Transport Research >

2022 , Vol. 8 >Issue 6: 29 - 39

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.06.004

Scale and Trend for Passenger Transport of China with Carbon Peaking Goal

  • ZHOU Jin ,
  • LI Ning-hai ,
  • LIU Shuang ,
  • YU Yang
Expand
  • Integrated Transport Research Center of China, Beijing Jiaotong University, Beijing 100044, China

Received date: 2022-09-27

  Online published: 2023-01-17

Fold

Abstract

In order to study the development trend and carbon reduction strategies of China′s passenger transport industry under the background of urbanization rate increasing and China's carbon peaking goal in 2030, based on the passenger turnover data of inter-urban, intra-urban, rural public transport and private cars, this paper analyzed the development status of China′s passenger transport industry and the passenger transport structure based on 2019 data. Using the growth rate method considering population and passenger turnover per unit population, a model for calculating the scale of residents' motorized travel was constructed to predict the scale of China′s passenger transport demand from 2025 to 2035. Based on the analysis of passenger transport structure and demand scale, the future passenger transport structure scenarios were set to study the carbon reduction strategies of passenger transport structure restructuring in 2030. The result showed that in 2019, the per capita motorized travel distance in China was around 5 991km, the proportion of private car travel was 46.76%; the proportion of inter-urban passenger transport was 34.87%, while the proportion of intra-urban and rural passenger transport was 12.38% and 5.99% respectively. In addition, the mid-values of China′s passenger turnover in 2030 and 2035 were predicted to be 10.17 trillion passenger-kilometers and 11.08 trillion passenger-kilometers respectively. The scenario analysis shows that the focus of emission reduction in China′s passenger transport industry lies in the adjustment of passenger transport structure: firstly, optimizing the structure of passenger transport between cities, promoting the conversion of operational highway and civil aviation into railway to expand the proportion of railway transport; secondly, promoting the transfer of private transport to public transport and increasing the share of efficient public transport. Under the above forecast scale of passenger demand and setting scenarios of passenger transport structure, the carbon emissions of China's passenger transport industry is expected to be reduced by 9%~15% in 2030.

Key words： passenger transport industry; passenger transport structure; population; passenger traffic turnover; carbon emissions

Cite this article

ZHOU Jin , LI Ning-hai , LIU Shuang , YU Yang . Scale and Trend for Passenger Transport of China with Carbon Peaking Goal[J]. Transport Research, 2022 , 8(6) : 29 -39 . DOI: 10.16503/j.cnki.2095-9931.2022.06.004

0 引言

随着城市化进程的加快，2021年末，我国城市化率达到64.72%（世界平均城市化率为56%[1]），较2015年末提高了8个百分点。城市化率不断提升，综合交通基础设施加速成网，使我国客运结构也发生了明显变化。在碳达峰目标下，客运碳减排成为社会关注的焦点。交通运输部在发布的《综合运输服务“十四五”发展规划》[2]中提到，应构筑以高铁、航空为主体的客运服务，深入实施公交优先发展战略，这将有助于我国实现碳达峰碳中和目标。与此同时，截至2019年底，我国农村人口数量约为5.5亿人[3]；2020年8月底，我国3.1万余个乡镇和54.3万余个建制村全部实现通客车，初步形成了基于公交、班线、预约响应等形式的农村客运网络[4]。由此可见，农村客运已成为我国客运结构中不可忽视的组成部分，如何实现包括农村客运在内的客运业碳达峰目标是重要的研究方向。
国内一些学者针对我国客运业发展及客运量预测进行了研究。在客运规模预测方面，邓涛成等[5]结合1999—2007年农村GDP、农村人口数等预测得到2008—2015年农村客运量呈现稳步增长趋势。樊桦[6]研究验证了人均GDP、城市化率和运输线路总里程与客运量呈显著的正相关关系，预测在65%城镇化率基准情景下，2008—2020我国客运需求量年均增长率为3.35%，低于1979—2008年的7.9%。李艳红等[7]结合我国GDP、人口数据、第三产业比重及城镇化率分析客运规模，得到2030年前我国旅客周转量将呈现逐渐增长的趋势，但增速持续放缓。上述研究表明我国客运需求受人口及经济指标影响显著，且均有随着经济发展客运需求增速放缓的结论。
在客运与碳减排方面，既有文献大多探讨了交通结构与交通碳排放、碳达峰的关系。魏庆琦等[8]研究表明我国交通运输结构对交通运输碳排放的影响显著，贡献率约为63.73%，而我国交通运输规模随经济增长出现粗放型增长趋势，未来需充分发挥运输结构优化的碳减排潜力。黄莹等[9]以广州市为例，指出城市客运的私人小汽车、城际客运的公路和航空运输具有较强的碳减排潜力，提出城市小汽车转公共交通，城际公路运输向铁路、水路方式转移的政策建议。朱顺应等[10]在对襄阳市的研究中，得出客运交通碳排放效率呈“传统公共交通（含巡游车）大于共享交通大于私人交通”的差异化态势的结论，指出城市交通碳减排依赖交通结构改善和交通能源结构转型。毛保华等[11]研究表明在控制出行总量前提下，采取私家车向城市公共交通转移及化石燃料驱动交通方式转向电驱动交通方式的结构调整政策措施，能实现2030年城市居民碳排放量减少30%~40%。既有研究均表明，人口、社会经济和交通结构是交通碳排放的重要影响因素，而交通结构改善是交通碳减排的重要手段。
针对既有研究大多仅讨论城市内和城市间的客运系统碳排放的不足，在我国实现全面小康及2030年碳达峰目标背景下，本文将农村客运考虑在内，分析城市间、城市内、农村公共交通及私家车的综合客运结构，从人口角度预测2030—2035年我国客运需求规模，并在客运结构和客运需求规模的基础上设置不同的客运结构情景，探讨碳达峰目标视角下客运减碳发展路径，以期为我国客运业碳排放量控制提供理论参考。

