中国综合交通运输体系碳排放影响因素研究
王海燕，王 楠
（武汉理工大学 交通学院，湖北 武汉 430000）
[摘 要 ]建立了基于中国综合交通运输体系碳排放影响因素分解模型的LMDI I（Log-Mean Divisia Index Method I）算法，将我国综合交通运输体系划分为公路、铁路、国内水运、国内民航四种方式，利用我国2003-2015年相关数据，对我国综合交通运输体系碳排放变化影响因素进行分解分析。研究结果表明：2003-2015年间，运输强度Y和交通运输结构S为主要的综合交通运输体系碳排放促进因素，交通运输能耗强度R为主要的抑制因素；R自2006年以来对我国综合交通运输体系碳排放有由抑制转为促进的趋势，而Y和S自2006年以来的情况则相反。对我国综合交通运输体系碳排放变化影响因素的分解分析为我国综合交通运输体系碳减排政策和措施的制定提供了依据。
[关键词 ]综合交通运输体系；碳排放；因素分解
1 引言
近年来全球气候变暖已经成为广泛共识，气候变暖会给人类的生存带来严重影响，空气中二氧化碳排放的增加是气候变暖的根本原因，而交通运输业的发展则带来了大量的二氧化碳排放。在此背景下，对我国综合交通运输体系碳排放（碳排放即为CO2排放，下同）影响因素进行研究，可以为制定我国综合交通运输体系碳减排的政策措施提供依据，从而为推进我国交通运输碳减排和缓解全球气候变暖作出贡献。
国内外对交通运输碳排放影响因素进行了一系列研究。在研究的方法学方面：Forrester J W提出系统动力学模型，并对模型进行了描述[1]；Dietz T等提出随机的IPAT（environmental Impacts equal the multiplicative product of Population,Affluence,and Technology）模型，并通过实例对模型进行了验证[2]；York R等对IPAT模型进行了改进，提出STIRPAT（Sto-chastic Impacts by Regression on Population,Affluence,and Technology）模型，并利用实例对模型的应用效果进行了验证[3]；Tapio P在前人研究的基础上提出了新型脱钩模型，新模型对脱钩指标体系进行了完善，并利用新模型对欧盟15国1970-2001年间交通运输碳排放、交通量和交通运输业GDP三者的关系进行了脱钩分析[4]；Ang B W等对传统的迪式因素分解算法进行了改进，提出LMDI II（Log-Mean Divisia Index Method II）分解算法，后又针对LMDI II算法缺乏聚集一致性的缺点提出了LMDI I算法，LMDI I算法可以完全分解残差，且具有聚集一致性[5-6]。
在交通运输碳排放影响因素研究方法的应用方面：焦萍等基于系统动力学理论及演变情景分析研究了交通运输碳排放转移对碳排放长期演变的影响[7]；唐丽敏等利用系统动力学对我国交通运输业节能减排路径进行了研究，得出改善交通运输结构是最有效的路径的结论[8]；庞琳基于STIRPAT模型建立面板数据模型，对我国分区域交通运输碳排放变化影响因素进行了分析[9]；柴建等通过构建基于多国的面板数据模型得出交通运输结构调整对碳排放的定量影响[10]；杨琦等构造了中国交通运输业碳排放的因果链，基于弹性脱钩模型进行了中国交通运输业碳排放与GDP弹性脱钩分析[11]；杨良杰等利用Tapio脱钩模型研究了江苏省交通运输碳排放与交通运输业经济发展的脱钩关系，发现两者的主要脱钩关系为扩张负连接、扩张负脱钩和弱脱钩[12]；Papagiannaki K等采用LMDI I算法对丹麦和希腊1990-2005年客运CO2排放变化影响因素进行了分解分析[13]；白娟基于Kaya恒等式建立了LMDI I因素分解算法模型，运用IPCC（Intergovernmental Panel on Climate Change）测算体系测算了我国1995-2004年交通运输业的碳排放量，并据此对我国交通运输碳排放变化影响因素进行了分解分析[14]；何彩虹以上海市为例，基于人口、人均交通运输业产值、单位交通运输业产值能耗、交通运输能耗结构、交通运输能源碳排放强度五个因素建立交通运输碳排放变化的LMDI I影响因素分解算法模型[15]；喻洁等运用LMDI I因素分解算法对我国2005-2011年间交通运输业碳排放变化影响因素进行分解分析，分别得出对我国交通运输业碳排放具有促进作用和抑制作用的影响因素及其影响程度[16]；张宏钧等基于Laspeyres指数分解方法，建立公路与铁路CO2排放的二次分解模型，对中国和其他6个国家公路与铁路交通碳排放影响因素进行了研究[17]；袁凤丽从客货运两个方面研究了我国交通运输碳排放变化影响因素[18]。
