挑战
作者：Daniela Azumendi Gongora、Juan Jose Dıaz Baquero、Juan Felipe Franco 和 Ivan Mura（安第斯大学）
在 2018 年冬季模拟大会上发表
在污染严重的城市环境中骑车的人可能会暴露在不健康的环境中。因此，自行车道的设计过程应考虑到骑车人暴露在空气污染物中的情况。在污染严重的波哥大，骑自行车是一种常见的通勤方式。Quinto Centenario 是一条 25 公里长的自行车道，将在未来几年内建成。本研究旨在估算 Quinto Centenario 用户接触颗粒物的情况。我们模拟了自行车沿规划路线行驶的情况，并利用监测网络收集的空气质量数据估算了自行车使用者将接触到的污染浓度。自行车道的交通流量估算来自城市官方调查，我们对其进行了分析，以确定自行车出行的起点/终点矩阵和出行持续时间分布。模拟输出由电子表格捕获，该电子表格可计算自行车道沿线任何路径的自行车暴露量。
引言
哥伦比亚首都波哥大是拉丁美洲拥有最大自行车基础设施的城市，2017 年的自行车道超过 476 公里。波哥大市政府提出的 2016 年至 2019 年发展计划包括新建 120 公里的自行车道（波哥大市 2016 年发展计划），目标是将使用自行车出行的比例翻一番，从目前的 5%提高到 10%。
Quinto Centenario 自行车道（QC）是发展计划中提出的最长的自行车道。该项目计划于 2038 年波哥大建城 500 周年时全面投入使用，将成为城市可持续交通愿景的缩影（C40 城市，2016 年）。QC 将从北向南穿越城市，全长约 25 公里（C40 城市 2016），根据市政府最终选择的路线，最多将影响 10 个城市区域。它将逐步开始运行，预计在 2018 年至 2030 年期间，3 年累计减少温室气体排放 67565 mtCO2e，同时还将改善沿线的空气质量。其建设具有战略意义，可促进自行车的通勤使用，并将低收入、中等收入和高收入社区的市民与他们的工作、学校和其他活动连接起来（C40 城市，2016 年）。
QC 预计将在首都最繁忙的街道附近运行。由于 2015 年波哥大车队使用环保燃料的比例约为 5.0%（´ Secretar´ıa de Movilidad Alcald´ıa Mayor de Bogota TPD Ingenier ´ ´ıa 2016），使用 QC 的骑车人很可能会接触到高浓度的颗粒物（PM）和其他污染物，该市的其他几条自行车道也是如此（Franco 等人，2016 年）。文献中的多项研究得出结论，空气与内燃机排放物的混合不利于健康，大剂量的 PM 与多种疾病相关（Hoek 等人，2002 年）。暴露于空气污染对健康的不利影响并不完全归因于不同的化合物或可吸入颗粒物组分（Int Panis 等人，2010 年）。不过，PM2.5（即半径小于 2.5 微米）范围内的颗粒对健康造成的损害（Pope 等人，2002 年）要大于可吸入颗粒物的其他部分。
在质量控制中心骑自行车的人会长期暴露在污染物的排放中。在进行体力活动时，呼吸频率会从每分钟约 15 次增加到 40-60 次（ELF，2017 年）。这既导致更多的可吸入颗粒物进入人体，也导致可吸入颗粒物更深地渗入呼吸系统（Hoek 等人，2002 年）。可吸入颗粒物在肺部的沉积增加了遭受污染负面影响的风险（Int Panis 等人，2010 年），其中包括心血管疾病、急性呼吸道疾病、肺炎和肺癌（世卫组织，2017 年）。因此，在评估交通模式（更具体地说是骑行政策）的健康风险时，还应该将估计暴露量的指标，例如换气率（换气率的定义是人每分钟吸入肺部的气体量）与污染物浓度一并考虑（Int Panis 等人，2010 年）。
本研究的目的是确定使用质量控制路线的骑车者暴露于 PM2.5 的程度。这些信息将对潜在的质量控制中心使用者有所帮助，提示他们是否以及何时适合使用防护手段（如口罩）。此外，它还能为质量控制中心设计团队提供规划自行车道沿线的可吸入颗粒物暴露预测，指出哪些路段对健康的风险最高，从而提出改进方案。
