低碳出行導向下新城居住區建成環境優化研究
——以上海市松江新城為例

■ 呂雄鷹 LYU Xiongying 潘海嘯 Pan Haixiao

0 引言

上海市“十四五”發展規劃提出，要按照“產城融合、功能完備、職住平衡、生態宜居、交通便利”的發展要求，重點打造嘉定、青浦、松江、奉賢、南匯等五個新城。松江新城作為五大新城之一，人口和發展經濟規模位于新城前列。“十四五”時期，是“新城發力”的重要機遇期，產業迅速發展將帶來機動車保有量的迅猛增加，郊區相對粗放的土地利用和寬大馬路，導致更高的汽車擁有率和更長的出行距離，郊區交通出行碳排放增長趨勢明顯高于中心城區。

為落實建設生態宜居型新城的發展目標，減緩交通碳排放增長趨勢，以低碳交通為導向，通過建成環境的優化來引導社區居民綠色出行，是當下新城發展的重要著力點。本文以松江新城為例，選取不同建成年份的居住區，通過居民出行調查數據分析，得出其出行特征和碳排放規律，并結合居民出行碳排放與居住區周邊建成環境指標的相關性分析，識別影響碳排放最為顯著的建成環境要素，提出相應的規劃發展建議，從而為上海市其他地區打造生態宜居型新城提供規劃指引。

1 居住區碳排放研究進展

1.1 居住區碳排放影響要素研究

居住區碳排放是城市碳排放的基本組成單元，除能源、基本生活物質外，交通碳排放是居住區碳排放的重要組成部分。朱雪梅（2014）研究廣州居住區碳排放結構發現，家庭能源碳排放占比最高，接近60%；其次是交通出行，占比約20%；再次是食物碳排放，占比約15%；其余水、衣物和垃圾等碳排放約占5%[1]。Santamouris 等人研究發現，影響家庭能源碳排放的因素主要是，家庭的收入水平，決定了居住面積、住宅年齡和樣式以及家庭使用設備類型等[2]。國內外學者研究發現，居住區碳排放主要通過住區的選址優化、交通設施配套、綠化環境營造和建筑單體的節能改造等多種手段實現[3-4]。

建筑節能減碳已有許多相對成熟的技術，但影響交通出行碳排放的因素更為復雜。IBI 集團在加拿大多倫多居住區調查研究發現，交通碳排放與汽車擁有量、行駛里程、家庭收入及人口數，以及社區規劃設計、實施方式等關系密切，尤其是交通區位、社會經濟屬性變量，比設計變量對碳排放的影響更為顯著[5]。吳婕（2013）通過對廣州居住區大樣本調查研究發現，影響居住區碳排放的因素包括社區建筑、交通、居民物質消費等方面，其中，影響交通碳排放的因子為交通區位、社區到CBD 的距離、1 km 范圍內公交線路數和地鐵線路數，以及汽車保有量和人均月收入等指標[6]。碳排放評估方法研究主要集中在多元線性回歸和因子相關分析，由于居住區碳排放的影響要素眾多，一般包括能源碳排放、物質碳排放和交通碳排放等方面，多元線性回歸能夠很好解決兩個或兩個以上變量之間的回歸分析問題，并且能夠綜合確定各自變量對因變量的影響程度[7]。同時，結合因子自相關性分析，采用逐步篩選方式，保留主要因子、剔除次要因子和自相關影響因子，從而識別影響碳排放最為顯著的因子，為制定低碳排放的規劃策略提供量化支撐依據。碳減排措施的相關研究包括，陳飛（2009）通過模擬三種情景下上海市碳排放增長趨勢，提出上海市低碳發展策略，包括：緊湊型土地利用、鼓勵公交及慢行發展、提高燃油稅和停車費抑制小汽車使用、加強新能源推廣和應用等[8]。項宏艷（2020）通過對南京主城區典型居住區的研究提出，在外圍新建社區，鼓勵規模適中、建筑緊湊的混合開發模式；完善社區內部交通設施，如錯峰停車、優化自行車和步行道設施、構建公交與自行車的換乘系統等；此外，加強綠色出行宣傳引導，減少非必要的通勤機動化出行等[9]。總結以上研究可以發現，影響居住區交通出行碳排放的主要要素可以歸納為以下幾類，分別是居住區的建成環境、區位、交通和生活習慣等。為了改善居住區的碳排放，有必要根據實證調查數據，從建成環境和交通出行方面進行深入研究。

