2024可持續(xù)膳食系列報告-全球城市可持續(xù)外出就餐(亞洲-東京篇)-57正式版

2024可持續(xù)膳?系列報告全球城市可持續(xù)外出就餐（亞洲-東京篇）東京大學(xué)工學(xué)部工學(xué)系研究科龍吟研究室著科研?途轉(zhuǎn)載請注明作者和來源。未經(jīng)授權(quán)，任何單位或個?不得對本報告進(jìn)?商業(yè)使?，包括但不限于部分或全?轉(zhuǎn)載。我們保留對侵權(quán)?為追究法律責(zé)任的權(quán)利。本研究贊助企業(yè)?錫研之島科技有限公司(?本)朝?集團(tuán)財團(tuán)(?本)??財團(tuán)倉?研究獎勵(?本)旭硝?財團(tuán)目錄Contents第一章現(xiàn)代都市膳食習(xí)慣轉(zhuǎn)型與可持續(xù)性探索..............................................31.1城市化進(jìn)程下的都市膳食變革...............................................................31.2構(gòu)建可持續(xù)的都市膳食模式：環(huán)境與健康的雙重考量.......................4第二章外出就餐可持續(xù)性的核算方法..............................................................82.1數(shù)據(jù)來源...................................................................................................82.2外出就餐的營養(yǎng)及環(huán)境影響的評估方法.............................................122.3車站周邊外出就餐的可持續(xù)性評估方法.............................................15第三章東京餐廳可持續(xù)性分析實踐................................................................193.1餐廳密度分布.........................................................................................193.2營養(yǎng)及價格分布.....................................................................................293.3碳足跡分布綜合分析.............................................................................32第四章城市軌道交通點、線、面可持續(xù)外食指數(shù)分析................................344.1車站周邊可持續(xù)外食指數(shù)分析..............................................................344.2軌道沿線可持續(xù)外食指數(shù)分析.............................................................374.3東京都行政區(qū)可持續(xù)外食指數(shù)分析......................................................41第五章融合可持續(xù)膳食與全球行動：實現(xiàn)共贏未來....................................485.1探索構(gòu)建可持續(xù)膳食模式.....................................................................485.2可持續(xù)膳食助力全球氣候與健康行動.................................................491CHAPTER1現(xiàn)代都市膳?習(xí)慣轉(zhuǎn)型與可持續(xù)性探索第一章現(xiàn)代都市膳食習(xí)慣轉(zhuǎn)型與可持續(xù)性探索第一章現(xiàn)代都市膳食習(xí)慣轉(zhuǎn)型與可持續(xù)性探索1.1城市化進(jìn)程下的都市膳食變革聯(lián)合國可持續(xù)發(fā)展目標(biāo)

SDG11

呼吁建?更加可持續(xù)的城市和社區(qū)。隨著全球城市化加速，城市擴(kuò)張不可避免知識卡片：聯(lián)合國可持續(xù)發(fā)展目標(biāo)地導(dǎo)致了?地利?的顯著變化，這對?物多樣性和糧?系統(tǒng)產(chǎn)?了重?影響。預(yù)計，未來全球城市地區(qū)的擴(kuò)張將造成糧?產(chǎn)量下降、?物多樣性損失以及碳排放量增加，危及?類?計和?然環(huán)境。聯(lián)合國可持續(xù)發(fā)展目標(biāo)（SustainableDevelopmentGoals，簡稱SDGs）是一系列國際商定的發(fā)展目標(biāo)，旨在從2015年到2030年間通過包容性的方式減少貧困、保護(hù)地球并確保全人類享有和平與繁榮，總計17個目標(biāo)。SDG11是可持續(xù)城市和社區(qū)（SustainableCitiesand城市化不僅改變了土地利用方式，也深刻影響了糧食供應(yīng)鏈和人們的飲食習(xí)慣。隨著城市居民?活?平的提?和飲?偏好的轉(zhuǎn)變，對?能量密度?品的需求增加，進(jìn)?增?了農(nóng)業(yè)?產(chǎn)和?品供應(yīng)鏈的壓?。例如，相較于農(nóng)村地區(qū)，城市居民可能消費更多的?類產(chǎn)品，并且在快節(jié)奏的?活之下，居民越來越傾向于選擇快餐或便利?品以節(jié)省時間。然?，這類?品往往營養(yǎng)不均衡，從?引發(fā)健康問題。同時，城市所需的?物?多需從各地運輸?來，加之對集約化養(yǎng)殖產(chǎn)業(yè)產(chǎn)品的?需求，給環(huán)境帶來了額外的負(fù)擔(dān)。Communities），致力于建設(shè)包容、安全、有抵御災(zāi)害能力和可持續(xù)的城市和人類住區(qū)。此外，城市化進(jìn)程中的膳食結(jié)構(gòu)和習(xí)慣的轉(zhuǎn)變還表現(xiàn)在外出就餐的頻率上。在中國，超過

35%的居民選擇外出就餐，在部分城市這??例?達(dá)42.2%1；在東京，?達(dá)

的居民傾向于每周外出就餐?次，

的?傾向于每天外出就餐80%

12.1%2；英國居民平均每六頓飯中就有?頓在外進(jìn)?50%3；美國超過的成年?每周?少外出就餐三次4，且在移動環(huán)境中每增加

10%接觸快餐店的機(jī)會，個?訪問快餐店的?率就會增加

20%

。5隨著全球范圍內(nèi)外出就餐頻率的增加，城市居民對可持續(xù)膳食的關(guān)注度也隨之上升，外出就餐的可持續(xù)性影響涉及經(jīng)濟(jì)、環(huán)境、健康營養(yǎng)等多個方面。?先，外出就餐的經(jīng)濟(jì)影響主要體現(xiàn)在餐飲業(yè)的繁榮和消費者?出模式的變化上。在中國??最多、最富裕的城市上海，61%的?在

COVID-19

前每周?少外出就餐?次。隨著外出就餐頻率的增加，餐飲?業(yè)的發(fā)展帶動了相關(guān)服務(wù)和供應(yīng)鏈的增長。全球餐飲市場的收?在過去?年中穩(wěn)步上升，預(yù)計到

2025

年將達(dá)到

4.2

萬億美元。3第一章現(xiàn)代都市膳食習(xí)慣轉(zhuǎn)型與可持續(xù)性探索其次，外出就餐的環(huán)境影響主要體現(xiàn)在資源消耗、?物浪費和廢物處理上。餐廳的運營需要?量的能源和?資源，?材的?產(chǎn)和運輸也會產(chǎn)??量的碳排放，例如：中國農(nóng)村家庭外出就餐時家庭?物相關(guān)碳、?和?地?跡分別增加到

0.715kgCO-eq/d、1.434m/d和

2.429m/d，322外出就餐帶來的環(huán)境影響占?品系統(tǒng)環(huán)境負(fù)擔(dān)的

20%以上

6；美國餐飲業(yè)每年產(chǎn)?約

3000萬噸的碳排放

7；同時，餐飲業(yè)產(chǎn)?的?量包括塑料包裝、?次性餐具和剩余?物等在內(nèi)的廢棄物，對城市垃圾處理系統(tǒng)造成了巨?壓?，增加了環(huán)境污染風(fēng)險。此外，外出就餐的健康營養(yǎng)影響主要體現(xiàn)在飲?質(zhì)量和營養(yǎng)攝?上。外出就餐頻率較?的?群往往攝?更多的?脂、?糖和?鹽?物

8，這增加了肥胖和慢性病的風(fēng)險。?項?

