在全球气候变化的背景下，交通运输行业已成为城市碳排放增长最快的领域之一，中国的交通相关排放量年均增长率为7.69%（Liu等人，2021年）。作为城市交通排放的主要来源，道路交通是碳减排和节能工作的关键目标。先前的研究已经表明，不同类型城市的车辆碳排放特征存在显著差异（Wu和Li，2024年）。然而，现有的排放模型主要针对平原城市开发，其在复杂地形条件下的适用性尚未得到系统验证。
与平原城市相比，山区城市具有较大的高度变化、更陡的坡度和更复杂的道路网络几何结构。这些特征导致车辆运行条件更加不稳定，从而导致车速、加速度和发动机性能的频繁波动。在这种条件下，车辆碳排放不再仅受单一运行变量的影响，而是受到地形特征和车辆动力学的共同作用，因此其排放机制与平原城市有很大不同。尽管如此，现有研究主要集中在平原城市或山区高速公路上，对山区城市道路网络中车辆碳排放形成机制的系统理解仍然有限（Zhang等人，2021年）。
现有的车辆碳排放特征化方法可以根据输入数据的类型大致分为基于平均速度的模型和瞬时排放模型。基于平均速度的模型使用对应于不同车辆类型的排放因子（EFs）来估算碳排放，计算简单，适用于区域或宏观尺度的排放评估（Fu等人，2017年）。然而，这类模型无法完全捕捉到动态因素，如加速度变化、坡度阻力和发动机运行条件的变化，因此在复杂交通条件下的预测可靠性有限（Wyatt等人，2014年；Ryu等人，2015年）。相比之下，瞬时排放模型利用实时运行数据来描述碳排放与车辆运行动态之间的关系，从而更准确地估算碳排放强度（Sun等人，2017年；Zhang等人，2021年）。然而，先前的研究表明，这些模型在真实驾驶条件下的预测可能低估了车辆碳排放，且预测性能对区域和交通特定因素非常敏感（Yang等人，2020年）。因此，在保持高预测准确性的同时提高模型在复杂交通环境下的鲁棒性和适用性仍然是车辆碳排放研究中的一个关键挑战。这一限制在山区城市尤为突出，因为复杂的地形进一步加剧了车辆运行条件和排放响应的变异性。
在瞬时排放研究中，广泛采用真实驾驶排放（RDE）测试来获取高分辨率的实时车辆排放数据。便携式排放测量系统（PEMS）能够同时收集污染物排放、车辆运行参数和环境信息，在实际排放研究中得到广泛应用（He等人，2024年）。现有研究普遍认为，车辆碳排放受到驾驶特性、发动机特性和道路交通环境特性的共同影响。驾驶特性通常由车速和加速度表示。车辆碳排放通常随车速和加速度的增加而增加，在中高速和高速行驶条件下经常出现高排放事件（Qu等人，2015年；Ke等人，2025年）。激进的驾驶行为，如快速加速和急转弯，会进一步加剧排放水平（Huang等人，2013年）。发动机特性反映了发动机的运行状态，纳入发动机转速和发动机负荷等指标可以解释超过50%的车辆碳排放变化（Zhu等人，2022年）。道路交通环境特性也起着重要作用。道路坡度、道路分类和道路类型都被证明对车辆碳排放有显著影响（Wyatt等人，2014年；Qu等人，2015年；Zheng等人，2022年；Li等人，2024年）。尽管先前的研究从不同角度确定了车辆碳排放的关键决定因素，但大多数研究仍局限于单一特征或局部因素分析，未能将驾驶行为、发动机特性和道路环境条件整合到一个统一的建模框架中，缺乏对多因素交互作用的系统描述。这一限制限制了车辆碳排放估计的预测准确性和可解释性。因此，需要开发一个受地形约束的山区城市车辆碳排放概念模型，以解释地形条件如何通过多种途径影响车辆运行条件和排放响应。
在建模方法方面，堆叠集成学习模型整合了多个基础学习器的预测结果，在提高模型泛化和预测准确性方面显示出显著优势（Fan等人，2025年）。先前的研究表明，堆叠集成学习模型在能源、建筑等领域广泛应用于碳排放预测，有效捕捉了不同特征之间的复杂交互作用（He等人，2025年；Alalwany等人，2025年）。然而，堆叠集成学习模型的结构复杂性降低了其可解释性，限制了其在交通管理和政策制定中的实际应用。为了解决这一限制，可以采用可解释性分析方法（如部分依赖图（PDP）来识别关键特征及其影响，从而增强模型的可解释性和决策支持价值（Li，2022年；Wang等人，2025年）。
先前的研究普遍强调了坡度对车辆燃油消耗和碳排放的显著影响。与平坦道路相比，陡峭的坡度可使车辆碳排放增加15-20%（Fontaras、Zacharof和Ciuffo，2017年）。将坡度纳入瞬时排放模型已被证明可以准确估算微观车辆碳排放（Wyatt、Li和Tate，2014年）。针对山区道路的研究表明，坡度会在上坡行驶条件下降低车速并显著增加碳排放（Jiang等人，2025年）。
重庆是中国西南部典型的山区城市，地形复杂，以山脉、丘陵和河谷交替为特征。由于其地形限制，其道路交通系统表现出明显的空间异质性，表现为较大的垂直高度差异、复杂的道路布局以及密集的桥梁、隧道和立交桥。这些特征导致车辆运行条件更加复杂，从而产生与平原城市截然不同的排放机制，突显了进行特定情境下实证研究的必要性。
因此，本研究以重庆作为典型山区城市，利用基于PEMS的真实驾驶数据开发了一个堆叠集成学习模型用于车辆碳排放预测。通过结合可解释性分析方法，揭示了典型山区城市中影响车辆碳排放的机制，为城市交通碳减排政策提供了见解。
本研究的主要贡献如下：
(a)本研究开发了一个适用于复杂地形条件的车辆碳排放预测模型，显著提高了山区城市的预测准确性和稳定性。
(b)本研究在一个统一的建模框架内全面描述了驾驶特性、发动机特性和道路交通环境特性之间的相互作用，揭示了山区城市与平原城市相比影响车辆碳排放的机制。
(c)本研究运用可解释性分析方法量化了关键因素的非线性效应和相互作用，为山区城市的车辆减排政策制定提供了理论支持。
本文的其余部分安排如下：第2节介绍数据来源和研究区域；第3节介绍研究方法和模型开发；第4节分析和讨论实验结果；第5节总结研究并展望未来研究方向。
