中国交通运输能源消费：变化趋势、影响因素与需求预测

王 红

(中国社会科学院 数量经济与技术经济研究所， 北京 100732)



中国交通运输能源消费：变化趋势、影响因素与需求预测

王 红

(中国社会科学院 数量经济与技术经济研究所， 北京 100732)

交通运输是全社会能源消费的第三大领域。系统研究我国包括交通运输行业能耗和私人轿车能耗在内的交通运输能耗，分析交通运输能耗的变化趋势和影响因素，预测2016—2020年我国交通运输行业能源消费需求。研究发现：至2020年，我国交通运输能耗将继续增加；人口、GDP、城镇居民人均可支配收入、城镇化率的变化趋势将增加交通运输行业能耗，研发投入和产业结构调整尚不能显著减少交通运输行业能耗；在私人轿车保有量大幅度增加的情况下，即使单车平均行驶里程保持不变、百公里油耗下降，我国私人轿车能耗仍将持续增加；总体上，我国私人轿车能耗的年增加幅度将高于交通运输行业能耗的增加幅度。

交通运输；能源消费；影响因素；能源需求预测。

交通运输作为工业和生活之外的第三大终端用能领域，在国家经济和社会发展中的地位日益重要。包括交通运输行业、非行业和社会非运营交通工具的交通运输能源消费，多年来增速大于全社会能源消费增速，占全社会能源消费的比重日益增加，使交通运输能源消费对全社会能源消费的影响日益显著。

近年来，我国经济持续增长但增速减缓，产业结构持续优化，第三产业比重持续增加并已高于第二产业比重，城镇化水平提高，生产和生活方式发生了重大变化，这些宏观环境因素的变化将对交通运输能源消费产生直接或间接的复杂影响。从交通运输本身来说，交通运输行业能耗强度小幅增加、私人轿车保有量大幅增加等诸多因素也将对交通运输能耗产生直接的影响。在这种情况下，迫切需要对交通运输能源消费进行系统全面的分析，研究其现状与影响因素，了解其变化特点，预测其发展趋势，从而为交通运输能源消费的控制与管理提供有用的信息和政策建议。

一、文献综述

国内外对交通运输能源消费的研究较多，主要有国家层面时序分析[1-2]；重点城市或区域时序分析[3-5]；区域差异或空间分布[6-7]；测算方法[8-9]；影响因素、能源需求预测等等。其中影响因素类研究较为庞杂，主要分为单一或几种主要因素的研究，主要涉及的因素有产业结构[10]，能源价格[11-12]，城市类型和就业分布[13]，城市密度[14]，城市中心化程度、城市平均人口密度、住房、交通方式[15]、节能政策[16]等。

能源需求预测有多种方法，包括时间序列法、分解法、情景分析法、协整与误差修正法、组合预测法等。学者对交通运输能源需求预测的研究也基本上采取了这些方法，不过研究成果相对较少，主要探讨了各类交通能源消费需求的估算和预测方法，少数分析了交通能源消费变化的主要驱动因素。在方法研究领域，2004年，朱松丽总结和比较了国内外交通需求和交通能源需求预测的多种方法，将之分类为集合模型和非集合模型方法，集合模型主要运用经济计量模型来预测宏观和长期交通需求,非集合模型利用效用理论预测微观和短期的交通需求量[17]；2006年，任玉珑等分析了交通能源需求、旅客周转量、汽车保有量等宏观经济变量之间的均衡关系,对交通能源需求量建立了格兰杰误差修正模型,认为该模型具有良好的预测和分析效果[18]；2008年，曾绍伦等根据交通能源时间序列数据的非线性特征，运用支持向量机理论构建我国交通能源需求模型，发现其比基于线性的协整与误差修正模型具有更高的预测精度[19]；2008年，张晓东等通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型，认为单一模型经过组合能够提高预测精度[20]。在驱动因子方面，2006年，张树伟等[21]建立了一个能源消费分解模型,对1980—2001年交通能耗的因子贡献进行了测算，发现服务量的增长是能源消费增长的主要驱动力,同时运输结构的变化加剧了这种增长,过去实现的能耗强度降低不足以抑制能源消费的增加,而近年来能耗强度更显示出增加的趋势。

