《Transportation Research Interdisciplinary Perspectives》：A systematic review of crowdsourced pedestrian data
编辑推荐：
城市正加大对可步行环境的投资，因为步行具有健康、环境和社会效益。然而，由于数据限制，精确测量行人模式仍具挑战性。众源数据（Crowdsourced Data）为克服数据限制提供了机会，但也存在挑战。本文旨在系统审视当前用于填补空白并推进行人研究的众源数据，主要
城市正加大对可步行环境的投资，因为步行具有健康、环境和社会效益。然而，由于数据限制，精确测量行人模式仍具挑战性。众源数据（Crowdsourced Data）为克服数据限制提供了机会，但也存在挑战。本文旨在系统审视当前用于填补空白并推进行人研究的众源数据，主要目标有三：（1）识别众源数据在行人相关研究当前应用中的关键空白与机会；（2）批判性评估用于处理和整合众源数据以开展行人研究的方法；（3）为通过有效利用众源数据指导未来研究与规划工作提供关键建议。通过系统文献综述，研究人员筛选了初始的653篇论文，最终对2011年至2024年间发表的48篇同行评审研究进行全面综述。研究人员识别出众源数据在行人研究与规划中的八类主题应用：出行模式、基础设施检测、出行方式检测、导航、政策、路线/基础设施选择、安全以及可步行性/可达性。此外，还强调四个有前景的未来研究机会：理解影响行人流动的干扰、将公平考量纳入研究与规划、将行人视角整合进众源影像分析，以及完善分析众源数据的方法。研究人员为研究人员和政策制定者提供了一份通过整合众源数据与传统数据源推进行人研究的指南。
1. 引言
步行在促进环境可持续性、改善公共健康和增强社区联系方面具有重要作用。传统行人数据收集方法包括人工计数、自动计数和出行调查，但分别存在覆盖范围有限、成本高、样本量小和更新不及时等问题。众源数据（Crowdsourced Data）通过开放调用或专门应用由个体自愿贡献知识或资源，为测量行人行为提供了新机会，但也面临代表性、偏差、可靠性和准确性等挑战。本文提出三个目标：识别众源数据在行人研究中的应用空白与机会，评估其处理与整合方法，并为未来研究和规划提供建议。
2. 材料与方法
研究采用系统综述方法，遵循系统综述和荟萃分析优先报告条目（PRISMA）指南，利用Web of Science（WoS）检索标题、摘要和关键词。检索词涵盖志愿地理信息（VGI）、众包、参与式制图、公民科学、行人、步行等术语。通过Covidence工具筛选，纳入聚焦室外行人环境且使用众源数据的研究，排除室内环境、非英语和缺乏众源数据的研究。初始检索获得653篇文献，最终纳入48篇发表于2011年至2024年的同行评审研究。
3. 结果
纳入研究主要来自美国、西欧、澳大利亚和中国，多数发表于2019年之后。通过归纳内容分析，研究识别出众源数据在行人研究与规划中的八个非排他性主题领域。
3.1. 出行模式（n=13）
研究人员使用Flickr照片、闭路电视（CCTV）、健身追踪应用和社交媒体等众源数据，结合开放街道地图（OpenStreetMap, OSM）与土地利用数据，分析行人流动、暴露水平、出行率和活动水平。例如，利用蓝牙传感器监测日常、季节性和疫情相关行人流量变化；使用GPS轨迹和LiDAR数据校准出行速度分布；通过Strava数据评估绿地可达性对步行活动的影响。
3.2. 基础设施检测（n=4）
研究运用深度学习和图像识别技术，从Google街景（GSV）和卫星影像中检测人行横道等设施，并利用OSM提升精度。部分研究通过众包报告工具如WalkRollMap.org收集行人障碍和安全隐患，并结合人口统计数据评估贡献者代表性，识别原住民和东亚裔等群体在数据中的代表性不足。
3.3. 出行方式检测（n=5）
研究利用地理标记的Twitter帖子、Yelp评论、Flickr照片和步行游览视频等文本与视觉众源数据，分析不同地理背景下步行作为交通方式的选择。研究关注基础设施、环境条件和特殊事件对行人行为的影响，并常与传统出行调查结果进行验证，发现步行是最常被提及的出行方式，且公共交通可达性与步行活动增加相关。
