居民出行方式选择与客运交通低碳化研究

摘要：本文从居民出行方式选择的基本行为特征出发，将居民出行总成本分为出行货币成本、出行时间厌恶成本、出行时间机会成本三部分，采用经济学局部均衡比较静态分析方法，按照出行成本最小化原则设定目标函数，并引入城市空间规模、收入水平、交通政策、交通状况等外生变量，分析了居民出行方式选择的内生决定与外生影响机制及其对居民出行碳排放水平的影响，并得出结论：城市空间规模扩展、居民收入水平提高以及仅通过增加道路资源供给解决道路拥堵问题的交通政策，都将促使居民选择以个体机动化交通方式（主要指私人小汽车）为主的出行方式组合，并提高居民出行的碳排放水平；公交票价优惠、缩短居民公交出行时间等“公交优先”的交通与城市空间发展措施有利于促使居民选择以公共交通方式为主的出行方式组合，进而降低居民出行的碳排放水平，实现客运交通低碳化发展，但这些政策措施仍需配合舒适性、便捷性等公交服务水平的提高才能更好地发挥作用。

关键词出行方式选择；比较静态分析；低碳；出行成本

中图分类号F570文献标识码A文章编号1002-2104（2013）06-0021-08doi：12.3969/j.issn.1002-2104.2013.06.004

发展低碳经济、建设低碳城市已经成为我国城市经济、社会发展的共识。客运交通碳排放作为城市碳源的重要组成部分，近年来一直处于快速增长阶段。因此，客运交通低碳化就成为我国建设低碳城市的客观要求。鉴于公共交通与个体机动化交通（主要指私人小汽车）在能源消耗与碳排放效率上存在显著差异[1]，通过塑造公交主导的客运交通结构就成为目前实现客运交通低碳化的主要途径之一。

1文献综述

居民出行方式选择行为是客运交通结构的微观构成基础，也是居民出行碳排放水平的决定因素。相关研究表明，居民出行方式选择对于城市客运交通系统及其碳排放的影响要远大于出行总量的影响[2]。因此，深入研究居民出行方式选择就显得非常重要。近年来国内外学者对此做了大量研究，其中包括两个重点研究的领域：一是宏观层面城市空间视角下有关居民出行方式选择影响因素的实证研究[3-8]；二是微观层面基于居民出行调查的非集计随机效用模型的研究与应用[9-12]。但前人研究多针对特定城市或城市区域进行定量研究，缺乏普适性；从经济学角度对居民出行方式选择行为的一般原理进行解释的文献仍然较少，主要是按照出行成本最小化的原则进行分析[13-16]，但是存在以下几点不足：第一，经济学模型的设定一般假设居民出行只使用一种出行方式，有悖于居民出行由多种出行方式共同完成的实际情况；第二，不同的出行方式大多以平均速度或行驶单位距离的平均时间标定，不能反应居民出行行为的直接判断标准；第三，对于居民出行成本函数的设定仅考虑了货币支出与时间支出，没有考虑出行过程中居民体力、精力等支出对居民出行行为产生的影响。

同时，目前涉及客运交通低碳化的研究主要集中在低碳交通理念的阐述[17-18]、宏观层面的碳排放测算与情景分析[1，17，19-20]，以及从交通政策、城市空间角度入手通过优化交通结构降低客运交通碳排放等方面[17-18，21-22]；基于居民出行方式选择行为的研究则主要是围绕城市空间、居民出行方式选择与客运交通碳排放内在关系的概念模型与经验研究[23-25]。从经济学角度分析客运交通低碳化的现有研究成果多从居民出行效用的角度进行探讨，主要集中在运用经济学原理直接进行定性分析[26-27]与运用随机效用理论进行定量分析[28]两部分，但仍缺乏对居民出行方式选择与居民出行碳排放水平的内生决定与外生影响机制的一般原理进行解释的理论研究。

本文从居民出行方式选择的行为特征出发，构建了基于居民出行方式组合选择的经济学比较静态模型，深入分析了居民出行方式选择的内生决定与外生影响机制及其对居民出行碳排放水平的影响，以期为我国城市低碳交通的发展实践提供有价值的理论指导。

