您好, 访客   登录/注册

道路交通拥堵与城市雾霾污染的关系研究

来源:用户上传      作者:冯国强 李菁 武卓尔

  摘要 道路拥堵与城市雾霾是机动车行驶带来的两个负溢出效应,大量文献揭示了城市机动车行驶对二者带来的影响,却鲜有文献关注道路拥堵程度与雾霾污染之间的内在联系。这其中的缘由在于,一则道路拥堵程度与雾霾污染之间互为因果,同时有共同的影响因素,由此带来的内生性难题难以有效解决;其次,采用统一标准来测度不同城市道路拥堵程度的数据难以获得。为此利用高德地图(Amap)根据机动车定位导航系统提供的城市拥堵延时的大数据,來捕获各省会城市每日道路交通的拥堵程度,同时运用各城市每日的燃油销售价格、国际市场原油价格以及上一周同一工作日道路的拥堵程度作为工具变量,通过两阶段最小二乘法(2SLS)估计道路拥堵程度对城市雾霾污染的影响。 回归结果表明:①以城市燃油价格作为工具变量时,道路拥堵程度每增加1%,会导致省会城市PM2.5、PM10分别增加6.5%和6.7%;②以国际原油价格、上一周同一个工作日拥堵程度作为工具变量,以及改用GMM方法进行估计时,基准回归的结论仍然稳健,城市的治堵举措与治霾举措能够相互协同;③进一步以省会城市新增轨道交通来实现治堵和治霾的例子表明,发展轨道交通来实现治堵与治霾的协同效应,要以有效治堵作为前提,否则减排治霾的协同效果无法实现。
  关键词 拥堵延时;雾霾;机动车尾气;内生性
  化解道路拥堵和城市雾霾污染两大难题,事关城市核心竞争力的提升。有效化解这两大难题,前提是厘清二者之间的内在联系。理论上,道路拥堵会增加机动车的运行时间,从而提高耗油量,加重尾气污染。但同时,雾霾天又会降低行驶中的能见度,进而造成大面积的交通拥堵。这种相互影响、互为因果的内在联系,导致难以有效估计二者之间的内在联系。另外,由于缺乏系统的数据以及样本选择存在的内生性偏误,导致系统估计道路拥堵的污染效应,这类研究相对较少。为此,利用高德地图(Amap)发布的城市间的大数据,测度道路拥堵对城市雾霾的影响,从中探索治堵与治霾之间的内在联系。
  1 文献综述
  英国经济与商业研究中心(CEBR)最新的研究表明,道路拥堵每年给英国、美国和德国造成至少约2 000亿美元的损失,占到了这类国家每年经济总量的0.8%。同时,雾霾污染造成的损失,远远超过了道路拥堵。WHO提供的最新数据显示,每年大约有700万人因接触到污染空气中可渗透到肺部和心血管系统的细微颗粒而死亡。对于中国这类发展中的新兴经济体而言,由机动车行驶带来的诸如道路拥挤、尾气污染问题要严重得多。根据TomTom交通指数排名,拥堵程度排名前十的城市当中,九座城市为新兴经济体国家的城市,排名前三十的城市当中,中国城市占到了1/3。同时机动车尾气贡献了中国各大城市空气当中74%的碳氢化合物、63%的CO和37%的NO2以及20%以上的悬浮物颗粒[1-2]。如何有效治堵同时减排治霾,成为各城市面临的主要挑战。
   理论上,道路拥堵与尾气排放都是机动车在行驶过程中产生的负溢出效应[3-4],二者具有较强的正相关性。一系列因素,比如天气、公共交通设施的运行情况、城市道路里程、面积和路面质量、人口密度、城市社区布局等,既影响城市道路的拥堵情况,也影响机动车尾气的污染程度 [5-7]。同时,道路的拥堵程度和尾气排放之间还互为因果、相互影响。道路越是拥堵,机动车路面行驶耗时就越长,能源消耗和对应的尾气排放越多,给环境带来的负外部性就越大 [8-11];反过来,雾霾天影响着能见度,进而增加事故发生率和道路的拥堵程度。因此,要揭示二者之间的关系,内生性问题是急需解决的首要问题。
