社区建成环境对老年人活力出行的空间异质效应_许家雄.pdf

文章编号：1673-0291（2023）03-0103-09DOI：10.11860/j.issn.1673-0291.20220140第 47 卷 第 3 期2023 年 6 月Vol.47 No.3Jun.2023北京交通大学学报JOURNAL OF BEIJING JIAOTONG UNIVERSITY社区建成环境对老年人活力出行的空间异质效应许家雄 1，陈晓利2，3，刘柯良 2，陈坚 2（1.江西经济管理干部学院 工商管理学院，南昌 330088；2.重庆交通大学 交通运输学院，重庆 400074；3.招商局重庆交通科研设计院有限公司 自动驾驶技术交通运输行业研发中心，重庆 400067）摘要：针对社区生活圈老年人步行友好出行环境理论缺乏与实践不足的问题，从社区建成环境对老年人活力出行影响的空间异质性问题展开了研究.结合老年人出行特征选取了人口密度、土地利用多样性、公交站点密度、绿视率等8个指标刻画建成环境，考虑路网非直线系数对社区生活圈尺度差异化界定，利用兴趣点（Point of Interest，POI）数据、道路网络、街景图像数据等地理空间数据测度建成环境.提取每日步行时间作为活力出行的测度，以重庆市居民出行行为调查数据作为实证研究数据来源，构建了考虑自变量尺度变异的多尺度地理加权回归模型（Multi-scale Geographic Weighted Regression，MGWR）.研究结果表明：对比最小二乘回归（Ordinary Least Squares，OLS）模型与传统的地理加权回归（Geographically Weighted Regression，GWR）模型，纳入变量尺度异质性的 MGWR模型降低了残差的自相关性，且调整后R2最高，相比于GWR模型与OLS模型分别提高了1.5倍与3.1倍；从标准化系数来看，社区建成环境指标中公交服务水平对老年人步行时间影响最大；社区建成环境指标中街道绿视率接近全局尺度，空间异质性较弱，其他建成环境变量均具有较强的空间异质性，需要进行差异化的空间设计，其中人口密度对老年人步行时间在不同区域呈现相反的影响，土地利用混合度、公交服务水平、蔬菜市场密度、公园广场密度与街道绿视率对老年人活力出行的影响呈现正效应.关键词：城市交通；建成环境；老年人；步行时间；多尺度地理加权回归；空间异质性中图分类号：U491 文献标志码：AThe impact of spatial heterogeneity in community built environment on the elderly s active travelXU Jiaxiong1,CHEN Xiaoli2,3,LIU Keliang2,CHEN Jian2（1.College of Business Administration,Jiangxi Institute of Economic adiministrators,Nanchang 330088,China；2.School of Traffic&Transportation,Chongqing Jiaotong University,Chongqing 400074,China；3.Research and Development Center of Transport Industry of Self-driving Technology，China Merchants Chongqing Communications Research Design Institute Co.,Ltd.,Chongqing 400067,China）Abstract:This paper investigates the spatial heterogeneity,i.e.,impact of the community built environment on the dynamic travel behavior of elderly people,with a focus on the lack of theory and prac收稿日期：2022-10-26；修回日期：2023-05-20基金项目：江西省教育厅高校人文社科项目（GL19216）；江西省教育厅教育科技项目（GJJ206411）；江西经济管理干部学院 2020年第一批院级平台重大攻关项目（2020ZDGG03）Foundation items:College Humanities and Social Sciences Project of Jiangxi Provincial Department of Education（GL19216）；Educational Science and Technology Project of Jiangxi Provincial Department of Education（GJJ206411）；Jiangxi Economic Management Cadre College，the First Batch of Major Research Projects of College Level Platform in 2020（2020ZDGG03）第一作者：许家雄（1988），男，江西奉新县人，讲师，硕士.