新能源汽車城市物流碳排放模型的構建與分析＊

聶 凱，謝丹鳳，李 巍

（1．湖南大學 經(jīng)濟與貿(mào)易學院，湖南 長沙 410079；2．物流信息與仿真技術湖南省重點實驗室，湖南 長沙 410079）

隨著我國經(jīng)濟的迅速發(fā)展，環(huán)境問題日益嚴峻．世界能源組織發(fā)布的數(shù)據(jù)顯示，2006年以來，中國碳排放總量開始位居世界第一［1］，其中，物流行業(yè)碳排放量較高．我國城市物流運輸大多采用高排量高污染的傳統(tǒng)貨車，隨著物流業(yè)的快速發(fā)展，道路交通碳排放在中國交通碳排放總量中所占的比重逐步升高［2］，城市物流碳排放逐漸成為城市交通碳排放的主要來源之一［3］．物流行業(yè)屬于生產(chǎn)性服務業(yè)，外部經(jīng)濟性顯著，服務和支撐著國民經(jīng)濟的發(fā)展．但在推進物流行業(yè)發(fā)展的同時，必須重視物流碳排放的問題，在物流行業(yè)的快速發(fā)展與節(jié)能環(huán)保中尋求平衡點．新能源汽車以電能、生物燃料作為主要驅動力，具有資源利用率高、碳排放量少、環(huán)境收益高等特點，非常適合應用于距離短、頻次多的城市物流與配送過程［4］．在歐美等發(fā)達國家，新能源汽車在物流行業(yè)已進入商業(yè)化運作．因此，為了緩解巨大的節(jié)能減排壓力，中國政府正在努力推動新能源汽車在我國城市物流行業(yè)的應用．

為了量化分析不同區(qū)域和不同行業(yè)的碳排放量，國內外學者進行了諸多研究．Schmalensee等［5］和杜婷婷等［6］分別利用簡化式模型和庫茨涅茨曲線（EKC）模擬經(jīng)濟發(fā)展與碳排放之間的關系，得到中國碳排放量與收入水平之間遵循“倒U”形曲線關系；Auffhammer等［7］利用省級數(shù)據(jù)對中國的碳排放路徑進行了預測，預測結果顯示與靜態(tài)的環(huán)境庫茲涅茨曲線（EKC）相悖；王中英等［8］采用相關分析法探討了中國國內生產(chǎn)總值（GDP）的增長與碳排放量的關系；Guan等［9］運用綜合分析法和投入產(chǎn)出分析法評估了中國1980—2030年的碳排放，指出以煤為主的中國能源消費結構是中國碳排放量一直居高不下的重要原因；翟石艷等［10］從廣東省實際省情出發(fā)，在碳排放計算框架下根據(jù)IPCC2006 碳排放計算模型預測廣東省2008—2050年的碳排放量，結果顯示在預測期內該省碳排放量呈現(xiàn)先升后降的趨勢．

國內外學者認為，新能源汽車的應用是一種有效的碳減排方式，具有巨大的環(huán)境收益潛能，Zhai等［11］通過計算得到混合動力汽車（HEV）的平均CO2排放量；Zhou等［12］通過比較2009年中國的傳統(tǒng)車輛（CV）、純電動汽車和混合動力汽車的碳排放量得到，純電動汽車（EV）是中國未來長期具有巨大競爭力優(yōu)勢的新能源汽車類型；He等［13］立足中國實際情況，通過研究設定的5種情形下混合動力汽車和純電動汽車對我國節(jié)能減排的貢獻率得到在短期內，混合動力汽車的大力推廣和應用更加符合我國能源結構現(xiàn)狀和新能源汽車現(xiàn)階段的技術水平；Tang等［14］基于未來10年我國汽車保有量數(shù)據(jù)的預測指出，新能源汽車對我國的節(jié)能減排具有重大意義．

