EN中文

Acta Geographica Sinica >

2023 , Vol. 78 >Issue 4: 1015 - 1027

DOI: https://doi.org/10.11821/dlxb202304015

Behavioral Geography

Advances in space-time behaviour studies: From the perspective of geographies of mobility

  • XU Weilin ,
  • CHAI Yanwei
Expand
  • School of Urban and Environmental Sciences, Peking University, Beijing 100871, China

Received date: 2022-09-12

  Revised date: 2023-03-03

  Online published: 2023-04-14

Supported by

National Natural Science Foundation of China(42071203)

National Natural Science Foundation of China(41529101)

Fold

Abstract

Against the backdrop of increasing mobility in human society, the approach of geographies of mobility have profoundly influenced various branches of the geography discipline. In this article, we review how geographies of mobility have developed traditional space-time behaviour studies. First, by shifting from a place-based to a people-based perspective, geographies of mobility seek to understand the interaction between indivisible individuals and continuous space-time, thereby addressing the uncertain geographic context problem and neighbourhood effect averaging problem. Second, new methods have been developed for capturing individuals' complex mobilities and dynamic environmental exposures. These range from estimation based on geographical data to real-time measures based on mobile devices as well as subjective measures of environmental exposure and people's perception of geographical contexts. Third, empirically, the geographies of mobility have made methodological contributions to three space-time behaviour research agendas, namely, health geography, social segregation, and urban safety. In short, rising mobility in contemporary urban China poses challenges to traditional methodologies in space-time behaviour studies while also providing opportunities for methodological innovation in this research field. The school of Chinese behavioral geography should keep pace with research on mobility and should keep the geographies of mobility in mind when advancing methodologies and empirical studies.

Key words： geographies of mobility; space-time behaviour studies; uncertain geographic context problem; neighbourhood effect averaging problem; methodological problem

Cite this article

XU Weilin , CHAI Yanwei . Advances in space-time behaviour studies: From the perspective of geographies of mobility[J]. Acta Geographica Sinica, 2023 , 78(4) : 1015 -1027 . DOI: 10.11821/dlxb202304015

1 移动性地理学的学术脉络

随着全球化发展、交通和通信技术的进步，人类社会的移动性（mobility）①(① “mobility”一词在目前中文文献中译为“移动性”或“流动性”，朱璇等曾对不同译法进行讨论，认为“移动性”更能体现“mobility”原词中“mobile”词根所呈现的“movement”的原义，本文赞成这一观点，遂将“mobility”译为移动性。)大大增强。人、物、资本、信息等要素正以空前的速度和多样的形式在全球范围内发生位移，要素之间的关联和互动更加密切。英国社会学家Urry归纳了全球化和信息化下移动性的主要表现形式[1]：身体的移动，即以工作、休闲、家庭生活、迁徙为目的的移动；物品的移动，即物品在生产者和消费者之间的交易；想象的移动，即经由视听所产生的地方想象；虚拟的移动，即依靠数字技术在虚拟空间中的移动；通讯的移动，即借助短信、电话、传真等信息通讯技术跨越地理距离所产生的移动。这些多样化的移动形式使得人类日常生活与时空间的关系发生根本性变化。
面对移动性增强的现实，Urry呼吁社会科学的“移动性转向”（mobility turn），将移动性作为一种研究范式[2]。为此，Urry等在2006年创办了国际期刊Mobilities，在首刊的编者文中号召不同学科的学者采用移动性范式开展研究[3]。归纳起来，移动性范式的核心要义包括：① 动态观，批判安栖主义所秉持的有界的和稳定的地方观[4]；② 关系本体论，视移动中的人、物、信息等要素是关系的产物，因此重视研究移动中所涌现、维持和消失的关系网络[4]；③ 具身性，关注人的身体在移动过程中的环境感知、情感涌现和意义建构[5]；④ 政治性，反对非政治或“客观”立场，关注移动性的差异和不平等[6]；⑤ 拒绝移动/静止的二元论，而是承认两者存在的辩证关系[7]。
移动性作为一种研究范式也对地理学产生重要影响。地理学者成为Mobilities这本学术期刊主要的作者和读者群[8]，地理学者也出版了移动性研究的著作，代表性成果包括Cresswell在2006年发行的On the Move: Mobility in the Modern Western World [9]，以及Adey在2009年出版的Mobilities专著[10]。2013年起，地理学期刊Annals of the Association of American Geographers以“移动性”为主题组织专刊，共发表28篇论文，涵盖移动性的理论、方法和实证研究。移动性也被纳入到社会地理、旅游地理、文化地理、行为地理乃至政治地理的研究框架，并产生本质性的学术创新[11]。这些都体现了地理学对“移动性转向”的积极响应，也表明移动性已经成为地理学研究的重要范式。
事实上，地理学对移动性早有研究。1911—2010年间移动性研究主要集中在居住迁移[12]。到20世纪60年代末70年代初，交通地理学兴起，并成为地理学对移动性正面研究的主要学科分支。交通地理学将移动的主体假定为“理性移动的人”（rational-mobile-person），即假定行为主体根据出发地和目的地的实际情况，基于效益最大化的原则，做出交通出行决策[13]。这一阶段，交通地理学主要关注交通运输规律、测算距离和成本、分析可达性②(② 可达性（accessibility）指出发点到目标地点的便利程度，移动性（mobility）指个体在空间中发生的位移；移动性地理学更加强调移动中的个体与所处环境的动态关系，这是交通地理学的可达性研究较少顾及的。)，其目的在于通过优化交通节点和网络来提高运输效率。计量模型是主要的研究方法。这种研究取向有其特色和价值，但过于强调“理性移动”和“机械建模”，简化了人类移动的多样性和复杂性。
直至2000年Urry提出“移动性转向”[2]后，地理学对移动性研究才变得深刻和多元，移动性地理学（Geographies of Mobilities）也应运而生。Cresswell等2011年出版的专著Geographies of Mobilities: Practices, Spaces, Subjects，书的主标题就是移动性地理学[14]。他们认为移动性地理学搭建起宏观社会和微观空间互动分析桥梁，通过分析移动中的人与微观空间互动，可以透视宏大的社会发展转型，也有助于促进社会发展以及改善人类生活福祉。Kwan等在移动性专刊的介绍性文章中也以“移动性地理学”作为标题[12]。他们进一步讨论了方法论问题。此时，移动性地理学已经超越了传统交通地理学所秉承的效率导向的研究思路，也不局限于关注移动本身，而是发展成为一种聚焦移动过程、主体性、空间和社会之间交互关系的地理学研究范式。
近年来移动性地理学在时空间行为研究中广泛应用，移动性地理学已经与时间地理学和行为主义地理学一道，共同构成了时空间行为研究的方法论基础。如前文所述，移动性地理学在地理学不同分支学科产生广泛影响。这也容易使其在不同分支的应用边界变得模糊[11]。为避免混淆，厘清范式应用边界就变得十分重要。由此引出本文论述的中心议题：移动性地理学从哪些方面革新传统的行为研究?本文旨在对此进行梳理和评述。

