本研究首次通过跟踪实时、高分辨率的环境暴露和情绪反应来研究和比较不同质量住宅社区中的居住开放空间（ROS）与老年人情绪之间关联；并采用混合方法，包括可穿戴传感器和问卷调查，收集了中国广州老年居民的客观和主观住宅户外特征以及生理和心理情绪数据，考察和比较不同质量的ROS对老年人情感相关的生理和心理反应的影响。
【论文题目】
How do residential open spaces influence the older adults’ emotions: A field experiment using wearable sensors
【题目翻译】
居住开放空间如何影响老年人的情感：使用可穿戴传感器的现场实验
【期刊信息】
Landscape and Urban Planning；Volume 251, November 2024, 105152
【作者信息】
Weijing Luo，华南农业大学，林学与风景园林学院，中国广州510642，[email protected]
Chongxian Chen，华南农业大学，林学与风景园林学院，中国广州510642，[email protected]
Haiwei Li，华南农业大学，林学与风景园林学院，中国广州510642，[email protected]
Yongqi Hou，华南农业大学，林学与风景园林学院，中国广州510642，[email protected]
【论文链接】
https://doi.org/10.1016/j.landurbplan.2024.105152
【本文亮点】
-
研究了低、中、高质量居住开放空间的影响
-
收集了实时居住区户外特征和情感数据
-
高质量的居住开放空间（ROS）导致皮肤电导水平（SCL）增加较少，活力增加较多
-
不同居住开放空间的视觉感知指标对情感有不同的影响
-
绿化、视觉拥挤度和围合感在三种居住开放空间中产生了不同的影响
【摘要】
既有证据和知识表明环境与人类情感之间存在密切关系。居住开放空间（ROS）在塑造老年人健康和福祉方面起着重要作用。然而，关于不同类型的ROS与老年人情感之间的关联证据仍然不足。本研究的目的是考察和比较不同质量的ROS对老年人情感相关的生理和心理反应的影响。研究选择了三种类型的ROS（低质量、中等质量和高质量），并通过使用多种可穿戴传感器的现实场地实验，收集了69名老年人的数据。居住区户外特征通过视觉感知指标进行客观量化，并通过感知恢复性进行主观量化。情感分析基于皮肤电导水平、心率变异性、脑电图和心理问卷。结果显示，与接触低质量ROS相比，接触高质量ROS导致皮肤电导水平（SCL）显著降低，活力显著提高。三种类型的ROS之间在β/α指数方面存在显著差异。此外，不同类型的ROS的视觉感知特征对情感的影响也有所不同。在高质量的ROS中，蓝色空间和安全性与老年人的情感唤起呈负相关，而在低质量的ROS中，安全性和可步行性与老年人的情感唤起呈负相关。绿化、视觉拥挤度和围合感对老年人情感的影响在不同类型的ROS中产生了不同的结果。研究结果可以为城市规划者提供指导，帮助改善ROS的设计，提供更令人愉悦且适合老年人的体验。
【引言】
全球正经历人口老龄化的加速。预计到2050年，全球老年人口比例将从2020年的9.3%上升至16.0%（联合国经济和社会事务部，2020）。在中国，2020年60岁及以上人口达到约2.64亿，占总人口的18.7%，比2010年增加了5.44%（中国国家统计局，2021）。随着预期寿命的延长和医学进步，如何提高生活质量并在晚年保持身心健康的问题变得越来越重要（Steptoe等，2015）。老龄化伴随着身体和认知功能、感官能力、自我照护能力和社交网络的下降，导致负面情绪（如抑郁、焦虑、孤独、缺乏兴趣或乐趣）和主观幸福感的受损。最近的研究报告指出，全球60岁以上的成年人中多达15%患有精神疾病（世界卫生组织，2017），而中国老年人中抑郁症的患病率高达25.55%（Luo等，2022）。老年人的负面情绪与残疾、心脏病、痴呆、自杀和过早死亡的风险增加有关（Kiecolt-Glaser等，2002；Mirza等，2016）。因此，作为主要的精神健康负担来源，晚年的情绪障碍已成为一个重要的公共卫生问题，并引起了广泛关注。改善老年人的情绪健康有助于减轻老年护理服务和社会保障系统的负担，控制公共卫生支出，并促进代际间的和谐关系。
