Progettare comunità sane: creare evidenze sulle metriche per le caratteristiche dell’ambiente edificato associate ai centri di attività di quartiere percorribili a piedi

Background

Il trasporto attivo – anche a piedi per il trasporto – [1- 4] promuove la salute e sostiene una vita sostenibile [5, 6]. Un numero crescente di prove internazionali[7-10], mostra che l’ambiente costruito gioca un ruolo importante nella creazione di quartieri pedonali che promuovono gli spostamenti a piedi e riducono i fattori di rischio di malattie croniche.

Un certo numero di caratteristiche dell’ambiente costruito sono costantemente dimostrate per facilitare il trasporto a piedi intorno alle case residenziali, che sono all’origine di molti viaggi a piedi. Queste includono: strade altamente collegate, alta densità di popolazione, uso misto del territorio e buon accesso alle destinazioni e al transito, e la fornitura di marciapiedi[11-15]. Tuttavia, per informare le politiche di pianificazione e le linee guida di progettazione urbana, i responsabili politici e i progettisti urbani richiedono informazioni specifiche sui tipi, le quantità e il mix di caratteristiche dell’ambiente costruito che influenzano gli spostamenti a piedi[3, 16- 21]. Inoltre, la maggior parte della ricerca fino ad oggi si è concentrata sull’ambiente domestico[22], con meno ricerche sui punti finali di questi viaggi.

Di tutte le caratteristiche dell’ambiente costruito che promuovono la camminata, sono le destinazioni che sono più importanti perché forniscono un “motivo per camminare” e un punto finale per le escursioni a piedi [23]. Le destinazioni e la diversità delle destinazioni sono ripetutamente mostrate in studi di ricerca sulla vita attiva per essere associate positivamente al trasporto a piedi[10, 24-29]. Tuttavia, a differenza degli accademici dei trasporti[30], i ricercatori attivi studiano raramente le caratteristiche dell’ambiente costruito che circonda le destinazioni quando intraprendono studi sulle modalità di viaggio.

Nelle comunità locali, le destinazioni sono spesso co-locate e concentrate in centri commerciali locali, conosciuti a Melbourne, Australia come “centri di attività di quartiere” (NAC) [25, 31,32]. I CNA fungono da punto focale della comunità e consentono la vita locale fornendo una varietà di negozi al dettaglio, servizi e destinazioni. La loro distribuzione tra le città è importante perché facilita la creazione della “città da 20 (o 30 minuti)”, un concetto che sta attirando un crescente interesse globale [32-34]. Tuttavia, per attrarre i pedoni, l’ambiente costruito che circonda le CNA deve sostenere gli spostamenti a piedi[33, 35, 36].

Comprendere il tipo, la quantità e il mix di caratteristiche dell’ambiente costruito e la loro influenza sugli spostamenti a piedi è quindi cruciale per progettare e adattare i CNA in modo da renderli pedonali. Un metodo per valutare questo è la cluster analysis, che raggruppa le caratteristiche dell’ambiente costruito per aiutare a identificare gli ambienti di vicinato pedonali[3, 4, 25, 36- 41]. Diversi autori hanno modellato le associazioni tra il tipo di cluster (trattato come una variabile di esposizione) e il camminare, e hanno scoperto che quartieri più pedonali (come definito dalla cluster analysis) sono tipicamente associati ad un aumento delle probabilità di camminare[3, 4, 25]. La maggior parte delle ricerche che utilizzano l’analisi dei cluster si è concentrata sui quartieri residenziali[4, 25, 37, 40], con pochi studi, se non nessuno, che forniscono metriche sul tipo, le quantità e il mix di caratteristiche dell’ambiente costruito che incoraggiano a camminare o considerano le destinazioni, come le CNA, che potrebbero informare le linee guida di progettazione urbana rilevanti[36].

A Melbourne, in Australia, i piani di struttura dei distretti consentono in genere ai centri urbani o ai NAC di essere ancorati ai supermercati. Inoltre, la politica di pianificazione di Melbourne stabilisce che “l’80-90% delle famiglie dovrebbe trovarsi entro 1 km da un centro urbano di dimensioni sufficienti per consentire la fornitura di un supermercato” [42]. Tuttavia, a meno che l’attuazione della politica non sia valutata e misurata sul campo [43], non è chiaro se questo requisito della politica sia soddisfatto. In effetti, pochi studi misurano l’attuazione delle politiche di progettazione urbana in Australia[3, 44]. Tuttavia, questo tipo di prove è utile per valutare se i CNA hanno il potenziale per facilitare i trasporti a piedi[45]; e, potrebbe aiutare a raggiungere l’auspicata città di 20 minuti a Melbourne.

Gli obiettivi di questo documento erano i seguenti: (1) indagare il tipo, la quantità e il mix di un’ampia gamma di caratteristiche dell’ambiente edificato per creare una tipologia di NAC a piedi in tutta Melbourne, Australia; (2) esaminare se le caratteristiche dell’ambiente edificato che circondano i NAC sono associate al trasporto a piedi dei residenti locali; (3) valutare la distribuzione spaziale dei NAC in relazione alla pedonabilità; e (4) valutare la conformità con la politica di pianificazione locale sulla posizione dei supermercati in relazione alle abitazioni residenziali.

Metodi

Dati a livello individuale

Sono stati utilizzati i dati a livello individuale del Victorian Integrated Survey of Travel Activity (VISTA) 2009-2010[46]. VISTA è un’indagine trasversale ripetuta sul comportamento dei viaggi di un giorno amministrata dal Victorian Department of Economic Development, Jobs, Transport, and Resources (Dipartimento vittoriano per lo sviluppo economico, il lavoro, i trasporti e le risorse).

I dati per le aree urbane della metropolitana di Melbourne sono stati estratti per questo studio per 21.664 adulti dai 18 anni in su. VISTA segue un processo di campionamento stratificato in più fasi. In primo luogo, è stato prelevato un campione casuale stratificato in otto regioni di Melbourne e, all’interno di ciascuna regione, sono stati selezionati diversi distretti di raccolta del censimento (CCD), seguiti dal campionamento di singole famiglie all’interno dei CCD. I CCD coprono una media di 225 abitazioni. A causa dei bassi tassi di risposta in alcune aree, sono state selezionate altre famiglie per soddisfare i requisiti di tasso di risposta. L’indagine pone domande sul comportamento in un giorno di viaggio per ogni individuo all’interno di ogni famiglia. Ulteriori informazioni sull’indagine VISTA sono disponibili online nel file aggiuntivo 1: Appendice 1 Campione VISTA.

Dati del centro di attività

Il set di dati NAC è stato definito come tutti i confini delle proprietà commercialmente suddivise in zone all’interno di un buffer di rete stradale di 800 metri di supermercati selezionati. Qui è stata utilizzata una distanza buffer di 800m, poiché diversi ricercatori hanno trovato associazioni tra i correlati dell’ambiente costruito e le misure di attività fisica a questa distanza[47- 49]. In particolare, Manaugh et al (2011) hanno trovato associazioni con Walkscore e un indice di percorribilità a piedi e viaggi di shopping a casa a 800m[49] e Gunn et al (2017) hanno trovato un aumento delle probabilità di trasporto a piedi per coloro che si trovano entro 800m dai punti vendita di prodotti alimentari locali, compresi supermercati, caffè/takeaway store, e piccoli negozi di alimentari, che sono tipicamente co-locati all’interno dei NAC [48].

I dati sulle proprietà sono stati ottenuti dalla VicMap Property[50]. Le linee centrali delle strade sono state ottenute dalla VicMap Transport[51] e le superstrade e le rampe dell’autostrada sono state rimosse per creare un set di dati stradali percorribili a piedi da cui sono stati creati i buffer della rete stradale di 800 metri intorno ai NAC.

