时空行为数据在医疗建筑设计中的应用研究进展

陈星任，马航，黎欣怡，王墨晗

0 引言

医疗建筑是最复杂的民用建筑之一。随着医学模式和技术的快速发展，以及社会、城市和自然环境的不断变化，学科融合、智慧医疗、包容性环境、院城融合、双碳绿色等关键词涌入医疗建筑设计之中，一时间加剧了相关研究的复杂性。此外，医疗建筑与人民健康和社会发展息息相关，对其进行可持续的、精细化的设计势在必行。相比于其他类型的建筑，医疗建筑设计是更加理性的[1]6，其过程强烈依赖相关研究得到的证据。既往的医疗建筑设计研究多在环境行为学的基本理论和方法框架下实施，但传统的环境行为数据受到渠道、容量、获取成本和客观性的制约，难以应对当下高度复杂和精细化的设计需求。

智慧医疗的介入为打破这一僵局带来了新的工具——时空行为数据。时空行为数据（spatio-temporal behavior data）是由携带时间和空间标签的个体活动数据形成的集合。它可以用来研究医护人员、患者及其陪同者如何随时间推移使用诊疗空间，以及他们在其中的移动和分布情况。相比于传统的环境行为数据，这种数据的获取和分析效率更高、动态性更强、时效性更好，可以覆盖更大的空间、更长的时间、更广的人群[2]。由于优势突出，面向医疗建筑设计的时空行为数据应用研究不断涌现，其中大量研究成果具有重要的学术和应用价值。考虑到当下缺乏对这部分研究的系统性梳理，本文基于Web of Science 核心数据库和中国知网数据库的国内外文献，归纳了在医疗建筑设计研究中应用时空行为数据的方法和主题，并建立了相应的研究框架，以期为今后的相关研究与实践提供科学依据和方法启示。

1 应用时空行为数据能够解决的医疗建筑设计关键问题

医疗建筑设计的基本任务是实现安全、高效的医疗流程，在此基础上还可通过设计手段优化医患体验、增强建筑应变能力、包容更多弱势群体、提升建筑性能并节约能源。著名医疗建筑师谷建将医疗建筑视为复杂的“交通建筑”，并指出其设计中的根本问题是处理好多种流线的关系[1]34。时空行为数据及其分析方法支持在短时间内对大量的患者、医护、陪护、物品等主体的复杂流线进行深度剖析，进而帮助设计师定量地明确诊疗空间的位置关系和规模，从而为医疗建筑的策划、设计、评估和优化提供科学依据，以达成安全、高效、应变、包容、绿色的设计目标。其中大量的研究是从效率角度出发的，主要针对患者和医护人员两种人群。例如，有研究基于急诊患者的电子病例数据挖掘其活动规律，进而将患者通行效率与搬迁成本、设计偏好进行统筹考虑，优化建筑布局[3]，还有研究以减少患者的等待和拥挤为目标，对急诊诊室数量[4]、等候座椅数量[5]或影像科等候区的规模进行预测[6]。而针对医护人员的研究多聚焦手术室、护理单元等，例如有研究基于手术室内的视频影像数据提出减少工作流线干扰的手术室布局优化方案[7]，还有研究通过对护士的时空行为进行分析提出护理单元的布局优化策略[8]。在效率角度之外，还有研究从安全角度出发，例如在急诊通过控制患者的密集度、邻近度和接触时长提出感染防控策略[9]。此外，还有一部分实证研究为新医疗模式与技术，以及突发公共卫生事件影响下的医疗建筑应变设计提供了科学依据。例如，有研究揭示了智慧医疗下的患者医疗流程和行为规律[10]，还有研究揭示了新冠疫情期间急诊患者医疗流程的变化[11]。在包容性设计方面，传感器自动获取的时空行为数据有助于追踪不便沟通或观察的人群，例如婴儿[12]、老年人或急诊患者[13]。此外，时空行为数据还可以支持考虑人群行为的绿色医疗建筑设计[14]。

2 时空行为数据的获取方法

在医疗建筑智慧化的支持下，时空行为数据除了传统的人工途径，当下更多地从传感器自动途径获取。由于人工途径的应用时间长且技术成熟，本文仅对其进行概述。同时，本文将详细阐述来源更广、获取效率更高、动态性能更好的传感器自动获取方法。