为了估算暴露量，我们将质量控制中心用户移动模拟与波哥大监测站网络收集的官方空气质量数据相结合。我们开发了一个用户友好界面，将模拟模型的输出与空气质量数据联系起来，以估算暴露量。
本文件的其余部分安排如下。在第 2 节中，我们介绍了总体方法和用于评估暴露的主要数据源。然后，在第 3 节中，我们介绍了为预测自行车道上骑车人的逗留时间而建立的模拟模型，并详细介绍了参数化过程。在第 4 节中，我们提出了一种与国际机构建议相匹配的风险评估方法，并在第 5 节中介绍了我们模型的结果。第 6 节为结论。
解决方案
方法论
预测自行车骑行者在自行车道上的暴露情况需要结合两种不同类型的信息，即骑行者在她所使用的自行车道的每个路段上花费的时间，以及她将暴露于的 PM2.5 浓度。在将这两种信息结合起来时，还必须考虑到自行车道使用者的具体情况，如性别和年龄，这些都会影响基线呼吸频率。
为了确定骑车人在自行车道上花费的时间，我们采用 Banks 2000 的方法建立了一个模拟模型来再现他们的运动。我们对规划的 QC 道路进行地理参考，并将其划分为与自行车道非常接近的直线路段。模拟模型的参数来自波哥大区交通局（SDM）的官方数据。SDM对波哥大的自行车使用情况进行了随机调查（Encuesta de Movilidad，EM，以下简称EM），覆盖了研究范围内94%以上的区域（Secretar´ıa de Movilidad Alcald´ıa Mayor de Bogota´ TPD Ingenier´ıa 2016）。通过 EM，我们确定了 QC 用户的到达过程、方向、行驶距离和速度，并据此生成了沿模拟自行车道移动的实体特征。模拟模型的输出结果可以预测用户在质量控制中心各路段所花费的平均时间。为了验证模型，我们将质量控制中心的预期模拟停留时间与当前自行车道网络中骑车人实际花费的平均时间进行了比较。
为了估算质量控制路段沿线的空气质量，我们使用了波哥大区环境部长提供的官方数据。自 1998 年以来，环境部长一直在运行一个由 13 个固定站点组成的监测网络，每小时报告气象条件和空气污染物（包括 PM2.5）浓度的数据。通过使用先前研究（Rojas，2017 年）中开发的克里金模拟模型（Kleijnen，2009 年），对监测站收集的数据进行插值，以获得波哥大任何一点的浓度值。我们假设室外空气质量在 ´ QC 建成之前不会发生任何重大变化。
通过模拟输出和 PM2.5 浓度，我们可以估算出自行车道使用者的暴露量，为此我们采用了美国环境保护局（EPA）提供的日平均剂量定义（美国环境保护局，1992 年）。
模拟模型
模拟模型是公认的支持交通系统有效规划的有效工具（Ziemke 等人，2017 年）。在本节中，我们将全面介绍我们建立的仿真模型，该模型用于预测质量控制中心内骑车人在一天中不同时间段的逗留时间。我们将清楚地列出建模的假设条件，然后详细介绍参数化过程，最后对其进行验证和确认。
这项工作使用 SIMIO R 仿真建模框架，该框架支持面向对象的建模范例，并提供过程和事件驱动仿真功能（Pegden 和 Sturrock，2010 年）。选择该软件的理由是，其高级建模语言允许未来不费吹灰之力地进行修改。
我们的建模基于以下假设：
- 从 EM 数据中估算出的骑车者人口统计学特征将正确描述 QC 用户；\
- 引入质量控制中心后，根据电磁数据估算的起点和终点以及出行速度将不会改变；
- 在模型中用于塑造自行车道的参考点之间的质量控制路段将是直线路段。
质量控制中心使用 119 个地理坐标建模，这些坐标准确地代表了路线布局。骑车人是模型中的实体，由其出发点、速度、目的地方向和行驶距离定义。模拟的时间范围为一天，我们选择这一天来代表平均工作日。
模拟参数
