城市交通運輸碳排放預測模型及碳減排策略

肖 紅,鄧梓浩,任艷娟, 任曉紅

(1. 重慶交通大學 經濟與管理學院,重慶 400074; 2. 重慶航天職業技術學院 航空與旅游管理學院,重慶 400021)

0 引 言

根據國際能源署數據,2020 年交通運輸的碳排放占全球碳排放量的26%,且隨著社會經濟發展,全球交通碳排放仍在持續增長。2019年中國交通運輸業的碳排放量達到9.1×108t,占全國碳排放總量的9.17%,交通運輸行業是能源消耗及碳排放三大行業之一, 是應對氣候變化的重點領域。同時, 作為國民經濟發展的先導性和基礎性行業, 交通運輸行業在 2030 年前仍將保持快速發展態勢, 交通運輸行業碳排放總量控制將是我國 2030 年碳排放達峰的重要影響因素[1]。

目前關于交通運輸業低碳減排研究,主要集中于碳排放影響因素分析和碳排放量預測研究。

梳理已有文獻將交通運輸系統低碳減排影響因素分為4大類:社會經濟發展、交通運輸系統、能源結構及消費和環境控制4大類。姚宇等[2]和徐雪藝[3]利用Kaya恒等式研究交通運輸系統的低碳減排,考慮經濟水平、產業結構、周轉量、碳排放和碳稅等影響因素;鐘興菊等[4]和張琳翌[5]分別運用IPAT和Laspeyres研究交通運輸系統低碳減排,考慮經濟水平、人口、產業結構等因素;卞利花等[6]和陳亮等[7]運用STIRPAT對經濟水平、人口、城鎮(城市)化、周轉量等因素進行分析;高標等[8]運用STIRPAT模型,揭示了人口總數、人均 GDP、單位 GDP 能耗、交通運輸投資額、城市化率、私家車數量等因素進行了分析;高標等[8],G.R.TIMILSINA等[9],魏慶琦等[10]利用LMDI分析了經濟水平、能源結構、能源強度和碳排放等因素。

國內外交通碳排放量預測研究方法。M.ICHINOHE等[11]利用MARKAL模型對日本汽車行業的二氧化碳排放進行分析;H. LIIMATAINEN等[12]使用德爾菲法預測2030 年芬蘭公路貨運碳排放情景;楊巖等[13]構建基于系統動力學(system dynamics,SD)的北京城市客運交通能源消耗模型,模擬包含經濟、人口、城市交通和交通能耗4個子系統。

考慮到交通運輸低碳減排系統是一個高階的動態復雜系統,與地區經濟發展水平、產業結構發展、交通運輸結構等一系列因素都有著密不可分的聯系。系統動力學正是擅長處理強非線性、高階次、多變量、多重反饋、復雜時變、周期性大系統問題的方法,重慶作為國家首批低碳經濟發展試點城市之一,在積極承擔起節能減排的重任。

以重慶的交通運輸系統為研究對象,在對交通運輸系統與經濟、能源和環境進行相關關系分析的基礎上,構建基于系統動力學的交通運輸碳排放預測模型,利用ARIMA模型進行時間序列對模型的表函數預測,建立量化系統因素之間的關系;模擬不同發展模式下的碳排放特征以設定相應的情景,對其能耗與碳排放進行測算,從而找到最優策略以減少交通運輸能源消耗與碳排放。

1 交通運輸低碳減排系統分析

1.1 系統界限確定

通過研究運輸子系統、經濟子系統、能源子系統、環境子系統相互關系與反饋,以測算交通運輸系統能耗和碳排放,如圖1。

圖1 交通運輸碳排放預測系統結構

1.2 模型假設

為了將現實系統簡單化和抽象化,做如下假設:

1)交通系統與經濟、能源與環境子系統關聯緊密,因此模型主要假設交通系統受經濟、能源與環境3個子系統的影響[14]。

2)由于重慶管道運輸周轉量低,且運輸的物品沒有可替代性,筆者只考慮鐵路、公路、航空、水運4種運輸方式構成的交通系統。

3)根據重慶市及我國的經濟增長狀況,假設重慶市的經濟增長、交通運輸系統發展、能源消耗量和人口增長保持穩定發展,各種能源價格和運價維持穩定。

4)統一運輸子系統計量單位,將客運周轉量按照一定的比例轉換為貨運周轉量。

5)由于筆者選取的是自下而上的二氧化碳計算方式,能源子系統中能源消費量指標只計算移動端,不計算設施設備等固定端的能源消耗[15]。

1.3 系統因果關系

基于1.2節中假設,利用Vensim軟件對交通系統與經濟、能源與環境子系統之間的因果關系和內部邏輯結構進行分析,如圖2～圖4。

圖2 交通運輸與經濟子系統因果關系

其中主要反饋如下:

