过刊检索
期数   从:
   至:
文章标题:
作者姓名:
关 键 词:
摘  要:
      
互动交流
本期您最喜欢的文章
《城市规划学刊》网站用户调查
您当前的位置: 首页 - 学术动态
01区域和城市空间发展(王兰) 发布时间: 2016-09-28 点击: 3684

城市更新背景下的赋权是一种提升心理健康和幸福的途径吗?
城市更新计划被认为是一种处理社会和健康不平等性的人口健康干预(Population Health Intervention)类型。相关政策也提议城市更新计划应当通过赋权(Empowerment)使大众参与其中。虽然许多文献著作中已开始将赋权与改善健康进行联系,但尚未考虑到城市更新的社会背景。因此,本文在城市更新的背景下,主要分析如何通过促进赋权来实现健康状况的改善,以及探讨赋权感是否与居民个人特征和对邻里的看法有关。
文章第一至四章节对研究背景和相关研究对象进行阐述,分别为问题提出的简要情况、赋权的概念、赋权与城市更新的关系以及赋权与健康的关系。作者提出虽然城市更新计划直接影响建成环境,与居民健康状况相关,并且其中的社区参与行为能够使居民获得赋权感,但是还没有证据证明城市更新下的社区活动和赋权与健康和幸福有关。赋权是一个社区团体做出选择并且最终影响决策,从而使他们感受到对城市更新过程有所引导的能力。在城市更新的背景下,赋权的核心在于使人们能够感受到他们的看法被决策者采纳,并且对地方事务有所影响。研究表明,包括社区参与在内的众多赋权策略具备提高健康水平的潜力,这也是本文进行实证分析的内容之一。
第五章节提出了本研究的四个待验证目标:①赋权感是否与居民个人特征及人口学上的特征有关;②赋权同涉及不同类型居民和社区参与的城市更新过程存在何种程度的联系;③赋权感是否与居民邻里关系以及他们对住房的看法有关;④赋权感是否与一般健康、生理健康和心理健康有关。
第六章节阐述了研究背景和研究方法。本研究在英国格拉斯哥市城市更新计划的背景下开展,使用的数据来源于《2011社区卫生》(2011 GoWell Community Health)和《健康调查》(Wellbeing Survey)中对格拉斯哥市15个社区共计4270名受访者的调查。第一阶段采用定序Logistic回归法,探索赋权与诸多单一变量的关系,这些单变量包括一系列的社会人口特征、居民在城市更新中的参与程度以及住房和邻里因素等。因此将赋权问题作为因变量,可以展示出各变量对赋权的影响。第二阶段采用线性回归法,对赋权和与健康有关的三个因变量——WEMWBS(爱丁堡华威心理幸福感量表)评分、SF-12(健康调查简表)评分和整体评分进行多变量关联分析,探究赋权感与一般健康、生理健康和心理健康的关系。
第七章节针对以上提出的四个目标,逐一列出了分析结果。①在居民个人及在人口学上的特征中,居民的年龄、有无长期疾病、公民身份、就业状况和对目前工作的满意程度与赋权感显著相关(P<0.05)。②赋权与人们居住的地区类型和他们参与城市更新的形式存在极大关联(P=0.00),居住在大多数公共住宅地区的居民,参与更多与住房改善的事情,因此较居住在大多数私人住宅地区的居民有更强的赋权感。③相比较于邻里关系,居民对邻里环境和住房服务的看法更能影响赋权感。对邻里环境和住房服务满意程度较高的居民有较强的赋权感。归属感更强、认识的居民更多的人的赋权感也更强。另外,赋权与居住时间的长短没有明显的关系,与是否参加俱乐部及与家庭成员的亲密程度没有任何关系。④赋权感与总体健康显著有关(P=0.00),拥有更强赋权感的人在SF-12评分中取得更高的分数;赋权感与心理健康显著相关,拥有更强赋权感的人在WEMWBS和SF-12评分中取得更高的分数;赋权感与生理健康无显著关系。
第八章节对数据分析的结果进行讨论。正如结果显示,近几年赋权在城市更新中成为一个核心要素和目标。分析表明,在贫困地区进行城市更新的背景下,赋权可以作为更好的一般健康和心理健康的预测指标。此外,其它的个人特征和住宅特征也能够预示居民的赋权感。文章对一些分析结果出现的原因进行了简要的分析,同时也指出了本研究的局限性。例如,研究能够证明在某个时间点赋权可以促进心理健康,但无法证明这种联系是否已经建立或者会持续下去等问题。
最后是本研究的结论部分。首先,该研究发现在城市更新的背景下,个人的赋权感与心理健康存在统计学上显著的相关性,并且强调应该更加关注个人赋权和社区赋权。事实上,虽然政策制定者一直强调社区在城市更新中的作用,但社区依然没有被纳入决策制定的过程中。其次,该研究进一步补充了之前学者的研究,建议利益相关者与社区建立更密切的联系。该研究说明,如果利益相关者希望促进社区赋权,那么他们应该首先考虑居民的个人赋权以及他们在共同工作中扮演的角色。这样能够促进资源合理地配置,实现社区在城市更新中更加公平的健康和幸福提升。
来源:BABA C, KEARNS A, MCINTOSH E, et al. Is empowerment a route to improving mental health and wellbeing in an urban regeneration (UR) context[J]? Urban Studies, 2016:1-38. DOI:10.1177/0042098016632435
