机动化通勤中介作用下城市建成环境对居民身体健康的影响研究——以西安市为例

朱 菁,邹梦洁,范颖玲,Roland Brown

(1.西北大学 城市与环境学院 陕西省地表系统与环境承载力重点实验室 ,陕西 西安 710127;2.美国明尼苏达大学双城分校 汉佛莱公共事务学院,美国 明尼阿波利斯 55455)

随着城市规模的扩大及当代上班族工作节奏的加快,职住分离导致的长时间通勤疲劳[1]已成为很多人身体健康隐患的主要诱因,加之公共交通换乘的不便利、拥挤等多重因素,致使人群更为频繁的采用私家车等机动化方式通勤[2],久坐不动成为常态,引发超重、腰酸背痛等健康问题。事实上,中国大城市已出现大量亚健康人群[3-4], 特别是肥胖、 慢性病等较为普遍[5]。 2022年, 肥胖已成为中国乃至全球重大公共卫生问题[6-7]。截至2022年11月底,我国机动车保有量达4.15亿辆,机动车驾驶人数量超过5亿人[8],如此庞大的机动车保有量与驾驶人群,有力支撑了居民采用机动化方式通勤。因此,在我国建设健康城市的背景下,城市研究有必要深入探讨建成环境、居民机动化通勤方式与居民身体健康之间的关系,这对促进我国居民身体健康水平、完善相关公共政策具有重要意义。

已有研究广泛使用身体质量指数(即BMI(1)BMI是Body Mass Index的缩写即身体质量指数,是国际上常用的衡量人体肥胖程度的重要标准,计算方法为BMI=体重(kg)÷身高2(m2),亚洲的人们身体健康BMI标准值在18.5～24.0的范围内,超过24则表示超重或肥胖。)作为人群身体健康的测度指标,探寻了城市建成环境与BMI的关系。 学者们对建成环境的测度以5D要素为主, 大部分研究认为建成环境对人群BMI有显著影响[9-12]。 其中, 土地利用混合度、 距最近的地铁站的距离[10]、 公交车站和地铁站密度[11]、 人口密度[11]、交叉路口密度、 绿色开放空间[12-13]、 医疗和金融设施可达性[14]、 居住地距CBD的距离[15]和BMI有直接关系[16], 可影响步行活动量[17-18]进而对BMI产生影响[11]。 少数学者认为地铁站点密度、 交叉口密度、 路网密度、 住宅建筑密度[16]、 到公交车站的距离[19]、 街道可步行性[20]、 连通性[19]、 土地利用混合度、 食品销售商店指数[20]和BMI之间没有关系。 同时, 建成环境也会影响居民通勤方式选择,且目的地可达性[21-23]、多中心化[26]、土地利用混合度[21,25-26]、人均城市道路面积[24]、交通站点线网密度[24]和道路密度等对通勤时耗、通勤距离或通勤方式选择有显著影响。用地混合度、交叉口密度、公交站点密度、 公交网络密度、 到CBD的距离对小汽车通勤存在非线性影响[27], 对采用活动性通勤方式(步行、 自行车)的时长[28]和其他通勤方式选择[29-30]也具有一定影响。 然而, 也有学者认为密度和用地混合度对活动性通勤方式影响甚微, 这可能与研究对象的发展演变历史有关[31]。 还有研究发现,工作地周边建成环境与通勤方式选择显著相关, 因此城市规划者应更加关注工作地附近的建成环境[30]。 但是, 也有研究结论与此相反, 认为居住地建成环境比工作地对通勤方式选择的影响更大, 居住地人口密度、 土地利用混合度与十字路口比重高可减少小汽车通勤[26,33]。 不同通勤方式对建成环境变化的敏感性不同, 公共交通通勤者比私家车通勤者对建成环境的变化更敏感[34], 且建成环境特征变化对女性通勤方式转换的影响更大[30,32]。 较多学者认为通过改善建成环境可以促进公共交通[35]以及非机动方式出行[36-39], 也有学者认为轨道交通可达性的提高并不能减少小汽车使用频率, 这很有可能是具有很强路径依赖性的通勤习惯所引起[40]。 此外, 通勤方式对BMI具有显著影响[41-45], 采用非机动化通勤与机动化通勤方式相比较有利于使BMI保持在正常水平[46-49], 特别是采用小汽车通勤人群的BMI 较高[50-51], 小汽车通勤频率越高, 体力活动水平越低, 肥胖风险越高[52-54]。 与私家车通勤相比, 步行通勤可以显著降低肥胖的发生率[41,57]。 也有学者得出了相反的结论, 认为步行、 自行车通勤不利于身体健康[55-56]。 最后, 少量研究指出建成环境与出行方式、 BMI之间显著相关[26,58], 某些特定建成环境因素可影响出行方式和体力活动[59-61], 而人的体力消耗又会直接影响人体BMI[62-64]。 因此, 可通过提高社区人口密度或设施可达性、 缩短居民到公交站距离、 减少小汽车或助动车等个体机动化出行倾向, 从而间接降低超重的可能性[64]。 建成环境还可通过社区居民的出行偏好(如小汽车依赖), 直接影响居民体力活动量和食物摄入量,进而影响BMI[63]。

