2. 香港大学 城市规划及设计系, 香港 999077
2. Department of Urban Planning and Design, The University of Hong Kong, Hong Kong 999077
以时间地理学、行为主义地理学和移动性地理学为核心的时空间行为研究经过近半个世纪的发展,理论与方法体系不断完善、与其他学科与领域的交叉日益密切,形成了理解地理空间与人类行为相互关系的重要研究视角[1, 2]。近年来,时空间行为研究越来越重视实践应用导向[3, 4],同时也面临构建时空间行为的一般理论的使命[5],对时空间行为数据的规模、时效性和时间尺度提出了新的要求。行为数据如何适应未来的研究需要,是时空间行为研究当前亟需思考的问题,有必要在总结已有调查方法的基础上,展望时空间行为调查未来的发展方向。
我国的时空间行为研究经过近30年的快速发展,已成为我国城市研究的重要方法论,这在很大程度上得益于我国学者对时空间行为调查方法的不断探索与创新[2]。但目前,我国的时空间行为调查仍有提升的空间,并且面临着国外时空间行为调查中普遍存在的共性问题,需要在未来的研究中进一步完善、在国际上共同探讨。
本文从调查方法和调查内容两个方面回顾时空间行为调查的进展,并展望时空间行为调查的未来发展趋势。目前,国内外已有对时空间行为研究的发展阶段[2, 6]、理论与方法前沿[7, 8]、实践应用前景[3, 4]等不同方面的总结与评述,但在时空间行为调查方面,只有针对纸质问卷调查[9]、GPS调查[10, 11]等具体的调查方法的论述,缺少系统性的回顾。在已有研究基础上,本文对国内外时空间行为调查进行阶段性的总结与展望,并试图审视我国时空间行为调查的进展、优势及不足,为我国时空间行为调查的未来发展指出方向。
2 国内外时空间行为调查发展历程对城市居民系统性的日志调查开始于20世纪初期[12]。其后,西方国家的政府、媒体及学界相继开展了大规模的生活时间日志调查,并基于日志调查数据进行横向比较研究[13]。1970年代,日志调查被正式引入时空间行为研究之中[1],成为时空间行为调查的核心内容。区别于一般意义上的日志调查,时空间行为研究的日志调查不但强调事件和活动发生的时间性,而且更关注其关联的空间性,是对个人在不同时间和不同空间发生的活动所进行的记录[14, 15]。早期的时空间行为调查以纸质问卷为主要媒介,聚焦个体活动与出行的基本信息;随着时空间行为研究理论与方法的完善,时空间行为调查也在不断地发展与创新,在内容上面向社会公平、公共健康、环境污染、信息社会等领域不断拓展研究主题[16-19],在方法上结合GPS、智能手机等位置感知设备不断提升数据采集的可靠性[11, 20-22]。
我国的时空间行为调查始于1990年代。1992年柴彦威借鉴日本时空间行为调查的经验,在兰州开展国内首个时空间行为调查[23]。其后,时空间行为研究的日志调查在多地实施,调查地区既有东部地区的大城市如北京[9, 10]、广州[24, 25]、深圳[26]、天津[15]、南京[27],也有西部地区少数民族人口较多的城市如乌鲁木齐[28, 29]和西宁[30]以及小城镇如蒙自[31]。调查对象方面,既有涵盖不同群体的综合性调查,也有针对特定社会群体如老年人[32]、低收入群体的调查[27, 33];并且除了城市社区居民外,还包括旅游景区游客[34]、展会的访客[35]等。总体上,我国的时空间行为调查虽然起步较晚,但发展速度较快,从1990年代学习、借鉴国外时空间行为调查的问卷设计与实施方法[15, 23],到2000年代结合我国城市转型过程中产生的实际问题开展时空间行为调查[9, 24, 25],再到2010年代发展基于移动定位技术的调查方法[10, 36],以及近年来与国外学者合作实施面向国际比较研究的时空间行为调查[33, 37],调查方法不断完善、内容不断深入,为开展中国时空间行为实证研究、发展中国城市研究的时空间行为视角奠定了基础。
3 时空间行为调查方法的演进根据数据生产的渠道,时空间行为调查可分为基于纸质问卷的时空间行为调查和基于移动定位技术的时空间行为调查。基于纸质问卷的活动日志调查已有近五十多年的历史,为时空间行为研究积累了大量数据集。随着研究的深入,时空间行为调查方法也在不断演进,特别是与移动定位技术及信息通讯技术结合,为时空间行为研究提供了高时空精度的数据(图 1)。
![]() |
图 1 时空间行为调查的方法、内容演进及未来展望 Fig.1 Development Pathways and Future Prospects of the Methods and Research Foci of Space-time Behavior Surveys |
基于纸质问卷的活动日志调查被认为是传统技术水平下大量采集居民时空间行为数据最为有效的方法之一,已有近五十多年的历史,被大量应用于时空间行为研究中[38]。直到目前,基于纸质问卷的活动日志调查仍然是国内外时空间行为研究的重要数据来源。基于纸质问卷形式的日志调查的优势在于相关的理论与方法已非常成熟,国内外已有大量的实践经验,实施起来相对容易;并且研究者在根据研究目标进行调查方案设计时比较自由。尽管在问卷发放、录入等环节需要一定的人力,但整体上成本较低,研究者基本能够根据研究需要在成本可控的前提下获取较为充足的数据[9]。
然而,不同于移动定位技术辅助下的时空间行为调查,在基于纸质问卷的时空间行为调查中,所有的活动与出行信息都需要通过问卷来获取,因此问卷设计的合理性与有效性以及问卷发放的方式在很大程度上影响调查的质量。这也导致了基于纸质问卷的日志调查存在一定的缺点。首先,问卷的填写基本上全部由被调查者完成,或在被调查者在调查员的辅助下完成,被调查者的任务量相对较重,可能对问卷回收率和数据质量产生一定影响。其次,居民填写信息的主观性较强,数据质量在一定程度上取决于被调查者的填写态度,且通常情况下难以对被调查者填写信息的真实性进行验证。再者,基于纸质问卷的时空间行为调查依赖被调查者的回忆采集时空间行为信息,因此数据质量不可避免地受到其回忆的准确性、提供信息的完整性的干扰,同时被调查者对活动以及城市空间认知的偏差也可能影响调查结果的质量[10]。
我国大多数时空间行为调查采用了纸质问卷的形式,如柴彦威等在1995—1998年分别对深圳、天津和大连三个城市居民进行的活动日志调查[15],2007年在北京进行的活动日志调查[9],周素红等分别于2002年和2007年在广州实施的出行日志调查[24, 25],刘玉亭于2002年针对南京中低收入居民实施的活动日志调查[27],郑凯、张小雷分别于2009年和2011年在乌鲁木齐实施的活动日志调查等[28, 29]。早期的时空间行为调查问卷设计较为简单,例如在时间的记录方式上采用固定时距,即以半个或一个小时作为间隔,记录相应时间段内的活动[15, 23]。随着时空间行为调查在国内的不断实践,调查方法逐步成熟、问卷设计也不断完善,在时间记录的方式上转向由被调查者自由填写时间间隔,较大地提升了数据的时间精度[9]。
