【建成环境与老龄健康的相关研究文献综述9000字】

文献综述建成环境与老龄健康的相关研究文献综述目录TOC\o"1-3"\h\u17908建成环境与老龄健康的相关研究文献综述 1105861.1建成环境影响老龄健康的要素 19641.2建成环境影响老龄健康的路径 4182061.3建成环境影响老龄健康的研究方法 692091.4建成环境与健康要素的测度工具 731904参考文献 101.1建成环境影响老龄健康的要素（1）密度“密度”通常反映了一定区域内居民的活动量，一般用人口密度、就业密度或建筑密度来表征。提高密度往往会对居民的健康产生影响。一方面，在北美国家，高密度的社区可以为居民提供一个较高的体力活动环境，高密度意味着居民的工作和生活都处在一个配套服务密集的区域，使得居民与设施的距离更近，可以有效减少居民使用小汽车，增加步行或自行车出行的时间，进而提高居民的体力活动，降低慢性病的发病风险、增加主观幸福感（Ewingetal.，2014；Sallisetal.，2016；Elinsketal.，2021）。另一方面，研究发现社区密度的增加不利于居民的健康。高密度的社区环境虽然会引导居民选择积极的交通方式，但可能会增加居民在主动交通过程中受伤的风险（Schepersetal.，2015），更长的出行时间也会增加污染暴露和噪音暴露（BigazziandFigliozzi，2014），增加心血管疾病、糖尿病、超重等患病风险（WHO，2010；罗勇，2010）。对伦敦的研究发现，通过增加密度促进体力活动带来的健康效益可能会被空气污染暴露带来的负面作用所抵消（Sinharayetal.,2018）。也有研究发现在高密度的环境下，密度的增加会减少居民的户外活动空间，影响居民之间的交往，增加环境压力，导致主观幸福感水平的降低（Dempsey，2008；Morrisonetal.,2017；Mouratidis，2019）。也有研究的结果表明密度与居民健康不存在相关性（Freedmanetal.，2008），可能因为健康受客观的建成环境影响更多（Zhangetal.，2019）。（2）多样性“多样性”通常反映了一定区域内不同土地利用类型和设施空间分布的总体情况，满足居民不同的活动需求，一般用土地利用多样性来表征。大部分研究认为提高社区的土地利用多样性能够促进居民的身心健康。较高的土地利用混合度可以为居民提供方便的公共服务和休闲娱乐活动，增加居民的外出体力活动和社会交往活动，有利于降低慢性病患病风险、提高心理健康水平（Rouxetal.，2016；邱婴芝等，2019）；同时生活在多样性的社区中心，居民日常的需求更容易被满足，进一步提高居民对于社区的心理依赖，有助于融洽的社区氛围的形成，增加主观幸福感和生活满意度（Ottonietal.，2016）；此外，混合度高的土地利用方式还有利于实现居民生活所需的各类服务与居住地相匹配，减少远距离交通发生量，也会减少机动车的出行，促进慢行交通方式的选择，有益于身心健康（Duncanetal.，2010；Inoueetal.，2010）。也有少量研究认为多样化的土地利用方式会降低居民健康水平。Sarkaretal.（2013）的研究发现混合的土地利用方式会增加BMI值，这可能与研究地区的土地利用混合程度处于偏低的状态有关。也有研究指出居住在混合土地社区中的居民，邻里之间的互动频率更低，导致社区凝聚力降低，不利于居民的身心健康（Woodetal.，2010；Hamanoetal.，2010）。同时，也有研究发现土地利用混合与居民健康无相关关系（Michaeletal.，2014；Gaoetal.，2016），这可能是因为土地利用多样性对健康的促进和损害作用相互抵消导致的。（3）设计此处的“设计”通常反映了一定区域内的街道网络特征和道路环境，而非建筑的设计。街道网络特征一般用道路网密度、交叉口密度、道路宽度、道路行驶速度等来表征，道路环境主要针对行人和骑行环境，包括人行道宽度、自行车道比例、街道照明、街道绿化、信号灯控制、路边停车等。高品质的街道设计意味着更高水平的紧凑型和连通性，有利于促进居民的健康水平。