基于職居分離調整的北京市交通碳減排潛力研究

王慧慧 余龍全 曾維華

摘要 城市就業—居住空間關系是城市空間布局的重要依據，而城市職居分離現象勢必會進一步加重城市就業地與居住地的布局失衡，導致城市將長期面臨交通擁堵、空氣污染等一系列問題的困擾。在構建低碳城市及相關政策的制定過程中，追求減少對小汽車依賴，增加城市公共交通的吸引力和改善生活品質，城市職居關系調整是當中不可忽視的問題，甚至是策略。本文通過詳細調查北京市人口/經濟普查、交通出行調查等基礎資料，利用就業—居住比（J/R）和通勤時間/距離為測定指標對北京市職居關系現狀進行分析，并采用自下而上方法對城市交通出行碳排放進行核算，考慮交通出行對碳排放的影響設計了兩種交通碳減排情景：“基準情景”、“職居關系調整情景”。結果表明：近年北京市職居關系失衡狀況有所加劇，六環內多數地區因無法提供足夠的居住地而導致職居關系失衡。北京市交通出行碳排放量巨大且增長迅速，年碳排放量從2005年的599.15萬t增長到2014年的1 065.49萬t，年均增長6.6%，且隨著居民通勤出行需求的增加通勤出行碳排放量占交通出行的比例呈不斷上升趨勢，從2005年的36.85%增長到2014年的50.09%，年均增長3.5%，其中小汽車是北京交通出行碳排放產生的主要來源。相比基準情景，在職居關系調整情景下北京市交通出行年碳排放總量將大量減少，2020年和2030年將分別減少184.42萬t、520.42萬t，減少幅度分別為15.91%、37.21%，碳減排效果明顯。同時若以2014年為起點，基于職居關系調整情景下，2020年的交通出行碳減排潛力為553.26萬t，到2030年達到3 524.22萬t，碳減排的潛力巨大。

關鍵詞 職居分離；交通碳排放；通勤出行；北京市

中圖分類號 X321； U491.1

文獻標識碼 A文章編號 1002-2104（2018）06-0041-11DOI：10.12062/cpre.20180116

當前，隨著城市化進程持續加快，城市規模不斷擴大，人口快速增加，城市進入了急劇擴張階段。而城市郊區化作為快速城市化的一個重要階段，中國的城市化發展正逐漸進入這一階段，城市發展以單位主導的、土地混合利用的、職居接近型的規劃建設模式逐漸向以市場主導的、功能分區的、職居分離型的規劃建設模式轉變[1]。然而郊區化過程中的居住與就業不同步性、郊區新建居住區職能過于單一等原因，再加上我國城市布局多數以單中心布局為主，城市發展以“攤大餅”的形式擴張，致使職居分離 （Jobshousing separation）、空間錯位等現象在北京等大城市出現，造成城市通勤距離和時間明顯增加，居民小汽車出行比例增加，而自行車、步行等出行比例降低，加重了城市交通壓力，形成潮汐交通，使大城市交通擁堵無法得到治理，甚至導致進一步加重；同時城市交通能源消耗快速增加，交通碳排放成為城市碳排放的重要來源，加大了城市碳減排的難度。北京市作為中國典型的單中心布局的大城市，對在后奧運時代背景下如何解決城市交通擁堵，縮短居民交通通勤距離和時間，降低交通能源消耗，減少交通碳排放成為北京市發展的重要任務。本文主要采用自下而上方法對城市交通出行碳排放進行核算，并考慮交通出行對碳排放的影響設計了兩種交通碳減排情景：“基準情景”、“職居關系調整情景”，通過分析在不同情景下北京市交通碳減排的潛力，為開展城市交通碳減排提供依據。

1 文獻綜述

21世紀以來，全球溫室氣體排放帶來的氣候變化問題日益引起國際社會的廣泛關注。而城市作為人類社會生產生活的重要空間載體，也是碳排放的主要源區。根據國際能源署（IEA）估算，2013 年全球能源消耗產生的碳排放中有22.9%源自交通部門[2]。隨著對全球氣候變化下城市交通碳排放的深入認識，城市居民出行碳排放逐漸成為降低交通碳排放、建設低碳城市的重要部分[1，3]。國外學者對居民出行交通碳排放開展了諸多研究，主要涉及城市居民出行碳排放核算及影響機制[4-10]、交通碳排放時空特征[11-14]、交通減排政策及情景模擬分析[15-16]。國內學者針對居民個體出行碳排放研究近幾年才開始，主要集中在居民出行碳排放測算、影響因素及對策分析[17-22]。諸多學者[1，23-26]利用居民出行調查數據對北京、上海、南京等城市的居民出行交通碳排放特征進行研究表明，出行距離和出行方式是影響居民出行碳排放的主要因素。馬靜等[1]和柴彥威等[23]根據北京市居民活動日志調查數據和路徑分析模型研究發現，影響居民家庭日常出行碳排放的主要因素是出行距離和出行方式，出行頻率的影響并不顯著，出行結構的影響遠大于出行總量的影響。童抗抗[24]利用問卷調查和情景分析方法探討了城市居住-就業距離變化對通勤碳排放量的影響，發現在通勤距離不超過15 km和不超過5 km兩種情景下，私家車對碳排放量減小和花費降低的影響最大。徐昔保等[25]以長三角典型城市為例，基于典型居住小區問卷調查獲取第一手的城市居民出行基礎數據，估算與分析城市居民出行碳排放特征及影響機理，并得出影響居民交通碳排放的主要因子為交通方式、出行距離以及家庭年收入。劉蔚等[26]利用城市居民出行調查數據，對北京市和上海市2000—2012年居民家庭日常出行交通碳排放量進行測算；并以2000年為基準年，采用對數平均迪氏因素分解（LMDI）方法，對北京市和上海市居民出行交通CO2排放變化進行了分解分析。

