低碳出行导向下新城居住区建成环境优化研究——以上海市松江新城为例

■ 吕雄鹰 LYU Xiongying 潘海啸 Pan Haixiao

0 引言

上海市“十四五”发展规划提出，要按照“产城融合、功能完备、职住平衡、生态宜居、交通便利”的发展要求，重点打造嘉定、青浦、松江、奉贤、南汇等五个新城。松江新城作为五大新城之一，人口和发展经济规模位于新城前列。“十四五”时期，是“新城发力”的重要机遇期，产业迅速发展将带来机动车保有量的迅猛增加，郊区相对粗放的土地利用和宽大马路，导致更高的汽车拥有率和更长的出行距离，郊区交通出行碳排放增长趋势明显高于中心城区。

为落实建设生态宜居型新城的发展目标，减缓交通碳排放增长趋势，以低碳交通为导向，通过建成环境的优化来引导社区居民绿色出行，是当下新城发展的重要着力点。本文以松江新城为例，选取不同建成年份的居住区，通过居民出行调查数据分析，得出其出行特征和碳排放规律，并结合居民出行碳排放与居住区周边建成环境指标的相关性分析，识别影响碳排放最为显著的建成环境要素，提出相应的规划发展建议，从而为上海市其他地区打造生态宜居型新城提供规划指引。

1 居住区碳排放研究进展

1.1 居住区碳排放影响要素研究

居住区碳排放是城市碳排放的基本组成单元，除能源、基本生活物质外，交通碳排放是居住区碳排放的重要组成部分。朱雪梅（2014）研究广州居住区碳排放结构发现，家庭能源碳排放占比最高，接近60%；其次是交通出行，占比约20%；再次是食物碳排放，占比约15%；其余水、衣物和垃圾等碳排放约占5%[1]。Santamouris 等人研究发现，影响家庭能源碳排放的因素主要是，家庭的收入水平，决定了居住面积、住宅年龄和样式以及家庭使用设备类型等[2]。国内外学者研究发现，居住区碳排放主要通过住区的选址优化、交通设施配套、绿化环境营造和建筑单体的节能改造等多种手段实现[3-4]。

建筑节能减碳已有许多相对成熟的技术，但影响交通出行碳排放的因素更为复杂。IBI 集团在加拿大多伦多居住区调查研究发现，交通碳排放与汽车拥有量、行驶里程、家庭收入及人口数，以及社区规划设计、实施方式等关系密切，尤其是交通区位、社会经济属性变量，比设计变量对碳排放的影响更为显著[5]。吴婕（2013）通过对广州居住区大样本调查研究发现，影响居住区碳排放的因素包括社区建筑、交通、居民物质消费等方面，其中，影响交通碳排放的因子为交通区位、社区到CBD 的距离、1 km 范围内公交线路数和地铁线路数，以及汽车保有量和人均月收入等指标[6]。碳排放评估方法研究主要集中在多元线性回归和因子相关分析，由于居住区碳排放的影响要素众多，一般包括能源碳排放、物质碳排放和交通碳排放等方面，多元线性回归能够很好解决两个或两个以上变量之间的回归分析问题，并且能够综合确定各自变量对因变量的影响程度[7]。同时，结合因子自相关性分析，采用逐步筛选方式，保留主要因子、剔除次要因子和自相关影响因子，从而识别影响碳排放最为显著的因子，为制定低碳排放的规划策略提供量化支撑依据。碳减排措施的相关研究包括，陈飞（2009）通过模拟三种情景下上海市碳排放增长趋势，提出上海市低碳发展策略，包括：紧凑型土地利用、鼓励公交及慢行发展、提高燃油税和停车费抑制小汽车使用、加强新能源推广和应用等[8]。项宏艳（2020）通过对南京主城区典型居住区的研究提出，在外围新建社区，鼓励规模适中、建筑紧凑的混合开发模式；完善社区内部交通设施，如错峰停车、优化自行车和步行道设施、构建公交与自行车的换乘系统等；此外，加强绿色出行宣传引导，减少非必要的通勤机动化出行等[9]。总结以上研究可以发现，影响居住区交通出行碳排放的主要要素可以归纳为以下几类，分别是居住区的建成环境、区位、交通和生活习惯等。为了改善居住区的碳排放，有必要根据实证调查数据，从建成环境和交通出行方面进行深入研究。

