基于职居分离调整的北京市交通碳减排潜力研究
王慧慧 余龙全 曾维华
摘要 城市就业—居住空间关系是城市空间布局的重要依据，而城市职居分离现象势必会进一步加重城市就业地与居住地的布局失衡，导致城市将长期面临交通拥堵、空气污染等一系列问题的困扰。在构建低碳城市及相关政策的制定过程中，追求减少对小汽车依赖，增加城市公共交通的吸引力和改善生活品质，城市职居关系调整是当中不可忽视的问题，甚至是策略。本文通过详细调查北京市人口/经济普查、交通出行调查等基础资料，利用就业—居住比（J/R）和通勤时间/距离为测定指标对北京市职居关系现状进行分析，并采用自下而上方法对城市交通出行碳排放进行核算，考虑交通出行对碳排放的影响设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”。结果表明：近年北京市职居关系失衡状况有所加剧，六环内多数地区因无法提供足够的居住地而导致职居关系失衡。北京市交通出行碳排放量巨大且增长迅速，年碳排放量从2005年的599.15万t增长到2014年的1 065.49万t，年均增长6.6%，且随着居民通勤出行需求的增加通勤出行碳排放量占交通出行的比例呈不断上升趋势，从2005年的36.85%增长到2014年的50.09%，年均增长3.5%，其中小汽车是北京交通出行碳排放产生的主要来源。相比基准情景，在职居关系调整情景下北京市交通出行年碳排放总量将大量減少，2020年和2030年将分别减少184.42万t、520.42万t，减少幅度分别为15.91%、37.21%，碳减排效果明显。同时若以2014年为起点，基于职居关系调整情景下，2020年的交通出行碳减排潜力为553.26万t，到2030年达到3 524.22万t，碳减排的潜力巨大。
关键词 职居分离；交通碳排放；通勤出行；北京市
中图分类号 X321； U491.1
文献标识码 A文章编号 1002-2104（2018）06-0041-11DOI：10.12062/cpre.20180116
当前，随着城市化进程持续加快，城市规模不断扩大，人口快速增加，城市进入了急剧扩张阶段。而城市郊区化作为快速城市化的一个重要阶段，中国的城市化发展正逐渐进入这一阶段，城市发展以单位主导的、土地混合利用的、职居接近型的规划建设模式逐渐向以市场主导的、功能分区的、职居分离型的规划建设模式转变[1]。然而郊区化过程中的居住与就业不同步性、郊区新建居住区职能过于单一等原因，再加上我国城市布局多数以单中心布局为主，城市发展以“摊大饼”的形式扩张，致使职居分离 （Jobshousing separation）、空间错位等现象在北京等大城市出现，造成城市通勤距离和时间明显增加，居民小汽车出行比例增加，而自行车、步行等出行比例降低，加重了城市交通压力，形成潮汐交通，使大城市交通拥堵无法得到治理，甚至导致进一步加重；同时城市交通能源消耗快速增加，交通碳排放成为城市碳排放的重要来源，加大了城市碳减排的难度。北京市作为中国典型的单中心布局的大城市，对在后奥运时代背景下如何解决城市交通拥堵，缩短居民交通通勤距离和时间，降低交通能源消耗，减少交通碳排放成为北京市发展的重要任务。本文主要采用自下而上方法对城市交通出行碳排放进行核算，并考虑交通出行对碳排放的影响设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”，通过分析在不同情景下北京市交通碳减排的潜力，为开展城市交通碳减排提供依据。
1 文献综述
21世纪以来，全球温室气体排放带来的气候变化问题日益引起国际社会的广泛关注。而城市作为人类社会生产生活的重要空间载体，也是碳排放的主要源区。根据国际能源署（IEA）估算，2013 年全球能源消耗产生的碳排放中有22.9%源自交通部门[2]。随着对全球气候变化下城市交通碳排放的深入认识，城市居民出行碳排放逐渐成为降低交通碳排放、建设低碳城市的重要部分[1，3]。国外学者对居民出行交通碳排放开展了诸多研究，主要涉及城市居民出行碳排放核算及影响机制[4-10]、交通碳排放时空特征[11-14]、交通减排政策及情景模拟分析[15-16]。国内学者针对居民个体出行碳排放研究近几年才开始，主要集中在居民出行碳排放测算、影响因素及对策分析[17-22]。诸多学者[1，23-26]利用居民出行调查数据对北京、上海、南京等城市的居民出行交通碳排放特征进行研究表明，出行距离和出行方式是影响居民出行碳排放的主要因素。马静等[1]和柴彦威等[23]根据北京市居民活动日志调查数据和路径分析模型研究发现，影响居民家庭日常出行碳排放的主要因素是出行距离和出行方式，出行频率的影响并不显著，出行结构的影响远大于出行总量的影响。童抗抗[24]利用问卷调查和情景分析方法探讨了城市居住-就业距离变化对通勤碳排放量的影响，发现在通勤距离不超过15 km和不超过5 km两种情景下，私家车对碳排放量减小和花费降低的影响最大。徐昔保等[25]以长三角典型城市为例，基于典型居住小区问卷调查获取第一手的城市居民出行基础数据，估算与分析城市居民出行碳排放特征及影响机理，并得出影响居民交通碳排放的主要因子为交通方式、出行距离以及家庭年收入。刘蔚等[26]利用城市居民出行调查数据，对北京市和上海市2000—2012年居民家庭日常出行交通碳排放量进行测算；并以2000年为基准年，采用对数平均迪氏因素分解（LMDI）方法，对北京市和上海市居民出行交通CO2排放变化进行了分解分析。
当前国内外研究多数是基于微观个体特征考虑对交通出行碳排放进行研究，较少从职居关系调整角度考虑城市职居调整带来交通出行碳减排的效果。本文针对北京市职居关系改善和交通碳减排的迫切需求，利用就业—居住比（J/R）和通勤时间/距离为测定指标分别从区县/街道层面对比分析2010和2014年北京市职居关系现状，并采用自下而上方法对城市交通出行碳排放进行核算，考虑交通出行对碳排放的影响设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”，分析在不同情景下北京市交通碳减排的潜力，为今后开展城市交通碳减排提供重要思路和依据。
2 数据来源与研究方法
2.1 数据来源
本文研究所涉及的数据来源主要包括：①宏观统计数据。部分经济和人口数据来源于北京市历年统计年鉴[27]，其中人口数据来源于北京市第六次全国人口普查数据和各街道人口数据（2014年），就业单位数据来源于北京市第二、三次全国经济普查数据（2008和2014年）和北京市统计年鉴。②交通出行调查数据。其中出行总量、出行方式、乘客载荷和出行距离/时间等指标数据来源于实际调查问卷、北京市“十三五”时期交通发展建设规划、北京城市总体规划（2016—2035年）、北京市第四次和第五次交通综合调查报告（2010和2014年），其中包括地面公交调查和轨道调查专题分报告、历年北京交通发展年报及北京市交通运行报告。
2.2 研究方法
2.2.1 城市职居关系度量分析方法
城市职居关系一般采用就业—居住比（Jobshousing ratio）来度量空间范围内居住与就业在数量上的平衡程度，其数值等于就业岗位数量与家庭数量的比值（或者是就业岗位数量与人口数量的比值）[28-29]。就业—居住比在既定的范围内，两种极限情况其度量结果完全相反，如就业岗位数量与居住单元数量相等，即可以表示职住完全分离，又可以表示职住完全平衡。就业/居住比计算公式如下所示。
就业—居住比（J/R）是测量城市职居关系均衡度的常用方法。该方法中所需资料容易获取，可操作性强，能在现有资料基础上进行计算分析。但由于缺少利用就业/居住比率（J/R）判定区域职居关系是否均衡的标准值范围，不同研究采用了不同的职居关系均衡的J/R值判定范围。因此，本研究参考前人的一些研究[30-31]，并考虑北京市的实际情况，即全市范围内家庭数量和岗位数量比值，采用就业—居住比（J/R）在0.75～1.25范围内认为区域职居关系处于均衡状态，超过这一范围则表示区域的职居关系处于失衡状态。
2.2.2 城市交通出行碳排放核算方法
目前，关于城市交通碳排放的核算方法大体可分为两种：一种是“自上而下”的核算方法，即根据一定区域范围内的各种交通燃料的消耗（销售）统计数据，在此数据上乘以IPCC指南中提到的各种燃料碳排放系数计算得到该区域内的交通碳排放量。另一种是“自下而上”的核算方法，即通过采用多种计量模型直接计算各种交通方式的碳排放因子，通过计算各种交通方式的行車里程与其碳排放因子的乘积，可直接计算得到碳排放量。总体而言，这两种方法各有优劣。第一种方法的燃料碳排放系数相对比较权威、准确，但是在具体计算过程中需要事先知道各种交通方式所消耗的燃料类型及其消费量，并且计算得到的只是各种交通方式的直接碳排放，未考虑这些燃料如汽油、柴油、电力等在其生产过程中所间接排放的CO2；而第二种方式则相对较为灵活、简洁，可直接计算得到碳排放量，并且通过采用各种交通方式CO2的总排放因子也可计算得到总的碳排放量，但是采用的模型不同，可能计算得到的碳排放量会有所差异。本研究主要关注的是城市交通出行碳排放情况，因此适于采用“自下而上”的交通碳排放核算方法。该方法的具体计算过程如下：
（1）各交通方式的行驶里程计算。
城市交通方式主要由公共交通、机动交通和非机动交通三部分组成，公共交通主要由公共汽（电）车、出租汽车和轨道交通（地铁）组成，机动交通指私人小汽车、摩托车、社会车辆（政府机关、社会团体、企事业单位拥有的客车）及其他私人客车，非机动交通包括助动车、自行车。根据所获取的数据的统计口径和研究的侧重，在本研究中将城市交通方式主要划分为公共汽（电）车、轨道交通（地铁）、出租车、小汽车、自行车及其他（班车）。各种交通方式的行驶里程通过交通出行量、各种交通出行方式所占比例（即出行模式），以及各种交通方式的出行距离进行计算，其公式为：
本研究还需进一步计算城市通勤交通的碳排放量，因此需要计算出城市通勤交通的行驶里程。城市通勤交通的行驶里程可以通过通勤交通出行量、各种通勤交通出行方式所占比例（通勤模式），以及各种通勤方式的通勤距离计算：
