大学校园的健康服务功能及要素构成—以北京为例

余洋 唐晓婷 陆诗亮＊

1 研究背景

在城市发展过程中，大学校园与城市的关系不断地发生着改变。传统的大学校园多沿用书院的“围墙造院”，用相对独立的区域承载教学和科研的功能。随着城市化的发展，校园从封闭走向开放[1]，与城市相混相融。市民可以在校园内驻足参观，也可以锻炼健身，大学校园进入了百姓的日常生活。

伴随“全民健身”和大型赛事的发展，高校体育设施的建设愈加成熟。以2008年北京奥运会为例，在改造和新建的22个场馆中，有6个高校体育场馆及设施，约占总数的27%[2]。全国体育场地的普查数据显示，教育系统的高等院校拥有4.97万个体育场地，占总比的2.94%，在全部系统分类中排第三[3]。根据北京、上海、广州等地方性法规和政府规章[4-6]的要求，学校应当积极创造条件向社会开放体育设施。在确保教学的基础上，妥善协调和处理教学与开放的关系，对校内学生优惠或免费，对社会开放收取一定费用[7]。这些政策促使高校体育设施成为城镇体育消费的主要场所之一[8]，甚至出现市民驱车前往校园健走跑步的现象。

2 线性体育活动与大学校园

根据《全民健身指南》（以下简称《指南》）的说明，“有体育健身活动习惯的人，每天进行30～60分钟的中等强度运动。中等强度的有氧运动常见的有健身走、慢跑、骑自行车等”。中等强度的体育健身活动适合各种运动习惯的人群[9]。作为最常见的线性体育活动①，健走、跑步、骑行的参与者广泛，活动方式自由，活动地点与城市公共空间联系紧密。随着校园的开放，高校的运动系统、场地设施、锻炼效果等要素成为吸引人们参与体育运动的因素[10]。但有限的资源与高强度的需求导致师生使用与民众使用之间出现矛盾，有些学校限制市民出入校园，高校体育场地也不对市民开放。

相较于中小学，在体育资源的社会共享方面，高校已经在发挥积极的作用，但是多局限于体育场馆的赛事共享与小规模的社会开放，校园空间如何对公众的健身运动产生影响尚不明晰。因此，本文作者以线性体育活动为研究对象，以大学校园的健康服务功能及其构成要素为核心研究对象，对比校园内外活动数据的时空特征，挖掘大学校园健康服务的潜力，为城市规划、校园建设和管理提供参考和指导。

3 数据采集

在互联网和智能设备的支持下，自愿提供的地理信息数据越来越多，志愿者地理信息（Volunteered Geographic Informa，简称 VGI）数据的质量、可靠性和价值获得越来越多的关注[11]。基于将居民作为城市传感器的理念[12]，在数据资源稀缺和时间敏感的领域[13]，突破传统调研方法的局限，用VGI数据研究行为与空间，通过不同的方法保证质量[14]，利用GIS对运动轨迹进行矢量化和可视化处理，可以实现对不同类型行为特征的数据共享、实态记录、动态追踪、网格分析。利用这些数据和技术，描述体育行为与活动空间的关系已经成为可能[15]。

利用数据增强设计的方法，将健身行为与VGI信息动态关联，通过“咕咚软件”②终端采集用户上传的VGI运动信息。客户端界面可提供运动信息和个人信息2类数据，运动信息为运动日期、运动时段、运动类型、运动时长、运动距离5项非地理信息，以及运动路径与起始点的地理信息；个人信息包含性别、年龄、社会属性等（图1）。

4 数据概况

根据官方统计，北京是中国高校数量最多的城市，共有92所高校[16]，主要集中在中心城区，仅在海淀区学院路等很小的范围内就分布着北京大学、清华大学、中国人民大学等十多所高校[17]。研究以高德地图和高校网站为信息来源，以校园区位（坐落于主城区）、校园面积（充足的绿地空间）、场所条件（标准的体育设施）、开放程度（对社会开放）、数据数量（有可采集的运动数据）为依据，筛选出北京中心城区的36所院校（图2）作为研究对象。将高校分布与北京市人口密度分布进行叠合，发现校园聚集区与高密度人口分布具有较高的重合度，二者相互融合的空间关系，为市民进入高校提供了便利（图3）。

1 客户端界面信息Client interface information

2 筛选院校的市区分布图The selected universities distribution in urban area

3 筛选院校与北京人口密度分布叠加图The superposed graph of selected universities and population density in Beijing