研究方向为交通规划与管理.email：.引用格式：许家雄，陈晓利，刘柯良，等.社区建成环境对老年人活力出行的空间异质效应 J.北京交通大学学报，2023，47（3）：103-111.XU Jiaxiong，CHEN Xiaoli，LIU Keliang，et al.The impact of spatial heterogeneity in community built environment on the elderly s active travel J.Journal of Beijing Jiaotong University，2023，47（3）：103-111.（in Chinese）北京交通大学学报第 47 卷tice of pedestrian-friendly travel environments in community life circles for the elderly.Combined with the travel characteristics of the elderly,eight indicators,including population density,land use diversity,bus stop density,and green viewing rate,are selected to describe the built environment.By incorporating the non-linear coefficient of the road network,the community life circle scale difference can be accurately defined.Therefore,geospatial data such as Point of Interest(POI)data,road network data,and street image data can be utilized to accurately measure the built environment.Walking time is used as a measure of dynamic travel.The survey data of Chongqing residents travel behavior is used as the empirical research data source.A Multi-scale Geographically Weighted Regression(MGWR)model is constructed,which considers the scale variation of independent variables.The results show that compared to the Ordinary Least Squares(OLS)model and the traditional Geographically Weighted Regression(GWR)model,the MGWR model incorporating variable scale heterogeneity reduces the autocorrelation of the residuals,and the adjusted R2 is the highest,which is 1.5 times and 3.1 times higher than the GWR model and the OLS model,respectively.From the standardized coefficient,the public transport service level has the largest impact on the walking time of the elderly in the community built environment indicators.In the community built environment indicators,the street green vision rate is close to the overall scale and has weak spatial heterogeneity,while the other built environment variables have strong spatial heterogeneity,requiring differentiated spatial design.Among them,population density has an