总的来看，目前的研究热点是利用各种模型与方法研究交通运输碳排放影响因素，但在研究特定区域或国家交通运输碳排放影响因素时，未对航空运输中的国际航空和国内航空加以区分，导致交通运输碳排放未在区域或国家间得到合理分担，从而与所研究的特定区域或国家的实际情况有所出入，再就是对近几年的交通运输量和交通运输能耗等数据利用较少，不能较好地反映近几年和未来的交通运输碳排放及其影响因素的变化趋势。为此，本文在研究我国综合交通运输体系碳排放影响因素时，将我国综合交通运输体系划分为公路、铁路、国内水运和国内民航四种方式，在此基础上，构建我国综合交通运输体系碳排放影响因素分解模型和我国综合交通运输体系碳排放变化影响因素分解分析算法，利用我国2003-2015年相关数据对我国综合交通运输体系碳排放变化影响因素进行分解分析，以期为制定我国综合交通运输体系碳减排的政策措施提供依据，进而为缓解全球气候变暖作出贡献。
2 模型建立
在建模之前，首先对所研究的中国综合交通运输体系碳排放进行界定。
选取2018年4月～9月呼吸内科住院患者100例作为研究对象，根据入院时间将其分为对照组（2018年4月～6月）与研究组（2018年7月～9月），各50例。其中，对照组男36例，女14例，年龄50～92岁，平均（72.59±7.01）岁，慢性阻塞性肺疾病40例、肺气肿1例、肺部感染7例、支气管扩张2例；研究组男37例，女13例，年龄49～99岁，平均（70.70±7.23）岁，支气管扩张4例、慢性阻塞性肺疾病39例、肺部感染7例。两组患者一般资料比较，差异无统计学意义（P＞0.05）。
交通运输能耗方面，因生物能源中的碳来自于植物生长过程中吸收的空气中的碳，故空气和生物能源之间的碳循环是平衡的，等效认为生物能源碳排放因子为0，同时电力一次消耗无直接碳排放，从而生物能源和电能不参与到中国综合交通运输体系碳排放的计算中，然而其消耗量算入各交通运输方式总运输能耗中。
中国历年交通运输能耗数据来源于IEA《能源统计与平衡表》，并根据前文对交通运输能耗的界定，确定各交通运输方式历年运输能耗。
2.1 中国综合交通运输体系碳排放测算模型
综观国际上主流的交通运输碳排放测算方法，如IPCC方法和EMEP（European Monitoring and Evaluation Programme）方法等，可以分为两种：一种是“自上而下”的方法，它仅仅基于燃料消耗量来进行计算，以燃料消耗量和相应类型燃料的碳排放因子相乘得到交通运输碳排放量；另一种是“自下而上”的方法，它是根据发动机类型、运输工具运行状态等影响燃料消耗状态的因素，确定对应燃料消耗状态下的碳排放因子，再由行驶距离、行驶时间等确定燃料消耗量，最后以燃料消耗量乘以对应的碳排放因子得出交通运输碳排放量。但不论是哪一种方法，交通运输碳排放量最终是由燃料的含碳量决定，且燃料中的碳最后几乎完全被氧化为CO2[19-20]。同时，本文研究考虑到相关数据和资料的可得性和不确定性，故采用“自上而下”的方法来计算中国综合交通运输体系碳排放量，计算模型为：
而高架桥主要依靠桥面的纵横坡排水，对桥面沥青层的渗水性能要求较高，英达热再生工艺施工，桥面防水排水能力也能得到有力保证。
式中:E为CO2排放量（t）；I为燃料消耗量（PJ）；K为碳排放因子（t·PJ-1）；a为燃料类型。
其实最容易泄露隐私的环节便是数据存取过程中，因此，强化大数据安全隐私保护应重视这一环节的内容。云计算只有与网络建立起相互连通的关系才能够完成数据的存取工作，然而存取过程中病毒亦有可能随数据进入用户的计算机系统，进而盗取用户的个人资料以及核心信息。基于此，加强其安全隐私保护需重视私有云体系的应用，从云计算环境中依托私有云体系完成信息的存取，将重要的资料保存在私有云中，以提高用户隐私数据的安全性。日常工作中，可用公有云完成数据的临时储存以及计算等工作，而将重要的资料数据存在私有云中，这样既能够提高数据的运算、储存速率，也能够降低数据信息泄露等突发事件的发生概率。