1.2 建成环境对居住区碳排放影响研究

建成环境要素5D 包括密度（Density）、多样性（Diversity）、设计（Design）、目的地可达性（Destination Accessibility）、到公交站点的距离（Distance to transit），建成环境是影响居民交通出行碳排放的重要因素。Globe 和Brownstone 研究发现，高密度开发能有效降低居住区交通碳排放，并且，这种作用在居住区周边比在居住区内部表现更为显著[10]。黄晓燕（2015）针对广州不同圈层三个居住小区的研究发现，社区通勤碳排放中，60%左右的碳排放量是由20%的高碳排放通勤者所产生。中心区和边缘区的通勤排放不均衡性更明显，此外，不同的出行方式、出行次数和月均收入以及人口密度，在不同街道对碳排放影响的差异性较为显著[11]。王伟强（2016）以上海曹杨新村为例，结合居住区模式研究发现，居住密度与碳排放呈现非线性关系，设施多样性与碳排放正相关，交通站点可达性与碳排放负相关，且居住区交通碳排放同时受到物质空间和社会经济双重因素作用[12]。

上述研究表明，国内外学者对居住区碳排放的研究主要集中在相关要素指标的建立、碳排放评估模型优化和低碳规划措施等方面，但受到相关数据获取的局限，研究尺度多集中在特定类别或特定范围内的居住区，针对郊区新城的居住区研究较少，而且基于传统居民出行调查数据与开放多元数据融合分析还不够深入。因此，本文以上海松江新城居住区为研究对象，基于居民出行调查和开源数据的融合分析，选定不同类别的居住区，识别影响各类居住区碳排放的建成环境要素，为郊区新城的低碳化发展提供更具针对性的规划指引。

2 数据获取与研究方法

2.1 数据来源与指标构建

根据松江新城居住区的交通区位分布，分别以距离轨道站点1 km、3 km 和5 km 为圈层，并结合居住区建设年份、户数、层数和容积率等指标，选取松江新城内部20 个典型居住区（图1）。为使调查样本更具代表性，选取的居住区涵盖了老旧居住小区、动迁安置房、经济适用房、花园小区、大型居住社区等多种类别。针对选取的20 个典型居住区开展抽样入户调查，共完成1 051 户，2 798 人次的出行调查，剔除异常数据，实际有效出行2 350 人次，有效样本率为84%。以居民交通出行碳排放为因变量，分别将建成环境要素、个人家庭经济属性要素和居住区类型作为自变量，各规划控制指标层定义见表1。建成环境5D 要素内涵及具体测度方法见表2，以各居住区形心点为起点，测算其1 km 半径范围内的建成环境要素指标。并在原有5D要素基础上，本研究还考虑了以居住区的停车配建水平作为交通需求管理要素，从而更全面地分析居民交通出行碳排放与建成环境的相关性。

2.2 研究方法与数据处理

2.2.1 碳排放计算方法

居民出行碳排放是指居民在日常出行过程中所产生的碳排放量，龚咏喜（2013）提出，采取某种交通工具从出发到抵达目的地过程中所产生的CO2的排放量[13]。对于居民出行碳排放的计算通常有两种方法，一种是根据居民所采用的交通工具燃烧燃料所产生的CO2排放量；另一种是通过居民所采取的出行方式和出行距离进行计算。本文采用第二种，以居民每次采取的出行方式碳排放系数乘以居民的出行距离，来计算居民的单次出行碳排放量，然后累加到全天的出行次数及不同次数下采取的对应出行方式和出行距离，汇总后即得到居民的日排放量，计算公式如下：

