徐蘇花 干宏程

摘 ?要：以LEAP模型為工具，構(gòu)建了上海城市客運(yùn)交通-能源-環(huán)境模型，以2019年為基準(zhǔn)年，2022—2035年為預(yù)測年，分析不同情景下能源需求和環(huán)境排放情況。結(jié)果顯示：除最佳情景外，發(fā)展公共交通情景節(jié)能減排效果最佳且在2028年實(shí)現(xiàn)碳達(dá)峰，但不利于NOx減排，緩解道路擁堵情景和推廣新能源汽車情景長期節(jié)能減排效果不佳；在未來的發(fā)展中，個(gè)體交通仍然主導(dǎo)能源需求和環(huán)境排放，能源依然以汽油為主，上海城市客運(yùn)交通應(yīng)以發(fā)展公共交通為重點(diǎn)，輔助推廣新能源汽車、加大城市道路投資和小汽車限行等措施，環(huán)境排放將得到有效控制并提早實(shí)現(xiàn)碳達(dá)峰。

關(guān)鍵詞：LEAP模型；城市客運(yùn)交通；情景分析；能源需求與環(huán)境排放

中圖分類號(hào)：F570 ? ?文獻(xiàn)標(biāo)志碼：A ? ?DOI：10.13714/j.cnki.1002-3100.2023.09.002

Abstract： Taking LEAP model as a tool， the urban passenger transport-energy-environment model of Shanghai is constructed. Taking 2019 as the base year and 2022—2035 as the forecast year， the energy demand and emissions in different scenarios are analyzed. The results show that， except for the best scenario， the development of public transport scenario has the best energy

-saving and emission-reducing effect， and the peak carbon dioxide emissions will be realized in 2028， but it is not conducive to NOx emission reduction， and the long-term energy-saving and emission-reducing effect is not good in the scenario of alleviating road congestion and promoting new energy vehicles. In the future development， individual transportation will still dominate the energy demand and environmental emissions， and gasoline will still be the main energy source. Shanghai's urban passenger transportation should focus on the development of public transportation， and assist in promoting new energy vehicles， increasing investment in urban roads and restricting the number of cars， etc.， so that environmental emissions will be effectively controlled and peak carbon dioxide emissions will be realized early.

Key words： LEAP model; urban passenger transport; scenario analysis; energy consumption and environmental emissions

0 ?引 ?言

隨著經(jīng)濟(jì)的發(fā)展，交通運(yùn)輸行業(yè)已成為繼工業(yè)生產(chǎn)之后的石油消耗最大、增長最快的行業(yè)，同時(shí)也是二氧化碳排放增長最快的領(lǐng)域之一[1]。城市是運(yùn)輸網(wǎng)絡(luò)的重要節(jié)點(diǎn)和中心，城市交通是能源消耗和溫室氣體排放的主要場所，同時(shí)其排放的大氣污染物威脅著環(huán)境和人類健康。

LEAP（Long-range Energy Alternatives Planning System）模型是交通領(lǐng)域能源政策、環(huán)境排放減排規(guī)劃等研究的重要工具，國內(nèi)外學(xué)者利用該模型對(duì)中國、馬來西亞、韓國、厄瓜多爾等不同國家交通部門能源需求及排放進(jìn)行了預(yù)測分析[2-7]。近年來，國內(nèi)學(xué)者對(duì)于我國不同省市交通部門的能源消耗、碳排放等也做了許多研究[8-11]，歸納來看，現(xiàn)有研究多集中于國家層面或者較發(fā)達(dá)區(qū)域的整個(gè)交通領(lǐng)域，對(duì)城市客運(yùn)交通節(jié)能減排的研究仍有空缺。本文應(yīng)用LEAP模型在現(xiàn)有的城市交通規(guī)劃及政策框架內(nèi)，通過設(shè)置5種不同的情景，分析和預(yù)測2019—2035年各項(xiàng)政策和措施下上海城市客運(yùn)交通的能源需求和環(huán)境排放情況，旨在為上海市及相似地區(qū)城市客運(yùn)交通節(jié)能減排發(fā)展提供思路和參考。