“健康老龄化”概念强调了支持性环境在塑造老年人健康方面的重要作用（Menassa等，2023）。考虑到建筑环境因素的干预和行动，可以由政府和城市规划者实施，可能成为预防和改善老年人精神状况的有效方法。与年轻人相比，老年人花费更多时间在居住社区中，由于行动能力的下降，他们对邻里环境的依赖性增加，户外活动范围减少（Li和Zhou，2020；Wahl等，2012）。老年人对其直接生活环境，尤其是邻里环境，更容易在身体和心理上受到影响。针对这些问题，世界卫生组织（WHO）发起了建设老年友好型城市和社区（AFCC）的倡议，以使环境更有利于满足老年人的需求（van Hoof等，2021）。居住开放空间（ROS）是支持“就地老龄化”的老年友好型社区的重要领域。居住开放空间指的是与住宅建筑相连的公共或半私人户外环境，以及城市建筑环境与住宅内部环境之间的过渡空间（Lynch，2021）。居住开放空间作为与自然接触、身体活动、休闲娱乐和社交互动的重要多功能区域，可以为老龄化人口提供健康益处。因此，理解居住开放空间对老年人情感健康的影响对于建设老年友好型社区具有实际意义。
1.1情感与环境的关系
情感是心理健康的基本组成部分，是由感知、评价、概念和非认知过程激活并由神经系统产生的一系列复杂的情感体验和有意识的感觉（Izard, 1977; Izard, 1993）。几十年来，关于“情感”的普遍定义一直缺乏共识，情感研究中的主要争论集中在情感的基本单位是离散的还是维度的（Izard, 2009; Todd等, 2020）。离散情感理论提出，存在一小组独立的、离散的、独特的或基本的情感（如快乐、愤怒、悲伤等），这些情感是普遍存在并具有生物遗传性的。相反，维度情感理论则认为，情感可以基于一些常见的维度进行概念化，如效价（从愉快到不愉快）和唤醒（从平静到兴奋；Hamann, 2012）。有些人认为，情感是对环境的初始反应（Ulrich, 1983）。人们与周围环境的身体和心理互动方式会影响他们在这些地方的感受、感知、体验和情感表达。在环境心理学和地理心理学领域，将人类情感与地方和空间联系起来并不是一个新课题。随着对情感空间性的关注不断增加，“地方情感”（Kang等, 2019）、“恋地情结”（Tuan, 1990）、“感官地理”（Rodaway, 2002）、“情感地图”（Nold, 2009）、“情感地理学”（Davidson等, 2006）、“情感地理学”和“幸福地理学”（David等, 2014）等概念已经被提出。
最近，大量研究探讨了自然环境以及建成/非自然环境对情感的直接或间接影响（Norwood等，2019）。研究表明，自然环境，包括人类管理的景观（如公园、花园和居住绿地）到野生景观（如森林和河流），与幸福、放松、愉悦、积极的情感评价以及提高享乐和自我超越情感有关（Kong等，2022；Neill等，2019；Rapuano等，2022；Wei等，2020）。然而，现有证据表明，城市建成环境（即本质上人为的灰色环境，如建筑物、街道、道路、人行道和基础设施）与压力、抑郁和恐惧相关（James等，2017；Kim等，2010；Lederbogen等，2011）。此外，直接生活环境可以触发不同的感知和情感反应。一些研究探讨了居住环境及其特定特征对情感的影响（Hartley等，2021；Pfeiffer和Cloutier，2016；Zhang和Lin，2011）。初步发现表明，高质量的居住环境与情感有积极关联，居住在相对高质量住所的人往往表现出更好的情感健康（Ballas，2013；Liu等，2021）。尽管关于邻里环境与老年人情感健康之间关系的证据越来越多，但大多数研究是横断面的，广泛地考察了邻里环境，而忽视了对不同子类别的分类（Barnett等，2018；Padeiro等，2022）。比较不同类型居住开放空间对老年人情感影响的实验性暴露研究似乎较为稀缺。