1.2 建成環境對居住區碳排放影響研究

建成環境要素5D 包括密度（Density）、多樣性（Diversity）、設計（Design）、目的地可達性（Destination Accessibility）、到公交站點的距離（Distance to transit），建成環境是影響居民交通出行碳排放的重要因素。Globe 和Brownstone 研究發現，高密度開發能有效降低居住區交通碳排放，并且，這種作用在居住區周邊比在居住區內部表現更為顯著[10]。黃曉燕（2015）針對廣州不同圈層三個居住小區的研究發現，社區通勤碳排放中，60%左右的碳排放量是由20%的高碳排放通勤者所產生。中心區和邊緣區的通勤排放不均衡性更明顯，此外，不同的出行方式、出行次數和月均收入以及人口密度，在不同街道對碳排放影響的差異性較為顯著[11]。王偉強（2016）以上海曹楊新村為例，結合居住區模式研究發現，居住密度與碳排放呈現非線性關系，設施多樣性與碳排放正相關，交通站點可達性與碳排放負相關，且居住區交通碳排放同時受到物質空間和社會經濟雙重因素作用[12]。

上述研究表明，國內外學者對居住區碳排放的研究主要集中在相關要素指標的建立、碳排放評估模型優化和低碳規劃措施等方面，但受到相關數據獲取的局限，研究尺度多集中在特定類別或特定范圍內的居住區，針對郊區新城的居住區研究較少，而且基于傳統居民出行調查數據與開放多元數據融合分析還不夠深入。因此，本文以上海松江新城居住區為研究對象，基于居民出行調查和開源數據的融合分析，選定不同類別的居住區，識別影響各類居住區碳排放的建成環境要素，為郊區新城的低碳化發展提供更具針對性的規劃指引。

2 數據獲取與研究方法

2.1 數據來源與指標構建

根據松江新城居住區的交通區位分布，分別以距離軌道站點1 km、3 km 和5 km 為圈層，并結合居住區建設年份、戶數、層數和容積率等指標，選取松江新城內部20 個典型居住區（圖1）。為使調查樣本更具代表性，選取的居住區涵蓋了老舊居住小區、動遷安置房、經濟適用房、花園小區、大型居住社區等多種類別。針對選取的20 個典型居住區開展抽樣入戶調查，共完成1 051 戶，2 798 人次的出行調查，剔除異常數據，實際有效出行2 350 人次，有效樣本率為84%。以居民交通出行碳排放為因變量，分別將建成環境要素、個人家庭經濟屬性要素和居住區類型作為自變量，各規劃控制指標層定義見表1。建成環境5D 要素內涵及具體測度方法見表2，以各居住區形心點為起點，測算其1 km 半徑范圍內的建成環境要素指標。并在原有5D要素基礎上，本研究還考慮了以居住區的停車配建水平作為交通需求管理要素，從而更全面地分析居民交通出行碳排放與建成環境的相關性。

2.2 研究方法與數據處理

2.2.1 碳排放計算方法

居民出行碳排放是指居民在日常出行過程中所產生的碳排放量，龔詠喜（2013）提出，采取某種交通工具從出發到抵達目的地過程中所產生的CO2的排放量[13]。對于居民出行碳排放的計算通常有兩種方法，一種是根據居民所采用的交通工具燃燒燃料所產生的CO2排放量；另一種是通過居民所采取的出行方式和出行距離進行計算。本文采用第二種，以居民每次采取的出行方式碳排放系數乘以居民的出行距離，來計算居民的單次出行碳排放量，然后累加到全天的出行次數及不同次數下采取的對應出行方式和出行距離，匯總后即得到居民的日排放量，計算公式如下：