1 我国客运结构现状分析

1.1 我国客运发展现状

根据《中国统计年鉴2021》[12]提供的数据，2015—2019年我国旅客周转量由3.01万亿人公里上升至3.53万亿人公里，但营业性公路客运量呈现下降趋势，部分客运量向铁路与民航转移。《新时代交通强国铁路先行规划纲要》[13]提出，我国到2035年计划建成铁路网20万公里，在高铁建设加速的背景下，普速铁路网的完善将进一步惠及农村居民。高铁能更有效地服务中短途出行旅客，因此会间接吸引城市间私家车出行需求向高铁转移，铁路平均运距下降。除铁路外，营运性公路、水运、民航的平均运距均呈上升趋势，总平均运距上升使旅客周转量依然保持上升趋势。此外，据世界资源研究所调研结果，我国私家车平均年行驶里程在2002年达峰后开始出现下降趋势，2013—2015年下降了4%，2016年降低至13000~13500公里[14]。
近年来，我国城市轨道交通建设加速。根据中国城市轨道交通协会数据[15-16]，2015—2019年我国城市轨道交通运营里程上升86.2%，网络化运营程度提升使平均运距增加，旅客周转量增长迅速。但是，在城市公共交通中占较大比例的公共汽电车和巡游出租车客运量呈小幅下降态势，在城市化率提升的背景下，城市客运增长仍以私家车保有量增长为主。根据我国国民经济和社会发展统计公报数据，2019年我国民用汽车达2.6亿辆，其中私人轿车1.37亿辆[17]，较2015年0.88亿辆[18]增长了约55.8%。农村客运方面，2011年农村班车数量为35.6万辆[19]，2020年下降至32万辆[20]，2011—2020年每万农村人口对应的班车数量由5.48辆/万人上升至6.28辆/万人，增长幅度不大，农村客运增长以私家车保有量提升为主。