自行车交通模拟模型取决于对骑车人行为的准确理解（Ma 和 Luo，2016 年）。因此，模拟参数由从潜在用户处收集的数据决定。波哥大区交通局（SDM）在 2015 年 3 月 15 日至 8 月 30 日期间对该市和其他 17 个邻近城市（波哥大市民约占研究区域的 87%）的 28025 人进行了 EM 调查。收集的数据覆盖了 94% 以上的研究区域，包括入户访谈和对骑自行车者的调查。调查数据表明，男性使用自行车的比例是女性的 3 倍，在使用自行车的人群中，15 至 44 岁的人占最大比例（Secretar´ıa de Movilidad Alcald´ıa Mayor de Bogota TPD Ingenier ´ ´a 2016）。
EM研究中包括3649名自行车道使用者，他们报告了出行的时间、出发地和目的地（Secretar´ıa de Movilidad Alcald´ıa Mayor de Bogota TPD Ingenier ´ ´ıa 2016）。在最初记录的 9260 次自行车出行中，约有 13.81%（1279 次）源自受影响区域。根据这些选定的信息，我们估算了一个起点-终点矩阵（ODM），假设使用现有自行车道系统的自行车骑行者将前往 QC，因为 QC 是一条专用自行车道。此外，我们也没有估计人口增长或交通方式改变所带来的交通量增长。输入参数按出行起点分为 56 个剖面。这些剖面图与分区规划单位（UPZ，源自西班牙语缩写）相匹配，后者是市政府使用的地域划分方法。
到达流程
我们根据 UPZ 的空间分布和人口统计数据创建了到达 QC 的人数。当一个 UPZ 产生一名骑车人时，模型就会在 QC 路线上最靠近 UPZ 地理中心的地点产生一名到达者。
骑车人开始行程的时间来自 ODM。然后，我们将所有 UPZ 的部分到达流量相加，计算出时间跨度（24 小时）内的每小时到达率，如图 1 所示。为了验证不同 UPZ 每小时间隔内的到达流量是否均匀，我们检查了 UPZ 每小时的均值和方差是否相等。结果证实了同质性，但由于不同的时段有不同的到达率，我们使用了一个取决于一天中不同时段的非均质泊松过程（NHPP）来模拟整个骑车者到达过程（Gallager，2013 年）。
出行方向
在典型的工作日，大多数波哥大市民清晨上班，中午休息，傍晚回家。
为了模拟这些移动模式，我们将时间范围划分为若干区间，移动方向和起始概率在这些区间内发生变化。在对数据进行评估后，我们认为骑车人的流动行为可分为三个不同的范围：午夜至上午 8 点、上午 8 点至下午 3 点以及下午 3 点至午夜。波哥大各城区在自行车使用方面存在明显差异：有些区域明显是住宅区，有些区域则主要是工业区。早上，大多数人从住宅区开始出行，然后选择前往商业区或工业区的方向。模型实体方向的这些模式可以从 ODM 矩阵中看出来。
行程长度
根据行程起点和终点的地理坐标，我们利用公式 1-3 即哈弗辛公式计算出行程距离 D。在公式 1 中，φi 表示 i 点的纬度，∆φ 和 ∆α 表示两点之间的经纬度差。在公式 2 中，atan2(-,-) 是多值反切函数，在公式 3 中，R 是地球半径（6.371 千米）。
通过 Kolmogorov-Smirnov 拟合检验，我们得出结论，实体行程距离的分布可以用形状为 1.1171、尺度为 4.9120 的 Weibull 分布建模，置信度为 95%。这些参数是通过使用 fitdistrplus R 库进行最大似然估计拟合的。图 2 显示了所收集的出行距离数据的经验分布。
图 2：骑车人出行距离的分布。
实体速度
使用 EM 数据对骑车人的速度进行建模。根据文献发表的结果（Gates 等人，2006 年），我们将最低速度设定为 3.5 公里/小时。至于最高时速，我们参考了 2016 年的第 1811 号法律，该法律规定自行车的最高时速为 25 公里/小时（交通部，2016 年）。在 EM 调查中，所有超出这一范围的速度值都被归类为非典型，在模拟骑车人速度时不予考虑。从有效数据中，我们获得了一个经验速度分布，并将其用于模拟模型，为每个骑车人分配一个出行速度。