（2）城市交通碳排放量核算。
各交通方式行驶里程与各种终端交通工具的碳排放强度的乘积即为各交通方式的碳排放量，进一步相加即为总交通碳排放量。计算公式为：
（3）碳排放因子计算。
根据公式（4）和（5）计算各交通方式的碳排放量。终端交通工具的碳排放因子可以通过单位车次单位里程的能源消耗，采用能源与碳排放之间的转换系数和转换公式计算求得[19，32-33]，公式如下：
各交通方式CO2排放因子计算结果如表1所示，其中单位公里能源消耗各种燃料低位热值及能源消耗CO2排放因子来源于2006年《IPCC国家温室气体清单指南》[34]。
3 结果分析
3.1 职居关系现状分析
3.1.1 就业—居住比（J/R）
利用公式1中的就业—居住比（J/R）对比分析2010和2014年北京市职居关系现状（见表2）。由表2可知，相比2010年，2014年北京市全市范围内的职居关系失衡状况有所加剧，主要由于北京市六环内人口快速增长，家庭数量和岗位数量不匹配，而周边的城区无法提供与工作岗位数量相匹配的住房数量，从而导致职居关系失衡。而从各区县的J/R结果来看，北京市中心城区（东城区和西城区）的职居关系依旧保持着严重的失衡状态，而且与2010年相比失衡状况均有所加剧，极大地超出了职居关系均衡的J/R判定上限，说明该区域无法为工作在这一区域内的就业者提供足够的住房，导致部分在该区域内的就业者不得不选择到其他区域居住。在城市功能拓展区中，朝阳区和海淀区也同样处于职居关系失衡状态，但朝阳区职居关系失衡状态较2010年有所缓解，而海淀区职居关系失衡状态较2010年有所加剧。丰台区和石景山区的J/R处于职居关系均衡的J/R值范围内，因此这两个地区处于职居均衡状态。城市发展新区的五个区县的J/R结果显示，这五个区县仍处于职居关系失衡状态，并且与2010年相比失衡状况均有所加剧，主要是由于区域内无法提供足够的工作岗位，居住人口大量向城区集中，从而导致职居关系失衡。而生态涵养发展区的五个区县，与2010年相比，延庆县、密云县、平谷区这三个地区职居关系有所缓解，2014年的职居关系达到均衡状态。
为了进一步对各区县街道、乡镇层面的职居关系进行深入分析，利用2014年北京市街道、乡镇级别的人口和经济数据计算得到街道、乡镇层次的就业—居住比（J/R），北京市职居关系均衡和失衡前十的街道如表3所示。由表3可知，北京市六环内的南苑、北苑、天坛、清华园、椿树街道等公园、历史文化和传统文化地区总体都处于比较明显的职居关系均衡状态。而对于天通苑、回龙观、霍营等地区处于明显的职居关系失衡状态，主要是由于缺乏足够的工作岗位导致部分在该区域内居住的居民不得不选择到其他外部区域就业；海淀、东直门、建外等街道也处于明显的职居关系失衡状态，主要原因是这些地区不能为在本地区工作的就业者提供足够的住房而导致部分人不得不到地区外居住。由于靠近中心城区的区域如朝阳区大部，海淀区和丰台区靠近中心城区的部分，已形成城市产业发展的密集区，是主要的就业区域，都由于缺少足够的居住地而处于职居失衡。北京市的主要城区目前均处于因缺少足够的居住地而导致的职居关系失衡状态，造成这种情况的主要原因是北京市单中心城市发展结构使主城区成为城市经济的核心区，具有良好的产业发展优势，是城市的主要就业集中地，但由于区域面积有限，区域发展的过程中主要以经济发展为优先考虑，因而将有限的土地资源更多地用于发展经济，用于新建住房的土地不足，导致区域内无法提供足够的住房，最终导致区域内住房数量与工作岗位的不匹配。
3.1.2 交通出行时间/距离
通过对2010年和2014年六环内出发时间进行分析可看出（见图1），2014年日出行量最大为早上7点，占全日出行量的14.5%，与2010年出发时间分布相比，六环内早晚高峰出行比例均呈现明显上升趋势。早高峰时间段（7点至9点）出行量占全日的比例由19%上升至25%；晚高峰时间段（17点至19点）出行量占全日的比例由17%升至20%；而平衡时段出行比例有所下降。同时对比2010年与2014年中心城区出发时间分布可看出（见图2），2014年日出行量最大为早上7点，占全日出行量的14.0%，与2010年出发时间分布相比，中心城区早晚高峰出行比例同样呈现上升趋势。早高峰时间段（7点至9点）出行量占全日的比例由19%上升至25%；晚高峰时间段（17点至19点）出行量占全日的比例由16%升至20%；而平衡时段出行比例也有所下降。同时由表4可看出，2014年工作日六环内全方式的平均出行时耗为41 min，除步行方式以外为52 min，较2010年增长8.3%，其中轨道交通方式出行时耗最高，达到74.8 min。2014年工作日中心城区内全方式的平均时耗为44 min，除步行方式以外为56 min，较2010年增长19.7%，其中轨道交通方式出行时耗最高，达到75.7 min。
同时由表4还可看出，2014年六环内平均出行距離为8.1 km，除步行方式以外的平均出行距离为11.3 km，较2010年增加6.6%，小汽车和班车的出行距离有所增长，其他方式的出行距离变化在1 km以内。而中心城区平均出行距离为9.7 km，除步行方式以外的平均出行距离为13.3 km，较2010年增加29%，其中小汽车出行距离增长最大，达到39.7%，除班车、步行以外其他方式的出行距离均有小幅增长。根据实际问卷调查的结果看，调查样本的平均通勤距离为10.3 km，相对较长；上下班时间在20 min以内的占15.8%，在20～40 min之间的占47.4%，在40～60 min之间的占21.1%，在60～90 min之间的占10.5%，在90～120 min之间的占5.3%。较短的通勤时间（20 min内）和特别长的通勤时间（60 min以上）的比例较小，中等长度的通勤时间（20～60 min）的比例最高，占69.5%，通勤时间总体呈“两头少中间多”的态势。实际调查结果也在一定程度上反映出北京市城区范围内职居关系处于失衡状态。
3.2 交通出行碳排放核算
根据北京市交通出行数据，基于交通碳排放核算方式对近年来北京交通出行碳排放量进行核算，结果如表5所示。由表5可知，北京市近年来（2005—2014年）交通出行的总碳排放量呈现快速增长趋势，年碳排放量从2005年的599.15万t增长到2014年的1 065.49万t，年均增长6.6%。其中地铁出行碳排放量增长速度最快，年均增长达到24.9%。从各交通出行方式的碳排放量来看，小汽车出行产生的碳排放量达到75%～80%左右，是北京交通出行碳排放产生的主要来源。然而近年来该比例呈现下降趋势，其中2010—2013年下降比例较其他年份要快，主要是由于自2011年起北京市开始实施小汽车摇号政策来控制小汽车保有量的快速增长，加之已实行的单双号限行，从而在一定程度上影响小汽车出行，进而带来碳排放比例的下降。然而由于区域内小汽车基数较大，虽近年来有一定程度的下降，但仍是北京市交通出行碳排放的主导因素。其次是出租车，约占总排放量的10%～13%左右，且该比例整体呈现下降趋势，从2005年的12.6%下降至2014年的10.2%；公交车约占总排放量的5%～7%左右，该比例略有上升，从2005年的5.3%上升至2014年的6.4%；地铁所占比例虽然较低但也呈现逐年增加趋势，从2005年0.8%增加到了2010年的3.4%；其他出行方式（例如班车等）所占比例较小，在1.0%左右。总的来看，北京市交通出行的总碳排放量巨大，且增长速度较快，主要是以小汽车出行为主导的碳排放方式。
进一步根据北京市居民通勤出行数据，基于通勤出行碳排放核算方法对近年北京居民出行碳排放量进行核算，核算结果如表6所示。由表6可知，北京市居民通勤出行碳排放量呈现波动上升趋势，年碳排放量从2005年的220.76万t增长到2014年的533.68万t，年均增长10.3%，其中地铁、公交和小汽车三种通勤出行碳排放量增长速度较快，年均增长均超过10%。北京市地铁通勤出行碳排放量年均增长达到26.5%，公交通勤出行年均增长12.3%，小汽车通勤出行为10.0%。同时还可看出在不同通勤出行方式下，通勤出行占交通出行碳排放量的比例为40%～60%左右。城市通勤出行碳排放量占交通出行的比例较大且整体上呈上升趋势，居民通勤出行总碳排放量占交通出行总量的比例从2005年的36.85%上升到2014年的50.09%，年均增长3.5%，其中2012年占比达到最大，为58.36%。由居民通勤出行碳排放量所占比例来看，小汽车通勤出行方式所占比例依然是最高的，在75%～80%左右，然而从整体上看小汽车占比呈现下降趋势，且从2005年的77.7%降至2014年的75.8%，其中2010—2014年下降比例较其他年份要快。其次是出租车通勤出行方式，约占10%～13%左右，且该比例整体也呈现下降趋势，从2005年的13.1%下降至2014年的11.5%；再次是公交车通勤出行方式，约占6%～8%左右，该比例略有上升，从2005年的6.7%上升至2014年的7.9%，其中2013年占比最低，为5.8%；地铁通勤出行方式所占比例虽较低但也呈现逐年增加趋势，从2005年1.2%增加到了2010年的3.9%；而其他通勤出行方式（例如班车等）所占比例较小，在1.0%左右。总体来看，北京市通勤出行碳排放量巨大且近年随着居民通勤出行需求的增加而呈快速增加趋势，且城市通勤出行碳排放同样是以小汽车出行为主导的碳排放方式。
根据北京市发展情况和居民交通出行需求分析，由于近年北京市社会经济、人口和城市规模快速扩张，城市居民必要性交通出行需求随着城市人口和规模的增加而增加；而随着城市经济发展和多样化的居民生活，城市居民非必要性交通出行需求也在不断增加。同时，近年北京市职居关系失衡状况正不断加剧，这也进一步促使了交通出行需求的增加。城市交通出行需求不断增加具体可反映在城市居民日均交通出行总量的增加。城市规模扩张、职居分离加剧同时也造成居民的出行距离增加，使得居民出行采用步行和自行车方式的比例降低。而城市机动车保有量的快速增加，居民小汽车出行比例也在不断上升，且小汽车短途出行比例增加较快，对城市交通系统产生巨大压力，进而造成市区内大面积交通拥堵。北京市居民交通出行方式主要是以小汽车和公共交通为主的机动化交通出行模式，造成交通出行能源消耗不断增加，尤其是小汽车能源消耗的迅速增加，导致交通出行碳排放量巨大且增长速度较快，小汽车出行带来的碳排放已成为北京市交通碳排放的主要来源。
