作者：柴彦威
出版社：东南大学出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
时空间行为研究前沿试读：
前言
本书是在北京大学召开的“时空间行为与智慧出行国际研讨会”的论文集，也是“十二五”国家科技支撑项目之课题“城市时空行为分析关键技术与智慧出行应用示范”（资助号：2012BAJ05B04）的阶段性成果。
随着国内外时空间行为研究中数据采集与分析手段等的不断革新，时空间行为研究日益呈现出研究数据的多源化、研究方法的科学化、研究对象的个体化、研究主题的应用化等新趋势。借着与现代信息技术及新型研究手段的密切结合，时空间行为研究在城市规划与管理中的应用基础已经初步形成，在个人出行规划、智慧出行服务、智慧交通规划等方面显示出巨大的应用潜力。同时，时空间行为研究也使城市规划从单纯的空间规划走向时空间规划，使城市社会管理更加智慧化与人性化，使面向城市居民的服务更加个性化，使居民的时空间行为更加高效、健康、智慧与环保。特别是在中国走向社会发展、面临社会转型的新时期，城市发展逐渐由经济发展导向转向社会发展导向，人们的生活质量、居民幸福感等社会建设成为焦点，城市交通出行需求管理的精细化、智慧化成为智能交通发展和智慧出行引导的重要措施。
在此背景下，“十二五”国家科技支撑计划项目“智慧城市管理公共信息平台关键技术与应用示范”被立项，其中，“城市时空间行为分析关键技术与智慧出行应用示范”成为重要课题，其目标就是以面向智慧城市管理的智慧出行服务平台开发与应用示范为突破口，引导城市居民的智慧出行，改善城市的交通状况，最终达到提高居民生活质量、优化城市空间结构的目的。
为了更好地借鉴与结合城市规划学、时间地理学、行为地理学、城市地理学、移动通信技术及地理信息系统等学科的国内外研究前沿成果，2012年12月8日，北京大学联合北京交通发展研究中心与清华大学等单位，在北京大学守仁会议中心举办了“时空间行为与智慧出行国际研讨会”。来自加州大学伯克利分校、麻省理工学院、荷兰乌特勒支大学、爱沙尼亚塔图大学、香港浸会大学、北京大学、清华大学、中国科学院地理科学与资源研究所、南京大学、同济大学、中山大学、北京交通发展研究中心等高校与研究机构的七十余名城市研究与城市规划学者参加了会议，围绕“时空间行为研究的数据、方法与前沿及其在智慧城市规划、管理、建设中的应用”主题，分“时空行为与智慧出行”、“时空行为数据采集与分析的最新进展”、“时空行为与交通规划管理”、“时空行为与城市空间”四个专场及“时空行为研究在城市居民智慧出行服务中的应用”的圆桌会议等形式，开展了精彩纷呈的学术交流。“时空间行为与智慧出行国际研讨会”突出时空间行为研究的前沿问题及其在智慧城市规划管理中的应用探索，与会学者对新形势下时空间行为研究的数据采集、方法创新与社会理论及规划理念的实践结合等热点话题进行了深入而热烈的讨论。
我们将向与会学者征集的时空间行为研究的最新成果，经整理、编撰后，成为国内第一本反映国内外时空间行为研究领域的前沿著作。在收录会议论文的基础上，我们又向国内外时空间行为研究的知名学者和领军专家特别约稿，以求全面反映当前国际上时空间行为理论、方法与应用研究的全貌。全书共收录关于时空间行为理论、方法与实证研究的论文23篇，其中海外学者的论文9篇。本书共由3篇构成，上篇为“理论前沿”，从时空间行为研究的理论概念、范式与方法论演进等方面对国内外时空间行为研究的最新理论思考给予了集中展现；中篇为“方法前沿”，包括时空间行为研究的分析方法与模型方法以及在大数据时代背景下的最新尝试；下篇为“应用前沿”，集中展示了近年来新的信息技术手段在时空间行为研究中的应用以及在移动性规划等方面的最新应用探索，展示了其解决城市病的有效作用。“理论前沿”部分包括7篇论文，其中前3篇是英文论文，由北京大学行为地理学研究小组的研究生翻译整理成中文。开篇是国际著名学者、美国伊利诺伊大学厄巴纳—香槟分校地理及地理信息科学系教授、《美国地理学家协会会刊》（AAAG）主编关美宝（Mei-Po Kwan）关于社会科学研究中地理背景的不确定性问题与地理信息系统（Geographic Information System, GIS）方法的论文，是对人类空间行为研究中基本科学问题的宏大思考以及应用地理信息系统方法的引领性探索，由杜洋与肖作鹏翻译。英国伦敦大学学院交通研究中心彼特·琼斯（Peter Jones）教授关于国际交通研究与政策议程中的范式演进的论文是在北京大学学术讲座基础上整理的英文文章，全面深入地解读与评述了从基于车的范式到基于出行的范式、基于活动的范式、基于态度的范式、基于动态的范式四次研究范式的扩展过程，由肖作鹏翻译整理。国际知名交通行为研究专家、荷兰埃因霍温理工大学教授哈利·蒂墨门斯（Harry Timmermans）与其研究助理索拉·拉索利（Soora Rasouli）关于交通出行需求模型及其规划应用进展的英文论文也是在北京大学学术讲座基础上整理的，对活动分析法的模型演进及其特点、实践应用与存在的问题等给出了深入系统的说明，由孙道胜翻译。“理论前沿”部分其余的4篇中文论文由国内时空间行为研究领域的几位领军学者领衔完成。