绿色和平&同济大学-快递行业电动化转型与运输效率优化的减排潜力

第一章 研究背景

快递行业是支持中国近10亿的网络购物用户日 常消费的重要基础设施[1]。旺盛的互联网消费活动给 行业带来了持续的发展，2023年中国快递行业业务 量连续十年位居世界第一[2]；2024年，中国快递业务 继续稳步增长，业务量突破1000亿件的时间较2023 年提前了71天[3]。同年，中国快递业务量达到1745亿 件，同比增长21%，快递业务收入1.4万亿元，同比增 长13%[4]。 近年来，快递行业持续增长而衍生的环境问题引 起了广泛讨论，其中与快递包装相关的废弃物治理 问题在政策和企业治理层面获得了极高的关注。包 装问题之外，快递行业在碳排放上的问题与减排潜 力逐步获得关注。

目前，快递行业的发展与快递业务产生的排放并 未脱钩，根据绿色和平2023年发布的《中国快递行业 的碳排放研究发现摘要》，从2017到2022年，中国快 递行业的碳排放总量显著增长，且增速迅猛[5]。从总 量上看，中国快递行业在2017年的二氧化碳排放当量 为1837万吨，到2022年，这一数字激增到5565万吨， 五年间增长超过200%。这些碳排放主要来自包装、 仓储和运输三个环节，其中运输环节是快递行业碳排 放的主要来源，其排放占总碳排放的60%以上。 在运输环节中，几乎全部的碳排放来自于异城 （跨省市）快递场景下的干-支线运输，其中公路和 航空运输的减排是快递行业减排的重中之重。2022 年，在快递行业的干线运输中，公路运输的碳排放当 量最高，达1874万吨；紧随其后的是航空运输的碳 排放当量，达1376万吨，这两者在干线运输中碳排 放当量的占比分别为56.9%和41.8%。

快递是链接生产和消费的重要环节，低碳的快 递业务对于赋能上游和下游的绿色转型和协同减碳 具有重要意义。对于上游生产端，绿色快递有助于 赋能其生产端企业范围3的直接减排；对于下游消费 端，快递的绿色化是推动绿色消费发展不可或缺的 环节。因此，快递行业应该更积极地加入实现双碳目 标的队伍，系统、科学地研究和落实减排举措。

第二章 方法论

为深入探索快递行业运输环节的减碳路径，本 研究围绕快递运输环节的碳排放特征，建立了多层 次、系统化的研究框架。首先，研究根据真实快递运 输模式构建了三级物流网络模型；其次，采用PEMS 因子实测方法评估不同运输车型的排放特性，对 MOVES机动车模型进行本地化校正1 ；在设定基础 情景后，对运输环节的排放特征和影响因素进行分 析；最终，研究构建出基于车型优化减碳效益模型和 共享集散中心优化模型的综合矩阵情景，探索快递 运输阶段的减排潜力，为快递行业低碳发展提供理 论支撑和方法指导。

2.1 三级快递网络运输模型

研究通过构建三级快递网络运输模型，总结出 物流节点间的动态联系和运输路径，以追踪和分析 快递运输全过程[5]。 三级快递网络一般包括商品的加工工厂、配送 节点、商品需求地及各节点之间的运输通道。该模 型假设大型物流节点主要分布在临近具有重要交通 枢纽和便利基础设施的物流园区周边。根据快递运 输流量的分布情况和运输方向，在人口密集区域或 靠近城市商业中心的位置建立中小型物流节点（二级、N级物流站）。在三级物流网络模型下，货物在 大型物流节点经处理后运输至中小型物流节点，最 终送达客户。 因此，该模型涉及一级物流站、二级物流站和N 级物流站等主要物流节点（见图2）。首先，货物在出 发地的一级物流站集中装箱后，使用重型卡车运输到 目的地的一级物流站；随后，货物通过物流枢纽进行 分拣和初步处理，使用大货车运输到二级物流站；接 着，分拣中心进一步处理货物，用小货车将货物送至N 级物流站的各个网点；最终，由末端配送送达客户。

