基于碳普惠制的城市公共自行车个人碳减排量计算

黎炜驰　曾雪兰　梁小燕　卞勇　徐伟嘉　杨乐亮

摘要：碳交易是为促进全球温室气体减排、减少全球二氧化碳排放所采用的市场机制。广东省作为中国七个碳交易试点之一，将碳交易的核心理念应用于促进居民生活减碳，首次提出碳普惠制创新。碳普惠制旨在将公众的低碳行为量化并予以激励，以此促进低碳生活实践，降低生活领域碳排放。本文以公共自行车交通系统为研究对象，借鉴CCER方法学，对公共自行车项目的个人减排量核算方法进行了设计，并参考文献统计数据举例说明个人减排量核算公式。公共自行车项目个人减排量核算的方法学设计中，减碳系数的计算考虑自行车可代替的所有出行方式，且在不同出行方式比例的统计中考虑出行距离的影响，设置随出行距离变化的减排系数，在减排量的计算中有效突出个人的减排贡献量。依据本方法学计算得到了城市公共自行车项目个人减排系数曲线及减排量核算公式。最后从数据收集的角度出发，提出相应的改进建议以提高方法学的科学性及适用性。本方法学能客观评估城市公共自行车出行的个人碳减排量，为碳普惠制的实施提供量化方法学参考，同时填补了目前个人碳减排核算研究领域的空白。

关键词 ：碳普惠制；公共自行车系统；个人减排量；方法学

中图分类号：X24

文献标识码： A

文章编号： 1002-2104（2016）12-0103-05

随着2015年巴黎气候大会的召开，世界各国对于应对气候变化的关注度空前提升。中国作为全球最大温室气体排放国，近年来采取了多项措施履行二氧化碳减排承诺，碳交易是其中最有效的措施之一。纵观国内外碳交易市場，目前碳交易的实施范围主要集中在工业生产领域，对于居民的低碳生活鲜有涉及。居民作为工业产品和服务消费的主体， 其生活碳排放的控制对于控制温室效应、减缓全球气候变化至关重要。广东省在世界范围内首次提出碳普惠制创新，把碳交易的核心理念应用于居民的日常生活，将公众的低碳行为量化并予以激励。目前，国内外暂无成熟的可将个人生活减排行为量化转化的方法学。基于此，本文主要以低碳交通为研究对象，着重评估公共自行车出行的个人减排量，设计科学可行的计算方法学，以期为碳普惠制的落地实施提供科学依据。

1 碳普惠制创新机制

减少二氧化碳排放是人类应对全球气候变化的基本共识。城市作为人类经济活动的中心，也是能源消耗和碳排放的聚集区。据统计，发达国家城市居民完全能耗的碳排放量占城市总排放量的30%—60%[1-2]。中国，特别是广东省等较发达地区正处于城市化快速发展的关键时期，高能耗及高碳排放是这一发展阶段的核心特点，生活领域产生的碳排放问题值得引起重视[3-5]。

中国积极探索处于城市化、工业化加快进程中的低碳发展模式，在全国范围内全面铺开低碳试点工作。纵观国内外交易市场，目前碳交易主要关注工业生产领域的减排，鲜少涉及城市的生活减排。为了合理控制生活领域碳排放水平的快速增长，加快形成全社会公共参与的低碳社会建设新格局，广东省因地制宜提出推行碳普惠制，构建涵盖低碳生活的广义碳交易体系。碳普惠制是在现有碳交易核心内涵由生产领域到生活领域的延伸。碳普惠制针对公众生活的各方面展开，包括绿色出行、家庭水电气的节约使用等，对个人的减碳行为进行具体量化计算，将经核证的减排量依据一定原则转化为碳币，并结合商业机制根据碳币对民众进行奖励。推广碳普惠制，有利于提高民众低碳意识，调动全社会践行绿色低碳行为的积极性，降低生活领域碳排放，符合城市可持续发展的内在需求。碳普惠制核心在于对个人的节能减碳行为赋予一定的价值，低碳行为个人碳减排量的核算是碳普惠制实施的前提条件及数据基础。

2 公共自行车系统减排量核算方法学

公共自行车项目一定程度上弥补了公交出行“最后一公里”，解决了公共交通出行的难题[6]。法国、荷兰、英国、德国、日本近年来扩大零碳交通，完善自行车道路系统，鼓励市民零碳出行[7-8]。中国的公共自行车系统在数量上全球排名第一（237 个），比排名第二的意大利（114 个）和第三的西班牙（113 个）超出一倍。目前，对于公共自行车系统的研究主要集中在公共自行车系统规划、运营管理、出行特征分析等方面[9-12]。在低碳交通发展背景下，公共自行车系统自愿减排机制及其减排量核算的研究值得关注。

