上海家庭出行碳排放基本特征、空間模式及影響因素研究

楊上廣　王春蘭　劉淋

摘要 伴隨著人口、私家車等不斷增長，中國大城市家庭出行碳排放在逐年增長，因此，如何降低出行碳排放成為低碳城市建設一項重要議題。本論文利用1 054份上海家庭碳排放的問卷調查結果，結合上海人口普查、經濟普查等相關經濟社會數據，分析了上海家庭出行的行為模式、家庭碳排放的基本特征、空間模式和影響因素等相關問題。研究發(fā)現，上海家庭出行模式呈現居住區(qū)位、住房類型和收入水平等差異。上海家庭通勤時間和通勤距離呈現倒“U”型曲線，即從市中心向外，呈現由低到高再低的格局。上海家庭出行碳排放呈現出類似出行模式的倒“U”型曲線，中心城區(qū)和遠郊區(qū)為低碳區(qū)，高碳區(qū)呈環(huán)狀分布于近郊區(qū)。家庭出行碳排放呈現高值聚集現象。家庭出行碳排放冷點區(qū)域十分顯著，呈環(huán)狀出現在中環(huán)線附近；熱點區(qū)域主要位于浦東新區(qū)，同時嘉定安亭片區(qū)出現幾個零散的熱點。從計量模型中可知，上海市家庭出行碳排放的主要影響因素是是否有汽車和住房的形式。調查顯示，等車時間過長、換乘不方便、速度太慢、擁擠、價格不合理和車站距離太遠是不少居民不選擇公共交通出行的原因。當前，上海居住開始郊區(qū)化，但就業(yè)、醫(yī)療、教育等資源仍然集中于中心城區(qū)，造成了資源配置與居住空間的不匹配，形成了高的出行時間和距離以及出行的高碳排放。未來上海市應重點疏解核心、邊緣城區(qū)優(yōu)質教育、醫(yī)療資源，在新城高標準配置優(yōu)質公共資源，形成多中心、多節(jié)點的空間模式；應鼓勵發(fā)展城市公共交通、快速軌道交通等低碳交通體系；在完善市內軌道交通的同時，應加大中心城區(qū)軌道交通向郊區(qū)延伸；應加強地鐵站點與公共汽車的順暢換乘，等等。

關鍵詞 出行碳排放；基本特征；空間模式；影響因素；上海

中圖分類號 TU984 文獻標識碼 A 文章編號 1002-2104（2014）06-0148-06 doi：103969/jissn1002-2104201406022

當前，全球氣候變化涉及的水資源安全、能源安全、生態(tài)安全等社會問題已越來越引起人們的關注[1]。碳排放是影響全球氣候增溫的主要因素，因此，如何降低碳排放成為世界各國公共政策的焦點問題之一[2]。隨著社會大眾對生態(tài)問題越來越關注，低碳也逐步走入人們的研究視野，碳足跡、低碳經濟、低碳發(fā)展等一系列新概念也應運而生[3]。城市是人類經濟活動的核心，也是能源消耗的聚集區(qū)[4-5]。IEA（國際能源機構）2011年能源碳排放報告中指出，從世界范圍來看，來自于電力供熱（electricity and heat）和交通的碳排放大約占到了全部碳排放的三分之二[6]。當前，低碳經濟和低碳城市一方面成為遏制全球增溫的首要選擇[7]，另一方面，也成為世界各國城市發(fā)展轉型的方向之一[8]。西方城市發(fā)展經驗顯示，當城市發(fā)展到中后工業(yè)化，隨著人口和小汽車的增長，以及產業(yè)結構的“去重工業(yè)化”和“軟化”，來自于居民交通出行碳排放所占比重會逐漸上升[9]，同時，合理的城市空間設計，有助于降低出行碳排放[10-12]。上海是中國人均能源消耗和人均碳排放量水平最高的地區(qū)之一。根據上海市統(tǒng)計年鑒數據整理，能源終端消費量從1980年2 130.56×104 t標準煤增加至2011年10 943.46×104 t標準煤，增幅413.6%。上海碳排放的增長與經濟計劃發(fā)展、人口增長、私家車增長等各種因素密切相關。本論文利用1 054份上海家庭碳排放的問卷調查結果，結合上海人口普查、經濟普查等相關經濟社會數據，分析了上海家庭出行的行為模式、家庭碳排放的空間模式，結合上海公共資源的空間配置和上海家庭出行行為模式選擇之間的關聯和錯位，探討了上海低碳出行和低碳城市建設的公共政策。

