肖 红,邓梓浩,任艳娟, 任晓红

(1. 重庆交通大学 经济与管理学院,重庆 400074; 2. 重庆航天职业技术学院 航空与旅游管理学院,重庆 400021)

0 引 言

根据国际能源署数据,2020 年交通运输的碳排放占全球碳排放量的26%,且随着社会经济发展,全球交通碳排放仍在持续增长。2019年中国交通运输业的碳排放量达到9.1×108t,占全国碳排放总量的9.17%,交通运输行业是能源消耗及碳排放三大行业之一, 是应对气候变化的重点领域。同时, 作为国民经济发展的先导性和基础性行业, 交通运输行业在 2030 年前仍将保持快速发展态势, 交通运输行业碳排放总量控制将是我国 2030 年碳排放达峰的重要影响因素[1]。

目前关于交通运输业低碳减排研究,主要集中于碳排放影响因素分析和碳排放量预测研究。

梳理已有文献将交通运输系统低碳减排影响因素分为4大类:社会经济发展、交通运输系统、能源结构及消费和环境控制4大类。姚宇等[2]和徐雪艺[3]利用Kaya恒等式研究交通运输系统的低碳减排,考虑经济水平、产业结构、周转量、碳排放和碳税等影响因素;钟兴菊等[4]和张琳翌[5]分别运用IPAT和Laspeyres研究交通运输系统低碳减排,考虑经济水平、人口、产业结构等因素;卞利花等[6]和陈亮等[7]运用STIRPAT对经济水平、人口、城镇(城市)化、周转量等因素进行分析;高标等[8]运用STIRPAT模型,揭示了人口总数、人均 GDP、单位 GDP 能耗、交通运输投资额、城市化率、私家车数量等因素进行了分析;高标等[8],G.R.TIMILSINA等[9],魏庆琦等[10]利用LMDI分析了经济水平、能源结构、能源强度和碳排放等因素。

国内外交通碳排放量预测研究方法。M.ICHINOHE等[11]利用MARKAL模型对日本汽车行业的二氧化碳排放进行分析;H. LIIMATAINEN等[12]使用德尔菲法预测2030 年芬兰公路货运碳排放情景;杨岩等[13]构建基于系统动力学(system dynamics,SD)的北京城市客运交通能源消耗模型,模拟包含经济、人口、城市交通和交通能耗4个子系统。

考虑到交通运输低碳减排系统是一个高阶的动态复杂系统,与地区经济发展水平、产业结构发展、交通运输结构等一系列因素都有着密不可分的联系。系统动力学正是擅长处理强非线性、高阶次、多变量、多重反馈、复杂时变、周期性大系统问题的方法,重庆作为国家首批低碳经济发展试点城市之一,在积极承担起节能减排的重任。

以重庆的交通运输系统为研究对象,在对交通运输系统与经济、能源和环境进行相关关系分析的基础上,构建基于系统动力学的交通运输碳排放预测模型,利用ARIMA模型进行时间序列对模型的表函数预测,建立量化系统因素之间的关系;模拟不同发展模式下的碳排放特征以设定相应的情景,对其能耗与碳排放进行测算,从而找到最优策略以减少交通运输能源消耗与碳排放。

1 交通运输低碳减排系统分析

1.1 系统界限确定

通过研究运输子系统、经济子系统、能源子系统、环境子系统相互关系与反馈,以测算交通运输系统能耗和碳排放,如图1。

图1 交通运输碳排放预测系统结构

1.2 模型假设

为了将现实系统简单化和抽象化,做如下假设:

1)交通系统与经济、能源与环境子系统关联紧密,因此模型主要假设交通系统受经济、能源与环境3个子系统的影响[14]。

2)由于重庆管道运输周转量低,且运输的物品没有可替代性,笔者只考虑铁路、公路、航空、水运4种运输方式构成的交通系统。

3)根据重庆市及我国的经济增长状况,假设重庆市的经济增长、交通运输系统发展、能源消耗量和人口增长保持稳定发展,各种能源价格和运价维持稳定。

4)统一运输子系统计量单位,将客运周转量按照一定的比例转换为货运周转量。

5)由于笔者选取的是自下而上的二氧化碳计算方式,能源子系统中能源消费量指标只计算移动端,不计算设施设备等固定端的能源消耗[15]。

1.3 系统因果关系

基于1.2节中假设,利用Vensim软件对交通系统与经济、能源与环境子系统之间的因果关系和内部逻辑结构进行分析,如图2～图4。

图2 交通运输与经济子系统因果关系

其中主要反馈如下:

