健康的身体和心理是人类追求美好生活的必要前提。伴随着社会经济的飞速发展和城市物质与社会空间的快速变迁,生活方式已经成为除基因和环境外影响个体健康的第三大关键因素[1]。一方面,长距离通勤、服务设施配套落后等因素导致居住空间和工作、休闲以及其他活动空间的分离,居民受到时间安排紧凑和空间机会匮乏的严格制约,引发了邻里关系疏远、健康状况堪忧和生活质量降低等一系列社会问题[2];另一方面,城市内部已经出现明显的社会空间分异。弱势群体往往暴露在高污染、低可达性的环境下,身心健康受到严重威胁。如何规划改造城市物质和社会空间,引导城市居民形成健康生活方式,促进公众健康水平的社会和空间平等成为城市规划和管理迫切需要解决的问题。
探究城市环境与个体健康的关系是健康地理学的重要议题。目前研究多假设邻里单元是居民日常暴露的唯一地理情境[3],探讨社区周边空气污染、噪音污染、废弃物用地等环境风险因素的负面健康效应[4-6]。近年来,也有研究开始关注到紧凑城市空间、绿地和公共空间等健康促进要素的积极影响[7-9]。但是,这种以空间为核心的分析方法存在明显的方法论问题。在日常尺度上,个体经历着多样化的城市空间,既包括他们的居住空间,也包括所有活动—移动行为所涉及的空间范围。也就是说,个体的移动性和环境要素的时空变化共同塑造了动态复杂的地理情境,从而导致相应的健康后果[10]。因此,有必要从基于邻里的视角转向基于移动性的视角,探讨时空动态的城市环境暴露与个体健康之间的关系。
时空行为是城市环境对个体健康产生作用的关键媒介,其中活动—移动模式是城市居民日常生活方式的重要行为测度。现有研究已经发现绿地和开敞空间的缺乏、健康餐饮设施的可达性陷阱、以及蔓延式的城市扩张会引起体力活动减少、久坐、不健康饮食、抽烟酗酒、睡眠缺乏等健康相关行为,进而导致个体健康状况的恶化[11-13]。然而,这种基于惯常行为习惯或活动片段的分析割裂了个体行为选择的倾向性特征,忽视了时空资源的有限性和活动间的序列关系,以及活动特定的地理和社会情境。时间地理学强调个体是不可分割的单元,时空行为是客观制约和主观选择下共同作用的结果[14];活动分析法将个体整日活动—移动模式作为生活方式的外在体现,研究其与城市空间之间的互动[15]。从时空行为视角出发,研究城市居民健康生活方式的构建思路,将为健康人居环境和生活环境的创造提供新的视角和方法。
本文借鉴时间地理学和活动分析法的相关理论和方法,从空间、时间、个体行为和群体行为的角度,构建基于时空行为的健康生活方式研究框架,旨在厘清基于日常移动性的城市环境暴露—活动移动模式—个体健康后果三者间的复杂关系,理解人与环境的行为交互过程,促进城市环境和社会的可持续发展。
2 邻里效应视角下健康相关行为的研究进展生活方式是人类的基本存在模式和理解社会功能的方式,体现为对社会经济条件和物质环境的惯常化行为反馈,以及个人和社会群体内隐化的偏好、态度和价值观[16]。作为一种生活方式的城市(urbanism),产生于后工业革命背景下对社会关系和社会秩序的批判和反思,典型表现为无序竞争、专业化、匿名沟通和浅薄的身份认同等[17]。伴随着当前快速的城市空间重构和城市社会杂化过程,城市生活方式也日益呈现出多样性、日常化、以及与实体空间高度交互的特征,生活方式由此被视为一种稳定可见的日常行为模式,与城市物质与社会环境相互依存,并同个体社会经济属性和居住状况密切相关[18]。Hägerstrand和Pred进一步将日常生活方式总结为个体偏好和自由选择的结果,并根植于每日家庭和工作相关的例行活动之中[14, 19]。
上世纪后半叶以来,个体健康和幸福感作为提升生活质量的重要方面,逐渐成为衡量日常生活方式的关键结果指标。健康生活方式指一系列有利于增强身体素质、缓解压力或令人感到满意的行为表现,其往往建构于经验、知识结构和社会规范的基础之上[20]。在实证方面,当前研究多将健康生活方式简化理解为单一或复合的健康相关行为(health-related behaviors)。通过对单一行为习惯的健康效应分析,发现吸烟和过度饮酒、不适当的体力活动或不平衡的膳食结构会提高罹患肥胖症、糖尿病、以及全因死亡率的风险[12, 21]。然而,健康人类2010计划(healthy people 2010)指出,对单一领域健康行为的过分解读,忽视了日常生活方式所具备的整体功能性意义[22]。也就是说,多种健康生活方式要素间一方面可能存在协同的健康效应,另一方面也可能存在个体内部的矛盾和冲突,Pronk等发现仅有16.5%的抽样人群完全符合或完全不符合每一项健康行为准则,更为常见的情况是不一致的健康行为模式,如积极锻炼的肥胖者、坚持地中海式饮食的酗酒者等[23]。仅就单一健康行为的研究或干预不仅会造成对健康后果的错误估计,而且对培养涉及广泛领域的健康生活方式收效甚微。
为进一步分析健康相关行为的形成机制及其面临的客观制约,邻里效应成为健康地理学者所依赖的空间分析视角[24]。基于居住区域是影响健康后果的唯一地理情境这一假设,邻里效应研究多将居住区操作化为静态的行政单元,如家庭普查区、普查区组和邮政编码区域等,进而分析居住单元内环境要素所提供的机会或制约等对健康行为与后果的长期影响。一方面,高密度、混合土地利用和高道路连接性等时空相对稳定的建成环境要素创造了多样化的功能使用,从而有助于通过社区交往与体力活动等行为媒介带来健康相关增益[25-27]。绿色和蓝色空间等恢复性环境要素也直接或通过户外休闲活动和邻里互动等行为过程间接影响居民的身心健康[7, 28]。另一方面,当居民接触时空相对稳定的建成环境要素时,他们也可能暴露在与健康相关的动态环境风险之中,如严重的户外空气污染和噪音会增加步行和自行车等积极出行过程中的暴露风险,从而减少甚至抵消健康促进的建成环境要素与交通体力活动的健康效益[29, 30]。需要注意的是,在邻里效应的分析视角下,居住于同一统计区域的居民暴露在相同的环境属性下,由此可能呈现出相似的行为特征与健康后果[31]。
