基于LMDI與國際類比組合法的我國交通運輸行業(yè)碳排放驅(qū)動因素及減排潛力

李艷紅，王安宇，楊東

（交通運輸部科學(xué)研究院，北京 100029）

0 引言

交通運輸是國民經(jīng)濟(jì)的基礎(chǔ)性產(chǎn)業(yè)和服務(wù)性行業(yè)，近年來處于快速發(fā)展過程中。相關(guān)數(shù)據(jù)顯示，我國交通運輸領(lǐng)域的碳排放總量逐年升高，占全國終端碳排放的比例已經(jīng)超過10%[1]，是碳排放治理關(guān)注的重點領(lǐng)域之一。同時，隨著“交通強(qiáng)國”建設(shè)進(jìn)程的大力推進(jìn)，交通運輸行業(yè)在2030 年前仍將保持快速發(fā)展的態(tài)勢。為了實現(xiàn)“雙碳”目標(biāo)同時保證交通運輸行業(yè)的快速發(fā)展，需要對我國交通運輸行業(yè)碳排放的主要驅(qū)動因素進(jìn)行識別與分析，并對其減碳潛力進(jìn)行預(yù)測。

關(guān)于交通運輸行業(yè)碳排放驅(qū)動因素的研究，國外主要聚焦于交通運輸能耗與城市形態(tài)[2-3]、交通運輸能耗與個人出行行為[4]的關(guān)系方面：前者認(rèn)為交通運輸能耗量與城市形態(tài)存在緊密聯(lián)系，即，能源效率會伴隨人口增加而提高，直至城市人口規(guī)模達(dá)到最優(yōu)水平而當(dāng)城市人口超過臨界水平，會發(fā)生交通擁堵，從而降低交通能效，人口密度與交通能耗有較強(qiáng)的負(fù)相關(guān)性[2]；后者認(rèn)為交通運輸能耗與個人出行行為之間存在聯(lián)系，認(rèn)為交通需求的增長源于個人收入的增加，收入的增加使得人們購買和使用小汽車的增速更快，最終導(dǎo)致能耗增加。國內(nèi)已有研究主要分為兩類。一是方法論層面，代表性的有粗糙集方法[5]、因素分解法[6-7]、STIRPAT 模型[8]、改進(jìn)的STIRPAT模型[9-11]、IPCC的碳排放系數(shù)法[12-13]、LMDI 算法[14]、面板數(shù)據(jù)模型[15]、雙層次計量模型[16]、計量經(jīng)濟(jì)學(xué)模型[17]、投入產(chǎn)出結(jié)構(gòu)分解分析方法（I-O SDA 模型）[18]等，不同專家學(xué)者應(yīng)用不同的方法對交通運輸業(yè)碳排放的驅(qū)動因素進(jìn)行了識別和研究，總體圍繞經(jīng)濟(jì)（GDP、人均GDP 及其增長速度）、社會（人口規(guī)模、城鎮(zhèn)化率）、產(chǎn)業(yè)（產(chǎn)業(yè)結(jié)構(gòu)及布局）、科技（能源強(qiáng)度、能源結(jié)構(gòu)、能源效率）、交通自身等因素展開。其中，在交通自身因素方面發(fā)現(xiàn)交通基礎(chǔ)設(shè)施投資、交通運輸強(qiáng)度（客貨運輸周轉(zhuǎn)量、機(jī)動車保有量）、交通運輸結(jié)構(gòu)、交通能源強(qiáng)度等因素影響碳排放量，且不同因素對碳排放量的影響機(jī)理不同。二是不同空間區(qū)域應(yīng)用層面，王元慶等以城市群為對象，系統(tǒng)闡述了分方式出行距離與分擔(dān)率、排放強(qiáng)度、出行人群分布因素等與溫室氣體排放之間的復(fù)雜關(guān)系及規(guī)律[19]；袁長偉等將LMDI 算法應(yīng)用在陜西省[20]、莊穎等將LMDI 算法應(yīng)用在廣東省[21]、劉妤等將LMDI 算法應(yīng)用在西藏自治區(qū)[22]，發(fā)現(xiàn)不同時間區(qū)間、不同空間區(qū)域，各個影響因素與碳排放量的關(guān)系表現(xiàn)出明顯的差異性。此外還有專家學(xué)者對城市客運[23]、貨運[24]等單一方式與碳排放量之間的相互關(guān)系進(jìn)行了深入分析。

