CN115630129A - 一种社区体育健身设施步行适应性的评价方法 - Google Patents
一种社区体育健身设施步行适应性的评价方法 Download PDFInfo
- Publication number
- CN115630129A CN115630129A CN202211283876.2A CN202211283876A CN115630129A CN 115630129 A CN115630129 A CN 115630129A CN 202211283876 A CN202211283876 A CN 202211283876A CN 115630129 A CN115630129 A CN 115630129A
- Authority
- CN
- China
- Prior art keywords
- sports
- community
- facilities
- data
- walking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003012 network analysis Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 23
- 238000011160 research Methods 0.000 claims description 13
- 230000009182 swimming Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000001983 electron spin resonance imaging Methods 0.000 claims description 4
- 230000008451 emotion Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000009395 breeding Methods 0.000 claims description 3
- 230000001488 breeding effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000000528 statistical test Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 2
- 239000000843 powder Substances 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种社区体育健身设施步行适应性的评价方法，本发明按照社区的体育资源配置要求，考虑了不同行人群体(即整个人口、老年群体、儿童群体)的步行需求差异，通过对社区居民展开问卷调查确定不同种类体育健身设施的权重，以居住小区为单元，基于ArcGIS的网络分析模块计算道路网络出行时间来代替传统欧式距离作为出行成本，并以居民实际使用频率为基础构建出行意愿衰减函数，计算得出街区体育健身设施步行适应性得分，通过空间回归得出各群体在不同社区的空间匹配关系。该方法提出了通过修正步行评分指标来更为合理地衡量社区步行得分，为准确衡量社区体育健身资源配置的空间平等状况，提升城市社区体育健身水平提供参考。
Description
技术领域
本发明涉一种社区体育健身设施步行适应性的评价方法。
背景技术
通过对社区居民展开问卷调查确定不同种类体育健身设施的权重，以居住小区为单元，基于ArcGIS的网络分析模块计算道路网络出行时间来代替传统欧式距离作为出行成本，并以居民实际使用频率为基础构建出行意愿衰减函数，计算得出街区体育健身设施步行适应性得分，通过空间回归得出各群体在不同社区的空间匹配关系。
发明内容
本发明的目的在于提供一种社区体育健身设施步行适应性的评价方法。
为解决上述问题，本发明提供一种社区体育健身设施步行适应性的评价方法，包括：
步骤S1，获取体育设施种类、等级、空间位置，居住小区人口数与空间位置，路网，行政区划等数据；
步骤S2，通过发放纸质问卷的方式获取研究区内居民的健康状况、运动行为和出行意愿等关于各类体育设施的主观评分等信息，并通过统计检验证明数据有效性；
步骤S3，采用熵值法确定各类设施在居民体育锻炼行为中的权重；
步骤S4，采用容忍时间法来确定各类设施的衰减函数，使用高斯函数对问卷中出行意愿数据进行建模并优化参数；
步骤S5，将现有的空间数据导入ArcGIS软件中，通过网络分析模块求解每个居民点到达最近的每一类体育健身设施所花费的路网出行时间，引入衰减函数与不同设施的权重计算初始单项总分并赋权，计算总分；
步骤S6，基于Moran’s I指数，将社区步行得分与各群体人口密度进行关联分析，得到区域内体育健身资源供给与各居民群体间的匹配关系；
进一步的，在上述方法中，步骤S1，包括：
