陳 振，昝 哲，張康輝，賈書偉

(河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，河南 鄭州 450002)

1 引言

隨著我國經(jīng)濟(jì)的快速發(fā)展，城市化進(jìn)程不斷加快，機(jī)動車保有量迅猛增長，道路交通源引發(fā)的空氣污染成為我國現(xiàn)階段最嚴(yán)重的環(huán)境污染問題之一，引起了國內(nèi)外學(xué)者的廣泛關(guān)注[1-4]。機(jī)動車尾氣污染物種類繁多，主要有細(xì)顆粒物(PM2.5)、氮氧化物(NOx)、碳?xì)浠衔?HC)、一氧化碳(CO)等，其中PM2.5與NOx是引發(fā)“霧霾”污染的重要來源，其對空氣污染的貢獻(xiàn)率在一些大城市已經(jīng)達(dá)到較高比例。我國生態(tài)環(huán)境部發(fā)布的《中國機(jī)動車環(huán)境管理年報2019》[5]顯示，在北京、上海、深圳等大中型城市，移動源對細(xì)顆粒物(PM2.5)濃度的貢獻(xiàn)率高達(dá)10%至50%以上，在極端不利的條件下，貢獻(xiàn)率會更高。同時，由于機(jī)動車大多行駛在城市人口密集區(qū)域，尾氣排放高度接近人體呼吸帶[6]，嚴(yán)重威脅著居民的健康，制約著環(huán)境經(jīng)濟(jì)社會的可持續(xù)發(fā)展。因此，有效控制交通污染，提高城市空氣質(zhì)量與居民健康，成為城市實(shí)現(xiàn)可持續(xù)發(fā)展的關(guān)鍵因素。

近年來，國內(nèi)外學(xué)者關(guān)于交通污染對居民健康效益的影響進(jìn)行了大量的研究。涂正革等[7]認(rèn)為家庭收入的提高對公眾健康存在顯著的正效應(yīng)，但以大氣污染為主的環(huán)境污染是損害公眾健康的重要因素。LU[8]利用衛(wèi)星觀測的顆粒物(PM10、PM2.5)濃度數(shù)據(jù)估算污染物對珠江三角洲地區(qū)人體健康造成的負(fù)擔(dān)，并認(rèn)為車輛排放的污染物確實(shí)使空氣質(zhì)量惡化，增加了當(dāng)?shù)鼐用竦慕】碉L(fēng)險。英國倫敦的研究顯示[9]，超過80%的顆粒物來自城市交通，并影響著公眾的健康。單麗等[10]基于衛(wèi)星反演PM2.5濃度對我國交通源所致的大氣污染及健康負(fù)擔(dān)進(jìn)行評估，得出交通源所致的PM2.5濃度高值主要集中在中東部，特別是京津冀地區(qū)，且對居民健康有嚴(yán)重的影響。也有學(xué)者[11]通過對北京市相關(guān)數(shù)據(jù)進(jìn)行調(diào)查研究發(fā)現(xiàn)PM2.5造成的健康經(jīng)濟(jì)損失占GDP的0.3%-0.9%，其中早逝損失占經(jīng)濟(jì)損失的80%[11]。

綜上所述，在系統(tǒng)結(jié)構(gòu)上，城市交通污染對居民健康效益的影響并不是一種簡單的線性關(guān)系，而是由多個子系統(tǒng)構(gòu)成的復(fù)雜系統(tǒng)，且不斷受到外部因素的干擾，具有非線性、動態(tài)性與反饋性的特征。在研究方法上，目前國內(nèi)外學(xué)者大多以理論探討、定性分析為主，定量分析較少，這并不能揭示非線性機(jī)制在時間序列上的演化趨勢。而系統(tǒng)動力學(xué)正是采用定性與定量相結(jié)合的方法，解決非線性、高階次復(fù)雜的系統(tǒng)問題，因此采用此方法進(jìn)行進(jìn)一步的完善與研究，具有一定的理論價值與現(xiàn)實(shí)意義。此外，灰色系統(tǒng)理論是一種研究“小樣本，貧信息”不確定性問題的新方法，將其引入系統(tǒng)動力學(xué)模型進(jìn)行仿真分析能進(jìn)一步提高模型的精度與有效性?；诖?，本文以北京市為例，采用系統(tǒng)動力學(xué)與灰色線性回歸組合模型相結(jié)合的方法構(gòu)建城市交通污染與健康效益模型，并驗(yàn)證了模型的有效性，然后調(diào)節(jié)主要參數(shù)值進(jìn)行動態(tài)仿真與政策效應(yīng)分析，探究緩解交通污染和提高居民健康效益的可行措施。通過量化交通對城市空氣污染與居民健康效益的影響，為旨在改善空氣質(zhì)量的交通與環(huán)境政策提供信息，也為相關(guān)部門提供一定的科學(xué)理論依據(jù)。

