从碳排放的角度分析共享电动自行车的电池更换模式

《Environmental Impact Assessment Review》：Battery swapping mode analysis for shared e-bikes from a carbon perspective

　　沈永刚|林晨翰|宋延安|于晴|张永平
浙江大学波特莱特学院与智能交通系统研究所，杭州310058，中国

**摘要**
共享电动自行车（e-bikes）主要采用两种电池管理模式：集中式充电（CC）和分布式换电（DS）。然而，从碳排放角度来看，这两种模式的系统比较仍然有限。以中国宁波市为例，本研究评估了共享e-bike系统在CC和DS模式下的减排潜力。通过将生命周期评估（LCA）与基于代理的建模相结合，量化了整个系统生命周期的碳排放。结果表明，DS模式的14天净碳平衡为?1761.3千克二氧化碳当量，而CC模式的净排放量为509.0千克二氧化碳当量。这种差异主要归因于换电过程中的交通相关排放减少、部署的换电柜数量减少以及未满足的出行需求降低。此外，DS模式在高出行需求地区表现出更高的换电效率。降低换电阈值可以减少因电池电量低导致的自行车无法使用的情况，但会增加e-bikes的物理短缺。这种权衡与总体碳排放的减少相关联。DS模式下的减排量为348.2千克二氧化碳当量，CC模式下的减排量为1645.9千克二氧化碳当量，且CC模式对阈值调整更为敏感。此外，在CC模式下，根据出行需求的变化动态调整换电阈值可以减少未服务的行程并缩短换电间隔。

**引言**
随着城市化进程的加快，城市交通产生的二氧化碳排放量持续增加，给低碳城市发展带来了挑战。根据国际清洁交通委员会的数据，到2050年，全球交通相关碳排放预计将增加70%以上（Zhong等人，2023年）。这一增长与气候变化缓解目标和更广泛的可持续发展目标密切相关。传统的城市交通方式，如私家车和公交车，主要依赖化石燃料，因此与大量的碳排放相关。相比之下，共享自行车、共享电动自行车和共享电动滑板车等新兴的共享交通方式越来越被用于中短距离出行。本文将电动自行车定义为装有踏板并通过车载电池驱动的两轮车辆。这些共享方式有助于解决最后一公里出行问题、缓解交通拥堵并减少交通相关碳排放（Zhang和Mi，2018年；Zhang等人，2025b年）。近年来，共享自行车系统及其运营商得到了政府机构的政策支持。截至2022年9月，中国的共享电动自行车（e-bikes）数量已达870万辆，约占总共享微出行车队的37%（Shi等人，2024年）。

与共享自行车相比，共享电动自行车的采用率更高，部分原因是它们能够在长距离或不平坦的地形上实现更高的行驶速度并减少体力消耗。共享电动自行车的运营和管理成本也较低（Xu等人，2022年；Zhao等人，2024年）。然而，如果共享电动自行车的电池电量不足，用户可能会选择更轻便、更方便的共享自行车，尽管e-bikes仍可手动骑行。在系统运行过程中，一旦电池电量降至预设的换电阈值以下，该自行车就被标记为不可用，并暂时退出服务，直到用充满电的电池替换为止。此外，随意停放的人行道上的共享电动自行车可能会阻碍行人通行并导致局部交通拥堵。这些运营特性突显了充电和换电过程在决定共享e-bike系统性能中的关键作用。

广泛采用的换电技术（Zhao等人，2024年）通过用充满电的电池替换耗尽电的电池并收集放电后的电池进行充电，使自行车重新可用。实际上，换电模式可分为集中式充电（CC）和分布式换电（DS）。如图1所示，在CC模式下，运营者在服务区域内收集耗尽电的电池并将其运输到充电仓库进行充电。由于租赁和管理设施的成本较高，仓库通常位于土地价格较低的郊区。因此，仓库与服务区域之间的相对距离通常限制了每天只能进行一次或两次换电（Zhao等人，2024年）。相比之下，DS模式依赖于分布在整个服务区域内的换电柜（BSCs）。每个BSC都配有单独的充电隔间，允许用户在现场用充满电的电池替换放电后的电池。此外，BSCs安装在指定位置，并由负责指定区域内充电和换电操作的人员维护。

充电和换电模式（即CC和DS）影响共享e-bike系统的运营性能。除了CC和DS在运营过程中的固有差异外，关键系统参数（如换电阈值）也决定了可用电池能量的水平。换电阈值的变化通过动态运营过程影响系统的运营效率和环境效益。这些模式不仅影响运营效率和服务可用性，还塑造了能源消费模式和相关的碳排放。鉴于CC和DS在电池生产、运输、充电过程和寿命终结管理方面的差异，生命周期碳排放预计会在不同模式下有所不同（Zhou等人，2023a年）。因此，将碳排放分析与充电和换电模式及阈值的评估相结合，可以对其环境性能进行比较评估，并有助于识别影响碳足迹的关键过程。此类分析支持电池管理策略的优化，并为提高共享微出行系统的环境可持续性提供参考。此外，根据我们的研究结果，运营商可以根据具体运营条件选择适当的换电模式和阈值。

