李澤關(guān)睿

(天津大學(xué) 建筑學(xué)院，天津300072)

0 引言

促進(jìn)城市公共健康是城市規(guī)劃的初衷和終極目標(biāo)之一，近年關(guān)于建成環(huán)境與居民健康關(guān)系的研究引起了規(guī)劃學(xué)者的大量關(guān)注。已有研究證明城市建成環(huán)境對居民健康能夠產(chǎn)生顯著影響，土地利用[1]、功能布局[2]、交通連接[3]、綠化景觀[4]、環(huán)境安全性[5]、目的地可達(dá)性[6]等空間屬性成為討論最多的影響要素，但基于人本視角的空間感知要素卻涉及極少，尤其是客觀空間組合要素和主觀視覺感知要素，以及與居民體力活動(dòng)的相關(guān)研究就更少。微觀實(shí)證研究的缺失，導(dǎo)致不同的研究出現(xiàn)相悖的結(jié)論。

在微觀人本尺度的建成環(huán)境與居民健康關(guān)系的研究中，有3個(gè)問題仍需明晰，即(1)顯著影響居民健康的人本視角的空間感知要素有哪些，通過何種機(jī)制影響居民健康水平?(2)空間感知要素對居民健康水平的影響是否存在閾值或閾值區(qū)間?(3)如何通過優(yōu)化空間感知要素提升居民的健康水平?

基于健康促進(jìn)的設(shè)計(jì)理念，洞悉城市微觀建成環(huán)境和居民健康兩者關(guān)系，設(shè)計(jì)體力活動(dòng)激發(fā)型的建成空間以減少城市孕病環(huán)境、提高空間健康績效、促進(jìn)居民主動(dòng)型體力活動(dòng)，從而提高健康水平，這已成為城市規(guī)劃研究者的重要使命。文章以天津3個(gè)歷史街區(qū)為例，分析城市空間組合和視覺感知要素對居民健康的影響因素、影響方式，并通過回答上述3個(gè)問題，深化已有建成環(huán)境對基于體力活動(dòng)的居民健康影響的機(jī)制研究，進(jìn)而為制定基于微觀空間尺度的我國健康城市設(shè)計(jì)導(dǎo)則提供依據(jù)。

1 空間感知與居民健康研究現(xiàn)狀

1.1 空間感知要素對居民健康的分析研究

1.1.1 視覺感知要素對居民健康的分析研究

人的視覺感知是對周邊環(huán)境感知和評價(jià)的主要途徑?；谝曈X角度的城市空間研究主要將視覺感知要素分成色彩、要素和空間秩序3大類[7-8]，具體評價(jià)要素包括空間視線控制、通透性、復(fù)雜性、路徑、城市節(jié)點(diǎn)、易讀性、趣味性、圖像性、圍合性、人的尺度性、開窗率、貼線率等[9-14]。盡管這些指標(biāo)在城市設(shè)計(jì)、建筑美學(xué)等領(lǐng)域得到了大量應(yīng)用，但視覺感知要素在居民健康領(lǐng)域的研究數(shù)量仍然很少?；谝曈X感知的健康評價(jià)指標(biāo)尚未形成體系，且指標(biāo)偏向于定性分析，使部分指標(biāo)難以量化，而且當(dāng)前實(shí)證研究較少，因此視覺感知對居民健康的具體影響因素和影響方式均有待討論。

1.1.2 空間組合要素對居民健康的分析研究

城市空間組合能通過物質(zhì)和心理的綜合作用影響居民的體力活動(dòng)[15-16]?；诳臻g角度的城市空間分析將研究重點(diǎn)放在建筑密度、寬高比、界面密度、貼線率等方面[17-18]，而一些研究開始將緊湊度、邊界維數(shù)、集中度等更細(xì)化描述的指標(biāo)納入評價(jià)方法中[19-20]。在空間組合與居民健康關(guān)系研究中，指出了可達(dá)性、空間感知距離、鄰里連接性、街道建設(shè)環(huán)境、空間形態(tài)、綠地開放空間、綠視率、街道開敞度、界面圍合度等與居民健康相關(guān)的指標(biāo)[21-29]。但多數(shù)研究集中于街道或交通性指標(biāo)對居民健康的影響，對于街區(qū)等面域指標(biāo)研究較少。另外，在三維空間評價(jià)方面相對缺失，難以全面解析人本尺度的空間感知，并且缺少實(shí)證分析。