opposite impact on the walking time of the elderly,while the land use mix,public transport service level,vegetable market density,park square density,and street green sight rate have a positive effect on the elderly s active travel.Keywords:urban traffic；built environment；elderly people；walking time；Multi-scale Geographically Weighted Regression（MGWR）；spatial heterogeneity第七次全国人口普查结果显示，截止 2020 年11 月 1 日，我国 60 岁及以上人口占比 18.7%，65 周岁及以上人口为 1.9 亿人，占比 13.5%，表明我国已接近深度老龄化社会1.不断增长的老龄化人口将给国家和家庭带来迅速增加的经济和社会风险.相关研究表明，经常步行有助于日常能量消耗，减少或推迟非传染性疾病的发病率与死亡率2.随着年龄增长，老年人身体机能退化，对可步行性环境要求更高.老年人日均步行时间是步行行为的重要表征，也是反映空间环境可步行性的重要指标.在城市更新与社区生活圈规划背景下，探索老年人步行时间与建成环境的互动机理，是打造老年人步行友好型空间的基础以及健康老龄化的重要依托.老年人步行行为与建成环境的关系是面向老龄化社会与空间环境适应老年化改造的研究重点，近些年国内外学者开展了大量研究.Cerin等3在 2017年的一项荟萃分析表明建成环境与步行行为显著相关.在建成环境测度指标的选取方面，研究主要基于建成环境的 5D指标体系选取，并逐渐引入街景图像表征微观空间特征，通过图像识别技术测度街道绿化率等指标，以更真实地反映出行者对建成环境的感知.如Shigematsu等4-7等研究了人口密度、土地利用结构、街道设计、目的地可达性等要素对老年人步行行为的影响.在此基础上，Yang 等8研究引入了街道绿化率来表征老年人对微观建成环境空间的感知.在研究方法选取方面，传统研究多基于简单的相关分析、回归分析来检验建成环境对老年人步行时间的影响效应，如 Mendes等9-11等通过线性回归模型分析建成环境对老年人步行的影响效应.随着机器学习方法与空间分析模型的逐渐成熟，最近的研究开始对“空间匀质”“线性关系”等假设提出质疑.如Cheng 等12-13利用随机森林分析建成环境对老年人出行行为的非线性影响.Cheng 等14构建地理加权回归模型分析了建成环境对老年人步行的空间异质效应.在研究尺度的选取方面，由于空间数据存在可变面元问题，因此选择合适的研究尺度来界定老年人活动范围，对准确反映建成环境对步行时间的影响关系显得尤为重要.已有研究在空间分析尺度选取中主要分为两类，一类是行政分区下的社区尺度15，另一类是以居住地为核心的一定半径缓冲圆为空间分析尺度16.相关研究从建成环境视角对老年人步行时间的影响机理展开了系统探索，并形成了一定的研究共识，但仍有部分研究得出了不同的结论，Yang 等13104许家雄等：社区建成环境对老年人活力出行的空间异质效应第 3 期认为这可能是由于地理背景、数据以及研究方法的差异，并认为空间异质性是结论不一致的重要因素，并通过地理加权回归（Geographically Weighted Regression，GWR）来分析其中的空间异质关系.此外，不合适的分析单元可能也是已有研究结论不可靠的因素.因此，本文在已有研究的基础上，基于环境行为理论，考虑建成环境的空间异质效用，引入多尺度地 理 加 权 回 归 模 型（Multi-scale Geographically Weighted Regression，MGWR）.MGWR 能够通过差异化带宽来模拟变量间的多尺度关系，对空间关系捕获具有更高的精度，而传统 GWR 模型假设所有自变量对因变量的作用过程均在同一尺度，无法捕捉变量的空间非平稳关系.同时，研究从文献 16出发，以重庆市作为研究的地理背景，基于社区生活圈规划层级范围，结合路网形态，提出差异化社区生活圈作为建成环境测度尺度，以更真实反映对出行者产生影响的建成环境范围.通过多尺度模型与差异化生活圈，进一步完善现有研究方法，使研究的基本地理尺度的选择更加灵活，更加准确挖掘建成环境与老年人步行时间的影响机理，以期为面向健康老龄化的社区生活圈规划提供参考.1 数据来源与处理1.1 研究区域与调查数据研究区域为重庆市主城区，根据重庆市第七次人口普查的结果17：全市常住人口共 3 205.42万人，其 中 65 岁 及 以 上 的 人 口 为 547.36 万 人，占 比 达17%.按照国际通行划分标准，一个国家或地区 65岁及以上人口占比超过 7%时，意味着进入老龄化；达到 14%，为深度老龄化；超过 20%，则进入超老龄化社会.