El funcionamiento del sistema de metro requiere una comprensión integral de las características del flujo de pasajeros en las ubicaciones de las estaciones, así como una aguda conciencia de las distancias de viaje promedio en estas estaciones. Además, las distancias de viaje a nivel de estación tienen una relación directa con el entorno construido compuesto por las características de uso del suelo dentro del área de influencia de la estación. Con este fin, seleccionamos las características de uso del suelo dentro de un radio de 800 m de la estación (área de uso del suelo, distribución de puntos de interés y el entorno residencial circundante) como factores influyentes, teniendo como objeto de estudio las distancias de viaje en horas pico en la red de metro de Xi"an. Se estableció un marco de aprendizaje automático interpretable mejorado SSA-XGBOOST-SHAP. Los hallazgos de la investigación demuestran que el modelo mejorado propuesto supera a los métodos tradicionales de aprendizaje automático o regresión lineal en términos de R-cuadrado, MAE y RMSE. Además, la distancia desde el centro de la ciudad, la densidad de la red vial, el número de rutas de transporte público y la mezcla de uso del suelo tienen una influencia pronunciada en las distancias de viaje, reflejando el impacto significativo que los entornos construidos maduros pueden tener en la atracción de pasajeros. Adicionalmente, el análisis revela una notable relación no lineal y un efecto umbral entre las variables del entorno construido que comprenden el uso del suelo y las distancias de viaje durante las horas pico. Los resultados de la investigación proporcionan apoyo basado en datos para la gestión de estrategias operativas y la optimización de la capacidad de las líneas, así como fundamentos teóricos para mejorar la eficiencia y sostenibilidad de todo el sistema de metro.