中國(guó)機(jī)動(dòng)車碳排放估算的研究進(jìn)展

滕文燾， 張芊芊， 劉 芳， 應(yīng)光國(guó)*

(1. 華南師范大學(xué)環(huán)境學(xué)院, 廣州 510631； 2. 華南師范大學(xué)地理科學(xué)學(xué)院， 廣州 510631)

隨著溫室效應(yīng)的不斷積累，地球極端氣候事件逐年增加，給人們的生產(chǎn)生活造成了巨大的經(jīng)濟(jì)損失。地球氣候問題已經(jīng)成為了世界各國(guó)政府和人民關(guān)注的焦點(diǎn)，氣候的變革會(huì)直接影響人類的未來。地球的15個(gè)氣候臨界點(diǎn)，已經(jīng)明確有9個(gè)被激活[1]。由于氣候臨界點(diǎn)之間存在關(guān)聯(lián)性，它們被激活將觸發(fā)級(jí)聯(lián)效應(yīng)，進(jìn)一步加重“氣候風(fēng)險(xiǎn)”。麥肯錫地球研究所近年來的研究表明：氣候風(fēng)險(xiǎn)呈現(xiàn)出增長(zhǎng)性、空間分異性、非定常性、非線性、系統(tǒng)性、遞減以及準(zhǔn)備不足特點(diǎn)。地球氣候問題迫切需要大國(guó)政府采取行之有效的措施去應(yīng)對(duì)氣候變化。

中國(guó)過去40年碳排放量的快速增長(zhǎng)引起了廣泛關(guān)注[2]，中國(guó)交通領(lǐng)域碳排放量成為節(jié)能減排的重點(diǎn)領(lǐng)域[3]，在地球碳排放總量控制中起著不可估量的作用。中國(guó)力爭(zhēng)在2030年前實(shí)現(xiàn)CO2排放達(dá)到峰值，爭(zhēng)取在2060年前實(shí)現(xiàn)碳中和。在此背景下，開展機(jī)動(dòng)車碳排放的研究對(duì)實(shí)現(xiàn)“雙碳目標(biāo)”起著關(guān)鍵作用。

本文首先概括機(jī)動(dòng)車的碳排放，然后介紹交通領(lǐng)域碳排放估算方法以及中國(guó)機(jī)動(dòng)車碳排放現(xiàn)狀，最后對(duì)中國(guó)機(jī)動(dòng)車碳排放估算研究方向進(jìn)行展望。

1 機(jī)動(dòng)車碳排放概況

機(jī)動(dòng)車排放的氣體主要包括兩類：空氣污染物和碳排放[4]。機(jī)動(dòng)車尾氣排放將對(duì)空氣質(zhì)量和人類健康產(chǎn)生不利影響[5]。

CO2、CH4和N2O是機(jī)動(dòng)車排放的主要碳排放類型。這些溫室氣體通過吸收大量的太陽輻射并釋放出大氣熱量，導(dǎo)致全球變暖。

碳排放導(dǎo)致近10年的地球表面溫度相比1850—1900年提高1.09 ℃，2015—2020年是自1850年有記錄以來最熱的5年[6]。交通運(yùn)輸領(lǐng)域占?xì)W盟碳排放總量的22.3%，其中道路交通領(lǐng)域占總排放量的21.1%，進(jìn)一步分析，乘用車碳排放量占?xì)W洲碳排放總量的12.8%，貨車占2.5%，而重型卡車和公共汽車占5.6%[7]。從總量上看，國(guó)際能源署數(shù)據(jù)表明，交通運(yùn)輸行業(yè)為全球第二大碳排放來源，其碳排放量比例接近1/4，是導(dǎo)致地球氣候發(fā)生急劇變化的主要因素[8]。

隨著中國(guó)社會(huì)和經(jīng)濟(jì)發(fā)展的快速推進(jìn)，中國(guó)機(jī)動(dòng)車保有量快速增長(zhǎng)，自1990年的554萬輛升至2020年的3.72億輛，增長(zhǎng)率達(dá)到6 714%。相應(yīng)的，機(jī)動(dòng)車尾氣的碳排放量也迅速增加，成為碳排放量的重要來源。研究顯示，2020年全國(guó)交通領(lǐng)域碳排放量達(dá)9.3億t，占全國(guó)終端碳排放總量的15%。在全球碳達(dá)峰與碳中和的背景下，機(jī)動(dòng)車的碳排放研究十分迫切。目前，有關(guān)機(jī)動(dòng)車的碳排放估算方法、碳排放水平異質(zhì)性以及碳排放管理策略等是研究的重點(diǎn)內(nèi)容，其中機(jī)動(dòng)車碳排放量估算已成為社會(huì)經(jīng)濟(jì)和環(huán)境可持續(xù)發(fā)展的研究熱點(diǎn)。

