【摘要】【目的】私家车行驶碳排放是中国居民日常出行碳排放的主要来源，现有测算方法局限于宏观层面研究，本文以车主大数据和机器学习方法为基础，旨在构建燃油私家车出行碳排放量测算方法，可为道路交通碳排放量核算提供科学依据，助力实现碳达峰、碳中和。【方法】本文以2014—2023年中国13万余燃油车主披露的多维度数据为基础，运用线性回归、决策树、神经网络等方法，提出车辆（单辆车）累积出行碳排放量、相同行驶天数车辆群的平均累积出行碳排放量计算模型及预测模型，构建车辆年均出行碳排放量计算模型。【结果】(1)在车辆累积出行碳排放量预测方面，相比仅基于车龄的预测模型，由车型、制造商、区域、城市级别、价格区间等5个类别以及车龄构建的包含25个变量的模型可将预测精度（R~2）由0.666提高到0.821，其中车龄对车辆累积出行碳排放量预测的影响程度仍然最高；(2)在相同行驶天数车辆群的平均累积出行碳排放量预测方面，基于神经网络方法的预测结果显示，全国层面的车辆平均累积出行碳排放量的预测精度达到0.915，车型、制造商、区域、城市级别、价格区间等5个类别的车辆平均累积出行碳排放量的预测精度处于0.875～0.925之间；(3)在车辆年均出行碳排放量测算方面，全国层面的车辆年均出行碳排放量为2.99 t，进口制造商、价格区间在(50, 100]万、价格高于100万等3个类别下的车辆年均出行碳排放量高于4 t,MPV、SUV车型、华南区域、超大城市级别、价格区间在(20, 30]万、价格区间在(30, 50]万等6个类别下的车辆年均出行碳排放量处于3.00～3.99 t之间，其余15个子类别划分下车辆年均出行碳排放量均低于全国层面的平均水平，处于2.15～2.99 t之间。【结论】具有车龄、车型、制造商、区域、城市级别、价格区间等多维特征的大规模车主数据以及神经网络模型有助于提高私家车使用周期碳排放量测算的科学性、全面性，不同区域的道路交通碳排放量测算应考虑上述特征差异。本文可为新能源私家车出行碳排放量测算研究提供参考。