张清等：居民出行方式选择与客运交通低碳化研究

中国人口·资源与环境2013年第6期

2居民出行方式组合选择行为的假设条件

2.1基本前提假设

假设存在某一城市区域，就业中心位于该城市区域的地理中心，居民居住在就业中心，并通勤于居住地点与就业地点之间。通勤出行是居民出行的主要构成部分，是一种稳定的基本出行需求，在出行频率、空间与时间分布等方面具有刚性[29]，其出行特征对于城市空间、客运交通系统及其碳排放的影响最大，是交通管理的主要目标。因此，本文对于居民出行行为的分析主要针对的是居民的通勤出行。居民通勤出行由若干种出行方式共同完成，按照局部均衡与比较静态分析的方法，假定居民通勤出行按照出行总成本最小化的原则选择不同的出行方式组合。

2.2居民出行方式组合选择的相关假设

2.2.1出行分析目标群体的划分

收入水平对于居民出行方式的选择有重要的影响作用，主要表现在高收入群体具有较高出行时间机会成本，且对于出行舒适性、便捷性、安全性的要求也较高，从而形成很高的个体交通使用偏好；而低收入群体一般无力承担小汽车购置成本或高额的使用费用，故只能选择公共交通方式出行。因此，可以按照工资率的高低将具有通勤需求的群体分为三类：一是个体交通固定使用群体，二是公共交通固定使用群体，三是个体交通与公共交通选择群体。本文将第三类居民群体作为出行分析的目标群体，这一群体的特点是：拥有私人小汽车，并在更短的出行时间与更少的出行费用中进行选择。

2.2.2出行方式组合的标定及其连续性假设

美国规划官员协会（ASPO）的研究报告曾经指出，最引起消费者注意的并不是他们的居住地与工作地之间的距离，而是消费者行完这段距离所花费的时间。由此可见，出行时间在居民出行行为中起着至关重要的作用。对于既定的出行起讫地点，在交通基础设施水平不变并且各种交通方式在正常行驶条件（以小汽车为例，是指在特定道路上不出现拥堵等路况的条件下行驶，行驶速度与道路容量、某一时期的平均交通流量等客观因素有关，并假定某个体行为不能对交通状况产生影响）下，选择不同出行方式组合就会产生不同的出行时间，因此可以用出行时间来标点某种出行方式组合，即：

tj=∑ni=1tji（j=1，2，3，……，m）（1）

其中，tj表示居民选择第j种出行方式组合所需要的出行时间；tji表示第j种出行方式组合中使用第i种出行方式所花费的时间。例如，选择“小汽车”出行，则出行总时间主要包括小汽车在既定路径下的行驶时间；选择“步行+轨道交通+步行”出行组合，则出行总时间主要包括两部分步行的时间和乘坐轨道交通的时间（包括轨道交通候车时间与换乘时间）（见表1）。

以出行时间标定出行方式组合，其优点主要表现在以下几个方面：一是能够在对居民出行方式选择行为的分析中突出出行时间的重要性；二是可以假定出行方式组合中个体交通所承担比重越大出行时间越短，从而便于通过出行时间的变化分析居民出行方式组合选择及其碳排放水平的变化；三是以出行时间标定出行方式组合能够反映出既定出行起讫地点相关的交通基础设施条件与城市空间特征，如公交站点分布及密度反映了居民获取公交服务的便利程度及所需花费的时间；公交导向与快速路导向的城市空间发展模式也会对不同出行方式组合的出行时间产生不同的影响。不可否认，以出行时间标定出行方式组合也存在一定的缺陷，例如实际情况中可能出现“小汽车”与“步行+轨道交通+步行”的出行时间相同，从而在模型中无法区分。但这并不影响这种标定方法的有效性，原因在于本文的研究目的是分析居民对于具有典型性的出行方式组合的选择问题，就不同出行方式的一般性特点而言，个体交通比公共交通具有更加便捷、快速但同时出行费用更高、碳排放水平也更高的特点。

借鉴Brown和Barbara [14]、Joseph[16]等人对于出行方式的处理方法，假定是以出行时间标定的出行方式组合的选择集具有连续性的特点，因此出行总成本函数是连续函数。这样做的合理性在于不影响对于居民出行方式组合选择趋向的分析，同时方便经济学边际分析方法的应用。设R（t）为出行方式组合的CO2排放量，则由上述分析可知Rt