2 移动性地理学下时空间行为研究的思路创新

2.1 从“基于地方”转向“基于人”

传统行为研究大多“基于地方”（place-based）的研究思路，先入为主地假设特定地方的环境是影响个体行为的主要因素。“地方”可以指任意活动场所。邻里具有近家性的特征，也常被假设为影响个体行为的重要空间单元。邻里效应（Neighbourhood Effect）理论就认为，邻里的建成环境和社会环境对个体行为存在重要影响[15]。相关实证研究已经揭示了邻里环境对居住迁移、犯罪行为、健康相关行为、社会交往等的效应[16]。其结果的可靠性受到邻里范围界定的影响。邻里通常被假定为有明确地理边界的空间单元，以居住区的几何中心为圆心作圆，进而分析邻里环境的行为效应[17]。对邻里范围大小界定不同，得出的结论也可能不同。该方法论问题被称为“可修正的面积单元问题”（Modifiable Areal Unit Problem, MAUP）[18]，学界对此已经有了比较成熟的探讨。
移动性地理学范式下的行为研究则是转向“基于人”（people-based）的思路，追踪个体在时空间中的移动和实际的环境暴露，而不是先入为主地假定某一地方就会影响个体行为（表1）[19]。有证据表明，个体整日的活动空间未必局限在其居住地附近，而是拓展到了城市其他空间中[20]。居住区外的环境更可能是影响个体行为的因素。若局限在居住区单元，而不考虑日常的移动性，就有可能导致研究结果的偏误[21]。而“基于人”的研究导向则是关注移动中的人，研究个体整日活动与时空间的互动，避免“基于地方”研究思路的缺陷[22]。全球定位系统（GPS）等移动定位技术的进步，可以连续观测包含地理位置、移动轨迹和交互模式等人类活动信息，使得“基于人”的行为研究成为可能[23]。
表1 时空间行为研究的传统范式与移动性地理学范式对比

Tab. 1 Differences between the traditional approach and mobility geography approach to the research into human's space-time behaviour

传统的研究范式 移动性地理学的研究范式
出发点 “基于地方”(place-based)，先入为主地假设特定地方的环境是影响个体行为的主要因素 “基于人”(people-based)，强调追踪个体在时空间中的移动性以及“真实”的环境暴露
空间观 活动空间被分门别类，当前环境暴露与后续环境选择的关系难以被完全捕捉到 假定人有环境选择的能力和倾向，观察个体移动的连续空间过程后，判断行为与空间关系的整体性
时间观 时间被分割成为片段，假定环境暴露效应起止于活动时间段内 考察个体移动的不间断时间过程，研究环境效应随时间变化的复杂性特征

2.2 连续的空间过程

传统行为研究往往将个体的行为割裂开来进行分析，倾向于对不同活动分门别类，如通勤、购物、休闲等，也造成了活动空间分析的割裂。这种处理方式，忽视了个体环境选择具有倾向性的特点，也使得当前的环境暴露与其后续环境选择的关系没有被完全捕捉到[24]。现实中地理空间存在异质性，个体的环境暴露随着时空间的转换而变化[25]。从移动性地理学范式来看，环境暴露包含的一个很重要的假设就是，人们能否以及是否在选择环境。城市空间污染水平存在空间分异，一个人身处在高污染的环境中，是可能通过移动到其他低污染的环境中来摆脱当前的环境劣势[26]。也就是说，当前所处的环境会影响后续活动空间的选择。
移动性地理学对行为与空间关系的研究，并非聚焦于某时某地中个体的活动片段，而是在审视个体整日的、连续不间断的移动之后，再给出一个整体性的关系判断。行为主体被假定为在连续时空间中的个体，具有移动能力以及环境选择倾向。不同经济社会属性群体的移动能力有所差别，选择环境的能力也不同[26]。譬如，同样是身处在高污染环境中，高收入群体容易通过移动暴露在更加优质的空气环境，低收入群体则可能因为移动的限制而忍受劣质空气[27]。若不考虑个体的环境选择，那可能会误会两者均遭受环境劣势。而通过对连续空间过程的完整考察后，因移动性差异造成环境暴露的差异被揭示出来。这种思路转变也将城市社会不平等的议题，从空间分异的不平等转向了由移动性差异所造成的不平等。

2.3 复杂的时间效应

割裂地分析行为片段也隐含着一个假设，环境效应是共时的。这忽视环境效应在连续时间过程中变化的复杂性。事实上，环境效应未必会随着活动的结束而结束，譬如短暂的噪音暴露可能会立刻造成情绪的波动，这种影响可能还会持续一段时间甚至是一整日，影响后续的活动和心情。若是切割行为片段和时间片段，就容易误以为当前行为受到当前环境的影响，而没意识到前序活动的环境暴露效应也是影响因素。
移动性地理学范式下的行为研究更加关注活动复杂的时间效应。它从连续不间断的时间过程来审视个体的活动，并非简单认为环境暴露的效应是共时，而是关注其如何随时间变化而显露和变化，又是如何影响后续其他活动。时间效应的复杂性体现在瞬时效应、时间滞后效应、频率效应、持续时间效应、累积效应[22]。瞬间效应，即环境暴露的效应在暴露的瞬间或后不久后便产生影响；时间滞后效应，即结果在暴露后的某一时期才有可能出现；频率效应，即结果受到暴露频率的影响；持续时间效应，即暴露效应发生后还会持续一段时间；累积效应，只有累积到一定时长后效应才会显现。由此可见，时间本身就是构成影响人与环境关系的重要因素。总之，移动性地理学对人的不可分割性的认识，拒绝割裂地分析行为，将时间效应复杂性这一议题提升到了时空间行为研究的重要位置。

