引言

随着城镇化进程的推进，建成环境不断改变出行距离与时间，深刻影响着居民参与社会经济活动的机会和行为。城市空间形态的复杂化，导致居民前往服务设施的绕行距离增加，可称为障碍效应。障碍效应的核心，是由于住宅区围墙和交通基础设施等空间要素的存在，直接造成步行距离的增加和目的地可达性的下降。降低步行绕行距离，是提升目的地步行可达性的关键环节。因此，量化评估封闭式空间形态与障碍效应之间的关联，对于优化城市空间治理、提升步行便捷性具有重要的现实意义。

城市居民步行的障碍效应，与机动化交通布局、封闭式住区开发模式以及复杂地形特征密切相关。国外学者较早关注居民对障碍效应的主观感受，以及受影响人群之间的社会经济差异。研究表明，大型交通基础设施（如城市快速路、铁路等）所产生的障碍效应，不仅限制了居民的步行能力与体力活动水平，还减少了道路两侧的社区互动。但这类研究基于问卷调查对障碍效应进行评估，难以推广到更大空间范围。在我国，受传统城市设计原则与当代社会经济因素的共同影响，封闭式住区已成为新建住宅的主要形式。这种开发模式利用大门、围墙、绿化带等要素，构建功能相对单一的大型街区。封闭式住区的扩张被认为加剧了社会空间分异的风险，导致居民在获取公共服务、社会资源与发展机遇方面产生不平等。然而，现有研究对于从居住地出发到不同服务设施类型的障碍效应特征，仍缺乏系统性的比较。

本文基于“15分钟城市”理念，探讨封闭式空间形态和步行障碍效应之间的复杂关系。研究借助网络地图应用程序编程接口（Application Programming Interface, API）获取精细化的步行路线轨迹，在建筑物尺度上解析障碍效应空间分异特征。进而，采用多尺度地理加权回归（Multiscale Geographically Weighted Regression, MGWR）模型，定量分析封闭式空间形态各要素对步行障碍效应的影响。本研究旨在揭示封闭式空间形态对步行的障碍效应，深化对山地城市居民步行环境的理解，以期为人居环境优化提供科学支撑。

1研究区概况与数据来源

1.1研究区概况

本文选取重庆市沙坪坝区作为研究区（图1）。沙坪坝区地处重庆中心城区西南部。截至2023年，该区下辖21个街道和5个镇，总面积达395.8 km²，城镇化率96%。根据第七次全国人口普查数据，沙坪坝区常住人口为149万。作为典型的山地城市区域，沙坪坝区以低山丘陵地貌为主，平均海拔263米，地形分异明显。依据《重庆市沙坪坝区国土空间分区规划（2021—2035年）》，研究区可划分为四个城市功能分区：东部老城区、中部田园区、西部新城区以及西部高新区。随着城市化进程的不断推进，沙坪坝区逐渐形成了“东西双核”的空间结构。

1.2 数据来源

本研究所用的建成环境数据集，包括建筑轮廓、兴趣面（Area of Interest, AOI）、城市路网、兴趣点（Point of Interest, POI）以及数字高程模型（Digital Elevation Model, DEM）。其中，包含楼层信息的建筑轮廓数据通过高德地图平台获取。城市路网数据来源于OpenStreetMap平台。POI数据收集自高德地图平台，分为公共交通站点、购物服务、餐饮服务、医疗服务以及公园景点五类，总计19,712个样本。本研究将前往不同住宅区内其他住宅楼的出行，视为社会交往目的的出行。而前往其余五类设施的出行，则根据其服务功能进行归类分析。DEM数据采用ALOS PALSAR数字高程模型，空间分辨率为12.5 m。

