面向城市设计的环境实景感知实证研究（《南方建筑》年第四期）
作者陈筝１ SebastianSchulz２ 吴杭彬３ 于珏４
作者简介 1同济大学建筑与城市规划学院、同济大学高密度人居环境实验室，讲师；2德国BüroStadtVerkehrGmbH咨询公司，GIS工程师；3同济大学地理信息与测绘学院，讲师；4同济大学外国语学院，讲师
摘要 随着人们对生活期望的提高，城市设计开始越来越注重空间环境如何提升城市生活的质量和健康。神经科学和计算机图形学等技术的发展让我们能够更好的描述和测量物理环境对人情绪、认知等心智健康的影响，也能够更好的控制模拟环境刺激。文章简要总结了近两年来课题组在环境感知测量及设计决策支持方面的研究进展，主要包括基于脑电和脑网络分析的环境认知能力影响、基于自主神经反馈的环境情感地图分析和情绪测量，以及基于激光扫描的虚拟环境构建等方面。
关键词 环境神经科学；情感地图；脑功能网络分析；虚拟现实
1背景
随着城市化建设的推进和生活水平的改善，中国的城市建设工作中心也由过去20年粗放扩张的模式向追求高质量、健康的城市生活转变。《中共中央国务院关于进一步加强城市规划建设管理工作的若干意见》明确了城市设计、生态基础设施和污染治理等方面在当下城市建设工作中的重要性。
２研究进展
研究表明，优美的城市环境，比如包括公园在内的绿色公共开放空间，对于切实提高人们的健康水平紧密相关，特别是情绪健康和认知水平。西方相关研究表明，亲近自然，不管长期还是短期，对城市居民的生理及心理健康都有良性影响。即便只是短时间的亲近自然，也可以有效地降低血压、缓和自主神经兴奋、改善抑郁及负面情绪、减缓压力、并提高注意力等认知水平。一项针对绿地长期健康效应的流行病统计结果表明，在公园1km半径内居住经常接触绿地的居民，其冠心病等诸多疾病的发病率显著低于居住在离公园更远地区的居民。
除了自然要素以及可能随之带来的污染防治和生态效应，环境审美对人的健康也产生了深远影响。审美是各种空间设计和平面设计 虽然研究表明环境感受直接影响人们的健康，但环境感受的描述和测量一直是一个难题。环境体验很大程度上是一种复杂的情绪感受，甚至有些是域下感知的内隐情绪。传统研究主要依赖于访谈和问卷。随着心理学的进步，在50～60年代开始采用Likert结构性量表，用近似的方法量化定性数据，并结合统计学方法挖掘人们自己都没有意识到的问题，比如用主成分分析方法挖掘环境压力源。随着20世纪90年后神经科学的迅速发展，认知心理学对情绪的测量也取得了进步。认知神经科学家发现情绪可以被理解成情绪效价、唤醒度、趋向/趋避等3个维度，各个维度对应着不同的神经系统反应，可以通过测量相应的中枢神经或自主神经的电化学活动予以测量并描述。
３课题研究及进展
为了通过城市设计切实改善城市居民的健康和生活满意度，准确的测量和描述人们在实景环境中的感知，以及实景感知对人们情绪及认知能力的影响变得十分重要。尽管环境视觉感知领域有深厚科研积累，但由于系统性理论及实证缺乏、感受信息采集失真、缺乏实景信息互动等问题，没有像预期那样为设计实践提供直接而切实指导。针对这些问题，本项目在文献基础上通过认知地图、半结构式访谈等方法进一步深入了解视觉感知后面的认知学机制，建立具体案例空间环境特征要素的视觉感知理论模型。结合传统问卷，采用脑电等多种生理测量手段，在情绪模型的基础上，利用虚拟现实、人机交互等技术平台实现实地实景模拟，对目前景观视觉规划设计过程进行优化和模拟检验。
由于研究 早在20世纪80年代，环境心理学加就开始 但自然环境如何影响人的认知能力仍然是个谜。借助便携式脑电仪，课题组尝试对于建成环境于自然环境对人认知能力和脑活动的影响做深入分析(图1)。课题组在实验中测量了人的主观感受，短期工作记忆，并同时测量了偏侧化、暴露前后的脑电反应。同时与复旦计算神经生物实验室合作，对脑电的网络特征，如小世界特征、无尺度网络特征等进行了深入分析。初步研究结果发现，人脑在感受自然环境时脑功能链接呈现更好的小世界特征，较建成环境而言具有更高的团簇系数。同时脑网络呈现出明显无尺度网络的幂率分布特征，并呈现出不同的斜率分布，而这种网络特性可能和脑网络的计算效率有关。
图1在建成环境（左）和自然环境（右）下人的感受及脑电数据采集
3.2情感地图分析技术：实景环境对人的情绪感受分析
从城市设计的角度，如何能够在环境体验中，通过简单的测量采集人实时感受并通过环境情感地图分析（affectivemapping）的方式，将附带地理信息的环境体验数据重现出来，对于准确识别特定人群的城市兴趣点和负面压力源等具有重要作用。
为了探索这种情感地图分析技术，课题组利用便携式多参数生物反馈仪，采集了环境行走体验过程中脑电、心电、皮电、皮温、呼吸等多项生理指标，选取室内外若干校园环境对实时实景的情绪感受反应进行了预实验测量（图2、3）。并和德国GIS专家合作，根据采集的生理数据绘制相应的情感地图分析。
图2室外环境实景感受预实验
图3室内环境实景感受预实验
