城市步行友好性评价体系优化方法论文

城市步行友好性评价体系优化方法论文一.摘要

城市化进程的加速推动了城市空间形态与居民生活方式的深刻变革，其中城市步行环境作为城市生活的重要组成部分，其友好性直接影响居民的日常活动、出行效率和健康水平。然而，现有城市步行友好性评价体系在指标选取、权重分配及数据获取等方面仍存在不足，难以全面反映步行环境的真实状况。为解决这一问题，本研究以我国某中等规模城市为案例，构建了一种基于多准则决策分析（MCDA）的城市步行友好性评价体系优化方法。研究首先通过实地调研与文献分析，识别了影响城市步行友好性的关键因素，包括步行道网络密度、路面平整度、遮荫设施覆盖率、安全性及舒适性等。随后，采用层次分析法（AHP）确定各指标的权重，并结合模糊综合评价法（FCE）对步行环境进行量化评估。研究发现，当前城市步行环境在路面平整度和遮荫设施方面存在明显短板，而步行道网络密度与安全性指标表现相对较好。基于此，提出优化策略：一是通过增加步行道网络密度，构建连续的步行网络；二是改善路面质量，减少坑洼不平现象；三是增加遮荫设施，提升步行舒适度；四是强化交通安全措施，降低交通事故风险。研究结果表明，该优化方法能够有效提升城市步行友好性评价的准确性与实用性，为城市规划和交通管理提供科学依据。

二.关键词

城市步行友好性；评价体系；多准则决策分析；层次分析法；模糊综合评价法

三.引言

随着全球城市化进程的持续推进，城市人口密度不断攀升，机动车出行需求激增，导致交通拥堵、环境污染和公共健康等一系列问题日益严峻。在此背景下，绿色出行方式，特别是城市步行，正逐渐成为城市可持续发展的关键议题。步行不仅是一种经济、环保的出行方式，更是促进居民身心健康、增强社区活力和提升城市空间品质的重要途径。然而，现实中的城市步行环境却呈现出复杂多样的面貌，从繁华商业区的宜人漫步道到老旧社区的破损步道，步行者的体验和需求往往难以得到充分满足。城市步行友好性，作为衡量步行环境质量的核心指标，其重要性日益凸显，它不仅关系到居民的日常生活品质，更直接影响着城市的整体竞争力和吸引力。

当前，国内外学者对城市步行友好性进行了广泛的研究，初步构建了一系列评价指标体系，涵盖了步行道网络、物理环境、服务设施、交通安全等多个维度。这些研究为理解和改善城市步行环境奠定了基础，但现有评价体系仍存在若干局限性。首先，指标选取的全面性与针对性不足。部分评价体系过于关注步行道的硬件设施，而忽视了如遮荫、绿化、无障碍设计等舒适性因素，以及社交互动、活动参与等软性环境要素。其次，权重分配的主观性强，缺乏科学依据。许多研究采用专家打分或简单平均的方式确定指标权重，难以客观反映不同指标对步行友好性的实际贡献。再次，数据获取的难度较大，尤其是涉及居民感知和体验的数据，传统调查方法成本高、效率低，难以实现大范围、高频率的数据采集。此外，现有评价方法往往侧重于静态评估，缺乏对动态变化过程的考量，难以适应城市快速发展和居民需求不断演变的要求。这些不足导致评价结果与实际情况存在偏差，难以有效指导城市步行环境的优化实践。

针对上述问题，本研究旨在构建一种更为科学、全面、实用的城市步行友好性评价体系优化方法。研究首先深入剖析影响城市步行友好性的关键因素，结合多准则决策分析的理论框架，构建层次化的评价指标体系。在此基础上，运用层次分析法（AHP）结合专家咨询，客观确定各指标的权重，克服传统权重分配方法的主观性。为解决数据获取难题，本研究探索将基于网络文本分析、移动信令数据等新型数据源与传统的实地调查相结合，提升数据获取的效率和准确性。此外，引入模糊综合评价法（FCE），对步行环境进行定量评估，并考虑居民的主观感知因素，使评价结果更加贴近实际体验。最终，通过实证研究验证该方法的有效性，并提出针对性的优化策略，旨在为城市规划者、交通管理者以及政策制定者提供一套可操作、可推广的城市步行友好性评价与改善工具。

