混合人格评论生成与地理增强上下文检索技术在多模态危机事件分类中的大型语言模型（LLM）微调应用 作者：Tong Bie, Yongli Hu, Yu Fu, Linjia Hao, Tengfei Liu, Kan Guo, Huajie Jiang, Junbin Gao, Yanfeng Sun, Baocai Yin

《ISPRS International Journal of Geo-Information》：Mix-Persona Comment Generation and Geographically Enhanced Context Retrieval for LLM Fine-Tuning in Multimodal Crisis Post Classification Tong Bie, Yongli Hu, Yu Fu, Linjia Hao, Tengfei Liu, Kan Guo, Huajie Jiang, Junbin Gao, Yanfeng Sun and Baocai Yin

　　摘要：促进老年人的主动出行（AT）对健康老龄化至关重要，然而对于建成环境（BE）干预的最佳空间单元和尺度仍不明确。现有研究往往忽视了“可修改区域单元问题”（Modifiable Areal Unit Problem），并且未能在可能具有非线性行为-环境关系的情况下区分宏观尺度的土地使用模式和微观尺度的街道设计。本研究旨在阐明多尺度BE如何影响老年人的AT，并确定最有效的干预尺度。利用来自中国武汉2494名老年人的调查数据，我们构建了六个具有行为意义的滑动单元（5分钟、10分钟和15分钟的步行网络缓冲区以及等距的欧几里得缓冲区），从GIS、人口普查数据和街道视图图像中提取宏观和微观尺度指标，并构建了带有累积局部效应图（Accumulated Local Effects plots）的极端梯度提升（XGBoost）模型以进行解释。模型比较显示了明显的尺度效应：基于网络的缓冲区系统性地优于圆形缓冲区，15分钟的步行网络缓冲区被确定为最佳干预单元。在所有尺度上，BE变量对模型性能的贡献大于社会人口统计因素，宏观尺度属性（如土地使用混合、设施密度和交通可达性）始终优于微观尺度的街道特征。对于关键密度、可达性和街道景观指标，识别出了非线性效应和阈值。这些发现强调了多尺度分析的必要性，并支持为老年人规划“15分钟生活圈”，优先考虑宏观尺度的土地使用和设施优化，同时通过有针对性的、特定于情境的街道级改进来创造安全、适合老年人的步行环境。

1. 引言
世界正面临快速人口老龄化的严峻挑战，这对城市公共卫生系统和社会福利系统带来了前所未有的压力[1]。增加身体活动水平被认为是实现健康老龄化的关键且具有成本效益的方法[2]。主动出行（AT）以步行和骑自行车等人力驱动的活动为特征，被广泛认为是最自然地融入日常生活的身体活动形式，尤其是对老年人而言[3]。研究表明，定期进行AT有助于满足世界卫生组织的身体活动建议，降低慢性疾病风险[4]。然而，老年人的活动范围通常集中在他们的住所周围，并且对建成环境（BE）的质量更加敏感和依赖[5,6,7]。因此，识别影响老年人AT的关键BE指标并理解其机制对于制定有效的适合老年人的干预措施至关重要。这一趋势在中国尤为明显。第七次全国人口普查数据显示，中国60岁及以上的人口占18.7%，预计这一数字还将大幅增长。中国的老年人还面临着高血压和糖尿病等慢性非传染性疾病的高发率，这些疾病与久坐的生活方式有关[8]。截至2025年3月，武汉的老年人口达到了219万（占总人口的23.05%），标志着社会正在迅速老龄化。作为同时经历这种严重人口变化和快速城市化的主要城市中心，武汉是一个分析上具有意义的案例研究，用于探讨老年人之间的BE-AT关系。

现有研究表明，多尺度的BE干预可以有效鼓励老年人的AT。例如，文献广泛记录了宏观层面的土地使用策略，如促进多中心城市结构、增加土地使用密度和多样性以及改善公共交通可达性[9]。它还强调了微观层面的街道设计措施，如增加街道绿化和加强人行道连通性作为有效方法[10,11,12]。最近的研究还强调了BE与出行行为之间复杂且非线性的关联，因此传统的线性模型往往无法捕捉到关键模式[11]。这促使人们逐渐转向具有更强预测和解释能力的非线性方法。然而，仍存在两个关键限制。第一个问题是空间尺度：我们应该在哪个空间单元上测量和干预BE？“可修改区域单元问题”（MAUP）在将BE与出行行为联系起来的研究中仍然是一个持续的挑战，因为统计结果对所使用的空间单元的尺度和配置非常敏感。然而，许多研究仍然依赖于预设的单元，如800米的圆形缓冲区或人口普查区，而没有测试这些单元是否具有行为意义[13]，这可能会偏倚对BE效应的估计，尤其是在存在对环境的非线性响应时。

第二个限制是干预重点：BE干预应在哪个尺度上优先考虑，宏观还是微观？鉴于BE是一个多尺度的复杂系统，以往的研究通常将其视为一个单一的构造，没有明确区分宏观尺度特征（例如土地使用、人口密度和设施可达性）和微观尺度特征（例如街道绿化、人行道质量和感知安全性）。实际上，非线性、空间尺度和干预重点的问题是相互嵌套的。空间单元的选择和宏观或微观尺度属性的选择共同决定了非线性效应的出现方式以及在实践中哪些属性最为重要。因此，本研究将这些问题重新表述为一个联合问题：在哪些空间单元内，规划者应优先考虑哪些宏观和微观尺度的建成环境属性，以便在可能的非线性BE-行为关系下最有效地支持老年人的出行行为？

因此，本研究旨在通过一个系统的多尺度比较框架来解决这些差距。利用来自武汉2494名老年人的调查数据和极端梯度提升（XGBoost）机器学习技术，它探讨了：（1）BE与老年人AT之间的关系是否随空间单元尺度的变化而变化；（2）哪个尺度最有效地解释老年人的AT；（3）在最佳单元内，宏观与微观尺度的BE因素在相对重要性上如何比较，以及它们的非线性阈值是什么。

本文的结构如下：第2节总结了关于BE与老年人AT之间相关性的现有证据，并明确讨论了MAUP问题。第3节概述了方法论和数据规格。第4节分析了建模过程产生的发现。研究以一个总结性部分结束，强调了重要结果并概述了进一步研究的潜在途径。

2. 文献综述
2.1. BE与老年人的AT
BE是影响老年人AT决策和能力的关键外部因素。由于与年龄相关的身体和认知健康下降，老年人对其居住环境的脆弱性是其他年龄组所没有的。理解这种关系需要从多个尺度上研究BE，并认识到研究这些关系的方法论演变。

2.1.1. 宏观尺度的BE因素
文献广泛采用了Ewing和Cervero提出的“5D”框架（密度、多样性、设计、目的地可达性和到公共交通的距离）作为研究宏观尺度BE对出行行为影响的组织结构[14]。该框架已被广泛应用于研究不同人群（包括老年人）的AT。关于密度，老年人在更密集、更多样化的环境中通常表现出更高的AT倾向[15]。较高的人口密度与较短的出行距离和更大的日常目的地可达性相关，这有助于步行和骑自行车。然而，研究也发现，在某些范围内，人口密度的进一步增加会显著抑制老年人的主动出行[16]。目的地可达性被反复确定为老年人AT的关键驱动因素[17,18]。靠近商店、医疗设施、公园和社会场所等关键目的地可以减少出行障碍，并提供主动出行的动力。张等人（2019）发现，社区服务资源的可达性显著影响了中国老年人的步行活动，不同类型的设施显示出不同的重要性[19]。便捷的公共交通通过作为“第一/最后一英里”的接驳模式促进了步行[20]。交通可达性扩大了老年人在有限移动预算内可到达的目的地范围，可能增加他们的整体活动参与度。然而，交通可达性与AT之间的关系是复杂的，可能因空间尺度和个人特征而异。

虽然“5D”框架提供了一个有用的组织结构，但将其应用于老年人的研究往往忽略了年龄特定的调整需求。例如，老年人通常比年轻人更短的可接受步行距离、对物理障碍更敏感，以及对交通安全的更高关注[5,6,7]。此外，大多数研究宏观尺度BE因素的研究依赖于线性建模方法，这些方法可能无法捕捉复杂的非线性关系和阈值效应[21,22,23]。

