陈月霞，陈 龙，查奇芬

(1.江苏大学汽车与交通工程学院，江苏镇江 212013;2.江苏大学财经学院，江苏镇江 212013)

随着经济的高度发展，随之而来的环境问题引起社会的高度重视.中国提出了节约资源和保护环境的基本国策，要求全国节约能源，降低温室气体排放强度［1］.城市交通碳排放是确定城市交通碳减排量和减排方向的基础，也是衡量城市低碳发展状况的重要指标.国内外很多学者都致力于这方面的研究［2-4］，但是这些研究都是建立在宏观统计层次，根据这些研究制定出的低碳发展策略往往起不到应有的减排效果［5］.因此，要提出更有针对性的低碳发展策略以及具有可执行性的实施措施，就必须对城市交通微观主体的出行情况进行详实的调查研究.目前，对于城市微观交通主体的研究主要是出行方式选择模型［6-9］，侧重于不同人群出行方式选择的影响因素分析，而对于微观主体的出行碳排放测度［10］很少涉及到.此外，以上研究都是在发达城市范围内，而我国中小型城市占绝大部分，中小型城市的交通环境［11］更有可塑性，易于重新规划，有必要针对中小城市进行详细调研.笔者以长江流域发展中的城市镇江为例，通过对镇江市微观主体的工作日和非工作日的碳排放的量化研究，分析其碳排放变化的影响因素，从而为中小型城市交通出行低碳转型目标的制定及实施策略提供详实有效的依据.

1 交通主体出行碳排放分析

对于交通主体的出行行为的碳排放只考虑城市内日常工作生活出行产生的碳排放，不考虑偶然的长途旅行等对外交通活动.具体的碳排放来源主要包括步行、自行车、电动车、公交车、单位班车和私家车等交通工具产生的碳排放.根据各种交通碳排放特点以及出行个体出行实际情况，出行方式可分为单一出行和混合方式.由于自行车和步行出行都不产生碳排放，把他们归于步行、自行车单一方式.同样，由于公交车和单位班车碳排放强度相同，如表1所示，把他们归于一类，看作是单一出行方式公共汽车.

表1 各类交通方式的碳排放强度

1.1 城市交通主体出行碳排放测算模型

根据各种交通工具的碳排放特点，测算交通主体日常生活出行碳排放量，构建个体交通出行碳排放模型为

式中:Q为交通出行碳排放总量;Q1为单一出行方式产生的碳排放量;Q2为混合出行方式产生的碳排放量，混合出行方式为步行、自行车、电动车、私家车、出租车、公交车、单位班车的任意组合;Q3为消费终端能源(汽油、天然气)出行方式产生的碳排放量;Q4为消费电力的出行方式产生的碳排放量.

1.2 交通主体单次出行碳排放测算模型

根据交通主体的出行距离以及交通方式的选择情况等，建立微观个体非汇总层面测量居民日常出行行为的城市交通碳排放模型:

式中:Q5为每个居民的碳排放量;δi为第i次出行采用交通方式的碳排放强度;di为第i次出行距离.

1.3 数据来源

借鉴活动日志调研和活动分析方法，科学地设计城市居民出行活动日志问卷.本着全面性、差异化的原则，在镇江市随机选取不同类型社区，采用入户访谈与问卷留置相结合的方式，对每个社区随机选取家庭发放活动日志问卷，对受访者的家庭信息、个人信息以及受访者日常出行类型及其相应的出行距离、出行次数、出行频率等出行记录进行调研，获取第一手数据，建立研究行为库.

根据目前已有文献和研究报告，结合镇江城市居民的出行结构及交通工具的直接能耗等实际特点，并参考欧盟在2006年通过TREMOVE2.4的政策评估模型所计算得到的碳排放标准及绿源集团发布的《中国大众交通工具的碳排放强度表》，得到本研究适用的碳排放强度指标，如表1所示.其中主要修改处:镇江出租车以天然气为燃料，根据欧盟模型计算出租车排放强度为私家车的0.815倍，即110;删除了调查中没有出现的交通方式数据如摩托车、城铁、地铁和购物巴士等.

