高 波

(遼寧警察學(xué)院治安管理系, 遼寧大連 116036)

0 前言

交通碳排放成為形成PM2.5顆粒的最重要“元兇”之一，目前大連市空氣質(zhì)量對氣象條件異常敏感，尋求控制交通碳排放的影響因素至關(guān)重要。在計算城市交通碳排放量的方法研究上，國內(nèi)外現(xiàn)有文獻主要運用IPCC法測算交通業(yè)碳排放總量。IPCC指南提供了基于能源消費的“自上而下”法和基于車輛運行里程的“自下而上”法的兩種計算碳排放量的方法。前者具有結(jié)果準確、簡單易于操作的特點，但無法區(qū)分不同交通方式的能耗量，即無法研究不同交通方式的碳排放情況。后者存在不同地區(qū)數(shù)據(jù)收集困難的問題：由于非營運性的私家車輛運行里程和能源消費量無法精確統(tǒng)計，且空車和滿載以及冷熱車等情況的存在，導(dǎo)致其百公里能耗的統(tǒng)計也難以精確，因此在現(xiàn)實情況下，要精確地通過交通運輸方式統(tǒng)計非營運性車輛的運行里程和能源消費量也是非常困難的。

計算大連市交通碳排放量時，只計算能源的終端消費量，而不計算加工轉(zhuǎn)換過程及運輸和分配、儲存過程中的損失量，然后通過能源分配占比來計算交通碳排放量。根據(jù)查閱大連交通統(tǒng)計年鑒，交通碳排放的能源消耗為原油，汽油、煤油、柴油、石油液化氣、電力；城市交通運輸消費所產(chǎn)生的碳排放包括了化石能源消耗的直接排放及軌道交通等所用的電力產(chǎn)生的間接排放。通過上述分析，本文對于大連市交通部門整體的碳排放的測算是從能源消耗角度，采取“自上而下”進行計算[2-3]，先從宏觀上進行碳排放量整體核算及分析，計算出碳排放總量后，再利用PLS建模來進行因素分解，通過對各種交通運輸方式進行相關(guān)度計算來分析各種交通方式的碳排放量。

1 偏最小二乘回歸模型算法

偏最小二乘回歸模型算法不僅能對所需的合適的變量數(shù)進行預(yù)測并去除噪音干擾，還特別適用于觀測數(shù)據(jù)少于預(yù)測變量數(shù)時進行高質(zhì)量建模[4]。

X標準化處理：E0=(E01,…,E0p)n×p

Y標準化處理：F0=(F01,…,F0q)n×q

提取E0的第一個成分t1：

t1=E0w1

提取F0的第一個成分u1：

u1=F0c1

要求t1與u1的協(xié)方差達到最大：

求取w1和c1，得到成分：

t1=E0w1

u1=F0c1

式中：w1和c1分別為矩陣E′0F0F′0E0和F′0E0E′0F0的最大特征值對應(yīng)的特征向量。

分別求E0和F0對t1、u1的3個回歸方程

E0=t1p′1+E1

F0=u1q′1+F′1

F0=t1r′1+F1

E1，F(xiàn)′1，F(xiàn)1分別是3個回歸方程的殘差矩陣。

用殘差矩陣E1和F1替代E0和F0，求第二個主軸w2和c2以及第二個成分t2，u2，得到2個回歸方程：

E1=t2p′2+E2

F1=t2r′2+F2

這時增加成分th，至少使一個因變量yk的預(yù)測模型得到顯著的改善，則可以考慮增加成分th是顯著有益的。

式中：PRESSh為Y的預(yù)測誤差平方和，SSh-1為Y的誤差平方和。

確定提取主成分的個數(shù)為h，從而得到回歸方程。

F0=t1r′1+…+tkr′k+Fk,k=1,2,…,h

轉(zhuǎn)換為y對x1，x2，…，xh的回歸方程：

Y=β0+β1x1+β2x2+…+βhxh

2 大連市交通碳排放總量測算

2.1 數(shù)據(jù)來源與處理

根據(jù)大連市交通結(jié)構(gòu)與采集數(shù)據(jù)實際情況及前期研究成果，計算大連市交通碳排放運用IPCC法，先計算出碳排放總量，再利用PLS建模來進行因素分解，最后，從各交通運輸方式上進行各因素碳排放相關(guān)度計算，從而實現(xiàn)各交通運輸方式對大連市交通碳排放強度貢獻的精確分析。

