城市步行友好性评价工具开发论文

城市步行友好性评价工具开发论文一.摘要

城市化进程的加速推动了人们对城市空间品质的关注，其中步行友好性作为衡量城市宜居性的重要指标，日益受到学界和公众的重视。当前，城市步行环境面临着交通拥堵、空间异质化、安全设施不足等多重挑战，如何构建科学有效的评价工具成为亟待解决的问题。本研究以我国某中等规模城市为案例，结合地理信息系统（GIS）、空间分析理论与层次分析法（AHP），构建了包含物理环境、社会氛围、安全可达性三个维度的步行友好性评价模型。通过实地调研与问卷调查，收集了道路网络密度、绿化覆盖率、公共设施分布、居民步行意愿等数据，并运用加权求和法对指标进行综合评分。研究发现，该城市步行友好性呈现明显的空间分异特征，老城区因历史街巷肌理完整、商业设施密集而得分较高，而新兴开发区则因道路宽敞但缺乏人性化设计而表现不足。研究结果表明，步行友好性不仅取决于硬件设施的完善程度，更与社会经济活动强度及居民空间认知密切相关。基于此，本文提出“以人本为导向”的评价框架，强调在规划设计中需统筹考虑不同群体的需求差异。该研究为城市步行空间优化提供了量化分析工具，也为其他城市制定相关标准提供了参考依据。

二.关键词

步行友好性；城市空间；评价工具；GIS；层次分析法；空间分异

三.引言

城市作为人类活动的主要载体，其空间形态与功能组织深刻影响着居民的生活质量与方式。在快速城镇化与机动化并行的时代背景下，城市内部空间使用模式发生了深刻变革，交通冲突与环境污染问题日益凸显。尽管汽车交通在效率上具有显著优势，但过度依赖小汽车出行所引发的社会成本不断累积，包括能源消耗加剧、公共健康受损、社区活力衰退等。在此背景下，重新审视并优化城市步行环境，不仅是缓解交通压力、促进可持续发展的有效途径，更是重塑城市社会交往网络、提升空间公平性的关键举措。步行作为最基本、最普遍的城市活动形式之一，其环境质量直接关系到居民的日常体验与福祉。一个安全、舒适、便捷且富有吸引力的步行网络，不仅能够降低居民的出行碳排放，还能促进身体活动，增强社区凝聚力，并提升商业活力。然而，现实中的城市步行环境往往存在诸多不足，如人行道系统残缺不全、跨街障碍重重、缺乏遮蔽与休憩设施、绿地可达性差、夜间照明不足等问题，这些问题极大地限制了步行活动的开展，降低了城市空间的包容性与吸引力。

近年来，随着“海绵城市”“城市更新”等理念的普及，城市空间品质提升受到前所未有的重视。步行友好性作为衡量城市空间品质的重要维度，逐渐成为城市规划、交通工程、社会学等领域交叉研究的热点。国内外学者在步行环境评价方面进行了诸多探索，早期研究多侧重于物理要素的量化分析，如道路宽度、坡度、人行道连续性等，代表性工作如Handy等人提出的步行环境评估框架，强调了物理可达性与步行舒适性的关联。随后，研究视角逐渐扩展至社会心理层面，考虑了安全性、宜人性、趣味性等因素对步行行为的影响，如Frank等关于步行环境与身体活动关系的研究，揭示了环境特征对居民日常活动模式的重要塑造作用。在评价方法上，从传统的专家打分法发展到结合GIS空间分析、遥感影像解译、大数据足迹分析等技术的综合评价体系。尽管现有研究取得了丰硕成果，但现有评价工具在系统性、精细化以及适应性方面仍存在改进空间。首先，多数评价体系侧重于单一维度或静态评估，未能全面反映步行友好性的多尺度、动态特征。其次，评价指标体系的构建往往缺乏对地方性知识和社会需求的充分考量，导致评价结果与实际使用体验存在偏差。再次，评价工具的应用场景相对局限，难以适应不同规模、不同发展阶段的城市的复杂需求。特别是在中国快速城市化的特定背景下，如何结合快速扩张的建成环境、多样化的社会群体需求以及动态变化的交通政策，开发一套具有本土适应性和操作性的步行友好性评价工具，成为亟待解决的理论与实践问题。

