2020至2030年北京市机动车保有量预测
新能源汽车产业分析与展望
新能源汽车产业分析与展望新能源汽车产业是一种以新型能源为动力，实现能源可持续发展的汽车产业。
随着环保意识和低碳经济的提倡，新能源汽车产业已成为全球汽车产业的重要发展方向之一。
本文将从市场规模、技术发展、政策支持等方面分析新能源汽车产业现状，并展望未来的发展趋势。
一、市场规模中国是全球最大的汽车市场，新能源汽车保持着快速增长。
据中国汽车工业协会数据显示，2020年，中国新能源汽车销量达到136.6万辆，同比增长10.9%。
其中，纯电动汽车销量达到82.6万辆，同比增长11.6%。
预计到2030年，中国新能源汽车保有量将达到3000万辆以上。
全球新能源汽车市场正在逐步扩大，美国、欧洲、日本等发达国家也正在积极推进新能源汽车产业。
市场研究机构预测，到2030年，全球新能源汽车销量将超过1亿辆，成为汽车市场中的新宠。
二、技术发展随着新能源汽车市场规模的不断扩大，技术发展也变得日益重要。
纯电动汽车、混合动力汽车等新技术不断涌现，汽车制造商不断加大研发投入，推陈出新。
现阶段，新能源汽车的技术面临着许多挑战。
其中，电池技术、电机技术、充电技术等是新能源汽车技术发展的核心问题。
此外，新能源汽车的续航能力、充电周期、安全性、经济性等也是制约新能源汽车发展的重要因素。
不过，随着技术的不断创新，这些问题正在逐步得到解决。
三、政策支持政策支持是促进新能源汽车产业快速发展的重要因素。
随着全球环保意识的不断加深，政府对于新能源汽车产业的扶持力度也在不断加大。
中国政府正在大力推进新能源汽车产业的发展，通过财税、金融、科技等一系列政策手段，支持新能源汽车产业的快速发展。
此外，政府还在加强新能源汽车相关技术标准的制定和实施，促进新能源汽车的技术创新和产业升级。
在全球范围内，许多国家也在加大对新能源汽车产业的支持。
比如，欧洲联盟最近宣布将加快推广电动汽车，到2030年，希望电动汽车占新车销量的50%以上。
四、未来展望未来，新能源汽车产业将会继续保持快速发展。
碳达峰目标下道路运输行业低碳发展路径思考与建议
摘要：本文在当前实现道路运输碳达峰目标背景下，分析了道路运输行业碳排放的特点，总结了实现道路运输行业碳达峰目标的关键点和存在的问题，结合道路运输节能低碳技术的研发和应用，提出了道路运输行业实现碳达峰目标的发展路径，并在此基础上进一步形成了推动道路运输行业碳达峰的具体建议，为道路运输行业低碳发展提供了借鉴和参考。
关键词：道路运输；节能低碳；发展路径0 引言随着社会的发展和人民生活水平的提高，环境问题越来越受到人们的关注。
过去几十年，全球碳排放呈明显的上升趋势。
国际能源署相关报告数据显示，2018、2019年全球碳排放量均超过330亿吨，处于历史最高点，如图1所示。
图1 2011-2019年全球碳排放量Fig.1 2011-2019 global carbon emissions碳排放增加将带来全球温度升高，造成极地冰盖融化，海平面持续上升，粮食减产，大规模物种灭绝等灾难性后果。
2020年9月22日，中国国家主席习近平在第七十五届联合国大会上宣布，中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。
碳达峰碳中和的承诺是最高决策层统筹国内国外两个大局做出的重大战略决策，对于我国推进生态文明建设、经济高质量发展和推动构建人类命运共同体均具有深远意义。
交通运输行业是国民经济发展重要的基础性、先导性、服务性行业，同时，也与工业、建筑业一并成为三大重点耗能行业，从能源活动领域角度，交通运输行业是我国碳排放主要行业之一，位于能源生产与转换和工业之后，约占据碳排放总量的9%。
我国能源相关二氧化碳排放领域构成如图2所示。
图2 我国能源相关碳排放领域构成Fig.2 The composition of my country's energy-related carbon emission fields公路运输是交通运输的重要组成部分，根据2019年交通运输行业统计公报，在运输量完成方面，2019 年，中国公路运输行业共完成营业性客运量130.12 亿人，营业性货运量343.55 亿吨，均占交通运输总量的74%，如图3和图4所示。
2018年省考《申论》模拟试卷(一)解析
2018年度《申论》模拟试卷及解析（一）第一题：请根据“给定资料1”，概括我国大城市交通拥堵问题的原因。
(10分)要求：全面简明，条理清晰，不超过200字。
一、试题分析本题要求根据“给定资料1”，概括我国大城市交通拥堵问题的原因。
原因，即过往性因素。
就本题而言，我们需要在“给定资料1”中找到引发我国大城市交通拥堵问题的过往性因素。
二、材料分析三、参考答案1．城市发展突破城市总体规划的限制规模，给交通系统带来压力。
2．相关法律约束、价格杠杆调节及正确社会导向缺失，市民文明素养低，使城市人口密度与小汽车保有量之间呈现畸形对应关系，激化交通供需矛盾。
3．城市公共交通竞争力不足，难以吸引小汽车使用者转变出行方式。
4．以步行和自行车为主的绿色出行方式日益萎缩，很大程度上增加了城市交通系统的压力。
四、评分标准1．城市发展突破城市总体规划的限制规模(2分)，给交通系统带来压力。
2．相关法律约束、价格杠杆调节及正确社会导向缺失(1分)，市民文明素养低(1分)，使城市人口密度与小汽车保有量之间呈现畸形对应关系(1分)，激化交通供需矛盾。
3．城市公共交通竞争力不足，难以吸引小汽车使用者转变出行方式。
(2分)4．以步行和自行车为主的绿色出行方式日益萎缩(1分)，很大程度上增加了城市交通系统的压力。
5．语言表达2分。
第二题：请根据“给定资料2”，谈谈香港城市交通发展给Y市带来的启示。
(15分)要求：准确、全面、精炼，不超过150字。
一、试题分析申论中的启示是指由他者或自身过往的经验或者教训得出的自身或者设定主体在未来用来解决某种问题的方向性的对策，主要有经验与教训两个方面。
就本题而言，考生需要仔细阅读给定资料中“香港城市交通发展的举措”去挖掘出相关的启示。
二、材料分析三、参考答案1．发展以轨道交通为骨干的公共交通，实现城市交通的高效运转，协调城市交通与高强度土地开发的关系。
2．科学规划，建设可持续宜居的城市。
3．建立权责明晰的交通管理体制。
《北京市小客车数量调控暂行规定》实施细则(2020年修订)
第八条符合以下规定情形的，可以以家庭为单位办理1个配置指标的申请登记：
