郭 栋,闫 伟,谭啸川,高 松,高兴邦,张同庆 (山东理工大学交通与车辆工程学院,山东 淄博 255000)

中国提出INDC(Intended Nationally Determined Contributions)目标,即CO2排放力争于2030年前达到峰值,努力争取 2060年前实现碳中和.据统计,2019年中国机动车4项污染物(CO、HC、NOx、PM)排放总量为1603.8万t,其中,汽油车的CO排放量超过总量的80%,HC排放量超过70%[1].

在市场预测方面,往往采取 SD(System Dynamics)[2-3]、时间序列[4]、灰色预测[5]、神经网络[6]、回归预测[7]等方法进行探究,数据要求多,因素间相互作用考虑较少,不能微观的反映变化趋势,引入Lotka-Volterra模型可以有效的解决此问题,但目前仍然停留在2种群竞争[8-9],未对其进行拓展,且较少应用于机动车领域.在排放分析方面,自 20世纪80年代以来,欧美国家逐步建立如 MOBILE、MOVES、HBEFA等排放因子库[10].近年来,各国通过比功率[11]或实车实验[12]等方法测得排放因子,继而运用机器学习[13-14]或相关算法[15],改进现有模型,建立道路动态排放模型[16].在排放方面的研究多为单车或车队研究,宏观研究选择全生命周期模型能实现很好的评估效果[17-18],但学者对系统边界的建立有差异,缺乏市场全生命周期的完善.对于政策影响的研究,往往采用WRF-Chem[19]等模型定量评估政策影响;外延政策影响则采用情景模拟或 SD仿真进行预测[20-21].目前对于乘用车市场政策研究较少,多采用单一政策评估[22-23],且多为纵向比较,缺少横向比较.

本文引入 Lotka-Volterra模型对以动力来源为分类标准的乘用车变化进行预测,展示其市场内部竞争趋势;并通过拓宽全生命周期研究系统边界,加入 6类排放因子以丰富乘用车排放清单,分析市场总排放变化;同时引入轻量化、电气化、清洁化关联的9类政策和3个影响指标,对其进行敏感性分析,通过设计 3类政策情景,评估政策减排差异性,并给出政策建议.

1 材料和方法

研究对象依据车用动力划分为汽油、天然气、纯电动、混合动力乘用车.燃料电池乘用车目前处于发展初期缺少数据支撑,在预测时忽略不计.

1.1 乘用车类型规模变化预测

乘用车市场的类型变化,是融合了政策、资源、市场认可度等各种因素的合作竞争影响结果,是预测未来市场总排放的基础.Lotka-Volterra模型可以动态的表示不同产业间的竞争关系,定性定量的分析竞合作用[24-27].由于各类车型之间存在市场淘汰法则,技术创新既有合作也有竞争作用,将该模型应用于乘用车规模预测,既可考虑外在因素如增长率、收入水平等因素影响,还可考虑内部的竞争因素,更能得出科学的、符合实际的规模变化趋势.因此,首先建立增长趋势模型:

式中:α、β、γ、δ 为各类种群间的作用系数;ri为种群的自然增长率; N1、N2、N3、N4为汽油、天然气、纯电动、混合动力乘用车.利用2012年至2020年的乘用车总库存,通过灰色估计方法对 L-V模型进行离散化处理,根据最小二乘法的原则进行参数估计,取作为白化值和背景值(i =1、2、3、4)[25],得离散方程组如下:

式中:a、b、c、d 分别表示式(1)系数对应部分,其中j、k、e ≠i ,将公式写作矩阵形式如下:

根据最小二乘法参数估计原则可计算相关参数:

1.2 全生命周期排放模型建立

1.2.1 数据来源及模型说明 乘用车全生命周期使用过程中的排放因子是准确预测乘用车市场总排放的关键[28].采用较成熟的全生命周期模型[29-30]作为模板,拓展了系统边界.其中,污染物排放经历过程可表示为图 1.在这些估算中,需要使用迭代计算程序,直到结果变化不超过估计值的 1/1000.历年数据是通过国家统计局、乘联会、能源统计年鉴、中国煤炭工业发展报告[31-33]等相关标准、报告和厂家公开数据库以及相关文献[34-38]收集得到,包括运输效率、单位里程动力能耗、污染物折算系数以及年均行驶距离等.表 1展示了典型车辆的信息,在描述车辆周期相关清单时,主要包括的子系统零件为发动机、变速器、动力电池、电机、车身等,相关数据来源于公开数据和相关参考文献.