2 機(jī)動(dòng)車碳排放量估算方法

作為一個(gè)全球性的熱點(diǎn)問題，CO2和一般的碳排放相關(guān)課題已經(jīng)在多種不同角度得到了廣泛的研究。碳排放量估算方法是機(jī)動(dòng)車碳排放量核準(zhǔn)的基礎(chǔ)。目前，關(guān)于機(jī)動(dòng)車碳排放的估算，國(guó)內(nèi)外學(xué)者主要通過機(jī)動(dòng)車本身的測(cè)試獲得車輛標(biāo)準(zhǔn)碳排放水平，并建立碳排放和交通運(yùn)輸之間的關(guān)系，利用模型和大數(shù)據(jù)分析開展研究[9]。

綜合已有研究?jī)?nèi)容，機(jī)動(dòng)車碳排放量方法主要包括3種類型：(1)機(jī)動(dòng)車排放測(cè)試技術(shù)；(2)基于排放因子模型構(gòu)建排放清單，包括移動(dòng)源排放模型(Mobile Source Emission Factor Model，MOBILE)、計(jì)算道路運(yùn)輸排放量的計(jì)算機(jī)程序(Computer Programme to Calculate Emissions from Road Transport，COPERT)、排放因子模型(Emission Factor Model，EMFAC)、綜合模式排放模型(Comprehensive Modal Emissions Model，CMEM)、綜合移動(dòng)源排放(Motor Vehicle Emission Simulator，MOVES)模型和國(guó)際車輛排放(International Vehicle Emission，IVE)等模型；(3)基于深度學(xué)習(xí)的排放建模。

2.1 機(jī)動(dòng)車排放測(cè)試技術(shù)

機(jī)動(dòng)車排放測(cè)試技術(shù)是獲得準(zhǔn)確的個(gè)體車輛碳排放量的基本方法。常規(guī)實(shí)驗(yàn)室估算機(jī)動(dòng)車碳排放量是根據(jù)《輕型車污染物排放限值和測(cè)量方法》規(guī)定的試驗(yàn)方法，即用一輛標(biāo)準(zhǔn)狀態(tài)的試驗(yàn)車在標(biāo)準(zhǔn)環(huán)境下在底盤測(cè)功機(jī)上運(yùn)行一個(gè)基于新歐洲駕駛油耗測(cè)試標(biāo)準(zhǔn)(New European Driving Cycle，NEDC)的工況測(cè)試，測(cè)量其總尾氣排氣量，收集部分尾氣檢測(cè)其污染物(如CO2)的體積分?jǐn)?shù)，采用體積分?jǐn)?shù)乘以排氣量的體積即可得出這輛車在整個(gè)試驗(yàn)過程中所排放的某種污染物的總質(zhì)量。機(jī)動(dòng)車排放測(cè)試技術(shù)主要包括臺(tái)架測(cè)試、車載測(cè)試和遙感測(cè)試，其中車載測(cè)試和遙感測(cè)試貼近于實(shí)際道路駕駛情況[10]，而臺(tái)架測(cè)試法是指在實(shí)驗(yàn)室環(huán)境條件下通過尾氣分析系統(tǒng)對(duì)污染物排放進(jìn)行測(cè)試[11]。

臺(tái)架測(cè)試法具有測(cè)試條件可控和結(jié)果再現(xiàn)性強(qiáng)等優(yōu)點(diǎn)，已被廣泛應(yīng)用于各國(guó)的機(jī)動(dòng)車法規(guī)測(cè)試中。然而，近年來的許多研究發(fā)現(xiàn)輕型車在NEDC工況[12]下的標(biāo)準(zhǔn)測(cè)試結(jié)果與實(shí)際道路排放因子之間呈現(xiàn)明顯差異[13-15]。

車載排放測(cè)試技術(shù)可以克服實(shí)驗(yàn)室臺(tái)架測(cè)試的弱點(diǎn)，更切實(shí)地反映機(jī)動(dòng)車在實(shí)際道路行駛過程中的排放特征[16],例如分析各類車型的氣態(tài)污染物排放因子[17]。

