基于LEAP模型的省域貨運物流碳達峰路徑分析

王君　張萌萌　付建村　解曉燕　徐暢

摘要：為分析省域層面貨運物流碳達峰路徑，以某省為例，應用長期能源替代規劃系統（long-range energy alternatives planning systems，LEAP）模型，預測基準情景和低碳情景下2019—2050年某省貨運物流領域的能源需求、CO2排放和減排潛力，并提出碳達峰路徑方案。結果表明：基準情景下某省貨運物流能源需求和CO2排放均將于2038年左右達峰，低碳情景下達峰時間分別有望提前到2034年、2033年。公路貨運的減排潛力巨大，應大力推進“公轉鐵”“公轉水”，不斷提高交通工具的能效水平及新能源、清潔能源的應用比例，配套建設新能源與清潔能源基礎設施，加快低碳技術在貨運物流中的創新應用。

關鍵詞：LEAP模型；貨運物流；碳達峰路徑;低碳

中圖分類號：U492.3+13;X73文獻標志碼：A文章編號：1672-0032（2023）02-0049-08

引用格式：王君，張萌萌，付建村，等.基于LEAP模型的省域貨運物流碳達峰路徑分析［J］.山東交通學院學報，2023，31（2）：49-56.

WANG Jun，ZHANG Mengmeng，FU Jiancun，et al. Analysis of CO2 emission peak path of provinical freight logistics based on LEAP Model［J］.Journal of Shandong Jiaotong University，2023，31（2）：49-56.

0 引言

物流業是國民經濟發展的紐帶和加速器，能源消耗大、碳排放高，是對氣候變化產生影響的重點領域[1-2]。近年來物流業碳排放量約占全社會碳排放總量的18%，并且碳排放量以年均20%的速度增長[3]。隨著《巴黎協定》1.5 ℃溫控目標和我國碳達峰、碳中和目標的提出，物流業節能減排成為國內外研究熱點[4-5]。

已有研究多集中于物流業碳排放量測算、碳排放效率、碳排放影響因素及低碳技術創新應用等方面，研究數據多取自交通運輸、倉儲和郵政業[6-8]。原雅坤等[9]選取碳排放量、人力資本、固定資產投資作為投入變量，貨運量、國內生產總值（gross domestic product，GDP）作為產出變量，評價低碳約束下的冷鏈物流效率。Chelly等[10]從物流供應鏈企業角度分析，認為物流業碳排放主要來自生產、運輸和儲存活動。但物流領域雙碳路徑的研究較少，且多側重于國家和省級層面的碳達峰路徑[11-12]。王深等[13]研究基于多目標模型的中國低成本碳達峰、碳中和路徑，提出未來我國碳減排工作重點領域依次為電力、供熱與交通。劉方舟[14]采用長期能源替代規劃系統（long-range energy alternatives planning systems，LEAP）模型預測城市層面2021—2030年的碳排放量，分析碳排放規律并探索碳達峰路徑。宋鵬等[15]以重慶市為例構建本地化LEAP模型，探尋重慶市碳達峰目標的關鍵影響因素及其碳減排路徑特征。

目前關于省域層面物流領域碳達峰的研究較少，考慮物流作業中93%的CO2排放來自運輸環節，7%來自倉儲等其他環節[1]，及研究數據的可獲得性等因素，本文以某省為例，選取能決定物流碳排放趨勢的省域貨運物流為研究對象，基于LEAP模型，分析基準情景和低碳情景下的能源需求及CO2排放水平，并提出碳達峰的實現路徑。

1 研究方法

1.1 LEAP模型數據結構

LEAP模型是瑞典斯德哥爾摩環境研究所開發的用于能源-環境和溫室氣體排放的情景分析軟件，是一種“自下而上”的核算工具，適用于社區、城市、省、國家、大區域在近、中、遠期的能源預測及溫室氣體減排分析[16]。該模型的輸入參數包括分領域的活動水平數據、工藝結構、設備能效、燃料種類等微觀參數，及GDP、人口、城市化率等宏觀經濟參數；輸出結果為各種情景下該領域的能源需求量、CO2排放量等。LEAP模型可根據行業特征靈活構建數據結構，實現對能源終端消費部門全面、詳細的評價，數據結構靈活、輸入透明[17]，廣泛應用于交通、能源、環境等領域中的政府節能減排決策、企業節能減排規劃和科學研究[18-21]。

