基于PM2.5呼吸暴露的骑行网络优化设计研究

刘冰 史帅 朱俊宇

随着空气污染暴露风险受到广泛关注，为骑行者提供低暴露路径选择的骑行网络，成为促进“健康城市”建设的重要举措。既往研究尚未探明呼吸健康视角下的主动出行路径选择机制，也缺乏微环境污染暴露与实际出行活动的整合分析，对主动出行的暴露模式及其影响因素的认识不足[1]。

本研究以PM2.5作为指标污染物，利用骑行大数据对研究范围进行PM2.5浓度实测、暴露估算和路径选择行为的分析及研究，弥补了中国骑行网络规划在空气污染暴露角度的空白，并为制定面向骑行呼吸健康的规划干预措施提供依据。

1 研究概述

1.1 研究背景

1.1.1 PM2.5对呼吸健康的影响广受关注

1984年，“健康多伦多2000”会议正式提出了“健康城市”的概念[2]，以应对工业化、交通机动化发展带来的污染加剧问题。呼吸健康是人们的基本需求之一，有研究证实空气污染现今已成为世界上最大的单一环境健康风险（the world’s largest single environmental health risk）[3]，对人类健康造成了严重威胁。吸入含高浓度污染物的空气会增加呼吸道感染的易感性[4]，加重呼吸系统疾病（如咳嗽、喘息或呼吸困难）[5]，并增加死亡风险[6-8]；而对低浓度污染物的长时间暴露①也会导致呼吸道抵抗感染的能力下降，增加罹患慢性支气管炎、肺气肿以及心血管疾病的风险[9]。PM2.5作为一种可吸入的细颗粒物，经呼吸道进入肺部深处和血液循环，对人体产生广泛的影响[10]。流行病学表明，PM2.5的短期和长期暴露都会对健康产生不利影响，可引发中风、心血管疾病、慢阻肺疾病、肺癌、急性下呼吸道感染和人体组织的炎症反应等[11-13]。近年来，PM2.5空气污染造成的健康风险日益受到人们的关注，成为公共健康的热点议题[14-15]，面向健康微气候环境的规划设计研究也愈受重视[16]。

1.1.2 倡导自行车出行要求改善骑行网络环境

自行车交通是一种绿色、环境友好的主动交通方式（active travel mode），被认为是减少小汽车使用、减轻空气污染问题的良方；同时，骑行可以增加体力锻炼，有益身心，这也成为吸引人们骑车出行的一个激励因素。当今，自行车交通在全球得到倡导。例如，在哥本哈根，骑行友好的绿色基础设施建设使自行车的出行分担率（指各种方式在出行总量中的比例）上升到28%，在通勤出行中的比例已高达41%[17]。新加坡出台了《主动交通法案2017》（Active Mobility Act2017）和《陆路交通总体规划2040》（Land Transport Master Plan 2040），倡导“走骑搭”（步行、骑行、搭乘公交）出行方式，提出结合公园连接道建设骑行廊道[18]。在中国，《“健康中国2030”规划纲要》要求“促进城市与人民健康协调发展”[19]；2021年住房和城乡建设部颁布GB/T 51439—2021《城市步行和自行车交通系统规划标准》，提出将主动交通网络与景观绿化相结合，改善骑行环境[20]。北京在全国首次提出建设“步行和自行车友好城市”的目标，并于2021年4月开始实施DB11/ 1761—2020《步行和自行车交通环境规划设计标准》[21]。骑行网络已经成为绿色基础设施的重要组成部分，是健康城市的重要载体。因此，亟待通过合理的组织、设计和利用，发挥骑行网络促进健康出行的积极作用。

