期刊佳文 | 交通信息化对中国“一带一路”沿线省域交通碳排放影响的时空分异格局

“一带一路”作为国内外经贸往来的重要交通纽带，沿线省域交通网络的建设和发展，在提高交通运输的效率和可靠性的同时也引发了一系列环境可持续性的问题[1-3]。如何平衡交通行业快速发展与生态文明建设之间的矛盾是我国实现“双碳”目标、打造绿色“一带一路”亟需解决的问题。同时，交通信息化作为目前一个备受关注的议题，未来可能成为平衡交通发展与环境问题的关键手段。

既往研究广泛探讨了交通碳排放的多个维度，包括排放量的量化测算[4-5]、空间分布特性[6-8]、峰值预测[9]、减排潜力[10]及影响因素[11-15]等，运用了生命周期法[16]、计量经济学[17]、LMDI分解[18]及系统动力学[19]等多种研究方法，揭示了交通碳排放复杂多样的空间分异性与时间动态性[20-23]。这些研究一致指出，交通碳排放受多种因素共同影响，如经济发展水平、能源结构、交通模式、运输强度及政策调控等[24-25]，且这些因素的效应在不同区域和时间框架内呈现显著差异。

然而目前有关交通信息化对交通碳排放的影响研究较少。学者们多以分析具体的交通信息技术如何提高交通效率为研究目标[26-27]，国外学者偏向于对不同城市和道路交通系统的基础设施进行评价和比较分析[28]，或基于拥堵时间等指标测度对智能交通的运营效果进行评估[29]，或是基于交叉路口的车流量进行研究[30]，证明了ITS技术能够显著改善车流量，减轻拥堵，从而减少闯红灯和超速等交通事故数量。国内学者偏向于研究交通信息化技术建设，认为需要优化顶层设计改善目前的智慧交通系统[31-32]，并利用更先进的技术解决仍存在漏洞的交通基础信息采集系统[33]。因我国的交通信息化建设起步较晚，目前相关研究多停留在定性层面，定量化研究不足，结果导致交通信息化建设的现实需求与评价指标体系研究滞后的矛盾日益突出[34]。

综上，如何在可持续发展的基础上控制交通碳排放的增长，寻求交通发展和环境永续的共赢局面，以及如何在区域存在差异的情况下，充分考虑各区域交通信息化的特点，进而实现区域视角下的交通碳排放控制，是需要研究的两个重要问题。鉴于此，本文聚焦于2012-2022年间“一带一路”沿线省域，通过深入分析交通信息化与交通碳排放之间的时空关系，旨在揭示交通信息化对交通碳排放影响的内在机制与区域异质性。首先，本文将评估沿线省域的交通信息化发展水平。随后，利用地理探测器等先进工具，探索交通信息化关键指标对交通碳排放的时空效应，识别不同地理区域内交通信息化对交通碳排放的显著影响因子。本研究不仅旨在为“一带一路”绿色交通发展提供科学的减排路径，同时也为其他国家或地区的类似研究提供新的思路和视角。

中国“一带一路”主要包含18个重点省份，依据地理区域邻近性原则以及区域发展规划，国家将这18个沿线重点省份分为4个分区[35]，分别是东北部的对外窗口区，包括辽宁、吉林和黑龙江3个省；西北部的丝路核心区，包含新疆、陕西、甘肃、宁夏、青海和内蒙古在内的6个省(区)；东南部的开放先行区，主要有上海、福建、广东、浙江和海南5个省(市)；以及西南部的战略支点区，包括广西、云南、西藏和重庆4个省(区、市)。由于西藏的数据缺失，本文分析的样本确定为“一带一路”沿线17个省(区、市)，样本起止时间为2012~2022年。

本文所使用的交通行业各类能源消耗数据均来自2012-2023年《中国能源统计年鉴》以及各省(区、市)的年度国民经济与社会发展统计公报。测算交通碳排放量所用参考指标标准煤折算系数来自《中国能源统计年鉴》附录。交通信息化评价体系中的指标数据来源于《中国统计年鉴》、《中国电子信息产业统计年鉴》、《中国固定资产投资统计年鉴》、各省(区、市)的年度国民经济与社会发展统计公报、各省(区、市)地方政府网站、中国公安部政府信息公开部门、滴滴出行平台等。其中交通信息化综合服务的相关指标信息参考相关交通信息化建设评价体系的文献，参照本研究样本处理得到[36-37]。

