新能源汽车对城市交通碳排放的影响研究

汪 军 张赵琴

华东理工大学艺术设计与传媒学院 上海 201210

1 引言

2020年，习近平主席在第七十五届联合国大会上提出，我国将争取2030年使碳排放量达到峰值，并在2060年实现碳中和，这一目标的提出意味着我国将继续加大力度进行碳减排行动。近十几年以来，我国整体碳排放趋势逐渐趋于平缓，但城市交通依然是碳排量增速最快的领域之一[1]。随着不断提升的城镇化水平和不断增加的机动车数量，城市交通的碳排放逐年增长。但同时，我国各地政府也通过一系列的措施引导交通的低碳发展，发展新能源车就是其中一项重要的措施。以我国经济中心城市上海为例，上海市2013年上海新能源汽车保有量不过千辆，2021年则已经达到近两百万辆，新能源汽车占新增汽车销量的贡献率达到50%以上[2]。

相对于传统燃油汽车来说，新能源在减少碳排放方面优势巨大。在此背景下，本文通过对上海市2030年的道路交通碳排放总量进行不同情景的预测，来说明推广新能源汽车对交通碳减排的作用。同时，通过对各类机动车在2030年减排量的测算，提出未来新能源汽车减排潜力最大的领域，使推广政策更为精准。

2 相关研究现状

国内对于新能源汽车推广与城市交通碳排放的相关研究主要围绕城市交通碳排放核算和新能源汽车的减排贡献两个方面展开。

2016年唐葆君等人在《“十三五”北京市新能源汽车节能减排潜力》中对北京推广的电动出租车、公交车、环卫车和租聘电动车的节能减排效应进行量化分析，结论为上述推广的几类车型具有良好的节能减排效果[3]。2019年郭晨等人在《新能源汽车推广对城市碳排放影响探讨——以太原市为例》中对太原市公共交通电动化前后的尾气排放进行了研究，计算得出出租车、公交车、鲜活农产品运输车、快递车的年均减排量为20.14万吨、15.11万吨、0.11万吨、0.04万吨[4]。2022年康泽军等人在《新能源汽车使用环节碳减排方法学研究》中测算了我国新能源汽车使用环节碳减排辆量，结果表明新能源汽车中纯电动车减排量最大[5]。

2017方晓丽在《城市交通碳排放计算方法比较研究》中对“自上而下法”、“自下而上法”、“总量-结构法”、“基于生命周期的计算法”进行比较分析，结论为“自上而下法”通过能源消耗量对碳排放进行计算，“自下而上法”从能源消费者进行数据统计，“总量结构法”根据影响交通碳排放的不同因素进行计算，“基于生命周期的计算法”从各类交通工具的产生到消亡的整个生命过程进行测算[6]。2022年蒋文韬等人在《道路交通碳排放测算方法研究综述》中将“自上而下法”分为“总量-结构法”和“生命周期法”，文中表明“总量-结构法”适合测算国家级、省级的碳排放，“生命周期法”适合测算交通系统的全生命周期的碳排放；文中将“自下而上法”分为“基于出行距离的方法”、“基于油耗的方法”、“基于车速的方法”、“基于车辆类型的方法”，其中“基于出行距离的方法”是将出行距离乘二氧化碳碳排放因子，“基于油耗的方法”是根据油耗来确定交通碳排放量，“基于车速的方法”是根据平均道路网络速度计算网络总能耗[7]。

3 研究对象与方法

3.1 研究对象与情景设定

在我国提出2030年争取碳达峰的背景下，本文研究上海市2030年道路交通碳排放量的不同情景。研究范围包括私家车、出租车、公交车、普通载货汽车等四类占机动车主要份额的车辆。

本文设定情景一为基准情景（即未推广新能源汽车）的情景；情景二为政策情景（即推广新能源汽车）的情景。对两种情景下上海市四种主要的地面机动车总量进行预测，并根据相应模型进行碳排放总量的核算。

3.2 汽车保有量的模拟

本文主要采用多元线性回归模型对各类地面机动交通总保有量进行预测，根据模型的拟合程度和显著性择优选取优化模型（二次项模型、增长模型、线性模型、S曲线模型），从而得到回归方程的自变量和新能源汽车保有量。其中，多元线性回归模型如下（1）：

其中Q0,Q1t,Q2t,......,Qm是模型的参数，Ut为模型误差项。

本文选择趋势外推法得到优化模型，包含了二次项模型、增长模型、线性模型、S曲线模型，具体如下（2）、（3）、（4）、（5）：

其中，Yt表示模型的因变量，b0,b1,b2表示回归方程系数，t为时间序列。

3.4 交通碳排放核算模型

在交通碳排放核算模型选取上，本文参考“政府间气候变化专门委员会（IPCC）”发布的“自下而上”方法进行计算，根据不同类型车辆保有量、行驶里程、单位里程燃料消耗量以及燃料碳排放系数计算得到碳排放量，其计算公式如下所示（6）：

