碳达峰目标下私家车限行政策效应的动态仿真

陈 振， 叶向阳

（河南农业大学信息与管理科学学院，郑州 450002）

近年来，随着经济的高速增长以及人们生活水平的提高，交通业也在持续高速发展，机动车保有量增长率在近十年高达36.69%. 随着交通运输活动的持续增长，交通工具已经成为全球温室气体的重要排放源. 机动车已成为CO2排放最重要和增长最快的领域之一［1］，高浓度的污染物如CO2、PM2.5和氮氧化物等排放物质，不仅会对大气造成污染，带来经济损失，还会影响居民健康. 为控制全球气候变化，如何在2030年前实现碳达峰目标已经成为国际热点问题.

为降低大气污染、缓解交通拥堵，中国已经采取了很多方法来解决. 例如拥堵收费［2-3］、限行政策［4］、限购政策［5］、提高停车收费等措施，其中限行政策被广泛使用. 现有研究中，关于机动车限行政策能否降低空气污染、降低交通拥堵效应的讨论始终存在，讨论的结果主要分为两种不同观点：第一种观点认为限行政策能够很好地解决空气污染和交通拥堵，孙传旺和徐淑华［6］基于双重差分模型认为一般限行政策和特殊限行政策均不同程度地缓解了大气污染，并且限行区域越大，限行的车辆越多，减排效果越显著；雷渌瑨等［7］运用线性回归和时间序列自回归分布滞后模型，回归结果显示，日常工作日实行的尾号限行政策能显著改善空气质量；袁晓玲等［8］通过研究西安市各项空气质量指标，得出机动车限行政策的实施虽不能有效降低空气污染程度，但可以相对减缓空气污染进一步加重的速度；陈志梅和阮婷［9］利用系统动力学模型研究天津市限行政策效果，研究结果表明，采取实施机动车尾号限行政策来抑制小汽车的出行需求，从而能够在一定程度上缓解城市交通拥堵的状况.另一种观点认为限行政策在短期内有明显效果，但随着时间的推移，限行政策的效果在逐渐消退，陈振等［10］运用系统动力学与灰色Verhulst预测相结合的方法，探究限行政策的作用效果，认为限行政策没有从根本上提升空气质量、缓解交通拥堵，只是把问题往后推迟. 王亚伟和钱子航［11］认为对载客汽车实施限行政策短期内能够缓解交通问题，但从长期来看存在副作用，对载货汽车实施限行政策总体来说弊大于利；王振振等［12］的研究表明，随着限行政策实施周期的延长，政策效果呈逐渐减弱趋势；Tu等［13］采用反距离加权模型得到DRP在南京市交通分析区域可显著降低NO2含量的升高速度，但由于决策者选择不同，在某些地区NO2含量的上升速度会更快.

机动车大气污染物及CO2减排对于改善空气质量和缓解气候变化具有重要的作用［14］，因此越来越多的学者研究如何降低机动车尾气造成的环境污染. 陈振［10］提出将发展公共交通与限行政策相结合可以有效缓解交通拥堵，改善空气质量，提升环境承载力；Dey等［15］和Zhang等［16］采用COPERT模型分别建立了柏林和北京机动车主要大气污染物排放清单，为机动车污染防治和协同控制提供参考和支撑；马壮林等提出提高公共交通服务水平有助于吸引仅有一辆车的出行者在限行日选择公共交通方式出行，道路畅通有助于吸引有多辆车的出行者在限行日选择公共交通方式出行［17］；Chen和Lei［18］采用通径分析模型估算机动车对北京市交通CO2排放的直接、间接和总影响，提出要想进一步抑制交通运输碳排放增长，应适当提高人口素质，控制机动车规模，开发和推广清洁能源，降低交通能源强度和交通强度.

在上述的研究基础上，本文采用系统动力学方程构建一种私家车限行政策效应模型，以北京市为例，对私家车限行政策的CO2和PM2.5减排效果进行动态评估. 针对长期蕴藏的副作用，引入财政政策，通过调试财政政策影响因子，探究相对优化的情景方案，进一步推进城市交通碳达峰的进程.

1 边界分析

1.1 因果回路分析

本文将环境管理模型分为经济、交通、环境和人口四个子系统，各个子系统的因果反馈关系是系统动力学建模的基础与前提. 本文主要讨论限行政策对CO2和PM2.5的影响，主要因果回路见图1. 其中对CO2的影响见回路1～2，对PM2.5的影响见回路3～4.