本文以2019年為基準年，2050年為目標年，以貨運周轉量為活動水平，以單位貨運周轉量綜合能耗為能源效率，公路貨運以汽油、柴油、天然氣、氫能、電力為能源結構，鐵路貨運以柴油、電力為能源結構，民航貨運以航空煤油和生物航空煤油為能源結構，水路（不含遠洋運輸）貨運以燃料油和生物燃油為能源結構，構建省域貨運物流LEAP模型數據結構。

1.2 能源需求量與CO2排放量測算方法

貨運物流LEAP模型輸出為能源需求量與CO2排放量，貨運物流第k種能源需求量

式中：Ei，k為第i種貨運物流使用第k種能源的單位貨運周轉量的能源需求量，tce/（t·km）；Qi，k為第i種貨運物流使用第k種能源的貨運周轉量，t·km。

貨運物流CO2排放量

式中：FCO2，k為第k種能源相對標準煤的CO2排放系數。

2 預測情景設置

2.1 情景定義及描述

基于LEAP模型設置基準、低碳2種情景，采用情景分析法[22]預測分析貨運物流未來能源需求及CO2排放。

基準情景是以現階段貨運物流需求為基礎，綜合考慮現有各種政策措施，按照目前的實施力度執行將能實現的碳達峰狀態；低碳情景是在基準情景基礎上，通過調整運輸結構、優化運輸工具能源結構及提高燃油效率等降碳措施，促進貨運物流碳達峰狀態。

2.2 數據來源

某省貨運物流CO2排放測算過程涉及的各年度GDP、產業結構、人口、城鎮化率、貨運量、貨運周轉量等經濟社會指標和貨運活動水平基礎數據，來自文獻[23]及某省統計局公開數據；由交通行業企業能耗調查數據獲取各類能耗數據；依據文獻[24-26]中的平均低位發熱量、單位熱值含碳量、碳氧化率等參數計算獲取各類能源的CO2排放系數，結果如表1所示。

主要依據貨運物流領域的歷史趨勢推算，并結合近期出臺的相關中長期規劃、政策文件和相關研究成果預測得出情景分析中貨運活動水平、能源結構和能源效率[27-28]。

2.3 關鍵參數假設

2.3.1 貨運需求總量

通過綜合分析貨運需求總量隨GDP、人口、城鎮化率、產業發展等社會經濟因素的影響規律，發現近10 a的貨運強度（每萬元GDP產生的貨物運輸量）與GDP間存在較強的相關性，貨運強度

式中：Q為貨運需求總量，GGDP為地區生產總值。

選用運輸強度趨勢外推法預測貨運需求總量，得到回歸模型為：

式中：Y為預測貨運需求總量，X為年份序列數，X=1，2，3…，其中2019年X=1，以后年份依次取值。

結合近期出臺的相關規劃、政策文件中對應的參量分析進行修正后，得到2025、2030、2035、2040、2050年Y分別為11 695、13 757、15 948、17 953、18 134 億t·km。

2.3.2 運輸結構

某省貨運物流運輸結構將隨產業轉型和貨物運輸方式的多樣化而不斷調整，未來多式聯運將成為重要的貨運模式。“十三五”期間公路貨運周轉量占比逐年遞減，但占比仍然最大。2015年公路貨運周轉量占貨運周轉總量的75%，2020年降至72%；鐵路貨運周轉量占比略增，由2015年的14%增至2020年的17%；水路貨運周轉量占比基本穩定，維持在11%。公路貨運具有高效、便利的明顯優勢，在全省貨運體系的主導地位不變，但隨大宗物資“公轉鐵”“公轉水”趨勢增強，公路貨運周轉量占比將逐年降低；2023年小清河通航及京杭運河三改二工程實施后，預計水路貨運周轉量占比在一定時期內增長較快，但總體受全省內河及沿海運能等條件限制，未來增量有限；考慮未來鐵路專用線建設，鐵路貨運周轉量占比將增大；民航貨運周轉量占比略增。結合相關規劃[27，29]，不同情景下省域貨運物流周轉量占比預測結果如表2所示。

2.3.3 能源結構與能源效率

貨運工具的能源結構是影響能源需求及CO2排放的關鍵因素。未來貨運物流領域將出現一系列重大變革，氫燃料車與電動車可替代傳統燃油車。隨貨運工具的優化和技術進步，能源效率不斷提高。到2030年，新能源、清潔能源動力交通工具占比約為40%，營運交通工具單位換算周轉量碳排放強度比2020年下降約9.5%[29]。根據文獻[27-29]，不同情景下省域貨運物流能耗相關參數預測如表3所示。