(一)家庭由家庭主申请人和其他家庭申请人构成，申请人总数不得少于2人；
(二)家限于家庭主申请人的配偶、子女、父母、公婆或者岳父母，且应当符合本细则第九条中“住所地在本市的个人”的规定；
(四)所有家庭申请人及其配偶名下没有本市登记的小客车；
(五)离婚时原配偶名下有本市登记的小客车的个人，离婚十年以内不得作为家庭申请人，2021年1月1日前已离婚的除外。
家庭主申请人代表家庭参与指标配置并作为指标所有人。所有家庭申请人在家庭主申请人获得指标后的十年以内不得再次办理配置指标申请登记。以家庭为单位申请配置指标的过程中，家庭申请人不能同时再以其他形式申请配置指标。所有家庭申请人须声明申请信息及提供的材料真实有效，并承诺遵守前述规定。
第三条按照公开、公平、公正和促进公共资源均衡配置的原则，企业事业单位、社会团体及其他组织(以下统称单位)，家庭和个人需要取得本市小客车配置指标的，应当通过摇号、积分排序、轮候等方式取得。普通小客车配置指标通过摇号方式配置，单位和个人新能源小客车配置指标通过轮候方式配置，家庭新能源小客车配置指标通过积分排序方式配置。
本市机关、全额拨款事业单位不再新增公务用车指标。
营运小客车指标单独配置，具体配置方式另行制定。
第四条市交通行政主管部门负责小客车数量调控的统筹协调工作，并组织实施小客车数量调控的政策、措施。
公安、发展改革、科技、经信、民政、人力社保、生态环境、商务、税务、市场监管、人才工作等相关行政主管部门和区政府按照规定的职责分工，负责小客车指标申请单位、家庭和个人的资格审核、信访等管理工作。监察机关负责对各行政主管部门的履职行为监督检查。
第22讲 回归直线方程(解析版)
第22讲 回归直线方程一、必备秘籍 1．两个变量线性相关(1)散点图：将样本中n 个数据点(,)i i x y (i ＝1,2，…，n )描在平面直角坐标系中得到的图形． (2)正相关与负相关①正相关：散点图中的点散布在从左下角到右上角的区域． ②负相关：散点图中的点散布在从左上角到右下角的区域． 2．回归直线的方程(1)回归直线：如果散点图中点的分布从整体上看大致在一条直线附近，就称这两个变量之间具有线性相关关系，这条直线叫做回归直线．(2)回归方程：回归直线对应的方程叫回归直线的方程，简称回归方程． (3)回归方程的推导过程：①假设已经得到两个具有线性相关关系的变量的一组数据11(,)x y ,22(,)x y ,33(,)x y (,)n n x y ．②设所求回归方程为y bx a =+，其中,a b 是待定参数． ③由最小二乘法得1122211()(),()nnii i ii i nniii i xx y y x ynx yb a y bx xx xnx ====---===---∑∑∑∑其中，b 是回归方程的斜率，a 是截距． 二、例题讲解1．（2021·哈尔滨市呼兰区第一中学校高三模拟预测（文））十三届全国人大三次会议表决通过了《中华人民共和国民法典》这部法律自2021年1月1日起施行，某市相关部门进行法律宣传，某宣传小分队记录了前5周每周普及宣传的人数与时间的数据，得到下表：（2）利用（1）的回归方程，预测该宣传小分队第7周普及宣传（民法典）的人数．参考公式及数据：回归方程ˆˆˆybx a =+中斜率和截距的最小二乘估计公式分别为()()()121ˆniii nii x x y y b x x ==--=-∑∑，ˆa y bx=-，()()51430i ii x x y y =--=∑.【答案】（1）4341y x =+；（2）预测该宣传小分队第7周普及宣传《民法典》的人数为342． 【分析】（1）求出x 、y 的值，将表格中的数据代入最小二乘法公式，求出b 、a 的值，可得出y 关于x 的线性回归方程；（2）将7x =代入回归直线方程，可得出结果. 【详解】（1）由题意得()11234535x =++++=，()1901201702102601705y =++++=， ()()()()()()52222221132333435310ii x x =-=-+-+-+-+-=∑，所以()()()51521430ˆ4310iii ii x x y y bx x ==--===-∑∑，所以ˆ17043341a y bx=-=-⨯=， 所以线性回归方程为4341y x =+；（2）由（1）知4341y x =+，令7x =，解得43741342y =⨯+=， 故预测该宣传小分队第7周普及宣传《民法典》的人数为342．2．（2021·合肥市第六中学高三模拟预测（文））树木根部半径与树木的高度呈正相关，即树木根部越粗，树木的高度也就越高.某块山地上种植了A 树木，某农科所为了研究A 树木的根部半径与树木的高度之间的关系，从这些地块中用简单随机抽样的方法抽取6棵A 树木，调查得到A 树木根部半径x (单位：米)与A 树木高度y (单位：米)的相关数据如表所示：（2）对（1）中得到的回归方程进行残差分析，若某A 树木的残差为零则认为该树木“长势标准”，在此片树木中随机抽取1棵A 树木，估计这棵树木“长势标准”的概率.参考公式：回归直线方程为y bx a =+，其中()()()1122211n ni iiii i b nnixii i x y nxy x x y y xnx x ==-==---==--∑∑∑∑，a y bx =-.【答案】（1）ˆ 20.9y x =+；（2）12【分析】（1）由最小二乘法先求样本点中心(),x y ，再代入公式求ˆ2b=，即可得到答案；（2）先计算6棵A 树木中残差为零的有3棵，占比为3162=，即可得到答案； 【详解】（1）由1(0.10.20.30.40.50.6)0.356x =⨯+++++=，1(1.1 1.3 1.6 1.5 2.0 2.1) 1.66y =⨯+++++=，610.1 1.10.2 1.30.3 1.60.4 1.50.5 2.00.6 2.1 3.71i ii x y==⨯+⨯+⨯+⨯+⨯+⨯=∑，6222222210.10.20.30.40.50.60.91ii x==+++++=∑，有62261216 3.7160.35 1.6ˆ20.9160.356i ii ii x yxybxx ==--⨯⨯===-⨯-∑∑，ˆˆ 1.6020.350.9ay bx =-=-⨯=， 故y 关于x 的回归方程为：ˆ 20.9yx =+. （2）当0.1x =时，ˆ20.10.9 1.1y=⨯+=，残差为1.1 1.10-=， 当0.2x =时，ˆ20.20.9 1.3y=⨯+=，残差为1.3 1.30-=， 当0.3x =时，ˆ20.30.9 1.5y=⨯+=，残差为1.6 1.50.1-=， 当0.4x =时，ˆ20.40.9 1.7y=⨯+=，残差为1.5 1.70.2-=-， 当0.5x =时，ˆ20.50.9 1.9y=⨯+=，残差为2.0 1.90.1-=， 当0.6x =时，ˆ20.60.9 2.1y=⨯+=，残差为2.1 2.10-=， 由这6棵A 树木中残差为零的有3棵，占比为3162=，∴这棵树木“长势标准”的概率为12.1．