中山大学地理科学与规划学院教授周素红关于时空关联视角下城市空间结构研究的几个思考是其近年来的最新成果，对中国的时空间行为研究有很强的指导性；南京大学建筑与城市规划学院教授甄峰等的信息时代大数据应用与城市空间研究，是其近年来应用新的信息技术探索创新城市空间研究的最新反映；北京大学城市与环境学院教授柴彦威等面向智慧出行的中国城市时空间行为研究是对智慧城市规划与管理的有益探索；中国科学院地理科学与资源研究所研究员张文忠等对居住环境与居民空间行为的研究则把时空间行为研究引向居住环境研究与建设之中。“方法前沿”部分包括8篇论文，主要是国内外学者在时空间行为研究方法上的探索。北京大学地球与空间科学学院教授刘瑜等对人类移动模式的多尺度分析方法很有新意；美国明尼苏达大学休伯特·汉弗莱公共事务学院副教授曹新宇（Jason Cao）深入分析了居住自选择在建成环境和交通行为关系中的作用；北京大学信息科学技术学院副教授马修军等指出了基于大数据的时空间行为研究方法的未来方向；北京市城市规划设计研究院高级工程师龙瀛陈述了大数据时代的城市模型研究及其机遇；荷兰乌特勒支大学地理科学学院副教授迪克·埃特玛（Dick Ettema）等人比较研究了不同交通方式下出行时间利用的异同，由毛子丹翻译；中山大学工学院智能交通研究中心讲师胡继华等介绍了公交时空可达性的计算与模拟方法；大连理工大学交通运输学院副教授刘锴等研究了通勤者路径熟悉程度对交通信息感知价值的影响；同济大学建筑与城市规划学院教授王德等实证探索了叙述性偏好法在城市居住环境质量评价中的应用。“应用前沿”部分也包括8篇论文，其中前3篇是英文论文。荷兰乌特勒支大学地理科学学院教授马丁·戴斯特（Martin Dijst）等通过家的移动性研究来探索基于行动者关联理论的移动性规划，由赵莹翻译；美国麻省理工学院土木与环境工程学院教授本·阿齐瓦·默西（Moshe Ben-Akiva）的研究团队、以克里斯托弗·齐格拉斯（Chris-topher Zegras）副教授为核心的新加坡—麻省理工学院研究与技术联盟未来城市移动性实验室介绍了新加坡智能手机出行调查的经验以及在未来移动性规划方面的思考，由吴逸思翻译；爱沙尼亚塔图大学地理学院教授雷恩·阿哈斯（Rein Ahas）与比利时根特大学地理学院教授希瑞·西尔姆（Siiri Silm）等人介绍了爱沙尼亚基于手机定位数据的城市隔离研究，由桂晶晶翻译；澳大利亚格里菲斯大学城市研究项目研究员李铁北对出行成本空间分析与交通弱势群体问题进行了再研究；清华大学交通研究所教授陆化普等基于结构方程模型研究了居民交通需求与交通出行行为的关系；香港浸会大学地理系教授王冬根团队研究了北京市居民交通拥堵体验；北京大学建筑与景观设计学院副教授张天新团队研究了中国城市集中式职住分离的特征及其形成；中山大学地理科学与规划学院教授刘云刚团队从信息权利的视角评价了中国城市的竞争力。
虽然本书由我负责总体策划、约稿与审稿及最终统稿，但我的研究团队自始至终给予了大力支持与协助，北京大学人文地理学专业博士生塔娜同学不仅承担了“时空间行为与智慧出行国际研讨会”的筹办与组织等领导工作，而且参与了本书策划、组织编写与翻译、后期校对等全过程，北京大学人文地理学专业的博士生赵莹，硕士生肖作鹏、毛子丹、桂晶晶、陈梓烽、孙道胜、吴逸思、杜洋等承担了英文章节的翻译与校对工作，塔娜、张雪、马昕琳对全书进行了校对。在此一并表示诚挚的谢意。
最后，我要感谢各位作者的大力支持！感谢关美宝教授在论文版权取得方面给予的帮助！感谢北京大学行为地理学研究小组所有人员的积极参与！特别感谢东南大学出版社徐步政老师与孙惠玉编辑给予的厚爱与支持！柴彦威2014年春于北京大学燕园上篇理论前沿1社会科学研究中不确定性地理背景问题的GIS方法1.1 引言
社会科学研究中的一个重要问题是考察空间特征如何影响人的行为与经历（例如，投票行为，种族或族群隔离，健康服务设施的利用）。当某个研究利用基于地域的变量来解释或预测个体行为或结果时，通常会使用基础普查区或街区数据，但同时会面临两个基本的研究方法问题。第一个问题比较容易理解，即可修正性地理单元问题（Modifiable Areal Unit Problem, MAUP），也就是空间变量作用效应的分析结果可能会因地理单元的划分方法（Zoning Scheme）或空间单元的尺度而异。这个问题已经受到社会科学研究者的广泛关注，学者们也为之做了很多研究（Fotheringham et al,1991; Cressie,1996; Holt et al,1996; Hipp, 2007; Oliver et al,2007）。已有研究大多受奥彭肖观点的影响，认为可修正性问题的解决办法是在具体研究中准确界定和采用最适合的地理单元划分方法和地理空间的尺度（Open-shaw,1996）。这些研究注重探讨的是：如何针对研究数据以及区域确定最为适用的地理单元划分、邻里规模和地理尺度（MacAllister et al,2001; Johnston et al,2007; Weiss et al, 2007; Flowerdew et al,2008; Mu et al,2008;Riva et al,2009; Root,2012）。
