共享单车凭借其便捷、环保、有益健康等优势，被认为是缓解城市交通拥堵问题的有效途径。正因如此，近年来，诸多研究对建成环境如何影响共享单车骑行的机制展开探讨。然而，却少有研究在道路尺度上探讨建成环境对单车骑行的非线性效应，并且对于交通路况如何影响共享单车出行尚不清楚。为此，本研究将以深圳市主城区为例，提出一种顾及骑行轨迹的道路尺度共享单车出行量提取方法，并运用多源大数据对道路尺度上的影响因素进行量化。在此基础上，运用梯度提升决策树（GBDT，一种机器学习模型）及其特有的解释方法（即相对重要性与部分依赖图），探讨交通路况与建成环境对共享单车骑行在道路尺度上的非线性影响。结果发现：①机动车流量与共享单车骑行量呈显著的正相关关系，在城市主干道更可能同时出现较高的机动车与单车流量。②机动车PM2.5排放量在通勤高峰时段与共享单车骑行量呈正向关系，而在非高峰时段则呈负向关系。③其他影响因素对共享单车骑行的非线性与阈值效应也被进一步揭示。上述结果有助于为一线城市优化慢行交通系统与构建友好型骑行环境提供决策依据。

共享单车;梯度提升决策树;建成环境;交通路况