3.2 基于移动定位技术的时空间行为调查移动定位技术在时空间行为调查中的应用,使得获取长时间序列、海量、高精度个体移动轨迹成为可能[20]。其中,GPS设备在1990年代已作为辅助工具被应用于时空间行为调查中,获取更加精确的出行起止点时空数据、出行具体路线和速度。相比于纸质问卷形式的调查方法,基于GPS设备的时空间行为调查在数据精度、调查周期以及行为轨迹的连续性与完整性等方面的优势[20-22],使其成为国外交通规划与管理重要的数据生产渠道[39-41]。在基于GPS设备的时空间行为调查中,往往还需要结合其他手段采集活动或出行的具体内容(如活动类型、出行交通方式、同伴等)以及个体的社会经济属性,例如利用互联网平台让被调查者结合其时空轨迹填写具体的活动与出行信息[36]。
随着智能手机的普及、移动位置服务的快速发展,智能手机也被应用于时空间行为调查中。智能手机作为一种具有定位功能的通讯工具,同时具备了移动定位技术和信息通讯技术的优势:既可以作为定位设备,又可作为调查的客户端。除了GPS定位外,智能手机通常还包括蓝牙、Wi-Fi等多种传感技术。国外已开发了多款基于智能手机的时空间行为调查平台。例如,明尼苏达大学的Fan等人研发了基于智能手机的出行调查应用软件“UbiActive”,在采集居民移动轨迹的同时,自动生成出行日志,并允许被调查者填写出行相关的其他信息(如次要活动、出行同伴、出行体验等)[42]。麻省理工学院(MIT)的研究团队研发了基于智能手机的居民活动与出行调查应用软件“SIMMOBILITY”,该软件综合智能手机具有的GPS、GSM、Wi-Fi、ACCEL等多种定位方式,基于定位数据进行活动与出行的识别,居民在信息填写界面中只需要对系统识别的信息进行验证[11]。比利时根特大学Vlassenroot等人研发的基于智能手机的“CONNECT”程序,在采集被调查者GPS轨迹的同时展示被调查者的出行路径,被调查者可以在程序上填写具体的出行特征、完成出行调查[43]。
在移动定位技术的支持下,研究者获取了比纸质问卷调查数据更为真实、可靠的时空间信息,减少了因受访者回忆、认知的偏差而形成的数据误差;同时,传统时空间行为研究中受限于数据精度而无法开展的研究得到了突破,研究者可以利用瞬时、精细的行为信息以及真实的移动轨迹研究出行路径的多样性、活动空间的精确测度、微小尺度的时空间行为等新议题。在调查中通过移动定位技术与信息通讯技术的结合,调查员可以线上追踪实时反馈的移动轨迹,并进行远程质量控制,调查的效率及样本的有效率均得到显著提高。但这种调查方法也存在一定的不足。首先,需要为被调查者提供定位设备,并且需要考虑设备的充电、损坏或丢失风险等问题,调查规模和期限均受到限制。其次,从定位设备采集的个体移动轨迹以及其他方式采集的数据(如活动日志、环境监测数据)之间可能存在失配问题,需要通过调查过程中严格的质量控制以及调查后的数据清理进行校正。
我国学者也进行了移动定位技术下的时空间行为调查的探索。柴彦威等于2010年及2012年在北京市天通苑、亦庄、上地、清河等地区进行基于GPS与互联网平台的时空间行为调查。这两次调查均采用GPS设备采集被调查者一周的移动轨迹,同时利用互联网调查平台,结合被调查者的移动轨迹在线记录相应的活动日志信息[10, 36]。黄潇婷于2010年在北京颐和园利用GPS设备采集旅游者的移动轨迹及活动日志[34]。翟青等利用GPS设备,结合活动日志以及深度访谈等调查方法,对南京市11位商务人士连续7个工作日的时空间行为进行了深入调查,以探讨快速交通技术和移动信息技术影响下的商务活动特征[44]。李渊等利用GPS设备和回忆日志(纸质问卷)两种方式调查了厦门鼓浪屿景区游客的时空间行为,并比较了两种调查方法的优势及适用性[45]。除了GPS设备外,近年来我国学者也利用智能手机开展时空间行为调查、获取更高精度的行为数据。柴彦威等于2017年在北京市近郊的美和园社区进行的时空间行为调查中,探索了基于智能手机与可穿戴设备的时空间行为调查,在采集居民的移动轨迹及活动日志的同时,通过便携式空气污染物和噪音监测仪,收集居民活动—移动过程中高时空精度的个体污染暴露数据[33]。该调查是国内结合智能手机与多种可穿戴设备的时空间行为调查的一次有意义的尝试。李清泉等利用智能手机内置的Wi-Fi等多种传感器,获取了高精度的室内活动位置信息,一定程度上突破了传统调查方式(如纸质问卷、GPS设备)在刻画室内时空间行为方面的局限性,有助于理解室内微小尺度的时空间行为机理[46]。
4 时空间行为调查内容的发展时空间行为调查的核心内容是居民一天所有的与研究相关的活动与出行信息。早期的时空间行为调查在内容上聚焦于行为的基本属性(如活动与出行的时空间、活动类型、出行方式等),强调行为的客观表征。
随着调查方法的演进,时空间行为调查的内容也不断地发展与创新(图 1)。一方面,时空间行为调查越来越重视个体行为的能动性,深入挖掘行为现象背后的企划、偏好、认知、情感等主观机制。一些研究在活动日志中,通过量表等方式记录被调查者活动中的情绪和对活动的满意度评价[18, 47-49];或者在活动日志中结合适应性陈述偏好方法,记录被调查者对于交通状况及政策变化的主观决策和行为反应[50]。近年来,研究者还利用生态瞬时评估(ecological momentary assessment)方法,结合移动定位技术,实时记录被调查者活动—移动中的心理状况,揭示个体在活动—移动过程中实时的环境认知及情绪变化[51]。而另一些研究则将质性方法与时空间行为调查相结合,以更深入地理解时空间行为中的主观认知、情感体验以及企划过程。例如,Kwan和Ding将叙事分析方法(narrative analysis)与时空间行为调查及研究相融合,提出了地理叙事分析方法(geo-narrative analysis),将调查获取的个人活动轨迹、主观感受等数据以及城市空间特征、社会事件发展等信息利用时间地理学的理论框架与表达方式进行分析,使得研究者可以对空间、时间与人类体验之间复杂的相互作用展开研究,理解弱势群体时空间行为的情感机理及其反映的社会排斥现象[52]。Kajsa Ellegård研究团队借助质性调查的方法,针对165个城市居民进行开放式的活动日志调查,由被调查者用自己的语言来描述活动,并将获得的约6000条活动记录进行“自下而上”的汇总分析,按照日常生活一般意义上的企划分为5个等级[53-56]。这种调查方式有助于更准确地把握日常活动之间的内在联系及其反映的企划情境,以及理解家庭企划、组织企划对个体行为的影响[57]。