2.1.2. 微观尺度的BE因素
研究越来越关注行人尺度的街道设计和质量，这对调节老年人如何体验出行和感知个人安全起着关键作用[24]。微观尺度元素对老年人尤为重要，因为与年龄相关的身体和认知变化使他们更容易受到街道级环境条件的影响。街道绿化一直与老年人更高的AT率相关。先前的研究发现，更绿色的居住环境、良好的花园和商店可达性以及维护良好的人行道有利于老年人更频繁的AT[25,26]。杨等人（2019）发现，街道绿化与香港老年人的步行行为呈正相关，表明绿色环境增强了步行体验并提供了心理益处[27]。最近在街道视图图像分析方面的进展使得对微观尺度BE特征进行更客观和可扩展的测量成为可能[11,28]。街道视图图像分析在大规模研究中具有几个优势[29]：它捕捉客观的视觉条件而不是主观感知；它允许在广泛的地理区域内进行一致测量，语义分割技术允许自动提取细粒度的街道景观元素。更重要的是，对于有行动能力、平衡或视力障碍的老年人来说，微观尺度元素（如路面平整度、可访问的路边坡道、街道照明和公共座椅的可用性）通常是他们是否感到能够或愿意出行的基本前提[24]。刘等人（2024）使用主动出行需求层次结构来研究中国街道景观环境与老年人AT之间的关联，发现与安全相关的元素是步行行为的基础前提[11]。尽管街道设计研究有了显著进展，但大多数研究都是孤立地研究这些因素，而不是比较它们与宏观尺度因素的相对重要性[11,28]。这给规划者带来了实际困境：他们应该优先考虑大规模的土地使用变化还是街道质量的精细改进？现有研究尚未对此问题提供明确的答案。

2.1.3. 方法论演变
与这一实质性演变并行的是研究方法的变化。传统研究严重依赖于基于线性假设的模型（如logit和线性回归）[6,27,30]。这些方法通常受到其线性规格的限制。具体来说，它们无法充分捕捉最近文献中发现的复杂非线性模式和阈值效应（例如，绿地的“饱和点”[21]。因此，为了解决这些问题，当代学术界越来越多地转向具有更强预测和解释能力的非线性机器学习模型，如随机森林（RF）和梯度提升机（GBMs）[22,23,31,32,33,34]。虽然这些方法提高了预测准确性并可以建模复杂的变量交互作用，但它们经常作为“黑箱”运作，对规划实践的可解释性有限[22,23]。我们研究小组[22,28]和其他研究[23]之前的应用已经证明了非线性BE-AT关系的存在。例如，郭等人（2023）使用随机森林研究了短距离AT的非线性BE效应，但特别关注2公里以下的行程[22]。吴等人（2021）使用GBDT研究了中国中山的非线性BE-步行关系，并使用了800米的缓冲区[23]。然而，这些研究主要关注一般人群或特定交通模式的预测性能，而没有系统地量化老年人之间宏观和微观尺度因素的相对重要性（RI），也没有提取出可操作的、可解释的指导来优先考虑不同空间尺度上的干预措施。

尽管在这些实质性和方法论方面取得了进展，但仍存在一个重要差距。规划者面临一个实际困境：他们应该优先考虑大规模的土地使用变化（宏观尺度的BE）还是街道质量的精细改进（微观尺度的BE）[28]？关于老年人的现有研究，无论是受到线性假设的限制（这限制了交互作用的处理），还是主要关注新ML模型的预测准确性（这些模型往往作为“黑箱”运作），都没有提供明确的答案。因此，迫切需要使用可解释的非线性模型来系统地量化宏观和微观尺度BE因素之间的RI，同时明确解决先前测量方法的方法论限制。