3 移动性地理学下时空间行为研究的方法论问题

由于人类社会移动性的增强，个体的日常活动空间可能不再局限在某一空间单元，而是拓展到了城市更为广泛的空间范围中。若是“基于地方”来理解人类行为，就可能存在两大方法论问题，一是地理情境不确定性问题（Uncertain Geographic Context Problem, UGCoP）[19]，二是邻里效应平均化问题（Neighbourhood Effect Averaging Problem, NEAP）[26]。前者是指研究人与环境的关系，研究结果的可靠性可能受到假定的活动空间与真实活动空间偏离程度的影响；后者是指在考虑个体移动性后，居住在环境暴露水平较高或较低的邻里单元的居民，其总体环境暴露水平将趋向于区域人口的平均水平。而移动性地理学在时空间行为研究的应用，正是避免了因忽视了这两大方法论问题而导致研究结果不可靠。

3.1 地理情境不确定性问题

地理情境不确定性问题由Kwan在2012年首次提出[19]。Kwan认为地理背景单元划分方法及其与真实活动空间地理情境的偏离程度，影响行为与空间关系结果的可靠性。在实证研究中，研究者只能通过假设的方式，识别用于因果模型的地理情境变量。而只有正确识别了真实地理情境的区域范围和特征，才有可能做出可靠的因果推断。当情境变量实际上对结果变量没有影响，但统计分析观察到它们之间存在显著的关联，意味着出现假阳性形式的推理错误。当情境变量实际上对结果变量有影响，但统计分析却观察到它们之间不存在相关性，意味着存在假阴性形式的推理错误。造成这两种推断错误的可能原因是，错误定义了情境单元并错误引进情境变量。只有更加精准去捕捉个体活动“真实”的地理情境，才能有效解决这一方法论问题，实证研究结果才更为可靠。
实证研究也表明，考虑地理情境不确定性问题，有助于更准确推断行为与时空间的互动。Park等对不同个体空气污染暴露的测度方法进行比较，包括基于居住区的日均暴露水平、基于移动性的日均暴露、基于居住区的时均暴露、基于移动性的时均暴露。研究发现，若忽视个体移动性和时间性的问题，就可能高估或低估真实环境暴露对个体健康的影响[28]。谭一洺等以西宁为例比较两类地理情境范围划分对个体活动和移动影响的差异性，一种是仅将居住地作为地理情境的分析单元，一种则是综合考虑居住地与家外活动地的地理情境[29]。研究表明，如果仅以居住地作为分析单元，关注其中建成环境对行为影响时，可能会夸大居住地的作用。而综合考虑居住地与活动地为分析单元，实证研究的结果更可靠，且能够修正有悖于常识的结论。

3.2 邻里效应平均化问题

在地理情境不确定性问题的基础上，Kwan进一步提出了邻里效应平均化问题，即考虑人在居住区外的环境暴露后，样本测得的暴露水平将趋向于区域人口的平均水平[26]。以空气污染暴露测度为例，研究表明若以居住区作为测度单元，样本的暴露水平将近似正态分布，这意味着大多数人的暴露水平在总体均值附近，而极端高值和低值较少。但是，由于污染物分布的空间异质性，个体在居住区的平均空气污染暴露水平可能高于、低于或者近似于在居住区外的暴露水平。对于居住在空气污染暴露水平较高的社区居民而言，他们可以通过移动到低污染的地区，缓解居住区的环境劣势，其暴露值将趋向总体均值。对于居住在低污染地区的居民而言，他们在居住区外的其他地方活动，则可能经受更多的空气污染，其暴露值也将趋向总体均值。也就是说，若仅以居住区作为测度单元，前者污染暴露水平可能被高估，后者则可能被低估，而评估的偏误可能导致政策制定的失误。邻里效应的平均问题已经在中国[30]和美国[31]城市得到验证。但是，需要注意的是，有些群体由于移动能力有限或移动意愿较低，他们日常生活主要在居住区中，未必会经历邻里效应平均化。
邻里效应平均化问题实际上提供了一个批判社会不平等的切入点。不同群体的移动能力不同，克服所处环境劣势的能力也不同。可以推断，移动性较强的群体能够通过移动来争取其他地方的优势资源，使其暴露于居住区的环境劣势被平均掉。相反，移动性较弱的群体则难以摆脱居住区的环境劣势。后者面临着双重困境，即他们居住在环境相对劣势的地区，又因为自身移动性限制无法摆脱这一环境劣势。这类群体应该成为政策重点关照的对象。由此引发的思考是，城市中哪些群体可能遭受移动困境，以至于难以摆脱居住地的环境劣势?Kim等对洛杉矶的研究发现，相比于低收入、失业、老年人和女性群体，高收入、工作族、年轻人和男性群体的移动性能力更强，每天在居住区外活动的时间更长，更有可能通过移动来摆脱邻里环境劣势[32]。

4 移动性地理学下时空间行为研究的技术方法

实证研究中若要避免方法论问题造成研究结果的偏误，就需求捕捉日常移动中“真实”的地理情境。在获取个体移动轨迹的基础上，识别和测度个体移动中所暴露的地理情境。本文归纳了测度方法的演变趋势，一是从基于地理空间数据的估算到基于移动设备实时的精准度量，二是从对地理情境的客观测度到个体对地理情境的主观感知。

