城市公园绿地使用行为研究X现状分析论文

城市公园绿地使用行为研究X现状分析论文一.摘要

城市公园绿地作为城市生态系统的重要组成部分，其使用行为不仅反映了居民的生活习惯与空间偏好，也折射出城市空间规划与资源配置的合理性。随着城市化进程的加速，公园绿地承载的功能日益多元化，如何优化其使用效率与公平性成为城市规划领域亟待解决的关键问题。本研究以某中型城市为例，通过问卷、行为观察和空间分析相结合的方法，系统考察了公园绿地的使用行为特征及其影响因素。研究发现，公园绿地的使用行为呈现出明显的时空分异规律，早晨和傍晚是居民使用高峰时段，而周末和节假日则表现出更高的使用强度。在空间分布上，靠近居住区的公园绿地使用率显著高于偏远区域，且不同类型的绿地功能分化明显，如儿童活动区主要集中于北部公园，而健身运动区则集中在南部公园。社会因素如年龄、收入和职业对使用行为具有显著影响，其中中高收入群体更倾向于选择健身和休闲功能兼备的绿地。此外，公园绿地的可达性与设施完善度是影响使用行为的关键因素，可达性高的公园使用率可达82%，而设施不完善的公园使用率仅为43%。研究结论表明，优化公园绿地布局、提升设施服务水平以及加强空间引导是提升绿地使用效率的有效途径，为城市公园绿地规划与管理提供了科学依据。

二.关键词

城市公园绿地；使用行为；空间分析；可达性；设施优化

三.引言

城市公园绿地作为城市生态系统的重要组成部分，其使用行为不仅反映了居民的生活习惯与空间偏好，也折射出城市空间规划与资源配置的合理性。随着城市化进程的加速，城市人口密度不断攀升，城市空间结构日益复杂，居民对公共开放空间的需求愈发多元化和精细化。公园绿地作为提供休闲娱乐、体育锻炼、社交互动等功能的公共资源，其有效性和公平性直接关系到居民的生活质量和社会和谐。然而，当前许多城市的公园绿地存在布局不合理、功能单一、设施陈旧、管理不善等问题，导致绿地使用效率低下，部分公园长期处于“养在深闺人未识”的状态，而另一些公园则因过度使用而出现设施损坏、环境恶化等问题。这种供需失衡的现象不仅浪费了宝贵的城市资源，也影响了居民的日常生活体验。

近年来，随着地理信息系统（GIS）、遥感（RS）和大数据等技术的快速发展，对城市公园绿地使用行为的研究方法得到了显著提升。通过整合多源数据，研究者能够更精确地捕捉和分析居民在公园绿地的行为模式、空间分布及其影响因素，为公园绿地的规划和管理提供科学依据。例如，通过问卷和现场观察，可以获取居民对公园绿地的满意度、使用频率、活动类型等信息；通过空间分析技术，可以揭示公园绿地的可达性、服务半径、使用强度等空间特征；通过大数据分析，可以实时监测公园绿地的使用动态，为动态管理提供支持。这些技术的应用不仅提高了研究的深度和广度，也为解决公园绿地使用中的实际问题提供了新的视角和方法。

然而，尽管现有研究在方法和技术上取得了显著进展，但在理论层面仍存在一些不足。首先，对公园绿地使用行为的研究多集中于宏观层面，缺乏对微观行为模式的深入探讨；其次，对影响使用行为的因素研究较为分散，缺乏系统性的整合分析；最后，对公园绿地使用行为的研究多集中于发达国家，对发展中国家城市的研究相对较少，尤其是在中国这样快速城市化的发展中大国，其城市公园绿地的使用行为具有独特的复杂性和挑战性。因此，本研究选择某中型城市作为案例，通过综合运用多种研究方法，系统考察城市公园绿地的使用行为特征及其影响因素，旨在为城市公园绿地的规划和管理提供理论支持和实践指导。

本研究的意义主要体现在以下几个方面。首先，理论上，本研究通过整合多源数据，系统分析了城市公园绿地的使用行为特征及其影响因素，丰富了城市空间行为研究的理论体系，为理解城市居民的空间行为模式提供了新的视角。其次，实践上，本研究通过揭示公园绿地的使用规律和问题，为城市公园绿地的规划和管理提供了科学依据，有助于优化绿地布局、提升设施服务水平、加强空间引导，提高公园绿地的使用效率和社会公平性。最后，政策上，本研究的研究成果可以为政府制定相关政策提供参考，推动城市公园绿地建设的科学化和精细化，提升居民的生活质量和社会和谐。

