内河货运转型中绿色与智能船舶策略的系统动力学分析：以上海为例

《Ocean Engineering》：A system dynamics analysis of green and intelligent vessel strategies for inland waterway freight transformation: A case study of Shanghai

　　

•一个双路径系统动力学模型耦合了绿色与智能船舶的转型过程。•燃料研发与氢/电动船舶带来最大的减排与减损效果。•技术投资结合船员培训最有利于提升航行效率与安全。•敏感性分析表明，政策结论对参数不确定性具有稳健性。•以上海为基准校准的情景为低碳内河航运提供了定量指导。

**引言**

内河水运货运是区域乃至全球物流网络的重要组成部分，因其显著的能源效率、减排优势以及缓解公路拥堵的能力而备受重视。全球范围内的内河航道承担着庞大的货运量，其中欧盟年货运量约为1500亿吨公里（Transport, 2023），中国在2021年的货物吞吐量超过30亿吨，同时大幅减少了公路拥堵和温室气体排放。在此背景下，位于长江入海口的上海（Jiang等, 2018）承担了长江流域最大之一的内河货运量，每年运输数亿吨货物。

然而，尽管上海在物流方面地位重要，其内河水运仍严重依赖传统柴油动力船舶，导致大量本地空气污染物和碳排放。最近的环境监测报告指出，内河航运对区域排放贡献显著，在长江三角洲地区密集航道附近的氮氧化物（NOx）和颗粒物排放量中约占30%–40%（Minak, 2023）。认识到这一挑战，包括《巴黎协定》和欧洲绿色协议在内的国际政策框架强调了对包括海运和内河航运在内的交通运输部门进行脱碳的紧迫行动。相应地，中国明确提出了2030年碳达峰和2060年碳中和的目标，进一步强调了向更绿色、更智能的内河航运方案转型的必要性（Zhong等, 2023）。

为应对这些可持续发展需求，绿色和智能船舶技术已成为内河水运货运系统转型的关键要素。采用液化天然气（LNG）、电池电力和氢燃料电池等替代推进方式的绿色船舶在减排方面展现出潜力，尽管其适用性可能取决于特定航线、工况周期和基础设施条件。与此同时，智能航运技术——包括自动导航系统、船舶交通管理、实时运行监测以及高级决策支持工具——已在国际上开始广泛普及，显著提升了运营安全和效率。据国际海事组织（IMO）预测，这些技术将降低事故率，优化能源使用，并提升内河和海洋运输的整体运营绩效（Sun, 2024）。

基于此背景，探索利用绿色和智能船舶促进内河水运货运转型升级的有效策略，已成为政策制定者、从业者和学者面临的关键任务。在前人关于内河水运发展与管理的研究中，国内外学者从多种视角进行了探索，主要包括内河货运系统的发展、绿色与智能船舶技术，以及影响内河航运转型的因素。

内河水运货运（IWT）经历了以推进方式变革、船舶设计和物流集成为标志的阶段性发展。最初，内河水运依赖劳动密集型且简陋的系统，如马拉驳船、蒸汽链轮船和小型柴油拖船，随后逐步采用柴油推进并增加标准化船舶的使用（Mira等, 2020）。Gbako等（2025）的综合综述证实了这一转变，突出了从人工拖曳货物向机械化、集装箱化驳船服务的转变。Bu和Nachtmann（2021）在其对集装箱驳船（COB）系统的综述中报告了过去二十年COB的显著增长，尤其在欧洲，并指出北美和亚洲也出现了新兴兴趣。这种集装箱化模式改善了多式联运连通性，实现了内河航道与海港或铁路网络之间的无缝货物转换（Niu等, 2025）。