3 結果分析

3.1 貨運物流能源需求和CO2排放趨勢

基準情景和低碳情景下，2019—2050年省域貨運物流能源需求和CO2排放的變化趨勢如圖1所示。

由圖1可知：2種情景下全省貨運物流的能源需求均表現為先增長達峰后緩慢降低的演變趨勢。基準情景下，能源需求雖有增加，但年增長率減小，2038年達到峰值3017 萬tce；低碳情景下，隨節能措施的加強，能源需求預測提前到2034年達峰，相比于基準情景，能源需求峰值降低約13%。全省貨運物流CO2排放表現為與能源需求極為相似的變化趨勢，隨能源需求的增加，CO2排放也將保持增長，但幅度明顯小于能源需求，基準情景下CO2排放峰值預測出現在2038年，為5756 萬t；低碳情景下，隨減排措施力度加大，CO2排放達峰時間提前到2033年，且峰值降低為4998 萬t，比基準情景下降低約13%。

關鍵年份各參數的情景預測結果如表4所示。由表4可知：總貨運需求預測值不變時，基準情景下省域貨物物流在2025年、2030年、2035年、2040年、2050年的CO2排放總量分別約為5105萬、5456萬、5699萬、5611萬、5367 萬t，低碳情景下分別約為4768萬、4891萬、4990萬、4773萬、4572 萬t，低碳情景比基準情景的CO2減排量分別為337萬、565萬、709萬、838萬、795 萬t；4種貨運類型的能耗強度、CO2排放強度均有不同程度的降低。說明通過不斷調整運輸結構、能源結構和能源效率，能有效降低能耗水平和CO2排放。

3.2 貨運物流CO2減排潛力

為進一步探究各種低碳措施對省域貨運物流碳減排的影響程度，將基準情景下4種運輸方式產生的CO2排放量減去低碳情景下的CO2排放量，得到每年4種貨運類型的CO2減排潛力，如圖2所示。

由圖2可知：基準情景下，公路貨運的減排空間巨大，通過低碳情景下“公轉水”“公轉鐵”等措施調整貨運結構、能源結構和能源效率，公路貨運CO2排放在2040年有望減少800 萬t，其他貨運類型CO2的減排空間均小于10 萬t。低碳情景下，鐵路貨運在2032年后將幾乎全部實現電氣化，比基準情景下提前3 a。因此，由鐵路運輸消耗化石能源產生的直接CO2排放在2035年前有一定的減排潛力，2035年后減排潛力表現不突出。隨電力和清潔能源的應用，水路貨運的能耗強度降低，由此產生的CO2減排空間逐年提高，在2035年減排量為近10 萬t。由于航空煤油能源效率提高及應用較高比例的生物質燃料，2034年以后的民航貨運CO2減排潛力表現較突出，平均每年CO2的減排量約為8 萬t。

綜上，低碳情景下，2040年CO2減排空間最大，CO2減排總量約為850 萬t；2050年CO2減排總量約為800 萬t，公路運輸CO2減排量貢獻占比近98%，減排潛力較高，水路、民航運輸的CO2減排量貢獻分別為0.73%、1.11%，鐵路實現了全部電氣化，碳減排貢獻不突出。

3.3 貨運物流碳達峰路徑

貨運物流是省域物流領域碳排放最主要來源，是實現全省物流業碳達峰的重要領域。通過不同情景的預測分析，提出全省貨運物流碳達峰和碳減排路徑。

1）優化貨運物流的組織結構。公路貨運是實現碳減排最關鍵的領域，未來應加快大宗貨物和中長距離貨物運輸“公轉鐵”“公轉水”，大力發展以鐵路、水路為骨干的多式聯運，推進多式聯運“一單制”落地實施，構建以電氣化鐵路、節能環保船舶為主的中、遠途貨運系統，以低排放、新能源車為主的短途貨運系統。

2）加快貨運裝備的新清能源化。隨中、重型貨車電池技術的不斷成熟，公路貨運純電動和氫燃料中、重型貨車應成為中長期重點推廣車型；在水路運輸領域，應積極推進液化天然氣、電能等新能源和清潔能源動力船舶發展，淘汰高排放老舊營運船舶；積極引進并逐步提高生物質能源在民航貨運的應用占比；及早實現鐵路貨運的電氣化。同時，應加快完善充電樁、泊位岸電、液化天然氣與壓縮天然氣加注站、加氫站和油氣回收等新能源、清潔能源的配套基礎設施建設改造。

