馮海霞，王興渝，咸化彩，劉新華，李健，寧二偉

（1.山東交通學(xué)院，交通與物流工程學(xué)院，濟(jì)南 250357；2.濟(jì)南市機(jī)動(dòng)車污染防治監(jiān)控中心，濟(jì)南 250101）

0 引言

“雙碳”目標(biāo)已成為國家發(fā)展戰(zhàn)略，交通部門是能源生產(chǎn)和工業(yè)之后的第三大排放源，2019年我國交通部門CO2排放總量超過了11 億t（2020年因疫情影響碳排放回落），約占我國全社會CO2總排放的11%，減排任務(wù)艱巨[1]。歐美碳達(dá)峰國家交通部門碳達(dá)峰的時(shí)間都晚于能源和工業(yè)等部門[2]，且隨著我國經(jīng)濟(jì)的快速發(fā)展，中國汽車保有量飛速增加，據(jù)中國公安部統(tǒng)計(jì)數(shù)據(jù)，截至2021年11月，中國機(jī)動(dòng)車保有量達(dá)3.93 億輛，其中，汽車突破3 億輛，總量和增量均位居世界第一。公路運(yùn)輸排放量占我國交通領(lǐng)域碳排放總量的86.76%，機(jī)動(dòng)車保有量的快速增加成為交通碳排放增長的主要驅(qū)動(dòng)力[3]，且機(jī)動(dòng)車仍有快速增加的趨勢。機(jī)動(dòng)車的飛速增長導(dǎo)致的城市交通擁堵成為很多城市的“頑癥”，ABDULL 等[4]，WANG 等[5]，LIMA 等[6]的研究證實(shí)交通擁堵又加劇了機(jī)動(dòng)車的排放。交通作為城市發(fā)展的大動(dòng)脈，交通強(qiáng)國建設(shè)的主戰(zhàn)場[7]，更是實(shí)現(xiàn)“雙碳”目標(biāo)的主戰(zhàn)場[8]，但交通領(lǐng)域由于碳匯能力缺乏，很難依靠本身實(shí)現(xiàn)“碳中和”[9]，如何減少交通排放成為關(guān)注的重點(diǎn)[10]。在目前交通擁堵成為城市常態(tài)化的情況下，量化城市交通運(yùn)行狀態(tài)對碳排放的影響更是亟需解決的問題。

隨著大數(shù)據(jù)的飛速發(fā)展，交通大數(shù)據(jù)在城市交通運(yùn)行狀況監(jiān)測、機(jī)動(dòng)車排放及城市環(huán)境質(zhì)量等方面的研究越來越廣泛。例如，基于交通大數(shù)據(jù)自駕游的碳排放與景點(diǎn)的空間關(guān)系[11]，不同減排措施的效果[12]，機(jī)動(dòng)車排放對城市空氣質(zhì)量的影響[13]等都被研究。高德和百度等導(dǎo)航公司從2014年開始，推出了交通大數(shù)據(jù)監(jiān)測平臺（https://www.amap.com/，https://map.baidu.com），基于海量交通出行數(shù)據(jù)，實(shí)時(shí)監(jiān)測中國主要城市交通運(yùn)行狀態(tài)，并從交通出行者角度出發(fā)，提出“擁堵延時(shí)指數(shù)”，表達(dá)交通擁堵給出行者帶來的時(shí)間成本，已經(jīng)成為評估城市交通運(yùn)行狀況的重要依據(jù)，也成為公眾交通出行、政府決策者及研究機(jī)構(gòu)的重要參考依據(jù)。

本文基于高德交通大數(shù)據(jù)平臺提供的CDI 數(shù)據(jù)，量化不同城市交通運(yùn)行狀態(tài)對機(jī)動(dòng)車碳排放的影響。

1 研究數(shù)據(jù)和方法

1.1 研究數(shù)據(jù)

1.1.1 研究區(qū)

選擇我國2019年交通擁堵排名前100 的城市進(jìn)行分析（數(shù)據(jù)來源于高德），如圖1 所示。擁堵城市的核密度分析結(jié)果如圖2所示。

