基于社区生活圈尺度的城市绿色基础设施空间分布与居民就医行为关系研究——以福州市中心城区为例

马妍 马琦伟 李苗裔 于沛洋

城市的建成环境对居民的生活习惯、空间行为特征存在着深远的影响，进而可能影响居民的身体健康[1]。因此，国内外大量既有研究多表现出对建成环境特征与居民健康之间关系的探究，并发现高密度、功能单一、公共交通可达性差的城市区域，居民发生肥胖、心脑血管等慢性疾病的可能性更高[2-3]。相反，步行环境友好、开发强度低、功能复合的建成空间居民慢性疾病发生率相对较低[4]。此类研究的主要逻辑遵循建成环境会对居民体力活动产生影响，这一影响日积月累，进而影响居民健康，其研究方法多采用社会调查的方式[5]。然而，上述研究中建成环境与居民体力活动之间的互动机制往往是建立在理论假设基础之上的，对居民在建成环境中动态的、真实地活动刻画较少。因此，如何尽可能真实地刻画居民在建成环境下的体力活动则成为一个问题。

与此同时，不少的既有文献发现绿化覆盖、河流水系、文化体育设施、医疗卫生设施等建成环境要素在一定程度上与居民健康相关[6-9]。在城市建成环境中增加公园绿地、河流水系和公交站点的可达性有助于减缓肥胖、提高居民心理健康和对自身健康状况的感知[10-11]。然而在此类研究中，社会调查及问卷对居民健康状况的判断除却客观可度量的指标如体重、血压、医生的诊断报告外，依然有较多自我感知的成分[12-13]，这使得如何客观合理地度量建成环境中居民的健康状况成为另一个问题。

鉴于上述问题，本研究旨在从微观尺度分析建成环境中的绿色基础设施与居民健康之间的关系。重点通过对一段时期内研究区域居民出行大数据的观测，来刻画常住居民日常空间行为特征，在识别其空间活动范围的基础上，从中抽取表征绿色基础设施的建成环境要素。与此同时，基于居民在社区生活圈内的就医行为构建居民就医频次这一指标用以测度其身体健康状况，降低社会调查及问卷中居民对健康状况的主观感知可能对分析结果产生的影响。并最终探讨建成环境中绿色基础设施和医疗卫生设施对居民就医频次的影响，从中识别主要影响要素及作用机制，为规划实践提供依据和参考。

1 研究方法

1.1 空间尺度的划分

在分析建成环境与居民身心健康间关系的研究中，对研究对象的空间尺度划分并没有统一的标准。既有以行政辖区作为评价单元（如大都市区、县、人口统计区）[14]，也有以被调查者的住所为中心通过设置搜索半径来划定评价单元[15]。但上述空间尺度的划分各有利弊，不仅难以准确反映各类人群的真实活动范围，也不利于与规划政策的空间尺度相呼应进而影响分析结果的规划实践应用。基于本研究的目的，选择“15分钟生活圈”作为空间单元的划分标准，即在居民步行15min可达的距离范围内进行建成环境要素的评价，相当于以居民居住地为中心的1 000m辐射半径[16]。这一空间尺度既有利于微观尺度的研究分析，又能较为完整地反映居民日常活动的空间范围，同时与生活圈规划保持统一的空间尺度还将有利于分析结果对规划问题的实践指导和参考。

1.2 变量关系的分析

1.2.1 影响因素及作用机制

结合既有研究对建成环境中绿色基础设施及要素的分析识别，本研究选取公园绿地、绿化水平（本文中的绿化水平指以植被 NDVI值为测度，综合了植被生长状态、植被覆盖度的综合绿化水平的概念）、文化设施、体育健身设施、医疗卫生设施作为分析模型的解释变量。同时，用研究空间单元内常住居民的就医频次来测度其身体健康状况。主要逻辑是，通过统计常住居民在一定观测期间内访问社区生活圈内医疗卫生设施的次数（每次到访停留30min以上）来反映其健康状况，假设次数越多身体健康水平越低，反之则越健康（图1）。

