扩展功能
文章信息
- 陈娇杨, 宋国华, 于雷
- CHEN Jiao-yang, SONG Guo-hua, YU Lei
- 面向城市群交通规划的道路碳排测算与分析方法
- An Estimation and Analysis Method for Road Carbon Emissions in Urban Agglomeration Transport Planning
- 公路交通科技, 2018, 35(2): 122-128, 136
- Journal of Highway and Transportation Research and Denelopment, 2018, 35(2): 122-128, 136
- 10.3969/j.issn.1002-0268.2018.02.017
-
文章历史
- 收稿日期: 2017-03-15
2. 德克萨斯南方大学, 德克萨斯 休斯顿 77004, 美国
2. Texas Southern University, Houston TX 77004, USA
城市群正在成为我国现阶段城镇化发展的重要形态[1],城市群道路网的交通效能愈加受到重视[2]。在环境的约束下,交通规划体系中需要节能减排方面的测算与评价。道路网是碳排放量最大的交通网络,在道路交通碳排测算时,如何充分利用来自不同统计口径的不同源数据,建立起对交通规划变量敏感的方法,是城市群交通规划亟需解决的问题。目前的碳排测算方法中,由于数据统计口径经常局限于交通运输行业内(不包括社会交通),以及城市群这一新的规划分析主体尚缺乏完善的交通规划应用模型等现实问题,因此缺乏针对城市群交通规划适用的碳排测算方法,故需设计一套道路网碳排现状年的估算方法与未来年的预测方法,从不同角度进行分析,对城市群现状及规划道路网进行科学评价。
1 既有研究综述在交通碳排测算的研究中,基于人口、部门或行业、车辆等统计数据有不同的测算方法。张陶新[3]提出了一种估算城市交通人均CO2排放量的方法,并应用于长株潭城市群交通规划的碳排测算[4]。IPCC[5]在2006年提出了自上而下统计各个部门或行业排放CO2的计算公式:
![]() |
(1) |
式中, TCO2为CO2排放总量;Ei为第i种燃料消耗量;Fi为第i种燃料的CO2排放因子;n为某领域消耗的燃料种类。
针对城市交通部门,IPCC[5]2006年也给出了相应的计算公式:
![]() |
(2) |
式中, TCO2为交通部门的CO2排放量;Vehi, j, t为在道路类型t中使用燃料j、车辆类型i的数量;VKTi, j, t为道路类型t中使用燃料j、车辆类型为i的行驶距离;Ci, j, t为道路类型t中使用燃料j、车辆类型i的平均燃料消耗;Fi, j, t为道路类型t中使用燃料j、车辆类型i的CO2排放因子。
Gillespie等[6]还提出了另一种基于车辆保有量的CO2排放计算方法,并给出了相应的计算公式:
![]() |
(3) |
式中, Etotal, j为第j年机动车温室气体排放总量;EFi为车型i的CO2排放因子;VKTi为车型i的总行驶距离;Mileagei为车型i的年平均行驶里程;Ownershipi为车型i的车辆保有量;n为车型的类别总数。
从以上碳排测算方法中可以看出,碳排测算的关键在于将碳排分类计算,如按人口、部门或行业、车辆进行分类。任意分类方式都可转换成以车辆行驶里程(Vehicle Kilometers of Travel,VKT)为基础的碳排测算,VKT是测算的关键。因此,大量交通碳排放研究都集中在VKT的科学测算上。
Chatterjee[7]认为在现状交通调查精度与技术条件下不可能准确计算出所有车辆的实际VKT(在使用英制单位的国家VKT也被称为VMT),VKT只能通过分析其与交通、经济之间的关系,利用交通、经济的相关指标估算而得。常用的估算方法主要有两种:基于非交通量方法、基于交通量方法。
(1) 基于非交通量方法:有研究[8]提出基于燃油销售的VKT估算方法。Maring[9]与Greene[10]提出了利用人口统计数据来估算VKT的方法,基于个人出行调查(NRTS)对VKT进行估算。于雷等[11]认为可以利用交通仿真模型估算VKT。