2.1.1 交通運輸化石能源消費計算。大連市交通碳排放總量的測算模型[5]如下：

其中，C為交通運輸CO2排放總量；i為化石能源種類，分別為汽油、柴油、煤油、液化石油氣等；Ei為交通運輸業(yè)某個時期第i種能源的消耗量(萬噸)；fi為第i種能源的凈熱值(TJ/萬噸)；Ci為第i種能源的CO2排放系數(shù)(kgCO2/TJ)。據(jù)大連能源消耗統(tǒng)計年鑒，2011～2016年大連市交通運輸部門化石能源消耗總量如表1所示。

表1 2011～2016年大連市交通運輸部門化石能源消耗碳排放計算表

2.1.2 大連市交通運輸所用電力消費碳排放測算

與國際上大多城市一樣采用“生產(chǎn)”與“消費”的混合方式進行計算，對于一次能源采用“生產(chǎn)原則”,對于城市電力、熱力等二次能源的消耗采用“消費者原則”進行計算。當運用混合方式計算時，能源終端消費量中的電力和熱力碳排放量不再計入總量。根據(jù)前期研究，在計算交通工具使用電力導(dǎo)致的碳排放時采用“消費者原則”進行計算[6]。

城市消耗的電力來源分為兩大類：本市自供電和外來電，首先計算其所造成的碳排放量得出所用總電量導(dǎo)致的碳排放量，再根據(jù)各個行業(yè)(如交通行業(yè))所消耗電力所占比重進行分解計算，得到交通行業(yè)所消費電力而產(chǎn)生的碳排放總量，如表2所示。

2.2 計算結(jié)果及分析

根據(jù)大連實際情況，城市的電力來源分為自供電和外來電，對于本地生產(chǎn)的電力，其碳排放量為當?shù)啬茉雌胶獗碇杏糜诎l(fā)電和熱力供應(yīng)的能源所造成

表2 2011～2016年大連市交通運輸所用電力消費碳排放計算表

的排放，將火力發(fā)電所消耗能源品種實物量進行計算得到。對于城市外來電所造成碳排放量的計算，以城市凈外來電為基礎(chǔ)進行計算，計算公式如下(根據(jù)國家發(fā)改委公布的我國各電網(wǎng)基準排放因子[7]，大連市外來電計算采用東北區(qū)域電網(wǎng)排放因子)：

外來電碳排放量=外來電凈值×

所在電網(wǎng)碳排放因子

將本地自供電與外來電所造成的碳排放進行匯總就得到了本地所有用電造成的碳排放。根據(jù)各個行業(yè)所消耗電力的占各部門電力消費總量的份額進行配比，將全部電力造成的碳排放分配到各個行業(yè)，即為各部門所應(yīng)承擔(dān)的電力消費的排放量，供熱造成碳排放量的計算方法與電力相同。

大連市化石能源消耗的交通碳排放量與所用電力產(chǎn)生的間接交通總碳排放量如表3所示。

表3 2011～2016年大連市交通運輸總碳排放量

3 基于PLS的交通碳排放量影響因素建模分析[8]

為正確反映交通運輸方式與實際碳排放相關(guān)關(guān)系，區(qū)分各種交通方式所產(chǎn)生的碳排放強度，利用PLS對相關(guān)交通運輸方式數(shù)據(jù)進行建模分析。

3.1 大連市交通碳排放量PLS模型構(gòu)建

選取大連市2011～2016年大連市交通碳排放總量作為因變量Y，自變量及采集原始數(shù)據(jù)見表4，進行PLS建模。

利用SIMCA-P軟件進行PLS建模分析，經(jīng)計算交叉有效性[9]指標，最終選擇h=3時，擬合比例接近于1(模型對Y的解釋能力為96.9%)，達到了較高精度，模型建立良好。

根據(jù)SIMCA-P軟件進行PLS建模得到原始變量的回歸方程為：

Y= -1 754.74+0.314 007x1+4.632 42x2+
0.580 738x3-0.004 431 29x4+0.003 098 89x5-
0.001 794 68x6+0.010 787 8x7+0.000 039 696x8+
44.722 5x9-0.002 074 84x10+0.003 178 86x11-
0.001 011 51x12