1.2.2 基于哈夫模型的影响要素作用评估

在研究城市中某个空间单元i上常住居民的就医频次与绿色基础设施及其他公共设施之间的内在关系时，本文主要考虑2方面因素：首先，绿色基础设施及其他公共设施的规模越大，则其服务能力越强；其次，绿色基础设施及其他公共设施与某个空间单元之间的空间距离越大，则其对该空间单元的作用越小。基于此，本文引入哈夫模型（Huff 1964）来反映上述的关系。原始哈夫模型中某类设施对空间单元i的作用表述为：

其中Sj为设施j的吸引力；Tij是空间单元i到设施j的空间阻力；μ是以经验为基础估计的变数。

本文使用设施的规模来代表设施的吸引力，用空间距离来代表空间阻力，同时根据以往经验和实际数据分析的结果，取μ=1，形成如下的哈夫模型来测度某项公园绿地或公共设施j对于空间单元i的服务能力：

其中Sj是服务规模，Dij是公园绿地或公共设施j的几何中心点与空间单元i的几何中心点之间的欧氏距离。

在此基础上，将各项公园绿地或公共设施的作用进行叠加：

其中，Vi是空间单元i上常住居民在一段时间内访问城市中各医院的总频次，用以下的公式进行标准化计算得到。

Vi是空间单元i的常住居民就医频次，Hmin是所有单元的最小就医频次，Hmax是所有单元的最大就医频次。

X1、X3、X4、X5分别代表了公园绿地、文化设施、体育健身设施和医疗卫生设施对于空间单元i的作用，计算方式见公式（2）；X1=Gi是每个空间单元的绿化水平，是以植被归一化差分植被指数（Normalized Different Vegetation Index，简称NDVI）值为测度的一项指标。影响绿化水平的绿色基础设施包括各类附属绿地、街道绿化、屋顶绿化等。

a1、a2、a3、a4、a5是模型的 5个待求解的参数，分别代表了公园绿地、单元绿化水平、文化设施、体育健身设施和医疗卫生设施对市民就医行为的效应量。

εi是模型的残差项，代表了其他随机变量对居民就医行为的影响。

1 影响要素与居民就医频次的作用机制The action mechanism of influencing factors and the frequency of residents seeking medical treatment

在该模型中，Vi是因变量，X1、X2是自变量，而X3、X4和X5则是控制变量，分别控制文化设施、体育健身设施和医疗卫生设施对居民就医行为的影响。

基于上述模型，本研究使用最小二乘法求解参数，通过分析参数a1、a2、a3、a4、a5的大小及显著性，研究评价对象空间单元内的解释变量与被解释变量之间的关联性。

2 分析结果

2.1 研究区域概况与数据分析

2.1.1 研究区域概况

本研究的研究范围为福州市中心城区的集中建成区，包括鼓楼区、台江区、仓山区、晋安区、马尾区和长乐区共6个区的大部分地区，以及周边闽侯县的上街镇和南屿镇的部分地区，总面积为430.0km2（图2）。

2.1.2 数据来源及分析

1）就医行为数据。

本研究通过使用由百度地图慧眼大数据提供的就医行为数据，对研究空间单元内居民的就医行为进行刻画。数据收集的时间跨度为2018年2月21日—3月13日，共3个星期，空间上涵盖了本文研究范围内所有常住人口规模大于0的地区，在大数据识别了常住居民的居住地以后，统计每个200m×200m单元网格内常住居民在以其居住地为圆心1 000m半径内的医疗卫生设施就医的次数。这样既可以统计居民在居住地周围到访不同等级医院的情况，又可在一定程度上控制跨区域看病的问题。

在每个空间单元网格的常住人口规模统计方面，根据百度地图慧眼在较长的一段时间内跟踪个体的行动轨迹，将其夜间长期驻留的地点视为该个体的居住地，居住地点位于某一网格空间范围内的个体总和即构成该网格的常住人口规模。同时通过长期跟踪个体行为，百度地图慧眼也识别了每个单元中就业地点为医院的人口，本文将这部分人口从研究数据中剔除，以保障数据的科学性。因此，本研究中的常住人口是指空间单元内每晚长期驻留的移动端APP用户数，并不是人口普查中的城市常住人口数。

