基于STIRPAT模型的交通運輸企業的碳排放量測定

白寶峰 梁進

DOI：10.19392/j.cnki.16717341.201714129

摘要：本文針對交通運輸企業的碳排放的測定問題，經過分析發現直接對于碳排放量的測定是很難做到的，因為其影響因素多種多樣，十分復雜，我們無法將所有影響因素考慮周全，因此需要尋找一種替代的算法，忽略一些直觀的影響因素，而采用隨機性的環境影響評估模型，解決了碳排量不可直接測量或者影響因素不可預測的缺點。

關鍵詞：不可預測；嶺回歸分析；隨機性環境預測模型；解釋變量系數

基于隨機性的環境影響評估模型：經分析，考慮到在交通運輸過程中各種條件的不可預測性，不便于準確測定，于是將問題簡化為討論在運輸過程中的碳排放測定問題。根據有關資料，在運輸過程中影響碳排放的因素也是多種多樣的，但有的影響因素的影響效果非常微弱，忽略后并不影響對于碳排放量的精度測定，而有的因素忽略后對于碳排放量精度測定的影響很大，綜合考慮，將城鎮化率、人均GDP、客運周轉量、貨運周轉量作為碳排放量的主要影響因素。運用可拓展的隨機性的環境影響評估模型STIRPAT，可以通過自變量和應變量之間的關系進行評估，從而測出碳排放量。

根據有關數據和模型公式可知方程的回歸系數反映的即是解釋變量與被解釋變量之間的彈性關系，因而尋找方程回歸系數即是找出問題解的關鍵。運用嶺回歸方程，通過MATLAB進行編程求解，求得各影響因素的相關系數分別為0.1935、0.2180、0.2034、0.2185模型系數常數為1.3513e-16，即表明城鎮化率、人均GDP、客運周轉量、貨運周轉量各自每增加1%，碳排放總量分別增加0.1935%、0.2180%、0.2034%、0.2185%。在明確了模型中各解釋變量和被解釋變量之間的關系后，根據相關統計數據，從而測算出交通運輸企業的碳排放量。

此外，文中還對各解釋變量的影響程度進行了分析，最后討論了模型的優缺點以及改進的方向。

1 問題的重述

當前交通運輸行業作為碳排放大戶，其減排效果對減排目標的影響巨大，但是交通行業仍然沒有進入市場化減排交易體系（碳交易市場）。交通運輸企業不愿意進入是一方面的原因，更重要的原因是交通運輸企業的碳排放量難以測定。比如：交通運輸企業的車輛排放量受到車型、道路狀況、行駛速度（包括加速、減速、怠速、巡航等速度）、道路和天氣情況等因素的影響。

問題：

請建立數學模型對交通運輸企業的碳排放量進行測定（只考慮交通運輸企業的交通工具運行過程中的碳排放量的測定，其他不予考慮，但需要假設界定）。

2 模型的假設

（1）僅考慮在交通工具運行過程中的碳排放量測定問題。

（2）各類能源消耗可以折算成標準煤的消耗。

（3）假定車輛能源消耗和碳排放只與車輛行駛公里數和載重數有關，而車型、道路情況、行駛速度、道路和天氣狀況等情況悉數為正常情況，不會影響車輛的碳排放量。

（4）假定各數據來源準確，不存在數據缺失和不真實的情況。

3 符號說明

Q碳排放量/萬噸

a模型常數

U城鎮化率

A人均GDP/（元/每人）

PT客運周轉量/億人每公里

FT貨運周轉量/億噸每公里

4 模型的分析和求解

4.1 STIRPAT模型的分析

碳排放量的多少受到各種因素的影響，其中很多因素不便于測定和描述，采用stirpat模型，使得很多不便于測定和描述的影響因素綜合起來，變成能夠測定的客觀具體的影響因素，通過前期分析和預判，找出了各類因素之間的因果關系，簡化影響因素的數目和數據的大小，這樣使得模型變得簡潔明了，易于求解和分析。通過強調主要解釋變量間和被解釋變量的關系，對于解釋變量的變化量的測定，可以直接反映被解釋變量的變化。

