基于可解释的GW-RF混合模型的城市环境对室外慢跑的非线性影响研究 李东， 刘梦梦， 韩厚增， 王健， 王磊

《ISPRS International Journal of Geo-Information》：A Study on the Nonlinear Influence of Urban Environment on Outdoor Jogging: Based on an Interpretable GW-RF Hybrid Model Dong Li, Mengmeng Liu, Houzeng Han, Jian Wang and Lei Wang

　　

摘要

户外慢跑是日常体育活动的重要组成部分，对公众健康和城市居住环境有益。然而，由于非线性相互作用、空间异质性以及模型解释能力的不足，仍难以理清环境变量与慢跑速度之间的复杂关系。为此，本文提出了一种基于地理加权随机森林（GW-RF）模型和Shapley加性解释（SHAP）的可解释空间机器学习框架。该框架利用多源城市数据集及北京的大规模慢跑轨迹数据，能够从全局和局部角度解读环境对建筑环境、自然环境和视觉环境的影响。研究结果如下：(1) 建筑环境变量具有最强的解释能力，其中街道网络布局（GAC、GAI）和人口密度被认为是影响慢跑强度的主要因素；(2) 所有环境变量都表现出非线性阈值效应，SHAP分析揭示了效应转换点和最佳范围——适中的归一化差异植被指数（NDVI）和天空开放度有助于促进慢跑，而极端值则会抑制慢跑；(3) 自然环境和视觉环境变量在不同舒适阈值范围内发挥作用，适中的年平均温度、绿色视野指数和天空开放度始终与较高的慢跑强度相关；(4) GW-RF模型的预测性能优于其他五种基准模型（R2 = 0.7939，RMSE = 8.54，MAE = 5.72），这证明了在非线性集成学习中应用空间加权的必要性。本研究通过揭示非线性响应模式和有效的环境范围，为理解城市体育活动提供了定量证据，并为创建更健康、更有利于活动的城市环境提供了方法指导。