近年来我国高铁飞速发展，截至2016年底已投入使用的高铁线路总长度达2.2万公里，占全球高铁线路总长的65%。根据规划，2020年我国高铁线路总长将达3万公里，连接50万以上人口的大中城市。高铁运输方式的广泛推广，使得我国交通运输方式结构发生了改变。根据绿色和平组织公布的2017年我国主要城市的PM_2.5浓度年均值，我国大部分城市并未达到空气质量二级标准(35 μg/m³)。姜少瑞等在对我国近几年大气污染及对人体健康的研究中指出，我国大气污染的形式严峻，突出表现在普遍出现的大面积大气污染现象^[1]。受大气污染影响，人类的环境健康影响也得到广泛研究。谢元博、李巍等在对北京市大气污染以及居民健康风险的模拟研究中提出，在高约束能源利用的情境下，截至2020年北京市每年可避免相关死亡人数17 846人/年^[2]。值得一提的是，本文之前鲜有相关文献直接对交通运输与健康影响进行定量分析。本文拟将交通运输的变量引入分析大气污染与健康影响的经典模型中，通过对我国高铁运行情况与高铁沿线城市本地人群、高铁过境人群所受到的健康影响进行分析，在全国范围内，量化各城市高铁出行带来的健康影响，进而获取高铁出行污染源健康影响分布。

1 高铁出行的环境健康影响研究进展

国内外关于高铁运输方式对环境质量的影响研究方面，鉴于全球60%的高铁分布在中国，国外学者对高铁出行与大气污染、健康影响的研究较少。主要关注领域在高铁出行替代航空出行方式带来的诸多影响，包括增加噪声、空气污染物排放的影响。如Wayson具体对比讨论了欧洲、亚洲不同国家铁路、高铁噪声标准以及相应的空气污染排放^[3]。陈勇、樊军等对高铁隧道噪声机制进行了解释并提出了降噪设计^[4]。还有相关研究表明，高铁出行每座次大气污染物排放量低于民航，但是这种减排效果因为高铁的便利性带来的客流增加而有所削弱。并且高铁提速总是利于高铁出行方式替代航空出行，进而促进温室气体排放量减少^[5]。国内学者对高铁出行方式带来的环境影响以及大气污染物排放变化也进行了分析。王晓斌对高铁客运系统内颗粒物及净化设计进行调查讨论^[6]。余中元详细分析了高铁运行前后海南省生态环境发生的演变，以及客流量加大带来的环境生态的变化，包括废弃物排放量增加，污染物相较之前更集中等，并指出区域间发展不平衡是问题所在^[7]。王少华等对兰新高铁客车内、候车室环境空气质量进行分析，研究得出高铁客车内空气污染处于低水平，主要受包括季节、车厢在内的五个因素的影响^{[8, 9]}。

根据具体机制不同，大气污染物排放的环境健康指数可以有多种表达方式。余元中在论证高铁运营前后海南省生态环境效益演变的研究中^[7]，选择PM、SO₂、NO₂三个空气污染物指标的加权求和计算空气质量影响；采用废水排放量、化学需氧量、氮氧排放量、空气质量指数等指标的加权求和来计算总体环境质量指数。另外，在高铁客车空气质量研究中，空气质量综合指数被表述为污染物指数最高值与均值的乘积，其中污染物指数为污染物平均监测浓度与污染物评价标准的比值^[10]。在对我国大气污染对居民健康影响的研究总结中，阚海东提出健康影响研究可分为急性、慢性健康影响研究^[11]，并对我国17个城市研究发现，大气中每增加10μg/m³单位的PM₁₀，居民总死亡风险增加0.35%。赵越在大气污染对人体健康影响研究中，主要利用人力资本法研究了人体健康影响的过早死亡经济损失^[12]。谢鹏等利用大气污染流行病学研究经典的泊松回归模型评价大气污染带来的人类健康影响^[13]。在模型中，人类健康影响(人群短期暴露增加的总死亡率)的因变量包括大气污染物浓度、人口数。

本文的健康影响模型是在泊松回归经典模型基础上，引入交通出行变量计算得到的各城市相对健康影响指数，进而获取全国范围内各城市受高铁出行健康影响的分布。为了更好地分析高铁出行下的人群环境影响，笔者在计算环境影响指数时将受影响人群分为高铁沿线本地人群和过境人群。因此，笔者设计了环境影响指数指标——高铁沿线城市本地人群的大气环境健康影响指数(PED)以及过境人群的大气环境健康影响指数(TPED)。此外，本文还对京沪、广深等具体高铁线路本地人群、过境人群的环境健康影响进行了仔细分析。