在运输方式现代化的同时，船舶本身的绿色化和智能化升级也取得了显著进展。首先，在许多情况下，机龄较长（部分已运营超过40年）的船队被改装为改进型船体、现代化发动机和排气后处理技术。例如，欧盟资助的"MoVe IT!"项目表明，有针对性的改装可以提高船舶燃油效率并减少颗粒物排放，尽管结果因船舶尺寸和航线特征而异（Hargitai等, 2018；Jonkeren等, 2014）。类似地，在中国长江经济带，分阶段改装政策也鼓励了结构加固和发动机升级以满足不断演进的排放标准（Jiang等, 2025；Ren等, 2019）。其次，近年来，内河货运领域也迈出了数字化转型的步伐。Tubis等（2025）提出了内河航运的数字成熟度框架，展示了基于AIS的交通监测、预测性维护和港口-内河交通集成系统等智能工具的部署，最初在莱茵河和奥得河航道上进行了测试。

这些分阶段的技术和运营演进为当前向绿色智能内河船舶的转型创造了有利环境。

近年来，学术界对新能源动力船舶的研发投入了大量关注（Minak, 2023；Nivolianiti等, 2024；Yigit, 2022）。Fan等（2020）指出，纯电动推进适用于短途和港口作业；中距离可采用氢燃料电池、甲醇重整燃料电池和LNG等技术的组合；而远距离和远洋运输方面，氨燃料系统最具潜力。Yuan等（2020）讨论了多能源混合动力系统的结构，并对其关键技术和背景进行了深入分析。这类系统可以显著降低船舶的能耗和排放，未来有望大规模推广。Sagin等（2025）对海洋柴油发动机使用替代燃料进行了实验研究，证明这种方法在提升环境性能方面是有效的。由于其低能源强度，这些替代燃料可以在各种水运模式中推广。Wang和Gao（2024）利用灰色AHP方法构建了综合评估框架，以评估适用于中小型船舶的五种新能源技术。基于环境性能、经济效率和实际适用性的不同优先原则，他们分别确定了电池电力、甲醇和LNG动力技术为最优解决方案。Jesus等（2024）针对气候变化下航运业的温室气体排放问题，通过建立成本评估框架，提出了选择最佳替代燃料的经济工具。其案例研究证实了氢气和LNG的经济可行性，为绿色航运的推进提供了新的见解。Lin等（2024）比较了各种低碳技术的优劣，并强调了高级优化算法的重要性。他们认为，将速度优化模型和燃油消耗预测工具集成到船舶设计和运营阶段，可以显著提高整体能效。

目前，智能船舶技术的研究主要集中在四个关键领域：设计、建造、运营和管理。在设计方面，研究集中于利用AI算法优化船舶结构（Ao等, 2022, 2023；Jiang等, 2022；Sindi等, 2024；Tripathi和Vijayakumar, 2025）以及通过数字孪生平台支持设计过程（Fujikubo等, 2024；Liu和Ren, 2023；Wei等, 2024a, 2024b）。在建造方面，重点在于自动化技术的采用（Shahzad等, 2023；Wang等, 2022）、基于BIM的协同系统（Tan等, 2018）和AI驱动的维护策略（Durlik等, 2024；Li等, 2024b）。在运营研究方面，重点在于高级路径规划算法的开发（Gan等, 2025；Wang等, 2025；Zheng等, 2023）以及船岸协同智能运营平台的建立（Liu等, 2024c）。在管理领域，数字技术被应用于实现智能故障检测与远程控制系统（Duan等, 2025）。

在系统层面发展方面，一些学者提供了战略性见解。例如，Liu等（2024a）提出了虚实交互测试范式，并强调随着辅助操纵、遥控和自主导航的快速发展，建立全面的测试系统变得越来越必要。Zhang（2021）探讨了集成化技术设计方案，利用传感技术、路线规划和通信-导航一体化来优化智能船舶系统。这些研究突出了对开发全面的系统层面框架和集成技术以支持智能船舶运营发展的日益重视。

