《Frontiers in Psychology》:Audiovisual characteristics, patterns, and facial-expression responses in an under-viaduct green space
编辑推荐:
引言:高架桥下绿色空间(under-viaduct green spaces, UVGSs)将自然景观要素与持续的交通相关视觉和声学线索结合,但其视听特征及体验含义仍未得到充分理解。方法:本探索性研究采用代表不同景观与交通条件的三个录制视听场景,考察上海市一处
引言:高架桥下绿色空间(under-viaduct green spaces, UVGSs)将自然景观要素与持续的交通相关视觉和声学线索结合,但其视听特征及体验含义仍未得到充分理解。方法:本探索性研究采用代表不同景观与交通条件的三个录制视听场景,考察上海市一处 UVGS。49名参与者在受控实验室环境中观看刺激材料。视觉特征通过语义分割(semantic segmentation)量化,声学条件通过现场声级测量(field sound-level measurements)和 1-s 声源突出度编码(1-s sound-source prominence coding)表征,面部表情响应通过以 1-s 间隔采样的 DeepFace 衍生评分(DeepFace-derived scores)表征。采用层次聚类(hierarchical clustering)识别重复出现的视听模式(audiovisual patterns)。结果:三个场景在视觉构成、总体声级和声源构成上差异明显,但探索性逐成分 Friedman 检验(exploratory component-wise Friedman tests)在 Holm 校正(Holm adjustment)后未显示七种相对 DeepFace 输出成分(relative DeepFace output components)在任何场景水平差异上具有统计学显著性。识别出六种视听模式,面部表情评分在各模式间呈现描述性变异(descriptive variation)。由于模式出现(pattern occurrence)与场景和时间位置(temporal position)强相关,这些差异被解释为描述性结果,而非独立模式效应。讨论:这些评分代表相对面部表情输出(relative facial-expression outputs),而非主观情绪状态(subjective emotional states)的直接测量。总体而言,研究结果表明,UVGSs 中的视听体验最好通过考虑视觉背景(visual context)、声源构成(sound-source composition)及其共现(co-occurrence)来理解,而非孤立环境指标(isolated environmental indicators)。
高密度城市中,传统公园供给受有限且破碎的土地资源约束,而较大或较远绿地的访问又难以纳入日常 routines,因此嵌入日常活动的小型可及绿色空间重要性上升。高架道路和铁路下方空间常被视为交通基础设施产生的残余或未充分利用区域,但其中心区位及与周边社区和移动网络的连接提供了公共空间再利用机会;补充植被、步行设施和游憩功能后,可扩展附近公众使用和日常自然接触。恢复性理论提示自然环境可补充定向注意并支持减压和情感恢复,但恢复性并不自动由植被存在决定,而依赖自然特征所处的整体环境条件。UVGSs 与常规城市公园不同:其直接位于或邻近活跃交通基础设施,常缺乏可比拟的视觉和声学缓冲,桥面、桥墩、道路、铁路、车辆等交通要素在空间内或紧邻处可见,交通噪声以有限衰减进入,自然特征因而与持续基础设施线索共同被体验。既有关于交通基础设施下空间的研究主要关注再利用、活动功能和环境偏好,对视听特征如何组合及其与情绪响应的关系关注不足;既有视听研究多依赖预定义图像、视频、虚拟环境或受控声—景配对,难以揭示真实复杂场景中视听特征如何共存和变化。因此,研究人员开展一项探索性研究,以整体场景比较和更细粒度模式识别考察 UVGSs 的视听体验。