多伦多网约车车队更新与温室气体排放趋势：基于179百万次行程的纵向分析

本研究聚焦多伦多网约车（RH）系统，通过分析2020-2023年179百万次行程数据，揭示了温室气体（GHG）排放趋势与车队电气化进程。研究发现：网约车空驶率（deadheading）持续高达33-37%，电动车（EV）占比仅2.3%；驾驶员运营模式显著影响效率，高活跃度驾驶员（>400 km/周）效率提升43.1%，而低活跃度群体（<200 km/周）空驶率达43.9%。总拥有成本（TCO）分析表明，电动车较混动车（HEV）和燃油车（ICEV）更具成本优势，为政策制定提供关键数据支撑。

　　

网约车服务的爆炸式增长在为城市交通带来便利的同时，也引发了严峻的环境挑战。作为全球网约车巨头Uber的活跃市场，多伦多近年来网约车出行量激增，但由此产生的温室气体排放和交通拥堵问题日益凸显。更令人担忧的是，网约车运营中存在大量"空跑"现象（即无乘客载运的deadheading行程），这不仅浪费能源，更直接推高了碳排放水平。然而，目前缺乏对网约车排放长期演变趋势的系统研究，特别是缺乏对驾驶员运营特征与车队电气化进程的关联分析。

针对这一研究空白，多伦多大学的研究团队开展了一项开创性研究。研究人员获取了2020-2023年间多伦多地区179百万次网约车行程的完整数据，结合驾驶员运营特征和车队构成信息，首次全面揭示了网约车系统的排放演变规律。这项发表在《Journal of Cleaner Production》的重要研究，不仅量化了网约车对城市碳排放的贡献，更为车队电气化转型提供了精准的政策靶点。

研究人员采用了多维度分析方法：基于MOVES模型计算不同车速下的排放因子；通过k-means聚类将驾驶员划分为高活跃度（>400 km/周）和低活跃度（<200 km/周）群体；建立总拥有成本（TCO）模型比较电动车、混动车和燃油车的经济性；结合驾驶员留存率数据评估电气化政策的可行性。所有分析均基于真实的网约车运营数据，确保了研究结论的可靠性。

研究结果部分呈现了一系列重要发现：

1. 引言
   数据显示网约车已占多伦多交通总排放的2.1%，其VKT（车公里数）在疫情后恢复速度远超常规交通。特别值得注意的是，空驶里程占比长期维持在33-37%，这一现象在过去两年未见改善。

2. 背景和文献综述
   与普通出租车相比，网约车因更高效的匹配系统理论上应具有排放优势。但研究发现，低活跃度驾驶员群体的空驶率高达55%，严重拖累整体效率。

3. 方法
   创新性地将驾驶员运营特征纳入TCO模型，发现电动车在高活跃度驾驶员群体中展现出7-46%的成本优势。这一结论挑战了"电动车价格过高"的传统认知。

4. 结果与讨论
   4.1 TNC演变趋势
   多伦多网约车电动车占比（2.3%）略高于安大略省平均水平（1.7%），但增长缓慢。混动车因价格优势占比达12.5%，成为过渡期重要选择。

4.2 供应特征
高活跃度驾驶员虽然仅占40.2%，却贡献了系统主要运力，其日均工作时长>5天/周，留存率显著高于低活跃度群体（45% vs 99%离职率）。

4.3 总拥有成本
电动车在4年使用周期内的TCO最低，但受驾驶员高流动性制约。研究测算显示，针对前20%高里程驾驶员实施电气化，可减少43.1%的总排放。

这项研究的结论部分提出了具有政策指导意义的发现：首先，网约车排放治理需要"精准施策"，针对高活跃度驾驶员制定激励政策将事半功倍。其次，现行电动车补贴政策（如加拿大联邦政府5000加元补贴）未能充分考虑网约车运营特性，建议增设里程附加补贴。最后，平台企业应优化派单算法，将空驶率纳入绩效考核，特别是针对低活跃度驾驶员群体。

该研究的创新价值在于首次将 longitudinal data（纵向数据）与微观运营特征相结合，破解了网约车排放治理的"黑箱"。研究人员特别指出，单纯提高电动车占比并不足以实现减排目标，必须同步优化驾驶员运营效率。这一发现为城市交通碳中和提供了新思路：即通过"技术替代+行为优化"的双轨策略，实现网约车行业的绿色转型。未来研究可结合AI技术，进一步优化充电站布局和动态定价策略，为政策制定提供智能支持。