(华中农业大学 公共管理学院,湖北 武汉 430070)

1 引言

碳排放的持续增长给全球生态环境带来了严重威胁[1],如何降低碳排放成为当今世界各国关注的焦点。城市交通部门能源消耗产生的碳排放是全球碳排放持续增长的重要原因。根据国际能源机构最新研究报告,2014年全球交通部门产生的CO2排放总量为7547.25Mt,占全球CO2排放总量的23.31%。因此,要实现全球碳减排,减少城市交通的碳排放是关键。然而,我国快速城镇化带来的城市规模的扩张在所难免。城市空间结构发生剧烈的变化,以市场主导、功能分区、职住分离型的规划建设模式逐步成为城市建设的主流方向[2]。一方面,城市经济的持续发展、人口的聚集与收入的增长带来了私家车拥有量的不断增长,大大增加了城市交通碳排放;另一方面,城市公共交通基础设施的完善为居民出行方式提供了多种选择,也为城市交通碳减排提供了可能。因此,构建低碳的城市空间结构、完善公共交通、减少小汽车的出行成为减少城市交通碳排放的重要途径。

目前已有大量学者致力于城市交通的碳减排研究。学者们的研究主要包括两个部分:一是从宏观视角分析城市空间结构对交通碳排放的影响,如提高居住地人口密度和居民活动空间内土地混合度与土地利用集约度能有效减少小汽车通行[3,4],从而有效减少交通碳排放;公共交通(公交、地铁)可达性的提高能降低居民出行的碳排放[5,6]。二是从微观视角分析家庭消费行为和居民出行行为对居民出行碳排放的影响,如通过定量分析家庭人口数、家庭收入水平、家庭位置、居民年龄、居住社区基础设施建设等属性对居民日常出行方式的选择与出行碳排放的影响[7-12]。总体而言,现有研究多从能源消耗的角度测算碳排放,更多关注的是宏观汇总层面的碳排放[13-16],鲜有研究从居民的出行行为和出行方式选择角度测算居民出行碳排放。目前研究城市空间结构、居民家庭特征和居民出行行为与交通碳排放三者关系的文献较少。

基于此,本文从微观个体出行视角出发,采取自下而上的方法计算居民个体出行的碳排放[13],综合考虑居住社区区位因素、家庭特征和出行行为等对居民个体出行碳排放的影响,并从满意度的视角分析了居民对公共交通出行不满意的方面,从而提出城市交通碳减排的建议。

2 研究区域概况与数据来源

2.1 研究区域概况

2.2 数据来源

本文数据来源于2017年10月对武汉市13个行政区18岁以上居民的出行调查数据。调查内容分为:①居民个人(家庭)特征,包括被调查者年龄、性别、受教育程度、家庭收入水平和小汽车拥有情况等;②居民出行特征,包括出行目的、距离、频次、方式等;③居民低碳认知调查,包括居民出行满意度与居民对减排的认知调查等。在不同行政区的住宅小区和中心商圈随机发放问卷581份,剔除填写不完整和答案前后矛盾的问卷,有效问卷共有514份,有效率为88.47%。

3 居民日常出行碳排放影响因素分析

3.1 居民出行碳排放的测算模型

城市居民出行碳排放的核算有两种方法:第一种途径是自上而下根据燃料总消耗量进行核算,从宏观上分析区域总的交通碳排放变化[13];另一种途径是自下而上根据单个车辆的行驶里程进行核算,分析居民交通出行碳排放的个体差异[17]。考虑到数据的可得性和参照现有的研究,本文采取了自下而上的方法来计算居民个体出行碳排放,计算公式为:

Ei=ΣFh×Nij×Dij

(1)

式中,Ei为个人月均出行碳排放量;Fh为第h种交通工具的碳排放因子;Nij为居民i每月以j种出行目的(包括通勤、去医院、银行等公共服务中心与去商场、公园等休闲服务中心)出行的次数;Dij为居民i以j种出行目的出行的双程距离,Dij和Nij的数据通过问卷调查得到;根据各类文献资料整理获得,见表1。

表1 不同交通工具的碳排放因子[10,18,19]

