生命周期视角下货运通道能耗测度与节能潜力分析

诸立超，甄伟，刘昭然

(1.浙江财经大学，a.工商管理学院，b.经济学院，杭州310018；2.国家发展和改革委员会综合运输研究所，北京100038)

0 引言

伴随我国经济社会的持续快速发展，作为派生需求的交通运输业也实现了显著增长，并消耗了大量能源。2019年，交通运输业直接能耗4.39亿吨标准煤，占全社会能耗的9.01%，近20年年均增幅达8.10%，高于全社会能耗增速。特别是货运业，贡献了交通运输业75%的能耗[1]，若考虑上游环节间接能耗，货运能耗将更高。根据发达国家货运能耗增长趋势和我国资源禀赋，我国货运能耗在未来较长一段时间内仍将持续增长[2]。虽然能效改善和技术进步有助于货运节能，但由于需求增长和回弹效应[3]，货运业自2000年以来取得的节能进步有限。考虑到货运节能对于早日实现“碳达峰”“碳中和”的显著贡献，国家十四五规划和十九届五中全会将货运节能问题上升至国家战略高度。

具体而言，货运能耗受供给侧和需求侧双重因素影响。供给侧视角，运输链单位运量能耗受全程运输所有直接耗能设备和作业影响，包括货运设备能耗效率、标准化水平、能源类型[4]和运输组织[5]；同时，运输链上游产业的间接能耗也不可忽视。其中，运输链是指货物从起点至终点间的短驳运输、干线运输、装卸和仓储等环节的整合。然而，既有研究很少从生命周期视角测算货运能耗，且大多仅考虑干线运输能耗[6]，不利于准确评估货运对环境的全过程影响[7]。需求侧视角，运输链属性[8]、决策者属性和货物属性[9]等差异会影响微观层面决策者在各类货运情景中的运输链选择结果，导致宏观层面各运输链运量分配变化，由于各运输链单位运量能耗不同，运量分配变化会引发货运整体能耗变化。但是，学者们多关注运输链属性对运量分配的影响，对确定关键影响因素及其对货运能耗影响的研究有待深化。

综上，本文旨在构建货运能耗测度和节能潜力分析框架，量化供需双重因素对货运通道能耗的贡献，并分析各因素节能潜力。鉴于不同区域资源禀赋及货运供需特征差异，且集装箱运输为未来货运重点发展领域，本文将该框架应用于包含公路、铁路和水路等若干运输链的集装箱货运通道。

1 框架构建

货运综合能耗由直接能耗和间接能耗构成，直接能耗包含运输链所有活动直接消耗的柴油和天然气能量以及电能，而间接能耗是指运输链上游产业所消耗的能源。具体而言，由于区域经济系统存在相互联系，运输链各类活动从属区域产业部门单位经济产出的生产过程会消耗上游产业提供的产品与服务，如设施的建设维护和设备的生产维修等，而这些产品和服务的生成也会消耗一定能源，即间接能耗。综上，货运综合能耗E计算公式为

运输链属性、决策者属性和货物属性取值x及每个属性重要程度β影响，且β为待估计参数；F为货运量；和分别为运输链i活动m(m=1,…,M)完成单位运量的直接能耗和间接能耗。本例采用的F和x为历史数据，也可通过计量模型预测未来值，但Pi与β函数关系的确立需构建离散选择模型(Discrete Choice Model，DCM)。此外，运输链i活动m完成单位运量的直接能耗和间接能耗分别采用ASIF 法(Activitymodal structure-energy Intensity-emission Factor)[10]和EIOA 法(Environment input-output Analysis)[11]测算，两者统称混合EIO-LCA(Hybrid Economic Input-output and life Cycle Assessment)模型。其中，ASIF法综合考虑了各运输链不同活动完成单位运量的直接能耗，是主流的直接能耗和碳排放测算方法，其测算结果准确性主要取决于活动分解和能耗参数的详细程度[12]。在测算间接能耗方面，虽然ASIF 法也适用，但ASIF 法在测算过程中采用的参数多源于其他研究或地区，忽略了案例地区经济特征，而EIOA法所用参数均源于案例地区，更能反映案例地区货运产业部门与上游产业部门的经济联系和能耗关系，确保了测算结果准确性，被广泛应用于间接能耗和碳排放测算[13]。