1)图2是一个正反馈回路,社会经济的发展使得人均GDP不断提升,人们在交通上的花费增加,带来出行需求和出行距离的增加,从而提高交通运输周转量,带来运输产值的增加,从而促进经济发展。

2)图3是一个正反馈回路,能源是为交通运输子系统提供各种动力物资。交通运输产业的发展,造成能源消耗量增加,在能源价格的调控下使得能源成本呈上升趋势,增加了交通运输业的产值。这就需要通过提高能源使用效率与节能技术来减少能耗。

图3 交通运输与能源子系统因果关系

3)图4是一个正反馈回路,依靠政府制定的减排政策如:交通运输环保投资来提高能源效率,从而约束交通运输业的排放行为,达到减排的目的。

图4 交通运输与环境子系统因果关系

2 交通运输碳排放预测SD模型构建

2.1 碳排放系统存量流量图

基于1.2节假设和1.3节系统因果关系,构建交通运输碳排放系统动力学模型,碳排放系统存量流量图如图5。系统动力学SD模型中时间间隔为年份的一组时间序列,称之为表函数。在模型中,针对表函数引用ARIMA模型对其中GDP增长率、交通工具单位能耗进行时间序列分析。

图5 碳排放系统存量流量

2.2 模型主要参数说明

模型主要数据来源于《中国铁道年鉴》、《重庆统计年鉴》、《中国机动车污染防治年报》等、以及交通碳减排的相关文献和权威网站等,主要参数说明如下。

2.2.1 GDP增长率

SD模型模拟时间为2000—2030年。差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)模型是一种计量经济模型,通过深度分析数据间历史性因素的联系,来预测数据演变,采取ARIMA预测GDP增长率。由于笔者考虑到交通运输产值对区域经济产生的影响,因此,GDP受到交通运输产值(TP)与经济增长量(GD)的双重影响,模型中经济增长率需剔除原始数据中交通运输产值对其贡献:

(1)

笔者以《重庆统计年鉴2019》中的1950—2018年经济增长率剔除交通运输产值后的重庆市GDP增长率作为样本数据(图6),利用SPSS软件进行模拟计算。选取1950—2014年的经济增长率构建ARIMA模型,并用统计年鉴2015—2018年的数据对模型进行检验与评价。

图6 重庆GDP增长率(1950—2018)

利用SPSS软件,为符合ARIMA模型要求,对季节性因素和平稳性数据进行分析,结果表明其受历史因素影响大,无需对季节性分析,可通过改变差分进行预测。根据SC准则、AIC准则、H-Q信息准则判断其最符合的模型为ARIMA(0,1,0)模型,预测结果如图7。

图7 模型预测结果(SPSS)

从图7中可以看出,预测数据Observed与原始数据Fit存在一年错峰时间,除特殊年份的峰值波动外的模型返回的模拟结果较好,将其所求结果带入SD模型。

2.2.2 能源CO2排放系数

能源排放系数根据不同运输方式的能源消耗量和与其对应的二氧化碳排放系数进行计算。在计算中,由于煤炭在交通运输移动端没有使用量,因此不予考虑;各类能源二氧化碳排放系数如表1。电力在使用过程中不产生碳排放,计算如式(2):

表1 构成二氧化碳排放系数的各类能源参数

(2)

2.2.3 能源消耗折算系数

由于不同能源的相关数据统计单位是不同的,不能进行直接比较,因此需将按照标准煤折算系数转换为以标准煤(SCE)为单位的数据。标准煤折算系数如表2。

表2 标准煤折算系数

2.2.4 新能源汽车单位能耗

新能源汽车的衡量指标,我国在2015年4月公布的《关于2016—2020年新能源汽车推广应用财政支持政策的通知》中,文中引入“吨百公里电耗”作为衡量标准。

2.2.5 天然气船舶单位能耗

天然气船舶的燃油能耗依据《中国船舶大气污染物排放清单报名》,公式为:

