引言

北京作为我国大气污染较为严重的地区之一，其道路移动源排放的污染物已成为本地污染物排放总量的主要贡献者^[1]，且近年来道路移动源的碳排放量占北京市碳排放总量的比例迅速上升，交通部门已经成为北京市碳排放唯一增长的部门，增速也在持续加快^[2]。因此，为早日实现碳中和目标并持续改善大气环境，针对北京城市道路移动源的CO₂和大气污染物进行协同减排已经刻不容缓。

目前，国内外都将减排重点关注到道路移动源，在研究模型的运用上，部分学者^[3-7] 通过定量建模、情景分析法、COPERT(Computer Programme to calcuate Emissions from Road Transport)模型、C³ IAM/ NET-Transport(China’s Climate Change Intergrated Assessment/National Energy Technology-Transport) 模型和NET-Transport(National Energy Technology-Transpore) 模型等研究了国内外城市道路移动源的污染物排放影响。还有部分专家运用LEAP模型(Long-range Energy Alternatives Planning System)对我国全国或部分省(区、市)范围内的交通部门未来的能源消耗及大气污染物或CO₂排放情况进行了分析，并评估了相应减排措施的有效性^[8-14]。还有一部分专家聚焦于北京市道路移动源的碳减排和大气污染物减排研究，王红梅^[15]、赵立祥^[16]、张昱^[17]、吕晨^[18] 等研究了北京市交通未来的低碳发展目标和发展路径，并提出提高机动车燃料经济性、更新新能源和清洁能源车辆、推广绿色出行等减排措施。吴玉婷^[19]、池莉^[20] 等则研究了不同情景下未来北京市客运交通的主要大气污染物排放情况，分别认为严格排放标准和大力促进公共交通减排是最有效的减排措施。王慧慧^[21] 和高玉冰^[22] 分别对上海市和乌鲁木齐市各类机动车的污染物排放量进行测算并分析了各措施的减排协同性，研究发现，采用淘汰黄标车、发展公共交通和提高排放标准等结构性措施对污染物的减排效果最显著且具有正向协同效应。唐伟^[23] 对杭州市大气污染物和温室气体的减排量以及减排协同效应的研究表明，提高排放标准、推广新能源汽车和提高公共交通分担率三种措施对温室气体的减排效果优于大气污染物，淘汰高排放老旧车辆、淘汰国III柴油货车和优化交通运输结构则相反。谭琦璐^[24] 对京津冀的道路和轨道交通尾气排放控制措施对大气污染物和温室气体的协同减排效应进行了研究，研究发现，发展城际高速或市郊铁路、加强公路路网建设的协同效应最大，发展城市轨道交通协同效应则最小。

综上所述，对于交通部门的减排研究采用自下而上建模的LEAP模型，并结合情景分析法较为合适。但现有研究较多是单独分析预测未来交通领域碳排放或大气污染物的排放情况，在措施单独实施下对两类不同污染物间的协同减排效应和道路移动源碳中和实现路径的研究较少。因此，本研究以现有文献为基础，在争取2060年实现碳中和背景下，构建北京城市道路移动源CO₂和大气污染物排放的LEAP模型，同时结合情景分析法设计三种不同情景(基准情景、单一政策情景、综合政策情景)，以2016年为基准年预测到2060年北京城市道路移动源的CO₂和大气污染物排放量，在此基础上通过协同减排效应分析法研究各情景下不同污染物的协同减排效应，对北京城市道路移动源的减污降碳以及实现碳中和具有一定现实意义。

1 研究方法 1.1 LEAP模型构建

LEAP模型，即长期能源替代规划系统，它在情景分析的基础上通过对数据指标进行合理假设，进而对研究对象进行中长期的能源与环境预测。本研究主要运用LEAP模型中能源需求和环境影响两个模块进行建模。在移动源排放标准体系的基础上，结合《中国移动源环境管理年报》和《北京市交通发展年报》的部门划分，同时考虑数据的可获得性，将北京城市道路移动源划分为四层结构：部门、子部门、终端利用、设备(燃料类型)。具体划分结构如图 1所示。