(2) 基于交通量方法:FHWA提出了基于交通流调查数据的VKT估算方法[12]。美国一般采用道路监测系统(HPMS)所监测到的数据来估算和预测VKT。另外,美国俄勒冈州也开发了另一种基于交通量的VKT估算方法,将HPMS数据和交通需求模型结合进行VKT估算[13]。
上述两种方法存在总量不一致的问题,为解决此问题,有学者提出了综合估算方法。Gillespie等[6]以北京市为例,收集了车辆注册数据、交通流数据、油耗数据估算VKT。FHWA[14]对于没有交通需求预测模型的区域提出了6种VKT线性估算与预测方法;对于拥有交通需求预测模型的区域提出了对模型输出值的调整方法、对模型未覆盖道路的估算方法。
上述文献中的方法均基于不同的交通数据,利用不同的交通模型,有其不同的应用条件,但目前我国的城市群交通规划并不具备直接应用上述方法的基础条件:(1)交通数据统计口径不一致,交通主管部门均以交通客货运行业进行相关交通数据的统计,缺乏对全社会交通数据的采集;(2)城市群交通规划模型的基础薄弱,目前较成熟的交通规划模型仅存在于少数大城市中,尚不能支持城市群交通规划碳排评估。本研究结合既有研究中的理论和方法,设计面向城市群交通规划的道路碳排测算与分析方法。
2 城市群交通规划道路碳排测算方法研究针对现有研究无法直接应用于城市群交通规划的问题,本研究尝试建立城市群交通规划道路碳排测算方法,该方法应满足以下条件:(1)能够充分利用现有交通基础数据;(2)对交通规划参数敏感,能够对交通规划方案进行评估。
2.1 现状年VKT估算方法现状年的VKT估算以已有的统计数据为基础,按如下思路设计估算方法:(1)车辆的行驶需要消耗燃油,故建立起燃油消耗量与车辆行驶里程之间的关系即可估算出现状VKT。(2)社会车辆与运输行业车辆有其不同的交通运输活动水平,将各类车辆的保有量对应起其活动水平即可估算出现状各类车辆的VKT。(3)以上两种思路对于规划参数不够敏感,交通规划模型可对交通需求进行直观的反映,用其分配结果可直接计算得到建模路段的VKT,同时可利用交通调查结果进行模型校核。以上方法所需数据源尽管来自燃油销售量、车辆保有量、交通规划方案及交通量调查等不同统计口径,但其计算逻辑简单,参数均来自既有统计报表与规划方案,容易获得。
2.1.1 基于燃油销售数据方法已知用于车辆行驶的燃油表观销售量、研究区域的车型比例,结合不同车型单位燃油消耗量的行驶里程,可得到研究区域VKT的估算值。该方法是一种自上而下的方法,公式为:
![]() |
(4) |
式中,VKTfuel为基于燃油销售的VKT估算值;fuelgas为汽油的表观销售量;αgas为汽油的表观销售量中用于机动车行驶的比例;βgas, i为车型i汽油消耗量占比;Mgas, i为单位汽油消耗量车型i行驶距离;fueldie为柴油的表观销售量;αdie为柴油的表观销售量中用于机动车行驶的比例;βdie, i为车型i柴油消耗量占比;Mdie, i为单位柴油消耗量车型i行驶距离;n为车型的类别总数。
2.1.2 基于车辆保有量方法由于社会车辆与运输行业车辆的统计口径不一,该方法分为两种方法。
(1) 基于车均行驶里程
该方法适用于社会车辆,已知分车型的车辆保有量、分车型的年均行驶里程,即可得到研究区域VKT的估算值。该方法是一种自上而下的方法,公式为:
![]() |
(5) |
式中,VKTownership为基于车辆保有量的VKT估算值;Mileagei为车型i的年平均行驶里程;Ownershipi为车型i的车辆保有量;n为车型的类别总数。
(2) 基于客货运周转量
该方法适用于运输行业车辆,可通过统计口径中的客货运周转量与客货运汽车的平均载客、载货量估算得到客货运运输的VKT估算值。该方法是一种自上而下的方法,公式为:
![]() |
(6) |
式中,VKTownership为基于车辆保有量的VKT估算值;Qpeople, i为客车i的总客运周转量;αi为客车i的平均载客数;Qfreight, j为货车j的总货运周转量;βj为货车j的平均载货数;n为客车的类别总数;m为货车的类别总数。
