随着城市交通机动化的发展,交通拥堵、环境污染越来越严重,节能环保的自行车交通开始重新受到社会各界的青睐,私人自行作为自行车交通的重要组成部分,其在居民出行中是否选择及其骑行频率直接受到各种因素影响,为了更好的制定利于自行车交通发展的政策,了解影响私人自行车使用的因素及其影响机理至关重要。基于国内外已有文献,结合西安市社会经济、区域、用地布局等城市特征,建立包含社会经济、心理、自然环境、建筑环境四个方面共计43个指标的私人自行车骑行影响因素指标集。选用随机抽样调查方法,采集西安市绕城内的604位私人自行车骑行者的骑行频率、骑行路线、骑行花费、出行意愿、住区环境和个人信息方面的骑行数据,借助SPSS高级统计分析软件对骑行者特征统计分析;借助Geographic Information System(GIS)空间分析工具构建了骑行-建筑环境一体化数据平台,从基于家庭住址的缓冲区、所在区位、邻近性三个方面,对影响私人自行车骑行的建筑环境特征进行测算,最终初步分析筛选获得个人和外部建筑环境与骑行频率的16个关联因素;利用SPSS软件进行多元有序Logistic回归分析,分别建立全样本、通勤出行、休闲娱乐出行私人自行车骑行影响因素多元有序Logit模型,并定义较高骑行频率发生影响度k值,定量分析多因素组合作用下影响私人自行车骑行频率的因素,判定k值确定各因素对较高骑行频率发生可能性影响重要性,最终获得具有影响次序的私人自行车骑行影响因素指标子集。论文研究发现,家庭人口数、私人自行车数量、对低碳环保和锻炼的关注、有骑行习惯、距离最近公交站点的距离对私人自行车骑行频率有积极影响;与之相反,有小汽车和驾照、季节的变化、恶劣天气的出现、家庭住址位于中心居住密集区和旅游商贸服务区、以及家庭住址到工作单位的距离对骑行频率有不利影响。对卡方检验sig值小于0.001通过检验的三个模型(全样本、通勤出行、休闲娱乐出行)分析可得,模型一和模型二中对较高骑行频率发生积极影响最强的因素均为关注低碳环保,k值分别为2.363、2.659,模型三为家到最近公交站距离(4.03);模型一和模型三消极影响最强的因素均为恶劣天气,k值分别为0.385、0.239,模型二为家到工作单位距离(0.304)。