聶 凱，謝丹鳳，李 巍

（1．湖南大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院，湖南 長(zhǎng)沙 410079；2．物流信息與仿真技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410079）

隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展，環(huán)境問題日益嚴(yán)峻．世界能源組織發(fā)布的數(shù)據(jù)顯示，2006年以來，中國(guó)碳排放總量開始位居世界第一［1］，其中，物流行業(yè)碳排放量較高．我國(guó)城市物流運(yùn)輸大多采用高排量高污染的傳統(tǒng)貨車，隨著物流業(yè)的快速發(fā)展，道路交通碳排放在中國(guó)交通碳排放總量中所占的比重逐步升高［2］，城市物流碳排放逐漸成為城市交通碳排放的主要來源之一［3］．物流行業(yè)屬于生產(chǎn)性服務(wù)業(yè)，外部經(jīng)濟(jì)性顯著，服務(wù)和支撐著國(guó)民經(jīng)濟(jì)的發(fā)展．但在推進(jìn)物流行業(yè)發(fā)展的同時(shí)，必須重視物流碳排放的問題，在物流行業(yè)的快速發(fā)展與節(jié)能環(huán)保中尋求平衡點(diǎn)．新能源汽車以電能、生物燃料作為主要驅(qū)動(dòng)力，具有資源利用率高、碳排放量少、環(huán)境收益高等特點(diǎn)，非常適合應(yīng)用于距離短、頻次多的城市物流與配送過程［4］．在歐美等發(fā)達(dá)國(guó)家，新能源汽車在物流行業(yè)已進(jìn)入商業(yè)化運(yùn)作．因此，為了緩解巨大的節(jié)能減排壓力，中國(guó)政府正在努力推動(dòng)新能源汽車在我國(guó)城市物流行業(yè)的應(yīng)用．

為了量化分析不同區(qū)域和不同行業(yè)的碳排放量，國(guó)內(nèi)外學(xué)者進(jìn)行了諸多研究．Schmalensee等［5］和杜婷婷等［6］分別利用簡(jiǎn)化式模型和庫(kù)茨涅茨曲線（EKC）模擬經(jīng)濟(jì)發(fā)展與碳排放之間的關(guān)系，得到中國(guó)碳排放量與收入水平之間遵循“倒U”形曲線關(guān)系；Auffhammer等［7］利用省級(jí)數(shù)據(jù)對(duì)中國(guó)的碳排放路徑進(jìn)行了預(yù)測(cè)，預(yù)測(cè)結(jié)果顯示與靜態(tài)的環(huán)境庫(kù)茲涅茨曲線（EKC）相悖；王中英等［8］采用相關(guān)分析法探討了中國(guó)國(guó)內(nèi)生產(chǎn)總值（GDP）的增長(zhǎng)與碳排放量的關(guān)系；Guan等［9］運(yùn)用綜合分析法和投入產(chǎn)出分析法評(píng)估了中國(guó)1980—2030年的碳排放，指出以煤為主的中國(guó)能源消費(fèi)結(jié)構(gòu)是中國(guó)碳排放量一直居高不下的重要原因；翟石艷等［10］從廣東省實(shí)際省情出發(fā)，在碳排放計(jì)算框架下根據(jù)IPCC2006 碳排放計(jì)算模型預(yù)測(cè)廣東省2008—2050年的碳排放量，結(jié)果顯示在預(yù)測(cè)期內(nèi)該省碳排放量呈現(xiàn)先升后降的趨勢(shì)．

