复杂建成环境对交通碳排放的非线性交互效应及阈值机制研究——以南京郊区安置社区为例

针对郊区安置社区因建成环境(BE)缺陷导致交通碳排放(TCE)升高的问题，南京研究团队采用XGBoost模型，首次量化了BE要素间非线性交互作用对TCE的影响阈值。研究发现BE贡献率达60%，医疗密度与商业布局存在减排临界值，为可持续城市更新提供了精准规划依据。

　　

在全球气候变暖背景下，交通运输已成为仅次于工业的第二大碳排放增长源，贡献了约25%的全球碳排放量。这一严峻形势促使各国探索减排路径，其中建成环境(Built Environment, BE)对居民出行行为的影响机制成为研究热点。然而，现有研究多聚焦于城市整体层面，对低收入群体聚居的安置社区这一特殊场景关注不足。这类社区往往因郊区化选址导致公共服务缺失、通勤距离倍增，形成"空间剥夺"现象。更关键的是，传统线性模型难以捕捉BE要素间复杂的非线性交互效应，使得规划决策缺乏精准科学依据。

针对这一双重困境，南京的研究团队以12个郊区安置社区为样本，创新性地采用极端梯度提升(XGBoost)机器学习算法，首次系统揭示了BE对交通碳排放(Travel-related CO₂ Emissions, TCE)的阈值效应与交互机制。研究整合了出行问卷、GIS空间分析和多源环境数据库，通过量化建模发现：BE要素可解释60%的TCE变异，其中医疗设施密度存在3.5个/平方公里减排临界值，商业设施布局则呈现U型影响曲线。尤为重要的是，土地混合利用(Land Use Mixture)的减排效果会随地铁站距离呈现梯度衰减——当社区距地铁站超过2公里时，混合度提升的减排效益下降47%。这些发现突破了传统规划的均质化思维，为精准化社区更新提供了量化工具。

关键技术方法包括：1)基于XGBoost构建BE-TCE非线性关系模型，2)采用SHAP值解析变量交互效应，3)通过南京12个差异化安置社区的实地调查获取出行链数据。

研究结果部分：
《Travel Behavior》显示安置社区平均通勤距离达10.11公里，显著高于南京城区均值8.8公里，证实空间隔离导致的出行成本增加。

《Discussion》揭示三个核心发现：一是BE要素间存在"1+1>2"的协同效应，如高混合度与公交可达性组合可实现减排增效；二是设施布局存在明确阈值，区域商店密度在150-200个/平方公里区间时减排效果最佳；三是距离衰减效应显著，距市中心5公里外的社区需采用差异化更新策略。

结论部分强调，该研究首次建立了安置社区BE-TCE的交互作用理论框架，其创新性体现在：1)发现非线性关系的拐点效应，2)量化要素间协同/拮抗作用，3)提出"空间正义"导向的更新策略。这些成果发表于《Sustainable Cities and Society》，为发展中国家快速城市化过程中的低碳社区建设提供了重要范式。研究建议未来规划应建立"医疗设施阈值管控+商业密度区间优化+公交导向开发(TOD)"的组合策略，尤其关注5公里外的边缘社区更新。