遙感測(cè)試是通過ZHANG等[18]在1980年后期研發(fā)的一項(xiàng)機(jī)動(dòng)車排放測(cè)試技術(shù)。該技術(shù)發(fā)展迅速，世界上許多國(guó)家和地區(qū)接連實(shí)施了道路機(jī)動(dòng)車排放遙感測(cè)試。研究者常根據(jù)碳平衡原理，依據(jù)遙感排放測(cè)試數(shù)據(jù)估算車輛技術(shù)基于燃油消耗的排放因子，并結(jié)合典型燃油經(jīng)濟(jì)屬性數(shù)據(jù)進(jìn)一步分析其基于里程的排放因子[19-20]。

相比臺(tái)架測(cè)試、車載排放測(cè)試方法，遙感測(cè)試法具有較低的測(cè)試成本、可獲得較大的樣本排放數(shù)據(jù)，但是，遙感測(cè)試存在測(cè)試時(shí)間較短、測(cè)試精度較低和測(cè)試點(diǎn)位布局不合理等不足。同時(shí)遙感測(cè)試數(shù)據(jù)的點(diǎn)位選取對(duì)排放因子結(jié)果有顯著影響[21]。

綜上所述，機(jī)動(dòng)車排放量測(cè)試技術(shù)可以精準(zhǔn)地獲得某一輛或某一類機(jī)動(dòng)車的碳排放因素和排放總量，也可以作為其他碳排放預(yù)測(cè)模型的基礎(chǔ)數(shù)據(jù)，但是對(duì)于區(qū)域性大尺度的碳排放量核算來說，有一定局限性。

2.2 基于排放因子模型構(gòu)建排放清單

機(jī)動(dòng)車個(gè)體不同情景的碳排放排放量與汽車行駛里程數(shù)(Vehicle Kilometers of Travel，VKT)相結(jié)合，核算機(jī)動(dòng)車的碳排放量，是模型預(yù)測(cè)的主要思路。目前主要模型方法包括：MOBILE、COPERT、EMFAC、CMEM、MOVES、IVE等(表1)。美國(guó)環(huán)境保護(hù)署(Environmental Protection Agency，EPA)研發(fā)的MOBILE系列模型、歐洲環(huán)境署(European Environment Agency，EEA)的COPERT、美國(guó)加州空氣局(California Air Resources Board, CARB)的EMFAC均基于機(jī)動(dòng)車平均速度的宏觀排放因子模型，均為目前常用的機(jī)動(dòng)車碳排放量估算模型。

表1 常用機(jī)動(dòng)車預(yù)測(cè)模型對(duì)比Table 1 The comparison of common vehicle prediction models

2.2.1 移動(dòng)源排放模型 MOBILE模型是由美國(guó)EPA于1978年研發(fā)的用來估算實(shí)際運(yùn)行要求下碳?xì)浠衔?HC)、一氧化碳(CO)和一氧化氮(NO)的估算軟件模型。該模型經(jīng)過多次優(yōu)化調(diào)整，現(xiàn)在已經(jīng)根據(jù)研究目的和內(nèi)容更新到MOBILE 6.2版本，用于估算近百年內(nèi)的機(jī)動(dòng)車排放因子。

清華大學(xué)研究團(tuán)隊(duì)通過MOBILE 5建立了北京、武漢等城市的機(jī)動(dòng)車排放清單[23-24]。MOBILE的發(fā)展體系完整、應(yīng)用廣泛，因此被公認(rèn)為最完備的機(jī)動(dòng)車排放估算模型。但MOBILE模型基于固定的工況和排放率，且本地性差，操作界面復(fù)雜，不適用于大尺度、區(qū)域的排放估算。

2.2.2 計(jì)算道路運(yùn)輸排放量的計(jì)算機(jī)程序 COPERT模型由EEA贊助研發(fā)，已經(jīng)自1989年的COPERT Ⅰ發(fā)展至2021年的COPERT 5.5，用于估算單獨(dú)1輛車或1個(gè)車隊(duì)1年中的污染物排放量,并用于研發(fā)高時(shí)空分辨率的機(jī)動(dòng)車排放數(shù)據(jù)庫[24]。該模型采用平均速度揭示機(jī)動(dòng)車駕駛特征，并且利用了大量準(zhǔn)確的實(shí)驗(yàn)數(shù)據(jù)，能夠兼容不同參數(shù)變量和國(guó)家標(biāo)準(zhǔn)，被亞歐大陸國(guó)家廣泛使用。ONG等[25]使用COPERT模型估算2007年馬來西亞公路運(yùn)輸?shù)腃O2當(dāng)量排放。結(jié)果顯示：該地區(qū)碳排放總量為59 383.51 t，CO2排放是碳排放污染的主要來源，占總CO2當(dāng)量的71%。FRAN?OIS等[26]在法國(guó)里昂地區(qū)，使用COPERT模型通過城市流動(dòng)的生命周期空間和地域發(fā)展評(píng)估的研究強(qiáng)調(diào)了私家車對(duì)環(huán)境影響的主要貢獻(xiàn)(約90%)。