1999?2014年進(jìn)?的美國全國健康與營養(yǎng)調(diào)查顯?，在

291,475?次的隨訪中，很少在家吃飯（每周少于?頓）的受訪者相?經(jīng)常在家吃飯（每天兩頓或更多）的受訪者，全因死亡率?出

49%，??管死亡率?出

18%，癌癥死亡率?出

67%9。鑒于外出就餐對健康的潛在影響，餐館在促進(jìn)健康飲???的作?顯得尤為重要。餐館如果提供更為健康的選擇以及營養(yǎng)信息標(biāo)簽，可促使消費者選擇更健康的?物。因此，隨著外出就餐成為現(xiàn)代城市生活的一個重要組成部分，研究和推廣可持續(xù)的都市膳食模式、減少食物浪費和環(huán)境污染，已成為以實現(xiàn)城市可持續(xù)發(fā)展為核心、多個可持續(xù)發(fā)展目標(biāo)相互協(xié)同與均衡的重要一環(huán)。外出就餐的可持續(xù)性關(guān)乎經(jīng)濟(jì)、環(huán)境和社會的協(xié)調(diào)發(fā)展，?提升餐飲服務(wù)的環(huán)保和健康標(biāo)準(zhǔn)是實現(xiàn)這??標(biāo)的關(guān)鍵步驟。我們必須采取?動，通過政策、市場和社會三??的努?，共同推動更加健康和可持續(xù)的未來膳?模式。1.2構(gòu)建可持續(xù)的都市膳食模式：環(huán)境與健康的雙重考量?本作為?個?度發(fā)達(dá)的經(jīng)濟(jì)體，擁有全球最?齡化的消費者群體。2022年數(shù)據(jù)顯?，?本中位年齡超過

49歲，且

59%的??年齡在

15?

64歲之間。在經(jīng)歷經(jīng)濟(jì)衰退后，為了增加收?，?些消費者選擇“花錢省時間”，從?催?了更多的外出就餐需求

10，尤其是在東京這座擁有全國

37%??的?都市。消費者膳食模式變化深刻影響著東京未來的餐飲趨勢和可持續(xù)發(fā)展格局。東京作為世界上??最密集的城市之?，巨?的?物消費量伴隨著更?的環(huán)境責(zé)任。東京餐飲業(yè)是溫室?體排放的重要源頭，其碳排放不僅來?于餐館的?常運營，還包括從?材的?4第一章現(xiàn)代都市膳食習(xí)慣轉(zhuǎn)型與可持續(xù)性探索產(chǎn)、運輸、烹飪到?物廢棄物處理的整個?命周期。都市餐廳運營過程中所需的資源、食材運輸過程中的碳排放以及餐飲廢棄物的處理，都對城市環(huán)境承載能力提出了更高的要求。為應(yīng)對這?挑戰(zhàn)，東京的餐飲業(yè)已開始注重可持續(xù)發(fā)展，這?趨勢在東京擁有的?其林星級餐廳中尤為明顯。根據(jù)

2023年東京?其林指南，200家獲星餐廳中有

12家因采?可持續(xù)?材和烹飪?法?被授予米其林綠星。為迎合消費者對健康和可持續(xù)的偏好，越來越多的餐廳開始宣傳其可持續(xù)目標(biāo)，如使用可持續(xù)食材、改進(jìn)烹飪方法和優(yōu)化食物包裝，共同推動了社會層面對可持續(xù)飲食的關(guān)注。盡管如此，日本消費者環(huán)保意識的提升尚未完全轉(zhuǎn)化為實際行為。2023年《?本時報(TheJapanTimes)》報道指出，盡管

60%的消費者聲稱愿意選擇對環(huán)境影響較?的飲?模式，實際上?多數(shù)?在就餐選擇時并不會將環(huán)境影響作為?要因素考慮。調(diào)查顯?，80%的受訪者更偏愛?本本地產(chǎn)的有機(jī)??，并愿意為此?付溢價，?對于植物?或培養(yǎng)?的接受度較低

11。這反映了日本消費者在食品質(zhì)量方面的高標(biāo)準(zhǔn)要求與他們環(huán)保選擇的實際行為之間存在矛盾。東京的餐飲業(yè)雖然蓬勃發(fā)展，卻帶來了?物浪費的嚴(yán)重問題。為滿?消費者對多樣化和?品質(zhì)菜品的需求，許多餐廳?臨超量采購和備餐的問題，導(dǎo)致?量?物浪費。據(jù)統(tǒng)計，2020年?本的?物損失和知識卡片：米其林綠星浪費總量約為

522萬噸。處理這些食物垃圾不僅環(huán)境成本高昂，還給市政當(dāng)局帶來了經(jīng)濟(jì)負(fù)擔(dān)，每年需花費數(shù)百萬美元處理這些非工業(yè)垃圾。米其林綠星首次公開于2020年發(fā)布的法國米其林指南，是最新的米其林指南獎項，用于表彰在可持續(xù)美食方面足以成為榜樣的餐廳。綠星的評選源自評審員的實地觀察，包括審視餐廳對可持續(xù)美食投入強烈承諾的所有環(huán)保倡議，如食材的來源和對時令的尊重、菜單的平衡和組成以及廢棄物與餐廳資源管理等，部分獲評綠星的餐廳甚至實現(xiàn)能源自給自足。截止到2024年，在全球超過15,000家米其林推薦的餐廳中只有約528家餐廳獲評米其林綠星。同時，健康意識與環(huán)境意識之間的沖突?益明顯。雖然許多?本消費者傾向于選擇營養(yǎng)豐富且未經(jīng)過多加?的健康?品，但這些?品的運輸及儲存過程往往會對環(huán)境產(chǎn)?較?影響。此外，研究顯?，全球每年約有

1100萬?死于不健康的飲?