居民的步行出行数据，包括步行距离、时间及轨迹坐标，均通过Python程序调用高德地图路径规划API批量获取。相较于传统的本地网络分析，基于路径规划API采集步行路径数据具有以下显著优势：（1）直接使用地图平台最新、高精度的路网数据；（2）能够实时或分时段考虑道路拥堵状况；（3）可以区分高峰与非高峰时段的出行差异；（4）能够突破行政区划数据限制，允许规划跨域路径。因此，利用路径规划API能够获得更贴近真实出行情况的步行距离与轨迹数据。步行出行数据生成的具体流程如下：第一，在ArcGIS中提取各封闭式住区内住宅楼的几何中心点，作为出行起点；第二，根据住宅楼与住区的其他建筑及各类服务设施的空间邻近关系，构建起讫点矩阵；第三，批量请求步行出行的距离、时间及路径坐标；第四，基于API返回的坐标点序列，构建完整的步行轨迹数据集。为规避通勤高峰的影响，数据采集时间选定为2024年7月21日的非拥堵时段，即上午9:00-11:00、下午3:00-5:00以及晚上8:00-10:00。本研究统一选取高德地图推荐的“时间最短”路径作为分析的数据源。

2研究方法

2.1量化封闭式空间形态

为全面量化封闭式空间形态，本文从建筑、交通和地形三个维度构建了评价指标体系（表1）。在建筑维度方面，包括建筑密度和到最近出入口距离两项指标。其中，建筑密度是住宅楼建筑占地总面积与所在聚合单元基面面积之比，表征居住环境的紧凑程度与开发强度。此外，为精准量化封闭式布局对居民绕行的影响，本文提出了“到最近出入口距离”这一关键指标。基于Zhang等学者的思路，综合运用缓冲区分析与网络地图API返回的步行路径进行叠加，从而识别并标定封闭式住区的出入口位置。在交通维度方面，本文选取了道路交叉口密度、路网密度、主干道密度、铁路密度以及快速路密度五项指标。上述指标旨在量化封闭式住区周边的交通流量强度，同时也作为衡量步行路径被大型交通设施阻隔程度的代理变量。在地形维度方面，采用坡度作为评价指标。该指标用于量化单位水平距离上的平均高程变化，直接反映了地表起伏状况对步行舒适度与路径选择的约束。

维度	变量	描述
建筑	建筑密度	建筑占地总面积与所在聚合单元基面面积之比。
	到最近出入口距离	住宅楼到其所处小区最近出入口的直线距离。
交通	道路交叉口密度	单位面积内道路交叉口的数量。
	路网密度	单位面积内所有道路的总长度与该区域面积之比。
	主干道密度	单位面积内主干道的总长度。
	铁路密度	单位面积内铁路线路的总长度。
	快速路密度	单位面积内快速路的总长度。
地形	坡度	单位面积内土地表面的平均坡度。

注：上述变量计算中的聚合单元基面，均指以目标住宅楼为中心的1公里半径圆形缓冲区。所有计算结果在空间上均链接至每一栋住宅楼。

2.2 障碍效应指数

为量化步行的障碍效应，本文在既有行人路径直线度等相关研究的基础上，构建障碍效应指数（Barrier Effect Index, BEI）。首先以各住宅楼的几何中心为起点，提取其周边1 km直线距离范围内的所有服务设施，并构成起讫点对。以1 km作为阈值，能够基本覆盖大多数居民15分钟步行可达的范围。依据这一标准，本研究共纳入20,191个目的地参与空间分析。障碍效应指数的计算公式如下：

其中，表示从住宅楼到目的地的障碍效应水平；为住宅楼在1 km直线距离范围内所能到达的目的地总数；是从住宅楼到目的地的实际步行距离；则是两点之间的欧氏距离。障碍效应值越趋近于1，实际步行路径越接近理想状态下的最优出行成本，步行效率也越高。反之，指数值越大，则意味着空间阻隔导致居民需要花费更长的距离或时间才能抵达目的地，步行出行的便捷性越低。

2.3 空间回归模型

为深入探究封闭式空间形态和障碍效应之间的定量关系，本文采用MGWR模型进行空间回归分析。该模型通过最小化校正的赤池信息准则（AICc）来优化各自变量的带宽，从而能更精准地捕捉空间过程的异质性。MGWR模型能有效避免传统全局模型的偏差，提供更为精确的空间局部系数估计，其基本形式如下：

其中，为因变量，在本研究中指代障碍效应值；和分别表示考虑了特定带宽的截距项和第个自变量的回归系数；是住宅楼中心点的地理坐标；为第个自变量在第个住宅楼处的观测值；是随机误差项。