有研究認(rèn)為COPERT模型比MOBILE模型更適用于中國(guó)機(jī)動(dòng)車排放清單的建立，謝紹東等[27]將COPERT模型和MOBILE模型的模擬結(jié)果與臺(tái)架測(cè)試結(jié)果對(duì)比研究表明：COPERT模型的模擬結(jié)果更接近于臺(tái)架測(cè)試結(jié)果。根據(jù)平臺(tái)測(cè)試和車輛尾氣測(cè)試數(shù)據(jù)，與移動(dòng)模型相比，COPERT模型的結(jié)果更接近于中國(guó)的排放量[28-29]。COPERT模型測(cè)試所使用的工況和發(fā)動(dòng)機(jī)技術(shù)與中國(guó)的排放標(biāo)準(zhǔn)接近，歐洲排放標(biāo)準(zhǔn)可以涵蓋中國(guó)21世紀(jì)以來的排放標(biāo)準(zhǔn)，因此，COPERT模型成為中國(guó)科研人員估算機(jī)動(dòng)車排放清單的主流模型。然而，COPERT模型需要輸入燃油質(zhì)量、氣象條件和駕駛條件等本地信息，這些輸入數(shù)據(jù)包括輛數(shù)量組成和車輛年均行駛里程VKT等。COPERT模型存在對(duì)排放因子的處理方法粗放、車隊(duì)信息不完整等問題。雖然市政交通管理部門擁有大量詳細(xì)的車輛年均行駛里程信息，但這些數(shù)據(jù)的獲取受到了廣泛的限制，因此，這將著影響估算總?cè)剂嫌昧亢虲O2排放量的準(zhǔn)確性。

2.2.3 排放因子模型 EMFAC模型是由美國(guó)CARB研發(fā)的移動(dòng)源排放模型，采用了與美國(guó)其它州不同的排放標(biāo)準(zhǔn)。第一代于1988年發(fā)布，至今已于2017年發(fā)布了EMFAC 2017。EMFAC模型已被廣泛用于流動(dòng)源的排放評(píng)估，以生成排放清單、制定污染控制實(shí)施方案、評(píng)估排放控制法規(guī)的有效性、分析與論證項(xiàng)目符合性、預(yù)測(cè)未來流動(dòng)排放趨勢(shì)[30]。EMFAC模型與MOBILE模型構(gòu)建方法類似，皆采用車速、行駛里程、駕駛行為等因素對(duì)模型進(jìn)行修正。BISHOP等[31]使用EMFAC 2017從美國(guó)加州公路汽油車的測(cè)量中估算出的較高的氮氧化物排放，汽油燃油汽車是這些道路排放的主要來源，但所需要的車輛運(yùn)行狀態(tài)數(shù)據(jù)采集難度大。

EMFAC模型存在地域和排放標(biāo)準(zhǔn)的局限性，若將其應(yīng)用于其他區(qū)域，需開展本地化參數(shù)修正。中國(guó)香港特別行政區(qū)就涉及EMFAC模型中的機(jī)動(dòng)車種類、車輛維修制度、排放標(biāo)準(zhǔn)等開展了本地化修正，確立了EMFAC-HK，而且持續(xù)優(yōu)化EMFAC-HK，用來實(shí)時(shí)地響應(yīng)其機(jī)動(dòng)車污染管制的情況[32]。WANG等[33]使用EMFAC-HK測(cè)量了中國(guó)香港特別行政區(qū)道路隧道內(nèi)車輛的排放，測(cè)量和模型估計(jì)都表明：摩托車和以石油液化氣為燃料的公共小巴(占車輛總數(shù)的3.7%)所排放的CO比例過高(CO占27%，NMHC占49%)，應(yīng)加強(qiáng)排放控制，燃油經(jīng)濟(jì)性的改善并沒有帶來預(yù)期的CO2減排，這表明需要更積極地減少CO2排放，尤其是重型車輛的CO2排放。

