上海家庭出行碳排放基本特征、空间模式及影响因素研究

杨上广　王春兰　刘淋

摘要 伴随着人口、私家车等不断增长，中国大城市家庭出行碳排放在逐年增长，因此，如何降低出行碳排放成为低碳城市建设一项重要议题。本论文利用1 054份上海家庭碳排放的问卷调查结果，结合上海人口普查、经济普查等相关经济社会数据，分析了上海家庭出行的行为模式、家庭碳排放的基本特征、空间模式和影响因素等相关问题。研究发现，上海家庭出行模式呈现居住区位、住房类型和收入水平等差异。上海家庭通勤时间和通勤距离呈现倒“U”型曲线，即从市中心向外，呈现由低到高再低的格局。上海家庭出行碳排放呈现出类似出行模式的倒“U”型曲线，中心城区和远郊区为低碳区，高碳区呈环状分布于近郊区。家庭出行碳排放呈现高值聚集现象。家庭出行碳排放冷点区域十分显著，呈环状出现在中环线附近；热点区域主要位于浦东新区，同时嘉定安亭片区出现几个零散的热点。从计量模型中可知，上海市家庭出行碳排放的主要影响因素是是否有汽车和住房的形式。调查显示，等车时间过长、换乘不方便、速度太慢、拥挤、价格不合理和车站距离太远是不少居民不选择公共交通出行的原因。当前，上海居住开始郊区化，但就业、医疗、教育等资源仍然集中于中心城区，造成了资源配置与居住空间的不匹配，形成了高的出行时间和距离以及出行的高碳排放。未来上海市应重点疏解核心、边缘城区优质教育、医疗资源，在新城高标准配置优质公共资源，形成多中心、多节点的空间模式；应鼓励发展城市公共交通、快速轨道交通等低碳交通体系；在完善市内轨道交通的同时，应加大中心城区轨道交通向郊区延伸；应加强地铁站点与公共汽车的顺畅换乘，等等。

关键词 出行碳排放；基本特征；空间模式；影响因素；上海

中图分类号 TU984 文献标识码 A 文章编号 1002-2104（2014）06-0148-06 doi：103969/jissn1002-2104201406022

当前，全球气候变化涉及的水资源安全、能源安全、生态安全等社会问题已越来越引起人们的关注[1]。碳排放是影响全球气候增温的主要因素，因此，如何降低碳排放成为世界各国公共政策的焦点问题之一[2]。随着社会大众对生态问题越来越关注，低碳也逐步走入人们的研究视野，碳足迹、低碳经济、低碳发展等一系列新概念也应运而生[3]。城市是人类经济活动的核心，也是能源消耗的聚集区[4-5]。IEA（国际能源机构）2011年能源碳排放报告中指出，从世界范围来看，来自于电力供热（electricity and heat）和交通的碳排放大约占到了全部碳排放的三分之二[6]。当前，低碳经济和低碳城市一方面成为遏制全球增温的首要选择[7]，另一方面，也成为世界各国城市发展转型的方向之一[8]。西方城市发展经验显示，当城市发展到中后工业化，随着人口和小汽车的增长，以及产业结构的“去重工业化”和“软化”，来自于居民交通出行碳排放所占比重会逐渐上升[9]，同时，合理的城市空间设计，有助于降低出行碳排放[10-12]。上海是中国人均能源消耗和人均碳排放量水平最高的地区之一。根据上海市统计年鉴数据整理，能源终端消费量从1980年2 130.56×104 t标准煤增加至2011年10 943.46×104 t标准煤，增幅413.6%。上海碳排放的增长与经济计划发展、人口增长、私家车增长等各种因素密切相关。本论文利用1 054份上海家庭碳排放的问卷调查结果，结合上海人口普查、经济普查等相关经济社会数据，分析了上海家庭出行的行为模式、家庭碳排放的空间模式，结合上海公共资源的空间配置和上海家庭出行行为模式选择之间的关联和错位，探讨了上海低碳出行和低碳城市建设的公共政策。