國(guó)內(nèi)外學(xué)者認(rèn)為，新能源汽車的應(yīng)用是一種有效的碳減排方式，具有巨大的環(huán)境收益潛能，Zhai等［11］通過計(jì)算得到混合動(dòng)力汽車（HEV）的平均CO2排放量；Zhou等［12］通過比較2009年中國(guó)的傳統(tǒng)車輛（CV）、純電動(dòng)汽車和混合動(dòng)力汽車的碳排放量得到，純電動(dòng)汽車（EV）是中國(guó)未來長(zhǎng)期具有巨大競(jìng)爭(zhēng)力優(yōu)勢(shì)的新能源汽車類型；He等［13］立足中國(guó)實(shí)際情況，通過研究設(shè)定的5種情形下混合動(dòng)力汽車和純電動(dòng)汽車對(duì)我國(guó)節(jié)能減排的貢獻(xiàn)率得到在短期內(nèi)，混合動(dòng)力汽車的大力推廣和應(yīng)用更加符合我國(guó)能源結(jié)構(gòu)現(xiàn)狀和新能源汽車現(xiàn)階段的技術(shù)水平；Tang等［14］基于未來10年我國(guó)汽車保有量數(shù)據(jù)的預(yù)測(cè)指出，新能源汽車對(duì)我國(guó)的節(jié)能減排具有重大意義．

綜上所述，國(guó)內(nèi)外學(xué)者已經(jīng)從多個(gè)層面對(duì)碳排放量的測(cè)算方法和新能源汽車的碳排放量進(jìn)行了研究．但一方面，現(xiàn)有關(guān)于碳排放量測(cè)算方法的研究多集中于省域?qū)用妫腋鄠?cè)重于測(cè)算經(jīng)濟(jì)發(fā)展與碳排放量之間的關(guān)系；另一方面，現(xiàn)有文獻(xiàn)對(duì)汽車碳排放量的研究多聚焦于以車輛數(shù)量作為計(jì)算碳排放量的參考指標(biāo)．在物流活動(dòng)中，碳排放量不僅與車輛數(shù)量，還與物流量密切相關(guān)．因此，本文在前人對(duì)碳排放量測(cè)算方法研究的基礎(chǔ)上，考慮了載貨量對(duì)碳排放量的影響，構(gòu)建新能源汽車城市物流碳排放模型；基于Gompertz模型對(duì)樣本城市的貨物周轉(zhuǎn)量進(jìn)行了預(yù)測(cè)，在此背景下比較了傳統(tǒng)車輛與新能源汽車的碳排放量；分析了新能源汽車的碳減排能力及其碳減排總量，并探討了新能源汽車不同的技術(shù)發(fā)展水平與其碳減排量之間的關(guān)系．最后，提出了一系列相關(guān)政策建議，以推動(dòng)我國(guó)新能源汽車產(chǎn)業(yè)的發(fā)展．

1 模型構(gòu)建

1．1 新能源汽車城市物流碳排放模型

式中：TCE （Total Carbon Emission）為碳排放總量，即新能源汽車的碳排放量加上傳統(tǒng)車輛的碳排放量，kg；α為新能源汽車物流市場(chǎng)份額；CT（Cargo Turnover）為貨物周轉(zhuǎn)量，kg·km；L（Load）為單位汽車載貨量，kg；CER（Carbon Emission Rate）為碳排放率，即單位車輛單位距離的碳排放量，kg／km；由于不同類型車輛的載貨量和碳排放率不同，i用以表示新能源汽車的類型，LNEVi表示第i種新能源汽車的單位載貨量，CERNEVi表示第i種新能源汽車的碳排放率；j用以表示傳統(tǒng)車輛的類型，LCVj表示第j種傳統(tǒng)車輛的單位載貨量，CERCVj是第j種傳統(tǒng)車輛的碳排放率；M表示新能源汽車的類型總數(shù)；N表示傳統(tǒng)車輛的類型總數(shù)．

1．2 基于改進(jìn)Gompertz模型的貨運(yùn)周轉(zhuǎn)量預(yù)測(cè)