从上述文献可以发现，首先，我国没有全口径的交通运输能耗统计数据，受此限制，相关研究主要限于交通运输、仓储和邮政业能耗；在私人交通运输能源消费日益增加的情况下，研究范围的局限性比较突出。其次，现有交通运输能源消费的预测模型通常需要对许多宏观经济数据进行预测，在一定程度上限制了预测模型的实用性和对交通运输能源消费规律的分析能力。另外，随着近年来我国经济、技术和社会的进一步发展变化，众多影响因子产生了显著的变化，对交通运输能源消费的影响还不是很明晰，缺乏经济、社会、技术等多种因素对交通运输能源消费及未来变化趋势影响的综合分析。

为此，本研究将综合分析交通运输行业能耗和私人交通能耗，系统研究交通运输能耗的多种影响因素及其变化趋势对交通运输能源消费的影响，在此基础上利用多种能源需求预测方法对交通运输能耗进行短期预测，研究结果具有一定的理论和现实意义。

二、交通运输能源消费的影响因素及其变化趋势的影响

(一)交通运输能源消费的影响因素

影响交通运输能源消费的因素主要通过两种机制起作用：一是通过影响交通运输量而影响交通运输能耗总量，二是通过影响交通运输能耗强度而影响能耗总量；总体上，涉及经济、社会和技术等多领域。经济因素有能源价格、经济增长或规模、经济特点(如产业结构)等。社会因素有人口数量和增长、城镇化水平、收入水平等，另外还有技术因素。

能源价格：根据经济学需求理论，在市场化的能源市场中，能源价格的变动显著影响能源的需求总量。不过，我国能源价格受行政主导，处于管制或半管制状态，因此能源价格对能源需求的影响不太显著。

经济增长：经济增长对能源需求的影响显著[22]。总体上，交通运输能源消费与GDP间也存在显著的正相关关系[1]。具体而言，经济规模的扩张将增加全社会客货运输需求，进而增加交通运输能耗。

产业结构：产业结构与能源消费需求的关系较为复杂。第二产业的能源需求比重较大，当第二产业比重改变时，能源需求总量也会随之发生变动，因此，优化产业结构可降低能源总需求[23]。不过，涉及到交通运输能源需求时，情景更加复杂。理论上，第二产业比重下降，有降低工业物流能源消费的影响；但是第三产业比重增加，有增加第三产业物流能源消费的影响；不同产业对交通运输服务的数量、质量和结构的需求不尽相同，交通运输能耗强度也有所不同，产业结构变化通过影响交通运输能耗强度从而影响交通运输总能耗。一些实证分析表明，产业结构变化导致运输结构变化[24]和单位产值运输强度下降[25]，从而对运输能耗产生影响。近年来，我国产业结构变化趋势是第二产业比重下降、第三产业比重增加，2014年产业结构发生了拐点变化，第三产业比重首次超过第二产业比重。三次产业的比重为 4.8∶47.1∶48.1。在这种情况下，有必要考虑产业结构对交通运输业能耗的影响。

人口：人口的数量及其构成显著影响能源需求量。国内相关研究表明，人口数量对能源需求有重要影响作用[26]，人口增长因素对能源需求的影响显著。

收入水平：收入水平通过影响消费品需求等，拉动国民经济规模增长，进而影响交通运输行业能耗；通过影响私人车辆保有量、年均行驶距离、所购买交通工具类型等，影响私人出行能耗。

城镇化水平：城镇居民享受的能源供应基础设施更加便捷。城镇居民交通运输能源消费的目的和方式与农村居民不同，城镇化水平的提高和城镇人口的增加将对交通运输能源需求产生影响[27]。

能源结构：能源消费结构影响能源需求。能效较低的能源品种(如煤炭)所占比重下降将减少能源需求总量。近年来，我国交通运输能源结构中煤炭的比重下降到了3%以下，下降空间已经很小，因此暂不予考虑。

技术水平：技术因素是影响交通运输能耗的一个重要因素，但是其影响机制比较复杂。一方面，通过一般性的能源相关和非相关技术的发展提高资源效率、减少资源消耗，降低经济活动对交通运输服务的需求，降低交通运输能耗；通过提高交通运输工具能效，降低交通运输能耗。另一方面，技术进步能够促进经济增长，由于经济增长速度同能源消费呈正相关关系，技术进步也会使能源需求量增加[28]；同时技术进步将促进人们生活水平的提高，通过能源回弹效应，使技术进步对交通运输行业的能源消费产生强烈的拉动效应。