   大量研究为城市道路交通造成的空气污染寻找着证据。Thijsse等[12]揭示了在德国柏林,80%至90%的城区空气污染物来自于道路交通。Basaric'等[13-15]揭示了空气当中50%的NO2来自机动车尾气。这些研究为道路交通影响城市空气质量提供了直接证据。另一些研究为道路交通影响空气污染提供间接证据[16-19],认为城市增加公共交通的供给水平,包括轨道交通、加开公共汽车等,都有助于替代私家车出行而降低机动车尾气污染。另外,还有一类文献检验了提高油价、提升机动车排放标准、收取拥堵税、车辆限行等一系列行政举措的治霾效果,也为道路交通影响空气污染提供了间接证据[20-21]。
   然而,上述文献忽视了道路的拥堵程度所起到的作用,从而导致针对相同的研究主题,甚至利用同样的样本,却难以得到统一的结论。Lalive等[22]利用德国1994—2004年的经验数据,发现轨道交通只是减少了NO、NO2的排放量,但对另两项重要的尾气污染物CO和O3则没有影响。Goel&Gupta[23]利用断点回归,揭示了印度的德里地铁有效减少了NO2、CO的排放量,但对其他污染物没有影响,从而无法为道路交通导致空气污染,尤其是雾霾污染提供有效的间接证据。Vickery[24]发现新增的交通工具以及交通基础设施,在存在转移效应或Mohring效应的同时,也可能产生新的汽车出行需求,增加城市道路交通压力。正是由于交通创造效应的存在,使得政府即便增加交通投入,以及采取行政举措控制机动车总量,也可能起不到治霾的效果[25]。
  显然,将道路的拥堵程度纳入到分析当中,才能更加有效地解释道路交通如何导致雾霾污染。已有文献之所以未将拥堵程度纳入到分析当中,很大原因就在于难以处理拥堵与雾霾之间的内生性以及系统数据的匮乏。即便如此,学者们尝试着去寻找机动车与道路拥堵或者城市雾霾之间间接的系统证据。马丽梅等分别用私人汽车拥有量/城市公路总长度来衡量城市面临的道路交通压力,并结合拥堵与油耗之间的关系来推断拥堵与雾霾之间的联系[26]。 然而,这些间接证据只反映了一段时间内由机动车行驶数量带来的拥堵程度与雾霾污染程度,却无法实时反映每天、每个小时的拥堵与雾霾状况,但实时的信息更容易影响人们的出行决策。在接下来的内容中,利用高德地图(Amap)提供的实时数据,选取工具变量来处理内生性问题,从中揭示道路拥堵的雾霾污染效应,弥补现有文献的不足。   2  模型与数据
  2.1  计量方程
   为有效处理内生性问题,以燃油价格作为工具变量,利用下列两阶段回归(2SLS)进行分析。燃油价格分别包括汽油价格和柴油价格。选择用燃油价格作为工具变量来解决内生性,是基于以下两点:①在中国,无论是汽油还是柴油,都实行政府指导价,先由国家发改委按吨计算并提供指导价格,然后省级主管部门根据国家发改委提供的吨位价格标准以及地区实际制定地方指导价,因此,对于机动车在行驶过程中的尾气排放及其污染程度,燃油价格是该系统以外的变量,作为工具变量满足外生性。②燃油价格直接影响人们的汽车购买决定和出行方式的选择,进而影响城市道路的拥挤程度,在统一的燃油标准下,这也是燃油价格作用于雾霾污染唯一的途径,与道路的拥堵程度高度相关。基于上述两点,分别利用汽油价格和柴油价格作为道路拥挤程度的工具变量,来进行基准回归。当然,该工具变量能否有效,将在下文进一步论证。所用的两阶段回归方程如下:其中,(1)式为第一阶段回归方程,(2)式为第二阶段回归方程。第一阶段回归中的Trafficiymd表示城市i在y年m月d日道路交通的拥堵程度,oilpriceiymd为该城市的燃油价格,分别包括汽油价格(priceq)和柴油价格(pricec),在模型中先一一作为工具变量纳入回归分析当中。另外,还取两个价格的平均值,用来表示综合的油品价格(price),以此作为第三个工具变量纳入回归分析当中。