不难发现,邻里效应视角下的健康相关行为研究存在以下两方面理论与方法问题:一是对于行为要素的过度简化,极少关注到消耗绝大多数时空间资源的活动—移动行为的健康效应。一方面,用餐、休息、通勤和工作等必需性活动—移动行为所搭建的行为模式骨架可能会限制对时空制约相对较小的健康相关行为的开展,如过度通勤和加班可能会压缩用于社交或锻炼的时空间窗口;另一方面,相较于健康相关行为,充足的睡眠、良好的用餐习惯和短距离的积极出行通勤等日常活动可能是塑造居民健康状况更加重要的行为要素。此外,基于活动或出行片段的健康相关行为分析难以上升到个体整日行为模式的分析以及群体生活方式选择公平性的探讨。二是忽视行为发生的时空背景,即邻里效应视角忽视了个体日常活动—移动过程中真实暴露的动态地理情境,由此产生了地理情境的不确定性问题[3],即“地理空间变量对个体行为作用效应的分析结果,可能受到地理背景单元或者邻里单元的划分方法及其与真实地理背景作用空间的偏离程度的影响[32]。”对于环境—行为—健康长期效应的分析也忽视了日常情境下环境暴露的情绪响应,以及长期健康状态与短期身心表现之间的互动关系,从而无法理解长期健康问题的形成过程与机制。
3 基于时空行为的健康生活方式理论与方法基础从时空行为视角出发,个体生活方式可以被理解为每日活动片段或事件序列在时空间维度上的连续展开。Reichman最早将生活方式的概念引入交通出行研究,但更多将其视为社会经济属性、个人或社会态度等行为的内隐结构,而不是一种可以直接观察到的行为模式[33]。20世纪90年代以来,行为研究开始关注到个体日常活动和行为决策过程的指向性和规律性,并通过行为特征、个体或家庭社会经济属性、以及居住空间特征聚类分析具有共同生活方式的社会成员[34, 35]。借鉴时空行为理论和方法论,可以有效弥补目前研究的缺陷,为日常生活方式研究及其健康效应的评估提供独特的研究视角,其中具体包括个体导向和强调制约与企划的时间地理学、基于活动—移动模式的活动分析法、以及移动性转向下情境单元的选择问题。
时间地理学起源于对区域统计范式中机械地将人类视为同质实体的反思,提倡以不可分割的个体单元为基础,构建微观个体情境和汇总行为模式之间的联系[14],这为健康生活方式的框架构建奠定了理论基础。制约和企划是时间地理学的核心概念,其分别从客观制约和个体需求的角度阐述了时空行为的形成过程[36]。具体到健康生活方式的构建中,健康企划的制定往往先于日常活动的组织安排,从而决定了不同类型活动的优先次序和偏好结构。也就是说,每日的健康维持活动嵌套于个体长期的健康相关企划之中。在客观制约方面,由睡眠、饮食等固定性活动和个体移动能力组成的能力制约规定了日常活动的时空框架,其他任意性活动需寻找到可支配的时空资源才得以开展。反之,由于年龄等所导致的身体能力和移动性的限制,以及不平衡、非规律的活动时空节奏是影响健康和生活质量的重要因素。组合制约强调个体或群体必须与其他实体在同一时空间进行联合活动的制约,而健康资源或环境要素的匮乏、或者其与个体行为在时空间维度的不匹配,将限制健康促进行为的发生。权威制约与法律、惯例和社会规范密切相关,如需要支付高额会员费的体育场馆、仅允许特权阶级进入的社交俱乐部等,不可避免地将一部分人排除在具有丰富健康资源和健康知识溢出的领域之外。
活动分析法旨在解释人们如何完成不同的日常任务,扮演不同的社会角色,并形成自己独特鲜明的态度,这为健康生活方式的测度提供了方法支持[15]。已有研究发现,个体每日的活动和出行事件具有一定的优先层级和顺序特征,仅就特定活动片段的分析可能会低估或高估活动—移动模式的综合健康后果[37]。因此,活动分析法指导下的健康生活方式测度更加强调将健康相关行为的片段分析与整日活动—移动模式的综合分析相结合,以更加准确地刻画个体连续的活动—移动过程及其对时空间资源的统筹安排。一方面,关注体力活动、饮食习惯和抽烟酗酒等健康相关行为如何嵌入到个体整日的活动—移动安排之中,如日常通勤、工作和家庭照料等必需性的活动与出行如何侵占和挤压健康相关行为可供支配的时空间窗口;另一方面,关注整日活动—移动行为的优先顺序、序列与嵌套关系,及其实时暴露的地理与社会情境特征。每日开展的睡眠、通勤工作、购物休闲等活动和移动行为都面临着二十四小时有限时空间资源的约束,个体在对不同活动和移动行为进行优先顺序和序列关系的计划安排时,无不潜移默化地影响着其健康表现。进一步而言,个体的活动—移动行为在时空间并不是独立发生的,而是依托于特定的地理和社会情境,如在开展积极出行的过程中,除了交通性体力活动本身的身体性增益外,出行过程中的同伴选择、实时暴露的动态环境污染和社会情境都可能引发健康相关效应[38]。
由此,活动分析法的引入将有助于从个体整日活动—移动模式的角度,有效识别健康导向下的生活方式群体。活动—移动模式将出行视为活动的派生需求,活动序列在时空维度上形成相对稳定、具有特定规律的行为模式,并与其他个体或群体产生互动[15]。在活动—移动模式的测度方面,重点和难点问题在于如何将多维度的活动—移动信息(如时空位置、活动内容与出行方式、同伴等)及其序列关系刻画为以个体为单元的模式特征。早期的探索性分析方法通过选取活动类型、活动地点和出行方式等关键信息进行聚类分析,获得不同生活方式群体[34]。很显然,聚类手段对时空间信息的关注相对不足,同时忽略了活动之间的序列关系。后来,研究开始通过赋予不同的活动片段以权重,并计算不同活动—移动模式之间的距离,实现了对空间关系的准确刻画[39, 40]。近二十年来,序列比对方法(sequential alignment method)因关注到行为模式的时间匹配与序列关系特征,被广泛应用于活动—移动模式的测度中[41, 42]。该方法将个体行为模式视为一组活动和移动的序列信息,通过替换、插入和删除等操作,计算不同模式之间的最小操作成本,从而有效识别活动—移动模式之间的相似性。Zhang和Thill进一步将社会网络分析方法与之结合,在整合活动轨迹之间的空间互动(共同位置和距离衰减)和时间联系(共时发生与前后顺序)的同时,将模式背后的社会意义和情境信息考虑进来,有效实现了对活动—移动模式的序列关系及其暴露情境的综合刻画[43]。