1 ?LEAP模型

LEAP（Long-range Energy Alternatives Planning System）模型即長期能源替代規(guī)劃系統(tǒng)模型。它是由瑞典斯德哥爾摩環(huán)境研究所（SEI）和美國波士頓Tellus研究所共同研究開發(fā)的基于情景分析的能源-環(huán)境-經(jīng)濟(jì)模型。研究者通過對(duì)目前能源、經(jīng)濟(jì)政策狀況的分析以及未來發(fā)展及能源發(fā)展戰(zhàn)略的把握，設(shè)置符合實(shí)際的情景，量化不同的模型指標(biāo)并輸入到模型當(dāng)中，經(jīng)過模型處理后對(duì)不同情景下的結(jié)果進(jìn)行分析比較。

本文利用LEAP模型的終端能源需求分析模塊和環(huán)境影響評(píng)價(jià)模塊來計(jì)算上海市城市客運(yùn)交通能源需求和環(huán)境排放情況。環(huán)境排放物主要包括CO2、CO、NOx、HC和PM2.5。僅考慮機(jī)動(dòng)車運(yùn)行過程中燃料燃燒產(chǎn)生的直接CO2排放，電力在傳輸和儲(chǔ)存過程中產(chǎn)生間接排放不予計(jì)算。模型的計(jì)算公式如下：

E=D·ED ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

P=E·EF ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

式中：E表示k種能源技術(shù)i種終端利用車輛能耗；D表示k種能源技術(shù)i種終端利用車輛的客運(yùn)周轉(zhuǎn)量；ED表示k種能源技術(shù)i種終端利用車輛的能源強(qiáng)度；P表示k種能源技術(shù)j種環(huán)境排放物的排放量；EF表示k種能源技術(shù)j種環(huán)境排放物的排放強(qiáng)度。

本文根據(jù)上海市城市客運(yùn)交通的實(shí)際情況，將上海市城市客運(yùn)交通分為公共交通和個(gè)體交通。公共交通的終端利用車輛包括公共汽（電）車和軌道交通（地鐵）；個(gè)體交通的終端利用車輛包括出租車和社會(huì)及私人小汽車；公共汽（電）車的能耗類型柴油、電力和油電混合，軌道交通的能耗類型為電力，出租車的能耗類型分為汽油和電力，社會(huì)及私人小汽車能耗類型分為汽油、電和混合動(dòng)力。由于缺乏相關(guān)數(shù)據(jù)，本文城市客運(yùn)交通不包括輪渡，此外由于甲醇、氫氣等燃料電池汽車在上海市的保有量極少，且未來的發(fā)展規(guī)劃有待進(jìn)一步確定，因此本文未予研究。

2 ?基本參數(shù)計(jì)算與設(shè)定

2.1 ?客運(yùn)周轉(zhuǎn)量計(jì)算。根據(jù)數(shù)據(jù)的可得性不同，公共交通和出租車的客運(yùn)周轉(zhuǎn)量為客運(yùn)量乘以旅客的平均乘距；社會(huì)及私人小汽車的客運(yùn)周轉(zhuǎn)量按機(jī)動(dòng)車保有量、平均載客量以及年均運(yùn)行里程的乘積來計(jì)算。根據(jù)不同的計(jì)算方法，計(jì)算得到2008—2019年上海市城市客運(yùn)交通的客運(yùn)周轉(zhuǎn)量。本文以GDP作為主要驅(qū)動(dòng)因子，基于2008—2019年上海市城市客運(yùn)交通的客運(yùn)周轉(zhuǎn)量和GDP的數(shù)據(jù)，用Excel對(duì)二者進(jìn)行回歸分析，得出兩者之間的內(nèi)在關(guān)系，從而預(yù)測未來年份的客運(yùn)周轉(zhuǎn)量?；貧w結(jié)果為：

D=0.034GDP+30.72 ? ?R=0.9731 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

