諸立超，甄偉，劉昭然

(1.浙江財經(jīng)大學，a.工商管理學院，b.經(jīng)濟學院，杭州310018；2.國家發(fā)展和改革委員會綜合運輸研究所，北京100038)

0 引言

伴隨我國經(jīng)濟社會的持續(xù)快速發(fā)展，作為派生需求的交通運輸業(yè)也實現(xiàn)了顯著增長，并消耗了大量能源。2019年，交通運輸業(yè)直接能耗4.39億噸標準煤，占全社會能耗的9.01%，近20年年均增幅達8.10%，高于全社會能耗增速。特別是貨運業(yè)，貢獻了交通運輸業(yè)75%的能耗[1]，若考慮上游環(huán)節(jié)間接能耗，貨運能耗將更高。根據(jù)發(fā)達國家貨運能耗增長趨勢和我國資源稟賦，我國貨運能耗在未來較長一段時間內仍將持續(xù)增長[2]。雖然能效改善和技術進步有助于貨運節(jié)能，但由于需求增長和回彈效應[3]，貨運業(yè)自2000年以來取得的節(jié)能進步有限。考慮到貨運節(jié)能對于早日實現(xiàn)“碳達峰”“碳中和”的顯著貢獻，國家十四五規(guī)劃和十九屆五中全會將貨運節(jié)能問題上升至國家戰(zhàn)略高度。

具體而言，貨運能耗受供給側和需求側雙重因素影響。供給側視角，運輸鏈單位運量能耗受全程運輸所有直接耗能設備和作業(yè)影響，包括貨運設備能耗效率、標準化水平、能源類型[4]和運輸組織[5]；同時，運輸鏈上游產業(yè)的間接能耗也不可忽視。其中，運輸鏈是指貨物從起點至終點間的短駁運輸、干線運輸、裝卸和倉儲等環(huán)節(jié)的整合。然而，既有研究很少從生命周期視角測算貨運能耗，且大多僅考慮干線運輸能耗[6]，不利于準確評估貨運對環(huán)境的全過程影響[7]。需求側視角，運輸鏈屬性[8]、決策者屬性和貨物屬性[9]等差異會影響微觀層面決策者在各類貨運情景中的運輸鏈選擇結果，導致宏觀層面各運輸鏈運量分配變化，由于各運輸鏈單位運量能耗不同，運量分配變化會引發(fā)貨運整體能耗變化。但是，學者們多關注運輸鏈屬性對運量分配的影響，對確定關鍵影響因素及其對貨運能耗影響的研究有待深化。

綜上，本文旨在構建貨運能耗測度和節(jié)能潛力分析框架，量化供需雙重因素對貨運通道能耗的貢獻，并分析各因素節(jié)能潛力。鑒于不同區(qū)域資源稟賦及貨運供需特征差異，且集裝箱運輸為未來貨運重點發(fā)展領域，本文將該框架應用于包含公路、鐵路和水路等若干運輸鏈的集裝箱貨運通道。

1 框架構建

貨運綜合能耗由直接能耗和間接能耗構成，直接能耗包含運輸鏈所有活動直接消耗的柴油和天然氣能量以及電能，而間接能耗是指運輸鏈上游產業(yè)所消耗的能源。具體而言，由于區(qū)域經(jīng)濟系統(tǒng)存在相互聯(lián)系，運輸鏈各類活動從屬區(qū)域產業(yè)部門單位經(jīng)濟產出的生產過程會消耗上游產業(yè)提供的產品與服務，如設施的建設維護和設備的生產維修等，而這些產品和服務的生成也會消耗一定能源，即間接能耗。綜上，貨運綜合能耗E計算公式為

運輸鏈屬性、決策者屬性和貨物屬性取值x及每個屬性重要程度β影響，且β為待估計參數(shù)；F為貨運量；和分別為運輸鏈i活動m(m=1,…,M)完成單位運量的直接能耗和間接能耗。本例采用的F和x為歷史數(shù)據(jù)，也可通過計量模型預測未來值，但Pi與β函數(shù)關系的確立需構建離散選擇模型(Discrete Choice Model，DCM)。此外，運輸鏈i活動m完成單位運量的直接能耗和間接能耗分別采用ASIF 法(Activitymodal structure-energy Intensity-emission Factor)[10]和EIOA 法(Environment input-output Analysis)[11]測算，兩者統(tǒng)稱混合EIO-LCA(Hybrid Economic Input-output and life Cycle Assessment)模型。其中，ASIF法綜合考慮了各運輸鏈不同活動完成單位運量的直接能耗，是主流的直接能耗和碳排放測算方法，其測算結果準確性主要取決于活動分解和能耗參數(shù)的詳細程度[12]。在測算間接能耗方面，雖然ASIF 法也適用，但ASIF 法在測算過程中采用的參數(shù)多源于其他研究或地區(qū)，忽略了案例地區(qū)經(jīng)濟特征，而EIOA法所用參數(shù)均源于案例地區(qū)，更能反映案例地區(qū)貨運產業(yè)部門與上游產業(yè)部門的經(jīng)濟聯(lián)系和能耗關系，確保了測算結果準確性，被廣泛應用于間接能耗和碳排放測算[13]。