初步模拟结果表明，沿线的几个路段可能会有大量骑车人共用一条车道。因此，尽管与车辆交通相比，自行车道上的拥堵很少发生（Dobler 和 Lammel 2016 ´），我们还是决定模拟路段负荷对骑车人速度的影响。
为了考虑自行车交通拥堵对速度的影响，我们认为，无论骑车人是否会超越其他骑车人，拥堵的净影响都是速度降低。通过再次分析初步模拟的结果，我们估算了每个路段随时间变化的人数，发现在 90% 的情况下，不会有超过 4 名骑车人共享同一质量控制路段。因此，我们决定，只有当一个骑车人进入一个路段并看到超过 4 个用户时，他在该路段的平均速度才会下降。我们在模型中假设，在一个路段中，每有一名骑车人超过最大值，骑车人在该路段的速度就会降低 7.25%。我们根据自行车道设计专家的建议设定了这一数值。
模型验证和确认
按照班克斯的模拟研究步骤，我们对模型进行了验证和确认（班克斯，2000 年）。在验证时，我们关注的是用于检查实体是否已到达最终目的地的离散时间步长是否对其行程长度有显著影响。为了检验分配的距离与真实的模拟旅行距离之间的差异是否显著，我们比较了 ODM 数据集和模型的结果，两者的估计置信度均为 95%。通过比较置信区间，我们得出结论，模拟中用于控制骑车人行程的离散时间假设没有意义。
验证的目的是确定概念模型是否准确地反映了真实系统（班克斯，2000 年）。为了对模型进行验证，我们对模拟的平均行程时间和从电磁数据中提取的平均行程时间进行了统计比较。请注意，模拟模型的参数设置并未使用后者的信息。我们发现，用至少 75 次模拟运行的输出结果计算出的平均模拟行程时间的 95% 置信度置信区间，包含在从电磁数据中提取的平均行程时间的 95% 置信度置信区间内。因此，我们认为模型是有效的。
估算暴露程度
关于暴露的定义有多种。例如，美国环境保护局（EPA）在其指导文件（US EPA 1992）中将暴露定义为人体边界的化学浓度。其他方法，例如 Fajardo 和 Rojas 在波哥大 PM2.5 暴露空间分析研究中提出的方法（Fajardo 和 Rojas，2012 年），将暴露视为吸入污染物的潜在剂量。根据这一扩展定义，并按照美国环保局的 "途径-吸入暴露评估工具"（美国环保局，2017 年），我们使用以下公式计算 AD，即骑车人在从 s1 段到 s2 段的 QC 上骑车时会吸入的平均剂量：
其中，V R 是通风率，单位为 m 3min-1；Ci 是自行车道第 i 段的平均污染物浓度，单位为 µgm-3；EDi 是平均暴露时间，单位为分钟；BW 是骑车人的体重，单位为千克。
请注意，等式 4 取决于年龄和性别，因为 VR 与这些参数有关：骑自行车时，女性的呼吸频率明显高于男性（Int Panis 等，2010 年）。本研究中使用的 VR 值数据是按性别和年龄分类的特定活动中，根据活动时的体重调整后的平均通气率（美国环保局，2011 年）。根据美国环保局 1985 年提供的结果（美国环保局，2011 年），在 QC 车道上骑自行车需要中等程度的体力活动。
方程 4 中的 Ci 因子是根据波哥大市的官方空气质量数据估算的。1998 年，波哥大市政府建立了波哥大空气质量监测网络（RMCAB，源自西班牙语缩写）。该网络目前由分布在整个城市的 13 个自动固定监测站和一个移动监测站组成。每个监测站监测一组气象变量和空气污染物浓度，包括 PM2.5。RMCAB 的数据由波哥大地区环境秘书管理，他负责验证、存储并向公众提供数据。我们利用这些官方数据，采用克里金空间插值法预测波哥大整个地表区域的空气污染物浓度。关于这项工作的完整描述（不在本文研究范围内），请参见（罗哈斯，2017 年）。上述论文中的随机工作日信息被用来估算 Ci，即在不同时间范围内，质量控制模型段的 PM2.5 平均浓度。
至于公式 4 中的 EDi 因子，即骑车人在自行车道各路段所花费的平均时间，我们是从模拟结果中获得的。
商业影响