當前國內外研究多數是基于微觀個體特征考慮對交通出行碳排放進行研究，較少從職居關系調整角度考慮城市職居調整帶來交通出行碳減排的效果。本文針對北京市職居關系改善和交通碳減排的迫切需求，利用就業—居住比（J/R）和通勤時間/距離為測定指標分別從區縣/街道層面對比分析2010和2014年北京市職居關系現狀，并采用自下而上方法對城市交通出行碳排放進行核算，考慮交通出行對碳排放的影響設計了兩種交通碳減排情景：“基準情景”、“職居關系調整情景”，分析在不同情景下北京市交通碳減排的潛力，為今后開展城市交通碳減排提供重要思路和依據。

2 數據來源與研究方法

2.1 數據來源

本文研究所涉及的數據來源主要包括：①宏觀統計數據。部分經濟和人口數據來源于北京市歷年統計年鑒[27]，其中人口數據來源于北京市第六次全國人口普查數據和各街道人口數據（2014年），就業單位數據來源于北京市第二、三次全國經濟普查數據（2008和2014年）和北京市統計年鑒。②交通出行調查數據。其中出行總量、出行方式、乘客載荷和出行距離/時間等指標數據來源于實際調查問卷、北京市“十三五”時期交通發展建設規劃、北京城市總體規劃（2016—2035年）、北京市第四次和第五次交通綜合調查報告（2010和2014年），其中包括地面公交調查和軌道調查專題分報告、歷年北京交通發展年報及北京市交通運行報告。

2.2 研究方法

2.2.1 城市職居關系度量分析方法

城市職居關系一般采用就業—居住比（Jobshousing ratio）來度量空間范圍內居住與就業在數量上的平衡程度，其數值等于就業崗位數量與家庭數量的比值（或者是就業崗位數量與人口數量的比值）[28-29]。就業—居住比在既定的范圍內，兩種極限情況其度量結果完全相反，如就業崗位數量與居住單元數量相等，即可以表示職住完全分離，又可以表示職住完全平衡。就業/居住比計算公式如下所示。

就業—居住比（J/R）是測量城市職居關系均衡度的常用方法。該方法中所需資料容易獲取，可操作性強，能在現有資料基礎上進行計算分析。但由于缺少利用就業/居住比率（J/R）判定區域職居關系是否均衡的標準值范圍，不同研究采用了不同的職居關系均衡的J/R值判定范圍。因此，本研究參考前人的一些研究[30-31]，并考慮北京市的實際情況，即全市范圍內家庭數量和崗位數量比值，采用就業—居住比（J/R）在0.75～1.25范圍內認為區域職居關系處于均衡狀態，超過這一范圍則表示區域的職居關系處于失衡狀態。

2.2.2 城市交通出行碳排放核算方法

目前，關于城市交通碳排放的核算方法大體可分為兩種：一種是“自上而下”的核算方法，即根據一定區域范圍內的各種交通燃料的消耗（銷售）統計數據，在此數據上乘以IPCC指南中提到的各種燃料碳排放系數計算得到該區域內的交通碳排放量。另一種是“自下而上”的核算方法，即通過采用多種計量模型直接計算各種交通方式的碳排放因子，通過計算各種交通方式的行車里程與其碳排放因子的乘積，可直接計算得到碳排放量?？傮w而言，這兩種方法各有優劣。第一種方法的燃料碳排放系數相對比較權威、準確，但是在具體計算過程中需要事先知道各種交通方式所消耗的燃料類型及其消費量，并且計算得到的只是各種交通方式的直接碳排放，未考慮這些燃料如汽油、柴油、電力等在其生產過程中所間接排放的CO2；而第二種方式則相對較為靈活、簡潔，可直接計算得到碳排放量，并且通過采用各種交通方式CO2的總排放因子也可計算得到總的碳排放量，但是采用的模型不同，可能計算得到的碳排放量會有所差異。本研究主要關注的是城市交通出行碳排放情況，因此適于采用“自下而上”的交通碳排放核算方法。該方法的具體計算過程如下：

（1）各交通方式的行駛里程計算。

城市交通方式主要由公共交通、機動交通和非機動交通三部分組成，公共交通主要由公共汽（電）車、出租汽車和軌道交通（地鐵）組成，機動交通指私人小汽車、摩托車、社會車輛（政府機關、社會團體、企事業單位擁有的客車）及其他私人客車，非機動交通包括助動車、自行車。根據所獲取的數據的統計口徑和研究的側重，在本研究中將城市交通方式主要劃分為公共汽（電）車、軌道交通（地鐵）、出租車、小汽車、自行車及其他（班車）。各種交通方式的行駛里程通過交通出行量、各種交通出行方式所占比例（即出行模式），以及各種交通方式的出行距離進行計算，其公式為：

