多维视角下澳大利亚城市社区的社会空间包容性：交通、土地利用与住房特征的影响机制

本研究聚焦社会可持续性与包容性(SSI)的城市规划议题，针对现有研究对多维度社会空间包容性探索不足的问题，通过机器学习方法解析澳大利亚八大首府城市SA1区域数据，揭示了年龄、种族和收入包容性的空间分异规律及其与交通、住房、土地利用的关联。研究发现种族包容社区集中于市中心，而年龄/收入包容区分布分散；住房变量对包容性预测力最强，其中道路密度、独立住宅、租赁住房等是关键因子，为制定差异化城市规划策略提供了实证依据。

　　

在全球化与城市化加速的背景下，构建包容性城市成为联合国可持续发展目标的核心议题。然而现有研究存在两大痛点：一是多局限于单一维度的社会包容性分析，忽视年龄、种族、收入等多维交叉效应；二是对城市规划要素（如交通网络、住房配置）如何塑造社会空间格局的机制认识模糊。澳大利亚作为典型移民国家，其首府城市正面临快速人口增长带来的社会空间重构压力，亟需系统性研究为政策制定提供科学依据。

来自中国的研究团队运用可解释机器学习方法，基于澳大利亚八大首府城市统计区一级(SA1)数据，首次整合年龄、种族和收入三维度构建社会空间包容性评价体系。通过SHAP值解析技术量化了12类邻里空间特征（含道路密度、建筑密度、独立住宅比例等）的预测贡献度，并采用空间自相关分析揭示分布规律。

多维包容性空间格局
悉尼案例显示，种族包容性呈现"中心聚集"模式，高值区集中在CBD及邻近郊区，与全球城市如柏林、斯德哥尔摩相似；而年龄/收入包容性则呈"多中心分散"特征，反映公共服务资源的均衡配置需求。达尔文在年龄包容性上表现最差，霍巴特则在种族和收入维度垫底。

关键规划要素识别
住房变量对包容性的解释力超交通/土地利用因素：

• 正向驱动：独立住宅(separate housing)、可负担住房(affordable housing)提升年龄包容性
• 负向影响：群租住房(crowd housing)显著降低种族包容性
• 非线性效应：道路密度在中等水平时最利于收入包容

讨论与政策启示
研究突破传统单维度分析框架，证实社会空间包容性具有显著维度特异性：种族包容依赖文化设施集聚效应，需强化中心区多元服务供给；年龄/收入包容则需通过住房政策调控实现空间均衡。值得注意的是，租赁住房比例对三维度均呈正向关联，提示保障性租赁体系建设的普适价值。该成果为《新城市议程》实施提供了量化工具，特别对移民国家的社会空间治理具有参考意义。论文创新性地将机器学习可解释性技术应用于城市规划评估，为后续研究开辟了方法学路径。