非正式交通与健康公平：基于神经网络的拉丁美洲MTW微环境中空气污染暴露

《Journal of Transport & Health》：Informal transportation and health equity: Air pollution exposure in Latin American MTW microenvironments using neural networks

　　

摘要
暴露于细颗粒物（PM_2.5）和黑碳（BC）与不良健康效应相关，主要在中低收入国家。本文首次提供了拉丁美洲关于非正式机动三轮车（MTW）内交通相关空气污染暴露以及由此种公共交通模式引发的健康不平等问题的实证证据。本研究旨在探讨城市机动性、健康的社会决定因素与PM_2.5和BC个人暴露之间的关联。方法：在哥伦比亚索莱达市开展了一项横断面研究，该城市以快速城市扩张和人口增长为特征，且高度依赖公共巴士和非正式交通（占38.1%）。数据收集涉及21个起讫点（O-D）对，使用便携式低成本传感器和微Aethalometer（microAeth），包括GPS设备，以捕获三种交通方式（巴士、MTW和私家车）的实时浓度。通过整合污染物浓度、用户人口统计特征和特定活动吸入率来估算吸入剂量。研究人员开发了贝叶斯神经网络分类器（BNNC），用于基于路线、交通方式和出行时段对高风险暴露情景进行建模和预测。结果：平均浓度因交通方式而异，巴士和MTW报告的PM_2.5最高平均浓度分别为33.0 μg/m³和27.5 μg/m³。空间分析识别出热点区域，在高峰时段，MTW内PM_2.5和BC的峰值暴露分别达到959 μg/m³和545 μg/m³。结果显示，在所有评估的交通方式中，女性吸入的PM_2.5和BC剂量可能比男性高出68倍。贝叶斯神经网络在预测高风险暴露情景方面达到了70%的准确率。结论：这些发现强调，研究区域的大多数通勤者暴露于超过世界卫生组织（WHO）指南的浓度水平，尤其是那些使用公共和非正式交通的人群。该研究揭示了城市出行选择如何与社会因素交织，从而加剧了结构性社会经济不平等。这些结果证明了在快速发展的城市中，迫切需要更公平、更可持续的城市交通政策以及更清洁的交通策略。

**论文解读：非正式交通与健康公平——基于神经网络的拉丁美洲MTW微环境中空气污染暴露研究**

**研究背景与问题**

空气污染已成为全球第二大死亡风险因素，年导致约810万人死亡。细颗粒物（PM_2.5）和黑碳（BC）的暴露，即使在低浓度下，也与心肺疾病、脑血管疾病、慢性呼吸系统疾病及癌症等不良健康效应密切相关。在交通微环境中，个体由于靠近排放源，会经历反复的高浓度暴露峰值，其出行时间对累积暴露的贡献不成比例。现有证据表明，不同交通方式的使用者面临不平等的暴露水平，且中低收入国家（LMICs）的暴露浓度通常高于高收入国家。然而，在拉丁美洲，对广泛使用的非正式交通方式，尤其是机动三轮车（MTW）微环境中的暴露研究仍属空白。现有研究多集中于主要首都城市，且较少关注性别、用户社会经济地位对暴露的影响。因此，本研究旨在填补这一空白，首次在拉丁美洲提供关于MTW内空气污染暴露的经验证据，并量化不同社会群体在交通微环境中的暴露与吸入剂量差异，以揭示健康不平等问题。

**主要关键技术方法**

研究人员在哥伦比亚索莱达市（Soledad）开展了一项横断面研究。该城市98.5%的居民属于低收入群体，非正式交通（MTW）占本地出行的38.1%。主要技术方法包括：1）基于2022年出行调查数据，选取21个代表典型通勤模式的起讫点（O-D）对；2）使用便携式低成本传感器（Airbeam 3）和微Aethalometer（microAeth AE51）及GPS设备，在巴士、MTW和私家车三种交通方式中实时监测PM_2.5和BC浓度；3）通过整合污染物浓度、用户人口统计特征（年龄、性别）和特定活动吸入率（基于EPA暴露因子手册），估算平均每日吸入剂量（ADD）；4）应用贝叶斯神经网络分类器（BNNC），以路线、交通方式和出行时段为输入变量，预测高风险暴露情景。样本数据采集于2022年11月至2023年2月，涵盖工作日高峰、非高峰及周末时段。

