城市绿色出行指数白皮书-阿里云&浙江大学.pdf

城市 绿色出行指数 白皮书 --交通出行碳足迹与碳排放计算框架 2022年12月 发布单位： 阿里云 浙江大学 阿里巴巴-浙江大学前沿技术联合研究中心（AZFT） 浙江大学智能交通研究所 浙江省数据开放融合关键技术研究重点实验室 | 2019年度交通分析报告城市绿色出行指数白皮书 《城市绿色出行指数白皮书》以阿里云、浙江省数据开放融合 关键技术研究重点实验室及相关数据挖掘方法为支撑基础，描述城 市交通现状、居民出行特征、出行能耗和碳排放现状，专注绿色出 行评价指标体系及多模式出行碳足迹量化的研究。本报告由阿里云、 浙江大学、阿里巴巴-浙江大学前沿技术联合研究中心（AZFT）、浙 江大学智能交通研究所、浙江省数据开放融合关键技术研究重点实 验室共同发布。我们愿与政府、企业、院校等机构保持开放合作， 共建绿色低碳出行共同体。 联合发布 The Statement 概 述 | 2019年度交通分析报告城市绿色出行指数白皮书 The Statement 声 明 本研究报告提出碳足迹量 化和绿色出行评价指标体系等相 关计算方法，融合了行业统计数 据、移动支付数据及交通卡支付 数据等，力求从时间、空间、效 率三个维度客观、综合地反映城 市居民绿色出行、出行碳排放与 碳减排情况。报告力争做到精准、 精细、精确，为公众出行、机构 研究及政府决策提供有价值的参 考依据。报告中所涉及的文字、 数据、图片及标识等所有内容均 受到中国著作权法、专利法、商 标法等知识产权法律法规以及相 关国际条约的保护。 未经事先书面许可，任何 组织和个人不得将本报告中的任 何内容用于任何商业目的。如引 用发布，需注明出处为“《城市 绿色出行指数白皮书》” ，且不 得对报告进行有悖原意的引用、 删节和修改。报告以中文编写， 英文版由中文版翻译而成，若两 种文本间有差异之处，请以中文 版为准。 “交通评价是一个极其复杂的工程，虽然大数据可以反映城市运行规律和特征，但源于 数据来源和样本渗透的差异性，认识的局限性，设备的不足等困难，更科学、更精确、更 有价值是我们一直追求的目标。” ⚫ 感谢您的关注，敬请留意后续研究结果的发布 | 2019年度交通分析报告城市绿色出行指数白皮书 Executive Summary 执 行 摘 要 面对严峻的全球气候问题，减少碳排放是我们积极应对气候变化、减缓全球变暖 的重要途径。交通深深地影响全球的碳排放情况，同时也无时无刻不影响着每个人的日 常生活与工作。随着我国双碳计划推进，精确高效计算交通碳排放量、客观全面评价交 通绿色出行水平与科学合理制定双碳政策是交通领域推动减碳的三个关键点。 本报告从科学性、合理性、公平性出发，致力于构建一个完善且具推广价值的城 市交通出行碳排放计算框架，为城市绿色出行指数制定与相关碳普惠政策提供精确可靠 的数据支撑。报告从数据获取与分析、计算方法、评价指标与案例展示四个层面分别详 细阐述： 数据获取与分析：本报告在第二章对数据进行阐明，数据均来源于行业公开数据、 公交地铁运营数据、路网流量数据和个人匿名出行数据(*)。基于地理信息与人工智能 等技术，还原时空全景出行链，构建从交通基础设施到城市交通特征、城市居民出行特 征的交通全方位感知。 计算方法：通过对交通模式的划分以及碳普惠行为的界定，本报告第三章与第四 章分别提出了碳排放计算框架与个人出行碳普惠行为碳减量计算。碳排放计算框架遵从 准确性与公平性原则，提出一套针对私家车、出租车/网约车、公交车、轨道交通、电 瓶车、自行车、步行及其他交通方式的碳排放计算模型，并对能源类型、车速、载客量 等影响因素进行修正，最终实现交通出行碳足迹计算。通过计算公共交通出行、骑行、 步行等绿色出行方式可以减少的交通出行碳排放量，个人出行碳普惠行为碳减量计算则 致力于帮助政府构建个人绿色出行碳激励机制，为提高个人参与低碳出行积极性奠定基 础。 城市绿色出行评价体系与指数计算：基于前面章节，第五章构建城市绿色出行评 价指标体系和区域碳足迹评估体系，并提出城市绿色出行指数。指标体系考虑城市经济、 城市绿色出行需求与供给、环境影响，同时建立区域碳足迹量化方法，实现城市绿色出 行碳排放监测与实时评估。城市绿色出行指数考量了“安全、便捷、高效、绿色、经济” 五大内容，为城市绿色出行提供全面综合的衡量标准。 