圖1 交通擁堵排名前100的城市Fig.1 Top 100 cities for traffic congestion

圖2 擁堵城市的核密度分析結(jié)果Fig.2 Result of kernel density analysis

圖1 和圖2 底圖為我國2015年GDP 空間分布數(shù)據(jù)（https://www.resdc.cn/DOI/DOI.aspx?DOIid=33）。同時(shí)，以武漢（疫情爆發(fā)的城市）、北京、上海、廣州（中國大城市）及濟(jì)南（山東省省會，2016—2017年中國交通最擁堵的城市）這5 個(gè)城市的CDI 數(shù)據(jù)為例進(jìn)行詳細(xì)分析。

1.1.2 數(shù)據(jù)

（1）擁堵延時(shí)指數(shù)

擁堵延時(shí)指數(shù)（CDI）是交通實(shí)際通過的旅行時(shí)間與自由流通過的旅行時(shí)間的比值。高峰（早高峰7:00-9:00，晚高峰17:00-19:00）擁堵延時(shí)指數(shù)（Rush Hour Congestion Delay Index，RHCDI）已成為城市交通運(yùn)行狀況的評價(jià)指標(biāo)，是一個(gè)城市擁堵程度的直觀表現(xiàn)。城市的CDI 取決于城市的自由流速度和實(shí)際運(yùn)行速度。城市間的自由流速度有較大差異，2019年擁堵排名前100的城市自由流平均速度為43.93 km·h-1，其中，重慶市自由流速度最高，達(dá)49.51 km·h-1，金華市只有37.65 km·h-1。北京和廣州等城市針對各自城市交通運(yùn)行狀況，分別制定了地方標(biāo)準(zhǔn)（北京地方標(biāo)準(zhǔn)（DB11/T 785-2011）《城市道路交通運(yùn)行平均指標(biāo)體系》和廣州地方標(biāo)準(zhǔn)（DB4401/T 57-2020）《城市道路交通運(yùn)行平均指數(shù)體系》），以北京和廣州市城市主干路的運(yùn)行狀況為例，與CDI 表達(dá)的城市運(yùn)行狀況進(jìn)行對比，CDI 的自由流速度取2019年擁堵排名前100 的城市自由流平均速度43.93 km·h-1。城市交通運(yùn)行狀況指標(biāo)如表1所示。

表1 城市交通運(yùn)行狀況指標(biāo)Table 1 Indicators of urban traffic operation

（2）機(jī)動(dòng)車排放數(shù)據(jù)

影響機(jī)動(dòng)車排放的因素較多，例如，溫度、風(fēng)向、坡度及油品等，本文采用機(jī)動(dòng)車檢測站的年檢數(shù)據(jù)和車載尾氣檢測系統(tǒng)（Portable Emission Measurement System，PEMS）實(shí)測的各工況數(shù)據(jù)（數(shù)據(jù)來源于濟(jì)南市機(jī)動(dòng)車污染防治監(jiān)控中心）。

1.2 研究方法

1.2.1 空間特征分析

本文利用空間自相關(guān)分析和核密度分析測量交通擁堵前100 名城市的空間特征。莫蘭指數(shù)（Morn's I,M），又稱為空間自相關(guān)指數(shù)，用于衡量地理變量之間是否具有空間相關(guān)。

式中：wi,j為變量i和j之間的空間權(quán)重；xi-為變量xi與平均值的偏差；x在此為城市的擁堵CDI 值；i,j為城市的編號；n為城市總數(shù)，即100?？臻g權(quán)重wi,j的取值為

式中：di,j為i和j之間的距離。

Moran' I 的值大于0 時(shí)，表示變量間存在正的空間相關(guān)性，值越大，空間相關(guān)性越明顯；當(dāng)該值小于0時(shí)，表示存在負(fù)的空間相關(guān)性，值越小，空間差異越大；當(dāng)值為0 時(shí)，表示變量在空間上是隨機(jī)分布的。

核密度分析可用于計(jì)算變量周圍區(qū)域的特征密度，可以測度變量的空間集聚特征。

式中：h為搜索半徑；n′為變量的數(shù)量；x-xi為任意兩點(diǎn)之間的距離；k為核函數(shù)，本文是高斯核函數(shù)，計(jì)算的結(jié)果是x點(diǎn)的核密度。