由此可见，重庆已进入深度老龄化社会，且在 2010 年至 2020 年，重庆老龄化人口相较于其他年龄层增长更快，重庆老龄化形势将进一步加剧.本文基于重庆市于 2016 年开展的大规模居民出行调查，其中记录了出行者每天出行的次数、出行方式以及出行时间，用于计算步行时间.筛选出其中年龄超过 65周岁的人群作为老年人，最终获得有效样本数为 2 698.1.2 社区建成环境指标选取与尺度界定基于相关研究经验与本文研究对象特点选取社区建成环境的表征指标，即考虑文献中影响出行方式的建成环境要素，并进行探索性潜在建成环境影响因素挖掘.建成环境指标选取思路为：首先，通过文献综述收集影响老年人出行的潜在建成环境指标；其次，在问卷调查过程中通过访谈法获得老年人出行过程中关注度较高的空间特征，对建成环境指标进行删减或补充（访谈共涉及 52 位老年人，通过询问老年人“是否经常逛超市、是否经常去公园广场等地方”来对建成环境指标进行完善.例如在访谈中了解到老年人群去公园广场的活动强度较大，因此在指标中增加了公园广场密度这一变量.研究通过路边拦截式访谈+送礼物的方式来获取数据，最短访谈时间为 20 min，最长访谈时间为 32 min，平均访谈时间为 25 min，标准差为 3.93）；最后，通过共线性分析建立最终的建成环境刻画指标，分析流程如图 1所示.建成环境常用 5D 要素来进行刻画18-19，包括密度（Density）、多样性（Diversity）、设计（Design）、目的地可达性（Destination Accessibility）与公交临近度（Distance to transit）.通过访谈，大多数老年人已退休，其非通勤出行将会增多，特别是为休闲、娱乐为目的的出行将会增多，同时会更多地分担家庭责任，尤其是与子女同住的老年人，他们往往要承担起家庭的买菜购物的任务.因此，在指标选取中，密度通过人口密度、蔬菜市场密度、超市密度、公园广场密度来进行表征；多样性通过土地利用混合度描述；设计通过路网密度与交叉口密度表征，此外，在最近的研究中8，街道绿化率也成了影响老年人出行行为的重要变量，因此将其纳入设计维度；公交临近度可通过公交站点密度表征；目的地可达性可通过距离市中心的距离进行表征.本文以居住点为中心的社区为背景，参考文献16 中对社区服务中心的服务半径界定，社区尺度界定为半径 1 km 的缓冲区，这与 15 min社区生活圈的尺度大致相当.同时考虑到缓冲区测量的是直线 因素1因素2因素3因素4因素n.因素1因素2因素3因素4因素1因素2因素3因素4因素5访谈性分析与指标初步确立指标共线性分析与最终确定资料收集与整理图 1社区建成环境指标确立过程Fig.1Establishment process of indicators for community built environment105北京交通大学学报第 47 卷距离，居民实际的步行距离要远于此，因此本研究提出 基 于 步 行 非 直 线 系 数（Pedestrian Route Directness，PRD）进行调整，获得实际的社区尺度.首先以居住点为中心生成 1 km 缓冲区，作为社区生活圈初始测度范围，将研究区域由 45角均分为至共 8 个象限，角边与缓冲区圆环相交的点设为终点，通过 Arcgis 软件的 OD 成本矩阵分析获得居住点到各终点的平均步行距离，然后这 8 个点的平均步行距离除以 1 km，获得该社区生活圈的平均PRD 系数，最后再由 1 km 除以 PRD 系数获得实际社区生活圈半径，如图 2所示.1.3 建成环境变量求解通过 Arcgis 缓冲区工具生成每个样本点的实际社区建成环境的测度范围，用空间连接工具计算区域内各类兴趣点（Point of Interest，POI）的数量、路网长度与人口密度.其中人口密度来源于街道尺度的人口普查数据，土地利用混合度主要考察了每个社区内各类 POI 点的混合程度，在文献14 对社区服务要素配置建议的基础上，选取了政府、银行、医院、学校、体育馆、商场、酒店、广场、公园 9 类 POI.土地利用混合度由土地利用熵指数进行表征；距离市中心的距离通过构建道路网络数据集，进行 OD 成本矩阵求解，其中起点为各样本小区，终点为重庆市五大商圈，选取其中的距离最小值作为指标测度结果；公交服务水平通过社区内公交站点密度来表示.建成环境指标具体描述 与 量 纲 见 表 1，其 中，土 地 利 用 熵 指 数 的 计 算式为20Li=-Pij ln Pijln Ni（1）式中：Li为第i个社区内土地利用熵指数；Pij为第i个社区内第j种 POI数量占总数的比例；Ni为第i个社区内包含的 POI的类型数量.街景图像数据来源于百度实景地图，其视图与行人视觉高度相似，通过绿化率反映老年人对街景绿化的暴露程度.针对每个社区，通过 Arcgis中要素转点工具将路网转化为离散的点，提取各点的经纬度坐标作为街景图像提取的位置输入，通过 python程序使用百度的街景服务文档进行街景图片的批量获取，基于 Cityscapes 数据集上预训练的 PSPnet 模型提取街景图像中的绿色植物像素如图 3 所示.