12。考慮到外出就餐的菜肴通常?家庭?餐含有更多的熱量、脂肪和鈉，過量攝?這些成分與??管疾病、糖尿病和肥胖等慢性疾病密切相關(guān)。因此，外出就餐與健康風(fēng)險和環(huán)境壓力緊密關(guān)聯(lián)，如何在推廣健康飲食的同時減少環(huán)境負(fù)擔(dān)，成為一個亟待解決的5第一章現(xiàn)代都市膳食習(xí)慣轉(zhuǎn)型與可持續(xù)性探索問題。由此可見，城市化進(jìn)程帶來的膳?變?不僅直接引發(fā)健康問題，還將通過增加?物需求間接影響環(huán)境。因此，評估都市膳?習(xí)慣變遷下外出就餐的環(huán)境影響及其可持續(xù)性具有重要意義。此外，外出就餐的營養(yǎng)價值和環(huán)境影響的研究能夠為制定更有效的政策和實踐提供科學(xué)依據(jù)，從?促進(jìn)健康和環(huán)境雙重?標(biāo)的實現(xiàn)。綜上所述，本報告旨在探討現(xiàn)代都市飲?習(xí)慣的轉(zhuǎn)型，特別是外出就餐的可持續(xù)性問題。通過對東京地區(qū)餐飲業(yè)的詳細(xì)分析，報告評估了不同類型餐廳的營養(yǎng)價值和環(huán)境影響，揭?了外出就餐對城市健康和?態(tài)系統(tǒng)的多重挑戰(zhàn)。此外，報告還提出了?系列可?的策略，包括政策?持、社區(qū)參與和科技創(chuàng)新，以推動城市飲?向更加綠?、健康和可持續(xù)的?向發(fā)展。通過全?的數(shù)據(jù)分析和實證研究，本報告為政府、餐飲?業(yè)和消費者提供了重要的參考和指導(dǎo)，助?實現(xiàn)可持續(xù)城市發(fā)展的?標(biāo)。本節(jié)數(shù)據(jù)源：1.Zang,J.,Luo,B.,Wang,Y.,Zhu,Z.,Wang,Z.,He,X.,...Wu,F.(2018).EatingOut-of-HomeinAdultResidentsinShanghaiandtheNutritionalDifferencesamongDiningPlaces.10(7),951.2.Ng,M.,Fleming,T.etal.,2014.Global,regional,andnationalprevalenceofoverweightandobesityinchildrenandadultsduring1980-2013:asystematicanalysisfortheGlobalBurdenofDiseaseStudy2013.LancetLond.Engl.384,766–781.3.Warde,A.,2018.ChangingTastes?TheEvolutionofDiningOutinEngland.Gastronomica18,1–12.4.Kant,A.K.,Whitley,M.I.,&Graubard,B.I.(2015).Awayfromhomemeals:associationswithbiomarkersofchronicdiseaseanddietaryintakeinAmericanadults,NHANES2005–2010.InternationalJournalofObesity,39(5),820-827.5.GarcíaBulleBueno,B.,Horn,A.L.,Bell,B.M.,Bahrami,M.,Bozkaya,B.,Pentland,A.,delaHaye,K.,&Moro,E.(2024).Effectofmobilefoodenvironmentsonfastfoodvisits.NatureCommunications,15(1),2291.6.Sun,M.,Xu,X.,Hu,Y.,Ren,Y.,Zhang,L.,&Wang,Y.(2021).Whatdifferentiatesfood-relatedenvironmentalfootprintsofruralChinesehouseholds?Resources,ConservationandRecycling,166,105347.7.Heller,M.C.,&Keoleian,G.A.(2015).GreenhouseGasEmissionEstimatesofU.S.DietaryChoicesandFoodLoss.JournalofIndustrialEcology,19(3),391–401.8.Larson,N.,Neumark-Sztainer,D.,Laska,M.N.,&Story,M.(2011).YoungAdultsandEatingAwayfromHome:AssociationswithDietaryIntakePatternsandWeightStatusDifferbyChoiceofRestaurant.JournaloftheAmericanDieteticAssociation,111(11),1696–1703.9.Du,Y.,Rong,S.,Sun,Y.,Liu,B.,Wu,Y.,Snetselaar,L.G.,Wallace,R.B.,&Bao,W.(2021).AssociationBetweenFrequencyofEatingAway-From-HomeMealsandRiskofAll-CauseandCause-SpecificMortality.JournaloftheAcademyofNutritionandDietetics,121(9),1741-1749.10.Santander.(2024).Japan:Reachingtheconsumer./en/portal/analyse-markets/japan/reaching-the-consumers11.Washio,T.,Saijo,M.,Ito,H.,Takeda,K.-i.,&Ohashi,T.(2023).Meatthechallenge:SegmentationandprofilingofJapanesebeefminceanditssubstitutesconsumers.MeatScience,197,109047.12.Afshin,A.,etal.,2019.Healtheffectsofdietaryrisksin195countries,1990–2017:asystematicanalysisfortheGlobalBurdenofDiseaseStudy2017.TheLancet393,1958–1972.6CHAPTER2外出就餐可持續(xù)性的核算?法第二章外出就餐可持續(xù)性的核算方法第二章外出就餐可持續(xù)性的核算方法2.1研究數(shù)據(jù)來源2.1.1

餐廳信息開源數(shù)據(jù)的獲取通過

Google

地圖平臺的

Places

API，我們獲取了東京都

23

區(qū)全域范圍內(nèi)的基于

POI

的詳細(xì)餐廳信息數(shù)據(jù)。數(shù)據(jù)涵蓋餐廳名稱、地址、經(jīng)緯度坐標(biāo)、唯?識別代碼、價格?平、?戶評分、餐廳類型及評分等關(guān)鍵信息。數(shù)據(jù)內(nèi)容見表

2.1。知識卡片：PlacesAPIPlacesAPI是GoogleMapsPlatform提供的一項服務(wù)，可通過各種方法接受針對位置數(shù)據(jù)的HTTP請求。它會返回有關(guān)場所、地理位置或著名地圖注點的格式化位置數(shù)據(jù)和圖像。API是ApplicationProgrammingInterface的英文縮寫，指的是應(yīng)用程序接口。API定義了軟件系統(tǒng)中的組件之間的交互方式，允許不同的軟件之間進(jìn)行交互和通信。它是一組規(guī)定的約定和協(xié)議，用于定義軟件中不同模塊和組件之間的通信方式。表2.1東京餐廳POI數(shù)據(jù)各項屬性及其含義餐廳

POI屬性含義Restaurantid餐廳IDRestauranttypesFormattedAddressAddressComponentsGlobalCode餐廳類型格式化地址地址全球代碼復(fù)合代碼緯度CompoundCodeLatitudeLongitude經(jīng)度知識卡片：POIViewport視野POI(PointofInterest)，常譯為“興趣點”，指經(jīng)過特定規(guī)則選擇后值得注意的地點。POI對企業(yè)、旅行者和研究人員具有重要價值，可應(yīng)用于地圖服務(wù)、導(dǎo)航系統(tǒng)、基于位置的營銷、旅游、城市規(guī)劃和地理分析等領(lǐng)域。一個良好的POI數(shù)據(jù)集通常是結(jié)構(gòu)化的，具有諸如位置名稱、位置坐標(biāo)、地址、類型等屬性。AdrFormatAddressBusinessStatusRestaurantNamePrimaryType地址格式營業(yè)狀態(tài)餐廳名稱主要類型簡短格式化地址?障礙設(shè)施主要類型顯?名稱價格?平評分ShortFormattedAddressAccessibilityOptionsPrimaryTypeDisplayNamePriceLevelRatingUserRatingCountCurrentOpeningHours?戶評分次數(shù)當(dāng)前營業(yè)時間8userid:529794,docid:172425,date:2024-08-19,第二章外出就餐可持續(xù)性的核算方法盡管

PlacesAPI具有?動覆蓋的功能，但為了確保數(shù)據(jù)完全覆蓋東京

23區(qū)，仍需要?動規(guī)劃?系列采樣區(qū)域，以保證沒有遺漏區(qū)域。初步階段涉及使?代表東京

23區(qū)的?數(shù)據(jù)(polygon)1。在每個區(qū)內(nèi)，我們繪制了?系列采樣圈，以確保全?覆蓋。通過加?檢驗步驟，確保了數(shù)據(jù)的完整性，排除了位于指定區(qū)多邊形之外的