另一方面,时空间行为调查越来越重视行为的社会、环境意义,其研究视角拓展到公共健康、环境可持续性、信息化社会等不同领域。一些研究在活动日志中加入了健康水平相关的问题,以进行活动—移动与健康关系的研究[58];或者利用手机与各类可穿戴设备(如便携式智能空气检测仪、噪音检测仪等),同步进行基于智能手机的移动轨迹采集以及基于可穿戴设备的瞬时环境监测,收集居民活动—移动过程中高时空精度的个体污染暴露数据,对时空间行为的健康影响进行精准评估[33, 37]。除了公共健康外,时空间行为研究近十年来也越来越关注环境可持续性,已有研究在活动日志中收集了居民车辆的详细信息,如车辆属性、品牌型号、燃料类型等,以辅助计算出行的碳排放水平[22];或者结合智能手机调查平台,在记录行为轨迹的过程中同步进行碳排放计算,为相关研究提供精确的出行碳排放数据[59]。此外,信息通讯技术、移动互联网等对居民行为的影响也是近期时空间行为研究的重要议题,已有研究在调查中同步记录居民的实体行为与虚拟行为,为分析实体与虚拟行为的交互、理解信息通讯技术带来的活动时空间重构提供数据基础[16, 60-63]。
5 时空间行为调查的未来展望随着数据生产渠道的不断完善,时空间行为研究越来越重视实践应用的导向,在城市规划与管理中的应用潜力日益凸显[3, 4]。然而,现有的时空间行为调查数据的样本量、覆盖面与时效性难以支撑大规模的实践应用。虽然近年来大数据的普及为规模化、常态化的时空行为数据采集提供了契机,但大数据的样本偏向性以及缺少社会经济属性的缺陷使之无法满足个体行为研究的需求、无法替代时空间行为调查。另外,随着调查内容的深入和实证研究的日趋成熟,时空间行为研究正面临构建解释时空间行为的一般理论的使命[5]。但是,现有的时空间行为数据难以支撑理论对更宏观的地理过程与格局的解释能力以及有效因果关系的验证。鉴于时空间行为研究的实践应用导向和理论构建的需求,本研究提出,未来的时空间行为调查需要通过与大数据的互补融合提升数据的规模与时效性,通过加强质性调查和实施追踪调查拓展数据的时间尺度(图 1)。
5.1 面向实践应用,融合时空间行为调查与大数据采集近年来随着大数据技术的快速发展,国内外研究开始利用手机数据、浮动车数据、公交卡数据、社交媒体数据等数据集研究时空间行为。大数据并非基于科学抽样采集的数据集,无法避免数据样本的偏向性。例如,由于公共交通出行与小汽车/出租车出行成本之间的差异,因此公交卡数据与浮动车数据所反映的样本必然存在社会经济属性上的差异;又如,社交媒体数据所反映的样本有较大可能集中在较年轻的群体中。大数据中个体的社会经济属性信息(如性别、年龄、收入等)的缺失,也导致了难以从社会经济属性的角度对时空间行为进行解释,因此大数据在个体的、非汇总的时空间行为研究中的应用较少,目前更多地应用在群体的、汇总的时空间行为研究中,例如对动态的城市空间结构、不同尺度的空间相互作用,以及方法论层面的距离衰减、空间尺度等问题的研究[64-69]。
虽然如此,但大数据具有样本量庞大、覆盖面广的优势,通过与传统的时空间行为抽样调查相结合,能够为提升行为数据的规模与时效性提供契机。因此,未来研究需要着重探讨时空间行为抽样调查与大数据采集的有效结合,将两类数据的优势进行互补。目前已有两种融合大数据采集与时空间行为调查的研究思路。第一种思路是将二者按照用户名相关联,例如在时空间行为抽样调查中采集居民的公交卡号、社交媒体账号等,在知情同意的前提下有针对性地进行公交卡或社交媒体大数据的滚动采集,实时更新不同社会经济属性的居民的时空间行为特征[70]。第二种思路是利用时空间行为调查数据构建时空间行为模式与社会经济属性的映射关系,将其应用于大数据中,以推测大数据中不同行为模式的个体的社会经济属性特征[71]。未来的时空间行为研究中还需要探索更多的方法实现大数据采集与时空间行为调查的有效融合,通过规模化、常态化的时空间行为数据采集与分析,实时追踪不同群体(特别是弱势群体)的时空需求,为城市精细化治理、社区生活圈规划与管理、出行信息服务等提供有效支撑[4]。
5.2 面向理论构建,加强质性调查、开展追踪调查时空间行为研究认为,日常行为在长时间尺度中的变化受到深刻的社会文化制约与城市空间演变的影响[72, 73]。然而,目前国内外大多数的研究是建立在截面数据的基础上,由于无法满足因果关系判断的必要条件之一——时间顺序[74, 75],已有的研究结论局限于理解居民行为与城市空间、社会制度等的关联性,未能推断因果关系。
因此,未来的研究需通过加强质性调查和实施追踪调查,拓展数据的时间尺度,以准确把握城市空间、社会制度等各类要素与时空间行为之间的因果关系。质性调查方面,虽然质性调查方法在国内外时空间行为研究中已有不少的应用[52-56],但与占主导地位的大样本抽样调查相比,还有较大的提升空间。通过质性调查,可回溯历史时期的时空间行为、解析行为的变化过程,解读生命事件(如迁居、经济与社会角色变化、家庭结构变化等)对个体及家庭日常活动的影响机制[76, 77],从不同的时间尺度把握社会经济制度变迁与个人日常生活的交互[72]。追踪调查方面,目前追踪调查在时空间行为研究中的应用还处在探索阶段,有待进一步重视。通过追踪调查,构建纵向数据(或面板数据),在不同时间尺度下进行居民行为的纵向对比,可准确把握城市空间等各类要素与时空间行为之间的因果关系[74, 75]。例如,在五年等较短的时间尺度上,追踪技术进步的背景下(如移动互联网出行服务、物流配送服务的普及)居民时空间行为的变化,讨论技术条件变化如何影响居民时空间行为;在十年或以上的长期尺度上,关注特定地区建成环境变化对居民各类时空间行为的改变,以理解城市空间与居民行为的长期互动关系。与一般的调查方式比较,固定样本追踪调查的执行难度在于其面临较为严峻的样本流失问题[78]。时空间行为追踪调查如何尽可能减少样本流失,确保数据质量,有待在未来的研究中加以探讨。
6 结论与讨论本文从调查方法和调查内容两个方面回顾时空间行为调查的进展。调查方法方面,时空间行为调查正从纸质问卷调查走向基于移动定位技术的调查。在GPS、智能手机等设备的辅助下,研究者获取了纸质问卷调查中无法获得的瞬时、精细的行为信息以及真实的移动轨迹,同时传统时空间行为研究中受限于数据精度而无法开展的研究得到了突破。调查内容方面,早期的时空间行为调查在内容上聚焦于行为的基本属性、强调行为的客观表征;随着研究的推进,时空间行为调查越来越重视个体行为的能动性以及行为的社会、环境意义,对行为现象背后的企划、认知、情感等主观机制的挖掘日趋深入,并且研究视角逐步拓展到公共健康、环境可持续性、信息化社会等不同领域。