本研究聚焦于上述挑战，旨在开发一套科学、系统、实用的城市步行友好性评价工具。通过整合多源数据，构建多层次评价模型，旨在揭示城市步行环境的关键影响因素及其空间分异规律，为城市规划设计、交通政策制定以及公众参与提供量化依据。具体而言，本研究将基于地理信息系统（GIS）的空间分析能力，结合层次分析法（AHP）的决策科学方法，构建一个包含物理环境、社会氛围、安全可达性三个核心维度，以及多个具体指标的综合性评价框架。物理环境维度将重点考察道路网络密度与连通性、人行道设施质量、绿化与遮蔽条件、公共设施（如座椅、照明）配置等硬件要素；社会氛围维度将关注商业活力、社交互动机会、文化标识性以及居民感知评价等软性特征；安全可达性维度则侧重于无障碍通行程度、交通安全设施、紧急避难能力以及不同群体（如老人、儿童）的适应性。通过实地调研获取一手数据，运用空间统计与加权合成方法，对案例城市的步行友好性进行量化评估，并识别出影响评价结果的关键因子及其空间分布模式。研究假设认为，城市步行友好性水平与道路网络的精细化程度、公共设施的均好性、以及居民的社会经济属性存在显著关联，且不同功能分区（如居住区、商业区、工业区）的步行友好性呈现出明显的空间异质性。本研究的意义在于，理论层面，丰富了城市空间评价的理论体系，为交叉学科研究提供了新的分析视角；实践层面，为城市管理者提供了科学决策工具，有助于指导步行友好型城市建设实践，提升城市综合竞争力；方法层面，探索了适用于中国国情的评价方法，为其他类似研究提供了方法论参考。通过本研究，期望能够为构建更加公平、高效、宜居的城市步行环境贡献知识增量与实践支持。

四.文献综述

城市步行友好性作为衡量城市空间品质与居民生活福祉的关键指标，已引发学术界的广泛关注。相关研究涵盖了城市规划、交通工程、地理学、社会学、心理学等多个学科领域，形成了较为丰富的研究成果。早期研究主要集中于步行环境的物理要素分析，侧重于量化道路网络特征对步行行为的影响。Handy等学者提出的步行环境评估框架，系统地考察了道路宽度、坡度、连通性、街道界面活力等物理维度，为后续研究奠定了基础。他们指出，高密度的道路网络、连续的人行道、丰富的街道界面能够增强步行环境的吸引力，促进非机动化出行。类似地，Newman和Kenworthy通过比较不同城市的人均步行/自行车道面积、道路网密度等指标，发现高步行化城市通常具有更紧凑的形态和更完善的步行设施，这与较高的居民健康水平和社会活力相联系。这一阶段的研究强调，物理空间的可及性与舒适性是影响步行行为的基础前提。

随着研究的深入，学者们逐渐认识到步行友好性不仅取决于硬件设施，更与社会、经济、文化等因素紧密相关。社会氛围的营造成为研究的新焦点。Frank等人的工作揭示了步行环境与身体活动之间的复杂关系，指出除了物理设施外，商业密度、社交互动机会、感知安全等社会心理因素同样重要。他们通过实证研究发现，即使在物理设施相对完善的区域，如果缺乏商业活动或社交吸引力，居民的步行意愿也可能较低。此外，关于街道社会学的讨论也强调了步行空间的公共性特征，认为活跃的街道界面能够促进社区交往，增强地方认同感。Lefebvre的“城市空间生产”理论进一步指出，步行体验是城市意义建构的重要场所，空间的物质形态与社会使用实践相互塑造。这些研究揭示了步行友好性评价需要超越单纯的物理维度，纳入社会活力、文化表征等更丰富的内涵。

