面向社区开放空间的轨迹 - 活动活力框架：关联空间属性与微气候同行人移动及活动模式

《BUILDING AND ENVIRONMENT》：A Trajectory–Activity Vitality Framework for Neighborhood Open Spaces: Linking Spatial Attributes and Microclimate with Pedestrian Movement and Activity Patterns

　　

摘要
建成环境长期以来被视为公共空间空间活力的关键决定因素。然而，物理空间属性与局部微气候对行人轨迹和活动模式动态的联合及情境依赖影响仍未得到充分理解。为填补这一空白，本研究在武汉六个社区开放空间应用多目标跟踪（MOT）技术，涵盖不同开放度和公共可达性的社区内部及社区扩展场景，开发了一个环境感知的轨迹 - 活动活力框架。通过整合多源环境传感、基于 MOT 的轨迹提取和行为识别，该框架量化了五个指标：包括行人流量强度和轨迹多样性以表征轨迹，停留时长和行为多样性以表征活动模式，以及人际距离作为连接空间邻近性和社会聚集性的跨领域指标。随后使用 SHAP 增强的 XGBoost 分析来解释环境变量与轨迹 - 活动活力指标之间的非线性关联。结果显示空间活力存在结构性分化，物理空间属性与运动强度、轨迹结构和行为多样性关联更紧密，而局部微气候与持续活动参与和可选行为关联更紧密。这些关联在不同空间情境下有所变化。本研究推进了对环境感知活力的理解，并为气候韧性与活力社区空间的针对性干预提供了数据驱动工具包。

引言
在全球老龄化加速和慢性病患病率上升的推动下，身体活动不足已被确定为全球死亡率的第四大风险因素 [[1], [2], [3]]。这一不断升级的公共卫生危机迫切需要干预措施以优化建成环境，旨在通过促进身体活动来增强社区活力 [4,5]。数十年来，大量文献研究了建成环境 - 健康关联。根据尺度，这些研究通常可分为两类：关注人类移动性宏观决定因素的城市尺度研究 [[6], [7], [8]] 和解决建成环境与人类行为微观层面相互作用的社区尺度研究 [9,10]。宏观层面研究侧重于可达性 [11,12]、土地利用混合 [13,14] 和人口密度 [15,16] 等结构因素如何塑造人类移动模式，同时考虑热条件和空气质量等环境压力源的影响 [[17], [18], [19]]。微观层面学术成果侧重于局部空间环境（包含透明度 [20,21]、绿化 [22] 和设施多样性 [23,24] 等特征）如何通过即时的人 - 环境交互调节个体行为。虽然城市尺度的统计发现可为战略城市规划提供宏观层面指导 [25]，但由于缺乏细粒度分辨率，它们往往在具体建筑和景观环境中遇到实施障碍。对此，社区尺度行为研究可以精确阐明物理空间与人类活动之间的复杂关系，为优化空间设计干预提供可操作的证据 [26,27]。具体而言，当前的微观层面研究已广泛探索了多种城市环境，包括商业公共空间 [28]、交通空间 [29]、公共服务空间 [30] 和社区公共空间 [31]。与目标导向的商业或交通场所不同，社区公共空间深深嵌入居民自发的日常惯例中，作为社区凝聚力和非正式社交互动的关键催化剂，在支持老年人和儿童等弱势群体的身心健康方面发挥着不可或缺的作用 [[32], [33], [34]]。这些社区公共空间展现出多样化的空间 - 功能层级，可分为社区内部区域（如交通网络、入口广场和活动空间）[35] 和邻近休闲区域（如附近口袋公园、城市广场、滨水平台和步道）[[36], [37], [38]]。

为创建气候韧性与活力的社区开放空间提供可操作证据，研究分析了各种环境要素对人类行为的影响，如视觉环境 [[39], [40], [41], [42], [43], [44]]、热环境 [[45], [46], [47], [48]]、声景 [49,50] 和空间形态 [51,52] 等。在此尺度上，社区活力通常由时空轨迹和特定行为表征，主要通过三类方法捕捉：用于行为映射的现场观察法 [53,54]、基于位置的服务（LBS）方法，以及基于计算机视觉（CV）技术的目标检测方法。其中，现场观察提供了关于行为类型和空间使用的相对详细信息 [55]，但仍受限于高劳动力成本、主观性和有限的时间覆盖范围，阻碍了长期、大规模监测 [56]。基于 LBS 的数据，如 GPS 轨迹 [[57], [58], [59]] 和手机信令数据 [60,61]，可以捕捉实时人类轨迹和活动密度，但其空间精度有限，且对行为的描绘通常简化为停留和移动轨迹 [62]。相比之下，基于计算机视觉的目标检测和跟踪，利用高时空分辨率的视频数据，可以在轨迹精度和行为粒度方面提供显著改进 [63]。特别是，多目标跟踪（MOT）技术的进步为呈现社区公共空间中的人群轨迹和行为模式提供了有效的技术途径 [64]。

