老旧城区对环境的负面认知是否会导致居民幸福感下降？——通过空间特征和可解释的机器学习方法探讨居住环境中的“认知偏差”

《Habitat International》：Will the 'poor' perception of the environment in old urban areas lead to lower resident well-being?——exploring 'perception bias' in residential environment through spatial features and interpretable machine learning

本研究通过整合机器学习与空间回归分析，揭示北京居民主观幸福感（SWB）与感知环境质量（PEQ）间的偏差机制。研究发现，空间分布呈现旧城高SWB与低PEQ的悖论，城市人口密度与设施密度存在非线性影响，街景密度与功能混合的协同效应显著，并识别出调控SWB的关键阈值变量。研究成果为优化城市资源配置、提升居民福祉提供科学依据。

　　
该研究聚焦于中国城市化进程中居民主观幸福感（SWB）与感知环境质量（PEQ）之间的显著偏差现象，采用多源数据融合与机器学习解析技术，揭示了北京都市区环境要素与居民心理体验的复杂关联机制。研究团队通过整合社交媒体文本数据与街景图像信息，构建了涵盖宏观经济指标、微观空间特征及社会经济属性的复合分析框架，为优化城市更新资源配置提供了创新性方法论。

在数据采集层面，研究依托社交媒体平台采集2018-2022年间北京地区居民微博文本数据，运用深度学习模型量化情绪表达强度，形成SWB动态评价体系。同时，采用多视角街景图像分析技术，提取街巷形态、公共设施布局等23项空间感知指标，构建PEQ量化模型。这种跨模态数据融合方式有效规避了传统问卷调查中样本偏差与时间滞后问题，实现了对城市环境质量与居民心理体验的同步监测。

研究创新性地将机器学习模型与空间统计学相结合。基于XGBoost回归框架，引入地理加权回归（GWR）与空间自回归（SAR）双重修正机制，有效解决了城市环境中空间异质性导致的模型偏差问题。通过SHapley值解释方法，不仅量化了单一环境要素的影响权重，更精准解析了多要素交互作用机制。例如，研究发现街网密度与功能混合度存在显著的协同效应，当两者达到特定阈值组合时，可使环境感知质量提升37%-42%，同时促进主观幸福感增长29%。

在区域差异分析方面，研究揭示了北京都市区SWB与PEQ的逆向分布特征。旧城区虽PEQ评分普遍偏低（均值0.32），但SWB指数却呈现0.58-0.72的高值区间，这与密集的社区服务网络（餐饮设施密度达1.2个/平方公里）和人际互动强度密切相关。反观新城区，PEQ评分高达0.81，但SWB指数仅维持在0.45-0.57区间，显示物理环境优化未能有效转化为心理幸福感提升。这种"环境-幸福悖论"在近郊区域尤为显著，POI（兴趣点）密度超过0.8的区域，SWB提升幅度反而低于环境质量改善幅度。

关键研究发现显示：（1）空间分布上，PEQ与SWB呈现"双峰三谷"格局，旧城区SWB异常值区域与地铁站点500米缓冲区存在显著空间关联；（2）要素影响呈现非线性特征，当人口密度达到0.38-0.42/平方公里时，PEQ对SWB的边际效益达到峰值，超出该区间后呈现递减趋势；（3）环境要素存在显著的区域异质性，旧城区SWB受商业设施密度（β=0.27）和街景可读性（β=0.19）影响最大，而近郊区域则对步行可达性（β=0.35）和绿化覆盖率（β=0.31）敏感；（4）存在明显的"负空间效应"，当绿地率低于0.18时，每提升0.01的绿地覆盖率可带来0.23的SWB增益，但超过0.22阈值后边际效益衰减；（5）POI密度与SWB存在倒U型关系，最佳密度区间为0.25-0.75个/平方公里，超出该范围后出现"过度商业化"负面效应。

研究特别强调决策优化中的阈值管理：在旧城区更新中，建议将商业设施密度控制在0.3-0.5个/平方公里区间，同时提升街景色彩协调度至0.65分以上；近郊区域则需重点优化步行网络连通性（节点密度>0.4个/平方公里）和混合功能区配置（办公与居住混合度>0.28）。这些发现为精准施策提供了量化依据，如在旧城改造中需特别关注社区服务设施的密度与质量，避免盲目建设导致的资源浪费。

方法论层面，研究构建了包含6大模块的智能评估系统：1）多源数据采集模块（整合微博情感数据、街景图像库及POI数据库）；2）空间特征编码模块（提取23项空间统计量）；3）机器学习模型训练模块（XGBoost回归模型+空间约束）；4）SHapley值计算模块（处理100+变量交互）；5）空间可视化模块（开发AR叠加分析平台）；6）策略模拟模块（基于蒙特卡洛模拟1000种干预方案）。该系统在测试中表现出87.6%的准确率，显著优于传统空间统计方法（F1-score=0.72）。

实践应用方面，研究提出了"三阶九步"城市更新策略：初级阶段聚焦基础设施补短板（重点提升0.2-0.3公里半径生活圈服务密度）；中级阶段强化空间体验优化（通过街景改造提升环境感知质量）；高级阶段注重社区关系重构（建立邻里互动指数评估体系）。特别针对北京城市副中心等新开发区域，建议实施"环境-服务"双轮驱动策略，在保证PEQ达标的前提下，通过社区营造提升SWB指标。

研究还揭示了传统城市治理中的三大认知误区：1）将PEQ单一指标作为环境质量评价标准存在偏差；2）忽视时间维度对感知偏移的影响（如近郊区域PEQ提升滞后SWB变化1.2-1.8个季度）；3）未充分考虑文化资本对环境感知的调节作用（高教育水平群体PEQ-SWB离散度降低43%）。这些发现为政策制定者提供了避免资源错配的决策依据。

在技术验证方面，研究通过交叉验证与基线测试发现：引入空间自回归项后模型R2值提升0.18，特征重要性排名前10的变量中，有7个属于空间交互特征（如邻域POI密度差异、街景曲率变化率等）。特别开发的"环境感知-心理体验"双维度雷达图，能够直观展示不同区域要素组合的优化空间，为制定差异化改造方案提供可视化工具。

该研究的社会价值体现在三个方面：首先，为发展中国家提供可复制的城市治理模板，其方法体系已在昆明、南宁等6个城市进行验证，政策采纳率达82%；其次，建立环境质量改善的效益-成本评估模型，测算显示优化策略可使每万元投资产生2.3倍的SWB收益；最后，形成动态监测与反馈机制，通过机器学习模型实现季度级数据更新，为政策迭代提供实时依据。

未来研究方向建议：1）拓展至气候适应性评估维度；2）开发跨文化比较模块（已初步纳入香港、孟买等6个城市案例）；3）构建环境质量改善的仿真推演系统。这些延伸研究将进一步完善"环境-感知-幸福"的理论框架，为全球城市化进程中的居民福祉提升提供系统性解决方案。