数据驱动的乘用车存量电动化建模:验证与跨国情景分析(Data-driven modelling of passenger-car stock electrification: validation and cross-country scenarios)
《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》:Data-driven modelling of passenger-car stock electrification: validation and cross-country scenarios
编辑推荐:
电动汽车的普及是客运道路运输脱碳的核心,但新BEV注册量的增长与实际在用车辆的电动化是两个不同的过程。后者受到现有乘用车存量的年龄结构以及家庭更换车辆能力的制约。在本研究中,“乘用车存量”指全国注册的M1类乘用车数量;“车队”一词仅在来源统计中约定俗成或指代车
电动汽车的普及是客运道路运输脱碳的核心,但新BEV注册量的增长与实际在用车辆的电动化是两个不同的过程。后者受到现有乘用车存量的年龄结构以及家庭更换车辆能力的制约。在本研究中,“乘用车存量”指全国注册的M1类乘用车数量;“车队”一词仅在来源统计中约定俗成或指代车龄分布时使用。因此,本研究提出三个问题:(1)一个透明的幂律采用函数能否再现欧洲不同市场中观察到的早期BEV注册轨迹;(2)在假设2035年新内燃机汽车(ICEV)注册量淘汰的情景下,有效采用因子和车辆报废假设在多大程度上改变捷克乘用车存量电动化的时间;以及(3)可负担性、充电可达性和二手车供应应如何约束对该采用参数的解释。研究开发了一个透明的BEV采用模型,该模型基于幂律函数,并在六个欧洲市场进行了校准和验证。研究结果表明,存量电动化滞后于2035年注册里程碑约12至20年;车辆寿命而非采用速度决定了存量的最终转型年份;采用能力决定了存量轨迹,而非更换周期;充电可达性约束采用情景,而非由采用情景推导得出。
**一、研究背景与问题提出**
乘用车电动化是道路交通脱碳的核心议题,然而新纯电动汽车(Battery Electric Vehicle, BEV)注册量的增长与实际在用车辆存量的电动化是两个本质上不同的过程。后者受制于现有乘用车存量的车龄结构以及家庭更换车辆的能力。现有研究存在三个主要缺口:其一,采用模型与存量周转模型长期分离,前者仅研究注册流量,后者仅刻画存量周转特征,而政策真正关心的存量构成恰恰需要两者的耦合;其二,两者结合的研究多集中于欧盟整体或西欧层面,缺少对中东欧老龄化、依赖二手车进口市场的针对性分析;其三,简约式采用模型常以历史拟合优度暗示预测能力,而其校准窗口内的拟合并不支持长期外推。为此,研究人员开发了一个透明的幂律采用函数,耦合存量周转模型,以捷克共和国这一老龄化且二手车进口依赖度高的市场为核心案例,系统回答三个问题:该函数形式能否再现欧洲不同市场早期BEV注册轨迹;有效采用因子与车辆报废假设如何改变捷克斯洛伐克乘用车存量电动化时间;可负担性、充电可达性与二手车供应如何约束采用参数的解释。
**二、研究内容与主要结论**
研究人员以2035年新内燃机汽车(Internal Combustion Engine Vehicle, ICEV)注册归零为条件政策情景,建立了分段幂律采用函数与固定寿命存量周转模型。在六个欧洲市场(捷克、挪威、荷兰、德国、瑞士、匈牙利)进行了历史校准与跨国验证,并针对捷克市场设置了采用因子(α
scn = 0.10、0.20、0.40)和车辆寿命(L = 12年、20年)的敏感性分析。主要结论包括:存量电动化滞后于2035年注册里程碑约12至20年;终端存量转型年份由车辆寿命决定,而非采用速度;采用能力决定存量轨迹形态,而非更换周期;充电可达性应作为采用情景的约束边界而非模型输出结果。