式中，Ec，j為居民使用交通方式j 單次出行碳排放量（g）；Wj為交通方式j 的碳排放強度（g /人km）；Sj為使用交通方式j 的單次出行距離（km）。

圖1 典型居住區空間分布圖

表1 居住區居民碳排放調查指標匯總表

表2 居住區建成環境指標定義及測度方法匯總表

式中，EC為居民出行碳排放量（g）；ECi為居民單次出行碳排放量（g）；n為出行次數。

對于碳排放強度的確定，本研究通過查閱相關參考文獻（潘海嘯，2019；朱洪，2014）[14-15]，綜合考慮上海實際情況，采用碳排放計算因子見表3。

2.2.2 相關性分析方法

參照國內外相關研究成果，居民出行碳排放與建成環境、居民個體家庭經濟屬性的相關性分析，多采用多元線性回歸模型，公式如下：

式中：y為因變量，即居民出行距離；xi為自變量，即建成環境的要素、個人家庭經濟屬性和居住區類型等變量；a0為常數項；ai為回歸系數，即各類自變量因子對居民出行距離的影響程度；u為殘差。

根據上述原理，本研究采用SPSS 24.0 軟件，首先，對建成環境的“5D”要素各因子與碳排放進行相關性檢驗，選取相關性顯著的因子；其次，建立交通碳排放與建成環境、居民個體經濟屬性之間的多元線性回歸分析模型；然后，比較相關性分析的R2方值及各要素的系數值來判定顯著程度及正負相關性；最后，結合碳排放影響最顯著的因子，制定低碳導向下的新城建成環境優化策略。

3 居住區碳排放及建成環境相關特征

3.1 數據統計分析

將選取的居住區按照建成年份劃分為2000年之前、2000年—2006年、2006 年之后三類，分別用A、B、C表示；同時，按照居住區層數即多層（≤6 層）、小高層（7～11 層）、高層（≥12 層）進行分類，分別用L、M、H 表示。綜合考慮以上兩種分類方法及所選居住區類別，本次研究共分為六大類，基本代表了三個建成年代的居住區特征，即建成年代早的居住區以多層為主，年代較新的居住區以小高層和高層為主。按照居住區類型，分別統計居民個人及家庭經濟屬性、交通出行特征和建成環境等連續性變量值（表4）。

表3 交通出行碳排放強度推薦值

由表4 可知，從人均單次碳排放來看，2006 年以后建成的多層居住區碳排放最高，且戶均車位配比也最高，同時，從圖2居民出行方式也可知，該類居住區居民小汽車出行比例高達50%。而單次交通碳排放較低的為類型三，即2000 年—2006 年間建成的高層小區，其出行方式比例中助動車達到最大值為36.7%，且其戶均車位配比相對較低，僅為0.35 輛/戶。

從圖3 和圖4 的各類型居住區居民文化程度和職業分布情況來看，總體上居住在新建小區且多為高層住宅的居民，其文化程度相對較高，職業也多以專業技術人員和行政管理人員為主，而且個體機動化出行比例也相對較高。對于類型四新建多層居住區，主要集中了部分高檔別墅區，因此，其受教育程度相對較高、個體機動車出行比例高達50%。

有別于相關研究出行碳排放“60-20”準則，即社區通勤碳排放中，60%左右的碳排放量是由20%的高碳排放通勤者所產生，將松江新城所選的居住區全部有效調查為樣本，按單次碳排放量升序排列發現，碳排放總量的77.9%是由碳排放最高的前20%的居民所貢獻的，即更接近“80-20”準則，如圖5 的洛倫茲曲線可知，其曲率越大，居住區出行碳排放不均衡性越明顯，少數高碳排放家庭貢獻了絕大部分碳排放總量。

3.2 相關性變量及碳排放回歸分析

首先將表4 中統計要素與碳排放進行兩兩之間相關性分析，篩選出與居民出行碳排放有顯著相關的因素，通過Pearson 相關性分析結果可知，與碳排放影響顯著的因素見表5，主要包括居住區特征中的小區用地面積和建成年份，建成環境要素中的用地混合度、道路網密度、公交站點密度等，以及個人家庭經濟屬性中的職業和家庭是否有車等指標。