3.3 交通出行碳减排潜力分析
通过对北京市职居关系和交通出行碳排放现状的研究可看出，当前北京市全市范围内及周边已出现严重的职居关系失衡，同时城市交通出行碳排放量巨大，其中通勤交通碳排放所占比例较大，占交通出行的40%以上。为解决城市交通问题，其基本途径主要是对城市交通需求进行调节和控制，诸多研究[35-37]表明以调整城市职居关系为核心的手段和方案能够对城市交通出行需求控制和交通碳减排起到积极作用。因此，通过设计以交通需求控制指标为表征的城市职居关系调整情景，并对各情景下的城市交通碳减排潜力进行分析。
根据以上分析，职居关系调整对于城市交通出行需求的影响实质是调整区域范围内工作岗位和住房使之尽可能向均衡方向发展，促进就近择业或就近居住，以缩短通勤的空间距离、减少交通出行量，进一步改变城市通勤模式，使之向大容量、低碳化的交通模式发展，减少交通能源消耗，达到城市交通碳减排目的。然而考虑单纯以通勤交通的变化来反映职居关系调整的效果在可操作性和全面性方面存在一定的问题和难度，因此本研究以城市职居关系调整对城市人口、交通出行总量、通勤出行比例、出行距离、交通出行方式等产生的影响作为城市职居关系调整对城市交通需求控制的效果指標，建立以交通需求控制为目的的北京市职居关系调整情景方案，如表7所示。
情景方案设计主要包括基准情景（Business As Usual，BAU）和职居关系调整情景，每个情景下包括2020年、2030年两个时间节点。基准情景即不采取任何职居关系调整措施的情景；职居关系调整情景即在采取切实可行的职居关系调整措施的条件下，以对城市交通出行需求控制的效果作为各指标的取值，其中包括考虑北京市通州副中心以及雄安新区的设立，带动城市人口和非首都功能的疏解。在职居关系调整情景中，出行模式根据北京城市总体规划（2016—2035年）中到2035年绿色出行比例将不低于80%。由于职居关系的调整能使职居距离缩短，小汽车的短途出行由自行车出行或公共交通出行代替，因而小汽车的出行比例将会大量降低；而公共交通（地铁或公交车）和自行车的出行比例将会增加，出租车和其他出行方式的比例基本持平。而各种交通出行方式的出行距离主要是由平均出行速度和居民可接受的平均时间决定的，即居民会根据出行距离选择合适的交通出行方式以保证出行时间在可接受范围内。
根据交通出行碳排放核算方法对各情景下的北京市交通碳排放进行计算，结果如表8所示。由表8可看出，BAU情景下，北京市交通出行年碳排放总量将会持续增加，2020年、2030年将分别达到1 159.51万t、1 398.58万t，较2014年分别增加94.02万t、333.09万t，增加幅度分别为8.82%、31.26%。各种交通方式的出行碳排放量都将会继续增加，但是碳排放量占总出行碳排放量的比例将会有所变化，其中小汽车所占的比例将会继续有所下降，到2020年下降至77.05%，到2030年下降至76.55%；公交车所占的比例将会继续有所上升，到2020年上升至6.50%，但是之后将会稳定下来，2030年与2020年相比变化不大，为6.46%；地铁所占的比例将会不断上升，到2020年上升到4.71%，到2030年上升到5.32%；出租车所占的比例变化不大，约占10%左右，其他方式所占的比例约占1.0%左右。总体来看，在基准情景下，由于城市规模和人口不断扩张，城市职居关系失衡进一步加大，城市交通出行需求持续快速增加，步行、自行车等低碳出行方式的比例不断下降，而机动车出行所占比例将不断增加，特别是以小汽车出行和公共交通出行（公交车、地铁）为主的出行比例将会不断增加，因而城市交通出行总碳排放量将会不断增加，交通出行碳排放量的主要来源仍然是小汽车，其次是出租车。
在职居关系调整情景下，随着北京市通州副中心以及雄安新区的设立，带动城市人口和非首都功能的疏解，北京六环内交通出行需求得到一定的控制，交通出行总量减少，同时步行、自行车等低碳出行方式比例增加，机动车出行比例降低，尤其是小汽车出行比例降低，小汽车产生的碳排放量大量减少，使北京市交通出行年碳排放总量不断减少，2020年和2030年将分别减少到975.09万t、878.15万t，较2014年分别减少90.40万t、187.33万t，减少幅度分别是8.48%、17.58%。各出行方式产生的碳排放量占总碳排放量的比例中，小汽车所占比例不断降低，相比基准情景下更低，到2020年下降至74.75%，到2030年下降至70.31%；公交车所占的比例将会继续有所上升，相比基准情景下更高，到2020年上升至7.98%，到2030年上升至8.09%；地铁所占的比例将会不断上升，相比基准情景下也更高，到2020年上升到3.81%，到2030年上升到5.78%；出租车所占的比例有所上升，到2030年占14.60%，其他方式所占的比例变化不大，约占1.2%左右。
通过以上分析可知，职居关系调整情景与基准情景相比，由于对城市发展规模和人口进行控制，城市交通出行量减少，步行、自行車等低碳出行方式比例增加，机动车出行比例降低，尤其是小汽车出行比例降低，小汽车产生的碳排放量大量减少，使交通出行产生的碳排放量大大减少。相比BAU情景，职居关系调整情景下的总交通出行年碳排放量在2020年、2030年将分别减少184.42万t、520.42万t，减少幅度分别是15.91%、37.21%，碳减排效果明显。进一步分析职居关系调整下北京市交通出行碳减排的效果，通过对比基准情景计算职居关系调整情景下的碳减排潜力，即基准情景下交通出行年碳排放量的时间曲线的投影面积与职居关系调整情景下交通出行年碳排放量的时间曲线的投影面积的差值。以2014年为起点，职居关系调整下的交通出行碳减排潜力到2020年是553.26万t，到2030年是3 524.22万t。从分析结果来看，通过职居关系调整控制北京市交通出行需求以达到城市交通出行碳减排的效果明显且潜力十分巨大，因此通过职居关系调整以实现城市交通碳减排的思路具有重要的价值和意义。
4 结论及建议
本文针对北京市职居关系改善和交通碳减排的迫切需求，利用就业-居住比（J/R）和通勤时间/距离为测定指标分别从区县/街道层面对比分析2010和2014年北京市职居关系现状，并基于自下而上方法对城市交通出行碳排放进行核算，在考虑居民出行对交通碳排放的影响下设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”，主要结论如下：
（1）利用就业-居住比（J/R）和通勤距离/时间为测定指标分别从区县/街道层面对比分析2010和2014年北京市职居关系现状，相比2010年，2014年北京市全市范围内的职居关系失衡状况有所加剧，多数地区因无法提供与工作岗位数量相匹配的住房数量，而导致职居关系失衡。同时北京市的城区范围内（五环内）处于严重的因产业太过集中、住房供应不足导致的职居关系失衡状态，近郊区（五环和六环之间）在郊区城市化的影响下部分区域形成了以产业发展为主而住房建设不足或以大型居住区建设为主而就业岗位不足的严重的职居关系失衡状态。
（2） 通过北京市2005—2014年交通出行碳排放量核算结果表明，北京市交通出行碳排放量巨大且增长迅速，年均增长6.6%，2014年碳排放量达1 065.9万t；且随着居民通勤出行需求的增加城市通勤出行碳排放量占交通出行的比例较大且呈不断上升趋势，2014年占交通出行总碳排放量的比例达50.09%。从各种交通出行方式的碳排放量所占比例来看，小汽车出行产生的碳排放量达到75%～80%左右，是北京交通出行碳排放产生的主要来源。
（3）建立以交通需求控制为目的的北京市职居关系调整情景方案，并对各情景下的北京市交通出行碳排放进行分析，结果表明若以当前的趋势继续发展（BAU情景），北京市交通出行年碳排放总量将会继续增加，2020年、2030年将分别达到1 159.51万t、1 398.58万t；但若采取合适有效的职居关系调整方案，小汽车出行产生的碳排放量将大量减少，使北京市交通出行年碳排放总量不断减少，与BAU情景相比，2020和2030年将分别减少184.42万t、520.42万t，减少幅度分别是15.91%、37.21%，碳减排效果明显。同时通过对职居关系调整情景下交通出行碳减排潜力的计算结果显示，以2014年为起点，交通出行碳减排潜力到2020年是553.26万t，到2030年是3 524.22万t，碳减排的潜力十分巨大。因此通过职居关系调整以实现城市交通碳减排的思路具有重要的价值和意义。
上述结论蕴含的政策含义包括：①政府方面需正视城市化发展与城市空间布局不合理之间的匹配关系，加快构建多中心、多层次的新的城市空间布局，通过多中心分担城市职能和经济发展，缓解中心城区的压力；②在区域内工作岗位数量和住房数量基本匹配的情况下，加快实施多种政策相结合的方式鼓励区域内就近居住或就近择业，实现真正的职居关系均衡；③加快实施以调整城市职居关系为核心的手段和方案，从源头上减少居民出行需求，缩短居民通勤时间和通勤距离，缓解市民潮汐流动，达到控制城市交通出行需求以及减少交通碳排放的目的。
参考文献（References）
[1]马静，柴彦威，刘志林. 基于居民出行行为的北京市交通碳排放影响机理[J]. 地理学报， 2011， 66（8）： 1023-1032. [MA Jing， CHAI Yanwei， LIU Zhilin. The mechanism of CO2 emissions from urban transport based on individuals travel behavior in Beijing [J]. Acta geographica sinica， 2011， 66（8）： 1023-1032.]