4.1 从基于地理空间数据的估算到基于移动设备的精准度量

基于个体时空轨迹数据，再结合气象站点数据、土地利用类型数据、街景图片等地理空间数据，建构近似真实的地理情境，估算个体的环境暴露。最直接的办法是基于地理空间数据对移动轨迹上的每个点进行赋值。Park等研究美国加利福尼亚州洛杉矶居民行为与臭氧污染暴露的关系，通过对空气监测站的数据进行空间插值，得出连续的臭氧浓度曲面，结合个体的活动轨迹数据，估算臭氧污染暴露值[28]。另一种常见的方法是，基于轨迹生成缓冲区作为活动的地理情境单元并测度个体环境暴露。Zhang等以广州为案例地，研究居民日常活动绿化暴露的健康效应，对活动驻点做1000 m缓冲区，对出行线路做500 m缓冲区，建构每个被调查者的活动空间，结合遥感影像数据，估算个体在活动空间中的绿化暴露[33]。这种方法也存在可修正面积单元问题，因为缓冲区范围的大小将影响实证分析的结果。近年来，街景图片等以人视为基准视角的图片数据也被用于测算个体环境暴露。Wu等以北京为案例地，基于GPS的轨迹数据，在百度地图中采集街景图片。沿道活动轨迹每100 m生成一个采样点，从水平角度每60°收集一次图像，故每个点收集了6张图片。采用机器学习的方法来识别图像中植被部分的像素比例，以表征居民在移动中的绿化暴露[34]。值得一提的是，街景图片数据主要反映视觉信息，目前暂时无法反映温度、湿度、声音、气味等其他环境信息。总体上，基于地理空间数据的估算方法成本相对较低，数据获取也相对容易。但是，地理空间数据的时间精度较为粗糙，借此方法所还原的地理情境与个体暴露的真实地理情境还是有一定差异。
为了更加精准还原个体活动的地理情境，近年来基于移动设备的实时测度逐渐兴起。该方法要求被调查者携带空气污染测量仪、噪声检测仪、穿戴式摄像头等测度环境的移动设备，并与GPS进行数据关联，捕捉得到个体移动过程中实时环境暴露数据[35]。Birenboim等将这种方法称为便携式感知（Potable Sensing）[36]。柴彦威等在对北京市美和园居民的时空间行为与环境暴露调查中，要求每位参与者携带一个空气污染测量仪48 h，该测量仪每隔1 s记录一次PM2.5浓度，通过将空气污染测量仪与GPS进行关联，最终获得48 h内个体连续的空气污染暴露数据[37]。基于该调查数据，Ma等比较3种空气污染暴露估计量的差异，即基于监测站数据并以居住地为单元来评估个体空气污染暴露、基于监测站数据评估个体移动过程中的空气污染暴露、基于移动设备实时测度个体空气污染暴露[37]。研究表明，基于监测站数据的评估方法没有考虑室内与室外环境、以及不同交通出行方式的空气污染暴露的差异，因而可能产生偏误，而移动设备实时测量法则能更为精准捕捉个体环境暴露。GPS结合穿戴式摄像头的方法也被广泛用来调查地理情境。譬如，Chambers等以167位11~13岁儿童为样本，要求他们佩戴可穿戴相机和GPS设备，调查儿童在超市酒类产品营销环境中的暴露[38]。Zhang等验证了使用可穿戴式摄像头和机器学习方法评估个体绿化暴露的有效性[39]。移动设备实时测度的方法可以更为精度捕捉地理情境，但其成本较高，而且需要确保设备在调查期间能正常运行，否则调查的有效性将打折扣。

4.2 从地理情境的客观测度到个体对地理情境的主观评价

近年来，主观评价的方法也开始得到学界的重视。无论是采用时空轨迹结合地理空间数据进行环境暴露估算的方法，还是基于移动设备的实时测度，都可以被视为客观的度量方法。然而，不同主体的社会经济属性不同、感知能力各异、态度和偏好也有所区别，对同一地理情境的感知也可能不同[40]。譬如，有的声音分贝未达到噪声定义标准，但在人的主观感受上已经被视为“噪声”，干扰了人们休息、学习和工作活动。从这一意义上，有必要考虑人们的主观感知和评价。其次，个体对地理情境主观感知，也可能影响到个体与客观环境关系的推断[41]。因此，需要更加细致剖析个体在移动过程中主客观的环境暴露与健康的关系。
测度个体对地理情境的主观评价主要体现在地理生态瞬时评估（Geographic Ecological Momentary Assessment）这一方法上。地理生态瞬时评估法是指实时获取被调查者位于某一地点的实时情绪、环境感知等信息。通常采用的做法是，调查人员每天在间隔的时间段通过短信的方式给被调查者发送问卷链接，要求填写当前的心理状态及其对周围环境的评价。在调查过程中，被调查者需要携带GPS设备，研究者得以识别出被调查者填写问卷时所在的空间位置。譬如，周素红等[42]和柴彦威等[43]分别在广州和北京，采用地理生态瞬时评估法，调查居民的时空间行为与环境暴露。在两地调查人员分别于9:00、12:00、16:00和20:00向被调查者发送问卷链接，被调查者需在接收到调查邀请的30 min内完成评估，评估其感知到的空气污染、噪声污染等。地理生态瞬时评估法最大的优点是，它能够捕捉样本对环境瞬时的主观评价，也可尽可能避免回顾性调查的偏差[44]。该方法还有助于理解人与环境互动的时间性问题。当然，这一方法的有效性还取决于样本对调查的配合度。
总体上，精密设备和高时空精度数据是影响移动性暴露测度的关键，但这也会对移动性地理学范式在时空间行为研究的推广和应用造成壁垒。测度的时空间精度越高，对调查设备要求越高、调查程序越复杂、资金成本也越高。反之，测度精度越低，数据则易得，成本较低。譬如，若要测算绿化暴露水平，植被指数数据的时空间精确度要低于穿戴摄像头获取的视频数据，但是前者数据获取的资金成本较低，便于开展大样本的实验。因此，研究者需要在测量精度和调查成本之间权衡。这意味着研究范式受设备、数据和成本的影响。如何以更便捷高效、更低成本的方法获取高精度数据，是有待进一步研究的技术问题。这也将决定未来移动性地理学范式能否被广泛使用。

