基于交通大數據的廣東省高速公路碳排放計量模型與空間格局

李苑君，吳旗韜，王長建，吳康敏，張虹鷗，金雙泉

[1. 廣東省科學院廣州地理研究所，廣州 510070；2. 中國科學院廣州地球化學研究所，廣州 510640；3. 南方海洋科學與工程廣東省實驗室（廣州），廣州 510070；4. 廣東省交通運輸規劃研究中心，廣州 510101]

面對因二氧化碳等溫室氣體過度排放帶來的環境問題，2020年9月，中國在聯合國大會上提出碳達峰、碳中和的目標（“雙碳”目標），承諾在2030年前二氧化碳排放達到峰值、2060年前實現碳中和。當前，中國正處于“十四五”的開局階段，也是實現“雙碳”目標的關鍵期和窗口期，如何有效控制二氧化碳排放是各行業發展所面臨的現實挑戰，也是環境科學、能源科學和經濟學等多學科研究的熱點問題（王勇等，2019；王少劍等，2019；潘竟虎等，2021）。交通運輸業是溫室氣體排放的重點領域（Zhang et al., 2019），據國際能源署統計①https://www.iea.org/，2019年中國交通運輸業碳排放約9.01億t，占碳排放總量的9%。而在所有交通方式中，公路運輸一直主導著中國交通運輸結構，公路貨運量在貨運總量中的占比常年維持在70%以上，且已有研究表明，公路運輸是中國碳排放總量最大的運輸方式（李琳娜等，2016）。高速公路是現代交通運輸體系的重要組成部分（柯文前等，2016；McManus et al.,2020），也是公路路網組織的主干。相對普通公路運輸，高速公路通行能力和資源配置效率更高（Gutierrez,2001），在中國基礎設施建設提速、高速路網不斷完善的時代背景下，高速公路成為貨物運輸、人員出行的主要選擇，其以強大的交通容量和吞吐能力支撐起中國整個運輸體系的發展。然而，高速公路上新能源車的比例較小，目前機動車仍以消耗柴油、汽油等傳統能源為主，在行駛過程中排放大量二氧化碳等溫室氣體，在一定程度上導致交通運輸業碳排放總量居高不下、環境問題日益突出。在此背景下，降低高速公路運輸產生的二氧化碳排放量，已成為促進交通運輸業盡早達成“雙碳”目標，實現綠色發展的有效途徑；而構建科學的高速公路碳排放計量模型，對碳排放數值進行高精度的空間表征，成為交通領域實施精準減排和源頭治理的現實需求。

圍繞交通碳排放問題梳理國內外研究得出，高速公路碳排放計量方法和空間分析精度仍有待提升。從內容上看，傳統研究主要關注交通運輸業碳排放總量估算（Zhang et al., 2015; Lopez et al.,2018），針對某種運輸方式的碳排放研究較少，且多集中于航空運輸、鐵路運輸（Chao, 2014; Edwards et al., 2016; Pritchard et al., 2018），對公路尤其是高速公路碳排放相關研究較少，空間差異性分析則更缺乏。近年來，隨著信息技術發展，有學者嘗試利用大數據分析交通碳排放，如利用公路貨運平臺記錄的Track-To-Truck 數據探索貨車碳排放足跡，揭示其空間分布規律（Schulte et al., 2017;Cheng et al.,2020）。然而出于技術限制，并非所有貨車均能有效地接入貨運平臺，且公路機動車類型龐雜，僅考慮貨車會與真實碳排放存在一定誤差。從方法上看，IPCC 提供的“自上而下法”與“自下而上法”是目前受國際認可的2種交通碳排放計算方法（IPCC, 2006; Svirejeva-Hopkins et al.,2008）。“自上而下法”即根據交通能源消耗量及相應碳排放系數測算交通碳排放總量（Amin et al.,2020;Xu et al.,2021），但難以分類計量不同交通方式產生的碳排放；而“自下而上法”基于不同交通工具行駛里程與單位里程能耗測算能源消耗總量，然后乘以碳排放系數計算交通碳排放量（李琳娜等，2016；Wang et al., 2017; Zakaria et al., 2021），該方法對交通方式進行細分，可區分客運、貨運等（Sim,2017），有助于橫向對比碳排放差異，科學指導綜合交通規劃。然而，傳統的“自下而上法”亦存在一些問題：1）缺乏基于高精度空間數據的分析，難以回答交通碳排放高值路段分布位置，以實現精準減排。2）對機動車分類仍顯粗糙，難以回答哪類機動車碳排放數值較高，以進行源頭治理。從研究尺度上看，傳統交通碳排放研究多集中在國家、省、市和區域等空間范圍（寧曉菊等，2014；陶玉國等，2015；武翠芳等，2015；李琳娜等，2016），基礎觀測單元以省、市行政單元為主（李琳娜等，2016；馬海濤等，2017），空間分辨率較低；而小尺度、高空間分辨率的交通碳排放研究偏少，且多基于傳統“自下而上法”以調查問卷等形式進行采樣分析（馬靜等，2011；童抗抗等，2012），無法全面展示區域碳排放空間格局。