根據(jù)上海市“十三五”發(fā)展規(guī)劃提出的“全市生產(chǎn)總值年均增長6.5%以上”目標(biāo)要求，本文設(shè)定2022—2035年GDP年均增長率取值為6.5%，由此預(yù)測上海市2022—2035年城市客運(yùn)交通總客運(yùn)周轉(zhuǎn)量。

2.2 ?基準(zhǔn)年模型基本參數(shù)設(shè)置。得到部門活動(dòng)水平，即客運(yùn)周轉(zhuǎn)量的數(shù)值后，模型的計(jì)算還需要子部門、終端利用和設(shè)備三個(gè)層級(jí)的活動(dòng)水平及各終端利用不同燃料類型所對(duì)應(yīng)的能源強(qiáng)度和不同排放物排放強(qiáng)度數(shù)據(jù)。模型中能源強(qiáng)度和排放強(qiáng)度計(jì)算公式分別如式（4）、式（5）所示：

ED=FC/O/100 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

EI=EF/FC×ρ×0.01 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

式中：ED表示k種能源技術(shù)的能源強(qiáng)度；FC表示k種能源技術(shù)的百公里能耗；O表示i種終端利用車輛平均載客量；EI表示i種終端利用車輛k種能源技術(shù)第j種排放物的排放強(qiáng)度；EF表示i種終端利用車輛k種能源技術(shù)第j中排放物排放因子；ρ表示燃料密度。模型的基本參數(shù)設(shè)置如表1所示。

3 ?數(shù)據(jù)來源

本文公共汽（電）車、軌道交通、出租車旅客平均乘距參考文獻(xiàn)[12]的計(jì)算結(jié)果；小汽車年平均行駛里程取上海市第三次、第四次、第五次及第六次綜合交通調(diào)查成果中小汽車年均行駛里程數(shù)據(jù)的平均值13 044km；公共交通、社會(huì)及私人小汽車保有量數(shù)據(jù)均來自國家統(tǒng)計(jì)局，其中微型和小型民用載客汽車保有量為社會(huì)及私人小汽車保有量總量，出租車保有量數(shù)據(jù)來自歷年《上海市綜合交通發(fā)展年度報(bào)告》[13]；終端利用車輛平均載客量數(shù)據(jù)均按上海市各交通方式運(yùn)行實(shí)際情況設(shè)定，其中公共汽（電）車：60.2人/車，軌道交通：1 447人/列，出租車：2.48人/車，社會(huì)及私人小汽車：1.5人/車。在不考慮其他引起公交車能耗變化因素的情況下，本文已知沃爾沃SWB6128V8柴油公交車和申沃SWB6107PHEV9油電混合動(dòng)力城市客車的百公里油耗，分別為34L和21L及目前上海市正在運(yùn)行的宇通12米常規(guī)純電動(dòng)客車的百公里電耗75kwh；上海市軌道交通采用電力牽引，資料顯示[14]，其百公里耗電量為263.8kwh；汽車燃料以汽油為主，上海市約有75%的小汽車出行發(fā)生在中心城區(qū)以及中心城與郊區(qū)之間，本文選取上海大眾POLO市區(qū)燃油消耗量8.5L/100km；純電動(dòng)及插電式混合動(dòng)力小汽車百公里能耗則參考近年來上海市新能源汽車銷量最好的比亞迪百公里能耗的13L。上海市出租車以汽油為主，本文汽油出租車百公里油耗取上海大眾新朗逸取工信部實(shí)測油耗7L。 新能源出租車百公里能耗則取上海市正在運(yùn)營的上汽榮威Ei5的13.2kwh。上海市公交車各類型燃料比例從巴士檔案站獲得；個(gè)體交通各類型燃料車輛比例來源《2019年上海市綜合交通運(yùn)行年報(bào)》[15]。機(jī)動(dòng)車CO、NOx、HC和PM2.5污染物排放因子來源于文獻(xiàn)[16]。其中HC排放因子不包含蒸發(fā)排放，僅為運(yùn)行排放部分。CO2排放強(qiáng)度來源于LEAP模型環(huán)境數(shù)據(jù)庫TED。