1.2 模型构建及客运结构分析

客运业碳减排的重要方向是交通结构优化，特别是城市间及城市内出行结构的优化，即推动私家车向铁路、城市公共交通等绿色交通方式转移[11]。
（1）居民平均出行里程推算
为分析研究我国客运业结构改善方向及结构调整效果，本研究首先建立客运业机动化人均年平均出行里程推算模型（见图1），考虑城市间客运、城市内客运、农村客运及私家车四部分测算综合交通旅客周转量，并通过与全国人口总数相除得到人均年平均出行里程。
图1 我国居民人均年平均出行里程推算模型原理
设 P R, P H, P W, P A分别为城市间铁路、营运性公路、水路与民航年旅客周转量； P B, P U, P T为城市公共汽电车、轨道交通、巡游出租车年旅客周转量，客运轮渡本文不做考虑； P R R, P R H分别为农村普速铁路、农村客运班车年旅客周转量； P C为全国私家车周转量； α为未被统计的私人机动化出行量（包括摩托车、电动助力车与被低估的私家车部分）修正系数； R为全国人口总数。我国居民人均年平均出行里程L可按图1描述的逻辑推算，具体计算公式如下[11]：
L = P R + P H + P W + P A + P B + P U + P T + P R R + P R H + P C ( 1 + α ) R
式（1）中： P W, P A引用统计年鉴数据； P R由普速铁路旅客周转量与城市化率的乘积，加上高速铁路旅客周转量得到，计算公式见式（2）； P R R由普速铁路旅客周转量与农村人口占比相乘得到，计算公式见式（3）。
P R = P C R u + P H R
P R R = P C R ( 1 - u )
式（2）~式（3）中： P C R为普速铁路旅客周转量（亿人公里）； P H R为高速铁路旅客周转量（亿人公里）； u为城市化率（%）。
《中国统计年鉴》中营运性公路周转量部分包含城市公交、城市间客运及农村客运等，本文 P H由公路旅客周转量与城市化率相乘得到，计算公式如下：
P H = P T H u
式（4）中： P T H为公路旅客周转量（亿人公里）。
P U采用中国城市轨道交通协会统计数据， P B, P T经公共汽电车、巡游出租车客运量与平均运距相乘得到，计算公式如下：
P B = C B l B
P T = C T l T
式（5）~式（6）中： C B为公共汽电车客运量（亿人）； l B为公共汽电车平均运距（km）； C T 为巡游出租车客运量（亿人）； l T为巡游出租车平均运距（km）。
P R H由农村客运班车客运量与平均运距相乘得到。根据《中国统计年鉴》提供的公路营运载客汽车辆数和总客位数可计算每辆营运载客汽车客位数，其与农村客运班车班次相乘可得到农村客运班车客运量。 P R H具体计算公式如下：
P R H = s b × o × l R H × 365 × 1 10000
式（7）中：b为公路营运载客汽车辆数（万辆）；s为公路营运载客汽车总客位数（万客位）；o为农村客运班车日班次（万班次）； l R H为农村客运班车平均运距（km）。
P C由私家车辆数与年均行驶里程、平均每车人数相乘得到，计算公式如下：
P C = q d h 1 + α
式（8）中： q为私家车辆数（亿辆）； d为私家车年均行驶里程（km）； h为平均每车人数（人/车）； α为未被统计的私人机动化出行量修正系数。
（2）基于2019年数据的我国客运结构分析
本文客运结构是指各出行方式旅客周转量在综合交通旅客周转量中的占比。考虑疫情对出行的影响，本文以2019年前的客运数据为研究对象。从《中国统计年鉴2021》[12]得到2015—2019年铁路、营运性公路、水运、民航旅客周转量及城市化率数据，处理得到城市间营运性旅客周转量。以2019年为例[12]，高速铁路旅客周转量为7 746.7亿人公里，普速铁路旅客周转量为6 959.9亿人公里，城市化率为62.7%，由式（2）~式（3）计算得到2019年城市间铁路旅客周转量为12 111亿人公里，农村普速铁路旅客周转量为2 595亿人公里。采用增长率法[21]修正公路旅客周转量，由式（4）计算得到2019年城市间营运性公路旅客周转量为5 549亿人公里。2019年水运、民航旅客周转量引用统计年鉴数据分别为80亿人公里、1 1705亿人公里[12]。
从交通运输行业发展统计公报可得到城市客运量。以2019年为例，公共汽电车客运量为691.76亿人[22]，平均运距按7km[11]计，由式（5）计算得到公共汽电车旅客周转量为4 842亿人公里；巡游出租车客运量为347.89亿人[22]，考虑到近年各城市网约车的影响按30%加成，平均运距按8km[11]计，由式（6）可得巡游出租车旅客周转量为3 618亿人公里。根据中国城市轨道交通协会统计数据[15]，2019年城市轨道交通旅客周转量为2 003亿人公里。
农村客运即直接与乡镇地域关联的县市至乡镇、乡镇之间、乡镇至自然村以及自然村之间的旅客运输[3]，本研究考虑普速铁路、农村客运班车两部分。以2019年为例，营运汽车客位为26人/辆，农村客运班车日班次参考2011年数（由国务院新闻办公室发布的数据[23]可知，2011年我国农村客运日发班车107万班次），再根据往年车辆数等比例取为100万班次，平均运距根据部分市县数据（19~26km[24-25]）取26km，以上数据代入式（7）可计算得到农村客运班车年旅客周转量为2 467亿人公里。
根据世界资源研究所调研数据，2013年我国私家车年均行驶里程为14 800km[14]，结合文献[26]~文献[27]的研究成果，按2013—2018年平均下降率2.94%进行推算，2019年我国私家车年均行驶里程约为12 013km。根据国家统计局数据，2019年全国私人轿车保有量为1.37亿辆[17]，私家车年均行驶里程与保有量相乘得到2019年私家车年均行驶总量为16 459亿车公里。考虑存在摩托车、两轮电动车、农用车等被低估的机动化出行，可按20%加成，车均人数按2人/车[28]计，由式（8）可计算得到私家车旅客周转量为39 501亿人公里。
综上，可得到2019年我国旅客周转量总量为84 471亿人公里，按2019年我国14.1亿人口推算（数据来源于《中国统计年鉴2021》），我国居民人均年平均出行里程为5 991公里。2019年我国居民出行结构如表1所示。
表1 2019年不同客运方式完成的周转量及占比
指标 城市间客运 城市内客运 农村客运 私家车 合计
铁路 营运性
公路		 水运 民航 公共汽
电车		 轨道
交通		 巡游
出租车		 普速
铁路		 客运
班车
周转量/亿人公里 12 111 5 549 80 11 705 4 842 2 003 3 618 2 595 2 467 39 501 84 471
占比（%） 14.34 6.57 0.10 13.86 5.73 2.37 4.28 3.07 2.92 46.76 100
34.87 12.38 5.99 46.76 100