鑒于此，本研究重點關注高速公路運輸產生的碳排放及其空間分布特征，通過優化傳統的“自下而上法”，建立全樣本、高精度的高速公路碳排放計量模型，并以廣東省為例進行實證分析。本研究擬解決的問題為：1）如何利用交通大數據建立全樣本、高精度的高速公路碳排放模型？2）高速公路碳排放呈現何種空間分布特征？以期豐富交通碳排放計量方法，并在實踐層面推動交通領域實現“雙碳”目標。

1 數據與方法

1.1 研究區概況

廣東省是中國經濟和人口規模最大的省份，2021 年地區生產總值12.4 萬億元，常住人口1.3 億人②http://stats.gd.gov.cn/，優越的經濟社會發展條件吸引外省人口和資源等不斷流入，使得廣東省聚集起全國范圍內的人流、物流等，成為全國交通量最大、交通往來最為頻繁的省份。數據顯示③https://www.mot.gov.cn/，2021 年廣東省高速公路總通車里程超過1.1萬km，收費站出口車流總量超22 億輛次，均居全國首位。從運輸結構上看（表1），當前廣東省貨物周轉、人員出行等主要依賴公路，“十四五”期間，預測交通運輸結構仍將以公路運輸為主，且在交通基礎設施建設不斷“提質增速”、高速路網日趨完善的背景下，區域內人流和物流逐漸集中于高速公路。廣東省作為中國交通流密集、高速公路路網發達的省份，亦是交通碳排放研究的典型區域。

表1 2025年廣東省交通運輸指標預測Table 1 Prediction of transportation indicators in Guangdong Province in 2025

1.2 數據來源與預處理

從廣東省交通運輸廳高速公路聯網收費系統中獲取2021年4月的日均車流數據。廣東省自2020年3 月開展交通運輸秩序恢復工作，經濟社會發展較為平穩，因此2021年4月數據在一定程度上可以反映普遍性規律。原始數據記錄了高速公路上4 379條來往有向車流數據，根據官方收費標準④http://td.gd.gov.cn/可將車輛類型劃分為客車與貨車2個大類，包含I～IV類客車與I～VI 類貨車共計10 個小類（表2）。在去除高速上下匝道數據、轉換無向車流數據和空間匹配后，獲得1 181 條計費路段的無向車流數據，車流中包含的機動車共計659萬輛。

表2 廣東省高速公路機動車分類標準Table 2 Classification standards of highway vehicles in Guangdong Province

I 類客車油耗數據來源于中國工業和信息化部汽車能源消耗量查詢平臺⑤https://www.miit.gov.cn，II～IV類客車油耗數據來源于中國客車網⑥https://www.chinabuses.com和品牌官網；I～IV 類貨車油耗數據來源于中國卡車網⑦https://www.chinatruck.org和品牌官網，V～VI類貨車油耗數據均來源于實地調研。機動車保有量數據來源于DaaS-Auto 汽車大數據平臺⑧http://www.daas-auto.com提供的《2020 廣東省汽車保有量》清單。單位熱值含碳量、碳氧化率相關數據來自廣東省生態環境廳公眾網⑨http://gdee.gd.gov.cn。市區范圍的劃分依據各地市城市發展規劃，如《廣州市城市總體規劃（2017-2035年）》和《深圳市城市總體規劃（2016-2035年）》等。縣區尺度中區域的合并與拆分參照已有研究（李苑君等，2021），最終得到118個分析單元（以下統稱“縣區”）。