Emission为城市交通在一定时期内的碳排放总量，单位为kg；i为城市交通消耗的燃料类型，主要有柴油、汽油、天然气等。j为城市交通的车辆类型；Di,j为使用i燃料j类车的全年行驶里程，单位为km；Si,j表示使用i燃料的j类车的单位里程能源消耗量，单位为L/km或kwh/km；Pi表i燃料的燃油密度，单位为L/kg；Gi为i燃料的净热值，单位为TJ/kg；EFi,j为i燃料的碳排放系数，单位为kg/TJ或kg/Kwh。

4 汽车保有量预测

4.1 基准情景

4.1.1 影响因素数据

在不推广新能源汽车的政策背景下，梳理出影响城市交通碳排放的八大类因素：建成区面积（平方公里）、公路里程（万公里）、居民消费水平（元）、燃料类商品价格指数、市区人口数量（万人）、地区生产总值（亿）、公路货运周转量（亿吨公里）、公路货运量（万吨）。由于上海市2014、2015年后新能源汽车数量大幅上升，因此，在基准情境下，选取2004-2013年十年间的数据作为回归分析的自变量，如表1所示。

表1 2004-2013年影响城市交通碳排放的八大类因素（数据来源于国家统计局网站）

同时，选取2004-2013年十年间上海四大类机动车保有量，作为因变量数据，见表2。

表2 2004-2013年上海四大类机动车保有量数据（数据来源于国家统计局网站）

表3 2016-2021年影响城市交通碳排放的八大类因素（数据来源于国家统计局网站）

4.1.2 私家车保有量预测

利用spss软件对各自变量进行逐步线性回归，剔除不相关的自变量后，获得燃料类商品价格指数、市区人口数量、建成区面积三个最显著的因素。以这三个因素进行二次回归，具体结果如下：

对于燃料类商品价格指数的预测，本文采用历年平均值方法，在获取2014-2021的燃料类商品价格指数的基础上，取均值为103.6。

对于市区人口数量的预测，以市区人口数量为因变量，时间序列为自变量，利用spss软件建立二次项模型。回归方程常量为1338.787，一次项系数为15.890，二次项系数为-0.168，将常量和系数代入公式（2）预测2030年市区人口数量为1645.345万人。

对于建成区面积的预测，以建成区面积为因变量，时间序列为自变量，利用spss软件建立增长模型。回归方程常量为6.658，系数为0.029，将常量和系数代入公式（3）预测2030年建成区面积为1666.18平方公里。

最终，将预测的燃料类商品价格指数、市区人口数量、建成区面积以及建立的私家车保有量多元线性回归方程中的系数和常量代入公式（1），预测出上海2030年私家车保有量为454.98万辆。

4.1.3 出租车保有量预测

利用spss软件对各自变量进行逐步线性回归，剔除不相关的自变量后，得到居民消费水平和私家车保有量为显著影响出租车保有量的因素。以居民消费水平为因变量，时间序列为自变量，利用spss软件建立二次项模型，将常量和系数代入公式（2）预测2030年居民消费水平为107428.60元。

私家车保有量以4.1.1节中的计算结果为取值。

将上述多元线性回归方程的常量、系数以及预测的居民消费水平值和私家车保有量代入公式（1），预测上海2030年出租车保有量为5.75万辆。

4.1.4 公交车保有量预测

采用同样的方法，在剔除自相关变量后，保留公路里程和出租车保有量作为显著相关因素。采用二次回归预测公路里程，以公路里程为因变量，时间序列为自变量，利用spss软件建立增长曲线模型，将常量和系数代入公式（3）预测上海市2030年公路里程为3.30万公里。

出租车保有量以4.1.2节中的计算结果为取值。

将多元线性回归方程的常量和系数以及预测的公路里程值、出租车保有量代入公式（1）计算得到上海市2030年公交车保有量为2.1万辆。

4.1.5 载货汽车保有量预测

采用同样的方法，在剔除自相关变量后，保留公路货运周转量和地区生产总值为显著相关因素。利用二次回归模型预测公路货运周转量，以公路货运周转量为因变量，时间序列为自变量，利用spss软件建立增长模型，将常量和系数代入公式（3）预测上海市2030年公路货运周转量为47469.49亿吨公里。