然而社会科学研究中另一基础性的方法论问题受到的关注相对较少，即考察地理空间变量对个体行为的背景效应，具体是指，地理空间变量对个体行为作用效应的分析结果，可能受到地理背景单元或者邻里单元的划分方法及其与真实地理背景作用空间的偏离程度的影响。尽管很多有关可修正性地域单元和邻里空间对居民健康效应的文章对此也有关注（Manley et al,2006; Diez,2001），但明确讨论该问题的本质及其在方法论层面的影响的文章还非常有限。
笔者曾于2012年专门撰文首次对此问题做了全面讨论，并将它称之为地理背景的不确定性问题（Uncertain Geographic Context Problem, UGCoP）。在那篇文章中，笔者认为地理背景的不确定性问题源于空间与时间两个方面的不确定性，空间的不确定性存在于对研究个体产生背景效应的真实空间环境中，时间不确定性存在于个体经历这些背景影响的发生及持续时间。拉姆（Lam,2012）详细讨论了环境健康研究中各种类型的不确定性。笔者认为地理背景的不确定性问题同可修正性地理单元问题一样，基本问题都是对于基于区域的空间变量的研究。然而，它们是不同种类的问题，地理背景的不确定性问题不是基于不同分区划分的使用，也不是基于区域变量的不同空间尺度而产生的。相反，它的产生正是由于在大多数（即使不是全部）社会科学研究中，对真实区域环境的时空格局的认识未达到最优。因而这些依据行政单元（例如人口普查范围）数据的社会研究，对于精确获取个体真实的地理背景或者准确估计空间变量的价值并没有先验理由。而笔者想强调的是：用于解决可修正性地理单元问题的方法，例如针对研究区域及人群找到最优的区域划分、社区规模、聚合方法以及研究区和人口的地理尺度等，无法自动解决地理背景的不确定性问题。地理背景的不确定性问题的产生是因为我们对每个个体所处真实地理背景的时空格局的认识有限，而非由于一个特定区域划分方式、区域聚合方法或者空间尺度的使用。因此，笔者提倡应对地理背景的不确定性问题的潜在混合效应以及未来研究中的解决方法给予充分关注。
本文通过引述关美宝以及其他学者最近的社会科学研究（特别是有关环境健康以及邻里效应的研究），进一步详细阐述地理背景的不确定性问题的本质，并探索新兴的GIS技术和地理空间技术如何帮助解决相关问题。文章探讨减轻地理背景的不确定性问题影响的可能方式，着重讨论了利用全球定位系统（Global Po-sitioning System, GPS）收集详尽的个人时空数据，建立个体活动空间结构，用定性的和基于网络的地理信息系统来获取人们活动位置以及日常体验的方法。本文也讨论了在未来研究中，解决地理背景的不确定性问题所面临的挑战，强调地理信息系统以及地理空间技术的使用是由于这一问题的本质所决定的，而这个本质正源于人类活动的真实地理背景时空格局的复杂性。最近的研究显示，这些技术可以更好地帮助研究者捕捉人们的复杂活动，以及环境影响下的时空动力，而后者正是许多不同类型研究中描述环境背景单元影响（例如，社区的物质环境如何影响人们的活动）的坚实理论基础（Gulliver et al,2005; Wiehe et al,2008; Dun-can et al,2009）。之前的方法都不能像地理信息系统和其他地理空间技术那样达到这个程度，从提倡将先进的地理空间技术应用到实际应用中，解决地理背景的不确定性问题，这并不意味着技术方法优于概念或理论上的思考，因为后者更多考虑了特殊描述是真实地理背景良好近似的原因。1.2 地理背景与地理背景的不确定性问题
社会科学研究中的一个重点问题是探讨地方、社区和地理背景对人们行为与经历的影响。有关这方面的文献很多，诸如麦卡利斯特与约翰斯顿等人（MacAl-lister et al,2001; Johnston et al,2007）有关投票行为的研究，希普与布朗宁等人（Hipp,2007; Browning et al,2010）在犯罪方面的研究，以及桑索内等人（Sampson et al,1997）在社会组织方面的讨论。还有很多文献是关于邻里效应的（Galster, 2001; Dietz,2002; Sampson et al,2002; Kawachi et al,2003; Ham et al,2012），例如，约翰斯顿检测了英国不同尺度（个体、家庭、社区、选区以及区域）的环境对群众选举投票行为的影响。这项研究显示，当所有小尺度级别（个体、家庭、选区）的特征均被考虑在内后，区域变量就不重要了（Johnston et al,2007）。这说明，环境对群众投票行为的影响主要体现在相对小的空间尺度，而投票行为的区域特征仅仅是数据高度综合后的分析结果。
在关于社区和地理背景对人们行为和经历的影响的文献中，有很多人关注对健康的影响（Curtis et al,1998; Diez et al,2001; Kawachi et al,2003）。健康学者以及地理学者在过去20年的研究中阐明了许多关于地方、环境以及邻里效应对健康的影响的重要概念与方法论问题。超越健康行为与结果只与个体和他们家庭的特征相关的一般认识，研究者重新树立了地方或社区作为解释健康行为与结果的重要因素的中心地位。现在被广泛认可的观点是：个体特征不是解释与健康相关的地理变量的唯一因素，因为地方或者社区的特征也对健康产生着重要的影响。
