吳靜嫻，錢依楠，韓印

（上海理工大學(xué)，管理學(xué)院，上海 200093）

0 引言

人口老齡化已成為我國(guó)城市面臨的主要問(wèn)題。第七次人口普查數(shù)據(jù)顯示，2020年我國(guó)60 歲以上人口高達(dá)2.64 億人，總占比18.7%，“十四五”期間預(yù)計(jì)該人口數(shù)據(jù)將突破3 億人，占比超20%，我國(guó)將步入中度老齡化社會(huì)[1]。隨著人口年齡的增長(zhǎng)，老年人在生理機(jī)能上逐步衰退，行為能力也明顯降低。老年人出行能力降低不僅會(huì)影響其正常的鄰里交往和身心健康，也會(huì)降低老年人生活品質(zhì)[2]。面對(duì)城市老齡人口比例增加和老年群體出行能力降低，城市交通基礎(chǔ)設(shè)施、出行環(huán)境以及交通服務(wù)也理應(yīng)做出調(diào)整。因此，有必要分析老年人的出行行為和出行環(huán)境關(guān)系。

慢行作為老年人日常出行的主要方式之一，是包含步行、自行車在內(nèi)的非機(jī)動(dòng)化出行，兼具綠色、低碳和健康多重效能[3]。有研究表示，適當(dāng)?shù)牟叫小⒆孕熊囼T行等慢行出行有益于老年人的身心健康，適宜的慢行出行環(huán)境能夠鼓勵(lì)老年人慢行出行[4]。其中，建成環(huán)境是影響老年人慢行出行時(shí)間、頻率等慢行強(qiáng)度指標(biāo)的因素之一。建成環(huán)境是包含土地利用、城市設(shè)計(jì)和交通系統(tǒng)在內(nèi)的微觀環(huán)境，其指標(biāo)特征會(huì)影響老年人的慢行出行。Roe等[5]認(rèn)為在建成環(huán)境指標(biāo)中步行設(shè)施配建、用地混合度、行人基礎(chǔ)設(shè)施連通性、無(wú)障礙商業(yè)和公交服務(wù)配備以及綠地公園可達(dá)性對(duì)老年人慢行出行有重要影響。Cheng等[3]在對(duì)比建成環(huán)境對(duì)不同群體慢行出行影響時(shí)，發(fā)現(xiàn)棋牌室距離、公交站點(diǎn)和共享單車站點(diǎn)等指標(biāo)對(duì)老年人慢行出行頻率和出行時(shí)間作用更為顯著。相關(guān)最新研究顯示，建成環(huán)境對(duì)老年人慢行出行的影響并非均一不變，在達(dá)到一定水平后該作用會(huì)趨于飽和。劉吉祥等[6]發(fā)現(xiàn)，公交站點(diǎn)密度、距市中心距離以及容積率與老年人慢行出行之間存在復(fù)雜的非線性關(guān)系和閾值效應(yīng)。Wu 等[7]指出人口密度和用地混合度對(duì)老年人步行頻率有正向作用，但該指標(biāo)在達(dá)到一定閾值后會(huì)產(chǎn)生負(fù)效用。Yang 等[8]認(rèn)為街景綠化在一定范圍內(nèi)與老年人步行傾向呈正相關(guān)，但超過(guò)該范圍后正向關(guān)系不再成立。

綜上，現(xiàn)有建成環(huán)境與老年人慢行出行研究在理論與方法上已趨于成熟，但多數(shù)研究未能充分考慮不同老年人在交通出行需求和行為方面的組群異質(zhì)性。這種群體異質(zhì)性表現(xiàn)為具有不同社會(huì)經(jīng)濟(jì)屬性的老年人，如在性別、駕照持有、家庭收入、家庭車輛數(shù)以及所處生命歷程階段的差異，會(huì)導(dǎo)致其在出行需求和行為特征上的差異[9]。因此，有必要對(duì)不同老齡群體進(jìn)行差異化的建成環(huán)境與慢行出行時(shí)間關(guān)系分析，由此通過(guò)精準(zhǔn)的建成環(huán)境優(yōu)化來(lái)鼓勵(lì)老年人的慢行出行。

