5. 交通模块：RMC|Transport

RMC|Transport 是 RMC 系列模型聚焦于交通部门的模块，用于分析中国交通部门在绿色低碳转型过程中的供需变化、技术组合、能源结构、碳排放以及其他影响（例如关键金属等影响）。模型采用存量-流量（Stock-Flow）的系统动力学建模方式，地理分区包括内地 31 个省级行政单位，以自下而上的方式包含了交通部门关键技术信息、能耗和碳排放特征，并根据汽车存量、活动水平和技术成本的实际历史数据进行校准。

5.1. 模型结构

如图 5-1 所示，RMC|Transport 主要覆盖道路交通部门（未来将拓展至航运、铁路等其他交通部门），包括私人汽车交通、公路营运汽车交通、公共服务汽车交通、其他道路交通。模型涉及的能源品种包括汽油、柴油、电能、氢能、天然气和其它替代燃料。

图 5-1：道路交通部门划分

5.2. 私人载客汽车的规模与结构

模型采用系统动力学方法，对私人载客汽车的“存量-流量”关系开展建模分析。令 \(V_{f,c,a}(t)\) 表示在年份 \(t\)，燃料类型为 \(f\)、车身类型为 \(c\)、车龄为 \(a\) 的私人载客汽车存量。通过对车龄聚合，得到 \(V_{f,c}(t) = \sum_{a=0}^{A} V_{f,c,a}(t)\)。总存量 \(N(t)\) 定义为所有“燃料-车身”复合类型的存量之和，即 \(N(t) = \sum_{f,c} V_{f,c}(t)\)。记该年私人载客汽车的新注册量为 \(n_{f,c}(t)\)，由于到期退役造成的自然淘汰量为 \(r_{f,c,a}(t)\)，则存量-流量关系表示为：

\[ \Delta V_{f,c}(t)=n_{f,c} (t)-\sum_{a=0}^A r_{f,c,a} (t) \tag{5-1} \]

其中淘汰量满足：

\[ r_{f,c,a}(t)=\alpha_{f,c,a} (t)\cdot V_{f,c,a} (t)\tag{5-2} \]

式中 \(\alpha_{f,c,a}(t)\in[0,1)\) 为特定车型的淘汰风险系数。

全国人均私人载客汽车保有量 \(\bar{N}(t)\) 遵循由 GDP 增强的 Gompertz 曲线:

\[ \bar{N}(t)=\gamma_{max}\cdot \text{exp}(-K\cdot \text{exp}(-B\cdot G(t)))+\theta\cdot \bar{N}(t-1)\tag{5-3} \]

其中，\(\gamma_{max}\) 是饱和水平，\(G(t)\) 为人均 GDP，正参数 \(K\) 和 \(B\) 分别为曲线的形状和位置参数，系数 \(\theta\in [0,1]\) 则用于调整人均保有量的惯性效应和收入效应。在此基础上，保有量的绝对水平 \(N(t)\) 通过人口 \(POP_{t}\) 得到:

\[ N(t)=\bar{N}(t)\cdot POP_t\tag{5-4} \]

为保证宏观和微观层面上的一致性，私人载客汽车保有量的年度净变化 \(\Delta N_t=N(t+1)-N(t)\)、总新注册量 \(n_t=\sum_{f,c}n_{f,c}(t)\)、总淘汰量 \(R_t=\sum_{f,c,a}r_{f,c,a}(t)\) 应满足：

\[ \Delta N_t=n_t-R_t\tag{5-5} \]

在车队[1]层面上，以一年为步长的递归关系如下式所示：

\[ V_{f,c,a+1}(t+1)=(1-\alpha_{f,c,a}(t))\cdot V_{f,c,a}(t), \forall a≥0\tag{5-6} \]

\[ V_{f,c,0}(t+1)=n_{f,c}(t)\tag{5-7} \]

假设车辆寿命服从 Weibull 分布以契合老车淘汰更快的经验规律，此时淘汰风险系数可以从 Weibull 分布参数中计算得出：

\[ \alpha_{f,c,a}=1-\frac{S(a+1)}{S(a)} =1-exp\left(-\left[\left(\frac{a+1}{h_{f,c}}\right)^{s_{f,c}}-\left(\frac{a}{h_{f,c}}\right)^{s_{f,c}}\right]\right)\tag{5-8} \]