1 調查樣本的基本情況

1.1 數據來源

本次調查問卷發(fā)放和收取時間為2012年6月至9月。共發(fā)放1 200份問卷，合計有效問卷1 054份，問卷有效率為88%。共對上海市1 054個家庭，合計總人數2 689人進行了調查。調查地點包括小區(qū)、地鐵站、公交車站、上海書城、中山公園、虹口足球場、居委會等地方，盡量對上海市各收入層次、各職業(yè)類型、各年齡段居民碳排放情況都進行了調查。調查問卷包括社區(qū)環(huán)境、家庭出行情況、日常生活能源消耗、受訪家庭基本情況四部分。本次問卷調查樣本點數量與上海市2 300萬常住人口數量相比不到萬分之一，采用系統(tǒng)抽樣等方式有客觀上的難度性，故本次問卷采用隨機抽樣的方法，盡量保證了樣本分布的均勻性。為了探討樣本的代表性，我們從年齡結構、家庭結構、收入結構等各個方面，將問卷調查樣本與上海第六次人口普查數據進行了比較（見表1）。

調查中，受訪者中420戶家庭住房為2000年以后建造，371戶家庭為1990-2000年建造，1990年以前的住房較少。中低層住宅（2-6層）占比最大，為641戶；其次是高層住宅樓（6層以上），為304戶；平房為58戶；獨立或聯排別墅49戶，樣本家庭主要以中低層住宅和高層住宅為主。此外，調查樣本中，家庭住房購買的比重較大，為62%，租用比例為34%，自建住房比重較小，僅為4%，自建住房往往集中在遠郊如崇明縣、奉賢區(qū)、青浦區(qū)等區(qū)縣。

1.2 居民出行方式

調查數據顯示，上海家庭居民平時日常出行方式呈現出“一分為三”的態(tài)勢，即步行/自行車、公交車/單位班車、自駕車的比例相差不是特別懸殊，其中上班通勤與購物娛樂的出行方式有一定差別，居民上班出行對機動車的依賴度較大。上班出行方式當中，步行/自行車的比例為30%，公交車為39%，自駕車為31%。居民購物娛樂出行方式中，步行/自行車為40%，公交車為38%，自駕車為22%。

城市不同區(qū)位居民出行方式選擇呈現出一定差異。中心城邊緣及郊區(qū)居民上班出行對公共交通的依賴度較大，核心城區(qū)與近郊居民上班出行選擇自駕車方式的比例較大。各區(qū)位家庭的購物娛樂出行方式選擇呈現與上班出行方式選擇不同的特點，邊緣城區(qū)步行/自行車比例高，遠郊區(qū)自駕車比例高，核心城區(qū)與近郊區(qū)主要依靠公共交通。邊緣城區(qū)居民購物娛樂出行依靠步行/自行車的比例最大，為44.3%，遠郊區(qū)相應比例最??；核心城區(qū)與近郊區(qū)居民購物娛樂出行依靠公交車的比例較大，均約占四成左右，遠郊區(qū)相應比例最?。贿h郊區(qū)購物娛樂出行依靠自駕車的比例最大，為37.3%，核心城區(qū)、邊緣城區(qū)、近郊區(qū)相應比例均只有兩成左右。