综上所述,目前国内外关于建成环境、机动化通勤方式与居民身体健康方面的研究主要集中在上述三要素两两之间关系的探讨层面,且主要针对单一居住地或工作地周边建成环境要素进行分析,仅有少量研究关注了三者之间的关系,且对通勤方式的研究较为单一,既缺乏将机动化通勤方式作为中介变量对建成环境与身体健康关系的整体考量,也缺乏对居住地、工作地周边建成环境的全面分析,特别是针对我国国情的各类机动化通勤方式的全面研究较为缺乏。因此,本文通过构建以居民机动化通勤方式为中间变量的理论框架,以BMI表征居民身体健康水平,深入研究了居民通勤起讫点周边建成环境通过机动化通勤方式对居民BMI的直接效应、间接效应和总效应,并按照中国国情进行机动化通勤方式划分,进而探讨可采取的规划策略,为建设健康城市、优化城市更新相关政策提供参考。

1 数据收集与样本基本特征

1.1 数据收集

本研究采用配额抽样方法,计划以招募志愿者的方式进行300个样本的出行数据收集,样本筛选规则为:①对象限定,需为西安市有固定通勤的居民;②均衡性别比例;③均衡年龄比例,18～40岁150人,40岁以上150人;④均衡各类通勤方式人群比例。此外,向每位样本提供报酬100元。同时,根据样本筛选规则,为平衡各类样本比例、避免招募样本的局限性,采用街头随机抽样的方式对样本进行补充,从而提高样本的代表性。调查采用美国明尼苏达大学开发的智能手机软件Daynamica汉化版进行数据收集,该手机软件对每个样本进行为期1周、24 h不间断的出行数据记录,主要收集样本出行情况(方式、时间、地点、目的、伴行者)、活动情况、出行主观感受、出行起讫地点和时间。样本个人信息内置在软件中,由样本第一次使用该手机软件时填写。本研究的出行数据收集方法能完全真实地反映居民每日实时的通勤状况,与传统的问卷调查相比更具有科学性和真实性。受访日信息、建成环境数据由调查员采用环境观察法进行收集。

本次调查实际得到316人共计21 095条出行数据。得到289个样本共计2 380条有效数据。从有效数据中筛选出采用机动化通勤方式的样本,得到1 654条有效数据用于机动化通勤层面的分析。

1.2 职住地空间分布

大部分样本的工作地和居住地都位于西安市区,有少部分样本的工作地或居住地在与西安相邻的另一个城市——咸阳,考虑到西安、咸阳两市的一体化发展态势及西咸新区的发展,对这部分数据予以保留。从空间分布上看(见图1),样本工作地、居住地整体分布呈现出在西安三环内集中且逐渐向三环外分散的状况,另有少部分居民的居住地、工作地分别在西安、咸阳两市分布。

1.3 样本基本特征

1.3.1 个人属性和BMI分布

本次调查的样本中,男性124人,占47.5%,女性137人,占52.5%,女性人数略多于男性。样本个人属性信息基本符合本次配额抽样所要求的性别、年龄比例,且与西安市统计局发布的2017年西安市人口性别、年龄比例相近,因此,本文选取的样本对总体具有一定的代表性。

参照国内大部分已有研究,将样本BMI划分为偏瘦(BMI<18.5)、正常(18.5≤BMI<24)、超重(BMI≥24)3个区间。从样本的BMI值分布情况来看〔见图2(a)〕,42%的样本分布在正常体重范围之内,接近一半;过重和肥胖人数共占33%;偏瘦人数占25%。从BMI的性别分布上看〔见图2(b)〕,处于身材正常的18.5～24区间的女性占比最大。在超重(BMI≥24)区间,男性数量比女性明显增多,说明男性身材普遍超重。在身材偏瘦的小于等于18.5区间中,女性占了绝大多数。