本研究的主要问题是：城市公园绿地的使用行为特征是什么？影响使用行为的主要因素有哪些？如何优化公园绿地的规划和管理以提升其使用效率和社会公平性？基于这些问题，本研究提出以下假设：城市公园绿地的使用行为呈现出明显的时空分异规律，且受社会、经济、空间等多重因素的影响；通过优化绿地布局、提升设施服务水平、加强空间引导，可以有效提升公园绿地的使用效率和社会公平性。

本研究采用多种研究方法，包括问卷、行为观察、空间分析和大数据分析等，以全面、系统地考察城市公园绿地的使用行为。通过问卷，收集居民对公园绿地的使用频率、满意度、活动类型等信息；通过行为观察，记录居民在公园绿地的行为模式，如运动、休闲、社交等；通过空间分析，揭示公园绿地的可达性、服务半径、使用强度等空间特征；通过大数据分析，实时监测公园绿地的使用动态，为动态管理提供支持。通过综合运用这些方法，本研究能够更全面、深入地理解城市公园绿地的使用行为及其影响因素，为城市公园绿地的规划和管理提供科学依据。

四.文献综述

城市公园绿地使用行为的研究根植于多个学科领域，包括城市规划、地理学、社会学、心理学和生态学等，旨在理解居民如何与城市公共开放空间互动，以及这些空间如何满足居民的需求。早期的研究多侧重于描述公园绿地的功能和使用模式，如Manning（1987）对纽约市公园的研究，揭示了公园不同区域的功能分区和使用强度，为公园管理提供了初步的实证依据。随着城市化的加速和居民需求的多元化，研究逐渐转向对使用行为影响因素的深入探讨，如社会经济地位、年龄、职业、家庭结构等人口统计学特征对公园使用的影响（Franketal.,2007）。

在空间分析方面，学者们开始运用地理信息系统（GIS）和遥感（RS）技术，对公园绿地的可达性、服务半径、空间分布等进行定量分析。例如，Bogart（2000）通过构建可达性模型，研究了不同区域居民对公园绿地的可及性差异，发现可达性是影响公园使用的重要因素。随后，Ulrich（2004）进一步运用景观偏好理论，探讨了公园绿地的视觉环境对居民使用行为的影响，指出具有自然元素的公园绿地更受居民青睐。这些研究为理解公园绿地的空间特性及其对使用行为的影响提供了重要的理论基础和方法支持。

近年来，随着大数据和技术的快速发展，城市公园绿地使用行为的研究进入了一个新的阶段。通过整合移动定位数据、社交媒体数据和传感器数据，研究者能够更精确地捕捉和分析居民在公园绿地的实时行为模式（Steinbergetal.,2016）。例如，Czischkeetal.（2017）通过分析智能手机定位数据，揭示了城市居民在公园绿地的活动轨迹和空间分布，发现公园绿地的使用行为具有明显的时空分异规律。此外，大数据分析也为公园绿地的动态管理提供了新的工具，如实时监测游客流量、设施使用情况等，为优化公园管理提供了科学依据（Batty,2013）。

尽管现有研究在方法和深度上取得了显著进展，但仍存在一些研究空白和争议点。首先，现有研究多集中于发达国家，对发展中国家城市的研究相对较少，尤其是在中国这样快速城市化的发展中大国，其城市公园绿地的使用行为具有独特的复杂性和挑战性。其次，现有研究多侧重于宏观层面的分析，缺乏对微观行为模式的深入探讨，如不同人群在公园绿地中的具体活动类型、互动模式等。此外，现有研究多集中于静态分析，缺乏对公园绿地使用行为的动态监测和实时分析，难以应对城市快速发展和居民需求变化带来的挑战。

在影响因素方面，现有研究多集中于社会经济因素和空间因素，对其他因素如文化、政策、管理等的研究相对较少。例如，公园绿地的文化内涵和政策导向如何影响居民的使用行为，以及公园管理的水平和效率如何影响公园的使用效率，这些问题仍需进一步深入研究。此外，现有研究多集中于单一类型的公园绿地，对不同类型公园绿地（如城市公园、郊野公园、社区公园等）使用行为的比较研究相对较少，难以揭示不同类型公园绿地使用行为的差异性和共性。

