可持续出行通常通过“三条腿凳子”（车辆技术、燃料和车辆行驶公里数或英里数（VKT/VMT））来解决驾驶的外部性（Hensher, 2024）。电气化通过提高车辆效率和减少对化石燃料的依赖加强了前两条腿，但其净可持续性贡献仍然取决于第三条：驾驶行为。电动汽车（EVs）减少了尾气排放，但它们并没有消除汽车依赖型出行的外部性，包括拥堵、非尾气颗粒物、噪音以及停车和道路基础设施的土地需求（Jochem et al., 2016; Mouratidis and N?ss, 2024）。在能源效率研究中，回弹效应指的是当效率提高降低了使用服务的广义成本并因此增加对该服务的需求时，预期的能源或环境收益的部分抵消（Berkhout et al., 2000; Greening et al., 2000）。在 EV 背景下，这意味着一种潜在的回弹相关机制：如果 EV 拥有权伴随着较低的感知边际驾驶成本和额外的驾驶需求，清洁车辆技术预期的环境收益可能会被部分削弱（Jochem et al., 2016; Langbroek et al., 2018; Ojeda-Diaz et al., 2026）。
因此，一个核心实证问题是 EV 是否与更密集的汽车使用相关（Langbroek et al., 2018; Ojeda-Diaz et al., 2026）。与 EV 采用的文献相比（Jia and Chen, 2021; Liao et al., 2017），关于 EV 拥有权与实际车辆使用相关性的证据仍然有限。现有研究主要来自西方背景，揭示了相互竞争的模式：范围限制可能抑制使用（Davis, 2019; Lane et al., 2018; Salah and Kama, 2017），而较低的财务和心理负担可能鼓励更长的出行距离（Kosmidis et al., 2023; Langbroek et al., 2018）。这种不确定性对于快速电气化的国家如中国尤为重要，那里的城市仍在管理快速机动化的外部性，同时 EV 通过补贴、充电基础设施和能源投资得到推广1（Yang et al., 2026）。这造成了一个政策悖论：旨在加速“更清洁”EV 采用的措施也可能产生与回弹相关机制一致的非预期行为后果（Ojeda-Diaz et al., 2026）。
除了技术替代，将交通脱碳嵌入空间规划是过渡的另一个关键维度（Anable and Goodwin, 2021）。政策工具依赖于建成环境属性与出行行为之间既定的关系，随着 EV 采用重塑汽车使用的成本和空间模式，这种关系可能变得更加重要（Hardaway et al., 2025）。经典规划研究将紧凑、混合和交通可达的设置与较低的 VKT 联系起来（Ewing and Cervero, 2010），因为接近性和可达性缩短了出行距离，拓宽了非汽车选项，并降低了驾驶的相对效用（De Vos and Witlox, 2013）。这些机制主要是在内燃机汽车经济和技术的条件下开发的。如果 EV 降低了驾驶成本（经济和心理上的），并且充电投资使汽车出行实际上更便宜、更容易，驾驶的相对效用可能会上升（Langbroek et al., 2018; Ojeda-Diaz et al., 2026）。因此，一些建成环境属性的效应的可能会发生变化，削弱传统建成环境干预的减少汽车效果。此外，更便宜和更快的出行也可能重塑居住选择。居住选择反映了位置成本和出行成本之间的权衡，当交通变得更便宜和更快时，外围位置出行成本的惩罚下降，使城市边缘更便宜的土地更具吸引力，鼓励更长的通勤、更高的 VKT 和城市蔓延（De Vos and Witlox, 2013; Shu et al., 2025）。然而，较少研究考察了这种更隐晦且空间分化的回弹相关证据。
为了弥补这些差距，本研究将两步分析框架应用于中国武汉 2020 年的出行调查数据。本研究解决以下两个研究问题：（1）EV 拥有家庭的暴露是否与更高的 VKT 相关，从而提供与潜在回弹相关机制一致的行为证据？（2）在 EV 拥有家庭暴露下，建成环境 -VKT 关系有何不同，以及城市中这些差异在哪里最显著？我们首先使用双重机器学习（DML）估计 EV 拥有权与每日 VKT 之间的条件因果关联，使用丰富的社会人口学和建成环境协变量。然后，我们利用地理 -XGBoost（GeoXGBoost）扩展 DML 结果模型，以检查建成环境效应的空间异质性。在方法论上，机器学习在出行行为和建成环境研究中进展迅速，特别是用于识别非线性关系（Cao and Tao, 2023）。其在该领域与因果推断的整合相对较新（Ding et al., 2024; Yang et al., 2025）。此外，传统的非空间机器学习模型没有明确考虑空间依赖性和空间异质性，这可能导致过于乐观的模型拟合或有偏的预测，并模糊非线性关系如何随空间变化（Grekousis, 2020, Grekousis, 2025）。
本研究在两个方面为文献做出了贡献。首先，通过考察与快速机动化和电气化城市日益相关的政策悖论，推进了关于 EV 相关回弹效应的实证和规划辩论：EV 推广可以减少尾气排放，而较低的感知驾驶成本可能会增加 VKT 并改变传统建成环境干预的有效性。以武汉作为关键的实证环境，我们共同检查了 EV-VKT 关联和建成环境 -VKT 关系的变化，为协调车辆电气化与需求管理和土地利用规划提供了行为和空间证据。其次，本研究开发了一个集成的因果和空间机器学习框架，将处理效应估计、非线性亚组解释和局部空间异质性联系起来。该框架提供了一种可迁移的方法，用于从观测出行和土地利用数据中提取条件因果和空间异质性证据。