本研究還需進一步計算城市通勤交通的碳排放量，因此需要計算出城市通勤交通的行駛里程。城市通勤交通的行駛里程可以通過通勤交通出行量、各種通勤交通出行方式所占比例（通勤模式），以及各種通勤方式的通勤距離計算：

（2）城市交通碳排放量核算。

各交通方式行駛里程與各種終端交通工具的碳排放強度的乘積即為各交通方式的碳排放量，進一步相加即為總交通碳排放量。計算公式為：

（3）碳排放因子計算。

根據公式（4）和（5）計算各交通方式的碳排放量。終端交通工具的碳排放因子可以通過單位車次單位里程的能源消耗，采用能源與碳排放之間的轉換系數和轉換公式計算求得[19，32-33]，公式如下：

各交通方式CO2排放因子計算結果如表1所示，其中單位公里能源消耗各種燃料低位熱值及能源消耗CO2排放因子來源于2006年《IPCC國家溫室氣體清單指南》[34]。

3 結果分析

3.1 職居關系現狀分析

3.1.1 就業—居住比（J/R）

利用公式1中的就業—居住比（J/R）對比分析2010和2014年北京市職居關系現狀（見表2）。由表2可知，相比2010年，2014年北京市全市范圍內的職居關系失衡狀況有所加劇，主要由于北京市六環內人口快速增長，家庭數量和崗位數量不匹配，而周邊的城區無法提供與工作崗位數量相匹配的住房數量，從而導致職居關系失衡。而從各區縣的J/R結果來看，北京市中心城區（東城區和西城區）的職居關系依舊保持著嚴重的失衡狀態，而且與2010年相比失衡狀況均有所加劇，極大地超出了職居關系均衡的J/R判定上限，說明該區域無法為工作在這一區域內的就業者提供足夠的住房，導致部分在該區域內的就業者不得不選擇到其他區域居住。在城市功能拓展區中，朝陽區和海淀區也同樣處于職居關系失衡狀態，但朝陽區職居關系失衡狀態較2010年有所緩解，而海淀區職居關系失衡狀態較2010年有所加劇。豐臺區和石景山區的J/R處于職居關系均衡的J/R值范圍內，因此這兩個地區處于職居均衡狀態。城市發展新區的五個區縣的J/R結果顯示，這五個區縣仍處于職居關系失衡狀態，并且與2010年相比失衡狀況均有所加劇，主要是由于區域內無法提供足夠的工作崗位，居住人口大量向城區集中，從而導致職居關系失衡。而生態涵養發展區的五個區縣，與2010年相比，延慶縣、密云縣、平谷區這三個地區職居關系有所緩解，2014年的職居關系達到均衡狀態。

為了進一步對各區縣街道、鄉鎮層面的職居關系進行深入分析，利用2014年北京市街道、鄉鎮級別的人口和經濟數據計算得到街道、鄉鎮層次的就業—居住比（J/R），北京市職居關系均衡和失衡前十的街道如表3所示。由表3可知，北京市六環內的南苑、北苑、天壇、清華園、椿樹街道等公園、歷史文化和傳統文化地區總體都處于比較明顯的職居關系均衡狀態。而對于天通苑、回龍觀、霍營等地區處于明顯的職居關系失衡狀態，主要是由于缺乏足夠的工作崗位導致部分在該區域內居住的居民不得不選擇到其他外部區域就業；海淀、東直門、建外等街道也處于明顯的職居關系失衡狀態，主要原因是這些地區不能為在本地區工作的就業者提供足夠的住房而導致部分人不得不到地區外居住。由于靠近中心城區的區域如朝陽區大部，海淀區和豐臺區靠近中心城區的部分，已形成城市產業發展的密集區，是主要的就業區域，都由于缺少足夠的居住地而處于職居失衡。北京市的主要城區目前均處于因缺少足夠的居住地而導致的職居關系失衡狀態，造成這種情況的主要原因是北京市單中心城市發展結構使主城區成為城市經濟的核心區，具有良好的產業發展優勢，是城市的主要就業集中地，但由于區域面積有限，區域發展的過程中主要以經濟發展為優先考慮，因而將有限的土地資源更多地用于發展經濟，用于新建住房的土地不足，導致區域內無法提供足夠的住房，最終導致區域內住房數量與工作崗位的不匹配。

3.1.2 交通出行時間/距離

通過對2010年和2014年六環內出發時間進行分析可看出（見圖1），2014年日出行量最大為早上7點，占全日出行量的14.5%，與2010年出發時間分布相比，六環內早晚高峰出行比例均呈現明顯上升趨勢。早高峰時間段（7點至9點）出行量占全日的比例由19%上升至25%；晚高峰時間段（17點至19點）出行量占全日的比例由17%升至20%；而平衡時段出行比例有所下降。同時對比2010年與2014年中心城區出發時間分布可看出（見圖2），2014年日出行量最大為早上7點，占全日出行量的14.0%，與2010年出發時間分布相比，中心城區早晚高峰出行比例同樣呈現上升趨勢。早高峰時間段（7點至9點）出行量占全日的比例由19%上升至25%；晚高峰時間段（17點至19點）出行量占全日的比例由16%升至20%；而平衡時段出行比例也有所下降。同時由表4可看出，2014年工作日六環內全方式的平均出行時耗為41 min，除步行方式以外為52 min，較2010年增長8.3%，其中軌道交通方式出行時耗最高，達到74.8 min。2014年工作日中心城區內全方式的平均時耗為44 min，除步行方式以外為56 min，較2010年增長19.7%，其中軌道交通方式出行時耗最高，達到75.7 min。