(二)影响因素变化趋势对交通运输行业能耗的影响

根据上述对交通运输能耗影响因素的回顾，选取GDP、产业结构、人口、城镇化率、城镇居民可支配收入、研发投入等影响因素与交通运输能耗进行相关分析。由于影响因子较多，且这些因子之间存在一定的相关关系，故利用Eviews软件进行主成分分析(见表1)。

本节数据主要来源于《国家统计年鉴》。年鉴中最接近交通运输业的行业分类是交通运输、仓储和邮政业。交通运输、仓储和邮政业的能源消费既包括运输工具或设施直接消耗的能源，也包括服务于运输生产活动消耗的能源，但后者比重不大，因此年鉴数据能较大程度地反映交通运输的能源消费水平。

由表1可知，第一个成分的贡献率最高，为85.7%；前两个主成分可解释96.8%的差异，且其特征值大于或接近于1，因此提取出两个主成分(见表2)。

表1 方差分解主成分提取分析

表2 主成分负荷量

各因素在第一主成分上都有较高载荷,说明第一主成分大致反映了这些指标的综合信息，可称之为经济社会技术综合成分。第二产业结构在第二主成分上有较高负荷，因此称之为产业结构成分。对行业能耗与主成分1、主成分2的得分进行回归分析，发现存在显著的正相关关系：

交通运输行业能耗=3 867.932 901 97×PC1+1 481.975 718 23×PC2+185 79.505

(R2为0.990 847，0.00水平上显著)

根据主成分分析法，在影响交通运输行业能耗的社会经济技术综合成分中，人口、GDP、人均收入、研发投入、城镇化率等因素与行业能耗均呈正相关。研发投入与交通运输行业能耗之间存在正相关关系，说明技术投入并没有显著减少交通运输行业的能源消费，这可能是由于技术进步对交通运输能源消费存在着双向的复杂影响。从目前来看，持续的经济增长和生活水平提高对交通运输行业的能源需求和消费产生了强烈的拉动效应。由于众多经济社会技术因素与行业能耗呈现正相关关系，从这些因素的未来变化趋势来看，交通运输行业能耗将继续增加。

交通运输行业能耗与产业结构的关系比较复杂。第三产业比重在主成分1上与行业能耗呈现正相关关系，在主成分2上与行业能耗呈现负相关关系；第二产业比重则在主成分1上与行业能耗呈现负相关关系，在主成分2上与行业能耗呈现正相关关系。单因素相关分析表明，行业能耗总量和行业单位能耗强度与第三产业比重皆呈现较显著的正相关关系，但是与第二产业比重不存在显著的相关关系。可以认为，产业结构调整(第二产业比重下降、第三产业比重增加)将在一定时间内伴随着交通运输行业能耗总量及能耗强度的增加。

总体而言，未来宏观经济、社会和技术的变化趋势是第二产业比重下降、其他指标呈现不同速率的增加，交通运输行业的能源消费总量和强度仍将继续增加；技术进步和产业结构调整等因素尚不能显著减少交通运输行业能耗。

三、交通运输能耗变化趋势及预测

(一)行业能耗总量与强度的时序变化

1995—2014年，交通运输行业的能源消费呈线性增加的趋势，从5 862.9万吨标准煤增加到了 36 336.0 万吨标准煤，增加了5.2倍；同期，交通运输行业万元增加值的能耗强度呈现波动增加的变化趋势，从3.05吨标准煤/万元增加到了3.70吨标准煤/万元。

(二)交通运输行业能源需求预测：强度与总量

1.预测方法

本文综合采用分解法、时间序列法和情景分析法等三种需求预测方法。首先采用分解法将能源需求分解为能源强度与经济总量两部分。Sun J W运用分解法预测了欧盟15国的能源需求总量[29]。此处采用该方法，将交通运输行业能源消费分解为交通运输行业增加值和交通运输行业万元增加值能耗强度的乘积。对交通运输行业万元增加值能耗强度，运用ARIMA时间序列模型进行预测。时间序列模型是预测未来能源消费的简单模型，其预测依据为历史数据和历史趋势；其中，ARIMA模型是将非平稳时间序列转化为平稳时间序列，已被广泛应用于能源需求预测。对行业工业增加值，则运用情景分析法进行预测。情景分析法是假定某种现象或某种趋势将持续到未来的前提下，对预测对象可能出现的情况做出预测的方法。