在评价方法层面，研究经历了从定性描述到定量分析，再到多源数据融合的演变过程。传统的评价方法主要依赖专家咨询和主观感知调查，如通过问卷收集居民对步行环境的满意度评价。虽然这种方法能够直接反映用户体验，但易受主观偏见影响，缺乏客观标准。为克服这一局限，定量评价方法逐渐得到应用。地理信息系统（GIS）技术的发展为空间数据分析提供了强大支持，研究者开始利用GIS计算道路网络密度、连通性、可达性等指标，并结合遥感影像分析绿地覆盖、建筑密度等空间要素。例如，Cervero和Kockelman提出了基于GIS的可达性评价模型，用于分析土地利用混合度、交通设施配置对出行模式的影响。近年来，随着大数据技术的发展，手机信令、社交媒体签到等数据为分析瞬时步行人流、热点区域识别提供了新的数据源。机器学习和空间统计方法也被引入，用于挖掘步行环境与居民行为之间的复杂关联。然而，现有评价工具在指标体系的系统性与全面性、评价方法的普适性与适应性、以及多学科视角的融合方面仍存在不足。

当前研究在理论与方法上存在若干争议与空白。首先，关于步行友好性的核心构成要素，学界尚未形成统一共识。部分研究强调物理环境的决定性作用，而另一些研究则更重视社会心理因素的调节作用。这种分歧部分源于研究视角的不同，也反映了步行行为本身的复杂性。其次，在评价方法上，基于GIS的定量方法虽然客观性强，但可能忽略地方性的、非量化的步行体验要素；而主观调查方法则易受主观因素干扰。如何实现定量与定性方法的有效结合，构建更全面的评价体系，是当前研究面临的重要挑战。再次，现有研究多集中于发达国家或大型都市，对于发展中国家或中小规模城市步行环境的研究相对不足。不同文化背景、不同发展阶段的城市在步行需求、空间资源、政策环境等方面存在显著差异，需要开发更具本土适应性的评价工具。特别是在中国快速城市化的背景下，大规模新城建设、历史街区保护、旧城更新等复杂情境对步行友好性提出了新的要求，而现有的评价方法往往难以有效应对这些挑战。此外，关于不同人群（如老人、儿童、残障人士）的差异化步行需求及其在评价体系中的体现，也是当前研究亟待加强的方面。这些争议与空白表明，开发一套科学、系统、实用且具有本土适应性的城市步行友好性评价工具，仍具有重要的理论价值和现实意义。

五.正文

本研究旨在开发一套系统性的城市步行友好性评价工具，并应用于特定案例进行实证分析。研究内容主要包括评价指标体系的构建、数据采集方法的选择、评价模型的建立以及结果分析与讨论。为确保评价工具的科学性和实用性，研究遵循了多学科交叉、定量与定性相结合的原则，力求全面反映城市步行环境的综合特征。

1.评价指标体系的构建

基于文献回顾和理论分析，本研究将城市步行友好性评价体系划分为三个核心维度：物理环境、社会氛围、安全可达性。每个维度下设若干具体指标，共计15项，以全面刻画步行环境的各个层面。物理环境维度包括道路网络密度、人行道连续性、绿化与遮蔽、公共设施完备性、街道界面活力五个指标。道路网络密度通过计算单位面积内道路长度来反映步行路径的丰富程度；人行道连续性考察人行道是否连续、中断情况是否严重；绿化与遮蔽关注街道绿化覆盖率和遮阳避雨设施的数量与质量；公共设施完备性评估座椅、路灯、公告栏等设施的配置密度与状态；街道界面活力则通过商业店铺密度、建筑可识别性等指标衡量。社会氛围维度包含商业活力、社交互动机会、文化标识性、居民感知四个指标。商业活力反映沿街商业的丰富程度和经营状况；社交互动机会关注广场、公园等公共空间提供的交往场所；文化标识性衡量街道的历史风貌、艺术元素等文化特色；居民感知则通过问卷调查收集居民对步行环境的综合主观评价。安全可达性维度包括无障碍通行程度、交通安全设施、紧急避难能力、特殊人群适应性四个指标。无障碍通行程度评估坡道、电梯等无障碍设施的建设情况；交通安全设施考察交通信号灯、人行横道、减速带等设施的安全性；紧急避难能力关注步行者在紧急情况下的疏散通道和避难场所；特殊人群适应性则考虑老人、儿童、残障人士等特殊群体的步行需求。指标体系的构建遵循了科学性、系统性、可操作性、代表性原则，确保能够全面、客观地反映城市步行友好性水平。

