VR体验情境下的地下铁路站台空间舒适性研究

李 锋,张利剑,曹金铭,方恒堃

(北京市市政工程设计研究总院有限公司,北京 100082)

引言

铁路作为一种大运量的交通运输工具，如动脉血管一样将城市各类交通、经济、社会等活动紧密结合在一起，为城市发展带来了巨大机遇[1]。随着中国城市化不断推进，现阶段国内主要大城市如北京、深圳、雄安等都开始将铁路往地下空间规划建设，但人们普遍认为地下铁路站台空间存在诸如湿度大、空气质量较差、无自然采光、空间不易辨别等环境问题，容易引发乘客候车时焦躁、不安等负面情绪，进而影响了空间的活力。如何在地下铁路站台空间设计中减少甚至削弱这种心理联想的负面影响，对带动城市地下空间开发和利用，开拓城市地下新空间[2]具有重要意义。

随着时代的发展和科技进步，人们对铁路站台空间的需求，不再是满足通勤需求，而是要空间更具有艺术性、舒适性、人性化等特点[3]。站台空间主要由3个维度构成，长度(L)、宽度(D)、高度(H)。站台空间的长度(L)一般根据车辆编组形式来确定，采用8辆列车编组时为220 m，16辆列车编组时为450 m。站台空间的宽度(D)是指站台两侧界面之间的距离，与站台布置的有关设备及站台上下车旅客最大人数等因素有关[4]。站台空间的高度(H)根据铁路规范要求，地下车站站台公共区最小净高为3 m。由于站台位于地下时，与地上建筑相比缺少了与自然环境的交互，因此，地下空间中的高度更易影响人们的情绪[5]。在站台空间设计中，通过对舒适性进行探究，可为地下站台空间提供更人性化、更科学的设计。站台空间舒适性反映了乘客心理和生理两方面感受。空间的环境品质对乘客生理舒适性提升作用显而易见，而站台空间的心理品质就要求站台空间设计要充分考虑到旅客的心理需求，且依据建筑心理学对内部空间的具体要求来进行设计[6]。

目前，对于空间的舒适性研究大多沿袭传统空间比例与尺度的角度探索，如黄金分割、对角线原理和日本建筑师芦原义信的D/H理论，这些理论更多的是对于外部空间和街道空间讨论。随着科技的进步，在当今城市空间设计中，使用者提出了更高的心理和生理需求，同时室内空间环境也变得越发复杂，依据传统理论会有一定局限性[7]。因此，引入VR虚拟技术，以人的视角，对地下铁路站台空间展开探索，旨在弥补传统理论的局限性，为我国地下铁路车站空间设计提供有效的控制手段。

在建筑领域，无论是技术层面的模拟建造、设计过程中及建成后的效果表达，还是空间感知，VR虚拟技术的高还原性、高体验性、高互动性等特性，使其展现出极为广泛的应用前景和发展潜力[8]。VR虚拟现实技术可构建多个理想模型进行研究，为本次对地下铁路站台空间舒适性研究提供了一种切实可行的实验方法。

综上，以某地下铁路站台空间为实例，首先，运用虚拟现实技术，创建多种具有仿真性的地下站台空间的理想模型；其次，结合相关文献研究和实地调研建立站台空间舒适性的评价体系，采用实验调研的方式让实验者全方位体验观察地下铁路站台空间并结合问卷进行打分评价，相关数据会录入至软件；最后，结合方差分析和层析分析法对各项影响因子进行筛选，进行应用分析。VR虚拟现实+实验调研的空间设计方式从传统的二维平立剖图纸转到三维的沉浸式体验，将提前掌握使用者视角和喜好，使空间设计更直观、更科学、更有效，无论是对铁路站台空间设计，还是相关的建筑空间设计，都具有很强的现实意义。

1 站台空间舒适性评价体系搭建

1.1 评价指标筛选

人们对于场所的理解是基于身体对外部世界的感知，美国实验心理学家特瑞克勒根据实验数据认为：人类视知觉在获取外界信息中占据83%的主导地位[9]。

站台空间的高宽比对乘客舒适性的视知觉体验最为直接，只有适宜的高宽比才能让乘客感到舒适、亲切。同时，界面材质对视觉效果影响也是非常强烈的，甚至能够在视觉上起决定性作用，光的强弱虚实会改变空间的比例及尺度感[10]。故在铁路站台空间设计中，空间尺度、色彩以及光源的颜色选择是引起人们对空间视知觉舒适性感受的最直观的三项。本次研究通过对站台空间的高度、界面材质、光的颜色3个方面进行探究，为站台空间提供更科学、更舒适的设计。