POI。有效的餐廳數(shù)據(jù)隨后被存儲在

SQL數(shù)據(jù)庫中，便于結(jié)構(gòu)化數(shù)據(jù)分析和查詢。對于每個采樣圈，發(fā)起

API請求以獲取數(shù)據(jù)，并設(shè)置過濾器，僅包含歸類為“餐廳”且提供?語描述的商家。對于?次請求?法獲取全部

POI信息的區(qū)域，通過多次過濾進(jìn)?數(shù)據(jù)補全，如圖

2.1所?。圖

2.1用于收集東京

23區(qū)餐廳數(shù)據(jù)的采樣圈示意圖經(jīng)過這?數(shù)據(jù)獲取操作，我們得到了包含了

286,648家餐廳

POI記錄的數(shù)據(jù)集。為了確保數(shù)據(jù)集的準(zhǔn)確性和相關(guān)性，對餐廳

POI數(shù)據(jù)進(jìn)?了多步驟的數(shù)據(jù)清洗。在去除重復(fù)獲取的地點并修正數(shù)據(jù)異常后，獲取的餐廳數(shù)量為

113,972家。其中，共識別出

2,414條記錄位于東京

23區(qū)的地理邊界之外，并刪除

324條不符合有效

POI標(biāo)準(zhǔn)的條?。這些排除條?包括不符合餐廳條件的條?，例如錯誤分類的企業(yè)，或?法通過現(xiàn)有數(shù)據(jù)源充分匹配或驗證的

POI。最終，數(shù)據(jù)庫被精煉?包含

112,892條有效餐廳

POI條?。數(shù)據(jù)源：/products/japan-shp/19第二章外出就餐可持續(xù)性的核算方法2.1.2

外出就餐菜單數(shù)據(jù)集的建立、餐廳數(shù)據(jù)的分類與驗證為了解外出就餐時，餐廳為消費者所提供菜品的營養(yǎng)與價格信息，本研究開展了相關(guān)的數(shù)據(jù)收集?作。通過檢索東京?型連鎖餐飲品牌的官??站，對其公開的菜單信息進(jìn)?了收集。這些菜單數(shù)據(jù)覆蓋了東京地區(qū)眾多知名餐廳，具體信息參見表

2.2。表2.2連鎖餐飲品牌信息及收錄的菜品數(shù)量??名英?名餐廳類型描述菜品數(shù)量なか卯Nakau丼飯（蓋澆飯）和京都風(fēng)味烏冬?烏冬?連鎖店345927はなまるうどん幸楽苑HanamaruUdonKourakuen拉?連鎖餐廳れんげ?堂/中華東秀中式菜肴連鎖店RengeShokudo/ChineseTohshu61?阪王將ステーキ屋松KFCOsakaOhshoSteakHouseMatsunoKFC以餃?（?餃）和其他中式菜肴聞名?排連鎖店6331932361546218105231183049漢堡和炸雞吉野家Yoshinoya??飯ココ壱番屋マイカリー?堂?戸屋CocoIchibanyaMyCurryShokudoOotoya咖喱飯連鎖店咖喱飯連鎖店傳統(tǒng)?式家常料理提供拉?、餃?等中式菜肴的餐廳提供多種西式菜肴的家庭餐廳咖啡連鎖店??屋HidakayaココスCoco'sタリーズコーヒーかっぱ壽司すき家Tully’sKappaSushiSukiya回轉(zhuǎn)壽司連鎖店??飯焼?和民YakinikuWatami?式烤?店以各種西式和?本料理聞名的家庭式餐廳RoyalHostSubwayRoyalHostSubway10916以三明治聞名的國際連鎖連鎖快餐，售賣漢堡，以及薯條、炸雞、汽?等快餐?品咖啡連鎖店McDonald'sMcDonald's72StarbucksStarbucks287116?貴族Torikizoku平價燒鳥居酒屋店在收集過程中，我們詳細(xì)記錄了每道菜品的營養(yǎng)成分，包括卡路?、蛋?質(zhì)、碳?化合物、10第二章外出就餐可持續(xù)性的核算方法脂質(zhì)和鹽含量五項關(guān)鍵營養(yǎng)指標(biāo)。同時，為確保數(shù)據(jù)的時效性和準(zhǔn)確性，結(jié)合官??站、Google地圖等信息來源?式，獲取了截?

2022年

6?的菜品價格信息。隨后，將價格數(shù)據(jù)與營養(yǎng)數(shù)據(jù)匹配，以確保數(shù)據(jù)的?致性和準(zhǔn)確性。最終，構(gòu)建了包含

1,727道菜品的外出就餐菜單數(shù)據(jù)庫。該數(shù)據(jù)庫詳細(xì)記錄了菜品的定價和營養(yǎng)信息，為后續(xù)深?分析提供了堅實的基礎(chǔ)。此外，對于從

Google地圖上獲取的餐廳數(shù)據(jù)與菜單數(shù)據(jù)，依據(jù)?本家庭收?與?出調(diào)查（FIES）設(shè)定的外出就餐類型，將其分類為

12種就餐類別。1,727道菜品所屬餐廳的類型分布情況記錄在表

2.3中。表

2.3按

FIES類別劃分的外出就餐菜品數(shù)量知識卡片：FIES餐廳類型?式?條中式?條其他?條壽司菜品數(shù)量（道）家庭收入和支出調(diào)查（FIES，F(xiàn)amily

Incomeand9363ExpenditureSurvey）是日本統(tǒng)計局每月進(jìn)行的一項抽樣調(diào)查。其目的是了解家庭收入和支出的實際情況，為社會和經(jīng)濟(jì)政策提供依據(jù)。該調(diào)查覆蓋全國家庭。根據(jù)2015年人口普查，調(diào)查對象家庭總數(shù)為5157萬戶，占所有家庭的96.5%。在FIES中，樣本家庭是基于統(tǒng)計方法選取的，以便能夠代表全國所有家庭。3111858849?式料理中華料理西餐86燒烤82漢堡105109知識卡片：Tabelog其他Tabelog（日文名稱：食べログ）是日本最大的在線餐廳點評和推薦平臺，網(wǎng)站提供查看餐館的用戶點評、照片、空位數(shù)，以及在線預(yù)約等服務(wù)。根據(jù)網(wǎng)站數(shù)據(jù)，至2024年5月，總計收錄了全日本超過86

萬家餐廳，6257萬條用戶點評，1億

6448萬張照片以及7.3萬家店鋪的線上預(yù)定方式?？Х葟d酒吧287116另外，在對餐廳進(jìn)?分類的過程中，結(jié)合了

Google地圖和?本餐廳評價?站

Tabelog

的數(shù)據(jù)，使?餐廳名稱、地址以及

“Tabelog”關(guān)鍵字進(jìn)?搜索。Tabelog系統(tǒng)會隨機(jī)為每家餐廳貼上

1?