1 调查样本的基本情况

1.1 数据来源

本次调查问卷发放和收取时间为2012年6月至9月。共发放1 200份问卷，合计有效问卷1 054份，问卷有效率为88%。共对上海市1 054个家庭，合计总人数2 689人进行了调查。调查地点包括小区、地铁站、公交车站、上海书城、中山公园、虹口足球场、居委会等地方，尽量对上海市各收入层次、各职业类型、各年龄段居民碳排放情况都进行了调查。调查问卷包括社区环境、家庭出行情况、日常生活能源消耗、受访家庭基本情况四部分。本次问卷调查样本点数量与上海市2 300万常住人口数量相比不到万分之一，采用系统抽样等方式有客观上的难度性，故本次问卷采用随机抽样的方法，尽量保证了样本分布的均匀性。为了探讨样本的代表性，我们从年龄结构、家庭结构、收入结构等各个方面，将问卷调查样本与上海第六次人口普查数据进行了比较（见表1）。

调查中，受访者中420户家庭住房为2000年以后建造，371户家庭为1990-2000年建造，1990年以前的住房较少。中低层住宅（2-6层）占比最大，为641户；其次是高层住宅楼（6层以上），为304户；平房为58户；独立或联排别墅49户，样本家庭主要以中低层住宅和高层住宅为主。此外，调查样本中，家庭住房购买的比重较大，为62%，租用比例为34%，自建住房比重较小，仅为4%，自建住房往往集中在远郊如崇明县、奉贤区、青浦区等区县。

1.2 居民出行方式

调查数据显示，上海家庭居民平时日常出行方式呈现出“一分为三”的态势，即步行/自行车、公交车/单位班车、自驾车的比例相差不是特别悬殊，其中上班通勤与购物娱乐的出行方式有一定差别，居民上班出行对机动车的依赖度较大。上班出行方式当中，步行/自行车的比例为30%，公交车为39%，自驾车为31%。居民购物娱乐出行方式中，步行/自行车为40%，公交车为38%，自驾车为22%。

城市不同区位居民出行方式选择呈现出一定差异。中心城边缘及郊区居民上班出行对公共交通的依赖度较大，核心城区与近郊居民上班出行选择自驾车方式的比例较大。各区位家庭的购物娱乐出行方式选择呈现与上班出行方式选择不同的特点，边缘城区步行/自行车比例高，远郊区自驾车比例高，核心城区与近郊区主要依靠公共交通。边缘城区居民购物娱乐出行依靠步行/自行车的比例最大，为44.3%，远郊区相应比例最小；核心城区与近郊区居民购物娱乐出行依靠公交车的比例较大，均约占四成左右，远郊区相应比例最小；远郊区购物娱乐出行依靠自驾车的比例最大，为37.3%，核心城区、边缘城区、近郊区相应比例均只有两成左右。

2 上海家庭出行碳排放的空间分布特征

问卷调查数据显示，以年为时间单位对调查样本的交通方式碳排放统计中发现，公共交通碳排放量占比4%，小汽车/摩托车/出租车合计碳排放量占比96%，汽车成为城市碳排放的首要因素。 分区县对平均家庭年均出行碳排放量值进行排序，平均家庭出行碳排量值最低为卢湾区203.58 kg/a，最高值为嘉定区2 594.15 kg/a；大部分区县出行碳排放值分布在1 000-1 600 kg/a；碳排放值最高的嘉定区、青浦区、浦东新区、松江区均位于上海郊区（图1）。家庭出行最低的是卢湾区、奉贤区、金山区、闸北区，区位特征差异较大。卢湾区位于上海市核心地段，交通便利，而奉贤区、金山区则属于上海较为偏远的地带，居民远距离通勤概率不高，因此反而降低了家庭出行碳排放量。

