陳月霞，陳 龍，查奇芬

(1.江蘇大學(xué)汽車與交通工程學(xué)院，江蘇鎮(zhèn)江 212013;2.江蘇大學(xué)財經(jīng)學(xué)院，江蘇鎮(zhèn)江 212013)

隨著經(jīng)濟的高度發(fā)展，隨之而來的環(huán)境問題引起社會的高度重視.中國提出了節(jié)約資源和保護環(huán)境的基本國策，要求全國節(jié)約能源，降低溫室氣體排放強度［1］.城市交通碳排放是確定城市交通碳減排量和減排方向的基礎(chǔ)，也是衡量城市低碳發(fā)展?fàn)顩r的重要指標(biāo).國內(nèi)外很多學(xué)者都致力于這方面的研究［2-4］，但是這些研究都是建立在宏觀統(tǒng)計層次，根據(jù)這些研究制定出的低碳發(fā)展策略往往起不到應(yīng)有的減排效果［5］.因此，要提出更有針對性的低碳發(fā)展策略以及具有可執(zhí)行性的實施措施，就必須對城市交通微觀主體的出行情況進行詳實的調(diào)查研究.目前，對于城市微觀交通主體的研究主要是出行方式選擇模型［6-9］，側(cè)重于不同人群出行方式選擇的影響因素分析，而對于微觀主體的出行碳排放測度［10］很少涉及到.此外，以上研究都是在發(fā)達城市范圍內(nèi)，而我國中小型城市占絕大部分，中小型城市的交通環(huán)境［11］更有可塑性，易于重新規(guī)劃，有必要針對中小城市進行詳細(xì)調(diào)研.筆者以長江流域發(fā)展中的城市鎮(zhèn)江為例，通過對鎮(zhèn)江市微觀主體的工作日和非工作日的碳排放的量化研究，分析其碳排放變化的影響因素，從而為中小型城市交通出行低碳轉(zhuǎn)型目標(biāo)的制定及實施策略提供詳實有效的依據(jù).

1 交通主體出行碳排放分析

對于交通主體的出行行為的碳排放只考慮城市內(nèi)日常工作生活出行產(chǎn)生的碳排放，不考慮偶然的長途旅行等對外交通活動.具體的碳排放來源主要包括步行、自行車、電動車、公交車、單位班車和私家車等交通工具產(chǎn)生的碳排放.根據(jù)各種交通碳排放特點以及出行個體出行實際情況，出行方式可分為單一出行和混合方式.由于自行車和步行出行都不產(chǎn)生碳排放，把他們歸于步行、自行車單一方式.同樣，由于公交車和單位班車碳排放強度相同，如表1所示，把他們歸于一類，看作是單一出行方式公共汽車.

表1 各類交通方式的碳排放強度

1.1 城市交通主體出行碳排放測算模型

根據(jù)各種交通工具的碳排放特點，測算交通主體日常生活出行碳排放量，構(gòu)建個體交通出行碳排放模型為

式中:Q為交通出行碳排放總量;Q1為單一出行方式產(chǎn)生的碳排放量;Q2為混合出行方式產(chǎn)生的碳排放量，混合出行方式為步行、自行車、電動車、私家車、出租車、公交車、單位班車的任意組合;Q3為消費終端能源(汽油、天然氣)出行方式產(chǎn)生的碳排放量;Q4為消費電力的出行方式產(chǎn)生的碳排放量.

1.2 交通主體單次出行碳排放測算模型

根據(jù)交通主體的出行距離以及交通方式的選擇情況等，建立微觀個體非匯總層面測量居民日常出行行為的城市交通碳排放模型:

式中:Q5為每個居民的碳排放量;δi為第i次出行采用交通方式的碳排放強度;di為第i次出行距離.

1.3 數(shù)據(jù)來源

借鑒活動日志調(diào)研和活動分析方法，科學(xué)地設(shè)計城市居民出行活動日志問卷.本著全面性、差異化的原則，在鎮(zhèn)江市隨機選取不同類型社區(qū)，采用入戶訪談與問卷留置相結(jié)合的方式，對每個社區(qū)隨機選取家庭發(fā)放活動日志問卷，對受訪者的家庭信息、個人信息以及受訪者日常出行類型及其相應(yīng)的出行距離、出行次數(shù)、出行頻率等出行記錄進行調(diào)研，獲取第一手?jǐn)?shù)據(jù)，建立研究行為庫.