5 移动性地理学下时空间行为研究的前沿方向

5.1 环境暴露与健康研究

传统的环境和健康关系研究主要基于邻里效应理论，考察居住地环境对居民健康的影响[22]。这一思路存在两个问题：① 可能忽视个体在居住地外环境暴露的健康效应。对于移动性较强、活跃在城市空间中的年轻人而言，居住地环境的健康效应可能微乎其微，而真正影响其健康状况的地理背景却没有被捕捉到。② 可能忽视了时空间行为作为环境暴露影响居民健康状况的媒介。譬如，居民选择不同的交通出行方式，其空气污染和噪声污染暴露也不尽相同，由此导致的健康影响也不一样[45]。基于移动性的范式，不仅可以更加全面刻画个体日常活动和移动中的环境暴露情况，还可以更加准确挖掘居民时空间行为、环境暴露与健康三者之间的关系，为研究环境公正与健康不平等这些经典议题提供新思路[46]。
移动性地理学下环境的健康效应研究，从居住地暴露转向移动性暴露。已有研究在测度个体移动过程中环境暴露水平的基础上，剖析环境暴露对个体压力、幸福感等健康指标的影响。多聚焦在空气污染、噪声污染、蓝绿空间暴露的健康效应[47]。移动过程中的个体暴露在多种环境要素相互作用之下。最新的研究开始关注多情境交织下健康问题的复杂性[48]。譬如，个体在移动过程中噪声和空气污染暴露共同作用下的健康效应[49]。此外，时空间行为作为环境暴露和健康效应的中介也引起学者关注。譬如，时空间活动和移动在绿化暴露和个体健康关系中的中介作用[33]。
移动性地理学的另一重要影响是，将时间效应的研究提升到这个研究领域的重要位置。尽管个体能够对变化的环境具有较强的适应能力，能够忍耐短期环境暴露变化对其产生的影响。譬如，个体可以在一定程度上适应短期的噪音暴露[50]。但是也有研究表明短期环境暴露仍然会触发个体的应激反应，并且对个体健康的影响具有累积效应[51]。地理生态瞬时评估是研究长短期健康效应的主要方法。近年来，可穿戴生物传感器也用于测度移动中个体实时的生物信号，譬如体温、血压、心率、皮电反应等[52]。客观健康测度技术方法的进步，也为时间效应的研究拓展了新的空间，相关研究正处于起步阶段。

5.2 社会空间隔离研究

社会空间隔离是表征不同社会经济属性的群体相互接触可能性的概念，其测度方法是城市社会地理学研究的热门话题[53]。隔离程度越高，意味着某一群体与其他群体在日常生活空间中接触的机会越少[54]。一定程度上不利于社会的和谐发展。如何更为准确全面地测量空间隔离程度就十分关键，对于科学指导促进社会融合的社区规划和管理实践具有重要意义。空间是社会隔离的地理基础，而居住区是人们居住的地理单元，因此社会空间隔离测度常以居住区为测度单元[55]。
然而，社会空间隔离不仅存在于居住区，也存在于居住区外的活动空间中。譬如，老年人、儿童和经济劣势的群体的移动能力较弱，他们的社会交往具有社区依赖的特征。但是，大多数人的活动空间往往不局限在社区及其周边，而是拓展到了城市其他社会空间中，譬如社区外的工作地、购物空间等[56]。因此，有必要关注不同空间的社会隔离现象，包括工作场所隔离、休闲空间隔离等。此外，即使是居住在一个社区的两个人，也有可能因为其移动能力的差异，导致彼此接触和交往的可能性下降。混合社区的建设就是希冀通过不同阶层群体的居住混合来促进社会融合。但是有研究就对此提出质疑，认为混合社区中经济地位优势的群体对社区的时空间利用有限，以至于其与经济地位劣势的群体交往可能性比较小。居住混合未必可以实现政策制定者的初衷[57]。
在人类移动性大大增强的背景下，基于居住空间的、静态的社会空间隔离测度可能无法准确捕捉个体遭受的社会空间隔离，移动性地理学范式则提供了新思路。譬如，Park等[58]提出了多情境隔离的测度思路。多元情境包括个体日常生活如家庭、工作场所、娱乐场所的各种空间情境，也包括每日不同时间段社会隔离的情况。Tan等对西宁的研究发现，居住在社会空间隔离度较高的社区居民可以通过在社区外的活动来获得与其他群体接触的机会，验证了邻里效应平均化问题的存在[30]。这些研究表明，移动性地理学有助于更为准确全面测度社会空间隔离，以及更为科学指导城市和社区规划。

5.3 城市安全研究

移动性增强也增加了城市发展的不确定性和风险，移动性地理学是研究城市安全问题重要的方法论。有些城市公共安全问题的直接或间接诱因便是来自人类的移动性及其与城市空间的交互。譬如，疫情的大规模传播就与人的移动密切相关，个体感染病毒的风险取决于其在移动过程中与传染源的时空间邻近性。Rosenkrantz等强调基于个体活动轨迹数据而非确诊病例数据，评估个体风险的必要性[59]。Helbich等呼吁在新型冠状病毒感染（COVID-19）疫情的研究中，研究者不能忽视时空间的不确定性问题[60]。只有掌握人的复杂移动性特征，深入理解人的行为、风险、设施、资源等在时空间上的交互，才能为城市安全治理提供有效对策，否则无法指导居民采取时空精准的防控措施，甚至可能造成居民对风险防控过于松懈或过度紧张。
考虑个体移动过程中所经历的动态变化的地理情境，精细化评估居民个体的时空间风险。柴彦威等指出，居民在疫情下难免会担心自己已经发生、实时进行、即将开展的家外活动是否有风险，故有必要顾及移动性和情境变化为居民提供时空精准和个性化的风险评估[61]。Huang等基于确诊病例的活动场所以及酒吧、餐馆两类具有高传播风险的公共场所，采用时空核密度方法，建构香港COVID-19疫情风险的时空格局，并利用个人轨迹数据，比较了基于移动性和基于居住地测度方法的个体时空间风险暴露差异[62]。结果表明，疫情风险评估存在地理情境不确定性问题和邻里效应平均化问题，忽视移动性将导致风险评估不精确。总之，COVID-19疫情凸显了移动性地理对于非常态下行为研究的重要性，未来需要验证该范式在其他类型突发公共事件下行为研究中的效用。

6 总结与展望

本文梳理了移动性地理学的起源与主要方法论特点，总结了移动性地理学背景下时空间行为研究的创新与方向（图1）。面向人类移动性不断增强现实背景，移动性地理学从“基于地方”转向“基于人”的视角，研究不可分割的个体在连续时空间中的行为，避免了因忽视了地理情境不确定性问题和邻里效应平均化问题而导致研究结果不可靠。致力于捕捉个体复杂变化的移动性特征，尽可能还原其在移动过程中所暴露的地理情境，深入研究移动性下行为与时空间互动的内在机理。地理情境测度的方法已经从基于地理空间数据的估算到基于移动设备实时的精准度量、从对地理情境的客观测度到个体对地理情境的主观感知发展。最后，移动性地理学创新了基于时空间行为的环境暴露与健康研究、社会空间隔离研究、城市安全研究等实证研究，对于空间规划和管理实践具有重要价值。
图1 移动性地理学与时空间行为研究创新