表1 典型车辆信息(NEDC)Table 1 Typical representative vehicle information (NEDC)

图1 全生命周期系统流程Fig.1 Life cycle system process

1.2.2 排放模型建立 在汽车排放的有害气体中,CO和 HC约占全球排放量的 50%, PM2.5约占10%～20%,NOx约占 30%[39].中国温室气体(CHG)的排放更是达到了全球的 30%以上(IEA).《中国汽车低碳行动计划研究报告 2020》[40]指出,2010～2019年,中国乘用车各车型之间碳排放差距明显.因此将其主要污染物排放设置为 CHG,同时纳入其他常规污染物(VOC、PM2.5、SO2、NOx、CO),建立更加完备的全生命周期排放清单,为预测乘用车市场总排放建立单车排放模型.

在 WTP阶段,虽然存在不同的能源,但是 CO2的计算是相同的,故对与j(1-原煤、2-天然气、3-汽油)种能源k阶段的CO2可由下式得出.

式中:CO2,k,j指 j种能源中 k阶段的 CO2排放量;ETk,j表示第k阶段所属j种能源消耗量;E FCO2,j是指能源j的CO2排放因子;CCi则是指能源j的单位热值含碳量;OFi是指能源j的碳氧化率;44/12表示CO2与碳的分子质量比.

在PTW阶段计算VOC、CO、NOx、PM2.5、SO2等污染物时,类似计算 CO2的排放模型,进而计算得到总污染物排放模型如下:

式中:Ps,PTW是第 s(1-NOx、2-VOC、3-PM2.5、4-CO、5-SO2)种污染物在PTW阶段的排放总量.

在零件制造、车辆组装、报废回收过程中的排放模型:

式中:Pr表示报废回收阶段的排放量;Mn(k)表示第n阶段第 k种原材料数量矩阵、质量矩阵以及更换零件质量矩阵; Wout(k)表示报废材料排放因子;Win(k)表示再利用材料排放因子;Wn表示材料排放因子.

1.3 政策影响模型构建

1.3.1 模型建立 随着政策工具的不断丰富,各类型政策强度不断提高,成为控制乘用车市场排放的关键手段,而环境政策往往通过影响多类结构主体间接影响市场排放,例如借助于补贴退坡、技术革新、中长期规划等政策激励,影响不同类型乘用车的排放因子以及市场组成,逐步推进燃油乘用车退出市场计划[41-42].根据已有的研究和客观现状以及数据的可得性,本文选取了未来汽车典型发展情景:电气化、清洁化以及轻量化,提取表征参数为:平均整备质量变化率、可再生能源占比、新能源乘用车占比.由于环境政策涉及环保法规、税收收入以及市场行为等,依据其对生态效率的作用机理,每类场景选取综合变量以及独立变量共 5类.对政策指标集进行标准化处理后采用熵值法进行权重的计算,构建指标比例矩阵,计算不同类型的政策指标信息熵值,据此得到解释变量的权重如图2.政策数据来源于中国统计年鉴(2012～2020)、中国能源统计年鉴(2012～2018)以及中国移动源环境管理年报(2012～2020)[31,43-45]:

图2 政策指标权重Fig.2 The weight of policy indicators

首先假设所述中国当前的减排政策均可通过影响行业市场结构、能源消费结构和技术创新间接效应实现节能减排.考虑各类政策的影响效果并非简单的线性影响[46-47],甚至是呈现出“U”型曲线关系[48],因此采用SPSS23.0验证拟合程度最优回归方法,建立模型如下:

式中:Ci,t表示第 t年第 i项影响指标的值,即新能源乘用车占比、可再生能源占比、平均整备质量变化率;L、T、C、S、R、E、G、I、M表示机动车环保法规数目、车辆购置税、碳配额规模、节能环保支出、资源税、能源法规数目、绿证交易量、双积分强度、燃料限值;P表示乘用车数量;ai、bi、ci表示3个影响指标的综合系数,数值可解释为权重与回归系数的乘积;εi表示模型的常数项.