目前，中国交通行业的碳排放主要来源于运输过程中各类交通工具燃料燃烧产生的CO₂排放[38]，因此本研究所指交通碳排放均为交通产生的CO₂排放。鉴于数据的可获性，本文采用IPCC提出的“自上而下”的碳排放测算方法，采用交通行业在运输过程中消耗的各种化石燃料的统计数据，以测算2012-2022年间“一带一路”沿线省域的交通碳排放量。公式见式(1):

本文基于交通信息化发展评价的基本原则，参考中国交通信息化发展报告、2012-2022各省(区、市)交通发展年度报告、中国交通运输部发布的交通信息化标准体系表，从交通信息化的定义与影响因素入手，结合“一带一路”沿线省域的交通信息化建设的现状与规划，借鉴国内外学者对信息化评价研究的成果[36-37]，从交通信息化基础设施建设(TIIC)、交通信息化系统应用(TIAS)、交通信息化综合服务(TIIS)和交通信息化标准建设(TISC)4个方面建立“一带一路”沿线省域的交通信息化发展评价指标体系。

如表3所示，本套指标体系设置了4个一级指标，13个二级指标，15个三级指标。本套指标体系综合考察交通信息化的效益，尤其是考虑到现阶段交通信息化的发展目标和总体特征，具有如下优点:一方面，本套指标体系设计清晰，结构合理，兼具较强操作性和广泛适用性。一级指标明确交通信息化发展导向，而二级、三级指标则细化至应用层面，便于数据获取与评估。另一方面，本套指标体系是一个通用性的框架，针对交通发展的特点，对二级指标进行具体化，依据数据的易得性原则扩展成15个三级指标，分别为10个定量指标和5个定性指标，定量指标是基于可获取的数据，通过数值计算和统计分析来客观反映交通信息化建设的规模和水平，如交通信息基础设施覆盖率、信息化投入资金规模等。而定性指标值的确定采用专家打分法(专家打分的参照标准均为2011年的各省交通信息化发展状态)，其侧重于对交通信息化建设和发展的质量、效果和政策环境进行主观评价，如政策执行情况、信息化应用效果等。特别要指出的是，定性指标中的交通政策标准是指在交通信息化标准建设层面，针对相关政策法规所制定的具体规范和指导原则，其在规范交通信息化建设、促进交通信息化合规性和可持续发展方面发挥着至关重要的作用。这些政策标准不仅为交通信息化建设提供了明确的指导原则，还确保了建设过程与政策法规的紧密衔接，从而推动了交通领域的整体进步。因此，通过定量指标与定性指标的有机结合，使得所构建的评价指标体系能够全面地反映各省交通信息化建设和发展的实际情况。

本文采用熵权法对交通信息化发展水平进行测度。熵权法是一种基于信息论的客观赋权方法，通过计算各指标的熵值来确定其权重。其原理是基于信息熵的思想，通过计算各个评价指标的权重来量化它们对决策结果的贡献程度。熵值用于度量不确定性，指标的离散程度越大(不确定性越大)则熵值越大，表明指标值提供的信息量越多，则该指标的权重也应越大。本文采用熵权法既能够规避评价过程中涉及到指标主观性问题，又有助于处理指标体系中出现的量纲差异问题，从而提供科学、客观的评价结果，具有较好的适应性。因此，根据交通信息化发展水平评价指标的选取和数据的收集，运用Stata软件对面板数据结合熵权法(EWM)确定权重系数，然后测算2012-2022年我国“一带一路”沿线17个省域的交通信息化发展水平。

首先，对正向指标和负向指标进行了如下标准化处理，分别见式(2)和式(3):

当同一指标上的值相差越大，则熵值越小，权重越大，表示这项指标能够提供的决策信息更多，详细结果如表4所示。

双变量空间自相关(BSA)可以解决两个变量(即一个单元的一个变量与周围单元的另一个变量相关)之间的空间相关性问题[38]。本文采用BSA全局空间相关性检验和局部空间相关性检验探究“一带一路”沿线省域的交通碳排放与交通信息化之间的空间相关性。