（2021·湖南师大附中高三月考）今年五月，某医院健康管理中心为了调查成年人体内某种自身免疫力指标，从在本院体检的人群中随机抽取了100人，按其免疫力指标分成如下五组：(10,20],(20,30],(30,40],(40,50],(50,60]，其频率分布直方图如图1所示．今年六月，某医药研究所研发了一种疫苗，对提高该免疫力有显著效果．经临床检测，将自身免疫力指标比较低的成年人分为五组，各组分别按不同剂量注射疫苗后，其免疫力指标y 与疫苗注射量x 个单位具有相关关系，样本数据的散点图如图2所示．（1）健管中心从自身免疫力指标在(40,60]内的样本中随机抽取3人调查其饮食习惯，记X 表示这3人中免疫力指标在(40,50]内的人数，求X 的分布列和数学期望；（2）由于大剂量注射疫苗会对身体产生一定的副作用，医学部门设定：自身免疫力指标较低的成年人注射疫苗后，其免疫力指标不应超过普通成年人群自身免疫力指标平均值的3倍．以健管中心抽取的100人作为普通人群的样本，据此估计疫苗注射量不应超过多少个单位．附：对于一组样本数据()()()1122,,,,,,n n x y x y x y ⋅⋅⋅，其回归直线ˆybx a =+的斜率和截距的最小二乘估计值分别为()()()1122211,nniii ii i nniii i x x yy x ynxyb a y bx x xxnx ====---===---∑∑∑∑． 【答案】（1）分布列见解析，125；（2）疫苗注射量不应超过80个单位． 【分析】（1）根据频率分布直方图分别求出自身免疫力指标在(40,50]内和在(50,60]内的人数，写出X 的可能取值，求出对应概率，即可写出分布列，再根据期望公式即可求得数学期望；（2）根据最小二乘法求得回归方程，然后求出免疫力指标的平均值，根据题意列出不等式，从而可得答案. 【详解】解：（1）由直方图知，自身免疫力指标在(40,50]内的人数为0.008101008⨯⨯=，在(50,60]内的人数为0.002101002⨯⨯=，则X 的可能取值为1，2，3．其中122130828282233101010177(1),(2),(3)151515C C C C C C P X P X P X C C C =========．所以X 的分布列为()7121231515155E X =⨯+⨯+⨯=． （2）由散点图知，5组样本数据(,)x y 分别为(10,30),(30,50),(50,60),(70,70),(90,90)，且x 与y 具有线性相关关系． 因为50,60x y ==，则22222210303050506070709090550607103050709055010b ⨯+⨯+⨯+⨯+⨯-⨯⨯==++++-⨯，760502510a =-⨯=，所以回归直线方程为ˆ0.725yx =+． 由直方图知，免疫力指标的平均值为26402482152535455527100100100100100⨯+⨯+⨯+⨯+⨯=． 由27381ˆy≤⨯=，得0.72581x +≤，解得80x ≤． 据此估计，疫苗注射量不应超过80个单位．2．（2021·安徽师范大学附属中学（理））根据国际疫情形势以及传染病防控的经验，加快新冠病毒疫苗接种是当前有力的防控手段，我国正在安全、有序加快推进疫苗接种工作，某乡村采取通知公告、微信推送、广播播放、条幅宣传等形式，积极开展疫苗接种社会宣传工作，消除群众疑虑，提高新冠疫苗接种率，让群众充分地认识到了疫苗接种的重要作用，自宣传开始后村干部统计了本村200名居民（未接种）的一个样本，5天内每天新接种疫苗的情况，如下统计表：（2）假设全村共计2000名居民（均未接种过疫苗），用样本估计总体来预测该村80%居民接种新冠疫苗需要几天？参考公式：回归方程y bx a =+中斜率和截距的最小二乘估计公式分别为：1221ˆi ii nii x ynxybxnx π==-=-∑∑，ˆˆay bx =-． 【答案】（1）222955y x =+；（2）7． 【分析】（1）根据公式求线性回归方程即可； （2）根据线性回归方程可设222955n a n ，求出67,S S ，与200080%1600⨯=比较即可求解. 【详解】 （1）1234535x ++++==，1015192328195y ++++==，则51522222222110305792140531922ˆ12345535i ii ii x y nxybxnx ==-++++-⨯⨯===++++-⨯-∑∑，222919355ˆa =-⨯=， 故y 关于x 的线性回归方程222955y x =+． （2）设222955na n ，数列{}n a 的前n 项和为n S ，易知数列{}n a 是等差数列， 则()12222922291155558225n n n a a S n n n n⎛⎫+++ ⎪+⎝⎭=⋅=⋅=+， 因为6127.2S ，7163.8S ， 所以6101272S =，7101638S =200080%1600⨯=（人），所以预测该村80%居民接种新冠疫苗需要7天．3．（2021·九龙坡·重庆市育才中学高三月考）随着城市规模的扩大和人们生活水平的日益提高，某市近年机动车保有量逐年递增.根据机动车管理部门的统计数据，以5年为一个研究周期，得到机动车每5年纯增数据情况为：其中，时间变量i 对应的机动车纯增数据为i ，且通过数据分析得到时间变量与对应的机动车纯增数量y （单位：万辆）具有线性相关关系.（1）求机动车纯增数量y （单位：万辆）关于时间变量x 的回归方程，并预测2025~2030年间该市机动车纯增数量的值；附：回归直线方程y bx a =+中斜率和截距的最小二乘估计公式分别为：()()()1122211n ni iiii i nniii i x y nx y x x y y b xnxx x ====-⋅--==--∑∑∑∑；a y bx =-.