以地区生产总值为因变量，时间序列为自变量，利用spss建立线性模型，将常量和系数代入公式（5）预测上海市2030年地区生产总值为55400.83亿元。

将多元线性回归方程的常量系数和预测的公路货运周转量以及地区生产总值代入公式（1）预测2030年上海市载货汽车保有量为71.76万辆。

4.2 政策情景

4.2.1 影响因素数据

在“推广新能源汽车政策”场景，上海市2030年的机动车总量将由各类型新能源汽车和各类型传统燃油汽车构成。其中，对于各类型传统燃油汽车的模型自变量选取采用4.1节中的方法不变，其中，八项自变量2016-2021年间的数据如下表所示：

随后，对四大类机动车因变量数据进行测算。

在推广新能源汽车政策情境下，新能源汽车的新增数量可根据上海交通委员会公布的2016-2021新能源汽车发放额度计算。同时，根据中国汽车技术研究中心官方上险数可统计出2016-2021年新增的纯电动车占新能源车比例，分别为：40.01%，36.2%，25%，36.3%，55.92%，80%。按比例计算出每年纯电动和插电混合动力式私家车保有量，这样可以估算出因变量中的私家车保有量，详细结果见表4。

表4 因变量中私家车保有量的估算结果

根据上海综合交通年报和上海绿色交通发展年报公布数据可知每年投放的新能源出租车数量，同时，根据上述的新增纯电动车占比可计算出每年纯电动和插电混合动力式出租车保有量，从而测算出因变量中的出租车保有量，详细结果见表5。

表5 因变量中出租车保有量的估算结果

根据上海绿色交通年报和上海交通委以及上海综合交通运行年报公布数据可知2016-2021年每年的新能源公交车保有量，根据每年新增新能源汽车中纯电动车占比可计算出每年纯电动和插电混合动力式公交车保有量，从而测算出因变量中的公交车保有量，详细数据见表6。

表6 因变量中公交车保有量的估算结果

根据上海交通委员会公布的2017-2019新能源专用营运额度可计算出每年上海新能源货车的增量，根据《上海市推进运输结构调整实施方案（2018-2020年）》和上海道路运输管理局公布数据可知2020和2021新增的新能源货车保有量。根据每年新增新能源汽车中纯电动车占比可计算出每年纯电动和插电混合动力式载货汽车保有量，从而测算出因变量中的货车的保有量，详细数据见表7。

表7 因变量中货车保有量的估算结果

4.2.2 私家车总保有量预测

在剔除不相关自变量后，私家车总保有量的显著影响因素为市区人口数量和建成区面积。将预测的市区人口数量、建成区面积以及多元线性回归方程的常量、系数代入公式（1）预测出2030年上海私家车总保有量为475.39万。其中，以纯电动私家车为因变量，时间序列为自变量，利用分析软件建立线性模型，将常量和系数代入公式（4）可预测出2030年上海纯电动私家车保有量为191.98万辆

以插电混合动力式私家车为因变量，时间序列为自变量，利用分析软件建立线性模型，将常量和系数代入公式（4）可预测出2030年上海插电混合动力式私家车保有量为12.407万辆。

4.2.3 出租车总保有量预测

在剔除不相关自变量后，出租车总保有量的显著影响因素为居民消费水平，将预测的居民消费水平值以及多元线性回归方程的常量和系数代入公式（1）可得2030年上海市出租车总保有量为8.61万辆。以纯电动出租车为因变量，时间序列为自变量，利用分析软件建立线性模型，将常量和系数代入公式（4）可预测出2030年上海纯电动出租车保有量为2.19万辆。

以插电混合动力式出租车为因变量，时间序列为自变量，利用分析软件建立线性模型。方程常量为-0.289，系数为0.146，将常量和系数代入公式（4）可预测出2030年上海插电混合动力式出租车保有量为1.90万辆。

4.2.4 公交车总保有量预测

利用分析软件重新建立S曲线模型，将常量和系数代入公式（5）可得2010年公交车总保有量为1.77万辆。以纯电动公交车为因变量，时间序列为自变量，利用分析软件建立S曲线模型，将常量和系数代入公式（5）可预测出2030年上海纯电动公交车保有量为0.69万辆。

以插电混合动力式公交车为因变量，时间序列为自变量，利用分析软件建立S曲线模型，方程常量为-0.057，系数为-1.432，将常量和系数代入公式（5）可预测出2030年上海插电混合动力式公交车保有量为0.86万辆。

4.2.5 载货汽车总保有量预测

利用分析软件重新建立二次项模型，将常量和系数代入公式（2）可得2030年上海载货汽车总保有量为40.51万辆。以纯电动载货汽车为因变量，时间序列为自变量，利用分析软件建立二次项模型，将常量和系数代入公式（3）可预测出2030年上海纯电动载货汽车保有量为4.94万辆。