研究者根据单变量Moran’s I进一步改进方程，最终得到双变量全局Moran’s I表达式:

式中:I_xy为x和y的全局空间相关度；x_i和y_j分别为区域i和j的观测值；n为样本数；ω_ij为空间权重矩阵的元素；`x和`y分别为x_i和y_j的平均值；S₀为所有区域的空间权重，且。双变量Moran’s I的取值范围与单变量Moran’s I的取值范围相同，即在-1到1之间。

局部空间自相关可以用来了解某一区域附近的空间聚集情况，可以在全局Moran’s I的基础上进一步进行局部分析:

地理探测器是基于空间异质性，对空间数据进行分析的一种统计工具，其具备可避免诸多统计方法对空间位置指标处理的局限性、没有过多的假设条件等优势，当样本量小于30时，地理探测器具有更高的统计精度，同时还可以克服传统计量回归不可避免的多重共线性问题，因此其被广泛应用[40]。本文运用地理探测器方法中的因子探测以及交互作用探测2个子方法。因子探测器可以定量检测各驱动因素对交通碳排放量空间分异的影响程度，用q值来表示，表达式如式(12):

交互作用探测首先分别计算两个因子X₁和X₂对Y的q值:q(X₁)和q(X₂)，然后计算两个因子发生交互作用(叠加X₁和X₂两个图层相切所形成的新的多边形分布)的q值:q(X₁∩X₂)，并将其与q(X₁)、q(X₂)值对比，从而识别两个因子的相互作用是否会增强或减弱对因变量的影响[42]。

本文采用EWM进行面板数据分析，得到2012-2022年“一带一路”沿线各省域的交通信息化发展的综合指数及各二级指标指数(表5~表9)。根据测算结果，分析可得2012-2022年中国“一带一路”沿线省域的交通信息化经历了以下3个发展阶段。

2012-2015年为基础设施建设阶段，交通信息化平均综合指数由0.07566增长至0.15649，平均年增长27.5%。在这一阶段，大力推进了高速公路电子收费系统、城市道路交通信号控制系统和交通综合枢纽等基础设施建设。2016-2018年为数据共享与应用阶段，交通信息化平均综合指数由0.1839增长至0.2575，平均年增长18.2%。随着基础设施的建设完成，沿线省域开始推动交通数据的共享与应用，如实时交通导航、交通拥堵预测、交通信息发布软件等。2019~2022年为智能交通发展阶段，交通信息化平均综合指数由0.3049增长至0.4118，平均年增长12.5%。在这一阶段，推进了人工智能和大数据等技术在交通管理和运行中的应用。例如，智能交通信号控制系统可以根据实时交通情况进行调整，优化交通流量；智能交通监控系统可以实时监测交通违法行为等；自动驾驶技术也开始在交通领域应用，为交通运输提供更高效、安全的解决方案。

此外，根据图1的交通信息化发展水平空间分布图，对比发现“一带一路”沿线各省域的交通信息化发展水平存在差异。整体上对外窗口区和开放先行区的交通信息化发展较为成熟，而丝路核心区和战略支点区的交通信息化发展相对较落后，但可以看出2012-2022年间各区域交通信息化发展水平均有所提升，尤其是丝路核心区在2015年交通信息化发展水平提升表现最显著，其他各省都有提升的空间，未来仍需要加大投入力度，加强数据采集、管理和共享，推动交通信息化与智能交通系统的深度融合，以实现更高效、安全和环保的交通管理和服务。

为了探究“一带一路”沿线省域的交通碳排放与交通信息化之间的空间相关性，运用Geoda空间分析工具，以沿线省域的交通碳排放量为第1变量，以交通信息化发展综合指标为第2变量，计算全局双变量空间自相关指数。

结果如表10所示，整个研究期间Moran’s I指数均大于0，分别在1%、5%和10%水平下显著，说明2012-2022年中国“一带一路”沿线17个省域的交通信息化发展水平与交通碳排放的关系在空间上是显著的，可以在空间维度上进行相关性分析。此外，从表中看出2012-2016年Moran’s I值比较稳定，2017年后的Moran’s I值递减趋势明显，表明交通信息化与交通碳排放这两个因素之间的正相关的空间关联度正在逐年减小。