Fig. 1 Geography of mobilities and its contribution to the research into human's space-time behaviour

展望未来，移动性地理学应用于时空间行为研究的深度和广度仍需继续加强。
（1）从时间维度上，理解空间和行为互动的长短期效应。目前的研究主要关注日常移动性，即个体每日24 h活动。由于技术方法和数据资料的限制，个体生命历程中移动性的变化及其与环境相互作用关系研究较少。居住迁移、自然灾害等生命历程事件极大改变了个体惯常活动的地理情境，是影响时空间行为和生活福祉的重要因素。若忽视个体生命历程早期的环境暴露，研究者就有可能高估或低估短期环境暴露对个体福祉的影响[63]。因此，未来可以探索生命历程中环境的长短期效应，而跟踪调查是必要的研究路径。
（2）从空间维度上，拓展虚拟空间中的移动性研究。人类日常移动性的增强，不仅得益于交通发展，也受日常生活数字化转型的影响。但是，目前移动性地理学在时空间行为研究中的应用，大多聚焦在实体空间中的移动和环境暴露，忽视虚拟空间中的移动性。已有研究表明，数字技术促使日常活动的一部分转移至虚拟空间中进行，造成活动破碎化、多任务、时空替代等方面的变化[64]。但是这类研究停留在实虚活动的关系，而为深入到实虚空间中环境暴露的关系。因此，未来的研究需要进一步理解虚拟空间中的移动性和具身体验，揭示信息通讯技术使用所造成的环境暴露不平等，反思虚拟移动性对时空间行为研究方法论的挑战。
（3）在城市规划和管理实践上，要树立“基于人”而非“基于地方”的意识。空间设施布局要以城市居民的活动和移动为作为规划依据。尤其是当前开展的社区生活圈规划，要考虑社区居民日常移动性和活动需求，而不能基于人口构成的静态思维方式来配置设施和资源，否则就可能造成供需的不匹配[65]。此外，要将移动性的思维融入到城市体检和风险评估中。最典型的体现就是，疫情下的空间风险等级评估，不能够简单以空间单元内的确诊病例数为划分标准，而是应该以病例在时空间中的活动轨迹作为依据，才能够有效做到时空间精准防控[61]。城市体检也要融入移动性的思维，基于高精度的轨迹数据，动态识别城市运行过程中出现的问题并及时解决，推动城市管理人本化和时空精细化[66]。
总之，反思和创新传统的方法论已经成为时空间行为研究的新趋势，也是当前中国行为学派的重要任务。中国城市移动性大大增强的现实既挑战了传统的研究范式，也为反思和创新方法论提供机遇。1978年改革开放以来，城市快速发展带来了社会空间隔离、安全风险增加、环境污染暴露等城市社会可持续问题。研究和解决问题不能再停留在传统的静态时空观，而是应该直面中国城市居民移动性日益增强的现实背景，基于移动性地理学范式，深化对移动性下行为与时空间互动的多样性、不确定性和复杂性的理解。对移动性地理学的正面关注，也有助于时空间行为地理学的成果更好指导中国的城市规划，满足当前精细化治理的需求，避免因忽视移动性而导致规划和治理的失效。

感谢香港中文大学关美宝老师对北京大学时空间行为研究团队的长期支持，使我们得以较为全面地学习并应用了其思想与方法；同时感谢审稿专家给予的建设性意见。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Urry J. Mobilities. Cambridge: Polity, 2007: 47.

[2]
Urry J. Sociology Beyond Societies: Mobilities for the Twenty-first Century. London: Routledge, 2000.

[3]
Hannam K, Sheller M, Urry J. Editorial: Mobilities, immobilities and moorings. Mobilities, 2006, 1(1): 1-22.

DOI

[4]
Cresswell T. Mobilities III: Moving on. Progress in Human Geography, 2014, 38(5): 712-721.

DOI

[5]
Doughty K, Murray L. Discourses of mobility: Institutions, everyday lives and embodiment. Mobilities, 2016, 11(2): 303-322.

DOI

[6]
Cresswell T. Towards a politics of mobility. Environment and Planning D: Society and Space, 2010, 28(1): 17-31.

DOI

[7]
Cresswell T. Mobilities II: Still. Progress in Human Geography, 2012, 36(5): 645-653.

DOI

[8]
Zhu Xuan, Xie Jia, Jiang Hongyuan. Mobility or liquidity? Translation, evolution and interpretation. Tourism Tribune, 2017, 32(10): 104-114.

[朱璇, 解佳, 江泓源. 移动性抑或流动性? 翻译、沿革和解析. 旅游学刊, 2017, 32(10): 104-114.]

[9]
Cresswell T. On the Move:Mobility in the Modern Western World. New York: Routledge, 2006.

[10]
Adey P. Mobility. London: Routledge, 2009.

[11]
Zhu Xuan. A theoretical framework of geography of mobility: Based on literature analysis. Human Geography, 2021, 36(6): 9-18, 156.

[朱璇. 移动地理研究的一种理论框架: 基于文献分析. 人文地理, 2021, 36(6): 9-18, 156.]

[12]
Kwan M P, Schwanen T. Geographies of mobility. Annals of the American Association of Geographers, 2016, 106(2): 243-256.

[13]
White H P, Senior M L. Transport Geography. London: Longman, 1983.

[14]
Cresswell T, Merriman P. Geographies of Mobilities: Practices, Spaces, Subjects. Farnham: Ashgate Publishing, Ltd, 2011.

[15]
Sampson R J, Morenoff J D, Gannon-Rowley T. Assessing "neighborhood effects": Social processes and new directions in research. Annual Review of Sociology, 2002, 28(1): 443-478.

DOI

[16]
Sheng Mingjie. The research review and its implications of neighborhood effects in Euramerican cities. Urban Planning International, 2017, 32(6): 42-48.

[盛明洁. 欧美邻里效应研究进展及对我国的启示. 国际城市规划, 2017, 32(6): 42-48.]

