文档介绍：北京市居民家庭日常出行碳排放的量化分布
与影响因素
肖作鹏1 柴彦威1 刘志林2
;
【摘要】本文采用2007年北京市居民活动日志调查数据,对北京市居民家庭工作日出行碳排放进行了测算,采用分等定级和洛伦兹曲线模拟的方法,分析家庭日常出行碳排放的个体间、社区内和社区间分异。研究表明,个体间差异总体比较符合60/20分布法则,社区内的碳排放差异指数较大,内城单位社区和胡同社区家庭普遍低碳出行。
【关键词】居民家庭;碳排放;量化分布;Logistics模型;北京市
1 引言
城市空间重构与郊区快速蔓延,交通拥挤与交通排放、高机动化与低可达性等问题成为困扰大城市交通治理的重点难题之一。为适应气候变化、改善交通出行环境、提高居民生活质量,低碳、绿色、健康、幸福等理念正逐步深入“土地利用和交通出行”、“交通行为与决策”等传统研究领域中,成为出行研究、交通规划、交通政策的关键目标。相关前沿研究特别注重基于非汇总的数据和建模方法,在土地利用与交通出行的基础上讨论空间形态、居民出行及其外部环境影响等议题,揭示个体出行及其碳足迹的影响机制,发现低碳调控的政策选择和技术路径[1-4]。
相比于传统的汇总研究,非汇总的离散模型能够有效识别交通出行外部性的发生特点及量化特征[5-7],发现各类型因子的边际强度[8],同时控制相关要素的影响,提炼各类型变量的结构性关系;就政策应用而言,非汇总的方法有利于模拟评估相关环境政策的实施效果及改进策略[9](Smith),从而拟定更为公平有效的面向个体的气候政策[10],实现交通减排和碳公正。布兰德(Brand)等以英国为例,抽样统计分析了不同个体及家庭的碳排放构成和量值,归纳出“60/20”分布规律,即60%左右的碳排放大约是由20%的高碳排放者、20%左右的高碳交通工具等所产生,并使用OLS回归模型发现这与收入、职业、年龄和家庭小汽车数量有关,而与可达性、住房区位等没有显著关系[5,6]。萨斯洛(Susilo)对荷兰的研究发现,碳排放前10%的居民排放了整个交通出行系统50%左右的碳,因此呼吁针对居民自愿性的改变行为计划(VBC,Voluntary BehaviorChange)[11]。高(Ko)对首尔的研究表明,前10%的高碳排放者约产生了63%左右的交通碳排放,并使用Tree Logistics模型挖掘居民社会经济属性与出行碳排放的关系[12]。麦克纳马拉(McNamara)等使用Binary Logistics模型,试图发现影响爱尔兰居民实现通勤交通20%碳减排的政策目标的影响因素,讨论面向个人的碳排放限额的政策可能性、目标设计和实现路径[13]。
综上,从个体、非汇总的微观视角来理解日常出行的碳排放,分析碳排放终端来源(交通方式、出行目的)的构成结构,分析个体间、组别内、组别间的碳排放分布差异和制约程度,识别个体碳排放的刚性部分与弹性空间,有助于设计基于个人的行为政策或空间政策对居民日常出行进行调控引导,通过碳预算管理、碳差别政策辅助个人出行规划、家庭通勤规划;有助于研究模拟个人碳配额(Personal Carbon Allowance,PCA)[14,15]、碳交易许可(Personal tradable carbon permits)[16,17]、碳税(Carbon tax)[18]等政策的调控区间及实施效果,促进碳平衡、碳公正[10]。这种面向实施的非汇总实证性研究和政策实验,逐渐成为个体出行碳排放研究的热点,并引入交通规划[19],以实现城市交通低碳化及居民日常通勤的低碳化。
对转型期中国城市而言,新旧多重因素作用交织,居民职住分离程度、空间移动性及机动化水平等差异明显,家庭日常出行碳排放的社区间及社区内差异明显,迫切需要深入微观个体层次认识碳排放的量化分布特征及影响因素,通过日常出行碳排放透视转型期空间组织模式对日常行为组织效果及其碳性,讨论相关政策的碳公正、出行公正等问题,对中国城市交通规划、交通结构调整提供启发。
本文基于转型期中国城市空间组织模式多元化与居民出行的互动机理,采用2007年北京市居民活动日志调查数据,分别计算内城胡同社区、单位社区和郊区商品房、政策房社区家庭的日常出行碳排放,采用分等定级和洛伦兹曲线模拟的方法,分析了北京市社区间家庭出行碳排放的量化分布特征,并运用Ordinary Logistics模型挖掘日常出行变量、社会经济属性和空间形态因素对家庭出行碳排放的分等定级的作用特征,藉此寻找城市空间组织低碳化的政策工具和调控策略。
2 研究数据与方法
研究区及数据
研究以北京为例,采用北京大学行为地理学研究小组2007年600户家庭居民活动日志调查数据。调查