1.2环境暴露与情感测量
在以往的心理健康研究中，环境暴露评估通常依赖于客观和主观测量方法来捕捉户外环境特征。客观居住特征可以通过各种数据类型和来源得出，如土地利用和土地覆盖地图、树冠层地图、遥感影像、街景图像（SVIs）和实地审核数据（Chen和Yuan，2020；Chen等，2020；Labib等，2020；Martins等，2021）。基于客观数据的传统区域级评估方法通常通过行政单元或基于人们住所的圆形缓冲区来划定与健康相关的环境暴露（Helbich，2018）。然而，这些方法假设居住在同一邻里的居民有相似的暴露情况，误导性地表明暴露是静态和均匀的，这可能会偏离实际环境暴露（Chaix，2018）。尽管街景图像（SVIs）最近成为评估眼平面客观邻里特征的新数据源，但它们是从车辆的视角收集的，且大多数地图服务未覆盖某些区域，如封闭社区（He等，2020；Wang等，2019）。另一方面，穿戴式摄像头可以用于拍摄以行人视角为中心的照片或视频，并有潜力测量微观环境暴露和视觉元素，这些都是情感反应的关键驱动因素（Li等，2022；Zhang等，2021；Zhang等，2022）。此外，新兴的机器学习技术使自动提取视觉户外环境特征成为可能，但它们主要用于街景分析（Helbich等，2019；Ye等，2019）。利用穿戴式摄像头和机器学习技术在微观层面检测细粒度视觉属性的ROS研究仍然较为稀缺。主观居住特征通常通过问卷评估居民对周围环境的感知，这可能会影响他们的情感健康（Zhang & Zhang，2017）。
大量社会科学实证研究使用心理和生理指标来测量人类情感。情感的心理测量主要通过自我报告的量表、问卷、访谈和日志来评估（Mauss & Robinson，2009）。虽然传统的心理测量方法是获取情感数据的有效技术，但这些方法存在回顾性偏差，瞬时报告被认为更可靠（Robinson & Clore，2002）。在生理测量方面，早期研究通常使用唾液皮质醇或血压，这主要试图描绘累积的压力效应（Ottosson和Grahn，2005；Rodiek，2002）。最近，移动传感器和可穿戴生物传感器的发展使研究人员能够在真实的流动户外环境中捕捉到带有时间戳的高分辨率生理情感数据。结合全球定位系统（GPS）技术，诸如皮肤电活动（EDA）、心率变异性（HRV）、皮肤温度（ST）、心电图（ECG）和脑电图（EEG）等方面能够反映对环境的实时情感反应或情感唤起（Aspinall等，2015；Benita和Tunçer，2019；Chen等，2018；Kim等，2019）。这些研究追踪了各种户外环境的情感效应，包括城市中心（Xiang等，2021），校园（Chen等，2018），绿色空间（Lin等，2019），蓝色空间（Zhang等，2022），街道（Kabisch等，2021）和住宅区（Benita & Tunçer，2019）。大多数现场实验研究主要集中于年轻人（Benita和Tunçer，2019；Lin等，2019；Tost等，2019；Xiang等，2021），还有一些研究限制于特定人群，如女性（Benita & Tunçer，2019），早期精神病患者（Winz等，2022），游客（Shoval等，2018a；Shoval等，2018b），骑行者（Millar等，2021），工人（Lee等，2021）和警察（Furberg等，2017）。尽管有一些研究旨在检测压力环境以改善老年人在现实生活中的流动性，但这些研究样本量较小，并且主要在西方国家和香港进行，这使得其发现难以推广到中国大陆（Lee等，2020；Torku等，2021；Torku等，2022）。尽管实时环境暴露的情感测量证据日益增多，但使用可穿戴设备在不同类型的住宅开放空间（ROS）中调查老年人心理生理情感健康结果的研究仍然缺乏。
1.3研究目的
鉴于上述研究空白，本研究旨在通过结合可穿戴传感器、语义图像分割和问卷调查的多方法方法，实时跟踪老年人在不同质量的住宅开放空间（ROS）中的心理生理情绪变化。此外，本研究还旨在了解不同质量的ROS对广州老年人情绪的影响。具体研究目标如下：
