武汉疫情社区空间特征与防疫圈层策略研究

1、包罗万象，网罗天下武汉疫情社区空间特征与防疫圈层策略研究国民健康与公共安全对国家的稳步发展具有重大意义，如何让城市合理高效的应对突发公共安全事件，提升城市防灾御灾能力，一直是规划学科的重点研究内容建国以来我国居住社区经历了几次重要的规划变革。20世纪50年代后，围合组团式生活空间由前苏联引入我国，社区的概念在国内开始逐渐形成，这些社区有强烈的对称性和秩序感，对当时的城市建设起到了一定的指导作用基于上述背景，本文选取武汉市265个疫情社区为研究对象，以社区空间特征分析为基础，构建潜在疫情风险评估模型，探讨社区与疫情发生的空间关联机制与防疫管控策略。文章首先对疫情社区空间特征与感染情况进行统计；其

2、次，基于相关性分析与多元逐步回归模型分析社区感染率与空间特征的关系，探索疫情社区不同空间特征与新冠疫情感染率的关联机制，建立风险评估模型；最后，结合防疫常态化要求及生活圈的空间格局，提出以“防疫圈层”为基础的社区防控策略。1武汉市疫情社区相关数据统计根据街道宣传媒体的报道，本文统计了2020年2月中旬武汉市在“社区封闭”政策前的社区感染人数数据数据整理后，共获得265个社区5089例患者的样本数据。在统计范围内，确诊病例达到30个的共有29个社区，占11%；病例数在2030之间的有73个社区，占总数的28%；病例数在1020之间的共163个社区，占总数的61%，平均每个社区感染人数为19人，最

3、小值为10人，最大值为80人。本次研究统计的疫情社区主要分布在武汉市中心城区（图1）。为表示社区感染程度，本研究借鉴医学专业的量化方式，引入感染率概念2 武汉市疫情社区特征分析2.1 样本数据检测对数据的代表性进行验证，以保证样本选取的科学性和合理性。在2020年2月中旬，武汉市累计总确诊病例为39462例2.2 检测变量选取本研究将社区感染率数据作为因变量，将社区空间特征作为自变量，构建社区空间特征与感染率关系的分析模型。结合相关研究成果2.3 自变量筛选合并为便于统计计算，将感染率数据结果乘100000，得到社区每10万人口的感染人数。利用双变量分析，筛选掉显著性小于0.05的自变量，共获

4、得容积率、建筑层数、建筑密度、出入口个数、总建筑面积、户型面积、内部商业类型、建筑年代、物业费、楼栋数、0.5km，1km，1.5km邻域范围内购物点、餐饮设施、休闲设施、医疗服务点以及1.5km邻域范围内发热门诊数量23项变量。对筛选后的指标进行共线性分析（表2），可以发现0.5km的餐饮设施、商业网点，1km的餐饮设施、商业网点、休闲设施、医疗服务点，1.5km的餐饮设施、商业网点、休闲设施、医疗服务点共10项存在变量2.4 多元逐步回归分析以每10万人口感染人数变量作为因变量，社区空间变量容积率、层数、建筑密度、用地面积、户数、出入口个数、户型面积、内部商业类型、物业费、老年人占比、建筑

5、年代、0.5km范围内的休闲设施与医疗服务点数量、1.5km范围内的发热门诊数量、部分服务设施变量作为自变量，进行多元逐步回归分析（表3）。对多个模型比较分析，选取拟合优度最高，且变量统计回归分析结果的系数表如表5所示，以户数、建筑年代、出入口个数为自变量的感染预测模型效果最优，模型中户数、建筑年代、出入口个数变量显著性Sig均小于0.05，说明用该模型对感染率变量评价是有效的。利用标准化系数的绝对值比较结果表示特征要素对感染率的影响程度，得到自变量的影响程度：户数>出入口个数>建筑年代，即三项自变量中，户数对感染率影响程度最大，出入口个数对感染率影响程度中等，建筑年代对感染率影响

6、程度最弱。根据回归分析结果，可获得社区潜在疫情风险评价模型：=-0.08其中，2.5疫情社区特征分析（1） 社区户数要素从分析结果可以看出，社区户数与社区感染率是反比关系，即社区规模越大，感染率越小，形成此类结果的原因可能有以下原因：一方面，在大规模建设过程中，部分地区被切割为若干小型社区，这些小型社区由于区位、自身价值不足以及快建设不重管理的特性，易成为城市中“被忽视的角落”，存在安全隐患；另一方面，大型社区的建设一定程度上具有积极意义在实际情况中，社区数量众多、情况复杂多样，大规模社区与小规模社区人数相差数十倍，由此带来的管理难度、空间特征存在较大的差异。由此未来应根据社区规模，基于更全面

7、的角度审慎对待，比如社区的物业管理、开发类型、居住人群、建筑年代、开放程度等一系列问题，尤其是小规模的社区管理策略，更需要与其实际的空间环境质量、居住人群等结合论证。（2） 社区出入口要素社区出入口也可以理解为社区管控严格程度，出入口少，管控程度高的社区，外部人员进入社区的可能性会降低，造成交叉感染的可能性会降低。本次研究结果还表明社区物业管理模式、产权类型、社区内部商业类型与社区感染率特征无线性关系。但是在研究中发现，物业管理费用在每月0.5元/以下、缺乏门禁管理系统、社区内部存在大量商业店铺的社区基本上均为老旧社区，由于这类社区的开放程度过高，对社区内部疫情防控和居民安全性均有一定影响。加

