学术成果NEWS
【“经”彩学术】第九期｜智能驾驶技术对城市新能源汽车碳减排的影响
时间：2026-11-05
作者：
浏览记录：
本期论文推介
作者：王磊、常鑫月、高煜晗，山东师范大学经济学院
刊发期刊：《中国人口•资源与环境》2026年网络首发
论文全称：《智能驾驶技术对城市新能源汽车碳减排的影响——基于山东省3市1 022名私家车车主的调研数据》
摘要：在“双碳”目标和城市全面绿色低碳转型背景下，绿色低碳美丽城市建设亟须推动城市交通领域创新突破。智能驾驶技术作为新能源汽车发展的重要方向，阐释和检验智能驾驶技术对城市新能源汽车碳减排的作用效果和影响机制具有现实意义。该研究基于山东省3市1 022名私家新能源汽车车主的调查问卷，运用多元线性回归模型、中介效应模型、调节效应模型及截面门槛模型检验了智能驾驶系统对城市新能源汽车碳减排的影响程度、内在机制及门槛效应。研究发现：（1）使用智能驾驶系统能够显著降低新能源汽车碳排放，这一结论经过内生性处理及稳健性检验后依然成立。（2）智能驾驶系统主要通过提高新能源汽车运行效率来促进碳减排。城镇化水平在智能驾驶系统影响新能源汽车碳排放过程中发挥正向调节作用。智能驾驶系统对新能源汽车碳排放的抑制效应在中心城区、环保意识较弱的用户群体、数字基础设施建设水平高的地区更为突出。（3）智能驾驶系统对新能源汽车的碳减排效应具有明显的门槛特征，智能驾驶系统使用时长占比与碳排放量之间呈“U”形关系。（4）性别、受教育程度、收入、健康状况、智能驾驶培训、政策补贴、智能驾驶安装包价格接受度、市场宣传及环保意识等因素对智能驾驶系统使用意愿均具有显著正向影响，而车主的年龄、驾龄及对智能驾驶系统安全性认可度等因素对其没有产生显著影响。由此，该研究建议：（1）政府应通过多元化补贴支持城市新能源汽车安装使用智能驾驶系统，完善智能驾驶技术应用的基础设施和制度环境；（2）新能源车企应加大宣传“智能减碳”力度，推动智能驾驶系统广泛应用；（3）政策实施需因地制宜，因城施策，采取智能驾驶系统差异化应用战略，引导环保意识较弱用户转向绿色出行；（4）政策导向需从“数量驱动”向“效率驱动”转型，促进智能驾驶系统资源在新能源汽车中合理配置。
一、选题背景和意义
近年来，中央多次强调加快城市绿色转型。2025年召开的中央城市工作会议明确提出“着力建设绿色低碳的美丽城市”，《中华人民共和国国民经济和社会发展第十五个五年规划纲要》强调“推动城市发展绿色低碳转型”。交通运输领域是城市碳排放的重要来源之一，其低碳化进程对城市绿色转型成效产生直接影响。随着我国能源结构持续向绿色低碳方向转型，新能源汽车的应用和推广被视为城市交通领域实现低碳化的重要路径。然而，新能源汽车规模的快速扩张，也不可避免地带来了电池制造、电力消耗、充电桩建设耗材等方面的碳排放压力。这意味着，新能源汽车的减排效应并非自动实现，其全生命周期的碳足迹管理同样需要纳入城市绿色转型的政策视野。
智能驾驶技术作为新能源汽车发展的前沿方向，为推进碳减排提供了重要契机。2026年1月，工业和信息化部在节能与新能源汽车产业发展部际联席会议上强调“智能网联新能源汽车产业发展处于重要机遇期”，要求“加快突破全固态电池、高级自动驾驶等技术”，这客观上要求新能源汽车与智能驾驶深度融合，推动“车路云一体化”，以此服务交通领域减排目标。与传统燃油车相比，新能源汽车凭借域控架构、高压电池、线控技术等优势，叠加快速迭代的特点，为智能驾驶普及提供了有利条件。智能驾驶功能已从自适应巡航、自动泊车等基础模块拓展至高级辅助驾驶系统（ADAS）的集成化应用，逐渐成为新能源汽车标准配置，并被赋予提升能效、改善交通效率与降低碳排放的重任。因此，探究智能驾驶技术何以影响城市新能源汽车碳减排具有重要现实意义。本文基于山东省济南市、青岛市与济宁市的调研数据，深入分析以智能驾驶系统为代表的智能驾驶技术对城市新能源汽车碳减排的影响。
