Modelling São Paulo's Transport Sector Net-Zero Transition: Application of an Enhanced-FNN for HVO Biofuel Integration into the State's Energy Matrix

技術要約：サンパウロ州の輸送部門におけるネットゼロ移行のモデリング

問題提起
本研究は、サンパウロの輸送エネルギーマトリックスへの水素化植物油（HVO）、すなわち「再生可能ディーゼル」の統合を定量化するための、再現可能でデータ駆動型の枠組みの必要性に取り組んでいる。世界的な傾向としてバイオ燃料需要の増加が示されている一方で、地域のエネルギーマトリックスデータ、政策に整合したカーボンクレジット・ロジック（特にブラジルのRenovaBio/CBIOシステム）、および不確実性を考慮した長期予測を同時に統合したサブナショナルな研究は不足している。本研究は、レガシーなディーゼル車両群への依存度が高く、バイオ燃料のエコシステムが確立されている地域において、記述的な市場ナラティブと、データ制約下での意思決定を支援可能な定量的枠組みとの間のギャップを埋めることを目的としている。

手法
本研究では、距離ベースの燃料消費モデルと、予測のための拡張型フィードフォワードニューラルネットワーク（Enhanced-FNN）を採用している。

1. データとベースライン： 2018年から2023年までの履歴データを、Data Portal for Cities、Google Environmental Insights Explorer、およびSENATRANから取得した。モデルは、車両平均燃費を3.60 km/Lとして利用する。
2. 排出量計算： 透明性の高い会計手法を用い、総走行距離（$D_T$）と燃費（$f_E$）に基づいて総燃料消費量（$F_T$）を算出する。排出係数（$ef$）は、混合組成に基づいて適用される（化石ディーゼルは2.70 kg CO2e/L、HVOは0.70 kg CO2e/L）。総混合排出量（$E_B$）および回避排出量（カーボンクレジット、$C_B$）は、化石ディーゼルのベースラインに対して決定論的に算出される。
3. 機械学習アプローチ： 2030年、2040年、2050年のビジネス・アズ・ユージャル（BAU）シナリオにおける排出量を予測するため、著者らはEnhanced-FNNを開発した。
   • アーキテクチャ： モデルは[256, 128, 64]の隠れ層を備え、活性化関数にはSiLU（Swish）を使用している。
   • 不確実性の定量化： 推論時にはモンテカルロ（MC）ドロップアウトを採用し、不確実性の推定値を提供する。
   • 学習戦略： 限定的な履歴データセット（6年間）に対応するため、「訓練のみの拡張（train-only augmentation）」戦略を用いた。これは、経験的な分布を維持しつつ、ノイズ注入によって訓練サブセットを1,000倍に拡張するものである。検証セットおよびテストセットは変更されていない。
   • ベンチマーク： ニューラルネットワークの多項式外挿に対する堅牢性をテストするため、パラメトリックなベンチマークとして二次回帰モデルを実装した。

主な結果

• 履歴パフォーマンス（2018–2023）： 分析により、HVOの混合率が増加するにつれてCO2e排出量が単調に減少することが確認された。
  • 純粋な化石ディーゼル（D）の平均排出量は39.105 MTであった。
  • 100% HVO（R）の平均排出量は10.138 MTであり、74.1%の削減を表している。
  • 回避排出量（クレジット）はHVO含有量に比例して増加し、100% HVOの場合で28.966 MTに達した。
• 長期予測（2030–2050）：
  • Enhanced-FNNは、$R^2 \approx 0.997$、平均絶対誤差（MAE）約0.883 MT、平均二乗誤差（MSE）約1.286 MT²という優れた性能を示した。これにより、2020年のパンデミックによる車両活動の落ち込みを考慮した、安定した非線形予測が行われた。
  • 二次回帰ベンチマークは、説明力が著しく低く（$R^2 \approx 0.65$）、不安定性を示し、較正範囲の外側で急速に加速する排出量軌跡を生じさせた。
• 感度分析： 本研究は、3つの主要な脱炭素化レバーを特定した：年間走行距離の削減、車両燃費の向上、および再生可能燃料の混合シェアの拡大である。分析の結果、燃費の向上が非線形な排出削減をもたらす一方で、再生可能燃料の統合は比例的な排出置換をもたらすことが示された。

主な貢献

1. 再現可能な枠組み： 本研究は、混合燃料の排出量および回避排出量を定量化するための透明性の高い手法を提供しており、同様のディーゼル依存度とバイオ燃料政策を持つ他のサブナショナルな文脈にも適応可能である。
2. 高度な予測： データ制約のある環境において、長期的なエネルギー予測を行うための、不確実性定量化のためのMC-dropoutを備えたEnhanced-FNNの有効性を実証しており、従来の多項式回帰よりも安定性と不確実性定量化において優れている。
3. 政策との整合性： 本研究は、物理的な排出削減をブラジルのRenovaBio枠組みにおける回避排出量クレジットの生成に明示的に結びつけており、混合義務（例：HVOの13%、15%、30%、50%、100%）を評価するための定量的な根拠を提供している。

意義と主張
本論文は、その主要な意義が、高い経済活動データ、レガシーな車両特性、および確立されたバイオ燃料エコシステムを統合し、地域的なエネルギーマトリックスのエビデンスのための転用可能なモデルを作成したことにあると主張している。著者らは、HVO含有量を増やすことが一貫して予測排出量を減少させ、回避排出量のメリットを強化することを実証することで、本研究がサンパウロ州における漸進的な混合義務を支持するものであると断言している。

本研究は、決定的な将来の市場結果の予測というよりも、意思決定支援ツールとしての位置づけを控えめに設定している。Enhanced-FNNは堅牢な予測を提供するものの、将来の研究においては、シナリオのリアリズムをさらに精緻化するために、より広範な運用の異質性（例：車両クラスの層別化）や、燃費および活動成長の仮定に関する感度分析を組み込む必要があると強調している。本研究の科学的価値は、地域的なエネルギー・エビデンスを予測モデルおよび政策上のクレジット規則と整合させることを求める他の地域にとって、テンプレートとして機能できる能力にある。