綜上可知，國外研究聚焦人口密度、人的出行行為等單一微觀指標(biāo)，國內(nèi)既有研究運用多種模型在不同區(qū)域?qū)煌ㄟ\輸業(yè)碳排放驅(qū)動因素進(jìn)行了分析，但是主要集中于經(jīng)濟(jì)、社會、科技等指標(biāo)，對交通自身的驅(qū)動因素考慮較少，且受限于數(shù)據(jù)獲取困難等原因與實踐結(jié)合較少，此外缺少與發(fā)達(dá)國家的橫向?qū)Ρ燃芭c我國發(fā)展趨勢的類比分析。

為了有效支撐“雙碳”目標(biāo)下我國交通運輸行業(yè)發(fā)展路徑及政策制定，本文將既有研究中的常見因素和體現(xiàn)交通運輸行業(yè)特點的客貨運結(jié)構(gòu)因素作為碳排放量的驅(qū)動因素，對2010—2020年間我國交通運輸行業(yè)的碳排放變化進(jìn)行定量分析，并將結(jié)果與美國、日本、德國等碳排放已達(dá)峰國家進(jìn)行類比研究，探索我國交通運輸行業(yè)減排的方向和潛力，同時考慮疫情形勢，提出我國交通運輸行業(yè)面向“雙碳”目標(biāo)的路徑建議與措施。

1 LMDI碳排放因素解析模型

1.1 模型適用性及影響因素選擇

對數(shù)平均迪氏指數(shù)法（Logarithmic Mean Divisia Index,LMDI）是一種指數(shù)分解方法，一般用于因素分解和各種因素變化趨勢和貢獻(xiàn)度分析。該方法可以做到無殘差、全分解，在能源特別是碳排放領(lǐng)域相比其他方法有更廣泛的應(yīng)用，因此本文使用LMDI 方法對交通運輸領(lǐng)域的碳排放量進(jìn)行分析。

基于已有研究成果，同時結(jié)合疫情下的新發(fā)展形勢，本文設(shè)置驅(qū)動碳排放的因素包括交通運輸碳排放系數(shù)、運輸方式結(jié)構(gòu)、客貨運結(jié)構(gòu)和換算周轉(zhuǎn)量。交通運輸碳排放系數(shù)是碳排放量與周轉(zhuǎn)量的比值，即單位周轉(zhuǎn)量的碳排放量，用于衡量能源的利用效率。運輸方式結(jié)構(gòu)指各種運輸方式在總周轉(zhuǎn)量中所占的比值，體現(xiàn)運輸結(jié)構(gòu)對碳排放量的影響?？拓涍\結(jié)構(gòu)指客運和貨運周轉(zhuǎn)量占換算周轉(zhuǎn)量的比重，描述旅客及貨物運輸在交通運輸行業(yè)內(nèi)各自的發(fā)展情況。受疫情影響，2020 年我國旅客周轉(zhuǎn)量比2019 年下降45.5%、貨物周轉(zhuǎn)量比2019 年下降1.0%[25]，可見疫情對客運、貨運的影響程度差異明顯，而單位旅客周轉(zhuǎn)量、單位貨物周轉(zhuǎn)量的碳排放量有較大不同，因此，疫情持續(xù)時期的客貨運結(jié)構(gòu)變化對交通運輸行業(yè)碳排放量的影響值得重視。換算周轉(zhuǎn)量指一段時間內(nèi)交通運輸行業(yè)的運輸總量，是交通運輸需求的量化表現(xiàn)。該模型選取的4 個因素可以比較有代表性地結(jié)合交通運輸領(lǐng)域與能源領(lǐng)域的參數(shù)，并體現(xiàn)交通運輸行業(yè)碳排放的特點。

