街道景观中建筑视觉占比对行人情绪的影响

聂 玮,谢林将,王 倩,2,李 罡

(1.安徽建筑大学 建筑与规划学院,安徽 合肥 230000; 2.中国建筑西南设计研究院有限公司,安徽 合肥 230000)

我国城市进入转型升级阶段,多数城市空间规划从增量规划逐渐转向以城市更新为主的存量规划[1],城市更新转型更加注重人性化空间的规划设计。现阶段,多数老旧城区中街道的空间品质已无法满足市民对美好生活的需求。因此,老旧街道的改造成为城市转型升级的重要课题。基于人本视角的城市街道存量挖潜研究以及街道环境对行人生理和心理的潜在价值等探讨已在多领域展开。

街道空间的各构成要素和空间特征是影响行人感知偏好、获取精神需求的重要因素[2-3]。芦原义信[4]较早注意到街道高宽比对人的感受有不同影响。Liu等[5]研究发现通过增加宽高比(W/H)和减少W和H,可以获得高质量的视觉、听觉。街道视觉熵、绿视率和天空开放指数等视觉感知量化指标,已被证实在优化景观设计,提高居民生活质量方面具有重要作用[6-7]。黄丹等[8]研究表明街道空间构成要素及空间特性对行人存在正向或负向的身心健康功效,街道空间各构成要素对生活性街道的活力具有显著影响。此外,街景的视觉补偿作用可以改善行人的心理健康水平[9],生活性街道建筑的外部特征对人们的心理健康水平有重要的影响[10]。

在街道景观的疗愈价值研究中,已对街道景观中的植被、天空开阔度等自然要素以及空间特性等进行了研究。然而,在街道构成要素的相关研究中,沿街建筑作为街道必不可少的人工要素,基于行人角度探讨沿街建筑要素与心理感知的研究较为缺乏。现有研究通常采用访谈、问卷等方式获取行人对街道要素的感知评价,但主观色彩较高,并且因访问语言或问卷内形容词设置的问题,容易造成答卷和访问过程中罗森塔尔效应的出现。此外,个体情感阈值的影响也可能造成与实时感知过程的记忆偏差等情况。

针对当前研究不足,引入眼动、生理测量等新技术,为行人心理活动的表征和定量提供了可能[11]。通过科学量化行人感知街景的心理活动,可以为街道景观设计提供客观定量的基础依据。眼动追踪技术因其实时追踪和数据可视化分析的特性,被广泛应用于景观美学、实用和复愈效应等研究[12],在研究个体的内在认知和信息搜集过程中起到了积极作用。本文基于传统评价问卷,结合眼动与生理数据测度行人情绪,并运用统计学分析方法寻找街景要素与情绪指标的联系,以期探究街景空间中建筑要素变化对行人视觉认知过程的影响,以及视觉感知对行人情绪唤醒的影响,旨在为老旧街道的景观品质及设计提供定性和定量支撑。

1 研究区域与数据来源

1.1 研究区域概况

研究区域位于安徽合肥市一环内,是合肥市老城区。区域内具有较多老旧建筑群,街道形式多样,处于城区更新阶段,具有较好代表性。对老旧和亟待更新的街道进行归类,从中选取48段街景作为研究样地(见图1)。

图1 研究区域与街景样地示意图

2 研究方法

2.1 科学假设

本次实验通过被试观看12张不同建筑视觉占比的街景样本图片,探讨人们的情绪唤醒与视觉偏好情况,提出以下假设:

H1为空间丰富度、舒适度和放松度等评价因子,影响街道的主观评价愉悦度。

H2为街景空间不同建筑的视觉占比,影响行人的视觉偏好。

H3为行人情绪唤醒度与街景建筑视觉占比相关,即对街道建筑的感知影响行人的情绪。

2.2 数据收集与预处理

2.2.1 街区归类与筛选量化

由于街道宽高比(W/H)在空间认知中并不能很好地代表街道空间行人的视觉感知,并且研究区域内街道两侧建筑类型多样,街道宽高比与长度不一,类型较复杂。因此,采用“链路-空间矩阵”的二维分类法对老城区街道进行分类定位。该方法能够灵活地适用于不同街道的功能侧重与街道特点[13]。同时,结合研究区域内街道的实际情况,以“链路等级-空间功能矩阵”进行街道形态归类。街道空间功能由55 m缓冲范围内地块性质占比决定[14]。基于承载功能,将研究区域内常见街道分为教育型、生活型、商业型、综合型4类街道。根据已有研究[15],以获取的图片作为人眼识别视域的范围,基于行人视角的量化指标探讨行人视觉三维空间要素感知情况。对人眼中投影的街景建筑视觉占比进行概念定义,主要强调视觉感知中建筑界面的视域构成比率(Rb),其公式为