当前,时空间行为研究正面临实践应用和理论构建的发展趋势[3-5],但现有的时空间行为调查数据既难以支撑大规模的实践应用,也难以支撑理论对更宏观的地理过程与格局的解释能力。因此,本研究总结出未来时空间行为调查的两个发展方向,即通过与大数据的互补融合提升数据的规模与时效性,推动时空间行为研究的实践应用;通过加强质性调查和实施追踪调查拓展数据的时间尺度,辅助理论的构建。
我国的时空间行为调查虽然起步较晚,但发展速度较快,从早期学习、借鉴国外时空间行为调查,到近年来与国外学者合作开展面向国际比较研究的时空间行为调查,调查的方法不断完善,部分调查技术已走向国际前沿,但仍有提升的空间。例如在基于移动定位技术的调查中,尚未能对移动轨迹进行准确、有效的自动分段,因此需要被调查者手动填写日志信息,同时需要一定的调查质量控制与数据预处理工作,保证活动日志与移动轨迹的匹配。此外,结合质性方法的时空间行为调查在我国还处在探索阶段,未来的调查中需要重视与质性方法的应用,深入挖掘不同社区、不同群体、不同生命历程的家庭在日常生活中的动态变化的地理情境、社会情境、情绪情境,探讨居民活动企划与城市时空资源的合理匹配。本文所总结的时空间行为调查的两个未来趋势,也将是我国时空间行为调查未来发展的需要重视的方面。本文期望我国未来的时空间行为调查在完善现有方法的基础上,沿着上述两个方向努力提升数据的规模以及时间尺度的丰富性,推动时空间行为研究在社区生活圈规划、城市精细化治理等方面的实践应用,推动中国城市研究的时空间行为理论的构建。
[1] |
Hägerstrand T. What about people in regional science[J]. Papers and Proceedings of the Regional Science Association, 1970, 24(1): 7-21. |
[2] |
Chai Y. Space-time behavior research in China: Recent development and future prospect[J]. Annals of the Association of American Geographers, 2013, 103(5): 1093-1099. DOI:10.1080/00045608.2013.792179 |
[3] |
柴彦威, 申悦, 肖作鹏, 等. 时空间行为研究动态及其实践应用前景[J]. 地理科学进展, 2012, 31(6): 667-675. [Chai Yanwei, Shen Yue, Xiao Zuopeng, et al. Review for space-time behavior research: Theory frontiers and application in the future[J]. Progress in Geography, 2012, 31(6): 667-675.] |
[4] |
柴彦威, 申悦, 陈梓烽. 基于时空间行为的人本导向的智慧城市规划与管理[J]. 国际城市规划, 2014(6): 31-37. [Chai Yanwei, Shen Yue, Chen Zifeng. Towards smarter cities: Human-oriented urban planning and management based on space-time behavior research[J]. Urban Planning International, 2014(6): 31-37.] |
[5] |
柴彦威, 谭一洺, 申悦, 等. 空间-行为互动理论构建的基本思路[J]. 地理研究, 2017, 36(10): 145-156. [Chai Yanwei, Tan Yiming, Sh-en Yue, et al. Space-behavior interaction theory: Basic thinking of general construction[J]. Geographical Research, 2017, 36(10): 145-156.] |
[6] |
柴彦威, 塔娜. 中国时空间行为研究进展[J]. 地理科学进展, 2013, 32(9): 1362-1373. [Chai Yanwei, Ta Na. Progress in space-time behavior research in China[J]. Progress in Geography, 2013, 32(9): 1362-1373.] |
[7] |
Kwan M P. Beyond space (as we knew it): Toward temporally integrated geographies of segregation, health, and accessibility: Spacetime integration in geography and GIScience[J]. Annals of the Association of American Geographers, 2013, 103(5): 1078-1086. DOI:10.1080/00045608.2013.792177 |
[8] |
Timmermans H, Arentze T, Joh C H. Analysing space-time behaviour: New approaches to old problems[J]. Progress in Human Geography, 2002, 26(2): 175-190. DOI:10.1191/0309132502ph363ra |
[9] |
柴彦威, 张文佳, 张艳, 等. 微观个体行为时空数据的生产过程与质量管理[J]. 人文地理, 2009, 24(6): 1-9. [Chai Yanwei, Zhang Wenjia, Zhang Yan, et al. The production and quality management of disaggregated space-time data of individual's behaviors: A case study of activity-diary survey in Beijing[J]. Human Geography, 2009, 24(6): 1-9. DOI:10.3969/j.issn.1003-2398.2009.06.006] |