1.2 數(shù)據(jù)來源及處理

本文數(shù)據(jù)來源于中國統(tǒng)計年鑒、國家統(tǒng)計局?jǐn)?shù)據(jù)庫、EDGAR6.0、聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change,IPCC）報告等相關(guān)統(tǒng)計數(shù)據(jù)、報告等。為了保證統(tǒng)計數(shù)據(jù)間的匹配及可比性，本研究中水運只包含內(nèi)河運輸，不包含遠(yuǎn)洋運輸，公路客運為營業(yè)性運輸。公路、鐵路、水運、航空4 種運輸方式的客貨周轉(zhuǎn)量換算系數(shù)采用交通運輸領(lǐng)域經(jīng)驗值，分別為0.1,1,0.33,0.072[20]。

1.3 模型應(yīng)用

LMDI 碳排放因素解析模型由Kaya 恒等式變換而來，可以將碳排放總量進(jìn)行分解，具體公式如下：

式（1）中：Et為t時期交通運輸碳排放總量（億噸）；t為時間（年）；i為運輸對象，i=1,2，其中1 代表貨物運輸，2 代表旅客運輸；j為運輸方式，j=1,2,3,4，分別代表鐵路、公路、水運和民航4種交通運輸方式；為t時期第i種運輸?shù)趈種交通方式的碳排放量（億噸）；為t時期第i種運輸?shù)趈種交通方式的換算周轉(zhuǎn)量（億噸公里）；為t時期第i種運輸?shù)模〒Q算）周轉(zhuǎn)量（億噸公里）；Vt為t時期總換算周轉(zhuǎn)量（億噸公里）。

交通運輸碳排放系數(shù)、運輸方式結(jié)構(gòu)、客貨運結(jié)構(gòu)和換算周轉(zhuǎn)量這4 個影響因素分別與式（1）中的4個因子進(jìn)行匹配，具體如下：

式（2）～式（3）中：為碳排放系數(shù)，指t時期第i種運輸?shù)趈種交通方式的單位（換算）周轉(zhuǎn)量的碳排放量（噸/億噸公里）；為運輸方式結(jié)構(gòu)，指t時期第i種運輸?shù)趈種交通方式的（換算）周轉(zhuǎn)量占i運輸（換算）周轉(zhuǎn)量的比重；為客貨運結(jié)構(gòu)，指t時期第i種運輸?shù)模〒Q算）周轉(zhuǎn)量占總換算周轉(zhuǎn)量的比重；Vt含義同前。

式（3）表明t時期的交通運輸碳排放量由碳排放系數(shù)、運輸方式結(jié)構(gòu)、客貨運結(jié)構(gòu)和換算周轉(zhuǎn)量4 個因素共同承擔(dān)，每一個因素都會對碳排放量產(chǎn)生影響，因此基準(zhǔn)期和t時期的碳排放總量變化量ΔE如式（4）所示。采用LMDI法將4個參數(shù)分解，如式（5）～式（8）所示：

式（4）～式（8）中：ΔEI為碳排放系數(shù)效應(yīng)，用于評估能源利用效率；ΔES為運輸方式結(jié)構(gòu)效應(yīng)，反映各個交通方式的市場份額；ΔER為客貨運結(jié)構(gòu)效應(yīng)，體現(xiàn)客貨運輸對碳排放量的影響；ΔEV為換算周轉(zhuǎn)量效應(yīng)，表示換算周轉(zhuǎn)量對碳排放量的作用；分別為基準(zhǔn)期交通運輸碳排放總量（億噸）、基準(zhǔn)期第i種運輸?shù)趈種交通方式的碳排放量（億噸）、基準(zhǔn)期第i種運輸?shù)趈種交通方式的單位（換算）周轉(zhuǎn)量的碳排放量（噸/億噸公里）、基準(zhǔn)期第i種運輸?shù)趈種交通方式的單位（換算）周轉(zhuǎn)量的碳排放量（噸/億噸公里）、基準(zhǔn)期第i種運輸?shù)模〒Q算）周轉(zhuǎn)量占總換算周轉(zhuǎn)量的比重、基準(zhǔn)期總換算周轉(zhuǎn)量（億噸公里）。