同時由表4還可看出，2014年六環內平均出行距離為8.1 km，除步行方式以外的平均出行距離為11.3 km，較2010年增加6.6%，小汽車和班車的出行距離有所增長，其他方式的出行距離變化在1 km以內。而中心城區平均出行距離為9.7 km，除步行方式以外的平均出行距離為13.3 km，較2010年增加29%，其中小汽車出行距離增長最大，達到39.7%，除班車、步行以外其他方式的出行距離均有小幅增長。根據實際問卷調查的結果看，調查樣本的平均通勤距離為10.3 km，相對較長；上下班時間在20 min以內的占15.8%，在20～40 min之間的占47.4%，在40～60 min之間的占21.1%，在60～90 min之間的占10.5%，在90～120 min之間的占5.3%。較短的通勤時間（20 min內）和特別長的通勤時間（60 min以上）的比例較小，中等長度的通勤時間（20～60 min）的比例最高，占69.5%，通勤時間總體呈“兩頭少中間多”的態勢。實際調查結果也在一定程度上反映出北京市城區范圍內職居關系處于失衡狀態。

3.2 交通出行碳排放核算

根據北京市交通出行數據，基于交通碳排放核算方式對近年來北京交通出行碳排放量進行核算，結果如表5所示。由表5可知，北京市近年來（2005—2014年）交通出行的總碳排放量呈現快速增長趨勢，年碳排放量從2005年的599.15萬t增長到2014年的1 065.49萬t，年均增長6.6%。其中地鐵出行碳排放量增長速度最快，年均增長達到24.9%。從各交通出行方式的碳排放量來看，小汽車出行產生的碳排放量達到75%～80%左右，是北京交通出行碳排放產生的主要來源。然而近年來該比例呈現下降趨勢，其中2010—2013年下降比例較其他年份要快，主要是由于自2011年起北京市開始實施小汽車搖號政策來控制小汽車保有量的快速增長，加之已實行的單雙號限行，從而在一定程度上影響小汽車出行，進而帶來碳排放比例的下降。然而由于區域內小汽車基數較大，雖近年來有一定程度的下降，但仍是北京市交通出行碳排放的主導因素。其次是出租車，約占總排放量的10%～13%左右，且該比例整體呈現下降趨勢，從2005年的12.6%下降至2014年的10.2%；公交車約占總排放量的5%～7%左右，該比例略有上升，從2005年的5.3%上升至2014年的6.4%；地鐵所占比例雖然較低但也呈現逐年增加趨勢，從2005年0.8%增加到了2010年的3.4%；其他出行方式（例如班車等）所占比例較小，在1.0%左右?？偟膩砜?，北京市交通出行的總碳排放量巨大，且增長速度較快，主要是以小汽車出行為主導的碳排放方式。

進一步根據北京市居民通勤出行數據，基于通勤出行碳排放核算方法對近年北京居民出行碳排放量進行核算，核算結果如表6所示。由表6可知，北京市居民通勤出行碳排放量呈現波動上升趨勢，年碳排放量從2005年的220.76萬t增長到2014年的533.68萬t，年均增長10.3%，其中地鐵、公交和小汽車三種通勤出行碳排放量增長速度較快，年均增長均超過10%。北京市地鐵通勤出行碳排放量年均增長達到26.5%，公交通勤出行年均增長12.3%，小汽車通勤出行為10.0%。同時還可看出在不同通勤出行方式下，通勤出行占交通出行碳排放量的比例為40%～60%左右。城市通勤出行碳排放量占交通出行的比例較大且整體上呈上升趨勢，居民通勤出行總碳排放量占交通出行總量的比例從2005年的36.85%上升到2014年的50.09%，年均增長3.5%，其中2012年占比達到最大，為58.36%。由居民通勤出行碳排放量所占比例來看，小汽車通勤出行方式所占比例依然是最高的，在75%～80%左右，然而從整體上看小汽車占比呈現下降趨勢，且從2005年的77.7%降至2014年的75.8%，其中2010—2014年下降比例較其他年份要快。其次是出租車通勤出行方式，約占10%～13%左右，且該比例整體也呈現下降趨勢，從2005年的13.1%下降至2014年的11.5%；再次是公交車通勤出行方式，約占6%～8%左右，該比例略有上升，從2005年的6.7%上升至2014年的7.9%，其中2013年占比最低，為5.8%；地鐵通勤出行方式所占比例雖較低但也呈現逐年增加趨勢，從2005年1.2%增加到了2010年的3.9%；而其他通勤出行方式（例如班車等）所占比例較小，在1.0%左右?？傮w來看，北京市通勤出行碳排放量巨大且近年隨著居民通勤出行需求的增加而呈快速增加趨勢，且城市通勤出行碳排放同樣是以小汽車出行為主導的碳排放方式。