上海碳排放高的点在全市随机出现，但出现在近郊区的频率较中心城区和边缘城区高，如位于黄浦江东面的浦东新区出现了多处高值点。而碳排放较低的点则主要分布在核心城区的黄浦区、卢湾区、静安区，以及部分远郊地区，如奉贤、金山等。通过对上海家庭出行碳排放的点值图进行空间模拟，结果表明：①出行碳排放高值区呈环状分布于近郊区（碳排放值高于1 005.27 kg）。近郊区是上海许多大型商品房基地，是上海人口迁入区和人口密集区，而这些人群的工作地区却主要在中心城区，形成了长距离的通勤。②从市中心向外看，上海家庭碳排放值呈现倒“U”型曲线。核心城区和远郊区是碳排放低值区（碳排放值小于1 005 kg的区域），近郊区是高值区。③上海核心城区卢湾区家庭出行碳排放值最小，位于上海西北部远郊的嘉定区和青浦区碳排放值最大。④出行碳排放最高值点集中在嘉定工业园-安亭镇片区，其次是宝山区月浦镇片区，浦东机场片区，浦东惠南镇-新场镇片区，松江九亭片区。

运用数字地面模型中的不规则三角网（TIN）对上海日常家庭出行年碳排放量进行模拟，从中亦可以看出上海出行碳排放整体上模型表面极不光滑，表明调查区域家庭出行碳排放数据变化大，高值和低值之间跳跃明显，且数量上也有较大差异。例如浦东新区多地区出现较明显的高值，中心城区如黄浦区、静安区、卢湾区则数值偏低。从中心城区往外看，从近郊区到远郊区又出现了高值逐渐降低。特别是上海市南部金山、奉贤、青浦等区县数值差异较小，普遍偏低。这类区县位于城市边缘，距离城市中心较远、人口密度低，发展速度相对缓慢，远距离出行现象也较少。

3 上海家庭出行碳排放空间数据分析

通过对整体样本数据的空间分布情况的描述，碳排放存在空间分布特征，受到城市空间及区位特征的影响，并且存在空间相关性。空间自相关是指同一个变量在不同空间位置上的相关性，是空间单元属性值聚集程度的一种度量。空间自相关性使用全局和局部两种指标。全局指标用于探测整个研究区域的空间模式，使用单一的值来反映该区域的自相关程度；局部指标计算每一个空间单一与邻近单元就某一属性的相关程度。以调查样本家庭为计算单元，采用Morans I指数对日常家庭出行碳排放进行全局空间自相关分析。结果显示，Morans I指数为0.007 8>0，说明该空间变量呈空间正相关。

P值表示概率，当P值很小时，表示观测的空间模式不太可能是随机产生的结果，而是存在空间相关性。Z得分是标准差的倍数，以正态分布的置信区间对应的阈值作为检验标准，如果Z得分在阈值范围之外，其意义与P值很小是一样，观测的空间模式是非随机过程产生的结果（GIS自述文件）。此次生成的结果中， P<0.05，95%置信区间的检验阈值为1.96，Z得分2.43>1.96，通过显著性检验。说明家庭出行碳排放在空间分布上具有一定的空间自相关性，但从全局来看相关程度不强。

全局型指标能够判断出现象在空间上的整体分布情况，但难以探测出属性聚集的位置所在及区域相关程度。1994年，Anselin提出的局部空间自相关指数LISA则弥补了这一局限。该指数可以揭示空间参考单元与其邻近的空间单元属性特征值之间的相似性或相关性，识别空间聚集和空间孤立特征，探测空间异质性等。LISA将空间关联模式分为4种，正的空间关联包括属性值高于均值的空间单元被属性值高于均值的领域所包围（即高-高关联）和属性值低于均值的空间单元被属性值低于均值的领域所包围（即低-低关联）两种类型。负的空间关联也有属性值高于均值的空间单元被属性值低于均值的领域所包围（即高-低关联）或者属性值低于均值的空间单元被属性值高于均值的领域所包围（即低-高关联）两种类型。

上海市家庭出行碳排放局域空间自相关特征分析如下：①高值点的聚集与家庭总碳排高值聚集区域相比发生扩散，主要呈环状分布在近郊。②异质点主要集中于外环线以内。③浦东新区高-高聚集区域增多。④没有出现低-低聚集的正的相关关系。⑤空间异质点（即高-低聚集的负的自相关关系），主要集中于中环线附近。高-高聚集的正的自相关关系主要集中在近郊，浦东新区有较多高值聚集点，嘉定安亭镇附近和松江新桥镇附近有较零散的高-高聚集点，从整体来看呈环状分布。尤其是浦东新区的金桥、川沙、合庆、周浦、惠南等几个城镇，地处上海东北角，既是上海近年来大型居住社区主要选址点，也是大量外来人口居住点。交通设施尚未完善，以黄浦江为界，许多人居住在浦东，工作地却在黄浦江的另一面，造成居住与工作分离。