綜上所述，國內外學者已經(jīng)從多個層面對碳排放量的測算方法和新能源汽車的碳排放量進行了研究．但一方面，現(xiàn)有關于碳排放量測算方法的研究多集中于省域層面，且更多側重于測算經(jīng)濟發(fā)展與碳排放量之間的關系；另一方面，現(xiàn)有文獻對汽車碳排放量的研究多聚焦于以車輛數(shù)量作為計算碳排放量的參考指標．在物流活動中，碳排放量不僅與車輛數(shù)量，還與物流量密切相關．因此，本文在前人對碳排放量測算方法研究的基礎上，考慮了載貨量對碳排放量的影響，構建新能源汽車城市物流碳排放模型；基于Gompertz模型對樣本城市的貨物周轉量進行了預測，在此背景下比較了傳統(tǒng)車輛與新能源汽車的碳排放量；分析了新能源汽車的碳減排能力及其碳減排總量，并探討了新能源汽車不同的技術發(fā)展水平與其碳減排量之間的關系．最后，提出了一系列相關政策建議，以推動我國新能源汽車產(chǎn)業(yè)的發(fā)展．

1 模型構建

1．1 新能源汽車城市物流碳排放模型

式中：TCE （Total Carbon Emission）為碳排放總量，即新能源汽車的碳排放量加上傳統(tǒng)車輛的碳排放量，kg；α為新能源汽車物流市場份額；CT（Cargo Turnover）為貨物周轉量，kg·km；L（Load）為單位汽車載貨量，kg；CER（Carbon Emission Rate）為碳排放率，即單位車輛單位距離的碳排放量，kg／km；由于不同類型車輛的載貨量和碳排放率不同，i用以表示新能源汽車的類型，LNEVi表示第i種新能源汽車的單位載貨量，CERNEVi表示第i種新能源汽車的碳排放率；j用以表示傳統(tǒng)車輛的類型，LCVj表示第j種傳統(tǒng)車輛的單位載貨量，CERCVj是第j種傳統(tǒng)車輛的碳排放率；M表示新能源汽車的類型總數(shù)；N表示傳統(tǒng)車輛的類型總數(shù)．

1．2 基于改進Gompertz模型的貨運周轉量預測

貨運周轉量（CT）是模型中的重要參數(shù)，通過考察該參數(shù)可以獲得物流量與碳排放量的關系．為了分析新能源汽車對我國城市物流碳減排的效果，本文運用改進的Gompertz模型對我國樣本城市2020年的貨物周轉量進行預測．

城市經(jīng)濟發(fā)展水平和城市產(chǎn)業(yè)結構是影響貨物周轉量的2個主要因素．城市的經(jīng)濟發(fā)展水平越高，商品交換越頻繁，相應的物流總額及貨物周轉量也越高；從產(chǎn)業(yè)結構來看，貨物周轉量主要來自第一產(chǎn)業(yè)和第二產(chǎn)業(yè)，根據(jù)克拉克和庫茲涅茨等人的研究成果，城市的產(chǎn)業(yè)結構水平經(jīng)常遵循一般的演變趨勢［15］，即第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的比重隨著城市經(jīng)濟發(fā)展水平的提高經(jīng)歷緩慢增長、快速增長直至飽和3個階段．

基于以上分析，建立基本的Gompertz模型：

式中：V（X）是貨物周轉量占GDP 的比重；X是城市的GDP水平；α和β是2個待估參數(shù)；該模型中的一個重要待估參數(shù)是產(chǎn)業(yè)結構因子系數(shù)γ，代表城市產(chǎn)業(yè)結構的發(fā)展水平，即城市第一產(chǎn)業(yè)和第二產(chǎn)業(yè)增加值占GDP的比重．

對模型（2）取對數(shù)，可得模型（3）：

基于上述模型，運用Stata12．0對中國36個省市1998—2012年的相關數(shù)據(jù)進行測算，結果顯示，模型（3）的T值為0．14，調整的R2為0．096 6，可見該模型并不能很好地反映所要研究的變量之間的關系．因而，擬增加調整變量對模型進行改進，以考察城市物流貨物周轉量與GDP之間的非線性關系．選擇的調整變量分別是X2和lnX，獲得改進模型（4）和模型（5）：

重新進行檢驗的結果顯示，優(yōu)化后的模型的R2得到了明顯提高，且模型通過了T 檢驗．因而相比于模型（3），經(jīng)過改進后的模型（4）和模型（5）能更好地反映所要研究的經(jīng)濟變量之間的關系（檢驗結果見表1）．

表1 （V （X））：貨物周轉量預測的回歸結果Tab．1 V（X）：Regression results on cargo turnover

此外，從模型殘差圖（圖1）可以發(fā)現(xiàn)，相對于reside1和reside3，reside2更接近零軸，因而選擇相應的模型（4）作為改進的Gompertz模型：