8、强社区管控与当前推行的开放社区并不相悖，一方面，开放社区设定街区规模较小，是相类比西方国家街区尺寸在200m以下的小型社区提出的（3） 社区建成年代要素中国的老旧社区和新建社区在空间布局上具有明显差异，老旧社区平面主要以行列式为主，建筑密度较高，道路开放，楼层普遍为46层，人群出入小区相对自由，由于住宅楼多临主街并有沿街商铺，处于潜伏期的感染患者有很大机率在社区内接触到外来人员，或者外来感染患者有机会将病毒带入到小区，增加了疫情在初始阶段的传播速度另外，研究发现社区周边商业属性、医疗属性、休闲属性、餐饮属性、公共交通属性的公共服务设施数量与社区感染率没有明显线性关系。本研究的数据收集正值202

9、0年春节期间，人口流动量大。社区周边公共服务设施面向服务人口的强流动性，削弱了公共服务设施地域性差异，造成了社区周边环境对社区实际感染情况影响的削弱。但结合生活圈的设计要求，从居民个体做为出发点，周边公共设施的完善有利于疫情期间人员远距离活动的减少，尤其对满足本区域居民的刚性需求有明显的积极意义。3“防疫圈层”社区防控体系策略多元逐步回归分析结果表明社区感染程度的预测是复杂的、并非与空间特征严格相关的，在实际空间数据分析过程中，依据潜在疫情风险评价模型对社区感染程度的预测，可以在相对程度上判断社区风险程度的高低。由此，结合防疫常态化以及生活圈的空间布局要求，构建以“防疫圈层”为基础的社区防控体

10、系策略，主要包含社区疫情潜在风险的评价与识别、“社区-生活圈-城市”防疫圈层的划分以及的防控机制三大部分(图3)。3.1 社区潜在疫情风险评价首先，基于社区潜在疫情风险评价模型结果，疫情社区主要和建筑年代、出入口以及社区户数有显著关联性。因此，可以对城市某些区域的社区疫情潜在风险进行初步评价，明确高风险、中风险、低风险社区，以便提前制定防控机制与紧急情况处理模式。例如某个区域的社区经过风险评估结果如图4所示，社区A、C属于低风险；社区B、E属于中风险；社区D属于高风险。3.2 划定“防疫圈层”其次，依据“社区-生活圈-城市”空间圈层体系，将社区按照不同风险等级定义防疫单元，划分防疫圈层，理清防

11、疫责任，为空间管控作必要准备；另一方面完善防疫圈层的服务能力，考虑居民的实际生活需求，尤其是刚性生活需求，明确配套设施的圈层空间归属，以实现圈层内部生活需求的全覆盖，包括社区医疗服务和基本生活配套，形成完整的内部服务系统，为居民日常生活的就地化解决提供便利。平时状态下鼓励与生活圈的协调共享，疫情状态下形成尺度合理的独立活动范围单元，衔接生活圈空间与行政管理单元，在城市内部达到“分级分类”的差异化防控效果。如图5所示，社区A、C属于低风险区，可以划分一个防疫单元，社区B、E属于中风险区可划分一个防疫单元，社区D划分为一个防疫单元。高风险社区应独立划分防疫圈层，单元内应包含一定的配套服务设施，满足

12、在疫情出现的情况下能够及时管控隔离，同时可以维持一定程度的“自给自足”；中风险和低风险的防疫单元可以适当结合，包括社区出入口设置的以及管理人员配备，并且保证配套设施一定的共享程度。3.3 构建社区预防方案与改进策略最后，结合区域情况，针对不同风险程度的社区，从圈层内的服务设施配置、管控方式、社区改造、规模划分、社区出入口数量设置、建筑物门禁管理等方面提出更进一步的优化措施与方案，达到降低潜在风险程度，为可能存在突发情况做好准备的目的。反思新冠疫情这一年的防控过程，由于疫情存在突发性，各城市基本实施“城市-社区”的疫情防控方式，虽然成效显著，但对居民日常的生活保障考虑欠缺，缺乏预判性，当某一地区出现疫情时，易造成一定的社会恐慌4总结与讨论本研究以城市社区为视角，探讨了如何先于疫情出现之前制定更加合理的防控措施。首先梳理武汉市265个疫情社区的感染率和自身社区空间属性特征的关系，利用多元逐步回归模型，识别与感染率存在线性关系的社区空间变量。从最终的分析结果可以看出，武汉市2月中旬的疫情社区感染率与社区建成年代要素、社区规模要素与管控特征要素存在线性关系，与社区周边公共设施要素、空间布局要素、人口要素不存在线性关系。基于分析结果，提出了社区疫情潜在风险评价模型、防疫单元划分、城市社区“防疫圈层”构建的预防管控体系，以期对疫情的预防以及社会