为探究电动自行车超速行为影响作用机制，基于共享电动自行车GPS轨迹数据，对超速行为进行精准辨识和风险等级划分.考虑土地利用、道路、交通等风险要素，在构建基于机器学习算法的路段超速风险识别模型基础上，通过部分依赖图解析各因素对路段超速风险的影响规律.结果表明：相较于随机森林，CatBoost对于路段超速风险的识别效果更好；随着土地利用密度、路侧停车密度的降低，公交线路密度、道路等级、人行道宽度、非机动道宽度的增加，超速风险增加；同时，单向路、非物理隔离的人行道与非机动车道、平峰时段存在较大的路段超速风险.该研究为电动自行车风险骑行行为辨识及影响因素分析提供了一种新的方法，并为非机动车交通安全管理提供了有效的技术支持.