运用局域G系数（GetisOrdGi*）来对日常家庭碳排放的局部空间聚集进行测度，为突出特征区域，将GiZScore按高值、低值数量均不超过10%手动分为7类，从中可以看出，上海家庭出行碳排放冷点区域十分显著，呈环状出现在中环线附近；热点区域主要位于浦东新区，同时嘉定安亭片区出现几个零散的热点。

4 上海家庭出行碳排放的影响因素

为了探讨社会经济因素对家庭碳排放的影响及影响因素之间是否存在相互制约的状况，本文通过SPSS17.0对因变量和自变量进行相关性分析和回归分析。相关性分析主要包括三个部分：因变量之间相关性，自变量之间相关性，因变量与自变量之间相关性。涉及到的自变量有16个：X1住房购买或租用、X2住房类型、X3住房面积、X4户籍状况、X5住房年代、X6住房形式、X7有汽车吗、X8人口、X9成员一出生年份、X10成员二出生年份、X11成员三出生年份、X12主要成员一教育程度、X13主要成员二教育程度、X14主要成员一就业单位、X15主要成员二就业单位、X16平均收入。因变量为家庭出行碳排放量（Y1）。

对表征家庭住房特征的几个变量（X1、X2、X3、X5、X6）进行简单相关性分析，结果发现住房形式与住房面积和住房年代呈正相关关系，相关系数分别为0.350，0.306（在0.01的水平上显著），说明在考虑住房因素对家庭碳排放的影响时，可能存在变量间相互影响的现象。

对表征家庭特征的几个自变量（X12、X13、X14、X15、X16）进行简单自相关，看因素间是否存在相互影响的情况。X12、X13显著正相关，相关系数为0.672（在0.01的水平上显著）；就业单位与教育程度之间也存在较大的正相关关系；平均收入与家庭教育程度和就业单位呈正相关关系。对家庭出行碳排放和影响家庭碳排放的社会经济特征变量相关关系进行分析，结果显示住房面积，住房形式，家庭是否有汽车，人口四个变量与家庭日常出行碳排放量相关关系较为显著，相关系数分别为0.099，0.138，0.311，0.115（在0.01的水平上显著）。而家庭收入、就业单位、年龄结构等经济因素与出行碳排放量的相关关系却不明显。

以家庭出行碳排放量为因变量，住房购买或租用、住房形式等为自变量进行最优尺度回归。调整R方为0191，模型解释能力差强人意。P值为0.000，通过显著性检验，具有统计学意义。16个自变量中，住房形式和有汽车吗两个变量通过0.05的显著性检验，进入回归方程。最终回归模型：

Y1=0.101X6-0.416X7

由模型可知，上海市家庭出行碳排放的主要影响因素是是否有汽车和住房的形式（表2）。

家庭是否有汽车极大地影响了出行碳排放量，是出行碳排放的最显著性因素。汽车的碳排放量为地铁碳排放量的113倍，公交车排放量的16倍。家庭使用汽车出行，必然使得出行的碳排放量显著提高。通过对表征家庭住房特征的几个变量（X1、X2、X3、X5、X6）进行简单相关性分析后可知，住房形式与其余几个变量均存在相关性。也就是说X6住房形式综合反映了上海市家庭住房特征。住房形式为平房的居民可能收入层次偏低，倾向于公共交通，出行碳排放值较低。而上海市中低层和中高层的住宅形式较多的集中于近郊，由于交通不便利性驱使部分居民选择私家车出行。独立或联排别墅居民生活水平较高，从舒适性角度考虑可能会更多的使用汽车出行，进而提高家庭出行的碳排放值。

表征家庭特征的几个自变量（X12、X13、X14、X15）相互影响，但并不是家庭出行碳排放的主要影响因素。教育程度较低的居民却有可能收入水平较高从而选择较为舒适的小汽车出行，教育程度较高的居民也有可能低碳意识

