基于交通大数据的广东省高速公路碳排放计量模型与空间格局

李苑君，吴旗韬，王长建，吴康敏，张虹鸥，金双泉

[1. 广东省科学院广州地理研究所，广州 510070；2. 中国科学院广州地球化学研究所，广州 510640；3. 南方海洋科学与工程广东省实验室（广州），广州 510070；4. 广东省交通运输规划研究中心，广州 510101]

面对因二氧化碳等温室气体过度排放带来的环境问题，2020年9月，中国在联合国大会上提出碳达峰、碳中和的目标（“双碳”目标），承诺在2030年前二氧化碳排放达到峰值、2060年前实现碳中和。当前，中国正处于“十四五”的开局阶段，也是实现“双碳”目标的关键期和窗口期，如何有效控制二氧化碳排放是各行业发展所面临的现实挑战，也是环境科学、能源科学和经济学等多学科研究的热点问题（王勇等，2019；王少剑等，2019；潘竟虎等，2021）。交通运输业是温室气体排放的重点领域（Zhang et al., 2019），据国际能源署统计①https://www.iea.org/，2019年中国交通运输业碳排放约9.01亿t，占碳排放总量的9%。而在所有交通方式中，公路运输一直主导着中国交通运输结构，公路货运量在货运总量中的占比常年维持在70%以上，且已有研究表明，公路运输是中国碳排放总量最大的运输方式（李琳娜等，2016）。高速公路是现代交通运输体系的重要组成部分（柯文前等，2016；McManus et al.,2020），也是公路路网组织的主干。相对普通公路运输，高速公路通行能力和资源配置效率更高（Gutierrez,2001），在中国基础设施建设提速、高速路网不断完善的时代背景下，高速公路成为货物运输、人员出行的主要选择，其以强大的交通容量和吞吐能力支撑起中国整个运输体系的发展。然而，高速公路上新能源车的比例较小，目前机动车仍以消耗柴油、汽油等传统能源为主，在行驶过程中排放大量二氧化碳等温室气体，在一定程度上导致交通运输业碳排放总量居高不下、环境问题日益突出。在此背景下，降低高速公路运输产生的二氧化碳排放量，已成为促进交通运输业尽早达成“双碳”目标，实现绿色发展的有效途径；而构建科学的高速公路碳排放计量模型，对碳排放数值进行高精度的空间表征，成为交通领域实施精准减排和源头治理的现实需求。

围绕交通碳排放问题梳理国内外研究得出，高速公路碳排放计量方法和空间分析精度仍有待提升。从内容上看，传统研究主要关注交通运输业碳排放总量估算（Zhang et al., 2015; Lopez et al.,2018），针对某种运输方式的碳排放研究较少，且多集中于航空运输、铁路运输（Chao, 2014; Edwards et al., 2016; Pritchard et al., 2018），对公路尤其是高速公路碳排放相关研究较少，空间差异性分析则更缺乏。近年来，随着信息技术发展，有学者尝试利用大数据分析交通碳排放，如利用公路货运平台记录的Track-To-Truck 数据探索货车碳排放足迹，揭示其空间分布规律（Schulte et al., 2017;Cheng et al.,2020）。然而出于技术限制，并非所有货车均能有效地接入货运平台，且公路机动车类型庞杂，仅考虑货车会与真实碳排放存在一定误差。从方法上看，IPCC 提供的“自上而下法”与“自下而上法”是目前受国际认可的2种交通碳排放计算方法（IPCC, 2006; Svirejeva-Hopkins et al.,2008）。“自上而下法”即根据交通能源消耗量及相应碳排放系数测算交通碳排放总量（Amin et al.,2020;Xu et al.,2021），但难以分类计量不同交通方式产生的碳排放；而“自下而上法”基于不同交通工具行驶里程与单位里程能耗测算能源消耗总量，然后乘以碳排放系数计算交通碳排放量（李琳娜等，2016；Wang et al., 2017; Zakaria et al., 2021），该方法对交通方式进行细分，可区分客运、货运等（Sim,2017），有助于横向对比碳排放差异，科学指导综合交通规划。然而，传统的“自下而上法”亦存在一些问题：1）缺乏基于高精度空间数据的分析，难以回答交通碳排放高值路段分布位置，以实现精准减排。2）对机动车分类仍显粗糙，难以回答哪类机动车碳排放数值较高，以进行源头治理。从研究尺度上看，传统交通碳排放研究多集中在国家、省、市和区域等空间范围（宁晓菊等，2014；陶玉国等，2015；武翠芳等，2015；李琳娜等，2016），基础观测单元以省、市行政单元为主（李琳娜等，2016；马海涛等，2017），空间分辨率较低；而小尺度、高空间分辨率的交通碳排放研究偏少，且多基于传统“自下而上法”以调查问卷等形式进行采样分析（马静等，2011；童抗抗等，2012），无法全面展示区域碳排放空间格局。