以插电混合动力式载货汽车为因变量，时间序列为自变量，利用分析软件建立线性项模型，方程常量为-0.232，系数为0.351，将常量和系数代入公式（5）可预测出2030年上海插电混合动力式载货汽车保有量为5.03万辆。

5 上海市2030年道路交通碳排放核算

5.1 参数确定

根据交通碳排放计算公式（6），确定以下各类数据的值，以测算不同情景下上海市交通碳排放的数额。其中汽车保有量为前文所预测数据；年均行驶里程参考《中国节能与新能源汽车发展报告2022》[8]、车兆华（2013）[9]、阿迪拉·阿力木江（2017）[10]的研究成果；单位里程消耗量参考中国节能与新能源汽车发展研究报告《中国节能与新能源汽车发展报告2022》[11]的研究成果；汽油密度根据IPCC公布的数据，出租车和私家车使用汽油以92#为主，密度为0.725kg/L，货车主要使用0#柴油，其密度为0.835kg/L；燃料净热值根据IPCC公布数据，汽油净热值为44.3×10—6TJ/kg，柴油净热值为43×10—6TJ/kg；柴油和汽油的碳排放系数以IPCC指南为准，电力的碳排放系数由生态环境部公布数据获得[12]。

5.2 基准情景下上海2030年交通碳排放计算

将数据代入到公式（1）可以计算得出单辆以汽油为能源的私家车年均碳排放量为3.38吨、单辆以汽油为能源的出租车年均碳排放量为26.70吨、单辆以柴油为能源的公交车年均碳排放量为68.91吨、单辆以柴油为能源的载货汽车年均碳排放量为33.50吨。

根据前文的计算，私家车、出租车、公交车、载货汽车保有量预测值分别为454.98万辆、5.75万辆、2.1万辆、71.76万辆。可得2030年上海私家车碳排放量为1537.83万吨、出租车碳排放量为153.53万吨、公交车碳排放量为144.71万吨、载货汽车碳排放量为2404.00万吨，总碳排放量为4240.07万吨。

5.3 政策情景下上海2030年交通碳排放计算

根据公式（1），可以计算得出单辆纯电动私家车年均碳排放量为1.65×10-3吨、单辆插电式混合动力私家车年均碳排放量为2.11吨、单辆纯电动出租车年均碳排放量为18.00×10-3吨、单辆插电式混合动力出租车年均碳排放量为13.37吨、单辆纯电动公交车年均碳排放量为51.59×10-3吨、单辆插电混合动力式公交车年均碳排放量为22.20吨、单辆纯电动载货汽车年均碳排放量为16.97×10-3吨、单辆插电混合式动力载货汽车年均碳排放量为16.10吨。

各类型汽车保有量预测值见前文，最终可计算出2030年上海交通总碳排放量2019.68万吨，其中各类型车型碳排放详细数据见表8。

表8 政策情景2030年上海交通碳排放量

6 结果与策略

通过计算发现，基准情景下2030年上海交通碳排放总量为4240.07万吨，政策情景下2030年上海交通碳排放量为2019.68万吨，后者比前者共减少交通碳排放量2220.39万吨，碳排放降幅为52.37%，可知持续推广新能源汽车可有效大幅降低交通碳排放量。

而在不同交通类型碳排放分析中发现，私家车在“基准情景”下到2030年碳排放量为1537.83万吨，在“政策情景”下到2030年碳排放量为735.22万吨，同比减少802.61万吨，降低率为52.19%；出租车在“基准情景”下到2030年碳排放量为153.53万吨，在“政策情景”下到2030年碳排放量为146.12万吨，同比减少7.41万吨，减低率为4.82%；公交车在“基准情景”下2030年碳排放量为144.71万吨，在“政策情景”下2030年碳排放量为34.29万吨，同比减少110.42万吨，降低率为76.30%；载货汽车在“基准情景”下2030年碳排放量为2404.00万吨，在“政策情景”下2030年碳排放量为1104.05万吨，同比减少1299.95万吨，降低率为54.07%。可见，碳排放降幅集中在私家车、公家车和货运车三种类型的车辆中，而其中公交车的降幅最大。

而根据以上分析结果，可对上海市未来推广新能源汽车的政策进行更为精准的细分。首先是持续加大对公交车绿色转型的推广，加大新能源汽车在公交车中间的比例，以获得更大比例的减排数额；其次，对载货汽车的绿色转型保持持续的扶持，改变目前新能源汽车在载货车辆中比例过低的问题；第三，对私人汽车的新能源扶持政策可以有序的进行调整，比如目前上海正在实施的补贴退坡政策等。