(1)

式中:Ai为景观视域内第i处临街建筑立面的视域面积;Av为行人可看到的街景视域总投影面积。

基于数据采集的便捷性和科学性,选取现状实景图片作为实验刺激材料[16]。在对合肥市老城区一环内的街道类型运用二维分类方式进行归类后,共计拍摄街道图片68张。经过筛选,去掉天空背景颜色较差、逆光以及拍摄角度混杂等不符合评价标准的图片,最终选取48张能够真实反映街道场景的图片作为样本图片。为了进一步量化处理这些样本图片并进行归类,利用DeepLabv3+进行图片分割(见图2)。将建筑视觉占比按相对数值划分为低(Rb≤12.47%)、中(12.47%

图2 图片分割

表1 合肥一环内城区代表性街道归类

续表

2.2.2 眼动与生理指标选择

情绪量化数据通过量表问卷、眼动及生理测量实验获取,通过SPSS统计分析获得实验结论。其中眼动数据选用视觉热图、单位时间的眼跳次数、兴趣区(Area of Interest,AOI)首次注视持续时间和AOI平均注视时间等4个指标,其他生理数据选用表达情绪唤醒的皮电(Electrodermal Activity,EDA)、心率变异性(Heart Rate Variability,HRV)等2个指标,作为被试(接受实验或测试的对象)视觉感知的客观指标。实验表明,出汗、心率和皮温等在生理水平上可提供情绪状态的定性描述,并广泛用于诊断情绪唤醒[17]。其中,EDA是评价情绪唤醒水平最敏感的指标,其他常用指标包括皮肤电导(SC)和皮肤电导水平(SCL)。在HRV时域分析中,RMSSD(相邻NN间期差值的均方根)是评估副交感神经功能的敏感指标,用于短时程心电分析[18]。HRV监测与EDA监测实时进行,共同用于分析被试情绪变化情况。

2.2.3 被试样本量

已有眼动实验表明,大学生被试群体具有较好的代表性[19-21]。因此,本研究招募18～26岁之间的在校大学生共36名,被试者均来自设计相关专业,无色盲或色弱等相关疾病史。剔除无效实验数据,最终眼动有效样本31份,生理实验有效样本30份。依据下文科学假设,实验后采用Gpower3.1对实验的统计功效进行计算[22]。此次实验均为单因素被试内设计,自变量为建筑视觉占比(高水平、中水平、低水平)。根据后文眼动、生理实验数据,依次计算单因素重复测量的方差检验。眼动实验:以眼动数据所得效益量Partialη2=0.087设置参数,设置α=0.01,输入样本量31,可得统计功效为0.914,表明眼动实验的样本量可以得到很好的统计效能。生理实验:依据假设3计算生理实验被试数量是否已达理想标准,因变量为生理指标均方根RMSSD,计算统计功效为0.904 7,表明生理实验的样本量可以得到很好的统计效能。

2.3 被试评价问卷

主观问卷量表部分参考迟松等[23]改编后的POMS量表,评估被试者情绪及心境状态。基于研究目的和研究区域的街道视觉特性,选取“抑郁-沮丧”“紧张-焦虑”和“活力-活跃”情绪状态项目。对应3组正向描述词为愉悦度、放松度、舒适度,并增加空间丰富度,共构成4个维度的感知评价指标。问卷设计为互为反义词的形容词描述:“令人愉悦—令人难受、轻松休闲—压抑焦虑、感到舒适—感到沮丧、变化丰富—缺少变化”,每个语义评价因子设有7级评价尺度[24]。被试实验结束后进行主观问卷填写,对所观察到的12张图片运用各评价指标进行打分评价。对应的分值为“3,2,1,0,-1,-2,-3”,以便后期对主观评价量化分析。其中愉悦度作为整体评价指标进行独立打分(2≥X>1,不愉悦;3≥X>2,不影响;4≥X>3,愉悦)。

2.4 实验过程

利用北京津发科技股份有限公司的Tobii glasses 2可穿戴眼动仪和Ergo LAB智能穿戴生理记录仪记录被试的眼动与生理指标,另备一台显示屏用于被试浏览街景图片。实验前,被试试戴眼动仪与生理仪器进行校准,确保被试平视状态下眼动数据记录准确,识别点与标记物重合。校准后被试穿戴眼动仪与生理仪器填写问卷基础资料部分,实验人员随即对被试讲解实验过程和实验目的。因个体间生理指标基线水平差距较大,要求正式实验前被试闭目静息5 min,采集生理指标基线数据,随后进行正式实验[25]。正式实验共5 min,指示语1 min,随机播放样本图片,每张图片停留12 s。每两张图片之间设置空白页面并间隔5 s,以消除上张图片残留的视觉感受,并同步记录眼动与生理指标数据。实验结束后,立即对实验中的图片进行打分,并完成问卷全部内容。

