道路交通擁堵與城市霧霾污染的關(guān)系研究

馮國強 李菁 武卓爾

摘要 道路擁堵與城市霧霾是機動車行駛帶來的兩個負(fù)溢出效應(yīng)，大量文獻揭示了城市機動車行駛對二者帶來的影響，卻鮮有文獻關(guān)注道路擁堵程度與霧霾污染之間的內(nèi)在聯(lián)系。這其中的緣由在于，一則道路擁堵程度與霧霾污染之間互為因果，同時有共同的影響因素，由此帶來的內(nèi)生性難題難以有效解決;其次，采用統(tǒng)一標(biāo)準(zhǔn)來測度不同城市道路擁堵程度的數(shù)據(jù)難以獲得。為此利用高德地圖（Amap）根據(jù)機動車定位導(dǎo)航系統(tǒng)提供的城市擁堵延時的大數(shù)據(jù)，來捕獲各省會城市每日道路交通的擁堵程度，同時運用各城市每日的燃油銷售價格、國際市場原油價格以及上一周同一工作日道路的擁堵程度作為工具變量，通過兩階段最小二乘法（2SLS）估計道路擁堵程度對城市霧霾污染的影響。 回歸結(jié)果表明：①以城市燃油價格作為工具變量時，道路擁堵程度每增加1%，會導(dǎo)致省會城市PM2.5、PM10分別增加6.5%和6.7%;②以國際原油價格、上一周同一個工作日擁堵程度作為工具變量，以及改用GMM方法進行估計時，基準(zhǔn)回歸的結(jié)論仍然穩(wěn)健，城市的治堵舉措與治霾舉措能夠相互協(xié)同;③進一步以省會城市新增軌道交通來實現(xiàn)治堵和治霾的例子表明，發(fā)展軌道交通來實現(xiàn)治堵與治霾的協(xié)同效應(yīng)，要以有效治堵作為前提，否則減排治霾的協(xié)同效果無法實現(xiàn)。

關(guān)鍵詞 擁堵延時;霧霾;機動車尾氣;內(nèi)生性

化解道路擁堵和城市霧霾污染兩大難題，事關(guān)城市核心競爭力的提升。有效化解這兩大難題，前提是厘清二者之間的內(nèi)在聯(lián)系。理論上，道路擁堵會增加機動車的運行時間，從而提高耗油量，加重尾氣污染。但同時，霧霾天又會降低行駛中的能見度，進而造成大面積的交通擁堵。這種相互影響、互為因果的內(nèi)在聯(lián)系，導(dǎo)致難以有效估計二者之間的內(nèi)在聯(lián)系。另外，由于缺乏系統(tǒng)的數(shù)據(jù)以及樣本選擇存在的內(nèi)生性偏誤，導(dǎo)致系統(tǒng)估計道路擁堵的污染效應(yīng)，這類研究相對較少。為此，利用高德地圖（Amap）發(fā)布的城市間的大數(shù)據(jù)，測度道路擁堵對城市霧霾的影響，從中探索治堵與治霾之間的內(nèi)在聯(lián)系。

1 文獻綜述

英國經(jīng)濟與商業(yè)研究中心（CEBR）最新的研究表明，道路擁堵每年給英國、美國和德國造成至少約2 000億美元的損失，占到了這類國家每年經(jīng)濟總量的0.8%。同時，霧霾污染造成的損失，遠遠超過了道路擁堵。WHO提供的最新數(shù)據(jù)顯示，每年大約有700萬人因接觸到污染空氣中可滲透到肺部和心血管系統(tǒng)的細(xì)微顆粒而死亡。對于中國這類發(fā)展中的新興經(jīng)濟體而言，由機動車行駛帶來的諸如道路擁擠、尾氣污染問題要嚴(yán)重得多。根據(jù)TomTom交通指數(shù)排名，擁堵程度排名前十的城市當(dāng)中，九座城市為新興經(jīng)濟體國家的城市，排名前三十的城市當(dāng)中，中國城市占到了1/3。同時機動車尾氣貢獻了中國各大城市空氣當(dāng)中74%的碳?xì)浠衔铩?3%的CO和37%的NO2以及20%以上的懸浮物顆粒[1-2]。如何有效治堵同時減排治霾，成為各城市面臨的主要挑戰(zhàn)。

