街景绿化水平与中国老年人交通性体力活动的关联研究——基于百度街景与深度学习的三维绿视率分析

为解决高密度城市中老年人体力活动(PA)促进难题，清华大学团队创新性采用百度街景图像(BSV)和深度学习算法(PSPNet)量化500米缓冲区内三维绿视率(GVI)，首次揭示中国老年人交通性PA(特别是骑行)与街景绿化呈显著正相关(β=0.08,p<0.01)，为创建适老化绿色出行环境提供了循证依据。

　　

随着全球老龄化加速，中国60岁以上人口占比已达18.7%，构建适老化城市环境成为重大社会课题。体力活动(PA)是促进健康老龄化的关键因素，但传统研究多关注公园绿地而忽视日常活动路径的绿化影响。更棘手的是，现有绿植评估方法如归一化植被指数(NDVI)仅能反映二维植被覆盖，无法捕捉行人视角的真实绿视体验。这种局限性导致街景绿化与不同类型PA的关联机制长期存在争议，特别是在高密度城市中如何通过环境设计精准提升老年人活动水平，成为城市规划与公共卫生领域的交叉难题。

清华大学体育部联合河北师范大学、浙江大学团队在《Scientific Reports》发表突破性研究，首次将深度学习算法与街景图像分析相结合，对北京1326名老年人开展PA与街景绿化的精细化关联分析。研究创新性地采用百度街景图像和金字塔场景解析网络(PSPNet)，在500米生活圈内计算三维绿视率(GVI)，通过物理活动量表(PASE)评估交通性、休闲性和家务性三类PA，运用多水平线性回归模型校正混杂因素后，发现街景绿化每提升0.1单位，老年人交通性PA增加27.15分(p<0.01)，其中骑行活动关联尤为显著(r=0.098)。这一成果为"15分钟社区生活圈"的绿化设计提供了量化依据。

关键技术包括：(1)基于1326名清华大学退休教职工的横断面队列数据；(2)运用ArcGIS生成50米间隔采样点，通过百度API获取90°视角街景图像；(3)采用PSPNet深度学习模型分割植被像素计算GVI；(4)使用PASE量表评估三类PA强度；(5)通过多水平回归控制BMI、收入等混杂因素。

【主要结果】

1. 样本特征：女性占60.9%，平均年龄71.99±7.06岁，街景GVI均值0.25±0.07。家务性PA(43.67±34.50)显著高于休闲性(33.04±32.17)和交通性PA(26.28±23.80)。

2. 相关性分析：街景绿化与交通性PA显著正相关(p<0.05)，尤其骑行活动(p<0.01)，女性关联更强(p<0.01)。与休闲性、家务性PA无显著关联。

3. 回归模型：校正年龄、收入后，GVI仍能独立预测交通性PA(β=0.08,p<0.01)，但对休闲性(β=-0.02)和家务性PA(β=-0.04)无预测作用。

4. 性别差异：女性家务性PA显著高于男性(51.76 vs 31.05分,p<0.001)，但街景暴露量无性别差异。

【结论与意义】
该研究突破性地证实街景绿化通过"视觉-行为"机制特异性促进老年人交通性PA，特别是骑行活动。这一发现挑战了传统绿地规划的"一刀切"理念，指出行道树种植、骑行道绿化等微观设计比公园建设更能提升老年人出行活动。研究首创的"街景图像-深度学习-GVI"评估体系，为量化人本视角的环境暴露树立新范式。

讨论部分揭示三个深层机制：(1)视觉舒适性降低骑行疲劳感，尤其对女性更显著；(2)街道绿化提供连续活动路径，而公园需专门前往；(3)500米生活圈恰是老年人日常活动阈值。作者建议高密度城市应优先改造"灰色基础设施"为"绿色出行廊道"，这对中国应对老龄化挑战具有重要实践价值。研究局限性包括横断面设计无法确立因果，未来需结合加速度计等客观PA监测手段开展纵向研究。