本组合预测方法可以避开我国交通运输行业能耗非线性变化造成的预测难度，体现出我国交通运输行业能耗强度的变化趋势，具有易操作和说服力较强的优势。

2.预测结果

1995—2014年，交通运输行业万元增加值能耗强度呈现小幅增加的变化趋势，运用 Eviews 对其进行分析，行业万元增加值能耗强度为非平稳序列，经一阶差分处理后进行平稳性检验，其ADF检验值为-6.435 634，拒绝该差分序列存在单位根的假设，说明行业万元增加值能耗强度为一阶单整时间序列。对该一阶单整时间序列进行ARIMA模型建模，该序列自相关函数截尾、偏自相关序列一阶拖尾，所以建立ARIMA(0,1,1)模型，模型结构精简，参数显著；残差自相关和偏自相关图均落在置信带内为白噪声，Q检验的p值最小为0.330，均大于0.05，模型提取信息充分。经初步预测，2015—2020年行业能耗强度将保持年增加幅度较小的上升趋势(见表3和表4)。

1995—2014年，交通运输行业增加值呈现持续增加的变化趋势，但其年增幅却呈现逐渐下降的趋势。“九五”“十五”“十一五”和“十二五”期间分别为10.3%、9.5%、8.4%和6.8%，其中“十二五”以来增速下降幅度明显加大，2015年增速已下降至4.6%。“十三五”期间，在经济新常态背景下，受到重化工业增速下行的影响，占比较大的资源性物流需求将继续下降，占交通运输行业较大比重的工业物流仍可能处于低位运行状态，预计“十三五”期间交通运输行业增加值总体年增速将维持在4.5%左右[30](见表4)。

在交通运输行业增加值和万元增加值能源强度预测的基础上，初步得到2015—2020年行业能耗总量预测值。2020年交通运输行业工业增加值将达到12 784.7亿元(1990年不变价)，能耗强度达到4.093吨标准煤/万元，行业能耗总量达到52 327.8万吨标准煤；行业能耗强度和行业能耗总量比2015年分别增加5.3%和31.2%(见表4)。

表3 交通运输行业万元增加值能耗强度一阶差分的ARIMA模型结果

表4 1995—2014年交通运输行业增加值、能耗强度、总量及2015—2020年预测

(三)私人轿车能源消费

我国交通运输能耗数据未统计社会其他部门行业及私人车辆(包括私人汽车、摩托车、农用运输汽车及军车等其它车辆)的能耗，涉及范围广、能耗数值较大。根据测算，2007年我国未统计在内的车辆燃油消耗量折合标准煤11 679万吨，相当于行业统计数据的56.6%[31]。由于数据限制，本研究仅测算私人轿车能耗。根据《中国统计年鉴》、各年度《国民经济和社会发展统计公报》、各年度《中国乘用车企业平均燃料消耗量报告》《中国汽车用户十年消费习惯变化调查报告》[32]、《中国机动车行驶里程分布规律》[33]、北京交通发展研究中心相关研究数据等，整理得到2005—2015年私人轿车保有量、单位能耗、单车平均和所有车辆年行驶里程、私人轿车年总能耗等数据(见表5)。

1.私人轿车保有量及预测

借鉴以往研究，分别采用改进弹性预测法和多因子回归预测法[34-35]预测2016—2020年全国私人轿车保有量。

首先，由弹性预测法模型可知，2005—2015年，我国私人轿车保有量年平均增长速度为27%，GDP年平均增长速度为9.6%，私人轿车保有量对GDP的弹性系数E=私家车保有量年平均增长速度/GDP年平均增长速度=2.813。以预测年的前一年为基期，在假定2016—2020年GDP增长率的前提下，全国私人轿车保有量预测模型为：

Qt=Qt-1×(1+E×Yt)

其中：E为私人轿车保有量对GDP的弹性系数弹性；Yt为t年GDP增长率。

其次，利用多因子回归模型进行预测。影响私人轿车保有量的因素有很多，包括经济发展水平、收入、消费、交通基础设施、城市布局、城镇化水平、汽车产业发展等因素。与汽车产业发展相关的主要因素包括乘用轿车产量和乘用车价格，其中乘用轿车产量是供给侧因素，乘用车价格与其相比解释能力可能更强。不过，由于很难得到乘用车的平均价格和发展趋势，因此仅采用乘用轿车的产量因素，由于产量与价格之间存在负相关关系，轿车产量越高价格越便宜，因此在一定程度上可以被视为轿车价格的替代因素。确定影响因素后，利用Eviews建立私人轿车保有量与多种相关因素的相关关系，逐步将相关关系不显著的因子剔除。经Eviews反复测算，发现2005—2015年私人轿车保有量与城镇居民人均收入、乘用轿车产量、城镇人口比重等三个因子显著相关，模型拟合度达到了 0.996 142。从测算过程和结果可以看出，虽然越来越多的农村居民购买私人轿车，但是与代表人均收入的人均GDP指标相比，私人轿车保有量与城镇居民人均收入和城镇人口比重之间的相关关系更为显著。上述弹性预测法和多因子回归模型的预测结果非常相近(见表5)，本文取平均值。