(供稿:孙文尧)

城市设计对于体能活动及公共健康的影响预测:一个案例研究
随着全球对肥胖及相关健康问题关注度的不断提升,非常需要预测城市形态如何影响民众的体能活动和健康状况的,然而此类工具还未能很好地构建。本文介绍了一种计算机模型,模拟不同城市设计变量带来的居民步行交通时间的变化,从而预测有利于步行的城市特征所发挥的健康效应,进一步模拟步行交通对居民过早死亡、糖尿病、冠心病、中风和高血压风险的影响。文章通过北卡罗来纳州罗利市(Raleigh)一个10400人的社区(BRRC)实行的小地区规划来论证该模型。
该仿真模型遵循了世卫组织对步行和自行车的健康经济评估工具(Health Economic Assessment Tool, HEAT)的框架,但有以下改进:首先,运用建成环境数据来预估步行耗费时间,而常规健康经济评估工具依赖用户自定义的步行预估时间;第二,除了过早死亡,它还估计了对慢性疾病的影响;第三,通过蒙特卡洛模拟来量化不确定性。研究包括以下四项内容。
1、健康结果选取。文章选取了已有实证研究表明的与步行(指步行交通方式,下文同)有关的健康结果进行分析,获取了过早死亡、冠心病、中风、高血压及糖尿病的数据。
2、健康影响预估。文章介绍健康评估模型分四步进行:步骤一:模拟现状步行时间。根据368份问卷的数据,非参数概率分布模拟了每个BRRC居民的步行时间。步骤二:模拟小面积规划实施后的步行时间的变化。模型通过步行指数来预测每个模拟居民在BRRC社区重新进行城市设计后步行时间的变化。步骤三:模拟由于增加的步行时间而避免的不良健康结果。模型使用归因比例(attributable fraction, AF)来模拟由于步行交通改变而产生的健康效应,计算每种健康结果的群体AF值。模型以AF值的差异来代表现状以及规划实施后的健康风险差异。步骤四:估算经济效益。模型采用美国交通运输部的生命价值导则,通过冠心病、中风、高血压以及糖尿病的年度成本及3.5%的折减来预测死亡率及发病率下降所带来的经济效益。
3、敏感性及不确定性分析。每一位居民的健康效益计算需要模拟5000次,并记录人口总体平均值以及95%的置信区间。此外,根据高、低不同的预测改变模型中三个主要的不确定的输入值来分析敏感性。
4、成本估算。由于BRRC社区原本没有人行道设施,因此社区重新设计后安装人行道的成本将作为衡量标准,计算健康收益的相对价值。
该模型运行后得到以下结果。
1、总体健康影响。与当前街区相比,新的设计预计将在25年内使BRRC社区的死亡率下降5.5%,也将减少糖尿病、冠心病、中风和高血压病例。
2、体能活动影响。现状每日步行时间的中位数与平均数分别为4min与13min。该模型预测新的街区规划将使每日步行时间的平均数与中位数分别上升至9min与30min。模型无法模拟无步行行为人群未来的步行交通行为,但在新的城市设计实施下,步行时间总分布趋向于更多。
3、经济影响。模型预测在重新设计完成后,BRRC社区居民因为步行时间增加而产生的健康效益预计将在25年内达到2.34亿美元。增加步行相对于开车的吸引力需要建成环境的许多改变,包括新的邻里街道、人行道、零售商店、路灯等。其中,作为衡量健康效益的标准,建设人行道将花费820万美元。因此健康效益和人行道成本的比率将达到29。
4、敏感性分析。模型的预测结果依赖于前人研究中的两项信息:WF(根据步行指数变化而产生的步行时间变化)和RR(W)(每周步行Wmin而减少的健康风险)。由于这两个变量的不确定性,该研究进行了敏感性分析,分别输入了这两个变量的最大值和最小值,测试了对预估健康效益的影响。结果显示,健康效益对RR值敏感,影响了预估减少的过早死亡、糖尿病、冠心病、中风和高血压人数。死亡率预估对WF值敏感,而非致命疾病的预估则对WF值不敏感。
本文的研究结果进一步证明,鼓励步行的城市设计可以获得超过步行基础设施成本的健康收益。该研究作为健康影响评估的一部分,量化了一个具体项目对体能活动及相关健康影响,可以引发决策者对潜在健康影响的考虑。
该仿真模型的主要局限在于缺少建成环境变量预测体能活动的实证研究,以及没有足够的信息来量化现状41%缺乏步行的居民潜在步行行为的改变。此外,分析忽略了与建成环境有关的其他潜在健康影响,例如心理健康或空气污染暴露。它也忽视了BRRC社区迁入居民产生的预期收益。另一方面,分析没有考虑到共存病症,可能高估了部分健康收益。但总体而言,这些分析的局限性可能导致对BRRC计划中潜在健康效益的低估。
通过该研究的定量健康影响评估,可以帮助规划实施的决策者理解投入到设计的资金可以带来健康收益。货币化的健康收益在25年间可达到人均2.1万美元,超过了建设社区人行道的成本。这些信息可促使决策者在有限的预算中更多考虑健康收益。文章最后指出,为了确保城市规划与交通基础设施的经济评价中包含健康收益,理想的做法就是将定量影响计算纳入到美国健康影响评价的例行部分。
来源:GIBSON J M, RODRIGUEZ D, DENNERLEIN T, et al. Predicting urban design effects on physical activity and public health: a case study[J]. Health & Place, 2015, 35:79-84.