1.2.2 基于CDI的機(jī)動(dòng)車碳排放定量分析

機(jī)動(dòng)車排放清單的計(jì)算采用排放因子模型，即

式中：A為所有車輛的排放總量（kg·h-1）；F為車輛排放因子；Q為交通量；L為道路長度；m為不同車型；b為國家排放標(biāo)準(zhǔn)；c為道路類型；t為計(jì)算時(shí)間。

在一段時(shí)間內(nèi)，道路長度和類型等可認(rèn)為是固定的，排放因子F和交通量Q是量化交通運(yùn)行狀況對機(jī)動(dòng)車排放影響的兩個(gè)關(guān)鍵因素。

CDI是城市路網(wǎng)交通運(yùn)行狀況的直觀表現(xiàn)，基于CDI的機(jī)動(dòng)車碳排放的估算，可反映城市交通運(yùn)行狀況對機(jī)動(dòng)車碳排放的影響。CDI 的值取決于自由流速度和實(shí)際旅行速度。在道路沒有進(jìn)行物理改善的情況下，可認(rèn)為該道路的自由流速度是固定的，即CDI 取決于該路段上車輛的實(shí)際行駛速度。考慮城市交通運(yùn)行狀況對機(jī)動(dòng)車排放的影響，速度對排放因子的影響是必須考慮的。車輛的排放隨行駛速度的變化而顯著改變，《IPCC國家溫室氣體清單指南》《道路機(jī)動(dòng)車大氣污染物排放清單編制技術(shù)指南》等常用的機(jī)動(dòng)車排放清單編制指南中推薦的缺省排放因子不能準(zhǔn)確地反映速度變化規(guī)律，不適用于本文，因此，本文采用基于最小二乘法構(gòu)建的基于速度擬合的排放因子[14]。首先，分析車輛排放和速度的關(guān)系；進(jìn)而，在MOVES（motor vehicle emissions simulator）本地化的基礎(chǔ)上，構(gòu)建速度與排放因子變化規(guī)律的擬合方程；然后，結(jié)合VISSIM 交通仿真軟件，模擬不同城市交通運(yùn)行狀況時(shí)（不同CDI）的交通量，實(shí)現(xiàn)對不同城市交通運(yùn)行狀況下的機(jī)動(dòng)車碳排放的計(jì)算。

2 結(jié)果分析與討論

2.1 時(shí)空特征分析

2.1.1 擁堵城市的空間特性分析

從圖1可以看出，交通擁堵的城市基本位于經(jīng)濟(jì)發(fā)達(dá)地區(qū)（GDP 高值區(qū)），交通擁堵排名前100 的城市中有94 個(gè)位于胡煥庸線（黑河-騰沖）以東，2021年GDP超過萬億的24個(gè)城市全部在胡煥庸線以東，胡煥庸線以東的地區(qū)，國土面積占全國43%，但聚集了全國94%的人口和96%的GDP。利用Mora'I值測度其空間特征，Mora'I的值為0.275，即交通擁堵的城市在空間上具有顯著的空間依賴性；利用核密度分析進(jìn)一步測度交通擁堵城市在空間分布上的集聚特征，其結(jié)果如圖2所示。

從圖2可知，交通擁堵的城市大部分位于東部沿海經(jīng)濟(jì)發(fā)展水平較高的地區(qū)，此區(qū)域的道路網(wǎng)密度也較高，且與我國經(jīng)濟(jì)水平較高（GDP超萬億）的城市空間分布規(guī)律基本一致。交通擁堵城市在長三角經(jīng)濟(jì)區(qū)和珠三角經(jīng)濟(jì)區(qū)形成2個(gè)高聚集區(qū)，在長三角經(jīng)濟(jì)區(qū)的高聚集中心與北京和濟(jì)南等城市在空間上緊密相連，形成一個(gè)葫蘆形的大聚集區(qū)。交通擁堵城市在四川盆地形成另外一個(gè)較弱的交通擁堵聚集區(qū)。

