城市路網中車輛碳排放量的影響因素研究

張軍華

（中國華西工程設計建設有限公司武漢分公司，湖北 武漢 430074）

0 引言

一個城市的碳排放總量可能來自道路交通、非道路交通以及工業、商業、自然和住宅區域。道路運輸產生的碳排放量可用車輛平均公里碳排放量（Average Kilometric Vehicle Carbon Emission，以下簡稱AKVC）表示，即車輛以年平均行駛速度行駛1 km 時的年平均碳排放量。AKVC 可能與社會經濟和道路設施因素有關，如道路長度、人口數量、車輛數量以及車輛特性。此外，道路設施的特性會影響車速和駕駛員的行為。例如，交叉路口的存在要求駕駛員小心駕駛、降低車速，這可能會導致車輛碳排放量發生變化。同時，城市的車輛數量會影響擁堵程度或平均車速水平，這可能會導致城市中車輛碳排放總量或單個碳排放量的變化。

一般來說，車輛的碳排放包括二氧化碳、一氧化碳和碳氫化合物，其碳排率因車型、車速和車輛狀況而異[1]。由于已知二氧化碳排放量與其他元素的排放量之比高達100∶1，因此車輛的二氧化碳排放量可視為與車輛整體的碳排放量大致相同[2]。考慮到車輛速度和位置的時間變化，最準確的估計方法可能是測量車輛的二氧化碳排放量；或者使用包含車輛碳排放估算模塊的商業交通模擬軟件進行估算，只需簡單輸入交通量和城市路網狀況，即可方便地進行估算。然而，交通模擬軟件不能反映多樣化的排放率和城市條件的特殊性。排放率由不同的排放曲線表示，取決于不同的車輛類型、年限分布，以及城市中車輛的行駛速度。另一種比較實用的二氧化碳排放量估算方法是使用車輛速度近似地估算二氧化碳排放量。該方法基于車輛速度與特征碳排放量之間的關系曲線，反映了主流車型在一定速度條件下的碳排特性。大多數情況下，碳排放量是根據觀察到的車輛速度計算的[3-4]，通過收集碳排放數據來確定不同速度下的排放率，結合不同地區路網條件下的行車速度，對車輛的碳排放進行估算。

本文擬采用上述研究方法，以武漢市為例，基于各區域的車輛年平均速度，估算每個區域的AKVC[單位：g/（輛·km）]，研究并確定影響各區域AKVC 的主要因素。依據研究成果，可采取針對性措施以減少城市中車輛的平均碳排放量。

1 車輛二氧化碳排放特性及計算方法

1.1 二氧化碳排放特性

一般來說，車輛的二氧化碳排放特性是通過排放曲線來表示的，包含了距離、速度和行駛時間之間的相互關系。圖1 顯示了3 種車輛的二氧化碳排放曲線[4]。圖中車輛類型被簡化為私家車、公共汽車和貨車這3 種代表性類型。私家車的排放曲線形狀類似于L形，但實際形狀是不對稱的U形，表明當車速達到110 km/h時，車輛的二氧化碳排放量會進一步略微增加；公交車的排放曲線形狀類似于L形，曲線右側的排放水平隨著速度的增加而降低，即車速超過110 km/h后有利于減少此類車輛二氧化碳的排放量。一般而言，壓縮天然氣（Compressed Natural Gas，簡稱CNG）公交車在減少碳排放方面更為有利；貨車的排放曲線為U形，相對較低的碳排放區間在50～90 km/h。圖1中的3 條曲線有助于確定每種速度下的二氧化碳排放量，并將平均速度轉換為AKVC。

圖1 計算模型簡圖

1.2 AKVC 的計算方法

要獲得各區域的AKVC，應首先確定每個區域的代表速度。速度是衡量擁堵程度的替代指標之一[5]。每個地區的代表性平均速度由武漢市交通發展年度報告發布。

車速與車輛碳排放量之間的關系高度相關[1，3-4]，按區域計算AKVC 的方法如下：

式中：i 為按區域劃分的年平均車速，i=1～110 km/h；j為車輛類型，私家車=1，公交車=2，貨車=3；Cij為j型車輛在速度i 下的平均二氧化碳排放量，g/km；Wj為j 型車占所有車輛的比例，