案例展示：为进一步体现该方案的可行性与实用性，本报告第六章以杭州市为例， 采用实际交通出行数据，分别实现出行链、道路、城市三个级别的多种出行方式交通碳 排放计算，并实现可视化展示。通过计算得出，杭州普通工作日单日交通出行碳排放约 3.6万吨，并且其主要来源是小汽车出行。 本报告的最后一章对交通碳足迹计算与评价在城市交通管理政策支持的作用进行 了简要阐述，希望交通出行碳足迹与碳排放计算框架能够帮助完善碳交易市场、引导合 理交通出行方式选择和协调城市交通发展。 注：(*) 个人匿名出行数据来自统计数据和基于MaaS平台用户自主上传数据，数据处理过程不涉及个人敏感 信息，严格保障个人出行数据的隐私安全。 目 录 1. 前言……………………………………………………….……. 6 1.1. 背景介绍………………………………………………. 7 1.2. 报告概况………………………………………………. 8 2. 数据说明…………………………………………………… 9 2.1. 个人出行数据……………………………………. 10 2.2. 能源数据……………………………………………. 12 2.3. 交通基础设施数据、城市居民画像、 机动车数据……………………………………… 12 3. 碳排放计算框架………………………………………. 13 3.1. 交通模式划分…………………………………….14 3.2. 碳排放计算模型…………………………………14 3.3. 碳排放因子计算…………………………………. 15 3.4. 碳排放修正因子计算…………………………. 16 4. 个人出行碳普惠行为碳减量计算………… 17 4.1. 个人出行碳普惠行为…………………………. 18 4.2. 个人出行碳普惠行为碳减量计算……… 19 5. 城市绿色出行评价…….…………………………. 20 5.1. 城市绿色出行指标体系……………………… 21 5.1.1. 城市居民绿色出行画像……………… 21 5.1.2. 城市绿色出行评价指标体系……… 22 5.2. 城市交通碳足迹评估体系……………… 24 5.2.1. 基于个人出行数据的区域碳足迹量化 方法……………………………………………… 24 5.2.2. 基于路网流量数据的区域碳足迹量化 方法……………………………………………… 24 5.2.3. 区域碳足迹量化监测与评估……… 25 5.3. 城市绿色出行指数………………………… 26 5.3.1. 城市绿色出行指数五大指标………… 26 5.3.2. 城市绿色出行指数计算原则………….27 5.3.3.城市绿色出行指数计算方法……… 27 6. 杭州交通出行碳排放案例计算………………. 28 6.1. 案例概述…………………………………………… 29 6.2. 杭州背景…………………………………………… 30 6.3. 杭州市交通出行碳排放计算案例…… 32 6.3.1. 数据说明………………………………………. 32 6.3.2. 出行链级别交通出行碳排放计算… 32 6.3.3. 道路级别交通出行碳排放计算…… 34 6.3.4. 区域级别交通出行碳排放计算…… 35 7. 城市交通管理政策支持……………………………. 37 7.1. 完善碳交易市场…………………………………. 38 7.2. 引导合理交通出行方式选择……………. 40 7.3. 协调城市交通发展…………………………… 42 附录A：名词解释…………………………………………. 44 附录B：碳排放计算模型……………………….………. 45 附录C：碳排放因子计算…………………………… 49 附录D：碳排放因子修正…………………………… 53 附录E：个人出行碳普惠行为碳减量计算……… 56 附录F：城市绿色出行评价指标体系……………. 57 附录G：城市交通碳足迹量化方法………….……. 59 附录H：城市绿色出行指数计算…………….……. 61 附录I：参考文献…………………………………………. 62 PART 1 前 言 | 2019年度交通分析报告7 | 前 言 1.1 背景介绍 为应对愈发严峻的全球气候变化问题，2015年联合国气候变化大会通过了《巴黎 协定》，其中提出全球各国应共同努力降低全球温室气体排放，将全球气温升幅限制在 比工业化前水平高2℃（3.6℉）以内，并寻求将气温升幅进一步限制在1.5℃以内的措 施。该协议是继《京都议定书》后引领全球踏入零碳社会的重要举措，标志着低碳世界 转型的开始[1]。 