碳排放情景預測與研究團隊編輯與校對著作權(quán)及免責聲明本報告由綠色和平東亞分部北京辦公室（以下簡稱“綠色和平”）與同濟大學交通學院研究團隊基于公開數(shù)據(jù)分析完成，僅用于政策參考、信息共享和環(huán)保公益目的，不作為公眾及任何報告中的數(shù)據(jù)、模型及結(jié)論可能存在局限性，綠色和平不保證其絕對準確性、完整性或時效性。使用者應(yīng)結(jié)合實際情況獨立判斷，綠色和除標明引用的內(nèi)容以外，本報告內(nèi)所有內(nèi)容（包括文字、數(shù)據(jù)、圖表）的著作權(quán)及其他知識產(chǎn)權(quán)歸綠色和平與同濟大學交通運輸工程學院發(fā)布時間：2025年4月網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策 2.3碳排放因子選取以及能耗排放模型構(gòu)建 2.5有效行駛里程選取 第三章情景預測與建模分析 23 術(shù)語表 3執(zhí)行摘要本研究聚焦上海市出租網(wǎng)約行業(yè)（含巡游出租車與網(wǎng)絡(luò)預約出租車）的能耗與碳排放情景預測，在網(wǎng)約出行行業(yè)綠色低碳轉(zhuǎn)型的背景下，采用多因素系統(tǒng)分析與多情景建模，量化評估車輛電動化、出行替代效應(yīng)、可再生能源發(fā)展及運營效率提升對碳排放的綜合影響，為網(wǎng)約平臺低碳轉(zhuǎn)型與行業(yè)政策制定提供科學依據(jù)。研究基于多任務(wù)學習模型預測2025-2035年上海市居民出行需求，并結(jié)合出行特征相似度（歐氏距同時，研究涵蓋電動化進程、電網(wǎng)排放因子、有效行駛里程占比及平均載荷等關(guān)鍵因素，進一步構(gòu)建碳排放計算模型。主要研究發(fā)現(xiàn)包括：放：相較于全燃油車情景，2025-2035年上海市出租網(wǎng)約車電動化可累計減排1786萬噸碳（相當于2022年全國道路交通碳排放總量的1.9%節(jié)能1158億兆焦（折合標準2.網(wǎng)約出行對其他出行方式的替代影響碳減排效果：2025-2035年，若新增出租網(wǎng)約出和騎行等更為低碳的出行方式可額外減排382萬噸。這凸顯出優(yōu)化出租網(wǎng)約出行方式替代結(jié)構(gòu)對碳減排的關(guān)鍵作用。電動化加速，出租網(wǎng)約行業(yè)需提升有效行駛里程占比和/或平均載客人數(shù)，并進行動態(tài)若平均載荷為1.6人/次，有效里程占比需達80.3%才能確保出租網(wǎng)約相對私家車更具碳減排優(yōu)勢；若平均載荷提升至1.8人/次，有效行駛里程占比需高于71.4%，以使出租網(wǎng)約保持其碳減排優(yōu)勢?；谏鲜龇治?，研究建議網(wǎng)約出行平臺和政策制定者協(xié)同推進車輛電動化，優(yōu)化調(diào)度以減少空駛，引導共乘，并通過差異化定價等方式減少網(wǎng)約出行對低碳交通方式的替代，以促進出租網(wǎng)約行業(yè)與城市交通系統(tǒng)的低碳發(fā)展。2第一章研究背景1.1網(wǎng)約車行業(yè)發(fā)展現(xiàn)狀一。根據(jù)國際能源署的數(shù)據(jù)，交通運輸領(lǐng)域的碳排放量約占全球碳排放總量的23%1。在中國，2022年交通運輸領(lǐng)域碳排放量占比約是最大的碳排放源。2019年數(shù)據(jù)顯示，公路運輸占中國交通領(lǐng)域碳排放總量的86.76%（如圖1并且隨著道路交通需求的增加，其排放量呈現(xiàn)持續(xù)增長的態(tài)勢3。因此，道路交通的綠色轉(zhuǎn)型不僅具有巨大的節(jié)能減碳潛力，而且影響廣泛，是實現(xiàn)碳減排目標的主要途徑之一。道路交通系統(tǒng)中，以巡游出租車和網(wǎng)絡(luò)預約出交通運輸體系的重要組成部分，直接影響城市整體行業(yè)發(fā)展統(tǒng)計公報》，2023年末全國有巡游出租車規(guī)模達5.03億人，占網(wǎng)民整體的45.7%5。