[17]
Perchoux C, Chaix B, Brondeel R, et al. Residential buffer, perceived neighborhood, and individual activity space: New refinements in the definition of exposure areas: The RECORD Cohort Study. Health & Place, 2016, 40: 116-122.

[18]
Fotheringham A S, Wong D S. The modifiable areal unit problem in multivariate statistical analysis. Environment and Planning A, 1991, 23(7): 1025-1044.

DOI

[19]
Kwan M P. The uncertain geographic context problem. Annals of the Association of American Geographers, 2012, 102(5): 958-968.

DOI

[20]
Wiehe S E, Hoch S C, Liu G C, et al. Adolescent travel patterns: Pilot data indicating distance from home varies by time of day and day of week. Journal of Adolescent Health, 2008, 42(4): 418-420.

DOI

[21]
Shafran-Nathan R, Levy I, Broday D M. Exposure estimation errors to nitrogen oxides on a population scale due to daytime activity away from home. Science of the Total Environment, 2017, 580: 1401-1409.

DOI

[22]
Kwan M P. The limits of the neighborhood effect: Contextual uncertainties in geographic, environmental health, and social science research. Annals of the American Association of Geographers, 2018, 108(6): 1482-1490.

DOI

[23]
Chaix B, Méline J, Duncan S, et al. GPS tracking in neighborhood and health studies: A step forward for environmental exposure assessment, a step backward for causal inference? Health & Place, 2013, 21: 46-51.

[24]
Schwanen T. Uncertainty in contextual effects on mobility: An exploration of causality. Annals of the American Association of Geographers, 2018, 108(6): 1506-1512.

DOI

[25]
Helbich M. Toward dynamic urban environmental exposure assessments in mental health research. Environmental Research, 2018, 161: 129-135.

DOI PMID

[26]
Kwan M P. The neighborhood effect averaging problem (NEAP): An elusive confounder of the neighborhood effect. International Journal of Environmental Research and Public Health, 2018, 15(9): 1841. DOI: 10.3390/ijerph15091841.

DOI

[27]
Ma X L, Li X J, Kwan M P, et al. Who could not avoid exposure to high levels of residence-based pollution by daily mobility? evidence of air pollution exposure from the perspective of the neighborhood effect averaging problem (NEAP). International Journal of Environmental Research and Public Health, 2020, 17(4): 1223. DOI: 10.3390/ijerph17041223.

DOI

[28]
Park Y M, Kwan M P. Individual exposure estimates may be erroneous when spatiotemporal variability of air pollution and human mobility are ignored. Health & Place, 2017, 43: 85-94.

[29]
Tan Yiming, Chai Yanwei, Kwan Mei-po. The impact of the uncertain geographic context on the space-time behavior analysis: A case study of Xining, China. Acta Geographica Sinica, 2017, 72(4): 657-670.

DOI

[谭一洺, 柴彦威, 关美宝. 地理背景的不确定性对时空行为模式分析的影响: 基于西宁市的实证研究. 地理学报, 2017, 72(4): 657-670.]

DOI

[30]
Tan Y M, Kwan M P, Chen Z F. Examining ethnic exposure through the perspective of the neighborhood effect averaging problem: A case study of Xining, China. International Journal of Environmental Research and Public Health, 2020, 17(8): 2872. DOI: 10.3390/ijerph17082872.

DOI

[31]
Kim J, Kwan M P. Assessment of sociodemographic disparities in environmental exposure might be erroneous due to neighborhood effect averaging: Implications for environmental inequality research. Environmental Research, 2021, 195: 110519. DOI: 10.1016/j.envres.2020.110519.

DOI

[32]
Kim J, Kwan M P. How neighborhood effect averaging might affect assessment of individual exposures to air pollution: A study of ozone exposures in Los Angeles. Annals of the American Association of Geographers, 2021, 111(1): 121-140.

DOI

[33]
Zhang L, Zhou S H, Kwan M P, et al. Impacts of individual daily greenspace exposure on health based on individual activity space and structural equation modeling. International Journal of Environmental Research and Public Health, 2018, 15(10): 2323. DOI: 10.3390/ijerph15102323.

DOI

[34]
Wu J Y, Wang B H, Ta N, et al. Does street greenery always promote active travel? Evidence from Beijing. Urban Forestry & Urban Greening, 2020, 56: 126886. DOI: 10.1016/j.ufug.2020.126886.

DOI

[35]
Fang T B, Lu Y M. Personal real-time air pollution exposure assessment methods promoted by information technological advances. Annals of GIS, 2012, 18(4): 279-288.

DOI

[36]
Birenboim A, Helbich M, Kwan M P. Advances in portable sensing for urban environments: Understanding cities from a mobility perspective. Computers, Environment and Urban Systems, 2021, 88: 101650. DOI: 10.1016/j.compenvurbsys.2021.101650.

DOI

[37]
Ma J, Tao Y H, Kwan M P, et al. Assessing mobility-based real-time air pollution exposure in space and time using smart sensors and GPS trajectories in Beijing. Annals of the American Association of Geographers, 2020, 110(2): 434-448.

DOI

[38]
Chambers T, Pearson A L, Kawachi I, et al. Kids in space: Measuring children's residential neighborhoods and other destinations using activity space GPS and wearable camera data. Social Science & Medicine, 2017, 193: 41-50.

DOI

[39]
Zhang Z X, Long Y, Chen L, et al. Assessing personal exposure to urban greenery using wearable cameras and machine learning. Cities, 2021, 109: 103006. DOI: 10.1016/j.cities.2020.103006.

DOI

[40]
Mennis J, Mason M, Ambrus A. Urban greenspace is associated with reduced psychological stress among adolescents: A Geographic Ecological Momentary Assessment (GEMA) analysis of activity space. Landscape and Urban Planning, 2018, 174: 1-9. DOI: 10.1016/j.landurbplan.2018.02.008.

DOI PMID

[41]
Kou L R, Tao Y H, Kwan M P, et al. Understanding the relationships among individual-based momentary measured noise, perceived noise, and psychological stress: A geographic ecological momentary assessment (GEMA) approach. Health & Place, 2020, 64: 102285. DOI: 10.1016/j.healthplace.2020.102285.

