经济增长和出行需求的增加加剧了全球对机动交通的依赖，从而加剧了可持续发展的压力。交通运输行业是这一挑战的主要贡献者，2021年约占全球CO?排放量的20%，其中道路运输占其中的70%以上（Monteiro & Ioannou, 2023; Yang & Takase, 2024）。这些排放严重恶化了空气质量，并直接危害人类健康（He et al., 2024）。此外，道路交通污染加剧了与气候相关的异常现象，包括极端降雨和温度异常，威胁到基础设施、农业稳定性和公共安全，造成了巨大的社会经济成本。
为了应对气候变化，迫切需要大幅减少碳排放。为此，中国于2020年在联合国大会上正式宣布了“双碳”目标，承诺到2030年达到碳排放峰值，并在2060年实现碳中和（Zhang et al., 2024）。鉴于2022年中国道路运输占交通运输行业碳排放量的约80%（Li et al., 2025），因此实现这一领域的脱碳至关重要。中国与其他国家一样，采取了多种策略来减少道路运输排放，主要通过政策干预和汽车技术的进步。特别是，各国政府越来越多地推广新能源汽车（NEVs）作为脱碳的可持续替代方案（Wang et al., 2019）。在购买补贴、税收优惠和基础设施发展等政策的推动下，2022年全球新能源汽车保有量达到了1050万辆（Bhat et al., 2025），其中中国 alone 贡献了超过600万辆（Li et al., 2025），巩固了其在新能源汽车市场的领导地位（Yang & Liu, 2025）。到2023年，中国的新能源汽车保有量进一步增长至1620万辆（Zhang et al., 2025）。在新能源汽车采用速度迅速加快的背景下，准确量化由此带来的减排效果对于优化推广政策和加速交通运输领域的脱碳至关重要。
新能源汽车的加速采用已被证明有助于减少排放（Ma et al., 2023）。当前的评估方法主要采用情景分析和生命周期评估（LCA）。基于情景的研究通常通过模拟不同政策框架下各区域的行驶距离变化来评估新能源汽车的有效性，包括新能源汽车渗透率（Li et al., 2025）、能源结构的变化和基础设施密度（Fang et al., 2023; Peng et al., 2021; Wang et al., 2023）。这些方法旨在确定最佳的脱碳路径（Wang et al., 2022），例如持续的税收减免（Zhang et al., 2020）或扩展充电基础设施（Powell et al., 2022）。这些方法还用于量化其他措施的减排效果，如提高燃油经济性（Hao et al., 2015）、促进向公共交通的出行方式转变（Carroll et al., 2019; He et al., 2013）以及逐步淘汰高排放车辆（Ou et al., 2010）。
相比之下，生命周期评估（LCA）量化了从生产到报废的所有运营阶段不同车辆燃料类型的污染物排放（Ma et al., 2012; Zhang et al., 2023; Zhang et al., 2024）。对于新能源汽车而言，排放主要来自制造和充电阶段（Tarabay et al., 2023; Yu et al., 2022）。尽管许多研究假设行驶里程是固定的，但新兴研究将实际的新能源汽车行驶数据纳入其中，以细化排放估算。生命周期评估的一个重要发现是，不同区域的能源结构差异导致新能源汽车生产和使用过程中的碳强度存在显著差异。较高的电网碳强度会直接降低新能源汽车的净减排效益，这表明更清洁的能源组合能够相应提高其环境效益。
准确核算道路交通排放对于量化新能源汽车的脱碳效果至关重要。宏观层面的自上而下模型被广泛用于此目的，根据燃料消耗数据估算区域或国家的排放清单，同时分析供应、需求和环境方面的影响因素（Alam et al., 2018; Mateo Pla et al., 2021; Sun et al., 2021）。空间异质性通过土地使用、道路网络、建成环境和经济活动等环境决定因素进行了广泛研究（Zhang et al., 2023）。例如，商业枢纽通常会集中交通流量，加剧局部污染。另一方面，微观层面的自下而上方法利用MOVES、IVE和COPERT等模型（Liu et al., 2019a; Zhou et al., 2022）来探索城市内部的排放差异。这些方法需要高分辨率的输入数据，包括特定时间和道路的交通流量、车辆排放标准和行驶里程（VKT）。这样的框架有助于多城市的排放特征分析，并可以通过捕捉瞬时驾驶参数（如速度、加速度、发动机负荷）的真实车辆测试来补充，以揭示依赖于交通条件的排放动态（Fan et al., 2024; He et al., 2024; Liu et al., 2019b）。
尽管取得了这些进展，当前对新能源汽车减排效果的评估通常在较大的省级或城市层面进行，并依赖于理想化的假设，如固定的行驶里程和静态的车辆类型分布。尽管新能源汽车渗透率正在迅速上升，但很少有研究将长期的真实驾驶数据与区域发展指标相结合，以量化实际的排放影响。这种对预设参数的依赖可能会引入显著的估计偏差，这可能解释了一些城市政策实施中观察到的次优脱碳结果（Guo et al., 2025）。因此，结合微观层面的车辆运行数据对于进行稳健和准确的新能源汽车减排效果评估变得至关重要。
为了解决这一差距，本研究通过整合长期交通监控数据和对人口及经济异质性的分析，量化了新能源汽车渗透率增加情况下道路交通排放的时空动态。我们的贡献有三个方面：首先，我们建立了一个动态的宏观-微观评估框架，引入了一种创新的“渗透率-实际行驶里程”模型，以评估新能源汽车的增长如何改变传统燃油车辆的行驶距离并推动可量化的减排。其次，利用这一框架，我们结合了不同日期类型的微观出行需求，使用多年监控数据来测量实际的行驶里程分布。这种方法克服了静态宏观统计中固有的估计偏差，显著提高了评估精度。第三，通过分析差异化的车辆数据，我们揭示了新能源汽车在不同车辆类别中的替代效应，并展示了城市出行模式和区域经济特征如何共同决定排放轨迹。这些见解为优化低碳交通政策提供了可行的策略。
本文的其余部分结构如下：第2节描述了研究区域和方法论框架。第3节展示了实证结果。第4节通过综合讨论对这些发现进行了背景说明。最后，第5节总结了结论，并概述了其政策意义，并提出了未来工作的方向。