为进一步探究中国“一带一路”沿线省域的交通碳排放量与交通信息化之间的局部空间关联特征，继续运用Geoda空间分析工具绘制双变量Moran’s I散点图，如图2所示。在Moran’s I散点图中，一个圆圈代表一个省份。高-高集聚主要分布在开放先行区，低-低集聚主要分布在丝路核心区，高-低集聚主要分布在对外窗口区和战略支点区，且向着高-低集聚发展靠拢的省域逐年增多，2018年后尤为显著，到了2022年高-高聚集的省域绝大多数转移至高-低集聚，说明随着时间的推移，交通信息化发展水平越高，越有助于交通碳排放的降低，也说明交通信息化与交通碳排放之间的相关关系因地而异，且处于动态变化中，需针对具体省域具体分析。

为进一步分析2012-2022年“一带一路”沿线交通信息化对交通碳排放造成空间分异格局的影响程度，使用地理探测器分析交通信息化4个二级指标(TIIC、TIAS、TIIS和TISC)对交通碳排放的影响。

本文采用ArcGIS自然断裂点将4个影响因素数据进行空间离散化处理，使其由数值量转化为类型量的同时将各因子划分为5层，使数据处理更具客观性。以“一带一路”沿线整体交通碳排放作为研究样本，将处理后数据导入GeoDetector软件中，可得到各驱动因子对交通碳排放效率的决定力q值。

对研究期内各驱动因子决定力取均值可发现，影响“一带一路”沿线省域整体交通碳排放空间分异格局的驱动因子从大到小依次是:交通信息化系统应用(TIAS，0.5262)>交通信息化基础设施建设(TIIC，0.5029)>交通信息化标准建设(TISC，0.4840)>交通信息化综合服务(TIIS，0.2998)。由此可知，交通信息化系统应用是影响“一带一路”沿线省域整体交通碳排放空间分异格局的主导驱动因子。

从表11所示的不同时期探测因子的变化情况来看，各探测因子的作用强度随时间变化呈不同程度的增减交替之势。具体分析如下:

交通信息化基础设施建设。“一带一路”沿线整体TIIC解释力有所下降，q值由2012年0.5205波动下降至2021年最低值0.4414。据统计，截至2021年沿线整体TIIC综合指数均值达到0.1010，但TIIC综合指数逐年增长率多为负值，究其原因，TIIC多以建设传统交通监控设备和信号控制设备为主，智慧交通信号灯、智慧交通监管可视化设备等智能化TIIC仍有待推广，这很大程度上导致TIIC对交通减排效果逐渐减弱。值得注意的是2022年TIIC的q值又上升至0.6479，说明TIIC对交通碳排放空间异质性影响显现增强趋势，根据中国政府制定了2025年要建设500个智慧城市的目标，智能交通信号灯将大力推行到各个地区，因此未来TIIC有较大的减排潜力。

交通信息化系统应用。“一带一路”沿线整体TIAS作用力呈先上升后下降再上升的变化趋势，2022年作用力上升至0.7127。且除2012年和2020年外，TIAS始终是沿线交通碳排放空间分异的核心驱动因子。随着TIAS大力普及，如ETC车道的开通，共享出行服务平台的建立，车载GPS指引功能的完善等，对优化交通流量，减少碳排放起到明显的帮助。但由于各地交通信息化发展水平不一，TIAS初期呈现的作用效果也因地而异。2012-2022年，上海、广东和浙江的TIAS综合指数年均大于整体综合指数均值，而甘肃、宁夏、新疆、吉林和重庆等地的TIAS综合指数年均小于整体综合指数均值，陕西、福建和辽宁的TIAS综合指数分别在2013年、2015年和2019年才先后到达整体综合指数均值。可见“一带一路”TIAS发展水平极不均衡，很大程度上塑造了“一带一路”交通碳排放空间分异格局。