在分析健康生活方式的形成机制时,地理情境的选择是普遍面临的方法论问题之一。在移动性转向的背景下,个体一方面伴随着生命周期可能经历了居住地的变更和居住环境的相应变化,另一方面日常的时空轨迹也大多超越居住地,涉及多样的城市空间[44, 45]。也就是说,传统的基于邻里单元的情境分析潜在假设了个体和环境特征均具有时空固定性。空间上,邻里范围通常被界定为静态的行政区域,如人口普查街区、邮政编码区等;时间上,个体静止在居住地不发生空间位移,且居住地周边环境稳定不变。Kwan将此总结为地理情境的不确定性问题[3],并进一步提出在考虑个体移动性后会出现邻里效应的平均化(Neighborhood Effect Averaging Problem, NEAP)现象,即居住在高暴露社区的居民会移动到暴露水平较低的区域开展日常活动,反之亦然,最终大多数个体的环境暴露水平会回归到总体水平的平均值附近,从而缓和居住地环境劣势对其健康行为或水平的负面影响[46]。
4 时空行为视角下健康生活方式分析思路基于上述理论与方法论思考,从邻里效应视角下的健康相关行为分析转向基于时空行为的健康生活方式研究更加关注个体日常行为模式及其暴露的动态地理情境,时空行为融入健康生活方式研究主要存在以下两方面分析思路的创新。第一,日常活动—移动行为的时空间背景构成了健康生活方式的情境性因素。超越传统的邻里效应视角,关注个体每日活动—移动过程中暴露的时空动态的地理情境,从而有效应对地理情境的不确定性问题,解读健康问题形成与发展的时空间过程。第二,基于时空行为测度的日常活动—移动模式是健康生活方式的组成性因素。超越对片段式的健康相关行为分析,关注个体整日活动—移动模式信息及其对时空间资源的统筹利用,并进一步剖析不同社会群体因行为模式差异所导致的环境暴露公正性和健康不平等等现实问题。通过将时空行为作为情境性和组成性要素纳入到健康生活方式的分析中,将有助于厘清城市环境—生活方式—公众健康三者间复杂的时空关系。
图 1的概念示意模型呈现了时空行为融入健康生活方式研究的分析思路。首先,城市物质环境是影响公众健康的底层支持系统,一方面环境要素为居民开展日常活动—移动行为提供空间支持,如高可达性的绿色空间能引导居民开展更加频繁的体力活动等;另一方面居民在场所内进行活动时需要遵循嵌套的地方秩序,如个体就医行为的发生需要遵循医院所规定的开放时间,而具体就医场所的选择可能受到特定地方文化和制度因素的影响等。其次,居民日常活动—移动行为及其暴露的微观情境是直接与个体健康关联的表层行为系统。在一日的时间尺度内,个体在时空间上发生连续的活动—移动行为,与城市环境、其他个体之间发生着高度动态的时空互动,并产生即时的情绪响应。如个体B上午从家出发公交通勤,在工作地度过白天时间,晚高峰时段再次通勤,经由超市购买晚餐食材并与个体A进行短暂交往互动后返回家中。在整日连续的活动与移动安排中,个体先后与家、公共交通工具、工作场所、购物场所和家发生互动,在不同场所时居民所处的地理与社会情境迥异,由此呈现出时空动态的情绪响应,进而关乎个体长期的身心健康状况。
![]() |
图 1 时空行为融入健康生活方式研究的概念示意模型 Fig.1 The Conceptual Model of Healthy Lifestyle Research Based on Space-time Behaviour |
最后,在个体行为与城市环境的日常时空交互下,城市居民呈现出不同时间尺度的身心健康后果,包括短期情绪响应、日常健康表现和长期健康状态。从行为和健康的时空交互效应来看,一方面,个体整日活动—移动行为中包含了一系列以健康为导向的健康相关行为,并与其他活动之间发生着时空资源的共享或争夺,共同导致了综合的身心健康后果;另一方面,个体长期的健康相关企划部分支配了日常尺度下活动—移动行为的组织安排,同时也与其他日常企划(如照料家庭、工作事业等)共同对每日时空资源进行分配,从而产生日常情境下的身体健康响应和心理情绪反馈。
5 时空行为视角下城市环境—生活方式—公众健康的综合分析框架通过梳理环境—健康关系的研究进展与时空行为的理论方法,本文从空间、时间、个体行为和群体行为四个角度,初步建立了时空行为视角下城市环境—生活方式—公众健康三者间关系的综合分析框架(图 2)。在空间上,从基于居住地的邻里环境测度转向基于日常移动性的动态环境暴露监测。随着位置实时感知和便携式传感器等技术设备的进步,通过个体时空轨迹捕捉高时空精度的实时地理情境成为可能[47, 48]。相关研究已经发现环境暴露由个体移动性和动态环境特征之间的相互作用所决定,忽视个体日常暴露的真实地理情境将导致地理情境的不确定性问题,从而错误估计环境暴露的健康后果[10]。因此,未来研究有必要也有条件分析个体每日所经历的时空稳定的建成环境,以及时空动态的环境风险与社会情境对公众健康的综合效应。
![]() |
图 2 时空行为视角下健康生活方式研究框架 Fig.2 Research Framework on the Healthy Lifestyles Based on Space-time Behaviour |