基于此,为准确分析 3类表征参数基于该模型的政策敏感性,考虑该模型为非线性模型,不能采用基础的敏感性分析,应采用sobol方法对其参数进行全局敏感性分析[49].不考虑参数间的相互作用,仅对不同类型政策变量的系数进行全阶敏感度和一阶敏感度分析,采用MATLAB进行计算.

1.3.2 政策情景设计 据中国国家能源局出台的《电力发展“十四五规划”》[50]和四部委联合印发的《关于进一步做好新能源汽车应用推广应用工作的通知》[51],政府将提供必要的政策法规来强制淘汰高排放企业,鼓励技术创新,提高能源利用效率,减少排放.因此,本文对3个政策情景:轻量化、电气化和终端能源清洁化情景进行具体描述(表2),其中,考虑政策情景影响的滞后性,选取 2020、2030、2040、2050年4个关键时间节点进行讨论:

表2 政策情景参数设计Table 2 Specific description of scenario parameters

(1)整车轻量化情景假设未来汽车制造行业会遵循《中国制造 2025》[52]中的轻量化重要战略,推行强制汽车制造商降低汽车油耗的政策,加快轻量化材料的研发进度,降低乘用车的平均整备质量系数.通过对乘用车的燃料限值进行约束,间接减小乘用车整备质量.

(2)电气化情景假设未来遵循节能汽车技术路线图 2.0指导,电动汽车整体市场稳步增长.同时,制定传统燃油乘用车退出市场计划表,加快混动乘用车替代传统乘用车的速度,完成市场的更迭;

(3)终端能源清洁化情景假设未来中国将建立全国性的碳排放交易和绿证市场,交易量呈现井喷式增长,可再生能源发电比例不断升高,按照十四五电力规划发展,且由于该市场的运行,一些高污染的企业因为利润低碳配额不足,从而降低产量或转型.

2 结果与分析

2.1 乘用车规模预测

基于MATLAB平台,对乘用车市场的L-V模型参数进行灰色估计,通过其竞争系数表征市场动态竞争过程,其结果如表3所示.

表3 L-V模型相关参数Table 3 Relevant parameters of L-V model

其中,仿真参数设置为:初始时间为 2019年,总仿真周期设置为31a,时间步长设置为1a.将2019与2020年的仿真误差展示如表 4,结果表明,误差均小于 5%,平均误差为 2.65%.与其他预测方式[53-54]相比,L-V模型提高了预测的准确度.因此,模型的有效性得以验证.

表4 误差分析结果Table 4 Results of error analysis

由此可知,乘用车市场在短期内的自然增速仍然呈现稳定趋势,不会突然灭亡或爆发式增长.但由于化石能源以及市场客户资源的公共性,在长期的资源竞争环境下,乘用车种群会因为彼此间的相互作用而表现出不同关系,例如由于共用生产技术的相似性,呈现互惠共存,或由于对能源资源恶性竞争,呈现竞争消亡.由表3可知4类乘用车竞合关系为:

(1)汽油乘用车自然增长率呈现缓慢增长趋势,依据现有环境,处于市场过饱和状态,未来将在短期内增长后呈现下降趋势.汽油乘用车与纯电动乘用车以及混合动力乘用车的竞争系数均为负值,因此,表示这两类车型的发展对汽油乘用车发展具有较小的阻碍作用,这是由于初期汽油乘用车市场的基数较大以及市场占有较为稳定所导致;而天然气乘用车对汽油乘用车的竞争系数大于其他两类车型,因此具有较大的抑制作用,这是由于天然气乘用车的发展代表替代燃料规模发展,即随着环保观念进入乘用车市场,将对汽油乘用车的发展造成冲击.

(2)天然气乘用车市场的自然增长率呈现下降趋势,由于天然气乘用车市场的发展侧重于商用车,因此市场处于小规模波动发展中.其市场规模在客观环境中处于未饱和状态,仍保持有增长空间,这将取决于乘用车政策取向.从竞合关系来看,汽油乘用车以及混合动力乘用车对其起到较小的抑制作用,而纯电动乘用车则起到较小的促进作用.这是新能源对于传统能源市场竞争力的提升造成的.

