日本51座城市的私家车碳排放，为何相差五倍以上｜《npj Environmental Social Sciences》论文

一项发表于《npj Environmental Social Sciences》的研究对日本51个主要城市的私家车人均碳排放进行了系统比较，发现最高与最低城市之间相差超过五倍。研究团队将回归与机器学习方法结合，识别出地价、车站密度与土地利用形态是与排放差异关联最强的因素，并据此将城市划分为五种类型，为分类施策的低碳交通转型提供了依据。

家庭消费是城市碳排放的主要来源之一，而在家庭碳足迹的各项构成中，交通、尤其是私家车使用，往往占据最大份额。以往研究多在国家或全球尺度开展，难以回答一个很具体的问题：为什么同样是日本的大城市，居民开车所产生的排放却差异悬殊？

日本提供了一个特别适合回答这一问题的现实场景。一方面，东京、大阪、名古屋拥有世界上最密集、最准点的轨道交通网络；另一方面，2022年全国汽车保有量仍达每千人约617辆，2020年超28%的人口年龄在65岁以上，国土从沿海平原到降雪山区差异极大。人口、基础设施与地理条件的这种强烈对比，使得跨城市比较具有特殊的价值。

研究选取日本47个都道府县首府城市以及相模原、堺、浜松、北九州共51座城市，它们容纳了全国超过37%的人口。因变量采用日本环境省发布的市町村层面道路交通二氧化碳排放推算数据（2021年），并仅保留乘用车与轻型乘用车，剔除巴士和各类货运车辆，以避免将家庭出行与公共交通运营、商业物流混同。

解释变量共36项，跨越五个维度：气候（气温、降水、降雪、日照）、地理（面积、周长、平均坡度、质心经纬度）、土地利用与景观格局（基于FRAGSTATS计算的斑块密度、最大斑块指数、形状指数、香农多样性指数等）、社会经济（人口、老年人口、家庭数、地价）以及交通基础设施（铁路线路密度、车站密度、公交站点密度、公路密度、平均海拔）。

在方法上，研究并行比较了普通最小二乘回归（OLS）、LASSO、支持向量回归（SVR）、XGBoost与随机森林（RF）五类模型，兼顾预测能力与可解释性。结果显示，XGBoost在训练集上的决定系数高达0.99，但在测试集上骤降至0.13，存在明显过拟合；随机森林的表现最为稳健，训练集决定系数为0.94，测试集接近0.5，五折交叉验证为0.63±0.08。标签置换检验（p=0.001）也证实了模型表现并非偶然。

结果显示，私家车人均碳排放最低的城市是东京，仅为199.01千克二氧化碳每年，其次是大阪的326.15千克；位于中国地方的山口市则高达1047.06千克，是东京的5倍以上。高排放城市多分布在日本北部以及大都市圈以外的地区，而两大都市圈及其周边城市普遍处于低位。

基于随机森林的变量重要性、SHAP值与部分依赖图分析，地价、车站密度、地块形状指数均值、铁路线路密度、老年人口、总人口与公交站点密度构成了最具解释力的一组变量。铁路线路密度与车站密度越高，模型预测的私家车排放越低，这与公共交通服务覆盖面广、班次频繁且准点时居民更倾向于放弃自驾的直觉一致。

地价与排放呈现清晰的负向关联。需要注意的是，地价本身并不直接减排，而是作为开发强度、人口密度与轨道服务水平的综合代理变量而发挥作用。与之相反，地块形状指数均值越高，即土地利用斑块形状越复杂，模型预测的排放越高；平均海拔与坡度较大的城市同样存在更高的排放水平。地形起伏不仅直接影响燃油消耗，也会拉长日常出行距离、降低步行与公交的吸引力。

图1｜随机森林模型的变量重要性、SHAP值与部分依赖图。Panel A 为各类城市特征对私家车相关排放的重要性排序，Panel B 为主要变量的 SHAP 值分布，Panel C 为主要变量的部分依赖曲线。（图源：原文 Fig. 3）