在计算CO₂和大气污染物排放时，本研究主要选取CO、NO_x和PM_2.5作为主要大气污染物，由于电力和氢能被认为是清洁能源，可以实现“零排放” ^[19]，因此不考虑电力和氢能终端的污染物排放，模型的具体表达式如下：

(1)

其中，EE_{k, t}为第t年第k种污染物的排放量，单位为t；TP_{i, t}为第t年第i种车型的客(货)运周转量；EI_{i, t}为第t年第i种车型的能源强度，单位为tce/p-km；EEF_{i, k, t}为第t年第i种车型的第k种污染物的排放强度。

公共交通和公路货运的客(货)运周转量计算公式如下：

(2)

其中，V_{i, t}为第t年第i种车型的客(货)运量；R_{i, t}为第t年第i种车型的平均乘(运)距，单位为km。

个体交通的客运周转量计算公式如下：

(3)

其中，Q_{i, t}为第t年第i种车型的保有量，单位为辆；D_{i, t}为第t年第i种车型的年均行驶距离，单位为km；P_{i, t}为第t年第i种车型的平均载客数。

能源强度和排放强度的计算公式如下：

(4)

(5)

其中，FC_{i, t}为第t年第i种车型的单位能耗，单位为L/100km；ρ_{i, t}为第i种燃料的密度，单位为kg/L；EC_{i, t}为第t年第i种燃料的含能量，单位为tce/kg；PQ_{i, t}为第t年第i种车型的载客数，单位为人；T_{i, t}为第t年第k种污染物的排放因子，单位为g/km。

本研究中客(货)运量、平均乘(运)距、机动车保有量、年均行驶距离、燃料类型来源于《北京市交通发展年报》《北京公交集团社会责任报告》《中国统计年鉴》；单位能耗、燃料密度、载客数等来源于其他相关文献；排放强度来源于《轻型汽车污染物排放限值及测量方法(国家第V、VI阶段)》和其他参考文献；按能源消耗的CO₂的排放因子采用LEAP模型中预设的技术和环境数据库(Technology and Environmental Database，TED) ^[25]。

1.2 情景设计

本研究根据北京城市道路移动源现状和现有政策设计了三种不同情景，分别是基准情景、单一政策情景、综合政策情景。

(1) 基准情景：基准情景是指按照2016年的现状继续发展，不考虑2016年之后出台的各种新政策措施。基准情景也就是无政策情景，是作为一种参考情景与另外两种情景进行对比^[26]。在基准情景下，各类机动车的保有量按照2016年的增长速率变化^[27]。

(2) 单一政策情景：根据北京市现有的针对道路移动源的各项节能减排政策和“十三五”“十四五”规划，将现有政策和到2060年可能的发展趋势细化为三种子情景：推广公共交通出行、严格排放标准和发展新能源车辆，以便于分析各项措施的“减污降碳”能力，具体政策量化描述见表 1所示。

(3) 综合政策情景：综合政策情景是指对上述推广公共交通出行、严格排放标准和发展新能源车辆三种子情景进行综合实施，也是更为接近现实情况的情景。

1.3 协同减排效应分析法 1.3.1 减排量弹性系数分析

减排量弹性系数用来表示该减排措施对于CO₂和大气污染物的减排是否具有协同效应以及其协同程度，也就是CO₂对不同大气污染物变化的敏感程度^[28]，在研究中可以将各单一措施对CO₂和不同种类大气污染物两两之间的减排协同度进行量化，进而发现对不同污染物减排协同效果最优的措施并在未来有针对性的加强实施。减排量弹性系数计算公式如下：

(6)