2.2.4 綜合模式排放模型 CMEM模型是由美國(guó)加州大學(xué)河畔分校與密歇根大學(xué)在1994—1998年協(xié)同研發(fā)。發(fā)動(dòng)機(jī)功率、發(fā)動(dòng)機(jī)轉(zhuǎn)速、空燃比、燃料消耗率、發(fā)動(dòng)機(jī)排放等模塊共同組成了該模型。研究發(fā)現(xiàn)：在機(jī)動(dòng)車高速運(yùn)行過程中，CMEM模型傾向于預(yù)測(cè)更高的碳?xì)浠衔?HC)排放和更低的氮氧化物(NO)排放。在機(jī)動(dòng)車非常低速運(yùn)行時(shí)，CMEM模型對(duì)所有排放的預(yù)測(cè)往往低于EMFAC、MOBILE模型[34]。何春玉等[35]運(yùn)用CMEM模型估算北京市機(jī)動(dòng)車碳排放。結(jié)果顯示：該市車輛行駛高峰時(shí)段和實(shí)際車載實(shí)驗(yàn)各類污染物排放因子大多數(shù)普遍高于非高峰時(shí)段。此外，該模型對(duì)車輛運(yùn)行狀態(tài)要求高，進(jìn)而相關(guān)數(shù)據(jù)采集難度大。

2.2.5 綜合移動(dòng)源排放模型 MOVES模型是美國(guó)EPA基于MOBILE、NONROAD模型于2001年研發(fā)的全新綜合移動(dòng)源排放模型。MOVES模型將移動(dòng)源排放估計(jì)的基礎(chǔ)從平均速度改為模式活動(dòng)?；诖?，MOVES模型得到了不斷的優(yōu)化，MOVES模型的結(jié)構(gòu)是模型估算原理實(shí)施的物理保證，估算原理是模型結(jié)構(gòu)的邏輯關(guān)系。相比MOBIL模型，MOVES模型的模擬結(jié)果更具準(zhǔn)確性[36]。

BAI等[37]使用EMFAC模型和MOVES模型估算了加州洛杉磯縣在2002年和2030年CO2和CH4的碳排放，分析了潛在活動(dòng)數(shù)據(jù)和排放因子如何影響2個(gè)模型之間的觀察差異，在縣一級(jí)，2002年MOVES模型產(chǎn)生了類似的CO2排放量，但僅為EMFAC模型估算的CH4排放量的42%;在2030年，MOVES模型估算的CO2排放量增加了40%，CH4排放量幾乎是EMFAC模型估計(jì)值的2倍，造成這些差異的重要因素是MOVES模型中包含的活動(dòng)數(shù)據(jù)和排放速率。楊凱茜[38]選擇MOVES模型研究2014年西安市的機(jī)動(dòng)車尾氣排放。結(jié)果表明：MOVES模型更注重中觀和微觀層面的機(jī)動(dòng)車尾氣排放因子模擬，與其他模型相比，MOVES模型可以更加全面且精確地反映機(jī)動(dòng)車運(yùn)行狀況和尾氣排放?？傮w上，MOVES模型針對(duì)美國(guó)本土，相關(guān)學(xué)者需要實(shí)收集車輛行駛工況數(shù)據(jù)并進(jìn)行分析[39]，加上各種不確定性因素，在技術(shù)層面獲取數(shù)據(jù)較為困難。

2.2.6 國(guó)際車輛排放模型 IVE模型由國(guó)際可持續(xù)系統(tǒng)研究中心和加州大學(xué)河濱分校在美國(guó)環(huán)境保護(hù)署的資助下共同研發(fā)。IVE模型可以估算機(jī)動(dòng)車從1990年到2050年的本地、全球有毒污染物的排放清單[40]。該模型進(jìn)一步考慮了由于車隊(duì)周轉(zhuǎn)、日排放、加油排放等因素而導(dǎo)致的排放率隨時(shí)間的變化，其基準(zhǔn)排放率取決于車輛技術(shù)、空氣與燃料體積比、發(fā)動(dòng)機(jī)尺寸和燃料類型?；鶞?zhǔn)排放率數(shù)據(jù)來自美國(guó)、歐洲、中國(guó)、印度和泰國(guó)等不同地區(qū)。它利用車輛比功率和發(fā)動(dòng)機(jī)壓力來更準(zhǔn)確捕捉駕駛行為的影響[41]。該模型的一般輸入項(xiàng)目包括：車隊(duì)特征、車輛活動(dòng)、駕駛模式、燃料質(zhì)量和基于當(dāng)?shù)貤l件的溫度[42]。