图1 因果回路图Fig.1 Causal circuit diagram

回路1和回路3为正反馈. 当限行政策实施时，会诱发一些家庭购买第二辆车［19］，导致私家车数量及私家车出行量也会随之增加，私家车排放的CO2和PM2.5量增加，导致CO2污染程度和PM2.5污染程度增加. 限行政策未能降低CO2污染程度和PM2.5污染程度，造成的温室效应影响程度增加，温室效应影响程度增加又反过来促使政府加大限行政策的实施力度.

回路2和回路4为负反馈. 当政府实施财政政策后，通过加大环境投资占GDP的比重，从而使CO2环保投资比重和PM2.5环保投资比重增加，从而使CO2和PM2.5处理量变大，那么CO2污染量和PM2.5年均浓度就会相应减少，温室效应影响程度降低，从而削弱CO2和PM2.5存量.

因此，限行政策虽然短期内可以降低环境污染，减少交通拥堵程度. 但长期来看，会刺激第二辆车的购买，导致私家车排放的CO2和PM2.5量增加，具有一定的副作用. 财政政策能够抑制CO2和PM2.5的排放，通过增加处理量降低空气中的CO2和PM2.5的存量，进而达到保护环境的作用，助推城市交通碳达峰目标的顺利实施.

1.2 系统动力学模型建立

系统动力学是系统科学理论与计算机仿真紧密结合、研究系统反馈结构与行为的一门科学. 利用系统动力学是将定性与定量结合、系统综合推理的方法［20］. 北京市作为中国第一个实施限行政策的城市，对北京市的限行政策进行效应分析具有重要意义. 根据图1的因果分析图，以北京市2010—2020年历史数据为依据，建立一个包含限行政策、财政政策、CO2污染量和PM2.5年均浓度等变量的私家车系统动力学模型，见图2.

图2 私家车交通系统流图Fig.2 Private car traffic system flow diagram

1.3 主要参数与方程

参考《中国机动车环境管理年报》《北京交通发展年度报告》和《中国统计年鉴》等资料，在进行仿真时对模型中的一些常数、状态变量的初始值和非线性函数进行赋值. 其中主要常数和状态变量初始值见表1.

表1 主要变量参数及初始值（2010年）Tab.1 Main variable parameters and initial values（2010）

模型的主要方程如下所示.

1）人口=INTEG（出生人口+迁入人口-死亡人口，1.961 9×107）.

2）出生人口=人口×出生率.

3）私家车汽油燃油量=私家车出行量×私家车年均行驶里程×百公里油耗×汽油氧化系数÷100.

4）车均道路面积=年末实际道路面积÷机动车出行量.

5）年末实际道路面积=INTEG（道路面积增长量，9.395×107）.

6）私家车增长率表函数=WITH LOOKUP（人均GDP，（［（0，0）-（300 000，0.3）］，（75 360，0.03），（83 547，0.030 443），（89 778，0.040 715），（97 178，0.045 324），（102 869，0.026 7），（109 603，0.004 668），（118 198，0.019 912），（128 994，0.032 538），（150 962，0.027 311），（161 776，0.049 08），（164 889，0.040 983 6），（165 324，0.029），（169 198，0.029），（176 239，0.029），（180 001，0.029），（186 321，0.029），（192 123，0.029），（197 374，0.029），（200 798，0.029），（205 498，0.029），（211 001，0.029）））.

7）私家车报废量=私家车数量×私家车报废率.

8）私家车增长量=私家车增长率×私家车数量.

9）私家车数量=INTEG（私家车增长量-私家车报废量，3.9×106）.

10）私家车出行量=私家车数量×私家车出行比例×限行政策.

11）实际停车位数量=WITH LOOKUP（Time，（［（2010，0）-（2030，2×106）］，（2010，1.394 5×106），（2011，1.471 43×106），（2012，1.611 37×106），（2013，1.574 13×106），（2014，1.757 72×106），（2015，1.905 95×106），（2016，1.931 48×106），（2017，1.905 95×106），（2018，1.757 72×106），（2019，1.703 61×106），（2020，1.707 98×106），（2021，1.833 81×106），（2022，1.839 83×106），（2023，1.844 48×106），（2024，1.848 08×106），（2025，1.852 99×106），（2026，1.854 64×106），（2027，1.855 98×106），（2028，1.855 92×106），（2029，1.856 9×106），（2030，1.857 65×106）））.

12）CO2环保投资=CO2环保投资比重×环保投资.

13）CO2排放量=私家车燃油量×CO2排放因子.

14）PM2.5年均浓度=INTEG（PM2.5排放量-PM2.5处理量，90）.