2 上海家庭出行碳排放的空間分布特征

問卷調查數據顯示，以年為時間單位對調查樣本的交通方式碳排放統(tǒng)計中發(fā)現，公共交通碳排放量占比4%，小汽車/摩托車/出租車合計碳排放量占比96%，汽車成為城市碳排放的首要因素。 分區(qū)縣對平均家庭年均出行碳排放量值進行排序，平均家庭出行碳排量值最低為盧灣區(qū)203.58 kg/a，最高值為嘉定區(qū)2 594.15 kg/a；大部分區(qū)縣出行碳排放值分布在1 000-1 600 kg/a；碳排放值最高的嘉定區(qū)、青浦區(qū)、浦東新區(qū)、松江區(qū)均位于上海郊區(qū)（圖1）。家庭出行最低的是盧灣區(qū)、奉賢區(qū)、金山區(qū)、閘北區(qū)，區(qū)位特征差異較大。盧灣區(qū)位于上海市核心地段，交通便利，而奉賢區(qū)、金山區(qū)則屬于上海較為偏遠的地帶，居民遠距離通勤概率不高，因此反而降低了家庭出行碳排放量。

上海碳排放高的點在全市隨機出現，但出現在近郊區(qū)的頻率較中心城區(qū)和邊緣城區(qū)高，如位于黃浦江東面的浦東新區(qū)出現了多處高值點。而碳排放較低的點則主要分布在核心城區(qū)的黃浦區(qū)、盧灣區(qū)、靜安區(qū)，以及部分遠郊地區(qū)，如奉賢、金山等。通過對上海家庭出行碳排放的點值圖進行空間模擬，結果表明：①出行碳排放高值區(qū)呈環(huán)狀分布于近郊區(qū)（碳排放值高于1 005.27 kg）。近郊區(qū)是上海許多大型商品房基地，是上海人口遷入區(qū)和人口密集區(qū)，而這些人群的工作地區(qū)卻主要在中心城區(qū)，形成了長距離的通勤。②從市中心向外看，上海家庭碳排放值呈現倒“U”型曲線。核心城區(qū)和遠郊區(qū)是碳排放低值區(qū)（碳排放值小于1 005 kg的區(qū)域），近郊區(qū)是高值區(qū)。③上海核心城區(qū)盧灣區(qū)家庭出行碳排放值最小，位于上海西北部遠郊的嘉定區(qū)和青浦區(qū)碳排放值最大。④出行碳排放最高值點集中在嘉定工業(yè)園-安亭鎮(zhèn)片區(qū)，其次是寶山區(qū)月浦鎮(zhèn)片區(qū)，浦東機場片區(qū)，浦東惠南鎮(zhèn)-新場鎮(zhèn)片區(qū)，松江九亭片區(qū)。

運用數字地面模型中的不規(guī)則三角網（TIN）對上海日常家庭出行年碳排放量進行模擬，從中亦可以看出上海出行碳排放整體上模型表面極不光滑，表明調查區(qū)域家庭出行碳排放數據變化大，高值和低值之間跳躍明顯，且數量上也有較大差異。例如浦東新區(qū)多地區(qū)出現較明顯的高值，中心城區(qū)如黃浦區(qū)、靜安區(qū)、盧灣區(qū)則數值偏低。從中心城區(qū)往外看，從近郊區(qū)到遠郊區(qū)又出現了高值逐漸降低。特別是上海市南部金山、奉賢、青浦等區(qū)縣數值差異較小，普遍偏低。這類區(qū)縣位于城市邊緣，距離城市中心較遠、人口密度低，發(fā)展速度相對緩慢，遠距離出行現象也較少。

3 上海家庭出行碳排放空間數據分析

通過對整體樣本數據的空間分布情況的描述，碳排放存在空間分布特征，受到城市空間及區(qū)位特征的影響，并且存在空間相關性?？臻g自相關是指同一個變量在不同空間位置上的相關性，是空間單元屬性值聚集程度的一種度量?？臻g自相關性使用全局和局部兩種指標。全局指標用于探測整個研究區(qū)域的空間模式，使用單一的值來反映該區(qū)域的自相關程度；局部指標計算每一個空間單一與鄰近單元就某一屬性的相關程度。以調查樣本家庭為計算單元，采用Morans I指數對日常家庭出行碳排放進行全局空間自相關分析。結果顯示，Morans I指數為0.007 8>0，說明該空間變量呈空間正相關。