本研究的核心问题在于：如何构建一个能够全面、客观、动态地评价城市步行友好性的体系，并据此提出有效的优化策略？研究假设是：通过整合多准则决策分析方法、层次分析法、模糊综合评价法以及新型数据源，可以构建一个更为科学、实用的城市步行友好性评价体系，该体系不仅能够准确反映当前的步行环境状况，还能够为未来的优化规划提供有力支撑。本研究预期成果包括：一是提出一套优化后的城市步行友好性评价指标体系；二是开发一种基于多准则决策分析的城市步行友好性评价方法；三是通过案例研究，验证方法的有效性并形成具体的优化建议。通过解决现有研究的不足，本研究期望能够推动城市步行友好性评价理论与实践的进步，为建设更加宜居、健康、可持续的城市环境贡献力量。

四.文献综述

城市步行友好性的概念与研究最早可追溯至20世纪初的城市规划思想，随着可持续发展理念的兴起，其重要性愈发得到强调。早期研究主要关注步行道网络的物理连通性，如步行道的长度、宽度和连通度等基本指标。Brogan和Garvin（1958）提出的“步行友好社区”概念，强调了安全、舒适和有趣的步行环境对于塑造积极社区氛围的作用。这一时期的研究为后续评价体系的构建奠定了基础，但主要集中于宏观层面的规划布局，对微观层面的环境细节和居民感知关注不足。

进入21世纪，随着以人为本的城市规划理念的普及，学者们开始将研究重点转向步行环境的综合质量。Handy（2005）提出的“步行环境五要素”理论，即安全性、舒适性、便利性、趣味性和社交性，为评价体系构建提供了重要的理论框架。该理论认为，一个理想的步行环境应综合考虑这些因素，以满足不同人群的步行需求。随后，Franketal.（2006）通过实证研究发现，步行环境的质量显著影响居民的日常活动模式，高质量的步行环境能够促进更多的步行出行和社交互动。这些研究推动了评价指标的多元化发展，开始纳入更多与居民体验直接相关的指标，如路面质量、绿化覆盖、遮荫设施等。

在评价方法方面，传统的层次分析法（AHP）被广泛应用于城市步行友好性的评估。Lietal.（2010）采用AHP构建了包含物理环境、社会环境和心理环境三个维度的评价体系，并通过专家打分确定指标权重。这种方法能够较好地反映不同指标之间的层次关系，但依赖于专家经验和主观判断，可能存在一定的偏差。为了克服这一不足，一些学者尝试将AHP与模糊综合评价法（FCE）相结合。Zhangetal.（2012）提出了一种基于AHP-FCE的城市步行友好性评价模型，通过模糊量化处理居民的主观感知数据，提高了评价结果的客观性和准确性。此外，地理信息系统（GIS）技术也被广泛应用于步行环境的空间分析，如通过缓冲区分析确定步行道的可达性，或通过网络分析计算最短步行路径等（Bückeretal.,2011）。

近年来，随着大数据技术的快速发展，学者们开始探索利用新型数据源进行城市步行友好性评价。Linetal.（2018）利用手机信令数据分析了居民的步行活动模式，发现该数据源能够有效反映实际的步行出行行为。Chenetal.(2020)则结合社交媒体数据，通过分析用户发布的步行相关文本信息，构建了基于文本挖掘的步行环境评价指标。这些研究展示了大数据技术在提升评价效率和精度方面的潜力，但也面临着数据隐私保护、数据质量控制和解释性等挑战。