預計到2030年，中國出行服務(wù)市場規(guī)模將達到550億美元（約合人民幣3960億元網(wǎng)約車市場規(guī)模有望突破370億美元，占整個亞洲市場的16%6。隨著移動互聯(lián)網(wǎng)和在線支付技術(shù)的廣泛應(yīng)用，通過應(yīng)用程序（App）將出行需求與運營車輛進行網(wǎng)絡(luò)匹配的運營模式已成為主流。以上海市為例，2019年通過打車軟件平臺形成的訂單占巡游出租車和網(wǎng)約車總市場的71.5%7。與此同時，以乘用車為服務(wù)載體的網(wǎng)約車運營加劇了城市交通擁堵和城市空氣質(zhì)量污染，這也一此，在綠色低碳交通成為交通行業(yè)發(fā)展重要趨勢以及網(wǎng)約車行業(yè)快速發(fā)展的大背景下，網(wǎng)約車平臺作為私人定制出行模式的管理者和主要責任方，有能力和義務(wù)引導網(wǎng)約車出行系統(tǒng)朝著更加綠色低碳的方向發(fā)展。與此同時，各級政府作為網(wǎng)約車行業(yè)發(fā)展和監(jiān)管政策的制定者，需要依據(jù)行業(yè)發(fā)展態(tài)勢的變化及時、科學地調(diào)整政策取向，發(fā)揮出租網(wǎng)約出行方式的環(huán)境效益，減少其負面環(huán)境影響。4網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策5為了囊括更廣泛的因素從而更全面地評估出租網(wǎng)約出行方式的氣候影響，本研究對未來出租網(wǎng)約出行服務(wù)需求的變遷、出租網(wǎng)約出行對其他出行方低空駛里程、增加共乘人數(shù)等措施是網(wǎng)約車平臺常式的替代、出租網(wǎng)約車電動化進程、可再生能源的發(fā)用的減碳策略，但現(xiàn)有研究存在不足。一方面，研究展、出租網(wǎng)約運營效率（含有效里程比例和平均載荷多側(cè)重于單一措施的影響，未從系統(tǒng)化、整體化的兩個細分因素）這五個因素進行了綜合考慮。研究通角度考慮網(wǎng)約車平臺的減排決策。另一方面，網(wǎng)約車過對不同情景下上海市出租網(wǎng)約行業(yè)碳排放量的預行業(yè)未來增長趨勢、對傳統(tǒng)出行方式的替代效應(yīng)、測，呈現(xiàn)出在電動化推動行業(yè)碳減排的大趨勢下，精新能源車推廣等因素對碳排放的具體影響，尚未得細化引導出租網(wǎng)約行業(yè)和其他出行方式的協(xié)同配合以及提高出租網(wǎng)約行業(yè)運營效率，對該行業(yè)的能耗更為全面、深入的理論分析和量化推演，對推動網(wǎng)和碳排放強度將產(chǎn)生怎樣的影響，為網(wǎng)約出行平臺約車行業(yè)的綠色轉(zhuǎn)型和實現(xiàn)社會可持續(xù)發(fā)展具有重低碳發(fā)展的策略選擇提供參考，也為行業(yè)政策制定要意義。者提供系統(tǒng)性的視角。與方法網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策7本報告選擇上海市作為研究區(qū)域，主要基于該市在網(wǎng)約車電動化方面的先行實踐和顯著成效。上海市在推動出租網(wǎng)約車電動化的政策和實施方面相對成熟9，其網(wǎng)約車電動化已處于較高水平。因此，選擇上海市作為案例，可以更深入地分析高電動化比例條件下其他減排措施的作用，并提出具體的減排目標和策略。報告旨在預測和分析網(wǎng)約車行業(yè)未來的出行需求與碳排放情況，特別是通過多情景分析法為行業(yè)的低碳轉(zhuǎn)型提供實證數(shù)據(jù)支持。研究涵蓋車輛電動化、有效里程占比以及可再生能源的發(fā)展和利用等行業(yè)的碳排放進行了詳細的量化推演。具體研究思路如圖2所示，報告以上海市為例，首先進行出租網(wǎng)約行業(yè)的出行需求預測。