需求-管理-技术协同视角下城市客运交通碳减排路径仿真研究——以兰州市为例

《Carbon Balance and Management》：Assessing the effectiveness of demand-management-technology in reducing CO2 from urban passenger transportation

为解决城市客运交通碳排放持续增长问题，Li等研究人员在《Carbon Balance and Management》发表研究，通过构建融合DMT策略的PCES系统动力学模型，对兰州市开展19种情景仿真。结果表明：单一措施减排效果有限，而燃料车限制政策与技术创新组合可使客运碳排放在2030年前达峰，为城市低碳交通规划提供决策支持。

　　

随着全球气候变化问题日益严峻，交通运输业作为碳排放的重要贡献者备受关注。国际能源署数据显示，该领域碳排放占全球总量约23%，其中城市客运交通（包括公共和私人出行方式）排放占比最高。中国作为世界最大汽车市场，机动车保有量已突破4.3亿辆，城市客运交通碳排放占道路运输总排放40%以上，给城市可持续发展带来巨大挑战。尽管《巴黎协定》等国际框架和各国自主贡献目标已明确减排方向，但快速城镇化进程中的出行需求激增，使城市客运碳排放控制面临严峻考验。

现有研究在评估城市交通碳排放时多采用静态或线性模型，难以捕捉政策调控、行为适应与技术创新的动态反馈机制。特别是对需求侧管理、政策干预与技术进步等多维因素的协同效应缺乏系统分析，且缺乏针对特定城市背景的本地化应用验证。为此，Li等研究人员在《Carbon Balance and Management》发表论文，以中国典型交通枢纽城市兰州为案例，构建了融合DMT策略的客运交通碳排放系统（PCES）动力学模型，通过多情景仿真探寻碳达峰路径。

本研究采用系统动力学方法构建PCES框架，整合经济社会、交通运行、出行需求与政策调控四大子系统。通过扩展STIRPAT模型量化人口规模、人均GDP、能源强度等8类驱动因素的影响，采用岭回归（k=0.43）解决多重共线性问题。研究基于兰州市2011-2022年统计数据，设置19种情景模拟DMT措施的减排效果，包括基础设施完善、公交优先、新能源车推广、燃油车限制政策等组合策略。模型通过2011-2019年历史数据验证，碳排放模拟值与实际值平均偏差仅2.89%。

碳减排驱动机制解析

岭回归显示能源强度（系数0.159）和私家车保有量（0.158）是主要排放增长驱动因素，而公交车辆占比提升（系数-0.145）可有效抑制排放。这表明优化出行结构对减排具有关键作用。

感知差异下的排放轨迹

模糊感知（忽略出行成本）场景下，碳排放增长率至2030年仍达1.85%；而精确感知（考虑成本与便捷性）场景中，增长率在2028年后从2.15%骤降至0.64%，说明出行行为引导对减排具有显著影响。

多策略协同效应

单一措施中，燃油车限制政策（RPR2）减排效果最显著，可使碳排放从242.7万吨降至238.5万吨。但组合情景（如TCS3整合公交优先、燃油车限制与能源技术改进）能推动碳排放于2029年达峰（250.8万吨），较无干预场景年减排30万吨。

研究证实DMT策略的协同实施可加速客运交通碳达峰进程。管理措施（如燃油车限制）在短期内效果显著，而技术创新（如新能源车推广）与需求侧管理（如公交优先）的长期结合能实现深度减排。该PCES框架为不同发展阶段城市提供了动态政策仿真工具，但需进一步纳入货运、航空等跨区域运输模式以完善系统边界。未来研究应加强真实运行条件下的排放测量及新兴技术（如氢能交通）的碳效益评估，以支撑碳中和目标下的交通系统转型。

这项研究不仅验证了多策略协同在城市客运减排中的有效性，更构建了可迁移的决策支持框架，为全球类似城市探索低碳交通路径提供了方法论借鉴。