2.2 PEMS实测数据采集与分析及 MOVES模型本地化修正

研究使用便携式排放测量系统（PEMS），基于 中国上海及周边的运输场景，按照GB 17691-2018 《重型柴油车污染物排放限值及测量方法（中国第 六阶段）》的规定，获取货运卡车在不同道路类型 （城市道路、郊区道路、高速公路）和运行工况下的 碳排放实测数据。实测数据涵盖运行速度、载重、燃 油消耗量等关键变量2 。 研究根据实测数据对MOVES模型进行本地化 修正。MOVES模型是国际广泛使用的车辆排放评 估工具，但其原始数据基于美国场景，不完全适用 于中国。因此，研究对MOVES模型进行了两轮本地 化修正： 第一轮校正：筛选与中国实际情况相关的影响 因子（如车型、道路类型、工况），构建初步的本地化 排放因子库。 第二轮校正：基于PEMS实测数据，运用回归分 析建立校正公式： Eij = β0 + β1X1 + β2X2 + ... + βnXn

其中，Eij表示车型i在道路类型j上的排放因子， X1, X2, …, Xn表示速度、载重、工况等变量。修正后的 因子库显著提升了模型预测的精度3 。 本研究第三章中的运输环节排放特征与因素分 析，以及第四章中不同减排方案的碳排放量测算均 基于此修正后的排放因子库。

2.3 电动化减碳效益评估

由于MOVES模型主要关注传统燃油机动车的排 放情况，而能源转型在道路减排的长期路线上是必 不可缺的一步。联合国气候变化框架公约指出，电动 汽车广泛应用将有效降低温室气体排放，特别是在 电网逐步转向可再生能源的背景下，电动货车的减碳 潜力将进一步提升[6]。因此，本研究选取货车电动化 作为能源转型的代表方案，通过分析主流电动货车 的能耗数据并结合国家电网排放因子，评估其在减 少二氧化碳排放方面的效益。电动货车的碳排放计 算公式如下： CEV = EC × EF × D 其中，CEV是电动货车的碳排放总量，EC是单位 公里的电能消耗量，EF是国家公布的电网碳排放因 子，D是运输距离。

2.4 共享集散中心（UFCC）网络优化模型

本研究创新性地提出共享集散中心（U r b a n Freight Consolidation Center，UFCC）网络优化方 案，以替代传统三级物流网络中的一级和二级枢纽， 通过UFCC直接链接干线运输和末端配送，通过优化 运输路径和车队调度安排等资源配置，评估可能提 升的物流效率和减碳潜力4 。

首先，研究提出了带有时间窗口的多批 次多 行程车辆路径问题（Multi-Trip Vehicle Routing Problem with Time Windows，MB-MTVRPTW）， 扩展了传统的车辆路径问题（ Ve hi cl e Routing Problem with Time Windows，VRPTW）。该模型 模拟了货物从主要枢纽到共享集散中心（UFCC），再 由UFCC分配至客户的全流程。为确保模型的简洁性 和可操作性，研究作出的模型假设和求解步骤如下： （1）模型假设及符号声明5 ：a. 货物信息已知 （每批次货物的到达时间、总货量明确）；b. 枢纽容 量限制（货物批次量均小于枢纽最大容量，避免拥 堵和延误）；c. 单批次独立服务（同一批次的货物仅 由一辆车完成配送）；d. 车辆多样性（考虑不同载重 量类型和能源类型的货车）；e. 预定路径和时间窗口 （所有运输路径及时间安排都事先确定）。 （2）目标函数设计：设定两个目标函数，一是最 小化碳排放，即通过优化运输路径减少车辆总行驶 距离，从而减少能源消耗和碳排放；二是最大化物流 集散效率，通过缩短货物在UFCC的积压时间和车辆 行程间的间隔时间，提高货物转运效率。

