导读：出行方式转变是推动城市交通可持续发展的核心路径。然而，现有研究在评估新兴交通方式的环境收益时存在系统性高估，而对出行需求合理重新配置的潜力也尚未被充分挖掘。两项研究分别从“精准评估”与“多目标优化”两个维度切入，揭示了共享单车减碳收益被显著高估的问题，并证明合理的出行方式调整可实现出行效率与碳排放的协同改善，为城市可持续交通发展提供了科学依据。在全球城市化的背景下，交通拥堵与碳排放构成制约城市可持续发展的双重挑战。出行方式的结构性转变——无论是引入共享单车等新兴出行方式，还是合理引导居民在现有交通模式间重新选择——都是推动绿色交通转型的重要抓手。
然而，两个关键问题长期悬而未决：新兴出行方式被引入时，其环境收益是否被准确评估？在现有交通系统内，通过合理调整出行方式，究竟能释放多大的效率与减排潜力？两项研究基于城市居民出行时空大数据分析，分别从不同维度回答了这些问题。
问题的起点
共享单车被广泛视为绿色出行的代表，其减碳收益来源于对私家车等高碳出行方式的替代。然而，现有研究普遍忽视了两个关键因素：
忽视上述两点，将导致减碳收益的系统性高估——而这一高估幅度迄今缺乏精确的定量研究。
方法与数据
以深圳市为研究案例，整合逾120万条共享单车行程数据与高德地图通勤OD数据，构建基于蒙特卡洛模拟和生命周期评估的改进减碳核算模型（图1）：通过按距离分组随机采样，将出行距离对方式选择的影响显式纳入计算；同时系统量化共享单车生产（占全生命周期排放58.6%）、运营（38.5%）和报废（2.9%）三阶段的碳排放，将其集成至净减碳计算框架。
图1｜共享单车减碳收益评估框架。（A）多源数据处理；（B）蒙特卡洛模拟；（C）生命周期评估；（D）减碳收益分析。
主要发现
深圳市共享单车单日实际减碳量为 163.19吨CO₂（95%置信区间：[161.69, 164.68]），约相当于1.4万棵树一年的碳汇量。然而，传统模型将减碳收益高估了约73吨，整体高估幅度达44.9%：其中忽略全生命周期排放导致高估25.9%，忽略距离影响导致高估19.0%（图2）。就碳中和骑行距离而言，传统方法同样低估约31%，意味着对共享单车“绿色性”的评价过于乐观。
从时空分布来看，减碳效益呈现早晚通勤双峰规律，且绝大部分集中于公交站和地铁站周边缓冲区内，印证了共享单车在多模式交通衔接中的重要作用。
敏感性分析进一步揭示：在1公里以内的短途行程中，高估幅度超过 500%，而这恰恰是共享单车最主要的使用场景之一。更值得警惕的是，随着新能源汽车的普及，传统模型的高估幅度将进一步上升至超过 60%——被替代的出行方式本身越来越清洁，共享单车相对减碳优势被“虚增”的问题将愈发凸显。
图2｜距离与全生命周期排放因素导致的减碳收益高估幅度：（a）总减碳量高估；（b）碳中和骑行距离低估。注：碳中和骑行距离是指骑行收益恰好抵消单车全生命周期碳排放所需的最短出行距离。
问题的起点
交通领域存在一个著名的反直觉现象——布雷斯悖论：在路网中新增道路或扩大通行能力，反而可能加剧整体拥堵、降低系统效率。这一悖论深刻揭示了“扩供给”并非解决城市交通问题的万能解，单纯依赖基础设施扩张可能适得其反。那么，一个自然而然的问题随之浮现：在不新增交通基础设施的前提下，通过合理引导居民在现有出行方式间重新分配——能否有效提升出行效率并降低碳排放？现有研究在空间精度和多目标协同上仍存在明显不足，多数停留于城市尺度的单目标分析。
方法与框架
以北京市东城区、西城区为研究案例，整合高德地图500米网格尺度通勤OD数据，构建以出行方式的流量分配为决策变量的多目标整数线性规划模型（图3），以总出行时间与碳排放量为双目标，通过NSGA-II遗传算法求解帕累托最优解集，并设置三种优化场景：
S-I（效率优先）：在碳排放不恶化的前提下，最大化出行效率；
S-II（减排优先）：在出行效率不恶化的前提下，最大化碳减排；
S-III（双目标均衡）：在两个目标之间寻求最优平衡。
图3｜出行方式多目标优化及可持续评估框架：（1）数据预处理；（2）多目标优化；（3）结果分析。
主要发现
仅通过行为引导和方式调整，三种场景均实现了出行时间与碳排放的同步改善，优化潜力范围在11%至43%之间（表1）。其中，效率优先场景可将平均出行时间缩短约6.3分钟，同时减少碳排放逾24%；减排优先场景则可将碳排放削减近43%，出行时间亦同步改善超过11%；均衡场景则在两者之间取得良好平衡。
三种场景均呈现共同趋势：私家车周转量下降，慢行交通（步行/骑行）占比显著提升，进一步验证了发展慢行交通基础设施的重要性。
空间上，优化潜力向城市核心区集中，高优先级区域主要分布于四环以内，魏公村—西直门、三元桥—望京、CBD—三里屯等区域优先级最高，为差异化政策干预提供了明确的地理依据。敏感性分析表明，该框架在不同出行距离区间及新能源汽车不同普及率情景下均表现合理且稳健。
表1 ｜ 三种优化场景下的优化结果。其中，优化前（即现状）平均出行时间为0.65小时/次，平均碳排放为0.71千克CO2/次。
两项研究从评估精度与优化潜力两个维度，共同为城市交通政策提供以下启示：
精准评估比乐观估计更有价值：提示政策制定者需采用更严谨的核算方法，尤其应在新能源化背景下动态更新对各类交通方式相对减碳优势的认知，避免政策误判；
需求侧优化潜力不容忽视：无需新增基础设施，仅通过出行方式的合理引导即可实现效率与减排的双赢，且现有公共交通能力足以支撑优化后的需求结构；
慢行交通是系统优化的关键抓手：推动步行与骑行在短途出行中的占比，是同时提升出行效率和降低碳排放的共同路径，具有“一石二鸟”的政策价值；
精细化干预优于一刀切策略：500米级OD空间精度可有效识别高优先级区域，为基础设施投资和行为干预政策的精准落地提供科学支撑。
这两项研究共同指向一个核心判断：面向可持续城市交通的转型，既需要精准评估新兴出行方式的真实环境收益，也需要系统优化现有出行需求的分配结构。在碳排放约束日益收紧、城市交通资源趋于饱和的背景下，数据驱动的精细化分析，是连接政策目标与实践行动的必要桥梁。
上述两项研究成果分别发表于交通领域核心期刊Transportation Research Part A/D。北京大学遥感所博士毕业生、MIT SMART中心博士后尹赣闽为论文第一作者，黄舟教授为论文通讯作者。研究得到了国家自然科学基金项目(U2344216, 42271471, 42401559)的支持。
Ganmin Yin, Zhou Huang, Xiaoyu Wang, et al. Unveiling the overestimated carbon reductions of dockless bike-sharing: A data-driven analysis. Transportation Research Part D: Transport and Environment, 150 (2026) 105071. DOI: 10.1016/j.trd.2025.105071
Ganmin Yin, Zhou Huang, Shuliang Ren, et al. Balancing efficiency and emissions through travel mode shifts: A multi-objective analysis from Beijing, China. Transportation Research Part A: Policy and Practice, 204 (2026) 104782. DOI: 10.1016/j.tra.2025.104782