我国作为拥有14多亿人口的发展中国家，是遭受气候变化不利影响最为严重的国 家之一，积极应对气候变化，努力控制温室气体排放，提高适应气候变化的能力，是实 现可持续发展的内在要求和打造人类命运共同体的责任担当。2020年9月，习近平总书 记在第75届联合国大会一般性辩论上宣布中国二氧化碳排放力争于2030年前达到峰值， 努力争取2060年前实现碳中和[2]。作为负责任的大国，我国正在积极强化应对气候变 化的行动目标与措施，为促进全球可持续发展贡献中国智慧与力量。 2019年，国务院印发《交通强国建设纲要》明确牢牢把握交通“先行官”的定位 [3]。为全面深入推进交通运输绿色发展，加快节能降碳，交通运输部于2021年印发 《绿色交通“十四五”发展规划》[4]，明确优化交通运输结构，提升综合运输能效；推 广应用新能源，构建低碳交通运输体系，全面推进交通运输节能减排和低碳发展。 为顺应国家碳达峰碳中和发展趋势，2021年浙江省发展和改革委员会、浙江省生 态环境厅印发《浙江省应对气候变化“十四五”规划》的通知，指出深入实施公共交通 优先发展战略，倡导自行车、步行等慢行交通出行，以及网约车、共享单车、汽车租赁 等共享交通出行模式，加快推进绿色低碳的现代化交通发展[5]。当下，交通运输领域正 在为实现碳达峰碳中和提供强力支撑。 碳普惠制指为民众的节能减碳行为产生的碳减量进行核算和赋予一定的价值，并 建立起以商业激励、政策鼓励和核证减排量交易相结合的正向引导机制，是对现行碳交 易机制的延伸和有效补充[6]。碳普惠制将个人减碳行为纳入碳交易框架中，帮助实现个 人碳减排的市场交易。 以碳普惠方式鼓励公众选择公共交通、骑行、步行等绿色出行方式，对出行者在 交通方式选择上进行正向激励，将有助于调动全社会践行绿色低碳行为的积极性，形成 社会公众绿色低碳、文明健康的出行方式与消费模式，助力交通运输领域的碳达峰与碳 中和。 全球背景下的碳减排目标 交通运输领域的双碳计划 碳普惠制助力绿色低碳出行 | 2019年度交通分析报告8 | 前 言 1.2 报告概况 本报告基于行业公开数据、公交地铁运营数据、路网流量数据和个人匿名出行数 据(*)，通过人工智能算法还原时空全景出行链，利用碳排放模型计算居民出行碳排放与 碳减量，保证碳普惠制的科学性、合理性与公平性。在此基础上计算区域碳排放，构建 城市绿色出行评价体系和区域碳足迹评估体系，并建立城市交通出行碳排放监测平台。 本报告旨在通过居民出行碳足迹量化，引导公众选择公共交通或共享交通等绿色低碳出 行方式，促进交通行业的节能减排，推进碳交易市场的规范化建设和科学健康发展，为 政府提供城市交通可持续发展政策决策支持，助力碳达峰碳中和的实现。 数据来源 个人匿名出行数据 地理信息数据 车辆信息数据 多源异构大数据 人工智能算法 时空全景出行链还原 数据输入层 数据挖掘层 模型计算层 评价应用层 碳排放计算框架 多模式出行 碳足迹量化 交通方式划分 碳排放因子计算 碳排放因子矫正 公交地铁运营数据 路网流量数据交通基础设施数据 注：(*) 个人匿名出行数据来自统计数据和基于MaaS平台用户自主上传数据，数据处理过程不涉及个人敏感 信息，严格保障个人出行数据的隐私安全。 绿色出行指标体系 & 碳足迹评估体系 城市绿色出行评价与应用 量化碳普惠行为碳减量 个人层面 完善碳交易市场 社会层面 支持城市交通管理政策 政府层面 数据可视化层 城市交通出行碳排放监测平台 实时道路/城市级碳排放热力图实时道路/城市级碳排放量 数字化 可视化 PART 2 数据说明 | 2019年度交通分析报告10 | 数据说明 2.1 个人出行数据 不同交通方式的静态及动态数据 本报告从时间、空间、效率三个维度，综合、客观地反映城市居民绿色出行现状、 出行碳排放与碳减排情况。主要涉及的数据有：个人匿名出行数据（包括基于城市统计 数据清洗之后的出行数据和基于MaaS 平台用户自主上传数据）、能源数据、交通基础 设施数据及城市居民画像数据。 不同交通方式的数据包含静态和动态数据两个类别。静态数据与交通方式本身运行 特性及过往历史运行特征相关，动态数据与单次出行活动紧密相关。 [7] (*) 注： (*) 图示非数据来源，仅为数据处理及可视化展示示意图，来源： TransLoc. https://triangle.transloc.com/ • 私家车/出租车/网约车静态、历史数据：车辆发动机信息、车辆尾气处理设备信息、 车辆排放标准等。 • 私家车/出租车/网约车动态数据：单次出行活动起终点、路线GPS数据、车辆运营状 态（载客/接单/空驶/停运）、车辆运行状态数据（转速、加速、减速、起停）、单 程平均延误时间、单程行驶距离等。 | 2019年度交通分析报告11 | 数据说明 注： (*) 图示非数据来源，仅为数据处理及可视化展示示意图，来源： TfL, Bike ShareMap. https://bikesharemap.com/london/ (*) [8] • 公交车静态、历史数据：公交车ID、发车间隔、公交车路线距离、车辆发动机信息、 车辆尾气处理设备信息、车辆排放标准、车辆使用能源类型、车辆年行驶距离、车 辆年载客人数等。 • 公交车动态数据：单次出行活动起终点、公交车随行GPS数据、公交车运行状态数据 （转速、刹车、加速、速度、起停等）、公交载客率、公交正点运行数据、（工作 日/非工作日）日平均载客人数等。 • 轨道交通静态数据：轨道交通线路及其长度、班次信息、发车间隔、列车ID、列车年 行驶距离、列车年载客人数等。 • 轨道交通动态数据：单次出行活动起终点、地铁刷卡数据、（工作日/非工作日）日 平均载客率、日平均载客人数等。 • （公共）自行车静态数据：自行车停放桩位置、自行车使用年限等。 • （公共）自行车动态数据：自行车停放时长/使用时长、自行车状态（使用/空闲/损 坏）、自行车GPS数据、单次出行活动行驶距离、行驶时间等。 | 2019年度交通分析报告12 | 数据说明 2.2 能源数据 终端能耗数据 • 排放因子：基础排放因子（参照国内外各类型车辆排放标准）。 • 修正因子：对于地面交通（出租车/网约车/私家车/公交车），考虑速度、载客率、道路坡度、 天气的修正因子。对于轨道交通，考虑载客率、天气的修正因子。 长期/近期公共交通设施情况 城市居民画像和机动车数据 2.3 交通基础设施数据、城市居民画像、机动车数据 终端能耗数据是量化碳排放的关键，是节能政策分析、预测、规划的重要依据。终 端能耗数据对应不同交通方式的多种能源形式（如汽油、柴油、天然气、电力等），及 每种能源形式的能耗值、排放因子和修正因子。 不同交通方式的能源形式 交通方式 涉及能源形式 轨道交通 电力消耗量 私家车/出租车/网约车/公交车 汽油、柴油、燃料油、电力消耗量 通过全方位勾勒人群画像（人群分布与变化、人均GDP等）进行不同区域间联系、 城市职住分析、公众中心识别及人口分布分析，可以为科学规划与评价城市绿色出行情 况提供全面客观的数据支持。 现有机动车数据（机动车保有量、公交车辆万人保有量、新能源车辆占比等）在评 价机动车污染防治力度、机动车排放标准升级推行情况、新能源车发展态势、车用燃料 清洁化推动进度和运输结构调整等方面有着更为直接的追踪记录作用，可以辅助城市绿 色出行评价体系的搭建。 交通基础设施具有强外部性、公共产品属性等特点，在环境和气候领域的锁定效应 也越来越受到关注。描述公共交通设施长期/近期情况需收集以下数据：城市建成区平均 道路网密度、道路面积率、非机动车道设置信息、公交专用车道设置信息、人行道设置 信息、非机动车道设置信息、公交站点覆盖区域信息、地铁站覆盖信息等。 PART 3 碳排放计算框架 | 2019年度交通分析报告14 碳排放计算框架 3.1 交通方式划分 私家车(𝒊 = 𝟏) 传统燃油汽车、纯电动汽 车、混动汽车 出租车/网约车(𝒊 = 𝟐) 传统燃油汽车、纯电动汽 车、混动汽车 轨道交通(𝒊 = 𝟒) 自行车(𝒊 = 𝟔) 电瓶车(𝒊 = 𝟓) 步行(𝒊 = 𝟕) 其他交通方式(𝒊 = 𝟖) 水上公交、摩托 公交车(𝒊 = 𝟑) 燃油汽车、纯电动汽车、 混动汽车、天然气汽车 本报告中提出的碳排放量计算模型采取自下而上的计算方式，以个人单次出行为计 算单元，计算单条出行链上的碳排放量。针对含有多种交通方式的复杂出行链，则将出 行链按交通方式截断后分别计算，汇总后获得单条出行链的碳排放总量。路段及区域级 的碳排放量则在出行链碳排放量的基础上，根据5.2章的计算方法获得。 个人出行链状况复杂，其起终点、路径选择和出行的时间与距离都具有不确定性， 并且一条出行链可能由多种交通方式组成，不同交通方式又引起较大的碳排放量差异。 为了准确计算单条出行链的碳排放量，本报告将交通方式划分为如下八种类型，并将出 行链根据交通方式划分为多段。 