从空间分布特征来看（图3），就医频次归一化后的空间分布呈现明显的异质性，频次较高的地区主要位于老城区，特别是闽江北岸的茶亭、新港、水部等街道一带。而城市南部地区、特别是乌龙江西南侧的地区归一化就医频次相对较低。

从统计结果来看（图4），福州中心城区各空间单元的归一化就医频次差异性较大，大致呈“长尾”分布，即少量空间单元的归一化就医频次较高，而大部分空间单元的归一化就医频次均低于0.25，这暗示了城市中少量地区的公共健康水平相对不高的问题。

2）绿色基础设施数据。

公园绿地数据由福州市中心城区城乡建设用地现状图（2017年）中提取得到。从空间分布特征来看（图5），公园绿地主要位于城市中心地区，而城市边缘地区的公园绿地建设相对滞后，且大部分公园的面积均比较小，多为社区公园、街头游园及“口袋公园”等，而大型综合公园的数量相对较少。

单元绿化水平以评价单元的植被NDVI值表示，该数值是基于美国USGS网站开源的Landsat-8 OLI/TIRS卫星遥感影像数据，借助ENVI 3.5遥感影像分析软件计算得到的，影像拍摄时间为2018年3月20日。单元绿化水平的分布与公园绿地存在明显不同，呈现城市中心区域低于郊区，且靠近公园绿地的区域高于远离公园绿地区域的特征（图6）。

3）文化设施、体育健身设施和医疗卫生设施数据。

本研究使用的文化设施、体育健身设施和医疗卫生设施数据均由福州市中心城区城乡建设用地现状图（2017年）提取得到。从空间分布上看，各类设施均主要集中在闽江以北的五一路至西外环之间的地区，而其他地区的分布密度相对稀疏（图7）。

2.2 讨论

2.2.1 分析结果

基于对公式1模型中因变量和自变量的相关性的基本认识，本研究首先在“15分钟社区生活圈”，即1 000m辐射半径尺度上，求解公式3所示的多变量回归模型，所得结果如表1所示（表1）。

从表1中，我们可以得出以下结论：

首先，在“15分钟社区生活圈”的空间范围内，公园绿地、绿化水平、文化设施、医疗卫生设施等变量的回归效应均明显，表明上述的设施确实对居民的就医行为存在着实质性的影响。特别是公园绿地和单元绿化水平这2项变量的回归结果表明其与公共健康水平可能存在内在的联系。但是，体育健身设施的回归效应十分不明显，表明此类设施与居民就医行为关联不强。一个可能的解释是，本研究提取的体育健身设施以体育场馆为主，其使用主体为青壮年，而这一年龄段的居民并非主要就医群体，因而此类设施的贡献不显著。

其次，与公园绿地、绿化水平降低就医频次相反，文化设施对于就医频次具有一定的正向作用。本研究认为原因之一是文化设施以吸引居民参加室内活动为主，因而文化设施难以压缩居民的就医频次。同时，本研究发现医疗卫生设施与就医频次之间存在较强的正相关，这可能是由于当医疗卫生设施的服务能力增强时，无论是医院规模增加带来的接待能力提升，或是布局密度增加带来的就医距离缩短，都会提升居民就医的便利程度，降低就医的时间和心理成本，从而影响居民的就医行为。

为更加深入的分析绿色基础设施对居民就医的影响，确定公园绿地的有效服务半径，本研究进而在不同的空间距离上求解前文提出的模型，其结果如表2所示（表2）。

从表2中，我们可以得出以下结论：

1）在辐射半径增加到1 500m后，公园绿地和单元绿化水平这2项变量的回归效应仍保持显著，但效应量的大小和显著性均较1 000m辐射半径内的计算结果有所降低，这表明其可在一个相当可观的空间距离上对城市居民的就医行为产生一定影响，但此影响与空间距离呈现负相关。

2）从变化趋势来看，随着距离的增加，公园绿地和单元绿化水平2项变量的系数均下降，表明其效应量随距离增加而继续减小。特别是在2 000m和2 500m距离上，系数已不显著，表明当距离增加到一定程度后，与其它要素相比，这两项要素的作用趋于不明显。

2 研究区范围图The research areas

3 研究范围内的常住居民就医频次空间分布图（已去除常住人口数量为0的空间单元）Spatial distribution of frequency of permanent residents seeking medical treatment in research areas (the spatial units with no resident have been removed)