较强，倾向于选择轨道交通，因此家庭特征相关变量与家庭出行碳排放量之间并未发现一定的规律。家庭人口数目也影响着出行碳排放量，例如3口之家为了孩子就学或者家中有老人则很有可能考虑机动出行。而1人户为了方便则有可能选择公共交通。传统意义上认为，收入越高，家庭碳排放量越大。收入和家庭碳排放量的相关关系却没有在出行上显示出来。我们推测高收入人群可能雇佣司机或者经常出差，将出行碳排放量转移至他人或他地，因此本人收入与出行碳排放的相关关系并不明显。

5 结语与讨论

通过上海家庭出行模式问卷调查的实证研究可以知道，上海家庭出行模式受到家庭收入结构、年龄结构等影响，同时，上海家庭出行模式呈现居住区位、住房类型和收入水平等差异。上海家庭通勤时间和通勤距离呈现倒“U”型曲线，即从市中心向外，呈现由低到高再低的格局。上海家庭出行碳排放呈现出类似出行模式的倒“U”型曲线，高碳区呈环状分布于近郊区。家庭出行碳排放呈现高值聚集现象。

公共交通（包括公共汽车和轨道交通）作为最低碳的出行方式之一，满足了大部分居民的通勤需求。调查显示，等车时间过长、换乘不方便成为居民不选择公共交通出行的两个主要原因。其次速度太慢、拥挤、价格不合理和车站距离太远作为其不选择原因。公共交通便捷性的增强会改变居民的出行方式，从而提高居民（特别是目前选择私家车通勤的居民）选择公共交通出行的比例。对于不少居民来说，在对通勤方式的选择上，若有住家直达工作地的公共交通，且舒适性强则很有可能放弃私家车作为其出行工具。因此，如何建立便捷、舒适的公共交通体系是构建家庭低碳出行的重要策略。

家庭出行的原因主要是就学、就医、购物、娱乐等原因。核心城区住家周边办公写字楼、大型购物中心以及医院、学校等明显高过郊区。虽然上海市出现了人口郊区化扩散趋势，但就业岗位、教育、医疗等要素的郊区化扩散却有限，形成了要素空间的不匹配。因此，应根据就业、人口等要素的空间扩散态势，合理配置公共资源。同时，随着上海城市郊区化的发展，在完善市内轨道交通的同时，应加大中心城区轨道交通向郊区延伸；应加强轨道交通站点与其他交通方式顺畅衔接，尤其是地铁站点应实现与公共汽车的顺畅换乘。

（编辑：李 琪）

参考文献（References）

[1]Ewing R，Rong F.The Impact of Urban Form on U S Residential Energy Use[J].Housing Policy Debate，2008，19（1）：1-50.

[2]Alberti M.Urban Patterns and Environmental Performance.What do We Know？[J].Journal of Planning Education and Research，1999，（19）：151-165.

[3]仇保兴.我国城市发展模式转型趋势：低碳生态城市[J]. 城市发展研究，2009，（8）：1-6.

[4]潘海啸，汤諹，吴锦瑜，等.中国“低碳城市”的空间规划策略[J]. 城市规划学刊， 2008，（6）： 57-63.

[5]倪外，曾刚.低碳经济视角下的城市发展新路径研究：以上海为例[J].经济问题探索，2010，（5）：38-42.

[6]秦波，邵然.城市形态对居民直接碳排放的影响：基于社区的案例研究[J].城市规划，2012，38（6）：33-38.

[7]陈飞，诸大建.低碳城市研究的内涵、模型与目标策略确定[J].城市规划学刊，2009，（4）：7-13.

[8]Cervero R.Land Use Mixing and Suburban Mobility[J]. Transportation Quarterly，1988，42（3）：429-446.

[9]Dhakal S.Urban Energy Use and Carbon Emission from Cities in China and Policy Implications[J].Energy Policy，2009，57（3）：4208-4219.

[10]Crane R.On Form Versus Function： Will the New Urbanism Reduce Traffic，or Increase It？[J].Journal of Planning Education and Research，1996，15（2）：117-126.

