王慧茹，封學軍，沈金星，張 艷，王海鵬

（1.河海大學 港航物流與綠色發(fā)展研究所，江蘇 南京 210098;2.河海大學 土木與交通學院, 江蘇 南京 210098）

0 引言

當前氣候變化是一個全球性的環(huán)境問題，它在引起環(huán)境變化的同時，也影響著社會各個領(lǐng)域，甚至危及人類生存與發(fā)展[1]。聯(lián)合國政府間氣候變化專門委員會（IPCC）第五次氣候變化評估報告稱，如果不立即采取有效的減緩政策和行動，至2100年，全球平均表面溫度相對工業(yè)化前將升高3.7 ～ 4.8 ℃，海平面將上升0.6 ～ 0.8 m，造成不可逆轉(zhuǎn)的全球性生態(tài)災難和巨大經(jīng)濟損失。 作為世界上最大的碳排放國，我國“2030年前實現(xiàn)碳達峰，2060年前實現(xiàn)碳中和” 的發(fā)展目標引起了世界各國的廣泛關(guān)注。 交通運輸業(yè)作為IPCC 確定的第三大碳排放源，在我國占排放總量的10%左右[2]，行業(yè)減排對實現(xiàn)碳達峰具有重要意義。 而江蘇省工業(yè)化程度高、交通便利，應當積極響應國家戰(zhàn)略，科學預測交通運輸業(yè)的碳達峰情況，并制定減排措施和可行的達峰路徑。

目前，碳排放研究主要聚焦于碳排放的影響因素分析和量值預測2 個方面。 影響因素分析的主要研究方法包括：改進的Laspeyres 指數(shù)法、算術(shù)平均迪氏指數(shù)分解法（AMDI）、對數(shù)平均迪氏指數(shù)分解法（LMDI） 和廣義迪氏指數(shù)分解法 （GDIM） 等。SHIPPER L 等[3]采用改進Laspeyres 指數(shù)法對1973年～1992年10 個工業(yè)化國家的貨運活動和能源使用的碳排放進行分解，認為經(jīng)濟發(fā)展水平是影響碳排放最主要的因素；GREENING L A 等[4]利用AMDI法分析1971年～1993年10 個經(jīng)濟合作組織國家的貨運碳排放量，認為貨運結(jié)構(gòu)的轉(zhuǎn)變導致了碳排放增加。 但是ANG B W 等[5]對指數(shù)分解法運用的100 多種情形歸類分析后提出，改進Laspeyres 指數(shù)法的計算過程在超過3 個因素后將變得復雜，且只適用于加法分解；而AMDI 法具有剩余問題，當數(shù)據(jù)中存在0 時則無法使用。隨著LMDI 法解決了AMDI法和改良Laspeyres 指數(shù)法計算的問題，使它們的使用頻率降低，更多學者開始采用LMDI 法分析影響因素。國外學者對LMDI 法的應用側(cè)重于國家層面。如TIMILSINA G R 等[6]利用LMDI 法分析了1980年～2005年亞洲國家運輸部門的碳排放情況發(fā)現(xiàn)，影響中國碳排放增長的主要因素包括人均GDP、人口增長和運輸能源強度； 國內(nèi)學者在側(cè)重國家層面同時，部分學者將研究范圍縮小。 如喻潔等[7]將交通運輸分為公路、 鐵路、 水路和民航4 種方式，基于LMDI 法分析了2005年～2011年碳排放的影響因素，發(fā)現(xiàn)人均GDP 為碳排放的主要驅(qū)動因素，能源強度和運輸強度的降低則起到主要減排效果； 朱桃杏等[8]利用LMDI 法分解2014年～ 2018年各省的物流碳排放發(fā)現(xiàn)，由于不同省的經(jīng)濟發(fā)展程度和交通基礎(chǔ)設(shè)施不同，故碳排放存在著明顯差異。 隨著LMDI 法的廣泛應用發(fā)現(xiàn)，分解的變量不可以包含多個相對和絕對的因子，且難以反映它們的間接聯(lián)系。 對此，VANINSKY A[9]提出了一種新的指數(shù)分解方法—GDIM，它不僅可包含多個相對和絕對變量，且可準確客觀分析變量之間的關(guān)系及其對碳排放的貢獻。 王勇等[10]應用GDIM 法對東北三省的5 種交通運輸方式的碳排放進行分解發(fā)現(xiàn)，投資規(guī)模是鐵路、公路、航空和管道碳排放的主要影響因素，而運輸規(guī)模則是水路碳排放的主要影響因素。此外，也有學者認為，產(chǎn)業(yè)結(jié)構(gòu)[11]和城鎮(zhèn)化率[12]也是影響交通碳排放的重要因素。 說明不同地區(qū)影響交通碳排放的因素不盡相同，且交通運輸?shù)牟煌块T也有各自的影響因素。