I dati geocodificati dei supermercati sono stati ottenuti da un fornitore commerciale[52] e mappati spazialmente utilizzando Arc GIS 10.2. Questo set di dati è stato convalidato rispetto al quadro di pianificazione strategica dello Stato che identifica i principali NAC di Melbourne (cioè Plan Melbourne [33 ]) attraverso il quale sono stati identificati e geocodificati manualmente alcuni supermercati aggiuntivi. I dati per le zone commerciali sono stati ottenuti da VicMap Planning[50]. Questi dati sono stati sovrapposti al livello del supermercato, per garantire che i supermercati identificati fossero associati alle zone commerciali con altri negozi al dettaglio. Il controllo manuale del livello NAC è stato condotto utilizzando Google Maps. I supermercati non collocati all’interno di una zona commerciale sono stati rimossi dal dataset. Poiché molti NAC contengono più di un supermercato, sono stati rimossi dal dataset i duplicati degli indirizzi dei supermercati e i duplicati dei NAC, tuttavia le informazioni su quanti supermercati diversi esistevano in ogni NAC sono state mantenute come variabile della diversità dei supermercati.

Variabili dipendenti

Due variabili dipendenti sono state sviluppate utilizzando i dati del trasporto giornaliero a piedi VISTA. In primo luogo, a causa della distribuzione non normale dei dati VISTA a piedi, ogni trasporto a piedi è stato definito come tutti i trasporti giornalieri a piedi dicotomizzati in “uno o più viaggi a piedi” e “nessun viaggio a piedi”[44, 53]. In secondo luogo, per catturare i trasporti locali a piedi, ogni trasporto di quartiere a piedi è stato definito come viaggi giornalieri a piedi che iniziano e finiscono all’interno di un buffer di 1,6 km di rete stradale della casa di un partecipante. Questi dati sono stati dicotomizzati in “uno o più viaggi a piedi all’interno del quartiere” e “nessun viaggio a piedi nel quartiere” (vedi Fig. 1).Fig. 1 Definizioni variabili dipendenti per i viaggi a piedi. a Qualsiasi trasporto a piedi. b Qualsiasi trasporto a piedi nel quartiere

Fig. 1.Fig. 1. Definizioni variabili dipendenti per i trasporti a piedi. a Qualsiasi trasporto a piedi. b Qualsiasi trasporto di quartiere a piedi

Variabili indipendenti

Ambiente costruito

In seguito al lavoro di Hooper et al (2014), sono state definite le metriche per 19 caratteristiche dell’ambiente costruito per tre domini: progettazione della comunità, rete di movimento e layout del lotto[43].

La progettazione della comunità è stata misurata utilizzando la presenza e la quantità di una varietà di destinazioni con accessibilità a queste destinazioni misurata utilizzando il numero di fermate di trasporto e i rapporti di pedaggio (cioè, il rapporto tra l’area entro 800m di buffer della rete stradale e l’area entro 800m di buffer euclideo). Sulla base delle linee guida di pianificazione, Hooper et al (2014) definiscono anche la rete di movimento composta da caratteristiche progettuali come la connettività stradale, i perimetri dei blocchi e il numero di cul de sacs[54] che determina la direttività dei percorsi pedonali e la vicinanza delle destinazioni locali. Il dominio del layout del lotto comprende la diversità delle abitazioni e la densità residenziale netta[43], che determina il numero di residenti che vivono in prossimità dei CNA e, di conseguenza, supporta la redditività dei negozi al dettaglio e dei servizi di transito. Le caratteristiche dell’ambiente costruito sono state calcolate all’interno di un buffer di rete stradale di 800 m del NAC utilizzando i metodi GIS e il software ArcGIS 10.2 (vedi Tabella 1).Tabella 1Variabili dell’ambiente costruito calcolate all’interno di 800m di un supermercatoVariabili e definizioniCommunityDesign Pedshed: rapporto tra l’area entro 800m di buffer della rete stradale e l’area entro 800m di buffer euclideo Numero di risorse della comunità: uffici postali, centri comunitari, centri di assistenza all’infanzia, biblioteche Numero di piccoli negozi di alimentari: macellaio, droghieri verdi, negozi di alimentari, negozi di alimentari Numero di altri negozi al dettaglio: banche, farmacia, stazione di servizio, edicola;Numero di supermercati: comprende supermercati maggiori e minori;Diversità dei supermercati: numero di diversi supermercati maggiori (0-4);Numero di fermate di trasporto: autobus, tram, treno;Diversità dei trasporti: numero di diversi tipi di trasporto (0-5);Diversità delle destinazioni: numero di diversi tipi di destinazione individuale (0-16)MovementNetwork;Connettivitàstradale: numero di intersezioni a 3 vie ≥3 incroci di sacchi: numero di segmenti di cul de sacs ≤120m di lunghezza: numero di segmenti di cul de sac ≤120m di lunghezza Rapporto di nodi collegati: numero di ≥3 intersezioni di vie ÷ tutte le intersezioni compresi i cul de sacs Rapporto nodo collegato: numero di cul de sacs ÷ tutte le intersezioni compresi i cul de sacs Rapporto di blocco pedonale (m): numero di blocchi ≤620m perimetro ÷ numero totale di blocchi Rapporto di esposizione al traffico: lunghezza delle strade a basso traffico ÷ lunghezza delle strade a basso e alto traffico Layout del lotto Diversità abitativa: numero di diversi tipi di abitazioni (0-8)ΔDensità residenziale netta: numero di abitazioni commerciali + numero di abitazioni residenziali ÷ area commerciale e residenziale

Confonditori

Dalla letteratura è stata individuata una serie di fattori che possono influire sui viaggi a piedi intrapresi dai partecipanti: età, sesso, studio (sì, no), occupazione (disoccupati, lavoro occasionale, part-time, a tempo pieno), tipo di famiglia (coppia senza figli, coppia con figli, altra struttura familiare, compresi genitore singolo, persona sola e altra struttura familiare non definita), reddito (<$650, $650-$1099, $1200-$1949, $1950-$2499, $2500), possedere un veicolo a motore (non possedere un veicolo a motore, possedere un veicolo a motore), e lo svantaggio a livello di area derivato dall’Australian Bureau of Statistics Socio-Economic Index for Areas, Index of Relative Social Disadvantage (SEIFA IRSD) basato su decili (alto: 1-4, medio: 5-7, basso: 8-10)[44].

Analisi statistica

Analisi dei cluster dei centri di attività di quartiere

L’analisi dei cluster crea cluster omogenei di variabili ambientali costruite, garantendo al contempo che ogni cluster sia distinto dagli altri[55]. È stata usata per identificare le tipologie di NAC in base alle caratteristiche dell’ambiente costruito elencate nella Tabella 1.

In particolare, è stata intrapresa un’analisi dei cluster in due fasi. K-means clustering è stato utilizzato in quanto funziona meglio in presenza di variabili di clustering anomale e irrilevanti[55], tuttavia il numero di cluster deve essere specificato a priori. Per contribuire a stabilire questo, nella prima fase, sono stati stimati il clustering gerarchico e la pseudo F statistica Calinski-Harabasz. Il numero di cluster è stato identificato da grandi cambiamenti nei coefficienti di errore tra le fasi del programma di agglomerazione dell’analisi gerarchica dei cluster e dall’identificazione della più grande statistica pseudo F di Calinski-Harabasz per ogni soluzione di cluster.