1.1 貨運能耗測度

運輸鏈i活動m完成單位運量的直接能耗為

式中：Ri,m,q為完成運輸鏈i活動m時貨運設備q=1,…,Q的使用比例，不同設備的作業(yè)次數(shù)和能耗強度分別用Zi,m,q和Tq表征；Zi,m,qTq為運輸鏈i活動m采用設備q完成單位運量的直接能耗，進而乘以設備使用比例Ri,m,q并加和得到考慮設備特征的。

由不同活動m完成單位運量的間接能耗組成間接能耗向量，其計算公式為

式中：e為區(qū)域產業(yè)直接能耗強度對角陣，e=diag(e1…em…eM)，其元素em可通過活動m從屬區(qū)域產業(yè)部門的直接能耗Dm與經(jīng)濟產出Xm的比值獲取；為根據(jù)投入產出表得到的列昂惕夫逆矩陣，I和A分別為單位陣和直接消耗系數(shù)矩陣(描述了一個產業(yè)單位產出所需的另一產業(yè)投入)；y為根據(jù)實地調研獲取的運輸鏈不同活動費用向量，y=[y1…ym…yM]T。由于EIOA 法在測算不同活動間接能耗時未區(qū)分運輸鏈，可根據(jù)運輸鏈i包含的活動m，進一步將匹配到運輸鏈i，即。

1.2 節(jié)能潛力分析

貨運綜合能耗受供給側的各運輸鏈單位運量直接能耗和間接能耗以及需求側的各運輸鏈運量等3類因素影響，其節(jié)能潛力分析依次采用敏感性分析(Sensitivity Analysis，SA)、結構路徑分析(Structural Path Analysis，SPA)和DCM。

根據(jù)SA給出直接能耗影響因素變化ΔZi,m,q(Δ代表增加或減少)對綜合能耗的定量影響，通過將Zi,m,q替換為Ri,m,q或Tq，可量化Ri,m,q或Tq變化對綜合能耗的影響，即

根據(jù)SPA 給出識別間接能耗關鍵能耗路徑的方法，結合泰勒級數(shù)近似，被分解為

貨運量方面，采用DCM 量化運輸鏈屬性變化對各運輸鏈運量及貨運綜合能耗的影響。根據(jù)隨機效用最大化理論和隨機效用極值類I獨立同分布假設，決策者n=1,…,N在情景s=1,…,S選擇運輸鏈i的概率為

式中：i和j均為運輸鏈，共J條；x為運輸鏈屬性、決策者屬性和貨物屬性取值；β為每個屬性重要程度，為待估計參數(shù)。固定效用Vn,s,i( )x,β可表示為

式中：k1為第k1個運輸鏈屬性，共K個，詳見2.1節(jié)；k2為第k2個決策者屬性和貨物屬性，共K個，詳見2.1 節(jié)；為決策者n在情景s中所面臨的第i條運輸鏈第k1個屬性取值；為決策者n在情景s中所面臨的第k2個決策者屬性和貨物屬性取值。運輸鏈i的市場份額可表示為所有均值，即

有關參數(shù)β的估計過程可參考文獻[14]。量化不同x變化對貨運綜合能耗影響的公式為

2 案例研究

2.1 數(shù)據(jù)簡介

本文提出的框架適用于多種空間尺度，但由于不同案例綜合能耗影響因素存在差異，各因素節(jié)能潛力也不同，為使研究結果更具現(xiàn)實意義，本文聚焦義烏至寧波出口集裝箱內陸段貨運通道。其中，義烏出口集裝箱可通過公路或鐵路運輸鏈運抵寧波出口。為測算貨運綜合能耗，需采集3 類數(shù)據(jù)：各運輸鏈單位運量直接能耗、間接能耗和決策者運輸鏈選擇行為數(shù)據(jù)。其中，間接能耗數(shù)據(jù)采集于2017年，源于每5年發(fā)布一次的浙江省投入產出表(最近發(fā)布為2017年)和實地調研。為匹配間接能耗數(shù)據(jù)，直接能耗數(shù)據(jù)也采集于2017年，依托實地調研和文獻查閱。此外，根據(jù)半結構訪談初步確定影響決策者運輸鏈選擇行為的因素，并采用有效設計確定運輸鏈選擇行為調查問卷，從而提升選擇行為數(shù)據(jù)采集和建模的有效性。其中，每份問卷包含18 個假設情景，于2015年調查30 位受訪者，超過理論最少樣本量[9]，且公路和鐵路集裝箱運量分別為874192 TEU 和11808 TEU(TEU=twentyfoot equivalent unit)。雖然選擇行為數(shù)據(jù)與能耗數(shù)據(jù)相差兩年，但決策者兩年內偏好不會顯著變化，所構建的DCM適用于2017年。