2.车年均行驶里程估算及预测

目前，我国交通、环保、交警等部门均没有完善的单车平均年行驶里程统计数据，只能根据其他渠道的统计数据估算获得。根据《中国汽车用户十年消费习惯变化调查报告》，2000—2005年，我国私人轿车单车平均年行驶里程呈现增加的趋势，2005—2011年，我国私人轿车单车平均年行驶里程持续下降，年均降幅经估算为4.8%左右，2011—2014年数据缺省。根据《腾讯汽车2015年汽车用户白皮书》[36]，2015年车主平均每天驾驶51公里，减去一定的非开车时间，大致相当于单车年平均行驶里程为 11 220 公里左右。

根据欧盟和美国数据，欧盟27国和美国的车年均行驶里程在经过一定时期的下降后，均表现出稳定的趋势，欧盟27国车年均行驶里程大概在13 000公里左右、美国在11 500公里左右。这种稳定趋势与人均驾驶距离的变化趋势相近；由于诸多因素的影响，各国人均年驾驶里程在增加到一定程度后会稳定在一定的水平(即达到饱和水平)。根据相关预测，中国的人均年驾驶里程可能会稳定在7 800公里左右。而在2014年，中国人均年驾驶里程已经达到了7 000公里以上[37]，基本接近国际上预测的中国人均年驾驶里程的饱和水平，据此推测2016—2020年车均年行驶里程很可能保持在一定的稳定状态(即2015年的水平，见表6)。

表5 2016—2020年我国私人轿车保有量预测 万辆

表6 2005—2015年私人轿车单位能耗和能耗总量的时序变化及2016—2020年预测

3.百公里平均油耗及预测

根据工信部历年《中国乘用车企业平均燃料消耗量报告》，将各年行业平均燃料消耗量作为我国私人轿车百公里平均油耗；2005—2011年数据则根据中国乘用车燃料消耗量标准实施后企业平均燃料消耗值年均降幅约为2%计算。这种方法将低估我国私人轿车平均油耗水平，但能基本反映我国私人轿车平均油耗的变化趋势。国家规定，到2020年国产乘用车平均油耗要降至5.0 L/100 km，如果以中国乘用车燃料消耗量标准实施后企业平均燃料消耗值作为现值的话，意味着私人轿车百公里平均油耗需要在6年内减少1.9(L/100 km)，年平均减幅达到18%左右，这在一定程度上可以说是不现实的。

参照国际上的汽车燃油经济效率的下降规律，1990—2000年欧盟27国轿车的百公里平均油耗从8.47 L/100 km下降到了7.93 L/100 km，平均年降幅为0.66%；2000—2011年，则从7.93 L/100 km下降到了6.9 L/100 km，平均年降幅在1.4%左右。考虑到后发展国家学习运用先进技术的潜力，本文假设2016—2020年我国私人轿车百公里平均油耗年下降幅度仍为2%，据此预测2016—2020年我国私人轿车百公里平均油耗(见表6)。

在私人轿车保有量、车年均行驶里程及私人轿车平均燃料消耗量初步估算的基础上，计算得到私人轿车年总能耗。2005—2015年，我国私人轿车年消耗燃料从1 312万吨标准煤增加到了 6 834 万吨标准煤，增加了4.2倍；2016—2020年预计将继续增加，2020年将达到11 738万吨标准煤(见表6)。

(四)交通运输能耗

将交通运输行业能耗和私人轿车能耗汇总在一起，综合分析交通运输能耗(见表7)。

据预测，2020年我国行业能耗将达到 52 328 万吨标准煤，比2015年增加31.2%，年均增加5.6%；私人轿车能耗将达到11 738万吨标准煤，比2015年增加71.8%，年均增加11.6%，不过增加幅度将逐年下降。包含私人轿车能耗在内的交通运输能耗将达到64 066万吨标准煤，比2015年增加37.2%，年均增加6.5%。

