Mapping environmental influences on walking behavior across urban morphologies: A local climate zone-based study

Release time:2025-07-25

Impact Factor:6.9

Journal:Urban Climate

Key Words:Walking behavior Urban morphology Local climate zones Air pollution Climate adaptation Machine learning

Abstract:步行在推动城市健康可持续发展方面发挥着关键作用，但现有研究往往忽视了三维城市形态对环境因素的影响。本研究基于局部气候区（LCZ）分类体系，提出一种形态敏感性分析框架，系统评估建筑环境、气候条件与空气污染等因素如何共同影响不同城市形态中的步行行为。通过LCZ框架，我们将城市形态定义为建筑高度与密度的综合指标。基于中国深圳的大规模步行轨迹数据，我们运用极端梯度提升算法（XGBoost）结合SHAPley加性解释模型（SHAP），在全市范围及七个LCZ形态类型中识别关键环境因素。研究结果表明，环境因素对步行行为的影响因城市形态而异。在低层建筑区域，步行便利性主要依赖公共交通可达性和步行友好型设施，而自然环境要素如NDVI（归一化植被指数）和邻近水域的作用相对有限；在高密度区域，空气污染对步行活动的限制作用日益显著。中高层密度区域呈现过渡状态：虽然公共交通可达性、步行友好型设施和自然环境要素能带来积极影响，但空气污染和高温带来的抑制效应较为温和。相比之下，高层建筑区则面临空气污染与高温的双重叠加抑制，此时绿色基础设施的优势逐渐减弱。这些研究结果打破了环境与步行关系中空间均匀性的传统认知，揭示了城市形态的调节作用。通过将局部气候区分类与可解释机器学习相结合，本研究提出了一种创新方法，能够精准识别不同城市形态对步行活动的具体限制因素，为气候适应型城市设计提供了切实可行的解决方案。

Note:SCI Q1

First Author:Bo Li

Indexed by:Journal paper

Translation or Not:no

Date of Publication:2025-06-09

Included Journals:SCI

Links to published journals:www.elsevier.com/locate/uclim