以 2016 年 11月 1 日至2017年 10月 30日的一个自然年为周期，随机抽取运动者。依据运动者图谱，将各种信息录入GIS进行分析（图4）。共采集样本 332份，以用户活跃度、运动信息与运动类型为标准进行数据筛选，剔除活跃度低、个体属性信息和运动信息缺失、专业训练（如马拉松）以及运动区域超出五环等无效数据，得到有效数据857条。将采集的咕咚数据与北京市常住人口结构[18]进行对比，发现在中青年阶段二者人口结构基本一致，均以30～44岁的人口居多，45～59岁、20～29岁次之（图5、6）。说明采集数据对北京中青年人群的健身行为具有代表性。

4 运动者图谱The exercisers’ diagram

5 咕咚数据用户人口结构The user population structure of Gudong

6 北京市常住人口结构The resident population structure of Beijing

7-1 城市运动者人口特征The demographic characteristics of urban exercisers

7-2 高校运动者人口特征The demographic characteristics of campus exercisers

7-3 不同运动数据运动季节特征The different characteristics for different sports seasons7 校园内外线性体育运动的数据比对The comparison of linear sports data inside and outside campus

表1 不同年龄段分布特征Tab. 1 The distribution characteristics of different age groups

5 数据分析

采集的总运动数据集合包含校园内外的2种活动，分别简称为城市运动数据与高校运动数据。城市运动数据指运动起始点和运动路径在校园外的线性体育活动，体现城市空间对公众健康的服务承载情况；高校运动数据指运动路径在校园内的线性体育活动，包括起始点在校园内外的2种数据，体现了大学校园对城市健康服务的承载情况。在校园内有运动记录的123份，占总样本量的37%；在高校运动数据中，起始点在校园内的运动数据167条，起始点在校园外的运动数据为88条，35%的校园运动行为来自于校园之外的区域。根据研究需要将运动人群分为城市运动者和高校运动者2个群体。

5.1 群体特征描述

在332份样本中，男性为267份，女性为65份；在城市运动者中，男性为171人，女性为38人，男女比例约为4.5：1，城市运动用户主要集中在31～45岁；在高校运动者中，男性为96人，女性为27人，男女比例约为3.5：1，其中19～30岁和31～45岁的用户居多。在城市运动数据中，男性运动数据为476条，女性运动数据为126条，男女比例约为4：1；在高校运动数据中，男性运动数据为199条，女性运动数据为56条，男女比例约为3.5：1。

2个群体的共同点：1）从运动者数量和运动数据数量比较，男性明显高于女性。随着年龄的增加，女性人数呈减少的趋势；2）最多的运动数据是跑步，健走其次，骑行数据最少；3）在季节特征方面，2个群体都是夏季运动行为最多，春季、秋季、冬季运动数据相似（图7）。2个群体也存在明显差异：1）城市运动数据主要以2月、9月和10月居多，高校运动数据以9月、10月居多，可能是2月份的假期导致高校运动数据减少；2）从运动数据样本和运动者人数比较，城市运动者以31～45岁居多，高校运动人群集中于19～30岁（表1）；3）在高校运动者中，19～30岁的人群以学生为主体，来自校外的人群仅有23%，30岁以上的人群来自校外的比例为38%，校外人群比例明显上升。

表2 不同年龄段选择运动场所的差异性比较Tab. 2 The comparison of differences that people choose sports places among different age groups

8-1 总运动中不同时长运动占比The different percentage of durations in the total sports data

8-2 城市中不同时长运动占比The different percentage of durations in the urban sports data

8-3 高校中不同时长运动占比The different percentage of durations in the campus sports data

8-4 总运动中不同时距运动占比The different percentage of distances in the total sports data

8-5 城市中不同时距运动占比The different percentage of distances in the urban sports data

8-6 高校中不同时距运动占比The different percentage of distances in the campus sports data8 各类型运动数据的时长和时距特征The characteristics of durations and distances for the various sports data

在总运动数据集合中，对30岁前后2个群体进行卡方检验，发现2个群体对不同健身场所（高校与城市）的选择具有显著差异（P＜0.001，表2）。30岁之前的人群更倾向在高校进行运动，30岁之后的人群更倾向在城市进行运动。但是，30岁之后的人群有将近30%的人选择在高校进行运动。

5.2 运动时间约束

依据时长、时距和时段3个时空行为研究常用的指标因子解析运动数据。以运动时长均值1h和运动时距均值5km为标准（2个标准接近《指南》提倡的中等强度），将运动时长划分为短时运动（H＜1h）、中时运动（1h≤H≤1.5h）、长时运动（1.5 h＜H≤2h）、超长时运动（2h＜H）4 类；将运动时距划分为短距离（S＜5km）、中距离（5 km≤S≤10km）、长距离（10 km＜S≤20km）、超长距离（20 km＜S）4 类。