交通信息化综合服务。“一带一路”沿线整体TIIS解释力有所提升，q值由2012年0.3554波动上升至2022年最大值0.7014。由于各省份每年的TIIS综合指数增长率变化较大，呈周期性升降，导致TIIS对交通碳排放空间差异的影响呈现相应的周期性变化，但总体呈上升趋势。结合原始数据，2022年沿线整体TIIS综合指数均值为0.0319，比2012年增长23.49%，交通信息获取渠道的全面拓宽以及信息内容的丰富可提供更准确的导航信息和优化信号控制，引导车辆选择最短路径和最优行驶速度，减少交通排放，因此TIIS的发展对“一带一路”沿线整体交通减排有强大的推动作用。

交通信息化标准建设。“一带一路”沿线整体TISC作用强度波动下降，q值由2012年0.7758下降至2022年0.5305，在2012年和2020年TISC是影响沿线省域整体交通碳排放空间分异格局的主导驱动因子。从基础数据看，2012年TISC综合指数均值为0.014，上海、福建、广东和浙江均达0.02以上，而宁夏、青海和广西均小于0.01，新疆仅有0.000007。说明省份间政府交通信息化相关政策、规划和课题研究等差异显著，造成交通减排效果在空间上差异明显。2012~2019年间，沿线各省TISC逐步完善，相对而言其对交通碳排放空间分异作用减弱。2020年则因新冠疫情等影响，TISC综合指数增长率为4.956%，相比2019年-9.762%的综合指数增长率出现较大转变，使得TISC在2020年成为造成交通碳排放空间分异格局的主导驱动因子。

研究期内，采用显著性水平为0.050的t检验下不同驱动因子在两两空间叠加后形成的对“一带一路”沿线交通碳排放空间分异格局的交互作用结果见图3。可以看出，不同两因子交互后对“一带一路”沿线交通碳排放空间分异性决定力水平相对于单个因子都有所增强。通过分析发现，2012-2022年TIAS∩TIIS和TISC∩TIIS一直位于高水平决定力的交互因子，除2012年、2018年和2019年决定力水平最高的交互因子是TISC∩TIIS，其他年份出现次数最多的决定力水平最高的交互因子是TIAS∩TIIS，因此，2012-2022年整体上决定力水平最高的关键交互因子是TIAS∩TIIS，这说明交通信息化系统应用和交通信息化综合服务在空间叠加后，对“一带一路”沿线交通碳排放整体空间格局起到主导作用。此外，2012-2016年交互因子TIAS∩TISC的决定力水平较低，但自2017年其决定力水平提升后，逐年增长至2020年成为决定力水平最高的交互因子，这说明近5年交通信息化系统应用和交通信息化标准建设在空间叠加后，逐年增强了对“一带一路”沿线交通碳排放整体空间分异格局的影响。总体而言，虽然交通信息化标准建设的平均决定力水平较弱，但分别与交通信息化综合服务、交通信息化系统应用两两空间叠加后，对空间分异格局的影响有明显增强，呈现双因子增强效应。

为深入探究不同驱动因子对“一带一路”沿线省域交通碳排放空间分异格局的影响，消除地理位置跨度大以及各省份交通信息化发展资源不均的阻碍，分别计算研究2012-2022年丝路核心区、对外窗口区、战略支点区和开放先行区4个地区以及沿线17个省域的单因子及交互因子的决定力。从表12所示的各区域因子探测情况来看，对战略支点区和对外窗口区交通碳排放空间分异格局起主导作用的因子是交通信息化基础设施建设，其q值分别为0.5414和0.6937；对丝路核心区交通碳排放空间分异格局起主导作用的因子是交通信息化标准建设，其q值为0.6260；对开放先行区交通碳排放空间分异格局起主导作用的因子是交通信息化系统应用，其q值为0.6694。由此可知，不同区域间影响交通碳排放空间分异的驱动因子存在差异，且同一驱动因子的决定力也大相径庭。从图4所示的各省域因子探测情况来看，各省域间影响交通碳排放空间分异的驱动因子也存在较大差异，因此制定差异化的减排路径时不仅应考虑整体也需具体到各省域。