从行业能耗来看，到2020年，行业能耗强度将保持年增加幅度较小的上升趋势，因此行业能耗总量的增加幅度将高于行业增加值的增加幅度；从私人能耗来看，我国私人轿车保有量将大幅度增加，即使单车平均行驶里程基本保持不变、百公里油耗继续小幅下降，我国私人轿车能耗仍将持续增加；我国私人轿车能耗的增加幅度将高于交通运输行业能耗的增加幅度。

表7 我国交通运输能耗估算与预测(2005—2020年) (万吨标准煤)

四、结论与分析

第一，主成分分析表明，有两大成分显著影响我国交通运输行业能耗。第一成分为社会经济技术综合成分，人口、GDP、人均收入、研发投入、城镇化率等因素与行业能耗均呈正相关。第二成分为产业结构成分，对交通运输行业能耗的影响比较复杂。总体而言，在未来宏观经济、社会和技术等影响因素中第二产业比重下降，在其他指标呈现不同速率增加的变化趋势下，交通运输行业的能源消费总量将持续增加。

第二，我国交通运输能耗总量呈现增加的趋势。从2005年的20 448万吨标准煤增加到了2015年的46 701万吨标准煤，增加了1.28倍；其中，行业能耗总量和万元增加值能耗强度分别从1995年的5 863万吨标准煤和3.05吨标准煤/万元增加值，增加到了2015年的39 867万吨标准煤和3.86吨标准煤/万元增加值； 私人轿车能耗从2005年的1 312万吨标准煤增加到了2015年的 6 834 万吨标准煤，增加了4.2倍。

第三，2016—2020年，我国包含私人轿车能耗在内的交通运输能耗将继续增加，2020年将达到 64 066 万吨标准煤，比2015年增加37.2%，年均增加6.5%。

第四，到2020年，交通运输行业能耗强度和总量将分别达到4.093吨标准煤/万元和52 328万吨标准煤，分别比2015年增加5.3%和31.2%。

第五，由于私人轿车保有量将大幅度增加，即使单车平均行驶里程基本保持不变、百公里油耗继续小幅下降，我国私人轿车能耗仍将持续增加；2020年私人轿车能耗将达到11 738万吨标准煤，比2015年增加71.8%，年均增加11.6%。

第六，至2020年，我国私人轿车能耗的年增加幅度虽在逐步下降，但总体上的增加幅度仍将高于交通运输行业能耗的增加幅度。

五、政策建议

本文系统研究了我国交通运输能源消费的变化趋势和影响因素，探讨了变化特点，预测了发展趋势。研究发现：在我国宏观经济、社会和技术等影响因素的变化趋势下，我国将继续面临交通运输能耗增加的压力，其中交通运输行业能耗强度和总量以及私人轿车能耗总量都将继续增加；私人轿车能耗的增加幅度高于交通运输行业能耗的增加幅度。“十三五”期间我国将开展能源消费总量控制，使全国能源消费总量控制在50亿吨标准煤以内，万元国内生产总值能耗比2015年下降15%。交通运输能耗总量和能耗强度的发展趋势，将对我国能源总量和能耗强度控制目标的实现形成巨大的压力。我国要加强资源节约型社会的建设，减少总体经济社会发展对交通运输能源消费的拉动作用；进一步推动产业升级发展、产业结构优化和技术创新的节能增效作用，使其能够更多抵消第三产业比重增加、经济增长和生活水平提高对交通能源消费的拉动作用；要在保持交通运输行业较快发展的同时，大力提高交通工具能效，优化交通运输结构，降低交通运输行业的能耗强度，减少私人出行的能源消费。

[1] 刘建翠.中国交通运输部门节能潜力和碳排放预测[J].资源科学,2011,33(4):641-646.

[2] 闫琰,周嗣恩,杨新苗.基于反推方法的交通运输行业碳排放评估研究[J].华东交通大学学报,2012,29(5):63-67.

[3] 吴开亚,何彩虹,王桂新,等.上海市交通能源消费碳排放的测算与分解分析[J].经济地理,2012,32(11):45-51.

[4] 柯水发,王亚,陈奕钢,等.北京市交通运输业碳排放及减排情景分析[J].中国人口·资源与环境,2015,25(6):81-88.

[5] 欧阳斌,凤振华,李忠奎,等.交通运输能耗与碳排放测算评价方法及应用——以江苏省为例[J].中国软科学,2015,29(1):139-144.

[6] 王建伟,李娉,高洁.中国交通运输碳减排区域划分[J].长安大学学报(自然科学版),2012,32(1):72-79.

