陈 振，昝 哲，张康辉，贾书伟

(河南农业大学信息与管理科学学院，河南 郑州 450002)

1 引言

随着我国经济的快速发展，城市化进程不断加快，机动车保有量迅猛增长，道路交通源引发的空气污染成为我国现阶段最严重的环境污染问题之一，引起了国内外学者的广泛关注[1-4]。机动车尾气污染物种类繁多，主要有细颗粒物(PM2.5)、氮氧化物(NOx)、碳氢化合物(HC)、一氧化碳(CO)等，其中PM2.5与NOx是引发“雾霾”污染的重要来源，其对空气污染的贡献率在一些大城市已经达到较高比例。我国生态环境部发布的《中国机动车环境管理年报2019》[5]显示，在北京、上海、深圳等大中型城市，移动源对细颗粒物(PM2.5)浓度的贡献率高达10%至50%以上，在极端不利的条件下，贡献率会更高。同时，由于机动车大多行驶在城市人口密集区域，尾气排放高度接近人体呼吸带[6]，严重威胁着居民的健康，制约着环境经济社会的可持续发展。因此，有效控制交通污染，提高城市空气质量与居民健康，成为城市实现可持续发展的关键因素。

近年来，国内外学者关于交通污染对居民健康效益的影响进行了大量的研究。涂正革等[7]认为家庭收入的提高对公众健康存在显著的正效应，但以大气污染为主的环境污染是损害公众健康的重要因素。LU[8]利用卫星观测的颗粒物(PM10、PM2.5)浓度数据估算污染物对珠江三角洲地区人体健康造成的负担，并认为车辆排放的污染物确实使空气质量恶化，增加了当地居民的健康风险。英国伦敦的研究显示[9]，超过80%的颗粒物来自城市交通，并影响着公众的健康。单丽等[10]基于卫星反演PM2.5浓度对我国交通源所致的大气污染及健康负担进行评估，得出交通源所致的PM2.5浓度高值主要集中在中东部，特别是京津冀地区，且对居民健康有严重的影响。也有学者[11]通过对北京市相关数据进行调查研究发现PM2.5造成的健康经济损失占GDP的0.3%-0.9%，其中早逝损失占经济损失的80%[11]。

综上所述，在系统结构上，城市交通污染对居民健康效益的影响并不是一种简单的线性关系，而是由多个子系统构成的复杂系统，且不断受到外部因素的干扰，具有非线性、动态性与反馈性的特征。在研究方法上，目前国内外学者大多以理论探讨、定性分析为主，定量分析较少，这并不能揭示非线性机制在时间序列上的演化趋势。而系统动力学正是采用定性与定量相结合的方法，解决非线性、高阶次复杂的系统问题，因此采用此方法进行进一步的完善与研究，具有一定的理论价值与现实意义。此外，灰色系统理论是一种研究“小样本，贫信息”不确定性问题的新方法，将其引入系统动力学模型进行仿真分析能进一步提高模型的精度与有效性。基于此，本文以北京市为例，采用系统动力学与灰色线性回归组合模型相结合的方法构建城市交通污染与健康效益模型，并验证了模型的有效性，然后调节主要参数值进行动态仿真与政策效应分析，探究缓解交通污染和提高居民健康效益的可行措施。通过量化交通对城市空气污染与居民健康效益的影响，为旨在改善空气质量的交通与环境政策提供信息，也为相关部门提供一定的科学理论依据。

2 城市交通污染与居民健康效益的SD模型

2.1 系统边界的确定

系统动力学(System Dynamics，SD)由美国麻省理工学院的Jay W. Forrester教授于1956年首次提出[12]，是一种以反馈控制理论为基础、以计算机仿真技术为手段、解决非线性、高阶次复杂系统问题的方法[13]。该方法建立模型的步骤有系统分析、结构分析、模型建立、模型检验、仿真分析[14]。系统分析的第一步是确定系统边界，即确定系统结构。

城市交通污染对居民健康效益的影响是一种涉及多要素的开放性复杂系统。根据系统建模的目的，将模型划分为社会、经济、交通、环境、健康五个子系统，并运用Vensim PLE软件[15]建立模型的因果回路图，见图1。在系统模型中，各子系统间相互作用，相互制约，共同构成一个非线性、动态且具有多重反馈的复杂动态系统。

图1 因果回路图

模型中主要的反馈回路有：

回路1为负反馈回路，城市经济的发展会导致机动车保有量与出行量增加，从而增加污染气体排放量，加剧环境污染，降低居民健康指数，进而影响经济发展；然而政府不能限制经济发展来缓解空气污染，相反要在保证经济发展的前提下采取合适的政策措施改善空气质量。回路2与回路3也为负反馈回路，前者显示空气污染程度的增加，政府采取政策减少机动车出行量，降低污染气体排放量，缓解空气污染。后者从增加环保投资支出角度进行污染治理。即最初的空气污染通过一系列政策措施后得到缓解。回路4与回路5为正反馈回路，城市经济的增长可以增加环保投资支出与人均医疗保健支出，为居民健康效益的提升提供了必要的物质基础。