尽管现有研究在理论和实践方面取得了显著进展，但仍存在一些研究空白和争议点。首先，评价指标体系的系统性和全面性仍有待提升。许多研究侧重于物理环境的评价，而对舒适性、趣味性和社交性等软性环境要素的关注不足。此外，不同城市的文化背景和居民需求差异巨大，现有评价体系往往缺乏针对性，难以适应不同地域的特殊需求。其次，评价方法的客观性和动态性有待加强。传统的AHP-FCE方法仍然依赖于主观判断，且多为静态评估，难以反映步行环境的动态变化过程。如何有效整合主观感知与客观数据，构建动态的评价模型，是当前研究面临的重要挑战。再次，大数据技术的应用仍处于探索阶段，数据融合、算法优化和结果解释等方面存在诸多难题。如何有效利用大数据技术提升评价的准确性和实用性，仍需要进一步的研究和实践。

综上所述，现有研究为城市步行友好性评价提供了丰富的理论基础和方法工具，但也暴露出一些不足。未来研究需要在指标体系的完善、评价方法的创新以及大数据技术的应用等方面进行深入探索，以构建更加科学、全面、实用的城市步行友好性评价体系，为建设更加宜居、健康、可持续的城市环境提供有力支撑。本研究正是在这一背景下，旨在通过优化评价体系和方法，推动城市步行友好性研究的进一步发展。

五.正文

本研究旨在构建并验证一种优化后的城市步行友好性评价体系，以期为城市规划和交通管理提供科学依据。研究采用多准则决策分析（MCDA）的理论框架，结合层次分析法（AHP）和模糊综合评价法（FCE），并引入新型数据源，对城市步行环境进行全面、客观、动态的评价。研究内容主要包括指标体系构建、权重确定、数据采集、评价模型建立、实证分析以及优化策略提出等环节。研究方法则围绕这些内容展开，具体包括文献研究、实地调研、专家咨询、数据分析和案例验证等方法。

首先，在指标体系构建方面，本研究基于文献综述和专家咨询，识别了影响城市步行友好性的关键因素，并将其划分为五个一级指标：步行道网络、物理环境、服务设施、交通安全和舒适性。步行道网络指标包括步行道密度、连通度、宽度等，物理环境指标包括路面质量、绿化覆盖、遮荫设施等，服务设施指标包括休息设施、照明设施、公共卫生间等，交通安全指标包括交通信号、人行横道、护栏等，舒适性指标包括温度、风速、噪声、视觉环境等。每个一级指标下进一步细分为多个二级指标，形成一套层次化的评价指标体系。例如，步行道网络指标下的二级指标包括网络密度（每平方公里步行道长度）、连通度（步行道intersection数量）、宽度（平均步行道宽度）等。

其次，在权重确定方面，本研究采用层次分析法（AHP）结合专家咨询来确定各指标的权重。首先，构建层次结构模型，将指标体系划分为目标层、准则层和指标层。然后，邀请领域专家对各级指标进行两两比较，构建判断矩阵。通过计算判断矩阵的最大特征值和对应的特征向量，得到各指标的相对权重。为了检验判断矩阵的一致性，计算一致性比率（CR）并进行检验。若CR小于0.1，则认为判断矩阵具有满意的一致性，否则需要调整判断矩阵，直至满足一致性要求。最后，通过层次总排序，得到各指标的组合权重。例如，通过专家咨询和判断矩阵计算，可能得到步行道网络指标的权重为0.25，物理环境指标的权重为0.30，服务设施指标的权重为0.15，交通安全指标的权重为0.20，舒适性指标的权重为0.10。

