1. 研究背景与目的
- 碳中和与生态文明建设需求: 中国提出碳中和目标和生态文明建设，要求交通领域加强节能减排和污染防治，以实现绿色交通体系建设和交通强国目标。
- 交通领域排放现状: 交通领域已成为中国温室气体和大气污染物排放的重要部门，随着经济发展和生活水平提高，未来排放压力仍将上升。
- 协同控制可行性: 温室气体与大气污染物排放具有同源性，减少温室气体排放对大气污染物控制具有正协同效应，开展交通领域协同治理具有现实可行性。
- 1.0版指南: 2019年，宇恒可持续交通研究中心发布1.0版指南，提出采用协同手段解决交通领域CO2和污染物排放问题，并通过定量研究和费效分析，筛选协同效益最大化的措施。
1.1 碳中和的定义+交通减排与碳中和
- 碳中和定义: 通过植树造林、节能减排等形式，抵消自身产生的二氧化碳排放量，实现二氧化碳“零排放”。
- 交通领域排放: 交通领域碳排放量占全国总量的10%，机动车排放已成为多个城市的首要PM2.5来源。
- 减排途径: 主要通过节能（提高能源使用效率）和新能源实现减排，交通领域减排潜力巨大。
1.2 生态文明建设与交通污染防治
- 空气质量问题: 交通行业发展导致大气污染物排放量增长，严重影响生态环境。
- 交通领域减排压力: 交通领域减排防污工作面临越来越大的压力，防污形势日益严峻。
- 协同控制重要性: 交通领域减排对实现生态文明建设和碳中和目标具有重要意义。
1.3 十四五规划与交通强国建设
- 政策导向: 十四五规划和交通强国建设要求交通领域持续推进绿色交通运输体系建设，实现双达的效果。
- 协同控制必要性: 协同控制方法能够高效服务于交通强国建设目标，推动经济社会可持续发展与环境保护协同双赢。
3. 1.0手册简介
- 目标导向: 以减少温室气体排放和减少大气污染物排放为导向，以交通领域的节能减排和污染防治为目标。
- 方法步骤: 采用基础信息协同、排放清单编制协同、目标设定与减排情景分析协同、协同技术措施工具箱、保障措施协同五步走，以及四种核心算法（减排占比分析、协同坐标分析、能耗法、里程法、周转量法、起降法）。
- 措施方向: 提出运输结构调整、能源结构优化等方向，以及老旧车淘汰、土地布局升级、推行低碳燃料、港口设施完善、公转铁等具体措施。
- 实施效果: 评估了各项措施的实施效果，为政策制定提出了前瞻性指导。
4. 国内城市措施和实践综述（广州、深圳、昆明、天津）
- 城市实践: 天津、昆明、广州等城市率先提出各项措施，结合具体实际情况进行实践。
- 广州实践: 分析广州市交通领域能源消费和排放现状，预测排放趋势，研究可持续发展路径，提出政策建议。
- 深圳实践: 梳理历史经验，设定十四五期间情景，提出加强推广新能源汽车、完善公共交通、持续推进货物运输结构调整优化等措施。
- 昆明实践: 分析交通与经济发展的关系，设定不同情景，估算减排潜力和贡献率，梳理政策路径保障。
- 天津实践: 评估天津市交通大气污染物和温室气体排放情况，制定协同控制策略，评估措施减排效果和协同性。
5. 1.0手册的不足
- 数据收集方式: 依赖传统收集方式，对大数据、人工智能等新技术运用较少。
- 电动车政策: 缺乏对电动车的数据分析和政策引导。
- 货车减排措施: 协同技术措施中缺少对国内货车减排措施的指引。
- 算法部分: 减排量较差弹性分析方法的减少相对晦涩难懂。
- 碳补偿领域: 对碳补偿领域例如碳交易等方面涉及较少。
- 社会经济可接受程度: 需进一步协调国家宏观经济约束和措施之间的矛盾，部分措施成本过高，过于理想性。
- 新技术和新模式: 交通领域新技术和新模式的运用相对缺乏。
6. 2.0手册的亮点
- 大数据和人工智能技术: 结合互联网开放数据和城市基础空间数据，构建机器学习模型对城市道路机动车流量进行预测。
- 出租车网约车新能源化: 提出出租车网约车的新能源化和以旧换新。
- 提升国V以上货车比例: 提出提升国V以上货车比例以及推动低硫燃料。
- 算法部分加入狭义广义叙述: 使减排量交叉弹性分析方法更加形象和直观。
- 开放碳交易市场: 提出开放碳交易市场，开放综合市场手段以加强碳排放控制。
- 关注部门、区域多方面的协同: 提出要关注部门、区域多方面的协同，以及社会经济接受程度。
- 关注交通领域新技术和新模式: 提出结构优化、能效提升、能源替代等措施。
- 关注碳排放的平台监测: 关注碳排放的平台监测，为碳排放的统一标准和平台的实现提出了可参考的建议。
7. 结语
2.0手册的更新将结合地方城市十四五规划及相关专项规划的编制与实施，结合地方城市“双达”工作的研究、编制与实施，结合发改、生态环境、自然资源、交通等部门的行动计划及重点任务落实，借势新基建，贯彻新发展理念，吸收新科技革命成果，不断提升技术方法与模式创新，为生态文明建设以及十四五目标的完成添砖加瓦。
