随着城市化进程的不断加快,机动车保有量急剧增加,机动车尾气已成为城市空气污染的主要来源之一。城市交通道路作为机动车尾气排放的直接场所,更是空气污染的重灾区,严重威胁通勤人员和周边居民的身体健康。因此,研究交通道路空气污染物的时空分布,探索合理准确的预测方法,对于评估道路空气污染水平、制定管控策略等均有重要的理论指导意义和应用价值。本文以杭州市交通道路主要空气污染物为研究对象,借助电动汽车、无人机等移动平台搭载空气污染感知器,对城市交通道路空气污染进行水平和垂向移动监测,采集了高时空分辨率的监测数据,探究了交通道路空气污染物的微尺度时空分布规律。同时结合固定监测站数据,以空气污染物中的氮氧化物为例,提出了基于分类与回归树(Classification And Regression Tree,CART)算法的氮氧化物浓度预测模型,最后设计并开发了城市交通道路空气污染监测分析系统。本文的主要研究工作如下:(1)通过对空气污染感知器的需求分析确定了总体的设计方案,根据设计方案对主要功能模块进行了选型,并对各模块的参数进行了配置,然后对感知器的控制流程进行了相应的设计,最后完成感知器的开发与特点分析;(2)将感知器搭载在电动汽车上进行水平移动监测,获取了高时空分辨率的监测数据,结合实际道路环境对一天中不同时段的空气污染物浓度时空分布和复杂道路环境下的空气污染物时空分布进行分析研究,并利用地理信息系统(Geographic Information System,GIS)技术实现道路空气污染物浓度分布的可视化;利用无人机开展了垂向监测实验,采集道路上空100米范围内的污染物浓度数据,对道路两侧及路中央的空气污染物垂向分布进行了分析研究;(3)以空气污染物中的氮氧化物为例,分析了车流量、风向、风速等因素对氮氧化物浓度的影响,提出了基于CART回归树的氮氧化物浓度预测模型;以杭州市某区域为例,应用构建的模型进行验证,结果显示该预测模型的预测可决系数在0.92以上,优于同时建立的前馈(Back Propagation,BP)神经网络和支持向量机模型;同时对不同条件下模型的适用性进行了分析,验证了该模型在特殊活动期间仍具有较好的预测性能;(4)对城市交通道路空气污染监测分析系统进行需求分析,确定了总体的设计方案,以感知器、固定监测站和电子卡口等数据为基础,结合GPS数据缺失补全、污染物浓度预测等算法,开发了基于客户端/服务端(C/S)架构的城市交通道路空气污染监测分析系统,并详细阐述了系统的各功能模块与实现过程。