利用多任務(wù)模型結(jié)合現(xiàn)有統(tǒng)計數(shù)據(jù)，明確了出租網(wǎng)約出行的市場占比，并分析了新增的網(wǎng)約車出行量是如何從于不同轉(zhuǎn)化情景詳細計算了出租網(wǎng)約車行駛里程，從而估算了城市道路交通系統(tǒng)在各種情景下的能耗及碳排放。私家車具有碳減排優(yōu)勢，但隨著私家車電動化進程的加速，此優(yōu)勢可能逐漸減弱。在這種情況下，若網(wǎng)約車平臺未能有效地降低空駛率和增加共乘人次，即使在電動化方面維持一定的優(yōu)勢，也難以持續(xù)保持出租網(wǎng)約出行相較于私家車出行在碳減排方面的領(lǐng)先地位。因此，為了維持電動化帶來的減碳優(yōu)勢，網(wǎng)約車平臺需要通過優(yōu)化運營策略來加強碳減排效果。最后，本研究基于以上分析為網(wǎng)約車平臺提出了具體的決策建議組合。這些建議有助于為網(wǎng)約車平臺優(yōu)化運營策略提供支持，實現(xiàn)資源的更高效利用和更低的環(huán)境影響。碳強度強度計算&碳排放計放計算8............2.1出行服務(wù)需求預測樣后的數(shù)據(jù)在人口和出行分布上近似于上海市的整體社會屬性和出行特征。此外，盡管嘉定區(qū)位于上海出行服務(wù)需求受多種因素影響，其中一些關(guān)鍵的城郊，但其多元的社區(qū)結(jié)構(gòu)使其成為數(shù)據(jù)擴樣的理想選擇。嘉定新城區(qū)的居民生活方式與市區(qū)居民相似，而安亭鎮(zhèn)的居民則與閔行、松江、青浦及浦東行需求具有顯著影響10。Newman和Kenworthy在外圍的居民有著類似的生活模式。以上特征都為研研究全球城市的出行和能源消耗時發(fā)現(xiàn)，城市人口密度與出行方式選擇緊密相關(guān)，居住在高密度地區(qū)的究提供了擴樣基礎(chǔ)。在數(shù)據(jù)擴樣中，本研究主要選擇以下變量：家庭究發(fā)現(xiàn)，私家車的擁有狀況顯著影響居民的出行方總?cè)藬?shù)和家庭人口年齡結(jié)構(gòu)用于預測上海市未來的式選擇，擁有私家車的居民更傾向于選擇駕車出行，總?cè)丝诩凹彝ト丝谀挲g結(jié)構(gòu)；輕型車保有量作為影而無車家庭則更依賴公共交通或其他出行方式12。響出行服務(wù)需求的關(guān)鍵因素，被納入預測模型中作為自變量（輸入變量市民日均出行總量和輕型乘基于上述研究成果，本研究采用以下方法預測未用車年平均行駛里程被用于出行數(shù)據(jù)擴樣，作為出行來的上海市居民的出行需求：如圖3所示，本研究選取2021年上海市嘉定區(qū)居民出行及家庭特征調(diào)查數(shù)據(jù)進行擴樣處理。嘉定區(qū)的數(shù)據(jù)涵蓋家庭、個人、車在完成數(shù)據(jù)擴樣后，本研究進一步利用輛及出行等細顆粒度信息，為了更好地代表全上海SOCSIM仿真軟件進行人口微觀仿真，用于模擬上市的情況，研究結(jié)合全市的出行距離和人口分布等海市家庭人口年齡結(jié)構(gòu)的演變情況。在獲得年齡結(jié)整體信息，對嘉定區(qū)居民數(shù)據(jù)設(shè)置不同權(quán)重，并在特構(gòu)推演結(jié)果后，使用有序Logit模型預測家庭小汽車征分布約束下進行對齊擴樣。這一處理方法使得擴保有量和家庭收入等家庭特征變量數(shù)據(jù)。0網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策90家庭年收入（萬元）家庭人均輕型車數(shù)量（輛）行需求。如圖4所示，這種方法考慮了出行方式、出行次數(shù)和出行距離三者之間的相關(guān)性，并且將三個出的全連接神經(jīng)網(wǎng)絡(luò)（Multi-LayerPerception，針對每個預測任務(wù)提供結(jié)果，而共享層則用于學習不同預測任務(wù)之間的通用特征，從而揭示它們的內(nèi)在聯(lián)系。頻次和距離。