鉴于此，本研究重点关注高速公路运输产生的碳排放及其空间分布特征，通过优化传统的“自下而上法”，建立全样本、高精度的高速公路碳排放计量模型，并以广东省为例进行实证分析。本研究拟解决的问题为：1）如何利用交通大数据建立全样本、高精度的高速公路碳排放模型？2）高速公路碳排放呈现何种空间分布特征？以期丰富交通碳排放计量方法，并在实践层面推动交通领域实现“双碳”目标。

1 数据与方法

1.1 研究区概况

广东省是中国经济和人口规模最大的省份，2021 年地区生产总值12.4 万亿元，常住人口1.3 亿人②http://stats.gd.gov.cn/，优越的经济社会发展条件吸引外省人口和资源等不断流入，使得广东省聚集起全国范围内的人流、物流等，成为全国交通量最大、交通往来最为频繁的省份。数据显示③https://www.mot.gov.cn/，2021 年广东省高速公路总通车里程超过1.1万km，收费站出口车流总量超22 亿辆次，均居全国首位。从运输结构上看（表1），当前广东省货物周转、人员出行等主要依赖公路，“十四五”期间，预测交通运输结构仍将以公路运输为主，且在交通基础设施建设不断“提质增速”、高速路网日趋完善的背景下，区域内人流和物流逐渐集中于高速公路。广东省作为中国交通流密集、高速公路路网发达的省份，亦是交通碳排放研究的典型区域。

表1 2025年广东省交通运输指标预测Table 1 Prediction of transportation indicators in Guangdong Province in 2025

1.2 数据来源与预处理

从广东省交通运输厅高速公路联网收费系统中获取2021年4月的日均车流数据。广东省自2020年3 月开展交通运输秩序恢复工作，经济社会发展较为平稳，因此2021年4月数据在一定程度上可以反映普遍性规律。原始数据记录了高速公路上4 379条来往有向车流数据，根据官方收费标准④http://td.gd.gov.cn/可将车辆类型划分为客车与货车2个大类，包含I～IV类客车与I～VI 类货车共计10 个小类（表2）。在去除高速上下匝道数据、转换无向车流数据和空间匹配后，获得1 181 条计费路段的无向车流数据，车流中包含的机动车共计659万辆。

表2 广东省高速公路机动车分类标准Table 2 Classification standards of highway vehicles in Guangdong Province

I 类客车油耗数据来源于中国工业和信息化部汽车能源消耗量查询平台⑤https://www.miit.gov.cn，II～IV类客车油耗数据来源于中国客车网⑥https://www.chinabuses.com和品牌官网；I～IV 类货车油耗数据来源于中国卡车网⑦https://www.chinatruck.org和品牌官网，V～VI类货车油耗数据均来源于实地调研。机动车保有量数据来源于DaaS-Auto 汽车大数据平台⑧http://www.daas-auto.com提供的《2020 广东省汽车保有量》清单。单位热值含碳量、碳氧化率相关数据来自广东省生态环境厅公众网⑨http://gdee.gd.gov.cn。市区范围的划分依据各地市城市发展规划，如《广州市城市总体规划（2017-2035年）》和《深圳市城市总体规划（2016-2035年）》等。县区尺度中区域的合并与拆分参照已有研究（李苑君等，2021），最终得到118个分析单元（以下统称“县区”）。