2.2. BE研究中的MAUP
与研究BE的实质性挑战并行的是选择适当空间单元的难度。关于建成环境（BE）行为关联的研究长期以来一直受到MAUP [35] 的困扰。MAUP表明，随着观测单元的空间分辨率和边界配置的变化，空间分析的结果（包括变量显著性、影响方向甚至模型拟合优度）可能会发生显著变化。在健康地理学中，这个问题也被称为“不确定的地理背景问题”（UGCoP），突显了我们对个体所处“真实”环境的不确定性。2.2.1. 划定BE测量单元的方法现有文献通常采用两种主要方法来划定BE测量单元：首先是人为定义的、不重叠的相邻单元（例如，交通分析区（TAZs）、人口普查区）；其次是围绕受访者居住地设定的特定距离缓冲区（例如，400米、800米）。这两种方法在试图量化老年人的出行环境时都存在方法论上的局限性。行政单元（例如，TAZs、人口普查区）的划分更多是基于行政便利性而非行为相关性。它们的边界往往与实际活动空间对齐不良，且大小和形状的不同导致样本间的可比性问题 [36,37]。基于距离的缓冲区（欧几里得或网络型）提供了更以个体为中心的测量方式，但在行为有效性上存在差异。欧几里得缓冲区忽略了街道网络的连通性和物理障碍，可能会高估可步行覆盖的范围 [37]。学者们通过实证研究长期记录了这种简化单元选择所导致的分析不确定性 [36]。例如，Mitra等人（2012年）通过研究六个不同的空间单元发现，BE与出行模式之间的相关性对尺度和分区系统的变化非常敏感 [38]。Zhang等人（2005年）指出，随着分区尺度的增加，相关系数会下降 [39]。Clark等人（2014年）也发现，同一变量在不同单元中表现出不同的系数和显著性水平 [40]。2.2.2. 非线性模型中的MAUP近年来，随着机器学习（ML）方法的引入，学者们发现MAUP在非线性模型中仍然存在，甚至可能更为复杂。根据Liu等人（2023年）的研究，缓冲区半径的选择是一个关键因素，会对模型输出产生深远影响，特别是改变估计的权重、排名以及BE内部的复杂非线性关系 [41]。Laviolette等人（2022年）同样发现，某些BE因素对单元尺度的变化异常敏感 [42]。尽管MAUP在一般人群的出行研究中受到了一些关注，但专门针对老年人的MAUP研究（尤其是关于活动出行时间（AT）的研究仍然有限 [43]。由于老年人的活动范围相对受限，他们的活动空间既不是圆形缓冲区也不是行政单元，而更可能是由关键目的地（例如市场、公园和公交车站）以及连接这些目的地的路径组成的功能区域。因此，目前尚不清楚适用于一般人群的空间单元（例如1公里缓冲区）是否也适用于老年人。鉴于中国当前积极推广基于“5分钟、10分钟、15分钟生活圈”的“社区-家庭”老年人护理服务系统的政策背景，迫切需要实证研究来回答哪种尺度（例如5分钟与15分钟）和哪种形状（例如圆形缓冲区与基于网络的生活圈）的单元在行为上最为相关。2.3. 研究空白与贡献基于前述文献综述，本研究解决了两个关于老年人AT的关键研究空白。首先，现有研究没有系统地比较宏观尺度因素与微观尺度街道设计的相对重要性，使得规划者难以确定如何优先分配有限的干预资源。其次，以往的研究往往依赖于预设的空间单元（例如800米缓冲区），这些单元缺乏行为相关性，忽略了老年人的独特活动模式和身体限制。为了填补这些空白，本研究提出了三个关键贡献。它是首次应用非参数机器学习方法来测试和减轻老年人出行研究中的MAUP。通过这种方法，研究确定了最具有行为相关性的建成环境（BE）干预尺度，并共同量化了宏观和微观尺度变量的影响和阈值，为有针对性的规划策略提供了坚实的实证基础。3. 方法与数据 3.1. 研究设计本研究开发了一个多尺度比较框架，以明确解决BE研究中的MAUP问题，并揭示宏观（例如土地利用）和微观（例如街道设计）BE特征对老年人AT的非线性影响。在出行行为和BE研究中，定义统计单元的方法可以分为两大类：固定地理单元和滑动地理单元 [36]。固定单元（例如行政社区）在大小和形状上往往差异很大，导致不同样本之间的BE暴露度量难以比较。相比之下，滑动地理单元是围绕每个个体的具体地理位置构建的灵活空间单元（例如居住地址），其边界由距离或旅行时间定义，并根据研究的空间尺度设计动态调整，使其与个体层面的出行行为分析更加吻合。因此，本研究采用滑动地理单元作为分析基础，以考察MAUP在老年人AT和BE研究中的运作情况。在构建用于出行行为分析的滑动单元时，现有文献中出现了两种空间表示方法：基于网络的网格缓冲区（基于实际的行人路径连通性）和欧几里得圆形缓冲区（基于直线距离假设）。虽然欧几里得圆形缓冲区通常被认为是一种近似表示方法——依赖于“通用网络假设”，这与建成环境并不完全一致，并且在反映真实出行路径方面存在固有局限性，但由于其计算效率和操作简便性，它们仍然是实证BE-AT研究中广泛采用的基线方法。Guo等人（2007年）提出的基于网络的网格缓冲区在理论上更为优越，因为它们与行人的实际出行路径一致 [37]。然而，针对老年人这一具有独特身体限制和出行特征的群体的实证证据仍然不足，也没有定量比较这种方法在捕捉老年人实际BE暴露程度方面优于传统欧几里得方法的程度。这一关键研究空白构成了本研究同时采用这两种表示方法的核心理由：我们不是将欧几里得缓冲区作为独立的分析工具，而是将其作为比较基线，与基于网络的网格缓冲区进行严格的实证对比，以验证理论上更优越的基于网络的网格缓冲区是否确实能更好地捕捉老年人的实际BE暴露情况。为了便于这种系统比较，我们构建了两大类包含六种不同几何形状的滑动地理单元（图1a,b）：基于网络的网格单元和欧几里得圆形缓冲区。图1. 不同地理统计单元的示意图。(a) 基于网络的缓冲区。(b) 基于欧几里得的缓冲区。构建这些单元的一个关键前提是为老年人样本建立一个行为上有意义的测量基准。本研究没有使用通常适用于成人的400米或800米缓冲区距离，而是采用了基于武汉老年人实地调查得出的平均步行速度0.8米/秒。这一核心参数构成了构建所有六个滑动单元的共同基础。基于此，本文构建了两组严格可比的滑动单元。第一组是基于网络的等时线缓冲区，根据0.8米/秒的速度阈值计算实际可达区域，具体定义为5分钟、10分钟和15分钟的步行区域。这组单元也与中国推广的“居民生活圈”政策背景相一致。第二组用于对比的是基于欧几里得的等距缓冲区，其距离阈值同样来自2020年研究团队对武汉156名老年人进行的实地测量（平均观察速度：0.796米/秒，标准差=0.14）：240米（相当于5分钟：5分钟×60秒/分钟×0.8米/秒）、480米（10分钟）和720米（15分钟）。此外，在构建基于网络的缓冲区时，本文遵循了现有关于空间分析精度的研究，将受访者家周围的区域划分为50米×50米的网格 [44]。然后通过建立连接受访者家与每个周围网格单元的OD矩阵来计算实际的网络旅行时间，仅识别出在5分钟、10分钟和15分钟阈值内可到达的网格。在计算了每个单元内的BE变量后，本研究为每个单元构建了独立的XGBoost模型。通过比较模型的整体解释能力，确定了最具行为相关性的最佳干预单元。接下来，利用模型输出的RI变量，我们确定了BE中宏观与微观尺度属性的相对优势。最后，为了准确捕捉复杂的非线性并确定环境影响的有效阈值，我们为每个影响AT的显著变量生成了累积局部效应（ALE）可视化图。3.2. 研究区域和样本数据本研究的研究区域是位于中国中部的特大城市武汉的主要城区（第三环以内）。作为湖北省的省会，武汉正面临严重的人口老龄化挑战。“武汉第七次全国人口普查公报”显示，2020年该市居民人口达到1232.65万，其中60岁及以上的人口为212.44万，老龄化率为17.23%。这比2010年增加了4.55个百分点，表明老龄化程度正在加深和加速。更重要的是，基于2020年的经济和人口普查数据进行分析显示，武汉第三环以内（主要城区）的老年人人口密度显著高于第三环以外的区域。这意味着该地区是老年人日常活动的主要场所，因此在缓解他们的出行问题方面面临更大的压力。因此，将研究范围集中在这一高密度、高需求的核心区域对于制定有效的老年人友好型干预策略具有最紧迫的实际意义。对于这项分析，我们使用了2020年“武汉第四次居民出行调查”的样本数据，这是一项在2020年底进行的全面区域家庭出行普查。需要强调的是，这次调查的有效性并未受到COVID-19大流行的影响。由于当时中国的“动态零COVID”政策，在调查期间武汉没有报告本地确诊病例，也没有实施任何旅行限制。因此，居民的出行特征与疫情前的情况基本一致，确保了数据的真实性和代表性。该调查采用了与人口规模成比例（PPS）的抽样方法，每个街道行政单元（Jiedao）的抽样比例相当于总人口的0.5%。通过结构化的家庭问卷调查收集了居民的社会人口统计特征和详细的日常出行记录。具体来说，这0.5%的抽样比例相当于武汉全市15,000户家庭，完全符合大规模城市居民出行调查的国家技术规范和中国大城市的常规抽样规模。关于本研究的核心研究对象（老年人），从15,000户家庭中得出的潜在样本量足够大，足以捕捉老年人出行行为的异质性（例如年龄、健康状况和出行需求的差异）。从统计上讲，PPS抽样与这个样本量的结合确保了总样本和老年子样本的结构与每个街道行政单元的整体人口特征高度一致，有效保证了统计代表性。在本研究中，我们将老年人定义为60岁及以上的个体。选择这一年龄界限是为了与中国法定退休年龄和官方国内统计标准保持一致，而不是国际研究中常用的65岁阈值，这样更能准确反映中国背景下与退休相关的生活方式变化和出行需求的变化。本研究对收集的样本数据进行了预处理。首先，从总样本中筛选出了60岁及以上的个体。其次，根据受访者的居住坐标，只保留了位于武汉三环路（研究区域）内的样本。最后，排除了关键信息不完整或异常的样本（如居住地、出行方式）。经过这一系列的清洗和筛选，本研究获得了2494个有效的老年人样本（图2），其中1877个样本每天使用步行或骑自行车（AT）作为出行方式，617个样本选择了其他出行方式。图2. 研究范围和样本分布。

3.3. 关键变量
为了确保数据的一致性和时效性，本文中的所有变量数据均来源于2019年至2020年。本研究的因变量是老年人的出行方式选择。该变量表示受访者是否选择了步行或骑自行车等AT方式。本研究将这一变量视为二元分类变量：无 = 0；有 = 1。步行和骑自行车被合并为一个AT类别，因为研究关注的是机动出行与人力出行之间的基本区别，如果将它们分开会引入不必要的模型复杂性。此外，在武汉这样一个自行车共享系统非常发达的城市中，老年人在一次出行中经常会在步行和骑自行车之间无缝切换，这进一步证明了在分析中将它们合并处理的合理性。

本研究中的自变量主要分为社会经济属性和BE变量。其中，社会经济属性来自前述的出行调查，包括受访者的年龄、性别、教育水平、家庭规模、年收入和汽车拥有情况。BE变量分为宏观层面和微观层面。宏观层面的BE要素主要涉及土地利用，数据来源于开源的武汉城市地理信息系统数据库、2020年人口和经济普查数据以及OpenStreetMap。具体指标包括：人口密度（人/平方公里）、交叉口密度（交叉口/平方公里）和公交车站密度（车站/平方公里）。此外，土地利用混合度（LUM）根据国家标准（GB50137-2011）[45]并参考现有研究[22]使用熵指数方法进行了评估。公式如下：
LUM = ∑ki=1Ti lnTi lnki （1）
其中ki是土地利用类型的总数，Ti是统计单元内土地利用类型i的面积比例。LUM的范围是0到1，数值越高表示土地利用多样性越大。在目的地可达性指标方面，包括了到市中心（汉口CBD）的距离和到最近的城市次中心（参考现有研究[46]定义的5个城市次中心）的距离。对于服务设施密度，本研究采用了数据驱动的方法。首先，通过分析样本出行记录，确定了老年人最常访问的五种目的地类型（日常购物、公园游玩、娱乐和体育活动、儿童看护以及医疗服务）（图3）。然后，选择了相应的五个类别——商业设施、公园/广场、学校设施、文化/体育设施和医疗/健康设施——作为服务设施相关变量的研究对象。最后，计算这五种关键设施类型的总密度（设施/平方公里）作为服务设施密度指标。为了描述服务设施的空间分布模式，应用了平均最近邻（ANN）公式，这与以往的研究[19]一致：
ANNi = ∑ki=1Ti lnTi lnki （2）
其中Ti是在单元i内观察到的平均最近邻距离，AnKi是在随机分布下的预期平均距离。如果ANNi < 1，则表示设施分布集中；否则，设施分布分散。