貨運(yùn)周轉(zhuǎn)量（CT）是模型中的重要參數(shù)，通過考察該參數(shù)可以獲得物流量與碳排放量的關(guān)系．為了分析新能源汽車對(duì)我國(guó)城市物流碳減排的效果，本文運(yùn)用改進(jìn)的Gompertz模型對(duì)我國(guó)樣本城市2020年的貨物周轉(zhuǎn)量進(jìn)行預(yù)測(cè)．

城市經(jīng)濟(jì)發(fā)展水平和城市產(chǎn)業(yè)結(jié)構(gòu)是影響貨物周轉(zhuǎn)量的2個(gè)主要因素．城市的經(jīng)濟(jì)發(fā)展水平越高，商品交換越頻繁，相應(yīng)的物流總額及貨物周轉(zhuǎn)量也越高；從產(chǎn)業(yè)結(jié)構(gòu)來看，貨物周轉(zhuǎn)量主要來自第一產(chǎn)業(yè)和第二產(chǎn)業(yè)，根據(jù)克拉克和庫(kù)茲涅茨等人的研究成果，城市的產(chǎn)業(yè)結(jié)構(gòu)水平經(jīng)常遵循一般的演變趨勢(shì)［15］，即第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的比重隨著城市經(jīng)濟(jì)發(fā)展水平的提高經(jīng)歷緩慢增長(zhǎng)、快速增長(zhǎng)直至飽和3個(gè)階段．

基于以上分析，建立基本的Gompertz模型：

式中：V（X）是貨物周轉(zhuǎn)量占GDP 的比重；X是城市的GDP水平；α和β是2個(gè)待估參數(shù)；該模型中的一個(gè)重要待估參數(shù)是產(chǎn)業(yè)結(jié)構(gòu)因子系數(shù)γ，代表城市產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展水平，即城市第一產(chǎn)業(yè)和第二產(chǎn)業(yè)增加值占GDP的比重．

對(duì)模型（2）取對(duì)數(shù)，可得模型（3）：

基于上述模型，運(yùn)用Stata12．0對(duì)中國(guó)36個(gè)省市1998—2012年的相關(guān)數(shù)據(jù)進(jìn)行測(cè)算，結(jié)果顯示，模型（3）的T值為0．14，調(diào)整的R2為0．096 6，可見該模型并不能很好地反映所要研究的變量之間的關(guān)系．因而，擬增加調(diào)整變量對(duì)模型進(jìn)行改進(jìn)，以考察城市物流貨物周轉(zhuǎn)量與GDP之間的非線性關(guān)系．選擇的調(diào)整變量分別是X2和lnX，獲得改進(jìn)模型（4）和模型（5）：

重新進(jìn)行檢驗(yàn)的結(jié)果顯示，優(yōu)化后的模型的R2得到了明顯提高，且模型通過了T 檢驗(yàn)．因而相比于模型（3），經(jīng)過改進(jìn)后的模型（4）和模型（5）能更好地反映所要研究的經(jīng)濟(jì)變量之間的關(guān)系（檢驗(yàn)結(jié)果見表1）．

表1 （V （X））：貨物周轉(zhuǎn)量預(yù)測(cè)的回歸結(jié)果Tab．1 V（X）：Regression results on cargo turnover

此外，從模型殘差圖（圖1）可以發(fā)現(xiàn)，相對(duì)于reside1和reside3，reside2更接近零軸，因而選擇相應(yīng)的模型（4）作為改進(jìn)的Gompertz模型：

圖1 回歸結(jié)果的殘差圖Fig．1 Regression residual plots of different models

將相應(yīng)的參數(shù)代入之后，可得預(yù)測(cè)城市貨物周轉(zhuǎn)量的改進(jìn)Gompertz模型：

2 數(shù)據(jù)分析

2．1 數(shù)據(jù)來源

數(shù)據(jù)來源見表2．

傳統(tǒng)車輛的碳排放率CER（kg／km）可以通過其單位距離內(nèi)的能源消耗量（EI，Energy Intensity）與單位能耗的碳排放強(qiáng)度（CI，Carbon Intensity）的乘積計(jì)算出來，即CER＝EI×CI［16］．