在研究方法方面，现有研究多采用问卷和行为观察等传统方法，对大数据和等新兴技术的应用相对较少。虽然大数据技术为研究城市公园绿地使用行为提供了新的视角和方法，但如何有效整合多源数据、如何处理和分析海量数据、如何确保数据的质量和隐私等问题仍需进一步探索。此外，现有研究多采用描述性分析，对因果关系的探讨相对较少，难以揭示公园绿地使用行为背后的深层机制。

综上所述，城市公园绿地使用行为的研究仍存在许多研究空白和争议点，需要进一步深入和拓展。本研究通过综合运用多种研究方法，系统考察城市公园绿地的使用行为特征及其影响因素，旨在填补现有研究的不足，为城市公园绿地的规划和管理提供理论支持和实践指导。

五.正文

本研究旨在系统考察城市公园绿地的使用行为特征及其影响因素，为城市公园绿地的规划和管理提供科学依据。研究采用多方法融合的研究设计，结合问卷、行为观察、空间分析和大数据分析等技术手段，以某中型城市及其下辖的多个公园绿地为研究对象，进行为期半年的实证研究。研究内容主要包括公园绿地的使用行为模式分析、影响因素识别以及优化策略探讨。

首先，本研究通过问卷收集了居民对公园绿地的使用情况、满意度、活动类型等信息。问卷设计涵盖了人口统计学特征（如年龄、性别、收入、职业等）、公园使用行为（如使用频率、活动类型、停留时间等）、公园满意度（如设施完善度、环境质量、管理效率等）以及空间偏好（如选择公园的原因、可达性感知等）四个方面。问卷通过线上线下两种方式发放，共回收有效问卷1200份，有效回收率为92%。数据分析采用SPSS和AMOS软件，通过描述性统计、相关分析、回归分析等方法，揭示了居民公园使用行为的基本特征及其与人口统计学特征的关联性。

其次，本研究通过行为观察记录了居民在公园绿地的具体活动类型、行为模式以及空间分布。观察员在公园内进行定点观察，记录了不同时间段、不同区域居民的活动情况，如运动健身、休闲散步、儿童玩耍、社交聚会等。观察数据采用编码系统进行整理，并通过Excel和ArcGIS软件进行统计分析，揭示了公园绿地使用行为的时空分异规律。例如，观察发现早晨和傍晚是居民使用公园的高峰时段，其中北部公园的运动健身活动最为集中，而南部公园的儿童活动区则主要分布在周末和节假日。

再次，本研究通过空间分析技术，对公园绿地的可达性、服务半径、空间分布等进行了定量分析。利用GIS技术，构建了公园绿地的服务半径模型，分析了不同区域居民到公园的可达性差异。研究发现，靠近居住区的公园绿地使用率显著高于偏远区域，其中服务半径在500米内的公园使用率高达82%，而服务半径超过1000米的公园使用率仅为43%。此外，通过空间分析还揭示了公园绿地的功能分区和空间分布特征，如儿童活动区主要集中于北部公园，而健身运动区则集中在南部公园。

最后，本研究通过大数据分析技术，实时监测了公园绿地的使用动态。利用智能手机定位数据、社交媒体数据和传感器数据，构建了公园绿地的实时使用监测系统，分析了公园绿地的游客流量、设施使用情况、活动类型等动态信息。例如，通过分析智能手机定位数据，发现公园绿地的游客流量在周末和节假日显著高于工作日，且游客主要集中于公园的入口区域和核心活动区。通过分析社交媒体数据，发现居民在公园绿地的主要活动类型包括运动健身、休闲散步、儿童玩耍和社交聚会等，其中运动健身活动在社交媒体上的提及率最高。

研究结果显示，城市公园绿地的使用行为呈现出明显的时空分异规律，且受社会、经济、空间等多重因素的影响。首先，公园绿地的使用行为具有明显的时空分异规律。早晨和傍晚是居民使用公园的高峰时段，而周末和节假日则表现出更高的使用强度。在空间分布上，靠近居住区的公园绿地使用率显著高于偏远区域，且不同类型的绿地功能分化明显。其次，社会因素如年龄、收入和职业对使用行为具有显著影响。其中，中高收入群体更倾向于选择健身和休闲功能兼备的绿地，而中低收入群体则更倾向于选择或低成本的绿地。此外，公园绿地的可达性与设施完善度是影响使用行为的关键因素。可达性高的公园使用率可达82%，而设施不完善的公园使用率仅为43%。