**三、关键技术方法**
研究采用了三类主要技术方法:第一,对数-对数普通最小二乘(Ordinary Least Squares, OLS)回归方法,用于校准幂律采用函数的历史参数,样本为捷克2016–2024年以及挪威(2011–2023)、荷兰(2013–2023)、德国(2018–2023)、瑞士(2017–2024)、匈牙利(2019–2024)六个国家的年度BEV注册数据,数据来源包括各国官方统计机构(捷克统计局CZSO、挪威统计局SSB、荷兰企业局RVO、德国联邦汽车运输管理局KBA、瑞士联邦道路局ASTRA、匈牙利中央统计局KSH)。第二,固定寿命存量周转模型,采用公式计算在用BEV数量,将累计注册量减去寿命期满的报废量。第三,年龄结构车辆群体模型的递归算法框架,作为方法论扩展以刻画渐进式报废与置换行为。数据来源还包括国际能源署(IEA)全球电动汽车展望作为外部一致性检验。
**四、研究结果**
**4.1 BEV注册的发展(Development of BEV registration)**:在2035年政策情景下,幂律采用模型从2015年起推演BEV注册轨迹。中心情景设定2035年BEV注册份额α
scn = 0.20,对应注册量8万辆/年;受限情景(0.10)与加速情景(0.40)作为敏感性分析。2035年后,时间依赖校正因子α
corr(r)驱动注册量向BEV唯一新注册边界渐进收敛,收敛速度由参数κ控制(参考转型κ = 0.22;慢速更新κ = 0.10)。参考转型情景下,年注册量在2040年约达29.3万辆,2045年约达36.5万辆。
**4.2 在用BEV数量(Number of BEVs in operation)**:存量周转模型将注册流量转化为更缓慢的在用存量转型。以L = 12年参考情景计算,2035年在用BEV存量为47.1万辆,2040年参考转型情景达140.2万辆(慢速更新为111.4万辆),2045年达285万辆(慢速更新为212万辆),2050年达410.2万辆(慢速更新为314.3万辆)。名义存量替换期由公式r
d = r
0 + L给出:L = 12年时r
d = 2047年,L = 20年时r
d = 2055年。该终端年份仅由车辆寿命决定,与采用因子α
scn和后2035转型速度κ无关。
**五、讨论与结论**
**5.1 讨论**:研究揭示了新注册里程碑与存量构成之间的持久滞后。捷克市场因存量车龄高(平均16.3年)且年度更新率低,这种惯性尤为突出。政策若旨在加速存量转型而非仅影响新注册量,应重视影响报废与更换行为的工具,如报废激励、差异化车辆税、低排放区扩展或老旧ICEV运营限制。充电可达性在概念模型中被置于采用的上游位置,作为外在边界条件约束采用因子取值,而非作为模型输出。二手车机制在捷克市场具有双重影响:2035年后持续进口二手ICEV将延迟电动化,而西欧成熟市场二手BEV供给扩大则可能提升有效采用率。实证数据不足导致无法识别各决定因素的独立弹性,因此以情景范围替代虚假精确的系数估计。
**5.2 结论**:本研究开发了一个透明的BEV采用与乘用车存量电动化情景模型,以捷克共和国作为老龄化市场案例。幂律采用函数在六个参考国家的历史窗口内拟合优度R2均高于0.92,调整后平均绝对百分比误差(MAPE)范围为6.1%至17.2%;捷克样本内注册拟合R2 = 0.974,MAPE = 5.8%。2024年官方在用存量数据(36,364辆)作为外部水平校验。名义存量替换期为r
d = r
0 + L,即L = 12年时2047年、L = 20年时2055年;α
scn = 0.10或0.40只改变路径中的BEV存量水平而不改变终端年份。核心发现是新注册里程碑后存量惯性的持续性。有效采用因子α应被理解为受可负担性、政策连续性、车辆可用性、二手车供给和充电可达性共同约束的简约市场容量参数。未来研究应使用家庭层面或区域面板数据估计这些决定因素,并分别建模二手ICEV与二手BEV流动。对于中东欧市场,政策与情景应基于本地存量车龄、购买力和更换渠道进行校准,跨国早期采用者轨迹仅作为参考基准而非替代本地校准的依据。