La soluzione finale K-means cluster è stata scelta in base all’interpretabilità dei valori medi delle caratteristiche dell’ambiente costruito. Questo è stato intrapreso per identificare i tipi di cluster relativi alla deambulabilità. La soluzione finale del cluster NAC è stata mappata per esaminare la posizione spaziale delle tipologie di cluster NAC in tutta la metropolitana di Melbourne.

Sono stati effettuati test post-hoc ANOVA e Tukey sulla soluzione finale del cluster K-means per stabilire se ci fossero differenze significative per ogni caratteristica dell’ambiente costruito per tipo di cluster. I risultati sono presentati come una tabulazione incrociata delle caratteristiche dell’ambiente costruito per tipo di cluster. I test e la soluzione di tabulazione incrociata dei cluster indicano quali caratteristiche dell’ambiente costruito sono diverse tra i tipi di cluster NAC e per “quanto”. Queste informazioni sono utili per sviluppare e monitorare le politiche e gli standard di progettazione basati sulle prove per le nuove aree urbane e i NAC, e per adattare le aree NAC per aumentare la pedonabilità.

Tutti i clustering sono stati intrapresi su caratteristiche di ambiente costruito standardizzato per rimuovere l’effetto di scale diverse.

Misurare le associazioni con i viaggi a piedi per il trasporto e i tipi di cluster NAC

Diversi partecipanti non avevano alcuna misura di svantaggio a livello di area(n=155) e un ulteriore 7% del campione non era associato ad un NAC a causa della vita all’estrema periferia della città. I partecipanti con queste osservazioni sono stati rimossi dal campione con tutte le rimanenti analisi condotte su casi completi all’interno di aree urbane della Grande Melbourne su un campione di 19.984 osservazioni. Sono state effettuate tabulazioni incrociate tra le variabili di livello individuale dei partecipanti e i tipi di cluster NAC.

Sono stati stimati modelli di regressione logistica multilivello per misurare le associazioni tra il tipo di cluster NAC incluso come variabile fittizia con i NAC di LW come riferimento, e qualsiasi trasporto e qualsiasi spostamento a piedi di quartiere rispettivamente. I modelli sono stati adattati per i confonditori e hanno permesso di raggruppare gli individui all’interno delle famiglie all’interno della geografia dell’area statistica di livello 2 (SA2). I CCD sono raggruppati all’interno delle aree SA2. Le aree SA2 coprono in genere una popolazione media di 10.000 persone e consentono una copertura sufficiente delle famiglie raggruppate e dei loro buffer di rete stradale di 1,6 km. Sono riportati i rapporti di probabilità e gli intervalli di confidenza del 95%. Tutte le analisi sono state effettuate utilizzando SPSS e Stata IC 13.0.

Attuazione della politica di misurazione dell’accesso NAC

È stata effettuata un’analisi descrittiva per comprendere l’accesso NAC dei partecipanti al sondaggio VISTA. Il NAC più vicino è stato identificato per la località residenziale di ogni partecipante utilizzando la rete stradale. Sono state calcolate la distanza dal NAC più vicino e la percentuale di partecipanti che vivevano entro varie distanze di soglia. La prima soglia di distanza di 1 km si basava sulle attuali linee guida della politica di Victoria che stabiliscono che “l’80-90% delle famiglie dovrebbe trovarsi entro 1 km da un centro urbano di dimensioni sufficienti per consentire la fornitura di un supermercato” [42]. La seconda soglia di distanza si basava su recenti scoperte empiriche che suggerivano che la localizzazione di punti di ristoro locali a distanze fino a 800m può influenzare i viaggi a piedi con i mezzi di trasporto[48]. La terza soglia di distanza di 1,6 km si basava su una distanza comunemente usata per determinare i quartieri percorribili a piedi, che si dice sia associata al raggiungimento di una camminata veloce di 15 minuti[4, 56].

Risultati

Analisi dei cluster

I risultati dell’analisi gerarchica dei cluster hanno confermato che tre cluster sono appropriati per i dati NAC. La Tabella 2 e la Fig. 2 presentano rispettivamente le statistiche riassuntive e una mappa per la soluzione dei tre cluster.Tabella 2Descriptive Statistics per la soluzione dei tre cluster per NACsCluster:Complessivamente: n=534High(HW) : n=48Moderate(MW) : n=267Low(LW): n=219BuiltEnvironment VariablesMeanSDaMeanSDMeanSDMeanSDMeanSDMeanSDCommunityDesign Pedshed0.530.100,63 ^**0.040,57 ^**0.070,46**0,09 Risorse comunitarie11.037.7527,19 **6.2812,42 **6 ^.065,79 **2 ^,47 Negozi alimentari di piccole dimensioni16.5418.6362,63 **22.3217,55 ^**10,445,20 ^**3,19 Altri negozi al dettaglio21,3732,33101,77 **60,3618,97 **9,236,67 **4 ^,35 Supermercati3,643,5312,08 **5,533,55 **1 ^,791,89 **1, ⁰⁴Diversità dei supermercati1,170,471,020,141,110,381,26 **0,59 Fermate di trasporto70.2248.92183.52 ^**61.0076.51 ^**26.1837.71 ^**16.59 Diversità di trasporto2.131.043.71 **1 ^.052.44**0.841.40 **0^.56 Diversità di destinazione12.802.9215.85 **0 ^{. 3614}.14 **1. ⁶³¹⁰.49 **2. ^{82Connettività}direte stradale73.7433.94160.77 ^**20.2071.66 ^**21.5957.21 ^**14.54 Cul de sacs78.4360.02217.38 **75.7451.30 **25.6681.06 **40.09 Segmenti di cul de sacs≤120m lunghi64,5359,15210,19 **74 ^,7540,70 **23,7061,66 **35 ^,91 Rapporto di nodo collegato0.190,080,21 ^**0,050,13 ^**0,040,27 ^**0,06 Rapporto di nodo scollegato1,050,521,340,390,390,71 **0 ^,271,390,52 Perimetro del blocco principale1428,441023,18691,20218,72941,74381,672183,40 **1178,63 Rapporto di blocco calpestabile0 ^,520,200,78 **0,050.60 ^**0,140,37 ^**0,15 Rapporto di esposizione al traffico0,810,080,73 **0 ^,070,810,070,070,830,08Layoutdel lotto Diversità abitativa6,551,556,456,481,666,566,541,556,556,571,52 Densità abitativa netta20,9628,5576,99**65,3119^,82 **14,3810 ^,07 **2.97** Differenza significativa tra i rimanenti tipi di cluster basati su test post-hoc Tukey con p<0, 01a SDDeviazione standardFig. 2Map della metropolitana di Melbourne con i centri di attività di quartiere (NAC) visualizzati da walkability

Il primo cluster identificato aveva caratteristiche ambientali costruite più favorevoli ai pedoni o “altamente pedonabili” (HW) in termini di progettazione della comunità (cioè, rapporti pedonali più alti, valori medi più alti per tutte le destinazioni, e punteggi più alti di trasporto e diversità di destinazione); la rete di movimento (cioè, più alta connettività stradale, più alti rapporti di blocco pedonabile) e la disposizione dei lotti (cioè, più alte densità residenziali nette). Nonostante siano HW, questi NAC avevano un numero medio più alto di cul de sacs, e segmenti di cul de sac≤120m di lunghezza e quasi nessuna diversità di supermercati.