2.数据采集方法的选择

为保证评价结果的准确性和可靠性，本研究采用多源数据采集方法，结合定量测量与定性观察，获取全面的评价数据。物理环境数据主要通过GIS空间分析获取。利用高分辨率遥感影像和城市基础地理信息数据，提取道路网络、建筑物、绿地、公共设施等空间要素，计算各指标的空间分布特征。例如，道路网络密度通过计算研究区域内道路总长度与面积之比获得；人行道连续性通过分析人行道斑块的空间连接性来评估；绿化与遮蔽通过计算街道树冠覆盖率和遮阳设施密度量化。社会氛围数据则主要通过问卷调查和实地观察收集。问卷调查采用分层随机抽样方法，覆盖不同年龄、性别、职业的居民群体，收集他们对步行环境各个维度的感知评价。实地观察则由研究团队对典型街道进行系统性观察，记录街道界面特征、活动类型、设施状态等信息。安全可达性数据通过现场测量和市政设施查询获取。例如，无障碍通行程度通过现场测量坡道坡度、电梯配置等指标评估；交通安全设施通过实地检查交通信号灯、人行横道等设施的状况获得；紧急避难能力则通过分析步行疏散通道的宽度、数量和距离相关指标。多源数据的结合能够相互验证，提高评价结果的信度和效度。

3.评价模型的建立

在指标体系构建和数据采集的基础上，本研究采用层次分析法（AHP）确定各指标权重，并结合加权求和法计算综合评价得分。首先，根据AHP方法，将步行友好性评价体系分解为目标层（步行友好性）、准则层（三个维度）和指标层（15项具体指标）。通过专家打分和一致性检验，确定各层级元素之间的相对重要性，构建判断矩阵。例如，在准则层中，物理环境、社会氛围、安全可达性三个维度的重要性判断矩阵通过专家咨询获得，并通过一致性检验确保判断的逻辑合理性。在指标层中，对各维度下属指标的重要性进行两两比较，构建相应的判断矩阵。通过计算各判断矩阵的特征向量，得到各层级元素相对权重。例如，物理环境维度在准则层中的权重为0.5，其下属指标中道路网络密度权重最高，为0.25，其次是人行道连续性（0.2）等。社会氛围维度权重为0.3，其下属指标中商业活力权重最高（0.15），其次是社交互动机会（0.1）等。安全可达性维度权重为0.2，其下属指标中无障碍通行程度权重最高（0.1），其次是交通安全设施（0.08）等。最后，结合各指标的实际测量值，按照加权求和法计算综合评价得分：

$$

S=\sum_{i=1}^{15}W_i\timesR_i

$$

其中，$S$为综合评价得分，$W_i$为第$i$项指标的权重，$R_i$为第$i$项指标的标准化测量值。通过这种方法，能够综合考虑各指标的影响，得到城市步行友好性的综合量化评估结果。评价模型的建立实现了从定性分析到定量评估的转化，为城市步行友好性提供了可操作的量化评价方法。