根據北京市發展情況和居民交通出行需求分析，由于近年北京市社會經濟、人口和城市規?？焖贁U張，城市居民必要性交通出行需求隨著城市人口和規模的增加而增加；而隨著城市經濟發展和多樣化的居民生活，城市居民非必要性交通出行需求也在不斷增加。同時，近年北京市職居關系失衡狀況正不斷加劇，這也進一步促使了交通出行需求的增加。城市交通出行需求不斷增加具體可反映在城市居民日均交通出行總量的增加。城市規模擴張、職居分離加劇同時也造成居民的出行距離增加，使得居民出行采用步行和自行車方式的比例降低。而城市機動車保有量的快速增加，居民小汽車出行比例也在不斷上升，且小汽車短途出行比例增加較快，對城市交通系統產生巨大壓力，進而造成市區內大面積交通擁堵。北京市居民交通出行方式主要是以小汽車和公共交通為主的機動化交通出行模式，造成交通出行能源消耗不斷增加，尤其是小汽車能源消耗的迅速增加，導致交通出行碳排放量巨大且增長速度較快，小汽車出行帶來的碳排放已成為北京市交通碳排放的主要來源。

3.3 交通出行碳減排潛力分析

通過對北京市職居關系和交通出行碳排放現狀的研究可看出，當前北京市全市范圍內及周邊已出現嚴重的職居關系失衡，同時城市交通出行碳排放量巨大，其中通勤交通碳排放所占比例較大，占交通出行的40%以上。為解決城市交通問題，其基本途徑主要是對城市交通需求進行調節和控制，諸多研究[35-37]表明以調整城市職居關系為核心的手段和方案能夠對城市交通出行需求控制和交通碳減排起到積極作用。因此，通過設計以交通需求控制指標為表征的城市職居關系調整情景，并對各情景下的城市交通碳減排潛力進行分析。

根據以上分析，職居關系調整對于城市交通出行需求的影響實質是調整區域范圍內工作崗位和住房使之盡可能向均衡方向發展，促進就近擇業或就近居住，以縮短通勤的空間距離、減少交通出行量，進一步改變城市通勤模式，使之向大容量、低碳化的交通模式發展，減少交通能源消耗，達到城市交通碳減排目的。然而考慮單純以通勤交通的變化來反映職居關系調整的效果在可操作性和全面性方面存在一定的問題和難度，因此本研究以城市職居關系調整對城市人口、交通出行總量、通勤出行比例、出行距離、交通出行方式等產生的影響作為城市職居關系調整對城市交通需求控制的效果指標，建立以交通需求控制為目的的北京市職居關系調整情景方案，如表7所示。

情景方案設計主要包括基準情景（Business As Usual，BAU）和職居關系調整情景，每個情景下包括2020年、2030年兩個時間節點。基準情景即不采取任何職居關系調整措施的情景；職居關系調整情景即在采取切實可行的職居關系調整措施的條件下，以對城市交通出行需求控制的效果作為各指標的取值，其中包括考慮北京市通州副中心以及雄安新區的設立，帶動城市人口和非首都功能的疏解。在職居關系調整情景中，出行模式根據北京城市總體規劃（2016—2035年）中到2035年綠色出行比例將不低于80%。由于職居關系的調整能使職居距離縮短，小汽車的短途出行由自行車出行或公共交通出行代替，因而小汽車的出行比例將會大量降低；而公共交通（地鐵或公交車）和自行車的出行比例將會增加，出租車和其他出行方式的比例基本持平。而各種交通出行方式的出行距離主要是由平均出行速度和居民可接受的平均時間決定的，即居民會根據出行距離選擇合適的交通出行方式以保證出行時間在可接受范圍內。

根據交通出行碳排放核算方法對各情景下的北京市交通碳排放進行計算，結果如表8所示。由表8可看出，BAU情景下，北京市交通出行年碳排放總量將會持續增加，2020年、2030年將分別達到1 159.51萬t、1 398.58萬t，較2014年分別增加94.02萬t、333.09萬t，增加幅度分別為8.82%、31.26%。各種交通方式的出行碳排放量都將會繼續增加，但是碳排放量占總出行碳排放量的比例將會有所變化，其中小汽車所占的比例將會繼續有所下降，到2020年下降至77.05%，到2030年下降至76.55%；公交車所占的比例將會繼續有所上升，到2020年上升至6.50%，但是之后將會穩定下來，2030年與2020年相比變化不大，為6.46%；地鐵所占的比例將會不斷上升，到2020年上升到4.71%，到2030年上升到5.32%；出租車所占的比例變化不大，約占10%左右，其他方式所占的比例約占1.0%左右?？傮w來看，在基準情景下，由于城市規模和人口不斷擴張，城市職居關系失衡進一步加大，城市交通出行需求持續快速增加，步行、自行車等低碳出行方式的比例不斷下降，而機動車出行所占比例將不斷增加，特別是以小汽車出行和公共交通出行（公交車、地鐵）為主的出行比例將會不斷增加，因而城市交通出行總碳排放量將會不斷增加，交通出行碳排放量的主要來源仍然是小汽車，其次是出租車。