理論上，道路擁堵與尾氣排放都是機動車在行駛過程中產(chǎn)生的負(fù)溢出效應(yīng)[3-4]，二者具有較強的正相關(guān)性。一系列因素，比如天氣、公共交通設(shè)施的運行情況、城市道路里程、面積和路面質(zhì)量、人口密度、城市社區(qū)布局等，既影響城市道路的擁堵情況，也影響機動車尾氣的污染程度 [5-7]。同時，道路的擁堵程度和尾氣排放之間還互為因果、相互影響。道路越是擁堵，機動車路面行駛耗時就越長，能源消耗和對應(yīng)的尾氣排放越多，給環(huán)境帶來的負(fù)外部性就越大 [8-11];反過來，霧霾天影響著能見度，進而增加事故發(fā)生率和道路的擁堵程度。因此，要揭示二者之間的關(guān)系，內(nèi)生性問題是急需解決的首要問題。

大量研究為城市道路交通造成的空氣污染尋找著證據(jù)。Thijsse等[12]揭示了在德國柏林，80%至90%的城區(qū)空氣污染物來自于道路交通。Basaric'等[13-15]揭示了空氣當(dāng)中50%的NO2來自機動車尾氣。這些研究為道路交通影響城市空氣質(zhì)量提供了直接證據(jù)。另一些研究為道路交通影響空氣污染提供間接證據(jù)[16-19]，認(rèn)為城市增加公共交通的供給水平，包括軌道交通、加開公共汽車等，都有助于替代私家車出行而降低機動車尾氣污染。另外，還有一類文獻檢驗了提高油價、提升機動車排放標(biāo)準(zhǔn)、收取擁堵稅、車輛限行等一系列行政舉措的治霾效果，也為道路交通影響空氣污染提供了間接證據(jù)[20-21]。

然而，上述文獻忽視了道路的擁堵程度所起到的作用，從而導(dǎo)致針對相同的研究主題，甚至利用同樣的樣本，卻難以得到統(tǒng)一的結(jié)論。Lalive等[22]利用德國1994—2004年的經(jīng)驗數(shù)據(jù)，發(fā)現(xiàn)軌道交通只是減少了NO、NO2的排放量，但對另兩項重要的尾氣污染物CO和O3則沒有影響。Goel&Gupta[23]利用斷點回歸，揭示了印度的德里地鐵有效減少了NO2、CO的排放量，但對其他污染物沒有影響，從而無法為道路交通導(dǎo)致空氣污染，尤其是霧霾污染提供有效的間接證據(jù)。Vickery[24]發(fā)現(xiàn)新增的交通工具以及交通基礎(chǔ)設(shè)施，在存在轉(zhuǎn)移效應(yīng)或Mohring效應(yīng)的同時，也可能產(chǎn)生新的汽車出行需求，增加城市道路交通壓力。正是由于交通創(chuàng)造效應(yīng)的存在，使得政府即便增加交通投入，以及采取行政舉措控制機動車總量，也可能起不到治霾的效果[25]。

顯然，將道路的擁堵程度納入到分析當(dāng)中，才能更加有效地解釋道路交通如何導(dǎo)致霧霾污染。已有文獻之所以未將擁堵程度納入到分析當(dāng)中，很大原因就在于難以處理擁堵與霧霾之間的內(nèi)生性以及系統(tǒng)數(shù)據(jù)的匱乏。即便如此，學(xué)者們嘗試著去尋找機動車與道路擁堵或者城市霧霾之間間接的系統(tǒng)證據(jù)。馬麗梅等分別用私人汽車擁有量/城市公路總長度來衡量城市面臨的道路交通壓力，并結(jié)合擁堵與油耗之間的關(guān)系來推斷擁堵與霧霾之間的聯(lián)系[26]。 然而，這些間接證據(jù)只反映了一段時間內(nèi)由機動車行駛數(shù)量帶來的擁堵程度與霧霾污染程度，卻無法實時反映每天、每個小時的擁堵與霧霾狀況，但實時的信息更容易影響人們的出行決策。在接下來的內(nèi)容中，利用高德地圖（Amap）提供的實時數(shù)據(jù)，選取工具變量來處理內(nèi)生性問題，從中揭示道路擁堵的霧霾污染效應(yīng)，彌補現(xiàn)有文獻的不足。