[2]International Energy Agency （IEA）. CO2 emissions from fuel combustion 2015 [R]. Paris： IEA Publication， 2015.
[3]BRAND C， PRESTON J M. ‘60-20 emission：the unequal distribution of greenhouse gas emissions from personal， nonbusiness travel in the UK [J]. Transport policy， 2010， 17（1）：9-19.
[4]BRAND C， GOODMAN A， RUTTER H， et al. Associations of individual， household and environmental characteristics with carbon dioxide emissions from motorised passenger travel [J]. Applied energy， 2013， 104（100）：158-169.
[5]HONG J， SHEN Q， ZHANG L. How do builtenvironment factors affect travel behavior？ a spatial analysis at different geographic scales [J]. Transportation， 2014， 41（3）：419-440.
[6]DUFFY A， CRAWFORD R. The effects of physical activity on greenhouse gas emissions for common transport modes in European countries [J]. Transportation research part D， 2013， 19（1）：13-19.
[7]CHESTER M V， HORVATH A， MADANAT S. Comparison of lifecycle energy and emissions footprints of passenger transportation in metropolitan regions [J]. Atmospheric environment， 2010， 44（8）：1071-1079.
[8]ZAHABI S A H， MIRANDAMORENO L， PATTERSON Z， et al. Transportation greenhouse gas emissions and its relationship with urban form， transit accessibility and emerging green technologies： a Montreal case study [J]. Procediasocial and behavioral sciences， 2012， 54：966-978.
[9]LIAO C H， LU C S， TSENG P H. Carbon dioxide emissions and inland container transport in Taiwan [J]. Journal of transport geography， 2011， 19（4）：722-728.
[10]PONGTHANAISAWAN J， SORAPIPATANA C. Greenhouse gas emissions from Thailands transport sector： trends and mitigation options [J]. Applied energy， 2013， 101：288-298.
[11]CHEN J， SHAW S L， YU H， et al. Exploratory data analysis of activity diary data： a spacetime GIS approach [J]. Journal of transport geography， 2011， 19（3）：394-404.
[12]LI T， CORCORAN J， BURKE M. Disaggregate GIS modelling to track spatial change： exploring a decade of commuting in South East Queensland， Australia [J]. Journal of transport geography， 2012， 24（4）：306-314.
[13]CHANG X， CHEN B Y， LI Q， et al. Estimating realtime traffic carbon dioxide emissions based on intelligent transportation system technologies [J]. IEEE Transactions on intelligent transportation systems， 2013， 14（1）：469–479.
[14]GURNEY K R， RAZLIVANOV I， SONG Y， et al. Quantification of fossil fuel CO2 emissions on the building/street scale for a large U.S. city [J]. Environmental science & technology， 2012， 46（21）：12194-12202.
[15]BROWNE D， OREGAN B， MOLES R. Use of ecological footprinting to explore alternative transport policy scenarios in an Irish cityregion [J]. Transportation research part D transport & environment， 2008， 13（5）：315-322.
[16]BRISTOW A L， TIGHT M， PRIDMORE A， et al. Developing pathways to low carbon landbased passenger transport in Great Britain by 2050 [J]. Energy policy， 2008， 36（9）：3427-3435.
[17]黃成，陈长虹，王冰妍，等. 城市交通出行方式对能源与环境的影响[J]. 公路交通科技， 2005， 22（11）：163-166. [HUANG Cheng， CHEN Changhong， WANG Bingyan， et al. Urban travel modal split and its impact on energy and environment [J]. Journal of highway and transportation research and development， 2005， 22（11）：163-166.]
[18]WEI Y M， LIU L C， FAN Y， et al. The impact of lifestyle on energy use and CO2， emission： an empirical analysis of Chinas residents [J]. Energy policy， 2007， 35（1）：247-257.
[19]赵敏，张卫国，俞立中. 上海市居民出行方式与城市交通CO2排放及减排对策[J]. 环境科学研究， 2009， 22（6）： 747-752. [ZHAO Min， ZHANG Weiguo， YU Lizhong. Resident travel modes and CO2 emissions by traffic in Shanghai City [J]. Research of environmental sciences， 2009， 22（6）： 747-752.]
[20]姚胜永，潘海啸. 基于交通能耗的城市空间和交通模式宏观分析及对我国城市发展的启示[J]. 城市规划学刊， 2009（3）：46-52. [YAO Shengyong， PAN Haixiao. A macroscopic analysis of transportation energy consumption and implication to China urban planning and development [J]. Urban planning forum， 2009（3）：46-52.]
[21]刘卫东，陆大道，张雷，等.我国低碳经济发展框架与科学基础[M]. 北京：商务出版社，2010. [LIU Weidong， LU Dadao， ZHANG Lei， et al. Lowcarbon economy development framework and scientific basis of China [M]. Beijing： China Commerce and Trade Press， 2010.]
[22]李静，李双江，赵倩，等. 石家庄市居民出行碳排放趋势及其低碳对策[J]. 西部资源， 2012（2）：88-90. [LI Jing， LI Shuangjiang， ZHAO Qian， et al. Resident travel CO2 emissions trend and lowcarbon measures in Shijiazhuang City [J]. Western resources， 2012（2）：88-90.]
[23]柴彦威，肖作鹏，刘志林. 居民家庭日常出行碳排放的发生机制与调控策略——以北京市为例[J]. 地理研究， 2012， 31（2）：334-344. [CHAI Yanwei， XIAO Zuopeng， LIU Zhilin. Lowcarbon optimization strategies based on CO2 emission mechanism of household daily travels： a case study of Beijing [J]. Geographical research， 2012， 31（2）：334-344.]
[24]童抗抗，马克明. 居住—就业距离对交通碳排放的影响[J]. 生态学报， 2012， 32（10）：2975-2984. [TONG Kangkang， MA Keming. Significant impact of jobhousing distance on carbon emissions from transport： a scenario analysis [J]. Acta ecologica sinica， 2012， 32（10）：2975-2984.]
[25]徐昔保，陳爽，杨桂山. 长三角地区城市居民出行交通碳排放特征与影响机理[J]. 长江流域资源与环境， 2014， 23（8）：1064-1071. [XU Xibao， CHEN Shuang， YANG Guishan. Characteristics and impact mechanism of carbon emission for urban residents transport in the Yangtze River Delta， China [J]. Resources and environment in the Yangtze Basin， 2014， 23（8）：1064-1071.]
[26]刘蔚，郭彩云，陈纪瑛. 中国城市居民出行CO2排放特征及影响因素[J]. 北京理工大学学报（社会科学版）， 2015（1）：32-39. [LIU Wei， GUO Caiyun， CHEN Jiying. Characteristics and influence factors for megaurban resident daily trip CO2 emissions in China [J]. Journal of Beijing Institute of Technology （social sciences edition）， 2015（1）：32-39.]
[27]北京市统计局. 北京统计年鉴[M]. 北京：中国统计出版社，2006-2015. [Beijing Municipal Bureau of Statistics. Beijing statistical yearbook [M]. Beijing： China Statistics Press， 2006-2015.]
[28]CERVERO R. Jobshousing balancing and regional mobility [J]. Journal of the American planning association， 1989， 55（2）：136-150.
[29]CERVERO R， RADISCH C. Travel choices in pedestrian versus automobile oriented neighborhoods [J]. Transport policy， 1996， 3（3）：127-141.
[30]MARGOLIS J. Municipal fiscal structure in a Metropolitan Region [J]. Journal of political economy， 1957， 65（3）：225-236.
[31]FRANK L D. An analysis of relationships between urban form （density， mix， and jobs： housing balance） and travel behavior （mode choice， trip generation， trip length， and travel time） [R]. Mode choice， 1994.
[32]WEI P， PAN H. Research on individual carbon dioxide emissions of commuting in periurban area of metropolitan cities：an empirical study in Shanghai [J]. Transportation research procedia， 2017， 25：3463-3482.
[33]苏城元，陆键，徐萍. 城市交通碳排放分析及交通低碳发展模式——以上海为例[J]. 公路交通科技， 2012， 29（3）：142-148. [SU Chengyuan， LU Jian， XU Ping. Analysis of urban transport carbon emissions and lowcarbon development mode：a case study of Shanghai [J]. Journal of highway and transportation research and development， 2012， 29（3）：142-148.]
[34]IPCC. 2006 IPCC guidelines for national greenhouse gas inventories [R]. 2006.
[35]谌丽，张文忠，李业锦，等. 北京城市居住空间形态对居民通勤方式的影响[J]. 地理科学， 2016， 36（5）：697-704. [CHEN Li， ZHANG Wenzhong， LI Yejin， et al. Residential form in Beijing and its impact on residents commuting mode choice [J]. Scientia geographica sinica， 2016， 36（5）：697-704.]
[36]郭韜. 中国城市空间形态对居民生活碳排放影响的实证研究[D]. 合肥： 中国科学技术大学， 2013. [GUO Tao. An empirical study on the influence of Chinas urban life carbon emissions on urban form [D]. Hefei： University of Science and Technology of China， 2013.]
[37]魏庆琦，陈佳列，肖伟. 重庆市居民出行碳排放资源利用效率研究[J]. 生态经济， 2016， 32（10）：79-83. [WEI Qingqi， CHEN Jialie， XIAO Wei. Research on the carbon emission resource using efficiency of urban passenger transportation： a case study of Chongqing [J]. Ecological economy. 2016， 32（10）：79-83.]