对城市和高校中不同时长和不同时距的运动数据进行T检验，发现二者均没有显著差异性（不同时长运动P=0.119＞0.05，不同时距运动P=0.123＞0.05），这说明高校对不同时距和不同时长运动的承载与城市具有一致性。同时从运动时长和运动时距的数据特征来看，高校空间具有较强的中等强度运动的承载能力，适合健走、跑步各种运动习惯的人群（图8）。

对一个自然年内的运动时段分布进行统计，发现总运动数据量、城市运动数据量与高校运动数据量随着时间推移有着明显变化（图9），均出现了2个高峰时段。对城市运动和高校运动的2条折线进行方差分析，发现城市运动的方差远远大于高校运动的方差，说明一天之内城市运动数据波动较大，而高校运动数据波动相对较小。城市运动数据有明显的低谷时段，而高校运动数据无明显的运动低谷时期。

分析原因，城市运动者的闲暇时间是健身活动的前提，工作时间是约束运动时间的主要因素。工作地和居住地到达健身场地的距离对运动时段有直接的影响，时空约束关系明显，运动数据波动较大。同时，在活动数据最多的夏季，由于中午的高温不适合进行户外健身，因此出现明显的低谷时段。可见，户外环境的物理条件也是健身运动的制约因素。在大学校园内，健身场地分布在学生的居住空间周围，师生的上课时间灵活，开展健身运动的时空弹性大，时空约束关系不明显，数据波动不大，也稀释了校外健身数据对高校数据波动的影响。

借鉴城市轨道交通客流高峰持续时间预测方法[19]，发现总运动数据早高峰时段为5:00—9:59，晚高峰时段为16:00—21:59。城市运动数据早高峰时段为5:00—9:59，城市运动数据晚高峰时段聚集在16:00—20:59；高校运动数据早高峰集中在5:00—7:59，晚高峰时段为17:00—21:59。两者早晚最高峰时段均出现在6:00—6:59和19:00—19:59的区间；相较于城市运动，高校早高峰时长减少了2h，晚高峰时长相同，但整体时段后移了1h。早高峰时段，总运动数据主要集中在31～45岁人群。晚高峰时段，城市运动数据中依然集中在31～45岁人群，高校运动数据中19～30岁人数明显增加（图10）。在总运动数据中，约34%的运动行为发生在晚上，有明显的夜跑现象。

5.3 运动空间约束

在总运动数据的空间分布中，早高峰运动呈现出从西北向东南方向收缩的趋势，运动轨迹分布密度逐渐降低。晚高峰运动在街道上的分布明显减少，运动轨迹较为分散，多聚集在高校和公园内（图11）。在高校运动数据的空间分布中，早高峰时段人们偏向选择校园内部道路进行运动，运动轨迹较为分散，晚高峰时段聚集在体育场内运动的数据增加明显。

在晚上的运动数据中，大学校园、公园绿地、城市街道的占比依次为42%、36%和18%，相较于其他场所，晚上聚集于高校的运动者更多。对30岁前后2个群体进行卡方检验，发现2个群体在晚上对于选择大学校园、公园绿地、城市街道进行健身行为具有显著差异（P＜0.001），30岁以后的群体有30%～40%的运动行为发生在大学校园内。晚上的运动者更倾向于在大学校园中进行健身活动，校园操场是运动的主要集聚区。

9 各类型运动数据的时段特征The characteristics of periods for the various sports data

10-1 城市早高峰人口特征The urban population characteristics at morning rush hour

10-3 城市晚高峰人口特征The urban population characteristics at evening rush hour

10-2 高校早高峰人口特征The campus' population characteristics at morning rush hour

10-4 高校晚高峰人口特征The campus population characteristics at evening rush hour10 早晚高峰各类型运动数据人口特征The population characteristics of various sports data at morning and evening rush hour

11-1总运动数据早高峰空间分布The spatial distribution of total sports data at morning rush hour

11-2总运动数据晚高峰空间分布The spatial distribution of total sports data at evening rush hour

11-3高校运动数据早高峰空间分布The spatial distribution of campus sports data at morning rush hour

11-4高校数据晚高峰空间分布The spatial distribution of campus sports data at evening rush hour11 运动数据早晚高峰空间分布The spatial distribution of sports data at morning and evening rush hour