預測碳排放量的模型分為混合構(gòu)建模式和直接構(gòu)建模式2 種。 混合構(gòu)建模式是基于碳排放與宏觀經(jīng)濟、能源消費、部門技術(shù)等因素之間的關(guān)聯(lián)關(guān)系構(gòu)建投入產(chǎn)出和“可計算一般均衡”（CGE）等模型預測碳排放。 如：王海建[13]基于1987年中國18 個部門（包含交通部門） 的投入產(chǎn)出表預測2020年的能源消費和碳排放量；王燦等[14]基于2000年中國10 個部門（包含交通部門）的數(shù)據(jù)，應用CGE 模型預測設(shè)定情景下2010年各部門的減排貢獻。混合構(gòu)建模式需要大量技術(shù)數(shù)據(jù)，應用困難較大。而直接構(gòu)建模式是基于碳排放與影響因素的相互關(guān)系，構(gòu)建LEAP模型、Kaya 恒等式和STIRPAT 模型等預測碳排放。如：劉俊伶等[15]通過構(gòu)建LEAP 模型，在設(shè)置3 種不同低碳情景下，預測我國交通部門將于2030年左右碳達峰；王海林等[16]利用Kaya 恒等式展開并動態(tài)化，預測于2035年左右我國交通部門碳排放達峰；董健康等[17]通過選取3 個因素構(gòu)建STIRPAT 模型來預測民航的碳排放量。總體看，傳統(tǒng)的預測方法在面對區(qū)域交通碳排放復雜的非線性系統(tǒng)且系統(tǒng)中各個因素互不獨立的特征時，存在穩(wěn)定性低、可解釋性較弱和關(guān)鍵參數(shù)選取困難等不足，導致預測精度不高。 對此，基于統(tǒng)計學習理論的機器學習方法-支持向量回歸機（SVR）正廣泛應用于碳排放預測。如：陳亮等[18]利用SVR 結(jié)合情景分析法預測北京市交通運輸業(yè)的碳排放；宋杰鯤[19]通過SVR 和情景分析預測未來5年我國的碳排放。

SVR 在實現(xiàn)回歸估計時采用ε-SVR 和v-SVR 2 種方法。 其中ε-SVR 法適合有限樣本，理論上可獲得全局最優(yōu)點，有良好的推廣能力，且計算復雜度與樣本維數(shù)無關(guān)，故選用ε-SVR 法結(jié)合情景分析進行預測。

1 材料與方法

1.1 影響因素選取

“十三五”期間，江蘇省交通運輸業(yè)能耗強度明顯降低，污染物排放得到了有效控制，但要實現(xiàn)碳達峰，仍存在能源消費結(jié)構(gòu)有待優(yōu)化和科技創(chuàng)新支撐不足等問題。 結(jié)合ZHANG Chuan-guo 等[20]通過STIRPAT 模型對碳排放影響因素的研究成果，并考慮數(shù)據(jù)的可獲得性，選取人均GDP、客運周轉(zhuǎn)量、貨運周轉(zhuǎn)量、 能源結(jié)構(gòu)和碳排放強度5 項影響因素作為江蘇省交通運輸業(yè)碳排放預測的自變量。其中，人均GDP 反映了區(qū)域經(jīng)濟強度的影響；客、貨運周轉(zhuǎn)量反映了交通行業(yè)自身的影響； 能源結(jié)構(gòu)和碳排放強度反映了交通運輸業(yè)科技發(fā)展水平的影響。 碳排放強度是指單位GDP 增長帶來的碳排放量，計算方式如下：

式中：I 為碳排放強度，t/萬元；C 為交通運輸業(yè)CO2排放量，t；G 為交通運輸業(yè)經(jīng)濟總值，萬元；t 為時間。

能源結(jié)構(gòu)為不同能源消耗轉(zhuǎn)換標準煤用量與交通運輸業(yè)消耗能源總量的比值，計算公式如下：

式中：Q 為能源結(jié)構(gòu)，%；E 為能源消耗量，t；C 為能源轉(zhuǎn)換標準煤的轉(zhuǎn)換系數(shù)；i 為能源類型，包括原煤、汽油、煤油、柴油、燃料油、電力和天然氣。

1.2 建立基于ε-SVR 的碳排放預測模型

線性訓練集T=｛ （x1,y1），（x2,y2），…（xi,yi），…（xn,yn） ｝,xi∈Rn,yi∈R,i=1,2,…n。 其中：xi為輸入向量；yi為輸出值。