2.2.3出行成本构成与出行总成本函数

由前人研究可知，从出行微观主体角度一般将出行总成本分为两部分：一是货币支出；二是非货币支出。后者主要指居民出行所花费的时间，在出行总成本中大多采用机会成本的形式加以度量，如对休闲时间的占用。但是，出行时间除了具有机会成本外，出行者在出行过程中需要消耗一定的体力、精力等，即出行时间本身对于出行者而言具有一定的负效用，将其货币化后（称为出行时间厌恶成本）作为出行总成本的构成部分，能更准确地反映居民出行选择行为。因此，本文假定出行总成本由三部分构成，即出行货币成本、出行时间机会成本和出行时间厌恶成本。

①出行货币成本的设定。由于以出行时间标定出行方式组合，因此既定起讫地点在正常的行驶条件下出行货币费用与出行时间具有一一对应关系，设出行费用成本函数为M（t），且Mt

②出行时间机会成本的设定。为了简化研究，此处出行时间机会成本用出行时间（t）与外生变量工资率（w）的乘积表示，即wt。

③出行时间厌恶成本的设定。为了便于分析出行时间对居民出行方式组合选择行为的影响，此处将出行时间厌恶成本表示成乘积的形式，即cT（t）。其中，T（t）可称为出行时间厌恶成本的货币化数量乘数，且T（0）=0，Tt>0，表示随着出行时间的增加居民对于出行的厌恶程度也不断提高；c可称为出行时间厌恶成本的货币化价格乘数。个体交通比公共交通具有更加舒适、便捷等特点，c值表示居民对于因出行方式组合由个体交通端向公共交通端转移而增加出行时间的厌恶程度，即对于既定的出行起讫地点，其他条件不变的情况下出行时间越长的出行方式组合c值越小，反之c值越大，因此可以假定，对于既定出行起讫地点居民出行方式组合的可选择集tc值保持不变。

综上所述，居民出行总成本函数为C（t， c）=M（t）+cT（t）+wt。

3出行方式组合选择的成本最小化比较静态模型

3.1模型方法的选择

本文选择比较静态分析方法，用于居民出行方式选择与客运交通低碳化研究。比较静态分析是数理经济学的重要组成部分，是均衡分析与静态分析相结合的一种分析方法，在不考虑经济变化过程中的时间阻滞的前提下，考察当原有的条件发生变化时，原来的均衡状态会发生什么变化并分析比较新旧均衡状态，即研究外生变量变化对内生变量的影响机理[30-31]。居民按照出行成本最小化或效用最大化的原则选择出行方式的同时，还受收入水平、城市空间、交通政策等外部因素的影响；另外，由居民出行行为的外部性产生的道路拥堵等交通运行状况，也会产生反馈作用，也可以视为影响居民出行方式选择的外部因素。居民出行方式选择是内生决定与外生影响综合作用的结果。由此可见，比较静态分析方法对于分析居民出行方式选择的内生决定与外生影响机制及其对居民出行碳排放水平的影响就具有明显的便利性与优势。

3.2目标函数、最小值条件与外生变量的引入

设r=tc，由上述假设条件可知，从居民出行行为的角度r可以用来表示其他条件不变的情况下居民出行起讫地点的空间分布特征。因此，对于通勤出行分析的目标群体而言，既定出行起讫地点居民出行总成本最小化问题就可表示为等式约束条件下的最优化问题，即：

为了分析交通政策与交通状况对于居民出行行为的影响，现引入外生变量α与β。交通政策、交通状况对于居民出行的影响主要包括两个方面：一是既定出行方式组合所需货币费用的变化，用α表示，即M=M（t， α）；二是既定出行方式组合所需出行时间的变化，用β表示，即T=c T（t， β）。将出行总成本最小化的一阶条件分别对内生变量（t，c，）与外生变量（α，β，w，r）全微分求解，便可得到比较静态分析矩阵：