1.3 碳排放計算方法

1.3.1 汽車油耗分析 廣東省汽車保有量大數據顯示，I 類客車中供能方式為汽油的車輛占比87.3%，II～IV 類客車供能方式為柴油的車輛占比87.5%；I～VI類貨車供能方式為柴油的車輛占比99.2%。上述車型碳排放均基于各自油品對應的系數計算。根據機動車保有量大數據篩選出廣東省I～IV類客車和I～IV類貨車中保有量較高的品牌車型，以其油耗數值作為參照。其中I 類客車品牌較多，在“中國工業和信息化部汽車能源消耗量查詢平臺”檢索油耗時僅選擇保有量＞10 000輛的常見品牌，并取其油耗均值，I類客車市區、郊區百公里油耗分別為8.8、6.1 L。廣東省II～IV 類客車品牌主要有4 個，在其官方網站和“中國客車網”中檢索并整理不同車型油耗信息，取均值以便于計算，結果如表3所示。

表3 廣東省主要品牌II～IV類客車油耗Table 3 Fuel consumption of major class II～IV passenger vehicles in Guangdong Province

廣東省I～IV類貨車品牌相對集中，以保有量前5名的品牌車型（對應品牌1～5）為參照分析其油耗并取均值（表4）。V～VI 類貨車油耗通過實地調研獲取，在廣東省高速公路上的源潭、英德、福永、厚街和雅瑤等8 個服務區開展實地考察，同時對V和VI類貨車司機進行訪談以采集具體油耗數據。若反饋數據為單位路程資金消耗數額，則以當期油價轉換為百公里油耗，最終油耗數據取均值。調研結果顯示，V類貨車行駛在市區路段、郊區路段時百公里油耗均值分別為35.5、30.3 L；VI 類貨車行駛在市區路段、郊區路段時百公里油耗均值分別為43.2、36.1 L。

表4 廣東省主要品牌I～IV類貨車油耗Table 4 Fuel consumption of major class I-IV freight vehicles in Guangdong Province

1.3.2 碳排放計量模型構建

1）基于IPCC的碳排放計量模型

聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change, IPCC）提出的《IPCC 2006 年國家溫室氣體清單指南》（IPCC,2006）為世界各國建立國家溫室氣體清單、履行減排約定，提供了最新的方法。該方法基礎數據易得、計算規則簡潔清晰，國際認可度較高，普遍應用于定量計算溫室氣體排放。

式中：CEF 為二氧化碳排放系數（kg CO2/kg）；NCV為燃料平均低位發熱量（kJ/kg）；PF為潛在碳排放系數，以單位熱值燃料所含碳元素的質量表示（t-C/TJ）；COF 為燃料碳氧化率（%）；K為碳轉化效率，即二氧化碳和碳的相對分子質量的比值，為44/12≈3.67。計算結果乘以10-6用于單位換算；CEFLi為i類型燃油的碳排放系數（kg CO2/kg）；ρi為i類型燃油的密度；CDEi為i類型燃油的二氧化碳排放量（kg）；FC為燃料消耗量（L）。

根據官方數據（表5），平均低位發熱量參照《綜合能耗計算通則》（國家市場監督管理總局等，2020）；汽油密度參照《車用汽油國家標準》（國家質量監督檢驗檢疫總局等，2016a）；柴油密度參照《車用柴油國家標準》（國家質量監督檢驗檢疫總局等，2016b）。由此測得，柴油碳排放系數為3.10 kg CO2/kg；汽油碳排放系數為2.93kg CO2/kg。

表5 二氧化碳排放系數計算公式中的變量取值Table 5 Variable values in the formula of carbon dioxide emissions factor