4.2 STIRPAT模型的求解

建立模型方程lnQ=a+blnU+clnA+dlnPT+elnFT，公式中a為常數，b.c.d.e分別為各解釋變量的系數，表示含義為各解釋變量每變化1%，被解釋變量變化量為各解釋變量系數。已知各解釋變量的統計數據，先對數據進行處理和整合。

采用嶺回歸方法來對多線性數據進行處理，犧牲部分精度來使得數據的穩定性得到充分的保證。在本題中先對數據進行預處理求Y即通過能源消耗量和碳排放系數以及折合標準煤系數之間的關系，先對已知能源消耗嶺的情況下的碳排量進行計算，然后通過計算出的數據即Y值代入進行嶺回歸分析，求得相關解釋變量的系數。碳排量和能源消耗以及碳排量系數，折合標準煤系數之間的關系為碳排量=能源消耗量×碳排量系數×折合標準煤系數。

整理數據后可得：

X=36.22；7858；12261.1；4432137.66；8622；13155.1；4771039.09；9398；14125.6；5068640.53；10542；13810.5；5385941.76；12336；16309.1；6944542.99；14185；17466.7；80258.1，

Y=53996.08；61370.47；78899.49；90474.57；118300.98；156739.86，

代入公式θK=XTX+KI-1XTY，經過計算和上述程序中的曲線圖可知K=0.8，因此求得θK=0.1935；0.2180；0.2034；0.2185。

具體數據實現通過在Matlab中進行編程來對嶺回歸方程進行處理，從而得到了相應的模型解釋變量的系數在何種條件下趨于穩定，即為該模型下的解釋變量系數值。

通過程序分析，作圖可直觀得出，當K的值在0.8時，各解釋變量對應的嶺回歸系數趨于穩定。

當嶺回歸參數趨于穩定的時候，模型各解釋變量的系數在表中可清楚的看出分別為0.1935、0.2180、0.2034、0.2185模型的常數項為1.3513e-16，將上述各模型系數和常數項代入到stirpat中，

即可得到完整的對于碳排量的計算方程

lnQ=1.3513e-16+0.1935lnU+0.2180lnA+0.2034lnPT+0.2185lnFT將統計數據代入即可得碳排量數值。

5 模型的評價和推廣

5.1 模型的優點

1）該模型忽略了在碳排放測定過程中，對于碳排放影響因素的具體直觀求解，轉而通過相應的環境影響因素，使得模型中解釋變量和被解釋變量之間關系變的簡單清晰，在測定過程中具有很強的可操作性，同時模型在求解和設計過程中綜合考慮了社會、經濟、環境等因素，選取的四個影響因素很具有代表性和擴展性，使得模型求解結果更加精確。

2）在模型關于解釋變量系數的求解過程中，采用嶺回歸方法，相較于最小二乘回歸，犧牲了一部分數據的精確度，但使得數據能夠穩定，減少了數據誤差范圍，變得更加可信。

5.2 模型的缺點

本模型在分析過程中，無法做到對于碳排量直觀影響因素如能源消耗量等的分析和測定，也無法對于各影響因素的進行比較，因此該模型得出的結論為最終結論，無法對各影響因素的影響程度進行直觀具體描述，在運用碳排量結論作出相應的政策和措施時，無法提供細致全面的分析和建議。同時在選取解釋變量的時候，存在著隨機性的可能，無法保證每次選取的解釋變量都能很好的代替整體數據的特征。

5.3 模型的改進和推廣

模型改進：在模型中加入對于解釋變量的解構，可以運用LMDI方法來對解釋變量加以描述和求解，同時在運用嶺回歸求取模型系數的時候，對于解釋變量的選取應該通過控制變量法，從相關因素中通過控制單一變量計算得出相關指標，判斷哪幾種變量的影響因素較大，哪幾種因素可忽略，從而使得選取的解釋變量更加合理。

參考文獻：

[1]渠慎寧，郭朝先.基于STIRPAT模型的中國碳排放峰值預測研究.

[2]嶺回歸分析.

作者簡介：白寶峰（1994），男，回族，安徽合肥人，本科。