P值表示概率，當P值很小時，表示觀測的空間模式不太可能是隨機產生的結果，而是存在空間相關性。Z得分是標準差的倍數，以正態(tài)分布的置信區(qū)間對應的閾值作為檢驗標準，如果Z得分在閾值范圍之外，其意義與P值很小是一樣，觀測的空間模式是非隨機過程產生的結果（GIS自述文件）。此次生成的結果中， P<0.05，95%置信區(qū)間的檢驗閾值為1.96，Z得分2.43>1.96，通過顯著性檢驗。說明家庭出行碳排放在空間分布上具有一定的空間自相關性，但從全局來看相關程度不強。

全局型指標能夠判斷出現象在空間上的整體分布情況，但難以探測出屬性聚集的位置所在及區(qū)域相關程度。1994年，Anselin提出的局部空間自相關指數LISA則彌補了這一局限。該指數可以揭示空間參考單元與其鄰近的空間單元屬性特征值之間的相似性或相關性，識別空間聚集和空間孤立特征，探測空間異質性等。LISA將空間關聯模式分為4種，正的空間關聯包括屬性值高于均值的空間單元被屬性值高于均值的領域所包圍（即高-高關聯）和屬性值低于均值的空間單元被屬性值低于均值的領域所包圍（即低-低關聯）兩種類型。負的空間關聯也有屬性值高于均值的空間單元被屬性值低于均值的領域所包圍（即高-低關聯）或者屬性值低于均值的空間單元被屬性值高于均值的領域所包圍（即低-高關聯）兩種類型。

上海市家庭出行碳排放局域空間自相關特征分析如下：①高值點的聚集與家庭總碳排高值聚集區(qū)域相比發(fā)生擴散，主要呈環(huán)狀分布在近郊。②異質點主要集中于外環(huán)線以內。③浦東新區(qū)高-高聚集區(qū)域增多。④沒有出現低-低聚集的正的相關關系。⑤空間異質點（即高-低聚集的負的自相關關系），主要集中于中環(huán)線附近。高-高聚集的正的自相關關系主要集中在近郊，浦東新區(qū)有較多高值聚集點，嘉定安亭鎮(zhèn)附近和松江新橋鎮(zhèn)附近有較零散的高-高聚集點，從整體來看呈環(huán)狀分布。尤其是浦東新區(qū)的金橋、川沙、合慶、周浦、惠南等幾個城鎮(zhèn)，地處上海東北角，既是上海近年來大型居住社區(qū)主要選址點，也是大量外來人口居住點。交通設施尚未完善，以黃浦江為界，許多人居住在浦東，工作地卻在黃浦江的另一面，造成居住與工作分離。

運用局域G系數（GetisOrdGi*）來對日常家庭碳排放的局部空間聚集進行測度，為突出特征區(qū)域，將GiZScore按高值、低值數量均不超過10%手動分為7類，從中可以看出，上海家庭出行碳排放冷點區(qū)域十分顯著，呈環(huán)狀出現在中環(huán)線附近；熱點區(qū)域主要位于浦東新區(qū)，同時嘉定安亭片區(qū)出現幾個零散的熱點。

4 上海家庭出行碳排放的影響因素

為了探討社會經濟因素對家庭碳排放的影響及影響因素之間是否存在相互制約的狀況，本文通過SPSS17.0對因變量和自變量進行相關性分析和回歸分析。相關性分析主要包括三個部分：因變量之間相關性，自變量之間相關性，因變量與自變量之間相關性。涉及到的自變量有16個：X1住房購買或租用、X2住房類型、X3住房面積、X4戶籍狀況、X5住房年代、X6住房形式、X7有汽車嗎、X8人口、X9成員一出生年份、X10成員二出生年份、X11成員三出生年份、X12主要成員一教育程度、X13主要成員二教育程度、X14主要成員一就業(yè)單位、X15主要成員二就業(yè)單位、X16平均收入。因變量為家庭出行碳排放量（Y1）。

