翻译/ 杨志威、王欣妤、范慧颖、陈珏希、万潇颖、毛思汗、田宸宇、刘艺、郝璐、何康豪

  月均活跃出行量是指拥有1个Uber账号的乘客在当月完成至少1次行程。例如，如果乘客A在2月进行1次行程并在3月进行2次行程，我们记录乘客A为2月和3月的活跃乘客。如果乘客B在2月有3次行程，但3月没有行程，我们将乘客B记录为2月的活跃乘客。综合上述两个案例，总活跃出行量将被记录为2月的2名活跃乘客、3月的1名活跃乘客或每月有1.5名活跃乘客。

  碳强度或客运交通碳强度是以乘客里程的二氧化碳排放量为单位。对于使用公制单位的国家可以用乘客里程公里数（PKT）产生的碳排放的克数表示碳强度。美国使用乘客里程英里数（PMT）产生的碳排放的克数表示碳强度。它遵循了加州空气资源委员会（CARB）在清洁里程标准中使用的惯例。读者能够最终靠我们关于碳强度方法论的文章知道更多信息。

  根据政府间气候平均状态随时间的变化专门委员会(IPCC)的定义（参考文献2，请后台留言联系我们下载），温室气体排放量是指具有全球变暖潜力的气态物质。在本报告中，我们只着重测量二氧化碳的排放量。美国环境保护局（EPA）的多个方面数据显示，二氧化碳是化石燃料车辆产生的主要温室气体。

  空载里程是指在没有载客的情况下，司机行驶的里程。通常产生空载里程的驾驶状态一般是“在线”状态和“途中”状态（驾驶状态详见下题）。

  根据Uber的使用条款，有3种驾驶状态被分配到司机使用的应用程序端，并被记录到数据中。这3种驾驶状态是：

  “在线”状态：乘客下车后（或改变应用内的状态以接受乘车请求）至接受下一单乘车订单之间的时间。

  “载客”状态：司机已接到乘客至乘客下车之间的时间。拼车时，多个乘客的乘车时间可能会重叠。

  乘客里程是指所有乘客的出行里程的总和。例如，如果1辆车内有2个乘客，这次行程的乘客里程是汽车行驶里程的2倍。对于使用公制单位的国家，乘客里程通常以出行里程公里数为单位（PKT）；美国则使用英里数为单位（PMT）。

  引擎类型是指在一时间段内，特定地域司机的车辆引擎类型的里程加权平均值的简称。本报告评估的引擎类型包括：

  空载出行车辆是指司机作为唯一的车辆乘员，他对车辆除提供网约车或类似便利服务外的任何使用行为。

  出行效率是指每辆车行驶时，乘客产生的出行里程。使用公制单位的国家能够正常的使用公里数来表示出行效率；美国能够正常的使用英里数进行表示。能够最终靠我们的出行效率方法论了解更多。

  汽车行驶里程是指车辆和司机行驶的预计里程，包括不载客时的空载里程。在使用公制的国家，里程通常以公里数表示。美国则使用英里数表示。

  零排放车辆是指根据加州空气资源委员会（CARB）制定的标准，尾气排放为零的车辆。零排放车辆包括100%全电池电动车和氢燃料电池电动车（FCEV）。

  Uber不会定期采集非拼车接载服务产品的乘客数量数据（见下页“拼车接载服务产品的客座率”）。在本报告中，根据EBP US（原EDR集团）在2017年对司机和乘客的代表性样本的调查，并按Uber服务产品类型（UberX、UberXL等）的平均客座率，我们假设报告期内所有非拼车产品的客座率不变。根据调查，各产品的平均客座率（不包括司机）为：

  Uber 通过Uber Pool和Express Pool 2款拼车服务，收集乘客的座位申请数据。当乘客发出拼车请求时，乘客要输入他们的在行程中需要的座位数（1或2）。我们假设每次拼车行程的乘员人数等于乘客请求的座位数。乘客里程的计算是基于汽车行驶里程。在某些情况下，乘客请求的座位数可能少于或多于他们的乘客数。

  碳强度和出行效率指标是通过种种数据来源计算的。虽然大多数与出行相关的数据来自监测，但有些数据需要被估算。误差条体现出了指标的不确定性。

  乘客数 ：如上所述，本报告指标遵循美国全国范围调查收集的乘客数数据。现有文献报告了较高的乘客数（UCDavis Circella等人2019年，加州数据，N=1287）和较低的乘客数（Henao等人2018年，科罗拉多数据，N=416）。我们考虑到外部报告和调查中发现的各种结果，针对计算的平均乘客数部分，我们应用了-15%到+15%的误差范围。