4 ?情景設(shè)置

本文以2019年為基準(zhǔn)年，2035年為目標(biāo)年，設(shè)置了基準(zhǔn)情景、政策情景來分析不同發(fā)展情景下上海城市客運(yùn)交通領(lǐng)域未來的能源需求和污染物排放，進(jìn)而分析政策措施對(duì)上海城市客運(yùn)交通節(jié)能減排潛力。

4.1 ?基準(zhǔn)情景（BAU）。BAU情景即零情景，在這種情景下，到2035年為止不采取任何節(jié)能減排措施，技術(shù)也未進(jìn)步，城市客運(yùn)交通總客運(yùn)周轉(zhuǎn)量隨著經(jīng)濟(jì)的自然增長而增長，但其余層級(jí)活動(dòng)水平、能源強(qiáng)度、排放強(qiáng)度數(shù)據(jù)沿襲2019年不變。

4.2 ?政策情景

（1）發(fā)展公共交通情景（DPT）。發(fā)展公共交通情景在基準(zhǔn)情景的基礎(chǔ)上發(fā)展城市公共交通，大力推進(jìn)軌道交通路網(wǎng)建設(shè)，旨在提高公共交通出行比例，降低小汽車的使用。

（2）推廣新能源汽車情景（DNE）。新能源汽車推廣情景是在基準(zhǔn)情景的基礎(chǔ)上優(yōu)化車輛能源結(jié)構(gòu)，發(fā)展新能源汽車，尤其是純電動(dòng)汽車。

（3）緩解道路擁堵情景（ERC）。緩解道路擁堵的設(shè)想是促進(jìn)城市道路建設(shè)和規(guī)劃，以確保未來道路交通暢通，從而降低上海市道路交通擁堵的成本。

（4）最佳情景（OS）。該情景下，上海市城市客運(yùn)部門不僅大力發(fā)展公共交通，而且在此基礎(chǔ)上新能源車推廣同時(shí)促進(jìn)城市道路建設(shè)和規(guī)劃。

具體的情景描述如表2所示，表3、表4分別為DPT和DNE情景的模型參數(shù)設(shè)置，圖1為ERC情景機(jī)動(dòng)車燃油經(jīng)濟(jì)性變化。

5 ?結(jié)果與分析

5.1 ?能源需求分析。不同情景下總能源需求變化情況如圖2所示。2019年，總能源需求為470.76萬噸標(biāo)準(zhǔn)煤。BAU情景下，到2035年能源需求將增長至1 166.99萬噸標(biāo)準(zhǔn)煤。是基準(zhǔn)年的2.48倍。在其他4個(gè)政策情景中，除了OS情景外，DTP情景具有顯著的節(jié)能效果，能源需求總量緩慢增加并于2028年達(dá)到能耗峰值526.45萬噸標(biāo)準(zhǔn)煤后緩慢下降，到2035年相對(duì)于BAU情景的能耗削減率為58.53%；DNE和ERC情景的節(jié)能效果小于DPT情景，但節(jié)能潛力不容忽視，到2035年總能源需求相比于BAU情景下降29.28%和14.79%；在OS情景下，總能源需求呈直線下降趨勢，在2020年就達(dá)到峰值。

汽油是能源消耗的主體，占總能源需求的96.3%（如圖3所示）。按情景預(yù)測，到2035年，OS情景下的汽油占總能源需求比重為82.2%，汽油需求量大幅減少。隨著交通系統(tǒng)中電動(dòng)汽車的推廣，城市客運(yùn)電力消耗不斷增加，在OS情景和DNE情景下，電力消耗量分別占總消耗量的17.8%和13.3%。但無論何種情景汽油消耗都在上海市城市客運(yùn)交通部門的能源主體中占主導(dǎo)地位。