2 城市交通污染與居民健康效益的SD模型

2.1 系統(tǒng)邊界的確定

系統(tǒng)動力學(xué)(System Dynamics，SD)由美國麻省理工學(xué)院的Jay W. Forrester教授于1956年首次提出[12]，是一種以反饋控制理論為基礎(chǔ)、以計(jì)算機(jī)仿真技術(shù)為手段、解決非線性、高階次復(fù)雜系統(tǒng)問題的方法[13]。該方法建立模型的步驟有系統(tǒng)分析、結(jié)構(gòu)分析、模型建立、模型檢驗(yàn)、仿真分析[14]。系統(tǒng)分析的第一步是確定系統(tǒng)邊界，即確定系統(tǒng)結(jié)構(gòu)。

城市交通污染對居民健康效益的影響是一種涉及多要素的開放性復(fù)雜系統(tǒng)。根據(jù)系統(tǒng)建模的目的，將模型劃分為社會、經(jīng)濟(jì)、交通、環(huán)境、健康五個子系統(tǒng)，并運(yùn)用Vensim PLE軟件[15]建立模型的因果回路圖，見圖1。在系統(tǒng)模型中，各子系統(tǒng)間相互作用，相互制約，共同構(gòu)成一個非線性、動態(tài)且具有多重反饋的復(fù)雜動態(tài)系統(tǒng)。

圖1 因果回路圖

模型中主要的反饋回路有：

回路1為負(fù)反饋回路，城市經(jīng)濟(jì)的發(fā)展會導(dǎo)致機(jī)動車保有量與出行量增加，從而增加污染氣體排放量，加劇環(huán)境污染，降低居民健康指數(shù)，進(jìn)而影響經(jīng)濟(jì)發(fā)展；然而政府不能限制經(jīng)濟(jì)發(fā)展來緩解空氣污染，相反要在保證經(jīng)濟(jì)發(fā)展的前提下采取合適的政策措施改善空氣質(zhì)量。回路2與回路3也為負(fù)反饋回路，前者顯示空氣污染程度的增加，政府采取政策減少機(jī)動車出行量，降低污染氣體排放量，緩解空氣污染。后者從增加環(huán)保投資支出角度進(jìn)行污染治理。即最初的空氣污染通過一系列政策措施后得到緩解?；芈?與回路5為正反饋回路，城市經(jīng)濟(jì)的增長可以增加環(huán)保投資支出與人均醫(yī)療保健支出，為居民健康效益的提升提供了必要的物質(zhì)基礎(chǔ)。

2.2 系統(tǒng)流圖

基于因果回路圖，利用Vensim軟件繪制相應(yīng)的存量流量圖，見圖2。

為緩解城市交通污染，提升居民健康水平，北京市采取了一系列政策措施，政策的實(shí)施除了會對經(jīng)濟(jì)產(chǎn)生影響外，對城市交通、空氣質(zhì)量與居民健康也會產(chǎn)生影響。由于系統(tǒng)模型涉及眾多變量，本文提出如下假設(shè)：

假設(shè)1：社會子系統(tǒng)主要考慮人口的變化，且為常住人口。

假設(shè)2：環(huán)境子系統(tǒng)中的污染物排放主要考慮NOx與PM顆粒物，其是引發(fā)的霧霾的主要成分。

設(shè)置：Initial time=2010，F(xiàn)inal time=2030，Time step=1，Unit of time： Year。

圖2 存量流量圖

3 模型參數(shù)與方程的確定

3.1 模型參數(shù)的確定

系統(tǒng)模型變量眾多，結(jié)構(gòu)復(fù)雜，參數(shù)的確定方法大致分為以下幾類：

1)官網(wǎng)統(tǒng)計(jì)年鑒確定的參數(shù)：機(jī)動車車均年NOx/PM排放量、NOx/PM存量初值、凈遷入率均值與機(jī)動車保有量初值等。