MOT 技术在视频序列中同时连续检测多个目标，为每个目标分配唯一且一致的 ID，从而能够重建个体随时间变化的运动轨迹 [65]。现有的基于 MOT 的开放空间活力研究可大致分为以轨迹为导向和以活动为导向两类。前者探索建成环境特征如何塑造行人运动路径、通过频率和时空关系 [66,67]，其中轨迹被量化为运动速度 [68,69]、停留时长 [70]、轨迹复杂性 [35] 等指标。后者将关注点从移动模式转向空间诱导的行为活动。一些研究通过识别停留、聚集和移动来识别徘徊、聚集和穿行等基本活动模式 [20,71,31,28]。此外，行为识别算法的进步使得能够识别特定的社交活动，如社交或积极参与 [72]，促进对空间活力中社交互动的详细评估 [73,74]。

尽管基于 MOT 的方法为开放空间活力提供了重要见解，但以轨迹为导向和以行为为导向的活力往往被孤立分析，而不是作为相互关联的空间维度整合起来。理论上，轨迹反映个体运动路径和流结构，揭示建成环境对循环效率和可达性的影响，而行为代表这些运动的详细表现，体现行走、停留、社交和活动选择等过程 [[75], [76], [77]]。这两个维度存在互动关系：行为活动沿轨迹表现同时塑造其形式；反过来，持续的运动模式限制或诱导特定行为反应。这种动态互动并非在真空中发生，而是深深嵌入其物理环境中。然而，物理空间属性和局部热条件如何联合塑造行人轨迹和活动模式仍未得到充分理解。方法上，从细粒度时空数据集中提取可解释证据仍具挑战性，这制约了高分辨率跟踪数据向可操作的、以行为为导向的设计策略的转化。

因此，本研究旨在通过开发和应用基于高分辨率行为跟踪的综合轨迹 - 活动活力框架，阐明物理空间属性和局部热条件与行人轨迹和活动模式的联合及情境依赖关联。为此，提出三个子目标：1) 开发一个环境感知的轨迹 - 活动活力框架，耦合多源环境检测与基于 MOT 的行为识别，将高分辨率人群数据提取到 2D 空间坐标系中；2) 通过时空比较分析六个代表性公共开放空间的移动模式和行为活动模式；3) 使用 SHAP 增强的 XGBoost 分析，识别物理空间属性和局部热条件对轨迹 - 活动活力指标变异的解释性贡献，从而支持实际的、以行为为导向的空间干预。

部分节选
研究区域和选定的开放空间
武汉（113°41′E, 31°22′N）是中国中部的一座主要大城市，面积约为 8,569 平方公里，常住人口超过 1370 万。其特征为湿润亚热带气候，在柯本 - 盖革气候分类 [78] 中被识别为 Cfa 气候，根据中国国家标准《民用建筑热工设计规范》[80]，属于夏热冬冷（HSCW）气候区 [79]。该城市的城市肌理包含

研究框架
如图 2 所示，研究框架包括三个阶段：首先，通过现场测量、视频录制和问卷调查进行数据获取。空间和微气候数据通过现场测量收集，视频录制捕捉人类运动和活动，问卷调查收集社会经济人口信息和主观感知。其次，进行数据处理和指标构建。原始环境数据被

空间和视觉环境特征
各空间的空间属性特征值见表 1。为揭示站点内变异和站点间差异的物理环境，使用网格尺度箱线图比较六个站点的空间属性分布（图 4a）。

六个站点在网格尺度空间指标上的比较显示，环境配置各不相同而非单一主导模式。站点 B 和 C 更硬质铺地和建成，与

从轨迹 - 活动关系看空间活力的结构性分化
社区公共空间活力不能仅通过使用强度完全捕捉。传统指标，如行人流量、停留时长和衍生自人际距离的聚集度，捕捉空间被使用的强度，但它们不能完全解释人们如何移动、停留并与空间设置互动。最近的城市和街道尺度研究推进了活力评估的多维度和时空方法 [98,99]。在社区开放空间尺度上，我们的

结论
本研究通过整合基于计算机视觉的轨迹提取和活动识别与多源环境信息，开发并应用了社区开放空间的轨迹 - 活动活力框架。基于武汉的六个站点，该框架将多源环境和行为数据转化为细粒度活力指标，揭示物理空间属性和局部热条件与

未引用参考文献
[92]

CRediT 作者贡献声明
李传成：写作 - 审查与编辑，监督，资源，项目管理。朱志凌：写作 - 审查与编辑，写作 - 原稿撰写，验证，软件，方法，调查，形式分析，数据管理。严淑婷：写作 - 审查与编辑，资源，调查。周西林：写作 - 审查与编辑，可视化，监督，资源，项目管理，资金获取，概念化。

李传成 | 朱志凌 | 严淑婷 | 周西林
武汉理工大学土木建筑工程学院，武汉，中国