全地评价东京 23 个政区域及其铁道络沿线的餐饮选择的可持续性，我们将对单个车站的评估扩展到了沿线餐厅的可持续性餐饮得分，以及东京 23 个政区的整体评估。在分析轨道线路沿线的情况时，通过两个不同的评估指标来展现研究成果：各线路的平均 SDOI得分与总得分。线路的总得分是通过累加沿线所有车站的得分计算出来的，反映了该线路在可持续餐饮的整体实。平均得分则提供了线路沿线可持续餐饮平衡发展的见解。评估不同政区域的外出就餐可持续性得分时，针对跨越多个区的车站进了调整。每个政区的可持续性餐饮总得分是通过汇总该区内所有车站的得分来给出的。这度量标准突出了在可持续餐饮整体表现出的区域。为了减少不同区域对评估结果的影响，计算了单个车站及单位积的得分，从提供更为公平的较。CHAPTER 3东京餐厅可持续性分析实践第三章 东京餐厅可持续性分析实践 19 第三章 东京餐厅可持续性分析实践 3.1 餐厅密度分布 图 3.1 东京 23 区餐厅分布示意图 第三章 东京餐厅可持续性分析实践 20 基于上述法，本节中揭了东京都 23 区的餐厅分布特征，其中包括餐厅密度分布、平均价格分布，以及 12 种餐厅类型的分布特征(图 3.1)。图 3.1-a）展了在东京 23 区内的餐厅密度分布特征，结果表明各城区的餐厅数量显出巨差异，中城区和副中城区的餐厅数量远于中城区。具体来说，港区以 11,955 家餐厅数量位居东京 23 区位，其次是新宿区和涩区，分别有 10,180 家和 8,800 家餐厅。港区、新宿区和涩区作为东京的商业和化中，其餐厅类型丰富多样，从端餐厅到快餐店应有尽有，这不仅反映了这些区域密度的商业活动特点，也体现了流量和多样化的消费需求。相之下，居民区或较少商业活动的地区，如荒川区、京区和北区等，餐厅数量则明显较少，分别为 1,564 家、2,543 家和 2,546 家，这与这些区域的密度较低、商业设施较少以及居民消费习惯更为保守有关。在餐厅类型，在东京 23 区内，式餐馆的数量最多，达到 38,088 家，这数据突显了本传统饮化在当地市场的深远影响