2)現(xiàn)有文獻(xiàn)[16，17]確定的參數(shù)：消散率、報廢率、機(jī)動車出行比例；

3)采用SPSS軟件進(jìn)行參數(shù)擬合與回歸分析確定參數(shù)：凈遷入率調(diào)節(jié)系數(shù)。

3.2 基于系統(tǒng)動力學(xué)與灰色組合模型的表函數(shù)構(gòu)建算法

針對模型中的非線性變量，采用系統(tǒng)動力學(xué)中的表函數(shù)或邏輯函數(shù)進(jìn)行描述。本文采用表函數(shù)確定城市GDP增長率、機(jī)動車增長率、居民消費(fèi)價格指數(shù)等。在使用表函數(shù)時，針對數(shù)據(jù)不完全或趨勢不明顯的情形，采用灰色線性回歸組合模型進(jìn)行預(yù)測，此方法彌補(bǔ)了原線性回歸模型與GM(1，1)模型的不足，從而以較高精度得到仿真期的預(yù)測值。具體的算法流程圖見圖3。

圖3 算法流程圖

3.3 模型主要方程式

模型主要涉及的方程式如下：

1)城市GDP=INTEG(GDP增量， 1.44416×1011)，Unit：元．

2)城市人口=INTEG(凈增人口+凈遷入人口-死亡人口，1.9619×107)，Unit：人．

3)凈遷入率均值=0.00435．

4)凈遷入率調(diào)節(jié)系數(shù)=-0.01617×Ln(人均GDP)-0.02544×城市文明指數(shù)+0.208，Unit：1/年．

5)凈遷入率=凈遷入率均值+凈遷入率調(diào)節(jié)系數(shù)．

6)人均可支配收入=INTEG(收入增量， 29228)，Unit：元．

7)居民消費(fèi)價格指數(shù)=WITH LOOKUP(Time，([(2010，100)-(2030，160)]，(2010，100)，(2011，105.6)，(2012，109.1)，(2013，112.7)，(2014，114.5)，(2015，116.6)，(2016，118.2)，(2017，120.4)，(2018，123.4)，(2019，126.1)，(2020，128.7)，(2021，131.4)，(2022，134.1)，(2023，136.9)，(2024，139.8)，(2025，142.7)，(2026，145.6)，(2027，148.7)，(2028，151.8)，(2029，155.6)，(2030，158.6)))．

8)環(huán)境承載力=1-空氣污染程度．

9)城市文明指數(shù)=(環(huán)境承載力+健康指數(shù))/2．

10)NOx污染程度=IF THEN ELSE(NOx存量≥235000，0.9，IF THEN ELSE(NOx存量≥215000，0.8，IF THEN ELSE(NOx存量≥195000，0.7，IF THEN ELSE(NOx存量≥175000，0.65，IF THEN ELSE(NOx存量≥155000，0.6，IF THEN ELSE(NOx存量≥135000，0.55，IF THEN ELSE(NOx存量≥115000，0.5，IF THEN ELSE(NOx存量≥95000，0.4，IF THEN ELSE(NOx存量≥75000，0.3，IF THEN ELSE(NOx存量≥55000，0.2，0.1))))))))))．

11)機(jī)動車保有量=INTEG(機(jī)動車增加量-報廢量，3.7151×106)，Unit：輛．

12)報廢率=0.067．

13)PM存量=INTEG(PM增量-PM消散量，6083.38)，Unit：噸．

14)PM增量=機(jī)動車出行量*機(jī)動車車均年P(guān)M排放量*機(jī)動車對PM的貢獻(xiàn)率，Unit：噸/年．

15)NOx存量=INTEG(NOx增量-NOx消散量，66123.8)，Unit：噸．

16)機(jī)動車車均年NOx排放量=0.025，Unit：噸/(輛*年)．

17)機(jī)動車車均年P(guān)M排放量=0.0023，Unit：噸/(輛*年)．

18)環(huán)保投資支出=城市GDP×環(huán)保投資比重，Unit：元．

4 動態(tài)仿真分析

4.1 模型檢驗(yàn)

為確保模型與現(xiàn)實(shí)相符，選取部分主要變量進(jìn)行有效性檢驗(yàn)，驗(yàn)證模型的科學(xué)性與合理性。選取2010-2019年人均可支配收入、城市人口與機(jī)動車保有量的實(shí)際數(shù)據(jù)與模擬數(shù)據(jù)進(jìn)行相對誤差檢驗(yàn)。其中人均可支配收入(單位：元)檢驗(yàn)結(jié)果見表1。