傳統(tǒng)貨車按其能源消耗的不同分為2種類型：輕型貨車和重型貨車．本文采用張清宇［17］等的研究結(jié)果，傳統(tǒng)貨車單位距離的能源消耗量（EI）和單位能耗的碳排放量（CI）見表3，對(duì)其加權(quán)平均可計(jì)算得到單位傳統(tǒng)貨車的碳排放率CERCV為0．351kg／km．

表2 數(shù)據(jù)來源Tab．2 Data sources

表3 傳統(tǒng)貨車的CERCV Tab．3 The CERCVof CV

新能源汽車的碳排放率的計(jì)算：有關(guān)學(xué)者的研究表明，混合動(dòng)力汽車（HEV）是短期內(nèi)在物流行業(yè)最具競(jìng)爭(zhēng)力的新能源汽車類型［17］，純電動(dòng)汽車（EV）是未來新能源汽車的發(fā)展方向，所以本文新能源汽車的碳排放率CERNEV的計(jì)算主要考慮混合動(dòng)力汽車和純電動(dòng)汽車．參考Zhai［11］和Vliet［18］的研究，通過計(jì)算可得新能源汽車的碳排放率CERNEV為0．086kg／km．

2．2 新能源汽車城市物流碳排放模型計(jì)算結(jié)果

在考慮現(xiàn)階段新能源汽車的發(fā)展現(xiàn)狀的基礎(chǔ)上，樣本城市選擇的是北京、上海和天津，基于ARIMA 模型［19］預(yù)測(cè)樣本城市2020年的GDP數(shù)據(jù)，而后將其代入模型（7），則可得2020年樣本城市的貨物周轉(zhuǎn)量，見表4．

表4 樣本城市2020年的城市貨物周轉(zhuǎn)量數(shù)據(jù)Tab．4 Cargo Turnover of sample cities in 2020

隨著新能源汽車技術(shù)的不斷發(fā)展，其驅(qū)動(dòng)系統(tǒng)和續(xù)航能力將不斷加強(qiáng)，載重能力也不斷提高．本文基于其載貨量水平，將新能源汽車技術(shù)的發(fā)展劃分為Ⅰ，Ⅱ，Ⅲ三個(gè)階段．第Ⅰ階段也是當(dāng)下的技術(shù)水平，新能源汽車的載貨量是以中國(guó)現(xiàn)階段開始商業(yè)化運(yùn)營(yíng)的新能源貨車為參照，平均載貨量Li＝1．7t；第Ⅱ階段新能源汽車的載貨量以歐美等國(guó)現(xiàn)階段開始試運(yùn)營(yíng)的新能源貨車為參照，平均載貨量Li＝2．8t；第Ⅲ階段新能源汽車的載貨量參照我國(guó)城市物流配送行業(yè)的標(biāo)準(zhǔn)和要求（GB／T 22912—2013），此時(shí)新能源汽車的載重水平已接近傳統(tǒng)物流汽車載重，平均載貨量Li＝4．87t．此外，本文傳統(tǒng)車輛的載貨量LCV為6．5t．

基于前述模型和數(shù)據(jù)，假設(shè)城市物流運(yùn)輸及配送活動(dòng)全部由新能源汽車完成時(shí)（即α＝1時(shí)），可獲得不同新能源汽車技術(shù)發(fā)展階段的碳排放量；若不使用新能源汽車（即α＝0時(shí)），可獲得城市物流中傳統(tǒng)車輛的碳排放量（107t），結(jié)果見表5．

表5 基于不同車輛類型的2020年樣本城市物流行業(yè)碳排放量Tab．5 CO2emission of Urban Logistics with different vehicles type in sample cities in 2020

