“…快速城市化背景下,城市居民高度依赖 机动交通出行和久坐办公的生活方式导致体 力活动水平大幅下降 [1][2] 。缺乏体力活动加剧 了肥胖、心血管疾病等慢性疾病的发生,并 已成为全球十大死亡风险因素 [3] 。户外慢跑作 为简单、绿色的有氧体力活动,是降低慢性 疾病发生风险、提升公共健康水平的重要方 式之一 [1] 。慢跑不仅是一种增强体质、拓宽社 交 [4][5] 的户外健身休闲活动,在西方国家还是 一种通勤交通方式 [6] 。通过城市空间优化的主 动式环境干预,建立支持或促进户外慢跑的 人居环境,是解决体力活动不足的有效路径 [1,3] 。 而厘清城市建成环境与慢跑活动之间的关联 关系,是达成上述目标的前提。 户外慢跑作为与城市公共空间紧密关联 的体力活动,主要发生在公园、体育场、街 道等场所 [7][8] 。基于"建成环境-体力活动-健康 效应"的关系认知 [8][9] ,探究城市建成环境与 慢跑行为的关联关系,已成为地理学、城市 规划、行为学等多学科的研究热点 [9][10][11] 。依据 分析数据的差异,相关工作可归纳为基于"小 数据"和基于"大数据"两大类 [5,10] 。 基 于" 小 数 据 " 的 研 究 多 通 过 调 查 问 卷、出行日志、观察访谈等方式在小范围内 收集慢跑行为数据 [12][13] 。例如,已有研究基 于 调 查 问 卷 数 据, 发 现 街 道 光 线 不 会 影 响 慢跑频率 [12] ,具有吸引力的邻里建成环境则 会促进女性的慢跑活动 [13] 。尽管传统"小数 据" 的 方 法 具 有 结 构 化 、 属 性 信 息 完 整 等 优势,但存在成本高、样本量小等问题,限 制了研究结论的普适性,且难以在城市大尺 度上揭示慢跑活动的时空分异,制约了实际 效用 [5,10] 。 随着信息技术的发展和志愿者地理信息 ( volunteered geographic information) 的 出 现 , 基于"大数据"的研究不断涌现 [14][15][16] 。相关研 究利用App追踪软件(如Strava、益动Edooon、 咕咚)、运动门户网站(如两步路户外网) 记录的行为轨迹来测度行为特征 [5][6][7][8] ;利用众 源地理信息 [17] 如街景图片、遥感影像等来量 化环境特征与质量 [5][6][7][8][18][19] 。基于测度结果,采 用线性回归 [8][9] 、空间统计 [10] 、机器学习 [6] 等模 型探究建成环境对于户外慢跑行为的线性和 非线性影响…”