3.4. 建模方法
本研究旨在阐明BE与老年人出行方式之间的复杂非线性关系，而传统的线性模型在这方面存在局限性。因此，本研究采用了基于树的集成机器学习算法XGBoost [47]。XGBoost以其计算效率和速度而闻名，它是传统梯度提升决策树（GBDT）技术的优化版本[48]。尽管GBDT由于其强大的预测能力而在出行行为研究中变得普遍，但它仍然存在计算并行性低和容易过拟合的缺点[21,49]。XGBoost引入了一种支持高效并行计算的架构，并将正则化项整合到目标函数中，从而在计算速度和模型泛化能力方面表现更好。

如图5所示，本研究基于Python 3.9环境，使用scikit-learn工具包为第3.1节定义的六个空间单元分别构建了独立的XGBoost二元分类模型。对于每个模型，我们采用随机抽样方法划分数据集，其中80%的样本用于训练模型，20%的样本用于性能测试。应用了固定的学习率0.001以增强泛化能力。同时，通过GridSearchCV和5折交叉验证对关键模型参数（特别是max_depth、n_estimators和reg_alpha）进行了精细调整。为了量化模型的分类性能，曲线下面积（AUC）被用作区分出行方式的主要指标。

为了减轻空间自相关可能导致的模型性能高估问题——这是地理数据分析中的一个常见问题——实施了空间交叉验证（CV）。研究区域被划分为不重叠的5 × 5公里网格单元，以确保训练样本和测试样本之间的严格地理分离，从而消除来自空间相邻观测的数据泄露。此外，为了评估模型是否充分捕捉了老年人出行方式的空间模式，对每个XGBoost模型的残差计算了Moran’s I统计量，并通过z分数和p值评估了统计显著性。

尽管XGBoost模型在预测准确性方面表现优异，但其“黑箱”特性限制了其在规划决策中的直接应用。传统的可解释性工具，如部分依赖图（PDPs）[50]，假设所有特征变量彼此独立。在BE研究中，这种假设几乎总是错误的（例如，人口密度和LUM），导致对变量效应的估计偏差。为了解决这个问题，本研究采用了更稳健的替代方法：ALE图。ALE图专门设计用于处理相关变量时的PDPs的不足。它计算特征在小区间内的预测平均变化，而不是像PDP那样对不太可能的特征组合进行平均。这种策略能够有效分离其他相关特征对单个特征边际效应的干扰。因此，ALE方法不仅天然具有对变量相关性的鲁棒性，还能直接生成平滑、无偏且易于解释的非线性趋势曲线，清晰地揭示每个BE因素对最终概率的具体边际贡献。

4. 结果与讨论
4.1. 建模结果比较
如表4所示，所有模型都达到了可接受的预测准确性，AUC值在随机训练-测试分割下范围从0.69（240米圆形缓冲区）到0.81（15分钟网络缓冲区）；在基于5 × 5公里网格划分的空间交叉验证下，平均AUC值略微下降了0.01–0.06，而空间单元的相对性能排名保持一致。此外，Moran’s I统计量表明基于网络的缓冲区残差中没有显著的空间自相关（特别是10分钟和15分钟单元，p > 0.05），而圆形缓冲区只有轻微的空间聚类，这证实了构建的模型没有明显的空间缺陷，后续的MAUP分析是稳健的。值得注意的是，最低和最高AUC值之间的0.12差距排除了简单的统计波动，进一步证实了在老年人BE和出行方式研究中存在显著的MAUP。

具体来说，在形态学比较中，基于真实街道网络的缓冲区在所有尺度上都系统性地优于传统的圆形缓冲区。5分钟、10分钟和15分钟网络缓冲区的性能（AUC = 0.74、0.79、0.81）普遍高于相应的240米、480米和720米圆形缓冲区（AUC = 0.69、0.75、0.77）。这一发现并不令人惊讶，因为基于欧几里得的圆形缓冲区忽略了真实的街道连通性和物理障碍（如建筑物、墙壁），严重高估了老年人的实际可达范围。相反，基于网络的缓冲区基于实际路径，更接近老年人的路径依赖活动空间，从而更准确地捕捉了他们对BE的实际暴露情况。这一结果挑战了那些广泛使用基于欧几里得的圆形缓冲区作为测量BE主要单位的研究。

同时，在规模比较中，随着空间尺度的扩大，模型性能有所提高，最终在“15分钟网络缓冲区”达到最佳。基于网络的缓冲区（AUC从0.74增加到0.81）和圆形缓冲区（AUC从0.69增加到0.77）都显示出随着规模增加性能提升的趋势。这一趋势表明，对于老年人来说，仅覆盖其直接居住区域的非常小的区域（例如5分钟或240米）可能不足以捕捉驱动他们出行方式决策的关键BE要素。相比之下，15分钟的步行范围包含了更丰富的“目的地”设施（如大型公园、超市、社区中心或交通枢纽）。当老年人决定是否进行“完整”的活动出行时，是这个15分钟范围内的BE起到了主导作用。本研究还发现，随着空间尺度的继续扩大，性能提升的效果逐渐减弱。从10分钟（480米）到15分钟（720米）的AUC提升仅为0.02（0.02），远低于从5分钟（240米）到10分钟（480米）的0.05（0.06）提升。这表明，随着空间尺度的进一步扩大，模型的性能提升效果有限。老年人出行方式的BE问题是一个中等规模的问题，大约在10到15分钟之间。