表4 大連市交通碳排放量影響因素統(tǒng)計數(shù)據(jù)表

3.2 模型的擬合度與誤差分析

3.2.1 VIP指標

根據(jù)PLS輔助分析技術(shù)，自變量對因變量的解釋能力用變量投影指標VIP來衡量，通過繪VIP直方圖能迅速便捷地觀察和比較各xi在解釋Y時的重要作用，如圖1所示。通過圖1可以看出：以表征城市居民出行距離的變量x9對大連市交通碳排放量的影響作用是最強的，私家車數(shù)量與出行距離急劇增多導(dǎo)致其成為交通碳排放的最主要因素，而大連交通碳排放與x12相關(guān)關(guān)系最弱，也間接證實了近年來因私家車出行增長及新興行業(yè)滴滴等爭奪客運源導(dǎo)致出租車運行量急劇減少，下一步工作重點應(yīng)在合理抑制私家車出行和加大公共交通系統(tǒng)上采取相應(yīng)措施。

3.2.2 模型分析

為觀測各相關(guān)影響因素對大連市交通碳排放的正負向作用，繪制回歸系數(shù)圖，如圖2所示。

圖1 VIP值排序圖

圖2 回歸系數(shù)圖

由圖2看出: ①市客運量x6、城市公共交通客運量x10、出租車客運量x12對大連交通碳排放起負向作用，說明增大此部分數(shù)值能對大連交通碳排放增長起抑制作用，這與目前大連市大力發(fā)展公共交通系統(tǒng)、發(fā)展綠色交通相吻合，只有把居民的出行吸引到運輸效率高、單人排放量低的公交系統(tǒng)來，才能抑制私家車出行導(dǎo)致碳排放急劇增長；②機動車保有量、人口數(shù)、GDP、游客人數(shù)、貨運量、私人機動車擁有量、人均道路面積均與交通碳排放成正相關(guān)，對這些因素需要合理的進行調(diào)節(jié)或者限制；③從交通方式上分析，大連市交通碳排放量貢獻度最大的是私家車，公共交通次之，但公共交通的運輸效率高、運量大，人均碳排放量最低；④為了大連市可持續(xù)發(fā)展，近年來陸續(xù)引進大量公共汽電車，從目前看公共電汽車碳排放效率低的優(yōu)勢并未得到充分體現(xiàn)；⑤大連自2015年的地鐵開始運行使得城市軌道交通趨向城市中心化、規(guī)模化、網(wǎng)絡(luò)化大發(fā)展，對吸引居民出行到公共交通上效果明顯，經(jīng)計算以使用電力為主的軌道交通碳排放量占總排放量的比例很小，年平均值約為15.244 1%，所以對大連市來說，大力發(fā)展使用以電力為主的軌道交通勢在必行；⑥大連市道路總里程的增加對單位道路面積碳排放并沒有起到抑制作用，下一步重點應(yīng)在加強以智能交通為主的管理方式上下功夫。

3.2.3 誤差分析

將采集的實際值與構(gòu)建模型計算的預(yù)測值進行精度分析：PLS模型預(yù)測的相對誤差均值為1.64%；而此次建模條件為樣本量只有6個，自變量有12個，此情況下能建立精度較高的模型。

4 交通碳排放預(yù)警機制

4.1 交通碳排放預(yù)警決策機制確定

碳排放預(yù)警決策機制是對碳排放強度的狀態(tài)進行監(jiān)測，是在碳強度超標前采取預(yù)防措施，提前報警并啟動相應(yīng)的預(yù)防控制措施，降低碳排放量和避免碳排放強度超標，或在碳排放強度超標時及時發(fā)現(xiàn)并采取相應(yīng)的應(yīng)急措施，使之回復(fù)安全狀態(tài)。

結(jié)合大連市空氣質(zhì)量對大連市交通碳排放安全警情進行綜合評價，采用基于壓力—狀態(tài)—響應(yīng)(PSR)交通碳排放安全預(yù)警體系， 通過歷年采集的數(shù)據(jù)，運用偏最小二乘法建立預(yù)測模型，預(yù)測大連市年度空氣質(zhì)量優(yōu)良天數(shù)，對交通碳排放安全警情演變趨勢進行預(yù)測，系統(tǒng)將預(yù)測值與評估準則進行比較，判斷交通碳排放是否超標，根據(jù)結(jié)果決定是否需要報警[10]。

4.2 交通碳排放安全警限設(shè)定

AQI是空氣質(zhì)量指數(shù)(Air Quality Index)的簡稱，是定量描述空氣質(zhì)量狀況的無量綱指數(shù)。其數(shù)值越大、級別和類別越高，說明空氣污染狀況越嚴重，對人體的健康危害也就越大。依據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ633—2012)，大連空氣質(zhì)量指數(shù)級別分為4級，如表5所示。