IVE模型已被應(yīng)用于中國(guó)、印度機(jī)動(dòng)車碳排放量的估算。葉身斌等[43]基于該模型研究了天津市機(jī)動(dòng)車排放特征，結(jié)果揭示公交車的平均排放情況顯著高于乘用車。NESAMANI[44]在印度金奈使用IVE模型估算得到公路運(yùn)輸每天貢獻(xiàn)約6 637 t CO2當(dāng)量，結(jié)果顯示，兩輪和三輪汽車的CO排放量約占總排放量的64%，重型汽車的NOx和PM排放量分別占總排放量的60%和36%以上。此外，該模型對(duì)于車型分類過于復(fù)雜，有關(guān)機(jī)動(dòng)車類型和相應(yīng)參數(shù)的數(shù)據(jù)獲取困難。

2.3 基于深度學(xué)習(xí)的排放建模

近期，隨著人工智能的發(fā)展,尤其是卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型在諸多領(lǐng)域取得進(jìn)展，將深度學(xué)習(xí)應(yīng)用于交通領(lǐng)域逐漸成為熱門的研究方向。準(zhǔn)確估算碳排放是有效模擬碳排放控制政策的重要前提，但由于污染源繁多(如居民生活、汽車尾氣等)，并且其排放量不斷變化，因此基于傳統(tǒng)的排放源調(diào)查效率十分低下。而且傳統(tǒng)方法嚴(yán)重依賴于宏觀統(tǒng)計(jì)數(shù)據(jù)，缺乏時(shí)效性及精度保障。這種不準(zhǔn)確的排放清單也成為了當(dāng)前影響碳排放估算的主要限制因素。

目前基于深度學(xué)習(xí)的排放建模是通過CNN模型對(duì)地理位置進(jìn)行編碼，用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)時(shí)序變化信息進(jìn)行編碼，再結(jié)合研究目的加以設(shè)計(jì)和優(yōu)化。HUANG等[45]基于神經(jīng)網(wǎng)絡(luò)的綜合化學(xué)輸運(yùn)模型(Neural-Network-based Comprehensive chemical Transport Model，NN-CTM)準(zhǔn)確反映了排放清單與污染物濃度之間的關(guān)系，進(jìn)而在模型中輸入地表和衛(wèi)星觀測(cè)的污染物濃度數(shù)據(jù)，通過誤差反向傳播的方法來估算新的排放清單，該方法同樣可被應(yīng)用于CO2、CH4等碳排放估算中，可為中國(guó)實(shí)現(xiàn)“碳達(dá)峰、碳中和”提供有價(jià)值的參考。因此，可以借此展開實(shí)質(zhì)性的研究，通過建立符合研究目的模型，輔以設(shè)計(jì)相應(yīng)的模塊，優(yōu)化模型，最終建立一個(gè)具有預(yù)測(cè)和實(shí)時(shí)分析的模型。

HOCHREITER等[46]為解決傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的梯度爆炸問題，對(duì)標(biāo)準(zhǔn)RNN結(jié)構(gòu)進(jìn)行了改進(jìn)，構(gòu)建LSTM神經(jīng)網(wǎng)絡(luò)以此存儲(chǔ)單元存儲(chǔ)和輸出信息。LSTM對(duì)長(zhǎng)時(shí)間序列具有良好的可預(yù)測(cè)性，但其訓(xùn)練時(shí)間往往較長(zhǎng)。有鑒于此，CHUNG等[47]通過簡(jiǎn)化LSTM的結(jié)構(gòu)，提出了一種門控遞歸單元(Gated Recursive Unit，GRU)神經(jīng)網(wǎng)絡(luò)，提高了訓(xùn)練效率。GRU網(wǎng)絡(luò)的預(yù)測(cè)精度與LSTM的相當(dāng)，但GRU結(jié)構(gòu)更簡(jiǎn)單，參數(shù)更少，可以有效縮短訓(xùn)練時(shí)間[48]。此外，GRU模型繼承了LSTM模型的解決方案，解決了RNN網(wǎng)絡(luò)中的長(zhǎng)依賴問題。

如今，新能源客車正以其更好的環(huán)保特性逐漸取代柴油發(fā)動(dòng)機(jī)。PAN等[49]使用中國(guó)鎮(zhèn)江測(cè)量的液化天然氣客車數(shù)據(jù)集，基于GRU建立的排放模型在預(yù)測(cè)精度和訓(xùn)練效率方面優(yōu)于基準(zhǔn)方法，該框架包含時(shí)間依賴性和外部因素，包括速度、加速度、動(dòng)態(tài)載客量和道路等級(jí)，用于建立實(shí)時(shí)排放速率模型。研究表明：所提出的模型可為交通和環(huán)保工程師選擇合適的城市交通排放監(jiān)測(cè)方法提供潛在的指導(dǎo)。