上述发现证实，与欧几里得距离相比，基于街道网络的步行范围与老年人的日常活动更为相关，15分钟网络缓冲区是最优的空间单元尺度。这一结果为中国当前推行的“15分钟社区生活圈”政策提供了关键证据。基于此，本研究后续的所有深入分析都将基于步行网络范围。4.2 预测因子的RI 表5显示了所有六个模型中社会经济属性、宏观尺度BE和微观尺度BE的全球RI。我们还总结了社会经济和BE变量的相对影响，以比较它们的总贡献。所有自变量RI的总和为100%。首先，研究发现BE在所有模型中都占主导地位。此外，宏观尺度BE的RI始终高于微观尺度BE的RI。这表明，对于像武汉这样的高密度、老龄化城市来说，系统地优化15分钟步行网络内的关键生活服务设施的宏观布局可能是提高老年人出行活动（AT）的最有效干预策略，相比微观尺度的街道改善更为有效。另外，观察不同模型，BE的影响显示出显著的“形态效应”，即在基于网络的单元中（模型1-3），BE的重要性明显低于基于欧几里得的单元（例如，模型1与模型4：66.18%对比74.01%；模型2与模型5：69.91%对比72.83%；模型3与模型6：71.95%对比72.49%）。表5. 预测老年人出行活动的自变量RI。其次，这项研究还反映了“规模效应”，即随着单元规模的增加，BE特征的重要性发生了平滑变化。值得注意的是，这种变化在基于网络的模型和基于欧几里得的模型中表现出相反的结果（例如，模型1与模型2与模型3：66.18%对比69.91%对比71.95%；模型4与模型5与模型6：74.01%对比72.83%对比72.49%）。这些结果表明，基于欧几里得的缓冲单元包含了老年人无法到达的BE，可能会导致夸大BE的整体作用，并得出矛盾的结论，即随着单元的扩大，BE的影响会减弱。宏观和微观尺度的BE对空间单元大小变化的敏感性存在显著差异（图6）。随着空间尺度从5分钟（240米）扩大到15分钟（720米），宏观尺度BE的重要性稳步上升（例如，模型1与模型2与模型3：42.82%对比47.99%对比51.50%；模型4与模型6：43.15%对比51%），而微观尺度BE的重要性同时下降（例如，模型1与模型2与模型3：23.36%对比21.92%对比20.45%；模型4与模型5与模型6：30.84%对比21.69%对比21.49%）。这种反向趋势表明，在小规模单元中，老年人的出行更多受到即时街道质量和其他微观尺度BE因素的影响。然而，随着单元规模的增加，决定他们出行活动的因素转向与出行目的地相关的宏观尺度BE因素。图6. BE变量RI热图。特定变量对空间单元大小的敏感性也有所不同。人口密度（2.38–4.26–6.38%）、公交车站密度（3.01–3.23–6.10%）和SW（2.82–2.94–5.17%）等变量的贡献随着单元规模的增加而增加。相反，距离CBD的距离（9.43–8.71–6.79%）、距离次中心（8.09–5.53–4.96%）和SE（7.48–7.18–4.25%）等变量的贡献则表现出相反的趋势。这一现象在各个变量的排名中表现得更为明显。服务设施密度在15分钟和10分钟模型中均排名第二，成为BE因素中最强的预测因子。然而，当空间尺度缩小到5分钟网络缓冲区时，其排名下降到了第11位。这一现象强调了解决MAUP的必要性：如果规划者选择了5分钟缓冲区，他们可能会得出“服务设施密度不重要”的矛盾结论。4.3 预测因子与老年人出行活动的非线性关联 通过为每个因素生成ALE可视化图，绘制了BE与老年人出行活动之间的具体关联。由于基于网络的模型具有更好的解释能力，本研究仅显示了模型1-3的结果。值得注意的是，本研究采用了变量Y轴刻度而不是固定范围。这种方法的选择是为了确保在每个特定空间单元大小上能够最清晰地捕捉到BE影响的程度。研究发现，几乎所有BE特征与老年人的出行活动都有非线性关系，且某些BE特征在不同空间单元间的关系存在显著差异。具体来说，在宏观尺度BE层面，人口密度与老年人出行活动之间的关系在三个空间单元中有所不同。在10分钟和15分钟步行范围内，人口密度与老年人出行活动均呈负相关（图7a），这一结果与日本等国家的现有研究完全相反[16]。然而，它们的阈值在不同尺度上略有不同。具体而言，老年人出行活动的趋势在人口密度最初增加时保持稳定，然后在某个范围内急剧下降，之后负相关逐渐减弱并消失。对于10分钟步行范围，急剧下降发生在32,000–34,000人/平方公里的范围内。15分钟步行范围的相应范围是41,000–43,000人/平方公里，这也显示出更陡峭的负梯度。在5分钟步行范围内，人口密度对老年人出行活动的影响可以忽略不计；与其他两个空间单元相比，该单元的人口密度ALE范围几乎是一条接近0的水平线。这种现象可能源于不同尺度下密度的不同含义[51]；也就是说，与5分钟和10分钟相比，15分钟范围涵盖了更多的非居住功能空间，其密度值反映了社区的总体紧凑性，而不仅仅是居住拥挤。当15分钟生活圈的人口密度超过41,000人/平方公里时，ALE值继续下降到-0.014，降幅远超过10分钟缓冲区。这表明，宏观尺度上的高密度布局对老年人出行活动有更显著的抑制作用，可能与区域层面的交通噪音、污染和感知安全性的系统下降有关。这一发现表明，简单地增加人口密度并不是促进老年人出行活动的通用策略；相反，我们必须警惕过度社区聚集的负面影响。图7. 宏观尺度BE属性与老年人出行活动的关系。蓝色、绿色和红色分别代表5分钟、10分钟和15分钟的步行范围。(a) 人口密度（人/平方公里）。(b) LUM。(c) 交叉口密度（交叉口/平方公里）。(d) 公共交通密度（车站/平方公里）。(e) 距离市中心（公里）。(f) 距离最近的次中心（公里）。(g) 服务设施密度（设施/平方公里）。(h) 服务设施ANN。LUM对老年人出行活动有积极的促进作用（图7b），与现有研究一致[52,53]。所有三个空间单元的曲线都显示出一个平坦的初始阶段，随后逐渐上升到某个阈值（5分钟：0.42；10分钟：0.53；15分钟：0.59），之后保持稳定。此外，15分钟步行范围的ALE曲线下降幅度最大，显示出强烈的促进作用。这表明在15分钟步行范围内，增加功能单一区域的土地混合度对促进老年人出行活动的成本效益比非常高。然而，一旦混合度达到高水平（>0.59），继续增加混合度的边际效益就会减少。研究还发现，随着空间单元的增大，LUM的阈值也逐渐增加，表明在更大尺度上需要更高的LUM需求才能实现对老年人出行活动的最佳促进效果。这一发现为老年人友好的土地分配提供了细致的尺度指导。在规划实践中，可以在老年人居住的小规模5分钟范围内保持一定程度的土地使用纯度，同时在10分钟和15分钟范围内逐渐增加LUM，形成“内部纯、外部混合”的“梯度布局”。这是对普遍的“同心圆混合”原则的重要补充。交叉口密度在三个空间单元中对老年人出行活动表现出不同的关系（图7c）。在5分钟和10分钟步行范围内，它与老年人出行活动呈正相关。曲线形状相似，但10分钟范围的ALE曲线变化更为剧烈。15分钟网络缓冲区的曲线显示出完全不同的模式，呈现出“倒U形”变化。当交叉口密度低于35个/平方公里时，出行概率随着交叉口密度的增加而上升，达到峰值后开始下降。这一结果证实了高度连接的街道网络（“小街区、密集网格”）对老年人在其住所附近的步行非常友好[34]。然而，研究还发现，虽然在较大空间单元中适度增加交叉口密度对促进老年人出行有积极效果，但过高的交叉口密度可能会通过增加交通复杂性和安全风险来抑制出行。公交车站密度在三个空间单元中显示出显著差异（图7d）。在5分钟步行范围内，公交车站密度与老年人出行活动呈负相关；随着密度的增加，出行概率逐渐下降。10分钟步行范围显示出显著的正相关，ALE曲线明显下降（-0.014至0.013）。15分钟步行范围显示出非常复杂的趋势，曲线形状呈现出两个连续的“倒U形”关系。这一现象与现实相符：在老年人住所5分钟步行范围内增加公交车站密度可以增强公共交通服务机会，直接促使老年人选择公共交通代替步行。这一发现与现有关于公交车站密度和通勤行为的研究一致，但突出了老年人群体的特殊性[15]。也就是说，在10分钟步行范围内，增加公交车站密度可以大大提高该范围内地点的可及性。随着这些地点的吸引力显著增加，老年人参与出行的意愿也随之增加[52]。距离市中心的总趋势在三个空间单元内都呈现出一定的共同性（图7e）。具体来说，当距离市中心超过9公里时，所有三个空间单元都显示出一致的负相关，意味着老年人出行概率随着距离的增加而逐渐下降。这一趋势对于所有三个单元都非常明显，结合该变量的平均RI为8.31%，反映了空间位置对老年人出行行为的基本限制。远离市中心不仅意味着关键服务（如医疗保健、商业和社交活动）的可及性下降，还伴随着多种不利因素，如公共交通频率降低、步行环境质量恶化以及心理安全感的降低，所有这些都会系统性地削弱老年人的出行意愿和能力。这一发现与经典的“距离衰减”理论和关于老年人流动性的现有研究高度一致，证实了中心位置在支持老年人活动参与中的关键作用[54]。值得注意的是，在市中心附近的9公里范围内，不同的缓冲模型显示出明显的分歧。5分钟和10分钟范围的曲线相对平坦。在这个范围内，即使距离中心略有变化，老年人仍然可以通过短距离步行方便地获取日常生活服务，距离对出行概率的边际影响有限。然而，15分钟步行范围在距离市中心5公里范围内显示出U形波动：在0–3公里的核心区域内，出行概率略有下降，然后在3–5.2公里范围内显著回升。这可能是由于一些老城区存在负面因素，如过度密集的交通和行人流量、步行环境安全风险以及缺乏停车设施。距离最近的次中心的总趋势与老年人出行活动呈现出复杂的分段非线性关联，三个空间单元中都有共同的趋势（图7f）。具体来说，所有三个单元在3.3公里以下和5公里以上的两个范围内都显示出一致的负相关关系：距离次中心越远，老年人出行的概率就越低。这种模式与“距离CBD的距离”变量的研究结果高度一致，证实了老年人依赖中心区域的普遍规律：远离任何级别的中心意味着服务密度降低、出行成本增加以及社会联系减弱，从而抑制了他们出行的意愿。然而，在关键的3.3公里到5公里范围内，所有三个模型都显示出显著的正相关关系：距离次中心越远，老年人出行的概率就越高。这种异常现象可能有两个原因：首先，3.3公里的范围大致对应于次中心的核心影响区域，在这里高密度的发展可能会带来交通拥堵、步行空间压缩和嘈杂环境等问题，进而降低了老年人的出行安全感和舒适度。其次，3.3-5公里的区域处于“中心影响区的边缘”，避开了核心区域的负面外部性，同时仍然可以通过适度的步行方便地获得中心服务，为老年人的出行创造了有利的缓冲区[28]。