3個標(biāo)簽，共有

210個不重復(fù)的標(biāo)簽類別以及

3,649種組合。為確保數(shù)據(jù)準(zhǔn)確性，通過?較地址中的第?個標(biāo)簽，將

Tabelog的數(shù)據(jù)與

Google11第二章外出就餐可持續(xù)性的核算方法地圖的數(shù)據(jù)進(jìn)?交叉驗證。對于未驗證的條?，通過?動搜索來核驗。利?這種?法，我們將112，892家餐廳的

POI分別匹配到

FIES?規(guī)定的

12個類別?。2.1.3

東京軌道交通開放數(shù)據(jù)與家庭就餐概況信息研究采?了來??本國?交通省國?信息處、國家空間規(guī)劃與地區(qū)政策局的公開信息，該信息詳細(xì)記錄了東京都內(nèi)鐵路系統(tǒng)

2020年的相關(guān)數(shù)據(jù)。數(shù)據(jù)涵蓋了車站的位置、路線以及每?客流量路、單軌鐵路）以及運營商（如新?線、?本鐵路公司常規(guī)線路、公有鐵路、私有鐵路、第三?部門鐵路）的信息

。同時，作為家庭收?和?出調(diào)查的重要組成部分，F(xiàn)IES為我們提供了2；此外，我們整合了關(guān)于路線、車站、鐵路類別（如常規(guī)鐵路、纜車、懸掛式單軌鐵3?本不同收?階層的外出就餐消費模式及就餐頻率數(shù)據(jù)，為菜品和餐廳分類提供了基礎(chǔ)框架。2.2外出就餐的營養(yǎng)及環(huán)境影響的評估方法2.2.1

營養(yǎng)與價格分析在外出就餐的營養(yǎng)與價格評估中，?先結(jié)合了

2.1.2收集的菜單營養(yǎng)數(shù)據(jù)，計算出各類餐廳提供菜品的平均營養(yǎng)價值。盡管同?餐廳或餐廳類型的不同菜品之間存在營養(yǎng)成分的差異，但?前的數(shù)據(jù)粒度尚且?法量化這些變化。因此，本研究假設(shè)同?類型餐廳的菜品具有相似的營養(yǎng)特性。在菜單數(shù)據(jù)與餐廳

POI分類及驗證基礎(chǔ)上，識別了東京各種餐廳類型，并利?這些數(shù)據(jù)與營養(yǎng)數(shù)據(jù)交叉映射，得出東京全部餐廳的營養(yǎng)分布。公式（1）計算了“營養(yǎng)強度”，即通過每

100?元?出能夠獲取的營養(yǎng)物質(zhì)量，來衡量營養(yǎng)價值，評估了各類餐廳的菜品營養(yǎng)價值。1?∑?,?

???,?

???

?,?,????,?=×

?100?(1)1??∑??????,????

???其中，?表?餐廳類別；?表?各種營養(yǎng)成分；??,?表?餐廳類別?下含有營養(yǎng)?信息的菜品數(shù)量；???表?餐廳類別?具有價格信息的菜品數(shù)量。???,?

表?餐廳類別?提供菜肴中營養(yǎng)?的含量;??????,?表?餐廳類別?中菜品?的價格。2

https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-N02-v2_3.html3

https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-S12-v2_3.html12第二章外出就餐可持續(xù)性的核算方法2.2.2

環(huán)境影響分析接下來，以量化菜品碳?跡的形式評估了東京餐廳的環(huán)境影響。這?，我們結(jié)合了

FIES和

3EID

數(shù)據(jù)庫的數(shù)據(jù)，對餐廳提供菜品的碳?跡進(jìn)?準(zhǔn)確的評估。3EID數(shù)據(jù)庫提供了?品原材料單位價格?出帶來的排放強度信息，在此基礎(chǔ)上，通過

FIES的消費數(shù)據(jù)來量化最終的碳?跡。FIES的調(diào)查數(shù)據(jù)結(jié)果涵蓋了

7,424戶家庭，涵蓋不同收?的家庭，并最?化了消費數(shù)據(jù)偏差，從?反映了不同消費者群體的購買?。對于間接排放強度?，其計算原理基于環(huán)境拓展型投入產(chǎn)出分析的?法，如

式（2）：?????????????????????????????????????????

=

?(?

?

(?

?

?)?)???(2)??其中，?表?消費品的類別；??為直接排放強度的?向量,?

=

?

,I是單位矩陣,??

表?[

]?進(jìn)?直接需求系數(shù)的對?矩陣,?為?業(yè)間交換矩陣。為了計算餐廳在消費者的?次就餐?為中提供菜品所隱含的碳?跡，我們整合了各個消費?平的家庭在外出就餐??的?均?出，以及

Google地圖劃分為四個等級的餐廳價格信息。具體來說，假設(shè)收?更?的家庭會傾向于前往?價的餐廳就餐，以其平均?出替代

Google地圖所缺少的具體?出信息。通過這種?法，計算出不同類型餐廳提供?頓餐?的碳?跡，如公式（3）所?：???????,?????????????????=

???????????(3)??,??????

??,?

?其中各項代表排放計算中的不同因素，取決于餐廳的類別與價格等級。最后，為了闡明外出就餐導(dǎo)致的碳排放在地理上的差異，我們使?了

IDW

插值?法，這是?種基于

Tobler

地理學(xué)第一定律操作的統(tǒng)計?法。通過這種?法，我們能夠根據(jù)餐廳位置信息，繪制出碳?跡的分布趨勢，使?

ArcGIS10.4進(jìn)?可視化。計算過程如下：?

=

?(?

?

?

)?

+

(?

?

?

)?(4)(5)???????????

=????∑???????(?

,

?

)

=

?

?

?(?

,

?

)(6)????????其中

?

是兩點之間的距離，?

是權(quán)重項，??

?

,

?

是插值結(jié)果，?

是

??

?

,

?

附近(?)(?)????可?數(shù)據(jù)點的數(shù)量，?

和

?

表?城市

?

和

?

的地理位置，?是?個任意正實數(shù)。13知識卡片：3EID3EID全稱為EmbodiedEnergy

andEmissionIntensity

DataforJapanUsingInput-OutputTables（中文名：利用投入產(chǎn)出表計算的日本隱含能源及排放強度數(shù)據(jù)），是一本專注于評估日本各部門環(huán)境影響的數(shù)據(jù)手冊。該手冊由日本國立環(huán)境研究所（NIES）出版，其核心價值在于能夠洞察各個經(jīng)濟(jì)部門單位生產(chǎn)活動（以一百萬日元計）產(chǎn)生的直接和間接環(huán)境負(fù)擔(dān)（包括能源消耗和排放），有助于研究人員與決策者評估不同經(jīng)濟(jì)部門的環(huán)境影響。知識卡片：IDWIDW(Inversedistanceweighting)全稱為反距離加權(quán)法，是一種空間插值方法，基于未知點到每個已知點的距離的倒數(shù)進(jìn)行插值。知識卡片：地理學(xué)第一定律地理學(xué)第一定律（Tobler'sfirstlaw

ofgeography）來源于美籍瑞士地理學(xué)家，制圖學(xué)家WaldoTobler的觀點"Everythingisrelatedtoeverythingelse,butnearthingsaremorerelatedtoeach

other"即“任何事物都相關(guān)，只是相近的事物關(guān)聯(lián)更緊密”。第二章外出就餐可持續(xù)性的核算方法2.3車站周邊外出就餐的可持續(xù)性評估方法2.3.1

餐廳營養(yǎng)、環(huán)境影響、多樣性、擁擠程度及價格評估方法針對車站附近餐飲選擇的可持續(xù)性，我們建?了營養(yǎng)、環(huán)境影響、多樣性、擁擠程度和價格這五個關(guān)鍵指標(biāo)。?先，關(guān)于營養(yǎng)價值，通過營養(yǎng)密度模型，計算了營養(yǎng)密度分?jǐn)?shù)，既考慮了有益的積極營養(yǎng)素（如蛋?質(zhì)、碳?化合物），也考慮了需要限制攝?的營養(yǎng)素（如脂質(zhì)、鹽）。營養(yǎng)密度分?jǐn)?shù)采?每

100千卡的標(biāo)準(zhǔn)化營養(yǎng)數(shù)據(jù)進(jìn)?計算。?先，積極營養(yǎng)密度得分（PNDS）及負(fù)營養(yǎng)密度得分（NNDS）可以通過公式（7）（8）計算：????????????