對表征家庭住房特征的幾個變量（X1、X2、X3、X5、X6）進行簡單相關性分析，結果發(fā)現住房形式與住房面積和住房年代呈正相關關系，相關系數分別為0.350，0.306（在0.01的水平上顯著），說明在考慮住房因素對家庭碳排放的影響時，可能存在變量間相互影響的現象。

對表征家庭特征的幾個自變量（X12、X13、X14、X15、X16）進行簡單自相關，看因素間是否存在相互影響的情況。X12、X13顯著正相關，相關系數為0.672（在0.01的水平上顯著）；就業(yè)單位與教育程度之間也存在較大的正相關關系；平均收入與家庭教育程度和就業(yè)單位呈正相關關系。對家庭出行碳排放和影響家庭碳排放的社會經濟特征變量相關關系進行分析，結果顯示住房面積，住房形式，家庭是否有汽車，人口四個變量與家庭日常出行碳排放量相關關系較為顯著，相關系數分別為0.099，0.138，0.311，0.115（在0.01的水平上顯著）。而家庭收入、就業(yè)單位、年齡結構等經濟因素與出行碳排放量的相關關系卻不明顯。

以家庭出行碳排放量為因變量，住房購買或租用、住房形式等為自變量進行最優(yōu)尺度回歸。調整R方為0191，模型解釋能力差強人意。P值為0.000，通過顯著性檢驗，具有統(tǒng)計學意義。16個自變量中，住房形式和有汽車嗎兩個變量通過0.05的顯著性檢驗，進入回歸方程。最終回歸模型：

Y1=0.101X6-0.416X7

由模型可知，上海市家庭出行碳排放的主要影響因素是是否有汽車和住房的形式（表2）。

家庭是否有汽車極大地影響了出行碳排放量，是出行碳排放的最顯著性因素。汽車的碳排放量為地鐵碳排放量的113倍，公交車排放量的16倍。家庭使用汽車出行，必然使得出行的碳排放量顯著提高。通過對表征家庭住房特征的幾個變量（X1、X2、X3、X5、X6）進行簡單相關性分析后可知，住房形式與其余幾個變量均存在相關性。也就是說X6住房形式綜合反映了上海市家庭住房特征。住房形式為平房的居民可能收入層次偏低，傾向于公共交通，出行碳排放值較低。而上海市中低層和中高層的住宅形式較多的集中于近郊，由于交通不便利性驅使部分居民選擇私家車出行。獨立或聯排別墅居民生活水平較高，從舒適性角度考慮可能會更多的使用汽車出行，進而提高家庭出行的碳排放值。

表征家庭特征的幾個自變量（X12、X13、X14、X15）相互影響，但并不是家庭出行碳排放的主要影響因素。教育程度較低的居民卻有可能收入水平較高從而選擇較為舒適的小汽車出行，教育程度較高的居民也有可能低碳意識

較強，傾向于選擇軌道交通，因此家庭特征相關變量與家庭出行碳排放量之間并未發(fā)現一定的規(guī)律。家庭人口數目也影響著出行碳排放量，例如3口之家為了孩子就學或者家中有老人則很有可能考慮機動出行。而1人戶為了方便則有可能選擇公共交通。傳統(tǒng)意義上認為，收入越高，家庭碳排放量越大。收入和家庭碳排放量的相關關系卻沒有在出行上顯示出來。我們推測高收入人群可能雇傭司機或者經常出差，將出行碳排放量轉移至他人或他地，因此本人收入與出行碳排放的相關關系并不明顯。