其中，ELS_m/n为大气污染对CO₂的弹性系数；φ_m和φ_n为CO₂和大气污染物的排放总量；∆φ_m和∆φ_n为各项措施对CO₂和大气污染物的减排量。若ELS_m/n ≤ 0，表示该措施仅对CO₂或大气污染物有减排效果，不具有协同效应；若ELS_m/n>0，表示该措施对CO₂和大气污染物都有减排效果，即具有协同效应；若ELS_m/n= 1，表示对CO₂和大气污染物的减排程度相同；若0 < ELS_m/n < 1，则该措施对大气污染物的减排作用高于CO₂；ELS_m/n> 1，则反之。

1.3.2 协同效益坐标系分析

协同效应坐标系分析利用二维或多维空间的坐标系直观地表示在不同措施下CO₂与大气污染物减排的效果和协同程度^[28]，可以探究各情景对CO₂与大气污染物是否具有减排协同性以及其协同程度的大小排序，并直观看出对CO₂或大气污染物的减排效果。如图 2所示，二维坐标系中的横坐标表示该项措施对大气污染物的减排效果，纵坐标表示对CO₂的减排效果，第一象限中的A点表示该措施可以达到协同减排的效果，A点到坐标原点连线与横坐标轴形成的夹角α (tg α)越大，表示在减排等量大气污染物的同时，该措施对于CO₂的减排效果越好，即措施E的协同减排效果优于措施A；第二象限中的B点则表示该措施在对CO₂减排的同时造成大气污染物排放量的增加；第三象限中的C的表示该措施不具有协同减排效果；第四象限中的D点表示该措施对大气污染物减排的同时造成CO₂排放量增加。

1.3.3 协同效益经济指标

由于CO₂和不同大气污染物的排放量具有不同的量纲，无法直接进行减排协同效应对比，因此根据《中华人民共和国环境保护税法》 ^[29] 中对北京市应税大气污染物的税额和碳排放交易市场上CO₂的征收单价，将其污染物的排放量转换为经济指标，然后结合协同效应坐标系能够更好地反映出各项措施的协同减排效应^[30]。协同效益经济指标计算公式如下：

(7)

其中，E_E为大气污染物的减排效益；R_i为第i类污染物的减排量；G_i为第i类污染物的当量值；P_E为当量污染物的征收单价。按照北京市的政策规定，应税大气污染物的适用税额标准为12元/污染当量，碳交易均价为52元/t。

2 结果与讨论 2.1 CO₂和大气污染物排放量分析

各情景下北京城市道路移动源2016—2060年的CO₂和大气污染物CO、NO_x、PM_2.5的排放量预测如图 3~图 6所示。可以看出，若不采取任何政策措施，在基准情景下，各项污染物的排放量都将快速增加；在各项措施实施下，污染物的排放量都有一定的减少，且呈现下降态势，在推广公共交通出行措施下，CO₂排放量将在2043年左右达到峰值134.6×10⁶t，CO将在2040年左右达到峰值13.4×10⁶t，NO_x将在2044年左右达到峰值1224.5×10³t，PM_2.5将在2042年左右达到峰值2.98×10³t；在严格排放标准措施下，CO₂和NO_x将在2050年左右达到峰值148.3×10⁶t和1337.5×10³t，CO和PM_2.5将在2048年左右达到峰值15.2×10⁶t和3.37103t；在发展新能源车辆措施下，CO₂、CO、NO_x和PM_2.5均将在2025年左右达到峰值，分别为82.1×10⁶t、8.5×10⁶t、733.3×10³t和1.86×10³t，随着逐步淘汰各类机动车中的燃油车，各污染物排放量自2045年左右开始降至较低水平，但在各项措施单独实施下，CO₂的排放量均未达到中和。

通过对单一政策情景综合后形成综合政策情景，在此情景下各污染物达到了显著的减排效果，并提前达到了排放峰值。其中，CO₂、CO、NO_x和PM_2.5均将在2024年左右达到峰值，分别为74.8×10⁶t、7.8×10⁶t、665.5×10³t和1.72×10³t，在2060年分别降至1.5×10⁶t、1.1×10⁴t、16.4×10³t和119t，虽然综合政策情景下在2050年全面淘汰了燃油车，但仍存在CNG类机动车作为部分替代，因此无法达到绝对的污染物零排放，也就无法实现碳中和。

