国际知名学术期刊《Transport Policy》2026年2月发表了我院学者牵头完成的论文《基于空间机器学习方法的分年龄段共享单车使用行为模式及建成环境影响研究》（Understanding bike-sharing usage and built environment influences across age groups: A spatial machine learning approach）。论文由哈尔滨市市政工程设计院交通研究中心主任滕鲁、同济大学李兴华教授、郭赟韬副教授、博士生杨子奇、张郑涵、本科生朱奕淞共同完成。
Yang, Z., Zhu, Y., Guo, Y., Zhang, Z., Li, X., & Teng, L. (2026) Understanding bike-sharing usage and built environment influences across age groups: A spatial machine learning approach. Transport Policy, 181, 104079.
作为一种便捷、绿色、经济的短途出行方式，共享单车已成为城市综合交通系统的重要组成部分。然而，不同年龄群体的共享单车使用模式存在显著差异，目前，关于该差异的时空分异特征，以及建成环境对其差异化塑造机制，仍缺乏系统性的研究与认知。为此，本研究基于哈尔滨市 70 万余用户、800 余万条共享单车骑行数据，对比分析了老年群体（60 岁及以上）与年轻群体（18-59 岁）的共享单车使用模式差异；同时融合极端梯度提升（XGBoost）与地理加权回归（GWR）构建 GWBoost 模型，探讨了建成环境对两类人群共享单车使用行为的差异化影响。结果表明，老年群体的骑行活动高度集中于城市商业中心与历史核心区，日内时间分布更为均匀；年轻群体的共享单车使用则呈现显著的早晚高峰双峰值特征。建模结果显示，距城市中心距离、距地铁站距离是影响两类人群共享单车使用的核心因素。研究发现，建成环境对共享单车使用的影响具有显著的非线性与空间异质性特征：在中心城区，较低的公共服务设施密度与较高的交叉口密度对老年群体共享单车使用具有明显促进作用，而在城市外围区域则呈现相反效应。随着我国人口老龄化进程持续加快，本研究结果可为老年友好型城市的交通与空间规划提供重要科学参考。
关键词：无桩共享单车；老年人；非线性；空间异质性；时空机器学习
在全球人口老龄化加速的大背景下，保障老年群体的出行权，是实现积极老龄化、建设可持续城市的核心命题。骑行作为低门槛的主动出行方式，既能帮助老年人锻炼心肺功能、维持肢体平衡能力，也能拓展其日常活动边界、维系独立生活能力与社会参与。而共享单车凭借随取随用、成本低廉、无需个人养护的优势，本应是适配老年人短途出行需求的最优解之一。
但现实却呈现出鲜明的矛盾：老年群体对共享单车的参与度，始终远低于年轻群体。当前绝大多数相关研究，都聚焦于共享单车整体的使用规律，却很少系统拆解不同年龄群体——尤其是老年与年轻群体，在骑行时空模式上的核心差异；对于城市建成环境如何影响这种差异，更缺乏能同时捕捉非线性关联与空间分异特征的精细化研究，最终导致共享单车的适老化规划始终难以精准落地。
针对这一行业研究空白，本研究基于哈尔滨市70 万余用户、800 余万条无桩共享单车骑行订单数据，系统对比了老年群体（60 岁及以上）与年轻群体（18-59 岁）的共享单车使用模式差异，并构建了融合 XGBoost 与地理加权回归（GWR）的 GWBoost 空间机器学习分析框架，精准量化了建成环境对两类群体骑行行为的差异化影响机制（见图1）。
本研究构建了融合机器学习与空间分析的 GWBoost 模型，实现了两大核心能力的兼顾：既保留了 XGBoost 模型对复杂非线性关系的精准拟合能力，又通过空间权重嵌入，赋予模型GWR的局部空间适应能力，可精准量化不同区位建成环境要素的差异化影响效应。
模型核心逻辑为：在局部空间邻域内对样本按距离赋予权重，将该权重嵌入 XGBoost 的损失函数中，使距离目标网格越近的观测样本，在模型训练中的权重越高，最终让梯度提升模型具备了局部空间特征的适配能力，解决了传统全局模型无法反映区位差异的关键局限。具体分析流程如下：
（1）数据集划分
以研究区统一网格为单位，将全量数据随机划分为训练集（80%）与测试集（20%），该划分规则在带宽选择、参数调优、模型评估全流程保持一致，从源头避免信息泄露，保证研究结果的可重复性与严谨性。
（2）最优带宽确定
采用双平方核函数构建空间权重矩阵，将带宽定义为目标网格的邻近观测数量；通过网格搜索结合五折交叉验证，在 10-100 个邻居的范围内，分别筛选出两类群体的最优带宽（老年组 50 个邻居、年轻组 60 个邻居），确保模型的局部拟合效果最优。
（3）模型性能评估
选取决定系数 R²、均方根误差 RMSE、平均绝对误差 MAE 三大核心指标，将 GWBoost 模型与传统 GWR 模型、全局 XGBoost 模型进行横向对比。结果显示，GWBoost 模型的拟合精度与预测能力均显著优于两类传统模型；同时通过 Moran’s I 检验发现，GWBoost 模型残差的空间自相关性大幅降低，证明该模型可有效捕捉共享单车使用行为中的空间结构特征与复杂非线性效应，研究结果具备强可靠性。
1. 两类群体骑行的时空模式存在显著差异：老年群体的共享单车使用呈现时间分布更均衡、空间集聚性更强的特征，无显著潮汐波动，高度集中于城市商业中心与历史核心区；年轻群体的骑行覆盖空间范围更广，与通勤节律高度耦合，呈现典型的早晚高峰双峰值特征，通勤导向属性显著。
2. 两类群体骑行需求的核心驱动要素具有一致性：无论老年群体还是年轻群体，距城市中心距离、距地铁站距离均是影响共享单车使用的两大核心主导因素，区位与轨道交通可达性是决定共享骑行需求的底层变量。
3. 建成环境的影响存在显著的非线性与阈值效应：建成环境要素对骑行行为的影响并非简单的线性增减关系，而是存在明显的最优区间。典型表现为：较低水平的公共服务设施供给、较高水平的路网交叉口密度、中等水平的人口密度，对老年群体共享单车使用的促进效应最为显著（如图2）。
4. 建成环境的影响效应呈现强空间异质性：同一建成环境要素，在城市不同区位对老年群体骑行的影响存在显著差异，甚至出现效应反转。在中心城区，较高的交叉口密度、较低的公共服务设施供给，对老年群体骑行具有显著正向促进作用；而在城市外围区域，该效应不再显著，甚至转为负向抑制作用（如图3、4）。
《Transport Policy》是全球交通政策与战略研究领域的标杆性刊物，核心办刊宗旨为：提升交通政策与战略分析的学术质量，传播创新性的政策设计与管理实践方案，推动交通领域理论研究与落地实践的深度融合。期刊收录范围覆盖全交通领域，包括航空、海运、城市交通、城际交通、国内外多尺度运输体系，同时深度聚焦交通经济、政策制定、战略规划等核心议题；研究维度覆盖交通安全、运行效率、经济发展、基础设施建设、生态环境、能源利用、土地利用、交通公平与可达性等多个方向。该刊2024 年 JCR 影响因子 5.3，位列 JCR 交通学科Q1 区（12/62）和经济学科Q1 区（47/620）；2025 年入选中科院 1 区 Top 期刊。
END