2.1 人工获取——观察与调查

人工获取时空行为数据的方法主要有观察法和调查法。观察法是指研究者在特定时间段或区域内，使用符号和文字注记对观察对象的位置、轨迹、行为等内容进行现场观察并记录的方法。例如，用曲线描绘护士在各房间之间的移动轨迹，用点标记护士间的交流互动[15]。最近，研究者也开始使用智能设备收集和存储观察数据。例如，使用平板电脑中的程序记录医患数量、活动内容、位置和持续时间[16]，或使用基于ArcGIS 平台的行为观察工具，实现对医患行为时空信息的实时记录与数据同步[17-18]。观察法可获得相对精确的行为信息，但是人力、时间成本较高，很难实现大规模、长时间的数据采集。

调查法一般通过活动日志、时间利用日志获取目标人群的基本信息以及某段时间内的出行和活动信息，包括活动内容、起止时间、位置、交通方式等[19]。如今，调查法的技术已经相对成熟，因此容易实施。但是，其缺陷是数据来源于被调查者的主观记忆，有可能会因其遗忘或失误产生偏差[20]。而且调查的规模也受人力和时间成本的限制，使研究的数据容量、客观程度和复杂程度都受到一定制约。

2.2 自动获取——传感器采集

通过传感器自动获取数据的方式一定程度上能够突破人工采集在数据规模、客观性、获取成本与效率等方面的局限性，因此该方式越来越受到研究者的青睐。常用的数据来源主要包括视频影像、无线定位和医疗信息系统。

2.2.1 视频影像

视频影像可以从现有监控系统中提取或通过布置摄像机进行采集，其中蕴含着丰富的人群行为和环境信息，可以通过计算机算法将其编码为时空行为数据。这类数据的定位精度高，可以支持多角度的研究[21-22]。然而，视频影像数据的缺点在于存储占用量大、分析计算量大，对软件和编码算法要求较高。该方法已经在国内外文献中使用并获得认可。例如周颖等对急诊连续24h 监控视频中663 名患者的时空行为数据进行采集与分析，从中获得了患者和陪同人数、到达与停留时间等信息[13]。Bayramzadeh 等对手术室中的25 例手术视频进行编码，提取了包括外科手术团队成员的位置、活动内容和流线干扰等信息[23]。

2.2.2 无线定位

随着室内无线定位技术的发展，在医疗建筑内可借助Wi-Fi、RFID 射频识别、蓝牙、ZigBee、UWB超宽带等无线定位技术获取医护人员和患者的实时位置信息，同时完成数据记录任务[24-25]。其中，Wi-Fi 定位技术依靠布设于建筑中的无线网络系统，借助智能手机或集成定位标签的手环，实现动态的轨迹追踪。该技术适用范围广且成本低廉，已用于追踪婴儿[12]和医护人员的轨迹[26]。RFID（Radio-Frequency Identification）无线射频识别技术能够基于非接触双向通信实现快速定位或跟踪携带电子标签的物品、人员[27-28]。该技术具有识别距离远、标签成本低且方便携带等优点。蓝牙定位技术通过预先布置蓝牙信号节点并让人员佩戴信号发射器实现数据采集。由于蓝牙信号在小尺度的环境中更稳定，因此更适用于追踪大厅、走廊和病房等室内场所中的轨迹[29-30]。ZigBee 定位技术是一种短距离、低功率的双向无线网络通信技术，可用于医患行为数据采集[31]。该技术成本低、延时短，可以让医患携带便携式终端来实时采集定位数据[32]。UWB（Ultra-Wideband）超宽带定位技术具有数据传输速度快、信号穿透力强、抗干扰能力强的优点，适用于在人员密集的场所中进行高精度定位数据采集。但是该技术的基站布设和硬件成本较高，目前只能在小区域内使用，常用于患者、婴儿、医疗器材、医疗废物的时空定位数据采集[33]。

2.2.3 医疗信息系统

医疗信息系统（Hospital Information System，简称HIS）是利用计算机软硬件技术和网络通讯技术对医院各阶段产生的数据进行综合采集、加工与管理的自动化系统。从中提取的电子病例数据（Electronic Medical Record，简称EMR）来源于实时自动记录，能够完整呈现患者的个人信息和就诊过程，包括各诊疗环节的时间、位置和内容等[34]。在取得相关部门批准的情况下，研究者可以从系统中提取数据。从电子病历数据中提取的患者时空行为数据覆盖面广、规模庞大、内容丰富，可用于识别患者医疗流程[35-36]、分析各科室间的关联程度[10]、研究空间拥挤程度和患者流量等[37]。

