慢行交通在我国逐渐发展并受到广泛关注,面向慢行交通设施的精细化设计及管理的需求,以传统四阶段法为代表的区域需求预测模型无法完全有效应对精细化的慢行交通规划设计及管理者决策需要,而微观层面的直接需求模型（Direct Demand Model,DDM）通过回归分析来量化观测交通量和周边环境特征的关联性对慢行交通需求进行预测,可以弥补区域需求预测模型的不足。本文采用逐步线性回归的直接需求模型来建立微观层面的基于土地利用与建成环境的慢行交通需求预测模型,具有成本低、快速响应、结果易于解释等优点。围绕目标数据集获取及处理、指标测度方式、模型构建等方面展开研究,主要内容包括:概述慢行交通需求的4大类影响因素（社会人口统计学因素、土地利用及建成环境、自然环境及时间因素、观念和态度）;着重对比分析了慢行交通需求预测的各类方法,证实了直接需求模型在微观层面的慢行交通需求预测建模中的可用性。考虑到数据资源的可获取性、土地利用及建成环境对于塑造慢行交通出行行为的重要性,提出微观层面的基于土地利用与建成环境视角的慢行交通需求预测问题,并分析土地利用与建成环境多个维度下的测度指标构成。同时,综合考虑到慢行交通出行的特征以及土地利用与建成环境的构成维度的复杂性,提出模型构建的需要解决的问题:（1）适用于慢行交通需求预测的精细化土地利用数据的获取、处理及指标量化方法;（2）选取合适的土地利用与建成环境变量空间统计范围。分析土地利用与建成环境数据集的可获取性、时效性和适用性,将网络电子地图的数据作为精细化的土地利用的数据来源。提出了网络电子地图POI数据、道路矢量数据、建筑矢量数据的采集思路和处理方式,借用Arcmap空间统计工具和高德地图开放平台的路径规划接口对土地利用与建成环境的多维度量化指标进行测度。最后,以慢行过街天桥设施需求预测建模为例,通过Arcmap建立多环缓冲区选取适当的变量统计范围,并利用SPSS进行手动逐步线性回归分析,每个变量在不同的空间尺度下仅被允许选择一次,建立了包含多空间统计尺度的解释变量的理论模型和校正模型,通过对模型进行检验,结果表明,模型的整体精度表现良好。