总体而言，这些研究确立了绿色智能船舶的技术可行性，但很少量化这些技术投资如何在城市尺度的货运系统中传播扩散——这正是本文系统动力学模型所弥补的空白。

系统动力学（SD）已成为分析影响航运业各因素之间相互关系的最突出方法论之一（Bei等, 2025a, b；Li等, 2024a；Pu等, 2026；Uygur等, 2026）。系统动力学建立在系统理论、控制论和数学建模之上，使研究者能够模拟和检验复杂的反馈机制与动态交互（Pokharel等, 2023；Walters和Javernick-Will, 2015；Zhao等, 2026）。近年来，系统动力学产生了大量研究成果，并广泛应用于揭示海上系统中的经济发展路径、安全分析、环境影响评估和运营效率等领域的可持续发展路径。

Jeon等（2016）使用SD模型探讨了影响海事安全的关键因素，如经济状况、船舶管理实践和政府预算分配，并基于事故数据和预算情景进行了敏感性分析。SD在可持续性研究中也证明其价值。Ghisolfi等（2024）开发了因果回路图，定性描绘了航运系统对五大脱碳策略的响应方式，突出了潜在的政策反弹效应，并支持货运运输的减排工作。Tang等（2015）构建了SD模型以考察低碳航运系统的因果结构。其模型揭示了多种反馈机制，并模拟了三种减排策略的有效性以支持政策决策。Wang等（2020）将演化博弈论集成到SD模型中，分析了海事管理部门和航运公司在排放控制区（ECA）政策下如何调整策略，特别是在应对燃料成本变化时。Jing等（2021）设计了SD模型以预测北极航运的CO2排放，通过模拟12种不同燃料类型和航速的情景进行。

除排放预测外，SD越来越多地被应用于区域政策制定。Yang（2024）结合主成分分析和SD建模评估了湖北省绿色航运的发展及其影响机制。Ye等（2024）基于SD的洞察提出了相应的区域策略，研究了脱碳机制和实施计划如何能在动态演变的背景下得到有效设计。此外，SD被广泛应用于考察可持续航运的长期趋势（Gao等, 2023；Huang等, 2023；Jing等, 2021b）以及航运订单波动的动态（Sánchez-Ramírez等, 2020）。这些应用表明，系统动力学非常适合捕捉航运系统中的政策反馈，这促使本文将其用于在单一内河货运框架内耦合绿色与智能船舶的转型。

尽管近年来国内外在绿色航运、新能源船舶和智能船舶系统方面取得了显著进展，但仍存在几个值得关注的研究空白：

首先，关于城市尺度内河水运货运系统的研究有限。大多数现有的系统动力学应用侧重于宏观层面的海运和港口发展。很少有研究针对城市尺度的内河货运系统进行研究，特别是将当地政策和产业结构纳入详细模拟的研究。

其次，政策实施路径的分析不足。虽然一些研究使用SD模型考察了绿色或智能转型，但它们往往缺乏基于投资策略、船舶类型调整及排放系数演变等变量的细粒度模拟，限制了其在政策实施中的实际应用性。

最后，缺乏实证数据和地方参数支持成为一个问题。许多现有模型依赖于国家级或假设参数，缺乏基于真实数据的地方建模实践，例如基于上海地理范围、产业基础和历史记录的数据支撑。

一些模型过度依赖理论假设，与实际的交通运输、能耗或排放数据结合不紧密，降低了其在现实中的适用性。本研究的新颖之处在于，在一个以上海为标定对象的系统动力学框架内，对绿色与智能船舶转型进行联合建模，而非像大多数以往研究那样将其孤立看待。因此，本研究旨在探讨上海内河货运系统的绿色与智能转型策略。

(1) 系统动力学建模（针对缺口1：城市层面内河货运建模的稀缺性）：将构建一个系统动力学模型，以探讨上海内河航运的绿色与智能发展，综合考虑经济、技术和环境因素。该模型将通过因果分析和反馈分析揭示其内部动态机制。

(2) 基于本地数据的实证仿真（针对缺口2和缺口3：精细化的政策路径仿真不足与本地化参数缺乏）：利用本地交通数据，研究将仿真涉及投资策略、燃料升级和船舶结构调整等不同情景，以评估系统行为和政策影响。