3 中國(guó)機(jī)動(dòng)車碳排放概況

中國(guó)機(jī)動(dòng)車碳排放估算從1995年開始以一線城市為主，于2010年達(dá)到頂峰并擴(kuò)展到國(guó)內(nèi)二三線城市。中國(guó)碳排放量的主流模型是COPERT，大多數(shù)的中國(guó)機(jī)動(dòng)車碳排放研究根據(jù)機(jī)動(dòng)車大小和用途大致可以分為4類：輕型乘用車、重型客車、輕型卡車和重型卡車。一些城市的研究，摩托也包括在這項(xiàng)工作中。中國(guó)統(tǒng)計(jì)年鑒與中國(guó)交通運(yùn)輸統(tǒng)計(jì)年鑒(含國(guó)家、省統(tǒng)計(jì)年鑒)將中國(guó)的汽車主要分為民用車和私家車，根據(jù)相關(guān)用途主要分為微/輕/中/大型客車、微/輕/中/重型貨車、摩托、其它。中國(guó)機(jī)動(dòng)車碳排放污染物種類包括CO、CH4、NOx、EC等。

不同區(qū)域機(jī)動(dòng)車碳排放量分布特征受到廣泛研究，總體上，華東和華南地區(qū)機(jī)動(dòng)車碳排放量研究較多(表2、表3)，且碳排放量較其他區(qū)域較高。

表2 中國(guó)機(jī)動(dòng)車碳排放空間分布

中國(guó)的各大城市的機(jī)動(dòng)車碳排放問題仍然嚴(yán)峻，各級(jí)政府均采取了有效措施來應(yīng)對(duì)碳排放問題，最有效的措施莫過于新能源汽車的推廣使用，這在一定程度上緩解了道路污染問題，也有效減少了能源的消耗問題。中國(guó)各省市采取了行之有效的措施逐漸推廣了公交車和城鄉(xiāng)大巴電動(dòng)化，在全市范圍內(nèi)建設(shè)了充電樁，為普及電動(dòng)車打好了基礎(chǔ)。此外，中國(guó)電車企業(yè)比亞迪技術(shù)領(lǐng)先于世界，并于近期成為世界排名前十的車企，這得益于國(guó)內(nèi)市場(chǎng)的廣闊需求和政府宏觀政策的引領(lǐng)。

表3 中國(guó)機(jī)動(dòng)車碳排放研究Table 3 The research on carbon emission from motor vehicles in China

在華北地區(qū)，京津冀機(jī)動(dòng)車于2007—2011年碳排放總量呈現(xiàn)逐年遞增的趨勢(shì)，機(jī)動(dòng)車碳排放總量為409.35萬t[50]。王琨[51]使用CVEM模型估算了2011年呼和浩特市機(jī)動(dòng)車的機(jī)動(dòng)車碳排放總量為10.95萬t。在華東地區(qū)，王聰[52]使用COPERT Ⅳ模型估算了山東省的CO和NOx的排放量年均增長(zhǎng)均超過9.0%。孫世達(dá)等[53]通過采用自上而下法建立排放清單，估算出2017年青島市機(jī)動(dòng)車碳排放總量為9.91萬t。

在華東地區(qū)，王慧慧等[54]通過調(diào)研考察了上海市機(jī)動(dòng)車道路交通等基礎(chǔ)數(shù)據(jù)資料，并對(duì)機(jī)動(dòng)車各污染物排放量進(jìn)行估算,2012年上海市機(jī)動(dòng)車碳排放總量為40.86萬t，2018年上海市機(jī)動(dòng)車碳排放總量為31.04萬t。對(duì)比2年的結(jié)果可知，上海市機(jī)動(dòng)車碳排放總量呈現(xiàn)明顯下降的趨勢(shì)，說明政府采取了強(qiáng)有力的減碳措施。

