美国社区时间使用数据集

美国社区时间使用数据集涵盖了2019年至2024年间美国49个州的社会基础设施场所的时间使用情况，包括从普查区到都市区的多个地理尺度。该数据集利用了匿名和汇总的行人交通数据，并分析了社会基础设施时间使用的长度和深度、活动多样性和空间不平等性。该数据集可用于跨学科研究，旨在解决时间地理和公共卫生等领域的问题，并指导社会基础设施的规划和使用。

The American Community Time Use Dataset documents time use patterns at social infrastructure sites across 49 U.S. states between 2019 and 2024, spanning multiple geographic scales from census tracts to metropolitan areas. This dataset leverages anonymized and aggregated pedestrian traffic data to analyze the duration and intensity of time use at social infrastructure locations, along with activity diversity and spatial inequality. It supports interdisciplinary research addressing issues in fields such as time geography and public health, and can guide the planning and utilization of social infrastructure.

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于2019年至2024年间在美国本土49个州收集的匿名化聚合人流数据，以人口普查区作为社区代理单元。研究团队基于北美行业分类系统代码，识别出涵盖购物、体育锻炼、餐饮、娱乐、社交互动及宗教参与等七类社会基础设施场所的兴趣点。通过处理移动设备记录的访问时长分布，采用加权聚合方法计算每周居民在各类场所的时间投入，并引入香农多样性指数与基尼系数，量化时间使用的多样性与空间不平等性，最终生成从普查区到大都市区多尺度的标准化时间序列数据集。

特点

本数据集的核心特点在于其首次实现了全美范围内社会基础设施时间使用的空间化解构，提供了从2019年1月至2024年5月的周度时间序列。它不仅捕捉了居民在各类社会基础设施场所的访问时长与深度，更通过香农多样性指数揭示了时间分配的丰富度与均匀性，并利用基尼系数刻画了不同地理单元内时间使用的空间不平等格局。数据集与人口普查及美国时间使用调查等权威数据具备良好的一致性，同时展现出更细微的时空模式，为跨学科研究提供了高分辨率、可扩展的实证基础。

使用方法

研究人员可通过开放科学框架获取该数据集，其中包含按普查区、县分区、县及大都市区层级组织的周度表格文件。数据集支持与CDC PLACES、气候脆弱性指数等公共健康与环境数据链接，便于开展社区层面的健康公平研究。用户可基于时间序列分析追踪重大事件前后时间使用的演变，或利用空间自相关方法探索区域差异。在使用时需注意移动设备面板的代表性偏差，建议结合本地人口覆盖率数据对分析结果进行审慎解读与校正。

背景与挑战

背景概述

社会基础设施作为塑造社区福祉的关键要素，通过促进社会文化互动、支撑服务供给以及丰富环境体验发挥着核心作用。尽管其空间可达性研究已取得进展，但由于缺乏全国性高分辨率时空数据集，社会基础设施场所的时间使用模式长期未被充分探索。为填补这一空白，佛罗里达大学建筑环境研究所的Yan Wang与Ziyi Guo等人于2025年主导创建了美国社区时间使用数据集。该数据集整合了2019年至2024年间覆盖美国本土49州的匿名化人流数据，旨在量化社区层面在社会基础设施场所的停留时长、活动多样性及空间不平等性。通过构建从人口普查区到都会区的多尺度时间序列指标，该数据集为时间地理学、公共卫生及城市规划等跨学科研究提供了重要的实证基础，推动了从静态空间分析向动态时空行为研究的范式转变。

当前挑战

该数据集致力于解决社会基础设施时间使用模式量化与空间解析的核心挑战。在领域问题层面，传统调查数据如美国时间使用调查虽能反映个体时间分配，但缺乏高分辨率空间信息，难以揭示社区间的时间使用差异及其与建成环境的关联。在数据构建过程中，研究团队面临多重技术挑战：首先，原始移动设备数据存在样本代表性偏差，需通过面板覆盖率校正与人口加权方法确保时空可比性；其次，停留时间数据以预设区间形式记录，超过240分钟的长时停留无法精确区分工作与休闲活动，可能影响部分场所的时间使用估算；此外，共置兴趣点的访问记录重复问题要求开发数据去重算法，以避免社会基础设施时间使用指标的高估。这些挑战的应对策略共同保障了数据集在时空精度与统计稳健性方面的科学价值。

常用场景

经典使用场景

在社区规划与公共健康研究中，美国社区时间使用数据集为分析居民在社会基础设施场所的时间分配模式提供了关键数据支持。该数据集通过整合匿名化的移动设备访问记录，量化了居民在购物、餐饮、体育娱乐等七类社会活动中的停留时长与访问频率，为揭示社区层面的社会互动强度与空间行为特征奠定了实证基础。

实际应用

在实际应用中，该数据集支持城市规划者优化社会基础设施布局，提升公共服务可达性与使用效率。公共卫生部门可借助时间使用模式识别弱势社区，设计针对性干预措施以促进健康公平。此外，数据的时间序列特性有助于评估自然灾害或公共卫生事件对社区社会活动的影响，为韧性城市建设提供决策依据。

衍生相关工作

基于该数据集衍生的经典研究聚焦于社会基础设施时间使用与社区福祉的关联分析。学者们利用其多尺度时空指标，探索了城市形态对居民活动多样性的影响，验证了时间贫困与人口特征的空间相关性。这些工作进一步推动了时间使用指标与CDC健康数据、气候脆弱性指数等公共数据的融合，拓展了城市健康公平研究的深度与广度。