综上，各类时空行为数据的获取方法都有其优势和局限性（表1），需要根据实际情况进行选择或组合。

表1 时空行为数据获取方法对比，陈星任 绘制

3 时空行为数据分析的维度

时空行为数据的分析可以从时间和空间两个维度入手，其中时间维度的分析主要用于预测诊疗空间的规模，空间维度的分析主要用于分析或优化诊疗空间的布局。由于大部分文献聚焦于布局问题，因此从空间维度进行分析的研究多于从时间角度入手的研究。

3.1 时间维度

采用统计分析的方法可以研究患者随时间在不同空间中流动或停留的规律，通常以年、月、日、时为单位在不同精度上进行分析。大量研究表明，医疗建筑中总体的患者流量随时间的变化往往存在周期性，例如每周工作日患者流量较大、周末较小[38]（图1）；每日工作时间内上、下午均会出现患者流量高峰，午休和下班流量回落[6]（图2）。这样周而复始，形成潮汐规律。这种患者流量随时间变化的周期分析可以揭示某些诊疗或等候空间内患者人数随时间变化的规律，为预测未来一段时间患者流的变化[39-41]、测算诊疗空间的规模提供数据基础。例如，Williams 等基于“患者流量—时间”关系测算了急诊检查室的数量和门诊等候空间的大小[4-5]。Ai 等在分析了一天中影像科患者流量随时间变化的周期性规律后，预测了等候区的规模[6]。

1 一周内门诊患者流量的变化规律示例

2 一天内门诊患者流量的变化规律示例

3.2 空间维度

在空间维度下，用轨迹分析来描绘医护人员或患者在不同诊疗空间之间的流动、通行情况，揭示他们进行诊疗活动的时序和位置变化；用时空分布分析来描绘他们在不同时间段内于不同空间中的聚集、停留情况，体现随时间变化的空间热点。

3.2.1 医患轨迹分析

（1）粗略描述

OD（Origin-Destination）流分析从统计学角度反映移动对象的轨迹动态特征，是一种粗略地描述轨迹的起、终点和中途节点，但忽略其真实轨迹形态的方法[42]。该方法用于发现移动对象的活动锚点和范围，也用于识别群体移动规律，还可基于以上规律揭示物理空间的网络结构特征[43]。在医疗建筑研究中，OD 流分析常用的技术有流程挖掘（process mining）、患者流分析（patient flow analysis）和工作流分析（workflow analysis）。流程挖掘通过数据挖掘或机器学习进行模式识别，建立集成诊疗活动时间、位置和内容信息的流程模型，进而解析医疗流程中各项活动之间的关系，常用流程图或流图（flow chart）进行可视化表达[44]（图3、4）。荷兰埃因霍芬大学Mans 团队的系列研究首次证明了该技术在医疗建筑中研究患者医疗流程的适用性[10,45]。韩国延世大学的Rismanchian 和Lee 的系列研究使用该技术发现了急诊患者的临床路径和活动模式，并为后续的布局优化提供依据[46,3]。患者流分析是研究患者如何在医疗建筑中移动的系统过程，其目的是明确医疗活动中的瓶颈并对其进行改进，以提升患者满意度和体验，常用从至图（From-to Chart）进行可视化表达（图5）。芬兰SKA 研究中心Karvonen 团队的系列研究使用该技术对患者的转移次数和通行距离进行了统计分析，并为后续的布局优化奠定基础[47-48]。与患者流类似，可以使用统计分析与数据可视化技术对医护人员的工作流进行系统的分析。Bayramzadeh 等使用该技术研究了手术室中护士的工作流模式和干扰，进而明确了手术室分区的邻近性关系[23]。

3 流程图示例

4 流图示例

5 从至图示例

（2）精确描述

精确地描述医护人员或患者的轨迹通常需要混合多种时空行为数据，例如将电子病例数据与Wi-Fi定位数据或视频数据相结合，再将轨迹曲线叠置于2 维的建筑平面或3 维的建筑空间模型中。与OD 流分析相比，轨迹分析的精确程度和可视化程度更高，结果更加直观、可读性强。但在数据量较大的情况下，需要耗费较高的时间和人力成本，也更容易造成信息重叠、结果难以识别等问题。目前，在医疗建筑中使用轨迹分析的研究多集中在手术室内，通过对医护人员的轨迹进行分析，总结其活动模式，评估手术室布局的合理性[7,23]。