适当水平的街道连通性可以通过改善老年人的步行能力，增加体力活动和社会交往活动，进而促进心理健康、降低糖尿病、高血压和心脏病的患病率（SaelensandHandy，2008；Berkeetal.，2007；Vanetal.，2012；Hirschetal.，2013；Sarkaretal.，2015）。高度的街道网络紧凑性还可以减少严重的交通事故发生概率，对加州的研究指出将交叉口个数从每平方英里144个增加到324个，预计严重交通事故减少40%，致命交通事故会减少70%以上，因为高街道连通性会降低车速，增加步行环境的安全性（Marshalletal.，2014）。同时高品质的道路环境，如拥有良好的街道照明和绿化会增加居民的休闲性步行行为，也会改善身心健康（Leeetal.，2007）。也有少量研究认为较高的街道连通性会损害居民健康。Negron-Pobleteetal.（2016）认为过高的街连通性可能会加剧交通噪音污染暴露的风险，并且增加道路环境的不安全性，会对老年人造成环境压力，损害心理健康。也有研究指出路网密度的增加不利于呼吸系统健康，因为其引发了居民住所周边新的交通量（王兰等，2018）。同时也有研究表明街道设计与居民健康无相关关系（Michaeletal.，2014；VanDycketal.，2011），这可能是因为街道连通性对健康的影响可能存在倒U型效应（Guoetal.，2021）。（4）目的地可达性“目的地可达性”通常反映了一定区域内到达目的地的便捷程度，包括距离可达性和时间可达性。一般用到达某一目的地的最近距离和缓冲区内可到达的同种目的性的数量来表征。对于目的地可达性与居民健康关系，大多数研究结果较为一致，社区周边各类设施的可用性和可达性的增加与居民更高的健康水平相关（Li，2015；Liu，2007；StoeckelandLitwin，2015）。各类商业设施可达性的增加可以提供便利的购物环境，如通过提供健康的饮食环境促进健康（Larsonetal.，2009）。居住在提供更多休闲和文化娱乐服务设施社区的老年人会增加公共场所的访问频率，拥有更多进行体力活动和社交活动的机会，这可以增强他们的社交网络、社会凝聚力和安全感知等（CornwellandWaite，2009；Crammetal.，2013），进而改善身心健康（McCormacketal.，2010；Adamsetal.，2011）。到达社区医疗设施越便捷，如医院、社区卫生服务中心和药房等地点，意味着居民可以更方便的享受公共卫生服务，及时去医院进行诊疗，可能会直接改善健康（Hiscocketal.，2008；Zulianetal.，2011；BiswasandKabir，2017）。但也有研究指出社区附近拥有过多的医疗设施可能会对老年人的情绪产生负面影响，过多的医院、诊所会导致老年人产生更多的压力和焦虑（Corrigan，2004；Guoetal.，2021）。而社区附近有较多的娱乐设施和非日常消费设施也会降低老年人的主观幸福感（黄瓴和牟燕川，2020）。（5）公共交通临近性“公共交通临近性”通常是指到达最近的公共交通站点的距离，反映居民乘坐公共交通的便捷程度，一般用到达最近公交站/地铁站距离，或缓冲区内公交站/地铁站点的密度来表征。一般而言，较高的公共交通临近性有利于居民健康。社区附近有便捷的公共交通站点，可以增加居民使用公共交通的机会，有助于增加往返公共交通站点的步行活动，研究表明步行到公交站点的行为可以更好的满足每周150分钟的体力活动量（Wasfietal.，2013），促进和保持积极的生活方式，降低慢性病的患病风险（Nieuwenhuijsen，2018），改善整体的健康状况（Freelandetal.，2013；Zhangetal.，2019；Crottietal.，2020）。而靠近公共交通站点也有利于居民减少小汽车的使用，减少交通事故发生概率，改善城市空气质量、减少噪音污染，增加居民的主观幸福感（Martinetal.，2014；SoniandSoni,2016）。附近有更多的公共交通站点会更容易满足居民的各种出行需求（Sallisetal.，2016），维持社会联系和社区参与（Brownetal.，2018；Wongetal.