1.1.3 街道微环境污染暴露与骑行健康密切相关骑行活动是一种典型的时空行为过程，其污染暴露量与骑行者在街道上受到的暴露浓度、暴露时长有密切关系。暴露浓度，是指人们暴露在微环境中的污染物浓度。由于骑行者更接近交通尾气且吸入深度高，街道微环境的空气污染对骑行者的健康危害不可低估。为此，伦敦在《市长交通战略2018》（The Mayor’s Transport Strategy 2018）中明确将“清洁的空气”列入健康街道的10项指标之中[22]。街道空气污染浓度主要受污染源强度与污染物扩散能力的影响，不同街道微环境的暴露浓度水平具有明显差异。既有研究表明，NO2浓度与机动车交通量具有强相关性[23]；PM2.5的污染来源则更多，如汽车尾气、街边餐饮、建筑工程等。根据笔者对上海四平街区的抽样调查，除了路线远近和安全，街道空气质量是骑行者路径选择时考虑的第3位因素。由于缺乏街道污染暴露水平的具体数据，骑行者往往仅能依靠感知经验进行路径判断，故而有时会做出暴露风险较大的选择。可见，开展街道微环境PM2.5暴露测度工作并提供暴露风险信息，对于引导骑行者选择健康路径、改善呼吸健康极为必要。

1.2 研究目的

目前，关于促进主动出行的研究大多专注于建成环境和出行网络结构[24]，主要从安全性、便捷性、舒适性等角度对骑行活动进行分析，鲜有把呼吸暴露②纳入骑行的影响要素，对于呼吸暴露与骑行路径选择之间关系的研究尚存在盲区。有学者对街道污染物进行了测量和模拟，发现有时更改路线可能会使每天的通勤时间增加几分钟，但可大大减少长期通勤的污染暴露，这尤其有益于经常骑车上下班的人群[25]；还有研究表明，即使在较低的PM2.5暴露浓度差异下，也会产生长期的呼吸健康影响[26]。鉴于骑行者对呼吸健康问题的普遍重视，考察街道空气污染暴露这一要素与其路径选择的关系具有现实意义。

本研究针对街道微环境中PM2.5浓度水平对骑行者选择路线的影响进行实证分析，旨在找出呼吸暴露因素以及骑行时耗、绿化景观等其他因素在路径选择中的作用机制，以形成有利于降低骑行呼吸暴露风险的规划干预方法，为优化骑行网络环境、改善骑行呼吸健康提供关键的技术支撑。

2 研究方法和研究范围

2.1 研究方法

本研究首先利用移动监测设备获取街区骑行网络PM2.5浓度分布，结合骑行轨迹大数据，计算得到不同路径的骑行暴露量；然后采用抽样调查和个体行为分析的方法，重点考察“感知暴露”（perceived exposure）与“告知暴露”（informed exposure）2种情景下骑行者的路径选择偏好以及影响因素。感知暴露能反映人们基于感知经验对实际骑行中暴露风险的重视程度；告知暴露则可进一步衡量在暴露量改变的情况下，人们为减少暴露风险而做出路径变化的意愿（图1）。

1 研究技术路线Research technical route

2.2 研究范围

以上海市四平街区为研究范围，常住人口约9.6万人，总面积266 hm2，分为西侧高校区和东侧居住区两大分区，用地功能以教育、居住、商业办公为主（图2）。范围内有1条高架快速路（最北侧的中山北二路），3条主干路（四平路、大连路和大连西路），2条次干路（控江路、江浦路），其他均为支路，其中包括3条景观环境宜人的绿道（苏家屯路、抚顺路和校园路，图3）。

2 研究范围内的用地布局Land use within the study area

3 研究范围内的骑行网络与PM2.5浓度采样点分布Cycling network and PM2.5 concentration sampling points within the study area

不同级别道路的断面形式具有显著差异。其中，主、次干路红线宽度30～50 m不等，均设有非机动车道，并采取了多种机非隔离方式（栏杆隔离、硬质隔离、绿化隔离）。支路（含绿道）宽度在15～30 m，多为机非混合方式，仅彰武路、本溪路、赤峰路设有划线的非机动车道。

通过对各路段机动车数量的统计，得到高峰时段机动车交通流量分布，发现其基本与道路等级分布一致，即快速路和主干路＞次干路＞支路，连通性较好的支路如赤峰路、彰武路、鞍山路的流量大于其他支路。基于共享单车虚拟租赁点和骑行起讫大数据，获得研究范围内的骑行起讫点（origin-destination, OD）分布图（图4），可见东、西2个分区内部的联系总体强于二者之间的联系，因此在比选路径的研究中未作跨区考虑。