1.3 碳排放计算方法

1.3.1 汽车油耗分析 广东省汽车保有量大数据显示，I 类客车中供能方式为汽油的车辆占比87.3%，II～IV 类客车供能方式为柴油的车辆占比87.5%；I～VI类货车供能方式为柴油的车辆占比99.2%。上述车型碳排放均基于各自油品对应的系数计算。根据机动车保有量大数据筛选出广东省I～IV类客车和I～IV类货车中保有量较高的品牌车型，以其油耗数值作为参照。其中I 类客车品牌较多，在“中国工业和信息化部汽车能源消耗量查询平台”检索油耗时仅选择保有量＞10 000辆的常见品牌，并取其油耗均值，I类客车市区、郊区百公里油耗分别为8.8、6.1 L。广东省II～IV 类客车品牌主要有4 个，在其官方网站和“中国客车网”中检索并整理不同车型油耗信息，取均值以便于计算，结果如表3所示。

表3 广东省主要品牌II～IV类客车油耗Table 3 Fuel consumption of major class II～IV passenger vehicles in Guangdong Province

广东省I～IV类货车品牌相对集中，以保有量前5名的品牌车型（对应品牌1～5）为参照分析其油耗并取均值（表4）。V～VI 类货车油耗通过实地调研获取，在广东省高速公路上的源潭、英德、福永、厚街和雅瑶等8 个服务区开展实地考察，同时对V和VI类货车司机进行访谈以采集具体油耗数据。若反馈数据为单位路程资金消耗数额，则以当期油价转换为百公里油耗，最终油耗数据取均值。调研结果显示，V类货车行驶在市区路段、郊区路段时百公里油耗均值分别为35.5、30.3 L；VI 类货车行驶在市区路段、郊区路段时百公里油耗均值分别为43.2、36.1 L。

表4 广东省主要品牌I～IV类货车油耗Table 4 Fuel consumption of major class I-IV freight vehicles in Guangdong Province

1.3.2 碳排放计量模型构建

1）基于IPCC的碳排放计量模型

联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change, IPCC）提出的《IPCC 2006 年国家温室气体清单指南》（IPCC,2006）为世界各国建立国家温室气体清单、履行减排约定，提供了最新的方法。该方法基础数据易得、计算规则简洁清晰，国际认可度较高，普遍应用于定量计算温室气体排放。

式中：CEF 为二氧化碳排放系数（kg CO2/kg）；NCV为燃料平均低位发热量（kJ/kg）；PF为潜在碳排放系数，以单位热值燃料所含碳元素的质量表示（t-C/TJ）；COF 为燃料碳氧化率（%）；K为碳转化效率，即二氧化碳和碳的相对分子质量的比值，为44/12≈3.67。计算结果乘以10-6用于单位换算；CEFLi为i类型燃油的碳排放系数（kg CO2/kg）；ρi为i类型燃油的密度；CDEi为i类型燃油的二氧化碳排放量（kg）；FC为燃料消耗量（L）。

根据官方数据（表5），平均低位发热量参照《综合能耗计算通则》（国家市场监督管理总局等，2020）；汽油密度参照《车用汽油国家标准》（国家质量监督检验检疫总局等，2016a）；柴油密度参照《车用柴油国家标准》（国家质量监督检验检疫总局等，2016b）。由此测得，柴油碳排放系数为3.10 kg CO2/kg；汽油碳排放系数为2.93kg CO2/kg。

表5 二氧化碳排放系数计算公式中的变量取值Table 5 Variable values in the formula of carbon dioxide emissions factor