，2018），减少孤独感（Litman,2010），进而促进心理健康（Eibichetal.，2016；ZhangandZhang，2017）。但也有研究指出临近公共交通对居民健康无显著影响或有负面影响。便捷的公共交通设施能够增加居民的步行活动，但并未发现其对慢性病的改善作用（Barretal.，2016；Brownetal.，2019）。同时在短距离的出行中，使用公共交通还有可能会替代原本骑行和步行出行的行为，导致健康效益减少（ErmagunandLevinson，2017）。（6）三维环境感知应用较为广泛的5D模型聚焦于建成环境的平面维度指标，一般采用传统的测度方法获得。而人日常生活的社区环境是三维空间的，人体对建成环境在三维视角上的感知对其行为活动也会产生重要的影响，街景影像和机器学习等新技术新方法为获取三维视角的建成环境测度提供了高效的平台。目前有大量研究通过街景影像构建了街道环境的指标体系，研究人员可以从街景照片中识别并提取各种环境因素，构建包括建筑、绿化、天空可视率等指标（张昊和尹力，2020；Guetal.，2018；Chengetal.，2017），但尝试在三维视角上对建成环境与健康的关联进行探索的研究较少。目前相关研究关注较多的是绿化可视率，即在眼睛水平的街景照片中代表的植被像素比例，已被用于与居民体力活动和健康结果相关的实证研究中（(Lu,2019;Yangetal.,2019）。荷兰的一项研究发现，街道上的绿化可视率与其对老年人的吸引力有正相关关系（Borstetal.,2008）。李智轩等（2020）发现绿视率可以促进居民产生积极的心理状态，高绿视率可以代替公园绿地等场所，释放居民的生活远离，带来舒适的心理感受。关于建筑和天空可视率与居民健康的研究较少。1.2建成环境影响老龄健康的路径建成环境对公共健康的影响因素众多，理解建成环境与公共健康的关系对促进居民健康有十分积极的意义，在城市规划上可以通过建成环境的设计对居民的健康进主动干预。研究表明，建成环境对公共健康的主要的影响路径可以归纳为减少健康暴露风险和促进健康行为活动两个方面（图2.5）。图2.5建成环境影响老龄健康的路径（1）减少健康暴露风险当居民接触相对稳定的建成环境要素时，存在着暴露在有潜在健康风险的环境中，如暴露在严重的空气污染、噪音中。减少健康暴露风险的影响路径是指通过空间干预，减少、消除或者改善具有潜在致病风险的建成环境要素。例如降低空气中污染物浓度、噪音等级，隔离传染源，切断传播途径等。在城市尺度，可以通过调整道路交通组织方式，避免居民过度依赖小汽车出行，减少机动车尾气超标排放，减少居民暴露于空气污染的浓度和时间，保护居民的健康；在社区尺度，通过对用地配置、开发强度和建筑布局等方面的调整，以减少通风死角，降低污染物浓度，减少居民的污染暴露，可以促进公共健康。徐望悦等（2018）通过空间要素比较以及风场、颗粒物扩散模拟，提出与呼吸健康相关的健康社区规划设计优化原则，如较低的建筑密度能够减少社区内部静风区，保障住宅室内形成良好的自然通风等。（2）促进健康行为活动土地的混合利用、街道的高连通性这些建成环境要素特征可以为居民创造多样化的生活功能，有助于促进居民的健康行为活动。促进健康行为活动的影响路径是指通过空间干预引导居民主动进行有益健康的行为活动，包括体力活动和社会交往活动。体力活动促进体力活动是通过建成环境营造安全舒适的锻炼环境和出行环境，致力于提高居民进行体能活动的意向、时间和频率，促进居民进行体力活动，改善居民健康。如土地利用构成、街道连通性、社区可步行性等要素可能会通过促进居民转向慢行交通的出行方式，如增加居民主动步行、骑行等休闲或交通性体力活动的机会，或者通过增加居民外出进行身体锻炼的意愿等来促进体力活动的发生。良好的体力活动水平会降低多种慢性病症的风险，包括心血管疾病、糖尿病、癌症、高血压、肥胖、抑郁症等（Warburton，2006）。大量研究表明，面对日益加剧的老龄化问题，通过健身活动获得健康与快乐是实现健康老龄化的主动应对措施，并且中老年人的健康运动是增进健康、延缓衰老最安全、最有效、最环保的方法之一。