圖1 回歸結果的殘差圖Fig．1 Regression residual plots of different models

將相應的參數(shù)代入之后，可得預測城市貨物周轉量的改進Gompertz模型：

2 數(shù)據(jù)分析

2．1 數(shù)據(jù)來源

數(shù)據(jù)來源見表2．

傳統(tǒng)車輛的碳排放率CER（kg／km）可以通過其單位距離內的能源消耗量（EI，Energy Intensity）與單位能耗的碳排放強度（CI，Carbon Intensity）的乘積計算出來，即CER＝EI×CI［16］．

傳統(tǒng)貨車按其能源消耗的不同分為2種類型：輕型貨車和重型貨車．本文采用張清宇［17］等的研究結果，傳統(tǒng)貨車單位距離的能源消耗量（EI）和單位能耗的碳排放量（CI）見表3，對其加權平均可計算得到單位傳統(tǒng)貨車的碳排放率CERCV為0．351kg／km．

表2 數(shù)據(jù)來源Tab．2 Data sources

表3 傳統(tǒng)貨車的CERCV Tab．3 The CERCVof CV

新能源汽車的碳排放率的計算：有關學者的研究表明，混合動力汽車（HEV）是短期內在物流行業(yè)最具競爭力的新能源汽車類型［17］，純電動汽車（EV）是未來新能源汽車的發(fā)展方向，所以本文新能源汽車的碳排放率CERNEV的計算主要考慮混合動力汽車和純電動汽車．參考Zhai［11］和Vliet［18］的研究，通過計算可得新能源汽車的碳排放率CERNEV為0．086kg／km．

2．2 新能源汽車城市物流碳排放模型計算結果

在考慮現(xiàn)階段新能源汽車的發(fā)展現(xiàn)狀的基礎上，樣本城市選擇的是北京、上海和天津，基于ARIMA 模型［19］預測樣本城市2020年的GDP數(shù)據(jù)，而后將其代入模型（7），則可得2020年樣本城市的貨物周轉量，見表4．

表4 樣本城市2020年的城市貨物周轉量數(shù)據(jù)Tab．4 Cargo Turnover of sample cities in 2020

隨著新能源汽車技術的不斷發(fā)展，其驅動系統(tǒng)和續(xù)航能力將不斷加強，載重能力也不斷提高．本文基于其載貨量水平，將新能源汽車技術的發(fā)展劃分為Ⅰ，Ⅱ，Ⅲ三個階段．第Ⅰ階段也是當下的技術水平，新能源汽車的載貨量是以中國現(xiàn)階段開始商業(yè)化運營的新能源貨車為參照，平均載貨量Li＝1．7t；第Ⅱ階段新能源汽車的載貨量以歐美等國現(xiàn)階段開始試運營的新能源貨車為參照，平均載貨量Li＝2．8t；第Ⅲ階段新能源汽車的載貨量參照我國城市物流配送行業(yè)的標準和要求（GB／T 22912—2013），此時新能源汽車的載重水平已接近傳統(tǒng)物流汽車載重，平均載貨量Li＝4．87t．此外，本文傳統(tǒng)車輛的載貨量LCV為6．5t．

基于前述模型和數(shù)據(jù)，假設城市物流運輸及配送活動全部由新能源汽車完成時（即α＝1時），可獲得不同新能源汽車技術發(fā)展階段的碳排放量；若不使用新能源汽車（即α＝0時），可獲得城市物流中傳統(tǒng)車輛的碳排放量（107t），結果見表5．

表5 基于不同車輛類型的2020年樣本城市物流行業(yè)碳排放量Tab．5 CO2emission of Urban Logistics with different vehicles type in sample cities in 2020

Tang［14］的研究中將2020年新能源汽車的市場份額分為高中低（10%，8%，5%）3個水平．考慮到近年來國家對節(jié)能環(huán)保的日益重視，以及樣本城市雄厚的資金與技術背景，本文假設2020年新能源汽車將在樣本城市物流運輸配送中占據(jù)較高的市場份額，即α＝0．1，此時新能源汽車承擔10%，傳統(tǒng)車輛承擔90%的貨物周轉量，在該情形下樣本城市物流運輸?shù)奶寂欧趴偭浚?07t）見表6．