  跨平台 ：我们根据“在线”、“途中”以及“载客”的驾驶状态，收集了所有状态下产生的汽车行驶里程数，计算出行效率和碳强度。这种保守的方法导致出行效率被低估，碳强度被高估。其中一个原因是，许多司机活跃在多个网约车平台（跨平台）。为反应出跨平台的不确定性，我们在计算误差条时采用了11%的贴现率。这是基于加州空气资源委员会（CARB）的发现 （参考文献3，请后台留言联系我们下载） ，即11%的网约车司机的空载里程与至少两家运输网络公司重叠。这种方法依旧保守，因为该方法忽略了司机无意中离开在线模式、使用非乘车应用（如送货应用）和个人出行的情况。

  当我们要计算拼车服务的乘客里程时，我们将座位请求数乘以实际记录的车辆行程里程。当出现多个乘客时，他们各自的里程会先被单独计算，最后再全部相加。因此，目前的方法可能会引起我们高估出行效率并低估拼车产品的碳强度。

  我们的目标是跟着时间的推移，改进计算方式，以便能更精确地捕捉效率指标。例如拼车车辆必须在某些特定的程度上偏离单个乘客的最便捷路线，以保证乘客上下车的连续性。未来的改进措施是删除所有与偏离有关的乘客里程数（无论该数的大小），避免过高估计出行效率。

  我们计算了美国个人司机使用的所有轻型汽车的平均碳强度，包括普通客用车、运动型多用途车（SUV）、货车以及卡车。美国政府过去6年的多个方面数据显示，普通客用车占新车销量的一半以下，SUV、跨界车、卡车和货车占大多数。

  根据美国交通部（US DOT）提供的最新数据，截至我们计算本报告中的指标时，2016年轻型乘用车的平均燃油效率为22.04。除了加州市场外，所有报告的市场都使用这一个数字。加州的清洁汽车政策创造了一个更有效的客用车市场。对于加州市场，个人会使用加州空气资源委员会EMFAC 2017模型上报告的燃料效率。最后，我们从2017年全国家庭出行调查中检索车辆占用率的数据。个人会使用基于核心统计区占用率的数据作为城市级的基准。

  是否针对拥有多个平台账户的司机进行了核算（即跨平台司机），以避免过多估计空载里程？

  在美国和加拿大的大部分区域，司机可以同时在多个平台上运营，并提供客运、食品和包裹递送等服务。因此，有可能出现一个平台将司机的驾驶状态记录为“载客”，而另一个平台则以“在线”的方式记录相同的数据。加州空气资源委员会（CARB）最近的一份报告估计近11%的 在线 状态的行驶里程可能与其他竞争平台的重叠（参考文献4，请后台留言联系我们下载）。此外，我们还了解到一些传闻，司机在驾驶车辆时，由于个人原因，不慎将应用打开，导致他们处于“在线”状态。由于我们没办法看到其他平台的系统，也没有司机无意中使用的数据。在本报告中，我们假设所有从司机应用中记录的汽车行驶里程都应该包括在内。因此，我们保守地将调低出行效率的计算结果，并将碳强度的结果上调。在加州空气资源委员会研究中，11%的重叠结果包含在下行的碳强度和出行效率误差条假设里（更多信息请参见“误差条”）。

  同时存在两种驾驶状态是可能的（见“驾驶状态”的定义）。例如，当司机刚刚放下乘客，立刻在同一地点接走另一个乘客。技术上，当司机与第一名乘客处于“载客”状态时，他们也和第二名乘客共同处于“途中”状态。但在这样的一种情况下，我们的数据系统只记录了一个状态。我们根据这个优先级来选择驾驶状态：载客 途中 在线。因此，在本例中，“载客”状态是唯一被记录的驾驶状态。

  汽车行驶里程是利用司机和乘客应用程序的GPS数据来估计的。我们采用地图匹配的方法来捕捉真实世界的距离。然而，在地图匹配不切实际或不准确的情况下，我们依靠半正矢公式来计算距离。

  我们根据汽车出行的平均速度分配城市或高速的燃油效率。在本报告中，当汽车的平均速度低于每小时30英里时，将分配城市燃油效率。当速度为30英里/小时或更高时，则分配高速燃油效率。