此外，也可采用对数正态或 Gamma 分布进行简化。

对私人载客汽车规模及结构的预测结果如图 5-2 所示。目前，每百人私人载客汽车保有量与经济发展水平呈显著正相关趋势，浙江、江苏、北京等经济发达省份均超过 24 辆/百人，而江西、湖南、甘肃等地约为 15 辆/百人。未来一线城市的保有量水平增长较慢，于 2050 年后接近或达到饱和水平，其余地区维持较快增长。

图 5-2：各省每百人私人载客汽车保有量（2000-2060）

5.3. 私人载客汽车的消费者选择

私人载客汽车的选择受多种因素驱动，主要包括车辆购置价格、百公里耗能经济成本、续航里程和补能便捷性等。这些因素共同塑造消费者的决策行为，其相互关系如图 5-3。

图 5-3：影响私人载客汽车选择的主要因素

5.3.1. 车辆购置价格

车辆购置价格指消费者实际支付的全部成本，包括厂商指导价（MSRP）、政策激励和市场环境的影响。实际到手价等于厂商指导价、保险和牌照成本之和，减去经销商优惠、地方补贴和消费券。参数演变主要受地方政府补贴政策（如国补、地补）和限牌城市牌照成本驱动。基于历史数据（2017-2021 年补贴优惠政策实施情况）设定 BEV 和 PHEV 的分省折减系数，例如 2019 年地补为国补的 0.3 倍，2020 年为 0.1 倍，2021 年地补系数为 0 但存在隐形优惠。未来价格路径通过价格变动率参数 \(\delta_{i,f}\) 描述：

\[ P_f(t)=P_f(t_0)\cdot\Pi_{i=t_0}^t (1+\delta_{i,f})\tag{5-9} \]

其中 \(P_{f}(t)\) 是 \(t\) 期燃料类型 \(f\) 车辆的购置价格，\(P_{f}(t_{0})\) 是该车型基准年份购置价格。

表 5-1：分车型的购置价格阶段性变化趋势

类别	2025–2030	2030–2045	2045–2060
BEV	快速下降（电池成本驱动）	趋稳或缓慢下降（边际改进）	价格最亲民
PHEV	小幅下降（依赖双系统）	基本稳定	需求减少→价格回升或退市
GASL	保持稳定或略涨	加速上涨（环保成本上升）	大幅减少→价格结构扭曲
DIESEL	小幅上涨（限制政策）	大幅上涨（禁售/禁用）	基本退市

表 5-2：依据不同车型价格变动趋势设置的价格变动率

类别	2025–2030	2030–2045	2045–2060
BEV	–5%/年	–1.5%/年	–0.5~0%/年
PHEV	–2%/年	0%/年	1%/年
GASL	0~1%/年	2%/年	3~4%/年
DIESEL	1%/年	4%/年	5%/年

5.3.2. 百公里耗能经济成本

百公里耗能经济成本衡量每行驶 100km 所消耗能源的货币价值。对于纯电动车（BEV），该成本为百公里电耗与电价的乘积；燃油车（GASL/DIESEL）为百公里油耗与油价的乘积；插电混动车（PHEV）需综合折算。公式如下：

\[ C_{p,k} (t)=EC_{p,k} (t)\cdot\alpha_{p,k}\cdot P_{p,k}^{\text{fuel}}(t)\tag{5-10} \]

其中 \(C_{p,k}(t)\) 是省份 \(p\)、车型组合 \(k\) 在 \(t\) 期的成本，\(EC_{p,k}(t)\) 是 NEDC 标称耗能，\(\alpha_{p,k}\) 是省份特定修正系数，\(P_{p,k}^{\mathrm{fuel}}(t)\) 是燃料单价。BEV 的耗电效率基于 IEA 提供的物理极限设定 S 型技术扩散路径；燃油车油耗基本稳定；PHEV 油耗不变，效率改善依赖纯电续航提升。燃料单价演化基于绿色转型情景假设：电价因可再生能源先升后降，油价因碳税长期温和上涨。

5.3.3. 续航里程

续航里程指车辆满能后的最大行驶距离，是新能源汽车用户的关键考量。假设燃油车续航不变；新能源汽车（NEV）续航由电芯能量密度 \(ED_{f = NEV}(t)\) 电池包质量 \(M_{\mathrm{pack}}\)、电池包集成效率 \(\eta_{\mathrm{pack}}(t)\) 和能耗 \(EC_{p,f = NEV}(t)\cdot \alpha_{p, f = NEV}\) 决定：

\[ Range_{p,f=\text{NEV}} (t)=\frac{ED_{p,f=\text{NEV}} (t)\cdot M_{\text{pack}}\cdot \eta_{\text{pack}} (t)}{EC_{p,f=\text{NEV}} (t)\cdot\alpha_{p,f=\text{NEV}}}\times 100\%\tag{5-11} \]