本节介绍我们的研究结果，主要分为三个部分。首先，我们介绍模拟模型得出的预测结果，然后是空气质量方面的预测结果，最后是根据公式 4 将空气质量测量结果与模拟出行时间复合计算得出的 PM2.5 暴露量。
模拟结果
图 3 显示了按 UPZ 划分的波哥大市区地图，其中橙色标出了当前规划的 QC 路线。该路线分为 119 个路段，每个路段模拟自行车道的直线部分。作为记号，我们对各段进行连续编号，第 1 段是最南端的一段，第 119 段是最北端的一段。此外，我们还用 "North "和 "South "来标注骑车人的出行方向。对多次模拟运行进行汇总，计算出相关指标的平均值以及置信度为 95% 的置信区间。
图 4 显示了骑车人在路线各段所花费的模拟平均时间（等式 4 中的 EDi 因子），以小时为单位，适用于向北和向南的出行，以及所考虑的三个时间范围。这个平均时间取决于共用路段的骑车人数、速度和路段长度。
表 1：每个时间范围内所有自行车道段的平均时间（分钟）。
首先，我们在最南端的第一段始终观察到一个高峰。这是由于从质量控制中心最末端地区出发的出行次数非常多，其中大部分都是向南行驶，因此不在我们的研究范围内。在早高峰时段（时间范围 1，左图），预计会有更多的人前往城市北部（Secretar´ıa de Movilidad Alcald´ıa Mayor de Bogota TPD Ingenier ´ ´ıa 2016）。模拟结果表明，80 至 115 号路段的平均时间最长。在第二个时间范围内（中图），骑车人花费时间的峰值出现在南部路段。此外，各路段之间的时间差异也有所减小。最后一个时间段的模拟结果（右图）显示，在中心路段，人们花费的时间是其他路段的两倍之多。这可能是因为在这一时间范围内，大部分行程的起点在城市的南部和北部，终点在城市的另一侧，人们在快速公交线路的中部聚集。
在所有时间段内，南行的乘客在每个路段花费的时间都比其他方向的乘客多。这是因为往南方向的交通强度更高，骑自行车的人不得不放慢速度，在路段上停留的时间也更长。表 1 中报告了各时间段出行方向和时间范围的平均停留时间以及置信区间的半宽度，从统计学角度证实了这一差异的存在。
空气质量结果
根据克里金插值法得出的空气质量数据，我们估算出了质控区内各路段的 PM2.5 平均浓度（等式 4 中的 Ci 因子），如图 5 所示。早上和晚上是交通高峰期，街道上的车辆流量较大。因此，图 5 显示，这些时间段的 PM2.5 浓度高于中午时段。在质控区南部的一些路段（曲线左侧），时间范围 1 的浓度是时间范围 2 的 2.5 倍。
在时间范围 1 中，PM2.5 的浓度处于最高水平。我们注意到，质量控制中心最南端的区段估计的浓度最高，那里估计的预期停留时间也最大（见图 4）。尽管高污染区段集与拥堵区段集之间的交集极小，但仍应引起人们对高暴露量对健康影响的关注。相反，北部质量控制路段的 PM2.5 水平相对较低，在暴露评估中可以弥补时间范围 1 中骑车者较长的逗留时间（见图 4.a）。
在第二个时间范围内，PM2.5 的浓度处于最低水平，因为城市的交通强度比上午要低得多。这可以根据人们的正常工作时间来解释。因此，仅根据浓度变量，可以得出结论，第二个时间段是使用质量控制的最佳时机。
最后一个时间段报告的平均值比第一个时间段小。即使在时间范围 3 中发生了与时间范围 1 大致相同的出行次数，也有两个不同的因素决定了 PM2.5 浓度的平均值较低：第一个因素是出行开始时间的分布最大，第二个因素是污染物在一天中晚些时候在大气中的扩散效率更高。
暴露结果
根据公式 4 计算出的暴露量取决于骑车人的特征和路线。因此，只能参照特定用户的特定行程来计算结果。然后，为了评估暴露情况，我们随机生成了沿着质量控制路径行驶的自行车道使用者的概况。档案的随机生成是基于电磁调查的信息。
