慢行交通可以增加出行者的身体活动,但也会增加出行者空气污染以及交通事故的暴露量。对慢行交通政策以及项目进行健康影响评价有助于帮助决策者在决策中增加慢行交通项目健康收益,减少健康负面影响。而公平性分析作为世界健康组织规定的健康影响评价的必要组成部分也对减少决策带来的不公平性有着重要的作用。现阶段国外慢行交通健康影响评价研究方法趋于固定,从2011至2017年之间没有实质性的改变,而现有研究也存在着评价对象无法具体、评价中假设不基于现状、评价方法难以接受新的变量、评价方法适应性差等问题。而国内对于交通系统,尤其是慢行交通对于健康影响的研究基本处于空白。基于上述问题,本文着眼于具体慢行交通设施对公共健康的影响,慢行交通设施附近人口密度、土地利用综合程度以及设施密度、与机动车隔离形式以及交叉口设计都从慢行交通带来的运动量增加、空气污染以及交通事故这三个方面间接地影响了健康。由于目前对慢行交通设施的属性与健康影响的定量关系缺乏了解,因此运用机器学习的思想建立了基于BP神经网络的健康影响评价模型,通过输入训练样本输出待评价项目对慢行交通出行量、机动交通出行量、各类事故、全因死亡率以及伤残生命调整年(DALYs)的影响结果。由于公平性分析是健康影响评价的必要组成部分,在对公平性定义与意义的分析基础上,本文介绍了主要的公平性指数。收集包括人口统计、社会经济、交通事故、交通量在内的多种数据对交通利兹布拉德福德自行车快速路进行健康影响评价。结果显示当自行车快速路发挥最大效益时(以10年为参考年限),每千人全因死亡减少了9.46人,每千人DALYs减少12.53年,其中收益主要来自于慢行交通带来的运动量增加。而该项目的建设有助于减少慢行交通所带来的健康不公平性。