دویدن یا دویدن برای اوقات فراغت یا تناسب اندام (Dong et al., 2023a; Jiang et al., 2022; Yang et al., 2022a) یک شکل محبوب، سالم و بدون هزینه از فعالیت بدنی (PA) مناسب برای همه است. سن بدون نیاز به مهارت های خاص (یانگ و همکاران، 2022a؛ هوانگ و همکاران، 2023؛ لیو و همکاران، 2023a). امروزه، تعداد دوندگان در سراسر جهان از صدها میلیون نفر فراتر رفته و همچنان در حال افزایش است (دونگ و همکاران، 2023b؛ نورمن و همکاران، 2019؛ اتما، 2016). در چین، افراد بیشتری به مزایای تناسب اندام دویدن پی برده اند و آن را به شکل ترجیحی ورزش و سبک زندگی تبدیل کرده اند (لیو و همکاران، 2023a). در اروپا، دویدن حتی به وسیله ای برای رفت و آمد ساکنان تبدیل شده است (کوک، 2021). آهسته دویدن در فضای باز به انتخاب اولویت مردم برای ورزش تناسب اندام تبدیل شده است زیرا مزایای متعددی دارد لیو و همکاران، 2022، لیو و همکاران، 2023a، از جمله کاهش خطرات بیماری های مزمن، بهبود رفاه عاطفی با کاهش استرس و افسردگی (دونگ و همکاران Huang et al., 2023, Huang et al., 2023.

با توجه به مزایای فوق (هوانگ و همکاران، 2023؛ لیو و همکاران، 2023a)، تشویق دویدن در فضای باز ابزار مهمی برای بهبود سطح سلامتی است (جیانگ و همکاران، 2022؛ کیم و همکاران، 2023) و کاهش عدم فعالیت بدنی (هوانگ و همکاران، 2023). تلاش‌های زیادی، از جمله مداخلات محیطی مبتنی بر مکان (BE) (اتما، 2016؛ ژانگ و همکاران، 2022؛ چن و همکاران، 2021)، و عوامل اجتماعی-اقتصادی مداخله‌گر (لیو و همکاران، 2023a)، انجام شده است. ترویج PA (یانگ و همکاران، 2022a)، از جمله دویدن (یانگ و همکاران، 2023a)، پیاده روی و دوچرخه سواری (Lu et al., 2019) و غیره. اثرات طولانی مدت و گسترده برای ترویج دویدن (Panter et al., 2019).

درک اینکه چگونه محیط های شهری بر رفتار آهسته دویدن تأثیر می گذارد می تواند به برنامه ریزان شهری کمک کند تا به طراحی مداخله بهینه دست یابند (اتما، 2016). آثار مرتبط (Lu et al., 2019; Li et al., 2018; Liu et al., 2023b) را می توان تقریباً به دو نوع تقسیم کرد: محیط همسایگی (مقیاس کلان) (Koo et al., 2022) و محیط بصری (مقیاس خرد) ) (لیو و همکاران، 2023b). عوامل BE در مورد محیط محله معمولاً با نیاز اساسی به فعالیت انسانی بر اساس فرضیه سلسله مراتبی نیازها مرتبط است (آلفونزو، 2005). محیط‌های فیزیکی وسیع‌تر محله عموماً از طریق سیستم اطلاعات جغرافیایی و سنجش از دور از نمای بالای سر اندازه‌گیری می‌شوند (جیانگ و همکاران، 2022). پیش از این، بر اساس متغیرهای “5D” (به عنوان مثال، تراکم، تنوع، طراحی، مقصد و فاصله)، محققان اثرات خطی یا غیرخطی محیط‌های همسایگی را بر پیاده‌روی (آلفونزو، 2005)، دوچرخه‌سواری (Panter et al., 2019) بررسی کردند. و دویدن (دونگ و همکاران، 2023a؛ جیانگ و همکاران، 2022).