  插电式混动车既有电动机又有内燃机。既可接受化石基液体燃料（一般是汽油）的能量输入，也可接受电动充电。在没有车载检测设备的情况下，估算插电式混动车的排放量是一项挑战。电池和化石燃料之间的能量消耗混合可能会因多种因素而波动，包括道路状况。在本报告中，我们主要使用美国环保局的平均数据。

  当解码不可行且环保局的数据不足以确定燃料类型时，我们就根据选择阶梯来假设燃料类型。此类做法大致反映了燃料类型在北美消费者中的流行顺序：汽油柴油压缩天然气电气

  对于北美地区的行程数据，我们遵循美国环保局的排放系数指导：每加仑汽油排放8887克二氧化碳，每加仑柴油排放10180克二氧化碳（US EPA）。由于压缩天然气(CNG)的燃料效率是以汽油燃料效率当量返回的，所以压缩天然气车辆采用每加仑压缩天然气排放8887克二氧化碳。

  简单起见，我们不包括燃料生产的上游排放。在本报告中，使用零尾气排放车辆技术的出行被报告为零排放出行。只要这种方法适用于所有燃料，整个报告计算碳强度的办法能够包括上游排放和适当的排放因子。例如，电力的因素将包括当地发电厂的排放；汽油和其他化石燃料应包括原油开采和提炼的排放。

  由于Uber司机的车辆较新，Uber司机所使用车辆的燃油经济性是否比其他消费类车辆更显著？平台上使用的车辆是否有车型限制？

  Uber要求所有加入客运服务的司机一定要使用车龄不超过15年的合格车辆。然而，有管辖权的地方或州政府为网约车和私人雇佣司机设定了不同的车龄要求（通常不超过10年）。相比之下，美国私有车辆的平均车龄为12年。依照我们的分析，仅凭平均车龄并不能解释我们在燃料效率案例研究中所展示的显著差异。

  为什么监测方法不包含当地空气污染的数据（如氮氧化物[NOx]、颗粒物[PM]、一氧化碳[CO]等 标准污染物）？

  如果我们最终获得足够的数据和准确的估算技术，我们大家都希望纳入本地空气污染物的指标，因为交通污染对全世界城市的人类健康有严重影响。目前，我们还无法足够准确地估算本地空气污染。估算本地空气污染需要更加多的数据（地理位置数据）、更多关于关键车载技术（如催化转化器、尾气过滤器）的假设以及我们目前不具备的车辆使用测量数据（如启动/停止特性、车速和加速曲线）。

  研究旧金山2013至2019年的碳强度和出行效率时，Uber做了哪些额外的假设？

  旧金山案例的研究中，由于获取的数据和结构的原因，Uber对2013至2016年内完成的乘车指标计算，还采用了以下假设：

  2013至2019年的“途中”里程按照“载客”里程的17%计算。该比例是从报告中所观察到的“途中”与“载客”里程的平均比例获得的（报告中，所有的行程是在2017至2019年的美国和加拿大Uber平台上完成的）。

  “在线”状态（见“驾驶状态”）产生的里程与所有状态产生的里程（在线、途中、载客）的比例与“在线”状态时长与所有状态时长的比例是相同的。说明我们假设，在所有状态下，平均车速是相同的。

  与其他上班族一样，Uber平台的司机也会产生通勤。当司机离线时，我们不会记录他们的行驶里程；司机离线时，我们没办法收集到司机产生里程和行程数量。不过，司机可能在离开家后就用立即使用Uber应用并上线。这种情况下，我们的数据可能已采集到他们的通勤距离。目前我们不知道有任何的研究表明，使用Uber的司机和普通上班族的通勤行为之间有重大差异。

  根据《温室气体议定书》(GHG Protocol)，司机在通勤时产生的排放（非在线状态和可出行状态）不属于Uber的第3类排放的界限。《温室气体议定书》依据公司合理获取和影响的范围来划定界限。

  运营平台上的司机可以关闭应用程序，并驾驶到一个他们都以为有更高出行需求和更多乘车请求的地点。司机即便是在不工作和因私驾驶时，也能保持程序开启。正如其他公司一样，司机如果没用我们的软件，我们没办法明白他们的行程。虽然可能性很小，但我们承认不考虑应用外产生的里程可能会使我们对碳强度和出行效率的计算出现偏差。

  使用Uber而不是选择骑行、步行和公交的乘客情况如何？他们的出行模式是否发生了转变？（例如，乘客是否乘坐Uber出行而非选择低碳出行）？

  Uber为乘客提供多出行选择。选择使用Uber的乘客可能放弃选择低碳出行和高碳出行。出行工具的选择有众多的当地市场因素。另一种情况是，乘客有可能选择使用Uber出行而非不出行（一些学者称这个现象是“诱导出行”）