1.1.3 相關(guān)微觀空間要素研究矛盾

此前的一些研究嘗試得出微觀空間要素對居民健康的影響閾值，但在這些結(jié)論中指標(biāo)影響閾值并不統(tǒng)一。蘆原義信[30]提出街道寬高比維持在1 ～2時(shí)的空間感受適宜，但也有部分研究提出不同街道寬高比能使人們活動(dòng)更舒適[31-32]；多數(shù)研究認(rèn)為合適的街道綠視率比例能舒緩人們的心理壓力，從而促進(jìn)健康，但具體的綠視率數(shù)值在不同研究中各異，比例在15%～34%范圍內(nèi)各有不同[33-35]。多數(shù)指標(biāo)影響閾值尚未深入計(jì)算，其影響能力還處于定性研究階段，具體影響方式需要通過進(jìn)一步的量化分析來揭示。

1.1.4 空間感知要素對居民健康的分析研究總結(jié)

在當(dāng)前空間感知與居民健康關(guān)系的相關(guān)研究中，存在的4個(gè)缺陷是：(1)城市建成環(huán)境對居民健康水平的影響研究集中于中宏觀視角，多數(shù)研究基于城市整體視角出發(fā)，缺乏從人本視角分析，視覺要素和空間組合等居民微觀空間感知因素分析尤其少；(2)空間感知評價(jià)體系尚未建立，指標(biāo)要素分析片面單一，難以綜合評價(jià)兩者間的關(guān)系；(3)實(shí)證案例分析稀缺，導(dǎo)致研究停留在理論及模型探討階段，基于實(shí)際建成環(huán)境指標(biāo)的量化分析不充分；(4)兩者間的影響機(jī)制大多停留在理論階段，缺少基于實(shí)例論證的機(jī)制分析。

1.2 居民健康水平測度研究

城市建成環(huán)境對居民健康水平的影響是一個(gè)循序漸進(jìn)的過程，在測度居民健康水平時(shí)宜選擇慢性病癥狀作為衡量指標(biāo)。通常以身體質(zhì)量指數(shù)BMI(Body Mass Index)和高血壓、2型糖尿病等慢性病作為因變量指標(biāo)，相關(guān)研究顯示上述要素受建成環(huán)境影響，但居民經(jīng)濟(jì)社會(huì)背景屬性和建成空間環(huán)境分別對慢性病的影響強(qiáng)度尚未明晰[36-37]。健康水平數(shù)據(jù)可通過主觀匯報(bào)和客觀記錄的方式搜集數(shù)據(jù)，前者一般通過問卷調(diào)查收集數(shù)據(jù)，操作簡單但容易產(chǎn)生誤差，后者可利用儀器記錄或收集醫(yī)院等機(jī)構(gòu)的居民體檢數(shù)據(jù)，數(shù)據(jù)精確但成本較高[38-39]。

1.3 微觀空間感知對居民健康的分析模型研究

居民病癥與客觀環(huán)境要素間的關(guān)系研究通常采用多元線性回歸方法，但難以體現(xiàn)數(shù)據(jù)樣本中的空間異質(zhì)性。而地理加權(quán)回歸模型能更加準(zhǔn)確地反映不同空間單元內(nèi)自變量對因變量的影響[40-41]。

對于連續(xù)資料結(jié)果與其他要素關(guān)系的分析可使用線性回歸分析，但在是否患病等疾病研究中，數(shù)據(jù)樣本通常為二分類數(shù)據(jù)，如是否患高血壓、糖尿病等，對于這類情況往往采用二元Logistic回歸，以便分析不同影響要素對是否發(fā)生該結(jié)果的顯著程度[42-44]。