[10] |
柴彦威, 申悦, 马修军, 等. 北京居民活动与出行行为时空数据采集与管理[J]. 地理研究, 2013, 32(1): 441-451. [Chai Yanwei, Shen Yue, Ma Xiujun, et al. The collection and management of space-time data of individual behavior based on location-based technologies: A case study of activity-travel survey in Beijing[J]. Geographical Research, 2013, 32(1): 441-451.] |
[11] |
Cottrill C D, Pereira F C, Zhao F, et al. Future mobility survey: Experience in developing a smartphone-based travel survey in Singapore[J]. Transportation Research Record, 2013, 2354(1): 59-67. DOI:10.3141/2354-07 |
[12] |
Lundberg G A, Komarovsky M, McInerny M A. Leisure: A Suburban Study[M]. New York: Columbia University Press, 1934: 87-125.
|
[13] |
Szalai A. The Use of Time: Daily Activities of Urban and Suburban Populations in Twelve Countries[M]. The Hague: Mouton, 1972: 43-68.
|
[14] |
Jones P M, Dix M C, Clarke M I, et al. Understanding Travel Behaviour[M]. Aldershot: Gower Publishing Company Limited, 1983: 26.
|
[15] |
柴彦威, 刘志林, 李峥嵘, 等. 中国城市的时空间结构[M]. 北京: 北京大学出版社, 2002: 31-59. [Chai Yanwei, Liu Zhilin, Li Zhengrong, et al. The Time-space Structure of Chinese Cities[M]. Beijing: Peking University Press, 2002: 31-59.]
|
[16] |
Shen Y, Ta N, Chai Y. The Internet and the space-time flexibilityof daily activities: A case study of Beijing, China[J]. Cities, 2020. DOI:10.1016/j.cities.2019.102493 |
[17] |
Krivo L J, Washington H M, Peterson R D, et al. Social isolation of disadvantage and advantage: The reproduction of inequality in urban space[J]. Social Forces, 2013, 92(1): 141-164. DOI:10.1093/sf/sot043 |
[18] |
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 |
[19] |
Lee J, Miller H J. Measuring the impacts of new public transit services on space-time accessibility: An analysis of transit system redesign and new bus rapid transit in Columbus, Ohio, USA[J]. Applied Geography, 2018, 93: 47-63. DOI:10.1016/j.apgeog.2018.02.012 |
[20] |
Kwan M P. GIS methods in time-geographic research: Geocomputation and geovisualization of human activity patterns[J]. Geografiska Annaler: Series B, Human Geography, 2004, 86(4): 267-280. DOI:10.1111/j.0435-3684.2004.00167.x |
[21] |
Shoval N. Tracking technologies and urban analysis[J]. Cities, 2008, 25(1): 21-28. DOI:10.1016/j.cities.2007.07.005 |
[22] |
Neves A, Brand C. Assessing the potential for carbon emissions savings from replacing short car trips with walking and cycling using a mixed GPS-travel diary approach[J]. Transportation Research Part A: Policy and Practice, 2019, 123: 130-146. DOI:10.1016/j.tra.2018.08.022 |
[23] |
柴彦威. 中日城市结构比较硏究[M]. 北京: 北京大学出版社, 1999: 44-51. [Chai Yanwei. A Comparative Study of Urban Structure of Chinese and Japanese Cities[M]. Beijing: Peking University Press, 1999: 44-51.]