[7] 杨彬,宁小莉.新型城镇化视角下中国交通运输碳排放测度及其空间格局分析[J].内蒙古师范大学学报(自然科学汉文版),2015,44(5):667-673.

[8] 张秀媛,杨新苗,闫琰.城市交通能耗和碳排放统计测算方法研究[J].中国软科学,2014(6):142-149.

[9] 唐飞,陈文抗,石琴.基于LEAP模型的城市客运交通能耗和污染物排放预测[J].交通节能与环保,2015(6):31-36.

[10]王建伟,刘小艳,高洁.产业结构调整对交通运输业能源消耗的影响[J].长安大学学报(社会科学版),2011,13(4):28-31.

[11]魏庆琦,赵嵩正,肖伟.资源环境税对交通运输碳排放强度调节效应的实证研究[J].软科学,2013,27(6):33-38.

[12]席鹏辉,梁若冰.油价变动对空气污染的影响:以机动车使用为传导途径[J].中国工业经济,2015(10):100-114.

[13]YING L,MAO Q Z,SHEN Z J.Urban form,transportation energy consumption,and environment impact integrated simulation:a multi-agent model[J].Springer Netherlands,2013,66(8):1033-1044.

[14]COAN J D.The future of urban sprawl in China and its impact on transportation oil use[C].Houston:Rice University,2011.

[15]SOUTHWORTH F,SONNENBERG A,BROWN M A.The transportation energy and carbon footprints of the 100 largest U.S.metropolitan areas[R].Atlanta:Georgia Institute of Technology,2008.

[16]GALLAGHER K S,GUSTAVO C.Analysis of policies to reduce oil consumption and greenhouse-gas emissions from the U.S.transportation sector.[C] Cambridge,Mass:Belfer Center for Science and International Affairs,2008.

[17]朱松丽.交通需求和交通能源需求预测方法[J].数量经济技术经济研究,2004(5):100-108.

[18]任玉珑,季玉华,朱丽娜,等.协整分析在交通能源需求预测中的应用[J].科技管理研究,2006(9):30-31.

[19]曾绍伦,季玉华,任玉珑.交通能源需求预测的支持向量机模型研究[J].铁道运输与经济,2008,30(3):82-85.

[20]张晓东,阳亮.交通能源需求量组合预测模型研究[J].南京工程学院学报(自然科学版),2008,16(2):62-66.

[21]张树伟,姜克隽,刘德顺.中国交通发展的能源消费与对策研究[J].中国软科学,2006(5):58-62.

[22]ALPER UNLER.Improvement of energy demand forecasts using swarm intelligence：The case of Turkey with projections to 2025[J].Energy Policy,2008,36:1937-1944.

[23]唐葆君,周保进,丰超.北京市能源消费影响因素分析及节能减排研究——基于产业视角[J].重庆理工大学学报(社会科学),2015(7):19-27,67.

[24]吴峰,施其洲.基于熵值理论的产业结构与交通运输结构关系研究[J].交通运输系统工程与信息,2006(1):71-74.

[25]王岳平.产业结构对交通运输业发展影响的定量分析[J].管理世界,2004(6):65-72.

[26]郭菊娥,柴建,吕振东.我国能源消费需求影响因素及其影响机理分析[J].管理学报,2008,5(5):651-654.

[27]于洁.中国能源需求的建模与分析[D].长沙：中南大学，2008：9-10.

[28]王胜,吕指臣,刘贞,等.基于ECM模型和库兹涅茨曲线的区域能源消费峰值研究——以重庆市为例[J].重庆理工大学学报(社会科学),2016(1):37-45.

[29]SUN J W.Energy demand in the fifteen European Union countries by 2010:a forecasting model based on the decomposition approach[J].Energy 2001,26(6):549-60.

[30]郭怀英.服务业能否支撑“十三五”经济中高速增长? [J].中国发展观察,2016(5):27-31.

[31]贾顺平,毛保华,刘,爽,等.中国交通运输能源消耗水平测算与分析[J].交通运输系统工程与信息,2010,10(1):23-27.

[32]腾讯汽车.中国汽车用户十年消费习惯变化调查报告[EB/OL].[2011-11-14].http://auto.qq.com/a/20111114/000541_2.htm.

[33]林秀丽,汤大钢,丁焰,等.中国机动车行驶里程分布规律[J].环境科学研究,2009(3):377-380.