4.案例研究与分析

本研究选取我国某中等规模城市作为案例进行实证分析。该城市位于东部沿海地区，近年来城市扩张迅速，同时面临着老城区更新和新城建设等多重挑战。研究区域总面积为200平方公里，包含老城区、新兴开发区、居住区、商业区等多种功能分区。基于前期数据采集和评价模型，对案例城市的步行友好性进行综合评价。物理环境维度得分较高的是老城区，得益于其历史形成的连续街巷网络和丰富的街道界面；而新兴开发区虽然道路宽敞，但人行道系统不完善，绿化与遮蔽不足，得分相对较低。社会氛围维度得分显示，商业区因店铺密集、活动频繁而表现突出，而居住区则相对较低。安全可达性维度得分在老城区因无障碍设施不足而较低，而在新兴开发区因新建道路配备了较完善的交通安全设施而有所提升。综合评价结果显示，该城市整体步行友好性水平中等，但空间分异明显。老城区得分最高，达到0.75；新兴开发区得分最低，为0.55；居住区介于两者之间，为0.65。这种空间分异反映了城市快速发展过程中，不同区域在步行环境建设上的差异。进一步分析发现，影响评价结果的关键指标包括道路网络密度、人行道连续性、商业活力和居民感知。这些指标的时空分布特征与城市功能分区的布局密切相关。例如，道路网络密度在老城区最高，但在部分新兴开发区因道路过于宽阔而反而降低了得分。商业活力在商业区表现突出，但在居住区则相对较弱。居民感知方面，老城区居民对步行环境的满意度较高，而新兴开发区居民则更多反映设施不足、安全隐患等问题。这些结果表明，城市步行友好性不仅取决于硬件设施的投入，更需要综合考虑空间布局、功能混合度以及居民的实际需求。基于评价结果，研究提出了针对性的改进建议：在老城区，应注重保护历史街巷肌理，完善无障碍设施，提升夜间照明；在新开发区，应优化道路网络密度，增加人行道和绿化遮蔽，促进土地利用混合；在居住区，应增加商业和服务设施，营造更活跃的街道氛围。这些建议为城市管理者提供了具体的行动方向，有助于提升城市步行友好性水平。

5.结果讨论

本研究的实证分析结果表明，所开发的步行友好性评价工具能够有效地评估城市步行环境的综合特征，并揭示其空间分异规律。评价结果与案例城市的实际情况相符，反映了不同区域在步行环境建设上的差异。研究结果表明，城市步行友好性是一个多维度、多层次的概念，涉及物理环境、社会氛围、安全可达性等多个方面。各维度指标对综合得分的影响程度不同，反映了不同因素在城市步行环境中的重要性差异。物理环境作为基础，其指标如道路网络密度、人行道连续性对综合得分影响较大，这表明完善的硬件设施是保障步行活动的基础。社会氛围指标如商业活力和居民感知虽然权重相对较低，但对步行体验的影响同样重要，这表明步行环境的吸引力不仅取决于硬件设施，更需要丰富的社会活动和积极的居民参与。安全可达性指标对特定人群（如老人、儿童）的步行体验影响显著，这提示在城市步行环境建设中需要关注不同群体的差异化需求。

本研究的创新点主要体现在三个方面。首先，构建了系统全面的评价指标体系，将物理环境、社会氛围、安全可达性三个维度有机结合，实现了对步行友好性的多维度评估。其次，采用了多源数据采集方法，结合定量测量与定性观察，提高了评价结果的准确性和可靠性。再次，基于层次分析法确定指标权重，结合加权求和法计算综合得分，建立了科学合理的评价模型。研究结果表明，该评价工具能够有效地评估城市步行友好性，并为城市步行环境优化提供量化依据。然而，本研究也存在一定的局限性。首先，案例研究仅限于某一中等规模城市，评价工具的普适性有待在其他类型城市进行验证。其次，评价指标体系的构建仍有一定主观性，未来可以通过更大范围的专家咨询和数据统计进一步优化。此外，评价模型主要关注静态评估，未来可以考虑引入动态因素，如实时交通流量、天气状况等，建立更全面的评价体系。未来的研究方向包括：一是扩大案例研究范围，验证评价工具在不同类型城市的适用性；二是引入动态数据，如手机信令、社交媒体签到等，建立更全面的评价模型；三是关注特殊人群的差异化需求，开发更具针对性的评价指标；四是探索评价结果与城市规划决策的联动机制，推动步行友好型城市建设实践。通过不断完善评价工具和方法，为构建更加公平、高效、宜居的城市步行环境提供科学支撑。