2）基于分类型车流数据的高速公路路网碳排放计量模型

高速公路路网碳排放计量模型基于“自下而上”方法原理，分析精度较高。从空间尺度上看，模型精确至计费路段尺度，具有实时获取、动态分布的特点，能真实反映高速公路车流现状。从车辆类别上看，模型覆盖10类机动车型，在高耗能和高碳排车辆识别、机动车碳排放结构分析等方面具有一定优势。此外，模型基于车辆保有现状、市区和郊区路段燃油消耗等，修正了燃油系数，以提升计量结果的科学性。其计量过程分解如下：

1）建立a类型车行驶在r路段的碳排放计量模型：

式中：CDEar为a类型车行驶在r路段的碳排放量（kg）；FCa为a类型车百公里油耗（L/100 km）；Dr为r路段长度（km）；Var为r路段a类型车数量。考虑到机动车在郊区路段、市区路段运行时，拥堵时间、车速等差异会带来油耗量的不同，进而影响车辆碳排放，因此，将“区域工况”纳入计算模型：

当r路段位于市区时，FCa取FCa（urban），代表“市区工况”，即车辆在行驶在市区高速公路路段的燃油量；当r路段位于郊区时，FCa取FCa（suburb），代表“郊区工况”，即车辆行驶在郊区路段的燃油量。

2）建立全类型车行驶在全路段的碳排放计量模型：

式中：CDEr为全类型车行驶在r路段的碳排放总量（kg）；n为车辆类型总数，本研究取10。整合上述所有模型，建立全类型车、全路段碳排放计量模型：

式中：CDE 为全类型车路网碳排放总量（kg）；m为路段总数。计算结果乘以10-8用于单位换算。

2 结果分析

2.1 高速公路全类车碳排放空间特征

整体上看，广东省高速公路碳排放主要来源于货车。高速公路日均碳排放总量为15 311 t，其中货车碳排放为8 743 t，占碳排放总量的57.1%；客车碳排放为6 568 t，占比42.9%。分类型看，广东省高速公路碳排放主要来自中小型机动车，如I 类客车、I类和III类货车等，尤其I类客车（即常见的小汽车等）影响最大，其碳排放数值为6 112 t，占客车碳排放的93.1%和碳排放总量的39.9%；III类和I类货车碳排放数值较为接近，分别为2 671和2 196 t，占碳排放总量的17.4%和14.3%。

依据自然断点法将碳排放数值分为10级，可视化结果如图1所示。高速公路碳排放空间分布特征为：1）碳排放高值路段集中在区域经济、人口密集区。碳排放高值路段分布较为广泛，相对集中在珠三角城市群和周边地市的城市中心区，如广州市、佛山市、东莞市和深圳市，湛江市中心区和汕头市中心区等，该类区域经济相对发达，人口集中，且路网密度较高。碳排放低值路段则分布在广东省外围地市，如梅州市和河源市等。2）碳排放高值路段主要集中于国家级高速公路，省级高速公路碳排放相对较少。广东省国家级高速公路碳排放为9 477 t，占碳排放总量的61.9%；省级高速公路碳排放为5 834 t，占比38.1%。从空间上看，碳排放高值路段集中在G75兰海高速（湛江段）、G15沈海高速（江门段）、G55二广高速（肇庆段）等；有少部分国家级高速公路全路段碳排放数值均较高，如G0423乐广高速、G4京港澳高速、G45大广高速等。碳排放较低的路段集中于区域北部和沿海的横向省级高速公路，如S14 汕湛高速（肇庆-清远段）、S32西部沿海高速等；区域东、西部的纵向省级高速公路，如S6 广龙高速（河源段）、S11 大潮高速等。3）港口、机场和立交连接处路段碳排放数值相对较高。广东省主要海港附近、珠三角河港附近路段碳排放数值普遍较高，如清远市、肇庆市、惠州市和湛江市内港口。机场附近亦出现碳排放高值路段，如深圳宝安国际机场附近的沿海高速路段、广州白云国际机场附近的广州环城高速路段等。此外，立交连接处路段，尤其在S81广州环城高速，碳排放数值相对较高。该区域大型立交较多，均为多路段车流汇集地，碳排放值相对高于周边路段。