2.2 系统流图

基于因果回路图，利用Vensim软件绘制相应的存量流量图，见图2。

为缓解城市交通污染，提升居民健康水平，北京市采取了一系列政策措施，政策的实施除了会对经济产生影响外，对城市交通、空气质量与居民健康也会产生影响。由于系统模型涉及众多变量，本文提出如下假设：

假设1：社会子系统主要考虑人口的变化，且为常住人口。

假设2：环境子系统中的污染物排放主要考虑NOx与PM颗粒物，其是引发的雾霾的主要成分。

设置：Initial time=2010，Final time=2030，Time step=1，Unit of time： Year。

图2 存量流量图

3 模型参数与方程的确定

3.1 模型参数的确定

系统模型变量众多，结构复杂，参数的确定方法大致分为以下几类：

1)官网统计年鉴确定的参数：机动车车均年NOx/PM排放量、NOx/PM存量初值、净迁入率均值与机动车保有量初值等。

2)现有文献[16，17]确定的参数：消散率、报废率、机动车出行比例；

3)采用SPSS软件进行参数拟合与回归分析确定参数：净迁入率调节系数。

3.2 基于系统动力学与灰色组合模型的表函数构建算法

针对模型中的非线性变量，采用系统动力学中的表函数或逻辑函数进行描述。本文采用表函数确定城市GDP增长率、机动车增长率、居民消费价格指数等。在使用表函数时，针对数据不完全或趋势不明显的情形，采用灰色线性回归组合模型进行预测，此方法弥补了原线性回归模型与GM(1，1)模型的不足，从而以较高精度得到仿真期的预测值。具体的算法流程图见图3。

图3 算法流程图

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(净增人口+净迁入人口-死亡人口，1.9619×107)，Unit：人．

3)净迁入率均值=0.00435．

4)净迁入率调节系数=-0.01617×Ln(人均GDP)-0.02544×城市文明指数+0.208，Unit：1/年．

5)净迁入率=净迁入率均值+净迁入率调节系数．

6)人均可支配收入=INTEG(收入增量， 29228)，Unit：元．

7)居民消费价格指数=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)环境承载力=1-空气污染程度．

9)城市文明指数=(环境承载力+健康指数)/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)机动车保有量=INTEG(机动车增加量-报废量，3.7151×106)，Unit：辆．

12)报废率=0.067．

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

14)PM增量=机动车出行量*机动车车均年PM排放量*机动车对PM的贡献率，Unit：吨/年．

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

16)机动车车均年NOx排放量=0.025，Unit：吨/(辆*年)．

17)机动车车均年PM排放量=0.0023，Unit：吨/(辆*年)．

18)环保投资支出=城市GDP×环保投资比重，Unit：元．

4 动态仿真分析

4.1 模型检验

为确保模型与现实相符，选取部分主要变量进行有效性检验，验证模型的科学性与合理性。选取2010-2019年人均可支配收入、城市人口与机动车保有量的实际数据与模拟数据进行相对误差检验。其中人均可支配收入(单位：元)检验结果见表1。

经过计算，2010-2019年人均可支配收入变量的平均相对误差为2.086%。同理，计算城市人口与机动车保有量的平均相对误差，分别为1.316%、0.306%。各个变量平均相对误差均在3%以内，因此该模型具有较高精度，通过有效性检验，可采用此模型进行动态仿真分析。

表1 模型检验结果

4.2 仿真分析

4.2.1 交通源污染对主要变量的影响

运用Vensim PLE软件对模型进行动态仿真，结果见图4-5。由图4可知，交通源污染在2010-2030年呈不断上升趋势，由2010年的0.155增加到2030年的0.593，年均增长率为14.13%。其中在2010-2013年增长最快，在此期间内，居民健康指数与经济增长率以3.02%和15.85%的速率不断下降。2013-2017年指数的增加逐渐减缓，对应的居民健康指数处于相对平稳水平，而经济增长率略有提升。2017年之后，交通源污染又呈现出快速增加的态势，居民健康指数与经济增长率也随之快速下降。因此，交通源污染对居民健康效益有显著的负面作用，同时也间接地影响经济增长。

此外，对图5的仿真结果进行计算可以得出：交通源污染显著地增加了人均医疗支出，空气质量每下降0.1个单位，个人医疗支出至少增加约14.34%，因此，有效地控制交通源污染对提高居民的健康效益有很大的影响。