2? 模型與數(shù)據(jù)

2.1? 計量方程

為有效處理內(nèi)生性問題，以燃油價格作為工具變量，利用下列兩階段回歸（2SLS）進行分析。燃油價格分別包括汽油價格和柴油價格。選擇用燃油價格作為工具變量來解決內(nèi)生性，是基于以下兩點：①在中國，無論是汽油還是柴油，都實行政府指導(dǎo)價，先由國家發(fā)改委按噸計算并提供指導(dǎo)價格，然后省級主管部門根據(jù)國家發(fā)改委提供的噸位價格標(biāo)準(zhǔn)以及地區(qū)實際制定地方指導(dǎo)價，因此，對于機動車在行駛過程中的尾氣排放及其污染程度，燃油價格是該系統(tǒng)以外的變量，作為工具變量滿足外生性。②燃油價格直接影響人們的汽車購買決定和出行方式的選擇，進而影響城市道路的擁擠程度，在統(tǒng)一的燃油標(biāo)準(zhǔn)下，這也是燃油價格作用于霧霾污染唯一的途徑，與道路的擁堵程度高度相關(guān)。基于上述兩點，分別利用汽油價格和柴油價格作為道路擁擠程度的工具變量，來進行基準(zhǔn)回歸。當(dāng)然，該工具變量能否有效，將在下文進一步論證。所用的兩階段回歸方程如下：其中，（1）式為第一階段回歸方程，（2）式為第二階段回歸方程。第一階段回歸中的Trafficiymd表示城市i在y年m月d日道路交通的擁堵程度，oilpriceiymd為該城市的燃油價格，分別包括汽油價格（priceq）和柴油價格（pricec），在模型中先一一作為工具變量納入回歸分析當(dāng)中。另外，還取兩個價格的平均值，用來表示綜合的油品價格（price），以此作為第三個工具變量納入回歸分析當(dāng)中。Xiymd為一系列控制變量，包括當(dāng)日的氣溫、降水、風(fēng)力大小等天氣變量，城市的工業(yè)化率、城市化率、人口密度、每百萬人均地鐵通車?yán)锍獭⒚堪偃f人汽車擁有數(shù)量等城市特征變量。由于城市化、工業(yè)化、軌道交通通車?yán)锍痰茸兞坎淮嬖诿咳战y(tǒng)計數(shù)據(jù)，參照已有文獻的做法[2， 27]，選取對應(yīng)年份年初的指標(biāo)值進行衡量。另外，分別控制城市的固定效應(yīng)σi，年、季、月、一周的星期幾、以及是否為工作日的時間固定效應(yīng)μt，剩下的εit是隨機誤差項，用來表示遺漏變量產(chǎn)生的影響。α0、α1、γ為回歸系數(shù)。第二階段回歸的被解釋變量Hazeiymd是城市i當(dāng)日的霧霾程度，分別包括PM2.5濃度和PM10濃度，核心解釋變量是從第一階段獲得的擁堵程度的估計值，β0、β1、φ為待估參數(shù)，其余變量和第一階段回歸的含義一樣?；貧w當(dāng)中，分別對燃油價格、霧霾程度以及道路擁堵程度取對數(shù)形式。