Il secondo cluster ha caratterizzato i NAC ‘moderatamente percorribili’ (MW) con valori moderati per la maggior parte dei domini di progettazione della comunità, della rete di movimento e del layout dei lotti. I NAC MW hanno avuto i valori più bassi per il cul de sacs e i segmenti di cul de sac≤120m di lunghezza, con rapporti di nodi connessi e disconnessi. Tuttavia, la diversità di destinazione vicino ai NAC MW rimaneva elevata ed era simile ai NAC HW; e, avevano anche valori medi simili ai NAC HW per il perimetro del blocco medio. I rapporti di esposizione al traffico nei MW NAC erano simili al cluster finale.

Il cluster finale è stato caratterizzato come ‘low walkable’ (LW) perché i NAC in questo cluster avevano i valori medi più bassi per la maggior parte dei tre domini sopra citati. La tabella 2 mostra che la bassa pedonabilità di questi NAC si rifletteva anche in alcune delle rimanenti variabili della rete di movimento (ad esempio, alto cul de sacs, segmenti di cul de sac ≤120m di lunghezza, grande perimetro medio del blocco e alto rapporto di esposizione al traffico). Al contrario, i NAC LW avevano i valori medi più alti per i rapporti dei nodi connessi, ma un valore medio simile a quello dei NAC HW per i rapporti dei nodi disconnessi. La diversità degli alloggiamenti era simile per tutti e tre i cluster.

Sono stati scelti tre casi di studio per illustrare le differenze nelle caratteristiche dell’ambiente costruito di ogni tipo di NAC. Le immagini aeree satellitari, le viste della facciata della strada e le statistiche riassuntive per ogni caso studio possono essere trovate nel file aggiuntivo online 2: Appendice 2 Casi di studio.

Fig. 2.Mappa della metropolitana di Melbourne con i centri di attività di quartiere (NAC) visualizzati da walkability

Posizione dei NAC

La Figura 2 mostra la distribuzione spaziale delle CNA per tipo di cluster. Le CNA HW sono generalmente situate vicino al Central Business District (CBD) con i rimanenti tipi di cluster distribuiti in base alla distanza dal CBD. Un piccolo numero di MW NAC si trovava in aree urbane esterne e un piccolo numero di LW NAC si trovava in periferia centrale.

Profili socio-demografici e comportamento a piedi

La tabella 3 presenta il profilo socio-demografico dei partecipanti al VISTA. Quelli che vivevano vicino ai CNA di HW, erano più propensi a studiare e a vivere in altre strutture domestiche. È anche più probabile che lavorino a tempo pieno e che abbiano un reddito superiore a 2500 dollari a settimana, e che vivano in aree con un basso livello di svantaggio. Mentre c’era un’alta percentuale di proprietari di veicoli a motore in tutti e tre i cluster, questa era più bassa (81%) per coloro che vivono vicino ai NAC HW.Tabella 3Profili socio-demografici dei partecipanti all’indagine nei vari tipi di centri di attività di quartiereCovariateWalkabilityOverall(n=19.984)N (%)Alta (HW)(n=757)N (%)Moderata (MW)(n=9.259)N (%)Bassa (LW)(n=9.968)N (%)SexMale9.516 (47.6)361 (47,7)4.344 (46,9)4.811 (48,3)Femmina10.468 (52,4)396 (52,3)4.915 (53,1)5,157 (51,7)Età46,34 (17,1)43,13 (15,8)46,85 (17,6)46.10 (16,6)StudioSì2.179 (10,9)128 (16,9)1.097 (11,9)954 (9,6) *No17.805 (89,1)629 (83,1)8.162 (88,2)9,014 (90.4)Occupazione Disoccupati6.225 (31,2)194 (25,6)2.932 (31,7)3.099 (31,1)*Casualità1.522 ( 7,6)54 ( 7,1)751 (8,1)717 (7,2)Part-time3.053 (15.3)115 (15,2)1.405 (15,2)1.533 (15,1)A tempo pieno9.184 (46,0)394 (52,1)4.171 (45,1)4.619 (46,3)Struttura della famiglia Coppia con bambini7.755 (38.)8)437 (57,7)3.867 (41,8)3.451 (34,6) *Coppia senza figli10.070 (50,1)195 (25,8)4.290 (46,3)5.585 (56.)0)Altre strutture delle famiglie2.159 (10,8)125 (16,5)1.102 (11,9)932 (9,4)Reddito<$6502.387 (11,9)102 (13,5)1.194 (12.9)1,091 (11.0) *$650-$10993,227 (16.2)105 (13.9)1,443 (15.6)1,679 (16.8)$1200-$19493,724 (18.6)125 (16.5)1,584 (17.1)2,015 (20.2)$1950-$24994,357 (21.8)132 (17.4)1,890 (20.4)2,335 (23.4)$2500+6,289 (31.5)293 (38.7)3,148 (34.0)2,848 (28.6)Possedere un veicolo a motoreNon possedere un motore946 ( 4,7)139 (18,4)609 ( 6,6)198 ( 2,00) *Proprietario di un veicolo a motore19.038 (95,3)618 (81,6)8.650 (93,4)9.770 (98.0)Svantaggio a livello di area ^bHigh5.545 (27,8)128 (16,9)2.535 (27,4)2.882 (28,9) *Medio5.798 (29,0)124 (16,4)2.442 (26,4)3.232 (32,4)Basso8.641 (43,2)505 (66,7)4.282 (46,3)3.854 (38.7)^*Significato statistico tra i cluster valutati con test chi-squared per le variabili categoriali e ANOVA per le variabili continue: p<0, 05a Mezzi^edeviazioni standard presentidb Sulla base dei decili^{IRSD SEIFA}dove 1-4 indicano livelli più alti di svantaggio basato sull’area, 5-7 è medio e 8-10 è basso

C’erano molte somiglianze nel profilo socio-demografico delle persone che vivono vicino ai NAC MW e LW. I partecipanti che vivevano vicino a queste due aree erano simili in termini di occupazione e di svantaggio a livello di area, con quasi un terzo dei disoccupati e circa due terzi che vivevano in aree ad alto o medio svantaggio. In particolare, i partecipanti che vivono vicino ai CNA di LW erano meno propensi a studiare e più propensi ad essere una coppia con figli rispetto ai partecipanti che vivono vicino ai CNA di MW. Quasi il 100% dei partecipanti che vivevano vicino ai NAC di LW possedeva un veicolo a motore (98%).

Un’analisi descrittiva del comportamento a piedi ha mostrato che il 22,1% o 4.412 partecipanti hanno intrapreso un qualsiasi trasporto a piedi e il 16,7% o 3.339 partecipanti hanno intrapreso un qualsiasi trasporto di vicinato a piedi.