3 结果分析

3.1 主观感知评价数据分析

基于SPSS 25.0对36份问卷进行信效度检验,其中Cronbachα系数为0.864。数据通过KMO 和 Bartlett 检验效度验证,KMO值为0.793,表明数据适合提取信息,可用于进一步分析。量表数据归整统计后,得到12处街景评价因子的得分情况,计算其均值,并绘制折线图(见图3)。

由图3可知,被试在不同街景中的主观感知差异较大,感知因子之间亦存在差异性。总体愉悦度评分中,图A13、B6、B7、C16中的街景令被试感到愉悦,图A3、B11、B13、C2中的街景未对被试的情绪产生变化,而图A11、B3、C3、C11中的街景会令被试产生不愉快的心理体验。将丰富度、舒适度和放松度作为自变量,愉悦度作为因变量在SPSS 25.0进行线性回归分析,得出模型公式

P=2.426-0.044A+0.223C+0.294R

(2)

式中:P为愉悦度;A为丰富度;C为舒适度;R为放松度。

模型R方值为0.481,模型通过F检验(F=109.898,p=0.000),模型构建有意义。分析模型可知,舒适度和放松度对愉悦度有显著正向影响,未发现丰富度对愉悦度有显著影响。假设H1成立,则在老旧型街道景观中提高行人舒适度可以促进人们心理的愉悦感(t=5.095,p=0.000);街道空间的丰富度变化(t=-1.295,p=0.196)并未对愉悦度产生显著影响;而放松度(t=7.231,p=0.000)对愉悦度产生显著的正向影响(其中,t值用于判断每个自变量的显著性,其正负与回归系数正负一致,回归系数的标准误差越大,t值越小)。

3.2 建筑视觉占比变化对视觉偏好的相关分析

图4为各眼动指标数据均值绘制的眼动指标关系图。基于SPSS 25.0单因素重复测量的方差分析,探究3个水平Rb值下的眼跳次数数值差异是否显著。结果表明:(1)平均眼跳次数满足莫奇来球形检验(p>0.05), 主体内效应检验F(2,60)=2.871,p=0.064,并未表现出显著差异性。说明建筑视觉占比的变化未影响行人对街道空间的信息搜索。(2)高层次建筑视觉占比街道的平均眼跳次数相对偏低。结合眼动热力图分析(见表2)可知,被试注意力集中于视觉水平线方向的中心区域及画面中的消失点。(3)编号B11的首次注视持续时间高于其他街景,同时该街景图片AOI平均注视时间较少。结合眼动热力图分析可知,即使建筑视觉占比具有较高值,若立面无风格特色,行人对建筑立面持续关注度降低。

由图4可知C11与C3的平均眼跳次数均为3.4次/s,表明两个街道空间的识别度相差不大。两者建筑AOI首次注视持续时间相近,其建筑特征的吸引力一致。而C3的平均注视时间明显高于C11,愉悦度却低于C11。在SPSS 25.0中,对平均眼跳次数、首次注视持续时间、平均注视时间和Rb值进行Pearson相关性分析。结果表明平均眼跳次数与建筑视觉占比之间不存在相关关系,AOI首次注视持续时间(r=0.98,p=0.025)、平均注视持续时间(r=0.673,p=0.000)与Rb值之间有着显著的正相关关系。

图3 主观问卷感知因子关系

图4 眼动指标变化关系

表2 街景实验眼动热力图分析

3.3 建筑视觉占比与情绪唤醒的关联性分析

生理数据去除异常值后,与建筑视觉占比分别进行相关性分析(见表3)。结果表明,未发现IBI(两次连续心跳之间的时间间隔)均值、HRV均值、LF/HF(低频与高频的能量比,反应自主神经的均衡控制)和PPG(光电容积脉搏波描记法,脉搏信号)均值与建筑视觉占比相关。但RMSSD-HRV和RMSSD-PPG与建筑视觉占比呈显著负相关(RMSSD-HRV:r=-0.146,p=0.024;RMDDS-PPG:r=-0.169,p=0.009)。RMSSD表征自主神经系统中副交感神经的活跃状态,表明随建筑视觉占比上升。RMSSD降低,副交感神经活跃度下降,情绪不再平静,情绪唤醒度上升。

表3 生理数据与建筑视觉占比相关性分析

图5 不同建筑视觉占比下SCL指标变化

情绪量化实验中,SCL水平依据个体与实验环境影响差异较大,数值需结合基线分析才有意义。因此皮电数据独立分析,将每个被试的原始数据转换为参考基线测量的百分比变化值[26]