[34]梁慧玲,林玉蕊.我国私家车保有量的模型分析[J].产业与科技论坛,2014,13(22):78-79.

[35]高鋆,虞晓芬.中国私人汽车保有量影响因素及其变化路径分析[J].工业技术经济,2013,239(9):41-47.

[36]腾讯汽车.腾讯汽车2015年汽车用户白皮书[EB/OL].[2016-01-08].http://auto.qq.com/a/20160108/ 046550.htm.

[37]腾讯路宝.2014年度车主行为报告[EB/OL].[2015-02-12].http://www.cnautonews.com/qchl/ kj/201502/t20150212_346086.htm.

(责任编辑 魏艳君)

Energy Consumption in Transport: An Assessment of Changing Trend, Influencing Factors and Consumption Forecast

WANG Hong

(Institute of Quantitative and Technical Economics, China Academy of Social Science, Beijing 100732, China)

Transport is the third largest type of the social energy consumption. This article systematically analyzes transport energy consumption in terms of both sector and private car energy consumption, explores its changing trends, influencing factors, and predicts the need for future energy consumption in short period. It is found that, by 2020 transport energy consumption will keep rising. The changing trend of population, GDP, urban per capita disposable income and urbanization rate will be closely related to the rise of transport sector energy consumption, while R&D investment and industrial structure adjustment will not substantially reduce transport sector energy consumption. Based on the fact that private car ownership will rise substantially, though the average vehicle millage may remain constant and per 100kmfuel consumption will keep dropping, the energy consumption of private car keep increasing; as a whole, the increasing range of the energy consumption of the private car is higher than that of transport sector energy consumption.

transport; energy consumption; influence factor; energy need forecast

2017-01-18

中国社会科学院哲学社会科学创新工程项目“我国经济转型升级的战略路径研究”

王红，女，陕西绥德人，副研究员，博士，研究方向：循环经济理论与实践、技术经济与管理。

王红.中国交通运输能源消费：变化趋势、影响因素与需求预测[J].重庆理工大学学报(社会科学)，2017(7):28-37.

format：WANG Hong.Energy Consumption in Transport: An Assessment of Changing Trend, Influencing Factors and Consumption Forecast[J].Journal of Chongqing University of Technology(Social Science)，2017(7):28-37.

10.3969/j.issn.1674-8425(s).2017.07.005

清华大学 张希良 教授 重庆大学 刘渝琳 教授

F50

A

1674-8425(2017)07-0028-10

主持人语：

实行能源总量和强度双控行动，是推动我国绿色发展、破除资源环境瓶颈的重要举措。近期，国家发改委、工信部等部门和相关专家组成的国家能源消耗总量和强度“双控”及控制温室气体排放目标考核组，分赴各地进行考核时发现，各地节能减排形势良好，但能源消费总量增长过快。中国社会科学院王红博士的《中国交通运输能源消费：变化趋势、影响因素与需求预测》研究发现：在我国宏观经济、社会和技术等影响因素的变化趋势下，今后我国将继续面临交通运输能耗增加的压力，其中交通运输行业能耗强度和总量以及私人轿车能耗总量都将继续增加；私人轿车能耗的增加幅度高于交通运输行业能耗的增加幅度。可见，随着人们生活水平的提高，在未来一段时间内能源消费将会继续增长。

一直以来长江经济带都面临着如何实现产业结构升级与环境保护协调并进的困扰：长江经济带上中下游不同地区存在着资源要素流通不畅、资源错配、分工合作不力等问题，直接导致区域内各地区产业落差明显、产业同构化、产能过剩严重；东中西部区域间产业转移集中表现为“三高”产业的区域接力，产业结构转移沦为污染接力；中西部地区产业过度依赖资源禀赋，高耗能、高排放、高污染的发展方式直接导致大气环境恶化。因此，以产业结构升级与碳排放为突破口，研究长江经济带经济与环境的协调发展意义重大。刘军跃等的《基于碳减排的长江经济带产业结构升级研究》研究发现：产业结构升级对长江经济带碳排放具有显著的降低效应，能源消费结构在长江经济带的中低碳排放水平地区对碳排放的增加效应尤为明显，能源价格在长江经济带的中高碳排放水平地区对碳排放的降低效应更为明显，地理区位对碳排放的影响则体现了长江经济带东部地区的碳减排效果好于中西部地区；而环境政策、人口规模、外商投资水平在长江经济带不同碳排放水平地区，对促进碳减排也具有不同程度的影响。