机器学习引领包容性可持续增长未来：创业生态系统的作用

《Sustainability》：Machine Learning the Future of Inclusive and Sustainable Growth: The Role of Entrepreneurial Ecosystems

　　

道路运输是温室气体（GHG）排放的主要贡献者，在实现气候目标方面构成重大挑战。尽管诸如活动-结构-强度-燃料（ASIF）等方法被广泛用于估算交通排放，但其作为监管工具的应用仍未被探索。本研究通过提出一个框架，将ASIF应用于收费公路特许经营中Scope 3排放的管理，填补了这一空白。利用巴西一条主要高速公路特许经营的运营和交通数据，研究人员将基线排放与采用自由流收费和车队电气化等干预措施的情景进行了比较。结果表明，减排可以与特定的ASIF组成部分相关联，并转化为可衡量的合同指标。在案例研究中，自由流收费的实施使收费站排放减少了高达37%。车队电气化目前受限于道路的充电能力，但可以通过框架加以改进并捕捉其效果，从而通过特许经营改善可用性的行动，可以推动旨在减少用户相关总排放的政策。据研究人员所知，本研究首次将ASIF方法作为巴西高速公路特许经营中Scope 3排放管理的治理和合同工具进行应用。通过连接排放估算与特许经营治理，该框架为将Scope 3减排目标纳入特许经营合同和气候导向的交通监管提供了实用工具。

**论文解读文章**

**研究背景**
交通运输部门是温室气体（GHG）排放的主要来源之一，对全球气候目标的实现构成重大挑战。在巴西，交通运输排放约占全国总排放的10%–15%，且国际研究也指出交通运输是全球排放的最大贡献者之一。高速公路特许经营系统在此背景下占据战略位置：特许经营商通过基础设施投资、收费系统、交通管理技术和运营程序，影响车辆速度、拥堵程度、加速模式和燃料消耗，从而间接影响用户排放。然而，用户排放（即Scope 3排放）通常被视为特许经营商无法直接控制的范围，因此长期未被纳入特许经营治理和绩效评估体系。现有监管机制（如巴西国家陆路运输局（ANTT）第6057/2024号决议）主要关注Scope 1和2排放，对Scope 3排放缺乏可操作的合同机制。尽管存在诸如活动-结构-强度-燃料（ASIF）等排放估算方法，但尚未有研究将其作为监管工具用于特许经营合同。因此，本研究旨在回答：如何将高速公路用户产生的Scope 3排放转化为收费公路特许经营系统中可衡量、可审计的合同机制？

**研究内容与结论**
研究人员开发并提出了一个将ASIF方法操作化为Scope 3排放管理合同工具的框架。该框架通过将排放驱动因素（活动、结构、强度、燃料）映射到特许经营商可影响、可监控的数据上，并定义可控性、可归因性和可验证性条件，使得每个ASIF组件都能转化为合同指标。通过巴西Fern?o Dias高速公路特许经营的真实案例研究，将基线排放与自由流收费和车队电气化等干预情景进行比较，发现自由流收费可使收费站排放减少高达37%，而车队电气化在5%–15%渗透率下可产生不同的减排收益。该研究首次将ASIF方法作为巴西高速公路特许经营中Scope 3排放的治理和合同工具，为将减排目标纳入特许经营合同和气候导向的交通监管提供了实用框架。论文发表在《Sustainability》上。

**主要关键技术方法**
研究人员主要采用了以下关键技术方法：ASIF分解模型（将排放分解为活动、结构、强度、燃料四个独立可量化驱动因素），并结合U形燃料消耗曲线（源自Nassi [31]）估算不同速度下的能耗；利用巴西Fern?o Dias高速公路特许经营商（Arteris S.A.）提供的2023年交通数据（包括收费站分类数据和同质路段（HS）流量数据，数据来源：ANTT和Arteris内部报告）以及巴西国家石油、天然气和生物燃料局（ANP）和圣保罗州环境公司（CETESB）的燃料使用分布和排放因子数据；通过专家咨询（19位来自公共部门、私营部门和学术界的资深专业人士）收集干预措施提案，并从中筛选出自由流收费和车队电气化两种干预措施进行情景分析。