(供稿:陈睿,徐望悦)

量化城市设计特征对小尺度空气污染影响的一种新方法
不同的城市设计特征可能影响城市中小尺度空气污染的排放和散播模式。然而,城市形态的复杂性、各种变量的相关性、过程的临时性与空间的可变性使得量化小尺度空间污染的决定因素变得困难。这篇文章综合了密集测量和土地利用回归(LUR)建模的一种新方法,用以明确影响中央商务区内小尺度的环境NO2(二氧化氮)浓度的关键要素。
该研究选取了新西兰奥克兰高密度的中央商务区(4.33km2)作为案例,在0.15km2的研究区域内布置了62个测试点,在2013年的8月到10月(冬天和春天)进行了各持续14天左右的3次NO2浓度测试,并通过研究区域内参考站的五年月平均数据来校正季节产生的差异,得到了研究区域的小尺度数据集。同时奥克兰议会在整个奥克兰地区有41个被动采样点,在中央商务区范围内有21个点的NO2浓度数据(“城市尺度”数据集),也纳入了研究。
所有测试点的环境特征由22个变量表征,分为源头性(车道数量、公交车站数量、公交车专用道、交通强度、公交强度、早晨、傍晚及高峰间隔期模拟交通排放量、与前后红绿灯的距离)和调节性(缘石线长度、绿化、与海距离、人车分离、道路一侧、建筑数量、雨棚、道路宽度、道路方向、停车出入口数量、道路高宽比)两类,并各自定义了单位和缓冲区。
采用小尺度和城市尺度两个独立的数据集分别进行模型建构。首先进行单变量回归分析,确定每个变量对结果影响的正负方向和显著性。接着进行多元渐进回归选出显著影响变量,同时根据先前假设的正负效果人为判断结果的可解释性。最终得到了两个尺度的LUR模型。研究分别使用两个LUR模型预测另一个尺度的数据,继而重新设计小尺度的LUR模型,提升预测能力。模型的第二次重新设计使用了ESCAPE项目(European Study of Cohort Air Pollution Effects,欧洲空气污染影响队列研究)中标准模型构建的步骤,逐步排除变量系数与假设正负效果相反的、或显著性>0.2的变量,来明确共同的城市设计因素得到可适应的“多尺度”模型。由以上步骤,最终可得到三种模型:①标准模型:使用ESCAPE标准建立并以同一数据集测试;②独立模型:使用ESCAPE标准建立并以其他数据集测试;③多尺度模型:使用ESCAPE标准建立、使用其他数据集调整,以两个数据集(建立模型的数据集和调整模型使用的数据集)测试。
基于标准模型,研究进一步发展的小尺度LUR模型明确了7个城市设计变量为决定因素,分别是:车道数量、100m半径公交车站数量、雨棚、公交车道数量、绿化、建筑数量、与下一个红绿灯的距离。分别使用三次浓度测试的数据得到这些显著变量基本保持不变。在城市尺度模型中选出了4个显著变量,分别是:与下一个红绿灯的距离、50m半径公交车站数量、50-100m半径公交车站数量、道路宽度。最终改进的多尺度LUR模型明确了3个城市设计变量:车道数量、100m半径公交车站数量、与下一个红绿灯的距离。对三种模型在两个尺度数据集的应用进行了统计特性的比较,发现标准模型解释性较强,独立模型解释性弱,多尺度模型解释性强。说明不能使用一个尺度的模型来描述另一个尺度的情况。本研究中改进的多尺度模型则改善了数据集间的适应性。
相比于许多已发表的城市尺度的LUR研究,该研究更关注于小尺度(本文中小于1km2)。虽然地点的异质性和模型设计使得LUR的结果较难简单推广,然而其中得到的关联可以帮助估计城市中的相对关系。该研究指出其局限性在于测试地点的选择可能漏掉了一些重要的空间模式、被排除的变量可能对于某个测试环境来说具有独特性、模型使用存在限制等。该研究的结论有利于城市小尺度预测理论、小尺度控制、改进标准LUR模型对于特定数据的依赖和较差的预测性。
来源:MISKELL G, SALMOND J, LONGLEY I, et al. A novel approach in quantifying the effect of urban design features on local-scale air pollution in central urban areas[J]. Environmental Science & Technology. 2015, 49: 9004-9011.
(供稿:徐望悦)