1. 比较不同质量的ROS对老年人的心理生理情绪影响，并考察住宅户外特征与情绪反应之间的关系；
2. 通过结合生理数据和GPS数据，检测不同类型ROS中的高压力和低压力区域；
3. 考察客观住宅户外特征与老年人情绪唤起之间的关系，并识别不同质量ROS中的关键指标。
【材料和方法】
2.1研究区域与数据
实地实验在中国广州进行，广州是粤港澳大湾区的中心城市。广州是一个高密度城市，城市化率为86.46%（广州统计局，2023）。到2021年，广州的老龄化率达到18.27%（广州卫生健康委员会，2022）。该市面临着为老年人提供适老社区的挑战。广州也是中国城市更新的先行者，为其他中国城市的住宅环境改善提供了宝贵的经验。
研究地点的选择采用了三步判断抽样方法，包括实地调查、焦点小组讨论和住宅分类。最初，由七名经过培训的研究人员在广州天河区对36个住宅进行实地调查并拍摄照片，收集了社区的基本属性，如建筑年代、住房性质、社会结构和景观环境特征。接下来，组建了一个焦点小组，由四名研究人员制定了一个包含建筑特征、景观特征和空间模式三维度的ROS评估量表。然后邀请十名研究人员根据基本信息和照片完成了1-5分的ROS评估。ROS评估后，住宅小区被分类为三种等级：（1）低质量，（2）中等质量，（3）高质量。最终选择站点的标准是：小区被认为具有代表性，且站点在实验目的和疫情封锁限制下均方便访问。最后，选择了三个典型的住宅小区作为研究地点：龙东村（低质量）、茶山社区（中等质量）和汇景新城（高质量）（表1）。龙东村是一个城市村落和开放的旧社区，特点是建筑老旧、建筑密度高、绿化率低、生活环境差且缺乏公共休闲空间。茶山社区是一个单位住宅社区，活动空间小且功能单一。停车位不足，一些机动车辆占用人行道。汇景新城是一个高端的封闭商品住宅社区，内部有花园且户外环境优质。
为每个住宅小区选择了具有多样空间特征的步行路线（图1）。实验路线设计原则如下：（1）路线位于各自的社区内，例如，开放社区的路线主要位于中心区域，而半开放或封闭社区的路线保持在社区边界内；（2）路线穿过老年人主要活动区域和各种空间，具有独特的景观，以便在步行过程中为参与者提供多样的体验；（3）路线设计保持10-15分钟的步行长度。选择相对简短的10-15分钟步行考虑到受访者的年龄和社区规模。较长的路线可能会导致疲劳，尤其是在年长参与者中，这可能会干扰实验结果。此外，10-15分钟的步行符合自然资源部倡导的15分钟社区生活单元的概念。路线长度为：龙东村路线0.72公里，茶山社区路线0.56公里，汇景新城路线0.65公里。
2.2参与者
参与者通过两种方式随机招募：在样本住宅区进行面对面邀请和在本地公告板以及微信（一个中国社交媒体应用）群组上发布广告。研究的纳入标准为：年龄在60至80岁之间；在选定的住宅区居住超过3个月；没有身体或精神疾病；没有癫痫或神经心理障碍的病史；能轻松步行至少15分钟；右撇子；自报视力正常或矫正后正常，听力正常；能理解实验规则。参与者被指示在实验前8小时避免饮酒、吸烟、咖啡因摄入和剧烈运动。伦理审批已获得南方农业大学伦理委员会的批准。所有参与者均提供了书面知情同意。每位参与者在完成实验后获得了50元人民币的奖励。共有92名参与者报名，其中2名因个人原因退出，17名因数据缺失被排除，4名因技术问题被排除。因此，最终的研究样本中包括69名参与者。参与者完成了一系列关于背景信息的问卷：社会人口学背景（年龄、性别、教育水平和居住时间）；健康状况（自报健康、自报压力水平和睡眠质量）；户外活动的频率和时长；环境偏好。参与者的特征见表S1。样本包括38名女性和31名男性，平均年龄为68.07岁。大多数参与者报告健康状况良好或极好，自报健康状态的平均评分为4.10。
表1研究区域概况。
图1研究地点标记了参与者的步行路线及沿路线拍摄的照片。
图2.实验程序。
2.3实验设计