3）提高貨運裝備的燃油經濟性。對貨運裝備排放進行及時檢驗與維修治理，完善車輛排放檢驗與維護制度，換用高品質燃油等，提升運輸裝備的燃油經濟性。

4）推進低碳技術的創新應用。突破純電動、氫燃料電池、液化天然氣車船和固碳路面等制約貨運物流低碳發展的核心技術，開展“互聯網-貨運物流”等新業態、新模式的創新應用，攻克關鍵技術在中長途運輸、港口作業、城市配送等多種場景應用的難題，創建一批全電動貨運試點、氫能源貨運試點示范項目，以點帶面逐步構建適應碳達峰、碳中和的科技創新體系。

4 結論

本文采用LEAP模型，分析省域貨運物流領域在基準情景和低碳情景下的能源需求、CO2排放與CO2減排潛力，提出全省貨運物流碳達峰和碳減排路徑，為省域層面貨運物流碳達峰路徑研究提供借鑒參考。

1）基準情景下，省域貨運物流能源需求預測2038年達到峰值，為3017 萬t標準煤；低碳情景下，預測提前到2034年達峰，相比于基準情景，能源需求峰值降低約13%。

2）基準情景下，省域貨運物流碳排放將于2038年左右達到峰值，CO2排放量為5756 萬t；低碳情景下，隨減排措施的實施力度加大，碳達峰時間有望提前到2033年，峰值降低約13%。

3）低碳情景下，2050年省域貨運物流的CO2減排空間約為800 萬t，較基準情景減排15%；公路貨運是全省貨運物流碳排放最高的領域，也是CO2減排潛力最大的運輸類型，2050年碳減排貢獻率接近98%。

4）為促進省域貨運物流盡快實現碳達峰，應不斷優化物流貨運結構，大力推進“公轉鐵”“公轉水”，發展鐵路和水路貨運，加快貨運交通工具的新清能源化，提高貨運裝備的燃油經濟性，推進低碳技術的創新應用。

參考文獻：

[1] 姜曉紅，陳莎，張毅．物流企業碳排放總量與效率測算方法[J].交通運輸系統工程與信息，2022，22（2）：313-321.

JIANG Xiaohong， CHEN Sha， ZHANG Yi. Calculation method of total carbon emission and efficiency of logistics enterprises[J].Journal of Transportation Systems Engineering and Information Technology， 2022，22（2）：313-321.

[2] 任國強，趙翠明.碳源視角下中國物流業碳排放地區差距及變動[J].環境科學與技術，2021，44（3）：191-199.

REN Guoqiang， ZHAO Cuiming. Regional disparity and changes in China′s logistics industry carbon emissions from the perspective of carbon sources[J].Environmental Science & Technology，2021，44（3）：191-199.

[3] 國家統計局能源統計司.中國能源統計年鑒（2018）[M].北京：中國統計出版社，2019.

[4] 韓麗萍，李明達，劉炯.中國物流業碳排放影響因素及產業關聯研究[J].北京交通大學學報（社會科學版），2022，21（1）：86-93.

HAN Liping， LI Mingda， LIU Jiong. On the influencing factors of carbon emission of China′s logistics industry and its industrial linkage[J].Journal of Beijing Jiaotong University （Social Sciences Edition），2022，21（1）：86-93.

[5] 齊豫，徐超毅.基于LMDI河南省物流業碳排放影響因素研究[J].洛陽理工學院學報（社會科學版），2022，37（1）：47-53.

QI Yu， XU Chaoyi. A study on the factors of influencing carbon emission in Henan logistics industry based on LMDI[J].Journal of Luoyang Institute of Science and Technology （Social Science Edition）， 2022，37（1）：47-53.

[6] 馬越越，王維國.中國物流業碳排放特征及其影響因素分析：基于LMDI分解技術[J].數學的實踐與認識，2013，43（10）：31-42.

MA Yueyue， WANG Weiguo. Character of carbon emission of logistics industry in China and its affecting factors decomposition analysis：based on LMDI technique[J].Mathematics in Practice and Theory， 2013，43（10）：31-42.

[7] 張文龍.基于LMDI模型的京津冀物流業碳排放脫鉤研究[D].天津：天津理工大學，2016.