由于不同能源类型的车辆也具有较大的碳排放量差异，在私家车、出租车/网约车、 公交车的碳排放量计算中，报告将按照能源类型进一步划分为燃油汽车、纯电动汽车和 混动汽车等类型(*)。 3.2 碳排放量计算模型 本报告在研究了各种排放模型的基础上，提出了具有高度可实施性，兼具准确性和 公平性的碳排放量计算模型。该模型以出行链为计算单位，既可以计算单条出行链的碳 排放量，也可以聚合各出行链的碳排放量，从而实现区域碳足迹量化。（详细碳排放计 算模型请见附录B。） 准确性: 在误差允许的范围内，模型计算的碳排放量应至少满足单条出行链或区域碳足迹量 化的准确性，并尽可能接近真实值。 公平性: 指出行意愿的公平性，即在其余条件(出行时间、出行路线、天气等)相同的情况下， 选择同种出行方式的个人，所产生的碳排放量应该是相同的。 注：(*） 报告对交通方式进行了编号，后续公式中将使用对应编号代表相应的出行方式。 | 2019年度交通分析报告15 碳排放计算框架 𝐸 = ෍𝛼𝑖 ∙𝐸𝐹𝑖 ∙𝑑𝑖 式中： 𝐸: 单条出行链的碳排放量（单位：g/人） 𝛼𝑖: 第 𝑖 种交通方式的碳排放修正因子 𝐸𝐹𝑖 : 第 𝑖 种交通方式的基础碳排放因子（单位：g/（人·km ）） 𝑑𝑖 : 第 𝑖 种交通方式的出行距离（单位：km) 碳排放量计算公式如下： 其中，𝑑𝑖及对应的交通方式从个人的出行链中提取， 𝐸𝐹𝑖则针对不同的交通方式和 能源类型采取不同的计算方式，并通过相对应的𝛼𝑖进行修正。 3.3 碳排放因子计算 根据车辆能源类型不同，基础碳排放因子通过能源生命周期法计算相应能源类型的 车辆获得。计算中考虑公平性，即在出行时间、出行路线、天气等条件相同的情况下， 选择相同出行方式的个人，所产生的碳排放量认为是相同的。考虑到个人乘坐出租车/ 网约车/公交车时，无法选择能源类型，碳排放量计算容易产生较大差异，影响其公平 性，因而出租车/网约车/公交车按照计算区域内车辆能源比例加权平均计算。而在计 算私家车基础碳排放因子时，个人购买车辆决定了车辆的能源类型，间接地表达了个人 的出行意愿，因此私家车基础碳排放因子将根据车辆能源类型分别计算。 单位里程能耗 碳排放因子 单位能源 碳排放因子 电力车辆 燃油车辆 混动车辆 无排放 | 2019年度交通分析报告16 碳排放计算框架 3.4 碳排放修正因子计算 在实际交通场景中，车辆实际碳排放量随驾驶环境与状态动态变化。碳排放量会受 到汽车速度、交通拥堵、道路坡度、载客率等多种因素影响，仅靠基础碳排放因子无法 计算出准确的碳排放量。因此，城市交通出行碳足迹计算需要根据具体场景对基础碳排 放因子进行修正。本报告将不同场景下的碳排放量变化转换成相对于基础碳排放因子的 比例，即修正因子𝛼，通过𝛼与排放因子的乘积计算实际的碳排放因子。 在修正因子的计算中，本报告将修正因子分为地面交通和轨道交通两大类，其中地 面交通包括私家车、出租车/网约车、公交车三类。 考虑到电瓶车和自行车基本处于低速场景中，且其碳排放量较低，故不进行碳排放 因子修正。步行为零碳出行，其修正因子为0。对于其他交通方式，因所占比例较小、 缺乏统计数据等原因，本报告中也不进行修正。 值得注意的是，理论上纯电动汽车在行驶过程中不会产生碳排放量，但其所使用的 电能在生产过程中会产生部分碳排放量，因此，本报告使用当地电网发电过程中的CO2 排放因子与电动车单位里程的平均耗电量的乘积作为电动车辆的基础排放因子。 详细碳排放因子计算公式，请参考附录C。 影响碳排放的因素会随着时间和空间发生改变。为对应不同时空影响因素的变化， 本报告针对不同交通方式和不同的时空特征，提出建立如下所示的时空分布表(**)： 速度km/h 时间分布 平均坡度% 载客率% 7:00-8:00 8:00-9:00 9:00-10:00 10:00-11:00 … 按方向区分 空 间 分 布 湖滨银泰 20 15 30 30 595 100 70 75 -5 龙湖天街 25 20 33 38 369 72 50 56 -3 火车东站 v v v v θk k k k -θ …… 工作日公交车速度/载客率/坡度时空分布表 注：(*) 私家车、出租车的载客率用平均载客率表示 (**)时空分布表中的数据仅作为示例，不代表真实数值。 每种交通方式都会对应一张工作日和一张节假日的时空分布表。表中的数据为统 计时间内对应时段、对应区域、对应交通方式的平均值。