Unraveling nonlinear impacts of seasonal climate and built environments on exercise walking in high-density cities via a modified machine learning approach

Release time:2026-03-10

Journal:International Journal of Health Geographics

Key Words:Built environments, Seasonal climatic factors, High density cities, Exercise walking, GW-XGBoost, Healthoriented

Abstract:背景：缺乏身体锻炼是全球范围内的主要健康风险，而步行是最易获取的运动形式之一，既能改善公共卫生状况，又可支持可持续的城市交通。然而，高密度城市中建成环境与季节性气候对步行运动的复合非线性影响尚未得到充分研究。本研究旨在揭示这些关联性，并为以健康为导向及气候适应性城市规划提供依据。 方法：对北京、武汉和广州这三个具有代表性的中国高密度城市进行夏季和冬季的步行轨迹数据分析。建立了一个综合变量系统，涵盖建成环境、季节性气候和社会经济因素。采用贝叶斯优化和交叉验证开发了地理加权极端梯度提升模型以提高稳健性。通过Shapley加性解释、偏依赖图和聚类分析实现可解释性，以识别步行活动的全局和局部驱动因素。 研究结果表明：地理加权极端梯度提升模型在预测准确性方面优于传统回归模型及其他机器学习模型。步行轨迹呈现出显著的空间聚集特征，其中中心城区成为热点区域，季节性差异在北京表现最为明显。步行指数始终是跨城市、跨季节间最稳定且最具影响力的预测因子。在气候变量中，空气质量与温度影响最为显著，尤其在冬季。变量呈现三种非线性响应模式：持续增长型（如步行指数和步行街长度）、阈值敏感型（如交叉口密度和人口密度）以及波动型（如空气质量与房价）。局部聚类分析揭示了三种情境特异性模式：环境驱动型区域（如公园和校园）、功能驱动型商业中心，以及结构失衡或过渡型区域。 结论：高密度城市中的步行运动受季节性气候变异性和建成环境空间异质性共同影响。改善行人基础设施、管理密度阈值，和实施气候敏感性设计可减轻恶劣天气的影响，促进全年步行运动。制定针对性策略至关重要，包括增强生态区域的微气候韧性、优化商业区的密度与功能组合、重构碎片化的大街区，从而打造以人为本、健康导向且适应气候变化的城市。

Note:SCI & SSCI JCR Q1

Indexed by:Journal paper

Correspondence Author:李博

Translation or Not:no

Date of Publication:2026-02-06

Included Journals:SCI、SSCI