Tang［14］的研究中將2020年新能源汽車的市場(chǎng)份額分為高中低（10%，8%，5%）3個(gè)水平．考慮到近年來國(guó)家對(duì)節(jié)能環(huán)保的日益重視，以及樣本城市雄厚的資金與技術(shù)背景，本文假設(shè)2020年新能源汽車將在樣本城市物流運(yùn)輸配送中占據(jù)較高的市場(chǎng)份額，即α＝0．1，此時(shí)新能源汽車承擔(dān)10%，傳統(tǒng)車輛承擔(dān)90%的貨物周轉(zhuǎn)量，在該情形下樣本城市物流運(yùn)輸?shù)奶寂欧趴偭浚?07t）見表6．

表6 2020年樣本城市物流行業(yè)碳排放總量Tab．6 CO2emission of Urban Logistics in sample cities in 2020

2．3 結(jié)果分析

1）單位新能源汽車碳減排能力分析：碳減排能力可以用碳減排率（ERR：Emission Reduction Rate）表示，指在承擔(dān)同等貨物周轉(zhuǎn)量時(shí)，傳統(tǒng)車輛與新能源汽車碳排放（CE：Carbon Emission）之間的差值與傳統(tǒng)車輛碳排放量的比．即：

基于表6的數(shù)據(jù)，可得在承擔(dān)相同貨物周轉(zhuǎn)量的情形下，樣本城市新能源汽車和傳統(tǒng)車輛的碳排放量，如圖2所示．并可獲得單位新能源汽車的碳減排率，如圖3所示．

圖2 NEV 與CV 的碳排放量比較Fig．2 The comparison of CO2emission of NEV and CV

圖3 單位NEV 碳減排率Fig．3 The rate of CO2emission reduction of single NEV

以上海為例，由圖2可知，由傳統(tǒng)車輛承擔(dān)物流業(yè)務(wù)時(shí)，樣本城市的碳排放量為13．771×107t；而選擇新能源汽車時(shí)，在不同的技術(shù)發(fā)展階段，碳排放量分別為10．340×107t，6．278×107t和3．609×107t．可見，相對(duì)于傳統(tǒng)車輛，由新能源汽車承擔(dān)物流業(yè)務(wù)可降低碳排放量．同理分析北京和天津，可得同樣結(jié)論．

由圖3可知，隨著新能源汽車技術(shù)的發(fā)展和載貨能力的提高，其碳減排能力也不斷加強(qiáng)．當(dāng)技術(shù)水平由第Ⅰ階段發(fā)展到第Ⅱ階段，新能源汽車載貨量由1．7t提高到2．8t時(shí)，碳減排率由6．5%左右迅速提高到43%左右；當(dāng)技術(shù)水平發(fā)展到第Ⅲ階段，新能源汽車載貨量上升到4．87t時(shí)，其碳減排率也隨之上升到67%左右．

綜上所述，可得如下結(jié)論：新能源汽車具有一定的碳減排能力，并隨著技術(shù)水平的不斷提高，其碳減排能力不斷增強(qiáng)．因此，新能源汽車在城市物流行業(yè)的應(yīng)用有助于實(shí)現(xiàn)我國(guó)節(jié)能減排的目標(biāo)．

2）新能源汽車城市物流碳減排總量分析：考慮新能源汽車占據(jù)10%市場(chǎng)份額的情形，基于表6的數(shù)據(jù)，比較傳統(tǒng)城市物流的碳排放總量（TCE（α＝0）），與新能源汽車城市物流的碳排放量（TCE（α＝0．1）），如圖4所示．

圖4 不同技術(shù)水平下NEV 碳排放總量分析Fig．4 Analysis of total CO2emission reduction in different stage of NEV’s development