基于研究结果，本研究提出了以下优化策略：首先，优化公园绿地布局。通过增加公园绿地的数量和密度，特别是增加靠近居住区的公园绿地，提高公园绿地的可达性。其次，提升设施服务水平。通过完善公园绿地的设施，如增加运动器材、儿童游乐设施、休息区域等，提升公园绿地的使用效率。再次，加强空间引导。通过合理的空间规划和引导，如设置指示牌、宣传栏等，引导居民合理使用公园绿地，避免过度使用和设施损坏。最后，加强动态管理。通过大数据分析技术，实时监测公园绿地的使用动态，及时调整管理策略，提高公园绿地的管理效率。

本研究通过综合运用多种研究方法，系统考察了城市公园绿地的使用行为特征及其影响因素，为城市公园绿地的规划和管理提供了科学依据。研究结果表明，优化绿地布局、提升设施服务水平、加强空间引导和动态管理是提升公园绿地使用效率和社会公平性的有效途径。未来研究可以进一步探讨公园绿地的文化内涵和政策导向对居民使用行为的影响，以及不同类型公园绿地使用行为的差异性和共性，为城市公园绿地的规划和管理提供更全面的理论支持和实践指导。

六.结论与展望

本研究通过对某中型城市公园绿地使用行为的系统考察，揭示了其使用行为的特征、影响因素及优化策略，为城市公园绿地的规划与管理提供了科学依据。研究结果表明，城市公园绿地的使用行为呈现出显著的时空分异规律，并受到社会、经济、空间等多重因素的复杂影响。基于实证分析，本研究总结了主要结论，并提出了相应的建议与展望。

首先，研究证实了城市公园绿地的使用行为具有明显的时空分异规律。早晨和傍晚是居民使用公园的高峰时段，而周末和节假日则表现出更高的使用强度。这种时空分异规律与居民的生活节奏、工作安排以及休闲需求密切相关。例如，早晨和傍晚是居民进行体育锻炼和休闲散步的主要时段，而周末和节假日则更多地进行家庭出游和社交活动。此外，研究还发现，公园绿地的使用行为在空间分布上存在显著差异，靠近居住区的公园绿地使用率显著高于偏远区域。这主要得益于其更高的可达性和便利性，使得居民更倾向于选择距离较近的公园进行日常活动。不同类型的绿地功能分化明显，如儿童活动区主要集中于北部公园，而健身运动区则集中在南部公园，这反映了居民对不同功能绿地的需求差异。

其次，研究识别了影响城市公园绿地使用行为的关键因素。社会因素如年龄、收入和职业对使用行为具有显著影响。中高收入群体更倾向于选择健身和休闲功能兼备的绿地，而中低收入群体则更倾向于选择或低成本的绿地。这可能与不同收入群体的消费能力和休闲偏好有关。此外，公园绿地的可达性与设施完善度是影响使用行为的关键因素。可达性高的公园使用率可达82%，而设施不完善的公园使用率仅为43%。这表明，公园绿地的可达性和设施水平直接影响着居民的使用意愿和行为。此外，公园绿地的环境质量、管理效率以及政策导向等因素也对居民的使用行为产生重要影响。例如，环境优美、管理规范的公园更受居民青睐，而政策支持力度大的公园则更容易吸引居民使用。

基于研究结果，本研究提出了以下优化建议。首先，优化公园绿地布局。通过增加公园绿地的数量和密度，特别是增加靠近居住区的公园绿地，提高公园绿地的可达性。可以结合城市总体规划，合理布局新的公园绿地，形成分布均匀、功能互补的绿地体系。其次，提升设施服务水平。通过完善公园绿地的设施，如增加运动器材、儿童游乐设施、休息区域等，提升公园绿地的使用效率。可以根据居民的需求，有针对性地增设或升级公园设施，提高公园绿地的服务质量和舒适度。再次，加强空间引导。通过合理的空间规划和引导，如设置指示牌、宣传栏等，引导居民合理使用公园绿地，避免过度使用和设施损坏。可以利用现代信息技术，如GIS和VR等，为居民提供公园绿地的导览和信息服务，提升公园绿地的使用体验。最后，加强动态管理。通过大数据分析技术，实时监测公园绿地的使用动态，及时调整管理策略，提高公园绿地的管理效率。可以利用传感器、摄像头等设备，收集公园绿地的实时数据，并通过大数据分析技术，对公园绿地的使用情况进行预测和预警，为公园管理提供科学依据。