从图5所示的区域交通碳排放交互作用结果来看:丝路核心区交通碳排放空间分异性决定力水平最高的关键交互因子是TISC∩TIIS，表明交通信息化标准建设和综合服务在空间叠加后对丝路核心区交通碳排放空间分异格局起到主导作用，而决定力水平较高的交互因子TIIS∩TIAS和TISC∩TIAS中也包含了TIAS，说明包含交通信息化系统应用的交互因子对丝路核心区交通碳排放空间分异格局具有较为重要的空间叠加效应；战略支点区交通碳排放空间分异性决定力水平最高的关键交互因子是TIIC∩TIIS，表明交通信息化基础设施建设和综合服务在空间叠加后对战略支点区交通碳排放空间分异格局起到主导作用，而决定力水平较高的交互因子TIIC∩TISC和TISC∩TIIS中也包含了TISC，说明包含交通信息化标准建设的交互因子对战略支点区交通碳排放空间分异格局具有较为重要的空间叠加效应；对外窗口区交互作用最强烈的组合为TIAS∩TIIC，其次为TIIS∩TIAS和TIIC∩TIS，这说明交通信息化基础设施建设和系统应用、交通信息化综合服务和系统应用、交通信息化基础设施建设和标准建设之间在空间叠加后，会对对外窗口区交通碳排放空间分异起到重要的决定作用；开放先行区交互作用最强烈的组合TIIC∩TIIS，其次为TIIS∩TIAS和TIIC∩TISC，这说明交通信息化基础设施建设和综合服务、交通信息化综合服务和系统应用、交通信息化基础设施建设和标准建设之间在空间叠加后，会对开放先行区交通碳排放空间分异起到重要的决定作用。

通过对比4个区域交通碳排放空间分异格局的关键交互因子发现，交互因子TIIC∩TISC和TIIS∩TIAS是影响4个区域交通碳排放空间分异格局的共同关键交互因子，说明交通信息化基础设施建设和标准建设，交通信息化综合服务和系统应用在空间叠加后对“一带一路”沿线四大区域交通碳排放空间分异格局都起到重要的决定性作用，这与整体交互探测的结果相吻合，证实了结果的可靠性。

现阶段“一带一路”沿线省域整体进入到智能交通发展阶段，其中对外窗口区和开放先行区的交通信息化发展较为成熟，而丝路核心区和战略支点区的交通信息化发展相对较落后，且沿线各省域都有提升的空间。因此遵从“多向联动，分区治理”的理念，为“一带一路”沿线省域的交通信息化发展和交通减排提出以下建议:

整体而言，交通信息化系统应用是影响“一带一路”沿线省域整体交通碳排放空间分异格局的主导驱动因子，其q均值最大达0.53且有上升趋势，应进一步平衡交通信息化系统应用发展水平，发展水平低的甘肃、宁夏、新疆、吉林和重庆等地可向发展水平高的上海、广东和浙江学习相关建设经验，如优化公共交通系统，推进公共交通搭乘软件等。根据整体交互探测结果分析交通信息化系统应用和交通信息化综合服务在空间叠加后，对“一带一路”沿线交通碳排放整体空间格局起到主导作用。交通信息化标准建设分别交通信息化系统应用、交通信息化综合服务在空间叠加后，在研究期内的决定力水平也较高，“一带一路”沿线省域也要结合各地发展特征，通过制定相关政策标准、规划或课题研究来推进交通信息化系统应用和交通信息化综合服务建设。

针对丝路核心区，交通信息化标准建设作为影响其交通碳排放空间分异的核心因素，可借鉴开放先行区和对外窗口区交通信息化标准建设历程，结合地区发展特征来制定交通信息化相关政策和规划。陕西和甘肃TIIS的q均值在0.25左右，相较于其他指标作用强度大，考虑到两地交通拥堵相对较严重，故可大力推广智能交通导航系统、交通信号控制系统的应用。通过提供准确的导航信息和优化信号控制，引导车辆选择最短路径和最优行驶速度，减少交通排放。宁夏和新疆TIAS的q均值在0.66左右，作用强度大，需继续推进ETC应用和共享出行服务平台建设来优化交通流量。青海和内蒙古TIIC的q均值在0.40左右，作用强度较大，需进一步推动交通枢纽一体化的实现，有效整合各种不同形态的交通运输工具，提高各种交通工具间的协调性和传输效率，让公共交通的服务效能更为理想。

