基于個體出行視角的城市交通碳減排研究

(華中農業大學 公共管理學院,湖北 武漢 430070)

1 引言

碳排放的持續增長給全球生態環境帶來了嚴重威脅[1],如何降低碳排放成為當今世界各國關注的焦點。城市交通部門能源消耗產生的碳排放是全球碳排放持續增長的重要原因。根據國際能源機構最新研究報告,2014年全球交通部門產生的CO2排放總量為7547.25Mt,占全球CO2排放總量的23.31%。因此,要實現全球碳減排,減少城市交通的碳排放是關鍵。然而,我國快速城鎮化帶來的城市規模的擴張在所難免。城市空間結構發生劇烈的變化,以市場主導、功能分區、職住分離型的規劃建設模式逐步成為城市建設的主流方向[2]。一方面,城市經濟的持續發展、人口的聚集與收入的增長帶來了私家車擁有量的不斷增長,大大增加了城市交通碳排放;另一方面,城市公共交通基礎設施的完善為居民出行方式提供了多種選擇,也為城市交通碳減排提供了可能。因此,構建低碳的城市空間結構、完善公共交通、減少小汽車的出行成為減少城市交通碳排放的重要途徑。

目前已有大量學者致力于城市交通的碳減排研究。學者們的研究主要包括兩個部分:一是從宏觀視角分析城市空間結構對交通碳排放的影響,如提高居住地人口密度和居民活動空間內土地混合度與土地利用集約度能有效減少小汽車通行[3,4],從而有效減少交通碳排放;公共交通(公交、地鐵)可達性的提高能降低居民出行的碳排放[5,6]。二是從微觀視角分析家庭消費行為和居民出行行為對居民出行碳排放的影響,如通過定量分析家庭人口數、家庭收入水平、家庭位置、居民年齡、居住社區基礎設施建設等屬性對居民日常出行方式的選擇與出行碳排放的影響[7-12]。總體而言,現有研究多從能源消耗的角度測算碳排放,更多關注的是宏觀匯總層面的碳排放[13-16],鮮有研究從居民的出行行為和出行方式選擇角度測算居民出行碳排放。目前研究城市空間結構、居民家庭特征和居民出行行為與交通碳排放三者關系的文獻較少。

基于此,本文從微觀個體出行視角出發,采取自下而上的方法計算居民個體出行的碳排放[13],綜合考慮居住社區區位因素、家庭特征和出行行為等對居民個體出行碳排放的影響,并從滿意度的視角分析了居民對公共交通出行不滿意的方面,從而提出城市交通碳減排的建議。

2 研究區域概況與數據來源

2.1 研究區域概況

2.2 數據來源

本文數據來源于2017年10月對武漢市13個行政區18歲以上居民的出行調查數據。調查內容分為:①居民個人(家庭)特征,包括被調查者年齡、性別、受教育程度、家庭收入水平和小汽車擁有情況等;②居民出行特征,包括出行目的、距離、頻次、方式等;③居民低碳認知調查,包括居民出行滿意度與居民對減排的認知調查等。在不同行政區的住宅小區和中心商圈隨機發放問卷581份,剔除填寫不完整和答案前后矛盾的問卷,有效問卷共有514份,有效率為88.47%。

3 居民日常出行碳排放影響因素分析

3.1 居民出行碳排放的測算模型

城市居民出行碳排放的核算有兩種方法:第一種途徑是自上而下根據燃料總消耗量進行核算,從宏觀上分析區域總的交通碳排放變化[13];另一種途徑是自下而上根據單個車輛的行駛里程進行核算,分析居民交通出行碳排放的個體差異[17]。考慮到數據的可得性和參照現有的研究,本文采取了自下而上的方法來計算居民個體出行碳排放,計算公式為:

Ei=ΣFh×Nij×Dij

(1)

式中,Ei為個人月均出行碳排放量;Fh為第h種交通工具的碳排放因子;Nij為居民i每月以j種出行目的(包括通勤、去醫院、銀行等公共服務中心與去商場、公園等休閑服務中心)出行的次數;Dij為居民i以j種出行目的出行的雙程距離,Dij和Nij的數據通過問卷調查得到;根據各類文獻資料整理獲得,見表1。

表1 不同交通工具的碳排放因子[10,18,19]