步骤1.1：体育设施数据包括基础设施点数据和POI数据，本方法依据《上海市15分钟社区生活圈规划导则》对体育设施数据进行分类，并计算各类型体育健身设施可达性。基础设施点数据来自上海市公共数据开放平台，POI数据通过高德地图API接口获取，体育设施划分为两个等级五个种类，分别是基础保障类(包括综合健身馆、游泳馆、运动场(足球场、篮球场、网球场、羽毛球场等))，品质提升类(包括室内健身点、室外健身点)；
步骤1.2：通过基于R的数据挖掘程序在房屋交易网站爬取数据，获取住宅小区的信息，包括地理位置数据、小区户数，并结合人口统计数据获得每个住宅小区的总人数，各年龄群体人数占比，将各年龄群体数量Moran’s I空间指数聚类的需求量；
步骤1.3：通过OSM平台获取评价区域路网数据，行政区划数据，用于计算道路网络出行时间；
进一步的，在上述方法中，步骤S2，包括：
步骤2.1：在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)。在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)；
步骤2.2：受访者还根据Likert量表评估了他们对居住环境中各类体育设施重要程度的认知，该项评估由四个问题组成：您认为XX设施(例如，居民健身点、球类运动场地、综合健身馆或游泳池)对于您的体育锻炼起到了什么作用？从选项中选择1)不重要，2)不太重要，3)一定程度上重要，4)比较重要，5)重要；
步骤2.3：将数据导入至SPSS 22.0软件中，选择p检验方法进行样本有效性检验；
进一步的，在上述方法中，步骤S3，包括：
步骤3.1：首先采用临界值法对受访者评估各类体育设施重要程度的Likert量表原始数据进行标准化处理，具体处理方法如下式所示：
其中，i(i＝1,2,...,m)表示受访者编号；j(j＝1,2,...,n)表示各个指标；max(xj)与min(xj)分别表示j指标的最大值和最小值
步骤3.2：采用熵权法来计算各类体育设施权重，表示其重要程度的具体步骤如下：
先计算第i个用户的第j个指标的比重：
其次计算j指标的信息熵：ej＝-k∑iyijlnyij；其次计算信息熵冗余度：dj＝1-ej；最终得出j指标的权重
进一步的，在上述方法中，步骤S4，包括：
步骤4.1：基于居民步行出行时的流动性和设施的功能差异，采用容忍时间法来确定各类设施的衰减函数。考虑到现实生活中居民可接受出行时间阈值受到出行目的和情绪等因素影响，其出行意愿并非在类似于第15分钟这样一个准确的时刻下降为0，因而我们将15分钟这一时间点作为参考值而非临界值，选取30分钟作为步行出行时间上限，步行时间分为三个时间段：<5分钟，5-10分钟,10-15分钟和15-30分钟；
步骤4.2：衰变率R(t)计算方式如下。此外，考虑到诸如游泳池等高质量设施代表了人们对高质量生活的追求，我们假设在更远的距离上，该类设施依然能够吸引人们使用他们。因此我们测算游泳馆的衰减函数，其衰减速率更慢。总体而言，不同群体在花费的时间抵达设施的意愿上都具有相同的衰减现象；
进一步的，在上述方法中，步骤S5，包括：
步骤5.1：通过使用ESRI ArcGIS软件包(版本10.8.1)中的网络分析扩展模块，测量了研究区内各类体育设施的供给状况。首先，将每个住宅小区作为起点，计算其到达最近的不同功能设施所花费的时间。因此，即使是相邻住宅小区的居民，他们出行相同时间所能获得的公共体育服务设施也不一定相同。其次，居民出行范围不是简单的欧式距离划分，而是基于路网距离，更能真实反映居民的实际活动范围。参照15分钟社区生活圈概念，将出行方式设置为步行，出行速度5km/h，当出现搜索范围内不存在一类体育设施时，则返回到达时间为一极大值常数，以研究相同出行时间下不同社区获取公共体育服务设施的差异；
步骤5.2：在得到初始评估分数之后，我们将分数通过归一化转换为0-100的量表。通过对照量表得出，较高的分数代表着该社区在步行出行方式下能够获得更好的体育健身资源；
进一步的，在上述方法中，步骤S6，包括：
步骤6.1：在ArcGIS软件空间关联分析模块中，通过使用基于最近邻距离的空间权重矩阵，计算二元局部Moran’s I指数，得到某个社区内居民群体的比例与相应的社区体育健身设施步行适应性得分之间的相关性；基于分析结果得到的四类局部空间正相关与异常值，分别是：高-高集群、低-低集群、高-低集群、低-高集群，并依据结果分析社区15分钟步行范围内的空间关联模式；
步骤6.2：运用空间回归模型测度社区中各居民群体与街区体育健身设施步行适应性得分之间的关联，空间回归模型中包括空间滞后模型与空间误差模型，其参数通过最大似然算法求解；
Y＝Xβ+ρWY+ε，Y＝Xβ+μ,μ＝ρWμ+ε。其中，Y为响应变量，X为解释变量，β为解释变量的回归系数，ρ为空间自回归系数，WY和Wu构成空间权重矩阵，ε为误差项。
本发明通过评估不同群体(整体人群、老年人群、儿童人群)的体育健身资源需求，考虑体育健身设施属性(规模和类别)以及实际交通状况，对现有的步行评分指标提出改进，在此基础上通过空间回归得出各群体在不同社区的空间匹配关系；
附图说明
图1是本发明实施例的一种社区体育健身设施步行适应性的评价方法的流程图。