3.3城市空间规模对出行方式组合选择的影响

随着人口规模的增加与经济集聚性的提高，城市空间规模不断得到扩展，同时城市功能分化更加显著，表现为居民就业在城市中心而居住在中心，居住地点有远离城市中心的趋势，由此导致居民出行距离不断增加。在交通基础设施水平不变的条件下，出行距离的增加势必会增加居民的出行时间，因此从居民出行行为的角度城市空间规模可以用r表示。根据假设条件，由数据包络定理及式（4）可知：

式（8）说明居民出行总成本将随着城市空间规模的扩大而增加（Cr>0，以下称边际出行总成本）；同时可知-（Mt+cTt）

由式（9）可知，首先，若T（t）随出行时间的增加以递增速率的增加（Ttt>0），则t/r0，说明r增加而居民出行时间减少，居民选择了出行时间更短的出行方式组合，同时出行碳排放水平提高；此时-Mt>w也说明增加的货币支出超过了因出行时间缩短而获得的机会成本收益，这意味着居民出行可能会由公共交通为主转变为以个体交通为主以获取更短的出行时间。其次，若Ttt=0，则t/r=0，r增加并没有改变居民的出行时间，说明居民选择了出行时间更短的出行方式组合，可知此时R/r>0。再次，若Ttt0，r增加使得居民的出行时间增加，然而此时无法准确判断居民出行方式组合选择与出行碳排放水平的变化，原因在于居民可能选择了出行时间更短的出行方式同时因出行距离增加而花费了更长的时间；但由-Mt

由式（10）并不能准确地判断r变化对c的影响。式（11）表示r增加的同时居民出行总成本将以非递增的速率增加。若Ttt=0，则Crr=0。由式（9）可知此时居民将选择出行时间更短的出行方式组合。设M0为出行方式组合的初始货币成本，则一旦选定某一出行方式组合，出行总成本可以表示为C=M0+rCr。现比较两种出行方式组合i与j，且ti

3.4收入水平对出行方式组合选择的影响

由式（8）-（11）可以发现，收入水平也是决定空间因素对于居民出行行为影响强度的重要因素。进一步分析居民收入水平变化对居民出行方式组合选择及其碳排放的影响，将t、c、对w求偏倒数，并由假设条件及式（4）-（6）可得：

①图1主要是为了分析外生变量通过影响内生变量而改变函数特征的作用原理，为了简化分析，将M曲线用单调递增线性曲线表示，并不影响分析结论。下文对于cT曲线的分析采取了同样的方法，并假定Ttt=0同时忽略c变化对曲线特征产生的影响。

式（12）表示其他条件不变的情况下w增加居民出行时间则缩短；且由式（7）可知R/w>0。这说明随着收入水平的提高居民出行选择将个体交通端转移，出行碳排放水平也会随之提高。式（13）也说明了收入增加使得居民更加倾向于选择个体交通为主的出行方式组合。式（14）说明收入水平对于居民边际出行总成本的影响呈“U型”，即居民的边际出行总成本首先随着工资率的提高而降低，当工资率提高到一定程度后则随之增加。这意味着随着收入水平的持续增加，居民最终会对出行货币成本的敏感程度越来越低，而更加注重出行时间节约所获得的收益，在不考虑其他因素变化的情况下居民选择个体交通的偏好程度将不断提高，不利于客运交通低碳化发展。

3.5交通政策、交通状况对居民出行行为的影响

3.5.1α对居民出行行为的影响

以经济手段为杠杆的交通管理措施旨在调整交通结构、解决不同客运交通方式的外部性问题，如降低公交票价、增加车辆购置成本、提高汽油价格与停车费用等，在其他条件不变的前提下，这将改变出行方式组合的货币成本。

图1交通政策因素对出行货币费用的影响

Fig.1Effects of transport policy factors on

travel costs

α对M的影响可用图1表示①。假定以t1标定个体交通为主的出行方式组合，t2标定以公共交通为主的出行方式组合。M曲线斜率的绝对值越大，表示出行方式组合由个体交通端向公共交通端转移的边际出行货币成本收益就越大。例如，公交票价优惠能够降低以公共交通为主的出行方式组合的货币费用而对个体交通没有影响，即在点A1处有Mα=0且Mtα