3.2 變量選取

根據國內外研究,城市空間結構與居民出行行為對城市交通碳排放存在較大影響。大部分學者的研究表明,土地利用混合度、人口密度、各類設施與公交的可達性和社區的區位環境都會對交通碳排放產生影響[10,19-21]。本文參照已有研究,從居民個體特征、家庭特征與居住社區特征三方面對影響居民出行碳排放的因素進行了分析:①居民個體特征。居民個體特征包括居民的年齡、性別、受教育程度。一般情況下,年齡在30—50歲階段的居民是家庭與社會工作活動的主體,他們的出行距離與出行頻率大于其他年齡段的居民,產生的碳排放最高。在30歲之前,居民從校園生活逐步邁入到社會工作,產生的出行碳排放隨著出行距離與頻率的增加而增加;超過50歲以后,居民開始逐步從社會工作中退出,產生的出行碳排放逐漸減少,因此居民年齡對出行的碳排放呈倒“U"型影響關系[22]。男性無論是在家庭還是在社會工作中承擔的職責比女性大,出行的距離與頻率相對較高,產生的出行碳排放也比女性多;受教育的知識分子群體是社會勞動的主力,且居民出勤頻率與擁有私家車的比例隨著學歷上升而升高,因此居民受教育程度正向影響出行碳排放[13]。②居民家庭特征。居民家庭特征包括家庭收入、家庭人口數、住宅面積等，影響居民個體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,擁有私家車的比例越大,他們有更多的財富去參加購物與休閑娛樂活動[23],因此家庭收入與居民出行碳排放呈正向相關關系。③居住社區特征。城市中心具有強大的服務功能,其中包括商業服務與文化娛樂性服務。居住社區距離市中心越近,居民商務休閑娛樂出行距離相對較短,產生的出行碳排放較少;居住社區附近公交站點越多，且擁有直達的通勤公交,居民選擇公共交通出行的概率越大,產生的出行碳排放越少。此外,社區內部公共和服務中心便捷度越高,居民公共服務出行與商業休閑娛樂出行的出行距離越短,產生的出行碳排放越低。除了上述三個層面的影響因素外,根據居民出行碳排放測算模型可知,居民出行距離與出行交通方式的選擇也會對居民出行碳排放產生顯著的影響。因此,本文選取小汽車擁有與通勤距離兩個變量分別替代出行方式選擇與出行距離。選取的變量及描述見表2。

表2 變量的定義及描述性統計

3.3 模型選擇及構建

由于小汽車擁有(CAR)與通勤距離(CD)不但會對居民出行碳排放產生直接影響,而且變量本身還受到其他出行碳排放影響因素的影響，因此直接進行多元線性回歸會產生嚴重的內生性問題。本文選取了既能有效解決變量之間內生性問題,又能測算變量之間的直接效應、間接效應與總效應的結構方程模型[24-26]。

本文構建的結構方程路徑分析模型(圖1)的變量均為觀測變量,無潛變量。模型公式設定為:y=BZ+ΓX+ζ。式中,Y為因變量向量,Z為中介變量向量,X為外生變量向量,B為中介變量對因變量的直接影響系數矩陣,Γ為外生變量對因變量的直接影響系數,為誤差向量。對模型中的有序多分類變量,在路徑分析模型中直接將其作為連續變量納入模型。利用AMOS17.0軟件對模型進行估計。由于變量數據的非正太分布,本文采用廣義最小二乘法,并使用Bollen-Stine bootstrap的估計方法對模型進行估計,重抽樣的樣本數設為2000[27]。

3.4 結果分析

本文首先對飽和模型進行估計,然后將不顯著的路徑按照P值從大到小進行逐步刪除,并且參考AMOS提供的修正指標,新增能提高模型適配度的影響路徑與誤差變量之間的共變關系[28]。每一次修正過后都要對模型進行重新估計,直到Modification Indices表中不再提示需要修正模型,并且每條路徑的影響顯著性都在10%以上。最終得到路徑分析圖見圖2,各模型的適配度指標值見表3,各指標路徑效應系數見表4。

圖1 居民出行碳排放路徑分析模型

圖2 公共服務、商業休閑娛樂、通勤出行碳排放路徑分析

表3 路徑分析模型適配度指標

從直接效應分析:一般而論，公共交通站點位置(BS)對公共服務出行的碳排放會產生顯著的直接影響;社區位置(CL)對商務休閑娛樂出行的碳排放具有顯著的直接影響;通勤公交可達性(CB)與通勤距離(CD)直接影響通勤出行的碳排放;社區公共和服務中心混亂度(PSC)對公共服務出行與商務休閑娛樂出行碳排放都產生顯著直接影響;小汽車擁有(CAR)對居民三類出行的碳排放均具有顯著的直接影響。