图1 广东省高速公路全类型车碳排放空间格局Fig.1 Spatial patterns of highway carbon emissions for all vehicles in Guangdong Province

2.2 高速公路分车型碳排放空间特征

2.2.1 客车碳排放空间分析 依据自然断点法将I～IV类客车碳排放数值分为10级，可视化结果如图2所示。I类客车碳排放高值路段集中于广州市、深圳市和东莞市，尤其以广州市为中心枢纽的高速公路，如S81 广州环城高速、S3 广深沿江高速等。II类客车数量最少，碳排放总量最低。III～IV 类客车碳排放高值路段分布与I～II类客车差异显著，出现长距离“连续高值路段”，III类客车碳排放高值路段分布在G15沈海高速（阳江-深圳段）、G55二广高速（肇庆-广州段）等，IV类客车碳排放高值路段分布范围更广、距离更长，如G0421 许广高速（广东全段）等。对比I～IV 类客车碳排放空间分布的相似性与差异性可知，其相似性在于，碳排放高值路段均主要集中于珠三角区域，沿广州市向外呈放射状分布；分散在广东省边缘地市，如湛江市、汕头市等。其差异性在于，从I 类客车到IV 类客车，碳排放高值路段呈现分布范围逐渐扩大、路段长度逐渐增加的态势，形成以广州环城高速为中心，二广高速、许广高速、G4京港澳高速和沈海高速等国家级高速公路为主体的高速公路碳排放高值区。

图2 广东省高速公路客车碳排放空间格局Fig.2 Spatial patterns of highway carbon emissions for passenger vehicles in Guangdong Province

2.2.2 货车碳排放空间分析 依据自然断点法将I～VI类货车碳排放数值分为10级，可视化结果如图3所示。I类货车碳排放高值路段主要集中在珠三角中心区域，外围区域碳排放值相对较低。II类货车碳排放高值路段除珠三角外，开始向广东省北部和东部延伸，且出现较长距离的碳排放连续高值路段。III类货车碳排放高值路段分布范围较广，覆盖广东省北部多条重要的纵向国家级高速公路和东部横向省级高速公路。IV 类货车与III 类货车相比，碳排放高值路段跨越范围更广、延伸距离更长，碳排放低值路段则主要集中在珠三角区域。V类货车碳排放在所有货车中居于末位，VI类货车碳排放高值路段分布范围最广，尤其是在广东省北部和西部路段，碳排放数值普遍较高。对比I～VI类货车碳排放空间分布的相似性与差异性可知，其相似性在于，碳排放高值路段在广东省北部均有分布，尤其在G0423 乐广高速和G4 京港澳高速；而广东省东北部、西部沿海路段碳排放普遍较低。其差异性在于，货车规模越小，碳排放空间分布越集中。如I类货车碳排放高值路段主要集中在珠三角，其他地区少有分布；II类货车碳排放高值路段较I类货车有所延伸。从III类货车开始，碳排放高值路段分布范围逐渐扩大，出现长距离的连续高值路段；与此同时，珠三角区域碳排放高值路段分布范围逐渐缩小，成为大型货车碳排放的低值区。

图3 广东省高速公路货车碳排放空间格局Fig.3 Spatial patterns of highway carbon emissions for freight vehicles in Guangdong Province

