Para avanzar en un diseño urbano basado en evidencia que priorice la movilidad no motorizada, este estudio propone un marco de aprendizaje automático explicable habilitado por vistas de calles que vincula sistemáticamente la semántica del entorno construido con la optimización de la vitalidad del transporte no motorizado. Al integrar imágenes de Baidu Street View con detección de objetos basada en aprendizaje profundo (Faster R-CNN), cuantificamos la vitalidad de la movilidad impulsada por humanos y asistida mecánicamente de manera detallada. Estas características se fusionan con datos geoespaciales de múltiples fuentes que abarcan 23 variables del entorno construido en un pipeline de aprendizaje automático interpretable utilizando modelos de bosque aleatorio optimizados por SHAP. Los hallazgos clave revelan patrones de respuesta no lineales distintos entre los modos HP y MA en relación con los factores del entorno construido; por ejemplo, se observa una notable promoción en la vitalidad del NMT asistido mecánicamente a medida que la densidad empresarial aumenta más allá de 0.2 instalaciones por ha. Efectos sinérgicos y de umbral emergentes son evidentes a partir de las interacciones de variables que requieren consideraciones de planificación multidimensional, como se demuestra en fenómenos como el pico de la vitalidad del NMT impulsado por humanos que ocurre en densidades de instalaciones públicas de 0.2-0.8 instalaciones por ha, densidades empresariales de 0.6-1 instalaciones por ha, y patrones de heterogeneidad espacial identificados a través del agrupamiento Bivariado Local de Moran"s I. Esta investigación contribuye con un marco técnico innovador que combina el reconocimiento de imágenes de vistas de calles con IA explicable, mientras informa prácticamente la planificación urbana a través de la clasificación de zonas de movilidad basada en evidencia y la formulación de estrategias específicas, permitiendo una optimización más precisa de los espacios urbanos orientados a peatones y ciclistas.