1.1.1 高度对舒适性的影响

适宜的站台空间高度可以给乘客带来轻松、舒适、亲切的氛围，削弱地下空间带给人们封闭、方向辨别差等负面感受。

以某地下站台空间为实例研究对象，站台宽度因受站台设施及客流决定为9 m，地下站台层到站厅层高度受限界高度及轨顶风道所占空间影响，约9 m，结合已有研究表明，密闭空间舒适的H/D范围为1.1～1.6[11]，考虑实验的有效性，本次实验场景设计3个站台到吊顶的高度5.4，6.3，7.2 m，作为变量进行实验调研。

1.1.2 界面材质对舒适性的影响

材质色彩不但可以协调比例关系，同样对尺度也可起到调节作用。利用材质色彩的收缩性、膨胀性的视觉原理可调整空间比例和尺度[12]。

铁路站台空间的界面材质通常有两种色调，一种是以灰色调为主，另外一种是淡黄色调为主。故本次虚拟场景设计将墙面和顶面做了两种区分，分别采用了较为冷淡的灰色花岗岩及灰色的顶棚为一组，偏暖的米色花岗岩墙面以及米色的顶棚为一组。

1.1.3 光对舒适性的影响

适当运用光可改变室内空间尺度感，照度较低的空间显得低矮，明亮的光线使空间显得开阔[13]。尽管冷色调会营造出安静、简洁的空间，但同时也会产生阴冷感，可能会让乘客心理产生负面情绪，故在本次站台空间舒适性研究中，分别设计了冷暖两种不同光使用场景。通过合适的光的色彩选择,可减少因空间本身而产生的心理局促、封闭压抑等问题。

1.1.4 最终评价指标

结合文献分析法和相关研究对站台空间舒适性评价指标进行整体分析，最终形成以维度认知、材质认知和光源认知为标准的准则层，并细化为评价指标，如图1所示。

图1 舒适性评价指标筛选

1.2 评价方法选择1.2.1 评价方法过程

通过文献研究和实景调研，确定了评价指标体系。基于交互体验理论，借助VR技术，搭建起综合体验实验环境，实现了让实验者以不同的情景模式和视角进行体验的目标，并能进行实时定量评价，采用层次分析法确定各指标及权重。

1.2.2 评价方法选择

为正确选择最优场景，必须客观地对待各个影响因素的作用。最优场景比选是以各场景特性为基础，根据各场景独有的特点，对不同场景进行评价。根据场景的情况进行系统性分析，层次分析法用于本文的研究更为适合。

1.3 调研问卷组成

调研问卷共分为3个部分，第一部分是实验者的基本情况，包括实验者的性别、年龄、专业、身高、是否有体验沉浸式虚拟现实经历等；第二部分调研内容本身，包括准则层以及打分项；第三部分为综合评价，如图2所示。

图2 调研问卷

2 VR虚拟技术系统搭建

利用虚拟现实技术，在实验室根据某车站站台空间实例搭建沉浸式的地下铁路站台层漫游平台。设置标准的调研测试流程，如图3所示，邀请实验者在VR虚拟实验场景中漫游体验，同时观测并记录实验者在实验过程中的调研问卷数据。

图3 VR虚拟技术实验流程

2.1 搭建场景

根据设计图纸，将已搭建好的REVIT模型，通过 Datasmith插件导入UE4 软件中，添加简单碰撞及环境光，防止用户体验时产生失重漂浮在场景中。

然后根据不同场景表达效果，利用材质编辑器(图4)，修改模型材质，本项目中的纹理贴图部分使用Bridge制作，考虑到计算机硬件计算压力及VR体验感，贴图分辨率控制为1 920×1 080 dpi。添加虚拟人物，通过虚拟人和现实人的视角高度来相互校核，还原实验场景的真实性。

图4 材质编辑器

2.2 交互程序设计

系统的主要功能是实现地下站台空间不同吊顶高度、界面材质以及灯光冷暖组合下体验空间效果及舒适性。程序上通过蓝图代码形式来实现，考虑到初次VR体验者，体验时间过长容易产生模拟证(晕动病)，实验最大程度控制了场景规模与测试项数量，防止测试疲惫造成数据失真。结合评价体系3个不同高度、2种界面材质以及2种不同光源之间的全排列组合关系搭建了12个场景，如图5所示，同时也优化了场景的切换顺序，如图6所示，调研时间整体控制在3～5 min。