2.2 各情景下污染物的减排量分析

进一步分析各情景下CO₂和CO、NO_x、PM_2.5相对于基准情景下的减排量，如图 7所示。需要说明的是，由于各子情景在LEAP模型中实现时，对于影响因素的调整有重叠部分，因此污染物减排量的加和大于100 %。可见，综合政策情景具有最好的减排效果，到2060年，其对于各项污染物的减排效果均达到99 % 以上。因此，现有的各项措施综合实施可以在未来实现机动车尾气污染物的近零排放。

在单一政策情景下，推广公共交通出行措施对CO₂、CO、NO_x和PM_2.5均有良好的减排作用，其减排量分别为64.19 %、70.46 %、62.76 % 和68.86 %，因为该措施加大了公共交通分担率，降低了私人小汽车的出行强度，进而降低了个体交通的能源强度和排放强度，因此，该措施对各类污染物的减排都较为有效。严格排放管理措施对各项污染物的减排效果则较为有限，对于各污染物的减排量为50 %~60 %，这是因为该措施对降低各类机动车的单位能耗和加严排放限值标准的程度有限，因此该措施的减排效果不如其他措施。发展新能源车辆措施对于各项污染物的减排作用最好，均达到了90 % 以上，其中对CO和PM_2.5的减排量分别达到99.5 % 和99.39 %，因为该措施全面提高了各类机动车总量中新能源车辆的比例，实施规模较大，同时减小了汽油和柴油类机动车的占有率；而以CNG为燃料的机动车排放强度远小于燃油类机动车，随着各燃油类机动车的逐步淘汰，各项污染物排放量逐渐减少，但因仍存在CNG类机动车，所以也无法到达100 % 的污染物减排。

2.3 协同效应分析 2.3.1 协同效应坐标系分析

通过核算CO₂和大气污染物的经济指标并结合协同效应坐标系分析各措施情景下CO₂和大气污染物的协同减排效应，如图 8所示。从图中可以看出，各项措施情景所代表的点均在第一象限，即它们对CO₂和大气污染物的协同效应均是正向的，都起到了协同减排的作用。

其中，综合政策情景距离原点最远，表明该情景的减排力度最大，减排效果最好。在单一措施情景中，发展新能源车辆措施效果最好，因为其实施范围涉及全部类型的机动车且大范围替代了燃油类机动车。推广公共交通出行措施的实施效果次之，因其仅针对个体交通和公共交通作出结构调整。而严格排放标准措施的力度最小，效果也最差。同时根据各措施代表点到横、纵坐标的距离还可以看出该措施对CO₂或大气污染物的减排效果^[28]，综合政策情景和各单一措施对CO₂或大气污染物的减排效果与协同减排效果排序一致。

2.3.2 减排量弹性系数分析

通过减排量弹性系数具体分析各措施和情景下CO₂和CO、NO_x、PM_2.5的减排协同程度，各项污染物对CO₂的弹性系数如表 2所示。从表中可以看出，所有弹性系数ELS的值均大于0，说明所有措施和情景均有减排作用，且具有协同控制效应。但在不同的措施和情景下，其ELS值有所不同，表明不同措施对于CO₂和CO、NO_x、PM_2.5减排的协同程度不同。

在单一措施情景下，推广公共交通出行措施对于CO₂和大气污染物的协同减排程度接近相同(ELS_{CO2/ 大气污染物}=1.06)；严格排放标准措施的协同减排程度接近相同(ELS_{CO2/大气污染物}=1.03)且略优于推广公共交通出行措施；发展新能源车辆措施对CO₂的减排作用优于大气污染物(ELS_{CO2/大气污染物}=1.21)。各单一措施中，对于CO₂—CO、CO₂—NO_x和CO₂—PM_2.5的减排协同度，严格排放标准>推广公共交通出行>发展新能源车辆。