在时间上,从关注环境暴露的长期健康效应转向基于多时间情境的交互效应分析。一方面,需要关注地理环境的日常情境效应,例如日常移动过程中的动态环境暴露是否引发即时的身心健康响应,人们在短期是否会适应快速变化的环境特征,适应的程度究竟如何以及是否因人而异等。流行病学领域的研究已经发现,个体在日常情境下虽然会相对忽略高暴露的环境风险,但是感官系统仍然会向神经系统传递信号,从而引起觉醒并触发应激反应[49]。另一方面,需要关注生命路径—日常路径的长短期交互作用。虽然以往研究已经涉及日常环境暴露如何塑造个体长期的身心健康状态,但是相对忽视长期健康状况和环境敏感性对短期暴露—响应关系自上而下的处置效应。例如,Schwanen和Wang针对主观幸福感的研究发现,长期的生活满意度对日常活动中积极情感的处置效应强于短期到长期的累积效应[50]。
在行为上,将时空行为同时作为情境性和组成性要素理解环境—健康关系的动态交互过程。这不仅强调个体移动性所塑造的动态时空间背景,更加强调将时空行为作为中介因素,纳入到地理环境影响身心健康的机理链条中。本文初步提出从整日活动—移动模式及其与健康相关行为之间的时空制约关系来理解城市居民的健康生活方式。这其中需要避免将行为过程简化为单一的健康相关行为,而是应当聚焦微观个体,以不割裂活动序列为原则,评价整日活动—移动模式的健康效应,以及健康相关行为与其他日常行为对时空间资源的分配关系。在活动—移动模式的分类上,需要避免传统的简单聚类和时空距离计算中仅保留研究者所关注的活动特征的偏误,全面分析出不同活动片段之间的空间相互作用和时间序列关系,并通过不同个体时空经历的相似或互动特征刻画不同活动—移动模式的地理与社会情境,最终引导个体形成利于身心健康的日常生活方式。
在人群上,从无差别的个体研究上升到群体异质性分析,即关注基于个体移动性的环境公正与健康不平等问题。与西方不同,中国城市正处于快速城镇化阶段,经济飞速发展和空间无序扩张导致了贫困、交通拥堵和环境污染暴露等城市问题。同时,土地和住房制度的改革,户籍制度的限制以及流动人口的大量涌入带来了城市居民高度的社会阶层分化、以及居住与活动空间分异,弱势群体的环境暴露面临着更加复杂的经济—制度—行为的三元困境[51, 52]。因此,未来研究亟需以活动—移动模式作为行为媒介,从个体移动性视角出发,探讨中国社会情境下的环境公正问题,及其健康效应的社会空间分异机理。
综上,时空间行为融入健康城市研究与规划的分析框架共涉及城市环境、个体行为、群体行为和健康后果四个模块,不同模块之间相对独立,但又存在着特定的关联关系。其中,城市环境暴露强调从空间的视角转向人的视角,采用基于日常移动性的动态环境暴露测度方法,并同时关注时空相对稳定和相对动态的环境要素。个体行为具体包括基于日常时空行为的活动—移动模式和基于惯常习惯的健康相关行为两个维度,同时捕捉个体日常情境下行为模式信息和长期稳定的行为习惯。群体行为采用从个体向群体汇总的时空行为模式进行表征,这里的“群体”不仅关注性别、年龄、收入等依据社会经济指标划分的社会群体,还重点分析中国城乡二元体制下依据户籍、住房等制度因素所划分的制度性群体[53]。健康后果整合了身体、心理和社会健康的综合健康状况,强调多时间尺度属性,具体包括瞬时、日常和长期三个维度,健康状况的三个时间维度之间并非相互独立,而是同时存在着自短期到长期和自长期到短期的互动关系。在此基础上,进一步面向城市环境与社会的可持续性,构建环境—行为—健康的综合分析框架,一方面分析日常尺度下动态环境暴露对多时间尺度健康状况的直接影响效应,另一方面分析个体时空行为模式在环境暴露—健康响应关系中的间接影响机理。最后,通过个体行为模式向群体行为模式的汇总,探讨不同社会群体基于日常移动性的环境公正与健康不平等议题。
6 结论与展望作为一种稳定的汇总行为模式,生活方式与其日常生活所经历的物质与社会空间密切相关,并在很大程度上影响个体的健康和生活质量,环境—行为—健康的复杂关系是未来研究亟需重点探讨的话题。针对传统的邻里效应研究对健康相关行为的过度关注,本文提出将时空行为作为理解城市环境—生活方式—公众健康关系的独特视角。通过借鉴时间地理学的制约和企划概念、活动分析法的活动—移动模式测度、以及移动性转向下情境单元的选择问题,本文分别从概念理解、方法测度和分析单元选取的角度解释了基于时空行为的健康生活方式理论与方法基础,并进一步从时间、空间、个体行为和群体行为的角度构建了时空行为视角下健康生活方式研究框架,旨在厘清基于日常移动性的城市环境暴露、个体活动—移动模式与多时间尺度的身心健康后果三者间的时空交互关系,同时兼顾不同群体基于日常移动性的环境暴露与健康状况的社会空间分异,从而促进城市环境与社会的可持续发展。
不可否认,时空行为方法与健康地理议题的结合是一个充满未知和创新的前沿方向,目前仍然存在诸多挑战有待城市研究者和规划实践师共同应对。首先,时空行为与健康数据的采集主要依赖于研究者的主动式抽样采集,大量人力、财力和精力的投入限制了人群研究(populationbased study)的开展,从而难以获得具有一般性和普遍性的研究发现。虽然多源数据的涌现和机器学习技术的发展为识别群体时空行为模式创造了有利条件[54],然而环境、行为和健康数据三者间的互通互联仍然面临着跨部门合作、数据隐私保护等一系列敏感问题。其次,健康地理研究在分析环境暴露的行为与健康效应时,仍停留在观察某一时间截面上多层次的相关关系,相对忽略特定行为主体由于健康状况及倾向偏好差异,产生对居住和生活环境的主动选择过程,即难以解释环境—健康—行为之间的因果关系。为此,时空行为视角下的健康地理研究需要与流行病与公共卫生学者进行更多的跨学科合作,通过开展实验介入设计、或队列研究与病例对照研究等观察式设计,验证现有研究发现的无偏性和稳健性。最后,从健康生活方式的研究到规划引导仍面临着诸多实践难题和现实矛盾,如规划编制过程中对规划管理单元的时空颗粒度要求极大提升,规划空间单元固定性和移动性视角下情境单元可变性之间的潜在矛盾,规划运行过程中对居民活动—移动模式的动态监测与引导等方面的人员和技术投入等。