1.3.2 建成环境与BMI

1)建筑密度与BMI。图3(a)表示了建筑密度与BMI分布散点,图中两条竖线分别代表BMI分别为18.5和24。由该图可知,超重人群占比分布随着建筑密度的升高呈下降趋势,建筑密度越低,超重人群占比越高。居住地建筑密度小于25%和在25%～35%范围内时,居住地超重人群(BMI≥24)占比为18%。当工作地建筑密度小于25%时,超重人群占比达15%,在25%～35%范围内时,占比为13%。

图3 不同建筑密度下BMI分布图Fig.3 BMI distribution at different building densities

2)人口密度与BMI。人口密度小于100人/104m2的工作地和居住地超重人群分布较多〔见图4(a)〕,且超重人群占比随着人口密度的升高呈先下降后上升态势〔见图4(b)〕。在居住地、工作地人口密度小于100人/104m2的区域,超重人群占比分别为26%和25%;在150～200人/104m2的区域,超重人群占比分别为5%、3%;在居住地、工作地人口密度大于200人/104m2的区域,超重人群占比均为3%。

图4 不同人口密度下BMI分布图Fig.4 Distribution of BMI at different population densities

3)路网密度与BMI。整体来看,超重人群占比随路网密度变化呈波浪式〔见图5(b)〕。居住地、工作地路网密度8～12 km/km2的区域,超重人群(BMI≤24)占比最低,分别为5%、4%;在居住地路网密度4～8 km/km2的区域,超重人群占比最高,为11%,在工作地路网密度大于12 km/km2的区域,超重人群占比最高达13%。

图5 不同路网密度下BMI分布图Fig.5 BMI distribution under different road network densities

4)用地混合度与BMI。超重人群分布大致随用地混合度升高而降低〔见图6(b)〕,在用地混合度1 200～1 600和大于1 600的区域,超重人群的占比最低;居住地用地混合度小于400的区域,超重人群(≤24)的占比最高(18%),工作地用地混合度400～800的区域,超重人群(≤24)的占比最高(17%)。

图6 不同用地混合度下BMI分布图Fig.6 BMI distribution of different landuse mix

5)距市中心的距离与BMI。工作地距市中心的距离越远,超重人群占比越低,而居住地距市中心的距离越远,超重人群占比先升高后降低〔见图7(b)〕。居住地距市中心的距离5～10 km的人群中,超重人群(BMI≥24)占比最高;距市中心的距离大于20 km的人群中,居住地和工作地超重人群占比最低。

图7 居住地、工作地距市中心的距离与BMI所占百分比分布图Fig.7 The distribution of distance to city center and BMI

2 模型构建与变量选取

2.1 研究假设

本研究假设概念框架如图8所示,具体研究假设如表1所示,即城市建成环境影响居民通勤方式选择,而居民的通勤方式选择影响其身体健康(用BMI测度),建成环境既对居民身体健康具有直接影响,也通过通勤方式对居民身体健康产生间接影响。其中,建成环境除传统5D要素外,还包括附近是否有大专院校、超市、地铁站及附近公交线路条数等其他建成环境要素,机动化通勤方式则细分为小汽车乘客、小汽车驾驶员、公交、地铁、电动车(电动自行车)、通勤班车6种。

表1 研究假设一览表Tab.1 Summary of research hypotheses

图8 研究假设概念框架图Fig.8 Conceptual framework of research hypothesis

2.2 模型构建

本研究采用路径分析模型来研究建成环境通过6类机动化通勤方式对居民身体健康(BMI)的作用路径,该方法具有可以同时处理内生和外生变量、允许自变量和因变量含有测量误差、能够计算变量间的直接和间接效应以及总效应等突出优点,能够对预先构建的理论模型进行评价,检验模型结构的合理性,并验证研究假设的真伪,因此对本研究具有良好的适用性。根据上述研究假设,课题组构建了机动化通勤方式中介效应下建成环境影响居民身体健康作用路径的概念模型,如图9所示。同时,考虑到自选择是影响通勤方式和超重的一个重要因素,研究控制了样本社会经济属性、健康状况和空气质量,以此消除自选择效应对模型结果的影响。