社会交往活动促进社会交往是通过建成环境的营造鼓励居民进行社交活动，高品质的建成环境提供了宜人的社会环境，公共开放空间和邻里街道是提供社会交往活动的最佳场所，如娱乐、体育活动资源、社会文化服务等，当居民有更多的户外活动时，他们更有可能与邻居互动，从而加强他们的社会联系（Su等，2017）。社会联系有多种形式，包括交谈、共同活动等，学者普遍认为，积极参与社区活动或与他人进行社会交往的人往往寿命更长，身体和心理都更健康（Maas等，2009；Su等，2016）。1.3建成环境影响老龄健康的研究方法前期相关研究大多数通过回归分析探究建成环境与公共健康的关联，其中多水平模型（MultilevelModel）应用较为广泛。因为样本数据具有分级结构，低水平（层次）的个体健康数据嵌套在高水平（层次）的社区、街道、城市建成环境数据中，多水平模型可以解释不同水平的变量与因变量的关联。但很少有研究能够证明两者之间的因果关系，后期有部分研究开始采用结构方程、通径分析等方法试图探索建成环境对公共健康影响的中介变量（Suetal.，2016；Ouyangetal.，2018），为公共政策的制定提供更加准确的依据。自选择机制（Self-Selection）是探究因果关系时需要考虑的因素。自选择机制的产生源于个体选择居住地的过程，人们可能会基于多种社会经济变量来选择自己的居住地，受到自身的居住偏好、行为态度、饮食习惯、以及对健康的重视程度等（Jamesetal.，2015；张延吉，2019）。例如，有活动意识的人更有可能搬到步行能力强、体力活动多的社区（Berryetal.，2010；Leeetal.，2009），这就导致很难探究参与者的体力活动量和身体健康是由建成环境决定还是受到主观行为偏好的影响。目前有研究通过在回归中纳入居民对居住地选择的偏好、出行及生活方式、健康意识等变量，来对建成环境与健康之间的因果关系和调节机制进行深入探索（Franketal.，2007）。也有研究采用经济计量学中的工具变量法来克服自选择机制，通过识别与内生解释变量相关但与误差项不相关的工具变量来消除内生性（HeresandNiemeier，2011）。此外，既有研究大多数都是横向截面数据，也是难以产生因果推论的原因之一（Alexanderetal.，2013）。横截面的数据集很难观察建成环境在一段时间内对健康结果的累积影响，因为环境对健康的影响可能贯穿在居民的一生中。纵向数据可以为建成环境是否对健康有因果影响提供更稳健的证据，追踪一段时间内建成环境的变化对健康的影响，同时还可以大幅规避自选择问题的干扰。近期还有一些研究采用“自然实验（NaturalExperimentResearch）”法来探索建成环境的变化对健康的影响（Mayneetal.，2015）。许多自然实验的基本假设是，当人们呆在一个地方时间足够长的时候，由于暴露在不断变化的建成环境中（如新的公园、市场的建设），他们的健康状况会发生变化。1.4建成环境与健康要素的测度工具（1）建成环境测度①指标测量空间数据的广泛使用在多个尺度上为建成环境指标与健康的相关研究提供了新的认识,研究人员在概念化地理尺度时，使用了不同的方法。以居民的地理编码地址为中心在周围划定一定距离的缓冲区作为研究区域较为常见，也有以社区、街道、城市的行政边界作为研究区域。在指标测度上，现有的研究使用了客观、主观或混合方法来进行测量。客观的建成环境测度应用较多，这类研究假设居住在同一地区的居民会受到周边环境的类似影响。客观的建成环境指标有不同的来源，如实地调研勘测的数据、统计年鉴的数据、土地利用数据库、遥感图像和其他调查数据（EttemaandSchekkerman，2016）。客观的测量更有可能反应建成环境的实际空间属性，并促进研究成果直接转化为规划实践，但很难对居民在建成环境中的体验、暴露和互动及其如何影响健康行为和结果有一个完整、准确的评估。相对于客观的建成环境属性，居民对建成环境的主观感知和满意度更容易通过影响情绪和健康行为间接作用于居民健康状况。主观的建成环境基于居民对周边环境特征的感知和评价，不同个体对相同的建成环境感知可能存在不同的反应。主观评价的测量方法包括问卷评估、开放式访谈等，以评估受访者对建成环境的感知。其主要缺点是耗时耗力、样本量小。