經(jīng)過計(jì)算，2010-2019年人均可支配收入變量的平均相對誤差為2.086%。同理，計(jì)算城市人口與機(jī)動車保有量的平均相對誤差，分別為1.316%、0.306%。各個變量平均相對誤差均在3%以內(nèi)，因此該模型具有較高精度，通過有效性檢驗(yàn)，可采用此模型進(jìn)行動態(tài)仿真分析。

表1 模型檢驗(yàn)結(jié)果

4.2 仿真分析

4.2.1 交通源污染對主要變量的影響

運(yùn)用Vensim PLE軟件對模型進(jìn)行動態(tài)仿真，結(jié)果見圖4-5。由圖4可知，交通源污染在2010-2030年呈不斷上升趨勢，由2010年的0.155增加到2030年的0.593，年均增長率為14.13%。其中在2010-2013年增長最快，在此期間內(nèi)，居民健康指數(shù)與經(jīng)濟(jì)增長率以3.02%和15.85%的速率不斷下降。2013-2017年指數(shù)的增加逐漸減緩，對應(yīng)的居民健康指數(shù)處于相對平穩(wěn)水平，而經(jīng)濟(jì)增長率略有提升。2017年之后，交通源污染又呈現(xiàn)出快速增加的態(tài)勢，居民健康指數(shù)與經(jīng)濟(jì)增長率也隨之快速下降。因此，交通源污染對居民健康效益有顯著的負(fù)面作用，同時也間接地影響經(jīng)濟(jì)增長。

此外，對圖5的仿真結(jié)果進(jìn)行計(jì)算可以得出：交通源污染顯著地增加了人均醫(yī)療支出，空氣質(zhì)量每下降0.1個單位，個人醫(yī)療支出至少增加約14.34%，因此，有效地控制交通源污染對提高居民的健康效益有很大的影響。

圖4 交通源污染對經(jīng)濟(jì)與健康指數(shù)的影響

圖5 交通源污染對人均醫(yī)療支出的影響

4.2.2 不同政策組合對主要變量的影響

根據(jù)實(shí)際情況，對北京市限行限購政策的實(shí)施效果進(jìn)行動態(tài)仿真，結(jié)果見圖6-9。由圖6-8可以看出：限行限購政策在短期可以減少機(jī)動車出行量與污染氣體排放量，降低環(huán)境承載率的下降速率，但隨著時間推移，雖然污染氣體存量的增速有所下降，但排放量仍在持續(xù)上升，環(huán)境承載力也在逐漸減少，即此項(xiàng)政策對改善空氣質(zhì)量并沒有起到明顯效果，只是相對減緩空氣污染的增加速度。這可能由于在限購政策下，存在一部分消費(fèi)者為規(guī)避政策限制而采用“迂回戰(zhàn)術(shù)”，即部分消費(fèi)者在其它地區(qū)購車但在北京行駛，造成的規(guī)避性污染物增多，進(jìn)而又對治理空氣污染增加了難度，從而引發(fā)“悖論”效應(yīng)。此外，限行限購政策對提高居民健康效益并沒有顯著影響(圖9)，說明此項(xiàng)政策不能常態(tài)化，不能從根本上達(dá)到治理效果。

為此，下面依次引入環(huán)保投資與醫(yī)療補(bǔ)貼政策，將其與限行政策相結(jié)合，仿真結(jié)果見圖7-9。通過逐步調(diào)節(jié)參數(shù)值可以發(fā)現(xiàn)，將環(huán)保投資支出力度由現(xiàn)有的1%逐漸增加到1.5%后，發(fā)現(xiàn)PM存量先上升后緩慢下降(圖7)，且環(huán)境承載力在前期逐漸減少，約在2016年后保持平穩(wěn)并在2024年出現(xiàn)上升現(xiàn)象(圖8)，與僅采用限行限購政策相比，增加了約18.13%。說明該項(xiàng)政策在實(shí)施一段時間后，能夠使PM存量逐年下降，從而達(dá)到改善交通污染的問題。

然而，目前北京市交通污染物的暴露仍處于較高水平，空氣污染的改善不一定會對健康造成同等的影響，帶來的健康效益相對有限。從圖5(d)可以看出，在前期不管采用哪種政策，都沒有明顯改善居民健康效益，而在后期當(dāng)加大環(huán)保投資并將醫(yī)療補(bǔ)貼力度由3.4%逐漸增加到5%時，曲線2與曲線3的間隙逐漸增大，出現(xiàn)“反彈上升”趨勢，對緩解空氣污染、提高居民健康效益有積極影響。

