## 建成环境与平台观测运动在通勤时间负担分组中的关联：济南中心城区运动轨迹的空间分析

《Land》：Built-Environment Associations with Platform-Observed Exercise Across Commuting-Time Burden Groups: A Spatial Analysis of Exercise Trajectories in Central Jinan

　　

## 摘要

长时间通勤可能限制运动机会，但关于建成环境关联是否随区域级通勤时间负担而变化，证据仍然有限。这项横断面空间研究分析了2024年6月Keep平台记录并聚合至中国济南中心城区5802个500 m × 500 m网格单元的229,563条步行、跑步和骑行轨迹。研究人员基于GPS重建距离和平均速度构建了一种模式内、样本相对的活动指数，并将轨迹划分为低、中、高活动组。研究人员采用泊松伪极大似然（Poisson pseudo-maximum-likelihood, PPML）模型检验了四个理论定义的建成环境综合指标，模型以距城市核心参考点距离、区域固定效应和391个通勤位置聚类为控制条件；主要模型纳入了5012个网格。在主要模型中，绿色/休闲资源、街道/公共交通可达性和开发强度与总轨迹计数及活动特异性轨迹计数呈正相关，而日常服务供给未显示独立关联。连续通勤时间与任何结局均无统计学显著关联，且没有任何建成环境维度显示经错误发现率（false discovery rate, FDR）校正后的整体调节效应。替代的距离–速度权重未改变活动特异性结论。然而，在调整基于出发地的平台用户基数后，绿色/休闲关联大幅减弱，而街道/公交关联对轨迹分配和暴露设定较为敏感。这些发现支持对区域级平台观测活动关联进行谨慎解读。

## 论文解读文章

### 一、研究背景与问题提出

日常交通出行作为反复发生的时间投入，可能塑造运动机会。随着居住与就业空间分离加剧，较长通勤可能压缩可自由支配时间。已有研究表明，较长通勤时间与体育、锻炼和户外活动时间减少及身体不活动等行为相关健康结局存在关联。在中国快速城市化背景下，建成环境重塑与出行行为转型改变了日常生活方式和环境暴露，促进健康的城市规划日益受到政策关注。然而，既有研究大多将通勤和邻里环境作为独立暴露因素，较少从时空背景角度考虑通勤时间是否调节建成环境与运动之间的关联。平台记录的运动轨迹数据为在精细空间尺度上考察这些问题提供了机会。基于此，研究人员在济南中心城区开展了一项横断面空间研究，旨在回答三个问题：(1)通勤时间负担与低、中、高活动轨迹在空间上如何分布；(2)四类建成环境维度与网格单元内总轨迹计数及活动特异性轨迹计数如何关联；(3)这些关联是否随区域级通勤时间负担分组而变化。

### 二、研究设计与主要发现

该研究发表在《Land》。研究人员利用2024年6月Keep平台匿名化的步行、跑步和骑行轨迹数据（共229,563条轨迹，代表56,930名去标识用户），将轨迹与500 m × 500 m分析网格进行空间叠加，基于GPS重建距离和平均速度构建样本相对活动指数，将轨迹划分为低、中、高活动三类。通勤时间数据来自手机信令数据与出行调查信息生成的通勤面。四类理论定义的建成环境指数分别代表日常服务供给、绿色与休闲资源、街道与公共交通可达性、开发强度。研究使用泊松伪极大似然（PPML）回归模型，调整人口密度、职住比、房价、老年人口比例、男性比例、距传统城市核心（泉城广场）距离及区域固定效应，标准误按通勤位置聚类。

主要研究结果显示：绿色/休闲资源、街道/公共交通可达性和开发强度在主要模型中与总轨迹计数和三类活动特异性轨迹计数均呈正相关，而日常服务供给无独立关联。连续通勤时间经协变量调整后与任何结局均无统计学显著关联，而距城市核心距离在所有模型中均持续为负，表明空间中心性梯度比连续通勤时间更能反映平台观测运动的空间分布。交互模型显示，没有任何建成环境维度在FDR校正后显示整体调节效应。敏感性分析显示，街道/公交关联对轨迹分配和暴露定义高度敏感，绿色/休闲关联在调整基于出发地的平台用户基数后大幅减弱，而开发强度在调整后仍保持正相关但幅度显著降低。