（3）设定约束条件：a.客户全覆盖（所有客户需 求必须被满足，确保服务完整性）；b. 车辆匹配与 限制（每辆车的服务总需求量不超过其载重能力，同 一批次仅由一个行程完成配送）；c. 时间与路径约束 （车辆需在约定的时间窗口内完成配送，并确保路 径合理性和流通性）；d. 变量定义（车辆、行程、路 径、时间的变量需符合逻辑范围，如0 -1变量用于表 示是否被选中或执行）。 （4）帕累托优化分析：使用启发式或元启发式 算法生成一组初始可行解，并计算每个解的碳排放 量和物流集散效率，记录对应目标函数值；然后根据 帕累托最优解的定义，筛选出所有不可支配的解，并 将其绘制为帕累托前沿图，发现两目标函数间的权 衡关系。 （5）车辆配置优化：根据目标函数权衡关系和 实际需求，设计匹配重型卡车与中小型货车的最佳 组合，构建仿真场景，评估不同车辆在物流链条中的 减排效果。

第三章 运输环节排放特征与因素分析

3.1 基于PEMS实测数据的MOVES模型 本地化校正

3.1.1 实测结果与第一轮本地化校正

鉴于美国与中国上海地区在道路类型、地理特 征及排放标准等方面存在差异，需对美国MOVES模 型进行校正。根据上海的实际情况，修改模型中预设 的影响碳排放的关键因子，对MOVES模型进行第一 轮本地化，得到初步排放因子模型计算结果。研究将 MOVES模型值与样本车辆实测结果进行对比，发现 仍然存在较大差异，特别是在中高速度段（如图4）。 这可能是由于车辆行驶至高速时，车辆运行状态趋 于平稳，发动机预热更为充足，导致排放更低。而 MOVES模型中未能充分反映这一情况。

3.1.2 第二轮本地化校正

考虑MOVES模型未纳入动态驾驶工况、复杂道 路条件等难以量化的因子，导致结果与实测数据存 在偏差，需基于实测数据建立排放因子修正模型与 修正系数表。本研究结合实际运输环节中影响车辆 燃油消耗的因素与国家第六阶段机动车污染物排放 标准[7-10]，设定了车辆碳排放影响因子（见表1）。 a. 模型建立：将实测排放结果作为因变量， MOV ES模型输出结果作为自变量，并引入车辆类 型、道路类型及平均车速等影响因子，运用统计方法 与机器学习算法，建立排放修正模型，表征实测与模 型结果之间的关系。 b. 修正系数矩阵：通过改变MOVES模型的输入 变量，计算修正系数矩阵，并将MOVES模型输出结果 与修正系数相乘，得到更精确的排放因子。 上述研究成果中的本地化后的MOVES模型将用 于后续碳排放测算工作，以提高测算的精准度。同 时，在第二轮本地化过程中发现的对车辆碳排放具 有重要影响的关键因子，将在后续研究中展开进一 步的分析和探讨

3.2 基础场景碳排放计算结果与特征分析

基于本地化校正后的MOVES模型，研究设定了一 批总质量为39.7吨的快递货物从厦门市送至上海市的 基础场景，以进行运输环节排放特征的分析。 假定发货与收货地两端分别有1个一级物流枢纽、10个 二级物流站点和40个三级物流站点，并依据三级物流 网络模型的运输结构设定每阶段的运输车辆类型，即 一级物流枢纽之间采用载重能力在10吨以上的重型卡 车（基础场景采用的参数统一设定载重量为39.7吨）， 二级与一级之间采用载重能力在1.5吨至10吨之间的大 货车（设定为10.15吨），三级与二级之间采用载重能力 为1.5吨以下的小货车（设定为1.08吨），并统一使用国 四排放标准。每类车型的油耗参数及排放因子均采用 本地化校正后的MOVES机动车模型参数进行计算。同 时，考虑零担运输的情况，研究设定包括虚拟货车平均 化配送7 、折算系数8 及虚拟走行距离9 等虚拟条件。