圖6 機(jī)動車出行量

圖7 PM存量

圖8 環(huán)境承載力

圖9 健康指數(shù)

5 結(jié)論與政策建議

近年來，城市交通源污染問題日益嚴(yán)重，空氣質(zhì)量逐漸降低，嚴(yán)重影響著居民的日常出行與身體健康。為了有效控制交通污染，提高城市空氣質(zhì)量與居民健康效益，本文采用系統(tǒng)動力學(xué)與灰色線性回歸組合模型相結(jié)合的方法，構(gòu)建城市交通污染與居民健康效益模型，并調(diào)節(jié)主要參數(shù)值對模型進(jìn)行動態(tài)仿真與政策效應(yīng)分析，得到以下結(jié)論：

1)交通源污染對居民健康效益有顯著的負(fù)作用，同時也間接地影響經(jīng)濟(jì)增長。交通源污染增加了居民的醫(yī)療保健支出，空氣質(zhì)量每下降0.1個單位，個人醫(yī)療支出約增加14.34%。

2)目前北京市交通污染物PM2.5暴露仍處于較高水平，空氣污染的改善不一定會對健康造成同等影響，高濃度污染物暴露水平下降對健康效益的改善幅度小于污染物水平下降幅度，帶來的健康效益相對有限。

3)限行政策在短期限制了部分機(jī)動車出行，減少污染氣體排放，降低環(huán)境承載率的下降速率，但隨著時間推移，政策效果逐漸消退，排放量仍在持續(xù)上升，對改善空氣質(zhì)量很難起到明顯效果，只是相對減緩空氣污染的增加速度，且對提高居民健康效益并沒有顯著影響，因此，該項(xiàng)政策不適用于常態(tài)化，需要與其它政策措施相結(jié)合。

4)在實(shí)施限行政策的基礎(chǔ)上，將環(huán)保投資力度由1%增加到1.5%同時調(diào)節(jié)醫(yī)療補(bǔ)貼時，發(fā)現(xiàn)環(huán)境承載力在后期增加了約18.13%，且居民健康效益有“反彈”現(xiàn)象，對緩解空氣污染、提高居民健康效益有積極效果。

基于上述結(jié)論，提出以下政策建議：

雖然機(jī)動車限行政策對緩解交通擁堵起到積極作用，但并不是解決交通源污染的根本途徑。治理交通源污染，提高居民的健康效益還是應(yīng)該從源頭著手，合理制定相關(guān)政策，因此對于政府而言，在實(shí)行限行政策的同時，還可以加大污染治理投資，嚴(yán)控交通源污染，加大對環(huán)保企業(yè)及相關(guān)研發(fā)部門的支持力度，開發(fā)可替代的綠色交通工具，以獲得更高的減排效果，改善城市空氣質(zhì)量，降低居民整體暴露風(fēng)險，保障居民健康水平。同時，加大宣傳力度，使居民深刻認(rèn)識到交通源污染帶來的健康危害，選擇公共交通出行，推廣使用綠色能源，鼓勵使用新能源汽車，大力倡導(dǎo)環(huán)保行為，使居民可以選擇合理的方式規(guī)避交通源污染帶來健康威脅；此外，在政策層面上，擴(kuò)大醫(yī)療保險的覆蓋范圍，注重提高弱勢群體預(yù)防和抵御健康風(fēng)險的能力，提高對慢性病患者的關(guān)懷與補(bǔ)貼，完善醫(yī)療保障體系，同時加大PM2.5顆粒物的污染防范力度。

然而，本文在建模時仍存在一些不足。例如由于數(shù)據(jù)有限，部分?jǐn)?shù)據(jù)采用估算，但模型通過檢驗(yàn)，符合現(xiàn)實(shí)，仿真結(jié)果可信；另外，在建模時僅考慮機(jī)動車總量，并沒有細(xì)分到不同排放種類的機(jī)動車等問題。因此，下一步的研究方向是完善以上不足之處，同時適當(dāng)引入其它政策，并加大調(diào)研力度獲取相關(guān)實(shí)時數(shù)據(jù)進(jìn)行進(jìn)一步驗(yàn)證。