2.2 樣本數(shù)據(jù)與描述性統(tǒng)計

被解釋變量Hazeiymd來自中國空氣質(zhì)量在線監(jiān)測平臺提供PM2.5和PM10的日數(shù)據(jù)，該指數(shù)越高，霧霾越嚴(yán)重。內(nèi)生變量Trafficiymd來自高德地圖（Amap）提供的各大城市每日高峰時段道路擁堵延時指數(shù)。該指數(shù)等于高峰時段的出行旅行時間/自由流旅行時間，數(shù)值越大，道路交通的擁堵程度越嚴(yán)重。選擇高峰時段（包括7～9時早高峰時段和17～19時的晚高峰時段）來衡量道路擁堵程度，是由于此時段在一天當(dāng)中的出行需求最大，該時段的擁堵狀況最能體現(xiàn)道路交通面臨的壓力和尾氣排放程度。燃油價格來自CEIC數(shù)據(jù)庫?？刂谱兞慨?dāng)中的氣象數(shù)據(jù)來自“2345天氣網(wǎng)”提供的城市天氣歷史數(shù)據(jù)，城市化率、工業(yè)化率、人口密度來自《中國城市統(tǒng)計年鑒》，每百萬人口平均軌道交通通車?yán)锍?、每百萬人口平均汽車擁有數(shù)量是根據(jù)每年各城市統(tǒng)計公報整理而來，法定假日以及是否調(diào)休等，根據(jù)國務(wù)院辦公廳每年發(fā)布的節(jié)假日安排通知整理得到?？紤]到城市之間的可比性和數(shù)據(jù)的可得性，剔除了四個直轄市以及?？?、拉薩、烏魯木齊及港澳臺的數(shù)據(jù)，以剩余的24個省會城市作為回歸分析的樣本，樣本期間從2015年10月1日至2018年9月30日。變量的統(tǒng)計性描述見表1。

3? 實證結(jié)果與分析

3.1? 基準(zhǔn)回歸結(jié)果

回歸之前是對工具變量進行有效性檢驗。首先檢驗工具變量與內(nèi)生變量之間的相關(guān)性，其次對工具變量進行過度識別檢驗，從中檢驗工具變量能否滿足排他約束。表2展示了第一階段的回歸結(jié)果，從中可以發(fā)現(xiàn)，燃油價格與道路擁堵程度之間呈現(xiàn)出顯著的負(fù)向關(guān)系。當(dāng)然，這種因果關(guān)系是否是燃油價格影響機動車尾氣污染的唯一途徑，即能否滿足排他性約束，還需進行過度識別檢驗。在對PM2.5的回歸中，SarganHansen統(tǒng)計量為12.5，P值大于10%，接受了汽油價格、柴油價格和油品價格均為外生的原假設(shè)。在對PM10的回歸當(dāng)中，SarganHansen統(tǒng)計量為4.168，P值為41.2，同樣接受了工具變量的外生性，通過過度識別檢驗。因而用燃油價格來作為工具變量，檢驗道路擁堵引發(fā)的霧霾是可行的。

將燃油價格作為工具變量納入到計量方程，得到的基準(zhǔn)回歸結(jié)果見表3。結(jié)果當(dāng)中，前3欄分別是以汽油價格、柴油價格、以及油品價格作為工具變量，對PM2.5指數(shù)的回歸結(jié)果;第4～6欄是利用相同的處理辦法對PM10的回歸結(jié)果。結(jié)果顯示，在其他因素保持不變的前提下，城市擁堵指數(shù)每增加1%會導(dǎo)致PM2.5和PM10濃度分別增加6.5%和6.7%，二者之間呈現(xiàn)出顯著的正向因果關(guān)系。當(dāng)然，基準(zhǔn)回歸的結(jié)論能否穩(wěn)健，還需要進一步檢驗。

3.2 穩(wěn)健性檢驗

3.2.1 國際原油價格作為工具變量

雖然燃油的政府指導(dǎo)價對于地方的空氣污染而言是外生的，但發(fā)改委在調(diào)整油價時可能會考慮實際的經(jīng)濟運行狀況，甚至包括全國總體的環(huán)境狀況，從而導(dǎo)致油價與霧霾之間可能存在一定的相關(guān)性。為此，選取國際原油價格來替代國內(nèi)燃油價格作為工具變量，帶入基準(zhǔn)模型當(dāng)中進行檢驗。顯然，國際原油價格相對于國內(nèi)的經(jīng)濟運行狀況以及環(huán)境污染情況而言，是嚴(yán)格外生的，理論上滿足工具變量的屬性。將國際油價帶入式（1）當(dāng)中，得到的系數(shù)符號顯著為負(fù)（-0.017），滿足與內(nèi)生變量——擁堵程度的相關(guān)性假設(shè)，同時通過SarganHansen過度識別檢驗。以國際原油價格作為工具變量的回歸結(jié)果見表4。表4第1～2欄是未控制城市特征變量的回歸結(jié)果，第3～4欄控制了城市特征變量。結(jié)果顯示估計系數(shù)顯著為正，進一步驗證了基準(zhǔn)回歸的結(jié)論。

