「EP04·研究成果发布」 —— TRANS课题组研发的中国商用车总拥有成本预测模型(TCO Model)正式上线!

随着中国在替代能源和交通节能技术方面的快速推进,商用车的总拥有成本(Total Cost of Ownership, TCO)尤其是包括充电不便性、里程焦虑等隐形成本的TCO已成为一个亟待深入研究的重要课题。这不仅是车辆全生命周期经济效益评估的关键,还为推动交通能源转型与实现碳排放减排目标提供了重要指导。

此次发布的TCO Model通过整合政府报告、行业数据库及经济研究等多维度数据,将数据分为基础数据,触发数据和基于场景变化的数据三大类,构建多源云数据库,设计基于特定参数自动更新的多情景建模框架,系统评估了2020-2040年不同情景下中国商用车动力系统的TCO及其关键构成要素的变化。模型覆盖近200种商用车类型,囊括多种车型(如迷你巴士、中型巴士、轻型货车等)与动力系统(如内燃机、电动、燃料电池等)以及不同使用场景。旨在为交通与能源行业提供更为全面、科学的成本分析与预测支持。

2024年12月,TCO Model正式上线!支持中英文界面切换。

网站在线链接:http://tco.translab.top/

✨ TCO Model现有功能解读

1.TCO构成要素的系统化分析

    TCO Model将商用车TCO细分为八大类别:车辆成本、融资成本、保险成本、能源成本、维修成本、维护成本、税费以及隐性成本。其中,隐性成本指在使用过程中难以直观感知的成本因素,例如里程焦虑、充电/加油不便等。

    2.未来不同类型商用车TCO的演变预测

    TCO Model不仅聚焦未来二十年间各类商用车辆TCO的变化趋势,还深入分析了政策环境、技术进步、燃料价格波动等关键影响因素。TCO Model通过系统地分析八大成本类别,全面预测了2020至2040年间各项成本的演变趋势,并评估这些变化对TCO的影响。

    3.多情景下的TCO敏感性分析

    TCO Model构建了三种主要情景模型:乐观情景、标准情景和悲观情景,分别基于不同的经济与技术条件,对未来20年商用车TCO的发展路径进行预测与评估。

    ✨ TCO Model网站重要功能区概览

    在TCO Model官方网站,用户可根据指引输入相关数据,获得目标车辆在特定年份的各项TCO成本构成比例与数值,并查看未来(直至2040年)TCO预测变化的条形图与扇形图。通过多种情景假设分析,用户可全方位理解商用车TCO的演变规律,并通过对比同一车型在不同年份及不同动力系统下的表现,直观感受TCO的差异与发展趋势。

    • TCO Model网站主页

    ① 步骤导航栏:引导用户依次完成七个步骤以输入计算TCO所需的信息,并可在任一环节灵活切换至其他步骤。

    步骤1车辆基本信息 (General Vehicle Information)输入车辆类型(如卡车或巴士)、尺寸及能源类型。
    步骤2能耗倍率 (Energy Rate Factor)提供能耗倍率。
    步骤3续航里程与维护 (Driving Range and Maintenance)输入预期续航里程和维护场景(维护场景分为高、标准和低三种)。
    步骤4融资与贷款利率 (Financing and Loan Rate)若车辆经融资购买,需输入贷款利率与期限(或者默认设置)。
    步骤5政府补贴与快充选项 (Government Subsidies and Fast Charging Options)输入当地政府对电动车的补贴政策,并选择车辆是否支持快充功能(或者默认设置)。
    步骤6车辆购置价格 (Vehicle Purchase Price)提供车辆购置价格信息(或者默认设置)。
    步骤7场景选择 (Scenario Selection)在乐观、参考、悲观三个场景中进行选择,每种场景包含对技术进步、能源成本和维护趋势的不同假设。

    ② 属性设置栏:支持用户在每个步骤中进行详细设置。用户在完成当前步骤的属性设置后,完成后点击“Next”按钮可跳转至下一步骤继续配置。用户可在每个步骤对相应参数进行细致调整。

    ③ 语言切换按钮:一键实现中英文切换,并自动同步货币计量单位(CNY/USD)以匹配实时汇率。

    • TCO Model网站结果页

    当用户完成全部七个步骤的设置后,系统将跳转至结果页。此时,用户可在 ④ 图表类型选择框 中挑选所需的可视化图表类型;在选择后,下方 ⑤ 可视化结果区域 将直观呈现所选图表的TCO数据与趋势,助力用户全面洞察商用车TCO的综合表现。

    • TCO Model网站基本信息与声明

    未来,TRANS课题组将持续优化和完善当前的TCO Model版本,并计划将研究范围从商用车拓展至乘用车市场,通过引入更多维度的数据和情景分析,为交通行业的绿色转型和低碳发展提供更个性化的解决方案,同时推动人工智能技术在交通能源领域的深度应用和融合。

    感谢您的关注,敬请期待更多团队动态!

    撰稿:谭晓璐,吴书鸿,陈永健

    初审&修改:石兰馨

    终审:欧士琪