4 归一化居民就医频次的分布直方图Distribution histogram of the frequency of medical treatment for normalized residents

5 研究范围内的公园绿地分布图（已去除常住人口数量为0的空间单元）Distribution of park green space in research areas (the spatial units with no resident have been removed)

6 研究范围内各单元绿化水平分布图（已去除常住人口数量为0的空间单元）Distribution of greening level in each unit of the research areas (the spatial units with no resident have been removed)

7 研究范围内的文化设施、体育健身设施和医疗卫生设施分布图（已去除常住人口数量为0的空间单元）Distribution of cultural facilities, sports facilities, medical and health facilities in the research areas (the spatial units with no resident have been removed)

3）比较公园绿地和单元绿化水平2个变量的系数可知，单元绿化水平对降低就医频次的作用更加显著，公园绿地在这一方面也发挥了相当的作用，但其贡献程度要小于单元绿化水平。

2.2.2 数据精度与可信度

百度地图慧眼大数据在本文研究范围内的实际有效用户数量约在190万人左右。根据福州市最新的人口统计，百度地图慧眼大数据的人口覆盖度在60%左右，考虑年龄结构的实际分布对上述数据进行了重新抽样，抽样后的覆盖度达到50%左右，即本文研究的个体数为研究范围内总人口的一半左右。可见，本文的数据在样本覆盖度和采样均衡性上有一定保证。

表1 “15分钟社区生活圈”（1 000m）半径内模型分析结果Tab. 1 Model analysis results in 15-minute community life circle (1, 000m)

表2 不同空间距离下绿色基础设施变量的分析结果Tab. 2 Analysis results of green infrastructure variables in different spatial distances

从识别精度来看，本文的就医频度统计是以医院的空间边界为地理围栏，将进入此围栏且停留时长超过30min阈值的行为记为一次就医行为。在此过程中的精度误差主要来源于2个方面：一是因GPS信号问题导致的用户定位漂移，此漂移距离随信号强度变化，但一般不超过50m，这可能造成部分在医院邻近地区的部分个体活动被识别为就医行为，也可能导致部分在医院边缘处发生就医行为的用户被剔除。因长时间的定位漂移属于偶发现象，因而其造成的精度误差不高；二是因用户不活跃造成采样点过于稀疏，而漏掉部分就医行为。由于在数据预处理中已预先筛除定位点过于稀疏的用户，此精度误差可控。

3 结论与展望

本研究的结果表明，公园绿地和单元绿化水平确实与居民的身体健康有显著的相关性，但其中绿化水平的显著性要高于公园绿地面积的相关性。这说明，在居民“15分钟社区生活圈”内，整体绿化水平的提高要较公园绿地的集中布局更有利于居民就医频次的降低。同时，对比不同半径的评价结果发现，随着评价半径增加，选取的建成环境要素对居民就医频次的影响显著性明显下降。这说明在居民“15分钟社区生活圈”半径内合理布局公园绿地和提高单元绿化水平对降低居民就医频度是有意义的。

因此，在规划实践中应加强“15分钟社区生活圈”的绿色基础设施建设，具体可概括为：

1）加强附属绿地、街道绿化、立体绿化等建设，可以显著的提高每个空间单元的绿化水平，从而改善居民的就医行为。

2）在资金和用地有限的情况下，提高绿化水平对改善居民健康的效益相对更高。特别是在人口密集、用地紧张的老城区，着力提高建成区的绿化水平可能是更加经济可行的方案。

然而，本研究尚存提升空间，主要表现为就医频次单一测度指标的使用不利于从居民就医行为中剥离出其他扰动因素，如居民的遗传因素、生活习惯、是否身患慢性疾病，以及年龄、收入、职业等。此外，尽管大数据的使用对本研究连续观测研究区域居民真实的生活轨迹更有益，同时较之问卷调查法更易于弱化调查对象对自身健康状况的主观判断，但是在样本获取方面仍需注重采样的均衡性，同时如何准确的区分就医人员和陪同人员也是一个问题。对此在未来的研究中需要进一步探讨和改进。

注释：

文中所有图表皆为作者自绘。