2）基于分類型車流數據的高速公路路網碳排放計量模型

高速公路路網碳排放計量模型基于“自下而上”方法原理，分析精度較高。從空間尺度上看，模型精確至計費路段尺度，具有實時獲取、動態分布的特點，能真實反映高速公路車流現狀。從車輛類別上看，模型覆蓋10類機動車型，在高耗能和高碳排車輛識別、機動車碳排放結構分析等方面具有一定優勢。此外，模型基于車輛保有現狀、市區和郊區路段燃油消耗等，修正了燃油系數，以提升計量結果的科學性。其計量過程分解如下：

1）建立a類型車行駛在r路段的碳排放計量模型：

式中：CDEar為a類型車行駛在r路段的碳排放量（kg）；FCa為a類型車百公里油耗（L/100 km）；Dr為r路段長度（km）；Var為r路段a類型車數量。考慮到機動車在郊區路段、市區路段運行時，擁堵時間、車速等差異會帶來油耗量的不同，進而影響車輛碳排放，因此，將“區域工況”納入計算模型：

當r路段位于市區時，FCa取FCa（urban），代表“市區工況”，即車輛在行駛在市區高速公路路段的燃油量；當r路段位于郊區時，FCa取FCa（suburb），代表“郊區工況”，即車輛行駛在郊區路段的燃油量。

2）建立全類型車行駛在全路段的碳排放計量模型：

式中：CDEr為全類型車行駛在r路段的碳排放總量（kg）；n為車輛類型總數，本研究取10。整合上述所有模型，建立全類型車、全路段碳排放計量模型：

式中：CDE 為全類型車路網碳排放總量（kg）；m為路段總數。計算結果乘以10-8用于單位換算。

2 結果分析

2.1 高速公路全類車碳排放空間特征

整體上看，廣東省高速公路碳排放主要來源于貨車。高速公路日均碳排放總量為15 311 t，其中貨車碳排放為8 743 t，占碳排放總量的57.1%；客車碳排放為6 568 t，占比42.9%。分類型看，廣東省高速公路碳排放主要來自中小型機動車，如I 類客車、I類和III類貨車等，尤其I類客車（即常見的小汽車等）影響最大，其碳排放數值為6 112 t，占客車碳排放的93.1%和碳排放總量的39.9%；III類和I類貨車碳排放數值較為接近，分別為2 671和2 196 t，占碳排放總量的17.4%和14.3%。

依據自然斷點法將碳排放數值分為10級，可視化結果如圖1所示。高速公路碳排放空間分布特征為：1）碳排放高值路段集中在區域經濟、人口密集區。碳排放高值路段分布較為廣泛，相對集中在珠三角城市群和周邊地市的城市中心區，如廣州市、佛山市、東莞市和深圳市，湛江市中心區和汕頭市中心區等，該類區域經濟相對發達，人口集中，且路網密度較高。碳排放低值路段則分布在廣東省外圍地市，如梅州市和河源市等。2）碳排放高值路段主要集中于國家級高速公路，省級高速公路碳排放相對較少。廣東省國家級高速公路碳排放為9 477 t，占碳排放總量的61.9%；省級高速公路碳排放為5 834 t，占比38.1%。從空間上看，碳排放高值路段集中在G75蘭海高速（湛江段）、G15沈海高速（江門段）、G55二廣高速（肇慶段）等；有少部分國家級高速公路全路段碳排放數值均較高，如G0423樂廣高速、G4京港澳高速、G45大廣高速等。碳排放較低的路段集中于區域北部和沿海的橫向省級高速公路，如S14 汕湛高速（肇慶-清遠段）、S32西部沿海高速等；區域東、西部的縱向省級高速公路，如S6 廣龍高速（河源段）、S11 大潮高速等。3）港口、機場和立交連接處路段碳排放數值相對較高。廣東省主要海港附近、珠三角河港附近路段碳排放數值普遍較高，如清遠市、肇慶市、惠州市和湛江市內港口。機場附近亦出現碳排放高值路段，如深圳寶安國際機場附近的沿海高速路段、廣州白云國際機場附近的廣州環城高速路段等。此外，立交連接處路段，尤其在S81廣州環城高速，碳排放數值相對較高。該區域大型立交較多，均為多路段車流匯集地，碳排放值相對高于周邊路段。