近年来，随着计算机视觉和深度学习技术的发展，结合街景影像（如谷歌、腾讯、百度）提供的大数据，为评估建成环境的主观感知提供了新路径（Wangetal.，2019）。为了克服早期研究仅使用客观或主观建成环境特征的局限性，也有研究同时考虑了客观和主观指标与健康行为或结果之间的联系（EttemaandSchekkerman，2016；Belletal.，2014）。主观评价与客观测量的建成环境指标相结合能够更加准确、有效的探究建成环境对个体健康不同维度影响的相对强度和调节机制。比如在Zandieh等人研究中，混合方法的使用既能识别步行行为的建成环境决定要素，又能理解参与者对环境的感知是如何影响步行行为的（Zandiehetal.，2016）。②深度学习技术的应用近年来，随着计算机视觉技术和深度学习技术的发展，通过对街景影像中的天空、绿化、建筑等要素的识别已经运用到相关研究中（Wangetal.，2019；LiandRatti，2019）。同时，谷歌、腾讯、百度等供应商也提供了街景图像下载的服务，允许用户和研究人员在全球大多数城市的道路上进行虚拟导航（Heetal.，2017；Zhangetal.，2017）。街景图像可以在短时间内进行大规模的收集，并包含大量物质环境要素，可以较好地应用于城市环境研究（Grekousis，2019）。深度学习是机器学习的一个分支，基于一组算法试图通过使用多个处理层对抽象数据进行建模。对于街景影像的处理，传统分割方法仅能提取图像中的浅层次信息，但深度学习类似于人类大脑，可以感知不同层级抽象特征的多层级的网络结构，提高了提取特征信息的能力。卷积神经网络CNN（ConvolutionalNeuralNetworks）、递归神经网络RNN（RecurrentNeuralNetworks）等算法是深度学习技术模型的代表。CNN作为典型的深度神经网络，被大量应用于解决计算机视觉领域的研究问题中。相较于传统语义分割方法，CNN不仅能够学习图像的浅层次特征，又能够学习抽象的深层次特征，在计算机视觉分析方面表现出了很好的效果。语义分割（SemanticSegmentation）基于CNN架构，让计算机根据图像的语义来进行分割，通过对每个像素进行密集的预测、推断标签来实现细粒度的推理，从而使每个像素都被标记为标签类别。Google团队于2014年开始语义分割模型DeepLab，现已发展了四个版本。其中DeepLabV1（Chenetal.，2014）模型的特点是使用了CNN与条件随机场相结合的方法；在DeepLabV1的基础上，DeepLabV2以扩张卷积代替了部分池化层，既增加了感受野，又保留了原有的空间位置信息；DeepLabV3（Chenetal.，2017）在原有模型基础上将ResNet作为骨干网络，又提出了用于整合不同尺度的ASPP结构；DeepLabV3+（Chenetal.，2018）又在之前的模型结构基础上将Xception（Chollet，2017）作为骨干网络，并设计了融合编码网络低层信息的单元。总结而言，当前语义分割精度较好的模型，如PSPNet、DeepLabV3+及DenseASPP（Yangetal.，2018）都强调了图像特征的多尺度融合。（2）健康相关指标测度①指标测量“健康”是指身体、精神和社会方面的完全健康的状态，而不仅仅是没有疾病和疼痛（Huberetal.，2011）。在大多数研究中，健康水平强调的是不同维度的健康结果（如身体质量指数BMI、各类疾病的发病率或死亡率、期望寿命、心理健康、社会健康等），或总体健康水平（如自我评价健康)。健康指标的测度也相对简明，主要包括主观自评健康和客观健康指标。前者一般通过问卷调查的形式，由被调查者汇报所患的各类疾病史、总体健康状况的评价、孤独感的评价等。客观健康指标是通过医院、诊所的数据库客观记录的，一般更为准确真实。总体而言，主观自评获取健康数据的方式操作简便，但因为个人的主观因素影响容易产生误差，客观数据更为精准，但获取难度及成本更高。健康行为活动包括居民的体力活动和社会交往活动，一般来源于问卷调查数据和个体时空行为的活动日志数据。②个体活动行为时空数据的采集近年来，越来越多的研究开始关注微观个体的时空行为研究，特别是居民的日常行为活动，如休闲娱乐活动、购物活动等的活动时间及空间。