图5 某车站十二实验场景

图6 测试场景流程

2.3 主程序测试

为提高测试效率，每5个人为一组。在实验者带上VR头盔前，对小组讲述导语包括场景情况、控制的方法及需要打分的测试信息。讲述完成后，实验者填写个人信息表格，交由测试人员管理。实验者带上头盔后进行场景打分，由工作人员进行记录，如图7所示。更换测试人员，重复上述程序，直至测试结束。

图7 调研测试

2.4 实验成果整理

整理实验者对空间的维度认知、界面认知和氛围认知的测试评分。本实验共发放并回收问卷 50份，其中，有效问卷48份，无效问卷2份。整理调研问卷进行下一步数据分析。

3 数据分析及研究成果

对收集的实验数据进行统计分析，得出影响站台空间舒适性因素之间的关系，进而总结出站台密闭空间舒适性感知之间的影响规律，在此基础上，使用层次分析法对场景进行评价，得出评价最佳方案。

为充分挖掘数据背后因子的影响与趋势，设计了数据分析框架，用于对问卷结果的检验、分析与评价，如图8所示。

图8 数据分析框架

3.1 正态性检验

先对满意度量表数据进行正态性检验，符合正态分布则可考虑采取Person相关分析法，如不符合则可以考虑采取Spearman相关分析法[14]。3个心理感知量在P-P图中基本均匀接近对角直线分布。同时进行Shapiro-Wilk检验，结果见表1。

表1 Shapiro-Wilk检验

经过检验，3个心理感知量p均小于0.05，接受假设，表明满意度量表数据基本满足正态分布，可使用Person相关性分析法[15]。

3.2 相关性分析

为探究感官度量之间的影响，对感官度量数据进行Person相关性分析，如表2所示。结果显示：高度与冷暖度、高度与轻松度之间显著性p值小于0.01，即高度与冷暖度、轻松度具有相关性，轻松度和冷暖度无相关性。

表2 Person相关性分析

通过表2可以看出，高度感与冷暖度(-0.135)、轻松度(-0.149)具有负相关性。这一结果说明了高度感知与冷暖度、轻松度评价是负相关。

本次实验方案包括高度、界面、光源等3项因素作为场景变量。方差分析得知：感官高度与场景高度具有相关性(p<0.01)，场景高度越高，感官高度越高；轻松度与顶界面具有相关性(p<0.01)，暖光源轻松度比冷光源得分高，如表3所示。

表3 场景因素方差分析

3.3 回归分析

在方案评价中，一种现象往往与多种因素相关联，由多个自变量的最优组合来预测或者估计，会比单一自变量预测或者估计要有效[16]。因此，选择多元回归分析方法进行数据分析。

logistic回归的因变量是分类型变量[17]，符合高度、界面、光源场景设置需求。因此，本研究选择多分类logistic回归方法对数据进行研究。

表4列出自变量不同分类水平对感官得分的影响检验，是多项logistic回归非常重要的结果。b列的参数为各自变量不同分类水平在模型中的系数，c列的正负符号表明它们与感官的选择是正比还是反比关系。

由参数估计表，可得出感官得分的多项logistic回归模型，即

c2×[方案高度=6.3]+c3×[侧界面=冷界面]

+c4×[顶界面=冷光源]

(1)

式中，pαi为与对照组相比的感官得分的概率，将表4中参数代入公式中可得出场景各种感官得分的概率情况。

表4 参数估计

3.4 层次分析法评价

为合理对场景进行评价，采用定量的方法对场景舒适性进行分析，通过多种评价方法比选[18]，选择层次分析法作为场景舒适性评价方法，并构建场景舒适性评价指标体系。

3.4.1 评价体系构建

根据前文分析的场景影响因素分析，选择3类因素作为评价指标，分别是高度感、冷暖度、轻松度。

目标层：场景舒适性评价指标体系。

指标层：高度感、冷暖度、轻松度。

方案层：场景1-1至场景3-4，如图9所示。

图9 场景舒适性评价指标体系

在舒适性评价指标体系中，各指标对应的信息类型不同，对场景舒适性影响也不同。因此，舒适性评价值并不等于各指标简单相加，而需综合考虑各模式对于不同因素的适应性及各因素的影响。在上文构建的评价体系基础上，构建综合评价模型如下