图 6）显示了随机生成的沿线自行车使用者组合的分段估计暴露量。不出所料，沿线的暴露行为与路段的平均时间非常相似。然而，不同特征之间存在明显差异，由于女性和年轻人的通风率较高（等式 4 中的 V R 因子），他们在沿线几乎每个路段的暴露量都较高。为了更准确地描述由骑车人特征决定的暴露量差异，我们在表 2 中报告了一组抽样特征的估计 AD，假设行程沿整个质量控制中心进行。
表 2 中报告的数值有助于了解骑车人沿线暴露量的大小。文献研究表明，小城市的 24 小时暴露量（Lee 等人，2017 年）约为 4.6 µgm-3d-1。根据波哥大的污染水平，在自行车道上骑行几个小时也会吸入类似数量的 PM2.5。
表 2：不同时间范围和方向的 QC 骑行者的 PM2.5 平均暴露量。
结论
在这项研究中，我们介绍了如何综合利用交通模拟模型和空气质量数据，对波哥大即将建成的 25 公里长的自行车道 Quinto Centenario 沿线的骑车人暴露于 PM2.5 的情况进行预测。
模拟模型的目的是对用户的出行时间进行估算，并将其细分为在组成模拟自行车道的不同路段所花费的时间。我们工作的一个重要部分是对模拟模型进行参数化，以确保自行车出行的需求、其出发地/目的地和速度方面的特征确实反映了城市中自行车使用者的真实行为。我们利用地方当局收集的综合调查官方数据来确定规划自行车道路线的影响区域、建立自行车出行到达过程模型、估算自行车出行的起点/终点和速度。
自行车道沿线的空气质量信息是通过对监测站网络收集的城市官方数据进行空间插值获得的。通过将 PM2.5 浓度的空间分布与骑车人在自行车道上花费的平均时间相结合，我们可以根据美国环保局建议的沿线吸入指标，估算出自行车道使用者的累积暴露量。
了解一个人的性别和年龄后，就可以计算出一个骑车人在沿着昆托-森特纳里奥自行车道骑车旅行时吸入的 PM2.5 的预测平均量。这些信息对路线设计人员和用户都很有价值。前者可以用它来比较不同路线方案对健康的影响，而后者则可以做出明智的决定，选择正确的物理屏障来保护自己免受长期暴露于污染物的影响。这项工作的初步结果已提交给波哥大的交通管理部门。我们目前正在开发一个改进的模拟模型，以便更好地描述高海拔城市的暴露特征，以及评估在污染环境中进行体育活动的总体成本效益。
作者简介
丹尼尔-阿祖门迪-贡戈拉（DANIELA AZUMENDI GONGORA）是安第斯大学的毕业助教，负责离散事件模拟课程。她于 2018 年完成了工业工程专业和机械工程专业的双学位课程，目前是该大学工业工程硕士课程的学生。她对运筹学在环境保护和社会福利方面的应用很感兴趣。她的电子邮箱是 d.azumendi10@uniandes.edu.co。
JUAN JOSE D´ ´IAZ BAQUERO 是安第斯大学（Universidad de los Andes）的工业工程硕士，拥有软件工程和工业工程双学位。热衷于运筹学、数学建模、模拟、编程、气候变化和公共卫生。他的电子邮件地址是 jj.diaz1067@uniandes.edu.co。
胡安-费利佩-弗兰科（JUAN FELIPE FRANCO）在哥伦比亚国立大学获得化学工程学位，在安第斯大学获得工程硕士学位，目前是该校工程专业的博士生。他曾在空气污染控制、减少温室气体排放、城市可持续发展管理和公共政策定义等领域担任教师、研究员和顾问。他的电子邮件地址是 jffranco@uniandes.edu.co。
伊万-穆拉（IVAN MURA）在意大利比萨大学获得计算机科学学士学位和计算机科学工程博士学位，并在乔治-华盛顿大学商学院获得信息技术项目管理理学硕士学位。他目前是安第斯大学工业工程系副教授。他的研究兴趣包括人工系统和生命系统的数学建模，以及基于连续确定性和离散随机状态的技术。他的电子邮件地址是 i.mura@uniandes.edu.co。
参考文献
Alcald´ıa Bogota, Gabinete Distrital Alcald ´ ıa Mayor de Bogota D.C. 2016."Proyecto del Plan de Desarrollo ´ 2016-2020".