总的来说,时空行为为透视城市环境与公众健康之间的关系提供了独特的分析视角和技术方法。时空行为视角下的健康生活方式构建不仅与个体的健康与福祉息息相关,同时也关乎城市环境与社会的可持续性。在宜居城市和健康城市的建设背景下,城市空间的更新改造应当旨在缓解负面环境因素对居民时空行为的制约,再造亲和舒适的城市物质与社会空间,引导居民形成积极健康的生活方式,最终提升公众的健康水平和幸福程度。
[1] |
Saint Onge J M, Krueger P M. Health lifestyle behaviors among U S adults[J]. SSM-Population Health, 2017(3): 89-98. |
[2] |
陶印华, 申悦. 医疗设施可达性空间差异及其影响因素——基于上海市户籍与流动人口的对比[J]. 地理科学进展, 2018, 37(8): 1075-1085. [Tao Yinhua, Shen Yue. Spatial difference of medical facility accessibility and influencing factors: A comparative study of regis tered and floating populations in Shanghai[J]. Progress in Geogra phy, 2018, 37(8): 1075-1085.] |
[3] |
Kwan M P. The uncertain geographic context problem[J]. Annals of the Association of American Geographers, 2012, 102(5): 958-968. DOI:10.1080/00045608.2012.687349 |
[4] |
Vrijheid M. Health effects of residence near hazardous waste landfill sites: A review of epidemiologic literature[J]. Environment Health Perspectives, 2000, 108(1): 101-112. |
[5] |
Lim S, Vos T, Bruce N. The burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions 1990-2010:A systematic analysis[J]. Lancet, 2012, 380(9859): 2224-2260. DOI:10.1016/S0140-6736(12)61766-8 |
[6] |
Ma J, Li C, Kwan M P, et al. Assessing personal noise exposure and its relationship with mental health in Beijing based on individuals' space-time behavior[J/OL]. Environment International, 2020. (2020-04-19)[2020-06-15]. https://doi.org/10.1016/j.envint.2020.105737. DOI: 10.1016/j.envint.2020.105737.
|
[7] |
Wolch J R, Byrne J, Newell J P. Urban green space, public health, and environmental justice: The challenge of making cities 'just green enough'[J]. Landscape and Urban Planning, 2014, 125: 234-244. DOI:10.1016/j.landurbplan.2014.01.017 |
[8] |
Stevenson P M, Thompson D J, Sa D T H D, et al. Land-use, transport and population health: Estimating the health benefits of compact cities[J]. Lancet, 2016, 388(10062): 2925-2935. DOI:10.1016/S0140-6736(16)30067-8 |
[9] |
孙斌栋, 阎宏, 张婷麟. 社区建成环境对健康的影响——基于居民个体超重的实证研究[J]. 地理学报, 2016, 71(10): 1721-1730. [Sun Bindong, Yan Hong, Zhang Tingling. Impact of community built environment on residents' health: A case study on individual overweight[J]. Acta Geographica Sinica, 2016, 71(10): 1721-1730.] |
[10] |
Park Y M, Kwan M P. Individual exposure estimates may be erroneous when spatiotemporal variability of air pollution and human mobility are ignored[J]. Health & Place, 2017, 43: 85-94. |
[11] |