2.1.3 基于交通规划模型方法利用交通规划模型的交通分配结果,将结果中的所有路段长度与断面交通量相乘,再将所有乘积加和,得到全路网的VKT估算值。该方法是一种自下而上的方法,公式为:
![]() |
(7) |
式中,VKTassignment为基于交通分配结果的VKT估算值;AADTk为道路类型k中年平均日当量交通量;Lk为道路类型k的道路长度;m为道路类型总数。
3种方法根据不同的估算思路需要利用不同的数据源,各有其优缺点。基于燃油销售数据方法总量准确可用于总量控制,但对交通规划参数不敏感;基于车辆保有量方法结果反映车型及客货运划分情况,但对交通规划参数不敏感且估算结果过大;基于交通规划模型方法对交通规划参数敏感,但是建模难以包含全体道路。各方法详细对比如表 1所示。
估算方法 | 数据来源 | 优点 | 局限性 | 反映主体 | |
基于燃油销售数据 | 全国各省燃油表观销售量统计表、燃油销售结构统计表、基于车辆保有量的油耗结构、单位燃油消耗量不同车型平均行驶距离统计表等。 | 逻辑简单,参数易获取;可用于总量控制;估算结果反映燃油销售情况与分车型燃油消耗结构。 | 对交通规划参数不敏感;不能反映估算结果的时空分布;燃油销售量仅为研究区域的销售量,与研究区域内车辆行驶所耗燃油有所区别。 | 全路网、全社会车辆 | |
基于车辆保有量 | 基于车均行驶里程 | 各省分车型车辆保有量数据、各车型单车年均行驶里程统计表。 | 逻辑简单,参数易获取;估算结果反映各车型VKT分布。 | 对交通规划参数不敏感;不能反映具体路段的交通情况;年均行驶里程代表车辆正常使用情况下的年均行驶里程,而并未考虑非常规使用的车辆(闲置、特种车辆等),易导致估算结果偏大;由于报废制度不完善,车辆保有量数据存在一定数量的报废车辆,同样易导致估算结果偏大。 | 全路网、全社会车辆 |
基于客货运周转量 | 客运周转量以及周转量对应的客车平均载客数、货运周转量以及周转量对应的货车平均载货数。 | 逻辑简单,参数易获取;估算结果反映客货运VKT分布。 | 对交通规划参数不敏感;不能反映估算结果的时空分布;仅依赖于交通行业统计数据,难以包括社会车辆。 | 全路网、交通运输行业车辆 | |
基于交通规划模型 | 具有完善道路属性信息的交通分配结果。 | 逻辑简单;继承了交通规划模型对交通规划方案的敏感性;能够反映VKT的时空分布;能够与交通调查数据比对验证估算结果的可靠性。 | 需要详细的路网属性信息和准确的交通需求预测;建模工作量大,难以包含低等级道路。 | 高等级路网、全社会车辆 |
各方法在其所需数据源统计准确时,估算结果符合实际。VKT估算除了总量准确,对于政策措施的分析还需同时考虑需求(如车型、路段)和数据源,选择更合理的方法。
2.2 未来年VKT预测方法较之现状年,未来年VKT预测缺乏既有统计数据。本研究建立基于交通规划模型及基于城镇人口的VKT预测方法。其中基于交通规划模型的方法不依赖现有油耗、车辆的统计数据,分配结果对交通规划参数敏感,可用于预测未来年的VKT。但城市群交通规划侧重点在于区域间公路网络,难以包括城市内部路网,因此对于缺乏交通规划的城市内部路网,本研究受文献[14]启发,设计基于城镇人口的VKT预测方法。
2.2.1 基于交通规划模型方法该方法是一种至下而上的方法,公式为:
![]() |
(8) |
式中,KTfuture为基于交通分配结果的预测值;AADTk为道路类型k中年平均日当量交通量;Lk为道路类型k的道路长度;m为道路类型总数。
2.2.2 基于城镇人口方法该方法是一种至上而下的方法,公式为:
![]() |
(9) |
式中,VKTfuture为未来年的VKT预测值;Populationcity为未来年城镇人口数量;α为基于回归分析预测的人均VKT值。
两种预测方法各有其适用路网类型,存在一定的优点和局限性。基于交通规划模型方法可得到建模路段分配结果,但预测不够全面;基于城镇人口方法能反映模型未包含的城市路网,但人口与VKT的线型关系对人口分布及产业结构等因素考量不足。各方法详细对比如表 2所示。
估算方法 | 数据来源 | 优点 | 局限性 | 反应主体 |
基于交通规划模型 | 未来年交通分配结果。 | 交通规划模型可直接提供输出数据;对不同的交通规划方案敏感。 | 交通规划模型侧重点在于区域间公路网络,预测不够全面。 | 高等级路网、全社会车辆。 |