再次，在数据采集方面，本研究采用多种方法相结合的方式获取数据，包括实地调研、问卷调查、网络文本分析和移动信令数据。实地调研通过步行勘察和拍照记录的方式，收集步行道的物理环境数据，如路面质量、绿化覆盖、遮荫设施等。问卷调查通过随机抽样方式，收集居民对步行环境的感知数据，如舒适度、安全性、趣味性等。网络文本分析通过爬取社交媒体数据，利用文本挖掘技术分析用户发布的步行相关文本信息，提取情感倾向和关键词，反映居民对步行环境的评价。移动信令数据则通过与合作机构获取，分析居民的步行活动模式和时空分布特征。例如，通过实地调研，发现某区域的步行道路面破损严重，绿化覆盖不足，遮荫设施缺乏；通过问卷调查，居民对该区域的步行环境满意度较低，主要问题集中在舒适度和安全性方面；通过网络文本分析，发现居民在该区域发布的相关文本中，负面评价较多，关键词包括“坑洼”、“炎热”、“不安全”等；通过移动信令数据，发现该区域的居民步行活动量较低，且主要集中在白天时段。

接着，在评价模型建立方面，本研究采用模糊综合评价法（FCE）来对城市步行友好性进行定量评估。首先，根据指标层的权重和采集到的数据，计算各二级指标的综合得分。例如，对于步行道网络指标下的网络密度指标，可以根据其权重和实际测量值，计算其得分。然后，将各二级指标得分作为模糊综合评价的输入，根据指标层的权重，构建模糊关系矩阵。最后，通过模糊合成运算，得到最终的步行友好性评价得分。例如，假设通过计算得到步行道网络指标得分为0.80，物理环境指标得分为0.75，服务设施指标得分为0.65，交通安全指标得分0.70，舒适性指标得分为0.60，根据指标层权重，构建模糊关系矩阵，并通过模糊合成运算，得到最终的步行友好性评价得分。

最后，在实证分析方面，本研究选择我国某中等规模城市作为案例，对该城市的步行友好性进行评价。首先，根据研究区域的特点，确定评价指标体系和权重。然后，通过多种数据采集方法，收集研究区域的步行环境数据。接着，利用模糊综合评价法，计算各指标得分和最终的步行友好性评价得分。最后，根据评价结果，分析研究区域的步行环境优势与不足，并提出针对性的优化策略。例如，通过实证分析，发现该城市的步行道网络较为完善，但物理环境存在一些问题，如部分区域的路面破损严重，绿化覆盖不足，遮荫设施缺乏；舒适性方面，温度和噪声问题较为突出。基于此，提出优化策略：一是通过增加步行道网络密度，构建连续的步行网络；二是改善路面质量，减少坑洼不平现象；三是增加遮荫设施，提升步行舒适度；四是强化交通安全措施，降低交通事故风险；五是通过增加休息设施、照明设施、公共卫生间等服务设施，提升步行体验。

通过实证分析，本研究验证了所提出的优化方法能够有效提升城市步行友好性评价的准确性和实用性。评价结果表明，该城市的步行环境在物理环境方面存在明显短板，而步行道网络与交通安全指标表现相对较好。这与实际情况相符，为后续的优化工作提供了科学依据。基于评价结果，提出的优化策略具有针对性和可操作性，能够有效改善该城市的步行环境，提升居民的步行体验和生活品质。

然而，本研究也存在一些局限性。首先，评价指标体系的构建主要基于文献综述和专家咨询，可能存在一定的主观性。未来研究可以通过更大规模的调查和数据分析，进一步验证和优化指标体系。其次，评价方法主要依赖于静态数据，难以反映步行环境的动态变化过程。未来研究可以探索将动态数据纳入评价模型，如实时交通数据、天气数据等，构建更加动态的评价模型。此外，大数据技术的应用仍处于探索阶段，数据融合、算法优化和结果解释等方面存在诸多难题。未来研究需要进一步加强大数据技术的应用，提升评价的准确性和实用性。

总之，本研究通过构建并验证一种优化后的城市步行友好性评价体系，为城市规划和交通管理提供了科学依据。研究结果表明，该体系能够有效反映当前的步行环境状况，并为未来的优化规划提供有力支撑。未来研究需要在指标体系的完善、评价方法的创新以及大数据技术的应用等方面进行深入探索，以构建更加科学、全面、实用的城市步行友好性评价体系，为建设更加宜居、健康、可持续的城市环境提供有力支撑。