=

?(7)(8)?∈??????

=

??????∈??式中，?

為營養(yǎng)物質(zhì)?的含量，???

為其?推薦攝?量。??綜合營養(yǎng)密度得分（NDS）的計算?法如公式（9）所?：NDS

=

PNDS

?

NNDS(9)在此基礎(chǔ)上，每個車站周圍餐廳的營養(yǎng)指數(shù)由此求出，并進(jìn)?了標(biāo)準(zhǔn)化以便?較。關(guān)于車站附近餐廳類型的多樣性，該指數(shù)考慮了車站

500?半徑內(nèi)餐廳的數(shù)量及類型的多樣性。對于每個車站，??

表?該站周邊類型?的餐廳數(shù)量。所有類型的餐廳總數(shù)???

是?

的?,???,?總和：????

=??,?。值得注意的是，餐廳類型數(shù)據(jù)來源于

GoogleMaps，包含

84種不同餐∑????飲設(shè)施的分類。這?，我們提出了?個綜合指數(shù)，既考慮了數(shù)量（餐廳總數(shù)），也包含了多樣性（餐廳類型的多樣性）。該指數(shù)受到?態(tài)學(xué)中的多樣性指數(shù)的啟發(fā)，尤其是

Shannon

多樣性指數(shù)?（Hill數(shù)的?種形式，多樣性順序?

=

1），其數(shù)學(xué)公式可表?為式（10）：??

=

?

?(?

ln?

?

)(10)??,??,????其中，??,?是車站?附近餐廳類型?的相對豐度，由??,?=??,?

計算。????知識卡片：香農(nóng)多樣性指數(shù)Shannon多樣性指數(shù)（Shannon'sDiversity

Index）是用來描述一個群落的多樣性的統(tǒng)計量，在生態(tài)學(xué)中應(yīng)用很廣泛。該指標(biāo)同時能夠反映景觀異質(zhì)性。另外，經(jīng)濟(jì)學(xué)中也將其用于描述一個地區(qū)中經(jīng)濟(jì)活動的分布。15第二章外出就餐可持續(xù)性的核算方法然?，考慮到每個車站周圍餐廳數(shù)量的不同，直接?較不同??樣本的

Shannon指數(shù)或Hill數(shù)存在固有限制。因此，我們引?了?個標(biāo)準(zhǔn)化步驟，即計算每個車站的標(biāo)準(zhǔn)化多樣性指??????數(shù)??

（??

=），然后將其乘以該車站標(biāo)準(zhǔn)化餐廳數(shù)???

?

(???

?

=)，得出綜??????,???????,???合餐廳多樣性指數(shù)??，如公式（11）所?：??(11)?

=

???

×

????這個綜合指數(shù)有效地評估了車站餐飲選擇的多樣性，考慮到了其附近可?的餐廳數(shù)量和類型的多樣性。車站周圍就餐環(huán)境的擁擠程度的計算結(jié)合該站每?的乘客?次信息與周邊餐廳數(shù)量，根據(jù)式（12）求出：?????

=(12)????其中，???表?車站?的?均?流量。此外，在之前的計算中，我們評估了不同價格層次餐廳提供的菜品的平均碳?跡。對于車站周邊

500?半徑范圍內(nèi)的餐廳環(huán)境影響評估，以所有餐廳平均碳?跡的倒數(shù)作為估量標(biāo)準(zhǔn)，并將其標(biāo)準(zhǔn)化為0到1之間的值，以便提供標(biāo)準(zhǔn)化的環(huán)境得分，如式（13）和（14）所?。1??????????,?,?(13)?

=?

???????∈??max?(??)

?

????

=(14)max?(?

)

?

min?(?

)???500m半徑范圍內(nèi)所有餐廳的平均碳足跡，

??是站點?半徑500

m其中，?

表示車站j周邊?范圍內(nèi)所有餐廳的集合，???

等于集合?

的基數(shù)，??,????????是餐廳?的間接碳足跡（由價格水???平和餐廳類型決定），??是歸一化后車站?的環(huán)境得分。對于價格方面的可持續(xù)性評分，根據(jù)

Google地圖提供的餐廳價位信息，餐廳?被分配了一個價格指數(shù)???：最低價格層級被分配了

0.8，而最高價格層級被分配了

0.2。對于一個車站而言，其周邊餐廳的整體價格指數(shù)??是通過計算所有餐廳的價格指數(shù)平均值得出的，如式（15）。1??

=?

???(15)????????16第二章外出就餐可持續(xù)性的核算方法2.3.2

可持續(xù)外食指數(shù)（SDOI）的建立為全?評估各車站外出就餐的可持續(xù)性，研究引?了可持續(xù)外?指數(shù)（SDOI,sustainabledining-outindex）。該指數(shù)綜合了營養(yǎng)、環(huán)境影響、餐廳多樣性、價格及擁擠程度五個關(guān)鍵維度。為了便于?較，每個維度都在

0到

1的范圍內(nèi)進(jìn)?了標(biāo)準(zhǔn)化，并在

SDOI計算中賦予了相等的權(quán)重。在量化車站性能的五個維度時，考慮到每個維度的原始數(shù)據(jù)可能具有不同的統(tǒng)計特性，我們采?了不同程度的數(shù)據(jù)處理?法，以確保每個維度的合理分布。這種?法論不僅增強了跨維度?較的?致性和有效性，?且有助于減輕異常值或偏態(tài)分布對整體

SDOI的影響。在

SDOI的計算中，利?五個維度的標(biāo)準(zhǔn)化得分繪制雷達(dá)圖，即連接各維度得分形成多邊形的?積，表?車站的綜合得分情況。多邊形的?積使?高斯面積公式計算，該公式基于多邊形頂點的笛卡爾坐標(biāo)計算其邊界區(qū)域的??。每個?指標(biāo)?先根據(jù)五邊形中的?度映射到?維平?上的?個點，如公式（16）所?：知識卡片：高斯面積公式高斯面積公式，又稱為鞋帶公式（Shoelaceformula）或測量員公式（Surveyor'sformula），用于計算簡單多邊形的面積，其頂點由平面上的笛卡爾坐標(biāo)描述。該方法通過對多邊形的頂點坐標(biāo)進(jìn)行交叉乘積運算來確定其面積。該算法在2D和3D計算機(jī)圖形、測量以及林業(yè)等領(lǐng)域都有廣泛應(yīng)用。2??52??????,

????