متفاوت از محیط همسایگی، محیط بصری (VE) از سطح چشم درک می شود و عمدتاً شامل مناظر بصری و جزئیات طراحی در مقیاس خوب است (Liu et al., 2023b). عوامل VE تمایل دارند نیازهای سطح بالا برای فعالیت های انسانی را برآورده سازند (آلفونزو، 2005)، که شامل زیبایی شناسی، ایمنی، سرزندگی و لذت ناشی از صحنه بصری می شود. آهسته دویدن در فضای باز برای تناسب اندام یا اوقات فراغت نه تنها می تواند تحت تأثیر BE محله باشد، بلکه صحنه بصری را نیز تحت تأثیر قرار می دهد (ژانگ و همکاران، 2022). برخی از مطالعات (Ettema، 2016؛ لیو و همکاران، 2023b) تأیید کردند که دونده ها در مقایسه با PA هدفمند مانند رفت و آمد، توجه بیشتری به انتخاب های VE دارند. به طور سنتی، روش هایی مانند ممیزی میدانی، مشاهده و مصاحبه برای اندازه گیری محیط های بصری استفاده می شد (ادواردز و همکاران، 2013؛ ژای و همکاران، 2021). با این حال، این روش ها زمان بر، پرهزینه و دارای نمونه های کوچک هستند (رین و همکاران، 2022؛ ژانگ و همکاران، 2018).

اخیراً رویکردهای داوطلبانه اطلاعات جغرافیایی (VGI) (Su et al., 2017) فرصت جدیدی برای پرداختن به این محدودیت ها ارائه می دهد. VGI به‌عنوان یک کم‌هزینه، تولید شده توسط کاربر و موقعیت جغرافیایی، می‌تواند نمونه‌های بزرگی تولید کند و به طور گسترده برای گرفتن VE و PA مورد استفاده قرار گرفته است (Norman and Pickering، 2017). به عنوان مثال، بسیاری از آثار از تصاویر نمای خیابان (SVI) استفاده کردند (ژانگ و همکاران، 2022؛ وو و همکاران، 2022؛ دنگ و همکاران، 2022؛ چی و همکاران، 2022؛ یوان و همکاران، 2023؛ هو و Biljecki، 2022) یا عکس های دارای برچسب جغرافیایی منبع باز برای اندازه گیری VE با فناوری یادگیری عمیق (Wu et al., 2022). به همین ترتیب، داده های VGI، مانند مسیر GPS، به طور گسترده در مطالعات PA مورد استفاده قرار گرفت (لیو و همکاران، 2023a؛ لی و وانگ، 2021). بنابراین، بر اساس داده‌های بزرگ VGI، آثار متعددی (نورمن و همکاران، 2019؛ نورمن و پیکرینگ، 2017) روابط بین محیط شهری و PA را بررسی کرده‌اند و یافته‌های ارزشمند زیادی را ارائه کرده‌اند (پانتر و همکاران، 2019؛ نورمن و پیکرینگ، 2017). علیرغم متون به سرعت انباشته شده، برخی از شکاف ها باقی مانده است که شایسته توجه پژوهشی است.

(1) مطالعات کمی روابط بین عوامل محیط بصری و سفرهای آهسته دویدن را بر اساس داده های بزرگ چند منبعی بررسی کرده اند. کارهای قبلی (ژانگ و همکاران، 2018) بر اساس «داده‌های کوچک» (Rinne و همکاران، 2022؛ سو و همکاران، 2023)، به عنوان مثال، پرسشنامه‌ها و ممیزی‌ها، به سختی می‌توان آن را به مقیاس دقیق در مناطق بزرگ گسترش داد. (ژای و همکاران، 2021). کارهای اخیر (Wu et al., 2022; Qi et al., 2022; Yuan et al., 2023) به طور گسترده ای از تصاویر نمای خیابان برای اندازه گیری VE استفاده کردند، که نتوانستند مشکل پوشش فضایی ناقص را که جاده های سطح پایین در جوامع، بررسی می کنند، انجام دهند. پارک ها، دانشگاه ها و غیره فاقد SVI هستند (Wu et al., 2022; Yuan et al., 2023). این همچنین به اندازه گیری تفاوت VE بین داخل و خارج از واحد مطالعه (Su et al., 2023)، مانند منطقه تجزیه و تحلیل ترافیک (TAZ)، جامعه، و غیره محدود می شود. بنابراین، یکپارچه سازی داده های تصویر چند منبع (به عنوان مثال، SVI و عکس‌های دارای برچسب جغرافیایی) برای اندازه‌گیری چشم‌انداز بصری داخل و خارج واحد مطالعه و استفاده از داده‌های بزرگ مسیر برای نمایه رفتارهای دویدن می‌تواند بررسی جامع‌تر و عمیق‌تری از رابطه بین VE و فعالیت‌های دویدن را ارائه دهد.