[11]Jabareen Y R.Sustainable Urban Forms：Their Typologies，Models and Concepts[J]. Journal of Planning Education and Research，2006，26（2）：58-52.

[12]Pan H X，Shen Q，Zhang M.Influence of Urban Form on Travel Behavior in Four Neighborhoods of Shanghai[J].Urban Studies，2009，46（2）：275-294.

Abstract With the explosion of urban population and private cars， family commuting carbon emission increases year by year in Chinese large cities. Therefore， how to reduce travel carbon emission becomes an important topic of lowcarbon urban construction. Based on 1054 questionnaires data on Shanghai households carbon emissions and Shanghai population and economic census data， the present study analyzes the basic characteristics， spatial pattern and influence factors of Shanghai family commuting carbon emission. It indicates that Shanghai family commuting pattern shows differences in residential location， housing types and income levels. Shanghai family commuting pattern appears to be inverted Ushaped curve in timing and distance， forming a lowhighlow pattern from inner city to outer suburbs. The family commuting carbon emissions pattern shows a similar curve from inner city to outer suburbs. The inner city and outer suburbs are lowcarbon emission area， and the inner suburban ring is highcarbon emission area. The highcarbon emission area is spatially agglomerated. The cold point area of carbon emission is very clear and forms a ring belt around the urban middle circle road. The hot point area of carbon emission mainly distributes in Pudong New District， and few hot points disperse in Anting of Jiading District. Statistical models indicate that the dominant influence factors are car owner status and housing types. The questionnaires data shows that reasons for residents not choosing public transit include too long waiting time， inconvenient transferring， too low speed， crowding and unreasonable pricing， and too long distance between stops. Currently residential suburbanization develops quickly， and at the same time public resources， including occupations， medicals and educations， still concentrate in inner cities， which makes spatial mismatch between public resources and residential habitats， thus bringing about long time and distance commuting and highcarbon emissions. In the future it is imperative for Shanghai to change public resource distribution patterns， to set high standard for new suburban towns and form multicentered spatial pattern， to encourage developing lowcarbon urban transport systems such as public traffic and quick rail transport extending to suburbs， and to facilitate the transferring between metro and bus.

Key words commuting carbon emissions； basic characteristics； spatial pattern； influence factors； Shanghai

[6]秦波，邵然.城市形态对居民直接碳排放的影响：基于社区的案例研究[J].城市规划，2012，38（6）：33-38.

[7]陈飞，诸大建.低碳城市研究的内涵、模型与目标策略确定[J].城市规划学刊，2009，（4）：7-13.

[8]Cervero R.Land Use Mixing and Suburban Mobility[J]. Transportation Quarterly，1988，42（3）：429-446.

[9]Dhakal S.Urban Energy Use and Carbon Emission from Cities in China and Policy Implications[J].Energy Policy，2009，57（3）：4208-4219.

[10]Crane R.On Form Versus Function： Will the New Urbanism Reduce Traffic，or Increase It？[J].Journal of Planning Education and Research，1996，15（2）：117-126.

[11]Jabareen Y R.Sustainable Urban Forms：Their Typologies，Models and Concepts[J]. Journal of Planning Education and Research，2006，26（2）：58-52.

[12]Pan H X，Shen Q，Zhang M.Influence of Urban Form on Travel Behavior in Four Neighborhoods of Shanghai[J].Urban Studies，2009，46（2）：275-294.