表4 居住區碳排放相關屬性特征調查數據表

再將碳排放作為因變量，分別建立與相關要素之間的回歸分析模型，統計回歸結果見表6，并分析各變量對碳排放的影響機制。

由表6 相關性回歸分析結果可知，在居住區特性要素中，居住小區規模（占地面積）與碳排放正相關，即居住小區規模越大，平均單次出行碳排放越高，這是由于居住區面積越大，居民機動化出行水平越高，從而碳排放越高。從建成年份相關性來看，由圖2 可知，建成較早的居住區居民步行和非機動車出行比例相對較高，從而人均碳排放較低。

圖2 各類型居住區居民交通出行方式分布圖

從個人及家庭經濟屬性來看，居民碳排放與離退休、家庭有車這兩類因素高度正相關，即離退休居民時間、經濟條件較為充裕，家庭擁有小汽車的這類居民機動車出行比例較高，從而碳排放較高。

從建成環境要素來看，居住區周邊的道路網密度、戶均車位配比與碳排放正相關，即道路網密度的提升，在某種方面是為機動車出行提供了便利；同時，戶均車位配比越高，越有利于機動車出行，從而碳排放越高，這也表示，僅僅靠提高道路網的密度，縮小街區也并不能促進生態、低碳的發展。此外，用地混合度和公交站點密度與碳排放負相關，即適度提升居住區周邊的用地混合度，以及進一步提升公交站點密度，有利于居民就近解決日常出行需求，并有利于提高公交出行比例，從而降低居民碳排放。

圖3 各類型居住區居民文化程度分布圖

圖4 各類型居住區居民職業分布圖

圖5 松江新城居民出行碳排放洛倫茲曲線圖

表5 與碳排放相關的因素Pearson 相關性參數匯總表

3.3 其他變量影響結果分析

除表6 中與碳排放線性顯著相關的要素外，對于其余相關性不顯著的建成環境要素，分別建立與碳排放的柱狀曲線分析見圖6。

圖6 碳排放與其他非線性相關要素的相關性分析圖

表6 碳排放相關因素回歸系數匯總表

對于居住區人口密度，總體上呈現人口密度越高，即居民居住越集中，出行碳排放越低。但對于類型二即建成年份在2000 年—2006 年間的多層居住區，其居住人口密度低于類型五和類型六等2006 年后建成的中高層居住區，而類型二居住區的人均碳排放密度依然相對較低。從圖2可知，與類型五和類型六相比，類型二居民的小汽車出行比例相當，但公交車出行比例相對較高，人均碳排放也較低。

對于居住小區的平均容積率，其值越高人均碳排放越低。但對于建成年份較新、且容積率較低的居住區，如類型五，人均碳排放相對較高。這是由于部分居住小區為低層的別墅區，居住人口密度和容積率相對較低，機動化出行比例高。因此，不能簡單追求建筑高密度、居住人口高集聚，應實現緊湊型開發，并控制合理的容積率，因為過高的容積率反而會帶來高強度建筑材料使用和高制熱（冷）需求而導致高能耗。

從POI 密度與碳排放相關性可知，總體上POI 密度越高，居民日常服務設施越集中，越能就近解決日常出行需求，居民出行碳排放越低。但對于類型六，建成年份較新的高層居住區，當其POI 密度進一步集聚之后，人均碳排放反而增大，這是由于過度集聚的公共服務設施，反而會吸引大量不必要的交通出行，從而帶來更高的人均碳排放。

從碳排放與軌道站點距離關系可知，距離越遠碳排放越高，并在距離軌道1.5 km 左右，達到人均碳排放高峰值，這是由于該距離已經超出居民日常步行能接受的范圍，如類型四居住區居民的小汽車出行比例高達50%，人均碳排放達到最高。而從類型三開始，呈現斷層波動，即超過1.5 km 的居民碳排放先變小后增大趨勢。因此，對于與軌道距離超過1.5 km 以上的居住區，軌道對居住區的服務作用十分有限，應重點優化公交線路設計，合理規劃中運量公交網絡，提供更多樣化的公共交通出行選擇，提升公交出行比例，降低居住區碳排放。