ZHANG Wenlong. Research on decoupling of carbon emissions of logistics industry in Jing-Jin-Ji based on LMDI model[D].Tianjin：Tianjin University of Technology，2016.

[8] 徐衛贛.低碳背景下我國省域物流業碳排放效率評價研究[D].無錫：江南大學，2021.

XU Weigan. Study on carbon emission efficiency measurement in logistics industry of China under low-carbon[D].Wuxi：Jiangnan University， 2021.

[9] 原雅坤，陳久梅，但斌.碳約束下冷鏈物流效率及其收斂性研究：以生鮮農產品為例[J].科技管理研究，2020，40（14）：253-260.

YUAN Yakun， CHEN Jiumei， DAN Bin. Research on the efficiency and its convergence of cold-chain logistics considering carbon constriction：taking fresh agricultural products as an example[J].Science and Technology Management Research， 2020，40（14）：253-260.

[10] CHELLY A， NOUIRA I， FREIN Y，et al. On the consideration of carbon emissions in modelling-based supply chain literature：the state of the art， relevant features and research gaps[J].International Journal of Production Research， 2018， 57（1）：4977-5004.

[11] DE M， GIRI C. Modelling a closed-loop supply chain with a heterogeneous fleet under carbon emission reduction policy[J].Transportation Research Part E：Logistics and Transportation Review， 2020，133：101813.

[12] 劉博文，張賢，楊琳.基于LMDI的區域產業碳排放脫鉤努力研究[J].中國人口·資源與環境，2018，28（4）：78-86.

LIU Bowen， ZHANG Xian， YANG Lin. Decoupling efforts of regional industrial development on CO2 emissions in China based on LMDI analysis[J].China Population， Resources and Environment，2018，28（4）：78-86.

[13] 王深，呂連宏，張保留，等.基于多目標模型的中國低成本碳達峰碳中和路徑研究[J].環境科學研究，2021，34（9）：2044-2055.

WANG Shen， Lｕ Lianhong， ZHANG Baoliu， et al. Multi objective programming model of low-cost path for China′s peaking carbon dioxide emissions andcarbon neutrality[J].Research of Environmental Sciences， 2021，34（9）：2044-2055.

[14] 劉方舟.基于LEAP模型的城市碳排放達峰預測研究[D].武漢：中鋼集團武漢安全環保研究院， 2021.

LIU Fangzhou. Study on the prediction of city′s carbon emission peak based on LEAP model[D].Wuhan：Sinosteel Wuhan Safety & Environmental Protection Research Institute， 2021.

[15] 宋鵬，張慧敏，毛顯強.面向碳達峰目標的重慶市碳減排路徑研究[J].中國環境科學，2022，42（3）：1446-1455.

SONG Peng， ZHANG Huimin， MAO Xianqiang. Research on Chongqing′s carbon emission reduction path towards the goal of carbon peak[J].China Environmental Science， 2022， 42（3）：1446-1455.

[16] Stockholm Environment Institute， Tellus Institute. LEAP：long range energy alternatives planning system， user guide for LEAP 2005[EB/OL].[2022-08-18].http：//forums.seib.org/leap/documents/Leap 2005 User Guide English.pdf.

[17] 黃瑩，郭洪旭，廖翠萍，等.基于LEAP 模型的城市交通低碳發展路徑研究：以廣州市為例[J].氣候變化研究進展，2019， 15（6）：670-683.

HUANG Ying， GUO Hongxu， LIAO Cuiping， et al. Study on low-carbon development path of urban transportation sector based on LEAP model：take Guangzhou as an example[J].Climate Change Research， 2019，15（6）：670-683.

[18] 池莉.基于LEAP模型的北京市未來客運交通能源需求和污染物排放預測[D].北京：北京交通大學，2014.

CHI Li. The prediction of Beijing passenger traffic energy demand and pollutants emission in future based on LEAP model [J].Beijing：Beijing Jiaotong University， 2014.

[19] 張翠霞.基于LEAP模型的電動汽車發展對廣州能源環境影響研究[D].北京：華北電力大學，2013.

ZHANG Cuixia. Research on the development of electric vehicle impact on energy and environment in Guangzhou based on LEAP model[D].Beijing：North China Electric Power University， 2013.

[20] 唐飛，陳文抗，石琴.基于LEAP模型的城市客運交通能耗和污染物排放預測[J].交通節能與環保， 2015，11（6）：31-36.