本研究后續(xù)能耗和碳排放計算主要針對出租網(wǎng)約出行方式，2025-2035年未考慮對其他出行方式進行取代情景下的出租網(wǎng)約和私家車出行私家車出租網(wǎng)約10第二章研究內(nèi)容與方法公共交通{小客車}慢行交通上文使用了2021年上海市嘉定區(qū)居民出行及家庭特征調(diào)查的數(shù)據(jù)，并通過擴樣處理和多任務(wù)學習模型預測了上海市的出行方式數(shù)據(jù)?？紤]到出租網(wǎng)約出行是新興的出行方式，其獲得當前的市場份額必然伴隨著對其他出行方式的取代，為深入了解出租網(wǎng)約出行相對的環(huán)境效益，研究聚焦出租網(wǎng)約出行方式對其他方式的替代所引發(fā)的能耗和碳排放量的變化。研究者選取了出租網(wǎng)約出行發(fā)展狀況一高測結(jié)果作為保守情景，涵蓋了上海市2025年至2035比、出租網(wǎng)約出行總里程數(shù)等。同時，研究還參考了《2021年上海交通運行監(jiān)測年度報告》中關(guān)于全市出行方式分布的數(shù)據(jù)。該報告的統(tǒng)計和計算方式和多任務(wù)學習模型不同，而據(jù)該報告估算，2021年上海市出租車（含網(wǎng)約車）出行方式占比為5.2%（圖6高于多任務(wù)學習模型預測的占比。獲得兩種情景后，研究利用二者間出租網(wǎng)約出行的占比差值，來計算出租網(wǎng)約出行在替代其他出行方式的過程中帶來的能耗和碳排放量的變化，并且按照兩種不同的替代邏輯，分別探討出租網(wǎng)約對其他出行方式的替代所帶來的環(huán)境影響，具體分析見下文。2.2多情景訂單里程預測區(qū)調(diào)查數(shù)據(jù)中的非出租網(wǎng)約出行與出租網(wǎng)約出行特征差異進行了量化分析（歐式距離計算以評估兩者間的相似度（即轉(zhuǎn)化潛力）。研究分析了超出多任務(wù)學習模型預測結(jié)果的出租網(wǎng)約出行來源，以及出租網(wǎng)約發(fā)展最可能替代的原有交通模式，從而確定出租網(wǎng)約出行里程數(shù)據(jù)，以進一步預測未來一段時間里公眾出行模式的變遷導致的碳排放變化?；诔鲂邢嗨贫缺容^的量化結(jié)果，本研究分為兩種情景進行后續(xù)討論：一種是出租網(wǎng)約出行只取網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策11求結(jié)構(gòu)和環(huán)境的影響。綜合上述信息，研究計算出了不同替代情景下的歐氏距離平均值最低，說明其與出租網(wǎng)約出行的國某頭部網(wǎng)約車平臺發(fā)布的報告顯示，截至2022年新增的出租網(wǎng)約出行量僅替代私家車出行，旨在探年下半年，該平臺純電動網(wǎng)約車的月運營里程占比平，也顯著超過歐美市場13。這一數(shù)據(jù)表明網(wǎng)約車目前因電動化比例更高，與私家車相比展現(xiàn)更強的環(huán)保特性和碳減排優(yōu)勢，在推動城市交通低碳轉(zhuǎn)型方面起到一定積極作用。因此，本研究充分考慮未來私家車的電動化進程，以私家車出行為對照組，考察出租網(wǎng)約出行是否仍保持碳減排優(yōu)勢，相關(guān)私家車的年里程數(shù)據(jù)展示于圖9。0其他公交/地鐵步行非機動車私家車12第二章研究內(nèi)容與方法只取代私家車按出行相似度取代2325只取代私家車按出行相似度取代網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策132.3碳排放因子選取以及能耗排放模型在獲取了多情景下的出租網(wǎng)約車及私家車年度行駛里程后，本研究進一步獲取了不同驅(qū)動類型車輛的碳排放因子和能耗數(shù)據(jù)，以用于計算不同需求情景下的碳排放量。能耗數(shù)據(jù)來源見表1。碳排放因子的獲取分為兩部分：尾氣排放的實測數(shù)據(jù)和上游能源供應(yīng)的碳排放因子。