4 居民骑行OD分布OD distribution of cycling travel

3 PM2.5浓度采集及数据分析

3.1 研究路段PM2.5浓度采集

本研究采用全路段覆盖的PM2.5浓度实测方法，共布设33个位于研究路段骑行道上的采样点（图3）。调查者使用深圳科尔诺公司生产的多合一气体检测仪（型号GT-1000-LT-2，量程0～999 μg/m³，精度0.1 μg/m³），骑车到达指定采样点处，将仪器采样口指向骑行方向，手持至距地面1.2 m处（骑行呼吸高度），大约经过30 s左右，待仪器数值稳定后再记录污染物浓度数值。实验日选在2019年秋季，上海市风环境相近、空气质量良好的日期（表1），采集时段为早、晚高峰。

表1 实验日天气情况Tab. 1 Weather conditions for experiments

3.2 数据分析

3.2.1 研究路段PM2.5浓度可视化分析

经数据分析发现，尽管不同日期以及早高峰、晚高峰的PM2.5浓度分布有一定差异，但其共性也很明显（图5）。以四平路为界，西侧高校区的PM2.5浓度总体上低于东侧居住区。其中，控江路、江浦路、鞍山路、本溪路几乎始终维持较高PM2.5浓度；校园路的PM2.5浓度最低，四平路、大连路总体的PM2.5浓度较低，偶有升高的情况。大连西路则多数情况下浓度较高，有时浓度较低。街区内部的苏家屯路、抚顺路2条绿道，PM2.5浓度并不低，取各次实测数据的算数平均值作为各路段的平均PM2.5浓度，发现其在20～40 µg/m3之间波动。

5 各次实验的PM2.5浓度分布状况PM2.5 concentration distribution for each experiment

3.2.2 骑行路段的呼吸暴露量估计

本研究使用吸入剂量作为量化路段PM2.5暴露水平的指标。暴露水平指暴露量的大小，吸入剂量是骑行中所经过路段的微环境污染物浓度、暴露时长以及骑行呼吸速率的函数。根据调查得到的PM2.5浓度分布结果，可估算出骑车者经过路段k的暴露量（µg），将轨迹经过的各路段暴露量相加可得到个体基于出行轨迹的PM2.5暴露量，计算式为：

式中：Eij是从节点i骑行至节点j的污染物的吸入剂量（µg）；k为节点i至节点j之间的某个路段；C为某路段污染物平均浓度（µg/m3）；T是经过某路段所用时间（min），可由路段长度与骑行速度获得，本研究中骑行速度选取骑行者多次骑行实验的平均值，约为8 km/h；I是骑行者在某路段的呼吸速率（m3/min），参考已有研究数据取0.036 m3/min[24]。

根据共享单车骑行轨迹大数据，识别出各路段高峰时段（07：30—09：00和17：30—19：00）自行车的骑行流量：除了校园路和校区周边的彰武路、赤峰路外，总体上干路骑行量要大于支路。再根据式（1），计算得到各路段的PM2.5累积暴露量。而各路段单位长度的PM2.5累积暴露量可以综合反映PM2.5浓度和骑行流量叠合后的暴露情况（图6）。

6 各路段的PM2.5平均浓度与单位长度累积暴露量Average PM2.5 concentration and cumulative exposure per unit length in road sections

在此基础上，进一步分析街道PM2.5浓度高低与骑行流量大小之间的关系，可以发现四平街区有3种代表类型：1）高暴露-高骑行量街道，包括控江路东段、江浦路南段，这些街道需改善骑行的空气环境或者减少骑行量；2）低暴露-高骑行量街道，主要包括校园路、四平路、赤峰路、大连路，体现了PM2.5暴露风险较低的骑行网络特征；3）高暴露-低骑行的街道，其中包括居住街区内部的苏家屯路、抚顺路2条绿道，其PM2.5浓度水平相对较高，对于这类街道，即使今后吸引更多的骑行者，也不利于充分发挥其作为社区绿道的健康促进作用。