基于城镇人口 | 基年城市道路VKT与城镇人口数量比值;未来年预测城镇人口数量。 | 结果能反映城镇人口对城市道路网VKT的影响。 | 没有充分考虑人口分布、产业结构等因素。 | 城市路网、全社会车辆。 |
2.3 基于VKT的碳排测算方法
基于现状年的VKT估算值、未来年的VKT预测值及其分车型划分,根据CO2排放与油耗的强相关性[5],各车型的CO2排放因子可用车型油耗水平及燃油转化系数推算。已知各车型的油耗属性以及VKT值,即可通过排放因子估算CO2排放量,公式为:
![]() |
(10) |
式中,Etotal为碳排总量估算值;fgas, i为车型i使用汽油时的碳排因子;βgas, i为车型i使用汽油行驶的VKT比例;VKTi为车型i在路网中行驶的总VKT值;fdie, i为车型i使用柴油时的碳排因子;βdie, i为车型i使用柴油行驶的VKT比例;n为车型的类别总数。
以上文提出的不同VKT计算方法为基础,得出相应VKT值代入式(10),即可得到基于不同方法的碳排值。其中基于燃油销售数据的方法估算准确,可用于VKT总量控制;基于车辆保有量的方法会过高估计VKT(见表 1),但是其车型划分可以作为碳排测算时的依据;基于交通规划模型的方法对交通规划参数敏感,可用于估算与预测主要道路网VKT;基于城镇人口方法可预测交通规划模型难以包含的城市道路VKT。综合运用以上方法,可得到现状及未来年的VKT估算预测结果,可从道路类型、区域、车型等角度进行分析。基于VKT估算与预测结果可以得到现状年与规划年的碳排测算结果,结果能够反映燃油消耗、车型结构、需求总量、运输结构、路网布局等参数的敏感性。
3 方法应用——以成渝城市群交通规划为例成渝城市群是西部大开发和长江经济带发展战略的重要支撑,也是推进新型城镇化的重要区域。以2014年为基年进行现状VKT的估算,并基于2030年城市群综合交通运输规划[15]进行VKT的预测。
基于以下基础数据:2014年各省汽柴油表观销售量[16-17],石化部门推荐成品油中机动车消耗比例[18],全国移动源污染普查结果[19-20];2014年四川省及重庆市统计年鉴[21-22],城市城市群地区道路网规划方案(2014—2030)[16],国家干线公路交通量手册[23],成渝经济区区域规划[24],中国人口增长预测[25]等。综合使用现状年3种估算方法及未来年两种预测方法,可得图 1所示的VKT估算与预测结果。
![]() |
图 1 现状年及未来年VKT对比(单位:亿 veh·km) Fig. 1 Comparison of current and future VKTs (unit: ×107 veh·km) |
|
根据各车型的CO2排放因子[26-27]及上文所得的VKT估算及预测结果,可得图 2所示的碳排测算结果。
![]() |
图 2 现状年及未来年碳排对比(单位:万t) Fig. 2 Comparison between current and future levels of carbon emission (unit: ×104 t) |
|
根据以上计算结果可对成渝城市群道路网规划展开以下分析:
(1) 随着成渝城市群道路网的规划进程,地区间客货运输稳步增长,公路网交通量大幅提高;同时随着城镇化水平的提高和城市范围的扩大,城市交通量有明显的增高。
(2) 城市道路网交通量约为公路网的1/3,但其增速大于公路,说明随着区域与交通的发展,城市道路网所承担的交通份额已十分可观,区域规划不应只重视高等级道路,也应意识到低等级道路的交通作用并在规划中体现。
(3) 未来年碳排强度大的路段以两城市为中心向外蔓延,相比现状,以两城市为端点的轴区域的碳排强度有所缓和,说明成都、重庆两城市的核心地位正在削弱,趋向于各城市协调发展,需在规划中积极调整运输结构,在大量增长的交通需求下最大程度地节能减排。
由此案例可以看出,本研究设计的碳排测算方法能够在城市群规划层面得到较全面的碳排测算结果,以反映燃油消耗、车型结构、需求总量、运输结构、路网布局等参数的敏感性。同时, 在实际规划项目中,充分利用不同统计口径的基础数据得到碳排测算结果,对现状和规划方案进行定量评估,为交通决策提供支持。
