建成环境对骑行行为的非线性影响——基于机器学习模型OA

由于信息技术的快速发展和日常出行方式的转变,城市居民养成了“久坐”等不健康的生活习惯,个人健康面临巨大挑战。因此,改善建成环境现状,提升骑行环境品质,对于推动全民健康具有重要意义。本研究基于机器学习技术,利用Strava、GIS等多源大数据,识别各建成环境要素对骑行影响的相对重要性程度并探索其非线性关系。结果显示,对骑行影响的重要性程度排名前三的是道路密度、土地利用混合度和绿视率,并且各建成环境属性对骑行的影响呈现明显的阈值效应,当一些建成环境属性达到一定的阈值,它对骑行的促进作用趋于停滞,甚至产生负效应。