11網(wǎng)約出行能耗和與網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策 行摘要 1第一章研究景 3網(wǎng)車(chē)業(yè)發(fā)展現(xiàn)狀 4研的 5二章研究?jī)?nèi)容方法 6出服務(wù)需求預(yù)測(cè) 8多情景里程預(yù)測(cè) 10碳排放因子選以及能耗排放模構(gòu)建 13電動(dòng)例預(yù)測(cè) 有效行駛里程選取 15三章情景預(yù)測(cè)建模分析 16車(chē)電動(dòng)化碳減排量 出租網(wǎng)全燃油情電動(dòng)化情景析 1820第四章總結(jié)建議 23附錄 26術(shù)語(yǔ)表 30注釋 31網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策1執(zhí)行摘要網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策1執(zhí)行摘要執(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(chē)與網(wǎng)絡(luò)預(yù)約出租車(chē)網(wǎng)約出行行業(yè)綠色低碳轉(zhuǎn)型的背景下，采用多因素替代效應(yīng)、可再生能源發(fā)展及運(yùn)營(yíng)效率提升對(duì)碳排放的綜合影響，為網(wǎng)約平臺(tái)低碳轉(zhuǎn)型與行業(yè)政策制定提供科學(xué)依據(jù)。研究基于多任務(wù)學(xué)習(xí)模型預(yù)測(cè)20252035年上（歐氏距離駛里程占比及平均載荷等關(guān)鍵因素，進(jìn)一步構(gòu)建碳車(chē)輛電動(dòng)化顯著降低出租網(wǎng)約行業(yè)碳排相較于全燃油車(chē)情景，2025-2035年上海市出租網(wǎng)約車(chē)電動(dòng)化可累計(jì)減排1786萬(wàn)（相當(dāng)于2022年全國(guó)道路交通碳排放總量的1.9%1158（折合標(biāo)準(zhǔn)煤395萬(wàn)噸。

網(wǎng)約出行對(duì)其他出行方式的替代影響碳減排效果：2025-2035行主要替代私家車(chē)（和騎行等更為低碳的出行方式排382萬(wàn)噸。這凸顯出優(yōu)化出租網(wǎng)約出行方式替代結(jié)構(gòu)對(duì)碳減排的關(guān)鍵作用。運(yùn)營(yíng)效率決定長(zhǎng)期減排優(yōu)勢(shì)：隨著私家車(chē)?yán)锍陶急群?或平均載客人數(shù)，并進(jìn)行動(dòng)態(tài)2035年，若平均載荷為1.6人/次，有效里程占比需達(dá)803%才能確保出租網(wǎng)約相對(duì)私家車(chē)更具碳減排優(yōu)勢(shì)；若平均載荷提升至1.8人/次，有效行駛里程占比需高于%，以使出租網(wǎng)約保持其碳減排優(yōu)勢(shì)?；谏鲜龇治觯芯拷ㄗh網(wǎng)約出行平臺(tái)和政策制定者協(xié)同推進(jìn)車(chē)輛電動(dòng)化，優(yōu)化調(diào)度以減少空駛，引導(dǎo)共乘，并通過(guò)差異化定價(jià)等方式減少網(wǎng)約出行對(duì)低碳交通方式的替代，以促進(jìn)出租網(wǎng)約行業(yè)與城市交通系統(tǒng)的低碳發(fā)展。推促出行網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策3網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策3第一章研究背景第一章研究背景網(wǎng)約車(chē)行業(yè)發(fā)展現(xiàn)狀交通運(yùn)輸是全球二氧化碳排放的主要來(lái)源之一。根據(jù)國(guó)際能源署的數(shù)據(jù)，交通運(yùn)輸領(lǐng)域的碳排放量約占全球碳排放總量的23%1。在中國(guó)，2022年交通運(yùn)輸領(lǐng)域碳排放量占比約為12%2含社會(huì)車(chē)輛和營(yíng)運(yùn)車(chē)輛）是最大的碳排放源。2019年數(shù)據(jù)顯示，公路運(yùn)輸占中國(guó)交通領(lǐng)域碳排放總量的如圖1隨著道路交通需求的增加，其排放量呈現(xiàn)持續(xù)增長(zhǎng)的態(tài)勢(shì)3。因此，道路交通的綠色轉(zhuǎn)型不僅具有巨大的主要途徑之一。道路交通系統(tǒng)中，以巡游出租車(chē)和網(wǎng)絡(luò)預(yù)約出（以下簡(jiǎn)稱(chēng)網(wǎng)約車(chē)為代表的服務(wù)是城市道路交通運(yùn)輸體系的重要組成部分，直接影響城市整體運(yùn)行效率和市民出行體驗(yàn)。據(jù)《2023年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》，2023年末全國(guó)有巡游出租車(chē)136.74萬(wàn)輛454次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)2024年6月，我國(guó)網(wǎng)約車(chē)用戶