Associazione tra il tipo di CNA e il trasporto a piedi

La tabella 4 presenta le statistiche descrittive delle distanze della rete stradale dai CNA. La distanza media per le persone che vivono vicino ai CNA HW è stata di 598,8 m (SD: 335,4 m). Le statistiche descrittive indicano che complessivamente il 76% dei partecipanti all’indagine ha avuto il NAC più vicino entro 1,6 km, il 44% entro 1 km e il 29% entro 800 m. Per le persone che vivono vicino ai CNA di HW, l’88% viveva nel raggio di 1 km, il che soddisfa il requisito della politica di Victoria che “l’80-90% delle famiglie dovrebbe trovarsi nel raggio di 1 km da un centro di attività di dimensioni sufficienti per consentire la fornitura di un supermercato” [42].Tabella 4Statistiche descrittive sulla distanza dal centro di attività del quartiere più vicino per tipoNeighbourhoodActivity CentreObsaMeanSDaMinMaxObs≤1.6km%≤1,6kmObs≤ 1km%≤ 1kmObs≤ 800m%≤ 800mHigh (HW)757598.8335.427.427.01.826.675499.666587.954872.4Moderato (MW)9.2591.002.6589.32.85,162.3800186.45,36858.0400543.3Low (LW)9,9681,459.6738.975.15,042.1638364.02,75227.6173617.4Overall19,9841,215.3708.92.92.85,162.315,13875.88,78544.0574128.7a^ObsNumero di osservazioni, SD Deviazione standardTabella 5Risultati di regressione logistica di qualsiasi trasporto a piedi e di qualsiasi trasporto di vicinato a piedi per tipo di centro di attività di vicinato (n=19.984) aNeighbourhoodActivity CentreAny transport walkingOR (95% CI)bAny neighbourhood transport walkingOR (95% CI)Low (LW)refrefModerate (MW)2.28 (1,96, 2,66^)***2,75 (2,26, 3,33^)***Alto(HW)5,85 (4,22, 8,11)^***8,66 (5,89, 12,72^)******p<0,001a^Modelliadattati per i seguenti fattori di confusione: sesso, età, studio, struttura della famiglia, reddito, proprietà di veicoli a motore, svantaggio a livello di area. Modelli stimati utilizzando la regressione logistica multilivello a 3 livelli secondo SA2, rapporti di^quotadi famiglie e singoli livellisb^Odds, CI Intervalli di confidenza

I risultati della regressione logistica multilivello hanno mostrato che, rispetto a quelli che vivono vicino ai NAC di LW, quelli situati vicino ai NAC di HW e MW avevano aumentato le probabilità di intraprendere 1 o più viaggi a piedi per il trasporto (HW, OPPURE: 5).85, IC: 4.22, 8.11 e MW, OR: 2.28, IC: 1.96, 2.66) e 1 o più viaggi di trasporto di vicinato a piedi (HW, OR: 8.66, IC: 5.89, 12.72 e MW, OR: 2.75, IC: 2.26, 3.33) (Tabella 5).

Discussione e conclusione

Risultati del cluster

Il clustering delle CNA per le caratteristiche del loro ambiente costruito ha prodotto tre cluster caratterizzati empiricamente dal loro livello di walkability coerente con le ricerche precedenti[4, 37]. Le tipologie di cluster NAC erano generalmente localizzate nelle aree interne, centrali ed esterne di Melbourne, il che, sebbene non analizzato qui, si riferisce al loro periodo di costruzione dal 1800 al^21° secolo. Nel complesso, le CNA più percorribili erano localizzate in quartieri più vecchi.

Sintesi e discussione dei risultati dei cluster ambientali costruiti dalla CNA

I NAC HW sono stati caratterizzati da una progettazione della comunità a misura di pedone, da una rete di movimento e da una disposizione dei lotti. Tuttavia, contrariamente a quanto ci si potrebbe aspettare, a Melbourne, gli HW NAC avevano anche alti valori di cul de sac – che hanno dimostrato di sminuire la pedonabilità di un’area[37, 57, 58]. Questo sembra essere dovuto al fatto che le strade del centro di Melbourne sono state progettate con un accesso posteriore per i servizi domestici e la raccolta delle fognature che ora forniscono l’accesso a blocchi suddivisi e piccoli appartamenti in stile monolocale. Inoltre, molte strade del centro città sono state bloccate per favorire il flusso del traffico sulle vicine arterie stradali invece che sulle strade residenziali. In effetti, nei NAC di HW sono state trovate più strade ad alto volume di traffico, come dimostra il basso rapporto di esposizione al traffico. I CNA di HW tendono ad essere situati su strisce commerciali in stile arteria principale che ospitano una varietà di negozi, servizi e trasporti pubblici di alta qualità, che insieme sono stati associati al trasporto a piedi [23]. Di solito, le reti stradali a griglia si trovano dietro queste arterie che forniscono un facile accesso pedonale, il che è coerente con la nozione di sviluppo orientato al transito[59].

Le NAC MW hanno mantenuto molte, ma non tutte, queste caratteristiche di questi ambienti edificati a misura di pedone con i valori più bassi per i segmenti di cul de sacs e di cul de sac≤120m di lunghezza, rapporti di nodi collegati e scollegati. Questo suggerisce che mentre queste aree sono percorribili a piedi e incoraggiano il trasporto a piedi, sono anche favorevoli alla guida, con le strade che mantengono una struttura a griglia aperta non ostacolata dai cul de sacs.

I CNA di LW avevano il design meno pedonabile ed erano più spazialmente dispersi nelle periferie esterne con una maggiore distanza da e tra i CNA, il che portava a potenziali disuguaglianze nell’accesso alle destinazioni abitative locali, alle opportunità di lavoro e al trasporto pubblico per i residenti in queste aree. Le statistiche sintetiche per le caratteristiche dell’ambiente edificato supportano la bassa pedonabilità di questi NAC con la struttura stradale curvilinea della strada un probabile contributo. I CNA di LW hanno mostrato ampi tratti di terreno dedicati al parcheggio delle auto, che si è dimostrato essere una barriera per gli spostamenti a piedi e una struttura che privilegia gli spostamenti con veicoli a motore come mezzo per raggiungere i CNA e altre destinazioni[60-62](vedi online File aggiuntivo 2: Appendice 2 Casi di studio).

Infine, indipendentemente dalla tipologia di NAC, sono apparse limitate le differenze nella diversità degli alloggi, con circa 6-7 diversi tipi di alloggi disponibili. In una certa misura, ci si aspettava una certa somiglianza nella diversità abitativa, poiché Melbourne è una grande città omogenea a bassa densità che si estende su tutta la città, in particolare nella periferia centrale ed esterna, dove le abitazioni staccate sono prominenti e dove la densità di riempimento inizia a manifestarsi solo ora[63]. La politica e la pratica potrebbero facilitare l’offerta di una maggiore diversità abitativa per soddisfare le diverse esigenze abitative nel corso della vita, facilitando l’invecchiamento in atto[64]. Una maggiore diversità abitativa è anche un buon modo per aumentare la densità abitativa, che favorisce la pedonabilità rendendo più redditizi i trasporti pubblici, i servizi e la vendita al dettaglio. Aiuta anche a fornire la città di 20 minuti[63, 65]. Tuttavia, almeno in Australia, l’attuale politica di pianificazione si concentra principalmente sull’aumento della densità abitativa nelle aree interne e centrali con meno enfasi sulle aree esterne. Tuttavia, lo sviluppo a bassa densità nelle aree periferiche periferiche non solo favorisce la dipendenza dai veicoli a motore, ma riduce l’accesso alla consegna anticipata dei trasporti pubblici, dei negozi e dei servizi. Queste aree hanno quindi bisogno del maggior numero di pianificazione e di sostegno politico[63], poiché molti studi dimostrano che dove viviamo possiamo influire sulla nostra salute [66-68] e l’accesso ai servizi è un fattore sociale determinante per la salute [69]. Inoltre, le metriche per i CNA di LW mostrano una bassa diversità dei trasporti e un basso numero di fermate di trasporto che aggravano lo svantaggio di queste aree, dal momento che i residenti hanno poca scelta se non quella di acquistare almeno un veicolo a motore per accedere ai posti di lavoro e ai servizi essenziali[70]. Questo è supportato dai nostri risultati, che mostrano una correlazione tra lo svantaggio a livello di area e la presenza di MW o LW NACs, suggerendo che c’è un certo schema socio-spaziale e disparità nella fornitura e nel tipo di NACs attraverso le periferie centrali ed esterne. Questa constatazione si allinea anche con la mancanza di attuazione delle politiche che consideriamo più avanti.

I diversi tipi di NAC sono associati al trasporto a piedi?