（2）该市交通管理部门为了了解市民对“单双号限行”的赞同情况，随机采访了200名市民，将他们的意见和是否拥有私家车情况进行了统计，得到如下的22⨯列联表：附：()()()()()22n ad bc K a b c d a c b d -=++++，n a b c d =+++.【答案】（1） 5.7 5.1y x =-，2025~2030年间，机动车纯增数量的值约为34.8万辆；（2）没有95%的把握认为“对限行的意见与是否拥有私家车有关”. 【分析】（1）根据最小二乘法求得线性回归方程，再求估计值即可； （2）根据列联表求得卡方观测值，再对照表即可得解. 【详解】 （1）由 51132639415527237i ii x y=⨯+⨯+⨯+=⨯+⨯=∑.()12222222212375312575.755451234553ni ii ni i x y nx yb x nx==-⋅-⨯⨯====-++++-⨯-∑∑. 因为y bx a =+过点(),x y ，所以 5.7y x a =+，5.1a =-，所以 5.7 5.1y x =-.2025~2030年时，7x =，所以 5.77 5.134.8y =⨯-=， 所以2025~2030年间，机动车纯增数量的值约为34.8万辆.（2）根据列联表，由()()()()()22n ad bc K a b c d a c b d -=++++得观测值为()2220025 3.12510085251575100160084K ⨯⨯-⨯⨯=⨯⨯==，3.125 3.841<，所以没有95%的把握认为“对限行的意见与是否拥有私家车有关”.4．（2021·贵州贵阳·高三月考（理））据贵州省气候中心报，2021年6月上旬，我省降水量在15.2-170.3mm 之间，毕节市局地、遵义市北部、铜仁市局地和黔东南州东南部不足50mm ，其余均在50mmm 以上，局地超过100mm.若我省某地区2021年端午节前后3天，每一天下雨的概率均为50%.通过模拟实验的方法来估计该地区这3天中恰好有2天下雨的概率，利用计算机或计算器可以产生0到9之间取整数值的随机数x （x ∈N ，且09x ≤≤）表示是否下雨：当[]()0,x k k Z ∈∈时表示该地区下雨，当[]1,9x k ∈+时，表示该地区不下雨.因为是3天，所以每三个随机数作为一组，从随机数表中随机取得20组数如下: 332 714 740 945 593 468 491 272 073 445 992 772 951 431 169 332 435 027 898 719（1）求出k 的值，使得该地区每一天下雨的概率均为50%；并根据上述20组随机数估计该地区这3天中恰好有2天下雨的概率；（2）2016年到2020年该地区端午节当天降雨量（单位:mm ）如表：回归直线方程y bt a =+.并预测该地区2022年端午节有降雨的话，降雨量约为多少？参考公式：()()()1122211nniii ii i nniii i tty y t y nt yb tttnt====---==--∑∑∑∑，a y bt =-.【答案】（1）4， 25；（2）814955y t =-+，935mm ．【分析】（1）由于该地区每一天下雨的概率均为50%，所以150%10k +=，从而可求出k 的值，在所给的20组数据中找出有两天小于等于k 的数，从而利用古典概型的概率公式可求出概率，（2）直接利用所给的数据和公式求出回归直线方程。
北京市机动车保有量统计（1990-2000年）
北京市机动车保有量统计（1990-2000年）
佚名
【期刊名称】《道路交通与安全》
【年(卷),期】2003(000)006
【总页数】1页(PF003)
【正文语种】中文
【中图分类】U491
【相关文献】
1.北京市载客机动车保有量统计（2002年、2003年10月） [J],
2.北京市人民代表大会常务委员会执法检查组关于检查《北京市机动车停车条例》《北京市非机动车管理条例》和《北京市人大常委会关于修改的决定》实施情况的报告——2019年7月26日在北京市第十五届人民代表大会常务委员会第十四次会? [J], 李伟
3.关于《北京市机动车停车条例》《北京市非机动车管理条例》和《北京市人大常委会关于修改的决定》实施情况的报告(书面)——2019年7月26日在北京市第十五届人民代表大会常务委员会第十四次会议上 [J], 无
4.关于《北京市机动车停车条例》《北京市非机动车管理条例》和《北京市人大常委会关于修改的决定》实施情况的报告(书面)——2019年7月26日在北京市第十五届人民代表大会常务委员会第十四次会议上 [J], 无
5.截至2017年底全国机动车保有量达3.10亿辆汽车保有量达2.17亿辆 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。
新能源汽车的发展现状及市场分析
1 绪论1.1 引言如今，因为燃料汽车面临“环境污染”和“能源短缺”等问题，所以正在逐步被替代。
减少燃料使用，寻找新能源，开发低排放或者无污染的汽车，是当前各个国家汽车工业追求的目标。
目前，我国汽车销售量日益增长。
2018年汽车产销量均超过2780万辆，居世界首位。
但由此产生的社会问题变得越来越明显。
汽车能源消耗和废气污染也使我国面临着汽车进入千家万户后的世界性问题。
汽车的节能减排问题不是一天可以解决的，而是全球汽车工业进步的永恒主题。
1.2 国内外新能源汽车发展现状全球各个国家都在提倡“保护环境，节约能源”，在此背景之下，传统燃油汽车既消耗石油能源，又排放二氧化碳污染环境，与时代发展方向不一致，因此通过开发新能源汽车对汽车行业进行改革显得尤为重要。
在新能源汽车的研发方面，美国、日本及欧洲一些国家要比我国早一些，但它们的重点也有所不同。
美国侧重于发展交通方面的新能源汽车，从而减少石油的消耗，并从法律上给予帮助，以确保此措施的实施。
日本则选择通过能源安全和提高产业竞争力两个方面入手，引导新能源产业发展。
除此之外，日本政府也计划将电动汽车作为下一代汽车发展的主体，并计划在2030年实现“对石油依赖下降20%”的目标。
在我国低碳新能源汽车的问题上，众多专家进行了重要的讨论。
上海复旦大学罗少文曾在“中国新能源汽车产业发展战略探讨”中细致的讲述了中国发展新能源汽车产业的必要性和重要性。
由崔胜民撰写的《新能源汽车技术》中也十分系统并全面的讲述了新能源汽车技术，还讲述了新能源汽车的种类以及开发新能源汽车的必要性，还有目前新能源汽车最新的进展和未来趋势。