|
[24] |
闫小培, 周素红, 毛蒋兴, 等. 高密度开发城市的交通系统与土地利用——以广州为例[M]. 北京: 科学出版社, 2006: 213-234. [Yan Xiaopei, Zhou Suhong, Mao Jiangxing, et al. Urban Transport System and Land Use in Highly-densely Developed Cities: A Case Study of Guangzhou[M]. Beijing: Science Press, 2006: 213-234.]
|
[25] |
周素红, 邓丽芳. 基于T-GIS的广州市居民日常活动时空关系[J]. 地理学报, 2011, 65(12): 1454-1463. [Zhou Suhong, Deng Lifang. Spatio-temporal pattern of residents' daily activities based on TGIS: A case study in Guangzhou, China[J]. Acta Geographica Sini-ca, 2011, 65(12): 1454-1463.] |
[26] |
申悦, 柴彦威. 转型期深圳居民日常活动的时空特征及其变化[J]. 地域研究与开发, 2010, 29(4): 69-73. [Shen Yue, Chai Yanwei. A study on the temporal-spatial characteristics of daily activities of Shenzhen residents during the transition[J]. Areal Research and Development, 2010, 29(4): 69-73.] |
[27] |
刘玉亭, 何深静, 李志刚. 南京城市贫困群体的日常活动时空间结构分析[J]. 中国人口科学, 2005(S1): 87-95. [Liu Yuting, He Shenjing, Li Zhigang. Analysis of the space-time structure of daily activities of urban poverty group in Nanjing[J]. China Population Science, 2005(S1): 87-95.] |
[28] |
郑凯, 金海龙, 贾丽娟, 等. 城市中少数民族购物活动时空特征: 以乌鲁木齐市维吾尔族为例[J]. 云南地理环境研究, 2009, 21(3): 16-21. [Zheng Kai, Jin Hailong, Jia Lijuan, et al. A study on temporal and spatial characteristics of the shopping activities of minorities in city: A case study of the Uygur residents of Urumqi[J]. Yunnan Geographic Environment Research, 2009, 21(3): 16-21. DOI:10.3969/j.issn.1001-7852.2009.03.004] |
[29] |
石天戈, 张小雷, 杜宏茹, 等. 乌鲁木齐市居民出行行为的空间特征和碳排放分析[J]. 地理科学进展, 2013, 32(6): 897-905. [Shi Tiange, Zhang Xiaolei, Du Hongru, et al. Spatial characteristics of residents' outings and carbon emissions in Urumqi city[J]. Progress in Geography, 2013, 32(6): 897-905.] |
[30] |
柴彦威, 谭一洺. 中国西部城市居民时空间行为特征研究——以西宁市为例[J]. 人文地理, 2017, 32(4): 37-44. [Chai Yanwei, Tan Yiming. Examining the space-time behavior patterns of residents in cities of the Western China: Evidence from Xining[J]. Human Geography, 2017, 32(4): 37-44. DOI:10.3969/j.issn.2095-0446.2017.04.019] |
[31] |
唐雪琼. 县级城镇居民休闲行为研究——以云南蒙自县为例[J]. 人文地理, 2004, 19(4): 41-44. [Tang Xueqiong. Recreational behavior research of county residents: A case study of Mengzi county[J]. Human Geography, 2004, 19(4): 41-44. DOI:10.3969/j.issn.1003-2398.2004.04.009] |
[32] |
李昌霞, 柴彦威, 刘璇. 北京城市老年人购物决策过程中的评价性认知特征[J]. 人文地理, 2004, 19(6): 89-92. [Li Changxia, Chai Yanwei, Liu Xuan. The characteristics of appraisive cognition of the elderly in Beijing during shopping decision-making process[J]. Human Geography, 2004, 19(6): 89-92. DOI:10.3969/j.issn.1003-2398.2004.06.020] |
[33] |
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 |
[34] |
黄潇婷, 马修军. 基于GPS数据的旅游者活动节奏研究[J]. 旅游学刊, 2011, 26(12): 26-29. [Huang Xiaoting, Ma Xiujun. Study on tourists' rhythm of activities based on GPS data[J]. Tourism Tribune, 2011, 26(12): 26-29. DOI:10.3969/j.issn.1002-5006.2011.12.010] |
[35] |
王德, 朱玮, 黄万枢, 等. 基于人流分析的上海世博会规划方案评价与调整[J]. 城市规划, 2009, 33(8): 26-32. [Wang De, Zhu Wei, Huang Wanshu, et al. In-site visitor flow analysis and planning adjustment of the Shanghai expo[J]. City Planning Review, 2009, 33(8): 26-32. DOI:10.3321/j.issn:1002-1329.2009.08.004] |
[36] |
Chai Y W, Chen Z, Liu Y, et al. Space-time behavior survey for smart travel planning in Beijing, China[M]//Rasouli S, Timmermans H. Mobile Technologies for Activity-Travel Data Collection and Analysis. Hershey, PA: IGI-Global, 2014: 79-90.