15）温室效应影响程度=CO2污染程度×a+PM2.5污染程度×b，其中a＞0，b＜1.

1.4 模型检验

为确保模型的合理性与鲁棒性，对模型进行历史性检验. 以GDP和私家车数量为例，将历史数据与模拟数据进行比较，对比结果如表2所示.

表2 GDP和私家车数量误差检验结果Tab.2 GDP and the number of private cars error test results

由表2 可以发现，在2010—2020 年内，GDP 和私家车数量最大误差分别为3.88%和-3.97%. 误差均在5%以内，说明模型拟合程度高，模型能反映现实情况，合理可用，可进行下一步仿真.

2 仿真结果

2.1 限行政策

限行政策最先于2007年在北京试用，随后我国一些城市，例如天津、上海、成都、郑州等也相继实行限行政策，有的城市是划分区域限行，有的是时间段不同进行限行，限行政策也分为单双号限行和按尾号与对应日期限行等. 限行区域、时间和程度不同，进行的机动车数量也不相同，根据城市的不同特点，城市的限行效果也不同.

将北京市目前实行的每天限制两个机动车尾号定量化输入系统动力学模型中，得到CO2污染程度、PM2.5污染程度、温室效应程度和车均道路面积的仿真图，如图3所示. 可以看出，在仿真前期，PM2.5污染程度和温室效应影响程度有了下降趋势，但只维持了四年左右，CO2污染程度在前期增长十分缓慢. 但在仿真末期，CO2持续上升，2030年没能实现碳达峰目标；PM2.5在2030年属于稳定情况，没有降低的趋势；温室效应影响程度与CO2污染程度和PM2.5污染程度相关，所以温室效应影响程度在仿真后期也在持续上升.

图3 限行政策下仿真图Fig.3 Simulation diagram under driving restriction policies

这是限行政策所存在的一个副作用，虽然限行政策短期来看可以降低温室效应影响程度，提高空气质量. 但长期来看，限行政策并不能降低温室效应影响程度. 可能是公共交通设施的完善程度和路网设计的合理程度跟不上限行政策所实施的前提条件，人们乘坐公共交通的不方便、时间过长和“最后一公里”等问题，导致一些家庭选择购买尾号不同的私家车来出行，至使私家车保有量增加，限行后的路面车辆并未减少，反而私家车保有量的增加还会引发停车位紧张和交通事故率增加等问题. 因此环境污染问题并没有得到解决，私家车排放的CO2和PM2.5依然在增加.

2.2 财政政策

针对限行政策的副作用，本文引入财政政策来治理空气污染问题. 选取环境保护投资比重、CO2环境保护投资比重和PM2.5环境保护投资比重作为财政政策的调控因子. 在保证其他变量不变的情况下，通过两种不同情景赋予不同的参数值进行比较，见表2. 根据国家统计局历年环境污染治理投资总额计算可知，目前我国环境保护投资比重为1.59%，环境保护投资占GDP的比重最高不会超过2%. 根据财政政策的实施力度大小，将减排分为绿色低碳和强化低碳两种不同情景. 本文将绿色低碳情景下环境保护投资比重系数调整为2%，强化低碳情景下环境保护投资比重系数调整为3%. 将CO2污染程度、PM2.5污染程度、温室效应程度和车均道路面积作为考察变量，考察不同情景下的变量变化趋势，结果见图4.

表2 财政政策调控因子Tab.2 Fiscal policy adjustment factor

图4 财政政策下仿真图Fig.4 Simulation diagram under fiscal policy

财政政策是从污染治理方面增加污染物处理量，从而减少大气中的污染物存量. 观察图5（a）可以看到，在仿真前期，绿色低碳和强化低碳情景对CO2污染程度的影响趋势一致. 但随着时间的推移，两条曲线的差距逐渐拉开，尤其在仿真末期，从2028年CO2污染程度增长率开始下降，在2030年强化低碳情景下达到碳达峰目标，绿色低碳依然在上升趋势. 同理，PM2.5污染程度也是在仿真前期两条曲线变化幅度一致，但仿真后期，强化低碳情景下PM2.5污染程度越来越低，直至2030年仿真结束，两种情景导致污染程度相差越来越大. 财政政策对交通子系统中的道路面积也有一定的影响，提高加大财政政策力度，年末道路面积会提高，车均道路面积也随之提高. 在仿真前期，两种情景对车均道路面积影响一样，随着时间的推移，政策实施的力度越大，车均道路面积越大，直至2030年差距最明显. 究其原因可能是财政政策存在时效性，效果并不会立刻显现，需要一些时间来实现其效果. 所以当政府想要采取财政政策时，要考虑政策显现效果的时间，做好提前规划.