2 环境健康影响指数构建与数据来源 2.1 传统的泊松回归模型

以往的研究中^[13]，大气污染流行病学常用的泊松回归模型是对受大气污染的环境健康影响的一种常用方法。泊松回归模型的表达式如下：

其中，β为暴露—反应关系系数；C_i为大气污染日均浓度；C₀为污染物参考浓度；E为大气污染下的环境影响效应；p为人口数；E₀为参考浓度下的环境影响效应；因此ΔE为可避免健康效应。值得注意的是，该泊松回归模型以日为计算单位，将365日的计算值相加，得到的是年度环境影响效应结果。

2.2 PED和TPED指标构建

本文旨在研究高铁沿线城市本地人群、过境人群受PM_2.5污染物排放的环境健康影响。设计的两个指标包括高铁沿线城市本地人群(常住人口)的大气环境健康影响指数(PED)以及高铁沿线城市过境人群(乘坐高铁经过或者到达该城市人口)的大气环境健康影响指数(TPED)。指标设计借鉴泊松回归模型并对其进行改进，而且本文的PED和TPED是标准化后(将环境影响最大值作为分母)的相对环境影响指数，从而表征全国不同地区高铁出行背景下的的环境影响。因此本文不依据暴露后的过早死亡率，公式中也不包括暴露—反应系数。具体公式如下：

(1)

(2)

其中，p代表城市常住人口；PM_2.5i表示某地区i的PM_2.5年均浓度值，表征当地空气污染水平；PM_2.50表示最新环境空气质量标准规定的PM_2.5年均浓度二级质量标准(35 μg/ m³)；D表示高铁过境次数。由于每列高铁的载客人数、在各城市的停靠时间难以获取，因此假设各列高铁的以上参数相同，TPED主要通过各城市高铁过境次数的不同表征其过境人口的不同，最后得到的是标准化后的相对环境影响指数。

2.3 数据来源

本文的高铁车次信息来源于12306网站，抓取时间为2017年12月；PM_2.5年均浓度数据为绿色和平组织发布的2017年我国365个城市相关数据；常住人口数据来源于各地统计年鉴，受数据获取困难影响，本文各市的常住人口采用的是2015年的数据。

3 计算结果 3.1 中国高铁城市格局分析

在本文统计的高铁沿线80个城市里，日过境次数较多的城市分别为广州市、上海市、南京市、长沙市、北京市、杭州市、郑州市、苏州市、天津市、武汉市、无锡市及深圳市，在500次以上。其中，广州市、上海市、南京市、长沙市的日过境次数与其他几个城市相差较大，广州市和上海市的日过境次数均超过1 000次每天，分别为1 009次/天和1 007次/天，几乎是深圳市日过境次数(523次/天)的2倍。

选取通行车次200列以上的城市进行组团分析。相互通行车次较多的城市之间联系紧密，则被分为一组，共可分为5个组团：中北部组团，主要节点城市包括北京、天津、济南、徐州、郑州、武汉、长沙；长江下游组团，主要节点城市包括合肥、南京、苏州、无锡、上海；东南部组团，主要节点城市包括南昌、杭州、宁波、福州、厦门；华南西南组团，主要节点城市包括广州、深圳、贵阳；长江中上游组团，主要节点城市包括重庆、成都。

依照表 2所示，东部沿海的长三角至珠三角城市群，高铁网络相互交织、车次较多，城市的联通频度更高；京津冀及中部若干大城市，与东北、西北、西南主要城市有高铁联通，高铁网络覆盖度更广。结合高铁沿线各城市日过境次数以及联通度可以看到其他地区相比东南地区高铁线路布局覆盖广度更大。

3.2 中国高铁城市PM_2.5环境健康影响分析

在对全国80个城市的PED和TPED指标进行量化分析时，鉴于石家庄市的PED值和郑州市的TPED值分别为各城市PED和TPED最大值，因此分别被设置为标准化各城市指标值的基准。通过这个标准化设计，可以看到全国各城市间高铁出行带来的健康影响的差异。

受空气质量和常住人口数量影响，石家庄、北京、天津、郑州、西安、菏泽、徐州、成都、重庆、洛阳等城市的大气环境健康影响指数较高，排名前四的常住人口为1 070万人、2 171万人、1 547万人、957万人等；防城港、大连、珠海、北海、贵阳、三亚、莆田、龙岩、厦门、海口、湛江、昆明、福州、深圳等城市本地人群的大气环境健康影响指数较低，排名前四的常住人口为92万人、594万人、163万人、163万人。可以看到，PED靠前的城市的常住人口并不完全高于其后城市，PED并不是绝对取决于常住人口。从PED公式设置中可以得到很好的解释，PED不仅取决于各城市常住人口，还取决于PM_2.5的浓度。