|
[37] |
Wang J, Kwan M P, Chai Y W. An innovative context-based crystalgrowth activity space method for environmental exposure assessment: A study using GIS and GPS trajectory data collected in Chicago[J]. International Journal of Environmental Research and Public Health, 2018, 15(4): 703. DOI:10.3390/ijerph15040703 |
[38] |
Buliung R N, Roorda M J, Remmel T K. Exploring spatial variety in patterns of activity-travel behaviour: Initial results from the Toronto Travel-Activity Panel Survey (TTAPS)[J]. Transportation, 2008, 35(6): 697-722. DOI:10.1007/s11116-008-9178-4 |
[39] |
Battelle. Lexington Area Travel Data Collection Test: Final Report[R]. Columbus, OH: Battelle Memorial Institute, 1997: 1.
|
[40] |
Stopher P, Fitzgerald C, Xu M. Assessing the accuracy of the Sydney household travel survey with GPS[J]. Transportation, 2007, 34(6): 723-741. DOI:10.1007/s11116-007-9126-8 |
[41] |
Prelipcean A C, Yamamoto T. Workshop synthesis: New developments in travel diary collection systems based on smartphones and GPS receivers[J]. Transportation Research Procedia, 2018, 32: 119-125. DOI:10.1016/j.trpro.2018.10.023 |
[42] |
Fan Y, Chen Q, Liao C, Douma F. Smartphone-based Travel Experience Sampling and Behavior Intervention Among Young Adults[J]. Minnesota: Intelligent Transportation Systems Institute, Center for Transportation Studies, University of Minnesota, 2012, 7-20. |
[43] |
Vlassenroot S, Gillis D, Bellens R, et al. The use of smartphone applications in the collection of travel behaviour data[J]. International Journal of Intelligent Transportation Systems Research, 2015, 13(1): 17-27. DOI:10.1007/s13177-013-0076-6 |
[44] |
翟青, 甄峰, 汪侠, 等. 城市商务人士的行为活动特征[J]. 地理研究, 2014, 3(8): 1477-1488. [Zhai Qing, Zhen Feng, Wang Xia, et al. SEM-based study on the characteristics of business activities[J]. Geographical Research, 2014, 3(8): 1477-1488.] |
[45] |
李渊, 王秋颖, 王德. GPS与回忆日志在旅游者空间行为上的精度比对——鼓浪屿实证研究[J]. 旅游学刊, 2017, 32(8): 81-92. [Li Yuan, Wang Qiuying, Wang De. Precision and differential analysis by using GPS and recall diaries in the tourist's behavior research: The case of Gulangyu[J]. Tourism Tribune, 2017, 32(8): 81-92. DOI:10.3969/j.issn.1002-5006.2017.08.013] |
[46] |
李清泉, 周宝定. 基于智能手机的个体室内时空行为分析[J]. 地理科学进展, 2015, 34(4): 457-465. [Li Qingquan, Zhou Baoding. Smartphone-based individual indoor spatiotemporal behavior analysis[J]. Progress in Geography, 2015, 34(4): 457-465.] |
[47] |
Abou-Zeid M. Measuring and Modeling Activity and Travel Wellbeing[D]. Boston: Massachusetts Institute of Technology, 2009: 80-82.
|
[48] |
Ettema D, Gärling T, Olsson L E, et al. Out-of-home activities, daily travel, and subjective well-being[J]. Transportation Research Part A: Policy and Practice, 2010, 44(9): 723-732. DOI:10.1016/j.tra.2010.07.005 |
[49] |
Bergstad C J, Gamble A, Gärling T, et al. Subjective well-being related to satisfaction with daily travel[J]. Transportation, 2011, 38(1): 1-15. DOI:10.1007/s11116-010-9283-z |
[50] |
Roorda M J, Lee-Gosselin M, Doherty S T, et al. Travel Activity Panel Surveys in the Toronto and Quebec City Regions: Comparison of Methods and Preliminary Results[C]. Toronto: 2nd International Colloquium on the Behavioural Foundations of Integrated Land Use and Transportation Models, 2005.