出于公平性的考虑，在其余 条件(出行时间、出行路线、天气等)相同的情况下，选择公交出行的个人，所产生的 碳排放量认为是相同的。但实际过程中，车辆受驾驶行为和交通状况的影响，同种交 通方式的碳排放量会有一定差别。因此，本报告将在相应时段、区域内行驶的车辆数 据直接使用时空分布表中的数据进行替代。这样的方法既满足了公平性，也保证了区 域碳足迹量化时的准确性。通过时空分布表计算碳排放修正因子的详细方法，请参考 附录D。 PART 4 个人出行碳普惠行为碳减量计算 | 2019年度交通分析报告18 | 数据说明 4.1 个人出行碳普惠行为 运作方式 绿色交通方式 公交车 碳排放基准线计算 绿色出行碳排放计算 普惠场景 行为界定 碳减量计算 积分兑换 规则 商业/公益 资源合作 步行自行车 轨道交通 兑换商品 认购碳汇 公益成就证书 碳普惠制是为市民和小微企业的节能减碳行为赋予价值而建立的激励机制，为民众 节能减碳行为产生的碳减量进行核算和赋予一定的价值。其通过建立以商业激励、政 策鼓励和核证减排量交易相结合的正向引导机制，对现行碳交易机制进行了延伸和有 效补充。 碳普惠制将个人减碳行为纳入碳交易框架中，帮助实现个人碳减排的市场交易。个 人出行碳普惠鼓励公众选择公共交通、骑行、步行等绿色出行方式，将有助于调动全 社会践行绿色低碳行为的积极性，形成社会公众绿色低碳、文明健康的出行方式与消 费模式，助力交通运输领域的碳达峰与碳中和。 积分核算规则 碳交易规则 全社会的低碳发展离不开每一位公民的支持。考虑到个人端碳排放的“小、散、 杂”的特点，政府应制定相应政策决策，采取不同的方式正确引导居民碳普惠行为， 帮助个人树立低碳、绿色、环保的出行理念，充分调动全社会践行绿色低碳行为的积 极性，从而实现可持续发展的目标。 | 2019年度交通分析报告19 | 数据说明 4.2 个人出行碳普惠行为碳减量计算 碳排放计算是帮助个人参与碳交易的重要内容，并且是建立公平合理绿色出行碳激 励机制的基础。为保证碳交易与碳激励机制的科学性、真实性和准确性，个人碳普惠行 为碳减量的计算需要整合城市交通拥堵数据、公共交通断面客流数据、公共交通能耗和 运营数据以及个人匿名出行数据。本报告碳普惠行为所涵盖的绿色出行方式包括公交车、 轨道交通、自行车、步行。 反映城市内单位人次单位出行距离的平均碳排放现状。由城市交通出行方式（公交 /轨交/私家车/出租车/网约车等）的碳排放总量（g）除以城市综合出行活动水平总量 （人·km）得到。 基准线碳排放因子 反映单位出行活动水平下碳普惠行为（即选择绿色出行方式）可减少的碳排放量。 即碳普惠行为对应的基础碳排放因子与基准线碳排放因子的差值。 碳普惠行为碳减排因子 个人出行碳普惠行为碳减量 反映单个个体的碳普惠行为（即绿色出行）可减少的碳排放量。由碳普惠行为碳减 排因子（ g/人·km）乘以对应碳普惠行为的出行距离（km）得到。 城市交通出行方式碳排放总量 基准线碳排放因子 基准线 碳排放因子 碳普惠行为 基础碳排放因子 碳普惠行为 出行距离 个人出行碳普惠 行为碳减量 本节具体计算公式请见附录E。 PART 5 城市绿色出行评价 | 2019年度交通分析报告21 | 城市绿色出行评价 为了解城市居民绿色出行现状，本报告设计并通过支付宝平台于2020年5月27日至 30日进行全国范围内的问卷调查。调查考虑城市经济发展、人口规模和公共交通客流 的差异，采用分层随机抽样的方法设计不同城市样本的目标规模，以保证样本的可靠性 和代表性。通过分析发现： • 环保因素和健康因素在居民选择出行方式时的考量较少。交通方式的便利性、安全 性、经济性是居民在选择出行方式时最主要的衡量因素。相比之下，环保因素和健 康因素受到的关注较少。 • 地面公交仍是城市中使用频率最高的绿色交通方式。其次是自行车。建设成本最高 的地铁，其使用比例略少于公交车和自行车。 5.1 城市绿色出行指标体系 5.1.1 城市居民绿色出行画像 45% 50% 53% 55% 56% 67% 79% 健康因素 环保因素 天气因素 舒适因素 经济因素 安全因素 便利因素 影响居民选择出行方式的因素 37% 30% 33% 有地铁城市： 公交车 地铁 自行车 56%44% 无地铁城市： 城市公共交通方式分担率 通过调查居民对于绿色交通方式的出行体验发现： • “候车时间长”“班次少”“道路拥堵”是城市公共交通 的主要“槽点”。