Xiymd为一系列控制变量,包括当日的气温、降水、风力大小等天气变量,城市的工业化率、城市化率、人口密度、每百万人均地铁通车里程、每百万人汽车拥有数量等城市特征变量。由于城市化、工业化、轨道交通通车里程等变量不存在每日统计数据,参照已有文献的做法[2, 27],选取对应年份年初的指标值进行衡量。另外,分别控制城市的固定效应σi,年、季、月、一周的星期几、以及是否为工作日的时间固定效应μt,剩下的εit是随机误差项,用来表示遗漏变量产生的影响。α0、α1、γ为回归系数。第二阶段回归的被解释变量Hazeiymd是城市i当日的雾霾程度,分别包括PM2.5浓度和PM10浓度,核心解释变量是从第一阶段获得的拥堵程度的估计值,β0、β1、φ为待估参数,其余变量和第一阶段回归的含义一样。回归当中,分别对燃油价格、雾霾程度以及道路拥堵程度取对数形式。
  2.2 样本数据与描述性统计
  被解释变量Hazeiymd来自中国空气质量在线监测平台提供PM2.5和PM10的日数据,该指数越高,雾霾越严重。内生变量Trafficiymd来自高德地图(Amap)提供的各大城市每日高峰时段道路拥堵延时指数。该指数等于高峰时段的出行旅行时间/自由流旅行时间,数值越大,道路交通的拥堵程度越严重。选择高峰时段(包括7~9时早高峰时段和17~19时的晚高峰时段)来衡量道路拥堵程度,是由于此时段在一天当中的出行需求最大,该时段的拥堵状况最能体现道路交通面临的压力和尾气排放程度。燃油价格来自CEIC数据库。控制变量当中的气象数据来自“2345天气网”提供的城市天气历史数据,城市化率、工业化率、人口密度来自《中国城市统计年鉴》,每百万人口平均轨道交通通车里程、每百万人口平均汽车拥有数量是根据每年各城市统计公报整理而来,法定假日以及是否调休等,根据国务院办公厅每年发布的节假日安排通知整理得到。考虑到城市之间的可比性和数据的可得性,剔除了四个直辖市以及海口、拉萨、乌鲁木齐及港澳台的数据,以剩余的24个省会城市作为回归分析的样本,样本期间从2015年10月1日至2018年9月30日。变量的统计性描述见表1。
  3  实证结果与分析
  3.1  基准回归结果
   回归之前是对工具变量进行有效性检验。首先检验工具变量与内生变量之间的相关性,其次对工具变量进行过度识别检验,从中检验工具变量能否满足排他约束。表2展示了第一阶段的回归结果,从中可以发现,燃油价格与道路拥堵程度之间呈现出显著的负向关系。当然,这种因果关系是否是燃油价格影响机动车尾气污染的唯一途径,即能否满足排他性约束,还需进行过度识别检验。在对PM2.5的回归中,SarganHansen统计量为12.5,P值大于10%,接受了汽油价格、柴油价格和油品价格均为外生的原假设。在对PM10的回归当中,SarganHansen统计量为4.168,P值为41.2,同样接受了工具变量的外生性,通过过度识别检验。因而用燃油价格来作为工具变量,检验道路拥堵引发的雾霾是可行的。
  将燃油价格作为工具变量纳入到计量方程,得到的基准回归结果见表3。结果当中,前3栏分别是以汽油价格、柴油价格、以及油品价格作为工具变量,对PM2.5指数的回归结果;第4~6栏是利用相同的处理办法对PM10的回归结果。结果显示,在其他因素保持不变的前提下,城市拥堵指数每增加1%会导致PM2.5和PM10浓度分别增加6.5%和6.7%,二者之间呈现出显著的正向因果关系。当然,基准回归的结论能否稳健,还需要进一步检验。
  3.2 稳健性检验
  3.2.1 国际原油价格作为工具变量