图9 机动化通勤方式中介效应下建成环境对居民身体健康的作用路径概念模型Fig.9 Conceptual framework of the effect of built environment on BMI mediated by motorized commute mode

2.3 变量说明

个人通勤特征在本文主要是指机动化通勤方式,分为小汽车驾驶员、小汽车乘客、公交、地铁、电动车、通勤班车6类。为测度样本工作地/居住地周边建成环境,参考国内外已有研究成果,研究以样本工作地/居住地为圆心,抓取其800 m半径范围内某地图网站2017年的POI数据、路网数据和建筑数据,进行用地混合度、路网密度、建筑密度等数据的计算。其中,将圆内POI个数除以圆面积用于测度工作地/居住地用地混合度(2)参考国内相关学者的研究,采用各类POI点的数量计算用地混合度,即以样本居住地或工作地为圆心,800 m为半径画圆,统计该圆内各类POI点的数量,并用POI的个数除以圆面积,计算用地混合度。,该值越大表明用地性质越混合。此外,居住地路网密度最小值为0,这是因为有一个样本居住在城市边缘的村庄内,居住地周边800 m半径范围内无城市级道路,故计算得到的路网密度为0。本文通勤方式中的电动车特指电动自行车。表2为本研究所选取变量的详细说明。

表2 变量说明一览表Tab.2 Variable description

3 模型结果解析

3.1 路径分析模型结果

根据路径分析模型结果(见表4),研究组绘制了研究假设模型拟合效果图(见图10～12),据此可知,建成环境通过小汽车驾驶员、电动车、通勤班车等4种通勤方式对BMI产生显著的间接影响,但未能通过小汽车乘客、公交车、地铁对BMI产生显著的间接影响。在这4种具有显著间接影响的通勤方式中介作用下,工作地、居住地建成环境对BMI的间接影响并不一致。在小汽车驾驶员作为中介变量时,居住地人口密度越高,人们选择小汽车通勤的概率越低,人群BMI越低。居住地建成环境对BMI产生显著间接影响的变量数量多于工作地建成环境变量,工作地人口密度的影响最大,居住地建筑密度次之;以电动车为中介变量时,工作地对BMI产生显著间接影响的变量数量略多于居住地,且居住地和工作地的建筑密度、用地混合度、路网密度均对BMI产生显著间接影响,工作地建筑密度影响最大,工作地路网密度次之;以通勤班车为中介变量时,除附近是否有大专院校外,其他建成环境变量均对BMI产生显著的间接影响,且居住地建筑密度影响最大、工作地人口密度次之。

表4 不同通勤方式中介作用下建成环境对BMI的路径分析模型结果Tab.4 Path analysis results of built environment on BMI mediated by motorized commute mode

图10 通勤方式为小汽车驾驶员时对BMI的模型拟合效果图Fig.10 The model fitting results of built environment on BMI mediated by car driver

图11 通勤方式为电动车时对BMI的模型拟合效果图Fig.11 The model fitting results of built environment on BMI mediated by e-bike

图12 通勤方式为通勤班车时对BMI的模型拟合效果图Fig.12 The model fitting results of built environment on BMI mediated by shuttle bus provided employers

具体而言, ①在居住地建筑密度高、 附近有超市便利店、 地铁站以及公交线路条数多、 居住地人口密度低、 工作地用地混合度低、 居住地与工作地距市中心距离近的区域, 采用驾驶小汽车通勤的人群BMI更高; ②在工作地距市中心距离远、 工作地路网密度低、 附近有大专院校、 公交线路条数少的区域, 人们更倾向于采用电动车通勤。 在居住地建筑密度低、 居住地与工作地人口密度高、 居住地用地混合度高、 居住地与工作地距市中心距离远、 公交线路条数少、 附近无超市和地铁站点的区域, 采用电动车通勤的人群BMI更低; ③居住地人口密度高、 居住地和工作地建筑密度高、 工作地距市中心距离远、 附近无地铁站点的区域居民倾向于采用通勤班车通勤, 在居住地建筑密度低、 居住地人口密度高、 工作地用地混合度高、 居住地和工作地距市中心距离远、 公交线路条数少、 附近无地铁站的区域, 采用通勤班车的人群BMI更低。