Banks, J. 2000."模拟简介》。2000年冬季仿真会议论文集》，7-18页，A.Jones等编辑，新泽西州皮斯卡塔韦：IEEE。
C40 Cities, Finance Facility 2016."波哥大首条弹性自行车公路上的全民自行车运动》。https://www.c40cff.org/projects/bogota-quinto-centenario
Dobler, C., and G. Lammel.2016."多模式贡献》。´ The Multi-Agent Transport Simulation MATSim, London, Ubiquity Press:135-140.
ELF，欧洲肺脏基金会，2017 年。"您的肺和运动》。Accessed 1 December 2017. http: //www.europeanlung.org/assets/files/en/publications/lungs-and-exercise-en.pdf.
Fajardo, O., and N. Rojas.2012."高海拔城市自行车道使用者的微粒物质暴露》。大气环境》46:675-679。
Franco, J., J. Segura, and I. Mura.2016."哥伦比亚波哥大自行车道旁的空气污染》。环境科学前沿》4:77。
Gallager, R. 2013."Poisson Processes".Stochastic Processes：Theory for Applications, New York, Cambridge University Press:72-104.
Gates, T., D. Noyce, A. Bill, and N. Van Ee.2006."基于行人特征的行人通过时间推荐步行速度》。交通研究委员会，第 85 届年会，华盛顿特区。
Hoek, G., B. Brunekreef, S. Goldbohm, P. Fischer, and P. Van Den Brandt.2002."荷兰死亡率与交通相关空气污染指标之间的关联：A Cohort Study".The Lancet 360(9341):1203-1209.
Int Panis, L., B. De Geus, G. Vandenbulcke, H. Willems, B. Degraeuwe, N. Bleux, V. Mishra, I. Thomas, and R. Meeusen.2010."交通中的微粒物质暴露：骑自行车者与汽车乘客的比较》。大气环境 44（19）：2263-2270。
Kleijnen, J. 2009."Kriging Metamodeling in Simulation：A Review".欧洲运筹学报》192（3）：707 - 716。
Lee, S., S. Yu, and S. Kim.2017."在四种通风条件下在普通家庭内进行煎炸的家庭主妇的 PM2.5 潜在日均剂量（ADDs）评估》。Global Health 14(1):78-88.
Ma, X., and D. Luo.2016."利用自然数据模拟自行车交通的骑车人加速过程》。交通研究 F 部分 40：130-144。
MTC, Ministerio de Transporte de Colombia 2016."Ley 1811 del 21 de octubre de 2016".波哥大：Republica ´ de Colombia - Gobierno nacional
Pegden, D., and D. Sturrock.2010."Simio 简介》。In Proceedings of the 2010 Winter Simulation Conference, WSC '10, 1-10, edited by B.Johansson et al., Piscataway, New Jersey:IEEE.
Pope, C., R. Burnett, M. Thun, E. Calle, K. Ito, and G. Thurston.2002."肺癌、心肺死亡率和长期暴露于微粒空气污染》。美国医学杂志》287（9）：1132-1141。
Rojas, N. 2017."2010 至 2016 年波哥大城区 PM2.5 暴露空间分析》。工业工程学士学位论文，安第斯大学。
Secretar´ıa de Movilidad - Alcald´ıa Mayor de Bogota TPD Ingenier ´ ´ıa, Consorcio Transconsult, Infometrika ´ 2016."Encuesta de Movilidad 2015".Secretar´ıa de Movilidad, Bogota
US EPA，美国环境保护局，1992 年。"暴露评估指南》。联邦公报 57（104）：22888-22938，华盛顿特区。
US EPA，美国环境保护局 2011 年。"暴露因子手册第 6 章》。EPA ExpoBox，华盛顿特区。
US EPA，美国环境保护局，2017 年第 2 期。"按途径划分的暴露评估工具 - 吸入"。最后访问：https://www.epa.gov/expobox/ exposure-assessment-tools-routes-inhalation.
WHO，世界卫生组织，2017 年。"Los Efectos Sobre la Salud》。Departamento de Salud Publica, ´ Medio Ambiente y Determinantes Sociales de la Salud.Accessed 1 december 2017. http://www.who. int/phe/health topics/outdoorair/databases/health impacts/es/。
Ziemke, D., S. Metzler, and K. Nagel.2017."基于代理的交通模拟中的自行车交通建模》。Procedia Computer Science，（109C）：923-928。