根據(jù)目前已有文獻和研究報告，結(jié)合鎮(zhèn)江城市居民的出行結(jié)構(gòu)及交通工具的直接能耗等實際特點，并參考?xì)W盟在2006年通過TREMOVE2.4的政策評估模型所計算得到的碳排放標(biāo)準(zhǔn)及綠源集團發(fā)布的《中國大眾交通工具的碳排放強度表》，得到本研究適用的碳排放強度指標(biāo)，如表1所示.其中主要修改處:鎮(zhèn)江出租車以天然氣為燃料，根據(jù)歐盟模型計算出租車排放強度為私家車的0.815倍，即110;刪除了調(diào)查中沒有出現(xiàn)的交通方式數(shù)據(jù)如摩托車、城鐵、地鐵和購物巴士等.

2 數(shù)據(jù)分析

采用的數(shù)據(jù)是通過科學(xué)統(tǒng)計方法得到的，選擇的調(diào)查對象遍及鎮(zhèn)江的中心城區(qū)，調(diào)查表共發(fā)出500份，回收417份，篩選后剔除無效數(shù)據(jù)得到358條有效完整數(shù)據(jù)記錄，以此建立數(shù)據(jù)庫.并且，針對同一人進行了工作日和非工作日的調(diào)查，使得數(shù)據(jù)在分析時具有可比性.國內(nèi)城市居民出行調(diào)查的抽樣率范圍為1.5% ～4.0%［12］，由于條件限制，此次調(diào)查在中心城區(qū)的抽樣率約為0.4%，但是在所涉及的核心調(diào)查區(qū)域的抽樣率為2.0%左右，基本符合抽樣要求.此外，由于中國還沒有官方公開的大規(guī)模的交通主體出行碳排放的統(tǒng)計數(shù)據(jù)，也沒有各種交通工具碳排放強度的官方權(quán)威標(biāo)準(zhǔn)，只能根據(jù)已有相關(guān)研究與實際情況采用的相對可靠的標(biāo)準(zhǔn)(見表1)進行碳排放總量的測算，得到相對合理可靠的計算結(jié)果.

2.1 交通主體出行碳排放總量分析

運用式(1)，(2)和有關(guān)統(tǒng)計數(shù)據(jù)，對2014—2015年鎮(zhèn)江城市居民工作日和非工作日單次出行情況及碳排放量進行初步測算，如表2所示，并進一步測算了不同分類的出行方式的碳排放量，如表3所示.

表2 不同出行方式出行特征

表3 不同分類出行方式的碳排放測度 g

結(jié)果表明:鎮(zhèn)江城市居民出行碳排放總量為310 604.29 g，從工作日到非工作日呈增長趨勢，由工作日的125 076.27 g上升到非工作日的185 527.92 g，增幅為48.33%.單一出行方式碳排放總量為242 774.70 g，占總排放量的78.16%，由工作日88 659.78 g上升到非工作日154 114.92 g，增幅為73.83%.混合方式出行產(chǎn)生的碳排放總量為67 829.59 g，僅占總量的21.84%，且從工作日到非工作日呈下降趨勢，降幅為13.74%.主要由個體出行方式結(jié)構(gòu)變化所致，單一出行方式頻次從工作日到非工作日有所增加，其中私家車、公共汽車方式增加明顯，而混合方式出行次數(shù)有所減少.單一方式出行是個體主要出行選擇.

在交通主體各種出行方式碳排放總量中，消費終端能源的出行方式產(chǎn)生的直接碳排放總量在碳排放總量中占比很大，達到95.17%，且增長速度很快，由工作日的117 752.22 g上升到非工作日的177 860.90 g，增幅為51.05%;由消費電力的電動車出行產(chǎn)生的間接碳排放量在碳排放總量中占比較小，僅占4.80%.這一現(xiàn)象主要原因為消費汽油、天然氣等終端燃料的汽車出行方式的出行距離遠(yuǎn)遠(yuǎn)超過消費電力的電動車出行距離，且增速較快.汽車出行是個體出行碳排放的主要來源.

2.2 不同出行方式交通主體碳排放分析

根據(jù)式(2)分別測算出交通主體各種出行方式碳排放量，如圖1所示，進而得到各類出行方式碳排放結(jié)構(gòu)，如圖2所示.

圖1 各類出行方式碳排放總量

圖2 各類出行方式碳排放結(jié)構(gòu)圖

結(jié)果表明:單一出行方式中，碳排放強度指數(shù)最高的私家車出行距離僅次于電動車排在第2位，產(chǎn)生的碳排放量最大且增速較快，從工作日的68 573.25 g增長到非工作日的131 720.85 g，增幅為92.09%，私家車出行碳排放總量占整個碳排放總量的64.49%.

公共汽車出行方式產(chǎn)生碳排放總量次之，從工作日的14 073.82 g增長到非工作日的16 096.49 g，增幅為14.37%，此出行方式碳排放總量占整個碳排放總量的9.71%.