研究以上海静安中环公园(Jing’an Zhonghuan Park)为对象,设置三个录制视听场景:S1 为非高峰交通条件下的绿色景观,S2 为高峰交通条件下的绿色景观,S3 为高峰交通条件下的交通导向景观;49名本科生在实验室固定顺序观看,并以 1-s 为共同时间单位同步提取视觉、声学和面部表情数据。研究得出,三个场景在视觉构成、总体声级和声源构成上差异明显,但七种相对 DeepFace 输出成分在 Holm 校正后均无显著场景水平差异;层次聚类识别出六种重复视听模式,模式间面部表情评分呈描述性变异,但因模式出现与场景和时间位置强相关,不能解释为独立模式效应。其意义在于提示 UVGSs 的视听体验不能由孤立环境指标充分表征,评估应联合考虑视觉背景、声源构成及其共现。
关键技术方法概括(不超过250字):样本来源为上海静安中环公园一处 UVGS;49名本科生(35女14男,20–28岁,M=22,SD=1.43),2025年6月一周内完成实验室数据采集。研究人员使用录制视听刺激并按固定顺序呈现,以 1-s 为同步单位。视觉特征采用 ADE20K 与 Cityscapes 语义分割模型整合为10类并计算逐秒像素比例;声学特征采用现场 AWA14423 传声器连续10 min测量 L
Aeq,并以基于 AudioSet 的 YAMNet 对5类声源进行 1-s 突出度0–3编码和人工核对;面部表情采用 iPhone 16 Pro 以1080p、60 fps录像,DeepFace v0.0.93(OpenCV后端)逐秒输出7类百分比评分。分析包括 Shapiro–Wilk 检验、非参数重复测量、逐成分 Friedman 检验及 Holm 校正,以及基于标准化10个视觉变量和5个声源突出度评分的层次聚类(Ward’s linkage、Euclidean distance)。
结果部分:3.1 跨场景视听特征。通过语义分割、现场声级测量和声源突出度编码比较,三个场景的视觉构成、总体声级和声源构成明显不同。3.1.1 视觉特征。语义分割显示,S1 以自然特征为主(77.43%),其中植被37.55%、水34.76%,建成与交通相关特征22.58%;S2 植被37.39%、自然特征合计47.15%、建成与交通相关特征52.34%;S3 建成与交通相关特征升至83.42%,自然特征降至15.83%,道路21.50%、硬质21.06%、建筑18.42%,植被仅7.72%。3.1.2 声学特征。现场10 min L
Aeq 在 S1 为54.5 dB(A)(非高峰),S2 为74.2 dB(A),S3 为76.7 dB(A)(高峰);S1 鸟声出现于96.97%的 1-s 区间、平均突出度2.03(SD=0.92),流水66.67%、平均1.00(SD=0.83),交通声间歇且弱;S2 轮胎—路面声全程出现、平均2.39(SD=0.54),发动机声97.56%、平均1.95(SD=0.80),自然声少而弱;S3 轮胎—路面声全程出现、平均1.83(SD=0.56),发动机声75.00%,铁路噪声25.00%且仅见于 S3、平均0.67(SD=1.20)。3.1.3 场景内视听特征变异。逐 1-s 分析显示各场景内视觉构成和声源突出度均有变化;S1 植被占20–72%、水占0–65%,鸟声多数区间出现而流水较不一致;S2 植被占6–64%、交通设施占0–47%,轮胎—路面声全程为1–3级、发动机声多处出现;S3 交通设施占3–42%,轮胎—路面声全程为1–3级,铁路噪声集中于前6 s,之后道路声成为主要声学成分。3.2 跨场景面部表情评分。通过参与者水平平均及逐成分 Friedman 检验比较,七类相对评分在场景间均无显著差异;中性成分在各场景均值最高(30.31–34.03%),恐惧为最大非中性成分(18.57–20.86%);描述上 S1 的快乐(9.64%)和惊讶(8.92%)均值最高、悲伤最低(14.54%),S3 恐惧最高(20.86%),S2 愤怒最高(15.92%),厌恶接近0(0.07–0.15%)。逐成分 Friedman 检验在校正前均不显著,如悲伤 χ
2(2)=4.571、p=0.102,中性 χ