表6 2020年樣本城市物流行業(yè)碳排放總量Tab．6 CO2emission of Urban Logistics in sample cities in 2020

2．3 結果分析

1）單位新能源汽車碳減排能力分析：碳減排能力可以用碳減排率（ERR：Emission Reduction Rate）表示，指在承擔同等貨物周轉量時，傳統(tǒng)車輛與新能源汽車碳排放（CE：Carbon Emission）之間的差值與傳統(tǒng)車輛碳排放量的比．即：

基于表6的數(shù)據(jù)，可得在承擔相同貨物周轉量的情形下，樣本城市新能源汽車和傳統(tǒng)車輛的碳排放量，如圖2所示．并可獲得單位新能源汽車的碳減排率，如圖3所示．

圖2 NEV 與CV 的碳排放量比較Fig．2 The comparison of CO2emission of NEV and CV

圖3 單位NEV 碳減排率Fig．3 The rate of CO2emission reduction of single NEV

以上海為例，由圖2可知，由傳統(tǒng)車輛承擔物流業(yè)務時，樣本城市的碳排放量為13．771×107t；而選擇新能源汽車時，在不同的技術發(fā)展階段，碳排放量分別為10．340×107t，6．278×107t和3．609×107t．可見，相對于傳統(tǒng)車輛，由新能源汽車承擔物流業(yè)務可降低碳排放量．同理分析北京和天津，可得同樣結論．

由圖3可知，隨著新能源汽車技術的發(fā)展和載貨能力的提高，其碳減排能力也不斷加強．當技術水平由第Ⅰ階段發(fā)展到第Ⅱ階段，新能源汽車載貨量由1．7t提高到2．8t時，碳減排率由6．5%左右迅速提高到43%左右；當技術水平發(fā)展到第Ⅲ階段，新能源汽車載貨量上升到4．87t時，其碳減排率也隨之上升到67%左右．

綜上所述，可得如下結論：新能源汽車具有一定的碳減排能力，并隨著技術水平的不斷提高，其碳減排能力不斷增強．因此，新能源汽車在城市物流行業(yè)的應用有助于實現(xiàn)我國節(jié)能減排的目標．

2）新能源汽車城市物流碳減排總量分析：考慮新能源汽車占據(jù)10%市場份額的情形，基于表6的數(shù)據(jù)，比較傳統(tǒng)城市物流的碳排放總量（TCE（α＝0）），與新能源汽車城市物流的碳排放量（TCE（α＝0．1）），如圖4所示．

圖4 不同技術水平下NEV 碳排放總量分析Fig．4 Analysis of total CO2emission reduction in different stage of NEV’s development

以北京為例，由圖4 可知，TCE（α＝0）為0．670 4×107t，而當新能源汽車技術水平由第Ⅰ階段發(fā)展到第Ⅲ階段，即載貨量由1．7t遞增到4．87t時，TCE（α＝0．1）分別為0．605×107t，0．367×107t，0．211×107t．可見相對于傳統(tǒng)車輛，當城市物流行業(yè)推廣應用新能源汽車后，城市碳排放總量顯著降低；并且隨著新能源汽車技術的不斷發(fā)展，其碳排放總量也不斷減少．同理分析上海和天津可得同樣結論．

綜上所述，可得結論，新能源汽車的推廣應用能夠顯著降低城市物流行業(yè)碳排放總量．

3）新能源汽車技術水平與碳減排量的關系分析：考慮新能源汽車占據(jù)10%市場份額的情形，基于表6的數(shù)據(jù)，分析不同的技術水平下，應用新能源汽車后碳減排總量｛（TCE（α＝0）－ TCE（α＝0．1）｝的大小，如圖5所示．

圖5 新能源汽車技術水平與NEV 的碳減排量分析Fig．5 Analysis of the relationship between different stages of NEV’s development and the reduction of CO2emission

從圖5可以看出，在新能源汽車技術水平尚處第Ⅰ階段時，碳減排量極小．原因是在現(xiàn)有的技術水平下，新能源汽車的載重能力不足，完成相同的物流業(yè)務所需的車輛數(shù)量遠高于傳統(tǒng)車輛．因此，雖然單位車輛的碳排放量小，但碳排放總量仍與傳統(tǒng)車輛相近．偏高的經(jīng)濟成本和偏低的社會效益，導致當前新能源汽車難以在物流行業(yè)廣泛推廣應用．