規(guī)模達(dá)5.03億人，占網(wǎng)民整體的45.7%5。預(yù)計(jì)到2030年，中國(guó)出行服務(wù)市場(chǎng)規(guī)模將達(dá)到550億美元（約合人民幣3960，網(wǎng)約車(chē)市場(chǎng)規(guī)模有望突破370億美元，占整個(gè)亞洲市場(chǎng)的166互聯(lián)網(wǎng)和在線支付技術(shù)的廣泛應(yīng)用，通過(guò)應(yīng)用程序（App）將出行需求與運(yùn)營(yíng)車(chē)輛進(jìn)行網(wǎng)絡(luò)匹配的運(yùn)營(yíng)模式已成為主流。以上海市為例，2019年通過(guò)打車(chē)軟件平臺(tái)形成的訂單占巡游出租車(chē)和網(wǎng)約車(chē)總市場(chǎng)的71.5%7。與此同時(shí)，以乘用車(chē)為服務(wù)載體的網(wǎng)約車(chē)運(yùn)營(yíng)加劇了城市交通擁堵和城市空氣質(zhì)量污染，這也一定程度上影響了各地網(wǎng)約車(chē)監(jiān)管政策的取向8此，在綠色低碳交通成為交通行業(yè)發(fā)展重要趨勢(shì)以及網(wǎng)約車(chē)行業(yè)快速發(fā)展的大背景下，網(wǎng)約車(chē)平臺(tái)作為私人定制出行模式的管理者和主要責(zé)任方，有能力和義務(wù)引導(dǎo)網(wǎng)約車(chē)出行系統(tǒng)朝著更加綠色低碳的和監(jiān)管政策的制定者，需要依據(jù)行業(yè)發(fā)展態(tài)勢(shì)的變 |圖1 公路86.76%研究目的目前，國(guó)內(nèi)外研究已經(jīng)明確網(wǎng)約車(chē)電動(dòng)化、降低空駛里程、增加共乘人數(shù)等措施是網(wǎng)約車(chē)平臺(tái)常用的減碳策略，但現(xiàn)有研究存在不足。一方面，研究多側(cè)重于單一措施的影響，未從系統(tǒng)化、整體化的角度考慮網(wǎng)約車(chē)平臺(tái)的減排決策。另一方面，網(wǎng)約車(chē)行業(yè)未來(lái)增長(zhǎng)趨勢(shì)、對(duì)傳統(tǒng)出行方式的替代效應(yīng)、新能源車(chē)推廣等因素對(duì)碳排放的具體影響，尚未得到量化評(píng)估。因此，為網(wǎng)約車(chē)平臺(tái)碳減排決策提供更為全面、深入的理論分析和量化推演，對(duì)推動(dòng)網(wǎng)約車(chē)行業(yè)的綠色轉(zhuǎn)型和實(shí)現(xiàn)社會(huì)可持續(xù)發(fā)展具有重要意義。

為了囊括更廣泛的因素從而更全面地評(píng)估出租網(wǎng)約出行方式的氣候影響，本研究對(duì)未來(lái)出租網(wǎng)約出行服務(wù)需求的變遷、出租網(wǎng)約出行對(duì)其他出行方（含有效里程比例和平均載荷兩個(gè)細(xì)分因素過(guò)對(duì)不同情景下上海市出租網(wǎng)約行業(yè)碳排放量的預(yù)細(xì)化引導(dǎo)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(yùn)營(yíng)效率，對(duì)該行業(yè)的能耗和碳排放強(qiáng)度將產(chǎn)生怎樣的影響，為網(wǎng)約出行平臺(tái)低碳發(fā)展的策略選擇提供參考，也為行業(yè)政策制定者提供系統(tǒng)性的視角。66本報(bào)告選擇上海市作為研究區(qū)域，主要基于該市在網(wǎng)約車(chē)電動(dòng)化方面的先行實(shí)踐和顯著成效。上海市在推動(dòng)出租網(wǎng)約車(chē)電動(dòng)化的政策和實(shí)施方面相對(duì)成熟9，其網(wǎng)約車(chē)電動(dòng)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(dòng)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(biāo)和策略。報(bào)告旨在預(yù)測(cè)和分析網(wǎng)約車(chē)行業(yè)未來(lái)的出行需求與碳排放情況，特別是通過(guò)多情景分析法為行業(yè)的低碳轉(zhuǎn)型提供實(shí)證數(shù)據(jù)支持。研究涵蓋車(chē)輛電動(dòng)化、有效里程占比以及可再生能源的發(fā)展和利用等關(guān)鍵因素，通過(guò)構(gòu)建多情景分析模型，對(duì)出租網(wǎng)約行業(yè)的碳排放進(jìn)行了詳細(xì)的量化推演。具體研究思路如圖2所示，報(bào)告以上海市為例，首先進(jìn)行出租網(wǎng)約行業(yè)的出行需求預(yù)測(cè)。利用多任務(wù)模型結(jié)合現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)，明確了出租網(wǎng)約出行的市場(chǎng)占比，并分析了新增的網(wǎng)約車(chē)出行量是如何從

其他交通模式轉(zhuǎn)化而來(lái)的；在此基礎(chǔ)上，研究者基于不同轉(zhuǎn)化情景詳細(xì)計(jì)算了出租網(wǎng)約車(chē)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。（20252035網(wǎng)約出行相較于私家車(chē)出行在碳減排方面的領(lǐng)先地最后，本研究基于以上分析為網(wǎng)約車(chē)平臺(tái)提出了具體的決策建議組合。這些建議有助于為網(wǎng)約車(chē)平臺(tái)優(yōu)化運(yùn)營(yíng)策略提供支持，實(shí)現(xiàn)資源的更高效利用和更低的環(huán)境影響。）&算出行服務(wù)需求預(yù)測(cè)出行服務(wù)需求受多種因素影響，其中一些關(guān)鍵因素已由國(guó)內(nèi)外學(xué)者深入探究。Litman的研究指（如收入水平、油價(jià)和經(jīng)濟(jì)增長(zhǎng)對(duì)出行需求具有顯著影響10Newman和Kenworthy在研究全球城市的出行和能源消耗時(shí)發(fā)現(xiàn)，城市人口居民更傾向于使用公共交通11究發(fā)現(xiàn)，私家車(chē)的擁有狀況顯著影響居民的出行方12?；谏鲜鲅芯砍晒?，本研究采用以下方法預(yù)測(cè)未來(lái)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(jìn)行擴(kuò)樣處理。嘉定區(qū)的數(shù)據(jù)涵蓋家庭、個(gè)人、車(chē)輛及出行等細(xì)顆粒度信息，為了更好地代表全上海市的情況，研究結(jié)合全市的出行距離和人口分布等整體信息，對(duì)嘉定區(qū)居民數(shù)據(jù)設(shè)置不同權(quán)重，并在特征分布約束下進(jìn)行對(duì)齊擴(kuò)樣。這一處理方法使得擴(kuò)