**研究结果**

**3.1. 车内PM_2.5和BC浓度**
通过描述性统计和多因素方差分析（ANOVA），研究发现PM_2.5和BC的平均浓度因交通方式显著不同。巴士和MTW的PM_2.5平均浓度最高（分别为33.04 μg/m³和27.47 μg/m³），而私家车最低（15.19 μg/m³）。所有交通方式的高峰时段浓度均高于非高峰和周末。巴士和MTW的平均暴露超过世界卫生组织（WHO）PM_2.5日均指导值（15 μg/m³）的两倍以上。尽管低于亚洲和部分拉丁美洲城市的报告值，但风险依然显著。方差分析结果显示，O-D对、交通方式和时段，以及交通方式与时段的交互作用对暴露浓度均有极显著影响（p<0.0001），其中时段（高峰vs非高峰）是PM_2.5浓度的最强预测因子。

**3.2. PM_2.5和BC浓度的空间分布**
通过空间分析，研究识别出37号街为持续性的PM_2.5和BC热点区域。在高峰时段，MTW在此街道上记录到最高暴露值：PM_2.5达959 μg/m³，BC达545 μg/m³。巴士在该街道也面临类似的高暴露水平。值得注意的是，即使在非高峰和周末，MTW和巴士的高浓度空间模式依然持续，且MTW的高暴露还延伸至次干道和住宅区，这表明MTW自身的排放（自污染）可能是车内浓度的显著贡献源。相比之下，私家车使用者在高峰时段的暴露浓度显著较低，且空间分布更均匀。

**3.3. PM_2.5和BC吸入的不平等性**
通过估算平均每日吸入剂量（ADD），研究发现巴士使用者的ADD最高，其次是MTW，私家车最低。更重要的是，女性在所有交通方式中吸入的PM_2.5和BC剂量均高于男性。基于典型出行情景的建模分析显示，使用MTW的女性吸入的BC剂量是使用巴士男性的80倍，是使用私家车男性的208倍。使用巴士的女性吸入的PM_2.5剂量是同交通方式男性的68倍，是私家车男性的149倍。研究指出，这种性别差异主要由女性更高的吸入率、更长的出行时间以及更依赖非正式交通（MTW使用者中女性占65%）的出行模式驱动。

**3.4. 使用贝叶斯神经网络分类器预测车内BC暴露**
研究人员开发并验证了贝叶斯神经网络分类器（BNNC），用于预测车内BC和PM_2.5浓度是否超过观测中位数。模型以路线、交通方式和出行时段为输入变量，对BC的预测准确率达到71.66%。置换重要性分析表明，出行时段（高峰vs非高峰）是影响暴露的最重要预测因子（重要性值0.17-0.20），其次是交通方式（0.05-0.07），而路线的影响较小。该模型证明了使用基本分类变量预测高风险暴露情景的可行性。

**总结与结论**

本研究在拉丁美洲首次提供了MTW和私家车车内BC浓度的实证数据，并通过吸入剂量分析揭示了性别和社会不平等现象。研究结论指出，公共交通使用者（巴士和MTW）面临显著更高的污染物暴露，且持续超过WHO指南。暴露水平转化为吸入剂量后，揭示了深刻的环境不公正：依赖公共和非正式交通的群体，尤其是女性，承受了不成比例的健康风险。应用BNNC成功证明了使用路线、交通方式和时段等变量可可靠预测高风险暴露情景。研究强调，为实现更公平的交通系统，需要更清洁的车队、更高效安全的公共交通系统，并明确将环境正义纳入城市出行规划。研究结论翻译如下：总之，本研究做出了三项关键贡献。（i）首次在拉丁美洲记录了汽车和MTW的车内BC浓度，填补了一项关键研究空白。（ii）提供了吸入剂量中性别和社会不平等的经验证据，将暴露与结构性出行模式和用户特征联系起来。（iii）引入了一种能够预测高风险暴露情景的预测工具，为交通规划和公共卫生提供了具有实际意义的方法论创新。这些贡献共同强调了清洁车队、更安全高效的公共交通系统以及将环境正义明确纳入城市出行规划的迫切需求。