2 我国客运需求规模预测

既有研究表明，旅客运输需求规模受人口的影响最大，单位人口的旅客周转量与不同地区的面积、人口分布、人口密度及出行强度等因素有关[29]。表2描述了过去40年，我国与美国、英国、日本等部分国家单位人口产生的旅客周转量变化情况。
表2 1980—2019年部分国家单位人口的旅客周转量变化情况
年份 单位人口的旅客周转量/（人公里·人-1） 年均增长率（%）
中国 美国 英国 日本 中国 美国 英国 日本
1980 232.5 20 563.2 8 721 6 695.1
1985 747.6 22 398.6 9 609 7 102.4 26.3 1.7 2.0 1.2
1990 937.0 25 382.3 12 056 10 515.5 4.6 2.5 4.6 8.2
1995 1 146.2 25 965.6 12 279 11 062.4 4.1 0.5 0.4 1.0
2000 1 837.2 28 157.5 12 705 11 192.5 9.9 1.6 0.7 0.2
2005 2 114.8 29 914.1 12 936 11 046.8 2.9 1.2 0.4 -0.3
2010 2 085.2 29 257.9 12 378 -0.3 -0.4 -0.9
2015 2 178.4 29 990.8 12 568 0.9 0.5 0.3
2019 2 511.1 31 341.7 13 028 2.9 0.9 0.7

注：人口数据来源于世界银行；中国旅客周转量数据来源于《中国统计年鉴》。

从表2可看出，不同国家单位人口产生的旅客周转量水平差异较大，这与各国国土面积、人口分布特征等因素有关。总体而言，美、英、日等国单位人口产生的旅客周转量在1990年后增速放缓，甚至部分时期出现下降趋势。我国经济发展晚于上述国家，单位人口的旅客周转量于2000年后出现增速放缓的趋势。
对某一国家或经济体而言，随着经济发展及城市化率逐步提高，各交通方式需求结构趋于稳定，客运需求增速将与人口增速相匹配。因此，单位人口的旅客周转量将呈现低速上升趋势。从近期发展环境看，我国客运网络仍在逐步完善，城市化率呈现持续上升趋势，城市群建设加速，因此单位人口的旅客周转量仍将继续以低增速上升。预计在我国高铁网络规模及民航运输规模均达到较高水平的2035年之前，单位人口的旅客周转量将维持稳中有进的发展趋势。
近年来，我国人口增速放缓，年均增长率由2010年的0.62%下降至2019年的0.33%[12]。联合国人口司发布的《世界人口展望2022》[30]中对我国未来人口数量变化进行了预测，指出2022年后我国人口数量开始呈下行趋势，2025年、2030年及2035年我国人口分别为14.25亿人、14.17亿人、14.01亿人。以2019年（14.10亿人）为基准，年均增长率分别为0.18%, 0.05%, -0.04%。
本研究采用考虑人口和单位人口旅客周转量的增长率法推算未来年份旅客周转量，具体计算公式如下：
P p = P b ( 1 + β ) n ( 1 + γ ) n
式（9）中： P P为未来年份旅客周转量（万亿人公里）； P b为基础年份旅客周转量（万亿人公里）； β为单位人口的旅客周转量增长率（%）； γ为人口增长率（%）； n为推算周期（年）。
2019年我国旅客周转量（含私家车）约为8.45万亿人公里，人口为14.1亿人（数据来源于《中国统计年鉴2021》），计算可得单位人口的旅客周转量为5 991人公里/人。参考发达国家单位人口的旅客周转量变化趋势，预测未来我国单位人口的旅客周转量增速将放缓。以我国人口增长率为0%或-0.1%，单位人口的旅客周转量增长率为2.0%或1.5%为情景，推算我国2025—2035年旅客周转量如表3所示。
表3 2025—2035年不同情景下我国旅客周转量推算（含私家车） 单位：万亿人公里
年份 单位人口的旅客周转量增长率为2.0%，人口增长率为0%或-0.1% 单位人口的旅客周转量增长率为1.5%，人口增长率为0%或-0.1%
2019（基础年） 8.45 8.45
2025 9.51/9.46 9.24/9.18
2030 10.50/10.39 9.95/9.84
2035 11.60/11.41 10.72/10.55
由表3可见，若单位人口的旅客周转量增长率为2%，预测得出2030, 2035年我国的旅客周转量在10.39~10.50万亿人公里、11.41~11.60万亿人公里的水平。综合各情景，预测2030年我国旅客周转量规模大致在9.84~10.50万亿人公里，2035年可达到10.55~11.60万亿人公里。因此，我国2035年旅客周转量下限为10.55万亿人公里左右，上限在11.60万亿人公里左右，中值为11.08万亿人公里（2030年中值为10.17万亿人公里）。按中值计算，预测得到我国2030年旅客周转量较2019年增长20%，2035年较2019年增长31%。