街景绿化率的计算式为Gi=sShssSHs（2）式中：Gi代表第i个社区内的平均绿色率；hs、Hs分别代表第i个社区内第s条街道的绿色及街景图像像素点个数.社区生活圈半径实际社区生活圈范围非直线系数测算1 km1 km/非直线系数居住地图 2社区生活圈范围确定过程Fig.2Process of determining the scope of community life circle表 1建成环境变量汇总Tab.1Summary of built environment variables指标人口密度/（万人/km2）土地利用混合度路网密度/（km/km2）交叉口密度/（个/社区）公交服务水平/（个/社区）释意社区内人口密度社区内 POI用地类型的熵指数社区内路网密度社区内的交叉口个数社区内公交站点密度指标距离市中心的距离/km超市密度/（个/社区）蔬菜市场密度/（个/社区）公园/广场密度/（个/社区）街道绿视率释意居住地与商业中心沿路网距离社区内超市密度社区内蔬菜市场社区内公园/广场密度 金字塔型平均池化PSPnet模型特征提取特征融合11223366分割结果重庆市某条支路百度街景图像图 3社区绿色率的测度方法Fig.3Method for measuring community green coverage106许家雄等：社区建成环境对老年人活力出行的空间异质效应第 3 期1.4 建成环境变量描述性分析进行回归分析之前，还需进行自变量之间的共线性检验.通过 SPSS 进行多重共线性检验与统计性分析，结果如表 2所示，建成环境变量的方差膨胀系数值（Variance Inflation Factor，VIF）都小于 10，说明不存在强共线性的变量，因此将所有解释变量纳入模型.1.5 老年人社会经济指标在老年人个体社会经济属性选择过程中，需参考已有研究与实际调查情况进行筛选，如调查样本中有 98%的老年人不拥有小汽车，因此对“是否拥有小汽车”这类变量进行了剔除，选取了性别、年龄、年收入与职业 4 个个体特征变量以及家庭结构、是否需要接送孩子两个家庭特征变量.样本分布如表 3所示，其中男性样本量比女性样本量少 10.6%，未出现明显性别极差现象，年龄分布主要集中在6075岁之间（约占 75%），与重庆市七普数据中老年人年龄结构分布接近，受教育程度多为初中及以下（约占 79%），个人月收入为 1 0004 000元，分布较均匀，大部分老年人均为与子女同住或与子女孙辈同住，需要接送小孩的老年占比 28.9%.2 模型构建MGWR 模型一方面放宽了空间变化过程在同一空间尺度上变化的假设，有效解决了传统地理加权回归可能导致的可变面元问题，另一方面多带宽方法产生了更接近真实和有用的空间过程模型21.MGWR 模型每个变量的可变带宽在回归算法中不断校准，计算式为yi=j=1kbj(ui，vi)xij+i（3）式中：yi为第i个社区的老年人步行时间；(ui，vi)为第i个社区的地理空间坐标；bj(ui，vi)为第i个社区的第j个变量使用bj带宽的回归系数（当回归系数为正值（负值）时，表明与被解释变量正（负）相关，两者呈现空间匹配（分离）现象）；xij为第i个社区的第j个变量值；k为自变量的总个数；i为随机误差项.其中bj在 GWR 模型中为固定值，而在本模型中为可变值.MGWR 模型通过将 GWR 模型作为广义可加模型（Generalized Additive Models，GAM）来实现可变带宽.GAM 使用后退拟合算法进行平滑项的拟合，本文选择 GWR 模型估计作为初始估计，则真实值与初始化估计的差值作为初始产残差?为?=y-j=1kf?j（4）fj=bjxj（5）式中：f?j为第j个变量的可加项，将残差项?加上第一个加性项f?1作为f1，与x1进行 GWR 回归，如式（5）所示，寻找x1对应的最优带宽b1和新的参数估计来替换初始的参数并更新残差.重复以上操作直到最后一个自变量.其中 GWR 回归中的核函数的选择与收敛准则的判定分别采用二次核函数与残差平方和的变化比例SOCRSS，SOCRSS的计算式为表 2社区建成环境指标描述性统计Tab.2Descriptive statistics of community built environment indicators指标人口密度土地利用混合度路网密度交叉口密度公交服务水平距离市中心的距离超市密度蔬菜市场密度社区内公园/广场密度街道绿视率最小值0.030.250.420.000.000.640.000.000.000.12最大值4.710.848.7758.3018.0013.5721.005.004.000.66均值1.190.633.145.718.236.294.512.331.450.43标准偏差1.250.281.457.382.772.602.651.291.330.88VIF值1.381.384.243.622.091.495.322.556.541.99表 3社会经济指标描述性统计Tab.3Descriptive statistics