在此基础上进一步分析α对居民出行方式组合选择及其碳排放的影响，将t、c、对α求偏倒数可得：

式（15）与式（16）表示上述交通管理措施的实施使得居民出行时间增加，且由式（7）可知R/α

3.5.2β对居民出行行为的影响

建立便捷的客运交通系统是城市交通发展的主要目标，这主要通过交通基础设施的供给来实现。对于既定出行起讫地点，交通基础设施的供给水平深刻影响着居民选择某种出行方式组合的出行时间，例如富足的城市公路资源能够提高车辆的平均行驶速度、减少交通拥堵；较高的站点密度能够缩短居民获取公交服务的时间；公交专用道的设立则可以缩短居民乘坐公共交通工具的时间等。另外，交通基础设施作为城市空间的重要组成部分，是城市空间优化的重要手段，不同的空间发展模式也会对居民出行产生不同的影响，例如快速路主导与大运量快速公交主导的城市空间发展模式将改变既定出行起讫地点选择不同出行方式组合的时间距离进而改变出行时间；而土地开发模式是否以公交站点为中心也很大程度上影响了居民选择不同出行方式组合的出行时间。

β对T的影响可用图2表示。cT曲线斜率越小，表示出行方式组合向公共交通端转移的边际出行时间厌恶成本就越小。首先，若缩短公共交通的出行时间而对个体交通没有影响，则在点B1处有Tβ=0且Ttβ0且Ttβ=0，则cT曲线将由cT0上移至cT2；若使用不同的道路资源，如设有严格的公交专用道或建设有轨道交通，即交通拥堵对公共交通不产生影响，此时在点B2处Tβ=0且Ttβ

图2交通状况因素对出行时间费用的影响

Fig.2Effects of traffic conditions on the cost of travel time

在此基础上进一步分析β对居民出行方式组合选择及其碳排放的影响，将t、c、对求β偏倒数可得：

由式（18）可知，首先，若在其他条件不变的情况下，交通发展与城市空间优化若能有效缩短以公交为主的出行方式组合的出行时间，则t/β>0，且由式（7）可知R/β0且R/β

式（21）说明了以节约公交出行时间为目的的交通管理措施也需要配合提高舒适性、便捷性等公共交通服务水平的有效措施从而降低边际出行总成本才能发挥显著的作用。

4主要结论

本文在局部均衡比较静态分析的框架下，研究了城市空间规模、收入水平、交通政策、交通状况等外生变量对于居民出行选择行为及其碳排放的影响，并得出以下几点结论。第一，在其他条件不变的前提下，城市空间规模的扩大将增加居民出行总成本，并促使居民出行选择由公共交通端向个体交通端转移，居民出行的碳排放水平也因此而增加。第二，居民收入水平的提高同样会促使居民出行选择由公共交通端向个体交通端转移并提高居民出行的碳排放水平；收入水平对边际出行总成本的影响呈“U”型，随着工资率的持续增加，居民出行个体交通选择倾向最终将不断提高。第三，公交票价优惠、提高个体交通购置与使用费用以及缩短居民公交出行时间等“公交优先”的交通与城市空间发展措施则有利于提高居民公交出行的意愿并降低居民出行的碳排放水平，但需要配合提高舒适性、便捷性等公共交通服务水平的有效措施从而降低边际出行总成本才能发挥显著的作用。第四，仅通过增加道路资源供给解决交通拥堵问题，无论公共交通与个体交通是否使用同样的道路资源，将促使居民选择以个体交通为主的出行方式组合，居民出行碳排放水平也因此而提高，不利于交通供需矛盾的解决，也不利于客运交通的低碳化发展。另外，模型还证明了个体交通较公共交通具有更小的边际出行总成本。

参考文献（References）

[1]张清， 陶小马， 杨鹏. 特大型城市客运交通碳排放与减排对策研究：以上海市为例[J]. 中国人口·资源与环境， 2012，22（1）：57-63.[Zhang Qing，Tao Xiaoma，Yang Peng. Research on Carbon Emissions from Metropolis Urban Passenger Transport and Countermeasures [J]. China Population， Resource and Environment， 2012，22（1）：57-63.]

[2]陆化普，等. 交通规划理论与方法[M]. 北京： 清华大学出版社， 2006. [Lu Huapu，et al. Transportation Planning Theories and Methods [M]. Beijing： Tsinghua University Press， 2006.]