本文針對(duì)現(xiàn)有研究不足，以南京市為例，重點(diǎn)針對(duì)不同群體老年人的總慢行出行時(shí)間進(jìn)行分析，利用潛在類別聚類方法和隨機(jī)森林模型，構(gòu)建考慮老年群體異質(zhì)性的慢行出行時(shí)間模型，對(duì)比并分析建成環(huán)境指標(biāo)對(duì)不同老年群體慢行出行時(shí)間的作用。研究結(jié)果可為城市規(guī)劃決策者制定精細(xì)化、適老化的社區(qū)建成環(huán)境優(yōu)化政策提供參考，從而有效提升城市老年人生活幸福感和城市空間環(huán)境整體包容度。

1 潛在類別聚類

潛在類別聚類（Latent Class Clustering,LCC）是一種通過(guò)潛在類別變量解釋外顯變量相關(guān)性，并維持外顯變量局部獨(dú)立性的分類方法。該方法善于解決多類型變量的聚類問(wèn)題，常被用于群體異質(zhì)性研究[10]。假設(shè)現(xiàn)有A、B、C這3個(gè)外顯變量，分別取值為i、j、k，LCC模型的具體步驟如下。

（1）概率參數(shù)化，即對(duì)潛在類別概率和潛在類別中外顯變量的條件概率進(jìn)行參數(shù)化處理。以性別、學(xué)歷、家庭收入這3個(gè)外顯變量為例，對(duì)老年群體進(jìn)行潛在類別聚類，概率公式為

式中：πi,j,k為老年人外顯變量A、B、C取值i、j、k的聯(lián)合概率；πt為老年人屬于潛在類別第t類的概率，其中，t=1,2,…,T；πi|t、πj|t和πk|t分別為老年人屬于潛在類別變量第t類情況下外顯變量A、B、C取值i、j、k的條件概率。

（2）參數(shù)估計(jì)，即對(duì)公式中潛在類概率和條件概率進(jìn)行估計(jì)，采用方法主要有極大似然法（Maximum Likelihood, ML）和 EM（Expectation Maximization）迭代算法。本文擬采用EM 算法，對(duì)潛在變量類別進(jìn)行逐步增加迭代估計(jì)，而最佳類數(shù)由迭代后的擬合結(jié)果確定。常用擬合指標(biāo)包括Akaike 信息準(zhǔn)則（AIC）、貝葉斯信息準(zhǔn)則（BIC）、一致性Akaike 信息準(zhǔn)則（CAIC）等[11]。就AIC、BIC 和CAIC 而言，能夠同時(shí)最小化這些標(biāo)準(zhǔn)的類模型最佳。此外，類結(jié)果還需結(jié)合熵（Entropy）進(jìn)行聚類質(zhì)量評(píng)估，其值大于0.9 表明各類別分化明顯，解釋性強(qiáng)。

（3）潛在聚類?；谪惾~斯理論對(duì)老年人群進(jìn)行潛在聚類，即

式中：為老年人屬于第t類的后驗(yàn)概率；為各外顯變量在潛在類別t的聯(lián)合概率估計(jì)量；潛在類別概率極大似然估計(jì)值；、和分別為A、B、C外顯變量的條件概率極大似然估計(jì)數(shù)。

2 隨機(jī)森林模型

隨機(jī)森林（Random Forest，RF）是一種結(jié)合多個(gè)單獨(dú)決策樹來(lái)優(yōu)化模型擬合和預(yù)測(cè)的集成學(xué)習(xí)算法，現(xiàn)已被廣泛用于交通狀態(tài)預(yù)測(cè)[12]、出行意向研究[13]等交通領(lǐng)域。隨機(jī)森林中各個(gè)決策樹采用有放回隨機(jī)抽樣學(xué)習(xí)而得，樹中各節(jié)點(diǎn)特征變量也由隨機(jī)選取而得。算法主要通過(guò)調(diào)整決策樹數(shù)和隨機(jī)變量數(shù)這兩個(gè)參數(shù)提高模型預(yù)測(cè)性能。相比于一般數(shù)學(xué)模型，隨機(jī)森林具有以下優(yōu)勢(shì)：算法學(xué)習(xí)準(zhǔn)確性高；善于處理變量間的高階關(guān)系，能有效挖掘特征之間的非線性關(guān)系；無(wú)需嚴(yán)格的統(tǒng)計(jì)學(xué)假設(shè)，能靈活應(yīng)用于具有或沒(méi)有特定分布的數(shù)據(jù)中；已被證明適用于小數(shù)據(jù)集[14]。該算法具體包括以下幾個(gè)步驟。