2 空間感知與居民健康研究框架與方法

2.1 研究框架

借鑒空間感知研究中的分類層次，選擇視覺感知要素三類七子項(xiàng)和空間組合要素三類六子項(xiàng)作為空間感知指標(biāo)體系，如圖1所示。要素、色彩、秩序三類視覺要素指標(biāo)和線性空間、平面布局、三維形態(tài)三類空間組合指標(biāo)作為自變量，能較全面地覆蓋微觀空間感知的多個(gè)維度。BMI 數(shù)據(jù)是連續(xù)數(shù)據(jù)的因變量，采用ArcGIS 10.4平臺(tái)進(jìn)行地理加權(quán)回歸GWR(Geographically Weighted Regression)分析；是否患糖尿病和高血壓癥狀是二分類數(shù)據(jù)因變量，采用SPSS 22.0 中的二元Logistic回歸分析進(jìn)行分析，并將居民背景數(shù)據(jù)作為協(xié)變量分組對照。此指標(biāo)分類和研究方法能較好地解釋居民在空間感知對體力活動(dòng)的影響。

圖1 空間感知與居民健康研究框架圖

2.2 微觀空間感知指標(biāo)測度方法

各指標(biāo)數(shù)據(jù)均來自于實(shí)地調(diào)研和由Python程序爬取獲得的百度地圖數(shù)據(jù)。指標(biāo)量化方法包括人工智能語義分割和公式計(jì)算等。這樣的數(shù)據(jù)獲取和處理方式能較全面而客觀地量化微觀空間感知。

街道空間圍合度、天空開敞度、綠視率表示各要素在居民視野中的占比。測度可利用Segnet 圖片分割技術(shù)識(shí)別爬取的街景圖片要素的方法獲得，其中圍合度為識(shí)別的植物、建筑、圍欄面積之和與圖片的總面積之比；天空開敞度為識(shí)別的天空面積與圖片的總面積之比；綠視率為識(shí)別的植物面積與圖片的總面積之比。視覺熵表示居民視野中各種色彩的混亂程度，可利用Matlab程序批量計(jì)算爬取的街景圖片，其由式(1)表示為

式中：Himg為視覺熵；Ps(k)為計(jì)算每一個(gè)灰度級(jí)像素點(diǎn)所占的概率。

色相變化度表示居民視野中色相在調(diào)研區(qū)域中的變化，可利用MaTool 在線圖片識(shí)別工具識(shí)別街景圖片的色相、飽和度、亮度HSL(Hue、Saturation、Lightness)色彩模型中的H色相值；天際線變化度表示居民視野中城市天際線的復(fù)雜和變化程度，可利用入ArcGIS軟件對調(diào)研區(qū)域模型進(jìn)行天際線分析，以測量點(diǎn)天際線結(jié)果的頂點(diǎn)數(shù)量作為該測量點(diǎn)的天際線變化度；視域通視度表示居民視野中視野的通達(dá)性，可利用Depthmap軟件對街區(qū)CAD數(shù)據(jù)進(jìn)行可視性分析獲得；街道貼線變化率表示街道界面的變化程度，可圍繞街塊均等取若干點(diǎn)，測量該點(diǎn)對應(yīng)建筑退線距離，利用偏離度公式計(jì)算，由式(2)表示為

式中：E為街道貼線變化率；Dn為各點(diǎn)建筑實(shí)際退線距離；D為街道控制退線距離。

街道開敞變化率表示街道可提供開敞視野的程度，可利用調(diào)研區(qū)域模型數(shù)據(jù)對街塊周邊街道開敞程度運(yùn)用公式計(jì)算，由式(3)表示

式中：B為街道開敞變化率；G為該點(diǎn)街道兩側(cè)建筑高度平均值；K為該點(diǎn)街道寬度。

建筑布局分維度表示街塊內(nèi)建筑斑塊形狀的復(fù)雜程度，建筑布局離散度表示街塊內(nèi)建筑斑塊的離散程度，可分別利用Fragstats軟件中的分維度和離散度公式對調(diào)研區(qū)域建筑平面斑塊輪廓進(jìn)行計(jì)算獲得。三維多樣性指數(shù)測度表示街塊建筑在三維空間中的分布均勻程度，可利用香農(nóng)多樣性公式計(jì)算，由式(4)表示為