服务设施的密度通常与老年人出行的概率呈正相关，这意味着社区内生活服务设施的密度越高，老年人主动出行的意愿就越强（图7g）。这一结果与设施提供密度在支持老年人出行目的方面的基本作用是一致的[55]。具体来说，在5分钟和10分钟的步行范围内，正相关关系呈现出“先陡后平”的特征：当设施密度从0增加到大约200个/平方公里时，老年人出行的概率迅速增加，表明基本服务设施的初步建立对刺激出行需求具有关键性的阈值效应。超过这个阈值后，曲线趋于平缓，表明设施密度的边际回报递减，因为老年人的出行决策更多地转向了设施质量、多样性和空间布局合理性等更深层次的因素。值得注意的是，在高密度范围（>580个/平方公里）内，15分钟步行范围的曲线显示出不稳定的波动，表现为急剧下降后再次上升的非线性振荡。这种异常现象需要谨慎解释。一方面，这一范围内的数据点较为稀少，样本量有限，增加了ALE估计的方差，并可能引入统计噪声。另一方面，极高的密度可能对应于城市的核心商业区，尽管这些区域设施非常丰富，但也伴随着交通拥堵、人行道侵占和嘈杂环境等负面因素，这些因素在短期内抑制了老年人的出行意愿。

服务设施的分布结构（ANN）与老年人出行的概率呈现出明显的倒U形非线性关系，先上升后下降（图7h）。当ANN过于聚集时，适度的分散有助于扩大设施的服务覆盖范围，形成多个综合服务核心，吸引老年人进行更远距离的出行以获取多样化的服务。然而，设施过度分散会导致单点服务效率过低、选择减少和识别度降低，从而削弱了老年人的出行意愿。具体来说，所有三个尺度都有一个最佳聚集范围。在5分钟步行范围内，当ANN指数在0.3-0.32之间时，曲线急剧上升，反映出在微观尺度上，随着设施从极度聚集变为适度分散，服务覆盖范围迅速扩大，使更多老年人能够在短时间内到达至少一个设施，显著提高了出行便利性。然而，当ANN超过约0.8时，曲线迅速转为负相关，表明此时设施过度分散导致单点服务效率降低、选择减少和识别度降低，从而削弱了出行意愿。相比之下，15分钟步行范围内的分散效应更为显著。在0.32-0.43范围内，曲线保持平缓的正相关，然后在0.43-0.5范围内转为急剧的负相关。这表明在较大的空间单元尺度上，高设施分散会导致15分钟范围内缺乏明确的服务中心，严重削弱了老年人出行目标和路线效率的清晰度[43]。

在微观尺度的BE层面，与街道设计相关的因素也揭示了复杂非线性关系和显著的尺度差异。街道宽度（SW）在三个空间单元中对老年人出行的影响差异巨大（图8a）。在5分钟步行范围内，SW与老年人出行呈稳定的正相关：人行道比例越高，机动车车道比例越低，老年人出行的概率越大。这一在微观尺度上的直观结果证实了步行环境安全对老年人短距离出行的决定性作用：在老年人高频活动的范围内，物理分离的人行道、降低的车辆速度和减少的交通冲突直接增强了他们的出行安全感和舒适度，从而有效刺激了他们的出行意愿[28]。然而，在10分钟步行范围内，这种关系转为负相关，意味着过度增加的步行性实际上抑制了老年人的出行。这一反直觉的现象揭示了一个“效率悖论”：在10分钟步行尺度上，如果机动车车道空间被过度压缩以扩大人行道，可能会导致道路网络连通性降低、公交车运营效率下降以及出租车接送不便，从而削弱了老年人完成依赖多种交通方式的中长距离出行的能力。在这种情况下，老年人可能会因为担心“能够走出去但无法回来”或“无法方便转乘”而减少出行。

街道绿化指数（GVI）在老年人出行概率上显示出显著的尺度差异和复杂的阈值效应（图8b）。在0.15-0.21的中等GVI范围内，10分钟和15分钟步行范围的曲线都显示出明显的正相关，表明在这个范围内增加街道绿化水平可以有效增强老年人进行中长距离出行的意愿和概率。在这个尺度上，适度的绿化起到了提供阴凉、降温、缓解步行疲劳以及增强环境愉悦感和心理安全感等积极作用，有助于老年人完成更复杂的出行链[11]。然而，当GVI超过约0.21时，两条曲线迅速转为负相关，表明进一步增加绿化并没有带来预期的好处。相反，过度的绿化会导致街道开放度降低、视觉障碍、不连续的步行界面和商业活力减弱，增加了老年人对环境风险和不确定性的感知，从而抑制了他们的出行决策。这种现象证实了过度绿化可能演变成一种空间障碍。相比之下，5分钟步行范围显示出明显的U形模式和更高的激活阈值。当GVI低于0.26时，绿化水平的提高实际上伴随着老年人出行概率的下降，反映了在微观尺度上“安全第一”的刚性约束：密集的植被可能会压缩有效的步行宽度、增加绊倒危险、阻碍视线和减少夜间照明。这些安全隐患直接抑制了老年人短距离、高频的出行。只有当GVI超过0.26时，曲线才转为正相关，表明在这个点上，绿化开始从“潜在障碍”转变为“环境资产”。值得注意的是，当GVI达到0.27时，5分钟步行范围内的正面效应达到了瓶颈，随后的增加没有产生显著影响。这与10分钟和15分钟模型中观察到的“最佳效果后回报递减”现象是一致的，但阈值更高，有效范围更窄，突显了在微观尺度上配置绿化所需的敏感性和精确性。

街道开放性（SO）对老年人出行概率有显著的负主导效应（图8c）。在5分钟和10分钟步行范围内，两条曲线都显示出稳定的负相关，当SO分别超过约0.05和0.06后趋于平缓。这一结果完全符合预期：在小尺度上，墙壁和围栏等障碍物直接压缩了有效的步行宽度，增加了绕行距离，阻碍了视线，系统性地削弱了老年人的出行安全感和便利性。5分钟步行范围内的负面下降最为显著，其抑制效应明显强于10分钟步行范围。这反映了老年人对附近环境中的障碍物极其敏感；在日常频繁使用的短距离范围内，任何微小的环境障碍都会被放大成严重的出行障碍，直接抑制了他们最基本的日常活动。15分钟步行范围显示出更复杂的两阶段模式。当SO在0-0.042范围内时，曲线显示出异常的正相关，与5分钟模型一致，表明基本的步行环境改善也激励了宏观尺度上的长距离出行。当人行道比例增加到0.15-0.22范围内时，曲线转为负相关，再现了10分钟模型的效率悖论，表明在中等尺度上过度强调步行性会损害出行效率。当人行道比例超过0.22时，曲线再次转为正相关，表明在更高的步行性水平上，安全效益的边际效应占主导，老年人愿意接受适度的网络效率损失以获得更安全的非机动环境。