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(huì)屬性和出行特征。此外，盡管嘉定區(qū)位于上海的城郊，但其多元的社區(qū)結(jié)構(gòu)使其成為數(shù)據(jù)擴(kuò)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、青浦及浦東外圍的居民有著類(lèi)似的生活模式。以上特征都為研究提供了擴(kuò)樣基礎(chǔ)?？?cè)藬?shù)和家庭人口年齡結(jié)構(gòu)用于預(yù)測(cè)上海市未來(lái)的總?cè)丝诩凹彝ト丝谀挲g結(jié)構(gòu)；輕型車(chē)保有量作為影響出行服務(wù)需求的關(guān)鍵因素，被納入預(yù)測(cè)模型中作（輸入變量；市民日均出行總量和輕型乘（輸出變量。在完成數(shù)據(jù)擴(kuò)樣后，本研究進(jìn)一步利用SOCSIM仿真軟件進(jìn)行人口微觀仿真，用于模擬上海市家庭人口年齡結(jié)構(gòu)的演變情況。在獲得年齡結(jié)構(gòu)推演結(jié)果后，使用有序Logit模型預(yù)測(cè)家庭小汽車(chē)保有量和家庭收入等家庭特征變量數(shù)據(jù)。家庭12000家庭規(guī)模男性）女性 010001234567 家庭人數(shù) 上海家庭人均可支配收入7.96萬(wàn)元家庭數(shù)據(jù)家庭1×N1......家庭2NEV市 175, ICEV計(jì)算擴(kuò)樣系數(shù)7IPF算法家庭2×N2319,83%行使里程12200km......家庭6600×N6600家庭信息 出行特征預(yù)測(cè)示意|圖41000800戶數(shù)/萬(wàn)600戶數(shù)/萬(wàn)400200

1人 2人 3

4人 5

6人 人及以上

非機(jī)動(dòng)車(chē)私家車(chē)步行非機(jī)動(dòng)車(chē)私家車(chē)步行公交地鐵出租網(wǎng)約保有量

頻次0 出行家庭年收入（萬(wàn)元）32）28262422

家庭人均輕型車(chē)數(shù)量（輛））

方式距離20

0.18在獲得預(yù)測(cè)的未來(lái)家庭特征變量數(shù)據(jù)后，本研究利用多任務(wù)學(xué)習(xí)模型來(lái)預(yù)測(cè)上海市居民的出行需求。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(gè)預(yù)測(cè)任務(wù)通過(guò)一個(gè)統(tǒng)一的神經(jīng)網(wǎng)絡(luò)架構(gòu)——多輸出的全連接神經(jīng)網(wǎng)絡(luò)（Multi-LayerPerception，MLP）——來(lái)同時(shí)處理。該模型通過(guò)不同的輸出層針對(duì)每個(gè)預(yù)測(cè)任務(wù)提供結(jié)果，而共享層則用于學(xué)習(xí)

不同預(yù)測(cè)任務(wù)之間的通用特征，從而揭示它們的內(nèi)在聯(lián)系。模型預(yù)測(cè)結(jié)果主要集中在步行、私家車(chē)、非機(jī)動(dòng)車(chē)、公交、地鐵及出租網(wǎng)約車(chē)等主要出行方式的頻次和距離。本研究后續(xù)能耗和碳排放計(jì)算主要針對(duì)出租網(wǎng)約出行方式，2025-2035年未考慮對(duì)其他出行方式進(jìn)行取代情景下的出租網(wǎng)約和私家車(chē)出行年里程，如圖5所示。 ）|圖5私家車(chē) 出租網(wǎng)約）））34000

1280126033000 1240122032000

1200 上海市2021年居民出行方式結(jié)構(gòu)|圖62021年公共交通

20.4% 20.5%5.0% 5.2%24.6% 22.2%

50.0%52.1%

2020年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(guò)擴(kuò)樣處理和多任務(wù)學(xué)習(xí)模型預(yù)測(cè)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(dāng)前的市場(chǎng)份額必然伴隨著對(duì)其他出行方式的取代，為深入了解出租網(wǎng)約出行相對(duì)的環(huán)境效益，研究聚焦出租網(wǎng)約出行方式對(duì)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?fàn)顩r一高一低兩個(gè)情景進(jìn)行對(duì)比。其中，多任務(wù)學(xué)習(xí)模型預(yù)2025年至2035年出租網(wǎng)約出行的各項(xiàng)指標(biāo)，包括各出行方式占《2021年上海交通運(yùn)行監(jiān)測(cè)年度報(bào)告》中關(guān)于全市出行方式分布的數(shù)據(jù)。該報(bào)告的統(tǒng)計(jì)和計(jì)算方式和多任務(wù)學(xué)習(xí)模型不同，而據(jù)該報(bào)告估算，2021年上海市出租車(chē)（含網(wǎng)約車(chē)出行方式占比為52，高于多任務(wù)學(xué)習(xí)模型預(yù)測(cè)的占比。獲得兩種情計(jì)算出租網(wǎng)約出行在替代其他出行方式的過(guò)程中帶