設(shè)Rn上的一個線性函數(shù)表達式為：

式中：ω 為權(quán)值向量；b 為偏移常量。

根據(jù)數(shù)理統(tǒng)計學理論，函數(shù)估計可轉(zhuǎn)化成以下公式：

式中：ε 為不敏感損失函數(shù)閾值。

為解決個別數(shù)據(jù)在ε 精度下不能完成估計的問題，引入松弛變量，把優(yōu)化過程轉(zhuǎn)化為對偶問題求解。 對偶問題和回歸函數(shù)均只涉及樣本輸入間的內(nèi)積運算（xi,yi），因此引入核函數(shù)K（xi,yi），將線性回歸問題轉(zhuǎn)化成Hilbert 空間中的非線性回歸問題，構(gòu)建模型為:

根據(jù)2000年～2019年江蘇省交通運輸業(yè)碳排放及各項影響因素組成的樣本集。 構(gòu)建模型如下：

（1）對自變量和因變量進行歸一化處理，保證所有的數(shù)據(jù)均在[0,1]之間。

（2） 在樣本集中隨機選取10 個樣本組成訓練集，剩余樣本組成測試集。 選擇徑向基核函數(shù)K（xi,x）=處理訓練集并構(gòu)建模型。 設(shè)定較小的ε 初始值，將lbC 和lbγ 的取值范圍分成若干網(wǎng)格； 將所有樣本均分為v 組即應用v 折交叉驗證；固定網(wǎng)格上的一個參數(shù)對（C，γ），尋求均方誤差（MSE）最小的參數(shù)對。如誤差較小，則得到最優(yōu)參數(shù)；否則逐步增大ε 值，直至誤差值滿意為止。

（3）對訓練集的數(shù)據(jù)進行仿真，得到模型最優(yōu)解和回歸函數(shù)，將訓練集和測試集的全部數(shù)據(jù)代入函數(shù)并輸出擬合值，并對擬合結(jié)果與真實數(shù)據(jù)進行線性回歸，依據(jù)相關(guān)系數(shù)判斷模型的學習推廣能力，若模型學習推廣能力差，則返回上一步。

（4）將預測年限交通運輸業(yè)碳排放影響因素值xi0按照式（8）進行歸一化處理，代入回歸函數(shù)后輸出結(jié)果并對其依照式（9）進行反歸一化處理，可求得預測年限的交通運輸業(yè)碳排放數(shù)據(jù)。

2 結(jié)果與分析

2.1 數(shù)據(jù)來源

采用“自上而下”的方法計算CO2排放量，即基于交通運輸工具燃料消耗的統(tǒng)計數(shù)據(jù)計算，計算公式如下：

式中：ECO2為CO2排放量，萬t；Ej為燃料消耗量，萬t；Fj為燃料碳排放因子。

Ej數(shù)據(jù)來源于 《中國能源統(tǒng)計年鑒》； 人均GDP、客運周轉(zhuǎn)量、貨運周轉(zhuǎn)量和碳排放強度數(shù)據(jù)來源于《江蘇統(tǒng)計年鑒》。盡管電力在使用端是清潔的，但我國的發(fā)電結(jié)構(gòu)證明電力并不是完全清潔的，故采用生態(tài)環(huán)境部發(fā)布的電網(wǎng)排放因子計算碳排放量。 不同燃料的碳排放因子[21]見表1。 碳排放量及影響因素數(shù)據(jù)見表2。

表1 不同燃料的碳排放因子 t·t-1

表2 碳排放量及影響因素數(shù)據(jù)

2.2 結(jié)果分析

依照模型構(gòu)建的步驟，隨機選取訓練集和測試集。ε 的初始值為0.01，C 和γ 的取值范圍為[2-10，210]，網(wǎng)格寬度為0.5，采用10 折交叉驗證法，最終得出C*值為1 024.0，ε*值為0.011，MSE 值為0.000 4。 分別對訓練和測試的樣本進行擬合，得到預測值與原始值的線性回歸結(jié)果分別見圖1 和圖2。

圖1 訓練結(jié)果線性回歸

圖2 測試結(jié)果線性回歸

由圖1 和圖2 可知，訓練樣本的相關(guān)系數(shù)為0.991 0，均方誤差為0.001 1；測試樣本的相關(guān)系數(shù)為0.999 8，均方誤差為0.000 046。 由此說明，模型具有良好的學習和推廣能力，可作為碳排放的預測模型。

3 江蘇省交通運輸業(yè)碳達峰預測

3.1 影響因素標定

根據(jù)《關(guān)于完整準確全面貫徹新發(fā)展理念做好碳達峰碳中和工作的意見》（以下簡稱《意見》）、《江蘇省國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要》（以下簡稱《綱要》）等相關(guān)資料，獲取江蘇省交通運輸業(yè)碳排放5 項影響因素數(shù)值。