4 基于呼吸暴露的骑行路径选择分析

4.1 基于呼吸暴露的路径选择结果

以熟悉研究范围内骑行环境的居民为受访者，采取问卷星网上调查方式和叙述性偏好（stated preference, SP）为主的研究方法。首先设定10组比选路径用于骑行者个体偏好分析：将起讫点相同的2条对照路径作为一组，它们能体现PM2.5暴露水平、骑行时耗、安全隔离设施、是否经过绿道等特征变量属性。以呼吸暴露感知差异较为显著的街道作为设定路径中的主要路段，如校园路、四平路、苏家屯路等，再结合共享单车OD分布最终确定10组典型骑行路径（图7、8）。由受访者根据个人感知的PM2.5暴露量对各组路径进行选择（即感知暴露），获得有效问卷372份；然后受访者根据被告知的PM2.5暴露量对同组路径再次做选择（即告知暴露），以此考察个体在知情后的选择行为变化，相应有效问卷为200份③。PM2.5本身虽无色无味，但会通过气溶胶消光特性影响能见度[27]，比如空气轻度污染时，PM2.5在24 h平均值会达到75～115 μg/m³，从而形成灰霾。灰霾在空气质量不良时多发，人们可大致感知空气清新或污浊的程度。为使受访者能够更直观地理解不同PM2.5暴露浓度的影响差异，将计算出的各条路径PM2.5暴露量转化为上海市在严重灰霾天气情况下的等效暴露时间。

7-1 组1：基于感知暴露情景的骑行比选路径及其属性信息Group 1: Alternative cycling routes and attribute information under perceived exposure scenario7-2 组1：基于告知暴露情景的骑行比选路径及其属性信息Group 1: Alternative cycling routes and attribute information under informed exposure scenario

8 组2～组10骑行比选路径及其属性信息Alternative cycling routes and attribute information of group 2 to group 10

总体上，对于呼吸暴露风险的感知有利于公众采取有效措施来减少污染暴露。本研究中，用受访者对骑行路径空气质量评价的标准差反映他们对不同路径呼吸暴露认知的差异性（表2）。研究发现：对于经过校园路（如组3的路线A）、抚顺路（如组10的路线A）等景观绿道的路径，人们感知差异较小，普遍认为空气较清新；而对于经过四平路（组7的路线A）、阜新路（如组8的路线B）等路径的感知评价差异较大，认为空气较清新和较污浊的大抵持平。

表2 感知暴露和告知暴露情景的路径选择结果Tab. 2 Route choice results of perceived and informed exposure scenarios

表4 告知暴露情景的选择模型拟合结果Tab. 4 Parameter estimates of the MNL model under informed exposure scenario

首先分析感知暴露情景下的选择结果。从路径选择结果来看，45%的受访者对所选路径的感知评价要优于对照组，20%的受访者认为2条路径感知评价相当，说明大多数人倾向于不选择感知暴露较高的路径。从路径长度来看，选择短路径的比例为58%，比选择长路径的高出16%，说明省时是骑行路径选择的主要因素；而那些长路径占优的路线中，比如第5组，线路A虽比线路B长，但受访者认为其空气质量好于B，因而选择比例也较高，说明有些人愿意增加骑行距离来换取更低的PM2.5暴露量。

接着比较告知暴露情景下的选择结果，发现骑行者在得知PM2.5暴露量后，选择短路径的比例减少了9%；与此同时，骑行者选择低暴露路径的比例由45%增加到了61%。以上结果表明，居民自身感知的呼吸暴露风险对骑行路径的选择有重要影响，告知暴露则会进一步加强其对选择决策的影响，此时，人们对低时耗的要求有所降低，而对低暴露的要求更加重视。

4.2 路径选择的影响机制分析

采用多项Logit模型，分别构建基于感知暴露及告知暴露的路径选择模型，以量化呼吸暴露因素在个体路径选择行为中的作用。路径的效用公式如下：

式中：Uij为骑行者从路径ij所能获得的总效用，β1、β2、β3、β4分别表示污染物暴露量E（exposure）、骑行时耗T（time）、绿化景观G（greenway）、机非隔离类型D（division）等影响变量的拟合参数，在假定正态分布条件下，可求出参数的标准差和平均值。对于各变量的数值，在2种情景下，Eij分别采用路径ij的暴露感知评价值和基于PM2.5实测浓度的暴露量计算值；Tij为路径ij骑行所用时间的计算值；Gij中1为绿道，0为非绿道；Dij中1为机非隔离，0为机非混行。根据随机效用理论，骑行者会选择对其效用最大的路径。