12 高危时段运动数据空间分布特征The spatial distribution of sports data in high risk period

通过对文献查阅发现晚上20:00—凌晨1:59是抢劫犯罪事件发生的时间热点区间[20]，在这段时间内，人群的运动行为主要聚集在高校与大型公园中（图12），其中高校运动数据占比约为46%，明显高于公园绿地与街道，说明公众认为在高安全威胁时段选择大学校园作为健身运动的场所，相比于公园绿地和街道更具有安全性（表3）。

5.4 运动空间模式

大学校园的空间结构经历了从“轴线+院落”向“轴线+园林+组团”的发展[21]，校园空间增加了景观的构成要素。根据轨迹记录显示，36所高校的线性体育活动主要分布在校园道路、体育场地、校园绿地和水体景观周边，主要的运动空间模式为3类（图13）。第一类由校园道路和场地设施构成，数量占比39%；第二类由校园道路、场地设施和绿化景观3种要素组成，数量占比56%，是校园运动模式的主体；第三类具备校园道路、场地设施、绿化景观和水体景观4种要素，数量占比5%。

表3 晚上不同时段和年龄段的运动数据特征Tab. 3 The different data characteristics of different periods and ages at night

13校园运动行为模式图The campus sports patterns

14-1 3类高校不同时长特征The characteristics of different durations in three kinds of universities

14-2 3类高校不同时距特征The characteristics of different distances in three kinds of universities

14-3 3类高校不同运动强度特征The characteristics of different sport intensity in three kinds of universities14 3类高校时长、时距、运动强度分析The analysis of duration, distance and sport intensity in three kinds of universities

对3类校园模式的运动时长和时距进行分析（图14）。在时长方面，在第一类校园中，运动者主要进行短时运动，在第二类校园中出现大量的短时和中时运动，在第三类校园中，不同时长活动数据丰富，主要集中于短时与中时运动，但长时与超长时运动增多。在时距方面，在第一类校园中，运动者主要进行中距离和长距离运动，在第二类校园中，各种运动距离均明显增加，以中距离和长距离运动为主；在第三类校园结构中，长距离运动成为主体，超长距离的运动也有所增加。可见，道路空间和运动场地可充分提供短时运动服务，对中时、长时、超长时运动的承载能力有限；绿化空间和滨水空间可以丰富运动类型，明显增加不同时距的运动，提高校园对不同时长、时距运动的包容性，增强校园的运动承载力。如以清华大学和北京大学为代表的第三类校园运动模式，运动时距特征分布更加丰富，长距离运动占比高达48%，出现了强烈的围绕水体景观分布的运动行为。

依据体育科学的代谢当量（METs）划分强度等级，可分为小强度运动、中等强度运动、大强度运动和剧烈运动[22]4个等级，代谢当量可以通过平均速度（m/min）进行换算[23]。在3类高校中，均出现中等强度、大强度和剧烈运动，其中具有绿地空间和滨水空间的校园，出现剧烈运动的数量最高。常见的剧烈运动主要指跑步，可见绿地空间和滨水空间对促进跑步运动具有明显的作用。

6 讨论

6.1 校园空间对城市健康的支持潜力

城市公共设施用地中的体育用地是重要的运动空间，大型体育场馆周边多伴有大型疏散广场和体育公园，城市中还有专门的运动公园设置运动设施和场地[24]。由于可达性和环境容量等原因，这些用地无法满足大众健身的需求，公园和城市绿地成为最便利的健身运动空间，城市户外运动休闲空间则具有更为广泛的内涵[25]，绿色基础设施与公众健康的密切关系在城市案例中也有所体现[26]。在这些运动资源的基础上，高校依然提供了将近1/3的城市体育运动的服务，还形成了高校周边街道线性体育活动的集聚区[27]。2016年，北京在校生人数有60万人，教职工人数有14.3万人[28]，对于千万人口的北京，高校具有提供运动资源与城市共享的可能性。如在居住和高校混合布局的区域，大学校园可以作为城市运动空间的有益补充，与其他类型的运动空间共同构成城市的健康基础设施。