2.3 县市尺度下高速公路碳排放空间特征

2.3.1 地市尺度的高速公路碳排放空间特征 广东省高速公路碳排放较高的地市多集中在区域中部经济发达、人口密集的珠三角城市群，且城市首位效应突出。具体表现为省会城市广州市碳排放最高，为3 037 t，占全省碳排放总量的19.8%；其次为临近广州市的佛山市，全类车碳排放为2 055 t，占比全省13.4%。广州市高速公路碳排放总量约为佛山市的1.5 倍，显示出强大的首位效应。此外，碳排放较高的地市，主要排放源为I 类客车。如东莞市I类客车碳排放值为757 t，占全市碳排放总量的45.2%；惠州市I 类客车碳排放值为501 t，占全市碳排放的44.0%。碳排放较低的地市主要集中在沿海区域，其中珠海市全类车碳排放仅56 t，约是广州市的1/50。

分类型看，I～III 类客车（图4-a～c）碳排放较高的地市多集中于珠三角城市群，以广州市和佛山市为主，其他区域地市碳排放值相对较低；IV类大型长途客车（图4-d）碳排放较高的地市除珠三角外，开始向北延伸至清远市。I～II类轻型货车（图4e-f）碳排放较高的地市亦集中于珠三角城市群，与I～III类客车具有一定相似性，区别在于轻型货车碳排放较高的地市除广佛之外，还包括广州市东部的东莞市，形成以广州市为核心，东莞市和佛山市为东西两翼的中小型机动车“碳排放高值区”。III～VI类货车（图4-g～j）与其他类机动车相比，碳排放较高的地市分布出现显著差异，除珠三角外，粤北区域地市碳排放亦相对较高，尤其是广州市北部的清远市、韶关市，该类地市位于边界，南邻珠三角，北接湖南省等外部省份，是广东省联系中国内陆腹地省市的“门户”。

图4 广东省地市尺度上高速公路碳排放空间格局Fig.4 Spatial patterns of highway carbon emissions on the city scale in Guangdong Province

3.3.2 县区尺度的高速公路碳排放空间特征 在县区尺度下，广东省高速公路碳排放呈现明显的空间非均衡特征（图5）。全类车碳排放较高的县区分布于广东省北部、珠三角中心和东岸区域，集中在广州市和佛山市下属县区，如广州市白云区、佛山市南海区等，其中白云区日均碳排放最高，约1 213 t。白云区是广州市人口第一大区，也是广州市高速公路网络最为密集的县区之一。区内建有广州白云国际机场，终日繁忙的机场高速为白云区带来大量客流；此外，白云区也是广州绕城高速与多条纵向国家级高速公路接驳之地。高速公路客车碳排放空间格局与全类车整体上相似。相比之下，客车碳排放较高的县区更集中于珠三角区域，除白云区和南海区外，深圳市宝安区客车碳排放值亦相对较高；而碳排放较低的县区主要分布在省外围边界。宝安区位于珠江口东岸，西邻广东省重要海港——深圳港，其2020 年货物吞吐量约26 506 万t，占海港货物吞吐总量的15%。且宝安区内亦建有宝安国际机场，是香港与内陆交通往来、国内外客货集散的重要枢纽。高速公路货车碳排放较高的县区集中于珠三角和广东省北部区域，其中清远市英德市是粤北唯一日均货车碳排放超过300 t的县区。

图5 广东省县区尺度上高速公路碳排放空间格局Fig.5 Spatial patterns of highway carbon emissions on the county scale in Guangdong Province

3 结论与讨论

3.1 结论

基于广东省高速公路收费系统的路段O-D车流数据，建立包含I～IV 类客车和I～VI 类货车在内的全样本、高精度高速公路碳排放模型，计量高速公路碳排放并分析空间差异性。主要结论有：

1）广东省高速公路碳排放主要来自于货车，全类车碳排放总量为15 311 t，其中货车碳排放为8 743 t，占总量的57.1%；客车碳排放为6 568 t，占比42.9%。具体分类型看，高速公路碳排放主要来自于中小型机动车，如I 类客车（即小汽车）、I类和III类货车等。