### 三、主要关键技术方法

研究人员主要采用了以下关键技术方法：(1)基于GPS轨迹数据的运动活动量测，利用去标识化的Keep平台用户匿名轨迹（2024年6月，56,930名用户，229,563条轨迹），重建GPS距离与平均速度，构建模式内标准化的样本相对活动指数，并依据33.3%和66.7%分位数划分低、中、高活动类别；(2)手机信令通勤时间表面数据，以约2 km源单元赋值至500 m分析网格，采用分位数定义低、中、高通勤负担组；(3)理论驱动的建成环境综合指数构建，涵盖日常服务供给、绿色与休闲、街道与公共交通可达性、开发强度四个维度，分别进行缩尾、对数变换与标准化处理；(4)PPML回归模型估计关联并处理零膨胀与过度离散，辅以交互模型和联合Wald检验评估通勤时间调节效应。样本队列来源于中国济南中心城区。

### 四、研究结果

#### 4.1 通勤时间负担与观测运动活动的空间分布

在5802个网格单元中，平均通勤时间为20.178分钟。总轨迹计数从低负担组的277.953降至高负担组的68.257，零轨迹网格比例从22.7%增至47.1%，三类活动均呈现相同梯度。空间分布上，高负担网格集中在西部和东部—东南部，运动轨迹主要集中于中心城区并伴有西南次级集聚。

#### 4.2 建成环境与观测运动活动的总体关联

绿色/休闲资源每增加一个标准差，总轨迹计数预期增加26.6%；街道/公共交通可达性对应增加61.4%；开发强度对应增加69.7%。日常服务供给无统计学显著关联。活动特异性模型呈现相同方向模式，绿色/休闲资源关联为25.7%–28.5%，街道/公交为48.0%–74.5%，开发强度为58.9%–82.6%。

#### 4.3 通勤时间负担对建成环境关联的调节

大多数中、高负担交互项不显著。绿色/休闲资源在低活动模型中存在名义显著的中负担交互（β = 0.19, p < 0.05），但相应的联合检验经FDR校正后不显著。街道/公交、开发强度和日常服务供给均未显示稳健的调节证据。

#### 4.4 负担组特定边际关联

绿色/休闲资源在低、中、高负担下与总活动正相关，分别对应25.0%、42.0%和20.3%的预期增长。街道/公交在三种负担水平下均正相关（58.0%、67.0%、49.0%）。开发强度在各负担组和结局中保持正向关联，日常服务供给在任何负担组内均无显著关联。

#### 4.5 敏感性与空间稳健性分析

街道/公交关联在质心单网格赋值下降至4.4%，在基于出发地赋值下为19.4%，在街道长度偏移设定下变为?20.5%，显示该关联对轨迹聚合方式高度敏感。排除1 km及以下步行轨迹后街道/公交系数基本不变。活动指数替代权重（距离仅用、75/25、25/75、速度仅用）不改变活动特异性结论。基于出发地的平台用户代理调整后，绿色/休闲系数从β = 0.236降至β = 0.034（p = 0.227），开发强度系数从β = 0.529降至β = 0.151，而街道/公交仍保持正相关。残差空间自相关仍然存在（Moran's I = 0.294–0.350）。

### 五、讨论与结论

讨论部分指出，绿色/休闲资源与平台观测运动的强正向主关联在调整平台用户基数后大幅衰减，提示该关联可能部分反映Keep用户的空间分布而非纯粹的环境效应；街道/公交关联对轨迹分配和暴露设定敏感，但排除短距离步行后结果稳定，提示其不太可能主要由公交接驳步行驱动，但仍需谨慎解释；开发强度在用户基数调整后仍保持正相关但幅度降低，支持高密度环境通过功能接近性促进活动的解释，但不代表密度本身导致更多运动。日常服务供给无独立关联且对用户基数条件化敏感，不宜赋予稳定方向。研究认为，规划评估应超越邻近资源数量，关注可达性、路线尺度连通性、质量和实际使用，并结合更广泛的城市区位与出行背景。未来需采用人群代表性用户分母、纵向数据和个体关联的通勤—运动记录，以区分环境影响与平台选择及空间观测过程。结论部分强调，平台观测运动的空间关联应结合其对平台用户表征和暴露设定的敏感性进行解释；开发强度在用户基数敏感性中表现最为持久，绿色/休闲与街道/公交结果则需要基于不同原因进行更审慎解读。