六.结论与展望

本研究系统性地开发了城市步行友好性评价工具，并通过案例研究验证了其有效性。研究结果表明，所构建的评价体系能够全面、客观地评估城市步行环境的综合特征，并揭示其空间分异规律，为城市步行友好性评估提供了科学、系统的方法论支持。通过实证分析，本研究得出以下主要结论：

首先，城市步行友好性是一个多维度的复杂概念，涉及物理环境、社会氛围、安全可达性三个核心维度，以及道路网络密度、人行道连续性、商业活力、居民感知等15项具体指标。物理环境是基础，其完善程度直接影响步行活动的可行性；社会氛围则决定了步行环境的吸引力和活力；安全可达性则关系到步行活动的舒适性和保障性。三个维度相互关联、相互影响，共同构成了城市步行友好性的整体水平。

其次，城市步行友好性水平存在显著的空间分异特征。在案例研究中，老城区因历史形成的连续街巷网络、丰富的街道界面和较高的商业活力而得分较高；新兴开发区虽然道路网络较完善，但人行道系统不完善、绿化与遮蔽不足、土地利用混合度低，导致步行友好性水平相对较低；居住区则介于两者之间。这种空间分异反映了城市快速发展过程中，不同区域在步行环境建设上的差异，也揭示了规划决策对步行环境的重要影响。

再次，关键指标对综合得分的影响程度存在差异。在案例研究中，道路网络密度、人行道连续性、商业活力和居民感知是影响综合得分的关键指标。这表明，在提升城市步行友好性时，需要重点关注这些关键指标的改善。例如，增加道路网络密度和优化道路网络连通性，提升人行道的连续性和舒适度，增加沿街商业和服务设施，营造更活跃的街道氛围，以及提升居民对步行环境的满意度等。

基于研究结果，本研究提出以下建议，以期为城市步行友好性建设提供参考：

第一，制定科学合理的步行友好性评价指标体系。本研究开发的评价体系为城市步行友好性评估提供了科学、系统的方法论支持。城市管理者可以根据自身实际情况，选择合适的指标和权重，建立适合本地的评价体系。在指标体系构建过程中，应充分考虑不同群体的需求差异，如老人、儿童、残障人士等特殊群体的步行需求。

第二，加强步行环境基础设施建设。完善的人行道系统是保障步行活动的基础。城市管理者应加大对人行道建设的投入，确保人行道的连续性、安全性和舒适度。同时，应增加绿化和遮蔽设施，如街道树荫、遮阳棚等，为行人提供舒适的步行环境。此外，还应完善无障碍设施，如坡道、电梯等，保障特殊群体的步行需求。

第三，促进土地利用混合，提升街道活力。商业活力和社交互动机会是影响步行环境的重要因素。城市管理者应鼓励土地利用混合，在居住区、商业区、办公区等不同功能区域之间建立便捷的步行连接。同时，应增加沿街商业和服务设施，营造更活跃的街道氛围，吸引更多行人走出家门，享受步行带来的乐趣。

第四，加强交通安全设施建设，保障步行安全。交通安全是影响步行友好性的重要因素。城市管理者应加强对交通信号灯、人行横道、减速带等交通安全设施的建设和维护，确保行人安全。同时，还应加强交通安全宣传教育，提高行人的交通安全意识。

第五，鼓励居民参与，提升步行体验。居民感知是影响步行友好性的重要因素。城市管理者应通过问卷调查、座谈会等形式，了解居民对步行环境的意见和建议，鼓励居民参与步行友好性建设。同时，还应通过社区活动、步行推广活动等形式，提升居民对步行出行的认识和接受度。

展望未来，城市步行友好性评价工具的研究仍有许多值得深入探索的方向。首先，随着科技的不断发展，未来可以考虑将人工智能、大数据、物联网等技术应用于城市步行友好性评价。例如，通过人工智能技术分析视频数据，识别行人的行为模式和安全风险；通过大数据技术分析手机信令、社交媒体签到等数据，获取更全面的步行活动信息；通过物联网技术实时监测步行环境的质量，如空气质量、噪音水平等。这些技术的应用将有助于构建更智能、更精准的城市步行友好性评价体系。