3.2.2 医患时空分布分析

时空分布分析将一定时间范围内的个体时空行为数据在空间维度上进行聚类，其目的是揭示人群随时间变化在空间中聚集或停留的热点位置和程度。因此，时空分布分析常采用将热力图（heatmap）与建筑平面图相叠合的方式表达，以此来揭示不同时间段的空间利用情况，进而发现人群高度聚集或拥堵的区域[49]。例如，Grzywinski 等基于观察数据生成了护士的时空分布热力图，直观地在建筑平面中呈现出护士相对集中的区域[17]。

4 医疗建筑设计中应用时空行为数据的研究主题

目前在医疗建筑中，时空行为数据的采集对象主要是医护人员和患者，其应用场景主要包括门诊、急诊、住院等规模较大且功能复合的区域，以及等候区、手术室等规模较小且功能相对单一的空间。此类研究所涉及的主题主要包括诊疗空间的布局和规模，其中布局问题又分为诊疗空间的邻近性关系、诊疗空间布局对医患行为的影响和诊疗空间布局优化3 个部分。相关文献更多地关注布局问题，对规模问题的研究虽有少量文献涉及但并非重点。对以上两个主题的研究通常基于描述解释、模拟预测或设计优化3 种范式展开：（1）呈现真实的医疗流程，揭示医护人员或患者在时间和空间维度的流动及分布规律，从而反映诊疗功能之间的关联关系，或探究医患行为与诊疗空间布局的关系；（2）基于对患者流时空特征的分析，采用模拟的方法预测诊疗或等候空间的规模；（3）基于医疗流程、患者流、工作流，对现有的诊疗空间布局进行优化或生成理想的布局方案（图6）。

6 医疗建筑设计中应用时空行为数据的研究主题

4.1 诊疗空间的布局研究

4.1.1 明确诊疗空间的邻近性关系

诊疗空间的邻近性关系是任何医疗建筑布局的基础问题，也是核心问题[50]，是设计医疗建筑平面的重要前提[51]，也是优化医疗建筑布局的科学依据。基于时空行为数据的邻近性关系研究通常通过流程挖掘、患者流分析、工作流分析来实现。在流程挖掘方面，周颖等利用视频监控数据研究了急诊患者的轨迹，并挖掘了科室的关联规则[13]。Rismanchian 和Lee 基于医疗信息系统数据对急诊患者的医疗流程进行了挖掘，发现了不同诊疗活动之间的时序和位置关系[46,3]。在患者流分析方面，Karvonen 等通过患者流分析得到了心脏医院主要功能之间的邻近性关系[52]。在工作流分析方面，宣晓东等通过分析护理单元中的护士流明确了护理工作空间的邻近性关系[53]。

4.1.2 评估诊疗空间布局对医患行为的影响

诊疗空间的布局通常对医疗机构的运营效率、医护人员的合作方式以及患者的等候、通行和隐私产生不同程度的影响[16,54]。基于时空行为数据，既可以对比不同布局模式对医患行为的影响，也可以识别由布局带来的医疗流程瓶颈。在这里，一部分研究是针对医护人员的。例如，基于观察记录数据或传感器采集数据，探究护理单元布局对护士工作的影响[15,55-57]；又如，基于手术视频数据，评估手术室空间设计和设备布局对流线干扰的影响[23,58-59]。还有一部分研究也涉及到患者。例如，基于跟踪观察数据，对比线性和单元式的门诊布局对医护人员工作以及患者流动的影响[16]。

4.1.3 优化诊疗空间的布局

在时空行为数据的支持下，研究诊疗空间的邻近性关系或评估现有布局对医患行为的影响是进行布局优化的基础工作，后续的优化途径可分为两类：一类是通过识别现有布局的问题提出改进策略或方案，另一类是结合计算机算法来优化现有的布局或生成理想的布局方案。

（1）非计算性设计优化

在单一科室的研究中，杨乐等基于视频监控获取的患者行为数据结合模拟的方法，提出在急诊最大限度降低传染病感染风险的空间和管理优化策略[9]。在跨科室的研究中，Karvonen 等基于电子病历数据，对心脏医院的主要功能进行了邻近性关系分析，并在此基础上提出了该医院新建项目的方案且验证了其优越性[52]。Peng 从患者旅程的视角，基于门诊、住院和急诊患者的电子病例数据对真实的医院案例提出了优化建议[60]。在手术室内部的研究中，Shultz 等基于视频影像数据，探究了布局对医护工作流和手术室空间利用率的影响，提出了减少手术室人员碰撞和拥挤，并提高医疗设备可达性的布局方案[7]。在护理单元的研究中，宣晓东等基于行为观察和访谈数据，分析了空间与护士活动的关系，并提出了空间优化的策略[8]。