I modelli di regressione logistica multilivello che valutano l’influenza dei tre tipi di NAC sul trasporto a piedi hanno mostrato una tendenza significativa di aumento delle probabilità di qualsiasi trasporto a piedi e di qualsiasi trasporto di quartiere corrispondente ai NAC più percorribili a piedi. Quelli che vivono vicino ai NAC HW avevano probabilità 6-9 volte maggiori di camminare per il trasporto rispetto a quelli che vivono vicino ai NAC LW. Come altri autori[4, 29, 71, 72], questi risultati suggeriscono che le caratteristiche dell’ambiente costruito hanno una notevole influenza sul comportamento del trasporto a piedi nel fornire sia l’accesso che le destinazioni da raggiungere a piedi[27, 29, 59, 73].

Implementazione della politica di pianificazione della fornitura di supermercati

Pochi studi valutano oggettivamente l’attuazione delle politiche di progettazione e pianificazione urbana[43]. Abbiamo quindi valutato l’attuale requisito della politica statale secondo cui “l’80-90% delle famiglie dovrebbe trovarsi entro 1 km da un centro urbano di dimensioni sufficienti per consentire la fornitura di un supermercato”. Abbiamo scoperto che solo le famiglie situate vicino ai CNA di HW soddisfano il requisito della politica a una soglia di 1 km (88%). In effetti, solo il 28% delle famiglie con CNA ad alta densità abitativa ha soddisfatto questo requisito. Questo evidenzia le discrepanze tra i requisiti attuali e l’attuazione della politica, soprattutto per coloro che vivono in aree periferiche periferiche dove i CNA sono dispersi nello spazio, suggerendo un’applicazione iniqua di questa politica in tutta la città.

Per sostenere gli spostamenti a piedi e la salute della popolazione è necessario che ci si concentri maggiormente sull’adesione e sull’attuazione dei requisiti politici[43], soprattutto perché molte politiche non sono vincolanti, come in questo caso. I nostri risultati forniscono alcune prove per sostenere i governi a rafforzare i requisiti politici per ridurre la distanza tra le residenze e le CNA; e per sostenere maggiori sforzi nella valutazione dell’attuazione pratica delle politiche. Questi risultati forniscono una “chiamata all’azione” per fornire aree ben progettate che supportino le persone e le comunità. Questo è importante perché è difficile adattare i quartieri per costruire le CNA o per fornire altre infrastrutture importanti come parchi e spazi aperti, trasporti pubblici e scuole senza garantire l’assegnazione di un terreno adeguato a questi scopi nella fase di pianificazione dell’uso del suolo di uno sviluppo abitativo.

Punti di forza e limitazioni

L’attenzione alle misure oggettive dell’ambiente costruito che circonda le CNA è un punto di forza di questo documento. Contribuisce ad evidenziare l’importanza di altre esposizioni ambientali al di là di dove viviamo per influenzare i comportamenti di deambulazione[74-76], che possono differire per i diversi tipi di partecipanti [77,78]. Un altro punto di forza è la presentazione delle metriche dell’ambiente costruito che circonda le CNA. Queste sono presentate per diverse caratteristiche dell’ambiente costruito, che potrebbero informare le future linee guida di progettazione urbana. Queste metriche potrebbero anche essere utilizzate per valutare e monitorare gli sviluppi esistenti e quelli proposti e per l’adeguamento dei NAC LW agli standard fissati dai NAC MW o HW, se del caso. La fornitura di metriche per le singole caratteristiche dell’ambiente costruito e i risultati dell’analisi dei cluster che esaminano insieme diverse caratteristiche sono anch’essi punti di forza di questo documento, poiché è importante comprendere i tipi, le quantità e il mix di caratteristiche dell’ambiente costruito[40, 79].

Tuttavia, i limiti di questa analisi includono l’uso della rete stradale per i calcoli GIS della connettività stradale e dei cul de sacs, che possono ignorare altre reti accessibili a pedoni e ciclisti. Ciò potrebbe sottovalutare i valori di queste variabili di ambiente costruito. Allo stesso modo, altre caratteristiche dell’ambiente costruito potrebbero essere aggiunte all’analisi, come il numero di percorsi di trasporto, la lunghezza delle piste ciclabili o, le dimensioni o il periodo di costruzione del NAC. Questo può alterare la soluzione del cluster. Non abbiamo trovato alcuna associazione con la diversità abitativa. È possibile che la nostra variabile della diversità abitativa non fosse abbastanza sensibile alla variazione dei tipi di abitazioni. La ricerca futura potrebbe cercare di perfezionare questa variabile incorporando l’area dei lotti così come il tipo e la dimensione degli alloggi.

In questo studio, abbiamo utilizzato gli attuali documenti di pianificazione locale Plan Melbourne per definire e informare l’identificazione dei NAC. Il metodo adottato potrebbe aver mancato alcuni NAC. L’analisi si è concentrata sull’area circostante il CNA e ha misurato le associazioni con i viaggi di trasporto a piedi effettuati dai partecipanti al sondaggio nei loro quartieri d’origine, misurati da un buffer di rete di 1,6 km. E’ possibile che i partecipanti all’indagine abbiano intrapreso viaggi a piedi in altre aree (ad esempio, vicino al lavoro) e verso i CNA diversi da quello più vicino, come è stato ipotizzato in questo studio. Abbiamo usato dati trasversali e quindi non conosciamo la temporalità delle associazioni e di conseguenza non siamo stati in grado di valutare se le disparità socio-spaziali e le differenze nel trasporto a piedi fossero dovute all’auto-selezione o all’iniquità sociale o ad una combinazione di entrambi. Tuttavia, nell’indagine VISTA 2009-2010 non sono state raccolte informazioni sulle preferenze di quartiere e, mentre sono disponibili dati VISTA più recenti, uno sfasamento temporale tra l’indagine e i dati GIS ne ha negato l’uso. Questioni come queste, relative all’amplificazione della deprivazione[66] nella fornitura di servizi e nel trasporto attraverso Melbourne, sono complesse e vengono lasciate per lavori futuri. L’etichettatura delle tipologie di cluster in base ai livelli di pedonabilità (ad es. alta, moderata, bassa) è stata guidata empiricamente e si riferisce al contesto di Melbourne, Australia. Raccomandiamo che la ricerca futura collochi tali risultati nel contesto internazionale in linea con le evidenze emergenti sulle soglie per le variabili dell’ambiente edificato[10]. Ciononostante, i risultati mostrano che sono necessari determinati livelli per i tipi, le quantità e il mix di caratteristiche dell’ambiente edificato per supportare il trasporto a piedi. Infine, le variabili dipendenti sono state basate su un giorno di indagine che misura il comportamento dei trasporti a piedi. Come tali, le due definizioni di trasporto a piedi qui utilizzate erano insufficienti per determinare se i partecipanti all’indagine svolgessero o meno un’adeguata attività fisica.

Conclusione

Questo studio fornisce prove sul tipo, la quantità e il mix di caratteristiche dell’ambiente costruito che creano NAC percorribili. I risultati mostrano una distribuzione spaziale iniqua tra le aree metropolitane di Melbourne, con i NAC HW generalmente situati nelle aree interne e i NAC LW nelle aree esterne. Inoltre, i NAC LW nelle aree esterne hanno avuto meno probabilità di soddisfare le linee guida politiche sull’approvvigionamento dei supermercati, con queste aree che forniscono meno opzioni di trasporto attivo e con conseguente riduzione dei livelli di trasporto a piedi. Nel complesso, i risultati suggeriscono che sia le caratteristiche dell’ambiente costruito che la densità di abitazioni che circondano i NAC giocano un ruolo chiave nell’influenzare il comportamento di viaggio e in particolare il trasporto a piedi.