图2是本发明实施例的包括上海市徐汇区、闵行区、奉贤区在内的社区体育资源步行适应性得分空间分布图，其中整体人群(a),老年群体(b),儿童群体(c)。
图3是本发明实施例的包括上海市徐汇区、闵行区、奉贤区在内的社区不同居民群体的出行衰减函数图，其中整体人群(a),老年群体(b),儿童群体(c)。
图4是本发明实施例的包括上海市徐汇区、闵行区、奉贤区在内的社区内不同居民群体与相应的社区体育健身设施步行适应性得分之间的相关性空间聚类分布图，其中整体人群(a),老年群体(b),儿童群体(c)。
下面结合附图，对本发明的具体实施方式作进一步详细说明：
如图1所示，本发明提供一种社区体育健身设施步行适应性的评价方法，包括：
步骤S1，获取体育设施种类、等级、空间位置，居住小区人口数与空间位置，路网，行政区划等数据；
步骤S2，通过发放纸质问卷的方式获取研究区内居民的健康状况、运动行为和出行意愿等关于各类体育设施的主观评分等信息，并通过统计检验证明数据有效性；
步骤S3，采用熵值法确定各类设施在居民体育锻炼行为中的权重；
步骤S4，采用容忍时间法来确定各类设施的衰减函数，使用高斯函数对问卷中出行意愿数据进行建模并优化参数；
步骤S5，将现有的空间数据导入ArcGIS软件中，通过网络分析模块求解每个居民点到达最近的每一类体育健身设施所花费的路网出行时间，引入衰减函数与不同设施的权重计算初始单项总分并赋权，计算总分；
步骤S6，基于Moran’s I指数，将社区不行的粉与各群体人口密度进行关联分析，得到区域内体育健身资源供给与各剧名群体间的匹配关系。
优选的，步骤S1，包括：
步骤1.1：体育设施数据包括基础设施点数据和POI数据，本方法依据《上海市15分钟社区生活圈规划导则》对体育设施数据进行分类，并计算各类型体育健身设施可达性。基础设施点数据来自上海市公共数据开放平台，POI数据通过高德地图API接口获取，体育设施划分为两个等级五个种类，分别是基础保障类(包括综合健身馆、游泳馆、运动场(足球场、篮球场、网球场、羽毛球场等))，品质提升类(包括室内健身点、室外健身点)；
步骤1.2：通过基于R的数据挖掘程序在房屋交易网站爬取数据，获取住宅小区的信息，包括地理位置数据、小区户数，并结合人口统计数据获得每个住宅小区的总人数，各年龄群体人数占比，将各年龄群体数量Moran’s I空间指数聚类的需求量。
步骤1.3：通过OSM平台获取评价区域路网数据，行政区划数据，用于计算道路网络出行时间。
优选的，步骤S2，包括：
步骤2.1：在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)。在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)；
步骤2.2：受访者还根据Likert量表评估了他们对居住环境中各类体育设施重要程度的认知，该项评估由四个问题组成：您认为XX设施(例如，居民健身点、球类运动场地、综合健身馆或游泳池)对于您的体育锻炼起到了什么作用？从选项中选择1)不重要，2)不太重要，3)一定程度上重要，4)比较重要，5)重要；
步骤2.3：将数据导入至SPSS 22.0软件中，选择p检验方法进行样本有效性检验。
优选的，步骤S3，包括：
步骤3.1：首先采用临界值法对受访者评估各类体育设施重要程度的Likert量表原始数据进行标准化处理，具体处理方法如下所示：
步骤3.2：采用熵权法来计算各类体育设施权重，表示其重要程度的具体步骤如下：
先计算第i个用户的第j个指标的比重：
其次计算j指标的信息熵：ej＝-k∑iyijlnyij；其次计算信息熵冗余度：dj＝1-ej；最终得出j指标的权重
优选的，步骤S4，包括：
步骤4.1：基于居民步行出行时的流动性和设施的功能差异，采用容忍时间法来确定各类设施的衰减函数。考虑到现实生活中居民可接受出行时间阈值受到出行目的和情绪等因素影响，其出行意愿并非在类似于第15分钟这样一个准确的时刻下降为0，因而我们将15分钟这一时间点作为参考值而非临界值，选取30分钟作为步行出行时间上限，步行时间分为三个时间段：<5分钟，5-10分钟,10-15分钟和15-30分钟；
步骤4.2：衰变率R(t)计算方式如下。此外，考虑到诸如游泳池等高质量设施代表了人们对高质量生活的追求，我们假设在更远的距离上，该类设施依然能够吸引人们使用他们。因此我们测算游泳馆的衰减函数，其衰减速率更慢。
优选的，步骤S5，包括
步骤5.1：通过使用ESRI ArcGIS软件包(版本10.8.1)中的网络分析扩展模块，测量了研究区内各类体育设施的供给状况。首先，将每个住宅小区作为起点，计算其到达最近的不同功能设施所花费的时间。因此，即使是相邻住宅小区的居民，他们出行相同时间所能获得的公共体育服务设施也不一定相同。其次，居民出行范围不是简单的欧式距离划分，而是基于路网距离，更能真实反映居民的实际活动范围。参照15分钟社区生活圈概念，将出行方式设置为步行，出行速度5km/h，当出现搜索范围内不存在一类体育设施时，则返回到达时间为一极大值常数，以研究相同出行时间下不同社区获取公共体育服务设施的差异；