3.2.2 以上周同一工作日的擁堵程度作為工具變量

考慮到人們出行方式的選擇還受到以往出行經(jīng)歷的影響，尤其是上周同一工作日出行經(jīng)歷的影響。為此，選取上周同一工作日的擁堵程度作為工具變量，能揭示當(dāng)日出行決定如何影響城市霧霾的污染程度。顯然，理論上上周同一工作日的擁堵程度對于本周當(dāng)日的出行決定是嚴(yán)格外生的，并且上周同一工作日的擁堵程度直接作用于當(dāng)日出行方式的選擇，從而影響當(dāng)日道路的擁堵程度，除此之外別無其它途徑影響當(dāng)日的霧霾濃度，基本符合工具變量的特征。將上周同一工作日的擁堵程度納入到第一階段回歸當(dāng)中，得到的回歸系數(shù)顯著為負(fù)（-0.230），并且通過SarganHansen過度識別檢驗，因此滿足實證檢驗當(dāng)中工具變量的特征。兩階段回歸結(jié)果見表5。

第1～2欄是不包括城市特征變量的回歸結(jié)果，第3～4欄加入了城市特征變量。結(jié)果表明，即便以上周同一個工作日的擁堵程度作為工具變量，當(dāng)日道路的擁堵程度仍然顯著影響霧霾濃度。

3.2.3 GMM分析

上文改用其他工具變量放入計量方程當(dāng)中，仍然不改變基準(zhǔn)回歸所得的推斷，當(dāng)然如果更換一種分析方法，若結(jié)論依然和基準(zhǔn)回歸保持一致，那么就有充足的理由相信道路擁堵程度與霧霾之間的因果關(guān)系。為此，利用GMM對原模型進行回歸，回歸結(jié)果見表6。從結(jié)果中可以發(fā)現(xiàn)，即便利用GMM替代2SLS進行回歸，回歸結(jié)果依然顯示道路擁堵程度顯著與霧霾濃度之間正相關(guān)，因此基準(zhǔn)回歸的結(jié)果穩(wěn)健。

4? 進一步討論：以軌道交通為例揭示城市治堵與治霾之間的關(guān)系

4.1 新增軌道交通的治堵效應(yīng)

樣本期間，各省會城市新增軌道交通44條，其中37條線路新增通車?yán)锍虜?shù)超過10km。作為城市應(yīng)對擁堵和空氣污染的難題，利用軌道交通能否有效緩解城市的擁堵，進而起到減排治污的效果？為了回答這一問題，收集整理24個省會城市樣本期間新增軌道線路的樣本，以新增當(dāng)日為斷點，前后30天作為觀察期，采用斷點分析（RD）來檢驗這一舉措的治堵減排效應(yīng)。治堵效應(yīng)和減排效應(yīng)的回歸方程分別見式（3）（4）。式中Did是代表新增軌道交通線路的虛擬變量，i城市在新線路開通運營日期之后為1，之前為0。x是執(zhí)行變量，用來表示距離軌道交通新線路開通運營當(dāng)天的天數(shù)，開通運營當(dāng)日為0，之前小于0，之后大于0，f（x）是以x為自變量的多項式函數(shù)?；貧w當(dāng)中，控制每天的天氣變量Xiymd，包括氣溫、降水、下雪、風(fēng)力大小等。

非參數(shù)斷點回歸時分別選擇了最優(yōu)帶寬、一半帶寬和二倍帶寬，回歸結(jié)果見表7第1欄。在最優(yōu)帶寬時，新增軌道交通顯著降低了道路的擁堵程度，新增一條線路使道路擁堵程度下降0.11/1.772=6.2%。當(dāng)然，新增軌道交通的治堵效應(yīng)并不長期有效，當(dāng)觀察期增加到最優(yōu)帶寬的2倍時，新增軌道交通的回歸系數(shù)雖然為負(fù)，卻不再顯著。說明隨著時間的增加，新增軌道交通缺乏長期有效的治堵效應(yīng)。