这些原因降低了居民乘坐公交出行的幸 福感，体现出现有公共出行存在的最大问题在于城市交通 供应供给端。公开数据显示，公交出行方式正点率不足 40%，并且只能满足75%调查对象的通勤需求，而一线城 市使用公交出行的居民中不需转乘的仅为48%[9]。 • “智慧设施不完善”、“支付不方便”等理由反映出居民 对智慧公交系统的期待。城市智能公共交通系统的建设与 推广，是提高居民公共交通出行满意度与幸福感的重要且 有效的途径。 居民对于绿色交通方式的 不满意原因 | 2019年度交通分析报告22 | 城市绿色出行评价 在不同政策情景下，对使用绿色交通方式出行频率较少的居民是否会优先选择绿色 交通进行意愿统计。通过调查居民对于激励其绿色出行的途径发现： • “政府重视绿色出行，加强媒体宣传”“大范围推广智能交通系统”可以极大地鼓 励居民选择绿色出行方式。 89.2 89.7 90.0 90.1 90.7 90.8 90.9 88 89 90 91 适当降低公共交通的票价 缩短您居住地与站点之间的距离 修建自行车和快速公交专用车道 缩短您在公共交通站点的等候时间 减少换乘 大范围推广智能交通系统 政府重视绿色出行，加强媒体宣传 激励居民绿色出行的途径支持率 为有效评估城市绿色交通发展水平，促进交通碳减排、缓解交通拥堵，本报告提出 城市绿色出行评价指标体系（以下简称“指标体系”），以量化评价城市绿色出行现状 及城市交通对环境的影响。 为描述城市绿色出行现状，指标体系考虑城市经济基础，分别从出行者、服务提供 方的角度，描述城市绿色出行需求以及公共交通服务供给水平。同时基于碳足迹量化体 系，有效评估城市交通出行碳排放水平。 5.1.2 城市绿色出行评价指标体系 城市绿色出行 出行 需求 公交 供给 城市经济 基础 环境影响 | 2019年度交通分析报告23 | 城市绿色出行评价 绿色出行方式定义 公交车 轨道交通 自行车 步行 城市居民画像 绿色交通设施画像 居民出行特征城市绿色 出行评价 指标体系 城市交通碳排放 描述城市经济、机动车保有量等私人交通出行条件 描述居民日常出行方式、频率、时长等特征与规律 描述城市地面公交、轨道交通、非机动车、步行等绿 色交通设施建设与服务水平 描述城市个人出行、个人碳普惠出行等碳排放情况 指标参考依据 ▪ 联合国环境规划署《全球空气污染立法评估》（2021） ▪ 中国交通运输部《公交都市考核评价指标体系》（2013） ▪ 中国国家标准《城市公共交通发展水平评价指标体系》（2017） ▪ 浙江省地方标准《城市公共交通服务评价指标》（2017） 本指标体系参考联合国、中国交通运输部、国家标准及浙江省地方标准对于公共交 通发展水平以及碳排放水平的指标建议，选取与城市经济基础、交通出行特征、公交服 务供给以及交通碳排放相关指标，最终确定指标体系的四个组成部分： 本指标体系中的绿色出行方式以及参考依据如下： 完整指标体系请见附录F。 绿色出行，即采用对环境影响较小的出行方式，既节约能源、提高能效、减少污染， 又益于健康、兼顾效率的出行方式。本指标体系中所包括得绿色出行方式为： | 2019年度交通分析报告24 | 城市绿色出行评价 5.2 城市交通碳足迹评估体系 5.2.1 基于个人出行数据的区域碳足迹量化方法 城市私家车保有量和使用率的快速上升，带来了严重的交通拥堵、空气污染和碳排 放问题。使用地面公交、轨道交通、自行车等低碳出行方式被认为是城市“缓堵减排” 的重要途经。碳排放的时空特征监测将为城市交通拥堵治理提供新思路，同时能够有效 反映拥堵治理与交通碳减排措施成效，实现包容性绿色增长。为此，本报告分别基于个 人出行数据和路网流量数据，设计了区域交通碳足迹量化方法。 计算时空划分—碳足迹（出行链）分割—区域碳足迹计算 景点 本方法基于第3章中碳排放计算框架，计算各时间段中区域范围内的碳排放量。根 据需求可将时间划分为分钟级、小时级、日级或月级；可将区域划分为市区级或路段级 等网格区。通过累加各栅格中计算时段内所有出行链产生的碳排放，获得该时段不同区 域的碳足迹。 本方法以路段为基本单元，结合城市路网流量数据、公共交通运营数据、各交通方 式单位车辆排放系数及其排放修正因子等，计算时间段中区域范围内的碳排放量。 5.2.2 基于路网流量数据的区域碳足迹量化方法 各交通方式路网划分—路段碳排放密度计算—区域碳足迹计算 1 2 13 19 5 12 18 4 14 20 6 3 7 11 10 9 8 15 21 17 23 24 2216 当城市内居民出行数据与路网流量数据完整的情况下，本量化方法与基于个人出行 数据的区域碳足迹量化方法所算得的区域（客运）碳排放量应相等。 