(2) تحقیقات در مورد اثرات ناهمگونی فضایی عوامل VE بر آهسته دویدن محدود است. مطالعات قبلی (لیو و همکاران، 2023a؛ هوانگ و همکاران، 2022) عمدتاً تأثیرات جهانی محیط‌های شهری را بر پیاده‌روی، دوچرخه‌سواری (Lu et al., 2019؛ Liu et al., 2023b) و آهسته دویدن لیو و همکاران بررسی کردند. .، 2022، لیو و همکاران، 2023a; یانگ و همکاران، 2023a) و غیره. در واقع، تأثیرات VE ممکن است پیوسته و از نظر مکانی متغیر باشد (مثلاً تأثیرات در متغیرها و محدوده‌های مکانی متفاوت است) (Yang et al., 2023a) و ممکن است تفاوت‌هایی در تأثیرات VE در داخل و خارج از یک TAZ (سو و همکاران، 2023). با این حال، آثار کمی به دنبال توضیح ناهمگونی فضایی بوده‌اند، به ویژه با توجه به تفاوت‌های تأثیرات بین داخل و خارج TAZ، که پشتیبانی از طرح‌های شهری متمایز را دشوار می‌کند.

(3) اثرات متغیر زمان VE بر فعالیت دویدن همچنان نامشخص است. کار قبلی (لی و وانگ، 2021) تأیید کرد که ادراک VE توسط افراد در معرض تغییرات زمانی است و بر رفتار انسان تأثیر می‌گذارد (یانگ و همکاران، 2022b). به همین ترتیب، فعالیت های آهسته دویدن ساکنان شهری نیز تنوع زمانی را نشان می دهد (یانگ و همکاران، 2023a). آثار موجود (نورمن و همکاران، 2019) نشان می‌دهند که فعالیت‌های آهسته دویدن، ساعات اوج روز را نشان می‌دهند. با این حال، آثار کمی بر روی اثرات متغیر زمان عوامل VE بر دویدن در فضای باز متمرکز شده اند. به عبارت دیگر، ناهمگونی زمانی به ندرت به دلیل فقدان داده های فعالیت طولی و مقیاس بزرگ در نظر گرفته شده است (هوانگ و همکاران، 2023).

برای رسیدگی به شکاف‌های بالا، ما از Baidu SVI و عکس‌های دارای برچسب جغرافیایی منبع باز برای اندازه‌گیری VE در داخل و خارج از TAZ به ترتیب استفاده کردیم و از مسیرهای GPS از یک برنامه تناسب اندام برای تخمین جریان آهسته دویدن استفاده کردیم. سپس، با در نظر گرفتن پکن، چین به عنوان منطقه مورد مطالعه، این کار اثرات مکانی و زمانی متغیر VE بر جریان دویدن را با جنگل تصادفی و مدل رگرسیون جغرافیایی وزن‌دار چند مقیاسی (MGWR) مورد بررسی قرار داد. به ویژه، ما بر روی عوامل VE به جریان دویدن از دیدگاه‌های مقیاس فضایی، ناهمگونی فضایی و تغییرات زمانی تمرکز کردیم و تفاوت‌های تأثیرات بین TAZهای داخل و خارج را بررسی کردیم. اهداف عبارتند از: (1) آشکار کردن اهمیت نسبی عوامل VE برای دویدن با استفاده از یک مدل جنگل تصادفی. (2) کمی کردن اثرات فضایی متغیر VE بر دویدن با مدل MGWR، و تجزیه و تحلیل تفاوت تأثیرات عوامل VE بین داخل و خارج از TAZ. (3) بررسی تأثیرات متغیر زمانی VE بر دویدن به ترتیب در ساعات اوج (زمان روز)، هفته ها (روز هفته) و فصول. این یافته ها بینش جدیدی را برای تقویت محیط شهری دوستدار دویدن فراهم می کند.