3 基于客运结构和规模预测的减碳策略分析

基于上文对客运结构和需求规模的分析，设置不同的情景分析未来年份我国客运行业碳排放量及减碳策略。首先分析历年客运结构的变化，为设置碳减排情景提供数据基础。2015—2019年我国居民不同客运方式出行比例变化如表4所示。
表4 2015—2019年我国居民不同客运方式出行比例（%）
年份 城市间客运 城市内客运 农村客运 私家车
铁路 营运性公路 水运 民航 公共汽电车 轨道交通 巡游出租车 普速铁路 客运班车
2015 12.61 9.09 0.11 10.80 7.95 1.68 6.12 5.12 3.83 42.69
2016 12.87 8.28 0.10 11.58 7.21 1.84 5.42 4.52 3.56 44.62
2017 13.48 7.59 0.10 12.28 6.53 1.95 4.90 3.89 3.31 45.97
2018 14.03 7.07 0.10 13.24 6.03 2.18 4.52 3.46 3.14 46.23
2019 14.34 6.57 0.10 13.86 5.73 2.37 4.28 3.07 2.92 46.76
由表4数据可知，2015—2019年，由于高速铁路的发展，城市间铁路客运占比由12.61%上升至14.34%；农村普速铁路占比受到农村人口下降的影响，呈现下降趋势；营运性公路占比下降显著；民航稳步发展，占比逐年增加，2019年民航客运占比接近铁路客运占比。私家车是我国居民主要出行方式，2015—2019年我国私家车保有量由8 793万辆[18]上升至13 701万辆[17]，在小汽车年平均行驶里程下降的背景下，私家车出行占比仍呈现上升趋势，2017年开始占比超过45%。
结合不同客运方式的人公里碳排放因子，在一定的客运结构下，客运总碳排放量C可按下式计算：
C = ( P R + P R R ) C R + ( P H + P R H ) C H + P A C A + P B C B + P U C U + P T C T + P C C C
式（10）中： C R, C H, C A分别为铁路、营运性公路、民航平均碳排放因子； C B, C U, C T分别为城市公共汽电车、轨道交通、巡游出租车平均碳排放因子； C C为私家车平均碳排放因子。由于水运占比较小，本文不讨论水运碳排放量。根据既有研究[31⇓-33]，不同客运方式的排放因子基准值如表5所示。
表5 不同客运方式人公里排放因子 单位：gCO2/人公里
客运方式 铁路 公路 民航 公共汽
电车		 轨道
交通		 小客车
（燃油）
排放因子 17.4 48.07 90.85 13.16 8.1 137.19
根据2019年各客运方式旅客周转量和平均碳排放因子，可得到各客运方式碳排放量，如表6所示。
表6 2019年各客运方式旅客周转量及碳排放量
指标 城市间客运 城市内客运 农村客运 私家车 合计
铁路 营运性
公路		 民航 公共汽
电车		 轨道
交通		 巡游
出租车		 普速
铁路		 客运
班车
旅客周转量/亿人公里 12 111 5 549 11 705 4 842 2 003 3 618 2 595 2 467 39 501 84 391
碳排放量/万tCO2 2 107 2 667 10 634 637 162 4 964 452 1 186 54 191 77 000
碳排放量合计/万tCO2 15 408 5 763 1 638 54 191 77 000
不同客运方式的周转量占比及碳排放因子存在显著差异，为识别碳达峰目标下客运结构减碳关键因素，引入敏感性系数[34]分析各客运方式对碳排放总量的影响程度，其计算公式为：
S C = Δ C C Δ P P
式（11）中： S C为敏感性系数； Δ C C表示碳排放量变化率； Δ P P表示旅客周转量变化率。