图4 交通源污染对经济与健康指数的影响

图5 交通源污染对人均医疗支出的影响

4.2.2 不同政策组合对主要变量的影响

根据实际情况，对北京市限行限购政策的实施效果进行动态仿真，结果见图6-9。由图6-8可以看出：限行限购政策在短期可以减少机动车出行量与污染气体排放量，降低环境承载率的下降速率，但随着时间推移，虽然污染气体存量的增速有所下降，但排放量仍在持续上升，环境承载力也在逐渐减少，即此项政策对改善空气质量并没有起到明显效果，只是相对减缓空气污染的增加速度。这可能由于在限购政策下，存在一部分消费者为规避政策限制而采用“迂回战术”，即部分消费者在其它地区购车但在北京行驶，造成的规避性污染物增多，进而又对治理空气污染增加了难度，从而引发“悖论”效应。此外，限行限购政策对提高居民健康效益并没有显著影响(图9)，说明此项政策不能常态化，不能从根本上达到治理效果。

为此，下面依次引入环保投资与医疗补贴政策，将其与限行政策相结合，仿真结果见图7-9。通过逐步调节参数值可以发现，将环保投资支出力度由现有的1%逐渐增加到1.5%后，发现PM存量先上升后缓慢下降(图7)，且环境承载力在前期逐渐减少，约在2016年后保持平稳并在2024年出现上升现象(图8)，与仅采用限行限购政策相比，增加了约18.13%。说明该项政策在实施一段时间后，能够使PM存量逐年下降，从而达到改善交通污染的问题。

然而，目前北京市交通污染物的暴露仍处于较高水平，空气污染的改善不一定会对健康造成同等的影响，带来的健康效益相对有限。从图5(d)可以看出，在前期不管采用哪种政策，都没有明显改善居民健康效益，而在后期当加大环保投资并将医疗补贴力度由3.4%逐渐增加到5%时，曲线2与曲线3的间隙逐渐增大，出现“反弹上升”趋势，对缓解空气污染、提高居民健康效益有积极影响。

图6 机动车出行量

图7 PM存量

图8 环境承载力

图9 健康指数

5 结论与政策建议

近年来，城市交通源污染问题日益严重，空气质量逐渐降低，严重影响着居民的日常出行与身体健康。为了有效控制交通污染，提高城市空气质量与居民健康效益，本文采用系统动力学与灰色线性回归组合模型相结合的方法，构建城市交通污染与居民健康效益模型，并调节主要参数值对模型进行动态仿真与政策效应分析，得到以下结论：

1)交通源污染对居民健康效益有显著的负作用，同时也间接地影响经济增长。交通源污染增加了居民的医疗保健支出，空气质量每下降0.1个单位，个人医疗支出约增加14.34%。

2)目前北京市交通污染物PM2.5暴露仍处于较高水平，空气污染的改善不一定会对健康造成同等影响，高浓度污染物暴露水平下降对健康效益的改善幅度小于污染物水平下降幅度，带来的健康效益相对有限。

3)限行政策在短期限制了部分机动车出行，减少污染气体排放，降低环境承载率的下降速率，但随着时间推移，政策效果逐渐消退，排放量仍在持续上升，对改善空气质量很难起到明显效果，只是相对减缓空气污染的增加速度，且对提高居民健康效益并没有显著影响，因此，该项政策不适用于常态化，需要与其它政策措施相结合。

4)在实施限行政策的基础上，将环保投资力度由1%增加到1.5%同时调节医疗补贴时，发现环境承载力在后期增加了约18.13%，且居民健康效益有“反弹”现象，对缓解空气污染、提高居民健康效益有积极效果。

基于上述结论，提出以下政策建议：

虽然机动车限行政策对缓解交通拥堵起到积极作用，但并不是解决交通源污染的根本途径。治理交通源污染，提高居民的健康效益还是应该从源头着手，合理制定相关政策，因此对于政府而言，在实行限行政策的同时，还可以加大污染治理投资，严控交通源污染，加大对环保企业及相关研发部门的支持力度，开发可替代的绿色交通工具，以获得更高的减排效果，改善城市空气质量，降低居民整体暴露风险，保障居民健康水平。同时，加大宣传力度，使居民深刻认识到交通源污染带来的健康危害，选择公共交通出行，推广使用绿色能源，鼓励使用新能源汽车，大力倡导环保行为，使居民可以选择合理的方式规避交通源污染带来健康威胁；此外，在政策层面上，扩大医疗保险的覆盖范围，注重提高弱势群体预防和抵御健康风险的能力，提高对慢性病患者的关怀与补贴，完善医疗保障体系，同时加大PM2.5颗粒物的污染防范力度。

然而，本文在建模时仍存在一些不足。例如由于数据有限，部分数据采用估算，但模型通过检验，符合现实，仿真结果可信；另外，在建模时仅考虑机动车总量，并没有细分到不同排放种类的机动车等问题。因此，下一步的研究方向是完善以上不足之处，同时适当引入其它政策，并加大调研力度获取相关实时数据进行进一步验证。