活动模式涵盖日常出行的频率、空间范围以及多样性，是理解人类出行、空间行为和机会获取能力的基础（Golledge和Stimson, 1997；Axhausen, 2007；Schwanen和Wang, 2014）。活动模式的研究根植于时间地理学和空间行为传统，在城市研究、交通研究和地理学等领域引起了越来越多的关注（Miller和Nicholls, 2013；Tammaru等, 2021）。通过考察人们参与活动的频率、出行距离以及目的地的多样性，研究人员能够更好地理解日常生活的节律、对服务和机会获取的差异化程度，以及由社会环境和建成环境塑造的更广泛的包容与排斥模式。
传统上，活动行为研究依赖于基于调查的数据和出行日记，这些方法虽能提供丰富的背景细节，但在空间覆盖范围、时间粒度和样本量方面往往受限（Hirsch等, 2014；Torre-Bastida等, 2018）。移动技术的兴起和位置数据的日益丰富，已深刻改变了出行研究的方式，使得对日常活动模式进行更大规模和更动态的评估成为可能（J?rv等, 2012、J?rv等, 2014、J?rv等, 2015；Jin等, 2022a、Jin等, 2022b；Zhao等, 2016；Taylor, 2016）。大量研究利用手机定位数据来探究人群如何在空间上移动以及活动分布情况（Ahas等, 2010、Ahas等, 2015；Widhalm等, 2015；Xu等, 2015；Prawirodidjojo等, 2018）。例如，来自爱沙尼亚的国家层面研究展示了手机数据在揭示日常出行结构和不平等方面的潜力（Ahas等, 2010；J?rv等, 2014；Ahas等, 2015）。除爱沙尼亚之外，来自中国和美国等地区的研究同样表明，移动蜂窝数据和信号数据能够揭示活动与出行不平等的复杂模式（Gao等, 2022；Cui等, 2020）。
尽管越来越多的研究利用大规模移动位置数据在国家层面考察出行、活动空间、隔离现象和可达性（Chen和Pope, 2020；Ge等, 2023；Wang等, 2018；Athey等, 2021；Moro等, 2021；Müürisepp等, 2025），但大多数研究忽视了社区与活动关联的区域异质性。本研究利用基于兴趣点（POI）的SafeGraph人流数据，对美国本土连续区域的日常户外活动进行普查小区层面的多维分析。本研究通过关联三个活动维度（频率、空间广度和多样性）与社区社会人口统计学及建成环境特征，并以空间显式的设计将全国性的一致关联与区域异质性关联加以区分，从而对现有文献作出贡献。
具体而言，本研究探讨以下研究问题：
- •
日常多维活动模式——包括活动频率、空间广度和活动多样性——在美国本土连续区域的不同大都市地区间存在怎样的差异？
- •
社区层面的社会人口统计学特征和建成环境因素与日常活动模式的变异存在多大关联？
- •
这些关联在不同地理背景下存在怎样的空间变异？
需要指出的是，由于本分析在普查小区层面基于汇总数据展开，我们考察的是社区特征与活动模式之间的关联，而非个体层面的因果关系。通过应用地理加权回归（GWR），我们进一步捕捉这些关联的空间异质性，揭示社会人口背景、建成环境条件与活动行为之间的关系在不同地区间的变化。
本文余下部分组织如下。第2节回顾了活动模式、活动空间、社会人口统计学差异以及测量方法的相关文献。第3节介绍了研究数据和变量。第4节阐述了研究方法。第5节报告了大都市统计区（MSA）和普查小区层面的实证结果。第6节讨论了研究发现、政策启示及研究局限性。