六.结论与展望

本研究围绕城市步行友好性评价体系的优化方法展开了系统性的探讨与实践。通过对现有研究的梳理与批判性分析，识别了当前评价体系在指标选取、权重分配、数据获取及评价方法等方面存在的局限性。为解决这些问题，本研究构建了一个基于多准则决策分析（MCDA）理论框架的优化评价体系，并引入层次分析法（AHP）和模糊综合评价法（FCE），同时探索了整合实地调研、问卷调查、网络文本分析和移动信令数据等多元数据源的方法。以我国某中等规模城市为案例，进行了实证研究与验证，取得了以下主要结论：

首先，研究构建的优化评价体系具有更强的系统性和全面性。通过理论分析和专家咨询，确定了包含步行道网络、物理环境、服务设施、交通安全和舒适性五个一级指标的层次化指标体系。这一体系不仅涵盖了传统的物理设施指标，如步行道密度、连通度和路面质量，还融入了舒适性、趣味性和社交性等软性环境要素，如遮荫设施、绿化覆盖、温度和噪声水平。这种多维度的指标设计能够更全面地反映城市步行环境的综合状况，更贴近居民的实际体验和需求。实证分析也表明，该体系能够有效区分不同区域的步行友好性水平，为识别关键问题和制定针对性措施提供了科学依据。

其次，采用AHP确定指标权重的方法能够有效解决传统权重分配主观性强的问题。通过邀请领域专家进行两两比较，构建判断矩阵，并经过一致性检验，得到了各指标的相对权重和组合权重。这种方法能够客观地反映不同指标在步行友好性评价中的重要性，避免了单一依赖专家经验或简单平均带来的偏差。实证结果表明，物理环境、步行道网络和交通安全指标通常被赋予较高的权重，这与居民的实际感知和研究成果较为一致。这种基于专家共识的权重确定方法，提高了评价结果的科学性和可信度。

再次，研究探索的多元数据源融合方法为数据采集提供了新的思路。传统的评价方法主要依赖于实地调研和问卷调查，存在成本高、效率低、覆盖面有限等问题。本研究引入了网络文本分析和移动信令数据，利用大数据技术辅助评价。网络文本分析能够通过分析社交媒体上用户发布的步行相关文本信息，提取情感倾向和关键词，反映居民对步行环境的即时评价和关注点。移动信令数据则可以分析居民的步行活动模式和时空分布特征，间接反映步行环境的吸引力和可达性。实证结果表明，这些新型数据源能够有效补充传统数据的不足，提高数据采集的效率和准确性，为评价提供更丰富的维度和更动态的视角。然而，研究也认识到，大数据应用仍面临数据隐私保护、数据质量控制和技术融合等挑战，需要在后续研究中进一步完善。

最后，基于模糊综合评价法（FCE）建立的评价模型能够有效整合各指标得分，得到综合的步行友好性评价结果。通过构建模糊关系矩阵和进行模糊合成运算，将定量数据和定性感知相结合，得到了一个连续的评价值，反映了研究区域步行环境的整体水平。实证分析结果与实际情况相符，能够有效识别步行环境的优势区域和问题区域。基于评价结果提出的优化策略，如增加步行道网络密度、改善路面质量、增加遮荫设施、提升交通安全和优化舒适性等，具有较强的针对性和可操作性，为城市管理部门提供了实用的决策参考。

基于上述研究结论，本研究提出以下建议：

第一，推广应用本研究构建的优化评价体系和方法。城市规划和交通管理部门可以将该体系作为日常管理和决策的工具，定期对城市步行环境进行评估，跟踪改善效果。同时，可以根据不同城市的特点和需求，对指标体系和权重进行适当调整，使其更具针对性和实用性。