(3)纯电动乘用车呈现增长趋势,在国家政策以及技术创新的激励作用下,该类车型将成为新能源乘用车市场的主流车型.在现阶段,由于汽车市场的替代容量较大,纯电动乘用车存有较大的发展空间,目前远远小于饱和容量.纯电动乘用车与其他车型的竞争系数均大于0.1,相互作用较为明显,汽油乘用车以及天然气乘用车对其均为竞争作用,此类关系也代表了新能源乘用车与传统能源乘用车之间的竞争作用,混合动力乘用车对其作用为促进作用,这是因为混合动力乘用车与纯电动乘用车均使用电力驱动设备,均依赖于该项技术的发展.

(4)混合动力乘用车呈现快速增长趋势,这是由于其包含普通混合动力乘用车,对汽油乘用车形成冲击;同时包含插电式混合动力乘用车,作为传统能源乘用车到新能源乘用车的过渡,受到各类政策支持.汽油乘用车对其竞争系数为正值,为竞争关系,而其余两类乘用车则对其具有促进作用,造成此类竞争关系的主要原因是纯电动以及天然气乘用车均为环境友好型车型,其技术创新常包含清洁能源技术的创新,这将带动混合动力乘用车市场的发展.

综上所述,乘用车市场的主要竞争力来源于新能源与传统能源的竞争,固有市场的容量以及技术创新能力将成为未来乘用车市场变化的主要影响因素.通过乘用车市场未来 30a的竞争过程仿真,可得乘用车市场发展趋势(图3).

图3 乘用车市场发展趋势Fig.3 The development trend of the passenger car market

汽油乘用车总体呈抛物线式发展,由于市场出现过饱和状态,在2025年前呈现5.5%的缓慢增长,随后迎来2554.3万辆的销量峰值,其增长率也呈现先缓慢下降,在经历了约 10a的增长率为-15%的平缓期后,在2040年后转入快速下降阶段,在2050年近乎退出市场;而天然气乘用车由于市场规制保持-6.6%的平稳下降趋势;纯电动乘用车呈“S”型发展趋势,初期增长率较高是由于市场对于新型车辆的支持力度和补贴力度较高,当该类车型进入市场普及阶段后,增长率则呈现下降趋势,由82%下降至15%,呈现缓慢增长趋势,这是由于在短期内由于技术限制以及固有市场的认可度较低限制了增长率,而经过技术革新后,在最后10a呈现 18%左右的快速增长趋势;混合动力乘用车与纯电动乘用车的增长趋势类似,由于其处于初期发展阶段,呈现小幅度增长趋势,在 2040后呈现平均15%的快速增长,这是由于混合动力乘用车中普通式混合动力乘用车采用油电混合,对比汽油乘用车呈现较好的环境友好性,对于市场资源的竞争力不断增强.

而从综合乘用车整体市场份额分配来看(图 4),汽油乘用车和纯电动乘用车市场份额变化较为明显,而混合动力乘用车在2040年后市场份额变化较为明显.其中,汽油乘用车由 92%的市场份额逐步减少到 1%,而纯电动乘用车的市场份额则由 5%增长到 75%,混合动力乘用车的份额实现 29%的增长,天然气乘用车市场份额分配始终较小,占比始终小于0.5%.综合而言,仿真前 5a份额分配变化波动较大,在2040年后份额分配再次波动较大,因此总体竞争趋势先缓慢竞争,后剧烈竞争.

图4 乘用车市场份额Fig.4 The share of the passenger market

2.2 全生命周期排放预测

2.2.1 排放因子预测 在对乘用车市场全生命周期清单进行修正后可知:拓展系统边界后,汽油乘用车、天然气乘用车、纯电动乘用车以及混动乘用车的主要污染物CHG排放因子分别为246,169,168和181g/km,因此,3类乘用车均能降低CHG气体排放,其中纯电动乘用车减排的潜力最高,为31.7%(图5).

