道路空气污染物对行人的健康有重要影响，数值模拟作为可以快速准确模拟室外风环境的方法，能有效地评价街道的空气污染物分布情况。利用数值模拟软件与反向传播（Back Propagation, BP）神经网络，预测道路污染物浓度分布，并将空气污染物浓度转换为道路上的障碍物，使用快速扩展随机树（Rapidly Exploring Random Tree, RRT）算法为行人规划低风险路径。结果表明：汽车排放污染物、背景浓度以及植被对空气污染物浓度有显著影响，汽车污染物排放每增加30.25μg/m³,街道间空气污染物浓度就会增加20～30μg/m³;结合模拟仿真、BP神经网络和RRT算法，提供了一条行人最优路径规划的合理建议。