高校的健康支持功能对促进全民健身具有积极的意义。在不断“推动全民健身生活化”“完善全民健身的公共服务体系”等国家政策的指导下，“城镇社区努力实现15min健身圈全覆盖”[29-30]。已经实施的《全民健身计划（2011—2015年）》要求场地面积超过人均1.57m2，未来的目标是人均2.3m2。增量需要从新建基础设施和资源整合两方面同时进行。目前，北京公共健身场地和设施的规划建设和管理的统辖部门多为市区人民政府和街道办事处[31]，缺少相关教育部门的统筹协同。可利用的资源多为公园、绿地、广场、河湖沿岸、城市道路等城市开放空间，高等院校的体育场地和设施仅对社会组织和健身团队有偿开放。为了促进全民健身设施的多层次发展，需要多部门统筹进行资源整合，例如错时开放高校体育资源，提升高校对社会开放的服务能力，减少市域内的高校外迁等措施，都会增加高校对全民健身的支撑作用。

6.2 校园健身的安全效应

研究数据表明晚上聚集于大学校园的运动人群明显增多，相较于公园绿地和街道，运动者倾向选择大学校园作为健身运动的场所。以跑步运动为例，与公园相比，校园的人群聚集密度明显较少，跑步过程中不容易发生冲撞等伤害事件；与城市开放空间相比，在高安全威胁时段校园的犯罪率较低，非常适合“夜跑族”进行运动。同时，北京市交通出行早晚高峰集中在 7：00—9：00 和 17：00—19：00时段[32]，完全覆盖了城市运动的早晚高峰期，交通拥堵所产生的空气、噪声和交通事故等因素，会给城市运动者带来不利的影响。与城市街道相比，安静的校园空气较好，充足的照明也降低了跑步的交通风险。

校园空间的合理规划明确了运动空间的分布，避免了校园健身与其他校园活动的冲突。同时，校方对场地和设施的有效管理，较好地避免了公众健身中经常出现的空间权利纠纷，可以保证健身者的活动权利。校园的卫生安全设施较为齐全，一旦健身者出现因运动过量等原因诱发的突发性健康事件，可以获得较为便捷的快速救治。因此，校园的安全效应吸引了更多的健身人群。

作为夜生活的重要组成，大量的夜晚运动对城市公共资源提出了要求。目前的城市公共空间规划主要考虑白天的资源配置情况，尚未在场地、照明、管理等层面充分考虑夜晚运动的需求，频发的夜跑伤害事件暴露出城市公共空间支持的不充分。因此，运动者自发利用高校的场地作为夜晚运动的首选。对城市而言，不仅需要优化白天的资源配置，也需要合理增设夜晚的运动空间。

6.3 校园空间与活动类型多元化的关联

体力活动的内容可以分为总体体力活动和特定类型体力活动，后者体现了环境类型对体力活动之间的影响[33]。在校园环境中，不同类型的校园空间对体力活动的丰富性和自主性具有重要的作用。校园道路和运动场地提供了基础的健身条件，校园道路结构清晰简单，步行环境完整，可以保障体力活动的便捷性和可达性。相较于城市街道，校园道路更适合健走。同时，运动场地设施完善，维护管理较好，可以保障跑步等活动的健身环境品质。校园的绿化空间和滨水空间则拓展了运动类型和运动时长，对跑步有明显的促进作用。3类校园运动空间模式体现了不同类型设施要素的美学感知和安全感知差异，可见构建要素多样、层次丰富的校园景观对促进校园体力活动具有积极意义。同时，校园的环境氛围迥异于城市公园，较少出现广场舞等人群密集而喧闹的健身活动，适合自由安静的个体健身活动，也降低了市民与师生的相互干扰。

6.4 关于大学校园开放的建议

虽然国家政策要求“符合开放条件的企事业单位体育场地设施全部向社会开放”，但是，体育场地设施和公共空间的双重开放会给校园管理和维护带来很大的压力，容量有限、资源消耗和管理隐患被认为是大学校园拒绝市民进入的主要原因。基于投资不足和管理盲区的现状，“分时管理、有限开放、理性引导、合理收费”是解决问题的有益探索。主要措施有：1）根据师生寒暑假和上下课时间，确定错时开放的时间和选择性开放部分校园空间与体育设施，满足不同活动特征的人群需求；2）通过公示宣传和参与体验等途径，对市民进行引导，明晰校园健身的使用条件；3）根据资源消耗情况，收取合理的维护和管理费用，并提供适宜的健康服务功能。

6.5 局限

根据调查公报显示，“50岁及以上年龄的人群经常参加体育锻炼的人多，其他年龄人数相对较低”[34]。根据“咕咚平台”数据统计，19岁以下的未成年用户和55岁以上的老年用户数据较少。因此，调查数据可以解释中青年人群的运动行为，但无法分析未成年人和老年人的运动状况。同时，跑步者使用软件记录运动行为的习惯较稳定，健走和骑行的数据有扩充空间。因此，大学校园的健康服务功能有可能被低估。随着北京共享单车的普及，出行交通和健康行为更紧密地交织在一起，线性体育活动的时空情况会呈现新的格局。