來(lái)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(duì)其他出行方式的替代所帶來(lái)的環(huán)境影響，具體分析見(jiàn)下文。多情景訂單里程預(yù)測(cè)在確定了出租網(wǎng)約出行占比后，本研究對(duì)嘉定區(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(jìn)行了量化分析（歐式距離計(jì)算者間的相似度（即轉(zhuǎn)化潛力務(wù)學(xué)習(xí)模型預(yù)測(cè)結(jié)果的出租網(wǎng)約出行來(lái)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(jìn)一步預(yù)測(cè)未來(lái)一段時(shí)間里公眾出行模式的變遷導(dǎo)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(jìn)行后續(xù)討論：一種是出租網(wǎng)約出行只取代私家車(chē)出行的情景，另一種則是出租網(wǎng)約出行根據(jù)出行相似度高低，取代其他不同出行模式的情景。在僅取代私家車(chē)情景下，超出多任務(wù)學(xué)習(xí)模型預(yù)測(cè)結(jié)果的出租網(wǎng)約出行增量全部由私家車(chē)出行轉(zhuǎn)化而來(lái)。通過(guò)量化分析結(jié)果（歐氏距離計(jì)算）發(fā)現(xiàn)，由低到高排序前10%的出行記錄中，私家車(chē)出行占比最高，達(dá)33.1%，顯著高于公交/地鐵（占比6.9%）及其他出行方式。這一趨勢(shì)在前20%和前30%的出行記錄中依舊存在，私家車(chē)出行的占比分別為32.1%和31.8%。并且，私家車(chē)出行方式的歐氏距離平均值最低，說(shuō)明其與出租網(wǎng)約出行的相似度最高。因此，在理想化的情景下，研究假設(shè)新增的出租網(wǎng)約出行量?jī)H替代私家車(chē)出行，旨在探討如果出租網(wǎng)約出行只取代較高碳排放的私家車(chē)而非公共交通等其他出行方式，城市碳排放將受到怎樣的影響。在“按出行相似度取代”情景下，研究考慮了出租網(wǎng)約出行可能取代的所有其他交通方式的占比。如圖7所示，根據(jù)出行相似度計(jì)算結(jié)果，私家車(chē)出行雖然更容易被出租網(wǎng)約替代，但公交車(chē)出行等其他出行方式依然有可能被出租網(wǎng)約取代。因此，在這一情景假設(shè)下，超出模型預(yù)測(cè)

結(jié)果的出租網(wǎng)約出行增量部分由其他出行方式按相似度由高到低的順序被出租網(wǎng)約所取代。該情景能夠更全面地評(píng)估出租網(wǎng)約出行方式對(duì)交通需求結(jié)構(gòu)和環(huán)境的影響。綜合上述信息，研究計(jì)算出了不同替代情景下的出租網(wǎng)約車(chē)年度行駛里程，相關(guān)數(shù)據(jù)見(jiàn)圖8。中國(guó)某頭部網(wǎng)約車(chē)平臺(tái)發(fā)布的報(bào)告顯示，截至2022年底，該平臺(tái)注冊(cè)的純電動(dòng)汽車(chē)超過(guò)200萬(wàn)輛，2022年下半年，該平臺(tái)純電動(dòng)網(wǎng)約車(chē)的月運(yùn)營(yíng)里程占比超過(guò)50%，這不僅高于社會(huì)車(chē)輛的電動(dòng)化平均水平，也顯著超過(guò)歐美市場(chǎng)13。這一數(shù)據(jù)表明網(wǎng)約車(chē)目前因電動(dòng)化比例更高，與私家車(chē)相比展現(xiàn)更強(qiáng)的環(huán)保特性和碳減排優(yōu)勢(shì)，在推動(dòng)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(lái)私家車(chē)的電動(dòng)化進(jìn)程，以私家車(chē)出行為對(duì)照組，考察出租網(wǎng)約出行是否仍保持碳減排優(yōu)勢(shì)，相關(guān)私家車(chē)的年里程數(shù)據(jù)展示于圖9。 出租網(wǎng)約出行方式取代的各出行方式占比|圖7其他 公交/地鐵 步行 非機(jī)動(dòng)車(chē) 私家車(chē)6.56.56.56.56.56.56.56.529.029.06.86.76.66.56.5

2.0

2.2

2.0

1.8

2.0

2.0

1.9

2.0

2.075%50%25%0

2026

2027

2028

2029

2030

31.930.5203131.930.5

31.930.6203231.930.6

不同取代情景下出租網(wǎng)約年里程|圖823082312231623202325230823122316232023252329233323372341234623502252225722612265226922732278228222862290229423502300）2200215021002050

只取代私家車(chē)

按出行相似度取代2000

年份

2035 不同取代情景下下私家車(chē)?yán)锍蘾圖933807 34028341993430934362 3435633807 34028341993430934362 343563226432641315103297233273 335563282033077 3330333477 3359133646336413253031889 322253450034000）3300032500320003150031000

只取代私家車(chē)

按出行相似度取代30500

年份

2035碳排放因子選取以及能耗排放模型構(gòu)建在獲取了多情景下的出租網(wǎng)約車(chē)及私家車(chē)年度行駛里程后，本研究進(jìn)一步獲取了不同驅(qū)動(dòng)類(lèi)型車(chē)輛的碳排放因子和能耗數(shù)據(jù)，以用于計(jì)算不同需求情景下的碳排放量。能耗數(shù)據(jù)來(lái)源見(jiàn)表1。

碳排放因子的獲取分為兩部分：尾氣排放的實(shí)測(cè)數(shù)據(jù)和上游能源供應(yīng)的碳排放因子。針對(duì)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(píng)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(lái)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(guò)線性插值法得到，并收錄于附錄一中。最終，不同驅(qū)動(dòng)類(lèi)型車(chē)輛的碳排放因子整合結(jié)果如圖11所示。 能耗數(shù)據(jù)來(lái)源|表1數(shù)據(jù)分類(lèi)數(shù)據(jù)來(lái)源ICEVHEV及PHEV油耗數(shù)據(jù)小熊油耗APPBEV及PHEV電耗數(shù)據(jù) 上海市新能源汽車(chē)公共數(shù)據(jù)采集與監(jiān)測(cè)研究中心PHEV油電分離比14PHEV油電分離比14美國(guó)阿貢實(shí)驗(yàn)室GREET模型 上海市20252030及2035年電網(wǎng)碳排放因子|圖10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0.60.4640.432電網(wǎng)碳排放因子0.4640.432電網(wǎng)碳排放因子2g/kw）0.40.30.20.10

年份

2020年 20252030及2035年各驅(qū)動(dòng)類(lèi)型車(chē)輛碳排放因子|圖11尾氣排放 上游能源供應(yīng)排放碳排放因子碳排放因子2g/kw）4.544.545.255.387.818.218.6111.7912.234.1312.674.7817.664.9518.535.1319.397.157.507.8520151050