3.4. 导航（n=6）
研究利用OSM、土地利用记录和公共交通固定线路规范（GTFS）等数据，开发适应行人和特定人群的导航系统。方法包括改进Dijkstra最短路径算法、利用Flickr照片和三维可见性模型生成地标丰富路线、结合蓝牙行人计数为视障人士建模动态路径，以及提出避免噪声暴露的路线规划方法。
3.5. 政策（n=2）
两项研究利用众源数据考察新冠疫情相关政策对步行行为的影响。一项研究通过分析北美地区的Twitter推文，评估公众对街道空间重新分配的情绪；另一项研究结合蓝牙数据和政策时间线，分析封锁措施期间工作日步行减少但主要步行廊道仍保持使用的情况。
3.6. 路线/基础设施选择（n=13）
研究利用Strava、MapMyFitness、Wikiloc等应用产生的GPS轨迹和活动日志，评估路线受欢迎程度、步行流量强度和景观偏好。通过聚类、回归和启发式算法，研究发现行人偏好地形多样、环境优美和具有地标性的路线；同时，疫情限制期间行人目的地变化但路线偏好相对稳定。
3.7. 安全（n=7）
研究围绕碰撞风险建模、安全感知和微观环境暴露展开。将Strava和OSM暴露数据与官方事故记录结合，应用负二项回归和XGBoost模型识别碰撞热点；利用Place Pulse图像评分分析街道围合感、树冠覆盖与感知安全的关系；还将众源活动数据与污染浓度网格结合，模拟行人对PM
2.5的个体暴露。
3.8. 可步行性/可达性（n=10）
研究以OSM为常用基础数据，评价城市可步行性和服务可达性。研究发现老城区和紧凑型城市通常具有更高可步行性；OSM对非正规基础设施的覆盖不足会限制评估。部分研究针对行动不便者和老年人，利用OSM和坡度数据建立路径规划模型，识别陡峭地形对获取日常服务的不利影响。
4. 讨论
对48项研究的分析显示，众源数据能够提供精细的时空行人行为洞察，但参与偏差、数据完整性差异和验证不足仍是关键问题。数据整合方法包括情境化、验证与校准、统计建模、数据合并和计算建模，其中OSM常作为基础网络数据。未来研究存在四个重要方向。
4.1. 干扰对行人流动模式的影响
新冠疫情等干扰促使众源数据被广泛用于监测行人流动变化。研究发现封锁期间步行活动显著减少，但解除限制后快速恢复；户外休闲步行活动在疫情期间大幅增加，同时公众对街道空间政策的情绪也发生变化。众源数据能够记录传统数据集难以捕捉的快速动态变化。
4.2. 公平性考量
公平性在众源行人数据研究中仍不完善。Place Pulse等数据集的贡献者以年轻男性为主，不能充分代表女性和老年人；WalkRollMap.org等报告工具也因参与偏差而遗漏弱势群体。部分研究通过纳入人口普查数据识别事故热点和弱势人群分布，但整体上仍需加强数据的人口统计代表性和公平性分析。
4.3. 影像视角的重要性
众源影像和视频数据在行人基础设施评估中的使用日益增多，但存在图像对齐、覆盖范围和图像质量等问题。360度街景全景图像和步行游览视频提供新的机会，从行人视角捕捉环境信息；闭路电视（CCTV）虽可验证行人计数，但空间覆盖受限且拥挤条件下精度不足。未来需要标准化影像采集和分析方法。
4.4. 利用Strava进行行人应用的困难
Strava在可步行性和可达性研究中是仅次于OSM的常用数据集，但其用户以休闲和骑行人群为主，步行行为代表性不足。Strava数据存在人口统计偏差，使用者多为年轻、活跃和高收入人群，且竞争性活动可能使出行速度偏高。未来需要开发针对行人的偏差校正方法，并扩展行人计数数据的时空覆盖。
5. 结论
本文系统综述了众源数据在行人相关研究中的应用，识别出八个关键领域：出行模式、基础设施检测、出行方式识别、导航、政策分析、路线/基础设施选择、安全评估和可步行性/可达性评价。同时提出四个新兴研究机会：评估干扰对行人流动的影响、弥补现有众源行人研究中公平性不足、将行人视角整合进众源影像分析，以及改进Strava数据在行人建成环境研究中的方法。该综述为研究人员和规划者通过整合众源数据与补充数据集推进行人研究提供了参考。