步骤5.2：在得到初始评估分数之后，我们将分数通过归一化转换为0-100的量表。通过对照量表得出，较高的分数代表着该社区在步行出行方式下能够获得更好的体育健身资源；
优选的，步骤S6，包括
步骤6.1：在ArcGIS软件空间关联分析模块中，通过使用基于最近邻距离的空间权重矩阵，计算二元局部Moran’s I指数，得到某个社区内居民群体的比例与相应的社区体育健身设施步行适应性得分之间的相关性；基于分析结果得到的四类局部空间正相关与异常值，分别是：高-高集群、低-低集群、高-低集群、低-高集群，并依据结果分析社区15分钟步行范围内的空间关联模式；
步骤6.2：运用空间回归模型测度社区中各居民群体与街区体育健身设施步行适应性得分之间的关联，空间回归模型中包括空间滞后模型与空间误差模型，其参数通过最大似然算法求解；Y＝Xβ+ρWY+ε，Y＝Xβ+μ,μ＝ρWμ+ε。
常见的衡量社区步行适应性的方法和工具主要包括检验清单、社会问卷、指标、个人访谈、统计数据、空间分析和地理信息系统。这些方法大致可以分为两类：(1)用于明确影响可达性得分的因素，(2)对选定区域进行评分得出可达性优劣状况。关于社区可达性的研究在不同尺度上进行着，从城市整体到数个社区、社区内部以及固定点位。而出行时间是用作可达性研究阻抗的最常见变量，可以通过使用强假设和简化的方式来估计，根据达到目的地的重要程度对机会进行不同的加权。在现有类似的评价方法中，步行评分是通过结合距离衰减函数加权距离和舒适度分类计算得出的。这些工具可以帮助规划者发现不足，并建立适合步行的社区；但对评价指标敏感，仍需针对评价地区进行适应性优化。
考虑到诸如游泳池等高质量设施代表了人们对高质量生活的追求，我们假设在更远的距离上，该类设施依然能够吸引人们使用他们。因此我们测算游泳馆的衰减函数，其衰减速率更慢。总体而言，不同群体在花费的时间抵达设施的意愿上都具有相同的衰减现象。
已有的研究成果表明，对可步行性的测量并不存在统一标准，必须结合所在环境因地制宜作出调整。首先，尽管近年的步行评分程序已经用网络距离代替了欧氏距离，但多数研究选取一临界值而非缓冲区间作为标准进行衡量，忽略了居民实际出行具备有限容忍性的特征，已有学者通过构建居民出行衰减函数用于计算社区步行可达分数。其次，有关社会调查中群体划分的单一标准导致的步行可达评价结果存在差异的问题在一定程度上没有受到重视。
与现有技术相比，本发明具有如下的有益效果。
本发明按照社区的体育资源配置要求，考虑了不同行人群体(即整个人口、老年群体、儿童群体)的步行需求差异，对社区步行适应性评分指标进行改进。通过对社区居民展开问卷调查确定不同种类体育健身设施的权重，以居住小区为单元，数据尺度更微观、具体。基于ArcGIS的网络分析模块计算道路网络出行时间来代替传统欧式距离作为出行成本，并以居民实际使用频率为基础构建出行意愿衰减函数，计算得出街区体育健身设施步行适应性得分，通过空间回归得出各群体在不同社区的空间匹配关系。该方法提出了通过修正步行评分指标来更为合理地衡量社区步行得分，为准确衡量社区体育健身资源配置的空间平等状况，提升城市社区体育健身水平提供参考。
具体的，在本发明实际案例研究中，上述步骤S1包括：
步骤1.1：体育设施数据包括基础设施点数据和POI数据，本方法依据《上海市15分钟社区生活圈规划导则》对体育设施数据进行分类，并计算各类型体育健身设施可达性。基础设施点数据来自上海市公共数据开放平台，POI数据通过高德地图API接口获取，体育设施划分为两个等级五个种类，分别是基础保障类(包括综合健身馆、游泳馆、运动场(足球场、篮球场、网球场、羽毛球场等))，品质提升类(包括室内健身点、室外健身点)；将获取的空间数据分别导入ArcGIS中，绘制出研究区内体育设施资源分布图，详见图2。
步骤1.2：通过基于R的数据挖掘程序在房屋交易网站爬取数据，获取住宅小区的信息，包括地理位置数据、小区户数，并结合人口统计数据获得每个住宅小区的总人数，各年龄群体人数占比，将各年龄群体数量作为Moran’s I空间指数聚类的需求量，将数据整理后导入ArcGIS中，绘制出研究区内社区空间分布图。
步骤1.3：通过OSM开放平台获取评价区域路网数据，行政区划数据，将数据导入ArcGIS中，构建网络分析数据库，用于求解道路网络出行时间；
具体的，在本发明实际案例研究中，上述步骤S2包括；
步骤2.1：在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)。在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)；
步骤2.2：受访者还根据Likert量表评估了他们对居住环境中各类体育设施重要程度的认知，该项评估由四个问题组成：您认为XX设施(例如，居民健身点、球类运动场地、综合健身馆或游泳池)对于您的体育锻炼起到了什么作用？从选项中选择1)不重要，2)不太重要，3)一定程度上重要，4)比较重要，5)重要；
具体的，在本发明实际案例研究中，上述步骤S3包括:
步骤3.1：首先采用临界值法对受访者评估各类体育设施重要程度的Likert量表原始数据进行标准化处理，具体处理方法如式(1)所示：
其中，i(i＝1,2,...,m)表示受访者编号；j(j＝1,2,...,n)表示各个指标；max(xj)与min(xj)分别表示j指标的最大值和最小值。
步骤3.2：采用熵权法来计算各类体育设施权重，表示其重要程度的具体步骤如下：先计算第i个用户的第j个指标的比重：
其次计算j指标的信息熵：ej＝-k∑iyijlnyij；其次计算信息熵冗余度dj＝1-ej；最终得出j指标的权重wj:
表1为本发明实际案例研究中通过该方法确立的设施权重；
表1.社区体育健身设施步行适应性权重划分整体人群(a),老年群体(b),儿童群体(c).
具体的，在本发明实际案例研究中，上述步骤S4包括:
步骤4.1：基于居民步行出行时的流动性和设施的功能差异，采用容忍时间法来确定各类设施的衰减函数。考虑到现实生活中居民可接受出行时间阈值受到出行目的和情绪等因素影响，其出行意愿并非在类似于第15分钟这样一个准确的时刻下降为0，因而我们将15分钟这一时间点作为参考值而非临界值，选取30分钟作为步行出行时间上限，步行时间分为三个时间段：<5分钟，5-10分钟,10-15分钟和15-30分钟；
步骤4.2：衰变率R(t)计算方式如下。此外，考虑到诸如游泳池等高质量设施代表了人们对高质量生活的追求，我们假设在更远的距离上，该类设施依然能够吸引人们使用他们。因此我们测算游泳馆的衰减函数，其衰减速率更慢。总体而言，不同群体在花费的时间抵达设施的意愿上都具有相同的衰减现象,其中可视化结果见图4；
具体的，在本发明实际案例研究中，上述步骤S5包括:
步骤5.1：通过使用ESRI ArcGIS软件包(版本10.8.1)中的网络分析扩展模块，测量了研究区内各类体育设施的供给状况。首先，将每个住宅小区作为起点，计算其到达最近的不同功能设施所花费的时间。因此，即使是相邻住宅小区的居民，他们出行相同时间所能获得的公共体育服务设施也不一定相同。其次，居民出行范围不是简单的欧式距离划分，而是基于路网距离，更能真实反映居民的实际活动范围。参照15分钟社区生活圈概念，将出行方式设置为步行，出行速度5km/h，当出现搜索范围内不存在一类体育设施时，则返回到达时间为一极大值常数，以研究相同出行时间下不同社区获取公共体育服务设施的差异；
步骤5.2：在得到初始评估分数之后，我们将分数通过归一化转换为0-100的量表。通过对照量表得出，较高的分数代表着该社区在步行出行方式下能够获得更好的体育健身资源，量表见表2，社区体育健身设施步行适应性得分可视化见图4；
表2.社区体育健身设施步行适应性评分等级
具体的，在本发明实际案例研究中，上述步骤S6包括:
步骤6.1：在ArcGIS软件空间关联分析模块中，通过使用基于最近邻距离的空间权重矩阵，计算二元局部Moran’s I指数，得到某个社区内居民群体的比例与相应的社区体育健身设施步行适应性得分之间的相关性；基于分析结果得到的四类局部空间正相关与异常值，分别是：高-高集群、低-低集群、高-低集群、低-高集群，并依据结果分析社区15分钟步行范围内的空间关联模式，其空间聚类可视化结果见图4；
由图4可知，对于整个人口而言，非常适宜步行出行锻炼的社区(体育锻炼环境分数>90)覆盖了中心城区大部分区域并向近郊区延伸，远郊区呈现出体育设施资源集中在郊区中心，周围社区的体育锻炼环境评分较低(环境分数≤24)，不具备通过步行出行的方式进行多种体育锻炼的条件。对于锻炼欲望更强烈的高LTPA人群而言，他们对于中心城区的体育锻炼环境感知更加明显，具有较好的锻炼环境(环境分数≥90)社区的数量小于整体人群认定的范围，主要集中在中心城区内部和郊区中心。非步行社区(环境分数≤24)分散在中心城区以外的地区。
儿童群体结果与老年群体呈现相似的模式，即，中心城区的社区体育锻炼环境得分要高于郊区，但对郊区的社区体育锻炼环境评价普遍要低于老年人群，这也表现出了儿童群体相较于老年群体，对于通过步行方式前往体育锻炼设施的容忍度更低。
步骤6.2：运用空间回归模型测度社区中各居民群体与街区体育健身设施步行适应性得分之间的关联，空间回归模型中包括空间滞后模型与空间误差模型，其参数通过最大似然算法求解；Y＝Xβ+ρWY+ε，Y＝Xβ+μ,μ＝ρWμ+ε。其中，Y为响应变量，X为解释变量，β为解释变量的回归系数，ρ为空间自回归系数，WY和Wu构成空间权重矩阵，ε为误差项，其模型求解结果见表3。
表3.各年龄组社区体育健身步行适应性得分与人口统计学的关系(N＝9428)
双变量聚类分析结果如图4所示。由图可知“高-高”聚类主要集中于处于中心城区的徐汇区，作为郊区的闵行区和奉贤区存在大量的“低-低”聚类和“低-高”聚类，社区体育健身资源供给相对不足，空间不平等现象严重，需要紧急投资建设相关设施来提升社区的步行适应性。
Claims (7)
1.一种社区体育健身设施步行适应性的评价方法，其特征在于，包括：
步骤S1，获取体育设施种类、等级、空间位置，居住小区人口数与空间位置，路网，行政区划等数据；