7 结论

本文作者利用VGI共享数据和GIS技术，采集市民线性体育活动行为，分析行为与空间的关系，通过比对城市空间和校园空间的健身特征，对高校提供的健康服务功能进行解析，判定大学校园的健康服务功能。研究得出以下结论：1）大学校园为城市提供了大量而有效的健康服务，校园开放可以缓解城市体育设施建设不充分的现状，对提升城市和社区环境、健康服务品质具有重要作用； 2）大学校园的安全效应是市民前往高校进行运动的重要原因，大量出现的夜晚运动对丰富夜晚的城市公共生活有重要的意义；3）具有多元景观要素的校园空间可以更有效地促进体育活动，提升校园体育活动的品质，绿地空间和滨水空间对于校园建设具有积极的意义。

4.2 施足底肥：每亩施入农家肥10吨，油渣300千克。化肥的施入量每亩为：尿素10千克，磷酸二铵10千克，过磷酸钙50～100千克，硫酸钾7千克，施入后深翻耙平。

尽管大学校园被认为应主要为师生提供服务，但是在城市化的今天，校园作为城市空间的特殊类型，城市的市民也可以使用。但是校园与公园不同的是，大学校园需要在师生和市民之间提供运动服务平衡。因此，正确评估校园对公共健康做出的贡献，有助于制定合理的校园规划和管理政策，提升城市健康基础设施的品质。在满足人民对美好生活的需要日益增长的前提下，在实施健康中国战略中，为健康文明生活方式提供条件。

注释：

① 线性体育活动是健走、跑步和骑行等活动的总称，它们的运动轨迹为线形，具有运动起始点、运动速度、运动时间、运动距离等运动属性。

② 咕咚软件在线注册人数超过8 000万，用户总量占运动类App首位，咕咚运动的GPS功能可以记录运动者的轨迹，可以提供大量而丰富的VGI数据。咕咚目标用户多为25～35岁之间的年轻人，拥有最大咕咚数据量的城市是北京（其次是广东和上海），可以为研究北京高校健康运动情况提供充分的数据。

③ 文中图表为作者自绘，其中图3中的数据来源于北京市统计局2005—2014年《北京市年度区县数据》，图6中的数据来源于北京市统计局《2017年北京市统计年鉴》。

：

[1] 吴正旺，王伯伟.大学校园规划100年[J].建筑学报，2005（3）：5-7.WU Zhengwang, WANG Bowei. Centennial Campus Planning 100 years[M]. Architectural Journal, 2005(3): 5-7.

[2] 国家体育总局.2008 年奥运会场馆建设[EB/OL].(2006-11-07)[2017-12-09]. http://www.sport.gov.cn/n322/n3407/n3415/c564819/content.html.General Administration of Sport. 2008 Olympic Games Venues[EB/OL].(2006-11-07)[2017-12-09]. http://www.sport.gov.cn/n322/n3407/n3415/c564819/content.html

[3] 国家体育总局.第六次全国体育场地普查数据公报[R/OL].(2014-12-26)[2017-12-09]. http://www.sport.gov.cn/n4/n210/n218/c328625/content.html.General Administration of Sport. Data of the Sixth National Sports Field Survey[R/OL].(2014-12-26)[2017-12-09]. http://www.sport.gov.cn/n4/n210/n218/c328625/content.html.

[4] 国家体育总局.北京市体育设施管理条例[R].2008.General Administration of Sport. Beijing Sports Facilities Management Regulations[R]. 2008.

[5] 上海市人民政府.上海市体育设施管理办法（草案）[EB/OL].(2015-05-25)[2017-12-09]. http://shzw.eastday.com/shzw/G/20150526/u1ai149913.html.Shanghai Municipal Peoples Government. Shanghai Sports Facilities Management Measures (Draft)[EB/OL].(2015-05-25)[2017-12-09]. http://shzw.eastday.com/shzw/G/20150526/u1ai149913.html.

[6] 国家体育总局.广东省学校体育场馆向社会开放实施办法[EB/OL].(2010-04-14)[2017-12-09]. http://www.sport.gov.cn/n16/n1092/n16909/n852784/n854988/1493955.html.General Administration of Sport. Measures for theImplementation of Guangdong Provincial SchoolGymnasium Open to the Society[EB/OL].(2010-04-14)[2017-12-09]. http://www.sport.gov.cn/n16/n1092/n16909/n852784/n854988/1493955.html.