全国各城市PED值、TPED值分别见表 3、表 4。

受空气质量和每年运输人群数量影响，郑州、西安、天津、石家庄、徐州、长沙、北京、济南、合肥、武汉等城市高铁过境人群的大气环境健康影响指数较高，排名前四的高铁日过境次数分别为627次/天、424次/天、556次/天、330次/天；大连、北海、贵阳、珠海、龙岩、昆明、莆田、海口、三亚、厦门、深圳、福州等城市较低，排名前四的高铁日过境次数分别为180次/天、70次/天、272次/天、160次/天。可以看到，PED靠前的城市的日过境次数基本上高于靠后城市，但TPED并不是绝对取决于日过境次数。从TPED公式设置中可以看出，TPED不仅取决于各城市日过境次数，还取决于PM_2.5的浓度。PED和TPED值排名靠前城市，包括石家庄、北京、天津、郑州、徐州等，大多位于联通度高的华北华中地区；PED和TPED值排名靠后城市，包括大连、北海、贵阳、海口等，大多位于华南西南等空气质量好的地区。

3.3 主要高铁沿线城市的大气环境健康影响指数

依照表 5所示，可以看到各高铁线路的沿线城市PED和TPED均值，其中，京津高铁、郑西高铁、京广高铁和京福高铁的沿线城市PED和TPED均值较高，分别为0.91和0.66、0.48和0.46、0.35和0.23、0.40和0.29；广深高铁、合福高铁和沪昆高铁的沿线城市PED和TPED均值较低，分别为-0.03和-0.04、0.05和0.07、0.09和0.15。可以看到各高铁线路PED和TPED均值取决于沿线各城市PED和TPED值。最后得到PED和TPED值排名靠前高铁线路大多位于联通度高的华北华中地区，PED和TPED值排名靠后的线路大多位于华南西南等空气质量好的地区的结论。

京津高铁线路的沿线城市PED和TPED均值分别为合福高铁沿线城市PED和TPED均值的18.2倍、9.4倍。郑西高铁线路的沿线城市PED和TPED均值分别为合福高铁沿线城市PED和TPED均值的9.6倍、6.6倍。分城市来看，鉴于京津高铁线路城市PED和TPED水平相近，这里对郑西高铁线路城市PED和TPED进行分析。郑州的PED和TPED最高分别为0.70和1.00，三门峡的PED和TPED最低分别为0.12和0.10，两个城市的空气质量相近，分别为72μg/m³和62μg/m³，差距主要来自常居人口和高铁日过境次数，前者分别为三门峡的4.3倍、6.9倍。

合福高铁线路的沿线城市PED和TPED均值分别为0.05、0.07，与沪昆高铁和宁杭高铁沿线城市PED和TPED均值较相近。广深高铁线路的沿线城市PED和TPED均值分别为0.03、0.04，是唯一一条沿线城市PED和TPED均值为负的高铁线路。分城市来看，鉴于广深高铁线路各城市的PED和TPED水平相近，这里只对合福高铁线路各城市的PED和TPED值进行分析。合肥的PED和TPED最高分别为0.33和0.42，福州的PED和TPED最低分别为-0.13和-0.15，两个城市的空气质量相差很大，分别为57μg/m³和27μg/m³，常住人口和高铁日过境次数水平相近。就高铁线路为单位进行分析，可以得到华北地区高铁线路影响下PED和TPED值高于华南西南地区的结果。特定高铁线路沿线城市的PED和TPED值见表 6。

4 结论

本文旨在对每日高铁/动车/城际列车过境次数与人类环境健康影响进行大数据分析。文中的环境健康影响指数为将高铁出行过境次数引入改进的泊松回归模型，进而直接得到各省人类环境健康受到高铁出行的影响。另外，为了更好地分析高铁出行下的人类环境影响，城市在计算环境影响指数时将受影响人群分为高铁沿线本地人群和过境人群，环境影响指数指标分别为高铁沿线城市的本地人群的大气环境健康影响指数(PED)以及过境人群的大气环境健康影响指数(TPED)。最后总结分析了全国范围内，各城市环境健康受过境次数影响的程度大小。此外，本文还对16条具体高铁线路的PED和TPED均值进行分析，并以京津城际、郑西、合福、广深高铁为例，分析影响PED和TPED值的因素。

我国高铁网络覆盖全国大部分地区，极大地改善了人们的出行和生活。东部沿海的长三角至珠三角城市群，高铁网络相互交织、车次较多，城市的联通频度更高；京津冀及中部若干大城市，与东北、西北、西南主要城市有高铁联通，高铁网络覆盖度更广。

计算表明，华北、华中、四川盆地的大城市，人口多，过境车次多，空气质量相对较差，城市本地人群和过境人群的大气环境健康影响指数较高。华中、华南、西南边境城市的空气质量相对较好，高铁沿线本地人群和过境人群的大气环境健康影响指数较低；广深、武广、沪杭、沪宁、宁杭、哈大、合福、沪昆高铁沿线本地人群和过境人群的大气环境健康影响指数较低。