圖1 廣東省高速公路全類型車碳排放空間格局Fig.1 Spatial patterns of highway carbon emissions for all vehicles in Guangdong Province

2.2 高速公路分車型碳排放空間特征

2.2.1 客車碳排放空間分析 依據自然斷點法將I～IV類客車碳排放數值分為10級，可視化結果如圖2所示。I類客車碳排放高值路段集中于廣州市、深圳市和東莞市，尤其以廣州市為中心樞紐的高速公路，如S81 廣州環城高速、S3 廣深沿江高速等。II類客車數量最少，碳排放總量最低。III～IV 類客車碳排放高值路段分布與I～II類客車差異顯著，出現長距離“連續高值路段”，III類客車碳排放高值路段分布在G15沈海高速（陽江-深圳段）、G55二廣高速（肇慶-廣州段）等，IV類客車碳排放高值路段分布范圍更廣、距離更長，如G0421 許廣高速（廣東全段）等。對比I～IV 類客車碳排放空間分布的相似性與差異性可知，其相似性在于，碳排放高值路段均主要集中于珠三角區域，沿廣州市向外呈放射狀分布；分散在廣東省邊緣地市，如湛江市、汕頭市等。其差異性在于，從I 類客車到IV 類客車，碳排放高值路段呈現分布范圍逐漸擴大、路段長度逐漸增加的態勢，形成以廣州環城高速為中心，二廣高速、許廣高速、G4京港澳高速和沈海高速等國家級高速公路為主體的高速公路碳排放高值區。

圖2 廣東省高速公路客車碳排放空間格局Fig.2 Spatial patterns of highway carbon emissions for passenger vehicles in Guangdong Province

2.2.2 貨車碳排放空間分析 依據自然斷點法將I～VI類貨車碳排放數值分為10級，可視化結果如圖3所示。I類貨車碳排放高值路段主要集中在珠三角中心區域，外圍區域碳排放值相對較低。II類貨車碳排放高值路段除珠三角外，開始向廣東省北部和東部延伸，且出現較長距離的碳排放連續高值路段。III類貨車碳排放高值路段分布范圍較廣，覆蓋廣東省北部多條重要的縱向國家級高速公路和東部橫向省級高速公路。IV 類貨車與III 類貨車相比，碳排放高值路段跨越范圍更廣、延伸距離更長，碳排放低值路段則主要集中在珠三角區域。V類貨車碳排放在所有貨車中居于末位，VI類貨車碳排放高值路段分布范圍最廣，尤其是在廣東省北部和西部路段，碳排放數值普遍較高。對比I～VI類貨車碳排放空間分布的相似性與差異性可知，其相似性在于，碳排放高值路段在廣東省北部均有分布，尤其在G0423 樂廣高速和G4 京港澳高速；而廣東省東北部、西部沿海路段碳排放普遍較低。其差異性在于，貨車規模越小，碳排放空間分布越集中。如I類貨車碳排放高值路段主要集中在珠三角，其他地區少有分布；II類貨車碳排放高值路段較I類貨車有所延伸。從III類貨車開始，碳排放高值路段分布范圍逐漸擴大，出現長距離的連續高值路段；與此同時，珠三角區域碳排放高值路段分布范圍逐漸縮小，成為大型貨車碳排放的低值區。

圖3 廣東省高速公路貨車碳排放空間格局Fig.3 Spatial patterns of highway carbon emissions for freight vehicles in Guangdong Province