针对对外窗口区，交通信息化基础设施建设是影响其交通碳排放空间分异的核心因素。吉林、黑龙江和辽宁的综合性交通枢纽建设在初期发展远超其他省域，2012-2022年地区TIIC综合指数均值都大于整体TIIC综合指数均值，其中吉林和黑龙江TIIC的q均值在0.70左右，较早实现了交通枢纽一体化，然而在便于远距离运输和出行的同时也加大了交通运输工具的数量和运行时间，投入使用大量的传统交通信号灯和监控设备，尽管便于管理和获取交通信息，也增加了汽车的怠速时间，造成了交通拥堵等情况。因此应在对外窗口区推广如智慧交通信号灯的智能基础设施应用，推广智能交通导航系统、交通信号控制系统的应用，从而优化交通流动，减少交通排放。

针对开放先行区，交通信息化系统应用是影响其交通碳排放空间分异的核心因素。因地区人口密集，经济发达，近年出行软件平台的迅速普及以及网约车用户人数的剧增，尤其是上海和广东的TIAS综合指数均值远高于其他省域TIAS综合指数均值，其q均值分别为0.47和0.65，相较于其他指标作用强度大，存在交通流量过大导致交通碳排放增长的潜在问题。因此，应优化公共交通系统，推进公交、地铁等信息牌的电子化率，如现在已经推出的公共交通搭乘软件，地区需要推动这些方便市民出行的信息化工具，提升公众出行的便捷程度。

对战略支点区，交通信息化基础设施建设也是影响其交通碳排放空间分异的核心因素，但与对外窗口区不同的是，广西、重庆和云南TIIC在初期发展落后于其他区域，各省TIIC综合指数仅有0.03左右，2015年战略支点区TIIC综合指数均值才追上“一带一路”整体TIIC综合指数均值0.057，随着交通信息化基础设施建设的完善，战略支点区TIIC综合指数均值在发展中赶超丝路核心区和对外窗口区，在2021年超过开放先行区，且2012-2022年TIIC的q均值达到0.541，高于其他3个指标。因此战略支点区需继续保持对交通信息化基础设施建设的发展力度，结合地区地形复杂、山路较多的特征，应加强相关课题科研力度，研发适应复杂地形的低碳交通工具和技术，并加强智能交通导航系统的推广应用，通过提供准确的导航信息，引导车辆选择最短路径和最优行驶速度，减少交通排放。

本文研究内容可以补充交通信息化与交通碳排放宏观层面的研究成果。本研究纳入空间地理位置，使用地理探测器确定交通信息化对交通碳排放的时空异质性和显著影响因素。地方政府可利用该结论作为区域交通节能减排的参考，以实现辐射带动效应，制定与符合本地区交通信息化发展的交通减排战略。未来研究可选取更长的扩展时间序列来捕捉更多的交通信息化变化特征和相关因素，进一步探究交通信息化对交通低碳转型的具体作用机制。

（1）2012-2022年中国“一带一路”沿线对外窗口区和开放先行区的交通信息化发展较为成熟，而丝路核心区和战略支点区的交通信息化发展相对较落后。

（2）沿线整体的交通信息化与交通碳排放这两个因素之间的正相关的空间关联度正在逐年减小。高高集聚主要分布在开放先行区，低-低集聚主要分布在丝路核心区，高-低集聚主要分布在对外窗口区和战略支点区，且分布在高-低集聚的省域逐年增多，沿线各省的交通信息化与交通碳排放之间的相关关系因地而异，且一直处于动态变化中。

（3）交通信息化系统应用是影响“一带一路”沿线整体交通碳排放空间分异格局的主导驱动因子，交通信息化标准建设是影响丝路核心区交通碳排放空间分异的核心因素，交通信息化基础设施建设是影响对外窗口区和战略支点区交通碳排放空间分异的核心因素，交通信息化系统应用是影响开放先行区交通碳排放空间分异的核心因素。且各驱动因素之间存在较强的协同性。交通信息化系统应用和交通信息化综合服务的组合均属于交互影响作用强烈，交通信息化标准建设与与其他3个因子的组合也均属与交互影响作用较为强烈的组合。