图5 乘用车市场排放因子Fig.5 The impact factor of the passenger market

综合 4类乘用车共性可得,燃料周期排放占比较大,平均占比74.5% ,CHG排放主要集中在燃料阶段,这也表示了CHG排放主要取决于乘用车对于燃料的依赖程度.因此降低该阶段的减排效果将主要体现在车用替代燃料的规模发展.在燃料周期阶段,新能源乘用车的排放远小于传统乘用车,而在车辆周期中的排放,则刚好相反,纯电动乘用车以及混合动力乘用车高于汽油乘用车 33.3%,这主要是因为两类乘用车电力设备的加入使得制造阶段的排放矩阵较复杂,在车辆周期的排放有所升高,但其综合 CHG 仍较高,这部分差距来源是以电力来源的纯电动乘用车在PTW阶段实现了零排放.这表明推进电动化仍然是乘用车市场减排的重要手段,为进一步提高其减排潜力,降低其车辆周期的排放,材料绿色化制造是其发展的重要方向.

而对于常规污染物的排放因子修正可知:在常规污染物VOC、NOx、CO减排方面,纯电动乘用车均表现出明显优势.混合动力乘用车仅在VOC减排方面具有较明显的优势;在SO2、PM2.5的减排方面,传统能源乘用车明显优于其他两类乘用车,因此即使在电力结构优化与电力技术改善的情景条下,新能源乘用车并非具备对所有污染物的明显减排优势.具体分析可知:

(1)燃料周期中,纯电动乘用车的VOC、CO以及NOx的排放因子仅为汽油乘用车的 6.9%、2.3%、50%,这是由于化石燃料燃烧是 VOC、CO、NOx的主要来源,减排则主要体现在清洁能源的燃料替换效益上.对 SO2减排贡献最大的是混合动力乘用车,为 60%,作为双动力乘用车,较纯电动乘用车减少了部分煤电排放.在 PM2.5排放方面,天然气乘用车相较于其他技术车型对颗粒物减排优势明显,其次是汽油乘用车,虽然纯电动乘用车全生命周期颗粒物排放较高,但其主要集中在 WTP 阶段,有利于集中处理,而其 PTW 阶段的低颗粒物排放使得纯电动乘用车对城市雾霾的贡献最低.

(2)车辆周期中,混合动力乘用车的CO、NOx以及SO2的排放因子均为 4类乘用车中最高,分别为0.11,0.13,0.22g/km,而VOC排放因子最高的车型为天然气乘用车,这是天然气燃料燃烧的固有特征,PM2.5的排放则为纯电动乘用车最高,这主要是由于动力的需求导致动力电池的质量的增加,导致颗粒物的排放有所增加.综合而言,对于5类常规污染物VOC、CO、NOx、SO2和 PM2.5的减排效益最优的为汽油乘用车和天然气乘用车,分别为 25.0%、36.4%、61.5%、50.0%、36.4%,新能源乘用车在车辆周期的劣势是车用材料的冶炼过程中的排放矩阵较大.

通过对于报废回收阶段的清单完善,与其他未计入该部分的文献相比可减少4%的排放[55].对各类乘用车的排放因子分析为达成具象化的环境指标提供了详细的数据分析基础,这也证实了一味的提高乘用车电气化,并不能实现全面减排目标,还需要配合措施例如材料技术的发展以及提高清洁能源的使用率.同时,未来随着乘用车清洁燃料技术的发展,传统能源乘用车的排放因子将持续降低,这将有利于乘用车市场的绿色清洁化发展.

2.2.2 乘用车市场总体排放预测 对于乘用车市场的总体污染物排放,在短期内均呈现上升趋势,在长期的展望中呈现不同的发展趋势.其中,VOC、CO与CHG在2030年达到排放峰值,分别为17.2、33.5和 10757.9万 t(图 6),NOx总排放量出现波动变化,而SO2、PM2.5排放总量随着乘用车数量的增多保持增长,但增速放缓至 3%～7%.综合乘用车市场分析,考虑到乘用车市场规模的影响,对VOC、CO和CHG的贡献率最高的是汽油乘用车,对 NOx、SO2以及PM2.5贡献率最高的是纯电动乘用车.而天然气乘用车由于规模较小对于总体市场排放的影响较小,而混合动力乘用车随着时间的推移对CO的贡献逐渐增加.在未有较多的政策鼓励作用下,乘用车市场的排放会随着乘用车市场的规模不断扩大.因此综合来看,除了乘用车电气化的推进和清洁能源的高比例发展,为了减少制造环节的污染物排放,有必要发展整车轻量化技术,采用轻质金属或碳纤维为车体,并辅以相应的结构设计和制造技术.