令：

則ΔEI,ΔES,ΔER,ΔEV對應(yīng)的能耗貢獻(xiàn)率分別為：

式（9）～式（11）中：ΔE′為基準(zhǔn)期和t時期各因素碳排放量變化量的絕對值之和；分別為t時期碳排放系數(shù)效應(yīng)、運輸方式結(jié)構(gòu)效應(yīng)、客貨運結(jié)構(gòu)效應(yīng)、換算周轉(zhuǎn)量效應(yīng)對碳排放總量變化量的貢獻(xiàn)率；ΔE″為t時期各因素碳排放量貢獻(xiàn)率之和。

2 我國交通運輸行業(yè)碳排放驅(qū)動因素解析

選擇2010—2020 年的交通運輸碳排放數(shù)據(jù)[26]對我國交通運輸碳排放因素進(jìn)行測算。將原始數(shù)據(jù)進(jìn)行整理和標(biāo)準(zhǔn)化處理后，代入模型進(jìn)行計算，得碳排放因素貢獻(xiàn)度、貢獻(xiàn)率如表1、表2所示?；诒? 數(shù)據(jù)，以2010 年為基年計算各因素對交通運輸碳排放的貢獻(xiàn)度，演變趨勢見圖1。

表1 2010—2020年我國交通運輸碳排放因素貢獻(xiàn)度 單位：億噸

表1 （續(xù)）

表2 2010—2020年我國交通運輸碳排放因素貢獻(xiàn)率

2.1 碳排放系數(shù)因素

2.1.1 結(jié)果分析

從表1、表2 及圖1 可以看出，碳排放系數(shù)對碳排放量的影響在研究時間段內(nèi)主要表現(xiàn)為拉動作用，但這種作用呈現(xiàn)“抑制-拉動-抑制-拉動”的波動效果，即能源利用效率對碳排放的影響并不穩(wěn)定。但是除了2012—2013年、2018—2019年以外，拉動作用都較弱，有向抑制作用發(fā)展的趨勢。因此，未來通過減少碳排放系數(shù)降低碳排放量具有較大的潛力。

2.1.2 減排潛力分析

為了研究碳排放系數(shù)因素的減排潛力，選擇單位周轉(zhuǎn)量碳排放系數(shù)指標(biāo)進(jìn)行國際類比分析。中國、美國、德國、日本的歷史年份交通運輸行業(yè)CO2排放量及單位周轉(zhuǎn)量碳排放系數(shù)如圖2所示。

從圖2可以看出：美國、德國單位周轉(zhuǎn)量碳排放系數(shù)呈先增后降再趨于平穩(wěn)的趨勢，美國在2017年穩(wěn)定在15 600噸/億噸公里左右，德國在2009年穩(wěn)定在18 000噸/億噸公里左右。我國總體上也存在先增后降再趨于平穩(wěn)的趨勢，2008年以來穩(wěn)定在6 000 噸/億噸公里左右。相較美國、德國和日本，我國單位周轉(zhuǎn)量的碳排放系數(shù)較低，一方面是由于統(tǒng)計口徑的原因，4個國家交通運輸行業(yè)碳排放數(shù)據(jù)的統(tǒng)計口徑不一致，如我國的公路客運只包含營業(yè)性運輸，而美國還包含非營業(yè)運輸及城市客運；另一方面，發(fā)展階段不同，碳排放系數(shù)隨經(jīng)濟(jì)發(fā)展階段大致表現(xiàn)為一條倒U 形曲線，不同發(fā)展階段的碳排放系數(shù)有較大的差異。借鑒國外單位周轉(zhuǎn)量碳排放系數(shù)變化規(guī)律，同時結(jié)合我國經(jīng)濟(jì)發(fā)展階段判斷，根據(jù)2021—2035年我國旅客出行量（含小汽車出行量）年均增速為3.2%左右、全社會貨運量年均增速為2%左右[27]，對我國2030年的換算周轉(zhuǎn)量進(jìn)行預(yù)測，再結(jié)合2030年我國交通運輸行業(yè)碳排放達(dá)峰的峰值，測算出為實現(xiàn)2030年碳達(dá)峰目標(biāo)，我國單位周轉(zhuǎn)量的碳排放系數(shù)需進(jìn)一步降低至4 300 噸/億噸公里左右，比2019年6 500噸/億噸公里降低33.85%，如圖3所示。

