【摘 要】
:
在中国快速化城市化进程中,城市发展模式需要从粗犷型向精细化发展转变。以往对城市生活性街道空间的研究,主要集中在物质空间设计层面,而街道建成环境如何促进城市慢行体力活动的发生,如何促进社会公共健康,对城市居民生活品质的提升有着重要的研究价值。建成环境对步行活动的影响机理较为复杂,行为活动又与行为心理息息相关,其中自我效能是个体行为发生的重要影响因素,以自我效能为切入点,构建结构方程中介模型,有利于认
论文部分内容阅读
在中国快速化城市化进程中,城市发展模式需要从粗犷型向精细化发展转变。以往对城市生活性街道空间的研究,主要集中在物质空间设计层面,而街道建成环境如何促进城市慢行体力活动的发生,如何促进社会公共健康,对城市居民生活品质的提升有着重要的研究价值。建成环境对步行活动的影响机理较为复杂,行为活动又与行为心理息息相关,其中自我效能是个体行为发生的重要影响因素,以自我效能为切入点,构建结构方程中介模型,有利于认知街道对步行活动的影响机制。
梳理有关体力活动与自我效能的研究成果,分析自我效能如何影响个体步行行为,以及街道环境要素与自我效能的关系,是研究的前提。通过发放问卷,整理筛选出可用于测量步行自我效能的有效问卷以及相关街道环境要素,街道环境要素以主观感知的变量为主,包括可达性、安全性、步行基础设施、舒适性与愉悦性,而连通性通过GIS获取客观数据。调研范围根据深圳市居住区密度分布确定,选取位于深圳市南山区的4个片区,确保片区内均以生活性街道为主。通过SPSS及Amos软件进行结构方程模型分析,研究自我效能在住区建成环境与居民步行活动间的中介效应,以及在此过程中社会人口特征起到的调节作用。
根据模型结果可知,街道环境要素可以通过自我效能间接影响个体的步行行为。分析得出,在可达性-休闲型步行活动、步行基础设施-休闲型步行活动、安全性-通勤型步行活动以及安全性-休闲性步行活动中,自我效能的中介效应显著,且为完全中介。并且一部分社会人口特征变量在其中可起到调节作用。研究还发现,在通勤型步行活动中,仅有安全性感知会使自我效能产生中介效应,因此自我效能对休闲型步行活动的影响作用更大。结论可以为今后城市街道环境设计策略的制定提供参考。
其他文献
随着智能制造工业领域的飞速发展,设备发生故障的现象无法避免,同时也带来了巨大的经济损失,因此对工业设备故障进行快速而准确的判断具有重大意义。由于工业设备多数故障信息具有模糊性且故障源的判断易受多种因素的影响,而具有灵活转换特点的三角模糊数可对故障信息进行准确描述,它相应的决策方法也可对故障诊断问题进行全面分析,故面向故障诊断的三角模糊数决策方法是一个值得探索的研究方向,且具有较强的应用性。本文主要
心脏病始终是人类健康的“头号杀手”。心电信号反映了心脏的收缩和舒张,是分析人体健康状况的重要依据。近年来涌现了大量利用人工智能技术来分析心电信号的研究,用于辅助心脏病的诊断。这在一定程度上为医疗工作者减轻了工作压力,提升了工作效率。然而,心脏病患者的情况是十分复杂的,特别是在突发紧急情况下,单纯的心电信号分析研究不能满足患者实时心率监测的需求。为此,应用边缘智能技术实时监测患者的心率情况成为一种新
大数据时代,推荐系统在对抗信息过载问题上起到了重要作用。传统的协同过滤推荐算法仅利用交互信息进行建模,由于可供模型训练的数据种类单一、信息不足,可能导致推荐效果不佳,因此,许多工作将文本作为辅助信息引入到推荐模型中以提供额外的数据输入。但是,现有的基于文本的推荐方法往往忽略了用户的多样性偏好(用户的偏好特征会随着面对的项目不同而改变),或是没有在建模过程中充分利用输入的文本信息。针对上述问题,本文