DOI

[42]
Su L L, Zhou S H, Kwan M P, et al. The impact of immediate urban environments on people’s momentary happiness. Urban Studies, 2022, 59(1): 140-160.

DOI

[43]
Tao Y H, Chai Y W, Zhang X, et al. Mobility-based environmental justice: Understanding housing disparity in real-time exposure to air pollution and momentary psychological stress in Beijing, China. Social Science & Medicine, 2021, 287: 114372. DOI: 10.1016/j.socscimed.2021.114372.

DOI

[44]
Mitchell J T, Schick R S, Hallyburton M, et al. Combined ecological momentary assessment and global positioning system tracking to assess smoking behavior: A proof of concept study. Journal of Dual Diagnosis, 2014, 10(1): 19-29.

PMID

[45]
Tsai D H, Wu Y H, Chan C C. Comparisons of commuter's exposure to particulate matters while using different transportation modes. Science of the Total Environment, 2008, 405(1-3): 71-77.

DOI

[46]
Yoo E H, Rudra C, Glasgow M, et al. Geospatial estimation of individual exposure to air pollutants: Moving from static monitoring to activity-based dynamic exposure assessment. Annals of the Association of American Geographers, 2015, 105(5): 915-926.

DOI

[47]
Helbich M. Toward dynamic urban environmental exposure assessments in mental health research. Environmental Research, 2018, 161: 129-135.

DOI PMID

[48]
Roberts H, Helbich M. Multiple environmental exposures along daily mobility paths and depressive symptoms: A smartphone-based tracking study. Environment International, 2021, 156: 106635. DOI: 10.1016/j.envint.2021.106635.

DOI

[49]
Tao Y H, Kou L R, Chai Y W, et al. Associations of co-exposures to air pollution and noise with psychological stress in space and time: A case study in Beijing, China. Environmental Research, 2021, 196: 110399. DOI: 10.1016/j.envres.2020.110399.

DOI

[50]
Tao Y H, Chai Y W, Kou L R, et al. Understanding noise exposure, noise annoyance, and psychological stress: Incorporating individual mobility and the temporality of the exposure-effect relationship. Applied Geography, 2020, 125: 102283. DOI: 10.1016/j.apgeog.2020.102283.

DOI

[51]
Oiamo T H, Luginaah I N, Baxter J. Cumulative effects of noise and odour annoyances on environmental and health related quality of life. Social Science & Medicine, 2015, 146: 191-203.

DOI

[52]
Birenboim A, Dijst M, Scheepers F E, et al. Wearables and location tracking technologies for mental-state sensing in outdoor environments. The Professional Geographer, 2019, 71(3): 449-461.

DOI

[53]
Van Ham M, Tammaru T. New perspectives on ethnic segregation over time and space: A domains approach. Urban Geography, 2016, 37(7): 953-962.

DOI

[54]
Musterd S. Social and ethnic segregation in Europe: Levels, causes and effects. Journal of Urban Affairs, 2005, 27(3): 331-348.

DOI

[55]
Johnston R, Poulsen M, Forrest J. The geography of ethnic residential segregation: A comparative study of five countries. Annals of the Association of American Geographers, 2007, 97(4): 713-738.

DOI

[56]
Van Kempen R, Wissink B. Between places and flows: Towards a new agenda for neighbourhood research in an age of mobility. Geografiska Annaler: Series B, Human Geography, 2014, 96(2): 95-108.

DOI

[57]
Ma Xinlin, Chai Yanwei, Zhang Yan. Residential mix and behavioral differentiation in suburban public policy community: Evidence from Beijing Mei-He-Yuan community. Urban Development Studies, 2020, 27(3): 55-62, 76.

[马昕琳, 柴彦威, 张艳. 郊区配建社区的居住混合与行为分异: 以北京美和园社区为例. 城市发展研究, 2020, 27(3): 55-62, 76.]

[58]
Park Y M, Kwan M P. Multi-contextual segregation and environmental justice research: Toward fine-scale spatiotemporal approaches. International Journal of Environmental Research and Public Health, 2017, 14(10): 1205. DOI: 10.3390/ijerph14101205.

DOI

[59]
Rosenkrantz L, Schuurman N, Bell N, et al. The need for GIScience in mapping COVID-19. Health & Place, 2021, 67: 102389. DOI: 10.1016/j.healthplace.2020.102389.

DOI

[60]
Helbich M, Browning M H E M, Kwan M P. Time to address the spatiotemporal uncertainties in COVID-19 research: Concerns and challenges. Science of the Total Environment, 2021, 764: 142866. DOI: 10.1016/j.scitotenv.2020.142866.

DOI

[61]
Chai Yanwei, Xu Weilin, Zhang Wenjia, et al. A research framework of precise epidemic prevention and control from the perspective of space-time behavioral geography. Scientia Geographica Sinica, 2020, 40(10): 1585-1592.

DOI

[柴彦威, 许伟麟, 张文佳, 等. 新冠肺炎疫情精准防控的时空间行为地理学研究框架. 地理科学, 2020, 40(10): 1585-1592.]

DOI

[62]
Huang J W, Kwan M P. Uncertainties in the assessment of COVID-19 risk: A study of people's exposure to high-risk environments using individual-level activity data. Annals of the American Association of Geographers, 2022, 112(4): 968-987.

DOI

[63]
Pearce J R. Complexity and uncertainty in geography of health research: Incorporating life-course perspectives. Annals of the American Association of Geographers, 2018, 108(6): 1491-1498.

DOI

[64]
Shaw S L, Yu H B. A GIS-based time-geographic approach of studying individual activities and interactions in a hybrid physical-virtual space. Journal of Transport Geography, 2009, 17(2): 141-149.

DOI

[65]
Chai Yanwei, Li Chunjiang. Urban life cycle planning: From research to practice. City Planning Review, 2019, 43(5): 9-16.

[柴彦威, 李春江. 城市生活圈规划: 从研究到实践. 城市规划, 2019, 43(5): 9-16.]

[66]
Yang Jie, Chai Yanwei. Theoretical research and practical explorations of city examination. Shanghai Urban Planning Review, 2022(1): 1-7.

[杨婕, 柴彦威. 城市体检的理论思考与实践探索. 上海城市规划, 2022(1): 1-7.]

Options
Outlines

/

〈 〉