发展新能源汽车，不仅能一定程度上解决我国当前能源与环境的问题，更能提升我国的国际竞争力，关系着我国未来的发展。
更是弥补我国与其他国家在传统车辆上的差距的好机会。
2017年我国新能源汽车销量达到77.7万辆。
当然，新能源汽车产业作为我国一个新兴产业，还存在诸多问题。
北京市小客车数量调控暂行规定（2020年）-北京市人民政府令第296号
北京市小客车数量调控暂行规定（2020年）正文：----------------------------------------------------------------------------------------------------------------------------------------------------北京市人民政府令第296号《北京市小客车数量调控暂行规定》已经2020年10月20日市人民政府第89次常务会议审议通过，现予公布，自2021年1月1日起施行。
市长陈吉宁2020年10月29日北京市小客车数量调控暂行规定第一条为了落实《北京城市总体规划（2016年-2035年）》，实现小客车数量合理、有序增长，有效缓解交通拥堵、改善生态环境，制定本暂行规定。
第二条本市实施小客车数量调控措施。
小客车年度增长数量和配置比例由市交通行政主管部门会同市发展改革、公安机关交通管理、生态环境等相关行政主管部门，根据小客车需求状况和道路交通、环境承载能力合理确定，报市人民政府批准后向社会公布。
第三条小客车配置指标按照公开、公平、公正和促进公共资源均衡配置的原则无偿分配。
市交通行政主管部门的指标调控管理机构负责具体工作。
机关、企业事业单位、社会团体以及其他组织（以下统称单位），家庭和个人需要取得本市小客车配置指标的，应当依照本暂行规定向指标调控管理机构办理申请登记。
单位和个人新能源小客车配置指标通过轮候方式取得，家庭新能源小客车配置指标通过积分排序方式取得，新能源以外的普通小客车配置指标通过摇号方式取得。
具体配置办法由市交通行政主管部门会同有关部门按照提高家庭指标配置比例的原则制定，并向社会公布。
第四条符合下列规定的个人，可以办理配置指标申请登记：（一）住所地在本市，包括本市户籍人员、驻京部队（含武装警察部队）现役军人、在京居住的港澳台人员和外国人、持本市工作居住证的人员、持本市居住证并且近五年连续在本市缴纳社会保险费和个人所得税的人员；（二）名下没有在本市登记的小客车；（三）具有有效的机动车驾驶证。
《北京市小客车数量调控暂行规定》实施细则(2020年修订)
《北京市小客车数量调控暂行规定》实施细则（2020年修订）第一章总则第一条为实现小客车数量的合理、有序增长，有效缓解交通拥堵，降低能源消耗和减少环境污染，根据《北京市小客车数量调控暂行规定》制定本细则。
第二条本市对小客车实施数量调控和配额管理制度。
小客车年度增长数量和配置比例由市交通行政主管部门会同市发展改革、公安机关交通管理、生态环境等相关行政主管部门，根据小客车需求状况和道路交通、停车泊位供给、环境承载能力合理确定，报市政府批准后向社会公布。
政府各有关部门应当落实本市小客车年度调控目标。
第三条按照公开、公平、公正和促进公共资源均衡配置的原则，企业事业单位、社会团体及其他组织（以下统称单位），家庭和个人需要取得本市小客车配置指标的，应当通过摇号、积分排序、轮候等方式取得。
普通小客车配置指标通过摇号方式配置，单位和个人新能源小客车配置指标通过轮候方式配置，家庭新能源小客车配置指标通过积分排序方式配置。
本市机关、全额拨款事业单位不再新增公务用车指标。
营运小客车指标单独配置，具体配置方式另行制定。
第四条市交通行政主管部门负责小客车数量调控的统筹协调工作，并组织实施小客车数量调控的政策、措施。
公安、发展改革、科技、经信、民政、人力社保、生态环境、商务、税务、市场监管、人才工作等相关行政主管部门和区政府按照规定的职责分工，负责小客车指标申请单位、家庭和个人的资格审核、信访等管理工作。
监察机关负责对各行政主管部门的履职行为监督检查。
市小客车指标调控管理机构（以下简称指标管理机构）统筹负责通过小客车指标调控管理信息系统开展指标申请的归集、审核结果的公布、指标配置的组织和公示等工作。
各区政府交通行政主管部门具体负责在本辖区政府对外办公大厅设置小客车指标对外办公窗口，为申请单位、家庭和个人提供指标申请、信息修改、公证书和其他相关材料上传、指标确认通知书打印及政策咨询等相关服务。
第五条指标配额按年度确定。
每年5月26日配置新能源小客车指标，每年6月26日和12月26日配置普通小客车指标。
厦门市机动车保有量的预测方法
厦门市机动车保有量的预测方法张东军;邓丽娟;马龙俊;姜伟【摘要】为了预测厦门市未来5年、15年的机动车保有量,以厦门市历年机动车保有量为研究对象,选取地区GDP、财政总收入、人均可支配收入、燃料零售价格指数、常住人口、公路通车里程等6个影响较大的数据指标.采用传统的非线性回归方法,主成份分析与Logistic模型相结合的方法,综合考虑两种预测方法及其结果,预测厦门市2020年、2030年的机动车保有量分别约为220万辆、530万辆.【期刊名称】《集美大学学报（自然科学版）》【年(卷),期】2016(021)001【总页数】7页(P42-48)【关键词】机动车保有量;非线性回归;因子分析;Logistic模型【作者】张东军;邓丽娟;马龙俊;姜伟【作者单位】集美大学航海学院,福建厦门361021;集美大学航海学院,福建厦门361021;集美大学航海学院,福建厦门361021;重庆交通大学交通运输学院,重庆400074【正文语种】中文【中图分类】U491.14随着社会经济的发展，人们的生活越来越离不开交通，交通需求的增长使得机动车的保有量日益增长，机动车在带给人民便利的同时，也带来了一系列的问题：交通拥挤，大气污染，交通事故等.机动车保有量的预测可为政府制定经济发展规划提供参考，对实施节能环保政策，提升居民生活品质有重要意义[1].机动车保有量的预测方法有回归分析法、趋势外推法、人工神经网络及Logictle分析法[2].前两种预测方法相对比较简单，人工神经网络作为一类高级机器学习算法，尚有许多不成熟的地方，在样本学习过程中可能存在学习不足或过度学习的不稳定性.目前，作为基本预测算法加以利用的是非线性回归方法，这种方法较简单，特别是在样本数量充足的情况下.