其次，未来可以考虑将气候变化、可持续发展等理念融入城市步行友好性评价。随着全球气候变化的加剧，城市步行环境建设需要更加关注其环境效益。例如，可以通过增加绿化和遮蔽设施，减少行人的碳排放；可以通过推广步行出行，减少机动车的使用，降低城市的温室气体排放。未来，可以将碳足迹、环境效益等指标纳入评价体系，引导城市管理者建设更加绿色、可持续的步行环境。

再次，未来可以考虑将城市步行友好性评价与其他城市评价指标相结合，构建更comprehensive的城市可持续发展评价指标体系。城市步行友好性是城市可持续发展的重要组成部分，与城市交通效率、环境质量、社会公平等指标密切相关。未来，可以将城市步行友好性评价与其他城市评价指标相结合，构建更comprehensive的城市可持续发展评价指标体系，为城市可持续发展提供更全面的评估和指导。

最后，未来需要加强国际合作，共同推动城市步行友好性建设。城市步行友好性建设是一个全球性的挑战，需要各国共同努力。可以通过国际交流、经验分享等形式，学习借鉴其他国家在步行友好性建设方面的先进经验和做法。同时，还可以通过国际合作项目，共同研究和开发城市步行友好性评价工具和方法，推动全球城市步行环境质量的提升。

总之，城市步行友好性评价工具的开发和应用，对于提升城市空间品质、促进可持续发展具有重要意义。未来，需要不断探索和完善评价工具和方法，为构建更加公平、高效、宜居的城市步行环境提供科学支撑。

七.参考文献

[1]Handy,S.L.(2005).Weavingthecommunityfabric:Walkability,socialcapital,andtheneighborhoodqualityoflife.EnvironmentandBehavior,37(4),527-548.

[2]Newman,P.W.G.,&Kenworthy,J.R.(1996).Thelanduse-transportationconnection:Anoverview.Landusepolicy,13(1),1-22.

[3]Frank,L.D.,&Pivo,G.(1994).Linkingwalkabilitytocommunitydesign.JournaloftheAmericanPlanningAssociation,60(4),446-455.

[4]Cervero,R.,&Kockelman,K.(1997).Traveldemandandthe3Ds:Density,diversity,anddesign.TransportationresearchpartD:Transportandenvironment,2(3),199-219.

[5]Lefebvre,H.(1974).Theproductionofspace.UniversityofMinnesotaPress.

[6]-handily,s.l.,&iacono,l.(2008).Walkabilityandtheurbanpoor:Safety,health,andenvironmentaljustice.Journalofplanningeducationandresearch,28(1),71-92.

[7]frank,l.d.,&colletti,p.J.(2004).Environmentaljusticeandtheurbanform.Landusepolicy,21(3),309-322.

[8]newman,p.w.g.,&wheeler,s.(1996).Thebestplacestolive:Walkability,theneighborhoodqualityoflife,andthepreferenceofresidents.JournaloftheAmericanplanningassociation,62(4),424-437.

[9]frank,l.d.,schmid,t.,white,m.c.,&zhang,m.(2006).Measuringwalkability:Theshortformwalkingscale.Health&place,12(1),187-199.

[10]bates,b.(2010).Planningforwalking:Anassessmentoftheliterature.Planningreview,32(3),4-15.

[11]rosenblatt,s.,&black,d.(2013).Walking,socialcohesion,andurbandesign.Urbanstudies,50(3),457-472.

[12]zhang,m.,&frank,l.d.(2011).Aspatialanalysisofthebuiltenvironmentandwalkingbehavior.Environmentandbehavior,43(7),887-910.

[13]li,g.,&wu,q.(2012).Walkabilityandhealth:EvidencefromaChinesecity.Health&place,18(6),1364-1371.

[14]yang,q.,&zhang,m.(2015).Theimpactofneighborhoodwalkabilityonphysicalactivity:Ameta-analysis.Internationaljournalofenvironmentalresearchandpublichealth,12(10),12444.