Step 1 從原始數(shù)據(jù)集中有放回隨機(jī)抽取若干個(gè)訓(xùn)練集（bootstrap重采樣）。

Step 2 為每個(gè)訓(xùn)練集構(gòu)建決策樹并預(yù)測(cè)結(jié)果。

Step 3 從獨(dú)立的預(yù)測(cè)結(jié)果中進(jìn)行投票（非加權(quán)平均方法）。

Step 4 為分類問(wèn)題選擇多數(shù)投票結(jié)果，或?yàn)榛貧w問(wèn)題選擇平均值。

本文主要運(yùn)用隨機(jī)森林的回歸原理。令{T（X;θm）,m=1,2,…,M}為RF中的M棵回歸樹，其中，θm為服從獨(dú)立同分布的隨機(jī)變量，X為自變量，則RF回歸結(jié)果可表示為

均方根誤差（RMSE）和可決系數(shù)R2是評(píng)價(jià)模型性能的主要指標(biāo)。R2為回歸模型對(duì)袋外數(shù)據(jù)（Out of Bag,OOB）觀測(cè)值的擬合程度，R2越大說(shuō)明回歸模型擬合效果越好。RMSE 是評(píng)價(jià)模型對(duì)袋外數(shù)據(jù)觀測(cè)值預(yù)測(cè)能力的指標(biāo)，等于預(yù)測(cè)值與真實(shí)值偏差的平方與觀測(cè)次數(shù)n比值的平方根，RMSE越小說(shuō)明回歸模型預(yù)測(cè)能力越高。

此外，隨機(jī)森林能夠量化解釋變量在預(yù)測(cè)結(jié)果中的相對(duì)重要性，增加模型解釋性。由Breiman[15]引入的相對(duì)重要性度量，通常用于計(jì)算變量的重要性。變量Xi相對(duì)重要性計(jì)算公式為

式中：IXi為變量Xi的相對(duì)重要性；MSEm為樹m袋外數(shù)據(jù)的均方誤差；MSEm,Xi為隨機(jī)重排袋外數(shù)據(jù)中變量Xi值后樹m的均方誤差。

3 實(shí)例分析

本文以南京市為例，重點(diǎn)關(guān)注城市60 歲及以上老年人慢行出行時(shí)間與建成環(huán)境特征的關(guān)系。所用數(shù)據(jù)來(lái)源主要包括2013年南京市居民出行調(diào)查數(shù)據(jù)、土地利用GIS 數(shù)據(jù)和百度地圖興趣點(diǎn)POI數(shù)據(jù)。研究涉及指標(biāo)主要包括老年人個(gè)人家庭屬性、慢行出行行為特征以及建成環(huán)境指標(biāo)這3 類。其中，老年人的個(gè)人家庭屬性和慢行出行行為特征主要源于南京城市居民出行調(diào)查數(shù)據(jù)，從中篩選590名采用慢行出行（步行和自行車）的老年人作為樣本。建成環(huán)境指標(biāo)則源于城市同年的土地利用GIS數(shù)據(jù)和POI數(shù)據(jù)。該指標(biāo)數(shù)據(jù)是對(duì)老年人居住地周邊500 m 和1 km 范圍內(nèi)相關(guān)建成環(huán)境特征的描述。

表1 為采用慢行出行老年人樣本數(shù)據(jù)的特征描述。樣本中，老年人男性比例為51%，受教育程度在初中及以下比例為49.8%，絕大多數(shù)老年人已退休或無(wú)駕照；12%老年人所在家庭中有學(xué)齡前兒童，56.6%家庭收入處于5 萬(wàn)～15 萬(wàn)元之間；慢行出行特征上，老年人總慢行出行時(shí)間平均為61.24 min·d-1，出行頻率平均為2.68次·d-1。此外，表1 展示了與老年人慢行出行潛在相關(guān)的主要建成環(huán)境指標(biāo)，主要包括老年人居住地與地鐵站鄰近度、公共服務(wù)設(shè)施鄰近度、1 km緩沖區(qū)內(nèi)慢行路網(wǎng)密度、500 m 緩沖區(qū)內(nèi)混合度等8 個(gè)建成環(huán)境指標(biāo)。其中，混合度是對(duì)緩沖區(qū)內(nèi)不同功能用地多樣性和普遍性的描述，具體公式為

