社区的建筑环境会影响老年人的驾驶行为：一种结合地理信息系统和机器学习的方法

《Cities & Health》：The neighbourhood built environment affects driving behaviours of older adults: a combined geographic information systems and machine learning method

本研究基于GIS和机器学习技术，分析美国圣路易斯市65岁以上老年人2019年的驾驶空间特征，发现公共交通密度和居住区用地多样性是预测驾驶空间的关键因素，揭示建成环境与驾驶行为间存在非线性关联，且驾驶距离与各环境要素关系复杂。

　　

摘要

“驾驶空间”可以被理解为建成环境特征与驾驶行为之间的相互作用。驾驶活动能够让人们保持活跃和参与度，尤其是在晚年时期。本研究利用地理信息系统（GIS）和机器学习技术，分析了2019年1月1日至2019年12月31日期间居住在美国圣路易斯市及圣路易斯县的老年驾驶员（年龄≥65岁；样本量n=134）的驾驶情况。研究考察了诸如总行驶距离、出行频率以及短途出行与长途出行的比例等驾驶相关变量。建成环境的评估指标包括公共交通便利性、土地使用类型以及道路网络特征。研究结果表明，对老年人驾驶空间最具预测性的因素是公共交通密度和居民区内的土地使用多样性。该研究揭示了建成环境因素与驾驶空间变量之间的非线性关系：总行驶距离与各个建成环境变量之间存在复杂的相关性。短途和长途驾驶行为的差异与不同的土地使用类型、均衡的交通密度以及交叉路口密度密切相关。这些发现凸显了利用车载监控技术来探究建成环境特定特征如何影响老年人日常驾驶行为的重要性。