近年来,PM2.5已经成为中国城市空气环境的首要污染物,由此引发的雾霾污染对城市的环境质量、大气能见度、人体健康及气候变化产生了巨大影响。与此同时,伴随着经济的快速发展,机动车保有量和化石能源的消耗量也随之增加,导致了机动车尾气排放的大幅增加。因此,明确机动车尾气排放与PM2.5的相关关系,并进一步分析交通运行状态对城市PM2.5质量浓度的影响机制,是有效治理PM2.5污染的前提条件。目前关于机动车尾气排放与PM2.5相关性的研究主要包括机动车尾气排放的量化计算和PM2.5成分的源解析两个方面。本研究在总结当前研究的基础上展开了研究。首先,当前的路网机动车排放量化计算模型一般采用交通仿真或人工调查方法获取交通特征,无法实现对路网机动车排放的高时空分辨率量化。本研究基于交通流监测数据和浮动车数据,建立了更高时间分辨率(逐时)和空间分辨率(路段)的路网排放模型。并运用该计算模型分析了不同交通运行状态下的各条道路的PM2.5排放差异。其次,通过总结关于北京市PM2.5源解析研究,发现源解析的方法具有极大的不确定性,无法得到关于机动车尾气排放与PM2.5相关性的一致性的结论。不同于源解析一般采用的实验手段,运用数量统计方法来讨论机动车尾气排放与PM2.5质量浓度的相关性。基于PM2.5质量浓度时间序列“多时间尺度”的非稳态特征,运用小波分析的相关理论,对二者的周期性变化特征及其在不同尺度上的相关性进行了研究。此外,还对导致PM2.5污染复杂性的两个关键问题分别进行了讨论。考虑到在外部污染物区域传输的干扰作用,很难量化的分析机动车尾气对城市PM2.5浓度变化的影响,建立了PM2.5本地污染的求解模型。在求解PM2.5本地污染的基础上,还观察到了PM2.5本地污染变换相对于机动车尾气变化存在滞后性。基于交叉小波相位差理论,滞后时间的估算结果为9小时左右。最终的研究结果表明,无论是在空间还是在时间上,PM2.5质量浓度时值数据的周期成分主要包括两个部分:全时域分布的24小时周期和局部分布的其他周期。通过交叉小波可以证明,交通排放对PM2.5质量浓度的影响主要体现在24小时左右的日周期尺度上,即交通尾气PM2.5排放与本地污染源PM2.5排放在日周期尺度上具有显著相关关系。