步行一直是城市公共交通中重要组成。当前日益严重的交通拥堵问题进一步加剧了城市大气环境污染,机动车排放造成的城市内部空气质量下降,使得行人承担的呼吸健康风险逐年递增。细颗粒物(PM_2.5)、黑碳（BC）和超细颗粒物（UFP）均是反映路边环境大气粒子对健康产生不同程度负面影响的指标,然而其在城市路边环境的时空分布特征在国内鲜有报道。因此,有必要关注和了解行人在目前这种污染状况下的暴露特征。本文以西安市小寨商业区典型城市步行路线为研究对象,采用多种便携式检测设备开展移动监测数据采集实验,研究两类城市道路（主干道和次干道）沿线行人PM_2.5、BC和UFP暴露浓度的时空分布特征及其与背景浓度、交通、气象和道路等因素的内在联系,采用吸入剂量模型定量化评估未成年和成年人的颗粒物暴露剂量,并提出了道路沿线颗粒物浓度变化的统计预测模型,旨在为城市路边规划、保障居民绿色出行和行人污染暴露评估提供科学依据。本文的主要研究工作如下:首先,建立了交通污染相关颗粒物的移动观测方法,客观揭示了城市道路两侧行人PM_2.5、BC和UFP暴露浓度的时空分布特征及不同年龄段个体暴露剂量特征,结果表明三种颗粒物地理位置浓度的空间分布基本一致,主干道S3显示出的平均暴露浓度最高,次干道S1和S2的暴露水平较为接近;颗粒物浓度呈现冬季显著高于夏季的分布特征,同时受交通和气象条件影响,BC和PM_2.5均具有早高峰高于晚高峰日分布特征,UFP浓度则与之相反;此外,三种颗粒物在成年人和未成年体内的吸入剂量暴露水平均表现为未成年高于成年人（除夏季UFP之外）,与性别有关的吸入剂量差异为女性高于男性。其次,建立了道路两侧颗粒物浓度与影响因素间广义可加模型发现,背景是决定PM_2.5和BC浓度变化的主要影响因素,UFP浓度变化主要受一天中时间段影响;车流量对PM_2.5和UFP浓度变化的影响趋弱,仅对夏季路边BC浓度变化的贡献非常显著;风场变量和温度对模型解释率为较低,这反映了监测期间气象参数的日均变化较小,温度和湿度对PM_2.5和BC浓度变化整体上分别呈负相关和正相关,对UFP浓度变化会受到季节的影响。最后,本文在基于全部实测样本的基础上,提出了基于BP算法的人工神经网络模型（BPNN）用于预测道路沿线颗粒物浓度短时变化,并将模型的预测数值与多元线性回归模型（MLR）和广义可加模型（GAM）进行系统地对比评估,结果表明,BPNN预测精度要优于GAM和MLR模型的表现,可以更加准确的预测城市道路沿线颗粒物的浓度变化。