步骤S2，通过发放纸质问卷的方式获取研究区内居民的健康状况、运动行为和出行意愿等关于各类体育设施的主观评分等信息，并通过统计检验证明数据有效性
步骤S3，采用熵值法确定各类设施在居民体育锻炼行为中的权重；
步骤S4，采用容忍时间法来确定各类设施的衰减函数，使用高斯函数对问卷中出行意愿数据进行建模并优化参数；
步骤S5，将现有的空间数据导入ArcGIS软件中，通过网络分析模块求解每个居民点到达最近的每一类体育健身设施所花费的路网出行时间，引入衰减函数与不同设施的权重计算初始单项总分并赋权，计算总分；
步骤S6，基于Moran′s I指数，将社区不行的粉与各群体人口密度进行关联分析，得到区域内体育健身资源供给与各剧名群体间的匹配关系。
2.根据权利要求1所述的一种社区体育健身设施步行适应性的评价方法，其特征在于步骤S1，包括：
步骤1.1：体育设施数据包括基础设施点数据和POI数据，本方法依据《上海市15分钟社区生活圈规划导则》对体育设施数据进行分类，并计算各类型体育健身设施可达性。基础设施点数据来自上海市公共数据开放平台，POI数据通过高德地图API接口获取，体育设施划分为两个等级五个种类，分别是基础保障类(包括综合健身馆、游泳馆、运动场(足球场、篮球场、网球场、羽毛球场等))，品质提升类(包括室内健身点、室外健身点)；
步骤1.2：通过基于R的数据挖掘程序在房屋交易网站爬取数据，获取住宅小区的信息，包括地理位置数据、小区户数，并结合人口统计数据获得每个住宅小区的总人数，各年龄群体人数占比，将各年龄群体数量Moran′s I空间指数聚类的需求量
步骤1.3：通过OSM平台获取评价区域路网数据，行政区划数据，用于计算道路网络出行时间。
3.根据权利要求1所述的一种社区体育健身设施步行适应性的评价方法，其特征在于，步骤S2，包括：
步骤2.1：在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)。在问卷中，受访者自我报告了他们使用各类设施进行体育锻炼的频率(例如，在居民健身点、球类运动场地或综合健身房等)并以此选取了下列选项之一：1)从不(1分)，2)每周锻炼一次(2分)，3)每周锻炼1-2次(3分)，4)每周锻炼3-4次(4分)，5)每周锻炼5次或以上(5分)；
步骤2.2：受访者还根据Likert量表评估了他们对居住环境中各类体育设施重要程度的认知，该项评估由四个问题组成：您认为XX设施(例如，居民健身点、球类运动场地、综合健身馆或游泳池)对于您的体育锻炼起到了什么作用？从选项中选择1)不重要，2)不太重要，3)一定程度上重要，4)比较重要，5)重要；
步骤2.3：将数据导入至SPSS 22.0软件中，选择p检验方法进行样本有效性检验。
4.根据权利要求1所述的一种社区体育健身设施步行适应性的评价方法，其特征在于，步骤S3，包括：
步骤3.1：首先采用临界值法对受访者评估各类体育设施重要程度的Likert量表原始数据进行标准化处理，具体处理方法如式(1)所示：
其中，i(i＝1,2,...,m)表示受访者编号；j(j＝1,2,...,n)表示各个指标；max(xj)与min(xj)分别表示j指标的最大值和最小值；
步骤3.2：采用熵权法来计算各类体育设施权重，表示其重要程度的具体步骤如下：
先计算第i个用户的第j个指标的比重：
其次计算j指标的信息熵：
ej＝-k∑iyijlnyij
其次计算信息熵冗余度：
dj＝1-ej
最终得出j指标的权重wj:
5.根据权利要求1所述的街区体育健身设施步行适应性与空间匹配关系的评价方法，其特征在于，步骤S4，包括：
步骤4.1：基于居民步行出行时的流动性和设施的功能差异，采用容忍时间法来确定各类设施的衰减函数。考虑到现实生活中居民可接受出行时间阈值受到出行目的和情绪等因素影响，其出行意愿并非在类似于第15分钟这样一个准确的时刻下降为0，因而我们将15分钟这一时间点作为参考值而非临界值，选取30分钟作为步行出行时间上限，步行时间分为四个时间段：<5分钟，5-10分钟,10-15分钟和15-30分钟；
步骤4.2：衰变率R(t)计算方式如下。此外，考虑到诸如游泳池等高质量设施代表了人们对高质量生活的追求，我们假设在更远的距离上，该类设施依然能够吸引人们使用他们。因此我们测算游泳馆的衰减函数，其衰减速率更慢。总体而言，不同群体在花费的时间抵达设施的意愿上都具有相同的衰减现象；
其中y0,a,b,和c是实常数，期望值μ＝b,b＝5,方差σ＝c2。
6.根据权利要求1所述的一种社区体育健身设施步行适应性的评价方法，其特征在于，步骤S5，包括：
步骤5.1：通过使用ESRI ArcGIS软件包(版本10.8.1)中的网络分析扩展模块，测量了研究区内各类体育设施的供给状况。首先，将每个住宅小区作为起点，计算其到达最近的不同功能设施所花费的时间。因此，即使是相邻住宅小区的居民，他们出行相同时间所能获得的公共体育服务设施也不一定相同。其次，居民出行范围不是简单的欧式距离划分，而是基于路网距离，更能真实反映居民的实际活动范围。参照15分钟社区生活圈概念，将出行方式设置为步行，出行速度5km/h，当出现搜索范围内不存在一类体育设施时，则返回到达时间为一极大值常数，以研究相同出行时间下不同社区获取公共体育服务设施的差异；