2.2 運輸方式結(jié)構(gòu)因素

2.2.1 結(jié)果分析

從表1、表2 及圖1 可以看出，運輸方式結(jié)構(gòu)對我國碳排放量的影響在研究時間段內(nèi)主要表現(xiàn)為拉動作用。不過，2012—2013年、2013—2014年、2018—2019年、2019—2020年運輸方式結(jié)構(gòu)對碳排放量的影響表現(xiàn)為抑制作用，究其原因，2012—2014 年是由于統(tǒng)計范圍口徑發(fā)生了變化；2018—2020 年則主要因為我國實施了“推進(jìn)運輸結(jié)構(gòu)調(diào)整三年行動計劃”，運輸結(jié)構(gòu)調(diào)整優(yōu)化對減少碳排量起到了明顯的效果，未來通過運輸結(jié)構(gòu)調(diào)整優(yōu)化來實現(xiàn)碳減排還有一定的空間和潛力。

2.2.2 減排潛力分析

中國、美國、德國、日本4 個國家2000 年、2019年不同交通方式碳排放量對比如圖4所示。

由圖4 可知，美國、德國和日本的碳排放量在不同運輸方式之間變化較小，達(dá)到了相對穩(wěn)定的運輸結(jié)構(gòu)狀態(tài)。美國公路碳排放量占比始終超過82%，鐵路碳排放量占比從1.8%提升到了2%；德國的公路碳排放量占比始終超過95%；中國公路碳排放量占比從68%提升到了77%，變化較大。一方面，我國運輸結(jié)構(gòu)還未達(dá)到穩(wěn)定狀態(tài)，仍在優(yōu)化過程中；另一方面，與國土面積相近的美國相比，2000—2019 年間，鐵路碳排放量占比方面，美國提升了1%，我國降低了3.7%，而與公路運輸相比，鐵路運輸?shù)湍芎?、低排放?yōu)勢明顯，因此，鐵路在我國交通運輸中所占的份額還需進(jìn)一步提升。

2.3 換算周轉(zhuǎn)量因素

2.3.1 結(jié)果分析

從表1、表2 及圖1 可以看出，換算周轉(zhuǎn)量對我國碳排放量的影響在研究時間段內(nèi)主要表現(xiàn)為拉動作用，但拉動力度有逐步減弱的趨勢，即換算周轉(zhuǎn)量與碳排放量之間呈相關(guān)性減弱、逐步脫鉤的趨勢。換算周轉(zhuǎn)量對碳排放量表現(xiàn)出抑制作用，究其原因有：2012—2013 年、2014—2015年、2018—2019 年是由統(tǒng)計范圍口徑變化引起；2019—2020年則是受疫情影響，導(dǎo)致2020年換算周轉(zhuǎn)量降低。未來隨著“雙碳”戰(zhàn)略的深入推進(jìn)，換算周轉(zhuǎn)量與碳排放量之間會逐步“脫鉤”，因此通過降低換算周轉(zhuǎn)量來減少碳排放量有一定的潛力但相對碳排放系數(shù)因素、運輸方式結(jié)構(gòu)因素的潛力較小。

2.3.2 減排潛力分析

根據(jù)相關(guān)部門預(yù)測[27]，2021—2035 年，我國旅客出行需求將穩(wěn)步增長，旅客出行量（含小汽車出行量）年均增速為3.2%左右；貨物運輸需求穩(wěn)中有升，全社會貨運量年均增速為2%左右[27]，即我國的換算周轉(zhuǎn)量還會持續(xù)增長。中國、美國、德國、日本四國交通運輸行業(yè)碳排放量與換算周轉(zhuǎn)量之間的相關(guān)關(guān)系如圖5 所示，其中德國與日本已經(jīng)實現(xiàn)了碳排放量與換算周轉(zhuǎn)量的脫鉤。借鑒已達(dá)峰國家經(jīng)驗，即使我國換算周轉(zhuǎn)量持續(xù)增長，但隨著其與碳排放量之間的逐步脫鉤，對碳排放量的貢獻(xiàn)會逐漸下降，因此依靠該因素減排還有一定的空間，但是空間不大。