街道绿化指数（SE）在老年人出行概率上显示出显著的负效应（图8d）。在5分钟和10分钟步行范围内，两条曲线都显示出稳定的负相关，当SO分别超过约0.05和0.06后趋于平缓。这一结果完全符合预期：在小尺度上，墙壁和围栏等障碍物直接压缩了有效的步行宽度，增加了绕行距离，阻碍了视线，系统性地削弱了老年人的出行安全感和便利性。5分钟步行范围内的负面下降最为显著，其抑制效应明显强于10分钟步行范围。这反映了老年人对附近环境中障碍物的极端敏感性；在日常频繁使用的短距离范围内，任何微小的环境障碍都会被放大成严重的出行障碍，直接抑制了他们最基本的日常活动。15分钟步行范围显示出更复杂的两阶段模式。当SO在0-0.042范围内时，曲线显示出异常的正相关，意味着障碍物的适度增加伴随着老年人出行概率的上升。这一反直觉的现象在最近的研究中也得到了类似的结果[11]，这可能源于该范围内城市空间类型的差异：在15分钟步行范围内，低SO可能对应于过于开放的交通干道或缺乏边界定义的大型公共空间。由于交通混合、空间尺度不当和缺乏识别度，这些环境实际上让老年人感到不安。在这个阶段，墙壁和围栏等适度的边界元素可能在空间定义中起到积极作用，通过将行人与车辆分开、划定安全区域和提供视觉参考点来增强老年人的环境控制感和出行信心。这反映了“安全边界效应”在宏观尺度上的特殊价值。然而，当SO超过0.042时，15分钟范围内的曲线迅速转为急剧的负相关，与5分钟和10分钟曲线的趋势一致。这表明超过一个临界阈值后，障碍物的累积最终在宏观尺度上也构成了系统性的障碍。它们的负面影响（阻碍通行、降低连通性和增加绕行）超过了边界定义的正面效应，导致老年人避免中长距离出行。

街道开放性（SE）与老年人出行概率的关系表现出显著的尺度依赖性和区间特异性响应模式（图8d）。15分钟步行范围的ALE曲线主要围绕0波动，表明在较大的空间单元上，SE对老年人出行没有显著的系统性影响。这一结果证实了宏观尺度出行决策的功能导向：当老年人在15分钟范围内计划中长距离出行（例如就医、购物或社区活动）时，他们的决策主要取决于目的地可达性、设施完备性和交通连通性等结构因素。街道两侧建筑的相对尺度的微观尺度形态特征被整体出行体验“平滑”，未能产生独立的影响。相比之下，5分钟步行缓冲区显示出显著的正相关关系，而其他时间间隔则呈现水平线。这一特定反应揭示了老年人在高频、短距离出行中对空间识别的需求。在紧邻家庭的微环境中，适度的封闭感可以明确边界定义，减少环境信息的复杂性，并增强领地感和可识别性。这为认知功能可能下降的老年人提供了稳定的空间参考，从而增强了他们外出进行短暂活动的信心。然而，当环境封闭度（SE）低于2.6时，曲线趋于平坦，表明即使街道在5分钟范围内相对开放，只要步行环境安全，老年人仍然愿意出行；安全因素优先于空间形态。当SE超过3.0时，效果趋于饱和，可能是因为过度封闭会导致空间压迫感，但由于样本量有限，这一现象没有显示出显著的负面趋势。10分钟步行缓冲区呈现出典型的倒U形关系：当SE小于1.3时呈正相关，大于2.8时呈负相关，在中间范围（1.3–2.8）内没有显著效果。这种模式反映了环境心理学中的最佳刺激理论。在10分钟的中等出行距离内，适度的封闭感为老年人提供了安全的边界，降低了意外穿越的风险，并营造了一种社区归属感，有利于促进中等距离的步行。然而，当SE超过2.8时，街道空间变得过于封闭和狭窄，可能会引发环境压迫感和安全焦虑。老年人可能会担心在缺乏开阔视野和“街道监控”的环境中跌倒或面临安全问题，从而抑制他们的步行出行意愿。

最后，本研究考察了个体社会经济属性的非线性影响。这些变量的影响在不同空间尺度上表现出高度一致性，表明它们是独立于地理背景的稳健的个体层面驱动因素。其中，性别的平均相关系数（RI）最高（10.53%），其次是年龄（10.32%）和教育水平（5.60%）。具体来说，年龄与步行出行意愿（AT）之间存在V形转折点关系（图9a）：65岁之前呈负相关，可能是由于自然身体机能下降导致的出行意愿下降[52]，65岁之后转为正相关，可能反映了退休后自由时间的增加以及对健康促进活动的重视。汽车拥有量在5分钟和10分钟缓冲区内呈负相关（图9b），表明对于短途旅行，私家车起到了“拐杖”的作用，抑制了步行出行[56]；但在15分钟缓冲区内转为正相关，表明对于长途旅行，车辆确保了活动空间的扩展和目的地的可达性，间接促进了步行出行链的形成。教育水平在所有尺度上都呈负相关（图9c），可能与受教育程度较高的群体更追求出行效率并倾向于机动出行有关。家庭规模呈现出倒U形关系（图9d）：适度的家庭规模（约3-4人）通过代际陪伴需求促进了老年人的出行，但过大的家庭规模（>5人）可能由于内部护理资源的充足而减少了老年人独立出行的必要性。家庭收入总体上呈正相关（图9e），反映了经济条件的改善支持了更多样化的出行选择和更高质量的参与活动[6]。性别差异在各个尺度上最为显著且一致（图9f）：女性老年人的步行出行意愿显著高于男性，可能与她们更活跃的社会参与、更强的健康意识和更频繁的日常购物需求有关[7]。

5. 讨论
针对我们关于空间单元选择的主要研究目标，实证结果证实了空间单元选择和行为环境（BE）测量尺度在老年人出行研究中的关键作用。首先，随着观测单元的空间分辨率和边界配置的变化，BE与老年人步行出行意愿之间的关联特征确实发生了系统性的变化。基于网络的缓冲区在所有分析尺度上都优于传统的基于欧几里得的缓冲区。这一发现验证了Guo和Bhat（2007）[37]的理论假设，并通过提供大规模的实证支持扩展了这一理论。虽然之前的研究对一般人群的缓冲区类型存在争议，但我们的结果表明，基于欧几里得的缓冲区忽略了真实街道网络的连通性和物理障碍（如封闭式社区、铁路隔离带），严重高估了老年人的实际可达范围，导致BE暴露测量的偏差。相比之下，基于网络的缓冲区根据实际步行路径计算，更符合老年人对路径连续性和安全性的严格要求，因此能够更准确地捕捉到“真正因果相关区域”的环境影响[57]。

其次，15分钟基于网络的步行缓冲区被确定为解释老年人步行出行的最有效干预单元。这为“15分钟社区生活圈”政策提供了直接的行为理论支持。模型AUC从0.74（5分钟）增加到0.81（15分钟），表明这一尺度在环境信息的完整性和行为相关性之间达到了最佳平衡。这一发现与Liu等人（2023）在地铁出行研究中的结论相呼应，但关键在于区分了老年人群体特有的“中等规模”活动空间特征[41]。与依赖城市级交通网络的通勤者研究不同，我们的发现证实老年人的日常活动以社区层面为基础。15分钟的步行范围精确覆盖了他们的高频、多样化的生活需求（购物、休闲、医疗保健和社交），构成了一个自给自足的“活动系统”。值得注意的是，从10分钟到15分钟的边际AUC增益（0.02）显著小于从5分钟到10分钟的增益（0.05），表明超过10分钟后，新环境信息对解释力的贡献呈现边际递减。这一观察结果与关于老年人步行耐力和认知地图复杂性的生理上限的文献一致。因此，适合老年人的生活圈规划不应盲目扩大规模，而应关注15分钟范围内的功能完整性和环境质量的提升。这一结论为中国当前的老化社区改造提供了实际指导：与建设新的大规模设施相比，在15分钟步行范围内系统性地补充小型和微型设施（如老年人服务站、社区食堂和口袋公园）更能有效激发老年人的步行出行意愿。

