La complejidad de la vitalidad de las calles urbanas se refleja en la interacción de múltiples factores. Una comprensión profunda de los mecanismos impulsores multidimensionales detrás de ella es crucial para mejorar la vitalidad de las calles urbanas. Sin embargo, los estudios existentes carecen de análisis interpretativos integrales de los datos urbanos de múltiples fuentes, lo que dificulta descubrir completamente las relaciones no lineales y los efectos de interacción de estos impulsores. Este estudio presenta un marco de aprendizaje automático interpretable, utilizando Nanchang, China, como estudio de caso. Utiliza datos urbanos de múltiples fuentes para explorar cómo estas variables influyen en diferentes dimensiones de la vitalidad de las calles. La innovación de este estudio radica en emplear un enfoque de medición integrado que revela las complejas no linealidades y efectos de interacción entre los datos, proporcionando una explicación más completa. Los resultados no solo demuestran el fuerte poder explicativo del enfoque de medición, sino que también revelan que (1) los indicadores del entorno construido juegan un papel clave en la influencia de la vitalidad de las calles, mostrando correlaciones espaciales positivas significativas; (2) diferentes dimensiones de la vitalidad de las calles exhiben características no lineales, siendo la densidad de estaciones de tránsito la más influyente; y (3) el análisis de clúster reveló características distintas del entorno construido y socioeconómicas a través de varios tipos de vitalidad de las calles. Este estudio proporciona a los planificadores urbanos una herramienta cuantitativa impulsada por datos para ayudar a formular estrategias más efectivas para mejorar la vitalidad de las calles.