2.1.2 RHCDI的時(shí)間特征

以2019年和2020年1～4月，北京、上海、廣州、武漢和濟(jì)南這5 個(gè)城市的高峰路網(wǎng)延時(shí)指數(shù)（RHCDI）為例進(jìn)行分析。將2020年1～4月的研究期分為4個(gè)階段：第Ⅰ階段從元旦開始至1月23日武漢封城前，這階段疫情的影響范圍基本在武漢市；第Ⅱ階段至2月9日，武漢封城后，幾乎全國各省市的居民區(qū)和村莊都陸續(xù)采取了“隔離”措施；第Ⅲ階段（2月10日～4月7日）為復(fù)工復(fù)產(chǎn)期，2月10日后在嚴(yán)格的管控措施下，各地陸續(xù)啟動(dòng)復(fù)工復(fù)產(chǎn)；第IV 期從4月8日武漢解封開始，雖然疫情還沒有結(jié)束，但各地交通和經(jīng)濟(jì)陸續(xù)恢復(fù)。5 個(gè)城市的CDI值如圖3所示。

圖3 2019年和2020年1～4月5個(gè)城市的CDIFig.3 CDI of five Chinese cities,from January to April in 2019 and 2020

從圖3 可知，除節(jié)假日（例如，中國傳統(tǒng)最重要的節(jié)日春節(jié)）外，CDI 具有明顯的周期性變化規(guī)律（7 d），即工作日較高，周末較低，且周一和周五略高于其他工作日，周期性波動(dòng)。突然爆發(fā)的新冠肺炎疫情打破了此規(guī)律。

在第Ⅰ階段，2020年各城市的CDI 與2019年同期基本持平，部分城市（例如濟(jì)南市）的CDI 甚至超過了2019年同期水平；2020年第Ⅱ階段，隔離政策導(dǎo)致全國各城市的CDI處于一個(gè)極低的狀態(tài)，全國CDI 排名前100 的城市平均CDI 只有1.14，而2019年同期的CDI 為1.39（春節(jié)位于第Ⅱ階段，人們出行較少）。復(fù)工后，即第Ⅲ階段，除武漢外，其他城市CDI 的周期性規(guī)律恢復(fù)，且CDI 逐漸回升，至Ⅳ階段，已基本恢復(fù)至2019年同期水平；武漢在4月8日解封后，即第IV 階段，CDI 為期7 d 的周期性變化規(guī)律才恢復(fù)。2019年和2020年在整個(gè)研究期內(nèi)CDI 排名前100 的城市平均差值達(dá)0.18，在疫情影響嚴(yán)重的第Ⅱ和第Ⅲ階段，2020年的CDI均值比2019年下降了0.245和0.239，而疫情影響較小的第Ⅰ和第Ⅳ階段，2020年的CDI 均值僅比2019年低了0.049和0.068。

CDI 受天氣影響較大，例如，在2020年2月6日，雨雪天氣導(dǎo)致的北京和濟(jì)南2個(gè)城市的CDI達(dá)到第II階段的峰值；2020年3月9日，雨天引發(fā)上海市的交通擁堵，導(dǎo)致上海的CDI 出現(xiàn)了1.79 的峰值；2019年4月9日的大雨，直接導(dǎo)致濟(jì)南市當(dāng)天的CDI高達(dá)2.22。

2.2 基于CDI的排放估算案例

為了量化城市交通運(yùn)行狀況對機(jī)動(dòng)車碳排放的影響，以濟(jì)南市主干道經(jīng)十路的一段（經(jīng)十路與歷山路交叉口至經(jīng)十路與千佛山路交叉口）為研究路段，估算不同CDI時(shí)的機(jī)動(dòng)車碳排放。本文在分析速度與CO2排放的基礎(chǔ)上，構(gòu)建基于速度的CO2排放因子。

2.2.1 基于速度的CO2排放因子構(gòu)建

以濟(jì)南市兩種常見的汽油車（大眾桑塔納）和柴油車（江淮皮卡）的排放數(shù)據(jù)為例，分析機(jī)動(dòng)車碳排放與速度的關(guān)系，為減少溫度等因素的影響，選擇機(jī)動(dòng)車檢測站2019年和2020年這兩種車型在加速、減速和巡航狀態(tài)的平均排放數(shù)據(jù)，如圖4所示。

圖4 CO2排放與車速Fig.4 CO2 emission and vehicle speed

從圖4 可知，無論是在加減速還是穩(wěn)定狀態(tài)時(shí)，柴油車CO2的排放量都遠(yuǎn)遠(yuǎn)大于汽油車，交通減排應(yīng)盡量減少柴油車的使用。汽油車和柴油車在加速階段，CO2排放量都急劇增加，且遠(yuǎn)遠(yuǎn)高于穩(wěn)定速度時(shí)的排放量；當(dāng)速度相對穩(wěn)定時(shí)，排放量隨之下降，且排放量穩(wěn)定；減速時(shí)，排放急劇下降；車速在穩(wěn)定狀態(tài)（巡航）排放較穩(wěn)定，且穩(wěn)定在較低的水平。交通擁堵會導(dǎo)致車輛頻繁的怠速、加速和減速，導(dǎo)致碳排放增加。

