近年来环境问题一直是热点问题,随着人们生活水平的提高,居民汽车保有量逐年增加,交通相关污染带来的问题越来越突出。交通相关污染对人体的呼吸系统、认识神经系统、心脑血管系统等有非常不利的影响。因为身高较低,小学生通勤时段接触到的污染物浓度更高,尤其是步行通勤的学生。因此研究将重点放在小学周边通勤时段,以PM2.5和PM10为主要指标,结合现场测试、暴露评估、计算流体力学模拟以及BP神经网络探究其时空分布特征并进行浓度的预测。首先在通勤时间进行了不同小学的定点测试,测试在济南市的小学展开,共计测试26所,仪器放置在学生通道路边。通过校门口定点测试可以发现,通勤时段交通引起颗粒物浓度增加的主要时间段为上午7:00–7:40,下午15:40左右。错时上下学与颗粒物浓度持续增加有关。距离城市中心越近,通勤时段学校门口颗粒物浓度越高。学校周边建筑和街道布局不同、通风状况不同,导致颗粒物浓度变化有所不同。其次以山师二附中（小）学为例,展开了通勤时段不同通勤路线颗粒物浓度的测试。选择两条通勤人数较多的路线A（靠近主干道路）和路线B（远离主干道路）进行测试。测试匀速步行往返。冬季和春季两个季节,A路线PM2.5浓度和PM10浓度绝大多数高于B路线的值,平均值分别增加了1.2倍和1.1倍。通过空间分布云图可以看出,路线B的低浓度分布区域大于路线A。综合来看,路线B比路线A适合学生通勤。然后以现场测试的数据为基础,计算了不同路线颗粒物呼吸沉积剂量和2018–2020年每年的总呼吸沉积剂量,评估通勤时段不同路线颗粒物的暴露风险。结果表明,测试期间B路线的呼吸沉积剂量普遍低于A路线呼吸沉积剂量。以三年平均总呼吸沉积剂量为指标,B路线比A路线少吸入1144μg PM2.5、3117μg PM10。B路线的暴露风险更低,随着暴露时间的增加,B路线的优势更明显。以现场测试的小学为研究对象,构建了1.38 km×1.99 km的学校周边区域建筑模型,利用计算流体力学软件进行数值计算,得到不同工况下小学周边通勤时段交通相关PM2.5的分布。结果表明,北风时,路线B和路线C的PM2.5浓度差别较小,但均低于路线A。其他风向时,PM2.5浓度大小:路线B＜路线C＜路线A。当风速增大时,PM2.5的扩散速度加快。越靠近主干道路PM2.5浓度越高,降低车流量或减少车辆怠速仍然是比较有效的缓解措施。最后,借助BP神经网络进行了预测模型的构建,模型训练均方误差为0.0015。训练集和测试集预测输出值与真实输出值高度吻合。最终实现了对三条路线平均PM2.5浓度值的预测:A路线109μg/m~3,B路线99μg/m~3,C路线102μg/m~3。该结果与前述结论一致。通过较为全面的研究,丰富了交通相关颗粒物污染现状、暴露风险、以及模拟预测方向的数据库,为城市规划、交通调控、通勤路线选择等措施的提出提供了数据支撑,具有实际应用意义。同时建议设置交通相关污染监测站,完善监测网络。结合预测模型,实现交通相关污染精准把握,更好为健康出行服务。