2(2)=2.287、p=0.319;Holm 校正后全部非显著(调整后 p≥0.712)。3.2.3 场景内时间变异。逐秒参与者平均显示,中性评分在 S1、S2、S3 的跨度分别为15.71、13.89、19.07个百分点,恐惧评分 SD 分别为2.27、3.16、3.25个百分点,其余成分亦随时间变化但无一致增减趋势,仅作描述。3.3 视听模式与面部表情评分。3.3.1 模式识别。对110个保留 1-s 区间的标准化10个视觉变量和5个声源突出度评分进行层次聚类,得到六种模式(轮廓系数0.512、Calinski-Harabasz指数62.514、Davies-Bouldin指数0.843):P1 自然景观(35个区间,31.82%)、P2 带交通声的绿色景观(16,14.55%)、P3 铁路基础设施(9,8.18%)、P4 建成道路廊道(15,13.64%)、P5 开放道路廊道(22,20.00%)、P6 带植被的交通廊道(13,11.82%)。3.3.2 模式在场景中的分布。S1 全部为 P1(33,100%);S2 含 P2 16(39.02%)、P6 13(31.71%)、P5 10(24.39%)、P1 2(4.88%);S3 含 P4 15(41.67%)、P5 12(33.33%)、P3 9(25.00%)。P1 主导 S1,P2/P6 仅见于 S2,P3/P4 仅见于 S3,模式身份与场景和时间位置不可分离;S2 中 P2、P5、P6 分别于3、2、2个非连续时间段重复,S3 中 P3、P4、P5 为连续块。3.3.3 跨模式描述性面部表情评分。逐秒参与者平均后按模式汇总,未进行六模式推断比较;中性成分在所有模式中最高(29.91–33.48%),悲伤和恐惧范围较大;P1 悲伤最低(14.64%),其余模式为16.35–19.01%;恐惧在 P4 最高(21.77%)、P5 次之(20.89%),其余四模式为17.76–18.84%;愤怒、快乐、惊讶变化较窄,厌恶接近0。S2 内 P2、P5、P6 的探索性敏感性分析经 Friedman 检验和 Holm 校正后均不显著(调整后 p=1.000;如悲伤 χ
2(2)=2.903、p=0.234),模式水平差异不能解释为独立模式效应。
讨论部分总结:4.1 场景水平上,三场景总体视听特征差异明显,但七种相对面部表情成分无显著差异;逐成分探索性结果不表示整体七部分组成等价,混合感官条件及参与者水平平均可能降低对场景内变异的敏感度。4.2 模式水平上,模式出现与场景和时间位置强相关,且刺激按固定顺序呈现,故观察到的差异不能解释为独立模式效应;P1 悲伤最低、P4/P5 恐惧较高等为描述性趋势,设计不能区分模式、场景和时间效应;惊讶无固定效价,不应解释为偏好方向;S2 内敏感性分析不显著,模式结果宜视为探索性和假设生成。4.3 启示上,UVGSs 的视听体验不能由植被比例或 L
Aeq 等孤立指标充分表征;评估应兼顾整体环境条件与场地内视觉特征、声源构成及其共现的具体组合,并补充常规植被和声级指标,不以增加绿量或降低总体声级单独等同体验结果。4.4 局限包括单地点和同质本科生样本、六模式非通用类型;录制刺激简化现场且固定顺序不能分离顺序、习惯化和疲劳;耳机播放未做耳级校准,L
Aeq 描述录制条件而非个体暴露;DeepFace 评分为可观察面部表情而非主观情绪,七成分具有组成性,逐成分检验仅探索;1-s 为采样与同步单位而非心理响应窗,相邻区间存在时间依赖,不能分离模式、场景和时间效应。研究结论翻译:本研究刻画了高架桥下绿色空间的视听条件及暴露期间观察到的面部表情响应。三个场景在视觉构成、总体声级和声源构成上差异明显,但探索性逐成分分析在 Holm 校正后未发现七种相对面部表情评分中任一项具有统计学显著差异。识别出六种重复出现的视听模式,并在这些模式间观察到相对 DeepFace 评分的描述性变异。由于模式出现与场景和时间位置密切相关,这些模式水平差异应视为探索性趋势,不能解释为独立模式效应或主观情绪状态的直接证据。研究结果强调,在评估 UVGSs 时需联合考虑自然与交通相关感觉信息;不应仅依赖植被比例或总体声级(L
Aeq),评估还应考虑视觉背景、声源构成及场地内重复出现的视听模式。这一整合视角为评估嵌入交通基础设施内绿色空间的视听体验提供了更具区分度的基础,并可为其未来再生与管理提供参考。