以北京為例，由圖4 可知，TCE（α＝0）為0．670 4×107t，而當(dāng)新能源汽車技術(shù)水平由第Ⅰ階段發(fā)展到第Ⅲ階段，即載貨量由1．7t遞增到4．87t時(shí)，TCE（α＝0．1）分別為0．605×107t，0．367×107t，0．211×107t．可見相對(duì)于傳統(tǒng)車輛，當(dāng)城市物流行業(yè)推廣應(yīng)用新能源汽車后，城市碳排放總量顯著降低；并且隨著新能源汽車技術(shù)的不斷發(fā)展，其碳排放總量也不斷減少．同理分析上海和天津可得同樣結(jié)論．

綜上所述，可得結(jié)論，新能源汽車的推廣應(yīng)用能夠顯著降低城市物流行業(yè)碳排放總量．

3）新能源汽車技術(shù)水平與碳減排量的關(guān)系分析：考慮新能源汽車占據(jù)10%市場(chǎng)份額的情形，基于表6的數(shù)據(jù)，分析不同的技術(shù)水平下，應(yīng)用新能源汽車后碳減排總量｛（TCE（α＝0）－ TCE（α＝0．1）｝的大小，如圖5所示．

圖5 新能源汽車技術(shù)水平與NEV 的碳減排量分析Fig．5 Analysis of the relationship between different stages of NEV’s development and the reduction of CO2emission

從圖5可以看出，在新能源汽車技術(shù)水平尚處第Ⅰ階段時(shí)，碳減排量極?。蚴窃诂F(xiàn)有的技術(shù)水平下，新能源汽車的載重能力不足，完成相同的物流業(yè)務(wù)所需的車輛數(shù)量遠(yuǎn)高于傳統(tǒng)車輛．因此，雖然單位車輛的碳排放量小，但碳排放總量仍與傳統(tǒng)車輛相近．偏高的經(jīng)濟(jì)成本和偏低的社會(huì)效益，導(dǎo)致當(dāng)前新能源汽車難以在物流行業(yè)廣泛推廣應(yīng)用．

但同時(shí)也可以看出，隨著新能源汽車技術(shù)水平的不斷提高，樣本城市北京、上海和天津的碳減排量均出現(xiàn)遞增趨勢(shì)．以天津?yàn)槔?，?dāng)由第Ⅰ階段發(fā)展到第Ⅱ階段時(shí)，其碳減排量也隨之由0．048×107t大幅增加到2．441×107t，當(dāng)達(dá)到第Ⅲ階段時(shí)，其碳減排量高達(dá)4．076×107t．同理分析北京和上?？傻玫较嗤慕Y(jié)論．

綜上可以得到結(jié)論，雖然目前新能源汽車難以廣泛應(yīng)用于物流行業(yè)，但隨著新能源汽車技術(shù)的日益成熟，碳減排效應(yīng)日益明顯，新能源汽車在物流行業(yè)具有十分廣闊的應(yīng)用前景．

3 結(jié)論與政策建議

本文構(gòu)建了新能源汽車城市物流碳排放模型，預(yù)測(cè)了樣本城市的貨物周轉(zhuǎn)量，并在此基礎(chǔ)上分析了單位新能源汽車的碳減排能力、新能源汽車城市物流的碳排放總量和新能源汽車技術(shù)水平與碳減排量的關(guān)系．結(jié)果顯示：1）隨著新能源汽車技術(shù)水平的不斷提高，其碳減排能力不斷增強(qiáng)；2）新能源汽車的推廣應(yīng)用能夠顯著降低城市物流行業(yè)碳排放總量；3）在當(dāng)前技術(shù)水平下，新能源汽車應(yīng)用于物流行業(yè)尚難以達(dá)到理想的碳減排效果，但隨著技術(shù)的不斷發(fā)展，新能源汽車在物流行業(yè)的應(yīng)用前景十分廣闊．