近年，还有学者利用降维的思想，运用主成份分析(因子分析)与Logistic模型相结合的方法，去求解一些预测性问题[3].本文分别运用传统的非线性回归方法和主成份分析与Logistic模型结合的方法[4]，对2020年、2030年厦门市的机动车保有量分别进行预测，并对两种方法所得出的预测值进行比较，从而确定厦门市未来5年、15年的机动车保有量情况.一个地区或城市的机动车保有量受到城市人口及城市社会经济发展水平及需求等因素的影响[5].本文结合实际情况，选取了6个影响指标，并统计了2001年—2014年厦门市机动车保有量及6个影响指标的变化情况，见表1.2.1 非线性回归模型构建与验证根据表1的统计数据，绘制机动车保有量与时间的曲线关系,如图1所示.由图1可以看出机动车保有量(纵坐标)随着年度(横坐标)逐年急剧增加，且曲线走势较光滑，具有二次曲线的特征.根据这一特点，假定历年机动车保有量(Y)与时间(X)为二次曲线关系，其回归方程可设为：Y=a+b1X+b2X2令：X=X1,X2=X2，则，上式为：Y=a+b1X1+b2X2式中的参数a,b1,b2待定.为计算参数，列表计算见表2.根据交通运输系统工程回归模型的相关计算方法[6]，结合表2中数据，可以确定回归预测模型中的系数：.再将上述计算结果代入式：得，解上述方程组得：b1=0.185 004 313 186 813 2；b2=0.414 126 510 989 011. 根据公式(2)，则可将其变形为：.根据表2，可计算为为为72.5，则：a=51.281 528 57-0.185 004 313 186 813 2×7.5-0.414 126 510 989011×72.5=19.869 824 174 395 603 5.将参数a,b1,b2的值带入公式(1)，即可得到所求回归方程：Y=19.869 824 174 395 603 5+0.185 004 313 186 813 2X+0.414 126 510 989 011X22.2 非线性回归模型验证利用所求的回归方程，计算理论预测值，并与实际Y值进行比较，见表3.由表3可见，用所求的回归方程式计算的预测值与实际值非常接近，说明在其他条件不变的情况下，此方程是可信的.2.3 非线性回归法预测结果如果要求厦门市2020年、2030年的机动车保有量，则分别将X=20，X=30代入公式(4)，得：Y(X=20)=19.869 824 174 395 603 5+0.185 004 313 186 813 2×20+0.414 126 510 989 011×202=19.869 824 174 395 603 5+3.700 086 263 736264+165.650 604 395 604 4≈189.220 5(万辆)Y(X=30)=19.869 824 174 395 603 5+0.185 004 313 186 813 2×30+0.414 126 510 989 011×302 =19.869 824 174 395 603 5+5.550 129 395 604396+372.713 859 890 109 9≈398.133 8(万辆)由此法计算可知，厦门市2020年、2030年的机动车保有量分别是189万辆、398万辆.3.1 主成份分析与Logistic模型的构建主成份分析是利用降维的思想，通过原始指标的线性组合，产生一系列互不相关的综合性指标，从中选出少数几个综合指标，并使它尽可能多地反映原始指标的信息，进而用这较少的几项综合性指标来刻画整体[7].此方法可以克服多个影响因素模拟预测时收敛速度较慢的缺点.首先，利用SPSS.22软件可得到因子分析共同度[8]，见表4.表4中第二行是因子分析初始解下的变量共同度，表示对原6个变量如果采用主成份分析法提取所有6个特征根，那么原有的变量方差都可以被解释，变量的共同度均为1.第三行列出了按指定提取条件提取特征根时的共同度.可以看到，除公路通车里程外的变量的绝大部分信息可被因子解释，即变量信息丢失较少.对上文中确定的6个影响因素进行建模分析，然后利用标准化后的数据计算因素相关系数矩阵；求解相关系数矩阵R的特征值和特征矢量，确定主成份；选取m(m<6)个主成份，使得累积方差贡献率超过某一定值[9].计算得到相关系数矩阵的特征值、累加方差贡献率，结果见表5.第一个因子的特征根值为5.762，解释了原有6个变量总方差的96.027%.因此，可以只选取第一个因子作为主因子即可[10].其中，下文所指的“元件”是SPSS工具语言，而其概念与上文的“影响指标”相同.在SPSS软件中输入指令，则可得到因子碎石图，如图2所示.由图2可见，第一个特征值明显大于后面的特征值，说明提取第一个因子是合适的.通过载荷系数大小可以分析不同公共因子的主要指标的区别，表6显示第一个元件的相关指标载荷系数.由于第一个元件在6个指标上的载荷值都很大，说明它综合反映了该地区综合经济发展值，可以作为综合经济发展值看待.在原数据浏览窗口中新增了变量“FAC1_1”，表示不同年份的综合经济发展值.采用主成份分析法可以得出因子得分系数.其中，模型的整体拟合优度值R2为0.981，统计量F为612.040，概率P值小于显著性水平0.05，说明该模型有统计学意义，利用统计学知识，得到的统计方程：其中：x为“FAC1_1”(综合经济发展变量)值；y为机动车保有量；U为上限默认值1 000；b0,b1参数分别为0.021,0.557.3.2 Logistic模型的模拟与预测输入拟合步骤，可直接得出图3.由图3可见，实际数据的散点分布、线性模拟以及Logisitic方法的拟合情况.相比之下，Logistic回归方程的预测曲线更能诠释各年的机动车保有量数值，另一方面也进一步说明Logistic方程较线性回归拟合效果更好.选择曲线估计中的线性回归选项，得到综合经济发展变量“FAC1_1”时间序列的同时，可以直接导出综合经济发展变量与时间关系的预测方程：FAC1_1=-476.52+0.237 4×t，其中t代表年份.于是，可以利用公式(6)，可分别求得t为2020和2030的“FAC1_1”值；FAC1_1(t=2020)=-476.52+0.2374×t=3.028；FAC1_1(t=2030)=-476.52+0.2374×t=5.402.