图6 乘用车市场排放总量(万t)Fig.6 The total emissions of the passenger car market(×104t)

2.3 政策减排效益评估

依据国家现有政策和规划补充设定间接影响排放的 3个指标的基准情景:依据国家十四五能源规划可设计可再生能源占比的发电基准情景为:2030年煤电占比降低至 28.9%,清洁能源发电占比提升至52.3%;2040年煤电占比降低至5.4%,清洁能源发电占比提升至 80.5%;2050年煤电占比为5.7%,清洁能源发电占比提升至 90.9%.新能源乘用车占比的基准情景用仿真模型所得数据假定设计,即2.1结论.平均整备质量的基准情景依据平均年变化率1.5%进行设计(国家统计局公告).

各项指标的影响往往通过敏感性分析进行判断,首先通过SPSS计算多元回归标准系数对基础政策模型进行完善,随后基于方差通过sobol方法分析排放表征指标对不同乘用车环境政策的敏感性如图 7所示:此次敏感性分析旨在比较3类情景的表征参数对于单个政策指标的敏感性,对于二阶敏感性不再阐述.

图7 政策参数敏感性指数Fig.7 The sensitivity index of policy parameters

在平均整备质量变化率的相关政策参数评估中,双积分强度的一阶响应指数最高,表示在单一响应时,提升双积分强度对于整备质量的变化率响应最快,而考虑因素间的相互影响关系时,燃料限值的影响效果最明显,这体现了在根本上材料结构和质量的相关特征对于该指标的重要性.

在新能源乘用车占比的指标敏感性评估中,车辆购置税的一阶响应指数最高,表示在不考虑其他影响变量时,提升车辆购置税税收强度对于新能源乘用车在市场中的发展趋势影响最强烈,而考虑因素间的相互影响关系时,节能环保支出的影响效果较车辆购置税高,这表示着该指标在根本上的节能环保本质.

在对可再生能源占比的参数敏感性分析中,对比各类参数的单一影响,绿证强度的影响效果最明显,这体现了绿证市场发展的重要意义,在对其进行全阶敏感性分析时,节能环保以及资源税对该指标的总效应指数上升迅速,这表示在考虑综合影响因素的作用下,经济手段为促进可再生能源发展的重要手段.

由此可见,考虑单一敏感性与考虑综合敏感性的结果略有不同,因此不同政策参数间也存在不可忽视的相互作用,以关键政策为主,辅以其他政策工具是市场发展的主要手段.综合而言,乘用车市场未来的政策体系将以税收补贴手段为主,命令类手段为辅,加以市场引导.具体表现为:①采用命令控制类政策,包括能源法规、机动车环保法规、燃料限值等,以控制燃料限值为主要手段,通过出台各种强制性政策及环境质量标准,通过对污染物容许要求做出的强制性规定等方式进行环境管理,可以促进新能源相关产业的发展,促进技术创新从而避免行政处罚或增加惩罚成本;②在市场中主要采用税收补贴类政策,包括节能环保支出、资源税、车辆购置税等,在未来补贴退坡的环境下,税收手段将成为乘用车市场的主要手段,即通过经济手段将生产过程中产生的环境污染等负外部性行为纳入企业的内部成本,同时对使用可再生能源等清洁化行为采取鼓励补贴手段提高企业收益,或通过向使用者征收税费提高生产成本来降低对化石能源的需求,鼓励其进行创新以获得补贴支持;③辅以市场引导类政策,包括绿证制度、碳交易市场制度以及双积分制度,大力提高绿证交易强度,通过对于市场交易的统一化管理,提供平台制度管理,为市场各参与方提高互利共赢的可能性,引导改良能源结构,同时提高技术以获得市场的主动权.