在综合政策情景下，对于CO₂的减排作用要略大于大气污染物(ELS_{CO2/大气污染物}=1.19)，但协同减排程度已较为接近，而对CO(ELSCO/CO₂=0.07)和PM_2.5(ELSCO₂/PM_2.5=0.33)的减排程度均远大于CO₂，因此，未来还需加强对于道路移动源中CO₂—CO和CO₂—PM_2.5的减排协同度。

3 结论与建议 3.1 结论

(1) 通过对2016—2060年城市道路移动源的CO₂、CO、NO_x和PM_2.5排放量进行预测研究发现，在基准情景下，各项污染物排放量将快速增加。综合政策情景下，各污染物达到了显著的减排效果，并提前在2024年左右达到排放峰值，CO₂、CO、NO_x和PM_2.5排放量分别为74.8×10⁶t、7.8×10⁶t、665.5×10³t和1.72×10³t，但由于仍存在CNG类机动车作为部分替代，因此在2060年无法达到绝对的污染物“零排放”，也就无法实现全面碳中和。在单一政策措施下，到2060年，发展新能源车辆措施对各污染物减排量效果最好，推广公共交通次之，严格排放标准相对较差。

(2) 协同效应分析表明，推广公共交通出行、严格排放标准、发展新能源车辆三种单一措施和综合政策情景对CO₂和大气污染物的减排都具有协同效应，但协同程度有所不同。综合政策情景协同减排力度最大，效果最好，但对CO₂—CO(ELSCO/CO₂=0.07)和CO₂—PM_2.5(ELSCO₂/PM_2.5=0.33)的减排协同性较差；严格排放标准措施的协同减排效果有限，但对各污染物的减排协同性最优(ELS_{CO2/大气污染物}=1.03)，推广公共交通减排协同性次之(ELS_{CO2/大气污染物}=1.06)，发展新能源车辆措施具有较好的协同减排效果，但对CO₂—CO(ELSCO/CO₂=0.06)和CO₂—PM_2.5(ELSCO₂/PM_2.5=0.07)的减排协同性较差。

3.2 建议

(1) 大力推广新能源车辆发展，不断降低CNG车辆占比。发展新能源车辆措施对各类污染物减排效果最好，因此为实现2060年碳中和目标，北京城市道路移动源应加快推动交通能源结构转型，大力推广电能、氢能机动车发展，在取代燃油类机动车的同时还要不断减少CNG类车型的比例，探寻其他新型清洁能源，尽可能实现“电能+ 新能源汽车”的零排放能源结构；还要积极发展零碳排放的步行和自行车交通，出台相应政策鼓励发展“慢行交通”，加快实现碳中和。

(2) 优先落实发展新能源车辆措施，加严机动车排放标准限值并将CO₂纳入一并实施管控。根据协同减排效果的大小，北京城市道路移动源的减排政策应采用综合性的政策措施，即多项减排措施并行，并优先落实发展新能源车辆措施，其次是推广公共交通出行和严格机动车排放管理措施。由于综合政策情景下，CO₂—CO和CO₂—PM_2.5的协同减排度较差，而严格排放标准措施对各类污染物的减排协同度最好，因此应加强该措施的实施力度，即提早实施并加严机动车尾气排放限值标准，提高燃油经济性，进而降低各类机动车污染物排放强度，并将CO₂的排放标准纳入其中。

(3) 加强道路移动源CO₂和大气污染物的减排协同性。制定相应的机动车CO₂排放限值标准，并与大气污染物排放限值标准相结合，建立健全CO₂和大气污染物协同控制排放标准，针对不同类机动车制定CO₂和大气污染物减排的约束性目标，构建协同管理体系，形成强有力的协同减排政策组合，充分发挥协同减排效应。率先在北京实现城市道路移动源CO₂和大气污染物净零排放，在保障2060年前顺利达到碳中和目标的愿景下，同步消除主要由机动车尾气排放引发的北京市大气污染。