5 結語與討論

通過上海家庭出行模式問卷調查的實證研究可以知道，上海家庭出行模式受到家庭收入結構、年齡結構等影響，同時，上海家庭出行模式呈現居住區(qū)位、住房類型和收入水平等差異。上海家庭通勤時間和通勤距離呈現倒“U”型曲線，即從市中心向外，呈現由低到高再低的格局。上海家庭出行碳排放呈現出類似出行模式的倒“U”型曲線，高碳區(qū)呈環(huán)狀分布于近郊區(qū)。家庭出行碳排放呈現高值聚集現象。

公共交通（包括公共汽車和軌道交通）作為最低碳的出行方式之一，滿足了大部分居民的通勤需求。調查顯示，等車時間過長、換乘不方便成為居民不選擇公共交通出行的兩個主要原因。其次速度太慢、擁擠、價格不合理和車站距離太遠作為其不選擇原因。公共交通便捷性的增強會改變居民的出行方式，從而提高居民（特別是目前選擇私家車通勤的居民）選擇公共交通出行的比例。對于不少居民來說，在對通勤方式的選擇上，若有住家直達工作地的公共交通，且舒適性強則很有可能放棄私家車作為其出行工具。因此，如何建立便捷、舒適的公共交通體系是構建家庭低碳出行的重要策略。

家庭出行的原因主要是就學、就醫(yī)、購物、娛樂等原因。核心城區(qū)住家周邊辦公寫字樓、大型購物中心以及醫(yī)院、學校等明顯高過郊區(qū)。雖然上海市出現了人口郊區(qū)化擴散趨勢，但就業(yè)崗位、教育、醫(yī)療等要素的郊區(qū)化擴散卻有限，形成了要素空間的不匹配。因此，應根據就業(yè)、人口等要素的空間擴散態(tài)勢，合理配置公共資源。同時，隨著上海城市郊區(qū)化的發(fā)展，在完善市內軌道交通的同時，應加大中心城區(qū)軌道交通向郊區(qū)延伸；應加強軌道交通站點與其他交通方式順暢銜接，尤其是地鐵站點應實現與公共汽車的順暢換乘。

（編輯：李 琪）

參考文獻（References）

[1]Ewing R，Rong F.The Impact of Urban Form on U S Residential Energy Use[J].Housing Policy Debate，2008，19（1）：1-50.

[2]Alberti M.Urban Patterns and Environmental Performance.What do We Know？[J].Journal of Planning Education and Research，1999，（19）：151-165.

[3]仇保興.我國城市發(fā)展模式轉型趨勢：低碳生態(tài)城市[J]. 城市發(fā)展研究，2009，（8）：1-6.

[4]潘海嘯，湯諹，吳錦瑜，等.中國“低碳城市”的空間規(guī)劃策略[J]. 城市規(guī)劃學刊， 2008，（6）： 57-63.

[5]倪外，曾剛.低碳經濟視角下的城市發(fā)展新路徑研究：以上海為例[J].經濟問題探索，2010，（5）：38-42.

[6]秦波，邵然.城市形態(tài)對居民直接碳排放的影響：基于社區(qū)的案例研究[J].城市規(guī)劃，2012，38（6）：33-38.

[7]陳飛，諸大建.低碳城市研究的內涵、模型與目標策略確定[J].城市規(guī)劃學刊，2009，（4）：7-13.

[8]Cervero R.Land Use Mixing and Suburban Mobility[J]. Transportation Quarterly，1988，42（3）：429-446.

[9]Dhakal S.Urban Energy Use and Carbon Emission from Cities in China and Policy Implications[J].Energy Policy，2009，57（3）：4208-4219.

[10]Crane R.On Form Versus Function： Will the New Urbanism Reduce Traffic，or Increase It？[J].Journal of Planning Education and Research，1996，15（2）：117-126.

[11]Jabareen Y R.Sustainable Urban Forms：Their Typologies，Models and Concepts[J]. Journal of Planning Education and Research，2006，26（2）：58-52.

[12]Pan H X，Shen Q，Zhang M.Influence of Urban Form on Travel Behavior in Four Neighborhoods of Shanghai[J].Urban Studies，2009，46（2）：275-294.