式中，Ec，j为居民使用交通方式j 单次出行碳排放量（g）；Wj为交通方式j 的碳排放强度（g /人km）；Sj为使用交通方式j 的单次出行距离（km）。

图1 典型居住区空间分布图

表1 居住区居民碳排放调查指标汇总表

表2 居住区建成环境指标定义及测度方法汇总表

式中，EC为居民出行碳排放量（g）；ECi为居民单次出行碳排放量（g）；n为出行次数。

对于碳排放强度的确定，本研究通过查阅相关参考文献（潘海啸，2019；朱洪，2014）[14-15]，综合考虑上海实际情况，采用碳排放计算因子见表3。

2.2.2 相关性分析方法

参照国内外相关研究成果，居民出行碳排放与建成环境、居民个体家庭经济属性的相关性分析，多采用多元线性回归模型，公式如下：

式中：y为因变量，即居民出行距离；xi为自变量，即建成环境的要素、个人家庭经济属性和居住区类型等变量；a0为常数项；ai为回归系数，即各类自变量因子对居民出行距离的影响程度；u为残差。

根据上述原理，本研究采用SPSS 24.0 软件，首先，对建成环境的“5D”要素各因子与碳排放进行相关性检验，选取相关性显著的因子；其次，建立交通碳排放与建成环境、居民个体经济属性之间的多元线性回归分析模型；然后，比较相关性分析的R2方值及各要素的系数值来判定显著程度及正负相关性；最后，结合碳排放影响最显著的因子，制定低碳导向下的新城建成环境优化策略。

3 居住区碳排放及建成环境相关特征

3.1 数据统计分析

将选取的居住区按照建成年份划分为2000年之前、2000年—2006年、2006 年之后三类，分别用A、B、C表示；同时，按照居住区层数即多层（≤6 层）、小高层（7～11 层）、高层（≥12 层）进行分类，分别用L、M、H 表示。综合考虑以上两种分类方法及所选居住区类别，本次研究共分为六大类，基本代表了三个建成年代的居住区特征，即建成年代早的居住区以多层为主，年代较新的居住区以小高层和高层为主。按照居住区类型，分别统计居民个人及家庭经济属性、交通出行特征和建成环境等连续性变量值（表4）。

表3 交通出行碳排放强度推荐值

由表4 可知，从人均单次碳排放来看，2006 年以后建成的多层居住区碳排放最高，且户均车位配比也最高，同时，从图2居民出行方式也可知，该类居住区居民小汽车出行比例高达50%。而单次交通碳排放较低的为类型三，即2000 年—2006 年间建成的高层小区，其出行方式比例中助动车达到最大值为36.7%，且其户均车位配比相对较低，仅为0.35 辆/户。

从图3 和图4 的各类型居住区居民文化程度和职业分布情况来看，总体上居住在新建小区且多为高层住宅的居民，其文化程度相对较高，职业也多以专业技术人员和行政管理人员为主，而且个体机动化出行比例也相对较高。对于类型四新建多层居住区，主要集中了部分高档别墅区，因此，其受教育程度相对较高、个体机动车出行比例高达50%。

有别于相关研究出行碳排放“60-20”准则，即社区通勤碳排放中，60%左右的碳排放量是由20%的高碳排放通勤者所产生，将松江新城所选的居住区全部有效调查为样本，按单次碳排放量升序排列发现，碳排放总量的77.9%是由碳排放最高的前20%的居民所贡献的，即更接近“80-20”准则，如图5 的洛伦兹曲线可知，其曲率越大，居住区出行碳排放不均衡性越明显，少数高碳排放家庭贡献了绝大部分碳排放总量。

3.2 相关性变量及碳排放回归分析

首先将表4 中统计要素与碳排放进行两两之间相关性分析，筛选出与居民出行碳排放有显著相关的因素，通过Pearson 相关性分析结果可知，与碳排放影响显著的因素见表5，主要包括居住区特征中的小区用地面积和建成年份，建成环境要素中的用地混合度、道路网密度、公交站点密度等，以及个人家庭经济属性中的职业和家庭是否有车等指标。