以上分析結果表明，公共交通站點位置、社區位置、通勤公交可達性、通勤距離、社區公共和服務中心混亂度與小汽車擁有都會直接影響到居民出行的碳排放。

表4 各變量對出行碳排放的標準化影響效應系數

從間接效應分析:年齡(YEAR)與家庭收入水平(INC)通過小汽車擁有(CAR)對居民三類出行碳排放均具有間接影響,且在每類出行碳排放的模型中,家庭收入水平(INC)的間接效應系數最大,表明家庭收入水平(INC)是小汽車擁有(CAR)的重要影響因素。社區公共與服務中心混亂度(PSC)通過小汽車擁有(CAR)對居民公共服務出行與商務休閑娛樂出行碳排放產生間接影響,社區位置(CL)只通過小汽車擁有(CAR)對商務休閑娛樂出行碳排放產生間接影響,表明小汽車擁有(CAR)是產生間接效應的關鍵中介變量。

從總效應分析:在PTC模型中,總效應系數為CAR(0.367)>PSC(0.264)>INC(0.113)>BS(0.084)>YEAR(0.055),因此小汽車擁有(CAR)是影響公共服務出行碳排放的關鍵因素(按影響程度依次為關鍵因素>重要因素>有效因素),社區公共服務中心混亂度(PSC)是重要因素,家庭收入水平(INC)、公共交通站點位置(BS)與年齡(YEAR)是有效因素。BTC模型中,總效應系數PSC(0.532)>CAR(0.262)>INC(0.185)>CL(0.110)>YEAR(0.041),社區公共服務中心混亂度(PSC)是影響商務休閑娛樂出行碳排放的關鍵因素,小汽車擁有(CAR)是重要因素,家庭收入水平(INC)、社區位置(CL)與年齡(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),小汽車擁有(CAR)為通勤出行碳排放的關鍵影響因素,通勤距離(CD)為重要因素,家庭收入水平(INC)、通勤公交可達性(CB)與年齡(YEAR)是有效因素。在PTC模型中,CAR的影響程度大于PSC,而在BTC模型中PSC的影響程度大于CAR,原因是居民出行主要是追求出行的時間成本,一般選擇方便快捷的交通工具(如小汽車),擁有小汽車的居民更傾向于選擇小汽車出行,從而使公共服務出行碳排放大大增加;居民商務休閑娛樂出行更多的是追求身體與精神上的享受,部分私家車主放棄選擇小汽車出行,出行距離對商務休閑娛樂出行碳排放的影響更大。

綜上所述,小汽車擁有(CAR)是居民出行碳排放的關鍵因素,影響方向為正,表明小汽車的高碳排放使擁有小汽車成為居民出行碳排放增加的首要原因。社區公共和服務中心混亂度(PSC)與通勤距離(CD)是有效因素,影響方向為正,表明出行距離(通勤距離與其他出行距離)增加是居民出行碳排放增加的第二大原因。年齡(YEAR)、家庭年收入(INC)、通勤公交可達性(CB)、社區位置(CL)與公共交通站點位置(BS)為有效因素,除通勤公交可達性影響方向為負之外,其他因素影響方向均為正,表明擁有直達的通勤公交會提高居民選擇低碳化公交通勤的可能性,從而減少居民出行碳排放;年齡大、家庭收入高的居民越傾向購買小汽車從而間接增加了居民出行碳排放。此外,居住社區距離市中心越遠,居民出行的總距離越大,產生的出行碳排放越多;公共交通站點位置越遠,居民放棄低碳化公交出行的可能性更高,將使居民出行碳排放增加。

4 武漢市居民公共交通出行的滿意度分析

由以上分析可知,小汽車是產生大量出行碳排放的重要因素。公共交通出行作為低碳出行的一種方式,可有效減少城市交通出行碳排放。因此,創建完善的公共交通體系,吸引更多的私家車出行者向公共交通方式轉移,能有效實現城市交通碳減排的目標。

基于調查問卷選取13個表征居民對武漢市公共交通滿意程度的指標,分別為候車距離、候車時間、換乘次數、車輛準點性、公交系統覆蓋度、道路優先性、運行速度、線路擁堵情況、線路設置合理性、站點設置合理性、乘車花費、首末班時間合理性與車內舒適度等。居民滿意度級別采用了5分制評級方法,設定1—5分別代表:不滿意、不太滿意、比較滿意、基本滿意和十分滿意。參照CSI(顧客滿意度指數)理論顧客滿意度[29]的計算方法,本研究確定的各項指標滿意度的計算方法為:Si=ΣXj×Yij(i=1,2,3,…n；j=1,2,3,…k)。式中,n為影響居民公共交通出行滿意度的指標個數;k為滿意程度的分類等級數(k=5);Xj表示滿意程度為j時所對應的分值(Xj=j);Yij指居民對第i項指標選擇第j滿意程度的百分比。本文將公共交通出行方式分為公交與地鐵兩種出行方式,并從上述的計算公式出發,計算武漢市居民對公交與地鐵出行各項指標(地鐵不存在道路優先性與擁堵情況,因此在此不討論)的滿意度見表5。

