随着我国经济持续快速发展,城市化进程不断扩大,全国机动车保有量持续增长,其产生的污染问题亦日益受到关注。其中机动车排放量的测算和预测是防治交通污染、提高交通环境管理水平的先行步骤。目前,城市道路布设了大量的交通检测器,但是大气污染物检测器布设相对滞后。基于海量交通流数据进行机动车排放量的测算和预测研究、挖掘海量交通流数据在机动车排放研究中的潜在应用价值,是解决交通污染问题及提高交通环境管理的一个可行途径。本文针对此问题,以武汉市路网中检测器监测数据为基础,提出了一种面向数据驱动的城市道路机动车动态排放预测方法,并基于排放预测结果评估道路机动车污染物排放的健康风险度。论文的主要工作如下:（1）海量交通数据处理及初步分析。介绍当前武汉市路网中检测器相关情况,提出异常数据清洗及填补方案,并初步分析机动车流量及车型比例的相关影响因素。结果表明路段流量与路段道路类型、车道数、相邻路段道路类型、相邻路段车道数相关性显著;小/大车型比例与道路类型、车道数、行政分区及区域象限特征中的南北分区4项特征呈现显著相关,而与区域象限特征中的东西分区特征相关性不显著,而新能源车比例与上述5项特征的相关性均显著。（2）面向数据驱动的路段交通流及车型组成预测。由于机动车排放量与流量以及车型组成（大型车、小型车、新能源车）等因素相关,动态性和移动性特征明显。因此,本文以15分钟为粒度开展数据驱动的交通预测,在满足海量数据计算能力的基础上,动态预测机动车排放量。针对交通流预测问题,根据路段有无检测器,本文提出了基于长短时记忆模型（Long Short Term Memory,LSTM）的有检测器路段短时交通流预测方法及基于空间特征影响度系数的无检测器路段短时交通流预测方法。其中有检测器路段的预测误差平均值为10%左右,无检测器路段的预测误差为22%左右,预测效果较好。而针对车型组成预测问题,本文提出一种基于反向传播（Back Propagation,BP）神经网络的车型组成预测方法,结果表明小型车无论在高峰时段或低峰时段,其预测效果均较为良好;大型车在低峰时段的预测结果较好,而在高峰时期的预测误差较大。（3）机动车排放预测及污染物排放健康风险度评价。在（2）的基础上,首先确定适用于武汉市的机动车行驶排放因子,并建立基于路段交通流参数的路段机动车排放预测模型,进行城市路网路段级别、15分钟粒度的机动车污染物排放预测。再结合污染物排放强度等提出一种机动车污染物排放健康风险度评价指标体系,采用熵权法计算各项指标权重并基于排放预测结果进行15分钟粒度的路段健康风险度评价。（4）案例分析研究。以武汉市汉口核心区域作为案例,结合（2）、（3）的方法和模型,完成了案例区域76%（3342个）路段的机动车污染物排放量预测及污染物排放健康风险度评价。结果表明大部分路段早高峰和晚高峰的通行强度基本相当,排放强度变化范围在两个相邻等级之间;有8%左右的路段其机动车一氧化碳（CO）排放强度大于凌晨排放强度的8倍,约80%的路段排放强度在5倍以内;在所有道路类型中,支路早高峰时段的总排放量最高,占所有路段排放量的35%,而快速路和主干道早高峰时段的排放量占比分别为18%和25%;小型车的碳氢化合物（HC）排放贡献率最大,高达96%,大型车的氮氧化物（NOx）排放贡献率最高,达到56%。总体上晚高峰时段机动车排放健康风险度大于早高峰时段,快速路中高风险等级路段的占比最大,次干道中较高风险等级路段占比最大;四个行政区域内江汉区的污染物排放健康风险最大,其次为硚口区,而汉阳区的排放健康风险最低。通过上述研究,能够实现城市大规模路网路段层面15分钟粒度的高时空精度机动车污染物动态排放量预测及风险评价,可为大气污染物监测器布设位置遴选、交通环境实时管控提供量化参考信息。