BEV

ICEV

PHEV2030

BEV

ICEV

BEV電動(dòng)化比例預(yù)測(cè)為準(zhǔn)確計(jì)算2025至2035年間出租網(wǎng)約車(chē)的碳排放強(qiáng)度及排放量數(shù)據(jù)，需預(yù)測(cè)2025-2035年出租網(wǎng)約車(chē)中各驅(qū)動(dòng)類(lèi)型的車(chē)輛里程占比以及私家車(chē)各驅(qū)動(dòng)類(lèi)型的保有量占比。截至2023年11月，滴滴平臺(tái)新能源車(chē)合計(jì)里程占比超過(guò)58%16。同時(shí)，根據(jù)新能源汽車(chē)國(guó)家大數(shù)據(jù)聯(lián)盟（NationalBigDataAllianceofNewEnergyVehicles，NDANEV）的數(shù)據(jù)，新能源車(chē)行駛里程中，電動(dòng)汽車(chē)（BEV）行駛里程占比86.45%，插電式混合動(dòng)力汽車(chē)（PHEV）占比13.48%17。乘用車(chē)市場(chǎng)信息聯(lián)合會(huì)（China

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(chē)在上海出租網(wǎng)約新車(chē)中的占比分別為89%和91%18與新能源汽車(chē)技術(shù)路線圖2.0》提出的2035年傳統(tǒng)能源乘用車(chē)全面混動(dòng)化的目標(biāo)19均壽命和報(bào)廢曲線，可以預(yù)測(cè)出20252035年出租網(wǎng)約按照電動(dòng)化發(fā)展水平可以達(dá)到的電動(dòng)化目標(biāo)。預(yù)測(cè)結(jié)果顯示，出租網(wǎng)約車(chē)的電動(dòng)化水平未來(lái)將持122035的里程占比將下降至10.01%（混合動(dòng)力汽車(chē)[HEV]。 出租網(wǎng)約各驅(qū)動(dòng)類(lèi)型車(chē)輛里程占比|圖12100%75%50%25%

BEV PHEV

ICEV

HEV0

2035研究表明，新能源汽車(chē)的購(gòu)買(mǎi)意愿受到消費(fèi)者年齡、收入及是否已有車(chē)輛等因素的顯著影響20?；?025至2035年上海市預(yù)測(cè)的家庭人口年齡結(jié)構(gòu)和經(jīng)濟(jì)特征，本研究構(gòu)建了Logit模型來(lái)預(yù)測(cè)未來(lái)私家車(chē)中各驅(qū)動(dòng)類(lèi)型的保有量占比，預(yù)測(cè)結(jié)果如圖13所示。

有效行駛里程選取為了后續(xù)計(jì)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(tái)的有效行駛里程占比。參考上海市道路運(yùn)輸中心的相關(guān)數(shù)據(jù)以及國(guó)外相關(guān)研究，同時(shí)考慮到國(guó)內(nèi)外出租網(wǎng)約平臺(tái)在運(yùn)營(yíng)效率方面可能存在差異，本研究假定出租網(wǎng)約平臺(tái)的平均有效行駛里程占比為80%，用于后續(xù)的碳排放計(jì)算。 私家車(chē)各驅(qū)動(dòng)類(lèi)型車(chē)輛保有量占比|圖13BEV PHEV ICEV HEV100%75%50%25%0

2025

2026

2030

2031

2032

2035在第三章中，通過(guò)計(jì)算并對(duì)比2025至2035年出租網(wǎng)約與私家車(chē)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網(wǎng)約車(chē)電動(dòng)化水平提高帶來(lái)的減排效果。此外，通過(guò)比較電動(dòng)化和全燃油車(chē)場(chǎng)景下的碳排放差異，本研究驗(yàn)證了電動(dòng)化的減排效益。最后，研究還探討了運(yùn)營(yíng)效率如何影響出租網(wǎng)約車(chē)的碳減排優(yōu)勢(shì)。這

t年出行方式i中能源車(chē)型jCO2(kg/hkmαt,i,j表示t年出行方式i中能源車(chē)型j的占比。同時(shí)，結(jié)合多場(chǎng)景訂單里程的預(yù)測(cè)結(jié)果、有效行駛里程的設(shè)置以及公式1計(jì)算的碳排放強(qiáng)度，出租車(chē)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(jì)算得出。i=1St,ii=1些分析將幫助網(wǎng)約車(chē)平臺(tái)更深入理解各種因素對(duì)碳排放的綜合影響。

Ct=Σ

PCO2,t,i×ηi

（公式2）車(chē)輛電動(dòng)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(dòng)類(lèi)型車(chē)的占比，研究用公式1計(jì)算私家車(chē)和出租網(wǎng)約各自的碳排放強(qiáng)度。j=1PCO,t,i=Σ4PCO,t,i,j×αt,i,j （公式1）j=1

Ct表示第t年出租網(wǎng)約和私家車(chē)出行整體CO2(kg/hkmSt,i表示t年出行方式i（hkmηi表示出行方式i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(jì)算所得η1取0.8η2表示私家車(chē)出行的有效行駛里程，η2取1。根據(jù)計(jì)算，隨著電動(dòng)化進(jìn)程的加速，2025至取，表示2025~2035取1時(shí)表示出租網(wǎng)約，取2時(shí)表示私家車(chē)；取，表示4（ICEVHEVPHEV和BEVPCO2,t,i,j表示

2035年間出租網(wǎng)約和私家車(chē)的整體碳排放呈現(xiàn)逐（如圖14所示進(jìn)程和電網(wǎng)碳排放因子下降，有效抵消了出行量增 出租網(wǎng)約出行不同取代情景下的碳排放|圖14只取代私家車(chē) 按相似度取代30002500碳排放/萬(wàn)噸2000碳排放/萬(wàn)/p>