針對后者，本研究設(shè)置了高電網(wǎng)和低電網(wǎng)排放因子兩種情景，以評估2025至2035年上海市電網(wǎng)碳排放因子的變化區(qū)間。研究選擇這兩種情景下13000次模擬優(yōu)化的中位數(shù)作為未來電網(wǎng)排放因子，相關(guān)數(shù)據(jù)展示于圖1015。其他年份的數(shù)據(jù)通過線性插值法得到，并收因子整合結(jié)果如圖11所示。上海市新能源汽車公共數(shù)據(jù)采集與監(jiān)測研究中心美國阿貢實驗室GREET模型高電網(wǎng)碳排放因子兩種情景模擬優(yōu)化后的中位數(shù)低電網(wǎng)碳排放因子014第二章研究內(nèi)容與方法50尾氣排放上游能源供應(yīng)排放2.4電動化比例預測為準確計算2025至2035年間出租網(wǎng)約車的碳排放強度及排放量數(shù)據(jù)，需預測2025-2035年出租網(wǎng)約車中各驅(qū)動類型的車輛里程占比以及私家車各驅(qū)動類型的保有量占比。截至2023年11月，滴滴平新能源汽車國家大數(shù)據(jù)聯(lián)盟（NationalBigData里程占比86.45%，插電式混合動力汽車（PassengerCarAssociation,CPCA）2023年3月的數(shù)據(jù)顯示，2022年和2023年第一季度，新能源車在上海出租網(wǎng)約新車中的占比分別為89%和91%18。結(jié)合工信部指導、中國汽車工程學會組織編制的《節(jié)能與新能源汽車技術(shù)路線圖2.0》提出的2035年傳統(tǒng)能源乘用車全面混動化的目標19，以及傳統(tǒng)燃油車平均壽命和報廢曲線，可以預測出2025-2035年出租網(wǎng)約按照電動化發(fā)展水平可以達到的電動化目標。預測結(jié)果顯示，出租網(wǎng)約車的電動化水平未來將持的里程占比將下降至10.01%（混合動力汽車[HEV]0網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策15研究表明，新能源汽車的購買意愿受到消費者基于2025至2035年上海市預測的家庭人口年齡結(jié)來私家車中各驅(qū)動類型的保有量占比，預測結(jié)果如圖13所示。2.5有效行駛里程選取為了后續(xù)計算出租網(wǎng)約的碳排放數(shù)據(jù)，還需要確定出租網(wǎng)約平臺的有效行駛里程占比。參考上海市道路運輸中心的相關(guān)數(shù)據(jù)以及國外相關(guān)研究，同時考慮到國內(nèi)外出租網(wǎng)約平臺在運營效率方面可能存在差異，本研究假定出租網(wǎng)約平臺的平均有效行駛里程0情景預測網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策17在第三章中，通過計算并對比2025至2035年出租網(wǎng)約與私家車出行方式的碳排放數(shù)據(jù)，本研究明確了減少出租網(wǎng)約出行替代公交和地鐵等低碳出行方式的重要性。這一策略能有效保持甚至提升出租過比較電動化和全燃油車場景下的碳排放差異，本了運營效率如何影響出租網(wǎng)約車的碳減排優(yōu)勢。這些分析將幫助網(wǎng)約車平臺更深入理解各種因素對碳排放的綜合影響。3.1車輛電動化碳減排量基于第二章已經(jīng)獲得的碳排放因子和各驅(qū)動類型車的占比，研究用公式1計算私家車和出租網(wǎng)約各自的碳排放強度。PCO,t,i=Σj4=1PCO,t,i,j×能源車型（ICEV、HEV、PHEV和BEVPCO2,t,i,j表示t年出行方式i中能源車型j的碳排放，單位：CO2(kg/hkm)；αt,i,j表示t年出行方式i中能源車型j的占比。同時，結(jié)合多場景訂單里程的預測結(jié)果、有效行駛里程的設(shè)置以及公式1計算的碳排放強度，出租車和出租網(wǎng)約在不同需求情景下的碳排放量可以由公式2計算得出。