详细的区域碳足迹量化方法，请参考附录G。 | 2019年度交通分析报告25 | 城市绿色出行评价 基于区域内碳足迹量化方法，可以获取各区域、各时段、各交通方式的碳排放量密 度热力图，用以实时检测路网中碳排放情况。其预期可视化结果如图： 5.2.3 区域碳足迹监测与评估 市区级别碳排放密度热力图 路段级别碳排放密度热力图 注： (*)图中所示数据均为样例，非实际计算值。 | 2019年度交通分析报告26 | 城市绿色出行评价 5.3 城市绿色出行指数 城市绿色出行指数旨在衡量城市绿色出行水平与理想值或目标值的接近水平，通过 统一的衡量指标实现对不同城市绿色出行水平的提供具有指导意义的评价。2021年10 月，国务院印发了《2030年前碳达峰行动方案》，对交通运输绿色低碳发展提出了三 点要求：“推动运输工具装备低碳转型、构建绿色高效交通运输体系、加快绿色交通基 础设施建设” [10]。2022年3月，交通运输部印发了《交通强国建设评价指标体系》， 围绕“安全、便捷、高效、绿色、经济”五个基本特征考量我国交通建设水平[11]。 本节基于《2030年前碳达峰行动方案》的要求与《交通强国建设评价指标体系》 的五个基本特征，并结合5.1 城市绿色出行指标体系与 5.2 城市交通碳足迹评估体系中 城市绿色出行重点关注内容，同时参考联合国发布的可持续城市交通指数 （Sustainable Urban Transport Index）[12]，采用层次分析法，建立适用于不同城 市、不同发展状态的城市绿色出行指数计算体系。 安全：安全是城市绿色出行最基本要求，同时也是影响居民出 行方式选择的第二大因素。城市绿色出行指数从绿色交通出行事故 发生频率与绿色交通出行事故死亡人数衡量城市绿色交通安全性。 便捷：交通便捷程度是影响居民出行方式选择的 首要因素。城市绿色出行指数考量绿色交通基础设施 覆盖率、绿色交通基础设施无障碍水平以及绿色交通 出行服务满意度三方面，衡量城市绿色出行便捷度。 高效：在居民对于绿色交通不满意原因中， “候车时间长”、“道路拥堵”两个原因最为突 出。城市绿色出行指数从绿色交通运行畅通水平 和智慧化程度两个方面出发，衡量绿色交通效率。 城市绿色 出行指数 绿色：绿色是城市绿色出行指数的最核心指标， 用于衡量城市交通出行中绿色出行的发展水平与城市 出行碳排放的控制水平。 经济：衡量绿色交通基础设施建设的投资水平，以及城市居民 对绿色交通出行支出承受能力。 5.3.1 城市绿色出行指数五大指标 | 2019年度交通分析报告27 | 城市绿色出行评价 5.3 城市绿色出行指数 城市绿色出行指数以层次分析法为基础，建立二级指标体系，计算时根据专家打分 法确定对不同指标的权重。计算过程中遵循以下原则： • 目标性：城市绿色出行指数是和目标值的接近程度，每一个指标都设有与其对应的 目标范围； • 归一化：指数中各项指标量纲不同，不能直接整合计算，因此需要基于目标范围值 转化为0~1之间的数值； • 灵活性：指数计算中，可根据不同城市不同的交通方式进行调整，如：在计算出行 分担率、设施覆盖率等指标时，可更具当地绿色交通方式的种类进行适当增删； • 发展适应性：为适应不同城市、不同发展时期的绿色交通出行评价需求，应根据当 年目标范围调整后进行计算。 5.3.2 城市绿色出行指数计算原则 5.3.3 城市绿色出行指数计算方法 城市绿色出行计算 城市绿色出行指数由五大一级指标和各二级指标构成，通过各级指标乘以相应权重 值的积累加后获得。最终数值在0~100范围内。 城市绿色出行计算流程 当年各指标目标值或范围 统计填写各指标数值 无量纲化 数据准备 归一化 指数计算 绿色交通出行事故数据 二级指标加权求和 一级指标加权求和 交通基础设施数据 新能源车辆数据 绿色交通出行碳排放数据 城市交通运行数据 绿色交通基础设施投资数据 交通出行问卷调查数据 完整城市绿色出行指数计算指标及计算方法请见附录H。 PART 6 杭州市交通出行碳排放计算案例 | 2019年度交通分析报告29 | 杭州市交通出行碳排放计算案例 6.1 案例概述 为测验本报告第4章的碳排放计算框架，本章节将以案例方式分别从时间、空间、 出行方式等多角度全面计算城市交通出行碳排放量，展示本方