0

2035長(zhǎng)對(duì)城市道路交通系統(tǒng)碳排放帶來(lái)的消極影響。值得注意的是，對(duì)比“按出行相似度取代”和“僅取代私家車(chē)”兩種情景的碳排放數(shù)據(jù)，后者具有更大的減排優(yōu)勢(shì)。在預(yù)測(cè)期間內(nèi)，相比“按出行相似度取代”的情景，“僅取代私家車(chē)”情景共計(jì)可多減少碳排放382萬(wàn)噸。由此可見(jiàn)，減少出租網(wǎng)約對(duì)公交、地鐵等碳排更低出行方式的替代作用，將顯著增強(qiáng)電動(dòng)化水平提升帶來(lái)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)型做出更大貢獻(xiàn)。因此，出租網(wǎng)約平臺(tái)可以考慮通過(guò)適當(dāng)?shù)拇胧?，減少其對(duì)公交出行等碳排較低出行方式的替代作用，例如調(diào)整計(jì)費(fèi)規(guī)則，對(duì)與公共交通走廊重疊和不重疊的區(qū)域采取不同的計(jì)費(fèi)標(biāo)準(zhǔn)。出租網(wǎng)約車(chē)全燃油情景與電動(dòng)化情景對(duì)比分析國(guó)際清潔交通委員會(huì)研究顯示，在全球十大輕型車(chē)市場(chǎng)中，只有德國(guó)的電動(dòng)化率比中國(guó)高21。因此，考慮到仍有國(guó)家和地區(qū)的車(chē)輛電動(dòng)化水平存在

提高空間，本研究設(shè)置了一個(gè)出租網(wǎng)約車(chē)完全由燃油車(chē)構(gòu)成的虛擬情景，將此情景與同時(shí)滿足有效行駛里程占比為80%和實(shí)現(xiàn)預(yù)測(cè)的電動(dòng)化水平目標(biāo)的情景進(jìn)行對(duì)比，檢驗(yàn)車(chē)輛電動(dòng)化所避免的減排量。如圖15所示，相比于出租網(wǎng)約車(chē)全由燃油車(chē)組成的情景，在2025至2035年間，持續(xù)推動(dòng)出租網(wǎng)約車(chē)電動(dòng)化共計(jì)可幫助上海市避免碳排放1786萬(wàn)噸，約為2022年中國(guó)道路交通碳排放總量的1.9%；同時(shí)避免能耗1158億兆焦，約合標(biāo)準(zhǔn)煤395萬(wàn)噸。由此可見(jiàn)，對(duì)于車(chē)輛電動(dòng)化水平較低的國(guó)家和地區(qū)，出租網(wǎng)約車(chē)電動(dòng)化是一項(xiàng)效果相當(dāng)顯著的節(jié)能減碳舉措。同時(shí)，持續(xù)推動(dòng)出租網(wǎng)約行業(yè)電動(dòng)化具有重要意義。盡管部分國(guó)家和地區(qū)已成功實(shí)現(xiàn)了出租網(wǎng)約車(chē)的大規(guī)模電動(dòng)化，但仍有其他市場(chǎng)面臨政策支持不足、充電設(shè)施不完善、司機(jī)更換電車(chē)意愿低等現(xiàn)實(shí)挑戰(zhàn)。因此，本研究梳理了全球范圍內(nèi)網(wǎng)約車(chē)平臺(tái)促進(jìn)網(wǎng)約車(chē)電動(dòng)化進(jìn)程的具體舉措（如表2所示），希望為電動(dòng)化水平較低的國(guó)家和地區(qū)提供借鑒。 實(shí)現(xiàn)電動(dòng)化目標(biāo)與全燃油車(chē)情景對(duì)比|圖15全燃油車(chē)

實(shí)現(xiàn)電動(dòng)化目標(biāo)

碳排放減少比例

節(jié)能比例a)碳排放對(duì)比 b)能耗對(duì)比26002400）2000180016001400120010002025

能耗（億兆瓦）862035

105010009509008508007507006502025

6.56.05.54.54.03.53.02.52035網(wǎng)約車(chē)平臺(tái)在電動(dòng)化進(jìn)程中可以發(fā)揮關(guān)鍵作用，例如政策引導(dǎo)、經(jīng)濟(jì)激勵(lì)和優(yōu)化運(yùn)營(yíng)等。目前，已有平臺(tái)采取了直接補(bǔ)貼、租賃優(yōu)惠、優(yōu)先派單電車(chē)、充電基礎(chǔ)設(shè)施支持等措施，這不僅降低了司機(jī)購(gòu)車(chē)和運(yùn)