在进行回归分析之前，本研究对所有自变量进行了Spearman秩相关检验和方差膨胀因子（Variance Inflation Factor, VIF）诊断，以消除多重共线性的潜在影响。通常认为，当某个自变量的VIF值大于10时，即存在严重的多重共线性问题。诊断结果显示，路网密度与道路交叉口密度的方差膨胀因子值均超过10，表明二者之间存在高度相关。为避免模型估计失真，路网密度不参与本研究最终的回归模型。

3结果分析

3.1 障碍效应的空间分异特征

结果显示，沙坪坝区障碍效应的空间分布呈现出“东南高、西北高，核心低”的圈层结构，东西核心区向外递增趋势显著（图2）。在东部区域，障碍效应值由中心最低的1.34，向外围逐渐攀升至3.80。在西部区域，障碍效应值则从最低的1.32递增至2.95。全区障碍效应的平均值为1.74，意味着在15分钟步行范围内，居民实际行走的距离平均是直线距离的1.74倍。对比不同类型目的地，公园景点类障碍效应的标准差最大，达到0.55，表明在前往公园景区获取休闲娱乐服务需要经历的绕行程度差异较大。

不同类型目的地所对应的障碍效应存在显著差异（图3a）。从频数直方图来看，各类型目的地的障碍效应均呈现明显的正偏态分布，高值主要集中在1.5至2.0的区间内（图3b）。障碍效应分布曲线在1.5附近形成显著峰值，可以认为步行前往这类目的地（如医疗服务设施）的绕行距离较短。相反，障碍效应分布还存在更接近2的峰值，表明步行前往这类目的地（如其他住宅楼）的绕行距离更长。以研究区平均障碍效应值1.7为临界值，67.93%的住宅楼出发步行到餐饮服务设施的障碍效应均低于平均水平，绕行程度最低。

不同城市功能分区的障碍效应也存在明显差异。本研究通过对各住宅楼前往所有类型目的地的障碍效应取均值，计算了其综合障碍效应。结果显示，位于西部高新区的住宅楼，其障碍效应概率密度曲线峰值最为尖锐，平均值为1.670（图3c）。虽然位于中部田园区的住宅楼的数量较少，但其概率密度曲线也在较低的障碍效应值附近形成一个与西部高新区相似的峰值，平均值为1.667。相比之下，东部老城区和西部新城区的住宅楼，其概率密度曲线都在较高障碍效应值处达到峰值，分别为1.813和1.752。

结合建筑轮廓数据中的人口属性，可以得到人口加权的障碍效应频率分布，虚线表示加权前后的障碍效应均值（图3d）。结果显示，加权后的障碍效应中位数向低值端移动，整体频率分布曲线向左偏斜。这说明，沙坪坝区的居民集中居住在障碍效应较低的区域。此外，障碍效应的核密度曲线近似于单峰分布，表明研究区内并未出现基于障碍效应高低的双极或多极分化现象。

3.2 空间回归分析

MGWR模型结果显示，研究选用的封闭式空间形态变量对步行的障碍效应具有较高的解释性（表2）。其中，R²为0.722，调整后R²为0.679，模型拟合效果良好。从各变量的系数来看，建筑密度与障碍效应呈现出显著的正向关联，其平均系数为0.316（图4b）。这说明，高密度的建成环境可能会加剧步行路径的曲折程度。对于到最近出入口距离这一变量，其系数在研究区大部分范围内表现出较低的正向或负向影响，系数介于-2.81至2.54之间（图4c）。在城市核心区，到最近出入口距离呈现较高的正向系数（0.07至2.54）。而在外围区域，到最近出入口距离则出现了较高的负向系数（-2.81至-0.43）。道路交叉口密度是影响障碍效应的关键变量，最高的负向影响集中在城市核心区，系数范围为-20.50至-18.80（图4d）。这一结果表明，在核心区，高密度的道路交叉口显著提升了路网的渗透性，从而有效降低了障碍效应。坡度变量的平均局部系数为-1.23，显示其与障碍效应整体呈负向关联。然而，在地形相对复杂的东部老城，坡度却持续表现出正向影响，系数范围为2.22至5.97（图4e）。