2.3 縣市尺度下高速公路碳排放空間特征

2.3.1 地市尺度的高速公路碳排放空間特征 廣東省高速公路碳排放較高的地市多集中在區域中部經濟發達、人口密集的珠三角城市群，且城市首位效應突出。具體表現為省會城市廣州市碳排放最高，為3 037 t，占全省碳排放總量的19.8%；其次為臨近廣州市的佛山市，全類車碳排放為2 055 t，占比全省13.4%。廣州市高速公路碳排放總量約為佛山市的1.5 倍，顯示出強大的首位效應。此外，碳排放較高的地市，主要排放源為I 類客車。如東莞市I類客車碳排放值為757 t，占全市碳排放總量的45.2%；惠州市I 類客車碳排放值為501 t，占全市碳排放的44.0%。碳排放較低的地市主要集中在沿海區域，其中珠海市全類車碳排放僅56 t，約是廣州市的1/50。

分類型看，I～III 類客車（圖4-a～c）碳排放較高的地市多集中于珠三角城市群，以廣州市和佛山市為主，其他區域地市碳排放值相對較低；IV類大型長途客車（圖4-d）碳排放較高的地市除珠三角外，開始向北延伸至清遠市。I～II類輕型貨車（圖4e-f）碳排放較高的地市亦集中于珠三角城市群，與I～III類客車具有一定相似性，區別在于輕型貨車碳排放較高的地市除廣佛之外，還包括廣州市東部的東莞市，形成以廣州市為核心，東莞市和佛山市為東西兩翼的中小型機動車“碳排放高值區”。III～VI類貨車（圖4-g～j）與其他類機動車相比，碳排放較高的地市分布出現顯著差異，除珠三角外，粵北區域地市碳排放亦相對較高，尤其是廣州市北部的清遠市、韶關市，該類地市位于邊界，南鄰珠三角，北接湖南省等外部省份，是廣東省聯系中國內陸腹地省市的“門戶”。

圖4 廣東省地市尺度上高速公路碳排放空間格局Fig.4 Spatial patterns of highway carbon emissions on the city scale in Guangdong Province

3.3.2 縣區尺度的高速公路碳排放空間特征 在縣區尺度下，廣東省高速公路碳排放呈現明顯的空間非均衡特征（圖5）。全類車碳排放較高的縣區分布于廣東省北部、珠三角中心和東岸區域，集中在廣州市和佛山市下屬縣區，如廣州市白云區、佛山市南海區等，其中白云區日均碳排放最高，約1 213 t。白云區是廣州市人口第一大區，也是廣州市高速公路網絡最為密集的縣區之一。區內建有廣州白云國際機場，終日繁忙的機場高速為白云區帶來大量客流；此外，白云區也是廣州繞城高速與多條縱向國家級高速公路接駁之地。高速公路客車碳排放空間格局與全類車整體上相似。相比之下，客車碳排放較高的縣區更集中于珠三角區域，除白云區和南海區外，深圳市寶安區客車碳排放值亦相對較高；而碳排放較低的縣區主要分布在省外圍邊界。寶安區位于珠江口東岸，西鄰廣東省重要海港——深圳港，其2020 年貨物吞吐量約26 506 萬t，占海港貨物吞吐總量的15%。且寶安區內亦建有寶安國際機場，是香港與內陸交通往來、國內外客貨集散的重要樞紐。高速公路貨車碳排放較高的縣區集中于珠三角和廣東省北部區域，其中清遠市英德市是粵北唯一日均貨車碳排放超過300 t的縣區。

圖5 廣東省縣區尺度上高速公路碳排放空間格局Fig.5 Spatial patterns of highway carbon emissions on the county scale in Guangdong Province

3 結論與討論

3.1 結論

基于廣東省高速公路收費系統的路段O-D車流數據，建立包含I～IV 類客車和I～VI 類貨車在內的全樣本、高精度高速公路碳排放模型，計量高速公路碳排放并分析空間差異性。主要結論有：

1）廣東省高速公路碳排放主要來自于貨車，全類車碳排放總量為15 311 t，其中貨車碳排放為8 743 t，占總量的57.1%；客車碳排放為6 568 t，占比42.9%。具體分類型看，高速公路碳排放主要來自于中小型機動車，如I 類客車（即小汽車）、I類和III類貨車等。