研究发现，不同级 别物流站之间的碳排放特征呈现出明显的差异。 （1）一级物流枢纽与一级物流枢纽之间 在一级物流枢纽间由1辆重型卡车进行运输，累 计行驶距离为938.62公里，产生碳排放量为979.92 kg CO2eq。其主要行驶的路段为高速公路，整体行 驶速度高且稳定，平均每公里的碳排放量波动较小。 然而，由于长距离运输和较大的载重需求，该阶段的 总碳排放量显著高于其他运输阶段。 （2）二级物流站与一级物流站之间 该阶段由3.91辆大货车进行运输，累计行驶距离 为268.689公里，产生碳排放量为379.67kg CO2eq。 其主要行驶的路段为国道、省道等普通公路或园区 道路等，运输中常面临拥堵路段的低速行驶和频繁 加速刹车等非平稳工况，导致发动机燃油效率降低。 然而，由于该阶段的运输里程较短，沿途总碳排放量 相对较低。随着行驶里程的增长，大货车的速度逐步 提升，平均每公里的碳排放量逐渐下降，呈现更平稳 的排放曲线特征。 （3）三级物流站与二级物流站之间 该阶段由3 6.75辆小货车进行运输，累计行驶 距离为1649.271公里，产生碳排放量为699.57 kg CO2eq。其主要行驶的路段为城市道路，由于三级物 流站与二级物流站之间需要大量小货车进行多次运 输，该阶段在整个配送网络中承担了57.82%的运输 距离，导致沿途总碳排放量较高。

第四章 不同场景下的减排方案分析

改变能源类型及优化运输中转效率可以显著减 少运输环节碳排放。基于第三章提出的两种潜在减 碳路径，本章设计了两种解决方案的场景设置与参 数：在能源结构转型方案中，在运输过程的不同阶段 进行车辆能源类型的替代，逐步用电动大、小货车及 重卡替代传统燃油货车11；在优化运输中转效率方案 中，研究创新性地提出了共享集散中心（UFCC）网络 优化的方法。同时，研究进一步设计了UFCC网络优 化方案与能源转型方案组合与强度变化的减碳矩阵 情景（见图11），通过与基础场景的对比，评估每种 方案的减排潜力。 UFCC作为一个高度优化的共享整合物流枢纽， 通过优化中转效率和集散效率提高快递运输系统 的整体性能，实现货物快速、高效装配，减少了集散 时间；在理想情况下，UFCC还能精准匹配车辆，减 少运输频次，在最大程度上减少等待时间和能源浪 费。由于UFCC方案直接改变了配送车辆的行驶路 径、车型选择以及运输时效等特征，涉及多目标优 化问题，需要通过模型求解以确定最佳的车队配置 和运输路径。因此，研究首先针对UFCC方案（在不 改变车辆能源类型的前提下）进行帕累托求解，获 取其基础方案的车队配置和路径安排，并据此计算 UFCC基础方案下的碳排放量，为后续减排方案的评 估与对比提供参考基准。

4.1 共享集散中心网络优化方案评估

在该方案下，货物以批次的形式，通过干线运输持 续向UFCC发货，UFCC根据干线运输的实际到达情况三级物流站点的订单需求，进行实时车货匹配，假设 UFCC内集散消耗时间与集散成本成正比（见图12）。 由于模型目标设置中的最低碳排放量与行驶距 离呈正比，因此，在目标函数中将其转换为UFCC集 散时间成本与行驶距离成本。求解的帕累托前沿， 其中纵坐标为行驶累计距离，单位是千米，横坐标为 UFCC枢纽集散时间消耗，单位为分钟。最 终，优化方案求解得到5个帕累托非支配解，每个节点 对应的方案制定不同的车辆路径、车辆调度计划。 研究选择减碳量最大的第5号节点为最终解， 根据解的结果配置车队方案及调度计划，进行排放计算。结果表明，UFCC方案较基础场景而言，减少了14.95%的碳排放。这表明通过减少中 转环节以及采用动态车货匹配机制可以提升运输效 率，减少空驶率和冗余配送，实现一定的减排效果。