使用Nlogit 4软件对数据进行分析，得到感知暴露与告知暴露2种情景下的多项Logit（MNL）选择模型参数（表3、4）。

表3 感知暴露情景的选择模型拟合结果Tab. 3 Parameter estimates of the MNL model under perceived exposure scenario

在感知暴露模型中，除机非隔离类型变量外，其他变量均具有统计显著性。其中，空气质量等级分值与选择结果负相关（空气质量越好，空气质量等级评分越低，选择比例越高），表明骑行者倾向于选择空气清洁的路线；骑行时耗的影响也非常显著，反映出骑行者对较短路径的偏好。然而，表征路径绿化景观类型的“绿道”的系数为负，且仅在10%水平上显著，显示骑行者对绿道的选择并无特别偏好，这与认为“绿道更具骑行吸引力”的观点不符。究其原因，校园路等3条绿道均位于校区和居住街区的最内部，绕行距离较远，因而会影响骑行者的选择意愿，这与他们偏好短路径的结果相一致。

在告知暴露模型中，机非隔离类型变量对骑行路径选择的影响仍不显著，说明骑行在机非混行的支路和机非隔离的干路上均较为安全，对有无隔离的路径选择偏好差别不大；其他变量对骑行路径的选择均有显著影响，但其影响程度有所变化。其中，PM2.5暴露量越少，被选择的可能性越高，这与感知暴露模型一致；骑行时耗则反之，受访者没有表现出对组内较短路径的选择偏好，可能的解释是他们非常看重PM2.5告知暴露量的影响，宁愿耗费更长的骑行时间去换取更低的暴露风险。“绿道”变量与路径选择之间的负相关关系更为显著，除了绿道居于街区内部会增加绕行距离外，还与抚顺路、苏家屯路等绿道的PM2.5暴露水平并不低有关。可见，在得知绿道不“绿”的风险后，绿道对骑行者的吸引力有所下降。

5 基于呼吸健康的骑行网络优化策略建议

本研究以实证方法，证明了PM2.5暴露量与骑行路径选择之间存在密切关系。骑行者十分注重骑行微环境的呼吸健康影响，无论在感知暴露或告知暴露情景下，都倾向于选择低呼吸暴露的骑行路径。研究还揭示了PM2.5暴露量与骑行时耗、绿化景观、机非隔离类型等变量对路径选择行为的作用机制，发现在街区日常骑行尺度下，PM2.5暴露量与骑行距离存在一定的权衡关系。当感知空气质量较好或相差不大时，骑行者倾向于选择较短的路径；当被告知暴露风险时，他们愿意选择时耗略长而PM2.5暴露量低的路径。

基于上述研究发现，为了创造有利于呼吸健康的骑行环境，对骑行网络进行呼吸暴露的规划干预十分必要。在健康骑行路径的规划设计中，应充分重视骑行者对路径选择的需求偏好，构建出行便捷、空气清新、绿化宜人的呼吸健康型骑行路径。针对当前骑行网络对呼吸健康因素考虑不足的问题，提出4方面优化建议。

1）街区排放管控：降低主要骑行路径的PM2.5暴露浓度。线路顺直、PM2.5暴露量较低的骑行路径，会显著提高骑行者的选择意愿。但在实际骑行网络中，低时耗路径、低暴露路径存在空间错配，健康而省时的骑行路径在网络中明显缺失，致使骑行者常根据个人感知误选了暴露较高的路径。尽管有些高暴露路径对于单人次出行的风险增加不多，但骑行者长期累积的PM2.5吸入量不容忽视。因此，为了改善多数骑行者的呼吸健康，应切实降低主要骑行路径的PM2.5浓度，一方面在规划时应加强污染物扩散的模拟仿真，将骑行主要线路布设在空气流通且质量好的街道上；另一方面，对于现状PM2.5暴露较高的骑行路段，如商业活动集中的控江路、阜新路、彰武路等，要针对性地通过增加机非绿化隔离、适当分流过境车辆、加强街谷通风等措施加以改善。