（公式2）其中，Ct表示第t年出租網(wǎng)約和私家車出行整體碳排放，單位：CO2(kg/hkm)；St,i表示t年出行方式的有效行駛里程占比，其中η1表示出租網(wǎng)約的有效行駛里程占比，根據(jù)上文計算所得η1取0.8，η2表示私家車出行的有效行駛里程，η2取1。2035年間出租網(wǎng)約和私家車的整體碳排放呈現(xiàn)逐進程和電網(wǎng)碳排放因子下降，有效抵消了出行量增0只取代私家車按相似度取代18第三章情景預測與建模分析長對城市道路交通系統(tǒng)碳排放帶來的消極影響。值提高空間，本研究設(shè)置了一個出租網(wǎng)約車完全由燃得注意的是，對比“按出行相似度取代”和“僅取代油車構(gòu)成的虛擬情景，將此情景與同時滿足有效行駛里程占比為80%和實現(xiàn)預測的電動化水平目標的情景進行對比，檢驗車輛電動化所避免的減排量。排放382萬噸。由此可見，減少出租網(wǎng)約對公交、地鐵等碳排更低出行方式的替代作用，將顯著增強電的情景，在2025至2035年間，持續(xù)推動出租網(wǎng)約車動化水平提升帶來的碳減排效果，使出租網(wǎng)約行業(yè)的發(fā)展為城市道路交通系統(tǒng)的綠色低碳轉(zhuǎn)型做出更2022年中國道路交通碳排放總量的1.9%；同時避免措施，減少其對公交出行等碳排較低出行方式的替對于車輛電動化水平較低的國家和地區(qū)，出租網(wǎng)約車電動化是一項效果相當顯著的節(jié)能減碳舉措。同時，疊和不重疊的區(qū)域采取不同的計費標準。持續(xù)推動出租網(wǎng)約行業(yè)電動化具有重要意義。3.2出租網(wǎng)約車全燃油情景與電動化情景對比分析盡管部分國家和地區(qū)已成功實現(xiàn)了出租網(wǎng)約車的大規(guī)模電動化，但仍有其他市場面臨政策支持不國際清潔交通委員會研究顯示，在全球十大輕促進網(wǎng)約車電動化進程的具體舉措（如表2所示此，考慮到仍有國家和地區(qū)的車輛電動化水平存在希望為電動化水平較低的國家和地區(qū)提供借鑒。全燃油車實現(xiàn)電動化目標碳排放減少比例節(jié)能比例886網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策19網(wǎng)約車平臺在電動化進程中可以發(fā)揮關(guān)鍵作用，平臺采取了直接補貼、租賃優(yōu)惠、優(yōu)先派單電車、充電基礎(chǔ)設(shè)施支持等措施，這不僅降低了司機購車和運營的經(jīng)濟成本，還為行業(yè)電動化減碳提供了實際可行的路徑。然而，各國家和地區(qū)面臨的現(xiàn)實條件不同，單一舉措往往難以奏效。因此，平臺需要結(jié)合當?shù)厥锌屏_拉多大學博爾德分校、美國加利福尼亞20第三章情景預測與建模分析3.3出租網(wǎng)約運營效率對電動化帶來的減排優(yōu)勢的影響的電動化水平更高，相比私家車出行，出租網(wǎng)約出行的碳排放無疑更低。但在現(xiàn)實中，空駛里程的存在可能削弱出租網(wǎng)約電動化水平領(lǐng)先帶來的節(jié)能減排效益。因此將出租網(wǎng)約的運營效率（有效行駛里程占比和平均載荷）同步納入考量具有重要意義。在進一步的研究中，研究量化分析了出租網(wǎng)約車的運營效率（包括有效行駛里程占比和平均載荷）的影響，探討隨著出租網(wǎng)約和私家車電動化水平的變化，出租網(wǎng)約車的有效行駛里程占比和平均載荷的組合至少應(yīng)達到怎樣的水平，才能確保其在城市道路交通系統(tǒng)中的碳減排效益相較于私家車更為顯著。3.3.1有效行駛里程占比將出租網(wǎng)約與私家車出行單公里碳排放作比，即可得到維持出租網(wǎng)約碳減排優(yōu)勢的最小有效行駛載荷相同時（1.5人/次2025~2034年，出租網(wǎng)約若要維持電動化帶來的碳減排優(yōu)勢，則需要逐年提高最低有效行駛里程占比：由2025年的70.1%提高到2034年的85.6%。2034年之后，隨著私家車電動化進程的放緩，維持出租網(wǎng)約碳減排優(yōu)勢的最小有效行駛里程占比略微下降，但基本進入平臺期。