3.2 研究假设检验结果

根据模型拟合结果,针对路径分析所提出的18个研究假设,图13、图14给出了所有检验结果为成立的变量之间的直接效应、间接效应和总效应。由图14可知,根据模型预测,在其他条件相同的情况下得到如下结果。①对小汽车驾驶员来说,居住地人口密度提高一个标准差,通过直接及间接效应,估计的预期BMI将下降0.21个标准差;工作地人口密度提高一个标准差,通过直接及间接效应,估计的预期BMI将下降0.054个标准差。 ②对电动自行车通勤者来说, 公交线路条数提高一个标准差, 通过直接及间接效益, 估计的预期BMI将上升0.146个标准差; 是否有大专院校提高一个标准差, 通过直接及间接效应, 估计的预期BMI将上升0.104个标准差。 ③对采用通勤班车通勤的居民来说, 工作地用地混合度提高一个标准差, 通过直接及间接效应, 估计的预期BMI将下降0.054个标准差。 工作地、 居住地到市中心的距离提高一个标准差, 通过直接及间接效应, 估计的预期BMI将下降0.085和0.084个标准差。

图13 不同机动化通勤方式中介作用下建成环境对BMI的直接效应Fig.13 The direct effect of built environment on BMI medlated by motorized commute modes

图14 不同机动化通勤方式中介作用下建成环境对BMI的间接效应(左)和总效应(右)Fig.14 Indirect effects of built environment on BMI (left) and total effects (right) mediatied by motorized commute modes

4 结论与讨论

4.1 结论

本文采用美国明尼苏达大学开发的智能手机软件Daynamica收集的西安市居民通勤数据,在控制了居民社会经济属性后,首次探寻了大城市职住地建成环境通过不同机动化通勤方式对居民BMI产生的直接影响和间接影响,及其直接效应、间接效应和总效应。此外,本研究还将小汽车通勤方式细分为小汽车乘客和小汽车驾驶员分别进行了研究。

1)建成环境可通过小汽车驾驶员、电动车、通勤班车对BMI产生显著的间接影响,但未能通过小汽车乘客、公交车、地铁对BMI产生显著的间接影响,且居住地和工作地的影响程度存在差异。影响程度为“工作地建成环境>居住地建成环境>其他建成环境”,其中,职住地用地功能的混合多样、路网密度、公交线路和地铁站点等城市交通设施、城市购物设施等充足完善都能对肥胖起到有效的抑制作用,这可能是因为上述设施能提升人们多目的步行出行的频次,从而有利于提高身体体力活动量,进而降低肥胖发生率。在小汽车驾驶员作为中介变量时,居住地建成环境对BMI的影响大于工作地,且居住地人口密度越高,人们选择小汽车通勤的概率越低,人群BMI越低。这可能是因为小汽车通勤概率的降低,意味着人群采用其他替代通勤方式概率的升高,这些通勤方式的体力活动量高于小汽车通勤,从而有利于降低BMI。在电动车为中介变量时,居住地用地混合度越高,人们选择电动车通勤的概率越低,人群BMI越高,而工作地用地混合度对采用电动车通勤无直接影响,但工作地用地混合度和路网密度的升高可通过电动车通勤,提升BMI增大的概率。此外,居住地建筑密度、工作地路网密度的升高,及附近有超市便利店也可通过通勤班车提升BMI增大的概率。

2)各类机动化通勤方式中介作用下,职住地建成环境各变量的增加会导致BMI上升,但职住地人口密度、工作地与市中心的距离、附近有大专院校则相反。对小汽车驾驶员来说,通过直接及间接效益,居住地路网密度、工作地建筑密度每提高一个标准差,估计的预期BMI将上升0.003、0.004个标准差,这说明路网密度、建筑密度的增加可能会鼓励人们更多地驾驶小汽车出行,而驾驶小汽车时人们通常处于静坐不动的状态,因而会增加人们肥胖的风险。但居住地、工作地人口密度,工作地与市中心的距离、附近有大专院校每提高一个标准差,通过直接及间接效应,估计的预期BMI将分别下降0.21、0.054、0.085、0.003个标准差。人口密度高、工作地距市中心的距离远的区域,可能是产业园区或单位大院区域,人们就近工作的可能性大,通勤距离较短,采用活动性通勤方式的概率高于小汽车,而活动性通勤方式有利于降低人群BMI。对电动车通勤者来说,工作地路网密度和用地混合度、居住地建筑密度每提高一个标准差,通过直接及间接效益,估计的预期BMI将上升0.023、0.017、0.061个标准差。对通勤班车人群来说,工作地路网密度每提高一个标准差,通过直接及间接效益,估计的预期BMI将上升0.07个标准差。这可能是因为上述建成环境变量的增长,进一步提升了电动车、通勤班车通勤出行的便捷性,而电动车和通勤班车人群在通勤中大部分时间处于静坐不动状态,体力消耗较小,从而增加了其肥胖风险。