|
[51] |
Shiffman S. Ecological momentary assessment (EMA) in studies of substance use[J]. Psychological Assessment, 2009, 21(4): 486-497. DOI:10.1037/a0017074 |
[52] |
Kwan M P, Ding G. Geo-narrative: Extending geographic information systems for narrative analysis in qualitative and mixed-method research[J]. The Professional Geographer, 2008, 60(4): 443-465. DOI:10.1080/00330120802211752 |
[53] |
Ellegård K. A time-geographical approach to the study of everyday life of individuals: A challenge of complexity[J]. GeoJournal, 1999, 48(3): 167-175. DOI:10.1023/A:1007071407502 |
[54] |
Ellegård K, Cooper M. Complexity in daily life: A 3D-visualization showing activity patterns in their contexts[J]. Electronic International Journal of Time Use Research, 2004, 1(1): 37-59. DOI:10.13085/eIJTUR.1.1.37-59 |
[55] |
Hellgren M. Extracting more knowledge from time diaries?[J]. Social Indicators Research, 2014, 119(3): 1517-1534. DOI:10.1007/s11205-013-0558-6 |
[56] |
Ellegård K, 张艳, 蒋晨, 等. 复杂情境中的日常活动可视化与应用研究[J]. 人文地理, 2016, 31(5): 39-46. [Ellegård Kajsa, Zhang Yan, Jiang Chen, et al. Visualization and applications of daily activities in the complex context[J]. Human Geography, 2016, 31(5): 39-46.] |
[57] |
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 progresses of time geographical research from Kajsa Ellegård in Sweden[J]. Human Geography, 2016, 31(5): 19-24, 46. DOI:10.3969/j.issn.1673-6974.2016.05.017] |
[58] |
Rainham D, McDowell I, Krewski D, et al. Conceptualizing the healthscape: Contributions of time geography, location technologies and spatial ecology to place and health research[J]. Social Science & Medicine, 2010, 70(5): 668-676. |
[59] |
Manzoni V, Maniloff D, Kloeckl K, et al. Transportation mode identification and real-time CO2 emission estimation using smartphones[J]. Boston: SENSEable City Lab, Massachusetts Institute of Technology, 2010, 4-10. |
[60] |
Schwanen T, Kwan M P. The internet, mobile phone and space-time constraints[J]. Geoforum, 2008, 39(3): 1362-1377. DOI:10.1016/j.geoforum.2007.11.005 |
[61] |
Ren F, Kwan M P. The impact of the internet on human activitytravel patterns: Analysis of gender differences using multi-group structural equation models[J]. Journal of Transport Geography, 2009, 17(6): 440-450. DOI:10.1016/j.jtrangeo.2008.11.003 |
[62] |
Lavieri P S, Dai Q, Bhat C R. Using virtual accessibility and physical accessibility as joint predictors of activity-travel behavior[J]. Transportation Research Part A: Policy and Practice, 2018, 118: 527-544. DOI:10.1016/j.tra.2018.08.042 |
[63] |
Loo B P Y, Wang B. Factors associated with home-based e-working and e-shopping in Nanjing, China[J]. Transportation, 2018, 45(2): 365-384. DOI:10.1007/s11116-017-9792-0 |
[64] |
Ratti C, Frenchman D, Pulselli R M, et al. Mobile landscapes: Using location data from cell phones for urban analysis[J]. Environment and Planning B: Planning and Design, 2006, 33(5): 727-748. DOI:10.1068/b32047 |
[65] |
龙瀛, 张宇, 崔承印. 利用公交刷卡数据分析北京职住关系和通勤出行[J]. 地理学报, 2012, 67(10): 1339-1352. [Long Ying, Zhang Yu, Cui Chengyin. Identifying commuting pattern of Beijing using bus smart card data[J]. Acta Geographica Sinica, 2012, 67(10): 1339-1352. DOI:10.11821/xb201210005] |
[66] |
甄峰, 王波, 陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报, 2012, 67(8): 1031-1043. [Zhen Feng, Wang Bo, Chen Yingxue. China's city network characteristics based on social network space: An empirical analysis of Sina Micro-blog[J]. Acta Geographica Sinica, 2012, 67(8): 1031-1043.] |
[67] |
Liu Y, Kang C, Gao S, et al. Understanding intra-urban trip patterns from taxi trajectory data[J]. Journal of Geographical Systems, 2012, 14(4): 463-483. DOI:10.1007/s10109-012-0166-z |
[68] |
Zheng Z, Zhou S H. Scaling laws of spatial visitation frequency: Applications for trip frequency prediction[J]. Computers, Environment and Urban Systems, 2017, 64: 332-343. DOI:10.1016/j.compenvurbsys.2017.04.004 |
[69] |
Zhou X, Yeh A G O, Yue Y. Spatial variation of self-containment and jobs-housing balance in Shenzhen using cellphone big data[J]. Journal of Transport Geography, 2018, 68: 102-108. DOI:10.1016/j.jtrangeo.2017.12.006 |
[70] |
Long Y, Liu X, Zhou J, et al. Early birds, night owls, and tireless/recurring itinerants: An exploratory analysis of extreme transit behaviors in Beijing, China[J]. Habitat International, 2016, 57: 223-232. DOI:10.1016/j.habitatint.2016.08.004 |
[71] |
Chen C, Ma J, Susilo Y, et al. The promises of big data and small data for travel behavior (aka human mobility) analysis[J]. Transportation Research Part C: Emerging Technologies, 2016, 68: 285-299. DOI:10.1016/j.trc.2016.04.005 |
[72] |
柴彦威, 塔娜, 张艳. 融入生命历程理论、面向长期空间行为的时间地理学再思考[J]. 人文地理, 2013, 28(2): 1-6. [Chai Yanwei, Ta Na, Zhang Yan. Rethinking time-geography in long-term space-time behavior study: Integrating with life course theory[J]. Human Geography, 2013, 28(2): 1-6.] |
[73] |
Boarnet M G. A broader context for land use and travel behavior, and a research agenda[J]. Journal of the American Planning Association, 2011, 77(3): 197-213. DOI:10.1080/01944363.2011.593483 |
[74] |
Singleton R, Straits B C. Approaches to Social Research (4th Ed).[M]. New York: Oxford University Press, 2005: 96-103.
|
[75] |
曹新宇. 居住自选择在建成环境和交通行为关系中的作用[M]//柴彦威. 时空间行为研究前沿. 南京: 东南大学出版社, 2015: 122-133. [Cao Xinyu. The role of residential self-selection in the associations of built environment and travel behavior[M]//Chai Yanwei, et al. The Frontier of Space-time Behavior Research. Nanjing: Southeast University Press, 2015: 122-133.]
|
[76] |
Creswell J W. Qualitative Inquiry and Research Design: Choosing among Five Approaches[M]. London: Sage, 2007: 39-40.
|
[77] |
柴宏博, 冯健. 基于家庭生命历程的北京郊区居民行为空间研究[J]. 地理科学进展, 2016, 35(12): 1506-1516. [Chai Hongbo, Feng Jian. Behavior space of suburban residents in Beijing based on family life course[J]. Progress in Geography, 2016, 35(12): 1506-1516.] |
[78] |
Fitzgerald J, Gottschalk P. An analysis of sample attrition in panel data[J]. Journal of Human Resources, 1998, 33(2): 251-299. DOI:10.2307/146433 |