Le caratteristiche dei NAC HW che incoraggiano gli spostamenti a piedi includono: alta connettività stradale (media:161), alta diversità di destinazione (media:16), e alta densità residenziale (media:77). Queste metriche sono significativamente più alte dei NAC LW caratterizzati da una connettività stradale significativamente più bassa (media:57), diversità di destinazione (media:11) e densità residenziale (media:10). L’identificazione e la fornitura di statistiche e metriche riassuntive su un’ampia gamma di caratteristiche dell’ambiente edificato associate all’aumento degli spostamenti a piedi è richiesta dai decisori[19], e li aiuterà a sviluppare politiche di pianificazione e linee guida di progettazione urbana che creino comunità sane, più eque e sostenibili. Questo va oltre la retorica della necessità di comunità più vivibili, per fornire metriche su come questo può essere raggiunto. È necessaria una maggiore ricerca di questo tipo in diverse città.

File aggiuntivi

File aggiuntivo 1:Appendice 1 Campione VISTA. (DOCX 18 kb)File aggiuntivo 2:.Appendice 2 Casi di studio. (DOCX 1158 kb)

References

1. Frank LD, Saelens BE, Powell KE, Chapman JE. Stepping towards causation: Do built environments or neighborhood and travel preferences explain physical activity, driving, and obesity?. Social Science & Medicine. 2007; 65:1898-1914. DOI | PubMed
2. Sallis JF, Bowles HR, Bauman A, Ainsworth BE, Bull FC, Craig CL, Sjöström M, De Bourdeaudhuij I, Lefevre J, Matsudo V. Neighborhood Environments and Physical Activity Among Adults in 11 Countries. American Journal Of Preventive Medicine. 2009; 36(6):484-490. DOI | PubMed
3. Hooper P, Knuiman M, Bull F, Jones E, Giles-Corti B. Are we developing walkable suburbs through urban planning policy? Identifying the mix of design requirements to optimise walking outcomes from the ‘Liveable Neighbourhoods’ planning policy in Perth, Western Australia. International Journal of Behavioral Nutrition & Physical Activity. 2015; 12(1):1-11. DOI | PubMed
4. McCormack G, Friedenreich C, Sandalack BA, Giles-Corti B, Doyle-Baker PK, Shiell A. The relationship between cluster-analysis derived walkability and local recreational and transportation walking among Canadian adults. Health and Place. 2012; 18:1079-1087. DOI | PubMed
5. ; 2011.
6. Watts N, Adger NA, Annolucci P, Blackstock J, Byass P, Cai W, Chaytor S, Colbourn T, Collins M, Cooper A. Health and climate change: policy responses to protect public health. Lancet. 2015; 386(10006):e1861-e1914. DOI
7. . 2017;
8. Hirsch JA, Moore KA, Clarke PJ, Rodriguez DA, Evenson KR, Brines SJ, Zagorski MA, Diez Roux AV. Changes in the Built Environment and Changes in the Amount of Walking Over Time: Longitudinal Results From the Multi-Ethnic Study of Atherosclerosis. Am J Epidemiol. 2014; 180(8):799-809. DOI | PubMed
9. Creatore MI, Glazier RH, Moineddin R, Fazli GS, Johns A, Gozdyra P, Matheson FI, Kaufman-Shriqui V, Rosella LC, Manuel DG. Association of Neighborhood Walkability With Change in Overweight, Obesity, and Diabetes. JAMA. 2016; 315(20):2211-2220. DOI | PubMed
10. Sallis JF, Cerin E, Conway TL, Adams MA, Frank LD, Pratt M, Salvo D, Schipperijn J, Smith G, Cain KL. Articles: Physical activity in relation to urban environments in 14 cities worldwide: a cross-sectional study. Lancet. 2016; 387:2207-2217. DOI | PubMed
11. McCormack G, Shiell A. search of causality: a systematic review of the relationship between the built environment and physical activity among adults. International Journal of Behavioral Nutrition and Physical Activity. 2011; 8:125. DOI | PubMed
12. Ewing R, Cervero R. Travel and the Built Environment: A meta Analysis. J Am Plann Assoc. 2010; 76(3):265-294. DOI
13. Sugiyama T, Neuhaus M, Cole R, Giles-Corti B, Owen N. Destination and route attributes associated with adults’ walking: a review. Med Sci Sports Exerc. 2012; 44(7):1275-1286. DOI | PubMed
14. Forsyth A, Hearst M, Oakes JM, Schmitz KH. Design and destinations: factors influencing walking and total physical activity.(Report). Urban Studies. 2008; 45(9):1973. DOI
15. Saelens BE, Handy SL. Built Environment Correlates of Walking: A Review. Medicine & Science in Sports & Exercise. 2008; 40:S550-S566. DOI | PubMed
16. Koohsari MJ, Badland H, Giles-Corti B. Viewpoint: (Re)Designing the built environment to support physical activity: Bringing public health back into urban design and planning. Cities. 2013; 35:294-298. DOI
17. Durand CP, Andalib M, Dunton GF, Wolch J, Pentz MA. Systematic review of built environment factors related to physical activity and obesity risk: implications for smart growth urban planning. Obes Rev. 2011; 12(501):e173-e182. DOI | PubMed
18. Giles-Corti B, Vernez-Moudon A, Reis R, Turrell G, Dannenberg AL, Badland H, Foster S, Lowe M, Sallis JF, Stevenson M. City planning and population health: a global challenge. Lancet. 2016; 388(10062):2912-2924. DOI | PubMed
19. Sallis JF, Bull F, Burdett R, Frank LD, Griffiths P, Giles-Corti B, Stevenson M. Use of science to guide city planning policy and practice: how to achieve healthy and sustainable future cities. Lancet. 2016; 388(10062):2936-2947. DOI | PubMed
20. Stevenson M, Thompson J, de Sá TH, Ewing R, Mohan D, McClure R, Roberts I, Tiwari G, Giles-Corti B, Sun X. Land use, transport, and population health: estimating the health benefits of compact cities. Lancet. 2016; 388(10062):2925-2935. DOI | PubMed
21. Forsyth ANN, Krizek KJ. Promoting Walking and Bicycling: Assessing the Evidence to Assist Planners. Built Environ. 2010; 36(4):429. DOI
22. 2011, 12(3):217-230.
23. Hooper P, Knuiman M, Foster S, Giles-Corti B. The building blocks of a ‘Liveable Neighbourhood’: Identifying the key performance indicators for walking of an operational planning policy in Perth, Western Australia. Health and Place. 2015; 36:173-183. DOI | PubMed
24. McCormack G, Giles-Corti B, Bulsara M. The relationship between destination proximity, destination mix and physical activity behaviors. Prev Med. 2008; 46:33-40. DOI | PubMed
25. Cerin E, Leslie E, Ld T, Owen N, Frank LD. Destinations that matter: Associations with walking for transport. Health and Place. 2007; 13(3):713-724. DOI | PubMed
26. Heath GW, Brownson RC, Kruger J, Miles R, Powell KE, Ramsey LT. The Effectiveness of Urban Design and Land Use and Transport Policies and Practices to Increase Physical Activity: A Systematic Review. J Phys Act Health. 2006; 3:S55-S76. DOI | PubMed
27. Giles-Corti B, Bull F, Knuiman M, McCormack G, Van Niel K, Timperio A, Christian H, Foster S, Divitini M, Middleton N. The influence of urban design on neighbourhood walking following residential relocation: Longitudinal results from the RESIDE study. Social Science & Medicine. 2013; 77:20-30. DOI | PubMed