2.4 客貨運結(jié)構(gòu)因素

從表1、表2 及圖1 可以看出，客貨運結(jié)構(gòu)對我國碳排放量的影響偏小且比較穩(wěn)定，前9 個時間段的貢獻(xiàn)率均值為1.66%，客貨運結(jié)構(gòu)調(diào)整對碳減排潛力影響不大。2020 年受新冠疫情的影響，我國旅客周轉(zhuǎn)量同比下降45.5%、貨物周轉(zhuǎn)量同比下降1.0%，換算周轉(zhuǎn)量中客運占比由前10年均值7.13%下降至4.74%、貨運占比由前10 年均值92.87%上升至95.26%，導(dǎo)致客貨運結(jié)構(gòu)對我國交通運輸行業(yè)碳排放的貢獻(xiàn)率由前10年均值6%升高至43.3%，而疫情仍將持續(xù)一段時間，為實現(xiàn)我國交通運輸行業(yè)“雙碳”目標(biāo)，需要重點關(guān)注疫情持續(xù)時期的這一變化。

3 我國交通運輸行業(yè)減碳對策

當(dāng)前，我國交通運輸發(fā)展現(xiàn)狀與交通強(qiáng)國建設(shè)目標(biāo)相比還有一定的差距，完善交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)將誘導(dǎo)增量旅客出行及物流需求，導(dǎo)致碳排放有所增加，未來一段時間內(nèi)交通運輸量與經(jīng)濟(jì)發(fā)展、碳排放還無法脫鉤，所以通過控制交通發(fā)展水平來減少碳排放的途徑并不可行。因此，在加快推進(jìn)交通強(qiáng)國建設(shè)、完善綜合交通運輸網(wǎng)絡(luò)體系、為公眾提供更加便捷和高效的運輸服務(wù)的基礎(chǔ)上，需要在運輸裝備、運輸結(jié)構(gòu)和運輸組織上采取措施，促進(jìn)交通運輸實現(xiàn)高效率、低碳化的高質(zhì)量發(fā)展格局，最終實現(xiàn)“碳達(dá)峰”和“碳中和”目標(biāo)?；隍?qū)動交通運輸行業(yè)碳排放的因素分析及預(yù)測，現(xiàn)提出以下3個方面的對策。

3.1 提升交通用能效率，降低單位周轉(zhuǎn)量碳排放系數(shù)

根據(jù)研究時間段內(nèi)我國交通運輸行業(yè)碳排放影響因素分析結(jié)果，由于統(tǒng)計口徑原因，我國單位周轉(zhuǎn)量碳排放系數(shù)相比美國、日本、德國等已達(dá)峰國家較低，但是根據(jù)已達(dá)峰國家單位周轉(zhuǎn)量碳排放系數(shù)變化規(guī)律，我國單位周轉(zhuǎn)量碳排放系數(shù)還有一定的降低空間。降低單位周轉(zhuǎn)量碳排放系數(shù)的措施主要有：

（1）調(diào)整交通能源結(jié)構(gòu)，降低交通對傳統(tǒng)能源的消耗強(qiáng)度。如加快鐵路電氣化，大力發(fā)展新能源汽車，鼓勵汽車使用更清潔的電能、氫能、生物質(zhì)燃料等。

（2）加快裝備技術(shù)升級，提高能源利用率。如采用新型高效電力機(jī)車；發(fā)展混合動力汽車技術(shù)，發(fā)展高性能柴油車、大噸位載貨車和拖掛運輸；推動船舶大型化，提高大噸位、高效能船舶的比例。

（3）制訂車輛、船舶的燃油效率標(biāo)準(zhǔn)，且逐步提高標(biāo)準(zhǔn)，以控制機(jī)動車、船舶的碳排放量。

3.2 提升鐵路、水運及城市公共交通比例，優(yōu)化交通運輸方式結(jié)構(gòu)

