随着城市化进程的加速和共享单车的兴起，城市居民的交通出行模式正经历着重大转变。相较于私家车出行，骑行自行车等主动交通方式具备诸多环境、健康和经济优势，成为了近年来城市交通研究的热点。本研究的核心目标在于构建一个新的框架，用以评估城市的时空可骑行性，旨在加强可持续城市交通规划。为填补以往研究在动态环境因素和轨迹数据方面的空白，我们提出了一个包含四个二级指标的可骑行性评估框架：安全性、舒适性、可达性和活力。该框架采用开源数据、先进的深度神经网络和GIS空间分析，以最大程度地降低主观评估的影响，相较于现有的可骑行性评估方法，更加高效和全面。在中国厦门的实验结果验证了该框架在识别可改进的骑行条件区域和促进自行车出行方面的有效性。我们的研究框架为不同地理环境下的可骑行性评估提供了一种结构化方法，使政策制定者、交通规划者和环境决策者能够更轻松、更全面地评估自行车骑行指数。

可骑行性,时空大数据,机器学习,建成环境,交通出行行为