表4 居住区碳排放相关属性特征调查数据表

再将碳排放作为因变量，分别建立与相关要素之间的回归分析模型，统计回归结果见表6，并分析各变量对碳排放的影响机制。

由表6 相关性回归分析结果可知，在居住区特性要素中，居住小区规模（占地面积）与碳排放正相关，即居住小区规模越大，平均单次出行碳排放越高，这是由于居住区面积越大，居民机动化出行水平越高，从而碳排放越高。从建成年份相关性来看，由图2 可知，建成较早的居住区居民步行和非机动车出行比例相对较高，从而人均碳排放较低。

图2 各类型居住区居民交通出行方式分布图

从个人及家庭经济属性来看，居民碳排放与离退休、家庭有车这两类因素高度正相关，即离退休居民时间、经济条件较为充裕，家庭拥有小汽车的这类居民机动车出行比例较高，从而碳排放较高。

从建成环境要素来看，居住区周边的道路网密度、户均车位配比与碳排放正相关，即道路网密度的提升，在某种方面是为机动车出行提供了便利；同时，户均车位配比越高，越有利于机动车出行，从而碳排放越高，这也表示，仅仅靠提高道路网的密度，缩小街区也并不能促进生态、低碳的发展。此外，用地混合度和公交站点密度与碳排放负相关，即适度提升居住区周边的用地混合度，以及进一步提升公交站点密度，有利于居民就近解决日常出行需求，并有利于提高公交出行比例，从而降低居民碳排放。

图3 各类型居住区居民文化程度分布图

图4 各类型居住区居民职业分布图

图5 松江新城居民出行碳排放洛伦兹曲线图

表5 与碳排放相关的因素Pearson 相关性参数汇总表

3.3 其他变量影响结果分析

除表6 中与碳排放线性显著相关的要素外，对于其余相关性不显著的建成环境要素，分别建立与碳排放的柱状曲线分析见图6。

图6 碳排放与其他非线性相关要素的相关性分析图

表6 碳排放相关因素回归系数汇总表

对于居住区人口密度，总体上呈现人口密度越高，即居民居住越集中，出行碳排放越低。但对于类型二即建成年份在2000 年—2006 年间的多层居住区，其居住人口密度低于类型五和类型六等2006 年后建成的中高层居住区，而类型二居住区的人均碳排放密度依然相对较低。从图2可知，与类型五和类型六相比，类型二居民的小汽车出行比例相当，但公交车出行比例相对较高，人均碳排放也较低。

对于居住小区的平均容积率，其值越高人均碳排放越低。但对于建成年份较新、且容积率较低的居住区，如类型五，人均碳排放相对较高。这是由于部分居住小区为低层的别墅区，居住人口密度和容积率相对较低，机动化出行比例高。因此，不能简单追求建筑高密度、居住人口高集聚，应实现紧凑型开发，并控制合理的容积率，因为过高的容积率反而会带来高强度建筑材料使用和高制热（冷）需求而导致高能耗。

从POI 密度与碳排放相关性可知，总体上POI 密度越高，居民日常服务设施越集中，越能就近解决日常出行需求，居民出行碳排放越低。但对于类型六，建成年份较新的高层居住区，当其POI 密度进一步集聚之后，人均碳排放反而增大，这是由于过度集聚的公共服务设施，反而会吸引大量不必要的交通出行，从而带来更高的人均碳排放。

从碳排放与轨道站点距离关系可知，距离越远碳排放越高，并在距离轨道1.5 km 左右，达到人均碳排放高峰值，这是由于该距离已经超出居民日常步行能接受的范围，如类型四居住区居民的小汽车出行比例高达50%，人均碳排放达到最高。而从类型三开始，呈现断层波动，即超过1.5 km 的居民碳排放先变小后增大趋势。因此，对于与轨道距离超过1.5 km 以上的居住区，轨道对居住区的服务作用十分有限，应重点优化公交线路设计，合理规划中运量公交网络，提供更多样化的公共交通出行选择，提升公交出行比例，降低居住区碳排放。