截至目前中国分7批公布了共194个备案的国家温室气体自愿减排方法学（CCER方法学），用来估算、测量、核查和核证减排项目产生的减排量，其中适用于我国交通领域的CCER方法学共有13 个[13-15]。在公共自行车系统减排量核算方面，CityRyde LLC 于2011年提出了核算城市公共自行车项目温室气体减排量的VCS（Verified Carbon Standard）方法学[16]。中国尚未公布适用于城市公共自行车项目的专门方法学，但有参考国际CDM方法学（AM0031）或国内CCER方法学（CM-028-V01）对城市公共自行车公交系统进行减碳量核算及减排机制探索的研究[17-18]。国内外研究中公共自行车系统减排量核算采用的基本计算公式可以表示为：

碳普惠制实施的关键在于个人低碳行为的减排量量化，目前国内外暂无成熟的可将个人的节能减排行为量化的方法学。直接采用项目整体减排量均分得到个人减排量，包括按使用次数和单次人均出行距离核算个人减碳量，既不能反应个人实际减排量，也不利于突出个体差异在项目中的减排贡献量。基于此，本文以借鉴CCER方法学（CM-028-V01）对城市公共自行车项目的个人减排量核算进行方法学设计与计算，以期为个人碳减排的核算提供方法学参考，为广东省碳普惠制度的实施提供科学依据及数据支撑。

3 城市公共自行车项目个人减排计算研究

3.1 方法学设计

3.1.1 总体核算公式

公共自行车为零碳排放工具，因此个人选择公共自行车出行的项目碳排放量为0。依据CDM方法学，个人选择公共自行车出行的减排量即为基准线排放量，因此减排量ER可直接表示为：

其中，EY为个人选择公共自行车出行的减排量（g·CO₂）；DR为自行车骑行里程数（km）；EFR为自行车骑行减排系数（g·CO₂/km）。

3.1.2 确定减排系数

居民出行方式因出行距离而有所不同。出行范围在1 km以内，步行为主导的交通方式；1—3 km内自行车出行比例较大；3—5 km内摩托车出行比例占多；5 km以外公交车、小汽车为主要选择的出行方式。依据CCER方法学，在数据基础允许的情况下，减碳系数的计算考虑自行车可代替的所有出行方式[19-20]。此外，为体现居民出行方式随距离而异所导致的不同的减碳效果，应根据出行距离而设定不同的减碳系数数值。总体趋势是骑得越远，减碳系数越大，激励市民更长距离地使用公共自行车。

自行车的减碳系数直接为自行车可替代的交通方式的单位公里人均碳排放数值。具体可按各交通方式的出行分担率对各种交通方式的单位公里人均碳排放数值进行综合。计算公式如下：

其中，Ni表示选择i出行方式的人次，N表示出行总人次。相对完整的出行比例数据一般来源于交通专项研究（如相关问卷调查等），项目核算周期前需要对居民交通方式进行调研，更新调整各交通方式随出行距离变化的出行比例。

根据市民实际出行方式的选择，碳排放相关数据考虑摩托车、小汽车（包括出租车与私人小汽车）和公交车三类。考虑现有城市统计基础，依据数据收集的可操作性，私人交通工具与社会公共营运交通工具的计算有所不同。社会公共营运交通工具（如公交车、出租车）一般以企业形式运营，相关统计数据较完善，其单位公里人均碳排放量可用以下公式計算：

3.2 变量数据

根据以上计算公式，各数据来源及数据缺失的替代方案选择具体见表1。

3.3 城市公共自行车项目个人减排量的计算结果

城市公共自行车项目一般采用先进的智能化中央集成式管理。该城市市民出行比例数据由调研得到，摩托车百公里油耗基于两篇文献得出，根据表1中各数据获取方提供数据，结合燃料排放因子标准取值，2015年该城市公共自行车项目个人减排量计算的相关变量数据满足计算要求。基于各交通方式的出行比例和单位公里人均碳排放放，计算得到减碳系数随距离变化如图1所示。由图可知，7 km之前，减碳系数随着距离而增加，7 km以后，减碳系数数值趋向平稳。根据模型拟合结果，当骑行距离≤7.0 km时，减碳系数计算公式为：

由此，设置以7 km为界，7 km以内减碳系数以函数拟合表示，7 km以后以常数表示。市民选择公共交通出行的骑行里程由租、还车站点地理信息核算得出，该次减排量根据骑行里程按公式（1）直接进行计算得出。在减排系数及减排量的核算中体现由于出行距离不同导致的个体差异，有效突出个人减排量的贡献。

