来源：期刊VIP网 时间：
作者：刘超;刘泽润;刁弥;
单位：同济大学建筑与规划学院城市规划系;同济大学智慧社区分试验中心;纽约大学坦登工程学院;
摘要：既有研究发现城市密度会影响常见慢性病的发病率，但其理论机制和实证研究尚不充分，城市大数据的涌现和人工智能的发展为探索这一复杂影响提供了新的思路和方法。笔者以美国大都市区内典型城市人口普查区为例，分析人口、建成环境和活动的多维度密度因素同常见慢性病之间的关系，通过可视化方法探明关系趋势，利用多种机器学习和可解释性方法厘清关键影响要素、非线性关系、关键阈值、要素之间的交互作用和空间上的分异，得出不同慢病之间的共性和特性。研究结果验证了城市密度对慢性病的重要作用，发现了密度与慢性病之间的复杂关系，以及在不同地区之间的规律差异。这对建设健康城市、引导城市可持续发展、提升宜居水平具有重要意义。
关键词：城市密度;公共健康;解释性机器学习;非线性关系;可持续发展
基金资助：国家重点研发计划项目（2022YFC3800804）; 北京大学林肯基金2021-2022(FS01-20211215-LC); 教育部产学合作协同育人专题（202102479005）