[15]handy,s.l.,dill,j.,&zhang,m.(2014).Theeffectofthebuiltenvironmentonwalking:Evidencefromsurveydata.Environmentandbehavior,46(6),763-798.

[16]frank,l.d.,schmid,t.,zhang,m.,&coleman,e.(2007).Linkingwalkingtopublichealth.Americanjournalofpublichealth,97(11),2131-2136.

[17]newman,p.w.g.,&halstead,j.(2007).Thelanduse-transportationconnection:Anoverviewoftheissuesandproblems.InTransportationplanninginthe21stcentury:Whatroleforthepublicsector?(pp.33-58).EmeraldGroupPublishing.

[18]frank,l.d.,&colletti,p.j.(2004).Environmentaljusticeandtheurbanform.Landusepolicy,21(3),309-322.

[19]li,g.,&zhang,m.(2013).Theimpactofthebuiltenvironmentonwalkingbehavior:EvidencefromShanghai,China.Cities,32,86-93.

[20]chen,y.,&li,g.(2016).Walkabilityandphysicalactivity:Areviewoftheliterature.Health&place,39,77-86.

[21]zhao,y.,&zhao,q.(2018).Theeffectofneighborhoodwalkabilityonelderly'sphysicalactivity:AcasestudyinBeijing,China.JournalofTransportandHealth,11,286-293.

[22]zhao,q.,&zhao,y.(2019).Therelationshipbetweenurbanformandwalkingbehavior:Areviewoftheliterature.TransportReviews,39(1),1-19.

[23]li,g.,zhao,q.,&zhao,y.(2020).Theimpactofthebuiltenvironmentonwalkingbehavior:Asystematicreview.JournalofTransportGeography,90,102933.

[24]frank,l.d.,schmid,t.,zhang,m.,&coleman,e.(2007).Linkingwalkingtopublichealth.Americanjournalofpublichealth,97(11),2131-2136.

[25]handy,s.l.,&iacono,l.(2008).Walkabilityandtheurbanpoor:Safety,health,andenvironmentaljustice.Journalofplanningeducationandresearch,28(1),71-92.

八.致谢

本研究顺利完成，离不开众多师长、同学、朋友和机构的关心与支持，在此谨致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文选题到研究设计，从数据采集到论文撰写，XXX教授始终给予我悉心的指导和无私的帮助。他深厚的学术造诣、严谨的治学态度和敏锐的科研洞察力，使我受益匪浅。在研究过程中，每当我遇到困难时，XXX教授总能耐心地为我答疑解惑，并提出宝贵的修改意见。他的鼓励和支持是我完成本研究的动力源泉。

感谢参与本研究评审和指导的各位专家和学者，他们提出的宝贵意见和建议使我得以进一步完善论文。感谢XXX大学XXX学院各位老师的辛勤付出，他们为我提供了良好的学习环境和研究平台。

感谢XXX等同学在研究过程中给予我的帮助和支持。我们一起讨论问题、分析数据、撰写论文，共同度过了难忘的时光。他们的友谊和帮助使我更加坚定了完成研究的信心。

感谢我的家人，他们一直以来对我的学习和生活给予了无条件的支持和鼓励。他们的理解和关爱是我前进的动力。

感谢XXX机构为本研究提供了数据支持和研究经费。他们的支持为本研究的顺利进行提供了保障。

最后，我要感谢所有关心和支持我的朋友们，他们的鼓励和陪伴使我更加坚强。

在此，再次向所有帮助过我的人表示衷心的感谢！

九.附录

附录A：案例城市步行友好性评价指标体系权重表

|准则层|指标层|权重|

|--------------|----------------------|------|

|物理环境|道路网络密度|0.25|

||人行道连续性|0.20|

||绿化与遮蔽|0.15|

||公共设施完备性|0.10|

||街道界面活力|0.10|

|社会氛围|商业活力|0.15|

||社交互动机会|0.10|

||文化标识性|0.05|

||居民感知|0.05|

|安全可达性|无障碍通行程度|0.10|

||交通安全设施