表5 大連市空氣質(zhì)量警度分級及警示標志設(shè)定

4.3 大連市交通碳排放與空氣質(zhì)量模型構(gòu)建

4.3.1 交通碳排放與空氣質(zhì)量關(guān)系分析

根據(jù)相關(guān)資料查閱，大連市2011～2016年空氣質(zhì)量統(tǒng)計結(jié)果如表6所示：

表6 大連市歷年空氣質(zhì)量統(tǒng)計表

通過表6數(shù)據(jù)看出大連市自2013年后空氣污染程度嚴重。

經(jīng)分析數(shù)據(jù)，各種交通方式的增長率直接對下一年度空氣質(zhì)量帶來影響，因此分析交通相關(guān)因素的增長率與空氣質(zhì)量指數(shù)的相關(guān)性，能實現(xiàn)對交通碳排放的預(yù)測及預(yù)警功能，經(jīng)計算，相關(guān)主要因素及增長率如表7所示。

4.3.2 構(gòu)建大連市空氣質(zhì)量與交通碳排放影響因素回歸模型

設(shè)定大連市2012～2016年大連市空氣質(zhì)量優(yōu)良天數(shù)為因變量Y、各種交通方式的增長率xi為自變量，進行PLS建模分析。

經(jīng)SIMCA-P軟件進行PLS建模分析，計算交叉有效性[7]指標，最終選擇h=3時模型對Y的解釋能力達到95.8%，模型擬合度高。最終所建立針對原始變量的回歸方程為：

Y= 74.909 7+1 305.63x1-67.886 2x2+
139.459x3+78.999 8x4+160.068x5

表7 大連市交通相關(guān)數(shù)據(jù)及年增長率

4.3.3 模型的擬合優(yōu)度及誤差分析

(1)由VIP指標(如圖3)看出按碳排放影響顯著程度排序為：x1>x2>x5>x3>x4，其中私人機動車增長率對大連市空氣質(zhì)量優(yōu)良天數(shù)的影響程度最大；人均道路面積增長率x4與之相關(guān)關(guān)系最弱，說明單純增大道路面積、通過暢通工程等減少碳排放只是最次要因素，它的影響遠遠不及私家車的急劇增長帶來的影響，更證實了下一步工作重點不應(yīng)該在單純增加道路里程上。

圖3 VIP值排序圖

(2)誤差分析

將實際值與所構(gòu)建模型計算的預(yù)測值進行精度分析：PLS模型預(yù)測相對誤差均值為0.39%。

4.3.4 預(yù)測及預(yù)警

(1)預(yù)測2017年優(yōu)良天數(shù)。利用歷史數(shù)據(jù)，計算私人機動車擁有量、客運量、貨運量、人均道路面積、軌道交通運量的增長率平均值分別為：14.59%、-3.87%、3.72%、2.81%、14.48%，經(jīng)預(yù)測模型計算2017年優(yōu)良天數(shù)為298.599 945 5天；據(jù)查閱《2017年大連市空氣質(zhì)量報告》得知2017年大連市空氣質(zhì)量優(yōu)良天數(shù)為300天；相對誤差為0.467%，預(yù)測精度較高。

(2)大連市交通碳排放安全(空氣質(zhì)量)預(yù)警預(yù)測與總體分析。根據(jù)表5得知2017年大連市交通碳排放導(dǎo)致全年空氣質(zhì)量仍為“輕度污染”狀態(tài)，報警級別為“輕警”，屬于“臨界狀態(tài)”。

5 結(jié)論

(1)通過PLS建模對大連市交通碳排放及空氣優(yōu)良天數(shù)進行預(yù)測分析，精度高、誤差小(相對誤差均值分別為1.64%、0.39%)，并在樣本數(shù)(6個)遠少于自變量個數(shù)(12個)時仍能建立精度較高模型，預(yù)測效果良好，誤差為0.467%。

(2)城市居民出行距離、私家車數(shù)量對大連市交通碳排放量的影響作用是最強的，相對應(yīng)的是空氣質(zhì)量下降最明顯，而公共交通客運量對大連交通碳排放起抑制作用，為了大連市可持續(xù)綠色發(fā)展，大力發(fā)展使用以電力為主的軌道交通勢在必行；通過延長道路以減少交通碳排放效果不顯著，它的影響遠遠不及私家車急劇增長帶來的影響，下一步工作重點不應(yīng)該在單純增加道路里程上。