=

????

?

???,

???

?

????

,

?

=

0,

1,

?

,4(16)5其中，??

,

?

,

?

,

?

,

?

?代表五個?指標(biāo)的?種排列組合

?,

?,

?,

?,

?

。由營養(yǎng)指數(shù)?

、[]??

??

??

??

???環(huán)境指數(shù)評分?

、餐廳多樣性指數(shù)?

、價格指數(shù)?

和擁擠度?

決定。每個排列組合的?積使?公????式（17）計算：?1?

=

???

??

???????????

????(17)?2???值得注意的是，考慮到五邊形的?積與個別指標(biāo)的排序有關(guān)，各車站的

SDOI是五個維度得分以所有排列組合?式構(gòu)成的多邊形的?積的平均值?！?!

?????????

=(18)5!其中，??是排列?下多邊形的?積。這種平均?積計算提供了?個衡量各車站可持續(xù)就餐環(huán)境的指標(biāo)，?積越?表明可持續(xù)性指數(shù)越?。17第二章外出就餐可持續(xù)性的核算方法2.3.3

軌道線路與行政區(qū)的綜合評估方法為了更全?地評價東京

23

個?政區(qū)域及其鐵道?絡(luò)沿線的餐飲選擇的可持續(xù)性，我們將對單個車站的評估擴(kuò)展到了沿線餐廳的可持續(xù)性餐飲得分，以及東京

23

個?政區(qū)的整體評估。在分析軌道線路沿線的情況時，通過兩個不同的評估指標(biāo)來展現(xiàn)研究成果：各線路的平均

SDOI得分與總得分。線路的總得分是通過累加沿線所有車站的得分計算出來的，反映了該線路在可持續(xù)餐飲??的整體實?。?平均得分則提供了線路沿線可持續(xù)餐飲平衡發(fā)展的見解。評估不同?政區(qū)域的外出就餐可持續(xù)性得分時，針對跨越多個區(qū)的車站進(jìn)?了調(diào)整。每個?政區(qū)的可持續(xù)性餐飲總得分是通過匯總該區(qū)內(nèi)所有車站的得分來給出的。這?度量標(biāo)準(zhǔn)突出了在可持續(xù)餐飲??整體表現(xiàn)出?的區(qū)域。為了減少不同區(qū)域??對評估結(jié)果的影響，計算了單個車站及單位?積的得分，從?提供更為公平的?較。CHAPTER3東京餐廳可持續(xù)性分析實踐第三章東京餐廳可持續(xù)性分析實踐第三章東京餐廳可持續(xù)性分析實踐3.1餐廳密度分布圖

3.1東京

23區(qū)餐廳分布示意圖19第三章東京餐廳可持續(xù)性分析實踐基于上述?法，本節(jié)中揭?了東京都

23

區(qū)的餐廳分布特征，其中包括餐廳密度分布、平均價格分布，以及

12

種餐廳類型的分布特征(圖

3.1)。圖

3.1-a）展?了在東京

23

區(qū)內(nèi)的餐廳密度分布特征，結(jié)果表明各城區(qū)的餐廳數(shù)量顯?出巨?差異，中?城區(qū)和副中?城區(qū)的餐廳數(shù)量遠(yuǎn)?于?中?城區(qū)。具體來說，港區(qū)以

11,955

家餐廳數(shù)量位居?xùn)|京

23

區(qū)?位，其次是新宿區(qū)和澀?區(qū)，分別有

10,180

家和

8,800

家餐廳。港區(qū)、新宿區(qū)和澀?區(qū)作為東京的商業(yè)和?化中?，其餐廳類型豐富多樣，從?端餐廳到快餐店應(yīng)有盡有，這不僅反映了這些區(qū)域?密度的商業(yè)活動特點，也體現(xiàn)了??流量和多樣化的消費需求。相?之下，居民區(qū)或較少商業(yè)活動的地區(qū)，如荒川區(qū)、?京區(qū)和北區(qū)等，餐廳數(shù)量則明顯較少，分別為

1,564

家、2,543

家和

2,546

家，這與這些區(qū)域的??密度較低、商業(yè)設(shè)施較少以及居民消費習(xí)慣更為保守有關(guān)。在餐廳類型??，在東京

23

區(qū)內(nèi)，?式餐館的數(shù)量最多，達(dá)到

38,088

家，這?數(shù)據(jù)突顯了?本傳統(tǒng)飲??化在當(dāng)?shù)厥袌龅纳钸h(yuǎn)影響和受歡迎程度。酒吧和咖啡廳作為社交與休閑的重要場所，數(shù)量也較為豐富，分別為

19,098

家和

15,291

家，這與東京居民的?活?式和社交習(xí)慣密切相關(guān)。西餐廳和中餐館的數(shù)量雖然相對較少，但也分別達(dá)到了

8,823

家和

5,549

家，這反映出東京作為國際?都市的飲??化多元性和對于外來?化的開放性。此外，特???如中式?館、?式?館和其他?館雖然總量不?，但它們作為東京居民?常外?的選擇，也顯?了餐飲選擇需求的多樣化特征。整體來看，餐廳類型的多樣性不僅滿?了不同消費者的?味偏好，也反映了東京在全球化背景下的飲??化融合和創(chuàng)新。這種多樣化的餐飲類型布局，不僅為東京居民的外?消費提供了豐富的選擇，同時也顯?了城市的?化多樣性和包容性。結(jié)合圖

3.1-a

餐廳密度分布圖、圖

3.1-b

平均價格分布圖及圖

3.1-c

各類型餐廳分布圖，我們對東京

23

區(qū)的餐廳分布做出以下?點討論：地區(qū)消費水平和餐廳運營成本。東京都中?城區(qū)及次中?城區(qū)相對繁華，有較?的商業(yè)房地產(chǎn)價值，區(qū)域內(nèi)的餐廳的運營成本相對較?；同時居民平均收??平?于其他地區(qū)，具有更?的消費?平，因?導(dǎo)致有更多的餐廳來滿?當(dāng)?shù)鼐用竦南M需求。我們可以看出，在東京都的中?城區(qū)如千代?區(qū)、港區(qū)和中央?yún)^(qū)，以及次中?城區(qū)，如新宿區(qū)、池袋區(qū)和澀?區(qū)，其餐廳密度遠(yuǎn)超過其他地區(qū)。與此同時，東京都

23

區(qū)內(nèi)餐廳的平均價格分布也呈現(xiàn)類似的規(guī)律，即東京都中?城區(qū)以及次中?城區(qū)的餐廳平均價格遠(yuǎn)超過其他地區(qū)。例如，在東京站、銀座、20第三章東京餐廳可持續(xù)性分析實踐六本?等中?區(qū)域，餐廳密度和平均價格均呈現(xiàn)較?的?平；在千代?區(qū)、?京區(qū)和新宿區(qū)的交界區(qū)域，餐廳的平均價格?平較周邊區(qū)域也呈現(xiàn)出明顯增加的特征。城市結(jié)構(gòu)、交通網(wǎng)絡(luò)和社會經(jīng)濟(jì)因素。東京