營(yíng)的經(jīng)濟(jì)成本，還為行業(yè)電動(dòng)化減碳提供了實(shí)際可行的路徑。然而，各國(guó)家和地區(qū)面臨的現(xiàn)實(shí)條件不同，單一舉措往往難以奏效。因此，平臺(tái)需要結(jié)合當(dāng)?shù)厥袌?chǎng)特點(diǎn)，采取更加靈活、全面的電動(dòng)化推進(jìn)策略。 匯總|表2舉措實(shí)施平臺(tái)/研究方實(shí)施地域通過(guò)物質(zhì)激勵(lì)或經(jīng)濟(jì)補(bǔ)貼措施鼓勵(lì)網(wǎng)約車(chē)主向電動(dòng)汽車(chē)轉(zhuǎn)型Uber歐洲北美與車(chē)企合作為車(chē)主提供電動(dòng)汽車(chē)租賃補(bǔ)貼或優(yōu)惠Uber北美英國(guó)倫敦Uber））美國(guó)英國(guó)中國(guó)增加網(wǎng)約車(chē)車(chē)主住所附近的充電設(shè)施數(shù)量，擴(kuò)展基于家庭的充電基礎(chǔ)設(shè)施rEIosnerSuainableCitie）美國(guó)英國(guó)制定更多鼓勵(lì)政策吸引新能源車(chē)主加入嘀嗒出行中國(guó)與車(chē)企合作，定制網(wǎng)約車(chē)Uber、滴滴、萬(wàn)順叫車(chē)英國(guó)中國(guó)實(shí)行動(dòng)態(tài)定價(jià)機(jī)制韓國(guó)科學(xué)技術(shù)研究院、明知大學(xué)（研究方）--為有意向進(jìn)行電動(dòng)車(chē)轉(zhuǎn)型的車(chē)主提供車(chē)型選擇建議科羅拉多大學(xué)博爾德分校、芝加哥大學(xué)（研究方）美國(guó)加利福尼亞加強(qiáng)對(duì)網(wǎng)約車(chē)主的電動(dòng)汽車(chē)知識(shí)的普及與宣傳WRIosCneouinlCities（研究方）歐洲北美一定條件下調(diào)整派單機(jī)制實(shí)現(xiàn)電動(dòng)汽車(chē)優(yōu)先派單山東科技大學(xué)（研究方）--根據(jù)行業(yè)發(fā)展的不同階段對(duì)新的燃油車(chē)車(chē)主加入網(wǎng)約車(chē)服務(wù)進(jìn)行適度的限制）中國(guó)249個(gè)城市出租網(wǎng)約運(yùn)營(yíng)效率對(duì)電動(dòng)化帶來(lái)的減排優(yōu)勢(shì)的影響在只考慮車(chē)輛驅(qū)動(dòng)方式的前提下，由于網(wǎng)約車(chē)能削弱出租網(wǎng)約電動(dòng)化水平領(lǐng)先帶來(lái)的節(jié)能減排效益。因此將出租網(wǎng)約的運(yùn)營(yíng)效率（有效行駛里程占比和平均載荷包括有效行駛里程占比和平均載荷隨著出租網(wǎng)約和私家車(chē)電動(dòng)化水平的變化，出租網(wǎng)約車(chē)的有效行駛里程占比和平均載荷的組合至少應(yīng)達(dá)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(chē)更為顯著。

將出租網(wǎng)約與私家車(chē)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(shì)的最小有效行駛里程占比。如圖16所示，當(dāng)出租網(wǎng)約與私家車(chē)平均載荷相同時(shí)（1.5人/次），2025~2034年，出租網(wǎng)約若要維持電動(dòng)化帶來(lái)的碳減排優(yōu)勢(shì)，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(chē)電動(dòng)化進(jìn)程的放緩，維持出租網(wǎng)約碳減排優(yōu)勢(shì)的最小有效行駛里程占比略微下降，但基本進(jìn)入平臺(tái)期。當(dāng)出租網(wǎng)約車(chē)的有效行駛里程占比始終為80%時(shí)，私家車(chē)單位有效行駛里程碳排放強(qiáng)度將在2030年后低于網(wǎng)約出租車(chē)；當(dāng)有效行駛里程占比始終大于等于85.6%時(shí)，出租網(wǎng)約則可維持其碳減排優(yōu)勢(shì) 維持出租網(wǎng)約出行碳減排優(yōu)勢(shì)的最小有效行駛里程占比|圖1685.685.579.385.685.579.381.584.983.476.570.172.271.374.48684有效行駛里程占比%82有效行駛里程占比%807876747270年份

2036 私家車(chē)和不同有效行駛里程占比下的出租網(wǎng)約車(chē)碳排放強(qiáng)度對(duì)比|圖17私家車(chē)2120單位有效行使里程碳排放強(qiáng)度單位有效行使里程碳排放強(qiáng)度2g/hk）18171615141312111098

出租網(wǎng)約（有效行使里程占比80%）

出租網(wǎng)約（有效行使里程占比85.6%）7

2035直至2035（如圖能源轉(zhuǎn)型方面發(fā)展迅速，但空駛里程的額外碳排放可能影響其長(zhǎng)期保持低碳優(yōu)勢(shì)。因此，優(yōu)化網(wǎng)約車(chē)的運(yùn)營(yíng)效率有助于保持其相對(duì)低碳的屬性。（共乘人數(shù)）鑒于中國(guó)網(wǎng)約車(chē)行業(yè)經(jīng)歷了迅猛的增長(zhǎng)，當(dāng)前市場(chǎng)已趨于飽和22，競(jìng)爭(zhēng)激烈，因此實(shí)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(shì)的運(yùn)營(yíng)效率條件，本文進(jìn)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(tái)制定減排策略組合提供依據(jù)。根據(jù)《上海市交通運(yùn)行監(jiān)測(cè)年報(bào)》，2019海市小客車(chē)（包括輕型乘用車(chē)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(chē)的平均

載荷基準(zhǔn)。在此基礎(chǔ)上，通過(guò)綜合分析有效行駛里程占比和平均載荷（除司機(jī)外的共乘人數(shù)20252030以及2035年出租網(wǎng)約車(chē)與私家車(chē)的單公里碳排放強(qiáng)度。圖18展示了出租網(wǎng)約車(chē)的減碳表現(xiàn)優(yōu)于或等同于私家車(chē)需要實(shí)現(xiàn)怎樣的參數(shù)組合。如圖18a2025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(qiáng)度低于私家車(chē)；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(chē)。圖18-b顯示了從2025年至2035年間，為確保出租網(wǎng)約車(chē)的碳排放強(qiáng)度持續(xù)低于私家車(chē)，需要逐年提升有效行駛里程占比和/或有效乘坐人數(shù)。這種需求增加的原因在于私家車(chē)的電動(dòng)化水平預(yù)期將持續(xù)提升，對(duì)出租網(wǎng)約車(chē)維持其碳減排優(yōu)勢(shì)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 不同運(yùn)營(yíng)狀況下出租網(wǎng)約與私家車(chē)出行單公里碳排放強(qiáng)度對(duì)比|圖18低于私家車(chē) 高于私家車(chē) 2030年 0.0%74.31%65.70%87.61%75.09%65.70%58.40%87.61%75.09%65.70%58.40%出租網(wǎng)約有效行使里程占比/%出租網(wǎng)約有效行使里程占比/%90 9080 8070 7060 6050