因車輛排放與行駛速度密切相關(guān)，本文采用呂晨[14]構(gòu)建的排放因子與速度關(guān)系的擬合方程[14]，是在MOVES模型本地化基礎(chǔ)上，模擬不同速度下的排放，基于最小二乘回歸分析方法構(gòu)建的，CO2排放因子模型如表2所示，方程擬合優(yōu)度（R2）在0.9以上。以濟(jì)南市PEMS實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證。

表2 CO2排放因子模型Table 2 Fitting formulas of different emission factors

2.2.2 基于VISSIM模擬的不同CDI時(shí)的流量

以研究路段2021年11月18日上午高峰時(shí)段（8:00-9:00）的交通流量數(shù)據(jù)為依據(jù)，該路段高峰小時(shí)流量為5070 輛（雙向10 車道），路段長度為0.38 km，利用VISSIM 模型，對不同CDI 情況下的流量進(jìn)行模擬（2019年濟(jì)南市平均自由流速度為44.1 km·h-1），模擬結(jié)果如表3所示。

表3 不同CDI的交通流量Table 3 Traffic flow of different CDI

從表3可知，隨CDI的增加，流量增加，車輛平均行駛速度下降，交通運(yùn)行狀況變差，平均停車延誤增加；但當(dāng)CDI增加到一定值時(shí)，擁堵嚴(yán)重，車輛延誤太多，導(dǎo)致車輛進(jìn)入該路段耗時(shí)較多，交通流量反而會下降。當(dāng)CDI 從1.001 增加至2.394（18.42 km·h-1）時(shí)，高峰小時(shí)流量從1443 輛增加到7239輛，停車延誤從7.81 s增加到28.37 s；但當(dāng)CDI達(dá)到3.346（13.18 km·h-1）時(shí)，延誤增加到34.34 s，流量下降到6884 輛；當(dāng)CDI 高達(dá)6.702 時(shí)，基本處于交通堵塞狀態(tài)，平均停車延誤高達(dá)52.66 s，高峰小時(shí)交通流量降至5019輛。

2.2.3 基于CDI的路段上機(jī)動(dòng)車CO2排放估算

根據(jù)研究路段車輛類型的調(diào)查數(shù)據(jù)，將車輛分為小汽車、輕型貨車和公交車這3 種類型，占比分別為85%（新能源車輛占比達(dá)2.6%，汽車按82.79%計(jì)算）、5%和10%（其中，新能源公交車占60%，公交占比按4%計(jì)算），根據(jù)構(gòu)建的基于速度的碳排放因子，基于VISSIM模擬的交通流量，利用機(jī)動(dòng)車碳排放計(jì)算模型式（4），估算該路段不同CDI時(shí)的CO2排放量（自由流速度取2019年濟(jì)南市平均自由流速度44.1 km·h-1）。為方便城市交通流量的計(jì)算，參考表3 中VISSIM 的模擬結(jié)果，將流量與城市道路的類型和速度關(guān)聯(lián)，以城市主干路為標(biāo)準(zhǔn)，城市主干路的排放量為該路段的0.6 倍（該路段為雙向10 車道，主干路規(guī)定大于等于4）。計(jì)算結(jié)果如表4所示。

表4 不同交通運(yùn)行狀況下機(jī)動(dòng)車的CO2排放量Table 4 Emissions under different operating conditions

從表3和表4可以看出，CDI值越大，交通運(yùn)行狀況越差，行駛時(shí)間越長，排放量越大。例如，在暢通無阻的條件下，該路段的行駛時(shí)間僅為0.009 h，該路段機(jī)動(dòng)車小時(shí)CO2總排放量為0.134 t，平均停車延誤時(shí)間為7.81 s；當(dāng)CDI為1.582（27.88 km·h-1），即輕度擁堵時(shí)，平均停車延遲時(shí)間增至21.53 s，該路段小時(shí)CO2排放總量增加到0.599 t，為暢通狀態(tài)下的4.46倍；當(dāng)CDI達(dá)到2.394時(shí)，該路段的排放量增長至1.035 t；當(dāng)CDI 達(dá)到6.702（6.58 km·h-1）時(shí)，交通堵塞，該路段的CO2排放量達(dá)到驚人的1.492 t，是暢通狀態(tài)下的11.12倍。