4 结 论

本文首次提出了用于研究公共自行车系统个人碳减排量的核算方法，并根据文献调研统计数据计算得到个人减排系数曲线及减排量核算公式。本方法学能客观评估市民选择公共自行车出行的个人碳减排量，适用于拥有自行车项目的城市个人自行车出行的减排量核算，有望为碳普惠制的实施提供减排量核算依据，同时填补了目前个人碳减排量核算方法学研究领域的空白。随着公共自行车系统的广泛普及以及碳普惠制的实施，公共自行车系统减排效果也会日渐增强。

公共自行车在我国尚有较大的发展潜力及空间，其对减碳量的核算仍需研究者们日后进一步观察。本文提出的个人减排量核算方法由于受到数据收集的制约具有一定的不确定性，例如部分自行车用户借还车辆站点位置相同，无法记录期间有效骑行里程数，因此仅通过站点距离记录有效骑行里程数存在缺陷，可进一步研究按使用时间核算减排量的可行性。此外，未来可通过手机APP定位记录行动轨迹实现骑行里程的准确监测，提高方法学的科学性及适用性。

（编辑：刘照胜）

参考文献（References）

[1]DUARTE R， MAINAR A， SNCHEZCHLIZ J. The impact of household consumption patterns on emissions in Spain[J]. Energy economics， 2010， 32（1）： 176-185.

[2]LENZEN M， WIER M， COHEN C， et al. A comparative multivariate analysis of household energy requirements in Australia， Brazil， Denmark， India and Japan[J]. Energy， 2006， 31（2-3）： 181-207.

[3]张平， 刘霞辉. 中国经济增长报告（2009-2010）[R]. 北京： 社会科学文献出版社， 2010： 5-22. [ZHANG Ping， LIU Xiahui. Report on Chinas economic growth （2009-2010）[R]. Beijing： Social Sciences Academic Press， 2010： 5-22.]

[4]顾朝林， 谭纵波， 刘宛， 等. 气候变化、碳排放与低碳城市规划研究进展[J]. 城市规划学刊， 2009（3）：38-45. [GU Chaolin， TAN Zongbo， LIU Wan， et al. A study on climate change， carbon emissions and lowcarbon city planning[J]. Urban planning forum， 2009（3）： 38-45. ]

[5]黄颖. 城市化进程中居民消费碳排放的核算及影响因素分析[D]. 长沙： 湖南大学，2011. [HUANG Ying. The study on the evaluation and factor decomposition of household carbon emissions under urbanization process[D]. Changsha： Hunan University， 2011.]

[6]原亦明. 城市公共交通如何应对“低碳经济”的挑战[J]. 人民公交， 2010 （2）： 33-36. [YUAN Yiming. How urban public transport deal with ‘low carbon economy challenge[J]. Peoples public， 2010 （2）： 33-36.]

[7]FISHMAN E， WASHINGTON S， HAWORT N. 公共自行车文献综述[J]. 城市交通， 2014 （2）： 84-94. [FISHMAN E， WASHINGTON S， HAWORT N. Bike share： a synthesis of the literature[J]. Urban transport of China， 2014 （2）： 84-94.]

[8]FISHMAN E， 魏賀. 公共自行车近期文献综述[J]. 城市交通， 2015 （6）： 80-94. [FISHMAN E， WEI He. Bikeshare： a review of recent literature [J]. Urban transport of China， 2015 （6）： 80-94.]

[9]周杨， 张冰琦， 李强. 公共自行车系统的研究进展与展望[J]. 城市发展与研究， 2014， 21（9）： 118-123. [ZHOU Yang， ZHANG Bingqi， LI Qiang. Research progress and prospect in the study of public bicycle system[J]. Urban development studies， 2014， 21（9）： 118-123.]

[10]周扬军.城市公共自行车系统规划研究[J]. 城市交通， 2012， 10（5）： 50-54. [ZHOU Yangjun. Urban bicycle haring system planning[J]. Urban transport of China， 2012， 10（5）： 50-54. ]

[11]蒋天文， 刁胜欢， 曾润喜. 城市公共自行车系统建设模式研究—基于低碳视域下的实践与比较[J]. 经济与管理， 2012， 26（6）：88-92. [JIANG Tianwen， DIAO Shenghuan， ZENG Runxi. Application and advantages of urban public bicycle system construction[J]. Economy and management， 2012， 26（6）： 88-92.]

[12]朱玮， 庞宇琦， 王德，等. 公共自行车系统影响下居民出行的变化与机制研究——以上海闵行区为例[J]. 城市规划学刊， 2012（5）： 76-81. [ZHU Wei， PANG Yuqi， WANG De， et al. Travel behavior change after the introduction of public bicycle system： a case study of Minghang District， Shanghai[J]. Urban planning forum， 2012（5）： 76-81.]