4 结论针对城市群交通规划本研究基于两个原则:一、能够充分利用现有交通基础数据;二、对交通规划参数敏感,能够对交通规划方案进行评估。分析了基于燃油销售数据、基于车辆保有量、基于交通规划模型、基于城镇人口的4类碳排测算方法。通过研究发现:
(1) 基于燃油销售数据的方法可以根据城市群内车辆燃油利用水平测算碳排,用于碳排的总量控制,适用于现状年的道路网碳排总量估算。
(2) 基于车辆保有量的方法可分别估算不同类型车辆的不同活动水平测算碳排,估算值较高,可得到车型划分,适用于分析碳排的车型组成。
(3) 基于交通规划模型的方法具有对交通规划参数的敏感性,可以反映路网碳排的时空分布,但是建模难以包含全体道路,适用于主要道路网碳排的估算与预测。
(4) 基于城镇人口的方法针对交通规划模型难以覆盖的城市路网设计,可根据城镇人口增长预测未来城市道路网碳排,适用于交通规划模型难以覆盖的城市道路网碳排的预测。
综合应用以上4种方法,可以得到城市群交通规划现状年及未来年的道路网碳排测算结果,结果继承了交通规划模型对交通规划方案的敏感性,可从燃油消耗、车型结构、需求总量、运输结构、路网布局等角度进行对比分析。
在未来的研究中,需进一步研究不同口径数据进行碳排放测算的一致性,并探索碳排测算的定量验证方法。
[1] |
姚士谋. 中国城市群[M]. 合肥: 中国科学技术大学出版社, 2006. YAO Shi-mou. China's Urban Agglomeration[M]. Hefei: University of Science & Technology China Press, 2006. |
[2] |
汪优, 汤子文, 刘建华. 长株潭城市群道路路网的交通效能评估[J]. 公路交通科技, 2012, 29(3): 131-136. WANG You, TANG Zi-wen, LIU Jian-hua. Traffic Efficiency Evaluation of Road Network of Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J]. Journal of Highway and Transportation Research and Development, 2012, 29(3): 131-136. |
[3] |
张陶新, 周跃云, 赵先超. 中国城市低碳交通建设的现状与途径分析[J]. 城市发展研究, 2011, 18(1): 68-73. ZHANG Tao-xin, ZHOU Yue-yun, ZHAO Xian-chao. Analysis on the Status and Development Path of the China's Urban Low-carbon Transport[J]. Urban Studies, 2011, 18(1): 68-73. |
[4] |
张陶新, 邹毓, 谢世雄. 长株潭城市群低碳交通建设现状与对策分析[J]. 湖南工业大学学报:社会科学版, 2013, 18(1): 12-17. ZHANG Tao-xin, ZOU Yu, XIE Shi-xiong. Analysis on the Status and Countermeasures of Low-carbon Transport on the Chang-Zhu-Tan Urban Agglomeration[J]. Journal of Hunan University of Technology:Social Science Edition, 2013, 18(1): 12-17. |
[5] |
Intergovernmental Panel on Climate Change. Reco-mmendation Value of Emission Factors[EB/OL]. [2016-12-30]. http://wenku.baidu.com/view/7c13111810a6f524ccbf85fc.html, 2006.