4.2 新增軌道交通的霧霾減排效應(yīng)

對回歸方程（4）的非參數(shù)斷點回歸結(jié)果見表7第2～3欄。結(jié)果顯示，在一半帶寬和最優(yōu)帶寬時，新增軌道交通顯著減少懸浮顆粒的排放。在最優(yōu)帶寬時，增加軌道線路前PM2.5的均值為58.298，PM10的均值為92.405，各種的減排效應(yīng)分別為11.68/58.298和18.91/92.405，即新增軌道交通線路使PM2.5減少20.03%，PM10減少20.46%。然而當(dāng)帶寬增加到兩倍時，這種減排效應(yīng)不再存在，說明新增軌道交通并不能長期降低霧霾水平，只是短期內(nèi)緩解了霧霾的嚴(yán)重程度。

從表7第1～3欄的分析結(jié)論能夠推斷，一旦城市新增軌道交通，能夠在短期內(nèi)替代汽車出行，從而降低了城市道路的擁堵程度，進一步減少尾氣排放，減輕PM2.5和PM10濃度，然而，這種治堵與減排效應(yīng)不可持續(xù)，不具有長期影響。這其中的原因在于新增軌道交通不僅僅能夠產(chǎn)生交通分流效應(yīng)，還會創(chuàng)造出新的道路出行需求，比如人們會利用便捷的交通搬離擁擠的市區(qū)，從而增加從市郊到市區(qū)往返的道路交通需求，進而增加城區(qū)道路的擁擠程度，降低軌道交通的減排效果[28]。因此，分析道路交通如何導(dǎo)致霧霾濃度的變化，如果回避探討對擁堵程度造成的影響，就難以得到一致結(jié)論。

5 結(jié)論與政策啟示

利用2015年10月至2018年9月24個省會城市的歷史數(shù)據(jù)，以燃油價格、國際原油價格以及上一周同一個工作日的道路擁堵程度作為工具變量來估計道路擁堵程度對霧霾污染的影響。研究發(fā)現(xiàn)，道路交通的擁堵程度顯著影響城市霧霾的嚴(yán)重程度，二者存在正向的因果關(guān)系。進一步以城市新增軌道交通為例的研究表明，新增軌道交通能否起到減排治污的效果，須改變道路交通的擁堵程度作為前提。研究認(rèn)為，任何回避擁堵程度來探討道路交通的污染效應(yīng)，以及為道路交通導(dǎo)致空氣污染尋找直接或間接證據(jù)的文獻，都必須首先考慮道路交通的相關(guān)舉措如何改變道路的擁堵程度，否則難以得到一致并且足夠信服的結(jié)論。

該項研究的政策啟示是：①政府采取各種舉措來緩解城市的尾氣排放，比如新增軌道交通、增加公共汽車的投放數(shù)量、增加道路里程或面積等等，都必須首要考慮這些舉措對道路擁堵程度會造成什么影響，否則容易帶來新的環(huán)境污染問題。②城市擴張過程中新建的基礎(chǔ)設(shè)施，要盡量起到疏散交通，降低道路擁堵程度的作用，從而才能有效地增加社會公共福利。

（編輯：李 琪）

參考文獻：

[1]李文興，尹帥.城市軌道交通成本構(gòu)成分析[J].交通運輸系統(tǒng)工程與信息， 2012（2）：9-14.

[2]梁若冰，席鵬輝.軌道交通對空氣污染的異質(zhì)性影響——基于RDID方法的經(jīng)驗研究[J].中國工業(yè)經(jīng)濟，2016（3）：83-98.

[3]OLUWANDE P A. Automobile traffic and air pollution in a developing country： an example of affluencecaused environmental problems[J]. International journal of environmental studies， 1977， 11（3）： 197-203.

[4]PARRY W H， SMALL K A. Does Britain or the United States have the right gasoline tax？[J]. American economic review， 2005， 95（4）： 1276-1289.

[5]ANDERSON P W， KANAROGLOU S P， MILLER J E. Urban form， energy and the environment： a review of issues， evidence and policy[J]. Urban studies， 1996， 33（1）： 7-36.

[6]LOHREY S， CREUTZIG F. A ‘sustainability windowof urban form[J]. Transportation research Part D： transport and environment， 2016， 45： 96-111.