3 城市交通運(yùn)行狀態(tài)對機(jī)動(dòng)車CO2排放的影響分析

本文采用基于CDI 的路段上機(jī)動(dòng)車CO2排放估算方法，通過CDI 的數(shù)值（反映交通運(yùn)行狀況）獲得路段上車輛運(yùn)行速度，為構(gòu)建基于速度的排放因子F提供數(shù)據(jù)（分車型），利用VISSIM 模擬不同CDI（速度）時(shí)的流量Q，可擴(kuò)展至不同交通運(yùn)行狀態(tài)下城市機(jī)動(dòng)車的CO2排放估算；通過城市平均CDI獲取城市道路平均運(yùn)行速度，進(jìn)而獲取城市的排放因子，根據(jù)速度和道路情況，利用VISSIM可估算交通流量。高峰擁堵延時(shí)指數(shù)是評估城市交通運(yùn)行狀況的重要依據(jù)，本文主要估算城市高峰時(shí)機(jī)動(dòng)車的碳排放。在計(jì)算城市碳排放時(shí)需要注意，高德平臺計(jì)算城市CDI時(shí)，城市范圍是人車出行的活躍核心區(qū)范圍，而非城市的行政范圍。

濟(jì)南市的CDI 計(jì)算范圍是人車出行活躍核心區(qū)的范圍，因此，考慮建成區(qū)的城市道路，2019年濟(jì)南市建成區(qū)快速路115.70 km，主干路739.11 km，次干路625.46 km，支路998.12 km，參考國家《城市道路工程技術(shù)規(guī)范》中快速路、主干路、次干路及支路（Ⅱ級）的速度等規(guī)定，將快速路、主干路、次干路及支路按照1.6∶1.0∶0.45∶0.15的比例折算，濟(jì)南市建成區(qū)道路全部折算為主干路的長度，即1355.41 km。根據(jù)表4中得出的不同交通運(yùn)行狀態(tài)下（CDI）城市主干路道路1 km 小時(shí)排放總量[t·（h·km）-1] 可估算濟(jì)南市不同交通運(yùn)行狀況的機(jī)動(dòng)車碳排放量。

CDI的值取決于自由流速度和實(shí)際運(yùn)行速度，濟(jì)南市2019年平均自由流速度是44.10 km·h-1，2019年擁堵排名前100 城市的自由流平均速度為43.93 km·h-1，兩者數(shù)據(jù)非常相近，因此，基于CDI估算濟(jì)南市機(jī)動(dòng)車碳排放非常有代表意義，利用VISSIM估算的不同CDI下的流量也有一定的普適性，以研究路段中的數(shù)據(jù)為基礎(chǔ)，則可估算我國城市不同交通運(yùn)行狀況的機(jī)動(dòng)車碳排放量數(shù)據(jù)。根據(jù)《中國交通可持續(xù)發(fā)展報(bào)告》，截至2019年底，中國城市道路總長度為45.9萬km，城市快速路、主干路、次干路及支路按照1∶2∶3∶6 的比例配置，將快速路、主干路、次干路及支路按照1.60∶1.00∶0.45∶0.15的比例折算，相當(dāng)于22.38萬km的城市主干路道路；高峰小時(shí)交通量占日交通量的15%估算城市全年碳排放數(shù)據(jù)，如表5所示。

表5 不同交通運(yùn)行狀況的機(jī)動(dòng)車CO2排放量Table 5 Vehicle CO2 emissions under different traffic conditions

從表5可知，濟(jì)南市機(jī)動(dòng)車在暢通狀態(tài)下一年高峰小時(shí)的CO2排放量為10.48 萬t；當(dāng)CDI 為1.582時(shí)（輕度擁堵），CO2排放量增加至46.79萬t；當(dāng)CDI為1.909時(shí)（中度擁堵），CO2排放量為59.48萬t；當(dāng)CDI 達(dá)到2.394 時(shí)（嚴(yán)重?fù)矶拢?，碳排放量?0.83萬t。如果濟(jì)南市的CDI 由1.909 降至1.582，則一年高峰小時(shí)即可減少碳排放12.70萬t；如果濟(jì)南市CDI由1.909惡化至2.394，則一年高峰小時(shí)可增加碳排放21.34萬t。