28. Hirsch JA, Moore KA, Evenson KR, Rodriguez DA, Roux AVD. Research Article: Walk Score® and Transit Score® and Walking in the Multi-Ethnic Study of Atherosclerosis. American Journal Of Preventive Medicine. 2013; 45:158-166. DOI | PubMed
29. : Johns Hopkins University Press. 2014;453
30. Washington, DC, TRB.; 2005.
31. Millward H, Spinney J, Scott D. Active-transport walking behavior: destinations, durations, distances. J Transp Geogr. 2013; 28:101-110. DOI
32. Portland; 2012.
33. Victoria: Department of Transport; 2014.
34. Australia: Department of Premier and Cabinet; 2016.
35. edn. Edited by Comtois C, Loo BPY, Hesse MP, Knowles RP: Farnham : Taylor and Francis, 2016.; 2015.
36. Kamruzzaman M, Baker D, Washington S, Turrell G. Advance transit oriented development typology: case study in Brisbane, Australia. J Transp Geogr. 2014; 34:54-70. DOI
37. McNally M, Kulkarni A. Assessment of Influence of Land Use-Transportation System on Travel Behavior. Trans Res Rec. 1997; 1607(1):105. DOI
38. Charreire H, Weber C, Chaix B, Salze P, Casey R, Banos A, Badariotti D, Kesse-Guyot E, Hercberg S, Simon C. Identifying built environmental patterns using cluster analysis and GIS: Relationships with walking, cycling and body mass index in French adults. International Journal of Behavioral Nutrition & Physical Activity. 2012; 9:59-69. DOI | PubMed
39. . 2008;7:43–3.
40. Adams MA, Sallis JF, Kerr J, Conway TL, Saelens BE, Frank LD, Norman GJ, Cain KL. Neighborhood environment profiles related to physical activity and weight status: A latent profile analysis. Prev Med. 2011; 52:326-331. DOI | PubMed
41. Akar G, Chen N, Gordon SI. Influence of neighborhood types on trip distances: Spatial error models for Central Ohio. International Journal of Sustainable Transportation. 2016; 10(3):284-293. DOI
42. Victoria; 2009.
43. Hooper P, Giles-Corti B, Knuiman M. Evaluating the Implementation and Active Living Impacts of a State Government Planning Policy Designed to Create Walkable Neighborhoods in Perth, Western Australia. Am J Health Promot. 2014; 28:S5-S18. DOI | PubMed
44. . 2016;
45. Cervero R, Kockelman K. Travel demand and the 3Ds: Density, diversity, and design. Transportation Research Part D. 1997; 2:199-219. DOI
46. Melbourne; 2011.
47. . 2016;8(1)
48. Gunn LD, King TL, Mavoa S, Lamb K, Giles-Corti B, Kavanagh A. Identifying destination distances that support walking trips in local neighborhoods. J Trans Health. 2017; 5:133-141. DOI
49. Manaugh K, El-Geneidy A. Validating walkability indices: How do different households respond to the walkability of their neighborhood?. Transportation Research Part D. 2011; 16(4):309-315. DOI
50. Victoria: Department of Sustainability and Environment; 2012b.
51. Victoria: Department of Sustainability and Environment; 2012c.
52. Edited by Pitney Bowes Ltd. Sydney; 2014.
53. Streiner D. Breaking up is hard to do: the heartbreak of dichotomizing continuous data. Canadian Journal of Psychiatry. 2002; 47(3):262-266. DOI | PubMed
54. Ewing RH, Cervero R. Travel and the built environment: a meta-analysis. Journal of the American Planning Association. 2010; 76(3):265-294. DOI
55. Hair JF, Black WC, Babin BJ, Anderson RE. Multivariate data analysis: Harlow Pearson Education Limited, Seventh edition. 2014.
56. Atlanta: US Department of Health and Human Services; 1996.; 1996.
57. ]Publisher Full Text
58. Zhang M. On the Cul-de-Sac vs. Checker-Board Street Network: Search for Sustainable Urban Form. International review for spatial planning and sustainable development. 2013; 1(1):1-16. DOI
59. Messenger T, Ewing R. Transit-oriented development in the sunbelt. Trans Res Rec. 1996; 1552:145-153. DOI
60. Rodríguez DA, Aytur S, Forsyth A, Oakes JM, Clifton KJ. Relation of modifiable neighborhood attributes to walking. Prev Med. 2008; 47:260-264. DOI | PubMed
61. . Research Report. 2013:513.
62. Victoria: Department of. Transport. 2009;
63. Victoria: Department of Transport; 2017.
64. Buffel T, Phillipson C, Scharf T. Ageing in urban environments: Developing ‘age-friendly’ cities. Critical Social Policy. 2012; 32(4):597-617. DOI
65. Durand CP, Andalib M, Dunton GF, Wolch J, Pentz MA. A systematic review of built environment factors related to physical activity and obesity risk: implications for smart growth urban planning. Obesity reviews : an official journal of the International Association for the Study of Obesity. 2011; 12(5):e173. DOI | PubMed
66. Macintyre S. Deprivation amplification revisited; or, is it always true that poorer places have poorer access to resources for healthy diets and physical activity?. The international journal of behavioral nutrition and physical activity. 2007; 4:32. DOI | PubMed
67. Macintyre S, Ellaway A, Cummins S. Place effects on health: how can we conceptualise, operationalise and measure them? Social Science &amp;amp. Medicine. 2002; 55(1):125-139.
68. Badland H, Turrell G, Giles-Corti B. Who does well where? Exploring how self-rated health differs across diverse people and neighborhoods. 2013.
69. Europe WHOROf, World Health O: Closing the Gap in a Generation Health Equity through Action on the Social Determinants of Health. Geneva: World Health Organization; 2008.
70. ; 2016.
71. King T, Bentley R, Thorton L, Kavanagh A. Does the presence and mix of destinations influence walking and physical activity? A multilevel study. International Journal of Behavioral Nutrition and Physical Activity. 2015; 12:115. DOI | PubMed
72. : Neighborhood environments and objectively measured physical activity in 11 countries. 2014, 46(12):2253-2264.
73. . 2015;9
74. Zenk SN, Schulz AJ, Matthews SA, Odoms-Young A, Wilbur J, Wegrzyn L, Gibbs K, Braunschweig C, Stokes C. Activity space environment and dietary and physical activity behaviors: A pilot study. Health and Place. 2011; 17(5):1150-1161. DOI | PubMed
75. Hirsch JA, Winters M, Clarke P, McKay H. Generating GPS activity spaces that shed light upon the mobility habits of older adults: a descriptive analysis.(Research). Int J Health Geogr. 2014; 13:51. DOI | PubMed
76. Perchoux C, Chaix B, Cummins S, Kestens Y. Conceptualization and measurement of environmental exposure in epidemiology: accounting for activity space related to daily mobility. Health &amp; place. 2013; 21:86. DOI | PubMed
77. Vallée J, Le Roux G, Chaix B, Kestens Y, Chauvin P. The ‘constant size neighbourhood trap’ in accessibility and health studies. Urban Studies. 2015; 52(2):338-357. DOI
78. Kwan M-P. The Uncertain Geographic Context Problem. Annals of the Association of American Geographers. 2012; 102(5):958-968. DOI
79. Meyer KA, Boone-Heinonen J, Duffey KJ, Rodriguez DA, Kiefe CI, Lewis CE, Gordon-Larsen P. Combined measure of neighborhood food and physical activity environments and weight-related outcomes: The CARDIA study. Health & Place. 2015; 33:9-18. DOI | PubMed