在職居關系調整情景下，隨著北京市通州副中心以及雄安新區的設立，帶動城市人口和非首都功能的疏解，北京六環內交通出行需求得到一定的控制，交通出行總量減少，同時步行、自行車等低碳出行方式比例增加，機動車出行比例降低，尤其是小汽車出行比例降低，小汽車產生的碳排放量大量減少，使北京市交通出行年碳排放總量不斷減少，2020年和2030年將分別減少到975.09萬t、878.15萬t，較2014年分別減少90.40萬t、187.33萬t，減少幅度分別是8.48%、17.58%。各出行方式產生的碳排放量占總碳排放量的比例中，小汽車所占比例不斷降低，相比基準情景下更低，到2020年下降至74.75%，到2030年下降至70.31%；公交車所占的比例將會繼續有所上升，相比基準情景下更高，到2020年上升至7.98%，到2030年上升至8.09%；地鐵所占的比例將會不斷上升，相比基準情景下也更高，到2020年上升到3.81%，到2030年上升到5.78%；出租車所占的比例有所上升，到2030年占14.60%，其他方式所占的比例變化不大，約占1.2%左右。

通過以上分析可知，職居關系調整情景與基準情景相比，由于對城市發展規模和人口進行控制，城市交通出行量減少，步行、自行車等低碳出行方式比例增加，機動車出行比例降低，尤其是小汽車出行比例降低，小汽車產生的碳排放量大量減少，使交通出行產生的碳排放量大大減少。相比BAU情景，職居關系調整情景下的總交通出行年碳排放量在2020年、2030年將分別減少184.42萬t、520.42萬t，減少幅度分別是15.91%、37.21%，碳減排效果明顯。進一步分析職居關系調整下北京市交通出行碳減排的效果，通過對比基準情景計算職居關系調整情景下的碳減排潛力，即基準情景下交通出行年碳排放量的時間曲線的投影面積與職居關系調整情景下交通出行年碳排放量的時間曲線的投影面積的差值。以2014年為起點，職居關系調整下的交通出行碳減排潛力到2020年是553.26萬t，到2030年是3 524.22萬t。從分析結果來看，通過職居關系調整控制北京市交通出行需求以達到城市交通出行碳減排的效果明顯且潛力十分巨大，因此通過職居關系調整以實現城市交通碳減排的思路具有重要的價值和意義。

4 結論及建議

本文針對北京市職居關系改善和交通碳減排的迫切需求，利用就業-居住比（J/R）和通勤時間/距離為測定指標分別從區縣/街道層面對比分析2010和2014年北京市職居關系現狀，并基于自下而上方法對城市交通出行碳排放進行核算，在考慮居民出行對交通碳排放的影響下設計了兩種交通碳減排情景：“基準情景”、“職居關系調整情景”，主要結論如下：

（1）利用就業-居住比（J/R）和通勤距離/時間為測定指標分別從區縣/街道層面對比分析2010和2014年北京市職居關系現狀，相比2010年，2014年北京市全市范圍內的職居關系失衡狀況有所加劇，多數地區因無法提供與工作崗位數量相匹配的住房數量，而導致職居關系失衡。同時北京市的城區范圍內（五環內）處于嚴重的因產業太過集中、住房供應不足導致的職居關系失衡狀態，近郊區（五環和六環之間）在郊區城市化的影響下部分區域形成了以產業發展為主而住房建設不足或以大型居住區建設為主而就業崗位不足的嚴重的職居關系失衡狀態。

（2） 通過北京市2005—2014年交通出行碳排放量核算結果表明，北京市交通出行碳排放量巨大且增長迅速，年均增長6.6%，2014年碳排放量達1 065.9萬t；且隨著居民通勤出行需求的增加城市通勤出行碳排放量占交通出行的比例較大且呈不斷上升趨勢，2014年占交通出行總碳排放量的比例達50.09%。從各種交通出行方式的碳排放量所占比例來看，小汽車出行產生的碳排放量達到75%～80%左右，是北京交通出行碳排放產生的主要來源。

（3）建立以交通需求控制為目的的北京市職居關系調整情景方案，并對各情景下的北京市交通出行碳排放進行分析，結果表明若以當前的趨勢繼續發展（BAU情景），北京市交通出行年碳排放總量將會繼續增加，2020年、2030年將分別達到1 159.51萬t、1 398.58萬t；但若采取合適有效的職居關系調整方案，小汽車出行產生的碳排放量將大量減少，使北京市交通出行年碳排放總量不斷減少，與BAU情景相比，2020和2030年將分別減少184.42萬t、520.42萬t，減少幅度分別是15.91%、37.21%，碳減排效果明顯。同時通過對職居關系調整情景下交通出行碳減排潛力的計算結果顯示，以2014年為起點，交通出行碳減排潛力到2020年是553.26萬t，到2030年是3 524.22萬t，碳減排的潛力十分巨大。因此通過職居關系調整以實現城市交通碳減排的思路具有重要的價值和意義。