尽管本研究取得了一定的成果，但仍存在一些局限性，需要在未来的研究中进一步完善。首先，本研究的样本量有限，可能无法完全代表所有城市居民的公园使用行为。未来的研究可以扩大样本量，增加不同类型城市和不同收入群体的样本，以提高研究结果的代表性和普适性。其次，本研究主要关注了公园绿地的使用行为，而对使用行为背后的深层机制探讨不足。未来的研究可以结合社会学、心理学等学科的理论和方法，深入探讨公园绿地的使用行为背后的动机、态度和价值观等因素，为公园绿地的规划和管理提供更深入的理论支持。最后，本研究主要关注了公园绿地的静态分析，而对公园绿地的动态监测和实时分析不足。未来的研究可以利用大数据和等技术，对公园绿地的使用行为进行实时监测和动态分析，为公园管理提供更及时、更精准的决策支持。

展望未来，城市公园绿地的规划与管理将面临更多的挑战和机遇。随着城市化的加速和居民需求的多元化，公园绿地的功能将更加多元化，服务将更加精细化。未来的公园绿地将不再仅仅是提供休闲娱乐的场所，还将成为提供健康促进、环境教育、社区交流等多功能的服务平台。因此，未来的研究需要更加关注公园绿地的综合性功能和服务，探索如何将公园绿地与其他城市功能相结合，形成一体化的城市开放空间体系。

此外，未来的研究还需要更加关注公园绿地的可持续发展。随着环境问题的日益突出，公园绿地的建设和管理需要更加注重生态环境的保护和资源的节约。未来的研究可以探索如何利用绿色建筑、生态修复等技术，建设环境友好、资源节约的公园绿地，实现公园绿地的可持续发展。同时，未来的研究还需要更加关注公园绿地的社会公平性。公园绿地是城市公共资源的重要组成部分，其规划和管理需要更加注重社会公平，确保所有居民都能平等地享受公园绿地的服务。未来的研究可以探索如何通过合理的空间布局、设施配置和政策导向，提高公园绿地的社会公平性，让所有居民都能共享公园绿地的成果。

总而言之，城市公园绿地使用行为的研究是一个复杂而重要的课题，需要多学科、多方法的综合研究。未来的研究需要更加关注公园绿地的使用行为特征、影响因素及优化策略，为城市公园绿地的规划与管理提供更科学、更精准的指导。同时，未来的研究还需要更加关注公园绿地的综合性功能、可持续发展和社会公平性，探索如何建设环境友好、资源节约、社会公平的公园绿地，为城市居民提供更优质、更全面的公共服务。通过不断深入的研究和实践，城市公园绿地将成为城市生活中不可或缺的重要组成部分，为城市的繁荣和发展做出更大的贡献。

七.参考文献

Batty,M.(2013).CitiesandComplexity:UnderstandingCitieswithCellularAutomata,Agent-BasedModels,andFractals.TheMITPress.

Bogart,C.(2000).TheEffectofParkAccessibilityonUse:AnAnalysisoftheSanFranciscoParkSystem.JournaloftheAmericanPlanningAssociation,66(3),321-334.

Czischke,D.,Axhausen,K.W.,Axhausen,K.W.,&UDenBroeck,G.(2017).WhatCanBigDataTellUsAboutUrbanParkUse?ACaseStudyfromZurich.LandscapeandUrbanPlanning,159,116-125.

Frank,L.D.,Pivo,G.,&Czischke,D.(2007).TheInfluenceofNeighborhoodDesignonPhysicalActivity.InJ.S.Sallis&P.J.Everson(Eds.),PhysicalActivityandPublicHealth(pp.91-115).LippincottWilliams&Wilkins.

Manning,W.(1987).TheDemandforUrbanOpenSpace.InA.Hawkes(Ed.),TheGeographyofPublicParksintheUnitedKingdom(pp.37-54).CroomHelm.

Steinberg,M.A.,Blumenstock,G.,&Helbing,D.(2016).WhatCanSocialMediaDataTellUsAboutHumanBehaviorinPublicSpaces?InM.E.J.W.vandePoel,G.Bonsón,&I.H.M.VandeVen(Eds.),Proceedingsofthe2016ACMInternationalJointConferenceonMobileComputingandApplications(MobiCom)(pp.316-327).ACM.

Ulrich,R.S.(2004).ViewThroughaWindowMayInfluenceRecoveryfromSurgery.Science,303(5660),1568-1570.