4.2 讨论

对比国内国外相关研究结果,不同背景下的建成环境变量对健康的影响显著与否、影响程度都有所不同。关于人口密度、用地混合度、公共交通站点和线路覆盖情况对BMI的影响程度以及作用的家庭成员等的相关因素颇多,不同学者得出的结论不尽相同。但是,大家都认同的一点是,建成环境会对通勤行为产生影响,进而对体力活动量和强度产生影响,从而影响人们的BMI。本研究有关小汽车驾驶员通勤中介作用的结论与已有研究并不完全一致,如孙斌栋认为居住地人口密度、土地利用混合度高可减少小汽车通勤[64-65],且人口密度的增加使人们更倾向于减少机动化交通出行从而增加体力活动,间接减少肥胖的可能性有关[58],但该研究并未区分小汽车驾驶员和小汽车乘客。同时,本研究进一步细化验证了已有研究提出的观点,即某些特定的建成环境会对机动化通勤概率产生影响,而通勤方式会影响人群体力活动量[59-61],体力活动量又会直接影响BMI[62-64,66-67]。总之,本研究首次研究了多种机动化通勤方式的中介效应,并探寻了哪些机动化通勤方式在建成环境与BMI之间具有中介效应,最终发现小汽车驾驶员、电动车、通勤班车3种方式具有显著的中介效应,并进一步详细分析了小汽车驾驶员、电动车、通勤班车中介效应下建成环境对BMI的影响机制。这里特别值得一提的是,区别于已有研究划分的通勤方式,本研究将小汽车通勤划分为小汽车驾驶员和小汽车乘客2类,并关注了通勤班车这一特殊的通勤方式,从而进一步丰富了中国情境下机动化通勤方式中介作用下建成环境影响居民身体健康的理论成果。

研究结论对中心城区的国土空间规划、城市更新,以及城市新区建设具有一定的指导意义,可为缓解城市早晚高峰交通拥堵、优化城市建成环境、抑制居民肥胖发生率的相关措施制定提供参考。

1)通过渐进式更新,逐步优化城市用地布局和空间结构,尽可能的实现城市居民职住平衡,将职住地距市中心的距离控制在适宜的范围内。

2)通过促进工作地用地功能混合、合理设置公交地铁站点位置及公交线路数量,优化职住地人口密度、建筑密度、路网密度,进而增加步行活动可能性,通过其伴随的日常活动体力消耗促进居民身体健康。

3)建立良好的城市慢行系统,包括优化、美化人行道,建立完整、畅通、便捷、高效的自行车出行体系,并充分考虑共享单车与公共交通的有效衔接,有助于提高人们采用步行、自行车通勤的可能性。

4)城市管理部门可鼓励距市中心较远的企业设立通勤班车,并在企业附近配套完善服务设施(如超市、便利店等),并提高其用地混合度,合理控制建筑密度与人口密度,从而提高人群在工作地附近参与步行、自行车等体力活动型出行的可能性。

5)在控规阶段,对距离市中心不同距离的居住地和工作地,其人口密度和建筑密度控制力度应有所不同,城市建设和管理方可鼓励居民尽可能多的采用活动性出行方式通勤、购物、就餐等,从而提高其体力活动量,降低肥胖风险。

6)可通过渐进式更新的方式,即小规模、分阶段、循序渐进式的有机更新方式及适应性改造城市建成环境的手段,同时建立相关机制,落实责任主体,从而逐步实现居民职住地建成环境优化。

此外,本文存在以下不足之处。①本研究是基于样本城市西安进行的研究,是平原型城市,若能对全国不同地理空间背景下不同类型城市进行对比分析,则可更全面的研究该问题;②本研究主要是基于截面数据的调查研究,没有做到纵向对比,而居民BMI是随时间不断变化的,因此,本研究难以总结城市建成环境通过通勤方式对居民BMI产生的纵向影响;③本研究没有考虑个人基因情况、饮食习惯等混淆变量对身体健康的影响。这些不足需要在日后的研究中加以改进,以进一步验证本研究结果。