交通状况如何影响空气质量？

5月16日下午，美国宾夕法尼亚州立大学能源与环境经济学雷震副教授到所讲学，他以“Traffic Congestion and Air Pollution in Beijing: Utilizing Big Data of Taxi Trajectory”为主题，分享了基于北京出租车大数据，探讨交通状况和空气污染的关系。报告由我所所长张捷教授主持，叶德珠、何凌云、张宁、于艳妮等4位老师和四十余名研究生参加了本次讲座。

空气污染是学术界研究的热点问题，但文献更多集中在交通限制政策对空气污染的影响，直接跳过了交通状况这个重要的传导链条，抑或对交通拥堵状况量化比较粗糙，内生性问题难以解决干净。雷老师在分析交通拥堵状况对空气污染的影响过程中，首先面临着如何处理交通拥堵和空气污染之间的内生性问题，以及如何运用有效的度量方法和数据准确地估计交通拥堵状况和空气污染这两个关键的变量。

为更好地进行研究识别，雷震团队收集了北京市70000多辆出租车和13个空气污染监测点空气质量的大数据。北京市出租车的大数据细致刻画了每30秒行驶距离，研究者进而核算出北京市13个空气污染监测点1.5公里范围内的出租车1小时的平均速度，故此衡量出小范围内1小时内的交通拥挤状况，运用OLS回归方法并控制观测点和小时的固定效应后，识别出两者的因果关系。

在空气污染指标度量上，研究者使用了13个空气污染监测点检测出的CO2、PM2.5、PM10、NO2、O3作为空气污染物的度量指标。研究发现出租车平均速度越快，空气污染的几个指标都会减弱，有意思的结果显示除了PM2.5,当时的平均速度对当时的空气污染都有显著负向影响，但对PM2.5并没有显著影响，两小时之前的出租车平均速度对其有显著负向影响，实证结果与现实的逻辑和规律很好地吻合。进一步研究中，研究者考虑各种自然环境、交通基础设施等等客观因素的影响，运用多种测算方法检测了这一结果稳健性。

报告最后，雷老师对该研究课题的政策应用价值提供思考，指出量化限制车辆类型和控制车辆数的政策对空气污染影响的效果值得关注，特别是推广新能源汽车对空气污染改善的量化是重要研究方向。