摘要 城市就业—居住空间关系是城市空间布局的重要依据，而城市职居分离现象势必会进一步加重城市就业地与居住地的布局失衡，导致城市将长期面临交通拥堵、空气污染等一系列问题的困扰。在构建低碳城市及相关政策的制定过程中，追求减少对小汽车依赖，增加城市公共交通的吸引力和改善生活品质，城市职居关系调整是当中不可忽视的问题，甚至是策略。本文通过详细调查北京市人口/经济普查、交通出行调查等基础资料，利用就业—居住比（J/R）和通勤时间/距离为测定指标对北京市职居关系现状进行分析，并采用自下而上方法对城市交通出行碳排放进行核算，考虑交通出行对碳排放的影响设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”。结果表明：近年北京市职居关系失衡状况有所加剧，六环内多数地区因无法提供足够的居住地而导致职居关系失衡。北京市交通出行碳排放量巨大且增长迅速，年碳排放量从2005年的599.15万t增长到2014年的1 065.49万t，年均增长6.6%，且随着居民通勤出行需求的增加通勤出行碳排放量占交通出行的比例呈不断上升趋势，从2005年的36.85%增长到2014年的50.09%，年均增长3.5%，其中小汽车是北京交通出行碳排放产生的主要来源。相比基准情景，在职居关系调整情景下北京市交通出行年碳排放总量将大量減少，2020年和2030年将分别减少184.42万t、520.42万t，减少幅度分别为15.91%、37.21%，碳减排效果明显。同时若以2014年为起点，基于职居关系调整情景下，2020年的交通出行碳减排潜力为553.26万t，到2030年达到3 524.22万t，碳减排的潜力巨大。
关键词 职居分离；交通碳排放；通勤出行；北京市
中图分类号 X321； U491.1
文献标识码 A文章编号 1002-2104（2018）06-0041-11DOI：10.12062/cpre.20180116
当前，随着城市化进程持续加快，城市规模不断扩大，人口快速增加，城市进入了急剧扩张阶段。而城市郊区化作为快速城市化的一个重要阶段，中国的城市化发展正逐渐进入这一阶段，城市发展以单位主导的、土地混合利用的、职居接近型的规划建设模式逐渐向以市场主导的、功能分区的、职居分离型的规划建设模式转变[1]。然而郊区化过程中的居住与就业不同步性、郊区新建居住区职能过于单一等原因，再加上我国城市布局多数以单中心布局为主，城市发展以“摊大饼”的形式扩张，致使职居分离 （Jobshousing separation）、空间错位等现象在北京等大城市出现，造成城市通勤距离和时间明显增加，居民小汽车出行比例增加，而自行车、步行等出行比例降低，加重了城市交通压力，形成潮汐交通，使大城市交通拥堵无法得到治理，甚至导致进一步加重；同时城市交通能源消耗快速增加，交通碳排放成为城市碳排放的重要来源，加大了城市碳减排的难度。北京市作为中国典型的单中心布局的大城市，对在后奥运时代背景下如何解决城市交通拥堵，缩短居民交通通勤距离和时间，降低交通能源消耗，减少交通碳排放成为北京市发展的重要任务。本文主要采用自下而上方法对城市交通出行碳排放进行核算，并考虑交通出行对碳排放的影响设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”，通过分析在不同情景下北京市交通碳减排的潜力，为开展城市交通碳减排提供依据。
1 文献综述
21世纪以来，全球温室气体排放带来的气候变化问题日益引起国际社会的广泛关注。而城市作为人类社会生产生活的重要空间载体，也是碳排放的主要源区。根据国际能源署（IEA）估算，2013 年全球能源消耗产生的碳排放中有22.9%源自交通部门[2]。随着对全球气候变化下城市交通碳排放的深入认识，城市居民出行碳排放逐渐成为降低交通碳排放、建设低碳城市的重要部分[1，3]。国外学者对居民出行交通碳排放开展了诸多研究，主要涉及城市居民出行碳排放核算及影响机制[4-10]、交通碳排放时空特征[11-14]、交通减排政策及情景模拟分析[15-16]。国内学者针对居民个体出行碳排放研究近几年才开始，主要集中在居民出行碳排放测算、影响因素及对策分析[17-22]。诸多学者[1，23-26]利用居民出行调查数据对北京、上海、南京等城市的居民出行交通碳排放特征进行研究表明，出行距离和出行方式是影响居民出行碳排放的主要因素。马静等[1]和柴彦威等[23]根据北京市居民活动日志调查数据和路径分析模型研究发现，影响居民家庭日常出行碳排放的主要因素是出行距离和出行方式，出行频率的影响并不显著，出行结构的影响远大于出行总量的影响。童抗抗[24]利用问卷调查和情景分析方法探讨了城市居住-就业距离变化对通勤碳排放量的影响，发现在通勤距离不超过15 km和不超过5 km两种情景下，私家车对碳排放量减小和花费降低的影响最大。徐昔保等[25]以长三角典型城市为例，基于典型居住小区问卷调查获取第一手的城市居民出行基础数据，估算与分析城市居民出行碳排放特征及影响机理，并得出影响居民交通碳排放的主要因子为交通方式、出行距离以及家庭年收入。刘蔚等[26]利用城市居民出行调查数据，对北京市和上海市2000—2012年居民家庭日常出行交通碳排放量进行测算；并以2000年为基准年，采用对数平均迪氏因素分解（LMDI）方法，对北京市和上海市居民出行交通CO2排放变化进行了分解分析。
当前国内外研究多数是基于微观个体特征考虑对交通出行碳排放进行研究，较少从职居关系调整角度考虑城市职居调整带来交通出行碳减排的效果。本文针对北京市职居关系改善和交通碳减排的迫切需求，利用就业—居住比（J/R）和通勤时间/距离为测定指标分别从区县/街道层面对比分析2010和2014年北京市职居关系现状，并采用自下而上方法对城市交通出行碳排放进行核算，考虑交通出行对碳排放的影响设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”，分析在不同情景下北京市交通碳减排的潜力，为今后开展城市交通碳减排提供重要思路和依据。
2 数据来源与研究方法
2.1 数据来源
本文研究所涉及的数据来源主要包括：①宏观统计数据。部分经济和人口数据来源于北京市历年统计年鉴[27]，其中人口数据来源于北京市第六次全国人口普查数据和各街道人口数据（2014年），就业单位数据来源于北京市第二、三次全国经济普查数据（2008和2014年）和北京市统计年鉴。②交通出行调查数据。其中出行总量、出行方式、乘客载荷和出行距离/时间等指标数据来源于实际调查问卷、北京市“十三五”时期交通发展建设规划、北京城市总体规划（2016—2035年）、北京市第四次和第五次交通综合调查报告（2010和2014年），其中包括地面公交调查和轨道调查专题分报告、历年北京交通发展年报及北京市交通运行报告。
2.2 研究方法
2.2.1 城市职居关系度量分析方法
城市职居关系一般采用就业—居住比（Jobshousing ratio）来度量空间范围内居住与就业在数量上的平衡程度，其数值等于就业岗位数量与家庭数量的比值（或者是就业岗位数量与人口数量的比值）[28-29]。就业—居住比在既定的范围内，两种极限情况其度量结果完全相反，如就业岗位数量与居住单元数量相等，即可以表示职住完全分离，又可以表示职住完全平衡。就业/居住比计算公式如下所示。
就业—居住比（J/R）是测量城市职居关系均衡度的常用方法。该方法中所需资料容易获取，可操作性强，能在现有资料基础上进行计算分析。但由于缺少利用就业/居住比率（J/R）判定区域职居关系是否均衡的标准值范围，不同研究采用了不同的职居关系均衡的J/R值判定范围。因此，本研究参考前人的一些研究[30-31]，并考虑北京市的实际情况，即全市范围内家庭数量和岗位数量比值，采用就业—居住比（J/R）在0.75～1.25范围内认为区域职居关系处于均衡状态，超过这一范围则表示区域的职居关系处于失衡状态。
2.2.2 城市交通出行碳排放核算方法
目前，关于城市交通碳排放的核算方法大体可分为两种：一种是“自上而下”的核算方法，即根据一定区域范围内的各种交通燃料的消耗（销售）统计数据，在此数据上乘以IPCC指南中提到的各种燃料碳排放系数计算得到该区域内的交通碳排放量。另一种是“自下而上”的核算方法，即通过采用多种计量模型直接计算各种交通方式的碳排放因子，通过计算各种交通方式的行車里程与其碳排放因子的乘积，可直接计算得到碳排放量。总体而言，这两种方法各有优劣。第一种方法的燃料碳排放系数相对比较权威、准确，但是在具体计算过程中需要事先知道各种交通方式所消耗的燃料类型及其消费量，并且计算得到的只是各种交通方式的直接碳排放，未考虑这些燃料如汽油、柴油、电力等在其生产过程中所间接排放的CO2；而第二种方式则相对较为灵活、简洁，可直接计算得到碳排放量，并且通过采用各种交通方式CO2的总排放因子也可计算得到总的碳排放量，但是采用的模型不同，可能计算得到的碳排放量会有所差异。本研究主要关注的是城市交通出行碳排放情况，因此适于采用“自下而上”的交通碳排放核算方法。该方法的具体计算过程如下：
（1）各交通方式的行驶里程计算。
城市交通方式主要由公共交通、机动交通和非机动交通三部分组成，公共交通主要由公共汽（电）车、出租汽车和轨道交通（地铁）组成，机动交通指私人小汽车、摩托车、社会车辆（政府机关、社会团体、企事业单位拥有的客车）及其他私人客车，非机动交通包括助动车、自行车。根据所获取的数据的统计口径和研究的侧重，在本研究中将城市交通方式主要划分为公共汽（电）车、轨道交通（地铁）、出租车、小汽车、自行车及其他（班车）。各种交通方式的行驶里程通过交通出行量、各种交通出行方式所占比例（即出行模式），以及各种交通方式的出行距离进行计算，其公式为：
本研究还需进一步计算城市通勤交通的碳排放量，因此需要计算出城市通勤交通的行驶里程。城市通勤交通的行驶里程可以通过通勤交通出行量、各种通勤交通出行方式所占比例（通勤模式），以及各种通勤方式的通勤距离计算：