2）骑行路径优化：合理控制低PM2.5暴露路径的绕行距离。人们愿意适当增加绕行来选择呼吸健康的骑行路径，尤其是当替代路线避开了高污染浓度的路段而显著降低PM2.5暴露量的时候。但如果绕行距离过长，就会减弱骑行者选择低暴露路线的积极性，因此需要合理控制绕行距离，根据日常通勤、生活目的的流向特征规划骑行网络，使有利于呼吸健康的路线不宜过于偏远。在本研究中，校园路位于建筑密度低又“无车”穿行的校区内，其空气质量明显优于外围道路。第2组的高时耗路线绕行校园路，时间增加了3 min，PM2.5吸入量减少却高达25%，这足以看出开放空气质量好的“大街区”为骑行者带来的潜在健康好处。若能在空气优质的地区加密骑行网络，进一步减少绕行距离和时间，则可更大程度上促进骑行者的呼吸健康。

3）绿道布局重构：提升绿道的空气质量和健康促进作用。绿道是骑行安全、环境安宁、景观优美的线性开放空间，居民普遍认为绿道空气清新，对绿道的呼吸健康作用有较强的认同感。构建以绿道为骨架的健康骑行网络，将有利于提高整体骑行环境品质，带动更多居民选择绿色出行。然而，像校园路这样的低暴露绿道极少，居住街区内部绿道的实测PM2.5浓度有时甚至高于外围干路，绿道在骑行路径选择中的吸引力被大打折扣。因此，要提高绿道的利用率并发挥它们对骑行健康的促进作用，除了环境景观美化、减少绕行、增加沿线活动吸引点外，降低绿道的PM2.5浓度十分关键。由于绿道上的机动车流量小，沿线污染源不多，其较高暴露的原因可能在于空气污染扩散不利，需要根据风环境分析对绿道布局、街谷设计等进行规划干预，解决绿道不够“健康”的问题。

4）健康导向设计：加强街区整体的呼吸健康导向设计。调查发现，以四平路为界的东侧居住街区与西侧校园区整体PM2.5浓度水平相差较大。居住街区采用了舒适宜人的“窄街密路”网络，旨在鼓励居民使用支路骑行，但“外低内高”的PM2.5浓度分布不利于街区内骑行者和其他活动人群的呼吸健康，这一问题显然无法通过单条路径的微环境治理来解决。对比“无车校园”，居住街区具有外围过境交通量大、内部小汽车使用量多、建筑密度较高、街谷形态封闭的特点，这些都易造成PM2.5内部积聚。因此，需要整体考虑街区尺度的污染暴露减量措施，形成面向骑行呼吸健康的“小街区”模式（图9）。首先，应重视高密度街区的PM2.5源头管理，完善“公交+慢行”系统、减少小汽车的使用；其次，将主要骑行路径与风廊相结合，促进空气流通和污染物扩散，充分利用公园等开放空间引入新鲜空气；最后，控制风廊沿线的建筑密度、高度和后退距离，避免在骑行主路径上形成空气涡流和PM2.5污染聚集。目前，空气污染扩散模拟技术日趋成熟，可为骑行网络优化方案提供比选依据，进而找出有效提升骑行呼吸健康的规划干预策略。

9 面向骑行呼吸健康的“小街区”模式示意Diagram of small-block-pattern for cycling respiratory health

6 结论与启示

本研究利用骑行大数据开展了四平街区的PM2.5浓度实测、暴露估算和路径选择行为分析，得到2个主要发现：一是考察了街区内PM2.5骑行暴露模式的地域分异特征，结果表明骑行路径的合理组织能够减少骑行暴露量；二是揭示了骑行者在感知暴露和告知暴露情景下，PM2.5暴露量以及骑行时耗、绿化景观、机非隔离类型等因素对路径选择的偏好影响作用。这一研究面向骑行呼吸健康，可为中国骑行网络规划提供新的依据。