1)圖2是一個正反饋回路,社會經濟的發展使得人均GDP不斷提升,人們在交通上的花費增加,帶來出行需求和出行距離的增加,從而提高交通運輸周轉量,帶來運輸產值的增加,從而促進經濟發展。

2)圖3是一個正反饋回路,能源是為交通運輸子系統提供各種動力物資。交通運輸產業的發展,造成能源消耗量增加,在能源價格的調控下使得能源成本呈上升趨勢,增加了交通運輸業的產值。這就需要通過提高能源使用效率與節能技術來減少能耗。

圖3 交通運輸與能源子系統因果關系

3)圖4是一個正反饋回路,依靠政府制定的減排政策如:交通運輸環保投資來提高能源效率,從而約束交通運輸業的排放行為,達到減排的目的。

圖4 交通運輸與環境子系統因果關系

2 交通運輸碳排放預測SD模型構建

2.1 碳排放系統存量流量圖

基于1.2節假設和1.3節系統因果關系,構建交通運輸碳排放系統動力學模型,碳排放系統存量流量圖如圖5。系統動力學SD模型中時間間隔為年份的一組時間序列,稱之為表函數。在模型中,針對表函數引用ARIMA模型對其中GDP增長率、交通工具單位能耗進行時間序列分析。

圖5 碳排放系統存量流量

2.2 模型主要參數說明

模型主要數據來源于《中國鐵道年鑒》、《重慶統計年鑒》、《中國機動車污染防治年報》等、以及交通碳減排的相關文獻和權威網站等,主要參數說明如下。

2.2.1 GDP增長率

SD模型模擬時間為2000—2030年。差分整合移動平均自回歸模型(autoregressive integrated moving average model,ARIMA)模型是一種計量經濟模型,通過深度分析數據間歷史性因素的聯系,來預測數據演變,采取ARIMA預測GDP增長率。由于筆者考慮到交通運輸產值對區域經濟產生的影響,因此,GDP受到交通運輸產值(TP)與經濟增長量(GD)的雙重影響,模型中經濟增長率需剔除原始數據中交通運輸產值對其貢獻:

(1)

筆者以《重慶統計年鑒2019》中的1950—2018年經濟增長率剔除交通運輸產值后的重慶市GDP增長率作為樣本數據(圖6),利用SPSS軟件進行模擬計算。選取1950—2014年的經濟增長率構建ARIMA模型,并用統計年鑒2015—2018年的數據對模型進行檢驗與評價。

圖6 重慶GDP增長率(1950—2018)

利用SPSS軟件,為符合ARIMA模型要求,對季節性因素和平穩性數據進行分析,結果表明其受歷史因素影響大,無需對季節性分析,可通過改變差分進行預測。根據SC準則、AIC準則、H-Q信息準則判斷其最符合的模型為ARIMA(0,1,0)模型,預測結果如圖7。

圖7 模型預測結果(SPSS)

從圖7中可以看出,預測數據Observed與原始數據Fit存在一年錯峰時間,除特殊年份的峰值波動外的模型返回的模擬結果較好,將其所求結果帶入SD模型。

2.2.2 能源CO2排放系數

能源排放系數根據不同運輸方式的能源消耗量和與其對應的二氧化碳排放系數進行計算。在計算中,由于煤炭在交通運輸移動端沒有使用量,因此不予考慮;各類能源二氧化碳排放系數如表1。電力在使用過程中不產生碳排放,計算如式(2):

表1 構成二氧化碳排放系數的各類能源參數

(2)

2.2.3 能源消耗折算系數

由于不同能源的相關數據統計單位是不同的,不能進行直接比較,因此需將按照標準煤折算系數轉換為以標準煤(SCE)為單位的數據。標準煤折算系數如表2。

表2 標準煤折算系數

2.2.4 新能源汽車單位能耗

新能源汽車的衡量指標,我國在2015年4月公布的《關于2016—2020年新能源汽車推廣應用財政支持政策的通知》中,文中引入“噸百公里電耗”作為衡量標準。

2.2.5 天然氣船舶單位能耗

天然氣船舶的燃油能耗依據《中國船舶大氣污染物排放清單報名》,公式為:

