建成环境对老年人BMI的非线性影响及其在大都市中的空间差异：以北京为例

《Journal of Transport Geography》：The nonlinear effect of the built environment on older adults' BMI and its spatial differentiation in a metropolis: Evidence from Beijing

本研究通过整合北京2.3 million老年人健康数据与多源空间数据，运用XGBoost模型揭示建成环境因素对老年人BMI的非线性影响，发现交通因素（如道路密度）比土地使用因素（如混合用地）更具影响力，微环境变量（绿色视野指数、物理杂乱度）存在复杂阈值效应，且影响随城市功能区（中心商务区、居住区等）差异显著。

　　

卓刘|庞颖宁|陈龙|张雪|刘继祥

北京工业大学交通工程重点实验室，中国北京

摘要

本研究探讨了宏观和微观层面的建成环境因素对老年人体质指数（BMI）的非线性影响，特别关注了北京不同城市功能区之间的空间异质性。通过分析超过230万老年人的健康记录，并整合了包括兴趣点（POI）、道路网络和街景图像在内的多源空间数据，构建了一套包含土地利用、交通和社会人口特征在内的24个变量。利用XGBoost机器学习模型，研究揭示了建成环境特征对老年人BMI的相对重要性和阈值效应。研究发现，与土地利用因素相比，交通相关因素的影响更大；而绿色视野指数和物理环境混乱度等微观建成环境变量与BMI之间存在复杂的非线性关系。值得注意的是，这些因素的影响在北京四个城市功能区之间存在显著差异，在外围地区交通因素的作用更为突出。这些发现为支持老龄化友好的城市设计和制定促进健康老龄化的差异化空间规划策略提供了新的实证依据。

引言

人口老龄化是一个普遍趋势，也是世界各国面临的重要挑战。根据联合国的预测，到2050年，全球60岁及以上的人口将达到21.5亿，占世界总人口的约22.1%（联合国，2022年）。与年轻人相比，老年人更容易出现健康问题，因此需要更多的关注。例如，在中国，有超过1.8亿老年人患有慢性疾病，其中75%的人患有多种慢性病（新华社，2019年）。城市是促进公共卫生的关键空间平台。2016年，联合国大会提出的“新城市议程”倡导发展健康、包容和可持续的城市。在人口老龄化的背景下，通过城市规划改善老年人的健康已成为构建健康城市的重要组成部分（刘，2023年）。

自1972年安塞尔·凯斯（Ancel Keys）首次定义体质指数（BMI）以来，BMI已被广泛用于公共卫生领域，以评估人群的肥胖状况（Keys等人，1972年）。BMI是通过将个人的体重（公斤）除以其身高（米）的平方来计算的。在老龄化和健康背景下，老年人的BMI与高血压、糖尿病、心血管疾病等健康风险密切相关（Sarma等人，2016年；Says等人，2007年；Strandberg等人，2013年），使其成为评估老年人整体健康状况的重要指标（Alwan，2011年；Nejat等人，2010年）。因此，许多研究探讨了影响城市居民BMI的因素，尤其是老年人。先前的研究表明，除了年龄、性别和生活方式等个人因素外，居住社区周围的建成环境特征也会影响老年人的BMI（Jiang等人，2022年）。这种关系引起了城市规划学者的广泛关注。近年来，分析建成环境对老年人BMI的影响已成为一个重要的研究课题。多项跨城市的实证研究表明，建成环境通过两种主要机制影响BMI：（1）直接效应，如暴露于污染物；（2）间接效应，如老年人行为和习惯的变化。这些发现突显了通过城市规划干预措施降低老年人健康风险的潜力。建立各种建成环境因素与老年人BMI之间的详细定量关系对于完善规划政策和指南至关重要，从而有助于构建健康城市和促进可持续的城市发展。