表1 樣本基礎(chǔ)數(shù)據(jù)描述（N=590）Table 1 Sample data description（N=590）

式中：Pi為第i種土地利用的比例；n為土地利用類型數(shù)量。根據(jù)老年人慢行出行特征，本文選取與其最為相關(guān)的5類用地，主要包括住宅、綠地、商業(yè)服務(wù)業(yè)、公共管理及其他。

3.1 老年群體異質(zhì)性分析

本文用于老年群體異質(zhì)性分析的變量主要包括性別、是否退休、學(xué)歷、家庭收入以及學(xué)齡前兒童這5個(gè)類別變量。表2為基于潛在類別聚類得到的不同類對(duì)應(yīng)的擬合指標(biāo)。根據(jù)最佳類數(shù)的確定規(guī)則，即能夠同時(shí)最小化AIC、BIC和CAIC值并最大化熵值（Entropy）的類為最佳，來(lái)確定老年群體的最佳類數(shù)。表中，M2、M3和M4的AIC和BIC值均較低，M2和M3的CAIC值較低，而M2的聚類熵值最高，說(shuō)明M2的聚類擬合效果最好。此外，最佳類的熵值大小能夠反映聚類結(jié)果質(zhì)量，M2 熵值大于0.9，表明各類別分化明顯、解釋性強(qiáng)。因此，綜合考慮后以包含2 個(gè)類別的潛在變量聚類結(jié)果作為最佳的老年人群體分組。表3 為基于最佳類的老年人分組外顯變量統(tǒng)計(jì)特征。分類后，隸屬于第1類、第2 類的老年人分別有296 人和294 人。對(duì)比兩組老年群體的基礎(chǔ)特征，發(fā)現(xiàn)相比于第2類老年群體，第1類老年群體的男性比例、退休比例、高中及以上學(xué)歷比例更高。在家庭特征方面，第1類老年群體家庭的學(xué)齡前兒童比例和中高收入水平比例高于第2類老年群體家庭。

表3 參數(shù)估計(jì)結(jié)果Table 3 Parameter estimation results

3.2 隨機(jī)森林模型結(jié)果

3.2.1 模型評(píng)估

已有研究表示步行時(shí)間是衡量老年人身體活動(dòng)強(qiáng)度的重要指標(biāo)[16]。因此，本文針對(duì)聚類后的兩類老年群體的日出行總慢行時(shí)間，建立隨機(jī)森林模型。模型的解釋變量需通過(guò)共線性檢驗(yàn)，即選擇方差膨脹因子（VIF）值低于10的變量進(jìn)行建模。經(jīng)檢驗(yàn)，共有4個(gè)個(gè)人家庭屬性變量（是否退休、駕照、家庭收入、以及自行車擁有）和8個(gè)建成環(huán)境變量滿足要求。由此，建立以建成環(huán)境指標(biāo)和老年人個(gè)人及家庭屬性為解釋變量的慢行時(shí)間模型，得到兩類群體模型的擬合優(yōu)度R2分別為0.27 和0.20，高于未分類隨機(jī)森林模型（0.18）。這說(shuō)明分類后的模型解釋度更高，一定程度說(shuō)明了考慮群體異質(zhì)性在建成環(huán)境對(duì)老年人慢行出行影響中的必要性。此外，對(duì)比傳統(tǒng)線性回歸模型，聚類后的隨機(jī)森林模型在均方根誤差（RMSE）上效果更優(yōu)，說(shuō)明隨機(jī)森林的模型準(zhǔn)確性更高。具體對(duì)比結(jié)果如表4所示。