二、主要内容和结论
本文基于山东省济南、青岛、济宁3市1 022名私家新能源汽车车主的调研数据，从微观视角考察以智能驾驶系统为代表的智能驾驶技术对城市新能源汽车碳排放的影响及其作用机制。研究聚焦L2级智能驾驶系统，采用排放因子法测算新能源汽车年度碳排放量，综合运用多元线性回归、倾向得分匹配、中介效应模型、调节效应模型、截面门槛模型与Logistic模型展开实证分析。本文的边际贡献在于：将智能驾驶技术纳入新能源汽车碳减排研究框架，拓展了交通领域碳减排影响因素的研究边界；基于微观调研数据直接捕捉智能驾驶使用状况与驾驶行为特征，弥补了已有研究多集中于政策法律、技术研发与仿真测试层面的不足；揭示了智能驾驶系统通过运行效率提升实现碳减排的内在机制。
本文主要结论如下：第一，使用智能驾驶系统显著减少了新能源汽车碳排放，该结论在经过倾向得分匹配、缩尾处理、替换被解释变量、分位数回归、增加样本量等多种稳健性检验后依然成立。第二，机制分析发现，智能驾驶系统主要通过减少泊车时间、减少制动次数与缩短怠速时长三条路径提升新能源汽车运行效率，从而促进碳减排。第三，城镇化水平对智能驾驶系统的碳减排效应产生显著正向调节作用，高城镇化率地区减排效果显著，低城镇化率地区则不显著。第四，异质性分析发现，智能驾驶系统的碳减排效应在中心城区、环保意识较弱的用户群体以及5G基站密度较高的地区更为明显。第五，门槛效应检验发现，智能驾驶系统使用程度与碳排放量之间呈现“U”形非线性关系：使用时长占比不超过一定门槛值时碳减排效应显著，超过该门槛后减排效应反而减弱甚至消失。第六，使用意愿分析发现，性别、受教育程度、收入、健康状况等个体特征，以及智能驾驶培训、政策补贴、价格接受度、市场宣传和环保意识等外部环境与政策因素，均对智能驾驶系统使用意愿产生显著正向影响，且外部因素的影响相对更强。
三、政策启示和建议
基于上述研究结论，本文得出以下政策启示，旨在将智能驾驶技术的碳减排潜力切实转化为城市交通低碳化、智能化转型的有效路径。
第一，完善激励政策与基础设施配套。对搭载中高级别智能驾驶系统的新能源汽车给予购置补贴与购置税减免；完善充电桩布局，确保服务半径小于1公里，重点覆盖居民区、商业区和交通枢纽；加快V2X技术应用的数字基础设施建设，完善智能交通信号灯、路侧单元等设施，加强5G网络覆盖。
第二，构建支持碳减排机制发挥作用的制度环境。在泊车管理、行车优化、怠速控制等关键环节设计协同政策，建设统一的智能泊车平台，实现空余车位动态共享与精准导航；建设车路协同系统，实现信号灯状态提前告知车辆；鼓励车企植入“怠速时长反馈”模块，引导驾驶者主动采用节能驾驶模式。
第三，坚持“因地制宜、因城施策”。优先在大中型城市及中心城区加强智能驾驶系统部署，实现新能源汽车运行数据与城市交通指挥系统对接；将智能驾驶系统作为绿色出行治理工具，在环保意识较弱的群体中通过购车补贴、里程积分、驾驶评分系统等激励机制推广“诱导式”绿色出行。
第四，推动政策导向由“数量驱动”转向“效率驱动”。避免将普及率作为唯一目标，加强车路协同与城市交通管理系统的数据联动，防止算法拥堵预测不精准、路径调度不合理导致效率下降；倡导系统自动判断是否启用或退出特定功能；针对不同等级自动驾驶功能，明确不同场景下的推荐使用频率与范围。
第五，通过制度设计实现“适度—差异化”的有机结合。针对不同技术环境地区建立差异化激励机制，在智慧交通基础设施较完善地区加快推广并给予更高技术采纳激励，在数智基础设施尚不完善的地区优先支持L2级系统提升稳定性与安全性；对商用车、出租车、网约车等高里程车辆优先推广智能驾驶技术，以获取更高的碳减排边际收益。