LiuY, Wang R, XiaoY, et al. Exploring the linkage between greenness exposure and depression among Chinese people: Mediating roles of physical activity, stress and social cohesion and moderating role of urbanicity[J/OL]. Health & Place, 2019. (2019-07-17)[2019-11-18]. https://doi.org/10.1016/j.healthplace.2019.102168. DOI: 10.1016/j.healthplace.2019.102168.
|
[12] |
Loef M, Walach H. The combined effects of healthy lifestyle behaviors on all-cause mortality: A systematic review and meta-analysis[J]. Preventive Medicine, 2012, 55(3): 163-170. DOI:10.1016/j.ypmed.2012.06.017 |
[13] |
周素红, 何嘉明. 郊区化背景下居民健身活动时空约束对心理健康影响——以广州为例[J]. 地理科学进展, 2017, 36(10): 1229-1238. [Zhou Suhong, He Jiaming. Effects of spatial-temporal constraints of suburban residents on fitness activities to mental health in the context of rapid suburbanization: A case study in Guangzhou, China[J]. Progress in Geography, 2017, 36(10): 1229-1238.] |
[14] |
Hägerstrand T. What about people in regional science[J]. Papers and Proceedings of the Regional Science Association, 1970, 24(1): 7-21. |
[15] |
Chapin F S J. Human Activity Patterns in the City: Things People Do in Time and in Space[M]. New York: John Wiley & Sons, 1974: 178-180.
|
[16] |
Weber M, Gerth H H, Mills C W. From Max Weber: Essays in Sociology[M]. New York: Oxford University Press, 1946: 204-218.
|
[17] |
van Diepen A M, Musterd S. Lifestyles and the city: Connecting daily life to urbanity[J]. Journal of Housing and the Built Environment, 2009, 24(3): 331-345. DOI:10.1007/s10901-009-9150-4 |
[18] |
塔娜, 申悦, 柴彦威. 生活方式视角下的时空行为研究进展[J]. 地理科学进展, 2016, 35(10): 1279-1287. [Ta Na, Shen Yue, Chai Yanwei. Progress in research from a lifestyle perspective of space-time behavior[J]. Progress in Geography, 2016, 35(10): 1279-1287.] |
[19] |
Pred A. Social reproduction and the time-geography of everyday life[J]. Geografiska Annaler Series B Human Geography, 1981, 63(1): 5-22. DOI:10.2307/490994 |
[20] |
Ford E S, Bergmann M M, Boeing H, et al. Healthy lifestyle behaviors and all-cause mortality among adults in the United States[J]. Preventive Medicine, 2012, 55(1): 23-27. DOI:10.1016/j.ypmed.2012.04.016 |
[21] |
Schuch F, Vancampfort D, Firth J, et al. Physical activity and sedentary behavior in people with major depressive disorder: A systematic review and meta-analysis[J]. Journal of Affective Disorders, 2017, 210: 139-150. DOI:10.1016/j.jad.2016.10.050 |
[22] |
United States Department of Health and Human Services. Healthy People 2010: Understanding and improving health[EB/OL]. (2000-11-01)[2019-12-02]. http://www.healthypeople.gov/2010/Document/pdf/uih/2010uih.