将不同政策强度组合构成不同未来情景,而对不同的排放污染物来说,从横向比较可知,每类污染物对于减排政策情景的敏感性不同,从纵向比较可知,在不同的预测周期中,政策情景的作用效果不尽相同,具体解释如图8、图9所示.

图8 不同情景下的乘用车市场排放总量Fig.8 The overall emissions of the passenger car market in different scenarios

图9 不同乘用车类型排放占比(2050年)Fig.9 The percentage of emissions from different passenger car types (2050)

具体分析可知:①在 CHG的相关减排情景中,在不同情境下均在2030年达到峰值,但峰值大小不尽相同.3类情景均对其排放具有明显效益.在电气化情景下,排放峰值低于其他3类政策情景,为2030年的9749.6万t,较基准情景的排放峰值降低9.4%,清洁化情景的减排效益次之,为 7.3%.②SO2、PM2.5以及NOx的排放总量在3类乘用车政策的推动下依然保持增长的趋势,但随着政策的推进,排放总量增速放缓至平均1.5%.其中,SO2的排放对于整车轻量化政策的敏感性较高,对比基准情景最优可将排放降低11.5%.PM2.5的排放则对于清洁化情景政策的敏感性较高,对比基准情景最优可将排放降低24.1%.而电气化政策的推进对两类污染物的排放未起到预期的减排效果,甚至会出现高于基准情景的预期排放,这是由于未从根本上改变其排放因子,而电动乘用车的这两类污染物的排放因子大于传统乘用车.这表明单一的推进电气化政策不能实现全面减排.NOx在 3类政策环境下会实现不同程度的减排,整体排放的波动幅度有所放缓,清洁化情景政策对其减排效益最优,为 24.3%.对于这 3类乘用车,当推行乘用车市场电气化时,会由于电动乘用车基于功能需求的整备质量不断上升导致污染物排放不减反增.这表明推行电气化政策应完善电力等设备的更新升级,降低排放因子.③VOC和CO对于电气化情景的敏感性最大,与其他两类政策相比,在2030年峰值时刻,电气化情景的VOC和CO排放量比基准情景减少了 18.3%和 23.5%,减排效果显著.可见电气化政策对乘用车的VOC和CO减排效果是最有效的.

随着整车轻量化、电气化政策和终端能源清洁化的不断推进,乘用车市场总排放在不断减少,但不同政策情景对每一类排放污染物的影响方式和效果均不相同,CHG、VOC和CO的最优减排情景为电气化情景,PM2.5、NOx的最优减排情景为清洁化情景,而 SO2的最优减排情景则为整车轻量化,这与乘用车市场的不同类型乘用车的排放因子差异息息相关.这意味着,单一推行某类政策情景,并非最优策略.企业从自身发展情况考虑会主动进行结构调整,在向新能源乘用车转型调整的同时应积极对电池等零部件技术改造和升级,促进乘用车和相关附属企业走绿色低碳、循环经济之路.

同时,通过对2050年的长期规划结果分析可知:随着乘用车市场的新旧能源更迭,混合动力乘用车以及纯电动乘用车市场将成为乘用车市场排放的主要来源,混合动力乘用车对CO等排放物的影响日益增加.其中,在清洁化情景下,混合动力乘用车以及纯电动乘用车的各类污染物排放占比有明显下降,为20%～30%.这表明,对这两类车型的全生命周期排放因子进行分析,是未来研究的重要方向,而在这其中,对乘用车市场的上游能源结构进行调整,对于降低乘用车全生命周期排放因子具有重要意义.

3 讨论

通过引入Lotka-Volterra模型,对其参数进行灰色估计,创新性的推演了各类乘用车之间的博弈过程,对其竞争变化过程进行了定量分析以及可视性展示.通过仿真显示在2035年会实现乘用车市场的新旧能源更迭,从乘用车竞争系数分析,乘用车市场的竞争力主要来源于新旧能源的竞争.市场竞争趋势呈现阶段式上升,即在短期内由于初入市场的政策支持,新型乘用车将对原有市场结构形成冲击,但该阶段由于市场认可度以及市场容量限制,竞争力度未达到最大,在仿真后10年由于技术成熟以及配套设施的完善,新能源乘用车竞争力将不断升高,而混合动力乘用车逐步替代传统汽油乘用车市场,市场竞争将主要由这两类乘用车竞争组成.同时,混合动力乘用车的市场份额增加,符合国家对于节能汽车的路线规划,但仍低于规划速度,这表明国家对于混合动力乘用车的激励政策还未完全发挥作用,具有滞后性.