分别将对应2020年、2030年的“FAC1_1”值代入公式(5)，则：y(2020)=1/(1/1000+0.021×0.557x)=1/(1/1000+0.021×0.5573.028)=218.819 1(万辆);y(2030)=1/(1/1000+0.021×0.557x)=1/(1/1000+0.021×0.5575.402)=529.136 5(万辆).由此方法计算可知，厦门市2020年、2030年的机动车保有量分别是219万辆、529万辆.由于机动车保有量增加会带来诸多问题，为预测机动车保有量，本文采用了非线性回归模型、主成份分析与Logistic相结合的方法，利用2001年至2014年的相关数据分别进行了预测.非线性回归模型只考虑时间与厦门市机动车保有量的关系，得出了到2020年、2030年的机动车保有量将分别达到189.2205万辆、398.1338万辆.这种方法使用简单，需要原始数据较少，但考虑的影响因素有限，对多因素影响下的问题处理效果不佳.而采用主成份分析与Logistic模型相结合的方法是为了更充分的运用数据所表达的信息.先利用因子分析法，得出了因子累计贡献率、因子碎石图、因子载荷图，因子得分系数.由上述信息可以产生一个新的综合经济发展变量FAC1_1，它相当于将6个影响因素进行归一.然后，对这一变量进行曲线拟合，得出模型描述表与估计；再结合Logistic模型得出预测方程，对机动车保有量进行预测.该法所得到的厦门市2020年、2030年的机动车保有量分别是218.8191万辆、529.1365万辆.Logistic模型利用降维的方法，将众多的经济指标综合为少量的公共因子，能代表尽可能多的数据的意义，即用数据指标对复杂问题加以细化，使步骤化繁为简，模型预测精度比较高，较非线性模型而言，具有更高的可信度.随着厦门自由贸易试验区、东南航运中心、厦门高铁等项目的落成，笔者认为机动车的保有量将与时间脱离线性关系，所以仅从时间序列考虑是不恰当的.综合比较两种方法，主成份分析与Logistic模型相结合的方法更能贴合现实，因此预测厦门市2020年、2030年的机动车保有量分别为220万辆、530万辆左右.但由于样本的选取有限，不可控(变量)因素存在，也不能对预测值给予充分地验证.所以，预测的数据准确性只能有待未来的检验.希望在以后的预测中，可以考虑其他外部条件的特殊变化，如交通政策的改变、环境的变化等，希望文中预测的结果能为政府和城市道路交通规划，以及相关部门制定相应的规划政策时提供一定的参考.【相关文献】[1]徐亚丹.基于状态趋势预测方法的城市机动车保有量预测.科技通报,2012,28(9):11-14.[2]王立颖.机动车保有量预测方法综述.辽宁警专学报,2015(1):74-78.[3] 赖国毅.SPSS 17.0中文版常用功能与应用实例精讲.北京：电子工业出版社,2010.[4]蒋艳梅,赵文平.Logistic模型在我国私人汽车保有量预测中的应用研究.工业技术经济,2010(11):99-104.[5]许伶俐.我国汽车保有量的预测研究—基于主成份分析与协整回归模型分析.大连：东北财经大学，2011.[6]刘舒燕.交通运输系统工程.北京：人民交通出版社,2012.[7] 杨维忠.SPSS统计分析与行业应用案例详解.北京：清华大学出版社,2011.[8]杨光霞.SPSS数据统计与分析.北京：清华大学出版社,2014.[9]牟振华,李美玲,赵庆双.基于神经网络的山东省机动车保有量预测.山东建筑大学学报,2009,24(3):229-232.[10]王璐.SPSS统计分析基础、应用与实战精粹.北京：化学工业出版社,2012.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
北京市机动车保有量预测 随着我国经济的快速发展，民用汽车的保有量也迅速增长。机动车保有量的发展影响到环境质量、交通安全、道路建设等诸多方面。在我国，尤其是大中型城市，机动车已成为城市空气污染的重要来源。因此，合理预测机动车保有量是未来进行机动车污染防治规划、道路发展规划等的重要前提。
本文将采用时间序列预测法和一元线性回归模型对2020年末和2030年末北京市机动车保有量进行预测。 法一：时间序列预测法 2005年至2015年北京市机动车保有量数据如表1所示。 表1 北京市机动车保有量数据 年份 2005 2006 2007 2008 2009 2010 机动车保有量（万辆） 258.3 287.6 312.8 350.4 401.9 480.9 年份 2011 2012 2013 2014 2015 - 机动车保有量（万辆） 498.3 520.0 543.7 559.1 561.9 -
北京机动车保有量变化趋势图如图1所示，可以观察到其变化趋势在2010年末出现了明显的转折，2010年末之后的机动车保有量增长幅度较2010年之前相比明显放缓，这种情况形成的主要原因是在2011年北京开始调控机动车的数量，实行了摇号政策。
200300400500600
2004200520062007200820092010201120122013201420152016机动车保有量（万辆）
年份图1 北京机动车保有量变化趋势 由于摇号政策实行前和实行后，北京市机动车保有量增长情况呈现出了不同趋势，而且摇号政策在今后极有可能继续施行，所以为避免预测结果过于偏离实际，在采用时间序列预测时仅采用2011年末及以后的数据，如图2所示。
图2 时间序列预测机动车保有量 得到预测方程： 𝑦=17.46𝑥−34611 其中x为年份，y为机动车保有量。 从图中还能看到，R2值为0.9657，接近于1，因此拟合优度很好，可以采用此预测方程来预测2020年末和2030年末北京市机动车保有量，如表2所示。 表2 时间序列预测结果 年份 2016 2017 2018 2019 2020 2025 2030 机动车辆数（万辆） 588.4 605.8 623.3 640.7 658.2 745.5 832.8
其中2017年机动车保有量为605.8万辆，2020年为658.2万辆，2030年为832.8万辆，无法达到《北京市2013-2017年清洁空气行动计划重点任务分解》、《北京市缓解交通拥堵总体方案（2016—2020年）》等方案设立的“2017年底将全市机动车保有量控制在600万辆以内，2020年控制在630万辆以内”的目标。
法二：一元线性回归模型
y = 17.46x -34611R² = 0.9657
460480500520
540
560580
20092010201120122013201420152016机动车保有量（万辆）