2.2 中国综合交通运输体系碳排放影响因素分解模型
根据2.1中所选中国综合交通运输体系碳排放测算模型，结合国内外在交通运输碳排放影响因素分解领域的观点[21-22]以及前文对中国综合交通运输体系的方式划分，将式（1）扩展成如下中国综合交通运输体系碳排放影响因素分解模型：
式中：C表示交通运输碳排放量（t）；D表示交通运输周转量（亿t·km）；F表示交通运输能耗量（PJ）；P表示人口总量（亿人）；i表示交通运输方式种类；j表示能源种类。
上式可简化为：
1.2.2 扫频光源光学相干断层扫描仪 扫频光源光学相干断层扫描仪（CASIA SS-1000，日本Tomey公司）基于光学相干原理，采用了波长为1 310 nm的扫频光源，轴向分辨率≤10 μm，扫描速度为30 000 A-scan/s，以仪器自带的自动角膜地形模式扫描，耗时为0.34 s，扫描范围可达10 mm×10 mm。较传统的谱域OCT具有更快的扫描速度和更宽的扫描范围。
式中：Hij表示交通运输方式i下能源j的碳排放强度（t·PJ-1），即式（1）中用以计算能源碳排放量的对应能源碳排放因子；Gij表示交通运输方式i消耗的能源中能源j的密度（%）；Ri表示交通运输方式i的能耗强度（PJ·（亿t·km）-1）；Si表示交通运输方式i周转量占总的交通运输周转量的比重（%）；Y表示运输强度（（t·km）·人-1）。
2.3 中国综合交通运输体系碳排放变化影响因素分解分析算法
根据Ang B W等的观点，LMDI I算法可以完全分解残差，且具有聚集一致性，在理论基础、适用性、使用的便利性以及结果的解释性等方面相对其他因素分解分析算法较好[23-24]。因此，本文选取LMDI I算法作为中国综合交通运输体系碳排放变化影响因素分解分析算法。
除了依靠技术特点外，在与大股东魏银仓决裂后，其余股东都希望董明珠能带领银隆走出风暴旋涡。事实上，虽然银隆方面不太愿意承认，但如今的银隆已经打上了格力的烙印。
2.3.1 LMDI I算法。根据Ang B W对LMDI I算法应用的介绍[25]，设V表示一个总和，有：
式中：x 1,x 2,…,xn 为n个变量，表示n个会对V随时间的变化起作用的因素，下标i表示V中的一个子类别，Vi=x 1,i,x 2,i,...xn,i 。
本文研究对象的时间范围为2003年至2015年，选取间隔期为3年，即分为2003-2006年、2006-2009年、2009-2012年、2012-2015年四个阶段进行研究。
其中，对于正数a，b，有方程：
2.在当前旅游经济的管理活动中，企业必须注重突破传统的管理思维与开发理念，尤其是要融入大众思维，从而实现对该活动的真正落实。事实上，当前旅游已经从一种“高端消费”逐渐转变为大众性消费，所以要想做好管理活动，则需要从大众特性出发，无论是该产品的研发方向，还是其中融入的多种元素，都要站在大众消费的角度，通过体系创新和内涵丰富，从而达到管理体系的最佳效果。
现有政策效力分析中，比较有代表性的分析框架是彭纪生构建的“政策力度—政策目标—政策措施”模型。其中，政策力度依据政策主体和政策类型来确定。在政策主体方面，按照我国行政体系结构和权力级别，级别越高的政策主体发布的政策力度往往较大（芈凌云和杨洁，2017［22］）；在政策类型方面，方案、规划类政策通常力度较大，而通知、公告类政策通常力度较小。政策目标和政策措施的评分均可包含具体化和标准化两个方面。其中，依据比较成熟的政策工具划分依据，本文围绕管制型、市场型和自愿型政策工具来分别表述政策措施的具体化和标准化。
式（5）中：下标t0t表示时间0到时间T的变化，ΔVx 1, ΔVx 2,…, ΔVxn 为加法分解项。
2.3.2 基于中国综合交通运输体系碳排放影响因素分解模型的LMDI I算法。结合2.2和2.3.1中的介绍，建立如下基于中国综合交通运输体系碳排放影响因素分解模型的LMDI I算法，即中国综合交通运输体系碳排放变化影响因素分解分析算法：
一个全格的甚至优秀的班主任。除了拥有上面所阐述的素质外，在展开具体的管理工作时，还要不断地虚心向他人请教学习，取长补短，把他人的丰富经验加以总结吸收，用他人的失误来提醒自己不犯同样的错误。班主任的工作细碎繁杂，但不可或缺，他是辛勤园丁，是健康心灵的培育者，通过不断的耕耘，真心付出，才能在教育事业上获得巨大成功。
3 变量选取和数据说明
当V从时间0的状态