與公路運輸相比，鐵路和水運低能耗、低排放優(yōu)勢明顯，水運、鐵路、公路完成單位貨物周轉(zhuǎn)量的能耗比約為1∶2∶7[28]。統(tǒng)計數(shù)據(jù)表明，小汽車單位周轉(zhuǎn)量的CO2排放量是常規(guī)地面公交的5.89 倍、軌道交通的98.57倍[28]，因此提升鐵路、水運及城市公共交通比例，優(yōu)化交通運輸方式結(jié)構(gòu)是實現(xiàn)“雙碳”目標(biāo)的重要措施之一，主要途徑有：

（1）加快完善和實施鐵路專用線進(jìn)廠、進(jìn)港、進(jìn)園區(qū)工程，補(bǔ)齊鐵路貨運“最后一公里”短板，同時加快鐵路領(lǐng)域改革，提高鐵路貨運企業(yè)的積極性，形成面向市場的鐵路貨運價格機(jī)制。

（2）完善港口集疏運體系。

（3）通過政策引導(dǎo)中長距離大宗貨物運輸轉(zhuǎn)向鐵路或水運，最終形成與我國國情相適應(yīng)的“宜水則水、宜鐵則鐵、宜公則公、宜空則空”的綠色低碳綜合運輸結(jié)構(gòu)。

（4）進(jìn)一步推廣和實施公交優(yōu)先發(fā)展戰(zhàn)略，提升公共交通的吸引力，改變城市出行模式和習(xí)慣，讓更多的人選擇公共交通出行。

3.3 大力發(fā)展多式聯(lián)運、共享交通及智慧交通，優(yōu)化交通運輸組織

單位周轉(zhuǎn)量碳排放系數(shù)變化主要依靠運載工具更新和運輸組織方式優(yōu)化兩個方面。運載工具更新已在3.1 節(jié)闡述，不再贅述。運輸組織方式優(yōu)化可以大幅降低運載工具及旅客、貨物在運輸過程中的無效移動，提高運輸效率，充分利用設(shè)備，減少空駛、等待等行為。運輸組織優(yōu)化措施有：

（1）貨運方面，大力發(fā)展多式聯(lián)運，保障多式聯(lián)運各環(huán)節(jié)銜接順暢，有效提高多式聯(lián)運占比、換裝效率。

（2）客運方面，大力推進(jìn)旅客聯(lián)程運輸，改善出行體驗，提高綜合運輸組合效率。

（3）城市客運方面，積極推行出行即服務(wù)（Mobility as a Service,Maas），提高綠色出行比例，打造低碳生活模式。

（4）城市貨運方面，大力推動城市綠色貨運配送體系，在制度、政策、信息化、標(biāo)準(zhǔn)化等方面予以支持。

4 結(jié)語

本文利用LMDI 指數(shù)分解方法，基于2010—2020 年數(shù)據(jù)對我國交通運輸行業(yè)碳排放驅(qū)動因素進(jìn)行了量化分析，探討了單位周轉(zhuǎn)量碳排放系數(shù)、交通方式結(jié)構(gòu)、換算周轉(zhuǎn)量、客貨運結(jié)構(gòu)等驅(qū)動能耗及碳排放增長的主要因素及其影響機(jī)理，并對各驅(qū)動因素的發(fā)展趨勢及其碳減排潛力進(jìn)行了國際類比分析與預(yù)測，最后提出了我國實現(xiàn)交通運輸“雙碳”目標(biāo)的對策和建議。

由于缺少穩(wěn)定可靠的統(tǒng)計數(shù)據(jù)等原因，本研究針對各因素減排潛力的分析主要局限于趨勢性研判，關(guān)于單位周轉(zhuǎn)量碳排放系數(shù)變化的內(nèi)在原因及機(jī)理分析、交通方式結(jié)構(gòu)變化對碳排放減少潛力的量化預(yù)測、換算周轉(zhuǎn)量與碳排放脫鉤路徑等深層次系統(tǒng)性分析將是下一步研究的重點和方向。