2）全類車碳排放高值路段呈現集中于國家級高速公路、鄰近經濟發達和人口密集區、鄰近機場港口和立交的空間分布特征。客車碳排放高值路段主要集中在珠三角區域，沿廣州市向外呈放射狀分布；從I～IV類客車，碳排放高值路段呈現分布范圍逐漸擴大、路段長度逐漸增加的態勢。I～VI類貨車碳排放高值路段主要分布在國家級高速公路，且貨車載貨量越少、規模越小，碳排放空間分布越集中。

3）廣東省高速公路碳排放較高的地市多集中在珠三角城市群，且廣州市城市首位效應突出，區域形成以廣州市為核心，東莞市和佛山市為東西兩翼的中小型機動車“碳排放高值區”。縣區尺度下，廣東省高速公路碳排放的空間非均衡特征顯著，碳排放較高的縣區多為廣州市和佛山市下屬縣區，如廣州市白云區、佛山市南海區等。

3.2 討論

模型構建與定量監測一直是交通碳排放研究的熱點領域，在當前中國明確提出“雙碳”目標的時代背景下，亟待創新交通碳排放的計量方法，在小微尺度下滿足實時監測、動態分析的需求，同時基于多源地理空間大數據，在全機動車樣本狀態下對移動碳排放源進行準確定位、科學評估。本研究主要貢獻在于優化傳統的“自下而上法”，建立全樣本、高精度的高速公路碳排放模型。首先，基于中國的平均低位發熱量、汽油和柴油密度等官方標準，測算本地化碳排放系數，提升模型的實際價值，在未來應用到其他區域時，碳排放系數可隨著當地官方標準進行修正。其次，模型遵循“自下而上”的碳排放計算思路，即交通碳排放等于車輛數目、車輛行駛里程、單位里程油耗和碳排放系數乘積的普適法則（Romero et al.,2020），在此基礎上將車輛行駛里程分段匹配在O-D計費路段（平均長度＜10 km）之間的距離，較傳統研究提升了空間分析精度，并對單位里程油耗依據10種車型分類作了更符合實際情況的統計，避免對客車、貨車等油耗“一刀切”。然后根據單一類型車單一路段、全類型車全路段的碳排放分析過程，建立高速公路路網碳排放計量模型，為從路段至路網、從縣市至全省，高精度、多尺度的空間分析奠定方法基礎。最后，受限于客觀數據限制，實證分析結果暫時未能反映模型的時空動態分析特征，隨著未來年間、月際、日差乃至更細粒度車流量時變數據的引入，可進一步拓展模型的研究與應用范圍。而基于當前研究，亦可對模型在交通運輸業減排領域的實際應用進行探析。在分類別、全樣本特征下，可以發現不同類別機動車輛，因機械構造、技術應用和油耗的不同，具備差異化碳排放特征（Mingolla et al.,2021;Liu et al.,2021;Wang et al.,2022），進行源頭治理時，要基于車輛特點分類管控，如針對I 類客車基數龐大，碳排放總值較高的實際情況，需考慮客車能源結構優化，提升新能源車的使用比例；針對VI類貨車單位油耗和碳排放量較高的問題，可提升貨車使用效率，避免“空載”現象，并考慮優化貨車行駛路線。在高精度特征下，路網碳排放空間格局更為直觀且細膩，可看出“以廣州市為中心，高碳排路段向周圍延伸”成為I～IV類客車、I～II類貨車的共性碳排放空間特征。廣州市強大的交通首位效應，也導致廣州市、乃至珠三角城市群成為全省高速公路碳排放的“重災區”，因此可統籌加快廣州市、佛山市和東莞市等區域高速公路瓶頸路段擴容（如廣州市環城高速、深圳沿海高速等），通過增加分流復線、優化區域路網等方式，解決局部路段常態性擁堵問題，減少車輛等待與通行時間以降低碳排放，實現區域綠色發展。

本研究完善了高速公路碳排放計量方法，為構建和拓展交通碳排放模型，探索其他區域碳排放問題提供了思路。受數據等客觀條件的限制，在時間尺度研究、機動車（尤其是貨車）能耗分析、交通擁堵和地形對能耗影響等方面仍有不足，未來將不斷深化，以期在碳排放時空演變規律等領域取得新進展。