電動車出行方式雖然出行次數(shù)最多，距離最長，但由于消耗電力間接產(chǎn)生的碳排放強度不大，碳排放量是所有能產(chǎn)生碳排放的方式中占比最小的，僅占總量的3.96%，從工作日的6 012.71 g增長到非工作日的6 297.58 g，增幅為4.74%.

造成這種非工作日出行碳排放量整體增大現(xiàn)象的主要原因是非工作日城市居民的出行目的多樣化，出行欲望大大提高，各種交通工具的出行距離均呈上升趨勢，其中以私家車出行距離增幅最大，達到90.50%.

步行、自行車出行不產(chǎn)生碳排放.調(diào)查中顯示沒有個體選擇使用單一出租車出行方式出行，通常是出租車與其他出行方式的混合出行，因此單一出租車出行方式碳排放量為0.

由于混合出行方式中92.13%的出行都是含有汽車的組合，如圖3所示，其中含有私家車、出租車的組合出行方式占59.55%比重最大.出行距離排在第3位，使得混合出行方式產(chǎn)生的碳排放總量大小僅次于私家車碳排放量，位居第2，占整個碳排放總量的21.84%，而由于非工作日的混合出行次數(shù)和出行距離的減少，碳排放也由工作日的36 416.59 g減少到非工作日的31 413.00 g，降幅為13.74%.

圖3 混合出行方式組合結(jié)構(gòu)圖

2.3 不同類型交通主體的碳排放均值特征

根據(jù)表2，城市交通個體出行的單次人均碳排放量由工作日的349.38 g·人-1增加到非工作日的518.23 g·人-1，增長了48.33%.單一出行方式單次人均碳排放量從工作日到非工作日均呈上升趨勢，其中私家車增幅最大，為80.95%.公共汽車、電動車依次排列，而混合出行方式的單次人均碳排放量則呈下降趨勢.在各類出行方式中，只有私家車的人均碳排放量明顯高于整體人均碳排放量，是整體人均碳排放量的3倍左右，其他出行方式均低于或接近整體人均碳排放量.主要原因在于非工作日出行量明顯增加，更多人在非工作日選擇單耗高的私家車出行，混合方式出行量減少.

3 結(jié)論

1)總體來說，鎮(zhèn)江城市交通主體出行碳排放總量在非工作日時間要大于工作日時間，隨著非工作日出行需求增大，碳排放量將繼續(xù)增大.而在碳排放總量中，單一出行方式產(chǎn)生的碳排放量所占比例很大，其中私家車所占比例最大.相比而言，混合出行方式產(chǎn)生的碳排放量在碳排放總量中所占比例較小.由此看出城市個體出行在非工作日時間往往會傾向于選擇更方便的出行方式，特別是私家車，私家車出行是造成碳排放快速增長的主要原因.混合出行方式一方面由于等待耗費時間較多，很多居民不愿意選擇，另一方面在于城市交通建設(shè)不到位，市民想選擇而無從選擇.如果未來鎮(zhèn)江城市交通碳排放量持續(xù)增長，應(yīng)根據(jù)鎮(zhèn)江地區(qū)實際情況調(diào)整交通運輸結(jié)構(gòu)，降低城市個體尤其是在非工作日時間對小型汽車的依賴程度，轉(zhuǎn)變城市個體出行方式選擇結(jié)構(gòu)，由單一高碳排放向單一低碳排放、單一出行向混合低碳出行轉(zhuǎn)變，從個體著手實施交通低碳化戰(zhàn)略.

2)各種出行方式碳排放中，私家車出行方式碳排放量最大，其次是混合出行方式，公共汽車出行方式緊追其后，電動車出行方式所占比例較小，步行、自行車則不產(chǎn)生碳排放.消費汽油、天然氣等終端燃料的汽車出行方式產(chǎn)生的碳排放量占總排放量的很大部分，而消費電力的電動車出行方式產(chǎn)生的間接碳排放量非常小.由此看來，以汽油、天然氣等為燃料的交通工具出行方式是造成高碳排放的主要原因，而非工作日這些高碳排放交通工具的使用增加造成了碳排放的迅速增加.鎮(zhèn)江現(xiàn)有的交通工具多為高能耗、高碳排放設(shè)備，要降低目前交通主體出行的碳排放量，就必須轉(zhuǎn)變現(xiàn)有的出行交通工具結(jié)構(gòu)，改變其能源消費格局.這方面鎮(zhèn)江已經(jīng)做出了一些努力，出租車能源已由汽油改為天然氣;并且正在規(guī)劃發(fā)展高速電氣化鐵路，用地鐵運輸取代部分長距離小汽車出行，可以大大降低碳排放量，促進城市低碳交通發(fā)展.此外，還應(yīng)大力引進如純電動汽車等其他清潔能源汽車，減少交通出行的碳排放量.