Abstract With the explosion of urban population and private cars， family commuting carbon emission increases year by year in Chinese large cities. Therefore， how to reduce travel carbon emission becomes an important topic of lowcarbon urban construction. Based on 1054 questionnaires data on Shanghai households carbon emissions and Shanghai population and economic census data， the present study analyzes the basic characteristics， spatial pattern and influence factors of Shanghai family commuting carbon emission. It indicates that Shanghai family commuting pattern shows differences in residential location， housing types and income levels. Shanghai family commuting pattern appears to be inverted Ushaped curve in timing and distance， forming a lowhighlow pattern from inner city to outer suburbs. The family commuting carbon emissions pattern shows a similar curve from inner city to outer suburbs. The inner city and outer suburbs are lowcarbon emission area， and the inner suburban ring is highcarbon emission area. The highcarbon emission area is spatially agglomerated. The cold point area of carbon emission is very clear and forms a ring belt around the urban middle circle road. The hot point area of carbon emission mainly distributes in Pudong New District， and few hot points disperse in Anting of Jiading District. Statistical models indicate that the dominant influence factors are car owner status and housing types. The questionnaires data shows that reasons for residents not choosing public transit include too long waiting time， inconvenient transferring， too low speed， crowding and unreasonable pricing， and too long distance between stops. Currently residential suburbanization develops quickly， and at the same time public resources， including occupations， medicals and educations， still concentrate in inner cities， which makes spatial mismatch between public resources and residential habitats， thus bringing about long time and distance commuting and highcarbon emissions. In the future it is imperative for Shanghai to change public resource distribution patterns， to set high standard for new suburban towns and form multicentered spatial pattern， to encourage developing lowcarbon urban transport systems such as public traffic and quick rail transport extending to suburbs， and to facilitate the transferring between metro and bus.

Key words commuting carbon emissions； basic characteristics； spatial pattern； influence factors； Shanghai

[6]秦波，邵然.城市形態(tài)對居民直接碳排放的影響：基于社區(qū)的案例研究[J].城市規(guī)劃，2012，38（6）：33-38.

[7]陳飛，諸大建.低碳城市研究的內涵、模型與目標策略確定[J].城市規(guī)劃學刊，2009，（4）：7-13.

[8]Cervero R.Land Use Mixing and Suburban Mobility[J]. Transportation Quarterly，1988，42（3）：429-446.

[9]Dhakal S.Urban Energy Use and Carbon Emission from Cities in China and Policy Implications[J].Energy Policy，2009，57（3）：4208-4219.

[10]Crane R.On Form Versus Function： Will the New Urbanism Reduce Traffic，or Increase It？[J].Journal of Planning Education and Research，1996，15（2）：117-126.

[11]Jabareen Y R.Sustainable Urban Forms：Their Typologies，Models and Concepts[J]. Journal of Planning Education and Research，2006，26（2）：58-52.

[12]Pan H X，Shen Q，Zhang M.Influence of Urban Form on Travel Behavior in Four Neighborhoods of Shanghai[J].Urban Studies，2009，46（2）：275-294.

Abstract With the explosion of urban population and private cars， family commuting carbon emission increases year by year in Chinese large cities. Therefore， how to reduce travel carbon emission becomes an important topic of lowcarbon urban construction. Based on 1054 questionnaires data on Shanghai households carbon emissions and Shanghai population and economic census data， the present study analyzes the basic characteristics， spatial pattern and influence factors of Shanghai family commuting carbon emission. It indicates that Shanghai family commuting pattern shows differences in residential location， housing types and income levels. Shanghai family commuting pattern appears to be inverted Ushaped curve in timing and distance， forming a lowhighlow pattern from inner city to outer suburbs. The family commuting carbon emissions pattern shows a similar curve from inner city to outer suburbs. The inner city and outer suburbs are lowcarbon emission area， and the inner suburban ring is highcarbon emission area. The highcarbon emission area is spatially agglomerated. The cold point area of carbon emission is very clear and forms a ring belt around the urban middle circle road. The hot point area of carbon emission mainly distributes in Pudong New District， and few hot points disperse in Anting of Jiading District. Statistical models indicate that the dominant influence factors are car owner status and housing types. The questionnaires data shows that reasons for residents not choosing public transit include too long waiting time， inconvenient transferring， too low speed， crowding and unreasonable pricing， and too long distance between stops. Currently residential suburbanization develops quickly， and at the same time public resources， including occupations， medicals and educations， still concentrate in inner cities， which makes spatial mismatch between public resources and residential habitats， thus bringing about long time and distance commuting and highcarbon emissions. In the future it is imperative for Shanghai to change public resource distribution patterns， to set high standard for new suburban towns and form multicentered spatial pattern， to encourage developing lowcarbon urban transport systems such as public traffic and quick rail transport extending to suburbs， and to facilitate the transferring between metro and bus.