1.2

50

1.8

2.0次 下，提升出租網(wǎng)約車(chē)的有效行駛里程占比成為保持其減碳優(yōu)勢(shì)的必要條件。反之，如果行駛里程占比保持不變，增加平均乘坐人數(shù)也是實(shí)現(xiàn)同樣目標(biāo)的關(guān)鍵措施。特別是到了2035年，若出租網(wǎng)約車(chē)的平均載荷達(dá)到1.6人/次，其最低有效行駛里程占比需要達(dá)到80.3%才能保證碳排放強(qiáng)度低于私家車(chē)。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可以稍降至71.4%。在預(yù)測(cè)期間內(nèi)，所有能夠落在2035年預(yù)測(cè)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(chē)保持碳減排優(yōu)勢(shì)。而考慮到出租網(wǎng)約市場(chǎng)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(yùn)營(yíng)效率參數(shù)，對(duì)于網(wǎng)約車(chē)平臺(tái)維持健康運(yùn)營(yíng)狀況和碳減排優(yōu)勢(shì)均有意義。網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策23網(wǎng)約出行能耗和碳排放情景預(yù)測(cè)與平臺(tái)綠色發(fā)展決策23第四章總結(jié)與建議第四章總結(jié)與建議在電動(dòng)化水平較低的國(guó)家和地區(qū)，不斷推進(jìn)出租網(wǎng)約電動(dòng)化能夠在較短的時(shí)間內(nèi)帶來(lái)相當(dāng)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(chē)運(yùn)營(yíng)的情景，僅上海市自2025-2035年持續(xù)推進(jìn)出租網(wǎng)約車(chē)的電動(dòng)化轉(zhuǎn)型預(yù)計(jì)能夠避免總共1786萬(wàn)噸的碳排放，這大約占到2022年中國(guó)全國(guó)道路交通碳排放總量的1.9%。同時(shí)，這一轉(zhuǎn)型還將避免大約1158億兆焦的能耗，相當(dāng)于節(jié)約了約395萬(wàn)噸標(biāo)準(zhǔn)煤。這說(shuō)明在電動(dòng)化基礎(chǔ)薄弱的區(qū)域，持續(xù)推動(dòng)出租網(wǎng)約電動(dòng)化仍具有巨大潛力。政策制定者和平臺(tái)企業(yè)應(yīng)共同采取措施，減少網(wǎng)約出行對(duì)更低碳的出行方式的替代。交通運(yùn)輸政策制定者和出租網(wǎng)約平臺(tái)應(yīng)當(dāng)共同以減少出租網(wǎng)約車(chē)對(duì)公共交通的替代。以上海市為2025至2035排放382提高整體的碳減排效果。車(chē)可以通過(guò)優(yōu)化調(diào)度系統(tǒng)等方式提研究表明，在出租網(wǎng)約車(chē)電動(dòng)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(duì)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(chē)電動(dòng)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(shì)，必須減少空駛里程和/或提高共乘人數(shù)。例如，當(dāng)出租網(wǎng)約與私家車(chē)平均載荷相同時(shí)（1.5人/次年要使出租網(wǎng)約車(chē)的單位有效行需達(dá)到至少203585.51.6人2025年有效行駛里程為65.7%，2035年有效行駛里程為80.3%即可維持其碳減排優(yōu)18-b中2035年預(yù)測(cè)線右側(cè)2025-2035預(yù)此外，出租網(wǎng)約平臺(tái)可以將上述減排舉措進(jìn)行（如圖19所示，更加合理地實(shí)行碳減排措 出租網(wǎng)約平臺(tái)的節(jié)能減碳策略組合|圖19決策組合??......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(lái)的研究可以考慮擴(kuò)展到全國(guó)以及其他地區(qū)，通過(guò)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(dòng)化進(jìn)程，為不同地區(qū)的政策制定提供更具針對(duì)性的建議和指導(dǎo)。其次，本研究將巡游出租車(chē)和網(wǎng)約車(chē)視為統(tǒng)一的研究對(duì)象，未進(jìn)行區(qū)分，未來(lái)研究可以更明確區(qū)分二者的市場(chǎng)占比，從而獲取更加詳盡的預(yù)測(cè)數(shù)據(jù)。再者，關(guān)于出租網(wǎng)約未來(lái)需求預(yù)測(cè)部分，本研究

重點(diǎn)分析了家庭、人口和經(jīng)濟(jì)特征對(duì)出行服務(wù)需求的影響。然而，政策變化、服務(wù)價(jià)格以及社會(huì)文化因素等其他潛在影響因素并未納入分析范圍。未來(lái)的研究可以通過(guò)引入這些變量，構(gòu)建更為全面的需求預(yù)測(cè)模型，這將有助于企業(yè)、政策制定者在動(dòng)態(tài)市場(chǎng)環(huán)境中做出更加精準(zhǔn)的決策。最后，在出租網(wǎng)約車(chē)節(jié)能減碳策略方面，本研究探討了不同策略的有機(jī)組合，但對(duì)于不同經(jīng)濟(jì)補(bǔ)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(guó)家和地區(qū)深入評(píng)估補(bǔ)貼政策的實(shí)際效果，從而量化其在推動(dòng)出租網(wǎng)約低碳轉(zhuǎn)型中的作用。26附錄26附錄一上海市2025~2035年電網(wǎng)碳排放因子高電網(wǎng)排放因子中位數(shù)低電網(wǎng)排放因子20250.4640.3330.32120260.4580.3310.31920270.4510.330.31720280.4450.3280.31620290.4380.3270.31420300.4320.3250.31220310.4150.3160.30120320.3990.3070.29120330.3820.2970.2820340.3660.290.2720350.3490.2810.26附錄