4 研究结论与建议

4.1 高碳排放居住区是交通碳排放的主体

经分析发现，本文所选松江新城居住区前20%高碳排放量之和占总碳排放量的77.9%，即更接近“80-20”准则。如何有效引导高碳排放的居住区居民更多地采用公共交通出行，适度降低其出行碳排放是实现郊区新城低碳排放的重要突破口。高碳排放居住区普遍为居住区占地面积大、建成年份较新的多层小区，人口密度和容积率也相对较低，居民出行呈现较高的个体机动化特征。

4.2 居住区碳排放不可忽视社会经济属性作用

影响居民碳排放的两大社会经济属性要素包括居民的职业和是否有车。社会经济属性存在用户自选择性，即特定收入人群会根据经济条件自发选择适合的居住小区，如忽略该部分要素会放大建成环境的影响作用。从影响程度来看，退休居民时间和经济较为充裕，且与有车家庭更倾向于机动车出行有关。因此，可以通过发放老年免费公交卡、适度提升停车收费等经济手段，积极引导居民选择公共交通出行。

4.3 引导居住区低碳出行应同步实施建成环境优化和交通需求管理

与碳排放正相关的建成环境要素包括：道路网密度和户均车位配比，即郊区新城在适度增大地区路网密度的同时，应避免传统郊区化、大街区、宽马路的格局，除采用规划手段优化建成环境、缩小出行距离、减少小汽车出行依赖外，还应该同步采取交通需求管理措施，如优化公交线路设计、合理设置机动车停车配比、适度提高停车收费等，切实提升公交出行比例，降低不必要的个体机动化出行。

与碳排放负相关的建成环境要素包括：用地混合度和公交站点密度，即对于郊区新城新建居住区，应合理配置居住与公共服务设施比例，并根据居住人口密度合理设置公交站点密度，实现公交站点300 m 范围内覆盖的人口比例不低于80%，将传统的公交站点面积覆盖率指标转化为服务人口指标，切实提升公共交通可达性，引导居民采用公交出行，有效降低居民出行碳排放。

4.4 除轨道交通外应提供多模式网络化公共交通服务

受限于建设费用、运行效率及客流规模等多重客观原因，新城通常有且仅有一条轨道交通连接市区，对距离轨道站点较远的居住区服务作用十分有限。因此，一方面，应建立干线铁路、城际铁路、市域（郊）铁路和城市轨道交通等“四网融合”的轨道交通网络系统，并重点完善新城中运量网络和常规公交体系，提供多模式网络化的公共交通出行选择；另一方面，还应加强远郊轨道站点的停车换乘（P+R）规划，重点完善居住区周边公交站点布局，并加强与临近轨道站点交通接驳，进一步拓展轨道交通服务范围。

此外，对于居住区人口密度、容积率及POI 密度等指标，也并非密度越大、越集聚碳排放越低，而是要适度实现紧凑开发。尤其是对新城内新建居住区周边，要合理规划居住和就业岗位分布，规划职住平衡、功能混合的空间结构，让居民在短距离内以公交和慢行出行方式即可抵达工作岗位和日常活动点。同时，应积极推进新城范围内全域贯通、绿色友好的慢行网络，营造高效便捷的智能出行场景，探索共享出行、绿色出行新模式。

5 结语

本文以松江新城典型居住区为例，探讨了影响居民出行碳排放的相关因素，由于数据获取难度较大，仅选取了上海五大新城之一的松江新城，对其他新城居住区交通出行碳排放还缺乏全面的对比分析。因此，在今后相关数据可获取的情况下，可进一步全面分析各大新城居住区特征、个人家庭经济属性和建成环境要素对居民通勤碳排放的影响，从而为上海市低碳宜居新城建设提供更具针对性和可操作性的规划建议。