式中：Pi為街塊中單個(gè)建筑體積占整個(gè)街塊內(nèi)建筑總體積的比例。

三維集聚度指數(shù)表示街塊建筑在三維空間中的集聚程度，可利用莫蘭公式計(jì)算，由式(5)表示為

式中：xi、yi、zi為街塊中各建筑的空間重心坐標(biāo)；xm、ym、zm為街塊中各建筑平均重心坐標(biāo)。

2.3 研究區(qū)域及問卷概況

選取天津市和平區(qū)的五大道、鞍山道、赤峰道3個(gè)歷史街區(qū)為研究對象，其控制性詳細(xì)規(guī)劃如圖2所示。3個(gè)歷史街區(qū)都具有建成時(shí)間久、建筑密度大和居民結(jié)構(gòu)相對穩(wěn)定的特點(diǎn)，客觀環(huán)境產(chǎn)生的微觀空間感知對居民健康產(chǎn)生的影響可以得到較好的解釋。同時(shí)，3個(gè)街區(qū)在功能、尺度和建筑布局等方面各有特點(diǎn)，使得居民在3個(gè)街區(qū)內(nèi)會(huì)產(chǎn)生不同的空間感知，因此能橫向?qū)Ρ炔煌⒂^空間感知類型對居民健康的影響。

根據(jù)地塊大小與人口密度分布，在3個(gè)研究地塊通過抽樣發(fā)放問卷的方式調(diào)查居民健康數(shù)據(jù)，調(diào)查問卷內(nèi)容包括年齡、性別、收入等社會(huì)背景數(shù)據(jù)和BMI指數(shù)、是否患糖尿病及高血壓等癥狀。共收集居民數(shù)據(jù)363份，有效數(shù)據(jù)為346 份，有效率達(dá)95.32%。其中，五大道為202 份、鞍山道為148份、赤峰道為46份，基本覆蓋調(diào)研區(qū)域的所有居住用地。居民性別、年齡等分布與和平區(qū)人口分布大致相同，因此可認(rèn)為研究問卷能反映3個(gè)街區(qū)實(shí)際居民背景屬性。

圖2 研究區(qū)域控制性詳細(xì)規(guī)劃圖[45-47]

3 城市微觀空間感知測度

3個(gè)歷史街區(qū)微觀空間感知測度分析圖如圖3所示。赤峰道街區(qū)的外圍環(huán)境中，南側(cè)為現(xiàn)代風(fēng)貌的天津現(xiàn)代城，北部為中心公園，肌理與街區(qū)內(nèi)部差別較大，導(dǎo)致了赤峰道多數(shù)視覺要素指標(biāo)高于其他兩個(gè)街區(qū)。在空間組合方面，赤峰道街區(qū)的建筑布局分維度、建筑布局離散度、三維多樣性指數(shù)等指標(biāo)同樣也高于另外兩個(gè)街區(qū)。鞍山道街區(qū)各個(gè)街塊基本為方格網(wǎng)布局，內(nèi)部建筑組合和界面變化較少，因此街道貼線變化率、街道開敞變化率、建筑布局離散度、三維多樣性指數(shù)等指標(biāo)值均較低。五大道街區(qū)各街區(qū)建筑布局類型多樣且街區(qū)密度較大，因此街道貼線變化率和三維集聚度指數(shù)較高。

圖3 3個(gè)歷史街區(qū)微觀感知空間測度分析圖

4 回歸分析結(jié)果

利用ArcGIS空間分析提取工具將柵格數(shù)據(jù)對樣本點(diǎn)賦值，以樣本點(diǎn)空間屬性進(jìn)行回歸。

各回歸模型分為3組分析，其中模型1回歸因子為協(xié)變量，模型2回歸因子為自變量，模型3回歸因子為協(xié)變量和自變量。3組模型對比，可以比較居民社會(huì)經(jīng)濟(jì)屬性與微觀空間感知屬性對居民健康的相對影響程度。

4.1 微觀空間感知指標(biāo)與居民BMI指數(shù)的地理加權(quán)回歸分析

4.1.1 全局自相關(guān)檢驗(yàn)

對3個(gè)街區(qū)的空間全局自相關(guān)性進(jìn)行檢驗(yàn)，結(jié)果見表1。其空間Moran I指數(shù)均＞0，P值均＜0.05，可認(rèn)為各街區(qū)的居民BMI指數(shù)與空間在全局有較強(qiáng)正相關(guān)聚集現(xiàn)象，可以進(jìn)行地理加權(quán)回歸分析。