西方学者在数据的采集和分析方法方面已经研究出相对成熟的技术手段（Broeg，1985；Stopher，1992）。日志调查法（DiarySurvey）作为最有效的方法之一，被大量应用于个体的活动—移动时空数据的采集中（Arentze等，2000），其主要是通过调查问卷的形式，收集居民某一时间段内连续的活动行为信息。日志调查法是由70年代末德国的出行日志调查发展起来的，出行日志调查是通过入户访谈，要求居民回忆某段时间的出行情况，研究人员进行记录收集相关信息（StopherandGreaves，2007）。目前，通过日志调查得到的微观个体行为数据，已逐渐从在交通学科的应用，拓展到城乡规划学、健康地理学、时间地理学等学科领域（柴彦威等，2009；Forsyth等，2007）。日志调查的主要内容是居民在调查日进行的所有与研究相关的活动和出行及其时间、空间的信息，以及居民个体的基本情况，如性别、年龄、收入等社会经济信息。日志调查包括两部分内容，其一为活动信息：活动的起止时间、活动类型、活动地点、活动具体地址等；其二为出行信息：出行的起止时间、出行的地址、出行的交通方式等。除了以上基本信息，本研究重点关注健康行为活动，即体力活动和社会交往活动的信息收集。日志调查的主要方式包括两种：其一为事前发放（Leave-BehindDiary），即被调查者提前知晓研究者需要调查的内容，在一天结束后对自己的活动信息进行记录；其二为事后发放（RecallDiary），在调查者结束活动后，要求其回溯当天发生的所有活动信息（Crosbie，2006）。日志调查手段可以分为两种，其一为传统的调查方式：通过面对面访谈、电话访谈和留置问卷三类方法进行；其二为新型媒介：GPS移动数据、LBS手机数据、网络为调查日志的开展提供了技术支撑，也提高了活动行为时空数据的精细度和准确性。在我国目前的社会背景下，采取入户的方式进行面对面访谈，能够较为高效的获取活动日志信息，电话访谈和留置问卷调查方式的难度较大且回收率较低（柴彦威等，2009）。因此，本研究采取入户的方式，由研究人员对老年人进行访谈，获取老年人回溯的活动日志信息。此外，在活动日志的分析方法上，也开始从简单的统计分析，逐步向模型、模拟、可视化等多元方法转变。对于行为机制的分析，相关学者也开始采用定量模型进行探索。同时，通过生命历程访谈、认知空间调查等质性研究方法也逐步被引入调查分析中，可以更深入的理解个体的行为和决策（柴彦威和陈零极，2005；冯健，2005）。参考文献AdamsKB,LeibbrandtS,MoonH.Acriticalreviewoftheliteratureonsocialandleisureactivityandwellbeinginlaterlife[J].Ageing&Society,2011,31(4):683-712.AidI.Incomesecurity:Whyitmattersforolderpeopleeverywhere.2016.Availableonlinehttps://www.ageaction.ie/sites/default/files/attachments/age_action_income_security_booklet_jan_2016.pdfAlexanderDS,HuberLRB,PiperCR,etal.Theassociationbetweenrecreationalparks,facilitiesandchildhoodobesity:across-sectionalstudyofthe2007NationalSurveyofChildren'sHealth[J].JournalofEpidemiology&CommunityHealth,2013,67(5):427-431.AnS,LeeJ,SohnD.RelationshipbetweenthebuiltenvironmentinthecommunityandindividualhealthinIncheon,Korea[J].JournalofAsianArchitecture