（2）计算性设计优化

将时空行为数据分析与计算性设计相结合是当下研究中呈现出的一个重要热点。此类研究通常将时空行为数据作为输入，通过算法求解单一或多目标的布局优化方案。其中，单一目标优化常以缩短患者的移动距离为目标[46]。然而，以单一目标进行优化往往与医疗建筑设计的实际需求相去甚远，因此越来越多的学者引入了多目标优化的方法。例如，Zuo 等在满足急诊各功能之间紧密性要求的前提下，以急诊患者流动成本最小为目标，采用多目标禁忌搜索生成了多种布局优化方案[61]。Rismanchian 和Lee 以最小化非危重患者总移动距离、最小化危重患者总移动距离、最小化现有科室的搬迁成本和最大化设计偏好为目标，生成了急诊最佳布局方案[3]。

4.2 诊疗空间的规模研究

基于时空行为数据，可以预测患者流动与分布的趋势，还可以基于此对医疗空间资源的配置进行科学的决策。例如，Duma 等以急诊电子病历数据为基础，提出了预测患者路径随时间变化的模型[36]，这可以作为预测诊疗空间规模的基础性研究。Williams 等利用急诊患者流量数据建立了仿真模型，确定了急诊所需要检查室的数量[4]。该团队还从医疗信息系统中提取了电子病例数据，建立了流程模型并统计了患者就诊流程的时长，测算了门诊候诊空间的大小以及座位数量[5]。Ai 等基于患者的电子病例数据，建立了关于患者停留人数的“概率—停留时长”曲线，精准地预测了影像科等候区的规模[6]。

5 结语

5.1 时空行为数据在医疗建筑设计中的应用研究框架

智慧医疗设备与系统，以及大数据分析方法的快速发展为时空行为数据的获取与分析带来了更加丰富的渠道和可靠的技术。这在一定程度上缓解了传统数据及其分析技术对解决医疗建筑设计复杂性和精细化问题的制约。由此可见，时空行为数据对于医疗建筑的设计研究具有重要意义，也为医疗建筑中的环境行为研究带来了思路、范式、方法和成果上的创新动力。在这一契机下，本文在文献综述的基础上提出了时空行为数据在医疗建筑设计中的应用研究框架（图7）。这种数据可以通过人工和自动两种渠道获取，其中涉及观察与调查这类传统的获取方法，也包括视频影像、无线定位和医疗信息系统这类自动采集大数据的方法。由于这种数据携带时间和位置标签，因此通常可以从时间和空间两个维度展开分析，其中既包括使用统计分析技术的“流量—时间”关系分析，也包括使用流程挖掘、患者流分析、工作流分析技术的轨迹和时空分布分析。这些分析技术通常从描述解释、模拟预测和优化设计3 个层面对两类主题——诊疗空间的布局和规模展开研究。其中，大部分文献着重探讨的是布局问题，包括诊疗空间邻近性关系、诊疗空间布局对医患行为的影响，以及诊疗空间布局的优化等内容；少量文献关注规模研究，即基于患者的流动与分布情况预测诊疗或等候空间的规模。希望该框架能够为今后的相关研究和设计实践提供内容上的启发和技术方法上的指引。

7 时空行为数据在医疗建筑设计中的应用研究框架

5.2 时空行为数据在医疗建筑设计中的应用研究评述与展望

医护人员和患者的行为数据一直是医疗建筑设计研究的重要基础，而带有精确的活动时间、位置和内容标签的数据是医疗建筑设计研究中更新、更强的工具。相较于传统的数据，它具有获取与分析效率高、数据量大、客观性强、动态性强、能够与计算性设计无缝衔接等优势。时空行为数据在医疗建筑设计研究中的应用价值正在逐渐被国内外学者和建筑师所认识和重视。在过去的发展中，相关研究取得了重要进展，并呈现出以下研究现状和趋势：