表1 3個(gè)街區(qū)居民BMI指數(shù)全局空間自相關(guān)分析結(jié)果表

4.1.2 地理加權(quán)回歸結(jié)果驗(yàn)證

運(yùn)用普通最小二乘法OLS(Ordinary Least Squares)建立樣本點(diǎn)中空間參數(shù)自變量與居民BMI指數(shù)關(guān)系模型，剔除分析結(jié)果中未通過零假設(shè)檢驗(yàn)的變量，再運(yùn)用方差膨脹因子法和條件指標(biāo)—方差分解比法剔除會(huì)產(chǎn)生全局和局部多重共線性的冗余變量[48]，將剩余的變量進(jìn)行地理加權(quán)回歸分析。

建立自變量組與居民BMI指數(shù)的模型，結(jié)果見表2。五大道、鞍山道和赤峰道等3個(gè)街區(qū)模型擬合優(yōu)度R2分別為0.862、0.855和0.556，五大道和鞍山道地理加權(quán)回歸的模型擬合優(yōu)度R2優(yōu)于普通最小二乘法，赤峰道地理加權(quán)回歸擬合優(yōu)度R2差于普通最小二乘法，說明地理加權(quán)回歸能在一定程度上更好地解釋建成空間與居民BMI指數(shù)的關(guān)系。

各街區(qū)模型對協(xié)變量組合自變量—協(xié)變量組進(jìn)行回歸，結(jié)果顯示自變量組比協(xié)變量組和自變量—協(xié)變量組有更好的擬合優(yōu)度，說明加入模型的微觀空間感知指標(biāo)參數(shù)相比于居民背景屬性更能對居民BMI指數(shù)產(chǎn)生影響，同時(shí)說明微觀空間感知能夠?qū)用窠】诞a(chǎn)生影響。

表2 微觀空間感知指標(biāo)與居民BMI指數(shù)的地理加權(quán)回歸分析結(jié)果表

4.1.3 地理加權(quán)回歸系數(shù)空間分布

各街區(qū)樣本點(diǎn)在空間中分布均質(zhì)，因此可利用反距離權(quán)重法對各點(diǎn)的自變量回歸系數(shù)進(jìn)行空間插值，五大道微觀空間感知要素回歸系數(shù)空間分布如圖4所示。五大道街區(qū)街道貼線變化率系數(shù)在街區(qū)中部及南部與BMI指數(shù)呈負(fù)相關(guān)，而在街區(qū)中部偏北及街區(qū)東北側(cè)與BMI指數(shù)呈正相關(guān)；色相變化度系數(shù)整體與BMI指數(shù)呈正相關(guān)，系數(shù)影響自街區(qū)南北兩側(cè)向中部逐漸增強(qiáng)；建筑布局離散度系數(shù)在街區(qū)中部及南部與BMI指數(shù)呈負(fù)相關(guān)，而在街區(qū)北部與BMI指數(shù)呈正相關(guān)；三維集聚度指數(shù)在街區(qū)東南側(cè)呈負(fù)相關(guān)，在街區(qū)東北側(cè)及西南側(cè)則呈正相關(guān)。

圖4 五大道微觀空間感知要素回歸系數(shù)空間分布圖

圖5 鞍山道微觀空間感知要素回歸系數(shù)空間分布圖

鞍山道微觀空間感知要素回歸系數(shù)空間分布如圖5所示。鞍山道街區(qū)視域通視度系數(shù)在街區(qū)南部和北側(cè)部分區(qū)域與BMI指數(shù)呈負(fù)相關(guān)，自南北向中部正相關(guān)影響逐漸增強(qiáng)；建筑布局離散度系數(shù)整體與BMI指數(shù)呈負(fù)相關(guān)，自南向北負(fù)相關(guān)影響逐漸增強(qiáng)；三維集聚度指數(shù)系數(shù)在街區(qū)中部偏西與BMI指數(shù)呈正相關(guān)影響，在中部自南北兩側(cè)負(fù)相關(guān)影響逐漸增強(qiáng)。赤峰道微觀空間感知要素回歸系數(shù)空間分布如圖6所示。赤峰道街區(qū)色相變化度系數(shù)整體與BMI指數(shù)呈正相關(guān)，自中部向南北正相關(guān)影響逐漸增強(qiáng)；建筑布局離散度系數(shù)在中部及北側(cè)與BMI指數(shù)呈負(fù)相關(guān)，在中部向東西兩側(cè)正相關(guān)影響逐漸增強(qiáng)；三維集聚度指數(shù)系數(shù)在南側(cè)與BMI指數(shù)呈負(fù)相關(guān)影響，自南向北正相關(guān)影響逐漸增強(qiáng)，中部和北部出現(xiàn)兩處峰值。