當出租網(wǎng)約車的有效行駛里程占比始終為80%時，私家車單位有效行駛里程碳排放強度將在2030年后低于網(wǎng)約出租車；當有效行駛里程占比始終大于等于85.6%時，出租網(wǎng)約則可維持其碳減排優(yōu)勢有效行駛里程占比%有效行駛里程占比%網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策21987一私家車出租網(wǎng)約（有效行使里程占比80%）一出租網(wǎng)約（有效行使里程占比85.6%）能源轉(zhuǎn)型方面發(fā)展迅速，但空駛里程的額外碳排放的運營效率有助于保持其相對低碳的屬性。鑒于中國網(wǎng)約車行業(yè)經(jīng)歷了迅猛的增長，當前市場已趨于飽和22，競爭激烈，因此實現(xiàn)85.6%有效行駛里程占比面臨諸多挑戰(zhàn)。為了更好地討論維持出租網(wǎng)約出行碳減排優(yōu)勢的運營效率條件，本文進一步探討了共乘人數(shù)與有效行駛里程占比的協(xié)同作用，旨在為平臺制定減排策略組合提供依據(jù)。海市小客車（包括輕型乘用車）平均每次出行載客人數(shù)約為1.5人23。本文以此數(shù)據(jù)作為私家車的平均載荷基準。在此基礎(chǔ)上，通過綜合分析有效行駛里2025、2030以及2035年出租網(wǎng)約車與私家車的單公里碳排放強度。圖18展示了出租網(wǎng)約車的減碳表現(xiàn)優(yōu)于或等同于私家車需要實現(xiàn)怎樣的參數(shù)組合。如圖18-a所示，以2025年為例，圖中綠色區(qū)域的有效乘坐人數(shù)與有效行駛里程占比組合將使出租網(wǎng)約的單公里碳排放強度低于私家車；相反，橙色區(qū)域的組合將使出租網(wǎng)約的單公里碳排放高于私家車。圖18-b顯示了從2025年至2035年間，為確保出租網(wǎng)約車的碳排放強度持續(xù)低于私家車，需要逐年需求增加的原因在于私家車的電動化水平預期將持續(xù)提升，對出租網(wǎng)約車維持其碳減排優(yōu)勢提出了更高的要求。因此，在有效乘坐人數(shù)保持不變的情況22第三章情景預測與建模分析低于私家車高于私家車.%下，提升出租網(wǎng)約車的有效行駛里程占比成為保持保持不變，增加平均乘坐人數(shù)也是實現(xiàn)同樣目標的關(guān)鍵措施。特別是到了2035年，若出租網(wǎng)約車的平均載荷達到1.6人/次，其最低有效行駛里程占比需要達到80.3%才能保證碳排放強度低于私家車。如果平均載荷提升至1.8人/次，則所需的有效行駛里程占比2035年預測線右側(cè)綠色區(qū)域內(nèi)的策略組合均能確保出租網(wǎng)約車保持碳減排優(yōu)勢。而考慮到出租網(wǎng)約市場日趨飽和的現(xiàn)狀，提高包括有效行駛里程占比和載荷為代表的運營效率參數(shù)，對于網(wǎng)約車平臺維持健康運營狀況和碳減排優(yōu)勢均有意義。第四章總結(jié)與建議4.1在電動化水平較低的國家和地區(qū)，不斷推進出租網(wǎng)約電動化能夠在較短的時間內(nèi)帶來相當可觀的節(jié)能減排效果。根據(jù)數(shù)據(jù)分析，相比較于出租網(wǎng)約全由燃油車運約車的電動化轉(zhuǎn)型預計能夠避免總共1786萬噸的碳排放，這大約占到2022年中國全國道路交通碳排放總量的1.9%。同時，這一轉(zhuǎn)型還將避免大約1158億兆焦的能耗，相當于節(jié)約了約395萬噸標準煤。這說明在電動化基礎(chǔ)薄弱的區(qū)域，持續(xù)推動出租網(wǎng)約電動4.2政策制定者和平臺企業(yè)應(yīng)共同采取措施，減少網(wǎng)約出行對更低碳的出行方式的替代。交通運輸政策制定者和出租網(wǎng)約平臺應(yīng)當共同制定策略，以減少出租網(wǎng)約出行對更低碳的出行方式的替代。