变化到时间T的状态
时，V的因素分解
下面给出方程（4）中的各因素对V从时间0到时间T的变化的影响效应，其中，第k个因素的影响效应可表示为：的加法分解形式可表示为：
3.1 人口与交通运输周转量数据
中国历年人口数据来自国家统计局《中国统计年鉴》，交通运输周转量数据来自国家统计局《中国统计年鉴》、交通运输部《公路水路交通运输业发展统计公报》和《2015年交通运输行业发展统计公报》、中国民航局月度《中国民航主要生产指标统计》。
由于IEA（International Energy Agency）的中国民航和水运的能耗数据仅限于国内民航和国内水运部分，即不包括国际航空和远洋海运，所以对应地，民航和水运周转量数据仅统计国内民航和国内水运部分。
在中国综合交通运输体系划分上，由于管道运输仅运输特定货物，如石油和天然气，本文中不作分析，将中国综合交通运输体系分为四种方式：公路、铁路、国内水运、国内民航，其中，公路方式不包括城市道路交通，国内水运指内河和沿海水运，且四种方式运输活动范围仅限于中国大陆（不包括港澳台地区）内。
3.2 交通运输能耗数据
中国综合交通运输体系碳排放是指以上四种交通运输方式在前述运输范围内由运输活动产生的能源消耗（不包括生物能源和电能消耗）引起的碳排放。在此基础上，选取对应的各交通运输方式运输能耗和周转量等数据进行研究。
3.3 碳排放因子
因我国的特定国家燃料碳含量数据获取有一定困难，且考虑到本文研究时间跨度不大，根据《2006年IPCC国家温室气体清单指南》[20]对不同交通运输方式能源碳排放测算方法的选择方法，本文不同交通运输方式的能源碳排放因子采用《2006年IPCC国家温室气体清单指南》中不同交通运输方式的缺省碳排放因子数据，结合中国实际，确定如下各交通运输方式能源碳排放因子，见表1。
表1 各交通运输方式能源碳排放因子（t·PJ-1）
（1）因公路运输成品油消耗基本以汽油和柴油为主，故取《2006年IPCC国家温室气体清单指南》中公路运输汽油和柴油的缺省碳排放因子作为公路运输成品油碳排放因子。（2）由于柴油是目前我国各类船舶的主要能源，取《2006年IPCC国家温室气体清单指南》中水运柴油的缺省碳排放因子作为国内水运成品油碳排放因子。（3）近些年随着航空工业和民航事业的发展，民航的大型客机的动力装置主要是涡轮喷气发动机，这种发动机耗油类型为航空煤油，目前航空活塞式发动机只用于一些辅助机种，如直升机、通讯机、气象机等，这种发动机耗油类型为航空汽油。又因国内民航运输能耗以大型客机为主，故国内民航运输成品油消耗基本为航空煤油，取《2006年IPCC国家温室气体清单指南》中民航运输航空煤油的缺省碳排放因子作为国内民航运输成品油碳排放因子。
3.4 周转量换算
由于IEA《能源统计与平衡表》中没有区分客运和货运能耗，故对客货运周转量进行换算，统一换算为货运周转量单位：亿t·km。目前我国统计制度规定的客货换算系数为：按铺位折算，铁路、远洋、沿海、内河运输系数为1；按座位折算，内河为0.33、公路为0.1、国内航空为0.072、国际航空为0.075。这些系数主要是依据目前我国运输1人·km旅客和1t·km货物的能耗确定的。本文据此并结合国内实际和所研究对象的范围确定如下换算系数，见表2。
表2 客货周转量换算系数
4 结果与讨论
利用中国综合交通运输体系碳排放变化影响因素分解分析算法及其输入数据，得到中国综合交通运输体系碳排放变化影响因素分解分析结果，见表3。
表3 2003-2015年中国综合交通运输体系碳排放变化影响因素分解分析结果（104t）
综合分析表3和中国综合交通运输体系碳排放变化影响因素分解分析算法相关输入数据，可以发现，在研究区间内，中国综合交通运输体系碳排放变化主要影响因素是运输强度Y、交通运输能耗强度R和交通运输结构S，影响程度由大到小依次为Y、R、S。其中，Y和S为主要的碳排放促进因素，且Y为对碳排放变化影响最大的因素，R为主要的碳排放抑制因素。交通运输结构S方面，在四种交通运输方式中，由于公路运输能耗强度较大，公路运输的比重对碳排放变化影响也较大，公路运输比重增加会显著促进碳排放，而其下降也会有效抑制碳排放。可以说，通过优化交通运输结构实现综合交通运输体系碳减排的空间是很大的，效果也较为明显，优化交通运输结构势在必行，而自2006年以来，S的优化也导致其对碳排放变化的影响有从促进转为抑制的趋势。Y主要受经济、政策和管理的影响，运输强度的增加会促进碳排放，而自2006年以来，Y对碳排放的促进效应是下降的，Y对碳排放变化的影响有从促进转为抑制的趋势。R主要受技术的影响，R的增加会促进综合交通运输体系碳排放，而载运技术的进步则会促进R对综合交通运输体系的碳减排作用，在四种交通运输方式中，因公路运输周转量比重较大，公路运输能耗强度的增加对碳排放的促进作用较为明显，自2006年以来，R对碳排放变化的影响有从抑制转为促进的趋势。