3.2 变量选取

根据国内外研究,城市空间结构与居民出行行为对城市交通碳排放存在较大影响。大部分学者的研究表明,土地利用混合度、人口密度、各类设施与公交的可达性和社区的区位环境都会对交通碳排放产生影响[10,19-21]。本文参照已有研究,从居民个体特征、家庭特征与居住社区特征三方面对影响居民出行碳排放的因素进行了分析:①居民个体特征。居民个体特征包括居民的年龄、性别、受教育程度。一般情况下,年龄在30—50岁阶段的居民是家庭与社会工作活动的主体,他们的出行距离与出行频率大于其他年龄段的居民,产生的碳排放最高。在30岁之前,居民从校园生活逐步迈入到社会工作,产生的出行碳排放随着出行距离与频率的增加而增加;超过50岁以后,居民开始逐步从社会工作中退出,产生的出行碳排放逐渐减少,因此居民年龄对出行的碳排放呈倒“U"型影响关系[22]。男性无论是在家庭还是在社会工作中承担的职责比女性大,出行的距离与频率相对较高,产生的出行碳排放也比女性多;受教育的知识分子群体是社会劳动的主力,且居民出勤频率与拥有私家车的比例随着学历上升而升高,因此居民受教育程度正向影响出行碳排放[13]。②居民家庭特征。居民家庭特征包括家庭收入、家庭人口数、住宅面积等，影响居民个体出行碳排放的家庭因素主要是家庭收入。居民的家庭收入越高,拥有私家车的比例越大,他们有更多的财富去参加购物与休闲娱乐活动[23],因此家庭收入与居民出行碳排放呈正向相关关系。③居住社区特征。城市中心具有强大的服务功能,其中包括商业服务与文化娱乐性服务。居住社区距离市中心越近,居民商务休闲娱乐出行距离相对较短,产生的出行碳排放较少;居住社区附近公交站点越多，且拥有直达的通勤公交,居民选择公共交通出行的概率越大,产生的出行碳排放越少。此外,社区内部公共和服务中心便捷度越高,居民公共服务出行与商业休闲娱乐出行的出行距离越短,产生的出行碳排放越低。除了上述三个层面的影响因素外,根据居民出行碳排放测算模型可知,居民出行距离与出行交通方式的选择也会对居民出行碳排放产生显著的影响。因此,本文选取小汽车拥有与通勤距离两个变量分别替代出行方式选择与出行距离。选取的变量及描述见表2。

表2 变量的定义及描述性统计

3.3 模型选择及构建

由于小汽车拥有(CAR)与通勤距离(CD)不但会对居民出行碳排放产生直接影响,而且变量本身还受到其他出行碳排放影响因素的影响，因此直接进行多元线性回归会产生严重的内生性问题。本文选取了既能有效解决变量之间内生性问题,又能测算变量之间的直接效应、间接效应与总效应的结构方程模型[24-26]。

本文构建的结构方程路径分析模型(图1)的变量均为观测变量,无潜变量。模型公式设定为:y=BZ+ΓX+ζ。式中,Y为因变量向量,Z为中介变量向量,X为外生变量向量,B为中介变量对因变量的直接影响系数矩阵,Γ为外生变量对因变量的直接影响系数,为误差向量。对模型中的有序多分类变量,在路径分析模型中直接将其作为连续变量纳入模型。利用AMOS17.0软件对模型进行估计。由于变量数据的非正太分布,本文采用广义最小二乘法,并使用Bollen-Stine bootstrap的估计方法对模型进行估计,重抽样的样本数设为2000[27]。

3.4 结果分析

本文首先对饱和模型进行估计,然后将不显著的路径按照P值从大到小进行逐步删除,并且参考AMOS提供的修正指标,新增能提高模型适配度的影响路径与误差变量之间的共变关系[28]。每一次修正过后都要对模型进行重新估计,直到Modification Indices表中不再提示需要修正模型,并且每条路径的影响显著性都在10%以上。最终得到路径分析图见图2,各模型的适配度指标值见表3,各指标路径效应系数见表4。

图1 居民出行碳排放路径分析模型

图2 公共服务、商业休闲娱乐、通勤出行碳排放路径分析

表3 路径分析模型适配度指标

从直接效应分析:一般而论，公共交通站点位置(BS)对公共服务出行的碳排放会产生显著的直接影响;社区位置(CL)对商务休闲娱乐出行的碳排放具有显著的直接影响;通勤公交可达性(CB)与通勤距离(CD)直接影响通勤出行的碳排放;社区公共和服务中心混乱度(PSC)对公共服务出行与商务休闲娱乐出行碳排放都产生显著直接影响;小汽车拥有(CAR)对居民三类出行的碳排放均具有显著的直接影响。

