基于机器学习的网约车合乘出行碳减排状态预测

来源：交通运输系统工程与信息杂志2023年第1期北京时间：

作者：李文翔, 李媛媛, 刘好德, 宜毛毛, 韩印

单位：1. 上海理工大学，管理学院，上海 200093；2. 交通运输部科学研究院，北京 100029；3. 城市公共交通智能化交通运输行业重点实验室，北京 100029

摘要：网约车合乘出行可有效提高车辆运输效率，与常规网约车出行相比具有显著的碳减排潜力。然而，现实中网约车合乘出行能否真正减少碳排放受多方面因素影响，往往存在较大差异与不确定性。为识别碳减排潜力较大的网约车合乘订单，提出一种基于机器学习的网约车合乘出行碳减排状态预测模型，并解析其碳减排机理。首先，基于成都市真实的网约车合乘订单与轨迹数据，应用COPERT(COmputer Program to calculate Emissions from Road Transport)排放模型分别计算合乘出行碳排放量及其替代的独乘出行碳排放量，进而得到合乘出行相比独乘出行的碳减排量。然后，基于历史的合乘行程碳减排及其订单特征数据，训练 XGBoost(eXtreme GradientBoosting)模型以预测未来潜在合乘出行的碳减排状态。最后，采用 ALE (Accumulated LocalEffects)分析方法对预测模型进行特征变量解析，以识别影响合乘出行碳减排状态的关键因素。结果显示：研究区域内平均每次网约车合乘出行可减少碳排放307.23g，但仍有15%的网约车合乘行程未能实现减碳；XGBoost模型可以有效预测网约车合乘出行的碳减排状态，并识别出绕路率、合乘数、重叠率是决定网约车合乘出行碳减排状态的三大关键指标。研究结论可为网约车平台优化合乘订单匹配算法提供理论依据，以实现更高效、更低碳的合乘出行，进一步提高网约车合乘的环境效益。

关键词：城市交通,碳减排预测,机器学习,合乘出行,网约车

基金资助：国家自然科学基金 (52002244)；上海市晨光计划(20CG55)；城市公共交通智能化交通运输行业重点实验室开放课题(2021-APTS-01)