1）在居住街区内部支路上，骑行者可能面临着较大的PM2.5呼吸暴露风险。而减少街区的机动车尾气排放量，是形成低暴露空气环境的一大关键。为了改善骑行网络的呼吸健康环境，应尽量开放空气质量好的开敞空间（大型绿地、公园等）内部路径，使骑行者获得更多的健康收益；同时，借鉴“无车校园”的经验，对窄街密路式的“小街区”模式进行改良，通过设置机非分离、街谷开敞、串联活动中心的骑行绿道，并实施小汽车需求管理，以扩大地面无车的骑行区范围，促进骑行者的呼吸健康。

2）通过研究模型验证了骑行者对低暴露、短时耗均有显著偏好。在骑行网络中，除了部分低时耗-低暴露的路径，多数情况需要骑行者在低时耗、低暴露的不同路径之间做出权衡。模型结果表明，感知暴露、告知暴露情景下路径选择会发生变化，即骑行者在被告知PM2.5暴露量后对低暴露路径的选择意愿进一步提高。这说明骑行者对PM2.5潜在的健康风险十分重视，愿意为了减少暴露而选择骑行时间更长的路线，该结论与国际研究一致[28-29]。由于绕行的低污染浓度路径的总暴露量可能并不占优势，加之骑行者只愿意接受有限的额外距离来避开高暴露路线[30]，低暴露的路径不宜过于偏离骑行主要流向。

3）意愿调查显示，居民选择骑车的主要原因除方便灵活（82.5%）、快捷省时（70.2%）外，对锻炼身体（48.1%）的认可度也较高。但路径选择模型的分析结果显示，骑行者对于适合休闲健身的绿道的选择偏好并不显著，这主要与居住街区内绿道的PM2.5暴露浓度不低，且与工作地、学校等主要目的地绕行较远有关。如果把绿道设在短路径、低暴露叠合的路线上，在街区内形成连续、便捷的绿道网络，将会为健康骑行提供更好的空间载体，有望成为骑行网络的骨架。

4）本研究还发现了告知暴露的积极意义，它使骑行者能够主动采取降低呼吸暴露风险的措施。尤其从长期来看，大量骑行者为健康而选择低PM2.5暴露路径，其效果也是值得肯定的。今后应加强对街区骑行网络PM2.5等空气污染物浓度的实时动态监测，以便为敏感人群提供出行路线指引。对于骑行量大的高暴露路段，除了采取促进污染物扩散或加强隔离的切实方法外，还应指导骑行者加强个人防护，以降低骑行活动中的PM2.5暴露风险。

综上，为了鼓励更加健康的骑行活动，必须构建有利于呼吸健康的骑行网络，这需要采取“街区排放管控+骑行路径优化+绿道布局重构+健康导向设计”相结合的规划干预措施。在骑行网络规划时，应加强污染物扩散模拟和呼吸暴露风险评估，使安全、便捷、舒适的骑行网络充分发挥促进健康的积极作用。

致谢(Acknowledgments)：

感谢摩拜科技有限公司提供数据支持。

注释(Notes)：

① 根据世界卫生组织（WHO）推荐的定义，暴露是指人体与一种或一种以上的物理、化学或生物因素在时间和空间上的接触。

② 呼吸暴露，是指呼吸系统暴露在污染环境中的污染物吸入情况。

③ 问卷调查采取问卷星网上调查方式，于2020年2—3月在四平街区社区群发放。在“告知暴露”情景下，将受访者分为2组，分别针对PM2.5和NO2暴露影响进行调查，故PM2.5样本量少于“感知暴露”情景下的调查样本量。

[9] TSAI D-H, WANG J-L, CHUANG K-J, et al. Traffic-Related Air Pollution and Cardiovascular Mortality in Central Taiwan[J]. Science of the Total Environment, 2010, 408(8):1818-1823.

[10] 郭新彪，魏红英. 大气PM2.5对健康影响的研究进展[J].科学通报，2013，58（13）：1171-1177.

[11] HOEK G, KRISHNAN R M, BEELEN R, et al. Long-Term Air Pollution Exposure and Cardio-Respiratory Mortality: A Review[J]. Environmental Health, 2013, 12(1): 43.