[7] 国家体育总局.关于学校体育设施向社会开放指导意见的通知[Z].2007-04-29.General Administration of Sport. The Notice on Guiding HowSchool Sports Facilities Open to the Society[Z].2007-04-29.

[8] 郭旗.中美高校体育馆空间设计比较研究[D].哈尔滨：哈尔滨工业大学，2016.GUO Qi. Comparative Research on Spatial Design about Gymnasiums in Chinese Universities and American Universities[D]. Harbin: Harbin Institute of Technology, 2016.

[9]国家体育总局.全民健身指南[EB/OL].(2017-08-11)[2017-12-09]. http://www.sport.gov.cn/n316/n337/c819036/content.html General Administration of Sport.National Fitness Guide[EB/OL].(2017-08-11)[2017-12-09]. http://www.sport.gov.cn/n316/n337/c819036/content.html.

[10] 蔡增亮，吴雪萍.高校阳光体育运动组织吸引力及其提升策略的研究—以上海高校为例[J].北京体育大学学报， 2014（9）：111-116.CAI Zengliang, WU Xueping. Research on the Attraction and Promotion Strategies of Sunshine Sports Organization in Colleges and Universities—Taking Universities of Shanghai as examples[J]. Journal of Beijing University of Physical Education,2014(9): 111-116.

[11] FLANAGIN A J, METZGER M J. The credibility of volunteered geographic information[J]. Geo Journal, 2008,72: 137-148.

[12] Goodchild M F. Citizens as sensors: the world of volunteered geography[J]. GeoJournal, 2007(69): 211—221.

[13] SURHONE L M, TIMPLEDON M T, MARSEKEN S F,et al. Volunteered Geographic Information[J]. Geography,2017(9): 157-160.

[14] MICHAEL F, Goodchild, LI L. Assuring the Quality of Volunteered Geographic Information[J]. Spatial Statistics,2012 (1): 110—120.

[15] LIU Kun, SIUB KW M, GONG Xiyong. Where do Networks Really Work? The Effects of the Shenzhen Greenway Network on Supporting Physical Activities[J]. Landscape and Urban Planning, 2016, 152: 49-58.

[16] 中华人们共和国教育部.全国高等学校名单[EB/OL].(2017-06-14)[2017-12-09]. http://www.moe.gov.cn/srcsite/A03/moe_634/201706/t20170614_306900.html.Ministry of Education of the People’s Republic of China. List of Regular Institution of Higher Educationall over the country[EB/OL].(2017-06-14)[2017-12-09]. http://www.moe.gov.cn/srcsite/A03/moe_634/201706/t20170614_306900.html.

[17] 邵晖，温梦琪.城市公共教育资源与人口空间分布匹配特征研究—以北京市为例[J].宏观质量研究，2016（2）：119-128.SHAO Hui, WEN Mengqi. The Matching Feature of the Distribution of Public Education Resources and Population in Urban: Taking Beijing as an Example[J]. Journal of Macro-quality Research, 2016(2): 119-128.

[18] 北京市统计局.2017北京统计年鉴[EB/OL].(2017-10-23)[2017-12-09]. http://www.bjstats.gov.cn/nj/main/2017-tjnj/zk/indexch.htm.National Bureau of Statistics in Beijing. Beijing Statistical Yearbook of 2017[EB/OL].(2017-10-23)[2017-12-09]. http://www.bjstats.gov.cn/nj/main/2017-tjnj/zk/indexch.htm.

[19] 石庄彬，张宁，邵星杰.城市轨道交通客流高峰持续时间预测方法[J]. 城市轨道交通研究，2016，19（7）：35-39.SHI Zhuangbin, ZHANG Yu, SHAO Xingjie. Prediction of Passenger Flow Duration in Urban Rail Transit Peak Hours [J].Urban Mass Transit, 2016, 19(7): 35-39.

[20] 徐冲，柳林，周素红，等.DP半岛街头抢劫犯罪案件热点时空模式[J].地理学报，2013，68（12）：1714-1723.XU Chong, LIU Lin, ZHOU Suhong, et al. The Spatio-Temporal Patterns of Street Robbery in DP Peninsula[J].Acta Geographica Sinica, 2013, 68(12): 1714-1723.

[21] 黄翼，吴硕贤.我国高校校园规划设计发展趋势探析[J].城市规划，2014，38（4）：85-91.HUANG Yi, WU Shuoxian. A Study On The Development Trend of Campus Planning and Design in China[J]. City Planning Review, 2014, 38(4): 85-91.