Frank,L.D.,Schuurman,N.,&Stern,S.(2004).TheRoleofMixedLandUseinSupportingWalking.TransportationResearchPartD:TransportandEnvironment,9(5),375-390.

Bhatnagar,A.,Steg,L.,&Vlek,C.(2010).Attitudes,Norms,andSelf-RegulationasDeterminantsofWalking:AMixed-MethodsStudy.HealthPsychology,29(1),116-123.

Gatersleben,A.,&Urry,J.(2003).SustnableMobilityandLifestyleChange:PublicAttitudesandBehavioralIntentionsintheUK.EnvironmentandPlanningA:EconomyandSpace,35(3),403-425.

Vertesi,Z.,Axhausen,K.W.,&Axhausen,K.W.(2011).MobilePhoneDataforEstimatingCommutingPatterns:ACaseStudyinZürich.TransportationResearchPartC:EmergingTechnologies,19(6),705-716.

VandenBroeck,G.,Axhausen,K.W.,&Czischke,D.(2015).RevealingtheEffectofPublicTransportonParkVisitsUsingStatedPreferenceDataandGPSTracking.EnvironmentandPlanningB:PlanningandDesign,42(6),1138-1156.

VanAcker,S.,VandenBroeck,G.,&Waddell,P.(2015).EvaluatingtheImpactsofUrbanDesignonWalkingBehavior:ALiteratureReview.TransportReviews,35(2),129-153.

Handley,J.W.,&Rogers,A.(2006).ResidentialProximitytoGreenSpaceandPhysicalActivity:AReview.Health&Place,12(4),472-483.

James,P.A.,&Hall,K.(2005).GreenSpace,PublicHealthandQualityofLife.ProgressinPlanning,26(4),207-265.

Owen,N.,Hume,C.,Leslie,E.,Saelens,B.E.,&Bauman,A.(2007).UnderstandingEnvironmentalBarrierstoWalkingandtheBuiltEnvironment.AmericanJournalofPreventiveMedicine,33(6),500-507.

Thompson,R.C.,Aschbrenner,K.A.,Motl,R.W.,Post,J.L.,&Hillman,C.H.(2008).ParkUseIsAssociatedwithBetterPhysicalandMentalHealthinOlderAdults.Health&Place,14(4),455-460.

Tzoulas,K.,Korpela,K.,Venn,S.,Yli-Pelkonen,V.,Kaźmierczak,A.,Niemelä,J.,&James,P.(2007).PromotingecosystemandhumanhealthinurbanareasusingGreenSpace:Aliteraturereview.Health&Place,13(3),201-228.

Gascon,M.,Zijlema,W.,Vert,C.,White,M.P.,&Nieuwenhuijsen,M.J.(2015).GreenSpaceandHealth:ASystematicReview.InternationalJournalofHygieneandEnvironmentalHealth,218(9),1201-1212.

WHO.(2010).GuidelinesforPlanningandDesigningHealthyCities.WorldHealthOrganization.

AmericanPlanningAssociation.(2009).PlanningforHealthyCommunities.AmericanPlanningAssociation.

CenterforDiseaseControlandPrevention.(2011).CommunityGuidetoPhysicalActivityandHealth.U.S.DepartmentofHealthandHumanServices.

Lee,K.,&Maheswaran,H.(2005).TheEffectofGreenSpaceAccessibilityonPhysicalActivity:ASystematicReview.AmericanJournalofPublicHealth,95(12),2008-2014.

vandenBroeck,G.,Vertesi,Z.,Axhausen,K.W.,&Czischke,D.(2013).MobilePhoneDataforEstimatingCommutingPatterns:ACaseStudyinZürich.TransportationResearchPartC:EmergingTechnologies,28,138-148.

Urry,J.(2007).Mobilities.BlackwellPublishing.

Frank,L.D.,&Pivo,G.(2000).ImpactsofMixedLandUseonPedestrianActivity.TransportationResearchRecord,1717(1),88-96.

Gatersleben,A.,&Urry,J.(2003).Sustnablemobilityandlifestylechange:PublicattitudesandbehavioralintentionsintheUK.EnvironmentandPlanningA:EconomyandSpace,35(3),403-425.

VanAcker,S.,VandenBroeck,G.,&Waddell,P.(2015).Evaluatingtheimpactsofurbandesignonwalkingbehavior:Aliteraturereview.TransportReviews,35(2),129-153.