2 数据分析

采用的数据是通过科学统计方法得到的，选择的调查对象遍及镇江的中心城区，调查表共发出500份，回收417份，筛选后剔除无效数据得到358条有效完整数据记录，以此建立数据库.并且，针对同一人进行了工作日和非工作日的调查，使得数据在分析时具有可比性.国内城市居民出行调查的抽样率范围为1.5% ～4.0%［12］，由于条件限制，此次调查在中心城区的抽样率约为0.4%，但是在所涉及的核心调查区域的抽样率为2.0%左右，基本符合抽样要求.此外，由于中国还没有官方公开的大规模的交通主体出行碳排放的统计数据，也没有各种交通工具碳排放强度的官方权威标准，只能根据已有相关研究与实际情况采用的相对可靠的标准(见表1)进行碳排放总量的测算，得到相对合理可靠的计算结果.

2.1 交通主体出行碳排放总量分析

运用式(1)，(2)和有关统计数据，对2014—2015年镇江城市居民工作日和非工作日单次出行情况及碳排放量进行初步测算，如表2所示，并进一步测算了不同分类的出行方式的碳排放量，如表3所示.

表2 不同出行方式出行特征

表3 不同分类出行方式的碳排放测度 g

结果表明:镇江城市居民出行碳排放总量为310 604.29 g，从工作日到非工作日呈增长趋势，由工作日的125 076.27 g上升到非工作日的185 527.92 g，增幅为48.33%.单一出行方式碳排放总量为242 774.70 g，占总排放量的78.16%，由工作日88 659.78 g上升到非工作日154 114.92 g，增幅为73.83%.混合方式出行产生的碳排放总量为67 829.59 g，仅占总量的21.84%，且从工作日到非工作日呈下降趋势，降幅为13.74%.主要由个体出行方式结构变化所致，单一出行方式频次从工作日到非工作日有所增加，其中私家车、公共汽车方式增加明显，而混合方式出行次数有所减少.单一方式出行是个体主要出行选择.

在交通主体各种出行方式碳排放总量中，消费终端能源的出行方式产生的直接碳排放总量在碳排放总量中占比很大，达到95.17%，且增长速度很快，由工作日的117 752.22 g上升到非工作日的177 860.90 g，增幅为51.05%;由消费电力的电动车出行产生的间接碳排放量在碳排放总量中占比较小，仅占4.80%.这一现象主要原因为消费汽油、天然气等终端燃料的汽车出行方式的出行距离远远超过消费电力的电动车出行距离，且增速较快.汽车出行是个体出行碳排放的主要来源.

2.2 不同出行方式交通主体碳排放分析

根据式(2)分别测算出交通主体各种出行方式碳排放量，如图1所示，进而得到各类出行方式碳排放结构，如图2所示.

图1 各类出行方式碳排放总量

图2 各类出行方式碳排放结构图

结果表明:单一出行方式中，碳排放强度指数最高的私家车出行距离仅次于电动车排在第2位，产生的碳排放量最大且增速较快，从工作日的68 573.25 g增长到非工作日的131 720.85 g，增幅为92.09%，私家车出行碳排放总量占整个碳排放总量的64.49%.

公共汽车出行方式产生碳排放总量次之，从工作日的14 073.82 g增长到非工作日的16 096.49 g，增幅为14.37%，此出行方式碳排放总量占整个碳排放总量的9.71%.

电动车出行方式虽然出行次数最多，距离最长，但由于消耗电力间接产生的碳排放强度不大，碳排放量是所有能产生碳排放的方式中占比最小的，仅占总量的3.96%，从工作日的6 012.71 g增长到非工作日的6 297.58 g，增幅为4.74%.

造成这种非工作日出行碳排放量整体增大现象的主要原因是非工作日城市居民的出行目的多样化，出行欲望大大提高，各种交通工具的出行距离均呈上升趋势，其中以私家车出行距离增幅最大，达到90.50%.