之前对环境健康的研究曾定义了影响个体行为与结果的各种地方特征。这些特征可以被概括为两大类：（1）物理或环境特征；（2）社区的社会、文化以及制度特征（Macintyre,1997; Pickett et al,2001）。影响健康的物理特征包括促进健康环境（如人行道、小径、公园）的可获得性，保健服务设施的可达性以及零售商销售的健康食品价格的可支付性。这些主要是针对物质资源或者“机会结构”，具有社会或空间环境的结构特征，这些特征通常会“通过为人们提供健康生活的可能，直接或间接地促进或损害健康”。社区的社会与文化结构通过健康以及与健康相关的行为的共同态度、当地社会联系与凝聚力、集体效能、社区制度、犯罪以及社区劣势的结构维度（例如居住隔离、特殊群体的孤立等）对健康造成影响。这些特点被认为可能是“集体社会的功能和实践”（Macintyre et al,2002）。
在过去的研究中，这些物理与社会环境的因子对各种行为与现象的影响被概括为邻里或环境效应（Sampson et al,2002; Kawachi et al,2003）。然而，在这些研究中，邻里效应的相关结果却并不一致（Inagmi et al,2007; Wilks et al,2010），一个重要的原因是过去的研究中，相同的问题（例如肥胖或体育锻炼）常常使用不同的区域单元来研究。例如，在研究邻里特征的影响（例如土地混合使用和居住密度对体育锻炼或体重的影响）时，定义社区范围有以下几种类型：每个参与者房屋1 km道路网缓冲区（Frank et al,2005）；一个1 km或3 km的圆形区域（Berke et al,2007）；半径为0.5 mile（英里）的圆形区域；参与者居住点至其他某地10分钟行走的路程；10 mile半径或者参与者居住点至其他多个地方20分钟车程的区域（Brownson et al,2004）。但是，仍然不清楚这些区域单元中哪一个展示了真实地理背景的区域面积与空间构型。过去关于邻里效应（例如社区收入不均衡与种族结构）对于健康（例如肥胖）的影响的研究结果混杂不连续，可能部分就是由于界定的社区范围不同。
需要明确指出的是：研究者对精确的空间构型和对研究现象产生重要社会与物理环境影响的地理区域边界几乎没有先验知识。因为“真正因果相关的”地理背景在大多数研究中是未知的，而常见的做法是使用居住社区作为环境背景单元（Diez et al,2010）。这些单元通常是静态行政单元，如人口统计单元或邮区，或者个体家庭地址的周边地区，也可能是家庭人口普查区域的中心。
但是居住社区并不能准确地展现对研究个体行为或经历产生影响的真实区域（Cook,2003; Cummins,2007; Matthews,2011; Chaix,2009; Kwan,2009）。例如，青少年危险行为（如物质浪费）不仅受居住区内社会经济匮乏的影响，还受到与朋友或者同龄人在各种非居住场合（例如在学校或其他休闲场所）的互动影响。这些背景的界线混合，因此很难描述清楚，即使可以描述，有些背景单元在地理空间内也不一定连续（例如一些背景单元可能包含几个相互离散的地区），因而不能使用简单的方法分析或呈现（Wiehe et al,2008）。这些复杂的环境通常并不能等级性地进行组织，也没有嵌套结构，因此不能使用多层次模型来解决。进一步讲，社会环境（例如家庭、朋友、同龄人）与网络并未能显著地用地理术语进行定义，因此也不能描述为有精确界线的地理区域（Diez,2001）。在其他情况下，基于人们意识基础上定义的社区或许更加相关。然而，被不同个体所感知的社区可能与行政定义的社区或人们的活动空间并不一致，或者说，二者存在显著的偏差（Vallee et al,2010）。
这些困难导致对研究现象产生背景影响的实际地域空间的不确定性。环境影响的动态性以及人类的移动，在另一方面也导致大量瞬时环境影响的不确定性（Chaix,2009; Kwan,2012; Gatrell,2011）。例如，一些空间影响（例如与交通相关的大气污染）可能随着空间和时间的改变而产生高度复杂的变化，这些空间影响可能在一段时间内产生急剧变化，当人们在一天中穿过不同污染程度的环境时，他们所暴露在其中的环境的影响也在变化（Gulliver et al,2005）。进一步而言，某些环境影响（例如来自汽车交通的污染）一天24小时都在变化，而其他一些环境影响则可能随着季节而变化。社区的物理与社会特点也会随着时间而变化（En-twisle,2007）（图1-1）。人口组成以及当地的社会联系随着居民迁居与迁移而改变。当环境或社区影响有可观的时空变化时，仅仅使用一个时间点的数据通常是难以充分评价它们对人们的影响的（Setton et al,2010）。图1-1 环境风险因子叠加图
进一步讲，过去的地理研究与活动—移动行为研究显示，人们通过四处移动完成他们的日常活动（Hanson et al,1981; Burnett et al, 1982; Kwan,2000）。人们通常在一天之中穿过多个邻里的界线，除了所居住的社区外，还受到其他不同社区的影响（Sampson et al, 2002; Matthews,2011）。这意味着，人们的活动（暴露在环境影响之中的）并不在一个时间点发生，也并非完全发生在传统定义的邻里中。他们所使用的不同物理资源以及他们与朋友、同龄人及其他社会关系的互动，存在于一天的不同时间以及居住邻里单元之外的不同地区之中（Kwan,2009）。因此，居民的住区只是人们消磨时间的场所之一，而并不能够完全涵盖人们暴露在相关环境影响中的区域。也就是说，除了通过空间中的移动来完成日常生活之外，人们也在时间中移动。他们可能在不同时间、同一个城市的不同社区居住（迁居），或者迁移到其他地区。移动到其他邻里的结果是：人们所受到的周围环境的影响随着时间不断发生变化。1.3 地理背景的不确定性问题近期研究成果