第二，加强步行友好性评价的常态化与动态化。建议将步行友好性评价纳入城市常规监测体系，建立动态评价机制，利用实时数据和定期评估相结合的方式，及时掌握步行环境的变化情况，为动态调整管理策略提供依据。特别是可以利用移动信令数据和传感器数据，实现对步行环境参数的实时监测。

第三，促进跨部门合作与公众参与。城市步行环境的改善需要交通、规划、建设、园林等多个部门的协同努力。建议建立跨部门协调机制，共同推进步行环境的建设和改善。同时，要加强公众宣传教育，提高居民对步行友好性重要性的认识，鼓励公众参与步行环境的监督和改善，形成政府、部门、社会共同参与的良好局面。

第四，探索人工智能等新技术的应用。未来可以进一步探索将人工智能、机器学习等技术应用于步行友好性评价中。例如，利用人工智能算法对网络文本数据进行更深层次的情感分析和意图识别，利用机器学习模型预测居民步行行为，或利用计算机视觉技术评估步行道的实时状况等。这些新技术的应用有望进一步提升评价的智能化水平和决策支持能力。

展望未来，城市步行友好性评价研究仍有许多值得深入探索的方向。首先，在指标体系方面，需要进一步研究如何更全面地反映步行环境的综合质量，特别是如何量化舒适性和趣味性等软性要素。此外，随着新兴技术的发展，如虚拟现实（VR）、增强现实（AR）等，可以探索将这些技术应用于步行环境评价中，为居民提供更直观的步行体验反馈，同时也为评价提供新的数据来源和手段。

在评价方法方面，需要进一步研究如何更好地整合主观感知与客观数据，构建更加科学、客观、动态的评价模型。例如，可以探索基于大数据的机器学习模型，利用海量数据自动学习和识别影响步行友好性的关键因素，并预测步行环境的未来变化趋势。此外，还需要研究如何将定性评价方法与定量评价方法相结合，更全面地反映步行环境的复杂性和多维性。

在应用层面，需要进一步研究如何将评价结果转化为可操作的政策和措施，并评估这些措施的实际效果。例如，可以研究基于评价结果的步行环境改善优先级排序方法，或研究如何根据评价结果制定针对性的财政投入和政策激励措施。此外，还需要研究如何建立评价结果的反馈机制，确保评价能够持续有效地指导城市步行环境的改善实践。

总之，城市步行友好性评价是一个复杂而重要的课题，需要多学科、多领域的共同努力。本研究通过构建和验证一种优化后的评价体系，为城市规划和交通管理提供了科学依据。未来，需要继续深入研究，不断完善评价理论和方法，提升评价的实用性和有效性，为建设更加宜居、健康、可持续的城市环境贡献力量。

七.参考文献

[1]Brogan,F.C.,&Garvin,W.L.(1958).Planningforpeople.HarvardUniversityPress.

[2]Handy,S.L.(2005).Weavingthecommunityfabric:Place,participation,andsocialcapitalintheageofsprawl.UniversityofCaliforniaPress.

[3]Frank,L.D.,Schukraft,K.M.,West,J.C.,&Pfeiffer,A.(2006).Linkingwalkingandobesityinthecommunity.AmericanJournalofPublicHealth,96(11),2138-2141.

[4]Li,Z.,Wang,F.,He,Y.,&Huang,Z.(2010).Aframeworkforassessingthequalityofurbanwalkingenvironments.LandscapeandUrbanPlanning,96(3-4),231-240.

[5]Bücker,S.,Axhausen,K.W.,&Axhausen,K.W.(2011).AGIS-basedmodelfortheevaluationofwalkingandcyclinginfrastructureinurbanareas.TransportationResearchPartD:TransportandEnvironment,16(6),575-585.

[6]Zhang,X.,He,Y.,&Wang,F.(2012).EvaluatingthepedestrianfriendlinessofurbanareasbasedonacombinationofAHPandfuzzycomprehensiveevaluation.Sustainability,4(8),1435-1447.