23區(qū)內(nèi)的餐廳主要集中在軌道交通?絡(luò)最發(fā)達(dá)的中央商務(wù)區(qū)，這?特征展?了餐廳的分布與東京

23區(qū)內(nèi)軌道交通?絡(luò)的分布存在空間相關(guān)性。軌道交通是東京

23區(qū)和周邊地區(qū)居民的主要出??式，集中分布在軌道交通站點周圍的餐飲選擇，可以節(jié)省消費者出?時間，為消費者提供更多便利。同樣的，價格?平較?的餐廳也通常位于交通便利的區(qū)域。這是由于交通便利的區(qū)域通常是經(jīng)濟(jì)發(fā)達(dá)的地區(qū)，具有較為集中的經(jīng)濟(jì)活動，這些區(qū)域的消費者消費能?更強。這?現(xiàn)象反映了城市結(jié)構(gòu)、交通?絡(luò)和社會經(jīng)濟(jì)因素對消費者外出就餐選擇的共同作?。人口分布特征和其他因素。東京都中?城區(qū)及次中?城區(qū)的??密度較?，居民對外?的需求顯著?于其他區(qū)域，所以?部分餐廳都密集分布在此。?在?些旅游熱點區(qū)域如上野、淺草區(qū)域，餐廳的分布也?較集中。考慮到吸引世界各地的游客和運營成本等因素，旅游熱點地區(qū)的餐廳分布也呈現(xiàn)出多樣性和價格?平較?的特征。第三章東京餐廳可持續(xù)性分析實踐為了更好地了解東京都

23

區(qū)內(nèi)的餐廳分布情況，我們根據(jù)圖

3.1-c

對各類型餐廳的分布特征做進(jìn)?步分析：1.

日式餐館圖

3.2東京日式餐館分布示意圖在所有餐廳類型中，?式餐館擁有最多的餐廳數(shù)量，共

38,088

家。?式餐館集中分布在千代?區(qū)（東京站區(qū)域）、中央?yún)^(qū)（?本橋、筑地區(qū)域）、臺東區(qū)（上野、淺知識卡片：筑地市場草區(qū)域）、池袋區(qū)、新宿區(qū)和澀?區(qū)。其中，上野、淺草、筑地區(qū)域是東京都內(nèi)主要的旅游熱點區(qū)域；筑地區(qū)域由于東京有名的魚市筑地市場為?們熟知；池袋、新宿、澀?作為東京都的三?副都?，也是重要的商業(yè)活動中?和旅游熱點區(qū)域。此外，?式餐館的覆蓋范圍?常?泛，除了集中分布的區(qū)域外，東京都內(nèi)其他區(qū)域也都有數(shù)量較多的?式餐館。筑地市場是位于東京都中央?yún)^(qū)筑地的公營批發(fā)市場，亦是日本最大的魚市場。面積約為23萬平方米。東京都內(nèi)

11間東京都中央批發(fā)市場之一，其規(guī)模之大與知名度之廣，不只是東京，更是日本首屈一指的批發(fā)市場。22第三章東京餐廳可持續(xù)性分析實踐2.

中餐館圖

3.3東京中餐館分布示意圖東京都

23

區(qū)內(nèi)共有

5,549

家中餐館，其分布主要受到移民的影響，集中于華?聚集的區(qū)域。例如，池袋區(qū)域和上野區(qū)域的中餐館的數(shù)量顯?于其他區(qū)域；在新橋、有樂町這些上班族的主要聚集區(qū)域，中餐館也有較為集中的分布，為上班族提供了經(jīng)濟(jì)便捷的外?選擇。3.

西餐廳圖

3.4東京西餐廳分布示意圖在東京都

23

區(qū)內(nèi)，共有

8,823

家西餐廳，它們主要分布在城市的商業(yè)、購物和娛樂中?。例如，在千代?區(qū)的東京站和??町區(qū)域、港區(qū)的六本?區(qū)域等辦公樓和商業(yè)設(shè)施眾多的區(qū)域，西餐廳的分布較為集中；在千代?區(qū)、?京區(qū)和新宿區(qū)交界的飯?橋神樂坂區(qū)域，由于歷史?化的原因，集中分布著較多的西餐廳；此外，在新宿區(qū)域、澀??尾惠?壽區(qū)域，西餐廳也有23第三章東京餐廳可持續(xù)性分析實踐密集的分布。4.

壽司店圖

3.5東京壽司店分布示意圖壽司店的數(shù)量在東京都

23

區(qū)的所有餐廳中占?不?，共有

3,404

家，主要分布在中?城區(qū)和次中?城區(qū)，如港區(qū)的六本?區(qū)域、澀?區(qū)的澀??尾惠?壽區(qū)域及中央?yún)^(qū)的筑地區(qū)域。在筑地區(qū)域，原筑地海鮮市場的場內(nèi)市場雖然已經(jīng)搬到了豐洲區(qū)域，但場外市場的壽司店未搬離，因此這?仍然是壽司店?較集中的區(qū)域；此外，在六本?、澀?、?尾、六本?等區(qū)域也分布著較多的?檔壽司店。5.

烤肉店圖

3.6東京烤肉店分布示意圖東京都

23

區(qū)內(nèi)共有

1,501

家烤?店。由于烤?店的平均價格相對較?，這些餐廳主要集24第三章東京餐廳可持續(xù)性分析實踐中分布在經(jīng)濟(jì)發(fā)達(dá)且消費?平較?的中?城區(qū)和副中?城區(qū)，例如新橋和虎之門區(qū)域、新宿區(qū)域以及澀?區(qū)域，呈現(xiàn)集中分布的特征。相反，?中?城區(qū)的烤?店數(shù)量則明顯較少于中?城區(qū)和副中?城區(qū)，且沒有相對集中區(qū)域。6.

漢堡店圖

3.7東京漢堡店分布示意圖東京都

23

區(qū)內(nèi)共有

1,259

家漢堡店，作為外?快餐的知識卡片：快餐文化?種選擇，漢堡店在數(shù)量上并不占優(yōu)勢，這?現(xiàn)象與?本的快餐文化緊密相關(guān)。在?本，本地的傳統(tǒng)快餐選項如拉?、壽司和便當(dāng)?shù)?，因其快速、便利且符合?dāng)?shù)??味的特點，已深???。相?之下，漢堡店雖然在全球范圍內(nèi)極為流?，但在?本，它并沒有成為主流快餐?化的?部分。在東京都，不論是中?城區(qū)還是?中?城區(qū)，漢堡店的分布都沒有呈現(xiàn)出明顯的聚集特征。我們發(fā)現(xiàn)，除了新宿區(qū)域、池袋區(qū)域及澀?區(qū)域等傳統(tǒng)副中?區(qū)域外，在世??區(qū)的下北澤區(qū)域、??區(qū)的蒲?區(qū)域、墨?區(qū)的錦?町區(qū)域，以及臺東區(qū)的上野區(qū)域這類交通便利、?流量較?的新興區(qū)域，也分布著數(shù)量較多的漢堡店。1970年大阪世博會期間，日本已經(jīng)歷了戰(zhàn)后五六十年代的經(jīng)濟(jì)飛速發(fā)展，美國文化被視為潮流象征。世博會上展出的美國肯德基炸雞改變了日本民眾對快餐的傳統(tǒng)印象，推動了快餐文化在日本的發(fā)展。此后，美國快餐文化不僅沖擊