[3]Cervero R， Wu K L. Subcentering and Commuting： Evidence from the San Francisco Bay Area [J]. Urban Studies， 1998， （7）： 1059-1076.

[4]Schwanen T， Dieleman F M， Dijst M. Travel Behavior in Dutch Monocentric and Polycentric Urban Systems [J]. Journal of Transport Geography， 2001，（9）： 173-186.

[5]Bertaud A. World Development Report 2003： Dynamic Development in A Sustainable World Background Paper： The Spatial Organization of Cities： Deliberate Outcome or Unforeseen Consequence[R]. World Bank， 2003.

[6]Boarnet M， Crane R. The Influence of Land Use on Travel Behavior： Specification and Estimation Strategies[J]. Transportation Research Part A， 2001， 35： 823-845.

[7]Dieleman F， Dijst M， Burghouwt G. Urban Form and Travel Behavior： Microlevel Household Attributes and Residential Context[J]. Urban Studies， 2002， 39（3）： 507-527.

[8]Schwanen T， Dijst M， Dieleman F. Policies for Urban Form and Their Impact on Travel： The Netherlands Experience[J]. Urban Studies， 2004， 41（3）： 579-603.

[9]Giulio E C， Stefano D L. Multilayer Feed forward Networks for Transportation Mode Choice Analysis： An Analysis and A Comparison with Random Utility Models [J]. Transportation Research Part C， 2005，（13）： 121-155.

[10]Stephan K， Theo A， Harry T. Capturing Tour Mode and Activity Choice Interdependencies： A Coevolutionary Logit Modeling Approach [J]. Transportation Research Part A，2007， 41， 913-933.

[11]Anne A， Sandrine W， Laurent P. Employment Suburbanization， Reverse Commuting and Travel Behavior by Residents of the Central City in the Paris Metropolitan Area[J]. Transportation Research Part A， 2009， 43， 685-91.

[12]邵昀泓， 王炜， 程琳. 出行方式决策的随机效用模型研究[J]. 公路交通科技， 2006， 23（8）： 110-115.[ShaoYunhong， Wang Wei， Cheng Lin. Transportation Decision of the Random Utility Models [J]. Highway Traffic Science and Technology， 2006， 23 （8）： 110-115.]

[13]LeRoy S F， Sonstelie J. Paradise Lost and Regained： Transportation Innovations， Income， and Residential Location [J]. Journal of Urban Economics， 1983，13： 67-89.

[14]Brown B. Modal Choice， Location Demand， and Income [J]. Journal of Urban Economics， 1986， 20： 128-139.

[15]DeSalvo， Joseph S， Mobinul H. Income， Residential Location， and Mode Choice [J]. Journal of Urban Economics， 1996， 40： 84-99.

[16]Joseph S D， Mobinul H. Mode Choice， Commuting Cost， and Urban Household Behavior [J]. Journal of Regional Science， 2005， 45（3）： 493-517.

[17]陈飞， 诸大建. 低碳城市研究的内涵模型与目标策略确定[J]. 城市规划学刊， 2009， （4）： 7-13.[Chen Fei， Zhu DaJian. Low Carbon Cities the Connotation of the Target Model and Research Strategy[J]. Journal of Urban Planning， 2009， （4）：7-13.]

[18]潘海啸. 面向低碳的城市空间结构： 城市交通与土地使用的新模式[J]. 城市发展研究， 2010， 17（1）： 40-45.[Pan Haixiao. Facing Low Carbon of the Urban Space Structure： Urban Transportation and Land Use of the New Model [J]. The City Development Research， 2010， 17 （1）： 40-45.]

[19]Lefevre B. Longterm Energy Consumptions of Urban Transportation： A Prospective Simulation of Transportland Uses Policies in Bangalore[J]. Energy Policy， 2009， 37： 940-953.

[20]Hickman R， Ashiru O， Banister D. Transport and Climate Change： Simulating the Options for Carbon Reduction in London[J]. Transport Policy， 2010， 17： 110-125.

[21]Hankey S， Marshall J D. Impact of Urban Form on Future US Passengervehicle Greenhouse Gas Emissions[J]. Energy Policy， 2009， 7（5）： 1-8.