[7]DURANTON G， TURNER M A. Urban form and driving： evidence from US cities[J]. Journal of urban economics， 2018， 108： 170-191.

[8]ZHANG K， BATTERMAN S. Air pollution and health risks due to vehicle traffic[J]. Science of the total environment， 2013， 450： 307-316.

[9]HITCHCOCK G， CONLAN B， KAY D， et al. Air quality and road transport： impacts and solutions[R].London：Royal Automobile Club Foundation for Motoring Ltd，2014.

[10]RAJE F， TIGHT M， POPE F D. Traffic pollution： a search for solutions for a city like Nairobi[J]. Cities， 2018， 82： 100-107.

[11]SHI K， DI B， ZHANG K， et al. Detrended crosscorrelation analysis of urban traffic congestion and NO2 concentrations in Chengdu[J]. Transportation research Part D： transport and environment， 2018， 61： 165-173.

[12]THIJSSE T R， ROEMER M G M， VAN OSS R F. Trends in largescale VOC concentrations in the Southern Netherlands between 1991 and 1997[J]. Atmospheric environment， 1999， 33（23）： 3803-3812.

[13]BASARIC V， DORIC V. Effects of traffic on NO2 and PM10 emissions in Novi Sad[J]. Polish journal of environmental studies， 2014， 23（5） ： 1837-1842.

[14]FREY H C， UNAL A， ROUPHAIL N M， et al. Onroad measurement of vehicle tailpipe emissions using a portable instrument[J]. Journal of the air & waste management association， 2003， 53（8）： 992-1002.

[15]SHON Z H， KIM K H， SONG S K. Longterm trend in NO2 and NOx levels and their emission ratio in relation to road traffic activities in East Asia[J]. Atmospheric environment， 2011， 45（18）： 3120-3131.

[16]CHEN Y， WHALLEY A. Green infrastructure： the effects of urban rail transit on air quality[J]. American economic journal： economic policy， 2012， 4（1）： 58-97.

[17]GENDORCARRIER N， GONZALEZNAVARRO M， POLLONI S， et al. Subways and urban air pollution[R]. National Bureau of Economic Research， 2018.

[18]高明，陳麗強，郭施宏.軌道交通、BRT與空氣質(zhì)量——一個城市異質(zhì)性的視角[J].中國人口·資源與環(huán)境，2018（6）：73-79.

[19]HUANG X， CAO X J， YIN J， et al. Effects of metro transit on the ownership of mobility instruments in Xian，? China[J]. Transportation research Part D： transport and environment， 2017， 52： 495-505.

[20]VOARD V B， FU S. The effect of Beijings driving restrictions on pollution and economic activity[J]. Journal of public economics， 2015， 125： 98-115.

[21]易蘭，周憶南，李朝鵬，等. 城市機動車限行政策對霧霾污染治理的成效分析[J].中國人口·資源與環(huán)境，2018，28（10）：81-87。

[22]LALIVE R， LUECHINGER S， SCHMUTZLER A. Does supporting passenger railways reduce road traffic externalities？[R]. Social Science Research Network， 2013.

[23]GOEL D， GUPTA S. The effect of metro rail on air pollution in Delhi[R]. India Environment Portal， 2014.

[24]VICKREYI W S. Congestion theory and transport investment[J]. The American economic review， 1969， 59（2）： 251-260.

[25]BEAUDOIN J， FARZIN Y H， et al. Public transit investment and sustainable transportation： a review of studies of transits impact on traffic congestion and air quality[J]. Research in transportation economics， 2015， 52： 15-22.

[26]馬麗梅，張曉.中國霧霾污染的空間效應(yīng)及其經(jīng)濟、能源結(jié)構(gòu)影響[J].中國工業(yè)經(jīng)濟，2014（4）：19-31.

[27]吳建南，文婧.環(huán)保約談管用嗎？——來自中國城市大氣污染治理的證據(jù)[J].中國軟科學(xué)，2018（11）：66-75.

[28]馮國強，李菁.城市軌道交通減排效應(yīng)評估[J].中國人口·資源與環(huán)境，2019，29（10）：143-151.