步骤5.2：在得到初始评估分数之后，我们将分数通过归一化转换为0-100的量表。通过对照量表得出，较高的分数代表着该社区在步行出行方式下能够获得更好的体育健身资源。
7.如权利要求1所述的一种社区体育健身设施步行适应性的评价方法，其特征在于，步骤S6，包括：
步骤6.1：在ArcGIS软件空间关联分析模块中，通过使用基于最近邻距离的空间权重矩阵，计算二元局部Moran’s I指数，得到某个社区内居民群体的比例与相应的社区体育健身设施步行适应性得分之间的相关性；基于分析结果得到的四类局部空间正相关与异常值，分别是：高-高集群、低-低集群、高-低集群、低-高集群，并依据结果分析社区15分钟步行范围内的空间关联模式；
步骤6.2：运用空间回归模型测度社区中各居民群体与街区体育健身设施步行适应性得分之间的关联，空间回归模型中包括空间滞后模型与空间误差模型，其参数通过最大似然算法求解；
Y＝Xβ+ρWY+ε(7)
Y＝Xβ+μ,μ＝ρWμ+ε(8)
其中，Y为响应变量，X为解释变量，β为解释变量的回归系数，ρ为空间自回归系数，WY和Wu构成空间权重矩阵，ε为误差项。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211283876.2A CN115630129A (zh) | 2022-10-20 | 2022-10-20 | 一种社区体育健身设施步行适应性的评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211283876.2A CN115630129A (zh) | 2022-10-20 | 2022-10-20 | 一种社区体育健身设施步行适应性的评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115630129A true CN115630129A (zh) | 2023-01-20 |
Family
ID=84907275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211283876.2A Withdrawn CN115630129A (zh) | 2022-10-20 | 2022-10-20 | 一种社区体育健身设施步行适应性的评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115630129A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115881310A (zh) * | 2023-02-17 | 2023-03-31 | 中国建筑设计研究院有限公司 | 一种基于多主体的社区空间防控呼吸道疾病传播方法 |
| CN116936050A (zh) * | 2023-07-19 | 2023-10-24 | 青岛理工大学 | 一种养老设施声环境健康效益测度及优化方法 |
| CN117521901A (zh) * | 2023-11-15 | 2024-02-06 | 广东红旗体育用品有限公司 | 运动场所运动健身数据统计分析系统及方法 |
-
2022
- 2022-10-20 CN CN202211283876.2A patent/CN115630129A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115881310A (zh) * | 2023-02-17 | 2023-03-31 | 中国建筑设计研究院有限公司 | 一种基于多主体的社区空间防控呼吸道疾病传播方法 |
| CN115881310B (zh) * | 2023-02-17 | 2023-05-19 | 中国建筑设计研究院有限公司 | 一种基于多主体的社区空间防控呼吸道疾病传播方法 |
| CN116936050A (zh) * | 2023-07-19 | 2023-10-24 | 青岛理工大学 | 一种养老设施声环境健康效益测度及优化方法 |
| CN116936050B (zh) * | 2023-07-19 | 2024-05-31 | 青岛理工大学 | 一种养老设施声环境健康效益测度及优化方法 |
| CN117521901A (zh) * | 2023-11-15 | 2024-02-06 | 广东红旗体育用品有限公司 | 运动场所运动健身数据统计分析系统及方法 |
| CN117521901B (zh) * | 2023-11-15 | 2024-05-31 | 广东红旗体育用品有限公司 | 运动场所运动健身数据统计分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xing et al. | An environmental justice study on spatial access to parks for youth by using an improved 2SFCA method in Wuhan, China | |