步行、自行车出行不产生碳排放.调查中显示没有个体选择使用单一出租车出行方式出行，通常是出租车与其他出行方式的混合出行，因此单一出租车出行方式碳排放量为0.

由于混合出行方式中92.13%的出行都是含有汽车的组合，如图3所示，其中含有私家车、出租车的组合出行方式占59.55%比重最大.出行距离排在第3位，使得混合出行方式产生的碳排放总量大小仅次于私家车碳排放量，位居第2，占整个碳排放总量的21.84%，而由于非工作日的混合出行次数和出行距离的减少，碳排放也由工作日的36 416.59 g减少到非工作日的31 413.00 g，降幅为13.74%.

图3 混合出行方式组合结构图

2.3 不同类型交通主体的碳排放均值特征

根据表2，城市交通个体出行的单次人均碳排放量由工作日的349.38 g·人-1增加到非工作日的518.23 g·人-1，增长了48.33%.单一出行方式单次人均碳排放量从工作日到非工作日均呈上升趋势，其中私家车增幅最大，为80.95%.公共汽车、电动车依次排列，而混合出行方式的单次人均碳排放量则呈下降趋势.在各类出行方式中，只有私家车的人均碳排放量明显高于整体人均碳排放量，是整体人均碳排放量的3倍左右，其他出行方式均低于或接近整体人均碳排放量.主要原因在于非工作日出行量明显增加，更多人在非工作日选择单耗高的私家车出行，混合方式出行量减少.

3 结论

1)总体来说，镇江城市交通主体出行碳排放总量在非工作日时间要大于工作日时间，随着非工作日出行需求增大，碳排放量将继续增大.而在碳排放总量中，单一出行方式产生的碳排放量所占比例很大，其中私家车所占比例最大.相比而言，混合出行方式产生的碳排放量在碳排放总量中所占比例较小.由此看出城市个体出行在非工作日时间往往会倾向于选择更方便的出行方式，特别是私家车，私家车出行是造成碳排放快速增长的主要原因.混合出行方式一方面由于等待耗费时间较多，很多居民不愿意选择，另一方面在于城市交通建设不到位，市民想选择而无从选择.如果未来镇江城市交通碳排放量持续增长，应根据镇江地区实际情况调整交通运输结构，降低城市个体尤其是在非工作日时间对小型汽车的依赖程度，转变城市个体出行方式选择结构，由单一高碳排放向单一低碳排放、单一出行向混合低碳出行转变，从个体着手实施交通低碳化战略.

2)各种出行方式碳排放中，私家车出行方式碳排放量最大，其次是混合出行方式，公共汽车出行方式紧追其后，电动车出行方式所占比例较小，步行、自行车则不产生碳排放.消费汽油、天然气等终端燃料的汽车出行方式产生的碳排放量占总排放量的很大部分，而消费电力的电动车出行方式产生的间接碳排放量非常小.由此看来，以汽油、天然气等为燃料的交通工具出行方式是造成高碳排放的主要原因，而非工作日这些高碳排放交通工具的使用增加造成了碳排放的迅速增加.镇江现有的交通工具多为高能耗、高碳排放设备，要降低目前交通主体出行的碳排放量，就必须转变现有的出行交通工具结构，改变其能源消费格局.这方面镇江已经做出了一些努力，出租车能源已由汽油改为天然气;并且正在规划发展高速电气化铁路，用地铁运输取代部分长距离小汽车出行，可以大大降低碳排放量，促进城市低碳交通发展.此外，还应大力引进如纯电动汽车等其他清洁能源汽车，减少交通出行的碳排放量.