由式（11）可得到碳排放量对各客运方式旅客周转量的敏感性系数（见表7）。如表7所示，私家车、民航的敏感性系数分别为0.704, 0.138，其他方式的敏感性系数均小于0.1，可以看出，民航、私家车的占比变化对碳排放总量具有显著影响。
表7 碳排放量对各客运方式旅客周转量的敏感性系数
城市间客运 城市客运 农村客运 私家车
铁路 营运性公路 民航 公共汽电车 轨道交通 巡游出租车 普速铁路 客运班车
敏感性系数 0.027 0.035 0.138 0.008 0.002 0.064 0.006 0.015 0.704
2030年旅客周转量取预测中值10.17万亿人公里，假设该年基本情景中各客运方式占比保持在2019年水平，由2030年旅客周转量数据及基本情景客运结构匹配得到各客运方式旅客周转量，代入式（10）可计算得出2030年我国居民机动化出行碳排放量约为9.3亿t。为进一步分析未来不同交通结构情景的碳排放，以减碳为目标，考虑采取不同的客运方式调整举措，本文将2030年客运结构分为4种情景，各情景中交通方式占比如表8所示。
表8 2030年我国不同客运方式结构情景及碳排放水平预测值
情景
设定		 城市间客运占比（%） 城市内客运占比（%） 农村客运占比（%） 私家车
占比（%）		 总周转量
/万亿人公里		 碳排放量
/万tCO2
铁路 营运性公路 民航 公共汽电车 轨道交通 巡游出租车 普速铁路 客运班车
基本情景 14.35 6.58 13.87 5.74 2.37 4.29 3.07 2.92 46.81 10.17 92 801
情景1 17 5 15 6 3 4 2.5 2.5 45 10.17 90 392
情景2 20 5 15 7 4 4 2.5 2.5 40 10.17 84 163
情景3 22 5 13 7 4 4 2.5 2.5 40 10.17 82 669
情景4 22 5 16 8 5 4 2.5 2.5 35 10.17 78 681
《新时代交通强国铁路先行规划纲要》[13]提出，我国到2035年建成铁路网20万公里，其中高铁7万公里；《国家综合立体交通网规划纲要》[35]规划至2035年，我国民用运输机场数量达400个左右。本文假设的情景1考虑2030年城市化率为70%[36]，客运结构调整方面主要采取以下两项举措促进减碳：一是引导城市间营运性公路运输向铁路转移，保持民航持续增长；二是优先发展城市公交。情景2在情景1的基础上，根据《绿色出行行动计划（2019—2022年）》[37]中提出的引导居民由私人小客车换乘公共交通出行，考虑私家车向公共交通转移：城市间铁路竞争优势加大，私家车转移到铁路运输，城市内私家车转向公共汽电车和轨道交通。情景3中考虑民航碳排放因子较高，铁路电气化水平接近75%，促进城市间民航运输转向铁路运输。情景4在强私家车需求管理下，以情景2为基础，促进私家车进一步向公共交通转移。
情景1在现有“公转铁”、促进公共交通发展政策下，碳排放量相较基本情景降低了2.6%。在私家车需求管理下，情景2相较基本情景减碳量为9.3%。对比情景3与情景2，得到平均1%民航客运结构占比转移至铁路，能减少747万t的碳排放量；对比情景4与情景2、情景1，得到平均1%私家车客运结构占比降低，能减少1 171万t的碳排放量，可见私家车的减碳效果优于民航运输。情景3、情景4相对基本情景的减碳量分别达到10.9%, 15.2%，2030年我国客运业在结构调整下总碳排放量可降低9%~15%。
综上，交通客运结构碳减排主要包括两项重要措施。一是优化城市间客运结构，扩大铁路客运占比，随着高速铁路迅速发展，应促进中长距离出行向电气化的高速铁路转移，若私家车周转量年均增长率保持在0.3%，民航旅客周转量年均增长率保持在1.1%，铁路旅客周转量年均增长率保持在5.8%，即可在2030年实现私家车周转量占比降低至40%，民航旅客周转量占比稳定在13%。二是促进居民出行向公共交通转移，保持上述私家车周转量年均增长率，公共汽电车旅客周转量年均增长率保持在3.6%，即可在2030年实现公共汽电车旅客周转量占比7%。

