在我国“碳达峰”“碳中和”战略目标下,科学准确地监测和评估个体出行碳足迹是推动城市交通低碳转型的基础,但同时也面临着巨大的挑战。因此,借助出行即服务(Mobility as a Service,MaaS)平台的数据开放与共享,旨在提出MaaS环境下城市...在我国“碳达峰”“碳中和”战略目标下,科学准确地监测和评估个体出行碳足迹是推动城市交通低碳转型的基础,但同时也面临着巨大的挑战。因此,借助出行即服务(Mobility as a Service,MaaS)平台的数据开放与共享,旨在提出MaaS环境下城市个体出行链碳足迹监测与评估方法。首先,设计基于MaaS平台的城市交通碳源监测指标体系,实现对个体出行链多模式交通特征的提取与融合;然后,分别建立针对机动车和轨道交通出行的碳排放计算模型,计算不同交通方式的出行段碳排放,累加得到个体全链出行碳足迹;最后,以小汽车出行为基准线情景,评估个体出行链碳减排量。对在北京市采集的1865条出行链数据进行实例分析,结果显示:以小汽车、常规公交、轨道交通及非机动车为主导的出行链的平均人公里碳排放量分别为0.2380,0.0310,0.0390,0.0017 kg·pkm^(-1),相对基准线的平均人公里减碳量分别为0.029,0.220,0.230,0.280 kg·pkm^(-1);出行链人公里碳减排量与出行链中绿色出行比例正相关;对MaaS平台车辆电动化可使得减碳效益提高52.5%。展开更多
文摘在我国“碳达峰”“碳中和”战略目标下,科学准确地监测和评估个体出行碳足迹是推动城市交通低碳转型的基础,但同时也面临着巨大的挑战。因此,借助出行即服务(Mobility as a Service,MaaS)平台的数据开放与共享,旨在提出MaaS环境下城市个体出行链碳足迹监测与评估方法。首先,设计基于MaaS平台的城市交通碳源监测指标体系,实现对个体出行链多模式交通特征的提取与融合;然后,分别建立针对机动车和轨道交通出行的碳排放计算模型,计算不同交通方式的出行段碳排放,累加得到个体全链出行碳足迹;最后,以小汽车出行为基准线情景,评估个体出行链碳减排量。对在北京市采集的1865条出行链数据进行实例分析,结果显示:以小汽车、常规公交、轨道交通及非机动车为主导的出行链的平均人公里碳排放量分别为0.2380,0.0310,0.0390,0.0017 kg·pkm^(-1),相对基准线的平均人公里减碳量分别为0.029,0.220,0.230,0.280 kg·pkm^(-1);出行链人公里碳减排量与出行链中绿色出行比例正相关;对MaaS平台车辆电动化可使得减碳效益提高52.5%。