&BuildingEngineering,2014,13(1):171-178.AppleyardD,LintellM.Theenvironmentalqualityofcitystreets:theresidents'viewpoint[J].JournaloftheAmericanInstituteofPlanners,1972,38(2):84-101.ArentzeT,TimmermansH,HofmanF,etal.Dataneeds,datacollection,anddataqualityrequirementsofactivity-basedtransportdemandmodels[J].Transportationresearchcircular,2000(E-C008):30p.-30p.ArnadottirSA,GunnarsdottirED,Lundin-OlssonL.AreruralolderIcelanderslessphysicallyactivethanthoselivinginurbanareas?Apopulation-basedstudy[J].Scandinavianjournalofpublichealth,2009,37(4):409-417.BarnettDW,BarnettA,NathanA,etal.Builtenvironmentalcorrelatesofolderadults’totalphysicalactivityandwalking:asystematicreviewandmeta-analysis[J].Internationaljournalofbehavioralnutritionandphysicalactivity,2017,14(1):1-24.BarretoSP.Directandindirectrelationshipsbetweenphysicalactivityandhappinesslevelsamongolderadults:across-sectionalstudy[J].Aging&mentalhealth,2014,18(7):861-868.BartonH,GrantM,GuiseR,etal.Shapingneighbourhoodsforhealth,sustainabilityandvitality[J].ShapingNeighbourhoodsforHealthSustainability&Vitality.2003.BartonH,AHealthMapforUrbanPlannersTowardsaConceptualModelforHealthy,SustainableSettlements[J].Builtenvironment,2005,31(4):p.339-355.BarrA,BentleyR,SimpsonJA,etal.Associationsofpublictransportaccessibilitywithwalking,obesity,metabolicsyndromeanddiabetes[J].JournalofTransport&Health,2016,3(2):141-153.BellJA,HamerM,ShankarA.Gender-specificassociationsofobjectiveandperceivedneighborhoodcharacteristicswithbodymassindexandwaistcircumferenceamongolderadultsintheenglishlongitudinalstudyofageing[J].Americanjournalofpublichealth,2014,104(7):1279-1286.BennettKM,Socialengagementasalongitudinalpredictorofobjectiveandsubjectivehealth[J].EuropeanJournalofAgeing,2005,2(1):48-55.BerkeEM,GottliebL