3)城市交通個體單次出行碳排放均值從工作日到非工作日呈增長趨勢，其中私家車增幅最大，而混合方式出行人均碳排放則呈下降趨勢.從另一個角度說明非工作日時間居民出行更偏向于運輸效率低、單耗高但非常方便、快速、舒適的私家車出行方式.因此，除了降低對私家車的依賴、改變個體出行選擇結(jié)構(gòu)，還必須提高私家車的運輸能力、降低單耗，才能有效降低碳排放量.一方面，可以通過宣傳低碳出行轉(zhuǎn)變個體出行思想，鼓勵居民拼車出行，提高車輛的實載率，從而降低單位碳排放量;另一方面，引導(dǎo)公眾購買、使用小排量節(jié)能環(huán)保汽車，制定交通工具能源效率標(biāo)準(zhǔn)，提高能源使用效率，加快高油耗、大排量汽車淘汰進程，有效降低因資源浪費而產(chǎn)生的碳排放量.

4)從微觀統(tǒng)計角度對城市交通個體在工作日和非工作日出行的碳排量進行了測算，分析了碳排放量結(jié)構(gòu)以及出行方式結(jié)構(gòu)，為今后分析影響低碳出行因素研究提供參考.

References)

［1］方玉建，張金鳳，袁壽其.歐盟27國小水電的發(fā)展對我國的戰(zhàn)略思考［J］.排灌機械工程學(xué)報，2014，32(7):588-599，605.

Fang Yujian，Zhang Jinfeng，Yuan Shouqi.Strategic thinking on exploitation of small hydropower in China from learning 27 countries of European Union［J］.Journal of Drainage and Irrigation Machinery Engineering，2014，32(7):588-599，605.(in Chinese)

［2］Abrell J.Regulating CO2emissions of transportation in Europe:a CGE-analysis using market-based instruments［J］.Transportation Research Part D:Transport and Environment，2010，15:235-239.

［3］Hickman R，Ashiru O，Banister D.Transitions to low carbon transport futures:strategic conversations from London and Delhi［J］.Journal of Transport Geography，2011，19:1553-1562.

［4］Brand C，Preston J M.'60-20 emission':the unequal distribution of greenhouse gas emissions from personal，nonbusiness travel in the UK［J］.Transport Policy，2010，17:9-19.

［5］Nakamura K，Hayashi Y.Strategies and instruments for low-carbon urban transport:an international review on trends and effects［J］.Transport Policy，2013，29:264-274.

［6］馮忠祥，劉浩學(xué)，張景峰.農(nóng)村人口出行方式選擇模型［J］.交通運輸工程學(xué)報，2010，10(3):77-83.

Feng Zhongxiang，Liu Haoxue，Zhang Jingfeng.Selection model of trip modes for rural population ［J］.Journal of Traffic and Transportation Engineering，2010，10(3):77-83.(in Chinese)

［7］Hsu H P，Saphores J D.Impacts of parental gender and attitudes on children's school travel mode and parental chauffeuring behavior:results for California based on the 2009 National Household Travel Survey［J］.Transportation，2014，41(3):543-565.

［8］Murtagh S，Rowe D A，Elliott M A，et al.Predicting active school travel:the role of planned behavior and habit strength［J］.International Journal of Behavioral Nutrition and Physical Activity，2012，9(1):65-74.

［9］Kamargianni M，Ben-Akiva M，Polydoropoulou A.Incorporating social interaction into hybrid choice models［J］.Transportation，2014，41(6):1263-1285.

［10］柴彥威，肖作鵬，劉志林.基于空間行為約束的北京市居民家庭日常出行碳排放的比較分析［J］.地理科學(xué)，2011，31(7):843-849.

Chai Yanwei，Xiao Zuopeng，Liu Zhilin.Comparative analysis on CO2emission per household in daily travel based on spatial behavior constraints［J］.Scientia Geographica Sinica，2011，31(7):843-849.(in Chinese)

［11］繆小冬，李舜酩，沈 峘，等.復(fù)雜環(huán)境中交通標(biāo)志的實時識別方法［J］.江蘇大學(xué)學(xué)報:自然科學(xué)版，2013，34(5):514-518.

Miao Xiaodong，Li Shunming，Shen Huan，et al.A real time traffic sign recognition method in complex environment［J］.Journal of Jiangsu University:Natural Science Edition，2013，34(5):514-518.(in Chinese)

［12］石 飛，王 煒，陸 建.我國城市居民出行調(diào)查抽樣率確定方法探討與研究［J］.公路交通科技，2004，21(10):109-112.

Shi Fei，Wang Wei，Lu Jian.Discussion and research on sampling rate for resident trip investigation in China［J］.Journal of Highway and Transportation Research and Development，2004，21(10):109-112.(in Chinese)