廣州大學李少英教授：大數據驅動下的低碳出行研究

氣候變化帶來了全球性的嚴峻挑戰，交通運輸業作為溫室氣體重要排放源，其減 排成效直接關乎“碳達峰”“碳中和”戰略目標的實現。在城市化加速與機動車保有量激增的雙重壓力下，交通領域碳減排已成為亟待破解的關鍵難題。自行車出行兼具健康環保、靈活便捷、經濟實惠等優勢，既能破解“最后一公里”接駁問題，又能緩解城市擁堵、降低碳排放，共享單車的普及更是扭轉了慢行交通分擔率下滑的趨勢。然而我國自行車出行比例仍偏低，核心癥結在于需求端騎行意愿不足與供給端騎行環境不完善的雙重制約。因此深入探究自行車出行行為影響機制、制定科學空間政策與規劃方案，這既是推動自行車回歸城市的關鍵，更是交通領域低碳轉型的重要支撐。

自行車出行行為影響因素研究主題演變

在自行車出行行為研究領域，國內外學者已證實騎行者個人屬性、建成環境與街道騎行環境是核心影響因素，但面對人本尺度的研究需求，現有成果仍存在顯著局限。傳統研究依賴問卷調查數據，存在獲取成本高、樣本量小、空間信息缺乏等問題，難以揭示精細尺度下的空間關聯規律；海量共享單車大數據雖具備高時空分辨率優勢，卻缺乏騎行者的社會經濟屬性與活動語義信息，制約了人群分異特征的深度分析。同時，建成環境對騎行行為的空間效應尚未充分挖掘，且現有研究多側重客觀建成環境影響指標，忽視騎行者的主觀感知影響，與以人為本的規劃理念存在脫節。

大數據驅動下自行車出行行為研究的挑戰

大數據時代的技術革新為突破上述瓶頸提供了新機遇。海量共享單車出行大數據、街景影像等多源大數據的涌現，為精細刻畫騎行行為、量化人本感知、挖掘空間規律奠定了基礎。《大數據驅動下的低碳出行研究》以深圳市的共享單車騎行情況為例，聚焦大數據驅動下的低碳出行研究，旨在通過多學科交叉融合，解決三大核心科學問題：一是融合多源數據構建騎行者社會經濟屬性與活動特征的推斷框架；二是揭示不同空間尺度下建成環境影響騎行行為的空間效應；三是建立街道騎行環境人本感知的量化方法并解析其影響機制。

點擊翻頁

點擊翻頁

點擊翻頁

大數據驅動下的低碳出行研究購買

李少英等著. 北京: 科學出版社, 2026. 3

ISBN 978-7-03-084681-5

審圖號：粵 BS（2026）008 號

為系統回應上述問題，作者團隊在國家自然科學基金面上項目（42271467）、廣州市校聯合項目（SL2024A03J00487）等項目的支持下，開展大數據驅動下低碳出行方面的系統研究，形成本書研究成果。本書共5 章，具體內容如下。

第1 章梳理全球低碳發展與交通領域碳減排的背景，明確自行車在低碳出行中的實踐價值，同時綜述自行車出行行為的研究現狀、核心影響因素與建模方法，提煉在大數據驅動下該領域面臨的挑戰，并概述本書的研究內容與結構安排。

第2 章聚焦共享單車數據的處理方法，解析其騎行行為的時空模式，并提出融合多源數據推斷騎行者出行目的新框架與方法，刻畫其出行行為的時空特征。

共享單車騎行行為特征

第3 章從群體分異維度切入，提出識別共享單車用戶個體的日常通勤模式、推斷用戶的社會經濟屬性和出行活動等的系列模型和方法，系統開展群體分異視角下共享單車出行模式研究。

不同社會經濟水平騎行群體的活動空間分異研究的總體框架圖

第4 章探討建成環境影響騎行行為的尺度效應與劃區效應，解析建成環境因子的獨立與交互作用；系統揭示建成環境對騎行行為影響的空間異質性、非線性影響與閾值效應，并提出騎行友好型環境的規劃建議。

不同影響因素的相對重要性

第5 章提出基于街景影像的騎行主觀感知量化框架，并利用騎行者數據和機器學習模型，形成騎行主觀感知地圖。解析街景視覺特征對騎行主觀感知影響機制以及性別差異，并深入探討騎行主觀感知對騎行流量的復雜影響機制。

本節研究框架圖。提出一個基于SVI數據評估騎行者主觀感知的框架，并采用可解釋性的機器學習模型，探討街道景觀中的視覺特征對騎行者主觀感知的影響。

低碳出行研究是兼具理論前沿與應用價值的重要議題。本書系統整合地理學、交通規劃、計算機科學等多學科理論與方法，聚焦時空大數據建模和分析方法創新，基于海量共享單車大數據開展低碳出行行為的深入研究，力求為城市慢行交通的規劃、騎行設施的優化、低碳交通政策的制定提供科學依據。期望通過本書的研究成果，推動低碳出行研究向精細化、人本化方向發展，為我國交通領域碳減排實踐與宜居城市建設貢獻學術力量。

本文摘編自《大數據驅動下的低碳出行研究》（李少英等著. 北京: 科學出版社, 2026. 3）一書“前言”，有刪減修改，標題為編者所加。

ISBN 978-7-03-084681-5

審圖號：粵 BS（2026）008 號

責任編輯：彭婧煜 常詩堯 郭 會

交通領域碳減排是全球共同面對的重要議題，隨著信息網絡技術的發展，社會感知等多源地理時空大數據不斷涌現，彌補了傳統的數據獲取模式的不足，為低碳出行研究提供了新的數據來源，同時對建模方面提出了新的挑戰。本書以深圳市共享單車出行行為為核心研究對象，聚焦時空大數據建模和分析方法創新，系統探究共享單車大數據語義推斷、建成環境空間效應解析及騎行環境主觀感知量化等關鍵科學問題，旨在從大樣本、精細化視角，深入揭示低碳出行行為規律及其影響機制，為相關規劃與政策的制定提供科學依據。

本書適合對時空大數據建?；虻吞汲鲂醒芯扛信d趣的科研工作者、研究生、本科生，以及從事城市規劃或交通規劃設計的行業人員閱讀使用。

（本文編輯：劉四旦）

專業品質 學術價值

原創好讀 科學品位

一起閱讀科學