一个值得关注的发现是，老年人口占比与私家车排放之间并非单调关系。部分依赖图显示，老龄率在中等水平时预测排放略有上升，而在高度老龄化的城市反而转为下降。例如，老龄率位列前列的长崎人均排放反而较低，而老龄率最低的东京同样保持低排放。将老龄率与铁路密度放入同一幅部分依赖图后可以看到，两者基本呈叠加关系：一旦城市的轨道供给与土地利用格局定型，老龄化本身并不会实质性地放大或削弱私家车排放。

不过，老龄化与交通供给的叠加仍值得警惕。研究构造了一个简单的转型约束指数，用于筛选老龄率高且铁路线路密度低的城市。长崎、静冈等城市得分较高，意味着它们在人口持续老化的同时缺乏足够的轨道供给，在维持出行可达性与推进低碳转型之间面临更大压力。

为了让结果更直接地对接政策，研究未在原始变量上聚类，而是在 SHAP 贡献度空间中进行 K 均值聚类，即按“驱动排放的机制相似”而非“数值相近”将城市分组，最终得到五个类别。

低排放紧凑型城市包括堺市、那霸与川崎，平均排放仅367.68千克二氧化碳每年，共同特征是地势平坦（平均海拔18.46米、平均坡度0.59度）、城市范围紧凑且公交供给相对充足。

低排放公交导向型城市包括东京、埼玉、横滨、千叶、大阪与名古屋，人均排放介于199.01至611.96千克之间。这一组城市地价平均约为每平方米270,917日元，对应的 SHAP 平均贡献为负值，同时铁路线路密度达0.98公里每平方公里，形成以公共交通为主导的低碳出行格局。以东京为例，国土交通省数据显示，车站400米半径覆盖率56.7%，800米半径则达92.9%，公共交通分担率高达78.2%。

中等排放复杂地形型城市的人均排放介于430.19至833.65千克，平均海拔315.78米、平均坡度7.55度，公共交通密度明显低于前两类。静冈、甲府等城市的车站密度仅为公交导向型城市的约4.55%。

高排放景观破碎型城市共11座，包括新潟、和歌山、熊本与北九州等，平均排放达800.98千克。它们的共同特征是土地利用高度破碎，最大斑块指数较低而分割指数较高，固定线路的公交服务难以高效覆盖。

高排放公共交通不足型城市共14座，人均排放最高，达868.01千克。这一类城市的铁路线路密度仅为0.135公里每平方公里，不到全体城市均值0.289的一半，且地形普遍崎岖（平均海拔379.16米、平均坡度7.94度），两重因素共同强化了对汽车的依赖。

图2｜五类城市的聚类结果与空间分布。左侧为各类别所包含的城市，右侧为其地理分布。（图源：原文 Fig. 4）

研究认为，相似的排放水平可能源自完全不同的城市条件，因此统一的减排方案往往效率不高。对于公交导向型与紧凑型城市，重点在于实时调度、需求响应型服务与车辆电动化等运营层面的改善。那霸的经验具有参考价值，它通过公交服务振兴与单轨系统衔接提升了老年人与游客的出行可达性，成本上也可能优于新建轨道。

对于复杂地形型城市，首末一公里衔接与无障碍公共交通是关键；对于景观破碎型城市，单纯增加公交供给效果有限，更现实的路径是先将日常服务与公共设施向可步行节点与走廊集中，再用高频线路扩大覆盖；对于公共交通不足型城市，首要任务则是通过网络重构、提升干线频率与可靠性、引入需求响应型服务，保障基本出行。

研究也坐实了自身的局限。分析基于51个城市的市町村平均排放数据，无法展现城市内部的异质性；文化规范、出行偏好与家庭结构等未观测因素未能直接度量；电动汽车普及等新兴技术的影响也尚未量化。作者提出，未来可结合长时间序列数据、行为调查与基于智能体的模拟，进一步检验政策情景。鉴于东亚与欧洲多个地区同样面临人口老化与城市扩张的叠加，日本的经验具有较广泛的参考意义。