引言
极端夏季热事件日益频繁和强烈，对全球城市的经济和社会活力构成日益增加的风险[1,2]。城市步行区是游客活动和体验的关键场所。然而，游客在这些区域活动时直接暴露在夏季高温中[3,4]，使得他们成为气候变化下的脆弱户外群体。长时间的热暴露会对行走体验造成心理压力[5]，从而降低游客满意度[6]。此外，还会引发恶心和头痛等身体症状[7]，甚至可能导致中暑等严重状况[8,9]。因此，准确评估并减轻步行区游客的热暴露风险对于提高城市旅游服务质量和营造充满活力的公共空间至关重要。
在城市户外热舒适度研究中，建筑物的空间形态已被广泛研究（表1）。街道峡谷的各种参数，包括宽度、高度、朝向（OR）、长宽比（AR）和天空视野系数（SVF），以及街道界面的高度差异和凹陷程度，通过调节通风和太阳辐射共同影响街道的热舒适度。先前的研究认为SVF是一个关键形态参数，因为它对户外热舒适度有显著影响，并且还表明OR和AR控制着街道尺度的微气候和人体热感觉[12,13,10,11]。此外，周围建筑物的覆盖率和高度也会影响街道空气温度[14]。
植被形态会影响开放空间的风速、太阳辐射和空气湿度，从而调节街道尺度上的热舒适度。用于描述街道旁植被形态的常见指标包括覆盖率、树冠高度（CH）和叶面积密度（LAD）以及树冠扩散范围（Scrown）。在这些指标中，CH和Scrown的影响更为显著，而LAD的影响相对有限[15]。此外，街道界面的材料特性，包括垂直绿化系统（VGSs）、路面渗透性和立面反射率，也可以显著减轻夏季热应激[16,17,10]。然而，这些研究主要关注客观物理环境的评估，而忽略了区域内行人的不均匀分布。因此，传统的物理评估方法无法捕捉到动态分布的游客实际面临的过热风险。
为了解决这一局限性，一些研究采用了基于行人实地实验的动态热舒适度监测方法。通过跟踪行人针对城市公园、水体、微风、街道树木和不同地面材料引起的微气候变化的实时生理反应，这些研究有助于精确识别热风险区域[[23], [24], [25], [26]]。赵等人测量了非均匀遮荫条件下的动态热感知，提出了理想的道路遮荫比例[27]。尽管这些研究受益于第一手测量数据的高精度，但其高昂的人力和时间成本限制了其在更大范围或多种场地类型中的应用。在这种情况下，无人机（UAV）衍生的多模态观测可能提供一种有效的方式，用于表征细尺度的热异质性，并支持在社区和更大尺度上构建、参数化和验证高分辨率的热环境模型；最近的应用已经实现了亚米级的空间分辨率[28,29]。
将行人轨迹与热舒适度模型相结合，可以有效评估大范围城市空间中的过热风险。这种方法的关键在于获取可靠的行人活动轨迹数据。例如，人口普查数据已被用于评估多伦多的热脆弱性空间分布[30]。具有高时空分辨率的移动电话数据被广泛应用于分析大规模、周期性人口动态（如通勤）下的城市过热风险[[31], [32], [33]]。此外，来自健身应用程序的众包轨迹数据也被用于根据实时气象条件评估户外跑步者的热应激水平，并推荐最佳跑步路线[34,35]。然而，这些轨迹数据集的空间分辨率相对较低，难以应用于社区尺度的动态热暴露研究。
近年来，研究人员探索了获取高精度活动轨迹的方法，以支持社区尺度的动态热暴露评估。对于通勤人群，张和路德维希利用基于街道网络拓扑和街区建筑密度的简化起点-终点模型计算了行人流量密度，以评估街道树木的遮荫效果[36]。同样，江等人使用高精度的全球定位系统（GPS）跟踪数据评估了食品配送骑手的动态热暴露风险[37]。然而，尽管游客是主要的户外活动群体，但目前仍缺乏有效的方法来获取他们的过热暴露轨迹。
为了将社区尺度的集体轨迹纳入热风险评估，将基于代理的建模（ABM）与热舒适度模型相结合成为一种有前景的方法。ABM能够根据个体行为规则再现集体轨迹，并已应用于公共空间的活动路线评估[38,39]。这样可以分析相关的过热风险。杜等人构建了居民日常出行活动的代理模型，模拟了农村社区居民的时空集体轨迹，从而计算他们在日常通勤过程中的热暴露和累积热应激水平[40]。
先前的研究也支持使用ABM来模拟游客的漫游行为。由于游客的路线选择强烈依赖于目的地[41]，社交媒体上的用户生成内容（UGC）包含了大量游客目的地数据[42,43]。这些数据可以通过空间映射转化为马尔可夫链，建立一个基于UGC的ABM系统来模拟游客流动[44]。因此，这种基于UGC的ABM方法为估算集体游客轨迹提供了可行的方法。
在社区尺度热舒适度评估中，一个关键问题是游客轨迹获取工具与热环境模拟的整合不足。因此，传统评估方法主要关注物理环境，无法反映人群实际面临的热暴露风险。为了解决这一问题，本研究提出了一个过热暴露强度（OEI）评估框架，将基于UGC的游客ABM与高分辨率微气候模型相结合。以苏州 Pingjiang 区为例，该方法将物理热环境评估扩展到了以人群为中心的过热暴露评估。
具体来说，本研究旨在实现以下两个核心目标：
(1)建立基于 Rhino-Grasshopper 平台的游客过热暴露参数评估框架。实现基于高质量气象数据的UGC驱动 ABM 以获取集体轨迹，并建立平均辐射温度（MRT）模拟模型来确定户外空间的热应激水平。随后提出了一种计算 OEI 的方法，将这两个数据集结合起来，以估计街道空间内游客的过热暴露水平。
(2)提出适应气候的设计策略，以减轻游客的过热暴露。该框架应用于社区尺度评估，识别过热暴露严重的区域，并分析不同地区的过热暴露风险原因。此外，从形态学和功能学角度提出缓解措施，并通过模拟测试其有效性。