從表5可知，我國城市機(jī)動(dòng)車在暢通狀態(tài)下高峰小時(shí)的CO2排放量為4.74 萬t，一年高峰小時(shí)的CO2排放量為0.17 億t；當(dāng)CDI 為1.582 時(shí)（輕度擁堵），CO2排放量增加至0.77 億t；當(dāng)CDI 為1.909 時(shí)（中度擁堵），CO2排放量為0.98 億t；當(dāng)CDI 達(dá)到2.394時(shí)（嚴(yán)重?fù)矶拢?，我國城市機(jī)動(dòng)車一年高峰小時(shí)的CO2排放總量為1.33億t。據(jù)高德2019年全國主要50 城市的平均高峰擁堵延時(shí)指數(shù)為1.650，如果我國城市高峰CDI 由1.582 降至1.35，則一年高峰小時(shí)的碳排放可減少0.29億t。

據(jù)交通部統(tǒng)計(jì)數(shù)據(jù)，2019年我國交通部門CO2排放總量約為11 億t，其中，公路運(yùn)輸占86.76%上。城市高峰時(shí)，城市活力區(qū)很少有重型貨車（54%）、中大型客車（2.7%）和中型貨車（1.7%），則其他車型排放共41.6%（乘用車33.7%、輕型貨車5.5%、出租車1.7%及公交車0.7%）[1]，按公安部統(tǒng)計(jì)，2019年我國機(jī)動(dòng)車保有量達(dá)3.48 億，農(nóng)村機(jī)動(dòng)車保有量不到1.4 億輛，城市機(jī)動(dòng)車占比按照60%計(jì)算，2019年全年城市機(jī)動(dòng)車排放量約在2.37億t。本文估算的CDI 在1.24 時(shí)，城市機(jī)動(dòng)車一年的CO2排放量約為2.29 億t；CDI 為1.35 時(shí)，排放量為3.19 億t。據(jù)高德2019年全國主要50 城市的平均高峰擁堵延時(shí)指數(shù)為1.650，全國城市平均擁堵延時(shí)指數(shù)不到1.3。本文估算結(jié)果與交通部公布的碳排放數(shù)據(jù)相近，但因本文估算方法對速度比較敏感，故當(dāng)CDI增大時(shí)，碳排放數(shù)據(jù)增長較快，即城市的交通運(yùn)行狀況對碳排放有較大的影響，改善城市交通運(yùn)行狀況，可大幅度降低機(jī)動(dòng)車的CO2排放量。

4 結(jié)論

本文基于CDI 數(shù)據(jù)定量化城市交通運(yùn)行狀況對機(jī)動(dòng)車碳排放的影響，與其他相關(guān)研究相比，本文的獨(dú)特性主要體現(xiàn)在：

（1）得出我國交通擁堵城市的空間分布規(guī)律。交通擁堵城市具有空間依賴性和聚集性，并在長三角經(jīng)濟(jì)區(qū)和珠三角經(jīng)濟(jì)區(qū)形成2個(gè)高聚集中心。

（2）定量化城市交通運(yùn)行狀況對機(jī)動(dòng)車碳排放的影響。估算了不同交通運(yùn)行狀況時(shí)我國城市的機(jī)動(dòng)車碳排放量，當(dāng)交通處于輕度擁堵時(shí)（CDI 為1.582），交通高峰期我國城市機(jī)動(dòng)車年排放的CO2總量約為0.77億萬t，是暢通狀態(tài)下的4.51倍；當(dāng)交通保持基本暢通時(shí)（CDI 為1.35），交通高峰期我國城市機(jī)動(dòng)車CO2年排放總量可減少0.29 億t；當(dāng)處于交通嚴(yán)重?fù)矶聲r(shí)（CDI達(dá)2.394），交通高峰期我國城市機(jī)動(dòng)車CO2的年排放總量可達(dá)1.33 億t。改善城市交通運(yùn)行狀況，可大幅度降低機(jī)動(dòng)車的CO2排放量。