由于环境影响的时空不确定性影响了人们何地、何时以及经历影响的时间，因此强调地理背景的不确定性问题的出现是非常重要的。这个问题的基础源头大部分（即使不是全部）是由于真实地理背景时空构造的复杂性，对一个人真实地理背景的认识往往是未知的。研究者可以使用合理的概念模型与方法来逼近真实的环境，从而减轻地理背景的不确定性问题的影响，但是仍不能确定人们何时会确定地说，这个问题已经解决。
可修正性地理单元问题的主要分析任务是确定最优的区域划分、社区规模和地理尺度以及比较不同分区方式、不同区划规模对分析结果的影响。然而，解决地理背景的不确定性问题需要更精确地测定与估计“真正因果相关”的地理背景（Diez et al,2010）。如果固守区域数据（即使使用的是很小的枚举单位）的传统空间框架，或者借口针对特定社会问题的研究只有这些数据是可得到的，那么将很难完全理解这个问题的重要性。
地理背景的不确定性问题是一个重要的方法论问题，因为它意味着即使其他因素都相同，分析结果也会因为背景单元的差异而不同（Kwan,2012）。这也许是解释社会与物理环境对人行为与经历的影响的研究结果通常不一致的重要原因。近期研究提供的证据阐明了地理背景的不确定性问题的各个方面。考虑到人们在日常生活中四处移动以及居住区可能并不是各种环境影响中的重要部分，研究使用全球定位系统或者其他移动定位设备收集了人们离家活动和出行路线的详尽数据，为地理背景的不确定性问题提供了重要线索。例如，巴斯塔等（Basta et al,2010）观察发现半数15—19岁的被调查者有92%的时间是在居住区之外度过的；同时，伊尔格图恩等（Elgethun et al,2003）发现，2—8岁的儿童工作日大部分时间都在学校，而周末大部分时间则在餐厅或电影院等娱乐场所。
在一项关于少女危险行为的研究中，维厄等（Wiehe et al,2008）发现参与者花费1/3的时间在距离家超过1 km的地方，后来这一距离在许多研究中被用来定义邻里社区，这说明参与者在日常生活中花费很多时间在传统定义的地理背景或邻里社区之外。这项研究也表明除了一天中不同时间的变化，参与者活动地点也发生可观的逐日变化。这些研究揭示了人们的日常位置在一天不同时刻的差异以及日间差异，从而使人们更加担忧在研究健康与社会科学时使用传统静态环境背景单元这一做法可能导致的问题。
而其他研究也表明，环境背景单元的错误设定或者环境影响的不恰当都会导致时间特征混淆的实验结果。例如，关美宝等（Kwan et al,2009）发现三种不同描述的地理背景在大小和形状方面的重要性不同：两种活动空间[标准椭圆、核密度表面]的描述和一种家庭人口普查范围。这些研究观察到，在某一性别与族群中，基于家庭人口普查范围的邻里效应往往趋向于高估社会不良效应对他们的实际影响（因为人们到访的非居住区域可能会减轻他们在自己社区的不良经历）。
在一项对于参与者家庭或工作地点1 km内道路网络缓冲区物理特征与体育活动量的研究中，特罗佩等（Troped et al,2010）发现与人们在家或工作地周边的体育活动的物理特征不同，研究结果没有一个物理特征与参与者的全部活动有关。这项研究不仅说明人们的体育锻炼与他们所在的地方有关，同时也暗示只使用参与者家庭社区作为环境背景单元的研究，很难找到物理环境与身体质量指数之间的关系，因为身体质量指数是基于全部的体育活动，而非局限于家庭或工作空间周边的锻炼量。
其他的研究也为此提供了大量的直接证据，这些证据显示，环境变量与研究结果对研究单元的选区很敏感（Zenk et al,2011）。例如，关美宝观察到参与者家庭地址周围圆形缓冲区域的复合剥夺指数（作为一项环境变量），与来自对参与者全球定位系统追踪得来的0.5 mile家庭道路网缓冲区的指数有很大不同。奥利弗等人发现使用家庭地址（依据他们家庭邮区的中心）周边不同的缓冲区作为环境背景单元对结果有很大影响：土地利用特征与线性的道路网缓冲区比与圆形缓冲区有更强的联系；圆形与多边形缓冲区低估了土地利用特征对步行的影响，因为它们包含更多与步行无关或难以达到的区域（例如工业用地）。这些研究指出，环境变量与研究结果都对环境背景单元的选择很敏感（Kwan et al,2011; Oliver et al,2007）。1.4 过去研究的相关性与局限性
正如上一节所说，地理背景的不确定性问题的产生源于环境背景影响的时空不确定性，而这些背景也影响着人们何地、何时以及经历影响的时间。这个问题的基础源头大部分（即使不是全部）是由于真实地理背景时空构造的复杂性，导致对一个人真实地理背景的研究往往是未知的（Couclelis,2003; Shi,2010; Lam, 2012）。减小地理背景的不确定性问题对环境变量和研究结果影响的第一步是建立一个明确环境与结果之间因果关系的概念模型，只有依据这样的概念模型才可以来构建环境背景单元。例如，在一项探索影响人们戒烟行为因素的研究中，索楞逊等（Sorensen et al,2004）提供了一个社会—情境模型，这一模型明确了影响人们吸烟行为的重要邻里或社区因子（例如社会剥夺与社会凝聚力）。