尽管在这一研究领域取得了进展，但仍有一些领域需要进一步探索。在分析方法方面，大多数现有研究采用线性回归模型，这些模型假设建成环境因素与老年人BMI之间存在单调连续的关系。然而，实际上建成环境因素的影响可能是非线性的。例如，住宅区附近餐饮场所数量的增加可能会提高饮食多样性，但也可能增加过量摄入热量的风险。因此，餐饮场所对老年人BMI的影响应该是复杂且非线性的。关于影响因素的规模，现有研究主要关注宏观层面的建成环境因素（如土地利用混合、道路网络密度），而对直接描述住宅区周围街道环境的微观因素关注较少。然而，如步行便利性、街道绿化和街道设施设计等微观因素显著影响老年人的移动性和活动水平（Chen等人，2019年；Chudyk等人，2017年）。例如，虽然较高的街道绿化水平通常有益于健康，但过度的绿化可能会遮挡阳光或增加花粉浓度，从而对居民的体力活动和BMI产生负面影响。此外，大多数现有研究将城市视为一个同质整体，忽略了建成环境因素在不同城市功能区对老年人BMI影响的潜在差异。这种忽视限制了城市规划者根据特定分区特征实施有针对性的干预措施的能力。

本研究通过整合地理信息数据与老年人健康记录，并运用机器学习来分析宏观和微观层面的建成环境因素对居民社区老年人平均BMI的非线性影响，填补了这些空白。北京作为一个具有明显同心圆结构且四个城市功能区划分清晰的城市，被选为案例研究，有助于探索建成环境影响在不同城市功能区之间的空间异质性。本研究有两个主要贡献：首先，它研究了建成环境因素对老年人BMI的相对重要性和阈值效应，特别关注“物理环境混乱度”等微观要素；其次，它在相同大都市区内文化背景和生活方式相对一致的情况下，探讨了城市功能属性如何影响建成环境与老年人BMI之间的关系。研究结果提供了关于建成环境如何影响老年人BMI的复杂机制的深入见解，为支持老龄化友好的城市规划实践提供了宝贵的理论视角和定量证据。

本文的其余部分结构如下：第2节回顾了关于建成环境与BMI关系的现有文献；第3节介绍了研究区域和数据收集方法；第4节详细介绍了本研究采用的分析模型；第5节展示并解释了结果，并讨论了潜在的因果机制；最后，第6节总结了政策意义和研究局限性。

研究区域

本研究选择北京作为案例研究，主要是基于其人口结构和城市空间特征。在人口结构方面，像世界上许多大城市一样，北京也面临着严重的老龄化问题。截至2023年底，60岁及以上的居民人数达到了494.8万，占总人口的22.6%，而65岁及以上的居民人数为346.9万，占总人口的15.9%（北京

研究设计

本研究分为三个步骤，如图3所示。第一步是处理解释变量。首先，根据老年人健康记录数据确定纳入分析的社区。然后，计算每个社区老年人的平均BMI，并将其作为解释变量。第二步是处理解释变量。首先，定义每个社区的建成环境变量的值范围

影响因素的相对重要性排序

在北京全市范围内，各影响因素的相对重要性排序如表4所示。仅有的两个社会人口因素——性别和平均年龄——排在前三位。这表明，在个体变量层面，社会人口因素对老年人BMI的影响不容忽视。这一发现与现有研究结果一致，即尽管建成环境确实会影响老年人BMI，但不太可能超过其他因素的影响

结论

本研究以北京为例，深入分析了大城市中建成环境与老年人体质指数（BMI）之间的复杂非线性关系，提供了创新的实证证据。通过整合大规模健康记录、多源空间数据和机器学习分析，研究不仅验证了一些既定的理论理解，还揭示了一些挑战传统观点的突破性发现。

写作中生成式AI的使用

本手稿在GPT大型语言模型（OpenAI，美国旧金山）的帮助下进行了语言优化，以提高语法、清晰度和流畅性。作者对输出内容进行了审阅和编辑，以确保准确性、适当性和与预期意义的契合度。没有生成任何可能被视为实质性学术贡献的内容。

作者贡献声明

卓刘：写作——审阅与编辑、监督、资源协调、项目管理、方法论、资金获取、概念构思。庞颖宁：写作——初稿撰写、可视化、验证、软件使用、方法论、数据调查、正式分析、数据管理。陈龙：写作——审阅与编辑、监督、项目管理、方法论、概念构思。张雪：写作——审阅与编辑、验证、资源协调、资金获取。刘继祥：写作——审阅与

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究得到了国家自然科学基金 [52008006]的支持。此外，本研究还获得了中国留学基金委 [202406540018]的资助，以及首都师范大学资源环境与旅游学院支持的青腾项目的支持。