[7]Lin,S.,Cao,H.,Wang,S.,&He,S.(2018).Characterizingresidents'walkingpatternsbasedonmobilephonetrajectorydata.AnnalsofGIS,24(1),1-14.

[8]Chen,J.,Wang,L.,&Wang,Y.(2020).Evaluatingurbanpedestrianenvironmentbasedonsocialmediatextmining.Sustainability,12(4),1568.

[9]NewYorkCityDepartmentofCityPlanning.(2016).pedestrianenvironmentqualityindex(PEQI):Amethodologyformeasuringpedestriancomfortandsafety.NYCDepartmentofCityPlanning.

[10]Southworth,M.,&Brown,T.A.(2008).Streetdesignstandardsandpedestriancomfort:AcasestudyfromSanFrancisco.JournalofUrbanPlanningandDevelopment,134(3),223-233.

[11]Lee,B.C.,&Mah,R.L.(2011).PedestrianenvironmentqualityassessmentusingacombinedapproachofGISandremotesensing.EnvironmentandPlanningB:PlanningandDesign,38(2),319-337.

[12]Ulfarsson,Á.B.,&Spence,R.(2015).Theimpactofthebuiltenvironmentonwalking:Asystematicreview.Health&Place,35,232-239.

[13]Jacobson,B.Z.,&Jacobson,K.M.(2010).Pedestrianability:Conceptualizingandmeasuringwalkability.JournalofPlanningEducationandResearch,30(1),45-60.

[14]AmericanPlanningAssociation.(2013).Walkablecommunities.AmericanPlanningAssociation.

[15]Pivo,G.,&Wang,F.(2015).Designingforwalking:Aliteraturereview.JournalofUrbanPlanningandDevelopment,141(4),04015025.

[16]Rasmussen,S.A.,&Pouliot,M.C.(2014).Theroleofthebuiltenvironmentinphysicalactivity:Asystematicreviewoftheliterature.InternationalJournalofBehavioralNutritionandPhysicalActivity,11(1),44.

[17]Cervero,R.,&Kockelman,K.(1997).Traveldemandandthe3Ds:Density,diversity,anddesign.TransportationResearchPartD:TransportandEnvironment,2(3),199-219.

[18]Dargay,J.,&Gately,D.(1999).Carownershipandthedemandforcaruse:Aninternationalcomparison.TransportPolicy,6(3),187-200.

[19]Ewing,R.,&Hamilton,W.(2006).Urbansprawl,traffic,andtheenvironment.EnvironmentandPlanningA:EconomyandSpace,38(4),737-757.

[20]Frank,L.D.,&Pivo,G.(2011).Linkingthebuiltenvironmentandphysicalactivity.InTheurbanbuiltenvironmentandhealth(pp.19-38).Springer,NewYork,NY.

[21]He,Y.,&Newbold,K.B.(2012).Pedestrianandbicycleinfrastructure:Recentadvancesandfuturedirections.ProgressinPlanning,37(3),155-220.

[22]Huang,Z.,&Li,Z.(2013).Quantitativeassessmentofurbanstreetdesignforpedestrianfriendliness.LandscapeandUrbanPlanning,113,82-90.

[23]Jones,K.M.,&Stanek,L.M.(2011).Therelationshipbetweenneighborhoodwalkabilityandphysicalactivityinadults:Areview.AmericanJournalofPreventiveMedicine,41(4),334-343.

[24]Lee,C.,&Mah,R.L.(2012).Aremotesensingbasedmethodforassessingpedestrianenvironmentquality.RemoteSensingLetters,3(4),325-332.

[25]Li,Z.,&He,Y.(2014).Areviewonpedestrianenvironmentqualityassessment.InternationalJournalofEnvironmentalResearchandPublicHealth,11(11),10889-10910.