依据环境与结果之间因果关系的合理概念模型，研究者可以确定一个合适的方法，用来更好地靠近真实地理情境。用以组织或提供数据的空间框架以及分析层次（个体或基于区域的群体）对于分析是什么类型的不确定性导致地理背景的不确定性问题以及如何解决这个问题有着很好的启示。很重要的一点是：这篇文章中关于地理背景的不确定性问题的讨论主要基于地域情境变量（例如社区贫困与种族隔离）来解释或预测个体行为或结果（例如使用某种健康服务的个体决策）。在这样的研究中，情境变量与结果变量被放在不同的空间构架中，前者是基于区域的，而后者是对于个体而言的。
同时还有很多社会科学研究关注区域的情境变量与结果变量之间的关系（例如人口普查地区的癌症发病率或者犯罪率），这种调查很有必要，因为它帮助我们确定使用区域汇总数据（通常是能得到的唯一数据）研究在不同地区或者不同社会群体中，环境影响与某一社会现象或者健康现象的可能联系（例如低出生体重率）。一些研究探索环境背景单元的不同描述对于研究结果的影响，发展了解决可修正性地理单元问题、小数据问题的方法。大部分研究基于区域划分以及使用最优回归方案、邻里社区大小或者地理尺度来进行（Hipp,2007; Root,2012;Wang,2010）。例如，郭等人于2008年、2011年为了使小区域的研究扩展到更大的均质区域，从而缓解数据缺乏问题（因为小列举单元人口数量少，从而会在统计估计时产生不稳定的现象），提出并完善了一种方法（被称作最近群体区划方法）（Guo,2008; Guo et al,2011）。木等人（Mu et al,2008）提出了一种修正空间尺度聚合的方法，这种方法能够将小地区单元合并为一个大的单元，从而弱化尺度效应以及回归估计时的空间自相关。王等人（Wang,2010）提出的方法是一种构建更大区域的自动化方法，这通常代表了空间上或者社会经济上比人口普查区域或者邮政代码区域更加相似的地域单元。这样的方法常用来克服小数据问题，并曾应用于分析2000年伊利诺伊州晚期乳癌风险。
这些研究在很大程度上有助于包括在基于区域结果变量的研究中确定更优的回归方程或者空间尺度等问题的方法的发展，因此可以减少可修正性地理单元问题的影响。虽然这些研究的分析集中于群体行为、决策或者结果（基于区域的数据），但是对于在给定群体中每个个体的真实地理背景时空不确定的前提下，基于群体的地理情境如何被概念化仍不明晰。生活在相同地域单元（例如人口普查分区或者街区）的个体，可能受到除了自己居住社区外的不同地域单元环境的影响（因为他们会在日常生活中到访很多不同地方），因此，并不清楚一个因果相关的地理背景如何被一个基于区域的群体（例如对于所有住在同一个人口普查区域的个体）有意义地概念化或者描述。由此看来，也并不清楚试图减少可修正性地理单元的影响如何与解决地理背景的不确定性问题相关，虽然它们通过地理尺度与带状聚合的混合效应有助于降低统计偏差。
与解决地理背景的不确定性问题更相关的研究是通过使用多层模型或者通过小面积数据描述特定个体的邻里或者情境单元，解决一些特定方面的问题（MacAllister et al,2001; Johnston et al,2007）。由于对个体行为或者结果的环境影响通常作用在复合层次或复合尺度上，因此如果这些层次是分等级的或者嵌套组织的（例如，区域、县、人口普查范围），多层模型通常会帮助研究者在不同尺度上把握这些影响。例如，莫布利（Mobley et al,2008）等于2008年测验了不同层次（地理尺度）的环境变量如何影响女性乳房X线照相术的选择。这项研究基于四个层次的环境背景单元（县、医疗服务研究区、初级保健服务领域、邮区）的精细数据构建环境变量，研究发现了在地方尺度上（例如居住隔离）运行的显著环境影响，并推断出，仅仅使用县级层次的因素会忽略很多地方尺度上的重要关系。麦卡利斯特等（MacAllister et al,2001）使用小区域人口普查数据建立了一个针对个体的邻里社区，在1997年英国选举调查（BES）中，用来近似每一个参与者的真实地理背景。基于每个参与者的邮政编码与枚举区，使用枚举区域作为建筑模块，为每个参与者定制包含500个、1000个、2500个、5000个以及10000个被建立自定义算法邻居的邻里社区。结果笔者认为，这为小空间尺度上传统邻里效应的研究提供了有力的证据。
这些努力都与解决地理背景的不确定性问题有关，但是他们在未来发展地理背景的新概念以及更好的描述方法方面仍有局限性。第一，这些研究使用的数据是基于行政区域的。不管这些枚举单元有多小，这些单元如何联结在一起形成更好的环境背景单元，每个人真实地理背景为何以及如何依据一个社区单元适当大小的先验假设来近似等问题仍不可知。由于人们有着不同的空间移动性，他们的活动—移动模式以及社会交往会以一种复杂的方式在时空中展开，因此他们真实地理情境的空间大小与形状会有很大不同（Kwan et al,2008; Shoval et al,2011）。第二，当个体结果很大程度上受到人们交通路径或者时空移动的影响时（例如暴露在与交通相关的污染中），以及当诸如持续时间或者累积效应等与时间相关的影响变得更加重要时（例如暴露在致癌物质之中），如果不知道他们会去哪里、在那里呆多长时间以及在相关时间内他们的路线，那么建立对人们真实地理背景的近似就会变得很困难。第三，复杂层次模型只有在环境影响是以等级或者嵌套来组织的情况下，才会发挥作用。但是研究也表明，一个人的邻里社区可能会由多个离散的区域组成，因而不能够等级组织（Wiehe et al,2008）。最后一点，当生活在同一家庭的个体受到不同区域的地理情境影响时，他们会有各自特定的环境区域，而在这些研究中所使用的方法却不允许生活在同一家庭的参与者有不同的环境影响单元。1.5 使用地理信息系统来解决地理背景的不确定性问题