以上分析结果表明，公共交通站点位置、社区位置、通勤公交可达性、通勤距离、社区公共和服务中心混乱度与小汽车拥有都会直接影响到居民出行的碳排放。

表4 各变量对出行碳排放的标准化影响效应系数

从间接效应分析:年龄(YEAR)与家庭收入水平(INC)通过小汽车拥有(CAR)对居民三类出行碳排放均具有间接影响,且在每类出行碳排放的模型中,家庭收入水平(INC)的间接效应系数最大,表明家庭收入水平(INC)是小汽车拥有(CAR)的重要影响因素。社区公共与服务中心混乱度(PSC)通过小汽车拥有(CAR)对居民公共服务出行与商务休闲娱乐出行碳排放产生间接影响,社区位置(CL)只通过小汽车拥有(CAR)对商务休闲娱乐出行碳排放产生间接影响,表明小汽车拥有(CAR)是产生间接效应的关键中介变量。

从总效应分析:在PTC模型中,总效应系数为CAR(0.367)>PSC(0.264)>INC(0.113)>BS(0.084)>YEAR(0.055),因此小汽车拥有(CAR)是影响公共服务出行碳排放的关键因素(按影响程度依次为关键因素>重要因素>有效因素),社区公共服务中心混乱度(PSC)是重要因素,家庭收入水平(INC)、公共交通站点位置(BS)与年龄(YEAR)是有效因素。BTC模型中,总效应系数PSC(0.532)>CAR(0.262)>INC(0.185)>CL(0.110)>YEAR(0.041),社区公共服务中心混乱度(PSC)是影响商务休闲娱乐出行碳排放的关键因素,小汽车拥有(CAR)是重要因素,家庭收入水平(INC)、社区位置(CL)与年龄(YEAR)是有效因素。在CTC模型中,CAR(0.581)>CD(0.318)>INC(0.223)>CB(0.119)>YEAR(0.083),小汽车拥有(CAR)为通勤出行碳排放的关键影响因素,通勤距离(CD)为重要因素,家庭收入水平(INC)、通勤公交可达性(CB)与年龄(YEAR)是有效因素。在PTC模型中,CAR的影响程度大于PSC,而在BTC模型中PSC的影响程度大于CAR,原因是居民出行主要是追求出行的时间成本,一般选择方便快捷的交通工具(如小汽车),拥有小汽车的居民更倾向于选择小汽车出行,从而使公共服务出行碳排放大大增加;居民商务休闲娱乐出行更多的是追求身体与精神上的享受,部分私家车主放弃选择小汽车出行,出行距离对商务休闲娱乐出行碳排放的影响更大。

综上所述,小汽车拥有(CAR)是居民出行碳排放的关键因素,影响方向为正,表明小汽车的高碳排放使拥有小汽车成为居民出行碳排放增加的首要原因。社区公共和服务中心混乱度(PSC)与通勤距离(CD)是有效因素,影响方向为正,表明出行距离(通勤距离与其他出行距离)增加是居民出行碳排放增加的第二大原因。年龄(YEAR)、家庭年收入(INC)、通勤公交可达性(CB)、社区位置(CL)与公共交通站点位置(BS)为有效因素,除通勤公交可达性影响方向为负之外,其他因素影响方向均为正,表明拥有直达的通勤公交会提高居民选择低碳化公交通勤的可能性,从而减少居民出行碳排放;年龄大、家庭收入高的居民越倾向购买小汽车从而间接增加了居民出行碳排放。此外,居住社区距离市中心越远,居民出行的总距离越大,产生的出行碳排放越多;公共交通站点位置越远,居民放弃低碳化公交出行的可能性更高,将使居民出行碳排放增加。

4 武汉市居民公共交通出行的满意度分析

由以上分析可知,小汽车是产生大量出行碳排放的重要因素。公共交通出行作为低碳出行的一种方式,可有效减少城市交通出行碳排放。因此,创建完善的公共交通体系,吸引更多的私家车出行者向公共交通方式转移,能有效实现城市交通碳减排的目标。

基于调查问卷选取13个表征居民对武汉市公共交通满意程度的指标,分别为候车距离、候车时间、换乘次数、车辆准点性、公交系统覆盖度、道路优先性、运行速度、线路拥堵情况、线路设置合理性、站点设置合理性、乘车花费、首末班时间合理性与车内舒适度等。居民满意度级别采用了5分制评级方法,设定1—5分别代表:不满意、不太满意、比较满意、基本满意和十分满意。参照CSI(顾客满意度指数)理论顾客满意度[29]的计算方法,本研究确定的各项指标满意度的计算方法为:Si=ΣXj×Yij(i=1,2,3,…n；j=1,2,3,…k)。式中,n为影响居民公共交通出行满意度的指标个数;k为满意程度的分类等级数(k=5);Xj表示满意程度为j时所对应的分值(Xj=j);Yij指居民对第i项指标选择第j满意程度的百分比。本文将公共交通出行方式分为公交与地铁两种出行方式,并从上述的计算公式出发,计算武汉市居民对公交与地铁出行各项指标(地铁不存在道路优先性与拥堵情况,因此在此不讨论)的满意度见表5。