2）全类车碳排放高值路段呈现集中于国家级高速公路、邻近经济发达和人口密集区、邻近机场港口和立交的空间分布特征。客车碳排放高值路段主要集中在珠三角区域，沿广州市向外呈放射状分布；从I～IV类客车，碳排放高值路段呈现分布范围逐渐扩大、路段长度逐渐增加的态势。I～VI类货车碳排放高值路段主要分布在国家级高速公路，且货车载货量越少、规模越小，碳排放空间分布越集中。

3）广东省高速公路碳排放较高的地市多集中在珠三角城市群，且广州市城市首位效应突出，区域形成以广州市为核心，东莞市和佛山市为东西两翼的中小型机动车“碳排放高值区”。县区尺度下，广东省高速公路碳排放的空间非均衡特征显著，碳排放较高的县区多为广州市和佛山市下属县区，如广州市白云区、佛山市南海区等。

3.2 讨论

模型构建与定量监测一直是交通碳排放研究的热点领域，在当前中国明确提出“双碳”目标的时代背景下，亟待创新交通碳排放的计量方法，在小微尺度下满足实时监测、动态分析的需求，同时基于多源地理空间大数据，在全机动车样本状态下对移动碳排放源进行准确定位、科学评估。本研究主要贡献在于优化传统的“自下而上法”，建立全样本、高精度的高速公路碳排放模型。首先，基于中国的平均低位发热量、汽油和柴油密度等官方标准，测算本地化碳排放系数，提升模型的实际价值，在未来应用到其他区域时，碳排放系数可随着当地官方标准进行修正。其次，模型遵循“自下而上”的碳排放计算思路，即交通碳排放等于车辆数目、车辆行驶里程、单位里程油耗和碳排放系数乘积的普适法则（Romero et al.,2020），在此基础上将车辆行驶里程分段匹配在O-D计费路段（平均长度＜10 km）之间的距离，较传统研究提升了空间分析精度，并对单位里程油耗依据10种车型分类作了更符合实际情况的统计，避免对客车、货车等油耗“一刀切”。然后根据单一类型车单一路段、全类型车全路段的碳排放分析过程，建立高速公路路网碳排放计量模型，为从路段至路网、从县市至全省，高精度、多尺度的空间分析奠定方法基础。最后，受限于客观数据限制，实证分析结果暂时未能反映模型的时空动态分析特征，随着未来年间、月际、日差乃至更细粒度车流量时变数据的引入，可进一步拓展模型的研究与应用范围。而基于当前研究，亦可对模型在交通运输业减排领域的实际应用进行探析。在分类别、全样本特征下，可以发现不同类别机动车辆，因机械构造、技术应用和油耗的不同，具备差异化碳排放特征（Mingolla et al.,2021;Liu et al.,2021;Wang et al.,2022），进行源头治理时，要基于车辆特点分类管控，如针对I 类客车基数庞大，碳排放总值较高的实际情况，需考虑客车能源结构优化，提升新能源车的使用比例；针对VI类货车单位油耗和碳排放量较高的问题，可提升货车使用效率，避免“空载”现象，并考虑优化货车行驶路线。在高精度特征下，路网碳排放空间格局更为直观且细腻，可看出“以广州市为中心，高碳排路段向周围延伸”成为I～IV类客车、I～II类货车的共性碳排放空间特征。广州市强大的交通首位效应，也导致广州市、乃至珠三角城市群成为全省高速公路碳排放的“重灾区”，因此可统筹加快广州市、佛山市和东莞市等区域高速公路瓶颈路段扩容（如广州市环城高速、深圳沿海高速等），通过增加分流复线、优化区域路网等方式，解决局部路段常态性拥堵问题，减少车辆等待与通行时间以降低碳排放，实现区域绿色发展。

本研究完善了高速公路碳排放计量方法，为构建和拓展交通碳排放模型，探索其他区域碳排放问题提供了思路。受数据等客观条件的限制，在时间尺度研究、机动车（尤其是货车）能耗分析、交通拥堵和地形对能耗影响等方面仍有不足，未来将不断深化，以期在碳排放时空演变规律等领域取得新进展。