第三，本研究细化了宏观和微观尺度BE对老年人步行出行的影响。在所有大小的空间单元中，宏观尺度BE的相关系数（RI）高于微观尺度BE。特别是在15分钟网络缓冲区内，宏观尺度BE的贡献达到了51.5%，远超过微观尺度的20.45%。这意味着老年人的步行出行主要是“目的地驱动”的行为：服务设施密度（RI 9.65%）和LUM（7.3%）直接减少了出行障碍，并通过提供多样化的附近活动机会增强了出行动机。因此，在资源受限的情况下，优先优化土地利用布局比细致的街道改造更具成本效益。这也应该是全面的；也就是说，一旦在15分钟范围内形成了平衡的设施布局，它所惠及的老年人口规模和促进的出行频率远远超过单一街道改造的效果。然而，这并不意味着微观尺度BE不重要。在5分钟缓冲区内，微观尺度BE的贡献仍达到23.36%，SW和GVI等变量对老年人的步行出行也有显著影响。更重要的是，宏观尺度BE的积极作用有一个微观前提：如果缺乏人行道连通性，高设施密度实际上可能会通过增加交通冲突来抑制老年人的出行（如5分钟缓冲区内公交车站密度与步行出行意愿之间的负相关所示）。这种层次关系扩展了现有的“5D”框架，提出了一个互补机制：宏观尺度BE决定了“是否出行”的潜在需求，而微观尺度BE影响了“是否能够安全出行”的实现能力。因此，理想的适合老年人的干预措施应遵循“宏观优先，微观精确”的原则，在15分钟生活圈层面协调设施布局，同时在5分钟核心活动圈内加强行人安全保护。更重要的是，本研究揭示了宏观和微观尺度BE元素对空间单元尺度变化的敏感性差异。随着单元尺度的扩大，宏观尺度BE元素（如人口密度、公交车站密度）的重要性单调增加，而微观尺度街道设计元素（如SE）则呈现下降趋势。这种差异现象深刻反映了老年人出行决策的双重逻辑：在5分钟步行范围内，出行选择主要由微环境的感知驱动，如街道安全和步行舒适度。但当空间尺度扩展到15分钟生活圈时，目的地可达性和功能混合等宏观尺度结构因素成为主导出行意愿的关键因素。以往的研究往往依赖单一尺度，我们的结果表明这可能掩盖了BE效应的尺度依赖性，导致政策干预的精确度受损。

第四，通过揭示关键的非线性阈值和尺度依赖性，本研究强调了BE的复杂作用。我们将这些关系在空间单元上的变化归因于两个根本原因：当单元边界变化时变量分布的固有改变，以及Kwan[57]指出的不同环境因素具有不同的“真正因果相关”区域。我们的分析表明，驱动出行行为的因果机制并非静态的，而是随地理单元的不同而微妙变化。因此，城市规划实践需要采用针对特定尺度的差异化指南或严格寻找最佳的空间划分。更具体地说，LUM的正面效应随着尺度的扩大而增强（阈值从0.42上升到0.59），表明打破单一功能分区并在更大范围内植入服务设施对老年人的跨社区出行至关重要。然而，在5分钟核心圈内保持适度的居住纯度可以减少环境复杂性，符合老年人的生活节奏。公交车站密度的尺度特异性最为明显。5分钟内的高密度实际上降低了步行出行意愿，因为它提供了机动化的替代方案。但在10分钟范围内，它转变为积极的激励因素，因为它扩展了活动空间的可达性。在15分钟范围内，出现了双倒U形关系，反映了老年人关于“步行-公交结合”出行的复杂决策；适度的公交覆盖提供了备用选项，同时不削弱步行意愿。这一发现与一些早期文献中的“公交越多越好”的线性思维相矛盾，表明应在老年人社区内控制公交车站密度，以避免替代步行，同时将公交枢纽放置在生活圈的边缘以增强远端可达性。服务设施密度呈现出“先陡后平”的正面趋势（阈值约200/km2），验证了设施提供的基本作用，但580/km2之后的波动警告了过度商业化的负面环境影响。在微观尺度街道设计变量中，SW的尺度反转效应（5分钟为正 → 10分钟为负 → 15分钟为三阶段）深刻揭示了步行环境优化的“尺度悖论”：在微观层面确保步行安全是一个刚性需求，但在中观层面，过度压缩车道可能会损害公交效率和服务便利性，从而限制老年人的长途出行能力。GVI的最佳范围（0.15–0.21）和“过度绿化陷阱”（>0.21，负值）表明老年人对绿化的需求存在于“适度范围内”；过度植被会阻碍视线并增加绊倒风险，特别是在5分钟范围内（阈值0.26），此时必须优先考虑安全。在15分钟时间尺度上，SO从正转负的变化（阈值0.042）揭示了边界围合的心理价值：宏观尺度上的适度障碍在空间定义和增强安全感方面起着作用，但超过临界阈值后，其物理阻碍效应占主导地位。这些复杂的非线性模式充分表明，适合老年人的规划必须超越“越多越好”的简单逻辑，基于实证阈值建立精确的规范标准。本研究有几个值得注意的优点和局限性。一个主要优点是采用了多尺度框架，并结合了可解释的机器学习方法（XGBoost和SHAP），使我们能够发现传统线性回归模型常常忽略的非线性阈值和尺度交互作用。这种方法论方法有助于填补现有研究中的重要空白：尽管大量文献验证了增加公交站点密度、服务设施密度和提升街道绿化对促进老年人活动（AT）的有效性，但这些好处的空间尺度往往被忽视。通过揭示在15分钟步行距离内，边界围合（BE）干预措施最为有效，而在5到10分钟范围内的差异化策略同样关键，本研究提供了对老年人“真正具有因果相关性的区域”的更细致理解。此外，本文构建的“宏观-微观”双层次BE框架和尺度协同理论扩展了Ewing和Cervero的“5D”模型在老龄化背景下的适用性[14]。我们强调，在老龄化社会中，“目的地可达性”（宏观尺度）和“路径安全性”（微观尺度）并非独立存在，必须在特定的空间尺度上进行协调，以培育功能多样且规模适当的“15分钟完整社区”[58]。然而，也存在局限性。首先，由于数据为横断面数据，本研究只能揭示“关联关系”，而不能确定“因果关系”。未来的研究迫切需要探索因果机制。其次，虽然将步行和骑行结合为老年人活动可以避免复杂的模型结构，但也排除了对不同交通方式的专门分析。未来应使用更大、更平衡的样本分别研究这些交通方式，以明确其不同的环境决定因素和相应的基础设施需求。第三，按出行目的（如休闲步行与实用步行）分析老年人活动差异，或将“感知环境”纳入分析，是极具前景的研究方向。此外，鉴于不同的地理现象或过程表现出多样的尺度/分区特征，学术界迫切需要找到模拟MAUP（平均出行时间）的通用方法，并阐明这些现象背后的机制。最后，由于本研究的结论基于武汉的高密度环境，未来的工作应在多个城市应用类似的框架进行比较研究，以得出更具普遍适用性的结论。

6. 结论

本研究应用了基于2020年武汉出行调查数据的XGBoost机器学习算法，系统地探讨了边界围合（BE）干预措施的空间单元尺度和测量层次对老年人活动行为的影响机制，并量化了关键阈值效应。作为少数同时关注MAUP和非线性关联的老年人流动性研究之一，这项研究揭示了一个常被忽视但至关重要的规划维度：寻找行为上相关的最佳分析尺度和空间单元定义。这项工作至关重要，因为现有研究大多基于单一的预设单元，这种不加区分的方法可能导致由于地理环境不确定性而产生的政策干预中的系统性偏差。研究结果证实，边界围合显著促进了老年人的活动，但其影响高度依赖于所使用的空间单元的尺度和形态。通过多尺度框架比较，基于网络的缓冲区始终优于圆形缓冲区，“15分钟网络缓冲区”被证明是最具解释力的最佳单元。此外，宏观尺度的边界围合属性对老年人活动的贡献大于微观尺度特征，揭示了不同空间尺度上的不同影响机制。

对于规划和政策而言，这些结果强调使用单一预定义的空间单元可能会在边界围合干预中引入系统性偏差。规划者应优先考虑15分钟网络缓冲区作为具有功能意义的分析单元。此外，政策努力应首先关注这一最佳范围内的宏观尺度边界围合因素，超越通用方法，建立基于当地环境的实证阈值。从“越多越好”的思维模式转向基于实证尺度和阈值的精准规划，对于推进有效的、适合老年人的社区设计至关重要。