为了克服上述局限并更有效地解决地理背景的不确定性问题，不仅需要将复杂的个体情境时空配置考虑在内的地理背景新概念，还需要描述这些环境背景单元的新的分析方法。基于时间地理学的研究成果，关美宝等（Kwan et al,2008;Kwan,2012）提出了一个基于个体的动态地理背景概念，依据人们去了哪里、在那里花费多长时间以及他们的交通路径来描述地理背景单元。希普等（Hipp et al, 2012）也采用了一种基于个体的方法，使用“自我”（Egohood）的概念作为描述个体环境背景单元的基础。“自我”的观点描述了这样一个客观事实：个体是通过将自己作为社区或社会网络的中心来认识自我的。地理背景或邻里的新概念对于未来的研究很有帮助，它检验了基于区域的变量对个体行为或结果的影响。而实施这些新的概念，需要发展和使用新的方法，例如，李等人（Lee et al,2008）发展了一种描述以自我为中心的地方环境的方法，而这些环境单元与行政单元无关。两个适合使用地理信息系统或者其他地理空间技术来解决地理背景的不确定性问题的领域如下：（1）地理信息系统和全球定位系统以及其他位置感知移动设备；（2）定性地理信息系统以及混合方法。1.5.1 地理信息系统、全球定位系统以及其他位置感知移动设备
地理信息系统与全球定位系统技术对解决地理背景的不确定性问题有很大帮助，因为它们可以帮助研究者更好地掌握人们真实地理背景的复杂时空结构，这大部分是通过收集和分析人们的活动数据与环境影响的时空动态数据而得出的。例如，使用地理信息系统描述人们的活动空间看起来很有可能解决地理背景的不确定性问题（Rainham et al,2010）。人的活动空间是由日常活动和出行组成的区域（Arcury et al,2005），这一空间可以被用来捕获人们在哪里以及花费了多少时间的信息。例如，谢尔曼等（Sherman et al,2005）应用标准差椭圆与三种地理信息系统方法对基于道路网的活动空间进行描述：道路网缓冲区、30分钟标准出行时间多边形和相对出行时间多边形。在一项使用洛杉矶社区家庭调查数据集的研究中，关美宝（Kwan,2009）将地理信息系统应用到了除家庭人口普查区外的两种活动空间（标准差椭圆与核密度表面）的描述方法上，检验了社区社会经济损失对社区人口体重的影响。这些研究中描述的活动空间是实际的活动空间，它们是根据人们的实际活动位置数据和地理信息系统程序（如标准差椭圆）而构建的。然而，当有关人们时空制约的信息可知时（例如通过活动—移动日志调查进行收集），这些数据可以使用地理计算算法建立潜在活动空间（Kwan,1999）。有关这一活动空间的认识，也就是时间地理学所说的日常潜在活动路径地区，在社会科学研究中应用相对较少，因为与实际的活动空间相比，它对数据和地理计算有更高的要求。
虽然活动调查（例如洛杉矶社区家庭调查）提供了人们描述活动空间的有效数据，但人们活动的时间安排以及活动地点之间的路径信息是很有限的。很难使用这些数据来精确地估算人们在每个地点花费的时间，因此其结果是：使用人们活动空间来计算在环境中的暴露量往往是不准确的。为了克服这一限制，可以使用全球定位系统或者其他移动定位设备来详尽地获得个体活动的时空数据，如使用移动手机等来获得（Rainham et al,2008; Wiehe et al,2008; Shoval et al,2011）。例如，岑克等（Zenk et al,2011）使用全球定位系统追踪参与者以七天为一个研究周期的移动，全球定位系统记录了参与者每30秒的时空坐标。这些数据可以被用来建立两种关于参与者活动空间的描述：一种可以用标准差椭圆来建立，另一种是潜在的日常路径区域。
利用全球定位系统数据的时空高分辨率，研究者可以展示三维（3D）地理可视化的时空路径，并使用各种活动空间的理念来建立更加相关的地理背景（Kwan, 2004）。例如，根据时间地理学的研究框架，雷纳姆等（Rainhaim et al,2008; Yuill, 1971; Wong et al,2005）收集并使用全球定位系统数据通过建立标准差椭圆来描述参与者的活动空间，这种方法把握住了一系列点的地理分布或者定向趋势。在一项关于俄亥俄州阿巴拉契亚地区无烟烟草使用情况的研究中，关美宝等（Kwan et al,2011）探索了如何使用全球定位系统数据建立更加相关的环境背景单元，使用从参与者中收集来的全球定位系统数据，地理背景的不同描述（例如，潜在路径区域与时间加权的活动区域）被用来产生环境变量的派生价值（例如，烟草广告和社会经济剥夺），这些描述也包含了使用参与者全球定位系统追踪数据计算的不同宽度的道路网缓冲区。