共設(shè)置基準、低碳和強化低碳3 個情景。各情景下影響因素的變化率見表3。

表3 不同情景下5 個影響因素的變化率 %

（1）人均GDP

《綱要》提出：“十四五”時期地區(qū)生產(chǎn)總值年均增長5.5%左右，到2025年人均地區(qū)生產(chǎn)總值超過15 萬元” 的目標，《經(jīng)濟藍皮書：2021年中國經(jīng)濟形勢分析與預測》 中 “預計中國2020年GDP 上升2.2%左右，2021年GDP 上升7.8%左右”。 結(jié)合國家統(tǒng)計局數(shù)據(jù)，中國雖已進入老齡化社會，但隨著三胎政策施行，人口繼續(xù)增長，故預測人均GDP 將以較慢速度增長。

（2）客、貨運周轉(zhuǎn)量

“十三五”時期江蘇省客、貨運周轉(zhuǎn)量年均增長率分別為2.6%和11.0%；新冠疫情對交通運輸業(yè)的影響較大，未來人們更多的是短距離出行，且在新常態(tài)的經(jīng)濟發(fā)展模式下，由于科技發(fā)展進步，貨物的運距趨于合理化，重復和迂回運輸減少，故在“十四五”后客、貨運周轉(zhuǎn)量將出現(xiàn)小幅度下降趨勢。

（3）能源結(jié)構(gòu)

2000年～ 2019年能源結(jié)構(gòu)年均增長率為7.6%。 《交通強國建設(shè)綱要》中提出“優(yōu)化交通能源結(jié)構(gòu)，推進新能源、清潔能源應用，推動城市公共和城市物流配送車輛全部實現(xiàn)電動化、 新能源化和清潔化”。 《意見》提出“到2030年，非化石能源消費比重達到25%左右” 。 由此可見，加快能源轉(zhuǎn)型、提高清潔能源使用比例已成為必然趨勢。

（4）碳排放強度

《意見》提出“到2030年單位國內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降65%以上”。 江蘇省交通運輸“十四五”發(fā)展目標提出“到2025年，江蘇省實現(xiàn)智慧綠色安全交通走在全國前列” 。 經(jīng)濟增長與碳排放脫鉤成為必然趨勢，故3 種情景下碳排放強度將以不同速度降低。

3.2 結(jié)果與討論

將3 種情景下的影響因素預測值代入ε-SVR模型，基準和低碳情景下的預測樣本相關(guān)系數(shù)大于0.9，強化低碳情景下相關(guān)系數(shù)大于0.8。 將碳排放預測數(shù)值進行處理后。 所作趨勢線見圖3。

由圖3 可知，從上到下分別是基準、低碳和強化低碳情景的碳排放趨勢線，相關(guān)系數(shù)分別為0.998 2，0.997 5 和0.997 7。其中，基準情景下，江蘇省交通運輸業(yè)碳排放將于2044年達峰，排放峰值為35 989萬t；低碳情景下, 碳排放將于2038年達峰，峰值為22 684 萬t；強化低碳情景下,碳排放將于2036年達峰，峰值為16 357 萬t。

圖3 3 種情景下碳排放預測結(jié)果變化趨勢

上述結(jié)論與以下研究基本一致。 ZHU Changzheng 等[22]利用SVR 結(jié)合情景分析預測，高碳情景下中國交通運輸業(yè)碳排放達峰時間為2046年，基準情景下為2040年，低碳情景下為2036年。CHEN Xi等[23]采用庫茲涅茨曲線預測，我國交通運輸業(yè)碳排放將在2043年達峰；可見江蘇省距“強富美高”新江蘇的總體定位和“兩個率先”的目標任重道遠。

4 結(jié)論

根據(jù)2000年～2019年江蘇省交通業(yè)碳排放數(shù)據(jù)，選擇人均GDP、客、貨運周轉(zhuǎn)量、能源結(jié)構(gòu)和碳排放強度5 個影響因素，構(gòu)建ε-SVR 模型，結(jié)合情景分析預測碳達峰，得出以下結(jié)論：

（1）模型的訓練和測試數(shù)據(jù)集擬合的相關(guān)系數(shù)均在0.99 以上，均方誤差不超過0.002，表明所選模型具有良好的適用性。

（2）3 種情景下江蘇省交通運輸業(yè)將分別將于2044年、2038年和2036年實現(xiàn)碳達峰。

（3）通過適度降低經(jīng)濟發(fā)展速度；提高清潔能源利用率；加快優(yōu)化運輸業(yè)結(jié)構(gòu)，降低能源消耗[24]；促進運輸工具更新?lián)Q代等手段均可加速實現(xiàn)碳達峰。此外，國家也可通過降低企業(yè)減排的成本和風險，加強對減排技術(shù)的保護和支持，將社會路徑與科技路徑結(jié)合起來，控制交通運輸業(yè)碳排放量，以實現(xiàn)2030年前碳達峰的目標。