| CN115630129A (zh) | 一种社区体育健身设施步行适应性的评价方法 | |
| Schindler et al. | How far do people travel to use urban green space? A comparison of three European cities | |
| Rekha et al. | Accessibility analysis of health care facility using geospatial techniques | |
| Roux et al. | Availability of recreational resources and physical activity in adults | |
| CN106097222A (zh) | 顾及用户特征的公共设施空间可达性分析方法及装置 | |
| CN113239316A (zh) | 一种顾及人群消费特征的城市商服设施布局合理性评价方法及系统 | |
| Knap et al. | A composite X-minute city cycling accessibility metric and its role in assessing spatial and socioeconomic inequalities–A case study in Utrecht, the Netherlands | |
| CN109360018A (zh) | 一种基于人工神经网络的模糊宗地地价评估方法 | |
| Ownbey et al. | The effect of location variables on the gross rents of neighborhood shopping centers | |
| Hu et al. | Using Wi-Fi probe and location data to analyze the human distribution characteristics of green spaces: A case study of the Yanfu Greenland Park, China | |
| CN106021290A (zh) | 一种基于多尺度地理信息的社交网络关联挖掘方法 | |
| CN116502837B (zh) | 一种基于大数据的体育设施配置方法、装置及储存介质 | |
| Xiao et al. | Spatial accessibility to sports facilities in Dongguan, China: A multi-preference gaussian two-step floating catchment area method | |
| Xing et al. | Evaluating the accessibility and equity of urban health resources based on multi-source big data in high-density city | |
| Tiran et al. | Modelling walking accessibility: A case study of Ljubljana, Slovenia | |
| CN114154880A (zh) | 一种评价街道单元层面公共服务设施步行可达性的方法 | |
| CN111288994B (zh) | 一种基于单位距离步行舒适度的城市步行路径规划方法 | |
| CN111401683A (zh) | 古村落传统性的测算方法及装置 | |
| CN108133296B (zh) | 基于活动的社交网络下的一种结合环境数据的活动出席预测方法 | |
| TWI744299B (zh) | 不動產估價用途的交易標的價格估算方法 | |
| CN116307857A (zh) | 一种基于遥感图像场景理解的建成区环境评价方法 | |
| Mitra et al. | Issues in upward mobility: Study based on longitudinal data from Delhi slums | |
| CN115146990A (zh) | 一种集成多源地理大数据的城市活力定量评价方法 | |
| CN108229751B (zh) | 一种基于家长接送空间模式的接送行为预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230120 |
|
| WW01 | Invention patent application withdrawn after publication |