运用全生命周期的方式微观评估排放过程,更加准确的修正了排放因子,与乘联会发布的部分污染物排放因子具有较好的一致性,完善周期后发现,电动乘用车并未达到预期的减排效益(低于 20%的预期减排效益),尤其对于SO2和PM2.5的减排效果不佳,其排放总量不减反增.这主要是在车辆周期中添加了电力设备的附属质量矩阵,使得以电力为动力来源的乘用车的排放因子在车辆周期明显高于传统乘用车,这意味着要推进纯电动乘用车为代表的新能源乘用车,必须改善主体和电池等结构,克服车辆周期的高排放.这项研究的结果强调了将车辆阶段完善后纳入乘用车环境性能比较的重要性.

对整车轻量化、电气化和清洁化3类重要政策环境提取3类典型的表征指标后进行敏感性分析可知:政策单一影响效果与综合响应程度不完全对应,因素间的相互作用是影响表征指标的重要组成部分.从整体角度进行效益排序为:财政补贴类政策>命令控制类政策>市场引导类政策,但从单一的政策敏感性而言,则需要不同政策强度的最优组合以克服单一手段的缺陷.同时,从最终减排效果来说,不同污染物的最优减排策略是不同的,这意味着仅推进一类政策情景的发展,无法实现全面减排,需要 3类情境下的环境政策协同发展,例如推进城市交通系统电气化之前,必须先发展清洁电力.

考虑全生命周期层面提出政策建议如下:考虑乘用车总体市场的排放规模,由于VOC、CO与CHG在2030年达到排放峰值,NOx排放呈现波动式发展,而SO2、PM2.5排放总量随着乘用车数量的增多保持增长,但增速放缓至4%～6%,因此中国要制定差异化的节能减排目标,还需对空气环境污染等级进行评价,优先控制部分污染源,做到全面减排、重点突破.若考虑乘用车市场的发展政策手段的敏感性,对重点企业以及相关技术进行补贴,多采用税收类手段进行市场管控,加大执行力度,同时,建立市场交流平台,促进各方互利共赢.由于 3类政策情景模拟的时间差异性减排效益,因此需考虑发展时间制定短、中、长期规划,且考虑不同政策情景对于不同排放污染物的差异性效果,制定差异性政策,提高减排的准确性以及科学性.

4 结论

4.1 Lotka-Volterra模型提供了一种新的预测市场份额变化关系的思路,从总体市场的角度预测车辆类型之间的关系,可以适用于制定未来更多车型的市场接纳标准.而通过间接影响全生命周期的不同阶段要素来推演乘用车市场总排放趋势,体现了从微观要素拓展至宏观发展的行业生命线思想.以脱碳、清洁和可持续的方式作为乘用车市场改革过渡的主要趋势,这不仅有利于中国,也有助于未来世界乘用车行业实现净零排放.

4.2 通过对乘用车市场的综合排放特征分析可知:考虑新旧能源乘用车的竞争趋势,顺应市场发展趋势,在达到2035年的市场更新拐点前制定相关政策辅助改革;为实现国家节能汽车路线图的规划,应继续加大纯电动乘用车以及混合动力乘用车的政策支持,并为其提供必要的配套设施,提升其市场认可度.同时,考虑乘用车全生命周期排放阶段差异性,在CHG排放中,各类乘用车的燃料周期均为全生命周期中的较大贡献者,因此政府应重点考虑投资乘用车上游的清洁能源建设;而在常规污染物排放中,车辆周期是排放较大贡献者,因此需同时推进零部件和整车材料的轻量化和低碳化发展;考虑乘用车各类污染物的排放因子差异性,建立评价体系,最终设立精细化指标,促进全面减排.