表4 模型評(píng)估結(jié)果Table 4 Model evaluation results

3.2.2 特征變量重要性

表5 為基于隨機(jī)森林模型的兩類老年群體慢行出行時(shí)間影響的指標(biāo)重要度排名。表中，建成環(huán)境指標(biāo)的累計(jì)重要性明顯高于老年群體的個(gè)人家庭屬性，證實(shí)了建成環(huán)境對(duì)老年人慢行出行的顯著作用[5]。對(duì)比兩類群體指標(biāo)發(fā)現(xiàn)，影響第1 類群體慢行出行時(shí)間的主要指標(biāo)為1 km范圍內(nèi)慢行路網(wǎng)密度、交叉口數(shù)以及地鐵站鄰近度，第2 類老年群體慢行出行的主要影響指標(biāo)為地鐵站鄰近度、1 km范圍內(nèi)慢行路網(wǎng)密度和500 m范圍內(nèi)住宅密度，兩類老年群體均表現(xiàn)出對(duì)慢行路網(wǎng)和地鐵站的較大需求。此外，兩類老年群體在個(gè)人家庭屬性重要度中也略顯差異。對(duì)于第1類老年群體，自行車擁有和家庭收入對(duì)其慢行出行的影響相對(duì)重要，而對(duì)于第2類老年群體，其慢行出行受家庭年收入的影響相對(duì)重要，但總體上個(gè)人家庭屬性在這一類群體中對(duì)慢行出行的影響較不顯著。可見，聚類后的兩類群體在慢行出行影響指標(biāo)上差異顯著。

表5 解釋變量的相對(duì)重要性Table 5 Relative importance of explanatory variables

3.2.3 建成環(huán)境與老年群體慢行時(shí)間非線性關(guān)系

圖1～圖4 為基于隨機(jī)森林模型的建成環(huán)境與兩類老年群體慢行出行時(shí)間非線性作用關(guān)系圖（實(shí)線部分），虛線部分為非線性擬合趨勢(shì)曲線。由圖可知，建成環(huán)境對(duì)兩類老年群體的慢行時(shí)間均有顯著的閾值效應(yīng)。

圖1 為地鐵站鄰近度與兩類老年群體慢行時(shí)間關(guān)系對(duì)比圖。圖中，地鐵站鄰近度對(duì)兩類群體慢行出行均有顯著影響，呈現(xiàn)先增加后平穩(wěn)的趨勢(shì)。對(duì)于第1類老年群體，5 km以內(nèi)的地鐵站鄰近度對(duì)鼓勵(lì)該群體步行或者騎行有顯著的積極作用；對(duì)于第2 類老年群體，2 km 以內(nèi)其對(duì)步行作用平穩(wěn)，當(dāng)距離最近地鐵站2～3 km 時(shí)傾向于騎自行車前往，隨后呈現(xiàn)負(fù)相關(guān)關(guān)系并在約4.5 km 時(shí)保持穩(wěn)定。在地鐵站鄰近度上，第1類老年群體對(duì)于軌道接駁距離表現(xiàn)出較高的容忍度。

圖1 地鐵站鄰近度Fig.1 Proximity to subway stations

圖2為500 m緩沖區(qū)內(nèi)公共自行車站點(diǎn)數(shù)與兩類老年群體慢行時(shí)間的非線性關(guān)系圖。圖中，緩沖區(qū)內(nèi)公共自行車站點(diǎn)數(shù)與兩類老年群體慢行出行總體呈現(xiàn)正向關(guān)系。對(duì)于第1類老年群體，緩沖區(qū)內(nèi)公共自行車站點(diǎn)數(shù)設(shè)置4～5個(gè)時(shí)，對(duì)該群體慢行出行的激勵(lì)作用最為顯著，慢行出行累計(jì)時(shí)間最高可提升至75 min；隨后，該指標(biāo)提升對(duì)慢行作用略有回落，出行時(shí)間穩(wěn)定在72 min左右。對(duì)于第2類老年群體，區(qū)內(nèi)公共自行車站點(diǎn)數(shù)對(duì)慢行出行呈現(xiàn)持續(xù)的正向關(guān)系，持續(xù)增加公共自行車站點(diǎn)服務(wù)對(duì)該群體的慢行更有吸引力[17]。這種公共自行車的高度依賴性，一定程度上與這類老年群體家庭較少擁有小汽車和自行車有關(guān)。

圖2 公共自行車站點(diǎn)數(shù)Fig.2 Number of public bicycle stations

圖3 為1 km 緩沖區(qū)內(nèi)慢行路網(wǎng)密度與兩類老年群體慢行時(shí)間非線性關(guān)系對(duì)比圖。圖中，緩沖區(qū)內(nèi)慢行路網(wǎng)密度對(duì)兩類老年群體慢行出行整體均呈現(xiàn)為正向影響。對(duì)于第1 類老年群體，慢行路網(wǎng)密度對(duì)其慢行時(shí)間呈現(xiàn)“保持不變（0～7.5 km·km-2）+準(zhǔn)線性正相關(guān)（7.5～10.0 km·km-2）+保持不變（10 km·km-2以上）”的形態(tài)，整體正相關(guān)。對(duì)于第2類老年群體，該指標(biāo)對(duì)慢行出行時(shí)間的影響則呈現(xiàn)持續(xù)正相關(guān)形態(tài)，在密度為15 km·km-2時(shí)慢行出行時(shí)間達(dá)到最大。該指標(biāo)表現(xiàn)出老年群體對(duì)慢行道路的依賴性較高，城市規(guī)劃者可以考慮適當(dāng)增加社區(qū)內(nèi)的慢行道路，以方便老年群體出行。