(2)

式中，Rm为综合评价值，综合评价值越高则方案评价越优；wi为第i个指标权重；rmi为第m个方案的第i个指标值。

∑wi=1 0≤wi≤1

(3)

3.4.2 评价指标权重确定

首先将问题分解成目标、准则、方案等层次，采用一定标度对主观判断进行客观量化[19]。依据量化结果，进行定性与定量分析，具体步骤如下。

(1)构造判断矩阵W

以上一层次某因素为准，它对下一层次诸因素有支配关系，两两比较下一层次[20]，采用1～9比率标度法进行赋值并构造W。

(2)求解特征根

依据判断矩阵求解各层次判断矩阵的最大特征根及其对应的特征向量[21]。求出W的最大特征根λmax及其对应的特征向量w，得出本层指标相对于上一层某指标的权重向量。

(3)一致性检验

根据λmax求出一致性指数CI=(λmax-n)/(n-1)、随机一致性比率CR=CI/RI，若CR<0.1，则认为具有满意的一致性，否则需对W进行调整，直至满足一致性要求。

(4)计算各层因素对系统的组合权重并进行排序

由于各判断矩阵求得的权重值，是各层次指标子系统或指标项相对于其上层某一因素的分离权重值。因此，最高层组合权重值需由分离权重值进行组合得出。组合公式如下

(4)

式中，wij为第i个指标第j层的权重；k为总层数。

将高度感知等3个心理感知满意度在12个场景中得分均值进行统计，得出场景心理感知均值，具体如图10所示。

图10 场景均值统计

根据场景均值统计结果与问卷统计数据，对不同指标进行两两比较，采用1～9比率标法进行赋值并构造W，求出W的最大特征根λmax及其对应的特征向量w，并得到本次指标相对于上一层某指标的权重向量。经过检验，CR均小于0.1，认为具有满意的一致性。并根据结果进行层次总排序，如表5所示。

表5 模糊综合评判矩阵

通过表5结果可以看出，场景1-4舒适性得分最高，为0.21，其次为场景3-4、2-4和1-1。高度感和轻松度对于乘客舒适性影响更大，合理的设置方案高度和顶界面暖光源有助于提升方案的舒适感知。

为验证实验的准确性，对层次分析法结果和问卷调查结果在归一化[22]后进行对比，见图11。可以发现，两种方法舒适性最优方案相同。同时，通过层次分析法得出的舒适性评价与问卷结果的均方误差为0.069，具有较高精确度，认为层次分析法建立的评价体系较为准确地描述了用户喜好。

图11 层次分析法与问卷调查结果对比

通过问卷调查和数据分析的最终结果，某站站台空间最终选择了吊顶高度5.4 m、偏暖的米色花岗岩墙面以及米色的顶棚界面材质和冷色光源的组合方案，指导施工建设。

4 结论

在地下站台空间设计中，相比于传统的二维效果图展示，本研究基于快速发展的虚拟现实(VR)技术，搭建了12个沉浸式三维地下铁路站台空间场景，结合合理客观的评价体系，采用调研问卷+数据分析的方式，得到了用户更真实的体验数据，进而对设计进行有效的优化和改进。结论表明：在高度感的感知中，场景高度不是越高越好，过高的场景设置会减少冷暖度、轻松度得分；在轻松度感知中，顶界面冷光源相对于暖光源，更容易给乘客带来轻松的感觉；在冷暖度感知中，侧界面中偏冷材质设置更容易让乘客感到冷的感觉，顶界面暖光源设置更容易让乘客感觉到暖的感觉；舒适性方案评选中，高度感和轻松度对于乘客的舒适性影响更大，合理的设置方案高度和顶界面暖光源有助于提升方案的舒适感知。在此基础上，采用层次分析法对不同场景的舒适度进行评价，给出了舒适度最优场景推荐，并使用问卷数据验证了评价体系的准确性。

本文所采用的VR虚拟现实体验、空间评价体系、场景评分与数据分析相融合的空间设计方法，可有效梳理用户与不同因素的感知评价，有助于设计人员掌握用户喜好，从而对设计提供更科学、更有效指导，也可为同类研究提供新的思路。