考虑技术不确定性和停车场基础设施升级的公交系统脱碳公共资金

《Energy Policy》：Public funding for bus system decarbonization accounting for technological uncertainty and depot infrastructure upgrades

　　

现有公共资金计划在加速公交车队脱碳方面发挥了关键作用，但其有效性和效率仍是核心政策问题。本研究通过一个总拥有成本（TCO）模型评估电池电动公交车（BEB）的成本效益演变，该模型明确基于初始停车场特征纳入基础设施投资。公交车运营商的采用决策采用实物期权（RO）框架建模，通过随机模拟捕捉技术和市场不确定性。该模型应用于一个美国代表性城市公交服务，以评估当前资金方案的表现并确定BEB采用的最佳时机。结果表明，在没有公共支持的情况下，BEB采用仍然缓慢且不确定。现有的美国资金方案覆盖高达85%的车辆和基础设施成本，大幅降低了初始支出，使立即采用成为主导选择。然而，相当程度的脱碳速度可以用更少的资金实现。最优配置对应于约65%的车辆购买资金和取决于初始停车场条件的资金（从最佳情况的4%到最差情况的78%），持续约10年。这种结构确保了以最小的财政成本实现最快的过渡。

**论文解读文章**

**研究背景与问题**
公共交通部门正经历生态转型，旨在实现运营脱碳和减少城市污染。电动推进已成为低排放技术中的主要替代方案，因为电动公交车结合了环境效益与长期经济潜力。然而，电池电动公交车（BEB）仍显著比柴油燃料（DF）替代方案更昂贵，需要完整的系统转型，包括充电基础设施的大规模投资。现有研究表明，基础设施成本在BEB车队的总拥有成本（TCO）中占很大份额，且高昂的前期基础设施投资是主要的采用障碍。这些成本强烈依赖于初始停车场条件，这些条件在不同运营商和地点间差异很大。同时，BEB技术涉及未来成本和性能的显著不确定性，尽管预计会有改进和成本降低。在此背景下，关键政策问题是：公共激励应如何设计以加速城市公交服务的脱碳？当前资金方案的有效性如何？能否以更低公共支出实现同等脱碳速度？

**研究内容与结论**
研究人员开发了一个结合详细成本模型与实物期权（RO）框架的方法，以比较美国代表性城市公交服务中DF和BEB路径。该模型通过日程安排、车队规模和停车场特征估算基础设施成本，捕捉初始停车场条件如何塑造投资需求。该框架用于评估现有资金方案，并识别在车辆与基础设施分配、资金强度和持续时间方面的最优激励，以在最低公共成本下加速脱碳。研究得出以下主要结论：第一，基础设施成本是决定BEB经济可行性的关键因素，忽略它会导致误导性结论；第二，在没有公共资金支持时，BEB采用缓慢且不确定，现有覆盖85%车辆和基础设施成本的资金方案使立即采用成为主导，但等效脱碳速度可用更少资金实现；第三，最优政策组合为约65%车辆购买资金加与停车场条件挂钩的基础设施资金（从最佳情况的4%到最差情况的78%），持续约10年，可使公共支出减少17.4%–35.2%。论文发表在《Energy Policy》。

**主要技术方法**
研究人员采用了一个总拥有成本（TCO）模型，分别计算DF和BEB车队的年度化成本，并将充电基础设施成本（包括充电系统安装、电网连接、停车场升级）显式建模为初始停车场条件（分为良好、中等、受限三类）和空间可用性（高、中、低）的函数。采用几何布朗运动（GBM）模拟不确定变量（BEB购车成本、电池成本、柴油价格、电价、最大能耗）的随机轨迹。投资时机通过实物期权（RO）框架建模，将切换选项视为美式看跌期权，利用最小二乘蒙特卡洛（LSM）算法通过逆向归纳求解最优停止时间。数据来源包括美国27家公交机构的零排放公交车过渡计划、美国公共交通协会（APTA）报告、美国能源信息署（IEA）等。

**研究结果**

**5.1 充电基础设施在TCO演变中的作用**
通过GBM模拟TCO_BEB和TCO_DF的随机路径，比较六个场景。在无公共资金时，场景1（最差停车场条件）下TCO_BEB初始比TCO_DF高120%，场景6（最佳条件）下高50%。BEB轨迹离散度更大。在基础设施成本高时，TCO_BEB很少低于TCO_DF；而在有利条件下，几乎所有模拟收敛至TCO_BEB低于TCO_DF。平均预期TCO显示，车辆组件在所有场景中轨迹相同，差异完全由基础设施成本驱动，表明忽略基础设施成本会得出误导性结论。

**5.2 现有政策的有效性**
模拟当前美国资金方案（覆盖85%车辆和基础设施成本，持续8年）。结果显示，该方案大幅降低初始支出，使TCO_BEB在所有场景中始终低于TCO_DF，立即采用成为主导策略。通过累积概率曲线度量采用速度，无资金时采用概率低，现有资金下几乎立即达到100%。热图分析显示，相同有效性的采用速度可通过更低折扣组合实现，例如场景1中，(x=0.75, y=0.75)即可达到同等脱碳速度，表明当前方案公共支出过高。

**5.3 最优资金方案**
定义效率前沿，识别非支配资金组合。在8年持续时间下，最优车辆折扣x*约为0.65–0.66，基础设施折扣y*从场景1的0.78逐步降至场景6的0.04。公共支出节省从17.4%增至35.2%。引入持续时间变量后，发现最优x*和y*水平基本不随持续时间变化，但效率在3–10年区间最高，短于3年可能无法确保完全过渡，长于10年效率下降（因部分运营商在极不利模拟中延迟采用）。最终推荐10年资金计划。

**讨论与结论**
讨论部分指出，资金方案是必要的，但当前方案可能对公共支出造成过重负担。通过量化采用时间并链接资金强度，研究支持更精确的公共资金校准，以减少BEB采用延迟和支出。资金方案应根据运营环境（特别是停车场特征）差异化，但实际管理中存在信息不对称问题，需通过多阶段行政程序（运营商提交标准化设施评估，资金机构或独立技术评估员验证）来区分电气化特定成本与现有维护积压。研究结论总结为：本文开发了包含充电容量和停车场升级成本的BEB TCO模型，嵌入RO框架和LSM算法，动态比较BEB与DF车队。结果显示，TCO_BEB更分散，基础设施成本关键；无资金时采用缓慢；现有85%折扣方案有效但过度；最优政策组合为约65%车辆资金加停车场依赖的基础设施资金（4%–78%），持续3–10年（推荐10年）。政策建议包括资金方案必要但需更精确校准、差异化运营环境、长期可预测性。未来研究可整合路线调度、充电调度和电网容量模型，并评估氢燃料电池公交车。