但同時也可以看出，隨著新能源汽車技術水平的不斷提高，樣本城市北京、上海和天津的碳減排量均出現(xiàn)遞增趨勢．以天津為例，當由第Ⅰ階段發(fā)展到第Ⅱ階段時，其碳減排量也隨之由0．048×107t大幅增加到2．441×107t，當達到第Ⅲ階段時，其碳減排量高達4．076×107t．同理分析北京和上?？傻玫较嗤慕Y論．

綜上可以得到結論，雖然目前新能源汽車難以廣泛應用于物流行業(yè)，但隨著新能源汽車技術的日益成熟，碳減排效應日益明顯，新能源汽車在物流行業(yè)具有十分廣闊的應用前景．

3 結論與政策建議

本文構建了新能源汽車城市物流碳排放模型，預測了樣本城市的貨物周轉量，并在此基礎上分析了單位新能源汽車的碳減排能力、新能源汽車城市物流的碳排放總量和新能源汽車技術水平與碳減排量的關系．結果顯示：1）隨著新能源汽車技術水平的不斷提高，其碳減排能力不斷增強；2）新能源汽車的推廣應用能夠顯著降低城市物流行業(yè)碳排放總量；3）在當前技術水平下，新能源汽車應用于物流行業(yè)尚難以達到理想的碳減排效果，但隨著技術的不斷發(fā)展，新能源汽車在物流行業(yè)的應用前景十分廣闊．

基于上述結論及分析，對中國新能源汽車物流的發(fā)展提出以下建議：

1）構建適合新能源汽車的城市物流體系．①構建科學的城市物流模式，實現(xiàn)傳統(tǒng)車輛物流與新能源汽車物流的協(xié)同合作．在城市周邊增設物流中心和貨物中轉中心，承擔傳統(tǒng)物流車輛與新能源物流車輛的貨物轉運業(yè)務，城市內部物流和配送活動交由新能源汽車轉運，避免高排放物流車輛進入城市．②將充電站、充電樁等新能源設施設備等納入城市物流體系，在規(guī)劃與選址過程中充分考慮相關約束．

2）加大對新能源汽車在城市物流行業(yè)應用的支持力度．①由于現(xiàn)階段我國新能源汽車行業(yè)還處于發(fā)展初期，應用和推廣的成本較高，雖然我國政府已經(jīng)出臺了一系列優(yōu)惠政策措施來促進新能源汽車行業(yè)的發(fā)展，但考慮到我國較高的物流費用，還應進一步加強補貼和減免力度．②效仿發(fā)達國家，將新能源汽車應用于典型城市的物流活動，例如污染、霧霾較嚴重的城市；應用于典型行業(yè)的物流活動，例如零售配送、電商物流等．

3）根據(jù)市場需求，推進新能源汽車技術的發(fā)展．隨著新能源汽車的技術水平不斷提高，碳減排效果也將不斷加強．在新能源汽車研發(fā)過程中，應注重學科融合，由各領域專家獲取切合實際的市場需求，以此引導不同類型新能源汽車技術研發(fā)的側重方向．以新能源物流車輛為例，在發(fā)展新能源汽車驅動技術、動力電池技術、燃料技術的同時，還應注重新能源汽車載重能力的提升．

［1］張?zhí)招拢袊鞘谢M程中的城市道路交通碳排放研究［J］．中國人口·資源與環(huán)境，2012，22（8）：3－9．

ZHANG Tao－xin．Research on China’s urban road transport carbon emissions under urbanization process［J］．China Population，Resources and Environment，2012，22（8）：3－9．（In Chinese）

［2］朱躍中．未來中國交通運輸部門能源發(fā)展與碳排放情景分析［J］．中國工業(yè)經(jīng)濟，2001（12）：30－35．

ZHU Yue－zhong．The scenario analysis of China＇s energy development and carbon emissions in transportation department in the future［J］．China Industrial Economy，2001（12）：30－35．（In Chinese）

［3］MCKIBBIN W P，WILCOXEN P J．The role of economics in climate change policy［J］．Journal of Economic Perspectives，2002，16（2）：107－129．