另一个使用地理信息系统来解决地理背景的不确定性问题的领域是精确评价人们暴露在环境中的影响。这些评价的重要任务包括测定环境影响（例如空气污染）的时空变化并根据人们的时空移动确定环境影响发生的时间。虽然这些任务高度复杂，但地理信息系统可以帮助获取环境影响的时空动态与详尽的个体时空轨迹，并将所有的数据整合在一个合适的分析框架中。格利佛等（Gulliver et al,2005）收集了被调查者24小时的活动日志数据，建立了时空暴露模型（Space-Time Exposure Modeling, STEM），用来评价出行中在与交通相关的污染中的暴露。这一模型实际上结合了地理信息系统中四种不同的小模型，其中每种模型都用来解决暴露评估中的某个特定问题（例如分析空气污染扩散的模型）。1.5.2 定性地理信息系统以及基于网络的地理信息系统
使用地理信息系统来获取人们在不同环境中的社会交往和经历可能有助于解决地理背景的不确定性问题。一个有前景的领域便是定性地理信息系统与混合方法，用以融合定性与定量的信息。马修斯等人发展了一种名为“地理民族志”的定性地理信息系统方法，用来记录与获取不同地理人种在日常活动和到访地点的复杂性。在这项研究中，他们使用地理信息系统整合家庭与社区民族志，使得研究者可以通过可视化的方法更好地理解参与者生活的复杂性（Matthews et al, 2005）。
笔者和笔者的合作者正在进行的一个项目是通过混合研究方法获取并分析美国与墨西哥边境女性性工作者的时空轨迹和恐惧，使用动态环境背景以及暴露测量，来研究她们的健康危险，这个项目使用地理叙事方法来阐明参与者复杂的社会地理背景（Kwan et al,2008）。在叙事分析的一般原则基础上，地理叙事方法对于发现与存储普通人的经历和研究弱势群体隐藏的历史、生活或者回忆是非常有效的。这个项目试图通过使用地理信息系统进行定性的数据分析来寻找整合时空维度和参与者情感的方法。其他的定性地理信息系统，例如扎根可视化（Grounded Visualization），也有助于发现人们的社会环境背景如何影响他们的行为与经历（Knigge et al,2006）。
研究者也探索了使用基于网络的地图工具和地理信息系统来描述相关的环境背景区域或者社区的方法。谢等人（Chaix et al,2012）曾经研发了一种基于网络的工具，称为维利塔斯（VERITAS），它整合了各种谷歌地图（Google Map）中的交互地图功能。这个工具可以用来记录参与者对其目的地的到访频率，以及他们对于居住社区和其他活动场所（例如工作地、交通方式、娱乐活动）的联系程度。而且，它为地理学者提供了活动地点的地理编码与可视化、认知社区描述等功能。这个方法尤其有助于获取在非居住区的活动地点信息，进而帮助识别真实的地理背景。1.6 结论
本文认为地理背景的不确定性问题是一个重要的方法论问题，因为它的提出意味着即使其他条件都一样，分析结果也会随着不同描述的环境背景单元而不同。通过引述相关文献，本文进一步详尽描述了地理背景的不确定性问题的本质，并探索了地理信息系统与地理空间技术如何帮助研究者解决这个问题。本文同时也认为，通过考虑环境背景影响的真实时空结构，地理背景的新概念让我们能够更加准确地为每个个体评价这些影响（或者是邻里效应）。因为不同的人何时在哪里花费时间是有差别的，这些新的看法应当通过个体化的方法来实行，使得在同一个社区或地区，环境背景单元或者暴露级别对于每个人都是不同的。正如在本文中讨论的，使用基于全球定位系统与地理信息系统的数据收集与分析对于减小地理背景的不确定性问题的影响来说是十分重要的。
但是在未来的研究中也面临很多挑战。其一，地理信息系统中复杂的时空数据收集与整合技术是具有挑战性的。大量数据需要大时空数据库的分析，这也是吸引了诸多学者关注的一个领域（Wang,2010）。其二，解决地理背景的不确定性问题需要成熟的测量环境暴露量、刻画参与者移动以及环境影响的动态分析方法（例如，地理计算或者地理可视化方法）。这三个领域的发展对于恰当地描述环境背景单元或者社区是至关重要的。其三，详尽的地理时空数据必然面临着相当大的暴露参与者个人信息的危险，因此在未来使用地理信息系统以及其他地理空间技术来解决地理背景的不确定性问题时，保护个人隐私和保证数据机密成为一项重要的挑战。（Publication of this chapter was supported by NSFC grant 41228001.The original article was published in[Annals of GIS,2012,18（4）:245—255].The editors thank the publisher for permitting to reprint it in this book）注释① 身体质量指数（Body Mass Index, BMI）是一种基于测量人体身高与体重的指标。对大多数人来说，它是衡量人体肥胖的一个重要指数，因此常常被用来将人群划分为不同的重量级别，并筛查健康问题。② 复合剥削指数是一种获取复杂维度的社会剥削的指标，即生活在特殊社区的个体所体验的社会不公正待遇。复合剥削指数通常作为多
试读结束[说明：试读内容隐藏了图片]