4 结论

本文分析了我国客运业发展现状及基于2019年数据的客运结构，采用考虑人口和单位人口旅客周转量的增长率法，预测了2025—2035年我国客运需求规模，并在此基础上提出了2030年不同客运结构下的减碳策略，得出以下结论。
（1）我国客运结构中私家车出行占比最大，城市间出行次之，除私家车外的城市内出行、农村公共交通出行占比均较小。随着城市化率提高，农村公共交通出行占比降低，铁路、民航出行稳步发展，营运性公路客运向铁路和民航转移。根据单位人口旅客周转量增速放缓趋势及人口保持现状或负增长趋势，推算2030年我国旅客周转量中值为10.17万亿人公里，2035年可达到11.08万亿人公里水平。
（2）客运结构调整是客运交通实现碳减排的重要政策措施，本文基于客运结构和需求规模进行碳排放量预测，得出以下三点结论：①私家车、民航敏感性系数分别为0.704, 0.138，是客运碳排放的主要组成部分；②本研究情景1考虑“公转铁”、促进公共交通发展等策略，体现公共交通的碳减排贡献率；情景2引导私家车向公共交通转移，情景3促进民航转向铁路，情景4进行强私家车管理，4种情景间对比得出私家车的减碳效果优于民航运输，平均1%的私家车客运结构占比减少，相比民航可多减少424万t的碳排放量；通过优化城市间客运结构和促进公共交通发展，可实现2030年碳减排15.2%。③根据情景分析结果，交通客运结构调整主要包含两方面内容：一是鼓励城市间客运方式以铁路为主，将私家车、民航和铁路旅客周转量年均增长率分别保持在0.3%, 1.1%, 5.8%左右，可以实现私家车周转量占比稳步下降，民航旅客周转量占比保持平稳，铁路旅客周转量上升；二是促进私家车出行转向公共交通出行，保持私家车周转量年均增长率处于较低水平，同时控制公共汽电车旅客周转量年均增长率在3.6%左右。上述政策引导下的客运结构，有望使2030年我国客运业碳排放量降低9%~15%。
研究我国居民出行方式结构及客运需求规模对促进客运业高质量发展非常重要，客运结构调整是2030年碳达峰目标下交通运输领域重要的减碳策略，本文还未深入考虑技术革新对我国客运业碳减排的贡献，未来需进一步细化探究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
UN Habitat for a Better Urban Future. World Cities Report 2022: Envisaging the Future of Cities[EB/OL]. (2022-06-29)[2022-09-14]. https://unhabitat.org/sites/default/files/2022/06/wcr_2022.pdf.

[2]
交通运输部. 交通运输部关于印发《综合运输服务“十四五”发展规划》的通知(交运发〔2021〕111号)[EB/OL]. (2021-11-02)[2022-09-14]. http://www.gov.cn/zhengce/zhengceku/2021-11/18/content_5651656.htm.

[3]
刘川. 乡村振兴背景下农村客运的价值认知和治理建议[C]// 面向高质量发展的空间治理——2021中国城市规划年会论文集(06城市交通规划). 北京: 中国建筑工业出版社, 2021:105-111.

[4]
中华人民共和国交通运输部运输服务司. 《关于推动农村客运高质量发展的指导意见》解读[EB/OL]. (2021-08-13)[2022-09-14]. https://www.mot.gov.cn/2021zhengcejd/tdnongcunkeyungzlfz/index.html.

[5]
邓涛成, 刘廷新, 张明娟. 基于多元线性回归模型的农村客运量预测研究[J]. 道路交通与安全, 2010, 10(6):22-27.

[6]
樊桦. 我国客运需求增长与结构演变的发展趋势[J]. 综合运输, 2010(5):61-66.

[7]
李艳红, 王显光, 杨东. 新常态下我国旅客运输发展特点及趋势[J]. 综合运输, 2017, 39(2):11-15.

[8]
魏庆琦, 赵嵩正, 肖伟. 我国交通运输结构优化的碳减排能力研究[J]. 交通运输系统工程与信息, 2013, 13(3):10-17,32.

[9]
黄莹, 郭洪旭, 廖翠萍, 等. 基于LEAP模型的城市交通低碳发展路径研究——以广州市为例[J]. 气候变化研究进展, 2019, 15(6):670-683.

[10]
朱顺应, 廖凌云, 吴景安, 等. 城市客运交通工具碳排放效率差异——以襄阳市为例[J]. 交通运输系统工程与信息, 2022, 22(4):158-166.

[11]
毛保华, 陈硕, 吴雪妍, 等. 碳达峰目标下我国城市客运交通发展的引导策略研究[J]. 交通运输研究, 2022, 8(3):21-29.

[12]
中华人民共和国统计局. 中国统计年鉴2021[M]. 北京: 中国统计出版社, 2021.

[13]
中国国家铁路集团有限公司. 国铁集团关于印发《新时代交通强国铁路先行规划纲要》 的通知(铁发改〔2020〕129号)[EB/OL]. (2020-07-02)[2022-09-14]. http://www.china-railway.com.cn/xwzx/rdzt/ghgy/gyqw/202008/P020200812637973169357.pdf.

[14]
世界资源研究所. 中国道路交通2050年“净零”排放路径研究[EB/OL]. (2019-11-01)[2022-09-14]. https://wri.org.cn/sites/default/files/2021-12/toward-net-zero-emissions-road-transport-sector-china-CN.pdf.

[15]
中国城市轨道交通协会. 城市轨道交通2019年度统计分析报告[EB/OL]. (2020-05-07) [2022-09-14]. https://www.camet.org.cn/tjxx/5133.

[16]
中国城市轨道交通协会. 城市轨道交通2015年度统计分析报告[EB/OL]. (2016-05-11) [2022-09-14]. https://www.camet.org.cn/tjxx/3103.

[17]
国家统计局. 2019年国民经济和社会发展统计公报[EB/OL]. (2020-02-28)[2022-09-14]. http://www.stats.gov.cn/tjsj/zxfb/202002/t20200228_1728913.html.