基于上述結(jié)論及分析，對(duì)中國(guó)新能源汽車物流的發(fā)展提出以下建議：

1）構(gòu)建適合新能源汽車的城市物流體系．①構(gòu)建科學(xué)的城市物流模式，實(shí)現(xiàn)傳統(tǒng)車輛物流與新能源汽車物流的協(xié)同合作．在城市周邊增設(shè)物流中心和貨物中轉(zhuǎn)中心，承擔(dān)傳統(tǒng)物流車輛與新能源物流車輛的貨物轉(zhuǎn)運(yùn)業(yè)務(wù)，城市內(nèi)部物流和配送活動(dòng)交由新能源汽車轉(zhuǎn)運(yùn)，避免高排放物流車輛進(jìn)入城市．②將充電站、充電樁等新能源設(shè)施設(shè)備等納入城市物流體系，在規(guī)劃與選址過程中充分考慮相關(guān)約束．

2）加大對(duì)新能源汽車在城市物流行業(yè)應(yīng)用的支持力度．①由于現(xiàn)階段我國(guó)新能源汽車行業(yè)還處于發(fā)展初期，應(yīng)用和推廣的成本較高，雖然我國(guó)政府已經(jīng)出臺(tái)了一系列優(yōu)惠政策措施來促進(jìn)新能源汽車行業(yè)的發(fā)展，但考慮到我國(guó)較高的物流費(fèi)用，還應(yīng)進(jìn)一步加強(qiáng)補(bǔ)貼和減免力度．②效仿發(fā)達(dá)國(guó)家，將新能源汽車應(yīng)用于典型城市的物流活動(dòng)，例如污染、霧霾較嚴(yán)重的城市；應(yīng)用于典型行業(yè)的物流活動(dòng)，例如零售配送、電商物流等．

3）根據(jù)市場(chǎng)需求，推進(jìn)新能源汽車技術(shù)的發(fā)展．隨著新能源汽車的技術(shù)水平不斷提高，碳減排效果也將不斷加強(qiáng)．在新能源汽車研發(fā)過程中，應(yīng)注重學(xué)科融合，由各領(lǐng)域?qū)＜耀@取切合實(shí)際的市場(chǎng)需求，以此引導(dǎo)不同類型新能源汽車技術(shù)研發(fā)的側(cè)重方向．以新能源物流車輛為例，在發(fā)展新能源汽車驅(qū)動(dòng)技術(shù)、動(dòng)力電池技術(shù)、燃料技術(shù)的同時(shí)，還應(yīng)注重新能源汽車載重能力的提升．

［1］張?zhí)招拢袊?guó)城市化進(jìn)程中的城市道路交通碳排放研究［J］．中國(guó)人口·資源與環(huán)境，2012，22（8）：3－9．

ZHANG Tao－xin．Research on China’s urban road transport carbon emissions under urbanization process［J］．China Population，Resources and Environment，2012，22（8）：3－9．（In Chinese）

［2］朱躍中．未來中國(guó)交通運(yùn)輸部門能源發(fā)展與碳排放情景分析［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2001（12）：30－35．

ZHU Yue－zhong．The scenario analysis of China＇s energy development and carbon emissions in transportation department in the future［J］．China Industrial Economy，2001（12）：30－35．（In Chinese）

［3］MCKIBBIN W P，WILCOXEN P J．The role of economics in climate change policy［J］．Journal of Economic Perspectives，2002，16（2）：107－129．

［4］PINA A，BAPTISTA P，SILVA C，etal．Energy reduction potential from the shift to electric vehicles：the flores island case study［J］．Energy Policy，2014，67：37－47．

［5］SCHMALENSEE R，STOKER T M，JUDSON R A．World carbon dioxide emissions：1955－2050［J］．Review of Economics and Statistics，1998，80（1）：15－27．

［6］杜婷婷，毛峰，羅銳．中國(guó)經(jīng)濟(jì)增長(zhǎng)與CO2排放演化探析［J］．中國(guó)人口·資源與環(huán)境，2007，17（2）：94－99．