行业平均电芯能量密度 \(ED_{avg}(t)\) 是各技术路线市场份额的加权平均：

\[ ED_{\text{avg}}(t)=\sum_{\varphi}s_{\varphi}(t)\cdot ED_{\varphi}(t)\tag{5-12} \]

其中 \(s_{\varphi}(t)\) 是技术 \(\varphi\) （如 NCX、LFP、Li-S/Li-Air）的市场份额，单位能量密度 \(\mathrm{ED}_{\varphi}(t)\) 遵循 S 型技术进步曲线。

5.3.4. 补能便捷性

补能便捷性量化基础设施可及性，是新能源汽车推广的关键。各省份补能便捷性指数由基础设施密度与车辆保有量之比定义：

\[ ERAI_{p,f}(t)=\frac{RI_{p,f}(t)/Area_p}{V_{p,f}(t)}\tag{5-13} \]

其中 \(RI_{p,f}(t)\) 是补能设施数量（如充电桩、加油站），\(Area_p\) 是省份面积，\(V_{p,f}(t)\) 是保有量。BEV 便捷性由公共充电桩密度与 BEV 保有量之比衡量；ICEV 由加油站密度与燃油车总量之比衡量；PHEV 则为私人充电桩密度与 PHEV 保有量之和与加油站密度之比。车桩比演变路径受国家规划约束，公桩和私桩比例 \(\Psi_p (t)\) 由系统一致性约束定义：

\[ \frac{1}{R_{\text{public}}} = \frac{V_{p,f=\text{BEV}}(t) + V_{p,f=\text{PHEV}}(t)}{Charge_{\text{public}_p}(t)} \tag{5-14} \]

\[ \frac{1}{R_{\text{private}}} = \frac{V_{p,f=\text{BEV}}(t) + V_{p,f=\text{PHEV}}(t)}{Charge_{\text{private}_p}(t)} \tag{5-15} \]

\[ \frac{1}{R_{\text{total}}} = \frac{V_{p,f=\text{BEV}}(t) + V_{p,f=\text{PHEV}}(t)}{Charge_{\text{public}_p}(t) + Charge_{\text{private}_p}(t)} \tag{5-16} \]

\[ \frac{1}{R_{\text{total}}} = \frac{1}{R_{\text{public}}} + \frac{1}{R_{\text{private}}} \tag{5-17} \]

\[ \Psi_p(t) = \frac{R_{\text{public}_p}(t)}{R_{\text{private}_p}(t)} \tag{5-18} \]

5.4. 公共汽电车的保有量预测

公共汽电车保有量预测采用需求驱动型容量规划模型，分三步实现。

第一步，基于人口、人均 GDP 和私人载客汽车保有量，通过多元线性拟合预测各省公共交通客运量。历史数据口径方面，2017 年及以前客运量统计包括公共汽电车和轨道交通；2018 年后分开统计，2020 年起纳入出租车和轮渡客运量。

第二步，构建“公交汽电车客运量占比”变量，利用历史数据与城镇化率的非线性关系，借助机器学习方法估计未来占比，进而计算公交汽电车客运量。假设未来占比随城镇化动态变化，并考虑地铁开通等因素（如青海、西藏等地假设 2030 年通地铁）。

第三步，根据各省“服务强度”（即车均客运量）推算保有量。服务强度通过拟合近五年公交汽电车客运量与运营数量关系，采用加权平均法得到各省每辆车年客运量，进而结合未来客运量预测保有量。

图 5-4：全国公交车和出租车存量预测（2020-2060）

表 5-3：根据地铁开通情况进行的地区分组

分组	说明	地区
G1	地铁早开通（<1997）	北京、上海
G2	地铁未开通（截至 2023 年）	海南、青海、西藏、宁夏
G3	地铁 1997-2005 年开通	广东、天津、湖北、吉林、辽宁、江苏、重庆
G4	地铁 2009-2014 年开通	四川、河南、黑龙江、浙江、湖南、陕西、云南
G5	地铁 2015 年开通	福建、江西、山东
G6	地铁 2016-2021 年开通	内蒙古、安徽、河北、广西、甘肃、贵州、新疆、山西

---

[1]

Fleet，指私人载客汽车的车辆存量集合，即全国范围内所有正在使用的私人汽车按燃料类型、车身类型和车龄分类的总体。