Y=(∂×Zk+Zh)×YZ/10 000 000

(3)

式中:Y为船舶燃油消耗量,104t; ∂为客货换算系数;Zk为客运周转量,万人/km;Zh为货运周转量,104t/km;YZ为船舶消耗系数,kg/104km。

以《重庆统计年鉴2018》中的数据进行计算,将得到的结果进行单位转换后,除以客货换算量,再通过燃料油与LNG热值换算,天然气船舶的单位能耗为0.038 04 104t/108t·km。

2.3 模型主要方程说明

2.3.1 客运周转量

利用SPSS软件对整理后的数据进行OLS回归分析,得到变量之间的回归方程。客运周转量(PT)回归分析的结果如表3。

表3 OLS回归分析结果

由表3可知,将PG(人均GDP)和PC(人均交通消费量)作为因变量进行线性回归分析,得到模型公式如(4),其中10 000为单位换算。

PT=134.151+0.122×PC-0.009×PG×10 000

(4)

2.3.2 货运周转量

利用Vensim软件自带的IF THEN ELSE函数来描述货运周转量(FT)的总值,当运输效率FI<1,说明供小于求;当运输效率FI>1说明供大于求。货运需求量需减去供给缺口FG(交通运输基础设施的供给能力增量TI×转换系数TT),方程描述如式(5):

FT=FD-FG

(5)

2.3.3 二氧化碳排放增加量

二氧化碳排放增加量=内燃机车能耗×内燃机车排放系数+天然气船能耗×天然气船排放系数+天然气车能耗×天然气车排放系数+柴油车能耗×柴油车排放系数+汽油车能耗×汽油车排放系数+燃料油船能耗×燃料油船排放系数+电力机车能耗×电力机车排放系数+新能源汽车能耗×新能源汽车排放系数+航空能耗×航空排放系数

3 交通运输碳排放预测SD模型检验

为了验证文中所建立的模型模拟结果的可靠性和有效性,需要对模型进行检验。笔者借助系统动力学软件Vensim进行3个方面的检验。

3.1 模型结构适合性检验

3.1.1 量纲一致性检验

模型数据均来自于对历史数据的整理与统计,利用Vensim模拟,结果显示模型通过了模型结构检验与单位检验。

3.1.2 极端条件检验

极端条件检验的主要对象是速率方程,如对GDP速率方程检验,在仅有交通运输产值的作用下,当GDP增长率(GR)为0时,模拟的GDP曲线Test 1,增长幅度减缓,并不断趋于平稳,模拟值与实际情况一致,因此模型通过极端条件检验。模拟结果如图8。

图8 模型极端条件检验

3.2 模型行为适合性检验

文中对参数灵敏度测试是将交通消费比重(TC)分别提高10%(Test 2)及20%(Test 3),以观察客运周转量(PT)的变化,模拟结果如图9。结果显示:随着TC不断增加,PT呈现递增的趋势,数据趋势平缓。因此,模型通过灵敏度检验。

图9 PT参数灵敏度检验

3.3 模型实际一致性检验

由于交通运输业的二氧化碳排放量数据,重庆市没有官方的数据口径统计,在模型数据检验这里选择3个指标即:人口(CQ)、国民生产总值(GD)、能源消耗量(EC)进行一致性对比,对比结果如表4。除个别年份外,2000—2018年重庆市这3个指标数据误差值均在合理范围内:重庆市总人口的模拟值误差在4%以内,重庆市GDP模拟值的误差在5%～7%,重庆能源消耗总量的模拟值误差在10%以内,模型的模拟结果与实际的结果拟合程度较高,因此,模型通过数据检验。

表4 GD与CQ模拟结果

4 碳减排模拟策略分析

2017年1月,国务院发布《“十三五”节能减排综合工作方案》,指出交通运输业低碳减排方案包括交通运输结构改革、优化产业与能源结构、节能减排技术支撑等。将这三方面分别进行策略模拟分析,以确定不同减排方案的减排效果。

4.1 优化产业与能源结构

产业结构方面。考虑到2017—2020年重庆市第三产业占GDP的比重发展趋势,可以看出:重庆市第三产业的比重应该有很大的上升空间,所以分别将重庆市第三产业比重提升5%(情景1)和10%(情景2),计算结果如图10,说明产业结构的调整比例,能够起到碳减排的作用。