**研究结果**
**4.1 描述**：选择Arteris S.A.旗下的Fern?o Dias高速公路特许经营作为案例，该高速公路连接圣保罗和贝洛奥里藏特，是巴西收费站交通流量最高的路段之一。
**4.2 前提**：选定同质路段9（HS9），其扩展因子（EFt）为1（即路段交通量与参考收费站P3完全一致），确保车辆分类数据的准确性。
**4.3 数据收集**：收集了收费站分类数据（9个类别）和同质路段交通量数据，通过扩展因子将路段流量与收费站流量关联，并采用2023年全年平均日交通量（ADT）计算。
**4.4 基准案例**：基于ASIF模型，将HS9的车辆活动、结构、强度、燃料数据代入，计算得到基准排放量（具体数值见表9）。结构组件将原始9类车辆合并为7类，强度来自CETESB的燃料使用分布，燃料排放因子来自巴西GHG Protocol官方工具。
**4.5 干预效果**：通过专家咨询识别出32项可行干预措施，并重点分析自由流收费和车队电气化两种。
**4.5.1 自由流收费**：使用U形燃料消耗曲线估算车辆通过收费站时的速度变化对排放的影响。与基于自动车辆识别（AVI）的现有收费车道相比，自由流收费可使收费站排放减少高达37%（见表11）。
**4.5.2 能源来源**：分析车队电气化对排放的影响。假设5%、10%、15%的车辆电动化，则各车辆类别减排量不同（见表12–14）。轻型商用车因交通量占比极小（S≈0.38%），减排忽略不计；重型车辆潜力最大。
**4.5.3 情景综合**：ASIF方法能有效比较基准情景与干预情景，且所需数据（收费站分类、交通量、燃料使用、排放因子）均可通过现有渠道获得或改进监控系统获取。

**讨论与结论**
**讨论部分**：研究结果表明，ASIF方法可以量化特定高速公路干预措施对排放的影响，且精度足以支持合同义务。每个ASIF组件对应特许经营商可影响和监控的因素，为将排放驱动因素转化为合同工具提供了结构化基础。表15列举了基于ASIF的关键绩效指标（KPI），包括监控指标、绩效目标（可能附带惩罚或奖励条款）和激励机制。这些指标的数据来源要么是特许经营商已收集的，要么可通过改进监控系统获取（如智能摄像头分类、动态称重系统）。巴西最近的监管环境（ANTT第6057/2024号决议和BR-116/101/RJ/SP特许经营合同中的碳中性计划）为实施该框架提供了条件。
**结论部分**：本研究回答了如何将高速公路用户产生的Scope 3排放转化为收费公路特许经营系统中可衡量、可审计的合同机制。提出的ASIF-to-contract框架通过将每个排放驱动因素映射到基于现有数据的合同工具来实现这一目标。Fern?o Dias高速公路案例证实，自由流收费和车队电气化等干预措施对ASIF组件产生可量化影响，并可作为审计绩效指标。该研究将ASIF从估算工具扩展为Scope 3排放治理的实用工具，填补了现有研究、监管框架和其他排放估算方法在该维度上的空白。主要局限性包括：仅考虑油箱到车轮（tank-to-wheel）的直接CO₂排放，排除非CO₂温室气体（CH₄、N₂O）、上游燃料和电力生产以及车辆生命周期排放；燃料混合数据来自CETESB（圣保罗州），可能不完全适用于边境路段；排放因子为固定值，未进行不确定性分析。未来方向包括：整合微观或中观交通仿真模型（如VISSIM或AIMSUN）以更精确地模拟拥堵条件下的排放；开发道路特定油耗曲线；以及探索该框架在碳市场中的潜在应用。