Abstract With the explosion of urban population and private cars， family commuting carbon emission increases year by year in Chinese large cities. Therefore， how to reduce travel carbon emission becomes an important topic of lowcarbon urban construction. Based on 1054 questionnaires data on Shanghai households carbon emissions and Shanghai population and economic census data， the present study analyzes the basic characteristics， spatial pattern and influence factors of Shanghai family commuting carbon emission. It indicates that Shanghai family commuting pattern shows differences in residential location， housing types and income levels. Shanghai family commuting pattern appears to be inverted Ushaped curve in timing and distance， forming a lowhighlow pattern from inner city to outer suburbs. The family commuting carbon emissions pattern shows a similar curve from inner city to outer suburbs. The inner city and outer suburbs are lowcarbon emission area， and the inner suburban ring is highcarbon emission area. The highcarbon emission area is spatially agglomerated. The cold point area of carbon emission is very clear and forms a ring belt around the urban middle circle road. The hot point area of carbon emission mainly distributes in Pudong New District， and few hot points disperse in Anting of Jiading District. Statistical models indicate that the dominant influence factors are car owner status and housing types. The questionnaires data shows that reasons for residents not choosing public transit include too long waiting time， inconvenient transferring， too low speed， crowding and unreasonable pricing， and too long distance between stops. Currently residential suburbanization develops quickly， and at the same time public resources， including occupations， medicals and educations， still concentrate in inner cities， which makes spatial mismatch between public resources and residential habitats， thus bringing about long time and distance commuting and highcarbon emissions. In the future it is imperative for Shanghai to change public resource distribution patterns， to set high standard for new suburban towns and form multicentered spatial pattern， to encourage developing lowcarbon urban transport systems such as public traffic and quick rail transport extending to suburbs， and to facilitate the transferring between metro and bus.

Key words commuting carbon emissions； basic characteristics； spatial pattern； influence factors； Shanghai

[6]秦波，邵然.城市形态对居民直接碳排放的影响：基于社区的案例研究[J].城市规划，2012，38（6）：33-38.

[7]陈飞，诸大建.低碳城市研究的内涵、模型与目标策略确定[J].城市规划学刊，2009，（4）：7-13.

[8]Cervero R.Land Use Mixing and Suburban Mobility[J]. Transportation Quarterly，1988，42（3）：429-446.

[9]Dhakal S.Urban Energy Use and Carbon Emission from Cities in China and Policy Implications[J].Energy Policy，2009，57（3）：4208-4219.

[10]Crane R.On Form Versus Function： Will the New Urbanism Reduce Traffic，or Increase It？[J].Journal of Planning Education and Research，1996，15（2）：117-126.

[11]Jabareen Y R.Sustainable Urban Forms：Their Typologies，Models and Concepts[J]. Journal of Planning Education and Research，2006，26（2）：58-52.

[12]Pan H X，Shen Q，Zhang M.Influence of Urban Form on Travel Behavior in Four Neighborhoods of Shanghai[J].Urban Studies，2009，46（2）：275-294.

Abstract With the explosion of urban population and private cars， family commuting carbon emission increases year by year in Chinese large cities. Therefore， how to reduce travel carbon emission becomes an important topic of lowcarbon urban construction. Based on 1054 questionnaires data on Shanghai households carbon emissions and Shanghai population and economic census data， the present study analyzes the basic characteristics， spatial pattern and influence factors of Shanghai family commuting carbon emission. It indicates that Shanghai family commuting pattern shows differences in residential location， housing types and income levels. Shanghai family commuting pattern appears to be inverted Ushaped curve in timing and distance， forming a lowhighlow pattern from inner city to outer suburbs. The family commuting carbon emissions pattern shows a similar curve from inner city to outer suburbs. The inner city and outer suburbs are lowcarbon emission area， and the inner suburban ring is highcarbon emission area. The highcarbon emission area is spatially agglomerated. The cold point area of carbon emission is very clear and forms a ring belt around the urban middle circle road. The hot point area of carbon emission mainly distributes in Pudong New District， and few hot points disperse in Anting of Jiading District. Statistical models indicate that the dominant influence factors are car owner status and housing types. The questionnaires data shows that reasons for residents not choosing public transit include too long waiting time， inconvenient transferring， too low speed， crowding and unreasonable pricing， and too long distance between stops. Currently residential suburbanization develops quickly， and at the same time public resources， including occupations， medicals and educations， still concentrate in inner cities， which makes spatial mismatch between public resources and residential habitats， thus bringing about long time and distance commuting and highcarbon emissions. In the future it is imperative for Shanghai to change public resource distribution patterns， to set high standard for new suburban towns and form multicentered spatial pattern， to encourage developing lowcarbon urban transport systems such as public traffic and quick rail transport extending to suburbs， and to facilitate the transferring between metro and bus.

Key words commuting carbon emissions； basic characteristics； spatial pattern； influence factors； Shanghai