图10 产业结构调整模拟结果

能源结构方面。根据国务院2020年10月颁布《新能源汽车产业发展规划(2021—2035年)》,规划指出到2025年,新能源汽车新车销售量达到汽车新车销售总量的20%左右;到2035年,纯电动汽车成为新销售车辆的主流。设置情景如下:情景3:柴油车比重降低5%,电力机车比重上升5%,汽油车比重降低10%;情景4在情景3基础上降低燃料油船的比重15%;情景5在情景4的基础上将燃料油船的比重再降低10%,汽油车和柴油车的比重再降低5%,结果如图11。对比情景3和情景4,仅通过降低燃料油船的比重和增加LNG船舶的比重,带来的减排率达到1.170%,因此通过推动清洁能源在交通领域的应用,是后续策略模拟研究的重点。

图11 能源结构调整模拟结果

4.2 交通运输结构改革

货运方面:依据《重庆市推进运输结构调整三年行动实施方案(2018—2020年)》以及我国的“一带一路”战略、重庆渝新欧铁路建设和西部陆海新通道的建设和完善,将导致重庆市公路运输的比重下降,铁路和水运的比重将上升。设置情景如下:情景6货运方面上升铁路比重3%,上升水运比重2%,降低公路比重5%。客运方面:根据《重庆铁路枢纽规划(2016—2030年)》,到2030年,重庆主城将形成重庆北站、重庆西站、重庆东站、重庆站四大客运站,衔接18条干线铁路的特大型铁路枢纽。因此,重庆市将大大提高铁路的比重。客运方面上升铁路比重3%,降低公路比重5%,提高航空比重2%。情景7调整客运方面公路比重降低、铁路比重增加一倍,货运方面上升铁路比重6%,上升水运比重4%,降低公路比重10%。客运方面上升铁路比重6%,降低公路比重10%,航空比重调整至3%。

由图12可见调整公路比重带来的结果较为显著。

图12 交通运输结构调整模拟结果

4.3 节能减排技术

节能减排技术主要从能源强度和排放强度两方面着手。基于此设立情景:情景8降低航空单耗10%,情景9在情景8的基础上分别降低汽油车和柴油车单耗10%,情景10在情景9的基础上考虑降低内燃机车单耗10%,情景11在情景10的基础上增加5%。计算结果如图13,比较情景8和情景9发现降低公路单位能耗,可带来节能率和减排率的迅速提升,效果显著。比较情景10和情景11,发现节能减排边际效率递减。由于铁路运输中内燃机车运输比重较低,情景10的模拟效果不甚明显。需要从调整柴油和汽油的能源强度入手,在实际中通过促进研发汽柴油运输工具和创新发动机技术等方面来提高产品能效。

图13 能源强度调整模拟结果

排放强度方面基于目前能源消耗量比重最大的是汽油,其次是燃料油、煤油、柴油,设置情景如下:情景12降低柴油排放系数10%;情景13在情景12的基础上降低煤油10%;情景14在情景13的基础上降低燃料油10%;情景15在情景14的基础上降低汽油10%,模拟结果如图14。调整汽油排放系数后,碳排放量可以大幅度降低。

图14 排放强度调整模拟结果

基于上述分析,节能减排效果的强弱排序为:产业结构调整>排放强度调整>能源结构调整>运输结构调整>能源消耗强度。

5 结 论

得到的主要结论如下:

1)利用ARIMA模型对模型的表函数进行时间序列预测,可以提高模型参数的准确性。

2)以2000—2018年重庆市的相关数据为基础,构建基于经济子系统、运输子系统、能源子系统和环境子系统的碳排放系统预测模型,并对具体的碳排放策略进行场景设计。从优化产业与能源结构、交通运输结构改革、节能减排技术支撑等3个方面策略综合模拟分析,得出节能减排效果强弱排序为:产业结构调整>排放强度调整>能源结构调整>运输结构调整>能源消耗强度。

3)降低重庆的碳排放可以采用优化产业与能源结构、交通运输结构改革及使用节能减排技术等方面综合调整途径入手。