变量（N =4,416）	平均系数	标准差
截距	-3.164	14.330
建筑密度	0.316	10.860
到最近出入口距离	0.101	0.358
道路交叉口密度	-0.470	2.726
坡度	-1.233	3.812
R2	0.722
Adj R2	0.679
AICc	8,250

4结论与讨论

4.1结论

降低封闭式空间形态对步行造成的障碍效应，对于提升步行便捷性和社区活力具有重要意义。本研究基于“15分钟城市”理念，利用网络地图API获取高精度的步行路径，在建筑物尺度上分析了步行障碍效应的空间格局。进而，采用MGWR模型，揭示了封闭式空间形态各要素对障碍效应的影响。本文以重庆市沙坪坝区为例进行实证分析，主要结论如下：

（1）在“15分钟城市”视角下，步行的障碍效应呈现出显著的“核心—边缘”空间结构，城市核心区的障碍效应显著低于外围区域。

（2）不同目的地类型和城市功能分区的障碍效应均存在明显差异，城市居民集中居住在障碍效应更低的区域。

（3）封闭式空间形态变量对步行的障碍效应具有较高的解释性，建筑密度和到最近出入口距离与障碍效应呈显著正相关。

总体而言，本研究基于精细化的空间视角探讨了封闭式空间形态对步行产生的障碍效应，凸显了交叉口密度和土地紧凑开发利用对优化步行环境的重要性。研究结论可为城市步行系统的精细化治理和人居环境的规划优化提供科学依据。

4.2讨论

本研究发现，研究区步行的障碍效应平均值为1.74。这意味着，居民在15分钟步行范围内，实际行走距离平均是直线距离的1.74倍。这一结果与已有的研究十分接近，即城市空间隔离普遍导致步行距离增加约一倍。与在我国香港地区等平原城市开展的相关研究相比，本文也证实了城市核心区的步行出行更为便捷，但山地城市区域的障碍效应均值略高于平原城市的1.5。以障碍效应平均值1.7为分界，前往公共交通站点的步行绕行问题最为严峻，仅有38.77%的住宅楼的步行障碍效应低于平均水平。可以推测，即便住宅楼到公共交通站点的实际步行距离不大，但此类路径普遍需要过街并面临更多绕行，也会显著放大障碍效应。此外，部分住宅楼缺少前往某一类或多类设施的评估结果，本研究并没有为了确保每栋楼都有目的地匹配而扩大设定的搜索范围（1 km）。服务设施供给与路网渗透性的不足，意味着对应服务机会的缺失，会不成比例地增加居民的出行成本。

应用MGWR模型分析封闭式空间形态对步行障碍效应的影响，为深入理解建筑、交通设施与地形如何作用于步行行为，提供了更精细化的空间认知。建筑密度与障碍效应在不同空间区域呈现相反的局部系数。一方面，较高的建筑密度可能限制了行人步行的路线直线度，加剧了障碍效应。另一方面，它又通过促进土地紧凑利用而缩短了出行距离。这种双重性支持了先前的研究观点，即高建筑密度可能同时提升空间复杂度和使用效率。本研究中引入的一个新变量是到最近出入口距离，该指标与障碍效应呈正相关（系数0.10），且在核心区的影响作用更强（0.07至2.54）。在城市核心区，更高的到最近出入口距离局部系数意味着更强的障碍效应，可能与该区域普遍存在的大型封闭式住区有关。因此，缓解步行障碍效应的关键策略之一，应是依据居民需求优化小区出入口布局，从而最大限度地缩短居民到达最近出入口的距离。

本研究也存在一定局限。首先，在路径模拟方法上，本研究基于路径规划API，默认居民选择耗时最短的步行路径。而在现实情境中，居民对前往特定目的地并选择相应的路径存在个人偏好。因此，未来应开展更全面的居民出行调查，基于实际采集的居民出行路径，更精准地分析环境对步行产生的障碍效应。其次，本研究主要从空间视角量化了对步行障碍效应的影响，但尚未充分考虑心理层面的障碍因素。未来研究可进一步通过融合问卷调查和街景影像等数据，更全面地揭示障碍效应的形成机理及其社会分异特征。