Y=(?×Zk+Zh)×YZ/10 000 000

(3)

式中:Y為船舶燃油消耗量,104t; ?為客貨換算系數;Zk為客運周轉量,萬人/km;Zh為貨運周轉量,104t/km;YZ為船舶消耗系數,kg/104km。

以《重慶統計年鑒2018》中的數據進行計算,將得到的結果進行單位轉換后,除以客貨換算量,再通過燃料油與LNG熱值換算,天然氣船舶的單位能耗為0.038 04 104t/108t·km。

2.3 模型主要方程說明

2.3.1 客運周轉量

利用SPSS軟件對整理后的數據進行OLS回歸分析,得到變量之間的回歸方程。客運周轉量(PT)回歸分析的結果如表3。

表3 OLS回歸分析結果

由表3可知,將PG(人均GDP)和PC(人均交通消費量)作為因變量進行線性回歸分析,得到模型公式如(4),其中10 000為單位換算。

PT=134.151+0.122×PC-0.009×PG×10 000

(4)

2.3.2 貨運周轉量

利用Vensim軟件自帶的IF THEN ELSE函數來描述貨運周轉量(FT)的總值,當運輸效率FI<1,說明供小于求;當運輸效率FI>1說明供大于求。貨運需求量需減去供給缺口FG(交通運輸基礎設施的供給能力增量TI×轉換系數TT),方程描述如式(5):

FT=FD-FG

(5)

2.3.3 二氧化碳排放增加量

二氧化碳排放增加量=內燃機車能耗×內燃機車排放系數+天然氣船能耗×天然氣船排放系數+天然氣車能耗×天然氣車排放系數+柴油車能耗×柴油車排放系數+汽油車能耗×汽油車排放系數+燃料油船能耗×燃料油船排放系數+電力機車能耗×電力機車排放系數+新能源汽車能耗×新能源汽車排放系數+航空能耗×航空排放系數

3 交通運輸碳排放預測SD模型檢驗

為了驗證文中所建立的模型模擬結果的可靠性和有效性,需要對模型進行檢驗。筆者借助系統動力學軟件Vensim進行3個方面的檢驗。

3.1 模型結構適合性檢驗

3.1.1 量綱一致性檢驗

模型數據均來自于對歷史數據的整理與統計,利用Vensim模擬,結果顯示模型通過了模型結構檢驗與單位檢驗。

3.1.2 極端條件檢驗

極端條件檢驗的主要對象是速率方程,如對GDP速率方程檢驗,在僅有交通運輸產值的作用下,當GDP增長率(GR)為0時,模擬的GDP曲線Test 1,增長幅度減緩,并不斷趨于平穩,模擬值與實際情況一致,因此模型通過極端條件檢驗。模擬結果如圖8。

圖8 模型極端條件檢驗

3.2 模型行為適合性檢驗

文中對參數靈敏度測試是將交通消費比重(TC)分別提高10%(Test 2)及20%(Test 3),以觀察客運周轉量(PT)的變化,模擬結果如圖9。結果顯示:隨著TC不斷增加,PT呈現遞增的趨勢,數據趨勢平緩。因此,模型通過靈敏度檢驗。

圖9 PT參數靈敏度檢驗

3.3 模型實際一致性檢驗

由于交通運輸業的二氧化碳排放量數據,重慶市沒有官方的數據口徑統計,在模型數據檢驗這里選擇3個指標即:人口(CQ)、國民生產總值(GD)、能源消耗量(EC)進行一致性對比,對比結果如表4。除個別年份外,2000—2018年重慶市這3個指標數據誤差值均在合理范圍內:重慶市總人口的模擬值誤差在4%以內,重慶市GDP模擬值的誤差在5%～7%,重慶能源消耗總量的模擬值誤差在10%以內,模型的模擬結果與實際的結果擬合程度較高,因此,模型通過數據檢驗。

表4 GD與CQ模擬結果

4 碳減排模擬策略分析

2017年1月,國務院發布《“十三五”節能減排綜合工作方案》,指出交通運輸業低碳減排方案包括交通運輸結構改革、優化產業與能源結構、節能減排技術支撐等。將這三方面分別進行策略模擬分析,以確定不同減排方案的減排效果。