1.1 货运能耗测度

运输链i活动m完成单位运量的直接能耗为

式中：Ri,m,q为完成运输链i活动m时货运设备q=1,…,Q的使用比例，不同设备的作业次数和能耗强度分别用Zi,m,q和Tq表征；Zi,m,qTq为运输链i活动m采用设备q完成单位运量的直接能耗，进而乘以设备使用比例Ri,m,q并加和得到考虑设备特征的。

由不同活动m完成单位运量的间接能耗组成间接能耗向量，其计算公式为

式中：e为区域产业直接能耗强度对角阵，e=diag(e1…em…eM)，其元素em可通过活动m从属区域产业部门的直接能耗Dm与经济产出Xm的比值获取；为根据投入产出表得到的列昂惕夫逆矩阵，I和A分别为单位阵和直接消耗系数矩阵(描述了一个产业单位产出所需的另一产业投入)；y为根据实地调研获取的运输链不同活动费用向量，y=[y1…ym…yM]T。由于EIOA 法在测算不同活动间接能耗时未区分运输链，可根据运输链i包含的活动m，进一步将匹配到运输链i，即。

1.2 节能潜力分析

货运综合能耗受供给侧的各运输链单位运量直接能耗和间接能耗以及需求侧的各运输链运量等3类因素影响，其节能潜力分析依次采用敏感性分析(Sensitivity Analysis，SA)、结构路径分析(Structural Path Analysis，SPA)和DCM。

根据SA给出直接能耗影响因素变化ΔZi,m,q(Δ代表增加或减少)对综合能耗的定量影响，通过将Zi,m,q替换为Ri,m,q或Tq，可量化Ri,m,q或Tq变化对综合能耗的影响，即

根据SPA 给出识别间接能耗关键能耗路径的方法，结合泰勒级数近似，被分解为

货运量方面，采用DCM 量化运输链属性变化对各运输链运量及货运综合能耗的影响。根据随机效用最大化理论和随机效用极值类I独立同分布假设，决策者n=1,…,N在情景s=1,…,S选择运输链i的概率为

式中：i和j均为运输链，共J条；x为运输链属性、决策者属性和货物属性取值；β为每个属性重要程度，为待估计参数。固定效用Vn,s,i( )x,β可表示为

式中：k1为第k1个运输链属性，共K个，详见2.1节；k2为第k2个决策者属性和货物属性，共K个，详见2.1 节；为决策者n在情景s中所面临的第i条运输链第k1个属性取值；为决策者n在情景s中所面临的第k2个决策者属性和货物属性取值。运输链i的市场份额可表示为所有均值，即

有关参数β的估计过程可参考文献[14]。量化不同x变化对货运综合能耗影响的公式为

2 案例研究

2.1 数据简介

本文提出的框架适用于多种空间尺度，但由于不同案例综合能耗影响因素存在差异，各因素节能潜力也不同，为使研究结果更具现实意义，本文聚焦义乌至宁波出口集装箱内陆段货运通道。其中，义乌出口集装箱可通过公路或铁路运输链运抵宁波出口。为测算货运综合能耗，需采集3 类数据：各运输链单位运量直接能耗、间接能耗和决策者运输链选择行为数据。其中，间接能耗数据采集于2017年，源于每5年发布一次的浙江省投入产出表(最近发布为2017年)和实地调研。为匹配间接能耗数据，直接能耗数据也采集于2017年，依托实地调研和文献查阅。此外，根据半结构访谈初步确定影响决策者运输链选择行为的因素，并采用有效设计确定运输链选择行为调查问卷，从而提升选择行为数据采集和建模的有效性。其中，每份问卷包含18 个假设情景，于2015年调查30 位受访者，超过理论最少样本量[9]，且公路和铁路集装箱运量分别为874192 TEU 和11808 TEU(TEU=twentyfoot equivalent unit)。虽然选择行为数据与能耗数据相差两年，但决策者两年内偏好不会显著变化，所构建的DCM适用于2017年。