of socio-economic indicators社会经济属性性别年龄职业个人月收入家庭结构是否需要接送孩子测度方法男女6065岁6570岁7075岁7580岁80岁及以上大学及以上高中（中专）初中小学及以下1 000元及以下1 0002 000元2 0003 000元3 0004 000元4 000元及以上独居夫妻居住与成年子女共居与成年子女及孙辈共同居住是否样本量1 2061 4925537397613403051703999871 1417475674134834883998016888367801 918比例/%44.755.320.527.428.212.611.36.314.836.642.327.721.015.317.918.114.829.725.531.028.971.1107北京交通大学学报第 47 卷SOCRSS=|RSSnew-RSSoldRSSnew|（6）式中：RSSnew为上一步的残差平方和；RSSold为这一步的残差平方和.3 实例分析本文以重庆市出行调查数据为案例，剖析建成环境对老年人步行时间的影响，对比不考虑空间异质 性 的 最 小 二 乘 回 归（Ordinary Least Squares，OLS）模型、不考虑自变量异质空间尺度的 GWR 模型与 MGWR 模型 3 个模型的差异.其中 OLS 模型通过 Stata 软件进行求解，GWR 模型与 MGWR 模型利用 Fotheringham 等22开发的 MGWR2.0软件进行求解，结果如表 4所示，其中 MGWR 的 AICc值最低，相 比 于 GWR 模 型 与 OLS 模 型 分 别 下 降 了58.6%与 67.3%；调整后 R2最高，相比于 GWR 模型与 OLS模型分别提高了 1.5倍与 3.1倍，说明考虑了不同变量异质尺度的 MGWR 模型具有更好的拟合度，同时，MGWR 拟合结果的残差 Moran s I 最低，说明模型降低了残差的自相关性.根据 MGWR 模型结果，社区建成环境属性中，除路网密度、交叉口密度与超市密度与老年人步行时间整体上不相关，其他各建成环境变量整体上与老年人步行时间显著相关.从标准化系数的绝对值来看，社区建成环境变量中公交服务水平对老年人步行时间的影响强度最大，而 GWR 模型与 OLS 模型的回归结果低估了人口密度与蔬菜市场密度对老年人步行时间的影响效用.3.1 社区建成环境尺度效应分析MGWR 模型与 GWR 模型中不同社区建成环境变量的差异化作用尺度见表 5.不同变量的作用尺度通过带宽反映，由于样本量为 2 698，当某一变量带宽为 2 698 时，说明该变量在空间上的作用效果一致，不存在空间异质性.带宽越小，说明变量的作用效果在空间上的差异性越强.由于 GWR 是单一尺度模型，因此只能反映各变量作用尺度的平均值 985；MGWR 结果发现，不同社区建成环境作用尺度差异很大，除街道绿视率以外，其他各社区建成环境变量均具有较强的空间异质性.其中蔬菜市场密度 235 与公交服务水平 587 尺度较小，表明其对老年人步行影响的空间异质性较大，需要重点进行差异化的空间设计.3.2 社区建成环境系数空间格局分析MGWR 模型通过局部回归得到相同变量在不同样本上的系数分异，将其绘制在研究范围上，从而直观体现不同建成环境变量对老年人步行行为的空表 4模型回归结果Tab.4Model regression results指标人口密度土地利用混合度路网密度交叉口密度公交服务水平距离市中心的距离超市密度蔬菜市场密度公园/广场密度街道绿视率性别年龄个人月收入家庭结构是否需要接送孩子AICc调整后 R2残差 Moran s IMGWR全局回归系数-0.123*0.110*-0.0110.0060.236*0.1250.054*0.071*0.002*0.024*-0.050-0.020*0.0910.042-0.075*282.9440.8250.022P均值0.0210.0130.1500.1500.0030.2260.0210.0150.0060.0170.0980.0450.1230.2440.027GWR全局回归系数-0.074*0.201*-0.0970.0730.250*0.1200.0520.018*0.002*0.023*-0.048-0.0190.0870.040*-0.072*683.5950.5410.223P均值0.0320.0330.1430.1480.0220.1250.1160.0290.0110.0740.1440.1420.2280.0420.032OLS全局回归系数-0.0820.222*-0.1070.0800.1650.1320.0570.0750.0020.025*-0.052-0.0210.0960.044-0.079865.1970.2620.489P值0.1320.0430.1480.2530.1240.3270.1280.1120.0120.0810.0490.1560.3080.2460.335注：*表示 P值小于 0.001；*表示 P值小于 0.01；*表示 P值小于 0.05.MGWR与 GWR模型是局部回归模型，每个样本点均会得到对应的解释变量局部回归系数，通过求解所有样本点变量局部回归系数的平均值得到解释变量全局回归系数.108许家雄等：社区建成环境对老年人活力出行的空间异质效应第 3 期间异质效应，如图 4所示.