为探究不同污染程度天气下居民知晓污染物吸入状况和风险时的完整通勤模式决策行为，构建了改进的基于节点次序最大相关-最小冗余的贪婪贝叶斯网络模型以分析不同影响因素的链式效用。告知居民其当前通勤模式的风险等级及不同出行方式的污染物吸入量，设计问卷以获取居民的污染天气出行意向。通过引入互信息论构建基于节点次序最大相关-最小冗余贪婪贝叶斯网络结构学习算法，在学习贝叶斯网络结构的基础上进行参数学习和网络推理，挖掘基于变量间因果关系的链式影响效用。对西安市居民的调查数据分析结果表明：轻度污染下影响程度最大的变量链为年龄-有无私家车-日常通勤模式-污染天气通勤模式，39%的居民重新选择的通勤模式风险等级低于日常通勤模式。重度污染下的影响因素链式效用表现为年龄-月收入-有无私家车-污染天气通勤模式，相邻变量间的相关关系分别呈正相关、正相关、正相关和负相关。研究揭示了不同污染条件下影响居民通勤方式的链式效用，有利于制定更具建设性的诱导策略以帮助居民健康出行。