(3) 绿色与智能转型的政策建议（将仿真证据转化为可操作的指导）：基于仿真结果，研究将提出有针对性的政策建议，以支持上海内河航运的绿色与智能转型，并为其他城市提供参考。

相应地，本研究的具体目标有三：(1) 建立上海内河货运系统绿色与智能转型的城市尺度双路径系统动力学模型；(2) 利用上海专属数据，仿真并比较投资、燃料、船舶结构和智能化策略的有效性；(3) 提出可操作的低碳智能内河货运转型政策建议，为其他城市提供借鉴。

**研究框架**

本文提出的研究框架如图2.1所示。本研究首先进行全面的文献综述，收集关于绿色与智能船舶及系统动力学在海洋运输系统中的应用的现有研究。随后，构建一个双路径系统动力学模型：绿色子系统侧重于船舶结构转型（如液化天然气、电动、氢能）和排放因子的调整，而智能子系统则旨在……

**模型目标与问题分析**

在确保社会经济收益的前提下，内河航运的绿色与智能发展应提升环保型与智能型船舶的应用。这一进步旨在提高运输能力、优化能源结构并减少环境污染，从而促进经济、技术与环境效益的协调发展。因此，本研究构建了内河货运绿色与智能发展的系统动力学模型。

**参数确定**

参数确定是确保系统动力学模型有效性的关键步骤。部分参数直接取自官方统计数据，而多数缺乏直接数据来源，因此采用回归分析、时间序列（ARIMA）预测、专家评分或Vensim PLE中的函数拟合进行估算。参数按照模型的因果链顺序依次估算：首先确定宏观经济驱动因素（腹地GDP和……

**内河航道升级策略的仿真研究**

基于第4章的仿真结果，本研究构建的上海内河航运船舶绿色与智能升级系统动力学模型在模型假设下具有实际参考价值。本章中，本研究利用该模型，通过按照国家政策和拟议措施调整变量参数，评估不同政策策略的效果。通过对多种情景的比较分析，本节旨在提供……

**仿真结果分析**

本研究利用系统动力学模型，全面评估了上海内河货运运输背景下绿色与智能船舶升级策略。仿真结果表明，各种战略干预措施具有不同的优势和局限性。

首先，关于绿色船舶升级，仿真结果突出显示，燃料研发投资的效果显著优于造船补贴和基础设施建设，……

**结论与展望**

本研究旨在提供一个系统性的框架，用于理解绿色与智能船舶技术对内河航运运输系统的动态影响。通过采用系统动力学建模方法，本研究捕捉了投资政策、技术采用、航运能力、环境影响和经济效益之间的因果关系和反馈回路。该模型通过四步过程构建。首先，确定关键变量和……

**CRediT作者贡献声明**

杨培杰：写作——初稿、方法论、调查。薛杰：写作——审阅与编辑、监督、项目管理、方法论、调查、资金获取、概念构思。陈有路：写作——初稿、验证、软件。李前兵：可视化、软件。张承德：可视化、软件。胡浩：写作——审阅与编辑、监督。

**数据可用性**

研究数据和调查报告来源于官方报告，包括《交通强国建设纲要》、《长江经济带发展规划纲要》、《上海统计年鉴2022-2023》、《绿色智能船舶发展行动计划（2023-2025）》、《中国造船工业年鉴》、《中国内河航运发展报告》等。

**利益冲突声明**

作者声明不存在可能影响本文工作的已知竞争性经济利益或个人关系。

**致谢**

本研究得到国家自然科学基金（编号52671461）、上海市科学技术委员会自然科学基金（编号23ZR1434400）、伦敦大学与上海交通大学研究种子基金（编号WH410260402）以及上海交通大学青年学者启动基金（编号22X010503469）的资助。版面费由上海交通大学承担。

杨培杰 | 薛杰 | 陈有路 | 李前兵 | 张承德 | 胡浩