5 结论
（1）在对中国综合交通运输体系碳排放概念界定的基础上，建立基于中国综合交通运输体系碳排放影响因素分解模型的LMDI I算法，利用我国2003-2015年公路、铁路、国内水运、国内民航四种运输方式客货周转量和运输能耗以及总人口数量等数据，对中国综合交通运输体系碳排放变化影响因素进行了分解分析。
融资担保方面，一是继续争取财政支持，补贴担保费用；二是建立财政担保体系，针对未利用地实施“创投”项目，用占补平衡收益进行财政担保；三是建议增加法人或股东个人信用担保等形式的信誉贷款产品。
（2）通过对中国综合交通运输体系碳排放变化影响因素的分解分析，可以得出，在研究区间内，运输强度Y和交通运输结构S为主要的综合交通运输体系碳排放促进因素，其中，Y对碳排放变化影响最大，交通运输能耗强度R为主要的碳排放抑制因素；自2006年以来，交通运输结构的优化和经济、政策、管理的调整分别导致S和Y对综合交通运输体系碳排放变化的影响有从促进转为抑制的趋势，而R对碳排放变化的影响有从抑制转为促进的趋势。
（3）对中国综合交通运输体系碳排放变化影响因素的分解分析，为我国交通运输业供给侧结构性改革与行业节能减排政策的制定提供了依据，指明了方向。现有如下建议：①大力发展铁路、水运和铁水联运等高效绿色交通运输方式，注重减少公路和民航特别是公路的运输比重，优化交通运输结构；②大力实施交通需求管理，从需求源头进行引导；③重点开发新载运技术，特别是公路运输领域的新载运技术，如新能源汽车和新发动机燃烧技术等，以遏制交通运输能耗强度R的增排势头。
（4）本文运输周转量数据主要来源于国家统计局，而国家统计局的历年运输周转量数据范畴不包括城市交通。因此，对我国整体交通运输业碳排放变化影响因素的研究是不全面的。未来的工作和研究重点将是相关资料数据的完善和城市低碳交通。
[参考文献 ]
[1]Forrester J W.System dynamics,systems thinking,and soft OR[J].System Dynamics Review,1994,10(2-3):245-256.
[2]Dietz T,Rosa E A.Effects of population and affluence on CO2 emissions[J].Proceedings of the National Academy of Sciences of the United States of America,1997,94(1):175-179.
[3]York R,Rosa E A,Dietz T.STIRPAT,IPAT and ImPACT:analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics,2003,46(3):351-365.
[4]Tapio P.Towards a theory of decoupling:degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J].Transport Policy,2005,12(2):137-151.
[5]Ang B W,Choi K H.Decomposition of Aggregate Energy and Gas Emission Intensities for Industry:A Refined Divisia Index Method[J].Energy Journal,1997,18(3):59-73.
[6]Ang B W,Liu F L.A new energy decomposition method:perfect in decomposition and consistent in aggregation[J].Energy,2001,26(6):537-548.