参考文献：

1. [1] EWING R, CERVERO R. Travel and the Built Environment [J]. Journal of the American Planning Association,2010,76(03):265-294.
2. [2] MINDELL J S, ANCIAES P R, DHANANI A, et al. Using triangulation to assess a suite of tools to measure community severance [J]. Journal of Transport Geography,2017（60）:119-129.
3. [3] VAN ELDIJK J, GIL J, KUSKA N, et al. Missing links – Quantifying barrier effects of transport infrastructure on local accessibility [J]. Transportation Research Part D: Transport and Environment,2020（85）:102410, pp.1-15.
4. [4] ANCIAES P, NASCIMENTO J M D. Road traffic reduces pedestrian accessibility – Quantifying the size and distribution of barrier effects in an African city [J]. Journal of Transport & Health,2022（27）:101522, pp.1-16.
5. [5] HAN L, XU Z, SABEL C. Exploring the potential of urban (re)form: Modifying gated communities to shorten school travel distance in Nanjing, China [J]. Environment and Planning B: Urban Analytics and City Science,2020,48(09):2536-2553.
6. [6] HIGGSMITH M, STOCKTON J, ANCIAES P, et al. Community severance and health – A novel approach to measuring community severance and examining its impact on the health of adults in Great Britain [J]. Journal of Transport & Health,2022（25）:101368, pp.1-11.
7. [7] BENAVIDES J, USMANI S, KUMAR V, et al. Development of a community severance index for urban areas in the United States: A case study in New York City [J]. Environment International,2024（185）:108526, pp.1-11.
8. [8] DOUGLASS M, WISSINK B, VAN KEMPEN R. Enclave urbanism in China: Consequences and interpretations [J]. Urban Geography,2012,33(02):167-182.
9. [9] YIP N M. Walled Without Gates: Gated Communities in Shanghai [J]. Urban Geography,2012,33(02):221-236.
10. [10] 重庆市沙坪坝区规划自然资源局. 重庆市沙坪坝区国土空间分区规划（2021-2035年） [EB/OL].https://www.cqspb.gov.cn/zwgk_235/xxgk_19662/fdzdgknr/ghxx/gtkjgh/202303/t20230306_11710751.html,2023-03-06.
11. [11] ZHANG D, MA S, FAN J, et al. Assessing spatial equity in urban park accessibility: An improve two-step catchment area method from the perspective of15-mintue city concept [J]. Sustainable Cities and Society,2023（98）:104824, pp.1-15.
12. [12] LOO B P Y. Walking towards a happy city [J]. Journal of Transport Geography,2021（93）:103078, pp.1-11.
13. [13] ELLDéR E. Built environment and the evolution of the “15-minute city”: A25-year longitudinal study of200 Swedish cities [J]. Cities,2024（149）:104942, pp.1-11.
14. [14] FOTHERINGHAM A S, WENBAI Y, AND KANG W. Multiscale Geographically Weighted Regression (MGWR) [J]. Annals of the American Association of Geographers,2017,107(06):1247-1265.
15. [15] TIRACHINI A. Probability distribution of walking trips and effects of restricting free pedestrian movement on walking distance [J]. Transport Policy,2015（37）:101-110.
16. [16] GUERRA E, LI S, REYES A. How do low-income commuters get to work in US and Mexican cities? A comparative empirical assessment [J]. Urban Studies,2020,59(01):75-96.
17. [17] FORSYTH A, HEARST M, OAKES J M, et al. Design and Destinations: Factors Influencing Walking and Total Physical Activity [J]. Urban Studies,2008,45(09):1973-1996.
18. [18] KAN H Y, FORSYTH A, ROWE P. Redesigning China’s superblock neighbourhoods: policies, opportunities and challenges [J]. Journal of Urban design,2017,22(06):757-777.
19. [19] GUZMAN L A, OVIEDO D, CANTILLO-GARCIA V A. Is proximity enough? A critical analysis of a15-minute city considering individual perceptions [J]. Cities,2024（148）:104882, pp.1-17.