   虽然燃油的政府指导价对于地方的空气污染而言是外生的,但发改委在调整油价时可能会考虑实际的经济运行状况,甚至包括全国总体的环境状况,从而导致油价与雾霾之间可能存在一定的相关性。为此,选取国际原油价格来替代国内燃油价格作为工具变量,带入基准模型当中进行检验。显然,国际原油价格相對于国内的经济运行状况以及环境污染情况而言,是严格外生的,理论上满足工具变量的属性。将国际油价带入式(1)当中,得到的系数符号显著为负(-0.017),满足与内生变量——拥堵程度的相关性假设,同时通过SarganHansen过度识别检验。以国际原油价格作为工具变量的回归结果见表4。表4第1~2栏是未控制城市特征变量的回归结果,第3~4栏控制了城市特征变量。结果显示估计系数显著为正,进一步验证了基准回归的结论。   3.2.2 以上周同一工作日的擁堵程度作为工具变量
  考虑到人们出行方式的选择还受到以往出行经历的影响,尤其是上周同一工作日出行经历的影响。为此,选取上周同一工作日的拥堵程度作为工具变量,能揭示当日出行决定如何影响城市雾霾的污染程度。显然,理论上上周同一工作日的拥堵程度对于本周当日的出行决定是严格外生的,并且上周同一工作日的拥堵程度直接作用于当日出行方式的选择,从而影响当日道路的拥堵程度,除此之外别无其它途径影响当日的雾霾浓度,基本符合工具变量的特征。将上周同一工作日的拥堵程度纳入到第一阶段回归当中,得到的回归系数显著为负(-0.230),并且通过SarganHansen过度识别检验,因此满足实证检验当中工具变量的特征。两阶段回归结果见表5。
  第1~2栏是不包括城市特征变量的回归结果,第3~4栏加入了城市特征变量。结果表明,即便以上周同一个工作日的拥堵程度作为工具变量,当日道路的拥堵程度仍然显著影响雾霾浓度。
  3.2.3 GMM分析
   上文改用其他工具变量放入计量方程当中,仍然不改变基准回归所得的推断,当然如果更换一种分析方法,若结论依然和基准回归保持一致,那么就有充足的理由相信道路拥堵程度与雾霾之间的因果关系。为此,利用GMM对原模型进行回归,回归结果见表6。从结果中可以发现,即便利用GMM替代2SLS进行回归,回归结果依然显示道路拥堵程度显著与雾霾浓度之间正相关,因此基准回归的结果稳健。
  4  进一步讨论:以轨道交通为例揭示城市治堵与治霾之间的关系
  4.1 新增轨道交通的治堵效应
  样本期间,各省会城市新增轨道交通44条,其中37条线路新增通车里程数超过10km。作为城市应对拥堵和空气污染的难题,利用轨道交通能否有效缓解城市的拥堵,进而起到减排治污的效果?为了回答这一问题,收集整理24个省会城市样本期间新增轨道线路的样本,以新增当日为断点,前后30天作为观察期,采用断点分析(RD)来检验这一举措的治堵减排效应。治堵效应和减排效应的回归方程分别见式(3)(4)。式中Did是代表新增轨道交通线路的虚拟变量,i城市在新线路开通运营日期之后为1,之前为0。x是执行变量,用来表示距离轨道交通新线路开通运营当天的天数,开通运营当日为0,之前小于0,之后大于0,f(x)是以x为自变量的多项式函数。回归当中,控制每天的天气变量Xiymd,包括气温、降水、下雪、风力大小等。
  非参数断点回归时分别选择了最优带宽、一半带宽和二倍带宽,回归结果见表7第1栏。在最优带宽时,新增轨道交通显著降低了道路的拥堵程度,新增一条线路使道路拥堵程度下降0.11/1.772=6.2%。当然,新增轨道交通的治堵效应并不长期有效,当观察期增加到最优带宽的2倍时,新增轨道交通的回归系数虽然为负,却不再显著。说明随着时间的增加,新增轨道交通缺乏长期有效的治堵效应。
  4.2 新增轨道交通的雾霾减排效应
   对回归方程(4)的非参数断点回归结果见表7第2~3栏。结果显示,在一半带宽和最优带宽时,新增轨道交通显著减少悬浮颗粒的排放。在最优带宽时,增加轨道线路前PM2.5的均值为58.298,PM10的均值为92.405,各种的减排效应分别为11.68/58.298和18.91/92.405,即新增轨道交通线路使PM2.5减少20.03%,PM10减少20.46%。然而当带宽增加到两倍时,这种减排效应不再存在,说明新增轨道交通并不能长期降低雾霾水平,只是短期内缓解了雾霾的严重程度。