圖6 赤峰道微觀空間感知要素回歸系數(shù)空間分布圖

4.2 微觀空間感知指標(biāo)與居民患糖尿病癥狀的二元Logistic回歸分析

用3個(gè)歷史街區(qū)的協(xié)變量組、自變量組和協(xié)變量—自變量組與居民患糖尿病癥狀進(jìn)行二元Logistic回歸分析，結(jié)果見表3。各組模型至少能解釋87.2%的數(shù)據(jù)；自變量組結(jié)果中，五大道街區(qū)顯著性為0.913，其值較高；鞍山道和赤峰道顯著性分別僅為0.289和0.426，其值較低。

表3 微觀空間感知要素與居民患糖尿病癥狀的二元Logistic回歸分析結(jié)果表

3個(gè)街區(qū)的居民背景屬性回歸顯著性均優(yōu)于空間變量回歸顯著性，說明居民背景屬性對是否患糖尿病的影響程度大于建成空間的影響程度；3個(gè)街區(qū)中未出現(xiàn)能通過微觀空間感知影響居民患糖尿病癥狀的指標(biāo)。鞍山道街區(qū)的綠視率系數(shù)顯著性＜0.05，說明在鞍山道街區(qū)的綠視率是對居民患糖尿病影響最顯著的因子，微觀空間感知總體上對居民是否患高血壓的影響力較弱。

4.3 微觀空間感知指標(biāo)與居民患高血壓癥狀的二元Logistic回歸分析

用3個(gè)歷史街區(qū)的協(xié)變量組、自變量組和協(xié)變量—自變量組與居民患高血壓癥狀進(jìn)行二元Logistic回歸分析，結(jié)果見表4。各組模型至少能解釋86.1%的數(shù)據(jù)，各組變量均能對患高血壓癥狀產(chǎn)生影響但擬合度不高。鞍山道街區(qū)的居民背景屬性回歸顯著性均優(yōu)于空間變量回歸顯著性，而五大道和赤峰道街區(qū)則相反，說明居民背景屬性與微觀空間感知屬性分別對患高血壓癥狀的相對影響強(qiáng)弱程度因選取樣本而異。僅有五大道街區(qū)的天空開敞度顯著性＜0.05，說明此街區(qū)的天空開敞度是對居民患高血壓癥狀影響最顯著的因子，微觀空間感知總體上對居民是否患高血壓的影響力較弱。

表4 微觀空間感知要素與居民患高血壓癥狀的二元Logistic回歸分析結(jié)果表

4.4 建成環(huán)境對居民健康水平的影響機(jī)制

色相變化度整體與BMI指數(shù)呈正相關(guān)，原因可能是歷史街區(qū)整體營造出偏暖色的視覺空間會(huì)使人沉浸于歷史街區(qū)風(fēng)貌的觀覽體驗(yàn)，降低步行速度和體力活動(dòng)水平，從而提高BMI指數(shù)。

視域通視度鞍山道街區(qū)視域通視度處于高值時(shí)，視域通視度與居民BMI指數(shù)呈負(fù)相關(guān)，當(dāng)視域通視度處于低值時(shí)則反之，說明居民偏向于在空間視覺滲透性更強(qiáng)的區(qū)域活動(dòng)，這種空間的步行選擇度更高，促進(jìn)居民的步行體力活動(dòng)，從而降低BMI指數(shù)。

街道貼線變化率五大道街區(qū)當(dāng)街道貼線變化率處于高、低值時(shí)，貼線變化率系數(shù)與BMI指數(shù)呈負(fù)相關(guān)，當(dāng)貼線變化率處于中間值時(shí)則反之，說明街道貼線變化率在五大街區(qū)對居民BMI指數(shù)的影響存在閾值區(qū)間。對街道貼線變化率及其回歸系數(shù)在Excel進(jìn)行擬合回歸，取R2較高結(jié)果分析。如圖7所示，當(dāng)街道貼線變化率分別＜2.12、4.51 ～5.20和＞5.84時(shí)，與BMI指數(shù)呈負(fù)相關(guān)；當(dāng)貼線變化率為4.21時(shí)，貼線變化率對BMI指數(shù)正相關(guān)，影響最強(qiáng)。當(dāng)貼線變化率處于高值時(shí)，容易在臨街界面出現(xiàn)半圍合空間，促進(jìn)居民活動(dòng)交流，從而降低居民BMI指數(shù)；街道貼線變化率低值區(qū)域?qū)?yīng)五大道街區(qū)內(nèi)臨近大型公共空間，此時(shí)齊整的空間界面容易引導(dǎo)居民進(jìn)行公共活動(dòng)，促進(jìn)BMI指數(shù)下降；而當(dāng)貼線變化率處于中間值時(shí)，較為破碎的界面難以形成圍合空間或引導(dǎo)活動(dòng)，反而降低居民活動(dòng)率，因此與BMI指數(shù)呈正相關(guān)。