[12] 钱吉琛，裴颖皓，曹玙，等. PM2.5暴露对心血管疾病影响的研究进展[J]. 医学综述，2019，25（19）：3880-3884.

[13] SAFARIS A, DAHER N, SHAFER MM, et al. Global Perspective on the Oxidative Potential of Airborne Particulate Matter: A Synthesis of Research Findings[J]. Environmental Science ＆ Technology, 2014, 48(13): 7576-7583.

[14] 张亮林，潘竟虎. 中国PM2.5人口暴露风险时空格局[J].中国环境科学，2020，40（1）： 1-12.

[15] 申俊，成金华. PM2.5污染对公共健康和社会经济的影响[M]. 武汉：中国地质大学出版社，2019.

[16] 李月雯，杨满场，彭翀，等.面向健康微气候环境的城市设计导则优化策略[J].南方建筑，2020（4）：28-33.

[17] The City of Copenhagen, Technical and Environmental Administration. The Bicycle Account 2018: Copenhagen City of Cyclists[R]. Copenhagen: The City of Copenhagen,Technical and Environmental Administration, 2019.

[18] Land Transport Authority. Land Transport Master Plan 2019[R]. Singapore: Land Transport Authority, 2019.

[19] 中共中央国务院.“健康中国2030”规划纲要[EB/OL].（2016-10-25）[2021-07-08]. http://www.gov.cn/zhengce/2016-10/25/content_5124174.htm.

[20] 中华人民共和国住房和城乡建设部. 城市步行和自行车交通系统规划标准：GB/T 51439—2021[S]. 北京：中国建筑工业出版社，2021.

[21] 北京市规划和自然资源委员会，北京市市场监督管理局. 步行和自行车交通环境规划设计标准：DB11/ 1761—2020[EB/OL]. [2021-07-08]. http://www.beijing.gov.cn/zhengce/zhengcefagui/202103/W020210329539337476614.pdf.

[22] SADIQ K. The Mayor’s Transport Strategy 2018[R].London: Greater London Authority, 2018.

[23] HOCHADEL M, HEINRICH J, GEHRING U, et al.Predicting Long-Term Average Concentrations of Traffic-Related Air Pollutants Using GIS-Based Information[J].Atmospheric Environment, 2006, 40(3): 542-553.

[24] MACKETT R L, BROW B. Transport, Physical Activity and Health: Present Knowledge and the Way Ahead[R].London: The Department for Transport, 2011.

[25] DIRKS K N, SHARMA P, SALMOND J A, et al. Personal Exposure to Air Pollution for Various Modes of Transport in Auckland, New Zealand[J]. Open Atmospheric Science Journal, 2012, 6 (S1): 84-92.

[26] World Health Organization. Air Quality Guidelines for Particulate Matter, Ozone, Nitrogen Dioxide and Sulfur Dioxide: Global Update 2005: Summary of Risk Assessment[R]. Geneva: WHO, 2005.

[27] MIKUŠKA P, KŘŮMAL K, VEČEŘA Z. Characterization of Organic Compounds in the PM2.5Aerosols in Winter in an Industrial Urban Area[J]. Atmospheric Environment, 2015,105(4): 97-108.

[28] HATZOPOULOU M, WEICHENTHAL S, BARREAU G,et al. A Web-Based Route Planning Tool to Reduce Cyclists’Exposures to Traffic Pollution: A Case Study in Montreal,Canada[J]. Environmental Research, 2013, 123: 58-61.

[29] ANOWAR S, ELURU N, HATZOPOULOU M. Quantifying the Value of a Clean Ride: How Far Would You Bicycle to Avoid Exposure to Traffic-Related Air Pollution?[J].Transportation Research Part A: Policy and Practice, 2017,105: 66-78.

[30] BIGAZZI A Y, BROACH J, DILL J. Bicycle Route Preference and Pollution Inhalation Dose: Comparing Exposure and Distance Trade-Offs[J]. Journal of Transport and Health, 2016, 3(1): 107-113.

图表来源(Sources of Figures and Tables)：

文中图表均为作者绘制。