对比强化低碳与绿色低碳方案，当实施财政政策力度更大的强化低碳时，与绿色低碳相比CO2污染程度降低18.3%，PM2.5污染程度降低24%，温室效应影响程度降低8.47%，车均道路面积提高了2.94%. 虽然四种主要变量都有优化，但与CO2污染程度和PM2.5污染程度相比，温室效应影响程度和车均道路面积的优化程度较低. 究其原因可能是因为财政政策具有激励作用，尤其是有针对性财政政策，比如加大CO2环境保护投资比重和PM2.5环境保护投资比重，因此那么污染物的存量就会相应降低.

2.3 组合政策

将限行政策与财政政策相组合，由上述财政政策可知，在强化低碳情景下可以实现碳达峰，因此使财政政策的调控因子处于强化低碳情景下，见图5. 对比限行政策与强化低碳情景的组合政策下CO2污染程度、PM2.5污染程度、温室效应程度和车均道路面积，如表3所示.

图5 组合政策下仿真图Fig.5 Simulation diagram under combined policy

表3 限行政策与组合政策对比表Tab.3 Comparative table of driving restriction policies and combined policy

从图5（a）中可以看到，在限行政策下，环境子系统中的CO2污染程度、PM2.5污染程度和温室效应影响程度在仿真后期仍在继续上升，车均道路面积处于下降趋势. 再从图5（b）中我们可以看到，在组合政策下，CO2污染程度的增长率在仿真末期出现下降趋势（曲线1），有利于城市交通碳达峰目标的实现. 同时在碳达峰目标的导向下，组合政策使PM2.5污染程度持续下降（曲线2），温室效应影响程度在2028年之后得到有效改善（曲线3），车均道路面积在仿真中后期持续上升（曲线4）. 这说明了组合政策对环境子系统和交通子系统的改善具有积极作用.

从表3中我们也可以看到，在2015年、2020年、2025年和2030年，组合政策下的CO2污染程度比限行政策降低了5.6%、4.4%、5.6%和22.9%. 对比组合政策和限行政策下的PM2.5污染程度，分别下降了0.4%、2.0%、8.2%和43.5%. 温室效应影响程度在2015 年、2020 年、2025 年和2030 年分别降低了1.1%、3.2%、6.2%和36.3%. 车均道路面积在组合政策下和限行政策下分别提高了1.0%、1.9%、2.9%和3.8%. 在仿真期2010—2030年内，组合政策下的CO2污染程度、PM2.5污染程度、温室效应影响程度和车均道路面积比其在限行政策下平均优化了9.6%、13.6%、11.6%和2.4%.

3 结论及建议

3.1 结论

本文以北京市私家车排放的CO2和PM2.5作为研究对象，通过分析系统内部和外部各因素之间的联系，围绕经济、交通、环境和人口四个子系统建立系统动力学模型. 从中长期视角来分析限行政策的实施效果，并引入财政政策的两种不同实施力度，考察财政政策在绿色低碳和强化低碳两种情景下对CO2污染程度、PM2.5污染程度、温室效应影响程度和车均道路面积的影响. 得到以下结论：

1）虽然短期内限行政策可以降低环境污染，缓解交通拥堵. 但长期来看限行政策具有副作用，并不能降低CO2和PM2.5的污染程度.

2）绿色低碳和强化低碳情景下的财政政策均能降低CO2和PM2.5的污染程度. 尤其在强化低碳情景下效果更好，CO2污染程度、PM2.5的污染程度和温室效应影响程度在2030 年比绿色低碳情景下的分别降低了18.3%、24%和8.47%，车均道路面积增加了2.94%.

3）组合政策不仅降低了CO2、PM2.5污染程度和温室效应影响程度，而且在一定程度上改善了车均道路面积，助推了城市交通碳达峰目标的实施效率.

3.2 建议

基于上述研究结果，本文提出以下建议：

1）现有限行政策模式有待提高，不适用于长期实行. 环境治理是一个复杂且长期的过程，需要各子系统的相互配合协作. 因此要考虑多方面，做到政策之间的协同，形成一个事半功倍的治理系统.

2）是利用财政政策的激励作用，加大环保投资比重，尤其是重点性增加对CO2和PM2.5的专项投资比重.通过增加污染物的治理量来减少污染物的存量，从而降低其污染程度. 财政政策可能存在时滞效应，随着时间推移，效果更能显现出来. 政府要根据现实情况与目标，动态调整政策调控因子，合理安排以达到政策实施的意义.