圖3 慢行路網(wǎng)密度Fig.3 Density of active road network

圖4為500 m緩沖區(qū)內(nèi)混合度與兩類老年群體慢行時(shí)間非線性關(guān)系對(duì)比圖。該指標(biāo)對(duì)兩類老年人慢行出行時(shí)間的影響趨勢(shì)差異顯著?；旌隙葘?duì)第1 類老年群體慢行出行作用整體呈正向關(guān)系。這與已有研究結(jié)果一致，混合度越高的區(qū)域通常集中了城市的主要功能（居住、商業(yè)、公共服務(wù)等）用地，能夠產(chǎn)生更多的主動(dòng)式慢行出行[2]。對(duì)于第2類老年群體，該指標(biāo)與老年人慢行出行時(shí)間總體呈負(fù)向關(guān)系，尤其在混合度低于0.6 時(shí)。這種與第1類老年群體截然相反的趨勢(shì)，一定程度與該類群體日常慢行出行目的有關(guān)，導(dǎo)致其對(duì)于周邊用地的開發(fā)程度并不敏感，沒(méi)有過(guò)多時(shí)間享受多功能的生活環(huán)境。

圖4 混合度Fig.4 Land use mixture

4 結(jié)論

本文考慮不同老年群體在出行行為上的潛在差異，重點(diǎn)關(guān)注不同老年群體在建成環(huán)境特征與慢行出行時(shí)間的關(guān)系。以南京市為例，利用潛在類別聚類對(duì)不同老年群體進(jìn)行群體異質(zhì)性探究，以性別、是否退休、學(xué)歷、家庭收入以及學(xué)齡前兒童為外顯變量，將老年人群聚類為兩類；進(jìn)一步利用隨機(jī)森林模型，對(duì)比分析了兩類老年群體慢行時(shí)間特征，發(fā)現(xiàn)各建成環(huán)境對(duì)兩類群體慢行出行時(shí)間的作用差異顯著。模型結(jié)果表明：

（1）根據(jù)兩類群體慢行出行的建成環(huán)境重要度結(jié)果，建議重點(diǎn)關(guān)注第一類老年群體周邊1 km 緩沖區(qū)內(nèi)的慢行路網(wǎng)密度、交叉口數(shù)以及地鐵站鄰近度的優(yōu)化，對(duì)于第2類老年群體則建議加大對(duì)1 km緩沖區(qū)內(nèi)慢行路網(wǎng)密度、地鐵站鄰近度以及500 m緩沖區(qū)內(nèi)住宅密度的優(yōu)化力度。

（2）對(duì)于具體建成環(huán)境指標(biāo)優(yōu)化目標(biāo)值的確定，可參照兩類群體各自的非線性作用關(guān)系。具體而言，地鐵站鄰近度值為2 km時(shí)對(duì)第2類老年人采用慢行方式開始具有積極影響；在家庭住所500 m緩沖區(qū)內(nèi)增加公共自行車站點(diǎn)和慢行路網(wǎng)密度，能有效促進(jìn)兩類老年人慢行出行；500 m 緩沖區(qū)內(nèi)混合度越高，第1 類老年人慢行出行愈發(fā)積極，但是高于0.5的混合度對(duì)第2類老年人慢行出行作用并不顯著。

綜上，城市規(guī)劃和管理者在設(shè)計(jì)或改善與地鐵站、公共服務(wù)設(shè)施相毗連，且用地混合的社區(qū)時(shí)，若輔以適當(dāng)?shù)穆械缆吩O(shè)施和公共自行車服務(wù)，能有效地促進(jìn)老年人慢行出行；另外，研究側(cè)面反映了精細(xì)化慢行出行環(huán)境優(yōu)化的必要性，異質(zhì)化的建成環(huán)境優(yōu)化對(duì)打造精細(xì)化、適老化社區(qū)和建設(shè)老年友好型社會(huì)有積極作用。