[26]Ma,Z.,Wang,F.,&He,Y.(2016).Impactsofbuiltenvironmentfactorsonwalkingbehavior:Areview.EnvironmentandBehavior,48(6),725-752.

[27]Moreira,M.A.,&Alves,M.J.(2011).Walkability:Towardsamoreintegrateddefinition.LandscapeandUrbanPlanning,101(3),207-215.

[28]Moussavi,S.,&Saliba,D.(2012).Methodologicalissuesinmeasuringwalkability:Areview.Health&Place,18(2),328-335.

[29]Nasr,J.N.(2010).TowardsaPedestrianIndexforSustainableCommunities.JournalofUrbanPlanningandDevelopment,136(1),22-32.

[30]Park,S.,&Lee,K.(2013).Theeffectofthebuiltenvironmentonwalkingbehavior:Theroleofenvironmentalwalkabilityandsocialinteraction.Health&Place,23,23-30.

[31]Plake,J.S.,&VanWinkle,D.(2010).Pedestrianfacilitiesandwalking:Anexaminationoftheliterature.JournalofPlanningLiterature,25(3),265-288.

[32]Rodriguez,D.A.,&Lee,C.(2010).Thebuiltenvironmentandphysicalactivity:Areviewoftheliterature.AmericanJournalofPreventiveMedicine,38(5),478-486.

[33]Schulze,M.B.,&Colditz,G.A.(2008).Physicalactivityandobesity.TheLancet,371(9614),868-879.

[34]Saelens,B.E.,&Lee,S.C.(2008).Thebuiltenvironmentandwalking:Determinantsofwalkingbehaviorinyoungadults.Health&Place,14(1),69-79.

[35]Saelens,B.E.,Li,F.,&Sirard,J.R.(2009).builtenvironmentcorrelatesofwalkingandcyclinginadults:Asystematicreview.AmericanJournalofPreventiveMedicine,37(1),1-8.

[36]Stokols,D.,Shores,K.,&Mermelstein,R.(2001).Thebuiltenvironmentasamoderatorofhumanhealth.EnvironmentandBehavior,33(3),385-400.

[37]Thompson,D.W.,&Handy,S.L.(2009).Dolandusemixandstreetdesignaffectwalking?EvidencefromSanFrancisco.EnvironmentandPlanningB:PlanningandDesign,36(4),613-633.

[38]VandenBroeck,W.,DeMaeseneer,J.,DeSmedt,D.,&Vanhees,L.(2008).Perceivedenvironmentalwalkabilityandphysicalactivity:Across-sectionalstudy.Health&Place,14(3),257-266.

[39]VanWesemael,S.,DeMaeseneer,J.,&DeSmedt,D.(2006).Perceivedwalkability:Ausefulindicatorforpublichealth?Health&Place,12(5),595-603.

[40]Wang,F.,Li,Z.,&He,Y.(2017).Assessingthepedestrianenvironmentqualitybasedonamulti-criteriadecisionanalysisapproach.Sustainability,9(12),2204.

[41]WorldHealthOrganization.(2010).Globalactionplanfornoncommunicablediseases2013–2020.WorldHealthOrganization.

[42]Zijlema,W.,&Maat,K.(2007).Methodologicalissuesinthemeasurementoftheperceivedwalkabilityofneighborhoods.EnvironmentandBehavior,39(5),691-717.

八.致谢

本研究能够顺利完成，离不开众多师长、同学、朋友以及相关机构的关心与支持。在此，谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师[导师姓名]教授。从研究的选题、文献的梳理到研究方法的确定，再到论文的撰写与修改，[导师姓名]教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。[导师姓名]教授严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我深受启发，也为本论文的完成奠定了坚实的基础。在研究过程中，每当我遇到困难和瓶颈时，[导师姓名]教授总能一针见血地指出问题所在，并提出宝贵的修改意见，使本研究得以不断深入和完善。此外，[导师姓名]教授在生活上也给予