对城市个人出行活动产生的碳排放进行建模：采用Lévy分布的实证方法

《Applied Geography》：Modelling carbon generated from individual urban travel activities: An empirical approach using the Lévy distribution

个体交通活动（ITAs）的碳排放分布可通过Lévy分布建模分析，基于澳大利亚昆士兰东南部四年的家庭出行调查数据，研究发现83.5%的短途低排放ITAs贡献了70%的碳排放，提出基于碳阈值（2.88 kg CO?/次）区分市内与跨城交通，并建议通过土地规划、公共交通优化和私人车辆减排策略降低碳排放。

　　本文探讨了个体出行活动（Individual Travel Activities, ITAs）在城市碳排放中的作用，并提出了一种基于频率分布的建模方法，以更精确地评估这些活动对碳排放的影响。传统上，碳排放的计算多依赖于家庭或人均水平的统计指标，这往往掩盖了个体出行行为的复杂性。因此，研究者们开始关注不同出行特征下的碳排放频率分布，试图更全面地理解哪些出行活动对总体碳排放影响最大。通过分析澳大利亚东南昆士兰（South East Queensland, SEQ）地区的家庭出行调查数据，本研究引入了一种基于Lévy分布的模型，用于描述个体出行活动的碳排放分布模式。该模型不仅能够更准确地反映出行频率与碳排放之间的关系，还提供了一种基于数据的碳排放阈值，以区分城市内部和跨城市出行，为政策制定者提供了更实际的参考依据。

在城市环境中，交通碳排放主要来源于地面交通，包括私人汽车、摩托车、公共交通和步行等。其中，私人汽车的使用频率和距离通常较高，导致其在碳排放总量中占据主导地位。然而，研究发现，尽管83.5%的出行活动产生的碳排放量不超过2.88公斤/次，这些频繁的低强度城市内部出行活动却是总碳排放的主要来源。这一发现挑战了传统上强调减少高碳排放出行的思路，提醒政策制定者应更加关注低到中等碳排放的出行活动，因为这些活动的频率和数量使得其在总排放中具有更大的影响。

本研究的数据来源是SEQ地区的家庭出行调查数据，该调查覆盖了从2017年到2021年的四年时间，共收集了19,785个家庭的数据，每个家庭提供了10天的出行记录。调查涵盖了包括出行时间、距离、目的、出行方式以及出发和目的地等关键信息。此外，还利用了2021年澳大利亚统计局（ABS）的人口普查数据，以确保样本数据的代表性，并用于比较不同出行目的和出行方式的碳排放特征。

Lévy分布是一种能够描述高频率、低强度事件的概率分布，它在模拟动物觅食行为和人类出行模式方面表现出独特的优势。通过将出行活动视为一系列随机步长的Lévy飞行（Lévy Flight, LF），研究者们能够更准确地描述个体出行活动的碳排放分布。然而，由于人类出行受到居住地和基础设施的限制，Lévy分布可能低估了某些特定出行方式或区域的碳排放。为此，研究者们引入了一种修正后的模型，结合了正态分布，以更好地反映出行频率和碳排放之间的关系。该模型不仅能够捕捉到低排放和高排放出行活动的频率分布，还能够通过权重调整，更精确地模拟实际出行行为。

通过模型分析，研究者们发现，不同出行目的和出行方式对碳排放的影响显著不同。例如，通勤和工作相关的出行活动往往具有较高的碳排放，因为这些活动通常需要较长的出行距离和较高的出行频率。相比之下，娱乐和教育类的出行活动则更多依赖于步行和公共交通，因此碳排放较低。这种差异表明，城市规划和政策制定需要根据出行目的的不同，采取针对性的措施，以鼓励低碳出行方式的使用。

此外，研究还揭示了城市内部与跨城市出行活动的碳排放分布特征。通过设定一个碳排放阈值（2.88公斤/次），研究者们能够区分城市内部出行与跨城市出行。这一阈值基于数据驱动的方法，而非传统的行政边界划分，为城市规划提供了更具操作性的依据。研究结果表明，尽管大部分出行活动的碳排放较低，但它们的高频率使得整体碳排放仍然居高不下，因此，减少这些频繁低强度出行活动的碳排放，可能比减少少数高碳排放活动更为有效。

在政策层面，研究提出了三种主要的干预方向。首先，应将土地利用和交通规划相结合，通过优化城市结构，提高公共交通和步行的可达性，减少低强度出行活动对私人汽车的依赖。其次，应扩展并优先发展公共交通和步行基础设施，特别是在城市外围区域，以鼓励更多人使用低碳出行方式。最后，应提升铁路网络的效率和吸引力，通过改善站点连接、优化非高峰时段服务安排和引入激励措施，提高公共交通的使用率，从而降低整体碳排放。

尽管本研究在方法上具有创新性，但仍存在一些局限性。例如，调查样本可能对年轻人群和退休人员存在一定的偏差，这可能影响模型的普遍适用性。此外，由于缺乏电动车辆和电动滑板车的出行数据，模型可能低估了某些低碳出行方式的碳排放。因此，未来的研究可以考虑引入更全面的出行数据，包括新能源交通工具的使用情况，以进一步完善模型。同时，模型的适用性还可以通过在其他城市或地区进行测试，以验证其在不同地理和经济背景下的有效性。

本研究的贡献在于，它提供了一种基于频率分布的碳排放评估框架，使城市规划者和政策制定者能够更准确地量化和比较个体出行活动的碳排放影响。这一框架不仅有助于制定更有效的低碳出行政策，还为城市交通模型的构建提供了新的视角。通过关注低到中等碳排放的出行活动，研究为减少城市整体碳排放提供了新的思路，即通过改善城市结构和交通系统，鼓励更多人采用低碳出行方式，从而实现可持续的城市发展。