4.2 综合矩阵优化场景评估

4.1完成了UFCC方案的多目标求解，并选择其中 最减碳节点得到车辆配置及调度计划。本节采取不 同程度的能源转型，搭配采用UFCC方案替代传统物 流网络的方法，得到不同强度的减碳矩阵，并讨论每 种方案相较于基础场景的减碳效果。 研究结果显示（见表3），在仅替换能源类型的情 景中，减碳程度随电动化比例的提升而提升。保持目 前的物流网络不变，方案2采用全程新能源替代的方 案，具有最高的减排效益，这也是本次研究中最具减 排效益的方案，相比基础场景减少了41.78%的碳排 放。方案1采用纯电大货车和小货车，减排比例也达到 22.72%，说明运输车辆电动化具有显著的减排潜力。

通过建立UFCC来优化运输效率的方案（方案3、 4、5），其减排幅度因车辆能源结构的差异而出现明 显分化。其中，方案3采用仅建立UFCC的方案，减排 比例最小，为14.95%，说明在依赖燃油车辆的情况 下，提升效率中转具有一定的减碳效益，但是难以大 幅降低碳排放。相比之下，方案4在末端环节采用纯电 小货车进行协同配置，减排比例能提升至30.38%。 然而，方案5在干线运输阶段也使用纯电重卡， 减排比例下降到30.35%。这表明，虽然用UFCC替代 已有的一级二级物流枢纽和节点时，UFCC能够提升 物流效率，但由于该方案使用重卡进行运输的距离 拉长，目前电网碳排放因子较高，以及电动重卡能效 水平尚不理想等原因，在与全程纯电方案结合时，其实际减排效果受到了一定限制，减弱了全程纯电重卡 和小货车的减排优势。

4.3 结合政策的未来综合矩阵场景评估

交通运输部门的能源结构转型是大势所趋。 2024年12月23日，中共中央办公厅、国务院发布了 《关于加快建设统一开放的交通运输市场的意见》， 明确提出要大力推动中、重型卡车的新能源化，鼓励 新能源车辆在物流运输领域的广泛应用。在这一类 政策推动下，预计传统燃油货车的市场份额将逐步 缩减，公路货运将迎来全面的新能源转型。 与此同时，新能源市场和技术的飞速发展也为 转型提供了强有力的支撑。根据中国汽车流通协 会、高工产研锂电研究所发布的数据显示，2024年 前11个月，国内新能源重卡销量为6.68万辆。相比 去年同期，销量增长了139%，预计2024年中国新能 源重卡渗透率突破8%[11]。电能作为替代能源的代 表，已成为推动物流行业低碳化的重要方向。电动 轻卡和重卡的技术成熟度、经济性及配套充电网络 的日益完善，为其在城市配送和干线运输中的广泛 应用奠定了基础。 因此，以下将以电能为例，深入分析到2030年 时，绿电比例提高的情景下，电动化转型在物流运输 中的潜力及对碳排放的减排效应。

第五章 总结与建议

5.1 研究发现

1. 在本研究中，基于MOVES模型本地化校正 的影响因子库和相关文献发现，车辆类型、能源类 型、排放标准是影响排放的主要因素。其中，相较于 基础场景：

 不同的排放标准对碳排放的总体影响并不 显著；  全程采用重型卡车对于减少运输环节碳排 放影响显著，由于重型卡车具有更高的载重 量，并且在主要行驶高速公路的路况下，具 有稳定高速的运输速度；  能源类型对碳排放的影响表现非常显著，在 采用全程电能驱动的场景下，碳排放量相较 于基础场景减少了41.78%。