[22]潘海啸，汤唱，吴锦瑜，等. 中国“低碳城市”的空间规划策略[J]. 城市规划学刊，2008，（6）：57-64.[Pan Haixiao， Tang Chang， Wu Jinyu， et al. China's Low Carbon Cities Space Planning Strategy [J]. Journal of Urban Planning， 2008， （6）： 57-64.]

[23]Grazi F， Bergh J， Ommeren J. An Empirical Analysis of Urban Form， Transport and Global Warming[J]. The Energy Journal， 2008， 29（4）： 97-122.

[24]Brownstone D， Golob T. The Impact of Residential Density on Vehicle Usage and Energy Consumption[J]. Journal of Urban Economics， 2009， 65： 91-98.

[25]马静，柴彦威，刘志林. 基于居民出行行为的北京市交通碳排放影响机理[J]. 地理学报，2011，66（8）：1023-1032.[Ma Jing， Cai Yanwei， Liu Zhilin. Research on Transport Carbon Emissions Impact Mechanism in Beijing Based on Residents Travel Behavior [J]. Journal of Geographical Science， 2011，66（8）：1023-1032.]

[26]石京. 低碳交通是一种效用选择[J]. 绿叶，2010，（8）：91-95.[Shi Jing. Low Carbon Transport Is A Kind of Utility Choice [J]. Leafy Green， 2010，（8）：91-95.]

[27]池熊伟. 低碳交通的经济学分析[D].杭州：浙江理工大学，2012.[Chi Xiongwei. The Economics Analysis of Low Carbon Transport [D]. Hangzhou： Zhejiang SciTech University， 2012.]

[28]张飞飞，刘蓓蓓，毕军，等. 城市居民交通方式选择及其影响因素分析：以南京市为例[J]. 四川环境，2012，（3）：132-139.[Zhang Feifei， Liu Peipei， Bi Jun， et al. Traffic Alternatives for Urban Residents and Affecting Factors ：A Case Study of Nanjing City [J]. Sichuan Environment， 2012，（3）： 132-139.]

[29]杨宝路， 邹骥， 冯相昭. 北京市居民通勤方式研究与低碳化策略分析[J]. 环境与可持续发展， 2011，（2）： 32-36.[Yang Baolu， Zhou Yi， Feng Xiangzhao. Beijing Residents Commuter Way Research and Low Carbon Strategy Analysis [J]. Journal of Environment and Sustainable Development， 2011， （2） ： 32-36.]

[30]蒋中一. 数理经济学的基本方法（第4版）[M]. 北京：北京大学出版社， 2006.[Jiang Zhongyi. Basic Methods of Mathematical Economics （4th edition） [M]. Beijing： Peking University Press， 2006.]

[31]吴汉洪，安劲萍. 经济学中的比较静态分析[J]. 湖北经济学院学报，2005，3（2）：5-9.[Wu Hanhong， An Jinping. The Comparative Static Analysis inEconomics [J]. Journal of Hubei University of Economics， 2005， 3（2）：5-9.]

Research on Residents Travel Choice and Lowcarbon Transport

ZHANG Qing1TAO Xiaoma1YANG Peng1，2

（1. School of Economic Management，TongJi University，Shanghai 201804，China；

2. Institute of Regional Development， Guangxi Academy of Social Sciences， Nanning Guangxi 530022， China）

Abstract

Starting from the basic behavioral characteristics of the residents travel mode choice， residents travel costs are divided into the cost of money， aversion cost of travel time， the opportunity cost of travel time in this paper. In accordance with the principle of the minimization of residents travel costs， exogenous variables including urban space scale， income， transport policy and traffic conditions are introduced to analyze the influence of them on residents travel choice behavior and the level of carbon emissions through the partial equilibrium comparative static analysis methods. And the paper concluded that due to the expansion of urban space and the increase of income levels，residents would choose the combination of travel modes based on individual traffic （mainly refer to private cars），and the level of carbon emissions would increase； the way to solve traffic congestion problems only by increasing the supply of road resources had the same effects. Public transport priority policy and urban space optimization policy would help encourage residents to choose the combination of travel modes based on public traffic and reduce their carbon emissions， and to play a better role the improvement of public transport services should be complied with.

Key wordsmode choice； comparative static analysis； lowcarbon； travel cost