|
[23] |
Pronk N P, Anderson L H, Crain A L, et al. Meeting recommendations for multiple healthy lifestyle factors: Prevalence, clustering, and predictors among adolescent, adult, and senior health plan members[J]. American Journal of Preventive Medicine, 2004, 27(2): 25-33. DOI:10.1016/j.amepre.2004.04.022 |
[24] |
van Ham M, Manley D, Bailey N, et al. Neighbourhood Effects Research: New Perspectives[M]. Dordrecht: Springer, 2012: 6-7.
|
[25] |
Tao Y, Yang J, Chai Y. The anatomy of health-supportive neighborhoods: A multilevel analysis of built environment, perceived disorder, social interaction and mental health in Beijing[J]. International Journal of Environmental Research and Public Health, 2020, 17(1): 13-31. |
[26] |
杨婕, 陶印华, 柴彦威. 邻里建成环境与社区整合对居民身心健康的影响——交通性体力活动的调节效应[J]. 城市发展研究, 2019, 26(9): 17-25. [Yang Jie, Tao Yinhua, Chai Yanwei. Neighborhood built environment, community cohesion and public health: The moderating effect of transport-related physical activity[J]. Urban Development Studies, 2019, 26(9): 17-25.] |
[27] |
曹晨, 甄峰, 汪侠, 等. 基于健康视角的城市就业者通勤模式选择及影响因素研究——以南京市为例[J]. 人文地理, 2020, 35(1): 114-122. [Cao Chen, Zhen Feng, Wang Xia, et al. A research on the choice of urban employees' commuting mode and its influencing factors based on health perspective: A case of Nanjing[J]. Human Geography, 2020, 35(1): 114-122.] |
[28] |
Helbich M, Yao Y, Liu Y, et al. Using deep learning to examine street view green and blue spaces and their associations with geriatric depression in Beijing, China[J]. Environment International, 2019, 126: 107-117. DOI:10.1016/j.envint.2019.02.013 |
[29] |
Ma J, Tao Y, Kwan M P, et al. Assessing mobility-based real-time air pollution exposure in space and time using smart sensors and GPS trajectories in Beijing[J]. Annals of the American Association of Geographers, 2020, 110(2): 434-448. DOI:10.1080/24694452.2019.1653752 |
[30] |
Tao Y, Chai Y, Kou L, et al. Understanding noise exposure, noise annoyance, and psychological stress: Incorporating individual mobility and the temporality of the exposure-effect relationship[J/OL]. Applied Geography, 2020. (2020-09-03)[2020-09-10]. https://doi.org/10.1016/j.apgeog.2020.102283. DOI: 10.1016/j.apgeog.2020.102283.
|
[31] |
Kwan M P. The limits of the neighborhood effect: Contextual uncertainties in geographic, environmental health, and social science research[J]. Annals of the American Association of Geographers, 2018, 108(6): 1482-1490. DOI:10.1080/24694452.2018.1453777 |
[32] |
谭一洺, 柴彦威, 关美宝. 地理背景的不确定性对时空行为模式分析的影响——基于西宁市的实证研究[J]. 地理学报, 2017, 72(4): 657-670. [Tan Yiming, Chai Yanwei, Kwan Mei-Po. The impact of the uncertain geographic context on the space-time behavior analysis: A case study of Xining, China[J]. Acta Geographica Sinica, 2017, 72(4): 657-670.] |
[33] |
Reichman S. Instrumental and life-style aspects of urban travel behavior[J]. Journal of Transportation Research Record, 1977, 649: 38-42. |
[34] |
Hildebrand E D. Dimensions in elderly travel behaviour: A simplified activity-based model using lifestyle clusters[J]. Transportation, 2003, 30(3): 285-306. DOI:10.1023/A:1023949330747 |
[35] |
塔娜, 柴彦威. 理解中国城市生活方式: 基于时空行为的研究框架[J]. 人文地理, 2019, 34(2): 17-23. [Ta Na, Chai Yanwei. Understanding the lifestyle in Chinese cities: A framework based on spacetime behavior research[J]. Human Geography, 2019, 34(2): 17-23.] |
[36] |
张艳, 柴彦威. "新"时间地理学——瑞典Kajsa团队的创新研究[J]. 人文地理, 2016, 31(5): 19-24, 46. [Zhang Yan, Chai Yanwei. New time geography: A review of recent processes of time geographical researches from Kajsa Ellegård in Swedan[J]. Human Geography, 2016, 31(5): 19-24, 46.] |
[37] |
Kim J, Kwan M P. Beyond commuting: Ignoring individuals' activity-travel patterns may lead to inaccurate assessments of their exposure to traffic congestion[J]. International Journal of Environmental Research and Public Health, 2019, 16(1): 89-108. |
[38] |
Kou L, Tao Y, Kwan M P, et al. Understanding the relationships among individual-based momentary measured noise, perceived noise, and psychological stress: A geographic ecological momentary assessment (GEMA) approach[J/OL]. Health & Place, 2020. (2020-08-17)[2020-08-31]. https://doi.org/10.1016/j.healthplace.2020.102285. DOI: 10.1016/j.healthplace.2020.102285.
