我院杨伟副教授、刘勇教授在城市研究领域的顶级学术期刊《Landscape and Urban Planning》上发表论文“Environmental factors for outdoor jogging in Beijing: Insights from using explainable spatial machine learning and massive trajectory data”（2024年3月第243卷）。该期刊为SCI和SSCI双检索期刊，中科院一区及JCR一区TOP期刊，2022年影响因子为9.1，在国际城市研究类（Urban Studies）的43份期刊中排名第一。我院杨伟副教授为第一作者，硕士研究生黎英鹏为第二作者，刘勇教授为通讯作者，塔夫茨大学与密歇根州立大学范蓓蕾教授、浙江大学岳文泽教授为共同合作者。本论文得到国家自然科学基金（42001333，42371421，71974022）和重庆市哲学社会科学规划研究项目（2020YBGL88）等科研项目联合资助。
户外慢跑作为一项有益健康的体育锻炼，在世界范围内日益普及。然而，了解环境因素与慢跑行为之间的非线性和异质性关系仍然具有挑战性。本研究结合地理加权-随机森林（GW-RF）和SHAP模型建立了一个可解释的空间机器学习框架，以解决非线性、空间异质性和可解释性问题。本文利用大规模GPS轨迹和多源大数据，以北京六环核心区为例，揭示了环境因素与慢跑行为之间全局和局部的非线性关系。研究结果表明：（1）建成环境因素对慢跑行为的影响比视觉景观因素更大，其中运动设施（如跑道和公园）的影响更大。（2）建成环境、视觉景观和社会经济等环境变量对慢跑行为均表现出非线性和阈值效应。（3）人口密度、公园数量、绿色景观指数和天空景观指数等因素对慢跑的影响，在不同时期、不同地区和不同移动方式下存在差异。（4）与普通最小二乘模型、地理加权回归模型和随机森林模型相比，GW-RF模型在慢跑流量建模和预测方面具有更好的性能。研究结果对城市规划者营造有利于户外慢跑的环境具有重要意义。
本文链接：https://doi.org/10.1016/j.landurbplan.2023.104969