|
[6] |
GILLESPIE J L. Comparative Analysis of Three Approaches for Developing Inventory of Carbon Dioxide Emissions[J]. Transportation Research Record, 2011, 2252: 144-151. |
[7] |
CHATTERJEE A, MILLER T L, PHILPOT J W, et al. Improving Transportation Data for Mobile-source Emissions Estimates[M]. Washington, D.C.: Transportation Research Board, 1997.
|
[8] |
ERLBAUM N S. Estimated County Level Vehicle Miles of Travel. Data Services Bureau Report[R]. Albany: New York State Department of Transportation, 1989.
|
[9] |
MARING G E. National Highway Travel Forecasts[J]. Transportation Engineering Journal, 1976, 102(4): 759-777. |
[10] |
GREENE D L. Long-run Vehicle Travel Prediction from Demographic Trends[J]. Transportation research Record, 1987, 1135: 1-9. |
[11] |
于雷, 乔凤翔, 刘娟. 基于采样交通量与路段特征车辆行驶里程(VKT)估算模型[J]. 交通运输系统工程与信息, 2005, 5(1): 38-46. YU Lei, QIAO Feng-xiang, LIU Juan. VKT Estimation Model Based on Traffic Counts and Link Attributes[J]. Journal of Transportation Systems Engineering and Information Technology, 2005, 5(1): 38-46. |
[12] |
Environmental Protection Agency. VKT Forecasting and Tracking Guidance, EPA Section 187[R]. Washington D. C. : Environmental Protection Agency, 1992.
|
[13] |
EVANS D. Oregon Department of Transportation Statewide Vehicle Miles of Travel (VKT) Study[R]. Oregon: Oregon Department of Transportation, 2000.
|
[14] |
Federal Highway Administration. Sample Methodologies for Regional Emissions Analysis in Small Urban and Rural Areas[EB/OL]. [2016-12-30]. https://www.fhwa.dot.gov/environment/air_quality/conformity/research/sample_methodologies/, 2016.
|
[15] |
国家发展和改革委员会综合运输研究所. 成渝城市群综合交通运输规划研究[R]. 北京: 全球环境基金, 2016. Comprehensive Transportation Research Institute of National Development and Reform Commission. Study on Chengdu-Chongqing City Cluster Integrated Transport Development Planning[R]. Beijing: The Global Environment Fund, 2016. |
[16] |
中华人民共和国国家统计局. 中国各省汽油消费量排名[EB/OL]. [2016-12-30]. http://wenku.baidu.com/link?url=er8iU4ENRLMFXTgKfJpo2eXWiq_q3fHYgzK2NO1E8aaQr73AN1oggyCNHKdr_teaCpJX4QhWJqZ87OYn1rH4mM3Npw5MSRwlrbsyE-BOH-re, 2010. National Bureau of Statistics of PRC. China's Gasoline Consumption Ranking[EB/OL]. [2016-12-30]. http://wenku.baidu.com/link?url=er8iU4ENRLMFXTgKfJpo2eXWiq_q3fHYgzK2NO1E8aaQr73AN1oggyCNHKdr_teaCpJX4QhWJqZ87OYn1rH4mM3Npw5MSRwlrbsyE-BOHre, 2010. |
[17] |
中华人民共和国国家统计局. 中国各省柴油消费量排名[EB/OL]. [2016-12-30]. http://wenku.baidu.com/link?url=OeVhyR-0pFT_lopX26RWKgFhacUoBi_o4W3-Hhf-0c6Ujy2OFg6U1HdjwrcYeXJpY_jSFhNmdXFuskR-VNxI6a2mj1AzHW_yn-CLMrwv1sG, 2010. National Bureau of Statistics of PRC. China's Diesel Consumption Ranking[EB/OL]. [2016-12-30]. http://wenku.baidu.com/link?url=OeVhyR-0pFT_lopX26RWKgFhacUoBi_o4W3-Hhf-0c6Ujy2OFg6U1HdjwrcYeXJpY_jSFhNmdXFuskR-VNxI6a2mj1AzHW_yn-CLMrwv1sG, 2010. |