   从表7第1~3栏的分析结论能够推断,一旦城市新增轨道交通,能够在短期内替代汽车出行,从而降低了城市道路的拥堵程度,进一步减少尾气排放,减轻PM2.5和PM10浓度,然而,这种治堵与减排效应不可持续,不具有长期影响。这其中的原因在于新增轨道交通不仅仅能够产生交通分流效应,还会创造出新的道路出行需求,比如人们会利用便捷的交通搬离拥挤的市区,从而增加从市郊到市区往返的道路交通需求,进而增加城区道路的拥挤程度,降低轨道交通的减排效果[28]。因此,分析道路交通如何导致雾霾浓度的变化,如果回避探讨对拥堵程度造成的影响,就难以得到一致结论。
  5 结论与政策启示
   利用2015年10月至2018年9月24个省会城市的历史数据,以燃油价格、国际原油价格以及上一周同一个工作日的道路拥堵程度作为工具变量来估计道路拥堵程度对雾霾污染的影响。研究发现,道路交通的拥堵程度显著影响城市雾霾的严重程度,二者存在正向的因果关系。进一步以城市新增轨道交通为例的研究表明,新增轨道交通能否起到减排治污的效果,须改变道路交通的拥堵程度作为前提。研究认为,任何回避拥堵程度来探讨道路交通的污染效应,以及为道路交通导致空气污染寻找直接或间接证据的文献,都必须首先考虑道路交通的相关举措如何改变道路的拥堵程度,否则难以得到一致并且足够信服的结论。
   该项研究的政策启示是:①政府采取各种举措来缓解城市的尾气排放,比如新增轨道交通、增加公共汽车的投放数量、增加道路里程或面积等等,都必须首要考虑这些举措对道路拥堵程度会造成什么影响,否则容易带来新的环境污染问题。②城市扩张过程中新建的基础设施,要尽量起到疏散交通,降低道路拥堵程度的作用,从而才能有效地增加社会公共福利。
   (编辑:李 琪)
  参考文献:
  [1]李文兴,尹帅.城市轨道交通成本构成分析[J].交通运输系统工程与信息, 2012(2):9-14.
  [2]梁若冰,席鹏辉.轨道交通对空气污染的异质性影响——基于RDID方法的经验研究[J].中国工业经济,2016(3):83-98.
  [3]OLUWANDE P A. Automobile traffic and air pollution in a developing country: an example of affluencecaused environmental problems[J]. International journal of environmental studies, 1977, 11(3): 197-203.   [4]PARRY W H, SMALL K A. Does Britain or the United States have the right gasoline tax?[J]. American economic review, 2005, 95(4): 1276-1289.
  [5]ANDERSON P W, KANAROGLOU S P, MILLER J E. Urban form, energy and the environment: a review of issues, evidence and policy[J]. Urban studies, 1996, 33(1): 7-36.
  [6]LOHREY S, CREUTZIG F. A ‘sustainability window’of urban form[J]. Transportation research Part D: transport and environment, 2016, 45: 96-111.