圖7 街道貼線變化率閾值曲線擬合圖

三維集聚度指數(shù)在相鄰街塊間集聚度變化較大的區(qū)域，三維集聚度指數(shù)系數(shù)與BMI指數(shù)呈負(fù)相關(guān)影響，反之則呈正相關(guān)。歷史街區(qū)中整體集聚度變化較大的區(qū)域相對于重復(fù)的歷史建筑群，更容易產(chǎn)生空間豐富性和層次感，吸引居民在該區(qū)域進(jìn)行戶外交流活動(dòng)，從而利于居民BMI指數(shù)下降。

建筑布局離散度在五大道街區(qū)建筑布局離散度處于高值時(shí)，建筑布局離散度系數(shù)與BMI指數(shù)呈正相關(guān)，處于低值時(shí)則與BMI指數(shù)呈負(fù)相關(guān)，而在赤峰道街區(qū)建筑部布局離散度分布規(guī)律與五大道街區(qū)相反；鞍山道街區(qū)建筑布局離散度和系數(shù)間無明顯空間規(guī)律。建筑布局離散度回歸系數(shù)的空間分布規(guī)律可能受街區(qū)功能影響，當(dāng)街區(qū)功能以公共服務(wù)或商業(yè)功能為主時(shí)，建筑部布局離散度越低，較為緊密的建筑空間組合更能組織人群活動(dòng)，促進(jìn)居民體力活動(dòng)水平，此時(shí)離散度系數(shù)與BMI指數(shù)呈負(fù)相關(guān)；當(dāng)街區(qū)功能以居住功能為主時(shí)，建筑布局離散越高，在高密度的歷史街區(qū)中有利于形成公共休閑交流空間，此時(shí)離散度系數(shù)與BMI指數(shù)呈負(fù)相關(guān)。

五大道的天空開敞度對是否患高血壓癥狀產(chǎn)生影響，赤峰道的綠視率對是否患糖尿病癥狀產(chǎn)生影響，說明視覺要素能影響居民在特定空間中的愉悅感、私密感等，從而影響居民體力活動(dòng)。

5 結(jié)論

文章利用地理加權(quán)回歸和二元Logistic回歸建立模型，著重討論了微觀尺度空間感知對居民健康的影響要素、方式、閾值和機(jī)制，得到主要結(jié)論如下：

(1)影響居民健康的微觀空間感知要素包括天空開敞度、綠視率、色相變化度、視域通視度、街道貼線變化率、建筑布局離散度、三維集聚度指數(shù)，其中街道貼線變化率存在影響閾值。

(2)空間感知要素對BMI指數(shù)的影響較居民經(jīng)濟(jì)社會(huì)背景屬性而言更強(qiáng)，居民背景屬性是主導(dǎo)糖尿病和高血壓的致病因素，一定程度上反映糖尿病和高血壓可能受遺傳因素影響更顯著。

(3)不同街區(qū)的影響要素組合相似，建筑布局離散度和三維集聚度指數(shù)在3個(gè)街區(qū)中都是都是影響居民BMI指數(shù)的因子，色相變化度是影響五大道和赤峰道街區(qū)居民BMI指數(shù)的因子。

(4)空間感知要素影響居民健康的機(jī)制包括街道視線的滲透、街道界面的引導(dǎo)、街區(qū)功能的協(xié)調(diào)以及構(gòu)造街區(qū)空間的豐富性、層次感、愉悅感、私密感等途徑，空間要素通過激發(fā)居民的感官體驗(yàn)來提升居民戶外活動(dòng)頻率，進(jìn)而影響健康水平。