[13]冯相昭， 李丽平， 田春秀，等. 中国CDM 项目对可持续发展的影响评价[J]. 中国人口·资源与环境， 2010， 20（7）： 129-135. [FENG Xiangzhao， LI Liping， TIAN Chunxiu， et al. Assessing the impacts of CDM projects implemented in China on sustainable development[J]. China population， resources and environment， 2010， 20（7）： 129-135.]

[14]杨卫华， 初金凤， 吴哲，等. 新能源汽车碳减排计算及其影响因素分析[J]. 环境工程， 2014 （12）： 148-152. [YANG Weihua， CHU Jinfeng， WU Zhe， et al. Calculation of carbon emission reduction of new energy vehicles and analysis of its influencing factors[J]. Environmental engineering， 2014 （12）： 148-152.]

[15]孟海燕. 快速公交项目碳减排计算方法学应用研究[D]. 邯郸：河北工程大学， 2015. [MENG Haiyan. Application study of carbon reductions calculation methodology on bus rapid transit project[D].Handan： Hebei University of Engineering， 2015.]

[16]VCS. Methodology for determining GHG emission reductions through bicycle sharing projects-2011v04.4[R]. CityRyde LLC， 2011.]

[17]郭宇竹， 朱亚楠， 余蔚茗， 等. 城市公共自行车公交系统减排量计量学初探[J]. 资源节约与环保， 2013 （9）： 32. [GUO Yuzhu， ZHU Yanan， YU Weiming， et al. Exploratory study on emission reduction of urban public bicycle system[J]. Resources economization & environmental protection， 2013 （9）： 32.]

[18]崔铁宁， 鲁婷. 城市公共自行车自愿碳减排机制初探——以北京市为例[J]. 气候变化研究进展， 2016， 12（2）： 112-117. [CUI Tiening， LU Ting. Exploratory study on voluntary emission reduction system of urban public bicycle：take Beijing as an example[J]. Climate change research， 2016， 12（2）： 112-117.]

[19]中国清洁发展机制网[EB/OL]. http：//cdm.ccchina.gov.cn/archiver/cdmcn/UpFile/Files/Default/20140123140815478375.pdf. [Clean development mechanism in China[EB/OL]. http：//cdm.ccchina.gov.cn/archiver/cdmcn/UpFile/Files/Default/20140123140815478375.pdf.]

[20]中國清洁发展机制网[EB/OL]. http：//cdm.ccchina.gov.cn/archiver/cdmcn/UpFile/Files/Default/20140123142833525216.pdf. [Clean development mechanism in China[EB/OL]. http：//cdm.ccchina.gov.cn/archiver/cdmcn/UpFile/Files/Default/20140123142833525216.pdf.]

[21]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.]

[22]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）： 22-27. [JIA Shunping， MAO Baohua， LIU Shuang. Calculation and analysis of transportation energy consumption level in China[J]. Journal of transportation systems engineering and information technology， 2010， 10（1）： 22-27.]

Abstract Carbon trading is the market mechanism adopted for promoting the reduction of global greenhouse gas emission， especially the reduction of carbon dioxide emission. As one of the seven pilot programs of carbon trading， Guangdong Province firstly proposed the generalised system of carbon trading and applied the core ideology of carbon trading into the carbon emission reduction in daily life. The generalised system of carbon trading aims to quantify the carbon emission reduction of public lowcarbon behavior， and reward individuals according to the calculation， so as to motivate the public to choose lowcarbon lifestyle and reduce the carbon emission in daily life. As the research object， a quantitative methodology for personal carbon emission reduction of the urban public bicycle system was designed with the CCER methodologies for reference. Moreover， this article included a sample application to illustrate the calculation of personal carbon emission reduction using the method according to the statistical data in reference. During the design of quantification methodology， all travel modes which could be replaced by bikes should be taken into account for the calculation of emission reduction coefficient. Effect of trip distance was reflected in the statistics of trip rate in different modes. Thus an emission reduction coefficient changing with trip distance was acquired， which has highlighted the personal contribution. In addition， from the data collection perspective， improved suggestion was listed to improve the scientificity and applicability of the calculative methodology. The mentioned methodology was thought to assess the individual emission reduction objectively， which could be applied in the calculation of personal emission reduction under generalised system of carbon trading. Furthermore， the methodology was a beneficial supplement to current study of personal carbon emission reduction calculation.

Key words generalised carbon trading； urban public bicycle system； personal carbon emission reduction； methodology