表1 為計算不同運輸鏈各活動直接能耗的相關參數(shù)，這些參數(shù)源于實地調研和針對義烏-寧波貨運通道開展研究的文獻[12]，是各活動相關設備在各種工況下長期運作的均值，能夠比較準確地反映較長時間內(本例為1年)各運輸鏈單位運量的直接能耗，但不能準確描述特定工況下的瞬時能耗。表2 為不同運輸鏈各活動單位經(jīng)濟價值所產生的隱含能耗量，即間接能耗強度，它根據(jù)義烏-寧波貨運通道所在浙江省的投入產出表計算得到，同樣為1年均值，通過結合實地調研獲取的各類活動費用均值，能夠比較準確地測算1年內各運輸鏈單位運量的間接能耗。此外，本文構建多項Logit 模型(Multinomial Logit，MNL)和混合Logit 模型(Mixed Logit，ML)等多種DCM進行比選，但帶有交叉項的MNL模型表現(xiàn)優(yōu)于ML模型，說明決策者絕大部分異質性可通過自身屬性和貨物屬性解釋。因此，后續(xù)分析基于帶有交叉項的MNL 模型，在剔除顯著性水平在0.10以上的變量后，最終模型參數(shù)估計結果如表3所示。模型精度ρˉ2(0)為0.654，命中率Hit Ratio為89.78%，表明模型對決策者運輸鏈選擇行為的解釋能力很強，有助于準確刻畫需求側影響因素變化引起的貨運能耗變化。

表1 各運輸鏈直接能耗參數(shù)Table 1 Direct energy consumption parameters of each transportation chain

表2 各運輸鏈活動間接能耗參數(shù)Table 2 Indirect energy consumption parameters of each transportation chain activity

表3 MNL模型參數(shù)估計結果Table 3 Parameter estimation results of MNL model

2.2 貨運能耗測度

根據(jù)1.1 節(jié)，測算本例貨運綜合能耗為每年106.96萬噸標準煤，而公路和鐵路運輸鏈各活動類型單位運量能耗如表4所示?？傮w上，忽視生命周期分別會使公路和鐵路運輸鏈綜合能耗低估32.29%和58.01%，而忽視次要作業(yè)會低估6.20%和11.18%。具體而言，公路運輸鏈綜合能耗和直接能耗分別為鐵路運輸鏈的1.37倍和2.21倍，表明從直接能耗角度會高估“公轉鐵”策略節(jié)能比例。將公路運輸鏈綜合能耗按活動類型分解，公路運輸直接能耗占主體，其次是公路運輸間接能耗，其余活動貢獻總計6.20%；鐵路運輸鏈綜合能耗構成相對均衡，鐵路運輸間接能耗貢獻最高，其他貢獻度超過10%的活動依次為鐵路運輸直接能耗、公路運輸直接能耗和公路運輸間接能耗。大，其他依次為公路運輸、鐵路運輸和裝卸存儲間接能耗。相比于供給側，通過優(yōu)化鐵路運輸鏈費用、時間和時間波動實現(xiàn)需求側“公轉鐵”，進而降低的貨運綜合能耗比例很低。

表4 公路和鐵路運輸鏈各活動類型能耗匯總Table 4 Summary of energy consumption of various types of activities in road and rail transportation chain

2.3 節(jié)能潛力分析

根據(jù)1.2節(jié)，選取對各運輸鏈直接能耗、間接能耗和貨運量影響最大的前3個因素，假設其分別優(yōu)化50%，測算貨運綜合能耗變化比例和綜合能耗的各因素彈性(靈敏度分析，即綜合能耗對各因素單位比例變化的反映程度)，如表5所示?？傮w上，降低公路運輸直接能耗對貨運綜合能耗節(jié)能貢獻最

表5 義烏-寧波集裝箱貨運通道綜合能耗各部分前3因素的節(jié)能潛力分析Table 5 Energy-saving potential analysis of top three factors in each component of embodied energy consumption in Yiwu-Ningbo container freight corridor

3 結論

本文從生命周期視角構建了貨運能耗系統(tǒng)測度和節(jié)能潛力分析通用框架，并將其應用于義烏-寧波集裝箱貨運通道，主要結論如下：

(1)有必要從綜合能耗角度測算貨運能耗，忽視生命周期和次要活動均會低估貨運能耗，而僅從直接能耗角度測算會高估公路與鐵路運輸鏈能耗比值，進而造成各類策略節(jié)能貢獻評估有偏。

(2)就供需雙重視角能耗影響因素而言，綜合能耗的公路運輸直接能耗彈性高達0.67，節(jié)能貢獻遠高于其他因素，應聚焦公路運輸直接能耗以顯著降低貨運綜合能耗。

(3)雖然“公轉鐵”策略相對容易實施，但單獨實施的節(jié)能效果欠佳，如貨運綜合能耗的鐵路運輸鏈費用彈性僅為0.0022，中短期需與直接能耗節(jié)能策略結合使用，中長期宜與間接能耗節(jié)能策略搭配使用。

后續(xù)研究應根據(jù)案例特征及節(jié)能潛力分析結果，提出更具實操性的節(jié)能策略。