表1 为计算不同运输链各活动直接能耗的相关参数，这些参数源于实地调研和针对义乌-宁波货运通道开展研究的文献[12]，是各活动相关设备在各种工况下长期运作的均值，能够比较准确地反映较长时间内(本例为1年)各运输链单位运量的直接能耗，但不能准确描述特定工况下的瞬时能耗。表2 为不同运输链各活动单位经济价值所产生的隐含能耗量，即间接能耗强度，它根据义乌-宁波货运通道所在浙江省的投入产出表计算得到，同样为1年均值，通过结合实地调研获取的各类活动费用均值，能够比较准确地测算1年内各运输链单位运量的间接能耗。此外，本文构建多项Logit 模型(Multinomial Logit，MNL)和混合Logit 模型(Mixed Logit，ML)等多种DCM进行比选，但带有交叉项的MNL模型表现优于ML模型，说明决策者绝大部分异质性可通过自身属性和货物属性解释。因此，后续分析基于带有交叉项的MNL 模型，在剔除显著性水平在0.10以上的变量后，最终模型参数估计结果如表3所示。模型精度ρˉ2(0)为0.654，命中率Hit Ratio为89.78%，表明模型对决策者运输链选择行为的解释能力很强，有助于准确刻画需求侧影响因素变化引起的货运能耗变化。

表1 各运输链直接能耗参数Table 1 Direct energy consumption parameters of each transportation chain

表2 各运输链活动间接能耗参数Table 2 Indirect energy consumption parameters of each transportation chain activity

表3 MNL模型参数估计结果Table 3 Parameter estimation results of MNL model

2.2 货运能耗测度

根据1.1 节，测算本例货运综合能耗为每年106.96万吨标准煤，而公路和铁路运输链各活动类型单位运量能耗如表4所示。总体上，忽视生命周期分别会使公路和铁路运输链综合能耗低估32.29%和58.01%，而忽视次要作业会低估6.20%和11.18%。具体而言，公路运输链综合能耗和直接能耗分别为铁路运输链的1.37倍和2.21倍，表明从直接能耗角度会高估“公转铁”策略节能比例。将公路运输链综合能耗按活动类型分解，公路运输直接能耗占主体，其次是公路运输间接能耗，其余活动贡献总计6.20%；铁路运输链综合能耗构成相对均衡，铁路运输间接能耗贡献最高，其他贡献度超过10%的活动依次为铁路运输直接能耗、公路运输直接能耗和公路运输间接能耗。大，其他依次为公路运输、铁路运输和装卸存储间接能耗。相比于供给侧，通过优化铁路运输链费用、时间和时间波动实现需求侧“公转铁”，进而降低的货运综合能耗比例很低。

表4 公路和铁路运输链各活动类型能耗汇总Table 4 Summary of energy consumption of various types of activities in road and rail transportation chain

2.3 节能潜力分析

根据1.2节，选取对各运输链直接能耗、间接能耗和货运量影响最大的前3个因素，假设其分别优化50%，测算货运综合能耗变化比例和综合能耗的各因素弹性(灵敏度分析，即综合能耗对各因素单位比例变化的反映程度)，如表5所示。总体上，降低公路运输直接能耗对货运综合能耗节能贡献最

表5 义乌-宁波集装箱货运通道综合能耗各部分前3因素的节能潜力分析Table 5 Energy-saving potential analysis of top three factors in each component of embodied energy consumption in Yiwu-Ningbo container freight corridor

3 结论

本文从生命周期视角构建了货运能耗系统测度和节能潜力分析通用框架，并将其应用于义乌-宁波集装箱货运通道，主要结论如下：

(1)有必要从综合能耗角度测算货运能耗，忽视生命周期和次要活动均会低估货运能耗，而仅从直接能耗角度测算会高估公路与铁路运输链能耗比值，进而造成各类策略节能贡献评估有偏。

(2)就供需双重视角能耗影响因素而言，综合能耗的公路运输直接能耗弹性高达0.67，节能贡献远高于其他因素，应聚焦公路运输直接能耗以显著降低货运综合能耗。

(3)虽然“公转铁”策略相对容易实施，但单独实施的节能效果欠佳，如货运综合能耗的铁路运输链费用弹性仅为0.0022，中短期需与直接能耗节能策略结合使用，中长期宜与间接能耗节能策略搭配使用。

后续研究应根据案例特征及节能潜力分析结果，提出更具实操性的节能策略。