Key words commuting carbon emissions； basic characteristics； spatial pattern； influence factors； Shanghai

[6]秦波，邵然.城市形態(tài)對居民直接碳排放的影響：基于社區(qū)的案例研究[J].城市規(guī)劃，2012，38（6）：33-38.

[7]陳飛，諸大建.低碳城市研究的內涵、模型與目標策略確定[J].城市規(guī)劃學刊，2009，（4）：7-13.

[8]Cervero R.Land Use Mixing and Suburban Mobility[J]. Transportation Quarterly，1988，42（3）：429-446.

[9]Dhakal S.Urban Energy Use and Carbon Emission from Cities in China and Policy Implications[J].Energy Policy，2009，57（3）：4208-4219.

[10]Crane R.On Form Versus Function： Will the New Urbanism Reduce Traffic，or Increase It？[J].Journal of Planning Education and Research，1996，15（2）：117-126.

[11]Jabareen Y R.Sustainable Urban Forms：Their Typologies，Models and Concepts[J]. Journal of Planning Education and Research，2006，26（2）：58-52.

[12]Pan H X，Shen Q，Zhang M.Influence of Urban Form on Travel Behavior in Four Neighborhoods of Shanghai[J].Urban Studies，2009，46（2）：275-294.

Abstract With the explosion of urban population and private cars， family commuting carbon emission increases year by year in Chinese large cities. Therefore， how to reduce travel carbon emission becomes an important topic of lowcarbon urban construction. Based on 1054 questionnaires data on Shanghai households carbon emissions and Shanghai population and economic census data， the present study analyzes the basic characteristics， spatial pattern and influence factors of Shanghai family commuting carbon emission. It indicates that Shanghai family commuting pattern shows differences in residential location， housing types and income levels. Shanghai family commuting pattern appears to be inverted Ushaped curve in timing and distance， forming a lowhighlow pattern from inner city to outer suburbs. The family commuting carbon emissions pattern shows a similar curve from inner city to outer suburbs. The inner city and outer suburbs are lowcarbon emission area， and the inner suburban ring is highcarbon emission area. The highcarbon emission area is spatially agglomerated. The cold point area of carbon emission is very clear and forms a ring belt around the urban middle circle road. The hot point area of carbon emission mainly distributes in Pudong New District， and few hot points disperse in Anting of Jiading District. Statistical models indicate that the dominant influence factors are car owner status and housing types. The questionnaires data shows that reasons for residents not choosing public transit include too long waiting time， inconvenient transferring， too low speed， crowding and unreasonable pricing， and too long distance between stops. Currently residential suburbanization develops quickly， and at the same time public resources， including occupations， medicals and educations， still concentrate in inner cities， which makes spatial mismatch between public resources and residential habitats， thus bringing about long time and distance commuting and highcarbon emissions. In the future it is imperative for Shanghai to change public resource distribution patterns， to set high standard for new suburban towns and form multicentered spatial pattern， to encourage developing lowcarbon urban transport systems such as public traffic and quick rail transport extending to suburbs， and to facilitate the transferring between metro and bus.

Key words commuting carbon emissions； basic characteristics； spatial pattern； influence factors； Shanghai