采集的生理指标数据，通过对于不同被试多次实验中各个生理指标的时域数据叠加分析，就数据的可靠性和一致性进行分析检验（图4）。在此基础上选取一致性较好的指标，结合时程同步的GPS地理数据，绘制具体情绪维度的主题图（图5）。基于纯生理数据的情绪地图，再进一步结合被试基于实景录像的叙述性回忆（narrativedocumentation）进行解读和分析，确定情绪源的类型和可靠性。
图4生理指标的时域分析
图5基于皮电数据的压力/兴奋源分析的单因素情感地图分析
在预实验中，课题组也发现行走任务本身和其他非设计考量的环境要素对于生理指标形成了干扰，比如气温对于皮温测量的长程影响，行走运动速度对于心电的影响等等。对于这些测量的误差，需要采用更先进的数据分析技术进行降噪，甚至需要采用控制更好的实验设计来进行优化。在下阶段的实验中，课题组计划将实景行走任务和照片情绪识别任务、实验室虚拟行走任务等结合起来，优化实验设计、多角度三角测量检验实验结论，优化情感地图分析技术。
3.3情绪分维测量技术：情绪模型及感受测量
关于情绪的认知神经学研究指出，要更好地测量复杂情绪，离散的生理测量分析效果并不好，只有根据可靠的情绪模型对响应情绪维度进行整合指标测量才能获得更可靠的结果。为了更准确的测量情绪维度，课题组进一步根据已有实验证据和文献对情绪维度对应的生理测量指标进行分类。同时在美国国立精神卫生研究所(NIMH)的国际情绪图片系统基础上，探索情绪感受的维度以及各维度适合的生理测量方法（图6）。
图6根据美国国立精神卫生研究所情绪模型的感受数据多元回归分析
除了上述脑电、心电、皮电、皮温、呼吸等多项生理指标进行测量之外，课题组正和同济大学感知实验室声学紧密合作，计划采集情绪图片应激反应时的高时间分辨率的眼动以及脑电数据，分析相应的事件相关和注视相关电位，并与主观评价量表进行交叉检验。
3.4三维点云测量和虚拟现实：基于激光扫描快速构建虚拟环境
为了更好评估人的情绪感受与现实环境之间的关系，课题组同时也和同济大学测绘与地理信息学院开展合作，计划通过现代测绘传感器集成观测技术快速采集周围环境的三维信息，并在此基础上进行编辑处理建立虚拟现实的虚拟行走环境，控制不相关的外部变量模拟真实环境刺激。
拟采用的现代测绘传感器集成观测技术包括SLAM（simultaneouslocalizationandmapping）技术、移动LiDAR（LightDetectionAndRanging）扫描技术和轻型无人机技术。这些技术将先进的传感器如激光传感器、姿态传感器、高分辨率相机等，集成在一定的平台上，如无人机平台、无人/有人车平台。无人机平台搭载高分辨率相机系统，适用于采集大范围的区域数据，有人车平台搭载LiDAR系统获得局部区域更详尽的现实环境数据（图7），无人车平台搭载SLAM系统，获得室内的现实环境数据。这两个系统可采集三维点云，并通过影像密集匹配、点云与影像光谱融合等处理与集成技术，获得三维虚拟模型（图8）。根据城市设计效果的需要，可以对该三维虚拟模型进行进一步编辑，提供不同设计条件下的三维虚拟模型。同时借助虚拟现实技术技术，可以尽量真实的再现实景环境体验，在有效控制实验外部变量的前提下实现对环境体验的真实准确测量。
图7车载移动数据采集系统
图8利用车载系统采集的点云数据生成可编辑的三维环境信息
４总结及讨论
认知神经学的迅速进步，正在包括环境心理学在内的整个心理学掀起了科学史学家科恩所谓的范式革命，重新定义着心理学的基本规则。这种巨大影响迅速扩大到了环境设计领域，年在美国洛杉矶召开的第46届环境设计研究协会年会（EnvironmentalDesignResearchAssociation）也将会议主题确定为“头脑风暴：环境行为和神经科学的动态交互（Brainstorm:Dynamicinteractionsofenvironmental-behaviorandneuroscience）”。采用功能性核磁(fMRI)、脑磁(MEG)、脑电(EEG)、近红外（NRIS）等神经影像技术探索环境感受的大脑活动，以及皮电、肌电等各种电生理记录自主神经电生理信号，用以描述人们的环境心理感受，已经成为探索环境感受、辅助环境设计的一个国际新前沿。
课题组期望通过结合传统问卷的神经生物测量，更好识别环境对人感受的影响，甚至包括那些人们没有直接意识到的域下情绪感受。通过这些技术手段绘制情感地图，为循证设计（evidence-baseddesign）提供依据。同时，通过识别对人们产生情绪影响的压力源和兴趣点，改进环境设计，为人们提供促进正向情绪、缓解压力、利于改善认知状况的环境。在推进实景情感地图的同时，下一步将结合实验室测量、虚拟现实等技术，对实景情感地图的情绪测量进行三角检验和修正，提供更为可靠方便的测量手段。
致谢：感谢自然静坐脑网络实验中参与实验的翟雪倩、叶诗韵、张颖倩、苏怡宁、张桐恺，以及后期数据分析的复旦于玉国老师和何裕嘉硕士。感谢情感地图实验中参与实验的邱明、杨汶、邓文欣、吕诗阳、黄铭钰、赵洋、郑志诚、张煊阁、张曜麒、宋一飞、李明、宁雪莲、何晓帆、陈亦凡、苏日。
转载请注明出处