表5 公共交通出行各項指標的滿意度

從表5可見,對公交出行而言,候車距離、候車時間、換乘次數、車輛準點性、道路優先性、運行速度、線路設置合理性與車內舒適度都處在不太滿意與比較滿意的滿意度區間內,線路擁堵情況是武漢市居民不滿意的指標,而對公交出行比較滿意的是公交系統覆蓋度、站點設置合理性、乘車花費與首末班時間合理性。對地鐵而言,居民對各項指標的滿意度都處于較滿意水平之上,唯獨對候車距離與地鐵系統的覆蓋率滿意度較低。地面公共交通存在較多問題限制了居民出行對公共出行方式的選擇性。因此,從公共交通建設方面解決地面和地下公共交通系統的弊端將有助于從根本上改善武漢市居民公共出行體驗,并引導更多居民低碳出行。

5 結論與建議

5.1 結論

基于結構方程模型分析,社區公共服務中心混亂度、通勤距離、通勤公交可達性、社區位置和公交站點位置都是影響居民出行碳排放的顯著因素。社區公共與服務中心混亂度越小,居民就近得到資源的可能性越大,居民公共與休閑娛樂出行距離縮短,使出行碳排放減少;通勤距離縮短,直接導致通勤碳排放顯著減少;通勤公交可達性越高,居民選擇低碳公交出行的概率越大,一定程度減少了通勤出行碳排放;位置靠近一環的居住社區和公共服務功能更完善會減少社區居民日常出門遠行的概率,出行距離縮短直接導致出行碳排放減少;公交站點距離居住社區越近,居民選擇公交出行的概率越大,低碳的公交出行有利于減少居民出行的碳排放。

居民小汽車擁有是交通碳排放增加的主要原因,為了減少小汽車出行,提高公共交通的使用效率是關鍵。對公共交通出行滿意度研究發現,居民對地面公交候車距離、候車時間、換乘次數、車輛準點性、道路優先性、運行速度、線路設置合理性與車內舒適度都處于不太滿意與比較滿意的區間內,而對線路擁堵情況不滿意,對地鐵的各項指標都處于較滿意之上,完善公共交通出行不滿意指標是引導居民低碳出行的有效途徑。

5.2 建議

主要是:①控制傳統小汽車的出行,完善公共交通建設。首先,實行單雙號限行政策，減少已有車輛的日使用量；政府對購買新能源汽車實行補貼政策,加大力度鼓勵市民購買新能源車。其次,增加快速直達公交線路和數量的供給,提升當前地面公交出行的乘坐體驗,提升公交線路的準點率、優先性和合理性,降低候車的距離和時間,保持高頻率、直達式快捷便利的服務。第三,優化公共交通節點,將公共交通節點設置在居住、就業和服務中心的步行范圍內,吸引更多的私家車出行者向公共交通方式轉移,減少居民個人出行碳排放。②提升居住社區的土地利用混合度,降低公共與服務中心混亂度。通過土地的混合利用,形成商業、居住、就業、辦公、就學、休閑娛樂等城市功能的集成,可有效加強不同機構、不同產業之間的聯系,促進區域要素的多樣性發展,有利于城市住宅資源和就業崗位的均衡分布,減少“鐘擺式"交通能耗和污染,提升土地資源的共享化。③控制城市規模,從宏觀上縮短通勤距離。在以武漢三鎮(武昌、漢口、漢陽)為城市核心的基礎上,圍繞核心提升城市緊湊度,防止每一個城市核心的無序擴張。城市橫向擴張往往導致職住距離拉長,帶來通勤碳排放增長,因此控制城市的緊湊度對減少交通出行碳排放量具有巨大影響。城鎮化進程中新區開發應盡可能靠近現有建成區,同時可在三鎮建立分散的大型就業中心以保證各個城區核心短距離內的職住平衡。④優化用地布局,減少出行總距離。公共商服用地、工業用地和居住用地應根據不同的土地功能進行合理布局。公共商服用地根據回報率的不同可將高回報率的商業、辦公和娛樂用地布置在交通節點上的近圈層內或公共交通系統線路的沿線緩沖區內,將上述用地的高使用率特點與公交系統高效結合,其他服務用地則圍繞上述用地展開布置。武漢市工業用地的布置分為兩類設計,重型工業由于污染嚴重等可圍繞三鎮外圍部署并增加快速直達公交供給,輕型工業和密集制造型工業則應注意與居住和服務用地的混合布施,力求短距離內職住平衡。居住用地應滿足居民對日常公共服務獲取的需求,從武漢實際出發建立綜合性居住社區,增大其與其他功能性用地的交叉混合度,從宏觀上減少居民出行總距離,減少交通碳排放。