上述結論蘊含的政策含義包括：①政府方面需正視城市化發展與城市空間布局不合理之間的匹配關系，加快構建多中心、多層次的新的城市空間布局，通過多中心分擔城市職能和經濟發展，緩解中心城區的壓力；②在區域內工作崗位數量和住房數量基本匹配的情況下，加快實施多種政策相結合的方式鼓勵區域內就近居住或就近擇業，實現真正的職居關系均衡；③加快實施以調整城市職居關系為核心的手段和方案，從源頭上減少居民出行需求，縮短居民通勤時間和通勤距離，緩解市民潮汐流動，達到控制城市交通出行需求以及減少交通碳排放的目的。

參考文獻（References）

[1]馬靜，柴彥威，劉志林. 基于居民出行行為的北京市交通碳排放影響機理[J]. 地理學報， 2011， 66（8）： 1023-1032. [MA Jing， CHAI Yanwei， LIU Zhilin. The mechanism of CO2 emissions from urban transport based on individuals travel behavior in Beijing [J]. Acta geographica sinica， 2011， 66（8）： 1023-1032.]

[2]International Energy Agency （IEA）. CO2 emissions from fuel combustion 2015 [R]. Paris： IEA Publication， 2015.

[3]BRAND C， PRESTON J M. ‘60-20 emission：the unequal distribution of greenhouse gas emissions from personal， nonbusiness travel in the UK [J]. Transport policy， 2010， 17（1）：9-19.

[4]BRAND C， GOODMAN A， RUTTER H， et al. Associations of individual， household and environmental characteristics with carbon dioxide emissions from motorised passenger travel [J]. Applied energy， 2013， 104（100）：158-169.

[5]HONG J， SHEN Q， ZHANG L. How do builtenvironment factors affect travel behavior？ a spatial analysis at different geographic scales [J]. Transportation， 2014， 41（3）：419-440.

[6]DUFFY A， CRAWFORD R. The effects of physical activity on greenhouse gas emissions for common transport modes in European countries [J]. Transportation research part D， 2013， 19（1）：13-19.

[7]CHESTER M V， HORVATH A， MADANAT S. Comparison of lifecycle energy and emissions footprints of passenger transportation in metropolitan regions [J]. Atmospheric environment， 2010， 44（8）：1071-1079.

[8]ZAHABI S A H， MIRANDAMORENO L， PATTERSON Z， et al. Transportation greenhouse gas emissions and its relationship with urban form， transit accessibility and emerging green technologies： a Montreal case study [J]. Procediasocial and behavioral sciences， 2012， 54：966-978.

[9]LIAO C H， LU C S， TSENG P H. Carbon dioxide emissions and inland container transport in Taiwan [J]. Journal of transport geography， 2011， 19（4）：722-728.

[10]PONGTHANAISAWAN J， SORAPIPATANA C. Greenhouse gas emissions from Thailands transport sector： trends and mitigation options [J]. Applied energy， 2013， 101：288-298.

[11]CHEN J， SHAW S L， YU H， et al. Exploratory data analysis of activity diary data： a spacetime GIS approach [J]. Journal of transport geography， 2011， 19（3）：394-404.

[12]LI T， CORCORAN J， BURKE M. Disaggregate GIS modelling to track spatial change： exploring a decade of commuting in South East Queensland， Australia [J]. Journal of transport geography， 2012， 24（4）：306-314.

[13]CHANG X， CHEN B Y， LI Q， et al. Estimating realtime traffic carbon dioxide emissions based on intelligent transportation system technologies [J]. IEEE Transactions on intelligent transportation systems， 2013， 14（1）：469–479.

[14]GURNEY K R， RAZLIVANOV I， SONG Y， et al. Quantification of fossil fuel CO2 emissions on the building/street scale for a large U.S. city [J]. Environmental science & technology， 2012， 46（21）：12194-12202.

[15]BROWNE D， OREGAN B， MOLES R. Use of ecological footprinting to explore alternative transport policy scenarios in an Irish cityregion [J]. Transportation research part D transport & environment， 2008， 13（5）：315-322.

[16]BRISTOW A L， TIGHT M， PRIDMORE A， et al. Developing pathways to low carbon landbased passenger transport in Great Britain by 2050 [J]. Energy policy， 2008， 36（9）：3427-3435.

[17]黃成，陳長虹，王冰妍，等. 城市交通出行方式對能源與環境的影響[J]. 公路交通科技， 2005， 22（11）：163-166. [HUANG Cheng， CHEN Changhong， WANG Bingyan， et al. Urban travel modal split and its impact on energy and environment [J]. Journal of highway and transportation research and development， 2005， 22（11）：163-166.]

[18]WEI Y M， LIU L C， FAN Y， et al. The impact of lifestyle on energy use and CO2， emission： an empirical analysis of Chinas residents [J]. Energy policy， 2007， 35（1）：247-257.

[19]趙敏，張衛國，俞立中. 上海市居民出行方式與城市交通CO2排放及減排對策[J]. 環境科學研究， 2009， 22（6）： 747-752. [ZHAO Min， ZHANG Weiguo， YU Lizhong. Resident travel modes and CO2 emissions by traffic in Shanghai City [J]. Research of environmental sciences， 2009， 22（6）： 747-752.]

[20]姚勝永，潘海嘯. 基于交通能耗的城市空間和交通模式宏觀分析及對我國城市發展的啟示[J]. 城市規劃學刊， 2009（3）：46-52. [YAO Shengyong， PAN Haixiao. A macroscopic analysis of transportation energy consumption and implication to China urban planning and development [J]. Urban planning forum， 2009（3）：46-52.]