（1）该领域学者及机构的学科交叉范围广且程度深，跨学科合作关系良好且稳定。时空行为数据在获取、分析和解读的过程中涉及到诸多学科的配合，其中包括信息技术科学、数据科学、临床医学、医疗管理学、建筑学、环境行为学等。这体现在既往文献作者及其机构高度交叉的学科背景和与相关研究机构的深度合作上。例如，在该领域形成系列研究的团队包括芬兰的SKA 研究中心，其研究方向由计算机支持的工业管理逐渐过渡到医疗管理和医疗建筑设计，并且与多家临床医院具有学术合作关系；韩国延世大学的Rismanchian 和Lee 研究团队呈现了由信息和工业工程向医疗建筑的计算性设计跨越的态势；代尔夫特理工大学的Sariyildiz 团队属于建筑学领域但其研究融合了大量的数学理论和计算机算法，形成了跨学科的研究集群[62]。可见，该领域的部分学者已经在学科交叉方面做出了深度的探索，并取得了丰富的成果。在未来的相关研究中，学科交叉的范围和程度必定会继续扩大和加深，信息与数据类、医学类、建成环境类学科将会在这一领域形成相对稳定的合作关系。

（2）大数据及其分析方法应用广泛且成果丰富，但未来应注意多源数据与多种方法的混合使用。由于数据自动获取技术的快速发展，现阶段的研究中大数据分析逐步占据主流地位，因此定量的研究方法和分析技术应用得十分广泛。例如，在数据分析阶段常用的流程挖掘、患者流分析、工作流分析；在模拟预测阶段常用的离散事件模拟；在优化设计阶段常用的数学建模和算法技术等。在定量研究的框架下，在医疗建筑中使用时空行为数据的文献呈现出了相对成熟且趋同的研究模式。然而，这种研究模式具有一定的局限性——对于数据的分析在于呈现规律而非解释规律，将分析结果作为模拟或优化工作的基础而不继续挖掘其背后的环境行为学原理。这样做的弊端是大量的数据分析工作仅呈现现象，而对现象背后的本质问题和理论思考不足，更严重的后果是盲目偏信数据，忽视数据分析在研究中的适用性问题。当下，学者们逐渐认识到这些问题的严重性，也开始思考使用多源数据和混合方法的必要性。这使得进一步解释医疗建筑空间环境对医患行为及其健康结果的影响机制成为可能，进而也将更有利于从深层原理上支持医疗建筑设计的实践工作。

在未来，一方面医疗建筑设计将因医学模式，技术设备，社会、城市、自然环境发展的复杂性和不确定性而面临更多的挑战[63]；另一方面智慧医疗、信息技术和人工智能的快速发展将为时空行为数据带来更多的获取源头和分析方法，成就新的机遇[64]。今后，在医疗建筑设计研究中应用时空行为数据及其分析方法应该更多地关注以下几个问题：（1）转化医学和多学科会诊是当下国内外医疗机构推崇的新模式[65]，这些模式必将带来医患行为模式的改变。如何将这部分新数据作为嫁接医学模式和建筑空间的媒介，从而实现循证的研究型医院、卓越中心和多学科会诊中心设计是一个关键问题。（2）智能穿戴设备、远程医疗、机器人辅助对诊疗空间模式产生重大影响[66]。针对这个问题进行精细化的定量研究需要时空行为数据的支持。然而，在这种语境下的时空行为数据将不再局限于对医患人群的分析，也可能是对设备和信息的追踪。这将把时空行为数据应用研究的对象从实体转变为虚拟[67-68]。（3）面对未知的公共卫生事件和灾难，医疗建筑设计将更多地关注应急变化和弹性发展[69]。要想知道这种变化具体是怎样的、将会怎样发展，以及建筑设计应该如何应对是需要动态数据支持的。时空行为数据因具有实时性和动态性，将会在未来越来越多的应急场景中发挥至关重要的作用。（4）将视野扩大到城市范围，医疗建筑在今后将不再是“疾病的孤岛”[1]60。它将更多地融入社区和城市，将医疗服务延伸到城市之中[70]，也将城市功能混合到建筑之中[71]，形成“院城融合”的概念[72]。在这个过程中，时空行为数据可以为医疗设施在城市中的规划[73]与选址[74]，以及医疗建筑周边的城市交通问题提供解决方案[75]。（5）当下医疗建筑具有单元化、平台化、综合化、立体化的发展趋势[1]16，在规模扩大和24 小时持续运转的情况下[76]，其能耗是居高不下的。面对“双碳”目标，医疗建筑如何实现节能减排是全球共同关注的话题。在其中，考虑患者、医护人员、陪护人员时空行为的绿色建筑研究是十分关键的[14]。基于对未来医疗建筑设计问题的深入思考，结合时空行为数据在获取途径、分析精度、挖掘工具和应用场景等方面的不断创新，相信今后的医疗建筑一定能更好地回应医学、技术、社会、城市和自然提出的多样化需求。□（感谢哈尔滨工业大学（深圳）建筑学院硕士研究生黄佩莹同学提供图4供本文示例。）