评估和缓解动态多模式交通网络中的碳排放风险

《Sustainable Cities and Society》：Assessing and Mitigating Carbon Emission Exposure in Dynamic Multimodal Transport Networks

碳减排与健康暴露协同优化模型构建及多模式交通网络应用研究。

　　城市交通系统中的碳排放问题日益受到关注，尤其是在多模式交通网络中，异质交通流带来的碳排放对公众健康构成了显著威胁。随着城市化进程的加快，交通流量的增长不仅加剧了空气污染，还导致了居民暴露在有害排放物中的风险上升。因此，如何有效减少碳排放并降低其对健康的影响，成为当前交通规划和管理的重要课题。

在现有研究中，针对城市交通网络中碳排放的减少，通常采用两种主要策略。一方面是从技术角度出发，通过提高燃油质量、推广新能源汽车、优化尾气净化技术等手段，直接减少车辆的排放量。这类方法主要关注个体车辆的排放控制，虽然在长期来看可以有效降低整体碳排放，但其实施效果往往依赖于新技术的普及和市场接受度，这一过程可能需要较长时间才能显现。另一方面是从政策角度出发，利用交通需求管理工具，如引导居民选择绿色出行方式、调整出行时间与路线等，以间接减少交通活动带来的碳排放。这种方法能够在较短时间内产生显著效果，因为它通过改变出行行为，从而影响整体交通流量和排放模式。

然而，当前的研究大多集中在宏观层面的碳排放总量分析，忽视了碳排放在时间和空间上的分布特性，以及这种分布对居民健康暴露的具体影响。此外，仅有少数研究（如Fan et al., 2024；Xi et al., 2025）将交通行为纳入多模式交通网络的分析框架中，尽管在现代城市交通系统中，交通行为的多样性已成为不可忽视的因素。因此，交通时间、排放和暴露风险之间的复杂关系尚未被充分理解，这给基于定价机制的交通需求管理措施的制定带来了挑战。

为了解决这两个关键问题，本研究构建了一个集成的动态建模框架，旨在全面分析多模式交通网络中交通行为、碳排放和健康暴露风险之间的关系。该框架融合了两个相互关联的模块：一是多模式动态交通分配模型，用于获得均衡的交通流分布；二是基于多类型车辆碳排放模型的高斯烟羽模型，用于评估碳排放的时空暴露分布。通过数值实验，我们验证了该模型的收敛性，并在多种场景下评估了其性能。研究结果表明，将提出的碳排放成本和暴露成本纳入动态交通分配过程中，可以同时减少碳排放和暴露风险，强调在路径选择建模中应综合考虑这两个因素，以实现可持续的城市交通和低碳、健康城市的建设。

在方法论部分，我们首先介绍了碳排放模型，该模型通过宏观排放模型计算总排放量，并利用高斯烟羽模型评估碳排放对健康的影响。接着，为了获得用于碳排放模型的交通流输入，我们采用了一个扩展的多模式动态交通分配模型，其中引入了广义交通阻抗函数，以综合考虑出行成本和排放暴露成本。最后，我们通过数值实验和场景分析，验证了该框架的有效性，并得出了相应的政策建议。

在数值实验部分，我们首先在一个简单的测试网络上求解扩展的多模式动态交通分配问题，以评估该框架的效率和性能。测试网络是基于Pi et al. (2019)研究中的多模式网络简化而来。随后，我们在一个真实的多模式交通网络上进行测试，该网络包含多个OD（起讫点）对，对应于Pi et al. (2019)中所使用的匹兹堡都市圈网络。通过这些实验，我们观察到不同成本配置对碳排放、暴露风险和出行模式的影响，并揭示了环境和健康目标之间的权衡与协同关系。

研究结果还表明，将碳排放和暴露成本纳入路径选择模型中，对于交通流管理具有不可替代的作用。这不仅有助于优化交通流量分布，还能在一定程度上减少交通活动对环境和健康的负面影响。因此，在制定交通管理政策时，应综合考虑碳排放和暴露成本，以实现更全面、更可持续的城市交通发展。

本研究的主要贡献在于以下几个方面：首先，我们量化了多模式交通网络中的碳排放和暴露，这些暴露通过其对健康的影响进行衡量；其次，我们构建了一个整合了排放和暴露成本的交通行为模型，即一个扩展的多模式动态交通分配模型，该模型还考虑了多目的地出行的情况；最后，研究结果揭示了碳排放和暴露成本在交通流管理中的关键作用，强调了在决策框架中应综合考虑这两个因素的必要性。

为了进一步推动可持续交通的发展，本研究提出了一系列政策建议。例如，在交通定价机制中，应结合碳排放和暴露成本，以引导居民选择更环保、更健康的出行方式。此外，交通管理部门应加强多模式交通网络的优化，通过改善公共交通服务、增加绿色出行选项等方式，降低对私人汽车的依赖。同时，政策制定者应关注交通行为的动态变化，利用数据驱动的方法，实时调整交通管理策略，以应对不断变化的交通需求和环境挑战。

在实际应用中，交通管理措施的有效性不仅取决于技术手段，还与政策设计密切相关。例如，交通控制措施（如限行和禁行）和定价措施（如税收、收费和通行费）是目前常用的交通管理手段。然而，这些措施往往未能充分考虑交通行为的复杂性，特别是在多模式交通网络中，居民的出行选择可能受到多种因素的影响，包括出行成本、时间、便利性以及健康因素。因此，单一的管理手段可能难以实现预期的效果，需要综合考虑多种因素，以制定更加科学、合理的交通管理政策。

此外，本研究还强调了数据在交通管理中的重要性。通过收集和分析交通流量、排放数据以及居民健康暴露信息，可以为交通管理决策提供更准确的依据。例如，在多模式交通网络中，不同出行方式的碳排放量和健康暴露风险存在显著差异，因此，通过数据驱动的方法，可以更精确地评估各种交通管理措施的效果，并为政策制定提供支持。

在未来的交通研究中，我们应进一步探索交通行为、碳排放和健康暴露之间的复杂关系。这包括对不同出行方式的碳排放特征进行更深入的研究，以及对居民健康暴露的评估方法进行优化。同时，我们还应关注交通管理措施的实施效果，特别是在多模式交通网络中，如何通过政策和管理手段，实现碳排放和健康暴露的双重降低。

总之，本研究为多模式交通网络中的碳排放和健康暴露问题提供了一个新的分析框架，强调了在交通管理中应综合考虑碳排放和暴露成本的必要性。通过构建和应用这一框架，我们不仅能够更准确地评估交通管理措施的效果，还能为实现可持续的城市交通和低碳、健康城市的建设提供理论支持和实践指导。未来的研究应进一步深化对交通行为和碳排放关系的理解，探索更有效的交通管理策略，以应对日益严峻的环境和健康挑战。