[18] |
中国石油和化学工业联合会. 炼油工业中长期发展专项规划[EB/OL]. [2016-12-30]. http://wenku.baidu.com/view/b7b03275f46527d3240ce058.html, 2005. China Petroleum Chemical Industry Federation. Special Plan for Medium and Long Term Development of Oil Refining Industry[EB/OL]. [2016-12-30]. http://wenku.baidu.com/view/b7b03275f46527d3240ce058.html, 2005. |
[19] |
中华人民共和国环境保护部. 机动车污染物排放量测算[EB/OL]. [2016-12-30]. http://www.docin.com/p-132695325.html, 2010. Ministry of Environmental Protection of PRC. Vehicle Emission Measurement[EB/OL]. [2016-12-30]. http://www.docin.com/p-132695325.html, 2010. |
[20] |
林秀丽, 汤大钢, 丁焰, 等. 中国机动车行驶里程分布规律[J]. 环境科学研究, 2009, 22(3): 377-380. LIN Xiu-li, TANG Da-gang, DING Yan. Study on the Distribution of Vehicle Mileage Traveled in China[J]. Research of Environmental Sciences, 2009, 22(3): 377-380. |
[21] |
四川省统计局. 四川统计年鉴[M]. 北京: 中国统计出版社, 2014. Sichuan Statistics Bureau. Sichuan Statistical Yearbook[M]. Beijing: China Statistics Press, 2014. |
[22] |
重庆市统计局. 重庆统计年鉴[M]. 北京: 中国统计出版社, 2014. Chongqing Statistics Bureau. Chongqing Statistical Yearbook[M]. Beijing: China Statistics Press, 2014. |
[23] |
交通运输部规划研究院. 国家干线公路交通量手册[R]. 北京: 交通运输部规划研究院, 2014. Transport Planning and Research Institute of Ministry of Transport. National Highway Traffic Volume Manual[R]. Beijing:Transport Planning and Research Institute of Ministry of Transport, 2014. |
[24] |
国务院. 成渝经济区区域规划(2011-2020)[EB/OL]. [2016-12-30]. http://wenku.baidu.com/link?url=Es9zPnmD1nGV1XGF7ZFcREmqT53K2VWLQtz8VOi6-yyCfp_KL4EuPyUP_s61L-Y3Ba6KzX38e755ImvNE68ZiAOVJqn4MoD0Zn_60x80y1_, 2011. State Council. Regional Planning of Chengdu-Chongqing Economic Zone (2011-2020)[EB/OL]. [2016-12-30]. http://wenku.baidu.com/link?url=Es9zPnmD1nGV1XGF7ZFcREmqT53K2VWLQtz8VOi6-yyCfp_KL4EuPyUP_s61L-Y3Ba6KzX38e755ImvNE68ZiAOVJqn4MoD0Zn_60x80y1_, 2011. |
[25] |
董永权. 中国人口增长预测[J]. 唐山师范学院学报, 2009, 31(2): 46-48. DONG Yong-quan. The Prediction of Population Increasing of China[J]. Journal of Tangshan Normal University, 2009, 31(2): 46-48. |
[26] |
Intergovernmental Panel on Climate Change. Recomm-endation Value of Emission Factors[EB/OL]. [2016-12-30]. http://wenku.baidu.com/view/7c13111810a6f524ccbf85fc.html, 2006.
|
[27] |
中华人民共和国交通运输部. 全国公路水路运输量专项调查资料汇编[M]. 北京: 中国经济出版社, 2008. Ministry of Transport of PRC. Compilation of Special Survey Data of National Highway and Waterway Transport[M]. Beijing: China Economic Publishing House, 2008. |