（2）城市交通碳排放量核算。
各交通方式行驶里程与各种终端交通工具的碳排放强度的乘积即为各交通方式的碳排放量，进一步相加即为总交通碳排放量。计算公式为：
（3）碳排放因子计算。
根据公式（4）和（5）计算各交通方式的碳排放量。终端交通工具的碳排放因子可以通过单位车次单位里程的能源消耗，采用能源与碳排放之间的转换系数和转换公式计算求得[19，32-33]，公式如下：
各交通方式CO2排放因子计算结果如表1所示，其中单位公里能源消耗各种燃料低位热值及能源消耗CO2排放因子来源于2006年《IPCC国家温室气体清单指南》[34]。
3 结果分析
3.1 职居关系现状分析
3.1.1 就业—居住比（J/R）
利用公式1中的就业—居住比（J/R）对比分析2010和2014年北京市职居关系现状（见表2）。由表2可知，相比2010年，2014年北京市全市范围内的职居关系失衡状况有所加剧，主要由于北京市六环内人口快速增长，家庭数量和岗位数量不匹配，而周边的城区无法提供与工作岗位数量相匹配的住房数量，从而导致职居关系失衡。而从各区县的J/R结果来看，北京市中心城区（东城区和西城区）的职居关系依旧保持着严重的失衡状态，而且与2010年相比失衡状况均有所加剧，极大地超出了职居关系均衡的J/R判定上限，说明该区域无法为工作在这一区域内的就业者提供足够的住房，导致部分在该区域内的就业者不得不选择到其他区域居住。在城市功能拓展区中，朝阳区和海淀区也同样处于职居关系失衡状态，但朝阳区职居关系失衡状态较2010年有所缓解，而海淀区职居关系失衡状态较2010年有所加剧。丰台区和石景山区的J/R处于职居关系均衡的J/R值范围内，因此这两个地区处于职居均衡状态。城市发展新区的五个区县的J/R结果显示，这五个区县仍处于职居关系失衡状态，并且与2010年相比失衡状况均有所加剧，主要是由于区域内无法提供足够的工作岗位，居住人口大量向城区集中，从而导致职居关系失衡。而生态涵养发展区的五个区县，与2010年相比，延庆县、密云县、平谷区这三个地区职居关系有所缓解，2014年的职居关系达到均衡状态。
为了进一步对各区县街道、乡镇层面的职居关系进行深入分析，利用2014年北京市街道、乡镇级别的人口和经济数据计算得到街道、乡镇层次的就业—居住比（J/R），北京市职居关系均衡和失衡前十的街道如表3所示。由表3可知，北京市六环内的南苑、北苑、天坛、清华园、椿树街道等公园、历史文化和传统文化地区总体都处于比较明显的职居关系均衡状态。而对于天通苑、回龙观、霍营等地区处于明显的职居关系失衡状态，主要是由于缺乏足够的工作岗位导致部分在该区域内居住的居民不得不选择到其他外部区域就业；海淀、东直门、建外等街道也处于明显的职居关系失衡状态，主要原因是这些地区不能为在本地区工作的就业者提供足够的住房而导致部分人不得不到地区外居住。由于靠近中心城区的区域如朝阳区大部，海淀区和丰台区靠近中心城区的部分，已形成城市产业发展的密集区，是主要的就业区域，都由于缺少足够的居住地而处于职居失衡。北京市的主要城区目前均处于因缺少足够的居住地而导致的职居关系失衡状态，造成这种情况的主要原因是北京市单中心城市发展结构使主城区成为城市经济的核心区，具有良好的产业发展优势，是城市的主要就业集中地，但由于区域面积有限，区域发展的过程中主要以经济发展为优先考虑，因而将有限的土地资源更多地用于发展经济，用于新建住房的土地不足，导致区域内无法提供足够的住房，最终导致区域内住房数量与工作岗位的不匹配。
3.1.2 交通出行时间/距离
通过对2010年和2014年六环内出发时间进行分析可看出（见图1），2014年日出行量最大为早上7点，占全日出行量的14.5%，与2010年出发时间分布相比，六环内早晚高峰出行比例均呈现明显上升趋势。早高峰时间段（7点至9点）出行量占全日的比例由19%上升至25%；晚高峰时间段（17点至19点）出行量占全日的比例由17%升至20%；而平衡时段出行比例有所下降。同时对比2010年与2014年中心城区出发时间分布可看出（见图2），2014年日出行量最大为早上7点，占全日出行量的14.0%，与2010年出发时间分布相比，中心城区早晚高峰出行比例同样呈现上升趋势。早高峰时间段（7点至9点）出行量占全日的比例由19%上升至25%；晚高峰时间段（17点至19点）出行量占全日的比例由16%升至20%；而平衡时段出行比例也有所下降。同时由表4可看出，2014年工作日六环内全方式的平均出行时耗为41 min，除步行方式以外为52 min，较2010年增长8.3%，其中轨道交通方式出行时耗最高，达到74.8 min。2014年工作日中心城区内全方式的平均时耗为44 min，除步行方式以外为56 min，较2010年增长19.7%，其中轨道交通方式出行时耗最高，达到75.7 min。
同时由表4还可看出，2014年六环内平均出行距離为8.1 km，除步行方式以外的平均出行距离为11.3 km，较2010年增加6.6%，小汽车和班车的出行距离有所增长，其他方式的出行距离变化在1 km以内。而中心城区平均出行距离为9.7 km，除步行方式以外的平均出行距离为13.3 km，较2010年增加29%，其中小汽车出行距离增长最大，达到39.7%，除班车、步行以外其他方式的出行距离均有小幅增长。根据实际问卷调查的结果看，调查样本的平均通勤距离为10.3 km，相对较长；上下班时间在20 min以内的占15.8%，在20～40 min之间的占47.4%，在40～60 min之间的占21.1%，在60～90 min之间的占10.5%，在90～120 min之间的占5.3%。较短的通勤时间（20 min内）和特别长的通勤时间（60 min以上）的比例较小，中等长度的通勤时间（20～60 min）的比例最高，占69.5%，通勤时间总体呈“两头少中间多”的态势。实际调查结果也在一定程度上反映出北京市城区范围内职居关系处于失衡状态。
3.2 交通出行碳排放核算
根据北京市交通出行数据，基于交通碳排放核算方式对近年来北京交通出行碳排放量进行核算，结果如表5所示。由表5可知，北京市近年来（2005—2014年）交通出行的总碳排放量呈现快速增长趋势，年碳排放量从2005年的599.15万t增长到2014年的1 065.49万t，年均增长6.6%。其中地铁出行碳排放量增长速度最快，年均增长达到24.9%。从各交通出行方式的碳排放量来看，小汽车出行产生的碳排放量达到75%～80%左右，是北京交通出行碳排放产生的主要来源。然而近年来该比例呈现下降趋势，其中2010—2013年下降比例较其他年份要快，主要是由于自2011年起北京市开始实施小汽车摇号政策来控制小汽车保有量的快速增长，加之已实行的单双号限行，从而在一定程度上影响小汽车出行，进而带来碳排放比例的下降。然而由于区域内小汽车基数较大，虽近年来有一定程度的下降，但仍是北京市交通出行碳排放的主导因素。其次是出租车，约占总排放量的10%～13%左右，且该比例整体呈现下降趋势，从2005年的12.6%下降至2014年的10.2%；公交车约占总排放量的5%～7%左右，该比例略有上升，从2005年的5.3%上升至2014年的6.4%；地铁所占比例虽然较低但也呈现逐年增加趋势，从2005年0.8%增加到了2010年的3.4%；其他出行方式（例如班车等）所占比例较小，在1.0%左右。总的来看，北京市交通出行的总碳排放量巨大，且增长速度较快，主要是以小汽车出行为主导的碳排放方式。
进一步根据北京市居民通勤出行数据，基于通勤出行碳排放核算方法对近年北京居民出行碳排放量进行核算，核算结果如表6所示。由表6可知，北京市居民通勤出行碳排放量呈现波动上升趋势，年碳排放量从2005年的220.76万t增长到2014年的533.68万t，年均增长10.3%，其中地铁、公交和小汽车三种通勤出行碳排放量增长速度较快，年均增长均超过10%。北京市地铁通勤出行碳排放量年均增长达到26.5%，公交通勤出行年均增长12.3%，小汽车通勤出行为10.0%。同时还可看出在不同通勤出行方式下，通勤出行占交通出行碳排放量的比例为40%～60%左右。城市通勤出行碳排放量占交通出行的比例较大且整体上呈上升趋势，居民通勤出行总碳排放量占交通出行总量的比例从2005年的36.85%上升到2014年的50.09%，年均增长3.5%，其中2012年占比达到最大，为58.36%。由居民通勤出行碳排放量所占比例来看，小汽车通勤出行方式所占比例依然是最高的，在75%～80%左右，然而从整体上看小汽车占比呈现下降趋势，且从2005年的77.7%降至2014年的75.8%，其中2010—2014年下降比例较其他年份要快。其次是出租车通勤出行方式，约占10%～13%左右，且该比例整体也呈现下降趋势，从2005年的13.1%下降至2014年的11.5%；再次是公交车通勤出行方式，约占6%～8%左右，该比例略有上升，从2005年的6.7%上升至2014年的7.9%，其中2013年占比最低，为5.8%；地铁通勤出行方式所占比例虽较低但也呈现逐年增加趋势，从2005年1.2%增加到了2010年的3.9%；而其他通勤出行方式（例如班车等）所占比例较小，在1.0%左右。总体来看，北京市通勤出行碳排放量巨大且近年随着居民通勤出行需求的增加而呈快速增加趋势，且城市通勤出行碳排放同样是以小汽车出行为主导的碳排放方式。
根据北京市发展情况和居民交通出行需求分析，由于近年北京市社会经济、人口和城市规模快速扩张，城市居民必要性交通出行需求随着城市人口和规模的增加而增加；而随着城市经济发展和多样化的居民生活，城市居民非必要性交通出行需求也在不断增加。同时，近年北京市职居关系失衡状况正不断加剧，这也进一步促使了交通出行需求的增加。城市交通出行需求不断增加具体可反映在城市居民日均交通出行总量的增加。城市规模扩张、职居分离加剧同时也造成居民的出行距离增加，使得居民出行采用步行和自行车方式的比例降低。而城市机动车保有量的快速增加，居民小汽车出行比例也在不断上升，且小汽车短途出行比例增加较快，对城市交通系统产生巨大压力，进而造成市区内大面积交通拥堵。北京市居民交通出行方式主要是以小汽车和公共交通为主的机动化交通出行模式，造成交通出行能源消耗不断增加，尤其是小汽车能源消耗的迅速增加，导致交通出行碳排放量巨大且增长速度较快，小汽车出行带来的碳排放已成为北京市交通碳排放的主要来源。