  我们完全理解乘客选择出行模式是困难的。对我们而言，模拟乘客在现实中选择一种不存在的出行模式的行为也很复杂。因此，这份报告只专注于量化我们通过Uber的应用捕捉到的数据对乘车的影响，并特意避免了任何相反事实的场景建模，因为这要求我们对人们在不使用我们的应用时的行为做出假设。

  城市交通专家表明，类似出租车等传统叫车出行对城市实现多种出行模式起至关重要的作用。TransitCenter的2019年报告发现（参考文献4，请后台留言联系我们索取），过去2年里，使用公共交通的消费者也更多地选择步行和远程办公，使用网约车和传统叫车服务的乘客，减少个人汽车使用。

  本报告旨在利用Uber所掌握的所有数据，并根据3种驾驶状态（参见“驾驶状态”），对司机和乘客的出行里程进行估算。我们的研究不包括司机的上游排放，如车辆制造、车辆维护或燃料生产所产生的排放。

  同样，我们的研究也不包括司机的下游排放，如车辆或燃料处理产生的排放。但是，我们始终相信我们的方法能够捕捉到绝大多数与出行相关的排放。大多数研究--包括麻省理工学院和雷诺公司的生命周期分析研究表明（参考文献5，请后台留言联系我们索取），对于使用内燃机的车辆来说，生命周期中的绝大多数温室气体都发生在车辆运行和使用阶段。

  根据《温室气体议定书》，司机的上下游排放不在Uber的第3类排放的界限内。《温室气体议定书》依据公司可合理获取和影响的范围来确定这些界限。

  本报告不包括Uber公司运营和活动（例如，IT服务器、建筑和员工的用电）产生的第1和2类排放。虽然我们预计企业排放量与使用内燃机车辆相关的排放量相比较小，但我们目前正在规定企业排放量的基准。随着这份报告的发布，Uber承诺到2030年实现公司运营中与气候相关的净零排放。此外，我们承诺到2025年，我们所有的美国办公室（包括自有和租赁）都将使用100%的可再生电力供电，这将有效地使我们的美国办公室运营的范围2排放降低至零。

  Uber的产品是一款连接司机和乘客的应用。因此，当我们评估排放量并将其分为第1类、第2类和第3类时（根据WRI的《温室气体议定书企业会计和报告标准》），司机使用我们的应用程序所进行的出行属于第3类，类别11：使用销售产品。与许多企业一样，我们估计第3类排放远大于第1 、2类清单中更直接影响的排放；因此，对 Uber 而言，我们制定绩效指标并利用本报告来解决第3类排放十分重要。虽然我们尚未报告全面的第1、2和3类排放的清单，但我们从交通和技术领域其他公司公开报告的CDP数据中了解到，我们的类别11：销售产品的使用，是存在大部分温室气体排放的地方。

  Uber计算碳强度的方法与加州空气资源委员会(CARB)根据清洁里程标准(CMS)规定的方法有哪些不同？

  本报告涵盖2017年至2019年，美国和加拿大地区Uber平台上约40亿次的出行。加州空气资源委员会的清洁里程标准则计算了在加州运营的所有运输网络公司（TNCs）所服务的3.65亿次出行的碳强度。

  车辆乘客数： 加州空气资源委员会的计算是基于31名加州TNC司机的出行记录。Uber的计算是基于2017年，Uber对美国Uber用户进行的全国性调查（2,411名乘客和1,530名司机），并作为2017年EDR集团《Uber在美国的经济影响》报告的一部分 （参考文献6，请后台留言联系我们索取） 。

  燃油效率调整： 加州空气资源委员会的计算是根据加州28名TNC司机的出行数据，按行程速度调整的燃油效率。Uber的燃油效率测量是根据报告时间段内，通过Uber平成的每一次真实的并有出行等级的出行数据（详见“车辆燃油经济性”）。

  产品广度： 加州空气资源委员会的计算只涵盖TNC对等网络（P2P）的产品。Uber的计算涵盖Uber所有的共享乘车产品，包括Uber Black和Uber Taxi。

  “在线”状态的里程折减： 加州空气资源委员会的计算对TNC司机处于“在线状态”累计的里程数的排放估计值缩减了近11%，原因是TNC平台存在着跨平台司机的现象。尽管Uber认为这个缩减值仍是保守的，但Uber并没有对排放估计值进行任何折减。