|
[39] |
Pas E I. A flexible and integrated methodology for analytical classification of daily travel-activity behavior[J]. Transportation Science, 1983, 17(4): 405-429. DOI:10.1287/trsc.17.4.405 |
[40] |
Chen J, Shaw S L, Yu H, et al. Exploratory data analysis of activity diary data: A space-time GIS approach[J]. Journal of Transport Geography, 2011, 19(3): 394-404. DOI:10.1016/j.jtrangeo.2010.11.002 |
[41] |
Cornwell B. Social Sequence Analysis: Methods and Applications[M]. Cambridge: Cambridge University Press, 2015: 126-152.
|
[42] |
Kwan M P, Xiao N, Ding G. Assessing activity pattern similarity with multidimensional sequence alignment based on a multi-objective optimization evolutionary algorithm[J]. Geographical Analysis, 2014, 46(3): 297-320. DOI:10.1111/gean.12040 |
[43] |
Zhang W, Thill J C. Detecting and visualizing cohesive activitytravel patterns: A network analysis approach[J]. Computers, Environment and Urban Systems, 2017, 66: 117-129. DOI:10.1016/j.compenvurbsys.2017.08.004 |
[44] |
Helbich M. Toward dynamic urban environmental exposure assessments in mental health research[J]. Environmental Research, 2018, 161: 129-135. DOI:10.1016/j.envres.2017.11.006 |
[45] |
Vallée J, Cadot E, Grillo F, et al. The combined effects of activity space and neighbourhood of residence on participation in preventive health-care activities: The case of cervical screening in the Paris metropolitan area (France)[J]. Health & Place, 2010, 16(5): 838-852. |
[46] |
Kwan M P. The neighborhood effect averaging problem (NEAP): An elusive confounder of the neighborhood effect[J]. International Journal of Environmental Research and Public Health, 2018, 15(9): 1841-1844. DOI:10.3390/ijerph15091841 |
[47] |
Inagami S, Cohen D A, Finch B K. Non-residential neighborhood exposures suppress neighborhood effects on self-rated health[J]. Social Science & Medicine, 2007, 65(8): 1779-1791. |
[48] |
Nyhan M, Grauwin S, Britter R, et al. "Exposure track": The impact of mobile-device-based mobility patterns on quantifying population exposure to air pollution[J]. Environmental Science & Technology, 2016, 50(17): 9671-9681. |
[49] |
Roswall N, Høgh V, Envold-Bidstrup P, et al. Residential exposure to traffic noise and health-related quality of life: A populationbased study[J/OL]. PLOS ONE, 2015. (2015-03-13)[2019-10-01]. https://doi.org/10.1371/journal.pone.0120199. DOI: 10.1371/journal.pone.0120199.
|
[50] |
Schwanen T, Wang D. Well-being, context, and everyday activities in space and time[J]. Annals of the Association of American Geographers, 2014, 104(4): 833-851. DOI:10.1080/00045608.2014.912549 |
[51] |
马静, 柴彦威, 符婷婷. 居民时空行为与环境污染暴露对健康影响的研究进展[J]. 地理科学进展, 2017, 36(10): 1260-1269. [Ma Jing, Chai Yanwei, Fu Tingting. Progress of research on the health impact of people's space-time behavior and environmental pollution exposure[J]. Progress in Geography, 2017, 36(10): 1260-1269.] |
[52] |
胡宏, 徐建刚. 复杂理论视角下城市健康地理学探析[J]. 人文地理, 2018, 33(6): 1-8. [Hu Hong, Xu Jiangang. Progress in urban health geography using complexity theory[J]. Human Geography, 2018, 33(6): 1-8.] |
[53] |
李志刚, 陈宏胜. 城镇化的社会效应及城镇化中后期的规划应对[J]. 城市规划, 2019, 43(9): 31-36. [Li Zhigang, Chen Hongsheng. Social effect of China's urbanization and the planning response to the middle and late stage of urbanization[J]. City Planning Review, 2019, 43(9): 31-36.] |
[54] |
张博, 邓浩坤, 安宁, 等. 大数据背景下国内人文地理研究进展与方法审视[J]. 人文地理, 2019, 34(3): 14-21, 90. [Zhang Bo, Deng Haokun, An Ning, et al. The re-examination of human geography research and the research methods in the context of big data[J]. Human Geograph, 2019, 34(3): 14-21, 90.] |