3.3 交通出行碳减排潜力分析
通过对北京市职居关系和交通出行碳排放现状的研究可看出，当前北京市全市范围内及周边已出现严重的职居关系失衡，同时城市交通出行碳排放量巨大，其中通勤交通碳排放所占比例较大，占交通出行的40%以上。为解决城市交通问题，其基本途径主要是对城市交通需求进行调节和控制，诸多研究[35-37]表明以调整城市职居关系为核心的手段和方案能够对城市交通出行需求控制和交通碳减排起到积极作用。因此，通过设计以交通需求控制指标为表征的城市职居关系调整情景，并对各情景下的城市交通碳减排潜力进行分析。
根据以上分析，职居关系调整对于城市交通出行需求的影响实质是调整区域范围内工作岗位和住房使之尽可能向均衡方向发展，促进就近择业或就近居住，以缩短通勤的空间距离、减少交通出行量，进一步改变城市通勤模式，使之向大容量、低碳化的交通模式发展，减少交通能源消耗，达到城市交通碳减排目的。然而考虑单纯以通勤交通的变化来反映职居关系调整的效果在可操作性和全面性方面存在一定的问题和难度，因此本研究以城市职居关系调整对城市人口、交通出行总量、通勤出行比例、出行距离、交通出行方式等产生的影响作为城市职居关系调整对城市交通需求控制的效果指標，建立以交通需求控制为目的的北京市职居关系调整情景方案，如表7所示。
情景方案设计主要包括基准情景（Business As Usual，BAU）和职居关系调整情景，每个情景下包括2020年、2030年两个时间节点。基准情景即不采取任何职居关系调整措施的情景；职居关系调整情景即在采取切实可行的职居关系调整措施的条件下，以对城市交通出行需求控制的效果作为各指标的取值，其中包括考虑北京市通州副中心以及雄安新区的设立，带动城市人口和非首都功能的疏解。在职居关系调整情景中，出行模式根据北京城市总体规划（2016—2035年）中到2035年绿色出行比例将不低于80%。由于职居关系的调整能使职居距离缩短，小汽车的短途出行由自行车出行或公共交通出行代替，因而小汽车的出行比例将会大量降低；而公共交通（地铁或公交车）和自行车的出行比例将会增加，出租车和其他出行方式的比例基本持平。而各种交通出行方式的出行距离主要是由平均出行速度和居民可接受的平均时间决定的，即居民会根据出行距离选择合适的交通出行方式以保证出行时间在可接受范围内。
根据交通出行碳排放核算方法对各情景下的北京市交通碳排放进行计算，结果如表8所示。由表8可看出，BAU情景下，北京市交通出行年碳排放总量将会持续增加，2020年、2030年将分别达到1 159.51万t、1 398.58万t，较2014年分别增加94.02万t、333.09万t，增加幅度分别为8.82%、31.26%。各种交通方式的出行碳排放量都将会继续增加，但是碳排放量占总出行碳排放量的比例将会有所变化，其中小汽车所占的比例将会继续有所下降，到2020年下降至77.05%，到2030年下降至76.55%；公交车所占的比例将会继续有所上升，到2020年上升至6.50%，但是之后将会稳定下来，2030年与2020年相比变化不大，为6.46%；地铁所占的比例将会不断上升，到2020年上升到4.71%，到2030年上升到5.32%；出租车所占的比例变化不大，约占10%左右，其他方式所占的比例约占1.0%左右。总体来看，在基准情景下，由于城市规模和人口不断扩张，城市职居关系失衡进一步加大，城市交通出行需求持续快速增加，步行、自行车等低碳出行方式的比例不断下降，而机动车出行所占比例将不断增加，特别是以小汽车出行和公共交通出行（公交车、地铁）为主的出行比例将会不断增加，因而城市交通出行总碳排放量将会不断增加，交通出行碳排放量的主要来源仍然是小汽车，其次是出租车。
在职居关系调整情景下，随着北京市通州副中心以及雄安新区的设立，带动城市人口和非首都功能的疏解，北京六环内交通出行需求得到一定的控制，交通出行总量减少，同时步行、自行车等低碳出行方式比例增加，机动车出行比例降低，尤其是小汽车出行比例降低，小汽车产生的碳排放量大量减少，使北京市交通出行年碳排放总量不断减少，2020年和2030年将分别减少到975.09万t、878.15万t，较2014年分别减少90.40万t、187.33万t，减少幅度分别是8.48%、17.58%。各出行方式产生的碳排放量占总碳排放量的比例中，小汽车所占比例不断降低，相比基准情景下更低，到2020年下降至74.75%，到2030年下降至70.31%；公交车所占的比例将会继续有所上升，相比基准情景下更高，到2020年上升至7.98%，到2030年上升至8.09%；地铁所占的比例将会不断上升，相比基准情景下也更高，到2020年上升到3.81%，到2030年上升到5.78%；出租车所占的比例有所上升，到2030年占14.60%，其他方式所占的比例变化不大，约占1.2%左右。
通过以上分析可知，职居关系调整情景与基准情景相比，由于对城市发展规模和人口进行控制，城市交通出行量减少，步行、自行車等低碳出行方式比例增加，机动车出行比例降低，尤其是小汽车出行比例降低，小汽车产生的碳排放量大量减少，使交通出行产生的碳排放量大大减少。相比BAU情景，职居关系调整情景下的总交通出行年碳排放量在2020年、2030年将分别减少184.42万t、520.42万t，减少幅度分别是15.91%、37.21%，碳减排效果明显。进一步分析职居关系调整下北京市交通出行碳减排的效果，通过对比基准情景计算职居关系调整情景下的碳减排潜力，即基准情景下交通出行年碳排放量的时间曲线的投影面积与职居关系调整情景下交通出行年碳排放量的时间曲线的投影面积的差值。以2014年为起点，职居关系调整下的交通出行碳减排潜力到2020年是553.26万t，到2030年是3 524.22万t。从分析结果来看，通过职居关系调整控制北京市交通出行需求以达到城市交通出行碳减排的效果明显且潜力十分巨大，因此通过职居关系调整以实现城市交通碳减排的思路具有重要的价值和意义。
4 结论及建议
本文针对北京市职居关系改善和交通碳减排的迫切需求，利用就业-居住比（J/R）和通勤时间/距离为测定指标分别从区县/街道层面对比分析2010和2014年北京市职居关系现状，并基于自下而上方法对城市交通出行碳排放进行核算，在考虑居民出行对交通碳排放的影响下设计了两种交通碳减排情景：“基准情景”、“职居关系调整情景”，主要结论如下：
（1）利用就业-居住比（J/R）和通勤距离/时间为测定指标分别从区县/街道层面对比分析2010和2014年北京市职居关系现状，相比2010年，2014年北京市全市范围内的职居关系失衡状况有所加剧，多数地区因无法提供与工作岗位数量相匹配的住房数量，而导致职居关系失衡。同时北京市的城区范围内（五环内）处于严重的因产业太过集中、住房供应不足导致的职居关系失衡状态，近郊区（五环和六环之间）在郊区城市化的影响下部分区域形成了以产业发展为主而住房建设不足或以大型居住区建设为主而就业岗位不足的严重的职居关系失衡状态。
（2） 通过北京市2005—2014年交通出行碳排放量核算结果表明，北京市交通出行碳排放量巨大且增长迅速，年均增长6.6%，2014年碳排放量达1 065.9万t；且随着居民通勤出行需求的增加城市通勤出行碳排放量占交通出行的比例较大且呈不断上升趋势，2014年占交通出行总碳排放量的比例达50.09%。从各种交通出行方式的碳排放量所占比例来看，小汽车出行产生的碳排放量达到75%～80%左右，是北京交通出行碳排放产生的主要来源。
（3）建立以交通需求控制为目的的北京市职居关系调整情景方案，并对各情景下的北京市交通出行碳排放进行分析，结果表明若以当前的趋势继续发展（BAU情景），北京市交通出行年碳排放总量将会继续增加，2020年、2030年将分别达到1 159.51万t、1 398.58万t；但若采取合适有效的职居关系调整方案，小汽车出行产生的碳排放量将大量减少，使北京市交通出行年碳排放总量不断减少，与BAU情景相比，2020和2030年将分别减少184.42万t、520.42万t，减少幅度分别是15.91%、37.21%，碳减排效果明显。同时通过对职居关系调整情景下交通出行碳减排潜力的计算结果显示，以2014年为起点，交通出行碳减排潜力到2020年是553.26万t，到2030年是3 524.22万t，碳减排的潜力十分巨大。因此通过职居关系调整以实现城市交通碳减排的思路具有重要的价值和意义。
上述结论蕴含的政策含义包括：①政府方面需正视城市化发展与城市空间布局不合理之间的匹配关系，加快构建多中心、多层次的新的城市空间布局，通过多中心分担城市职能和经济发展，缓解中心城区的压力；②在区域内工作岗位数量和住房数量基本匹配的情况下，加快实施多种政策相结合的方式鼓励区域内就近居住或就近择业，实现真正的职居关系均衡；③加快实施以调整城市职居关系为核心的手段和方案，从源头上减少居民出行需求，缩短居民通勤时间和通勤距离，缓解市民潮汐流动，达到控制城市交通出行需求以及减少交通碳排放的目的。
参考文献（References）
[1]马静，柴彦威，刘志林. 基于居民出行行为的北京市交通碳排放影响机理[J]. 地理学报， 2011， 66（8）： 1023-1032. [MA Jing， CHAI Yanwei， LIU Zhilin. The mechanism of CO2 emissions from urban transport based on individuals travel behavior in Beijing [J]. Acta geographica sinica， 2011， 66（8）： 1023-1032.]