例如平臺企業(yè)可以調(diào)整計費規(guī)則，對與公共交通走廊重疊和不重疊的區(qū)域采取不同的計費標準，以減少出租網(wǎng)約車對公共交通的替代。以上海市為家車而非公交等低碳出行方式，預計可以額外減少碳排放382萬噸。采取措施引導出租網(wǎng)約出行更多地替代私家車出行，不僅有助于優(yōu)化城市交通結(jié)構(gòu)，還能提高整體的碳減排效果。車可以通過優(yōu)化調(diào)度系統(tǒng)等方式提研究表明，在出租網(wǎng)約車電動化水平已經(jīng)較高的情況下，有效行駛里程占比和有效乘坐人數(shù)成為決定其對城市道路交通系統(tǒng)碳減排效果的關(guān)鍵因素。隨著私家車電動化水平的提升，出租網(wǎng)約出行方式如要保持其碳減排優(yōu)勢，必須減少空駛里程和/或提高共乘人數(shù)。例如，當出租網(wǎng)約與私家車平均載荷相同時（1.5人/次2025年要使出租網(wǎng)約車的單位有效行駛里程碳排放強度低于私家車，其有效行駛里程占比85.5%。而提升出行的平均共乘人數(shù)，可以進一步降低維持碳減排優(yōu)勢所需的最小有效行駛里程占比。以2035年有效行駛里程為80.3%即可維持其碳減排優(yōu)勢。具體而言，將有效行駛里程占比和平均共乘人數(shù)測期內(nèi)相較私家車都更具碳減排優(yōu)勢。此外，出租網(wǎng)約平臺可以將上述減排舉措進行有機組合（如圖19所示更加合理地實行碳減排措施，從而使出租網(wǎng)約平臺在未來行業(yè)的碳減排工作中更好地發(fā)揮聚焦統(tǒng)籌作用，為城市道路交通系統(tǒng)的綠色低碳轉(zhuǎn)型做出更大貢獻。24網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策254.4研究局限性和完善方向首先，本研究的分析主要基于上海地區(qū)的數(shù)據(jù)，這在一定程度上限制了研究結(jié)論的普適性。未來的研究可以考慮擴展到全國以及其他地區(qū)，通過多地區(qū)的數(shù)據(jù)比較，分析不同城市和區(qū)域的出行服務(wù)需求和電動化進程，為不同地區(qū)的政策制定提供更具針對性的建議和指導。其次，本研究將巡游出租車和網(wǎng)約車視為統(tǒng)一的研究對象，未進行區(qū)分，未來研究可以更明確區(qū)分二者的市場占比，從而獲取更加詳盡的預測數(shù)據(jù)。再者，關(guān)于出租網(wǎng)約未來需求預測部分，本研究重點分析了家庭、人口和經(jīng)濟特征對出行服務(wù)需求的影響。然而，政策變化、服務(wù)價格以及社會文化因素等其他潛在影響因素并未納入分析范圍。未來的研究可以通過引入這些變量，構(gòu)建更為全面的需求預測模型，這將有助于企業(yè)、政策制定者在動態(tài)市場環(huán)境中做出更加精準的決策。最后，在出租網(wǎng)約車節(jié)能減碳策略方面，本研究探討了不同策略的有機組合，但對于不同經(jīng)濟補貼措施的具體成本和效益分析仍顯不足，后續(xù)研究可以根據(jù)不同國家和地區(qū)深入評估補貼政策的實際效果，從而量化其在推動出租網(wǎng)約低碳轉(zhuǎn)網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策27282025-2035年各驅(qū)動類型車碳排放因子網(wǎng)約出行能耗和碳排放情景預測與平臺綠色發(fā)展決策29出租網(wǎng)約車單公里碳排放強度等于私家車時的運營效率組合3012345678巡游出租車有效行駛里程動汽車和燃料電池汽車等。車經(jīng)營服務(wù)被定義為以互聯(lián)網(wǎng)技術(shù)為依托構(gòu)建服務(wù)平臺，整合拼車等各種形式。本研究指快速增長的出租網(wǎng)約出行按照出行特征相似度一次訂單除司機外所載的平均乘客人數(shù)。歐式距離又稱歐幾里得度量，是一個通常采用的距離定義，它311.IntergovernmentalPanelonClimateChange(I