DU Ting－ting，MAO Feng，LUO Rui．Study on China’s economic growth and CO2emission［J］．China Population，Resources and Environment，2007，17（2）：94－99．（In Chinese）

［7］AUFFHAMMER M，CARSON R T．Forecasting the path of China’s CO2emissions using province－level information［J］．Journal of Environmental Economics and Management，2008，55：229－247．

［8］王中英，王禮茂．中國(guó)經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的影響分析［J］．安全與環(huán)境學(xué)報(bào)，2006，6（5）：88－91．

WANG Zhong－ying，WANG Li－mao．Economic growth and its effects on carbon emission in China［J］．Journal of Safety and Environment，2006，6（5）：88－91．（In Chinese）

［9］GUAN D，HUBACEK K，WEBER C L，etal．The drivers of Chinese CO2emissions from 1980to 2030［J］．Global Environmental Change，2008，18：626－634．（In Chinese）

［10］翟石艷，王錚，馬曉哲，等．區(qū)域碳排放量的計(jì)算——以廣東省為例［J］．應(yīng)用生態(tài)學(xué)報(bào)，2011，22（6）：1543－1551．

ZHAI Shi－yan，WANG Zheng，MA Xiao－zhe，etal．The calculation of the area of carbon emissions—Guangdong Province［J］．Journal of Applied Ecology，2011，22（6）：1543－1551．（In Chinese）

［11］ZHAI H B，F(xiàn)REY H C，ROUPHAIL N M．Development of a emissions model for a hybrid electric vehicle［J］．Transportation Research Part D，2010，16：444－450．

［12］ZHOU Guang－h(huán)ui，OU Xun－min，ZHANG Xi－liang．Development of electric vehicles use in China：a study from the perspective of life－cycle energy consumption and greenhouse gas emissions［J］．Energy Policy，2013，59：875－884．

［13］HE Ling－yun，CHEN Yu．Thou shalt drive electric and hybrid vehicles：scenario analysis on energy saving and emission mitigation for road transportation sector in China［J］．Transport Policy，2013，25：30－40．

［14］TANG Bao－jun，WU Xiao－feng ZHANG Xian．Modeling the CO2emissions and energy saved from new energy vehicles based on the logistic－curve［J］．Energy Policy，2013，57：30－35．

［15］谷衛(wèi)．城市產(chǎn)業(yè)結(jié)構(gòu)演變趨勢(shì)的一致性與差異性［J］．南開經(jīng)濟(jì)研究，1991（6）：62－65．

GU Wei．Consistency and differences of the trend of city industrial structure evolution［J］．Nankai Economic Studies，1991（6）：62－65．（In Chinese）

［16］YANG C．A framework for allocating greenhouse gas emission from electricity generation to plug－in electric vehicle charging［J］．Energy Policy，2013，60：722－732．

［17］張清宇，魏玉梅，田偉利．機(jī)動(dòng)車排放控制標(biāo)準(zhǔn)對(duì)污染物排放因子的影響［J］．環(huán)境科學(xué)研究，2010，23（5）：606－612．

ZHANG Qing－yu，WEI Yu－mei，TIAN Wei－li．Impact of national vehicle emission standards on vehicle pollution emissions factors［J］．Research of Environmental Sciences，2010，23（5）：606－612．（In Chinese）

［18］VLIET O V，BROUWER A S，KURAMOCHI T，etal．Energy ues，cost and CO2emissions of electric cars［J］．Journal of Power Sources，2011，196（4）：2298－2310．

［19］熊志斌．基于ARIMA 與神經(jīng)網(wǎng)絡(luò)集成的GDP 時(shí)間序列預(yù)測(cè)研究［J］．?dāng)?shù)理統(tǒng)計(jì)與管理，2011，30（2）：306－310．

XIONG Zhi－bin．Research on GDP time series forecasting based on integrating ARIMA with neural network［J］．Journal of Applied Statistics and Management，2011，30（2）：306－310．（In Chinese）