在華南地區(qū)，劉永紅等[55]使用COPERT Ⅳ分析了2012年廣東省不同車型的機(jī)動(dòng)車排放。結(jié)果表明：各車型排放貢獻(xiàn)率存在著明顯的差異，其中輕型客車、摩托和大型客車所占排放比例較高；廣州市和深圳市排放量所占珠三角整體比例較高，機(jī)動(dòng)車污染物排放量上升趨勢(shì)呈現(xiàn)明顯的地區(qū)差異性[56]，佛山市、東莞市、珠海市、江門市、中山市、肇慶市、惠州市所占排放比例較低[57]。廖瀚博等[58]使用COPERT Ⅳ估算2008年廣州市機(jī)動(dòng)車碳排放總量為21.96萬t。謝榮富等[59]使用MOVES 2014a估算2015年?？谑袡C(jī)動(dòng)車的碳排放量，機(jī)動(dòng)車碳排放總量為6.09萬t，其中輕型汽油客車是HC和CO的主要貢獻(xiàn)車型。

在西南地區(qū)，機(jī)動(dòng)車碳排放量的研究集中在成都市。賴承鉞等[60]基于COPERT Ⅳ模型估算獲得了2014年成都市機(jī)動(dòng)車碳排放總量為24.66萬t。通過對(duì)成都市機(jī)動(dòng)車的排放特征進(jìn)行分析，低排放標(biāo)準(zhǔn)機(jī)動(dòng)車的排放水平是所有標(biāo)準(zhǔn)車型中最高的，且道路擁堵情況對(duì)機(jī)動(dòng)車的排放水平亦有重要影響。

在西北地區(qū)，機(jī)動(dòng)車排放量核算主要集中在蘭州市和西安市。據(jù)統(tǒng)計(jì)，2016年西安市機(jī)動(dòng)車碳排放量為33.25萬t[61]。蘭州市是中國(guó)西北典型的重工業(yè)城市，數(shù)十年的空氣質(zhì)量低于其他省會(huì)城市。機(jī)動(dòng)車碳排放總量為7.10萬t[62]。

4 中國(guó)機(jī)動(dòng)車碳排放估算研究展望

通過對(duì)有關(guān)道路交通碳排放量估算方法文獻(xiàn)的系統(tǒng)梳理和分析，總結(jié)中國(guó)機(jī)動(dòng)車的碳排放研究具有以下特點(diǎn)：在研究區(qū)域方面，中國(guó)國(guó)內(nèi)研究集中在東部沿海地區(qū)及一線城市，西部城市的相關(guān)研究鮮有涉及。實(shí)際上，西部地區(qū)地域遼闊，占國(guó)土總面積的70.6%，人口占全國(guó)總?cè)丝诘?7.2%，基于西部豐富的礦產(chǎn)資源和深厚的工業(yè)基礎(chǔ)，碳排放量占全國(guó)碳排放總量的比例較高，因此，對(duì)中國(guó)整體區(qū)域的研究顯得尤為重要；在研究尺度方面，對(duì)中國(guó)機(jī)動(dòng)車碳排放相關(guān)污染物建立排放清單并沒有進(jìn)行長(zhǎng)時(shí)間序列的研究，無法對(duì)所研究區(qū)域結(jié)合當(dāng)?shù)販p排政策進(jìn)行對(duì)比分析。一方面，學(xué)者普遍依賴于EEA、EPA等機(jī)構(gòu)研發(fā)的模型展開研究，估算過程相關(guān)參數(shù)本地化困難，并且尚未構(gòu)建中國(guó)各省市機(jī)動(dòng)車碳排放清單，研究領(lǐng)域存在空白；另一方面，新能源汽車的大力推進(jìn)，將有效減少汽柴油車為動(dòng)力的機(jī)動(dòng)車碳排放量。然而，新能源汽車對(duì)于碳排放量的影響程度以及對(duì)未來碳排放的貢獻(xiàn)水平，仍然需要進(jìn)一步開展研究。在研究?jī)?nèi)容方面，中國(guó)機(jī)動(dòng)車碳排放污染物排放清單并沒有涉及碳排放的所有污染物，所核算的污染物以常見尾氣排放污染物為主。隨著雙碳政策的實(shí)施，及時(shí)有效地開展中國(guó)各個(gè)地級(jí)市的交通領(lǐng)域機(jī)動(dòng)車的碳排放量評(píng)價(jià)顯得尤為重要。通過構(gòu)建適用于中國(guó)國(guó)內(nèi)的機(jī)動(dòng)車碳排放模型，結(jié)合新能源汽車等帶來的減碳優(yōu)勢(shì)，核算出全國(guó)各省市交通領(lǐng)域的碳排放情況，并在長(zhǎng)時(shí)間序列下開展定量和定性研究，對(duì)檢驗(yàn)減碳效果具有實(shí)際的研究意義，有助于當(dāng)?shù)卣贫ㄏ鄳?yīng)的策略，以便制定新的和更有效的車輛排放控制戰(zhàn)略。