年份机动车保有量通常会与地区生产总值（GDP）、人口总数、道路总里程等影响因素有关系，可以从中找出与机动车保有量影响最显著的因素来建立一元线性回归模型。本文将通过GDP增长率或人口增长率来预测保有量增长率，并以此来推算出2020年末和2030年末北京市机动车保有量。北京市历年机动车保有量、GDP、人口及其各自的增长率如表3所示。 表3 北京市历年数据 年份 机动车保有量（万辆） GDP （亿元） 人口 （万人） GDP 增长率 保有量 增长率 人口 增长率 2005 258.3 6969.52 1538 - - - 2006 287.6 8117.78 1601 16.48% 11.34% 4.10% 2007 312.8 9846.81 1676 21.30% 8.76% 4.68% 2008 350.4 11115.00 1771 12.88% 12.02% 5.67% 2009 401.9 12153.03 1860 9.34% 14.70% 5.03% 2010 480.9 14113.58 1962 16.13% 19.66% 5.48% 2011 498.3 16251.93 2019 15.15% 3.62% 2.91% 2012 520 17879.4 2069 10.01% 4.35% 2.48% 2013 543.7 19800.81 2115 10.75% 4.56% 2.22% 2014 559.1 21330.83 2152 7.73% 2.83% 1.75% 2015 561.9 22968.6 2170 7.68% 0.50% 0.86%
同样，由于摇号政策的施行，预测过程将只采用2010年末及以后的数据。为确定预测所使用的影响因素，分别对保有量增长率与GDP增长率之间和保有量增长率与人口增长率之间做单因素方差分析，结果如表4和表5所示。 表4 GDP增长率对保有量增长率的单因素方差分析结果 差异源 SS df MS F P-value F crit 组间 0.012569 1 0.012569 20.91723 0.001817 5.317655 组内 0.004807 8 0.000601 - - - 总计 0.017376 9 - - - -
表5 人口增长率对保有量增长率的单因素方差分析结果 差异源 SS df MS F P-value F crit 组间 0.000319 1 0.000319 1.931843 0.20201 5.317655 组内 0.001322 8 0.000165 - - - 总计 0.001641 9 - - - -
显著水平设置为0.05，可以发现GDP增长率对保有量增长率的单因素方差分析对应的P值为0.001817，小于0.05，则判定GDP增长率对保有量增长率产生显著影响。而人口增长率对保有量增长率的单因素方差分析对应的P值为0.20201，远大于0.05，因此判定人口增长率对保有量增长率没有产生显著影响。所以确定GDP增长率为自变量，保有量增长率为因变量来进行一元线性回归。
使用EXCEL里的数据分析工具来进行一元线性回归分析，结果如表6、表7和表8所示。由于截距不为0时，GDP增长率对保有量增长率影响的显著程度减弱，因此将截距设置为0。 表6 回归统计 Multiple R 0.93269 R Square 0.869911 Adjusted R Square 0.619911 标准误差 1.409672 观测值 5
表7 方差分析 df SS MS F Significance F 回归分析 1 53.15322 53.15322 26.74812 0.014027 残差 4 7.948706 1.987176 总计 5 61.10193
表8 回归结果 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 0 #N/A #N/A #N/A #N/A #N/A #N/A #N/A
GDP增长率 0.306996 0.059359 5.171858 0.006643 0.142189 0.471803 0.142189 0.471803
由表可以看出，R2值为0.86，距离1较近，所以拟合优度较好。由表可以看出，F的概率小于0.05，因此GDP增长率对保有量增长率有显著影响。由表可以看出GDP增长率对应的参数为0.306996（约等于0.307）且其概率P值小于0.05，因此该值能够被接受，可以用于模型中。所以回归方程为：
𝑚=0.307𝑝 其中p为GDP增长率，m为保有量增长率。 采用时间序列预测法对GDP增长率进行预测，GDP增长率的变化趋势为负指数形态，如图3所示。由于北京2016年政府工作报告确定，2016年地区生产总值增长6.5%，所以2016年的6.5%也作为原始数据参与预测。
图3 时间序列预测GDP增长率 R2值为0.8843，拟合优度较好。GDP增长率的预测方程为： 𝑝=7×10134𝑒−0.153𝑥 其中p是GDP增长率，x是年份。根据两个方程推算出的保有量如表9所示。 表9 一元线性回归预测结果 年份 GDP增长率(%) GDP总量(万元) 机动车增长率(%) 机动车的保有量(万辆) 2015 7.68 22968.6 0.50 561.9 2016 6.50 24461.6 2.00 573.1 2017 6.63 26082.9 2.03 584.8 2018 5.69 27566.4 1.75 595.0 2019 4.88 28911.9 1.50 603.9 2020 4.19 30122.8 1.29 611.7 2021 3.59 31205.5 1.10 618.4 2022 3.08 32167.9 0.95 624.3 2023 2.65 33019.3 0.81 629.3 2024 2.27 33769.3 0.70 633.7 2025 1.95 34427.4 0.60 637.5 2026 1.67 35003.2 0.51 640.8 2027 1.44 35505.6 0.44 643.6 2028 1.23 35942.9 0.38 646.1 2029 1.06 36322.7 0.32 648.1
y = 7E+134e-0.153xR² = 0.8843
0.002.004.006.008.0010.0012.00
14.0016.00
20102011201220132014201520162017GDP增长率（%）
年份