2. 优化运输中转效率具备一定的减碳潜力。建 立共享集散中心（UFCC）是优化运输中转效率的一 种方法，该方法通过提前确定车辆配置和调度计划， 实现货物的快速装配，优化中转效率和集散效率，并 且通过优化传统的三级运输网络结构，减少运输的 中转环节，从而减少总运输距离。因此，UFCC具有 减少能源消耗和碳排放的潜力。 3. 在潜在减碳路径的组合矩阵方案中，采用电 动化转型可以实现最大的减排效益。

 在仅替换能源类型的情景中，减碳程度随 电动化比例的提升而提升。具有最大减排 效应的方案为传统运输网络结构下全程 采用电动车辆，该方案减少了41.78%碳排 放；其次为设置UFCC并采用“干线柴油重 卡+末端纯电小货车”的模式，该方案能减 少3 0. 3 8%排放；再次为设置UFCC，并采 用“干线纯电重卡+末端纯电小货车”的模 式，能减排30.35%。而减排效应最低的为 仅采用UFCC模式（减少14.95%）。

 在2030年场景中，相较于未来基础场景，最 具减排效应的方案仍为全程采用电车，可减 少55.26%的排放；其次为设置UFCC，并采 用“干线纯电重卡+末端纯电小货车”模式， 能减排45.26%；再次为不采用UFCC，且除 干线以外的运输采用电动车替换，该方案可 减少32.81%的排放。

5.2 建议

1. 推进车队能源类型的切换 车辆能源转型是货运领域减碳的核心路径，建 议快递企业尽快启动车队能源类型的切换工作。传 统燃油车辆在碳排放方面的高强度特性已经明确， 而可再生能源占比逐步提高是大势所趋，电动化、 氢能化等新兴能源的技术成熟度和市场覆盖率正在 逐步提升。因此，企业应评估现有车队的技术改造 可行性，制定分阶段的替换计划。同时，企业可与新 能源供应商、充电设施运营商等合作，加快货运场 景的基础设施建设，为新能源货运车辆的运营创造 便利条件。

2. 探索货运中转优化方案 在新能源车辆技术尚存瓶颈（如纯电重卡续航 能力不足、补能方案未完善等）的情况下，快递企业 可以呼吁行业内的统筹、协调与协作，共同推动物流 资源的优化配置。例如通过建设区域性货运枢纽，整 合各企业的货物以进行更集约的分拣处理，提高车 辆的装载率和运输效率，减少车辆空载率和重复运 输带来的能源浪费等。此外，政府和行业协会的支持与参与，能推动这些枢纽的建设，适宜的政策激励和 资源调度将促进行业内各企业的广泛合作，以实现 更加合理的区域枢纽布局和资源利用，进一步提升 整体行业的减碳效果。

3. 提升运输效率与绿色管理水平 快递企业应加强对运输环节的绿色管理和实时 监控，以数字化手段提升运输效率并减少能源消耗， 以降低碳排放。借助先进的物联网（IoT）技术和大 数据分析平台，企业实时采集运输过程中的车辆状 态、路况信息和交通拥堵情况，动态优化配送路径。 例如，在高峰时段避开拥堵区域，或根据车辆类型调 整能源利用方案，从而减少不必要的燃油消耗和温 室气体排放。此外，通过对物流数据的长期积累和分 析，企业还能够逐步完善运输管理策略，形成更具可 持续性的物流运营模式。

4. 推动本地货运排放数据库的建设 建议业界与学界深化合作，共同推动中国本地 货运领域排放数据库的建设，为未来更精确的碳排 放核算提供坚实基础。数据库应具有全面性和系统 性，涵盖不同车型、道路条件、货物种类、运输距离 以及季节性和区域性差异等多维度的排放数据，以 反映中国实际运输活动的复杂性和多样性。这一工作 不仅有助于深入分析和明确各类运输模式的碳排放 特征，还能为政府部门制定科学精准的碳减排政策 提供可靠依据，从而助力货运行业的绿色低碳转型， 推动国家“双碳”目标的实现。

编辑：999感冒灵