［4］PINA A，BAPTISTA P，SILVA C，etal．Energy reduction potential from the shift to electric vehicles：the flores island case study［J］．Energy Policy，2014，67：37－47．

［5］SCHMALENSEE R，STOKER T M，JUDSON R A．World carbon dioxide emissions：1955－2050［J］．Review of Economics and Statistics，1998，80（1）：15－27．

［6］杜婷婷，毛峰，羅銳．中國經(jīng)濟增長與CO2排放演化探析［J］．中國人口·資源與環(huán)境，2007，17（2）：94－99．

DU Ting－ting，MAO Feng，LUO Rui．Study on China’s economic growth and CO2emission［J］．China Population，Resources and Environment，2007，17（2）：94－99．（In Chinese）

［7］AUFFHAMMER M，CARSON R T．Forecasting the path of China’s CO2emissions using province－level information［J］．Journal of Environmental Economics and Management，2008，55：229－247．

［8］王中英，王禮茂．中國經(jīng)濟增長對碳排放的影響分析［J］．安全與環(huán)境學報，2006，6（5）：88－91．

WANG Zhong－ying，WANG Li－mao．Economic growth and its effects on carbon emission in China［J］．Journal of Safety and Environment，2006，6（5）：88－91．（In Chinese）

［9］GUAN D，HUBACEK K，WEBER C L，etal．The drivers of Chinese CO2emissions from 1980to 2030［J］．Global Environmental Change，2008，18：626－634．（In Chinese）

［10］翟石艷，王錚，馬曉哲，等．區(qū)域碳排放量的計算——以廣東省為例［J］．應用生態(tài)學報，2011，22（6）：1543－1551．

ZHAI Shi－yan，WANG Zheng，MA Xiao－zhe，etal．The calculation of the area of carbon emissions—Guangdong Province［J］．Journal of Applied Ecology，2011，22（6）：1543－1551．（In Chinese）

［11］ZHAI H B，F(xiàn)REY H C，ROUPHAIL N M．Development of a emissions model for a hybrid electric vehicle［J］．Transportation Research Part D，2010，16：444－450．

［12］ZHOU Guang－h(huán)ui，OU Xun－min，ZHANG Xi－liang．Development of electric vehicles use in China：a study from the perspective of life－cycle energy consumption and greenhouse gas emissions［J］．Energy Policy，2013，59：875－884．

［13］HE Ling－yun，CHEN Yu．Thou shalt drive electric and hybrid vehicles：scenario analysis on energy saving and emission mitigation for road transportation sector in China［J］．Transport Policy，2013，25：30－40．

［14］TANG Bao－jun，WU Xiao－feng ZHANG Xian．Modeling the CO2emissions and energy saved from new energy vehicles based on the logistic－curve［J］．Energy Policy，2013，57：30－35．

［15］谷衛(wèi)．城市產(chǎn)業(yè)結構演變趨勢的一致性與差異性［J］．南開經(jīng)濟研究，1991（6）：62－65．

GU Wei．Consistency and differences of the trend of city industrial structure evolution［J］．Nankai Economic Studies，1991（6）：62－65．（In Chinese）

［16］YANG C．A framework for allocating greenhouse gas emission from electricity generation to plug－in electric vehicle charging［J］．Energy Policy，2013，60：722－732．

［17］張清宇，魏玉梅，田偉利．機動車排放控制標準對污染物排放因子的影響［J］．環(huán)境科學研究，2010，23（5）：606－612．

ZHANG Qing－yu，WEI Yu－mei，TIAN Wei－li．Impact of national vehicle emission standards on vehicle pollution emissions factors［J］．Research of Environmental Sciences，2010，23（5）：606－612．（In Chinese）

［18］VLIET O V，BROUWER A S，KURAMOCHI T，etal．Energy ues，cost and CO2emissions of electric cars［J］．Journal of Power Sources，2011，196（4）：2298－2310．

［19］熊志斌．基于ARIMA 與神經(jīng)網(wǎng)絡集成的GDP 時間序列預測研究［J］．數(shù)理統(tǒng)計與管理，2011，30（2）：306－310．

XIONG Zhi－bin．Research on GDP time series forecasting based on integrating ARIMA with neural network［J］．Journal of Applied Statistics and Management，2011，30（2）：306－310．（In Chinese）