数字交通背景下，网约车与公共交通使用和建成环境的关系是城市地理学和交通地理学共同关注的重点论题。然而，目前仍缺乏从时空维度量化网约车对公共交通出行的影响，也未明确建成环境在其中发挥的作用。通过引入需求弹性理论与大数据技术，提出网约车出行替代效应时空测度方法，并发展了一种高效、动态、精细化的建成环境量化方法。运用随机森林和可解释机器学习模型，重点剖析了影响替代效应的多因素非线性交互与时空耦合作用。成都市的实证研究表明：(1)出行效率是影响公共交通竞争力的关键。同一行程下的公共交通行程时间是网约车的2.0～3.5倍，其中需花费10 min的步行时间来完成最初/最后1 km，且需要0～2次换乘。(2)中心城区的网约车出行对公共交通产生明显替代效应，工作日和休息日分别有28.69%和27.08%的网约车出行替代了公共交通，并在高峰时段明显增强。(3)目的地可达性对替代率的正向贡献度最高，其次为人口社会经济要素，城市空间形态和公共交通可达性对替代率的影响程度相对较小。(4)建成环境对替代效应的影响呈现出非线性交互特征，且阈值区间和交互影响强度随时间的动态变化而差异显著。研究不仅突破了传统静态“空间—行为”研究局限性，也为城市交通出行优化和建成环境的精细化调控提供了应用参考。