  [7]DURANTON G, TURNER M A. Urban form and driving: evidence from US cities[J]. Journal of urban economics, 2018, 108: 170-191.
  [8]ZHANG K, BATTERMAN S. Air pollution and health risks due to vehicle traffic[J]. Science of the total environment, 2013, 450: 307-316.
  [9]HITCHCOCK G, CONLAN B, KAY D, et al. Air quality and road transport: impacts and solutions[R].London:Royal Automobile Club Foundation for Motoring Ltd,2014.
  [10]RAJE F, TIGHT M, POPE F D. Traffic pollution: a search for solutions for a city like Nairobi[J]. Cities, 2018, 82: 100-107.
  [11]SHI K, DI B, ZHANG K, et al. Detrended crosscorrelation analysis of urban traffic congestion and NO2 concentrations in Chengdu[J]. Transportation research Part D: transport and environment, 2018, 61: 165-173.
  [12]THIJSSE T R, ROEMER M G M, VAN OSS R F. Trends in largescale VOC concentrations in the Southern Netherlands between 1991 and 1997[J]. Atmospheric environment, 1999, 33(23): 3803-3812.
  [13]BASARIC V, DORIC V. Effects of traffic on NO2 and PM10 emissions in Novi Sad[J]. Polish journal of environmental studies, 2014, 23(5) : 1837-1842.
  [14]FREY H C, UNAL A, ROUPHAIL N M, et al. Onroad measurement of vehicle tailpipe emissions using a portable instrument[J]. Journal of the air & waste management association, 2003, 53(8): 992-1002.
  [15]SHON Z H, KIM K H, SONG S K. Longterm trend in NO2 and NOx levels and their emission ratio in relation to road traffic activities in East Asia[J]. Atmospheric environment, 2011, 45(18): 3120-3131.
  [16]CHEN Y, WHALLEY A. Green infrastructure: the effects of urban rail transit on air quality[J]. American economic journal: economic policy, 2012, 4(1): 58-97.
  [17]GENDORCARRIER N, GONZALEZNAVARRO M, POLLONI S, et al. Subways and urban air pollution[R]. National Bureau of Economic Research, 2018.
  [18]高明,陳丽强,郭施宏.轨道交通、BRT与空气质量——一个城市异质性的视角[J].中国人口·资源与环境,2018(6):73-79.
  [19]HUANG X, CAO X J, YIN J, et al. Effects of metro transit on the ownership of mobility instruments in Xi’an,  China[J]. Transportation research Part D: transport and environment, 2017, 52: 495-505.   [20]VOARD V B, FU S. The effect of Beijing’s driving restrictions on pollution and economic activity[J]. Journal of public economics, 2015, 125: 98-115.
  [21]易蘭,周忆南,李朝鹏,等. 城市机动车限行政策对雾霾污染治理的成效分析[J].中国人口·资源与环境,2018,28(10):81-87。
  [22]LALIVE R, LUECHINGER S, SCHMUTZLER A. Does supporting passenger railways reduce road traffic externalities?[R]. Social Science Research Network, 2013.
  [23]GOEL D, GUPTA S. The effect of metro rail on air pollution in Delhi[R]. India Environment Portal, 2014.
  [24]VICKREYI W S. Congestion theory and transport investment[J]. The American economic review, 1969, 59(2): 251-260.
  [25]BEAUDOIN J, FARZIN Y H, et al. Public transit investment and sustainable transportation: a review of studies of transit’s impact on traffic congestion and air quality[J]. Research in transportation economics, 2015, 52: 15-22.
  [26]马丽梅,张晓.中国雾霾污染的空间效应及其经济、能源结构影响[J].中国工业经济,2014(4):19-31.
  [27]吴建南,文婧.环保约谈管用吗?——来自中国城市大气污染治理的证据[J].中国软科学,2018(11):66-75.
  [28]冯国强,李菁.城市轨道交通减排效应评估[J].中国人口·资源与环境,2019,29(10):143-151.
转载注明来源:https://www.xzbu.com/7/view-15184752.htm