由图 4可知：1）人口密度的标准化系数均值为0.123，转化为非标准化系数为1.673，反映了人口密度增加一个单位，老年人步行时间平均下降 1.673 min.人口密度对老年人活力出行的影响呈现两种相反的效应.在中心城区内部，人口密度增加会抑制老年人活力步行，而靠近外围，人口密度增加将促进老年人活力步行.这可能是由于主城区中心路网与土地开发建设较为成熟，富余用地有限，社区人口密度增加会导致人均步行空间减少，增加老年人的步行碰撞风险，而外围区域土地开发强度较低，现状人口密度较低，社区活力不足，人口密度增加可以提升社区活力，提高老年人步行意愿.这体现了人口密度的双重效应，而现有研究尚未发现此特征.2）土地利用混合度对老年人活力出行的影响呈现正效应.土地利用混合度的标准化系数均值为0.110，转化为非标准化系数为 6.679，反映了土地利用混合度增加 0.1 个单位，老年人步行时间平均增加 0.66 min.由于老年人出行目的主要为购物与娱乐，土地利用混合度提高可提升街道两侧业态的丰富性，提高步行倾向，特别是在重庆渝中区、南岸区的样本系数较高，说明在这两个片区提升土地利用混合度能更好促进步行，而这两个片区开发较为成熟，说明土地利用混合度具有规模效应，这与 Cheng等14的研究结论类似.3）社区公交服务水平对老年人活力出行的影响呈现正效应.公交服务水平的标准化系数均值为0.236，转化为非标准化系数为 1.448，由此可知，公交服务水平增加一个单位，老年人步行时间平均增加 1.448 min.系数绝对值由南向北不断减少，呈现边际递减效应.公共交通是老年人的主要出行方式，由于公共交通“最后（先）一公里”往往通过步行接驳，因此提升公交站点密度可促进老年人选择公交出行，提高步行时间.由于巴南、南岸片区老旧小表 5MGWR模型与 GWR模型中社区建成环境变量带宽Tab.5Bandwidth of community built environment variables in MGWR model and GWR model社区建成环境变量人口密度土地利用混合度公交服务水平蔬菜市场密度公园/广场密度街道绿视率MGWR尺度7681 1355872357782 543GWR尺度985985985985985985图 4社区建成环境变量系数空间格局Fig.4Spatial pattern of variable coefficient in community built environment109北京交通大学学报第 47 卷区较多，老年人更多，因此在此片区提升公共交通服务水平能更好地促进老年人活力出行.4）社区蔬菜市场密度与公园广场密度对老年人活力出行的影响呈现正效应.蔬菜市场密度与公园 广 场 密 度 的 标 准 化 系 数 均 值 分 别 为 0.071 与0.002，转化为非标准化系数为 0.936 与 0.026，由此可知，蔬菜市场密度与公园广场密度每增加一个单位，老年人步行时间平均增加 0.936与 0.026 min.由于社会文化背景差异，我国大部分老年人承担了家里的日常购物需求，但由于老年人普遍出行距离较短，社区范围内缺乏大型购物市场会抑制老年人的出行倾向，而随着蔬菜市场的增多，老年人购物选择增加，因此步行时间也会增多；公园广场为老年人提供了舒适的散步空间，促进了老年人的活力出行.从空间差异性分析，两个指标的回归系数由南向北逐渐增加，高数值主要集中在渝北区，说明提升社区蔬菜市场密度与公园广场密度对渝北区老年人的活力出行影响更大.5）社区街道绿视率对老年人活力出行的影响呈现正效应.街道绿视率的标准化系数均值为0.024，转化为非标准化系数为0.464，由此可知，街道绿视率增加一个单位，老年人步行时间平均增加 0.464 min.从环境心理学视角，街道绿视率越高可提高心理愉悦度，从而促进老年人产生步行行为，Cheng等12的研究也印证了这一点.此外，研究发现街道绿视率对老年人活力出行的影响在空间无明显的异质性，反映了该指标在提升老年人活力出行的稳定效应.4 结论1）模型结果显示，相比于经典的 GWR 模型与OLS 模型，考虑变量异质尺度的 MGWR 模型结果对数据具有更好的解释力.社区建成环境对老年人步行时间具有显著影响，其中公交服务水平对老年人步行时间影响最大，通过提高公共交通系统服务水平对促进老年人健康出行具有重要意义.2）由变量尺度分异可知，不同社区建成环境变量对老年人步行时间的空间异质性程度不同.街道绿视率接近全局尺度，说明其与老年人步行时间的关系在空间上的变异较弱；其他建成环境变量异质性较强，需要有针对性地进行差异化空间设计.3）分析变量系数的空间分异可知，人口密度对老年人步行时间的影响在不同区域呈现相反的影响，这对控制不同区域人口，指