Crear un entorno transitable es un paso esencial hacia los Objetivos de Desarrollo Sostenible 2030. Sin embargo, no todas las personas pueden disfrutar de un entorno transitable, y se ha encontrado que los vecindarios con diferentes niveles socioeconómicos varían considerablemente en cuanto a la transitabilidad. Estudios anteriores han desentrañado típicamente la relación entre la privación del vecindario y la transitabilidad desde una perspectiva temporalmente estática, y se creía que las estimaciones producidas en un momento dado incorporaban grandes incertidumbres. Las formas en que la transitabilidad del vecindario cambia con el tiempo en relación con la privación siguen siendo poco claras. Usando el caso del área metropolitana de Hangzhou, primero medimos la transitabilidad del vecindario de 2016 a 2018 calculando un conjunto de puntuaciones de transitabilidad revisadas. Además, aplicamos un algoritmo de aprendizaje automático, en particular la regresión de mínimos cuadrados regularizados basada en núcleos, para desentrañar cómo cambia la transitabilidad del vecindario en relación con la privación a lo largo del tiempo. Los resultados no solo capturan la no linealidad en la relación entre la privación del vecindario y la transitabilidad a lo largo del tiempo, sino que también destacan los efectos marginales de cada indicador de privación del vecindario. Además, las comparaciones de los resultados entre el algoritmo de aprendizaje automático y la regresión OLS ilustraron que el enfoque de aprendizaje automático contaba una historia diferente y debería contribuir a remediar las conclusiones contradictorias en estudios anteriores. Se cree que este artículo renueva la comprensión de las desigualdades sociales en la transitabilidad al resaltar la importancia de las dinámicas temporales y las interdependencias estructurales.