[21]劉衛東，陸大道，張雷，等.我國低碳經濟發展框架與科學基礎[M]. 北京：商務出版社，2010. [LIU Weidong， LU Dadao， ZHANG Lei， et al. Lowcarbon economy development framework and scientific basis of China [M]. Beijing： China Commerce and Trade Press， 2010.]

[22]李靜，李雙江，趙倩，等. 石家莊市居民出行碳排放趨勢及其低碳對策[J]. 西部資源， 2012（2）：88-90. [LI Jing， LI Shuangjiang， ZHAO Qian， et al. Resident travel CO2 emissions trend and lowcarbon measures in Shijiazhuang City [J]. Western resources， 2012（2）：88-90.]

[23]柴彥威，肖作鵬，劉志林. 居民家庭日常出行碳排放的發生機制與調控策略——以北京市為例[J]. 地理研究， 2012， 31（2）：334-344. [CHAI Yanwei， XIAO Zuopeng， LIU Zhilin. Lowcarbon optimization strategies based on CO2 emission mechanism of household daily travels： a case study of Beijing [J]. Geographical research， 2012， 31（2）：334-344.]

[24]童抗抗，馬克明. 居住—就業距離對交通碳排放的影響[J]. 生態學報， 2012， 32（10）：2975-2984. [TONG Kangkang， MA Keming. Significant impact of jobhousing distance on carbon emissions from transport： a scenario analysis [J]. Acta ecologica sinica， 2012， 32（10）：2975-2984.]

[25]徐昔保，陳爽，楊桂山. 長三角地區城市居民出行交通碳排放特征與影響機理[J]. 長江流域資源與環境， 2014， 23（8）：1064-1071. [XU Xibao， CHEN Shuang， YANG Guishan. Characteristics and impact mechanism of carbon emission for urban residents transport in the Yangtze River Delta， China [J]. Resources and environment in the Yangtze Basin， 2014， 23（8）：1064-1071.]

[26]劉蔚，郭彩云，陳紀瑛. 中國城市居民出行CO2排放特征及影響因素[J]. 北京理工大學學報（社會科學版）， 2015（1）：32-39. [LIU Wei， GUO Caiyun， CHEN Jiying. Characteristics and influence factors for megaurban resident daily trip CO2 emissions in China [J]. Journal of Beijing Institute of Technology （social sciences edition）， 2015（1）：32-39.]

[27]北京市統計局. 北京統計年鑒[M]. 北京：中國統計出版社，2006-2015. [Beijing Municipal Bureau of Statistics. Beijing statistical yearbook [M]. Beijing： China Statistics Press， 2006-2015.]

[28]CERVERO R. Jobshousing balancing and regional mobility [J]. Journal of the American planning association， 1989， 55（2）：136-150.

[29]CERVERO R， RADISCH C. Travel choices in pedestrian versus automobile oriented neighborhoods [J]. Transport policy， 1996， 3（3）：127-141.

[30]MARGOLIS J. Municipal fiscal structure in a Metropolitan Region [J]. Journal of political economy， 1957， 65（3）：225-236.

[31]FRANK L D. An analysis of relationships between urban form （density， mix， and jobs： housing balance） and travel behavior （mode choice， trip generation， trip length， and travel time） [R]. Mode choice， 1994.

[32]WEI P， PAN H. Research on individual carbon dioxide emissions of commuting in periurban area of metropolitan cities：an empirical study in Shanghai [J]. Transportation research procedia， 2017， 25：3463-3482.

[33]蘇城元，陸鍵，徐萍. 城市交通碳排放分析及交通低碳發展模式——以上海為例[J]. 公路交通科技， 2012， 29（3）：142-148. [SU Chengyuan， LU Jian， XU Ping. Analysis of urban transport carbon emissions and lowcarbon development mode：a case study of Shanghai [J]. Journal of highway and transportation research and development， 2012， 29（3）：142-148.]

[34]IPCC. 2006 IPCC guidelines for national greenhouse gas inventories [R]. 2006.

[35]諶麗，張文忠，李業錦，等. 北京城市居住空間形態對居民通勤方式的影響[J]. 地理科學， 2016， 36（5）：697-704. [CHEN Li， ZHANG Wenzhong， LI Yejin， et al. Residential form in Beijing and its impact on residents commuting mode choice [J]. Scientia geographica sinica， 2016， 36（5）：697-704.]

[36]郭韜. 中國城市空間形態對居民生活碳排放影響的實證研究[D]. 合肥： 中國科學技術大學， 2013. [GUO Tao. An empirical study on the influence of Chinas urban life carbon emissions on urban form [D]. Hefei： University of Science and Technology of China， 2013.]

[37]魏慶琦，陳佳列，肖偉. 重慶市居民出行碳排放資源利用效率研究[J]. 生態經濟， 2016， 32（10）：79-83. [WEI Qingqi， CHEN Jialie， XIAO Wei. Research on the carbon emission resource using efficiency of urban passenger transportation： a case study of Chongqing [J]. Ecological economy. 2016， 32（10）：79-83.]