TANG Fei， CHEN Wenkang， SHI Qin. The prediction research on passenger transport energy consumption and pollutant emissions based on the LEAP model[J].Transport Energy Conservation & Environmental Protection， 2015，11（6）：31-36.

[21] 郭秀銳，劉芳熙，符立偉，等.基于LEAP 模型的京津冀地區道路交通節能減排情景預測[J].北京工業大學學報， 2017， 43（11）：1743-1749.

GUO Xiurui， LIU Fangxi， FU Liwei， et al. Scenarios prediction of energysaving and emission reduction in the road transport sector of Beijing-Tianjin-Hebei region[J].Journal of Beijing University of Technology，2017，43（11）：1743-1749.

[22] 黃瑩，廖翠萍，趙黛青.基于情景分析法的廣東交通運輸節能減排潛力研究[J].開放導報， 2011（4）：40-43.

HUANG Ying， LIAO Cuiping， ZHAO Daiqing. On potential in reduction of emission ofGuangdong transportation industries based on situation analysis[J].China Opening Journal，2011（4）：40-43.

[23] 山東省統計局.山東省統計年鑒（2006—2021）[M].北京：中國統計出版社，2006—2021.

[24] 中國生態環境部.省級二氧化碳排放達峰行動方案編制指南：環辦氣候函〔2021〕85號[R/OL].（2021-06-28）[2022-09-05].https：//www.doc88.com/p-28961729758312.html.

[25] 國家應對氣候變化戰略研究和國際合作中心.省級溫室氣體清單編制指南（試行）[R/OL].（2020-03-19）[2022-09-05].http：//www.ncsc.org.cn/SY/tjkhybg/202003/t20200319_769763.shtml.

[26] 全國能源基礎與管理標準化技術委員會.綜合能耗計算通則：GB/T 2589—2020[S].北京：中國標準出版社，2020.

[27] 山東省人民政府.山東省“十四五”綜合交通運輸發展規劃[R/OL].（2021-07-10）[2022-09-05].http：//jtt.shandong.gov.cn/art/2021/7/20/art_15843_10292055.html.

[28] 山東省發改委.山東省新能源汽車產業發展規劃（2021—2025年）[R/OL].（2021-10-08）[2022-09-05].http：//fgw.shandong.gov.cn/module/download/downfile.jsp？classid=0&filename=879843f0a0734bfd894bdc3e8dc736b7.pdf.

[29] 山東省交通運輸廳.山東省交通運輸節能環?！笆奈濉卑l展規劃[R/OL].（2021-12-30）[2022-09-05].http：//jtt.shandong.gov.cn/module/download/downfile.jsp？classid=0&filename=8c6266abda0145588dd868dade025407.pdf.

Analysis of CO2 emission peak path of provinical freight logistics based on LEAP Model

WANG Jun1， ZHANG Mengmeng1， FU Jiancun2， XIE Xiaoyan2， XU Chang2

1.School of Transportation and Logistics Engineering， Shandong Jiaotong University，Jinan 250357， China;

2. Shandong Transportation Institute， Jinan 250100， China

Abstract：In order to analyze the carbon peak path of logistics at the provincial level， the long-run energy alternativesplanning （LEAP） model isappliedtopredicttheenergydemand，? CO2emissionandemissionreduction potential of provincial freght logistics from the year of 2019 to 2050 under baseline scenario and low-carbon scenario， then the carbon peak path scheme are put forward. The results show that the energy demand and CO2 emission of provincial freight logistics may reach the peak around 2038 under the baseline scenario， and the peak time under the low-carbon scenario is expected in the year of 2034 and 2033 respectively. So trucking area has huge emission reduction tasks. Therefore， in highway logistics area， if possible， the alternatives of "trucking to railway" or "trucking to water" should be promoted urgently， the efficiency level of energy using by transportation vehicles should be improved constantly， the using ratios of new energy and clean energy should be raised， some supporting infrastructure of new and clean energies should be constructed， and the innovative using of low-carbon technologies in logistics should be accelerated in the coming decades.

Keywords：LEAP model; logistics; CO2 emission peak path; low-carbon

（責任編輯：郭守真）

收稿日期：2022-09-12

基金項目：山東省重點研發計劃項目（2021RKY07128）；山東省社會科學規劃研究項目（22CJJJ31）；山東省交通運輸廳科技計劃項目（2022BH03）

第一作者簡介：王君（1980—），女，河北衡水人，理學博士，主要研究方向為交通與環境、綠色評價，E-mail：wangjunsjmd2005@163.com。