4 研究結論與建議

4.1 高碳排放居住區是交通碳排放的主體

經分析發現，本文所選松江新城居住區前20%高碳排放量之和占總碳排放量的77.9%，即更接近“80-20”準則。如何有效引導高碳排放的居住區居民更多地采用公共交通出行，適度降低其出行碳排放是實現郊區新城低碳排放的重要突破口。高碳排放居住區普遍為居住區占地面積大、建成年份較新的多層小區，人口密度和容積率也相對較低，居民出行呈現較高的個體機動化特征。

4.2 居住區碳排放不可忽視社會經濟屬性作用

影響居民碳排放的兩大社會經濟屬性要素包括居民的職業和是否有車。社會經濟屬性存在用戶自選擇性，即特定收入人群會根據經濟條件自發選擇適合的居住小區，如忽略該部分要素會放大建成環境的影響作用。從影響程度來看，退休居民時間和經濟較為充裕，且與有車家庭更傾向于機動車出行有關。因此，可以通過發放老年免費公交卡、適度提升停車收費等經濟手段，積極引導居民選擇公共交通出行。

4.3 引導居住區低碳出行應同步實施建成環境優化和交通需求管理

與碳排放正相關的建成環境要素包括：道路網密度和戶均車位配比，即郊區新城在適度增大地區路網密度的同時，應避免傳統郊區化、大街區、寬馬路的格局，除采用規劃手段優化建成環境、縮小出行距離、減少小汽車出行依賴外，還應該同步采取交通需求管理措施，如優化公交線路設計、合理設置機動車停車配比、適度提高停車收費等，切實提升公交出行比例，降低不必要的個體機動化出行。

與碳排放負相關的建成環境要素包括：用地混合度和公交站點密度，即對于郊區新城新建居住區，應合理配置居住與公共服務設施比例，并根據居住人口密度合理設置公交站點密度，實現公交站點300 m 范圍內覆蓋的人口比例不低于80%，將傳統的公交站點面積覆蓋率指標轉化為服務人口指標，切實提升公共交通可達性，引導居民采用公交出行，有效降低居民出行碳排放。

4.4 除軌道交通外應提供多模式網絡化公共交通服務

受限于建設費用、運行效率及客流規模等多重客觀原因，新城通常有且僅有一條軌道交通連接市區，對距離軌道站點較遠的居住區服務作用十分有限。因此，一方面，應建立干線鐵路、城際鐵路、市域（郊）鐵路和城市軌道交通等“四網融合”的軌道交通網絡系統，并重點完善新城中運量網絡和常規公交體系，提供多模式網絡化的公共交通出行選擇；另一方面，還應加強遠郊軌道站點的停車換乘（P+R）規劃，重點完善居住區周邊公交站點布局，并加強與臨近軌道站點交通接駁，進一步拓展軌道交通服務范圍。

此外，對于居住區人口密度、容積率及POI 密度等指標，也并非密度越大、越集聚碳排放越低，而是要適度實現緊湊開發。尤其是對新城內新建居住區周邊，要合理規劃居住和就業崗位分布，規劃職住平衡、功能混合的空間結構，讓居民在短距離內以公交和慢行出行方式即可抵達工作崗位和日常活動點。同時，應積極推進新城范圍內全域貫通、綠色友好的慢行網絡，營造高效便捷的智能出行場景，探索共享出行、綠色出行新模式。

5 結語

本文以松江新城典型居住區為例，探討了影響居民出行碳排放的相關因素，由于數據獲取難度較大，僅選取了上海五大新城之一的松江新城，對其他新城居住區交通出行碳排放還缺乏全面的對比分析。因此，在今后相關數據可獲取的情況下，可進一步全面分析各大新城居住區特征、個人家庭經濟屬性和建成環境要素對居民通勤碳排放的影響，從而為上海市低碳宜居新城建設提供更具針對性和可操作性的規劃建議。