3)城市交通个体单次出行碳排放均值从工作日到非工作日呈增长趋势，其中私家车增幅最大，而混合方式出行人均碳排放则呈下降趋势.从另一个角度说明非工作日时间居民出行更偏向于运输效率低、单耗高但非常方便、快速、舒适的私家车出行方式.因此，除了降低对私家车的依赖、改变个体出行选择结构，还必须提高私家车的运输能力、降低单耗，才能有效降低碳排放量.一方面，可以通过宣传低碳出行转变个体出行思想，鼓励居民拼车出行，提高车辆的实载率，从而降低单位碳排放量;另一方面，引导公众购买、使用小排量节能环保汽车，制定交通工具能源效率标准，提高能源使用效率，加快高油耗、大排量汽车淘汰进程，有效降低因资源浪费而产生的碳排放量.

4)从微观统计角度对城市交通个体在工作日和非工作日出行的碳排量进行了测算，分析了碳排放量结构以及出行方式结构，为今后分析影响低碳出行因素研究提供参考.

References)

［1］方玉建，张金凤，袁寿其.欧盟27国小水电的发展对我国的战略思考［J］.排灌机械工程学报，2014，32(7):588-599，605.

Fang Yujian，Zhang Jinfeng，Yuan Shouqi.Strategic thinking on exploitation of small hydropower in China from learning 27 countries of European Union［J］.Journal of Drainage and Irrigation Machinery Engineering，2014，32(7):588-599，605.(in Chinese)

［2］Abrell J.Regulating CO2emissions of transportation in Europe:a CGE-analysis using market-based instruments［J］.Transportation Research Part D:Transport and Environment，2010，15:235-239.

［3］Hickman R，Ashiru O，Banister D.Transitions to low carbon transport futures:strategic conversations from London and Delhi［J］.Journal of Transport Geography，2011，19:1553-1562.

［4］Brand C，Preston J M.'60-20 emission':the unequal distribution of greenhouse gas emissions from personal，nonbusiness travel in the UK［J］.Transport Policy，2010，17:9-19.

［5］Nakamura K，Hayashi Y.Strategies and instruments for low-carbon urban transport:an international review on trends and effects［J］.Transport Policy，2013，29:264-274.

［6］冯忠祥，刘浩学，张景峰.农村人口出行方式选择模型［J］.交通运输工程学报，2010，10(3):77-83.

Feng Zhongxiang，Liu Haoxue，Zhang Jingfeng.Selection model of trip modes for rural population ［J］.Journal of Traffic and Transportation Engineering，2010，10(3):77-83.(in Chinese)

［7］Hsu H P，Saphores J D.Impacts of parental gender and attitudes on children's school travel mode and parental chauffeuring behavior:results for California based on the 2009 National Household Travel Survey［J］.Transportation，2014，41(3):543-565.

［8］Murtagh S，Rowe D A，Elliott M A，et al.Predicting active school travel:the role of planned behavior and habit strength［J］.International Journal of Behavioral Nutrition and Physical Activity，2012，9(1):65-74.

［9］Kamargianni M，Ben-Akiva M，Polydoropoulou A.Incorporating social interaction into hybrid choice models［J］.Transportation，2014，41(6):1263-1285.

［10］柴彦威，肖作鹏，刘志林.基于空间行为约束的北京市居民家庭日常出行碳排放的比较分析［J］.地理科学，2011，31(7):843-849.

Chai Yanwei，Xiao Zuopeng，Liu Zhilin.Comparative analysis on CO2emission per household in daily travel based on spatial behavior constraints［J］.Scientia Geographica Sinica，2011，31(7):843-849.(in Chinese)

［11］缪小冬，李舜酩，沈 峘，等.复杂环境中交通标志的实时识别方法［J］.江苏大学学报:自然科学版，2013，34(5):514-518.

Miao Xiaodong，Li Shunming，Shen Huan，et al.A real time traffic sign recognition method in complex environment［J］.Journal of Jiangsu University:Natural Science Edition，2013，34(5):514-518.(in Chinese)

［12］石 飞，王 炜，陆 建.我国城市居民出行调查抽样率确定方法探讨与研究［J］.公路交通科技，2004，21(10):109-112.

Shi Fei，Wang Wei，Lu Jian.Discussion and research on sampling rate for resident trip investigation in China［J］.Journal of Highway and Transportation Research and Development，2004，21(10):109-112.(in Chinese)