[18]
国家统计局. 2015年国民经济和社会发展统计公报[EB/OL]. (2016-02-29)[2022-09-14]. http://www.stats.gov.cn/tjsj/zxfb/201602/t20160229_1323991.html.

[19]
中华人民共和国国务院新闻办公室. 冯正霖: 农村客运车辆已达35.6万辆农村客运通村率达88.5%[EB/OL]. (2011-01-30)[2022-09-14]. http://www.scio.gov.cn/m/ztk/xwfb/23/5/Document/854573/854573.htm.

[20]
乔雪峰. 政策赋能农村客运发展成乡村振兴“新引擎”[EB/OL]. (2021-09-09)[2022-09-14]. https://m.gmw.cn/baijia/2021-09/09/35150541.html.

[21]
傅志寰, 孙永福, 翁孟勇, 等. 交通强国战略研究(第一卷)[M]. 北京: 人民交通出版社股份有限公司, 2019:250-265.

[22]
交通运输部. 2019年交通运输行业发展统计公报[EB/OL]. (2020-05-12)[2022-09-14]. https://xxgk.mot.gov.cn/2020/jigou/zhghs/202006/t20200630_3321335.html.

[23]
中华人民共和国国务院新闻办公室. 农村客运车辆已达35.6万辆农村客运通村率达88.5%[EB/OL]. (2011-01-30)[2022-09-14]. http://www.scio.gov.cn/m/ztk/xwfb/23/5/Document/854573/854573.htm.

[24]
剑川县人民政府. 剑川县农村客运情况报告[EB/OL]. (2021-10-29)[2022-09-14]. http://www.jianchuan.gov.cn/jcxrmzf/c107049/202112/7514b4696d274f3b9a2b7a25e6b34079.shtml.

[25]
新疆交通运输. 新疆农村客运让牧马光荣“退休”了[EB/OL]. (2020-12-07)[2022-09-14]. https://www.thepaper.cn/newsDetail_forward_10298216.

[26]
LU Z, ZHOU Y, CAI H, et al. China vehicle fleet model: Estimation of vehicle stocks, usage, emissions, and energy use-model description, technical documentation, and user Guide[R]. Chicago: Argonne National Lab, 2018.

[27]
OU S, YU R, LIN Z, et al. Intensity and daily pattern of passenger vehicle use by region and class in China: Estimation and implications for energy use and electrification[J]. Mitigation and Adaptation Strategies for Global Change, 2020, 25(3): 307-327.

[28]
生态环境部环境与经济政策研究中心. 2017共享出行绿色发展报告[EB/OL]. (2019-09-25)[2022-09-14]. http://www.prcee.org/yjcg/yjbg/201909/W020190905526779202048.pdf.

[29]
陈绍宽, 刘爽, 何宇强, 等. 城市间旅客运输需求预测模型研究[J]. 交通运输工程与信息学报, 2009, 7(1):38-43,56.

[30]
Department of Economic and Social Affairs Population Division, United Nations. World population prospects 2022[EB/OL]. (2022-07-01) [2022-09-14]. https://population.un.org/wpp/.

[31]
王成新, 苗毅, 吴莹, 等. 中国高速铁路运营的减碳及经济环境互馈影响研究[J]. 中国人口·资源与环境, 2017, 27(9):171-177.

[32]
吕晨, 张哲, 陈徐梅, 等. 中国分省道路交通二氧化碳排放因子[J]. 中国环境科学, 2021, 41(7):3122-3130.

[33]
张清, 陶小马, 杨鹏. 特大型城市客运交通碳排放与减排对策研究[J]. 中国人口·资源与环境, 2012, 22(1):35-42.

[34]
张晔, 宋国华, 尹航, 等. 综合交通运输系统碳排放预测的不确定性分析[J/OL]. 交通运输工程与信息学报. (2022-07-26)[2022-09-13]. DOI: 10.19961/j.cnki.1672-4747.2022.02.010.

[35]
中共中央, 国务院. 国家综合立体交通网规划纲要[EB/OL]. (2021-02-25)[2022-09-14]. https://xxgk.mot.gov.cn/2020/jigou/zhghs/202102/t20210225_3527909.html.

[36]
中国社会科学院城市发展与环境研究所. 城市蓝皮书: 中国城市发展报告No.12[R]. 北京: 社会科学文献出版社, 2019.

[37]
交通运输部, 中央宣传部, 国家发展改革委, 等. 交通运输部等十二部门和单位关于印发《绿色出行行动计划(2019—2022年)》的通知(交运发〔2019〕70号)[EB/OL]. (2019-06-03)[2022-09-14]. http://www.gov.cn/xinwen/2019-06/03/content_5397034.htm.

Options
Outlines

/

〈 〉