(3)

SCL值用于评价被试的生理唤醒与情绪反应。当个体处于刺激状态,汗腺活动增加,SCL值会升高,外界刺激越明显,上升越明显;反之,情绪放松,SCL值下降。为探究假设H3,比较每个刺激片段SCL值的变化,以评价建筑视觉占比对SCL所代表的情绪变化影响。由图5可知,在建筑视觉占比3个不同层次的SCL变化中,中层次建筑视觉占比街道中的SCL值普遍偏低,表明行人在这种街道内行走最为舒适放松。低层次建筑视觉占比下的SCL值呈现较规律性的变化,人们的情绪唤醒降低,但愉悦度升高。高层次的建筑视觉占比中,街景空间丰富度降低,个人的情绪唤醒先降后升,结合主观问卷评价,发现在较高建筑视觉占比的商业街道空间中,较低的SCL值具有较高的愉悦度评价。

4 讨论与结论

4.1 讨论

4.1.1 空间丰富度、舒适度和放松度等评价因子对街道主观评价愉悦度的影响

通过对主观感知评价数据进行分析,发现街道空间的丰富度变化并未对愉悦度产生显著影响,放松度对愉悦度产生显著的正向影响。原因可能是研究区域街区街道立面色彩驳杂、造型元素较多,缺乏统一性。立面的“复杂”,导致视觉体验感降低,进而引起负向情绪[27]。因此,在街道改造设计中,应注重街道视平线高度范围的构成要素的协调性,避免过于繁杂混乱的设计。

4.1.2 街景空间中不同建筑视觉占比对行人的视觉偏好影响

行人对不同类型、不同建筑视觉占比的街道空间信息搜索情况并不存在显著性差异。结合眼动热力图分析发现被试注意力集中于视觉水平线方向的中心区域,表明在建筑视觉占比较高的街道空间内,若设置提醒标志,或其他需引起行人视觉偏好的设施时,应尽量设置在视觉水平线区域、水平线平行方向。在同一层次建筑视觉占比和功能相同的街道空间中,建筑风格越一致,人们对其视觉关注偏好可能越低,但对整体空间将产生更好的感知印象。根据Pearson相关性分析得知建筑AOI首次注视持续时间与平均注视时间存在显著正相关关系(r=0.511,p=0.000),表明若街道中建筑能够突出吸引首次注意力,会对后续的视觉持续注视产生正向影响。

4.1.3 街景建筑视觉占比对行人情绪唤醒度的影响

研究发现中层次建筑视觉占比的街景空间受到了较高的评价,SCL值变化最少,与主观评价的结果一致。SCL值的降低表明情绪唤醒水平降低,情绪放松,愉悦度相应提高,同时老旧街道环境中的Rb值越高,越刺激行人产生负性情绪唤醒。结果表明,在研究区域街景空间中,情绪唤醒更多偏向于负向情绪效价。因此假设3成立,街道建筑感知情况会影响到行人情绪变化,而且能提供心理愉悦感的建筑视觉占比值存在范围阈,具有一定的潜在规律性。 对于中高层次建筑视觉占比的街道改造,建议增加其他街景要素(绿植、小品等)提升视觉舒适度[28],以寻求街道空间与大众需求的合理对接。

4.2 结论

通过眼动结合生理测量和主观量表情绪评价的方法,分析行人在不同建筑视觉占比下的情绪差异和视觉偏好。结论如下:

(1)街道空间的丰富度变化并不会对愉悦度产生显著影响,但降低老旧街道立面的复杂度可以提高行人的舒适度,产生正向情绪。

(2)行人对不同建筑视觉占比的情绪和视觉偏好具有显著差异性,街道空间中适宜的中层次建筑视觉占比有助于带来更愉悦的情绪体验。

(3)街道空间感知情况影响行人的情绪变化,一定范围阈值的建筑视觉占比能够为行人提供心理愉悦感。

街道构成要素和空间特征对社会健康和精神需求具有重要影响,建筑作为街道环境中的重要组成部分,具有显著影响作用。本文通过论证街景建筑对行人心理的潜在影响价值,旨在实现街道环境对行人生理和心理健康需求的均衡满足,以指导更加精准化的街道建筑立面设计。由于实验主要以建筑视觉占比分类,未对比建筑与其他街景要素的视觉偏好和情绪唤醒的区别,也未考虑各要素之间的占比关系对研究结果的影响。未来可利用VR虚拟技术控制视觉变量,并加强其他街景要素的定量分析,探索更加舒适、愉悦的公共健康空间。