[7]焦萍,王建伟,芮晓丽,等.非技术变革下交通碳排放转移对碳排放长期演变的影响[J].长安大学学报(自然科学版),2017,37(6):121-127.
[8]唐丽敏,王玲丽,秦思思,等.基于系统动力学的交通运输业节能减排技术路径模拟研究[J].大连海事大学学报(社会科学版),2015,14(1):27-34.
[9]庞琳.基于STIRPAT模型的区域交通运输碳排放影响因素分析[D].北京:北京交通大学,2017.
[10]柴建,邢丽敏,周友洪,等.交通运输结构调整对碳排放的影响效应研究[J].运筹与管理,2017,26(7):110-116.
[11]杨琦,朱容辉,赵小强.中国交通运输业的碳排放情景预测模型[J].长安大学学报(自然科学版),2014,34(5):77-83.
[12]杨良杰,吴威,苏勤,等.江苏省交通运输业能源消费碳排放及脱钩效应[J].长江流域资源与环境,2014,23(10):1 383-1 390.
[13]Papagiannaki K,Diakoulaki D.Decomposition analysis of CO2 emissions from passenger cars:The cases of Greece and Denmark[J].Energy Policy,2009,37(8):3 259-3 267.
[14]白娟.交通运输业碳排放脱钩效应及其脱钩路径分析[D].西安:长安大学,2017.
[15]何彩虹.基于LMDI模型的上海市低碳交通发展研究[D].合肥:合肥工业大学,2012.
[16]喻洁,达亚彬,欧阳斌.基于LMDI分解方法的中国交通运输行业碳排放变化分析[J].中国公路学报,2015,28(10):112-119.
[17]张宏钧,王利宁,陈文颖.公路与铁路交通碳排放影响因素[J].清华大学学报(自然科学版),2017,57(4):443-448.
[18]袁凤丽.我国交通运输业碳排放量预测及影响因素研究[D].天津:天津大学,2014.
[19]Cooper D A.Exhaust emissions from ships at berth[J].Atmospheric Environment,2003,37(27):3 817-3 830.
[20]IPCC.2006 IPCC guidelines for national greenhouse gas inventories[R].Hayama:the Institute for Global Environmental Strategies,2006.
[21]Fulton L,Eads G.IEA/SMP Model Documentation and Reference Case Projection[R].Geneva:World Business Council for Sustainable Development,2004.
[22]杨林,温惠英.交通与能源[M].北京:人民交通出版社,2016.
[23]Ang B W,Liu F L,Chew E P.Perfect decomposition techniques in energy and environmental analysis[J].Energy Policy,2003,31(14):1 561-1 566.
[24]Ang B W.Decomposition analysis for policymaking in energy:which is the preferred method?[J].Energy Policy,2004,32(9):1 131-1 139.
[25]Ang B W.The LMDI approach to decomposition analysis:a practical guide[J].Energy Policy,2005,33(7):867-871.
Research on Factors Affecting Carbon Emissions of China's Comprehensive Transportation System
Wang Haiyan,Wang Nan
(School of Communication,Wuhan University of Technology,Wuhan 430000,China)
Abstract :In this paper,we established the LMDI I(Log-Mean Divisia Index Method I)algorithm based on the decomposition model of the carbon emissions influence factors of China's comprehensive transportation system.According to the algorithm,the comprehensive transportation system in China is divided into four modes:highway,railway,domestic water transport and domestic civil aviation.Using the relevant data of China from 2003 to 2015,we decomposed and analyzed the factors affecting the carbon emissions changes of China's comprehensive transportation system and found that between 2003 and 2015,transportation intensity and transportation structure are the main driving factors behind the carbon emissions of the comprehensive transportation system,while transportation energy intensity is the main inhibitor;however,since 2006,transportation energy intensity shows the tendency to shift from inhibition to promotion,while the former two show the exact opposite.
Keywords :comprehensive transportation system;carbon emissions;factor decomposition
[中图分类号 ]F512；X73；F205
[文献标识码] A
[文章编号] 1005-152X(2019)02-0078-06
doi ：10.3969/j.issn.1005-152X.2019.02.015
[收稿日期 ]2018-11-20
[作者简介 ]王海燕（1968-），女，山东威海人，博士，教授，博士生导师，研究方向：港航管理与综合物流、应急保障技术与方法；王楠（1991-），男，安徽宿州人，硕士研究生，研究方向：绿色交通。
标签：综合交通运输体系论文; 碳排放论文; 因素分解论文; 武汉理工大学交通学院论文;