表5 公共交通出行各项指标的满意度

从表5可见,对公交出行而言,候车距离、候车时间、换乘次数、车辆准点性、道路优先性、运行速度、线路设置合理性与车内舒适度都处在不太满意与比较满意的满意度区间内,线路拥堵情况是武汉市居民不满意的指标,而对公交出行比较满意的是公交系统覆盖度、站点设置合理性、乘车花费与首末班时间合理性。对地铁而言,居民对各项指标的满意度都处于较满意水平之上,唯独对候车距离与地铁系统的覆盖率满意度较低。地面公共交通存在较多问题限制了居民出行对公共出行方式的选择性。因此,从公共交通建设方面解决地面和地下公共交通系统的弊端将有助于从根本上改善武汉市居民公共出行体验,并引导更多居民低碳出行。

5 结论与建议

5.1 结论

基于结构方程模型分析,社区公共服务中心混乱度、通勤距离、通勤公交可达性、社区位置和公交站点位置都是影响居民出行碳排放的显著因素。社区公共与服务中心混乱度越小,居民就近得到资源的可能性越大,居民公共与休闲娱乐出行距离缩短,使出行碳排放减少;通勤距离缩短,直接导致通勤碳排放显著减少;通勤公交可达性越高,居民选择低碳公交出行的概率越大,一定程度减少了通勤出行碳排放;位置靠近一环的居住社区和公共服务功能更完善会减少社区居民日常出门远行的概率,出行距离缩短直接导致出行碳排放减少;公交站点距离居住社区越近,居民选择公交出行的概率越大,低碳的公交出行有利于减少居民出行的碳排放。

居民小汽车拥有是交通碳排放增加的主要原因,为了减少小汽车出行,提高公共交通的使用效率是关键。对公共交通出行满意度研究发现,居民对地面公交候车距离、候车时间、换乘次数、车辆准点性、道路优先性、运行速度、线路设置合理性与车内舒适度都处于不太满意与比较满意的区间内,而对线路拥堵情况不满意,对地铁的各项指标都处于较满意之上,完善公共交通出行不满意指标是引导居民低碳出行的有效途径。

5.2 建议

主要是:①控制传统小汽车的出行,完善公共交通建设。首先,实行单双号限行政策，减少已有车辆的日使用量；政府对购买新能源汽车实行补贴政策,加大力度鼓励市民购买新能源车。其次,增加快速直达公交线路和数量的供给,提升当前地面公交出行的乘坐体验,提升公交线路的准点率、优先性和合理性,降低候车的距离和时间,保持高频率、直达式快捷便利的服务。第三,优化公共交通节点,将公共交通节点设置在居住、就业和服务中心的步行范围内,吸引更多的私家车出行者向公共交通方式转移,减少居民个人出行碳排放。②提升居住社区的土地利用混合度,降低公共与服务中心混乱度。通过土地的混合利用,形成商业、居住、就业、办公、就学、休闲娱乐等城市功能的集成,可有效加强不同机构、不同产业之间的联系,促进区域要素的多样性发展,有利于城市住宅资源和就业岗位的均衡分布,减少“钟摆式"交通能耗和污染,提升土地资源的共享化。③控制城市规模,从宏观上缩短通勤距离。在以武汉三镇(武昌、汉口、汉阳)为城市核心的基础上,围绕核心提升城市紧凑度,防止每一个城市核心的无序扩张。城市横向扩张往往导致职住距离拉长,带来通勤碳排放增长,因此控制城市的紧凑度对减少交通出行碳排放量具有巨大影响。城镇化进程中新区开发应尽可能靠近现有建成区,同时可在三镇建立分散的大型就业中心以保证各个城区核心短距离内的职住平衡。④优化用地布局,减少出行总距离。公共商服用地、工业用地和居住用地应根据不同的土地功能进行合理布局。公共商服用地根据回报率的不同可将高回报率的商业、办公和娱乐用地布置在交通节点上的近圈层内或公共交通系统线路的沿线缓冲区内,将上述用地的高使用率特点与公交系统高效结合,其他服务用地则围绕上述用地展开布置。武汉市工业用地的布置分为两类设计,重型工业由于污染严重等可围绕三镇外围部署并增加快速直达公交供给,轻型工业和密集制造型工业则应注意与居住和服务用地的混合布施,力求短距离内职住平衡。居住用地应满足居民对日常公共服务获取的需求,从武汉实际出发建立综合性居住社区,增大其与其他功能性用地的交叉混合度,从宏观上减少居民出行总距离,减少交通碳排放。