基于效用的序列规则挖掘能够挖掘出效用价值高的序列规则,被广泛的应用于金融、生物医学、制造业、电子商务、社交媒体等领域。与高效用正序列规则挖掘相比,高效用负序列规则挖掘还考虑了未发生事件,能提供更加全面的决策信息。目前的高效用正序列规则挖掘方法并不能直接用于高效用负序列规则挖掘,因高效用负序列规则挖掘过程中存在很多内在复杂性问题:(1)如何定义高效用负序列规则挖掘的问题。(2)如何计算高效用负序列规
暗网构建在公共网络之上,需要特殊的软件、配置或者认证才能访问,相对传统的互联网网络,暗网具有匿名性强、溯源难、动态性高等特点。暗网建立的初期目的是保护互联网用户的通信隐私,但现在的暗网中存在着大量违反法律的信息,不法分子在暗网中从事非法活动,暗网已经严重威胁了网络空间安全。暗网之所以对网络空间安全构成一大威胁,很大原因是因为它难以实现追踪溯源,能够实现对暗网的追踪溯源,将可以对暗网中的非法行为起到
偏好学习是通过矩阵分解得到潜在特征,广泛应用于数据挖掘和机器学习领域。对于没有任何负项的数据集,非负矩阵分解(Non-negative Matrix Factorization,NMF)将两个非负矩阵相乘来寻找低秩近似。近年来也提出了许多正则化的NMF,但是,仍然存在一些问题:一是由于一些数据中存在噪声和异常值,传统的方法容易产生误差较大的目标函数;二是在加入图正则约束时,计算相似度矩阵邻居关系都
联盟形成是多Agent系统中的重要研究课题,多个不同的Agent联合在一起,可以实现个人无法单独实现的目标,或者取得更优的效用。联盟结构生成问题是其中的关键挑战之一,目的是寻找最优联盟结构以最大限度地提高个体利益和联盟收益。目前,寻找最优的联盟结构是困难的。一方面,大多数联盟形成模型假设任意Agent都能够形成联盟。这种假设过于宽泛,在现实生活中,联盟的形成过程常常需要考虑现实存在的各种约束,但即使添加约束条件,问题的复杂度仍然较高,需要新的、快速有效的算法解决大规模现实
现实生活中有许多复杂的网络系统,例如社交网络、生物分子网络和互联网等,利用网络结构建模这些复杂系统的研究已为社会提供了诸多创新应用。网络表征学习(又称网络嵌入)是将网络的节点表征为低维连续空间中的向量,且同时保留网络结构及其固有属性的一种有效方法,推动了下游网络数据挖掘任务的重大进展,近年来受到了学术界和工业界的极大关注,工业界已将网络表征学习技术纳入了下一代网络分析平台的基础性架构。本硕士论文围
随着5G技术的普及以及工业5.0的到来,给网络科学提供了新的发展机遇和挑战,“众包”也成为了驱动网络科学理论与工程发展的新动力。时空众包可提高人群执行涉及与物理位置相关的现实世界场景任务的潜力,它的主要特征是空间任务的存在,要求工作人员在特定时间内出现在特定位置以完成任务。然而,在时空众包系统的感知过程以及感知信息传输过程中,由于感知信息的时空敏感性和网络信道的不安全性,参与者往往面临隐私泄露的风
随着互联网时代的到来,实体空间的功能逐步被线上活动取代,吸引力持续下降,面临着一系列的活力问题。因此,结合时代特征重新思考建成环境不可替代的意义,并依据此改善与提升线下空间的活力,成为城市研究者需要直面的重要课题。事实上,当数字技术越来越多地将人们从繁琐的日常事务中解放出来,人们倾向于投入更多的精力去建构其社会交往圈层,建成环境承载人的社会交互活动的意义随之凸显。但目前针对建成环境的分析,鲜少从人