[2]International Energy Agency （IEA）. CO2 emissions from fuel combustion 2015 [R]. Paris： IEA Publication， 2015.
[3]BRAND C， PRESTON J M. ‘60-20 emission：the unequal distribution of greenhouse gas emissions from personal， nonbusiness travel in the UK [J]. Transport policy， 2010， 17（1）：9-19.
[4]BRAND C， GOODMAN A， RUTTER H， et al. Associations of individual， household and environmental characteristics with carbon dioxide emissions from motorised passenger travel [J]. Applied energy， 2013， 104（100）：158-169.
[5]HONG J， SHEN Q， ZHANG L. How do builtenvironment factors affect travel behavior？ a spatial analysis at different geographic scales [J]. Transportation， 2014， 41（3）：419-440.
[6]DUFFY A， CRAWFORD R. The effects of physical activity on greenhouse gas emissions for common transport modes in European countries [J]. Transportation research part D， 2013， 19（1）：13-19.
[7]CHESTER M V， HORVATH A， MADANAT S. Comparison of lifecycle energy and emissions footprints of passenger transportation in metropolitan regions [J]. Atmospheric environment， 2010， 44（8）：1071-1079.
[8]ZAHABI S A H， MIRANDAMORENO L， PATTERSON Z， et al. Transportation greenhouse gas emissions and its relationship with urban form， transit accessibility and emerging green technologies： a Montreal case study [J]. Procediasocial and behavioral sciences， 2012， 54：966-978.
[9]LIAO C H， LU C S， TSENG P H. Carbon dioxide emissions and inland container transport in Taiwan [J]. Journal of transport geography， 2011， 19（4）：722-728.
[10]PONGTHANAISAWAN J， SORAPIPATANA C. Greenhouse gas emissions from Thailands transport sector： trends and mitigation options [J]. Applied energy， 2013， 101：288-298.
[11]CHEN J， SHAW S L， YU H， et al. Exploratory data analysis of activity diary data： a spacetime GIS approach [J]. Journal of transport geography， 2011， 19（3）：394-404.
[12]LI T， CORCORAN J， BURKE M. Disaggregate GIS modelling to track spatial change： exploring a decade of commuting in South East Queensland， Australia [J]. Journal of transport geography， 2012， 24（4）：306-314.
[13]CHANG X， CHEN B Y， LI Q， et al. Estimating realtime traffic carbon dioxide emissions based on intelligent transportation system technologies [J]. IEEE Transactions on intelligent transportation systems， 2013， 14（1）：469–479.
[14]GURNEY K R， RAZLIVANOV I， SONG Y， et al. Quantification of fossil fuel CO2 emissions on the building/street scale for a large U.S. city [J]. Environmental science & technology， 2012， 46（21）：12194-12202.
[15]BROWNE D， OREGAN B， MOLES R. Use of ecological footprinting to explore alternative transport policy scenarios in an Irish cityregion [J]. Transportation research part D transport & environment， 2008， 13（5）：315-322.
[16]BRISTOW A L， TIGHT M， PRIDMORE A， et al. Developing pathways to low carbon landbased passenger transport in Great Britain by 2050 [J]. Energy policy， 2008， 36（9）：3427-3435.
[17]黃成，陈长虹，王冰妍，等. 城市交通出行方式对能源与环境的影响[J]. 公路交通科技， 2005， 22（11）：163-166. [HUANG Cheng， CHEN Changhong， WANG Bingyan， et al. Urban travel modal split and its impact on energy and environment [J]. Journal of highway and transportation research and development， 2005， 22（11）：163-166.]
[18]WEI Y M， LIU L C， FAN Y， et al. The impact of lifestyle on energy use and CO2， emission： an empirical analysis of Chinas residents [J]. Energy policy， 2007， 35（1）：247-257.
[19]赵敏，张卫国，俞立中. 上海市居民出行方式与城市交通CO2排放及减排对策[J]. 环境科学研究， 2009， 22（6）： 747-752. [ZHAO Min， ZHANG Weiguo， YU Lizhong. Resident travel modes and CO2 emissions by traffic in Shanghai City [J]. Research of environmental sciences， 2009， 22（6）： 747-752.]
[20]姚胜永，潘海啸. 基于交通能耗的城市空间和交通模式宏观分析及对我国城市发展的启示[J]. 城市规划学刊， 2009（3）：46-52. [YAO Shengyong， PAN Haixiao. A macroscopic analysis of transportation energy consumption and implication to China urban planning and development [J]. Urban planning forum， 2009（3）：46-52.]
[21]刘卫东，陆大道，张雷，等.我国低碳经济发展框架与科学基础[M]. 北京：商务出版社，2010. [LIU Weidong， LU Dadao， ZHANG Lei， et al. Lowcarbon economy development framework and scientific basis of China [M]. Beijing： China Commerce and Trade Press， 2010.]
[22]李静，李双江，赵倩，等. 石家庄市居民出行碳排放趋势及其低碳对策[J]. 西部资源， 2012（2）：88-90. [LI Jing， LI Shuangjiang， ZHAO Qian， et al. Resident travel CO2 emissions trend and lowcarbon measures in Shijiazhuang City [J]. Western resources， 2012（2）：88-90.]
[23]柴彦威，肖作鹏，刘志林. 居民家庭日常出行碳排放的发生机制与调控策略——以北京市为例[J]. 地理研究， 2012， 31（2）：334-344. [CHAI Yanwei， XIAO Zuopeng， LIU Zhilin. Lowcarbon optimization strategies based on CO2 emission mechanism of household daily travels： a case study of Beijing [J]. Geographical research， 2012， 31（2）：334-344.]
[24]童抗抗，马克明. 居住—就业距离对交通碳排放的影响[J]. 生态学报， 2012， 32（10）：2975-2984. [TONG Kangkang， MA Keming. Significant impact of jobhousing distance on carbon emissions from transport： a scenario analysis [J]. Acta ecologica sinica， 2012， 32（10）：2975-2984.]
[25]徐昔保，陳爽，杨桂山. 长三角地区城市居民出行交通碳排放特征与影响机理[J]. 长江流域资源与环境， 2014， 23（8）：1064-1071. [XU Xibao， CHEN Shuang， YANG Guishan. Characteristics and impact mechanism of carbon emission for urban residents transport in the Yangtze River Delta， China [J]. Resources and environment in the Yangtze Basin， 2014， 23（8）：1064-1071.]
[26]刘蔚，郭彩云，陈纪瑛. 中国城市居民出行CO2排放特征及影响因素[J]. 北京理工大学学报（社会科学版）， 2015（1）：32-39. [LIU Wei， GUO Caiyun， CHEN Jiying. Characteristics and influence factors for megaurban resident daily trip CO2 emissions in China [J]. Journal of Beijing Institute of Technology （social sciences edition）， 2015（1）：32-39.]
[27]北京市统计局. 北京统计年鉴[M]. 北京：中国统计出版社，2006-2015. [Beijing Municipal Bureau of Statistics. Beijing statistical yearbook [M]. Beijing： China Statistics Press， 2006-2015.]
[28]CERVERO R. Jobshousing balancing and regional mobility [J]. Journal of the American planning association， 1989， 55（2）：136-150.
[29]CERVERO R， RADISCH C. Travel choices in pedestrian versus automobile oriented neighborhoods [J]. Transport policy， 1996， 3（3）：127-141.
[30]MARGOLIS J. Municipal fiscal structure in a Metropolitan Region [J]. Journal of political economy， 1957， 65（3）：225-236.
[31]FRANK L D. An analysis of relationships between urban form （density， mix， and jobs： housing balance） and travel behavior （mode choice， trip generation， trip length， and travel time） [R]. Mode choice， 1994.
[32]WEI P， PAN H. Research on individual carbon dioxide emissions of commuting in periurban area of metropolitan cities：an empirical study in Shanghai [J]. Transportation research procedia， 2017， 25：3463-3482.
[33]苏城元，陆键，徐萍. 城市交通碳排放分析及交通低碳发展模式——以上海为例[J]. 公路交通科技， 2012， 29（3）：142-148. [SU Chengyuan， LU Jian， XU Ping. Analysis of urban transport carbon emissions and lowcarbon development mode：a case study of Shanghai [J]. Journal of highway and transportation research and development， 2012， 29（3）：142-148.]
[34]IPCC. 2006 IPCC guidelines for national greenhouse gas inventories [R]. 2006.
[35]谌丽，张文忠，李业锦，等. 北京城市居住空间形态对居民通勤方式的影响[J]. 地理科学， 2016， 36（5）：697-704. [CHEN Li， ZHANG Wenzhong， LI Yejin， et al. Residential form in Beijing and its impact on residents commuting mode choice [J]. Scientia geographica sinica， 2016， 36（5）：697-704.]
[36]郭韜. 中国城市空间形态对居民生活碳排放影响的实证研究[D]. 合肥： 中国科学技术大学， 2013. [GUO Tao. An empirical study on the influence of Chinas urban life carbon emissions on urban form [D]. Hefei： University of Science and Technology of China， 2013.]
[37]魏庆琦，陈佳列，肖伟. 重庆市居民出行碳排放资源利用效率研究[J]. 生态经济， 2016， 32（10）：79-83. [WEI Qingqi， CHEN Jialie， XIAO Wei. Research on the carbon emission resource using efficiency of urban passenger transportation： a case study of Chongqing [J]. Ecological economy. 2016， 32（10）：79-83.]