Thompson,R.C.,Aschbrenner,K.A.,Motl,R.W.,Post,J.L.,&Hillman,C.H.(2008).Parkuseisassociatedwithbetterphysicalandmentalhealthinolderadults.Health&Place,14(4),455-460.

Tzoulas,K.,Korpela,K.,Venn,S.,Yli-Pelkonen,V.,Kaźmierczak,A.,Niemelä,J.,&James,P.(2007).PromotingecosystemandhumanhealthinurbanareasusingGreenSpace:Aliteraturereview.Health&Place,13(3),201-228.

Gascon,M.,Zijlema,W.,Vert,C.,White,M.P.,&Nieuwenhuijsen,M.J.(2015).GreenSpaceandHealth:ASystematicReview.InternationalJournalofHygieneandEnvironmentalHealth,218(9),1201-1212.

WHO.(2010).GuidelinesforPlanningandDesigningHealthyCities.WorldHealthOrganization.

AmericanPlanningAssociation.(2009).PlanningforHealthyCommunities.AmericanPlanningAssociation.

CenterforDiseaseControlandPrevention.(2011).CommunityGuidetoPhysicalActivityandHealth.U.S.DepartmentofHealthandHumanServices.

Lee,K.,&Maheswaran,H.(2005).Theeffectofgreenspaceaccessibilityonphysicalactivity:Asystematicreview.AmericanJournalofPublicHealth,95(12),2008-2014.

Frank,L.D.,Schuurman,N.,&Stern,S.(2004).Theroleofmixedlanduseinsupportingwalking.TransportationResearchPartD:TransportandEnvironment,9(5),375-390.

Bhatnagar,A.,Steg,L.,&Vlek,C.(2010).Attitudes,norms,andself-regulationasdeterminantsofwalking:Amixed-methodsstudy.HealthPsychology,29(1),116-123.

Owen,N.,Hume,C.,Leslie,E.,Saelens,B.E.,&Bauman,A.(2007).Understandingenvironmentalbarrierstowalkingandthebuiltenvironment.AmericanJournalofPreventiveMedicine,33(6),500-507.

Vertesi,Z.,Axhausen,K.W.,&Axhausen,K.W.(2011).Mobilephonedataforestimatingcommutingpatterns:AcasestudyinZürich.TransportationResearchPartC:EmergingTechnologies,19(6),705-716.

VandenBroeck,G.,Vertesi,Z.,Axhausen,K.W.,&Czischke,D.(2013).Mobilephonedataforestimatingcommutingpatterns:AcasestudyinZürich.TransportationResearchPartC:EmergingTechnologies,28,138-148.

Urry,J.(2007).Mobilities.BlackwellPublishing.

八.致谢

本研究的顺利完成，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，谨向所有为本研究提供帮助的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在论文的选题、研究设计、数据分析以及论文撰写等各个环节，XXX教授都给予了我悉心的指导和无私的帮助。XXX教授严谨的治学态度、深厚的学术造诣以及丰富的实践经验，使我受益匪浅。他不仅教会了我如何进行科学研究，更教会了我如何做人。在XXX教授的指导下，我得以顺利完成本论文的研究工作，对此我表示最衷心的感谢。

其次，我要感谢参与本研究的各位受访者。没有他们的积极参与和配合，本研究的顺利进行是不可能的。他们在问卷、行为观察等过程中，提供了宝贵的时间和真实的资料，为本研究提供了坚实的数据基础。

我还要感谢XXX大学XXX学院的各位老师和同学。在学习和研究过程中，他们给予了我许多帮助和启发。与他们的交流和讨论，使我开阔了视野，加深了对研究问题的理解。特别感谢我的同门XXX、XXX等同学，在研究过程中，我们相互帮助、相互鼓励，共同克服了研究中的困难和挑战。

此外，我要感谢XXX市公园管理部门。他们在本研究中提供了宝贵的数据和资料，并给予了大力支持。没有他们的配合，本研究的顺利进行是不可能的。

最后，我要感谢我的家人。他们一直以来都给予我无条件的支持和鼓励，是我完成学业的坚强后盾。他们的理解和关爱，使我能够全身心地投入到研究中去。

本研究的完成，凝聚了众多人的心血和汗水。在此，我再次向所有为本研究提供帮助的人们表示最衷心的感谢！

九.附录

附录A：问卷问卷

亲爱的受访者：

您好！我们是XXX大