5.2 ?環(huán)境排放分析。各情景下不同環(huán)境排放物的排放情況如圖4所示。BAU情景下，隨著能源總需求的不斷增加，各環(huán)境排放物的排放量也有了大幅增加，到2035年CO2、CO、NOx、HC和PM2.5的排放量分別達(dá)到2 301.2萬噸、12.73萬噸、7 604.90噸、1.52萬噸和626.59噸，相應(yīng)的排放量與基準(zhǔn)年相比增加了1.48倍。政策情景下，環(huán)境排放量均得到了明顯的抑制。CO2排放方面：上海市城市客運(yùn)交通CO2變化趨勢與能耗變化趨勢相同，DPT于2028年達(dá)到峰值1 034.03萬噸。到2035年CO2排放量相較于BAU情景的削減率分別為58.99%，DNE和ERC情景相比于BAU情景CO2削減率為37.52%和15.09%。CO和HC排放方面：在預(yù)測的早期，CO和HC的減排效果DNE情景比DPT和ERC情景更加有效，但長期的效果不佳，這是由于到2025公共交通加上出租車大范圍新能源化，導(dǎo)致這兩種排放物排放量持續(xù)減少，但個(gè)體交通電動(dòng)化力度受限，隨著機(jī)動(dòng)車保有量持續(xù)上漲，社會(huì)及私人小汽車的排放量持續(xù)增加；在NOx排放方面：DPT和ERC情景NOx減排效果遠(yuǎn)低于DNE情景，造成這一現(xiàn)象的原因在于DPT和ERC情景下公共交通中的公共汽（電）車主要消耗的能源是柴油，柴油公交車NOx的排放因子大，可見推廣能源汽車尤其是純電動(dòng)汽車對(duì)NOx排放的遏制更有效；在PM2.5排放方面：在預(yù)測的早期，DNE和DPT情景的減排效果相似，但隨著政策措施的推進(jìn)，由于DPT情景有效地控制了社會(huì)及私人小汽車的排放，到2035年DNE情景的PM2.5減排效果不如DPT情景。

6 ?結(jié)論與建議

（1）模型結(jié)果顯示，若不采取任何節(jié)能減排措施，到2035年上海市城市客運(yùn)交通的能源需求量將達(dá)到1 166.99萬噸標(biāo)準(zhǔn)煤，是基準(zhǔn)年的2.48倍。

（2）從能源需求看，實(shí)施各種節(jié)能減排措施抑制了總能源需求量的增加。DPT的能源需求總量在2028年達(dá)到峰值后開始緩慢下降，而OS情景下自2020年后能源需求逐年下降，到2035年，發(fā)展公共交通、推廣新能源汽車、緩解道路擁堵和最佳情景與基準(zhǔn)情景相比，分別可節(jié)能58.53%、29.28%、14.79%和74.62%。隨著公共交通的發(fā)展和新能源汽車的推廣，城市交通系統(tǒng)能源結(jié)構(gòu)將得到改善，汽油需求下降，電力比重不斷上升，但無論何種情景下能源依然以汽油為主，汽油的能耗依舊是能源結(jié)構(gòu)調(diào)整的長期控制重點(diǎn)。

（3）從環(huán)境排放看，DPT情景下CO2排放量于2028年達(dá)到峰值。DNE情景對(duì)CO和HC減排效果在預(yù)測前期優(yōu)于DPT情景，但長期的效果不佳，DPT情景不利于NOx減排。ERC情景的減排效果不明顯。

雖然目前上海新能源汽車處于國內(nèi)領(lǐng)先水平，但依舊存在電池資源缺乏、高端產(chǎn)品供應(yīng)不足、充電樁總量有限且利用率不高等問題，且從現(xiàn)有的政策和規(guī)劃來看，推廣力度相對(duì)較弱，模型結(jié)果顯示可以起到節(jié)能減排的作用，但效果有限，因此在大力推廣新能源汽車的同時(shí)，還必須發(fā)展公共交通，另外地方政府可以增加對(duì)城市道路建設(shè)的投資，修建更寬的道路以緩解特定城市道路的交通壓力，增加公交專用道路的建設(shè)，適當(dāng)提高能源效率，最佳情景下的節(jié)能減排措施才是實(shí)現(xiàn)雙碳目標(biāo)的最佳途徑。

參考文獻(xiàn)：

[1] 董博，段滿珍，陳明明. 河北綜合交通低碳現(xiàn)狀及影響因素分析[J]. 物流科技，2021，44（6）：89-91，110.