4.1 優化產業與能源結構

產業結構方面。考慮到2017—2020年重慶市第三產業占GDP的比重發展趨勢,可以看出:重慶市第三產業的比重應該有很大的上升空間,所以分別將重慶市第三產業比重提升5%(情景1)和10%(情景2),計算結果如圖10,說明產業結構的調整比例,能夠起到碳減排的作用。

圖10 產業結構調整模擬結果

能源結構方面。根據國務院2020年10月頒布《新能源汽車產業發展規劃(2021—2035年)》,規劃指出到2025年,新能源汽車新車銷售量達到汽車新車銷售總量的20%左右;到2035年,純電動汽車成為新銷售車輛的主流。設置情景如下:情景3:柴油車比重降低5%,電力機車比重上升5%,汽油車比重降低10%;情景4在情景3基礎上降低燃料油船的比重15%;情景5在情景4的基礎上將燃料油船的比重再降低10%,汽油車和柴油車的比重再降低5%,結果如圖11。對比情景3和情景4,僅通過降低燃料油船的比重和增加LNG船舶的比重,帶來的減排率達到1.170%,因此通過推動清潔能源在交通領域的應用,是后續策略模擬研究的重點。

圖11 能源結構調整模擬結果

4.2 交通運輸結構改革

貨運方面:依據《重慶市推進運輸結構調整三年行動實施方案(2018—2020年)》以及我國的“一帶一路”戰略、重慶渝新歐鐵路建設和西部陸海新通道的建設和完善,將導致重慶市公路運輸的比重下降,鐵路和水運的比重將上升。設置情景如下:情景6貨運方面上升鐵路比重3%,上升水運比重2%,降低公路比重5%。客運方面:根據《重慶鐵路樞紐規劃(2016—2030年)》,到2030年,重慶主城將形成重慶北站、重慶西站、重慶東站、重慶站四大客運站,銜接18條干線鐵路的特大型鐵路樞紐。因此,重慶市將大大提高鐵路的比重。客運方面上升鐵路比重3%,降低公路比重5%,提高航空比重2%。情景7調整客運方面公路比重降低、鐵路比重增加一倍,貨運方面上升鐵路比重6%,上升水運比重4%,降低公路比重10%。客運方面上升鐵路比重6%,降低公路比重10%,航空比重調整至3%。

由圖12可見調整公路比重帶來的結果較為顯著。

圖12 交通運輸結構調整模擬結果

4.3 節能減排技術

節能減排技術主要從能源強度和排放強度兩方面著手。基于此設立情景:情景8降低航空單耗10%,情景9在情景8的基礎上分別降低汽油車和柴油車單耗10%,情景10在情景9的基礎上考慮降低內燃機車單耗10%,情景11在情景10的基礎上增加5%。計算結果如圖13,比較情景8和情景9發現降低公路單位能耗,可帶來節能率和減排率的迅速提升,效果顯著。比較情景10和情景11,發現節能減排邊際效率遞減。由于鐵路運輸中內燃機車運輸比重較低,情景10的模擬效果不甚明顯。需要從調整柴油和汽油的能源強度入手,在實際中通過促進研發汽柴油運輸工具和創新發動機技術等方面來提高產品能效。

圖13 能源強度調整模擬結果

排放強度方面基于目前能源消耗量比重最大的是汽油,其次是燃料油、煤油、柴油,設置情景如下:情景12降低柴油排放系數10%;情景13在情景12的基礎上降低煤油10%;情景14在情景13的基礎上降低燃料油10%;情景15在情景14的基礎上降低汽油10%,模擬結果如圖14。調整汽油排放系數后,碳排放量可以大幅度降低。

圖14 排放強度調整模擬結果

基于上述分析,節能減排效果的強弱排序為:產業結構調整>排放強度調整>能源結構調整>運輸結構調整>能源消耗強度。

5 結 論

得到的主要結論如下:

1)利用ARIMA模型對模型的表函數進行時間序列預測,可以提高模型參數的準確性。

2)以2000—2018年重慶市的相關數據為基礎,構建基于經濟子系統、運輸子系統、能源子系統和環境子系統的碳排放系統預測模型,并對具體的碳排放策略進行場景設計。從優化產業與能源結構、交通運輸結構改革、節能減排技術支撐等3個方面策略綜合模擬分析,得出節能減排效果強弱排序為:產業結構調整>排放強度調整>能源結構調整>運輸結構調整>能源消耗強度。

3)降低重慶的碳排放可以采用優化產業與能源結構、交通運輸結構改革及使用節能減排技術等方面綜合調整途徑入手。