作为共享出行系统的重要组成部分，共享电动自行车在交通相关碳排放研究中受到越来越多的关注。然而，对其环境性能的实证评估仍然有限，主要是由于数据可用性和收集方面的挑战。此外，在现有的比较充电和换电模式的文献中，环境因素尚未系统地纳入评估框架。大多数先前的研究集中在微观层面的运营问题上，如电子围栏（Yu等人，2022年）、换电站选址（Xu等人，2022年）和路线平衡规划（Schuijbroek等人，2017年）。相比之下，采用基于模拟方法的宏观层面充电和换电模式（即CC和DS）的比较分析仍然有限。在依赖换电的共享e-bike系统中，换电阈值是一个重要的运营参数，影响电池利用率和整个系统的性能。迄今为止，只有少数研究探讨了该阈值变化对出行需求满足度的影响（Zhao等人，2024年），且缺乏全面的优化分析。总体而言，现有文献存在两个关键研究空白：

• 缺乏系统性的、全生命周期的碳排放评估，以比较e-bike共享系统中的CC和DS模式。
• 对多维性能指标（包括碳排放）下换电阈值的时空异质性的研究不足，以及缺乏解释CC和DS模式之间差异阈值效应的机制分析。

本研究旨在通过从碳排放的角度，对共享e-bike系统中的CC和DS模式进行比较分析，从而为现有文献做出贡献。从环境影响评估的角度来看，生命周期方法是捕捉e-bike共享系统各阶段碳排放的关键。因此，本研究开发了一个结合基于代理的模拟和生命周期评估（LCA）的集成框架，以量化系统范围内的碳排放，这一框架建立在该领域最近的方法学进展基础上（Su等人，2025年）。本研究在以下方面为现有文献做出了贡献：

• 我们建立了一个专为e-bike共享系统定制的基于生命周期的碳排放核算框架，以量化系统范围内的碳排放。
• 将真实世界的运营数据与基于代理的模型相结合，模拟共享e-bike的运营动态，包括自行车租赁和归还过程、充电和换电模式（即CC和DS），以及再平衡操作。
• 进行比较分析，以评估两种模式之间的生命周期碳排放差异。此外，本研究还研究了不同换电模式在不同出行需求水平地区的适应性。
• 本研究探讨了换电阈值的时空异质性对多个性能指标的影响，评估了阈值调整策略的适应性，并阐明了阈值变化影响整体系统性能的机制。

本文的其余部分安排如下：第2节回顾相关文献；第3节描述建模框架和方法论，包括LCA和基于代理的模型；第4节介绍宁波案例研究，讨论碳排放及相关性能指标的变化及其背后的机制；第5节对本文进行总结。

**文献回顾**
在向低碳交通系统转型的背景下，共享微出行服务（如共享自行车和共享电动自行车）受到了城市用户和政策制定者的日益关注。越来越多的研究探讨了它们的环境影响，特别是温室气体（GHG）排放和潜在的减排潜力。同时，充电和换电策略也被视为关键运营组成部分。

**方法论框架**
开发了一个方法论框架，用于评估共享e-bike系统中不同换电模式的环境性能（图2）。在数据预处理和确定出行高峰期后，分析了包括电子围栏、换电站和共享e-bikes在内的关键系统组件，考虑了它们的数量、地理位置和初始电池电量（SOC）。然后基于这些输入构建了一个基于代理的模型，以捕捉系统的动态行为。

**研究区域和数据处理**
中国浙江省的沿海城市宁波近年来共享微出行服务得到了广泛部署。本研究使用了Hello Inc.（中国领先的共享微出行服务提供商Hellobike的运营商）提供的2022年9月5日至9月18日的14天共享e-bike出行数据集。该数据集包括详细的出行级别信息，如起点-终点（OD）坐标、开始和结束时间、自行车标识符等。

**结论**
本研究开发了一个结合LCA方法的集成基于代理的模拟框架，以评估CC和DS模式下e-bike共享系统的环境和运营性能。以宁波为例，分析了系统层面的碳排放、未满足的出行需求和换电效率，并进一步研究了这些结果对换电阈值变化的敏感性。在两种模式下，生产相关排放量都有所不同。

**指标**
1. 服务行程数据
2. 未服务行程数据

**参数**
- 第i次行程的网络距离
- 电动汽车的累积行驶距离
- 轻型卡车的累积行驶距离
- 中型卡车的累积行驶距离
- 出行替代模式的总数
- k次行程的替代概率（例如地铁和公交车）
- k次行程的碳排放因子（例如地铁和公交车）
- 电动三轮车的碳排放因子
- 电动卡车的碳排放因子

**利益声明**
作者声明他们没有已知的竞争财务利益或个人关系可能会影响本文所述的工作。

**致谢**
本研究得到了浙江大学-ZCCC协同创新研究所（编号ZDJG2021009）、国家自然科学基金（编号72574195）、浙江省哲学社会科学规划研究重大项目“基于多源大数据和人工智能算法的城乡融合评估方法”（25SYS11ZD）以及浙江大学基本科研经费（S20250014）的资助。