本研究假設特定地區的平均碳排放量比車速本身更能代表特定地區的碳排放狀況。原因有兩方面：首先，AKVC 的數量是更詳細的變量，由于AKVC 的計算考慮了車輛類型的每個部分，因此假設每種車型都有一個代表性的碳排放率；其次，在車速低于30 km/h時，碳排放變化量比速度變化量更為敏感。

2 影響因素的分析方法

為了確定影響AKVC 的主要因素，采用逐步回歸分析法，分析流程如圖2 所示。與其他建模方法相比，逐步回歸分析法有較好的優勢。首先，計算是自動化的，不需要考慮相關性或殘差平方和；其次，可以根據變量因素自主選擇一種計算模型；再次，計算不考慮共線性。共線性是指變量之間的相關性非常高的情況，通常發生在對區域、社會或經濟數據的分析中，其中工資、價格、國民生產總值和人口趨勢等變量是相關的。表1 為各影響因素的統計及說明。

圖2 分析流程示意圖

表1 影響因素統計

從圖2 和表1 可以看出，變量是多樣化的，共有12 種主要影響因素。然而，變量間可能會相互影響，新的道路設施會影響社會經濟環境，同時社會經濟環境也會影響道路設施的規模。一般來說，人口增加會促進道路建設，道路的建設也會帶來人口的增加。這種循環關系表示為運輸生成周期，在多變量分析中經常出現高相關性或共線性。

3 案例分析

3.1 武漢地區特點

武漢是湖北省省會、中國中部地區的中心城市，長江及其最大支流漢江在城中交匯，形成武昌、漢口、漢陽隔江鼎立的格局，通稱“武漢三鎮”，全市下轄13 個區。圖3 顯示了武漢市各區的地理位置和形狀。就各地區的特點而言：江岸區、江漢區、硚口區、漢陽區、青山區、武昌區、洪山區等老城區道路網密度高且相對復雜；東西湖區、黃陂區、新洲區、江夏區、蔡甸區、漢南區等新城區路網密度較低，且分布形式相對簡單。

圖3 武漢市行政區劃圖

3.2 計算結果及分析

基于各影響因素統計信息，采用逐步回歸分析法對影響因素（自變量）進行簡單回歸分析：每公里的交叉口數（X2）的回歸系數（R2）最高，為0.430；使用X2和其他自變量進行多變量回歸，結果顯示其他11 個自變量的R2大于0.430；通過對X2檢驗發現，所有F 值大于F0.05，表明回歸模型令人滿意。最終的回歸模型如下：

（1）自變量與車輛平均碳排放量的相關性

交叉口數量（X1）、每公里交叉口數量（X2）、每公里交叉口數量/ 登記車輛數量（X5）以及每公里交叉口數量/ 道路部分面積占比（X6）與AKVC 相關。在這些類型的比較中，每公里交叉口數量（X2）與AKVC的相關性最強。變量X5和X6的相關性較弱，這可能是因為X5和X6是復合變量，并且具有每公里交叉口數量的組成部分。

（2）交叉口的影響

對于城市交叉口，主要關注的兩個指標是有信號交叉口的數量和區域內交叉口的總量。表2 顯示了這兩種交叉口指標的不同對AKVC 的影響。結果顯示：交叉口總量對AKVC 的影響大于有信號交叉口的數量對AKVC 的影響。上述結果同時表明，包括無信號交叉口在內的所有交叉口的總量在城市道路通行管理中非常重要，科學的管理可以提高車輛的行駛速度，減少速度變化，減少AKVC。

表2 有信號交叉口數量與交叉口總量的AKVC 比較

4 結語

在城市道路中，AKVC 會因每個區域的路網效率或社會經濟特征而出現一定的波動。因此，為了研究特定地區的AKVC，首先需要確定每個特征如何影響該地區的AKVC。本文主要研究結論如下：

（1）影響AKVC 的因素包括交叉口數量、每公里交叉口數量、道路面積的比例、登記車輛數量、通勤人數、人口數量、人口密度、土地總面積和道路長度。研究表明，每公里的交叉口數量是影響AKVC 的唯一因素。

（2）控制車輛平均速度，可以作為二氧化碳減排策略之一；控制交叉口的數量，可以減少城市的車輛碳排放。

（3）本文主要研究道路類型及其相關變量對單個車輛碳排放的影響，未考慮道路坡度、寬度等幾何特征，后續研究需要反映更詳細的道路特征對車輛碳排放的影響。