[2] ?LIU L， WANG K， WANG S， et al. Assessing energy consumption， CO2 and pollutant emissions and health benefits from China's transport sector through 2050[J]. Energy Policy， 2018，116：382-396.

[3] ?HE L Y， CHEN Y. Thou shalt drive electric and hybrid vehicles： Scenario analysis on energy saving and emission mitigation for road transportation sector in China[J]. Transport Policy， 2013，25：30-40.

[4] 馮相昭，趙夢雪，王敏，等. 中國交通部門污染物與溫室氣體協(xié)同控制模擬研究[J]. 氣候變化研究進(jìn)展，2021，17（3）：279-288.

[5] ?AZAM M， OTHMAN J， BEGUM R A， et al. Energy consumption and emission projection for the road transport sector in Malaysia： An application of the LEAP model[J]. Environment， Development and Sustainability， 2016，18（4）：1027-1047.

[6] ?HONG S， CHUNG Y， KIM J， et al. Analysis on the level of contribution to the national greenhouse gas reduction target in Korean transportation sector using LEAP model[J]. Renewable and Sustainable Energy Reviews， 2016，60：549-559.

[7] ?LUIS R G， BOLONIO D， MAZADIEGO L F， et al. Long-term forecast of energy and fuels demand towards a sustainable road transport sector in Ecuador （2016—2035）： A LEAP model application[J]. Sustainability， 2020，12（2）：1-26.

[8] 楊森，黃瑩，焦建東，等. 基于LEAP模型的廣州交通領(lǐng)域能耗及空氣污染物排放分析[J]. 新能源進(jìn)展，2021，9（1）：69-75.

[9] 呂晨，李艷霞，楊楠，等. 道路機(jī)動(dòng)車溫室氣體排放評(píng)估與情景分析：以北京市為例[J]. 環(huán)境工程，2020，38（11）：25-32.

[10] ?PENG B， DU H， MA S， et al. Urban passenger transport energy saving and emission reduction potential： A case study for Tianjin， China[J]. Energy Conversion and Management， 2015，102：4-16.

[11] 龐可，張芊，馬彩云，等. 基于LEAP 模型的蘭州市道路交通溫室氣體與污染物協(xié)同減排情景模擬[J/OL]. 環(huán)境科學(xué)：1-13[2022-05-11]. https：//doi.org/10.13227/j.hjkx.202109119.

[12] 李茜. 城市客運(yùn)交通能源需求與碳排放預(yù)測方法及其應(yīng)用研究[D]. 北京：北京理工大學(xué)，2018.

[13] 上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院. 2008—2018年上海市綜合交通年度報(bào)告（摘要）[J]. 交通與運(yùn)輸，2018，31（6）：7-11.

[14] 上海申通地鐵股份有限公司. 上海申通地鐵股份有限公司2019年年度報(bào)告[EB/OL]. （2020）[2022-12-10]. https：//www.docin.com/p-2346435280.html.

[15] 殷立勤. 2019年上海市綜合交通運(yùn)行年報(bào)[J]. 交通與運(yùn)輸，2020，36（3）：102-104.

[16] 賀克斌. 城市大氣污染物排放清單編制技術(shù)手冊(cè)[M]. 北京：科學(xué)出版社，2017.

[17] 邵丹，李涵. 城市客運(yùn)交通電動(dòng)化碳減排效益和碳達(dá)峰目標(biāo)——以上海市為例[J]. 城市交通，2021，19（5）：53-58，42.

[18] ?FAN J L， WANG J X， LI F， et al. Energy demand and greenhouse gas emissions of urban passenger transport in the internet era： A case study of Beijing[J]. Journal of Cleaner Production， 2017，165：177-189.