[22] AINSWORTH B E，HASKELL W L, LEON A S，et al．Compendium of Physical Activities: Classification of Energy Costs of Human Physical Activities[J].Med Sci Sports Exerc, 1993, 25 (1): 71-80．

[23] WILLIAMS L，WILKINS．ACSM’s Guidelines for Exercise Testing and Prescription[M]. Philadelphia: American College of Sports Medicine (ACSM), 2006: 480．

[24] 孟祥彬，于滨.园林中的健康运动空间—城市健康运动公园[J].中国园林，2003（12）：47-50.MENG Xiangbin, YU Bin. A Study on the Space for Health and Sports in Parks[J].Chinese Landscape Architecture,2003(12): 47-50.

[25] 吴一洲，刘倩，陈前虎.“四态”融合理念下的城市户外运动休闲空间规划策略[J].规划师，2015，31（8）：12-18.WU Yizhou, LIU Qian, CHEN Qianhu. “Four Aspects Integration”Outdoor Space Planning[J]. Planners, 2015, 31(8): 12-18.

[25] 佩德罗·卡尔拉萨·马汀尼兹，路易斯·里贝罗，邝嘉儒.浅谈西班牙中型城市绿色基础设施战略如何为公众健康带来福祉：拉科鲁尼亚案例分析[J].风景园林，2013（6）：78-87.MARTÍNEZ P C, RIBEIRO L, KUANG Jiaru. Assessing Public Health Benefits through Green Infrastructure Strategies in Medium-sized Cities in Spain Case Study: La Coruña[J]. Landscape Architecture, 2013(6): 78-87.

[27] 孟昭晶.北京市中心城街道体育活动的时空特征研究[C]//中国风景园林学会2016年会.2016：183-187.MENG Zhaojing. Study on the Spatial and Temporal Characteristics of Street Sports in Beijing City Centre City[C]//Chinese Society of Landscape Architecture. 2016: 183-187.

[28] 中国人民共和国国家统计局.中国统计年鉴2016[EB/OL].(2016-10-23)[2017-12-09]. http://www.stats.gov.cn/tjsj/ndsj/2017/indexch.htm.National Bureau of statistics of the people’s Republic of China.Chinese Statistical Yearbook of 2016[EB/OL].(2016-10-23)[2017-12-09]. http://www.stats.gov.cn/tjsj/ndsj/2017/indexch.htm.

[29] 胡鞍钢，方旭东.全民健身国家战略：内涵与发展思路[J].体育科学，2016，36（3）：3-9.HU Angang, FANG Xudong. National Fitness National Strategy: Connotation and development ideas[J]. China Sport Science, 2016, 36(3): 3-9.

[30] 中共中央国务院.“健康中国 2030”规划纲要[Z].2016-10-25.The CPC Central Committee and State Council. Healthy China 2030[Z]. 2016-10-25.

[31] 北京市体育总局.2017北京市全民健身条例[EB/OL].(2017-02-10)[2017-12-09]. http://www.bjsports.gov.cn/bjsports/zcfg15/fgwj/dfxfg/1425962/index.html Beijing Sports General Administration. 2017 Beijing NationalFitness Ordinance[EB/OL].(2017-02-10)[2017-12-09]. http://www.bjsports.gov.cn/bjsports/zcfg15/fgwj/dfxfg/1425962/index.html.

[32] 北京市交通发展研究院.2016北京市交通发展年度报告[EB/OL].(2016). http://www.bjtrc.org.cn/JGJS.aspx?id=5.2&Menu=GZCG.Beijing transport institute. Beijing Transport Development Annual Report in Beijing of 2016[EB/OL].(2016). http://www.bjtrc.org.cn/JGJS.aspx?id=5.2&Menu=GZCG.

[33] 鲁斐栋，谭少华.建成环境对体力活动的影响研究：进展与思考[J].国际城市规划，2015，30（2）：62-70.LU Feidong, TAN Shaohua. Built Environment Relationships with Physical Activity: Review and Thought[J]. Urban Planning International, 2015, 30(2): 62-70.

[34] 国家体育总局.2014年全民健身活动状况调查公报[R/OL].(2015-11-16)[2017-12-09]. http://www.sport.gov.cn/n16/n1077/n1422/7300210.General Administration of Sport. 2014 National Fitness Activities Survey Bulletin[R/OL].(2015-11-16)[2017-12-09].http://www.sport.gov.cn/n16/n1077/n1422/7300210.