由于参与者的生活环境不同，本实验采用了被试间设计。实验在2021年1月至11月进行，时间为8:00-12:00和14:30-17:30。所有实验日的天气条件相对温和，平均气温为24.64 ±3.88 ℃，相对湿度为64.67 ±12.25 %，平均风速为0.32 ±0.42 m/s。实验程序分为三个部分：准备、基线测量和环境暴露（见图2）。在准备阶段，研究人员向参与者解释了实验程序，并获得了他们的书面知情同意书和背景信息。参与者佩戴了可穿戴设备（手环、脑电图耳机、摄像头和GPS）。然后，参与者被要求坐下并放松10分钟，同时记录他们的基线生理测量。在休息期结束时，他们被要求填写暴露前简要的情绪状态量表（B-POMS），结果作为基线心理反应。随后，参与者按照预定的路线以自选的适中速度步行。参与者的前视图由安装在胸带上的摄像头进行视频记录。在步行阶段，两名研究人员陪同参与者，以监测他们的实时生理反应。然后，测量了暴露后的B-POMS，并进行了感知恢复量表（PRS）问卷调查。最后，所有可穿戴设备被移除，完成了简短的访谈。参与者被要求在实验期间不要与他人交谈，不使用智能手机，并避免剧烈的体力活动。整个实验持续了大约50分钟。
2.4测量方法
2.4.1 住宅外部特征
客观指标：视觉感知指标。客观视觉数据通过GoPro Hero 7运动相机在参与者步行过程中自动拍摄前视视频收集。然后，使用FFmpeg软件将视频文件转换为每秒1帧的时间戳图像，分辨率为950 ×540像素。为了从图像中提取住宅户外特征的初始特征，采用了深度机器学习方法。使用了一个具有高分辨率网络（HRNet）骨干的全卷积神经网络（FCN），该网络在ADE20K注释图像数据集上进行了预训练，用于语义图像分割（Zhou等，2019）。FCN模型是一种计算机视觉分析方法，近年来在建筑环境和健康相关研究中广泛采用，用于自动提取图像信息（Wang等，2021；Wang等，2019）。分割后，每张照片中最多可以识别150个元素（例如树木、草地、水体、建筑物），并计算每个元素的面积比例。FCN模型与HRNet骨干的准确率为0.776。先前的研究发现，绿地、蓝色空间、拥挤度、围合感、安全性和步行性会影响老年人的心理健康（Chen & Yuan, 2020；Tang等，2022；Wang等，2019；Zhifeng & Yin, 2021）。因此，基于图像中初始特征的面积确定了六个视觉感知指标。这六个视觉感知指标在表S2中进行了描述。
主观指标：感知恢复性。感知恢复性量表（PRS）被广泛用于评估物理环境的恢复性（Wang等，2016）。老年人对住宅生活环境的感知恢复性可能与他们的情感健康紧密相关。客观视觉感知指标无法捕捉老年人对其住宅环境的主观感受。因此，在实验后使用了PRS来评估老年人对步行过程中住宅户外空间恢复性的感知。Hartig等（1997）开发的原始PRS包含26个项目，测量四个指标：逃离（逃离日常生活的景象和经历的属性）、广度（在环境中的相关性和范围感）、迷人性（环境吸引个体注意力的能力）和兼容性（个人倾向与环境特征的匹配程度）。考虑到实验是在预定路线中进行的，省略了四个代表可读性的项目。本研究使用了修改版的22项PRS，通过七级李克特量表（1 = 完全不符合，7 = 完全符合）进行评分。对负面表述的项目进行了反向编码。
2.4.2 情感数据
2.4.2.1. 生理情绪测量
参与者的EDA（皮肤电导反应）和HRV（心率变异性）数据通过佩戴在手腕上的Empatica E4传感器设备进行测量。这种医疗级设备具有经过临床验证的高有效性，越来越多地用于城市建筑环境中的情绪追踪（Benita & Tunçer, 2019; McCarthy et al., 2016; Millar et al., 2021; Zhang et al., 2022）。EDA以4 Hz的采样率记录，而血容量脉冲（HRV的来源）以64 Hz的采样率记录。EDA指的是由外分泌汗腺引起的皮肤电导特性的自主变化，由交感神经系统直接支配（Braithwaite et al., 2013）。EDA是情绪唤起和压力激活的可靠指标（Jiang et al., 2014; Kanjo et al., 2018; Li & Sullivan, 2016）。EDA信号由两个成分组成，即皮肤电导反应（SCR）和皮肤电导水平（SCL）。SCR是皮肤电导的突然上升，反映了对特定刺激的即时外周神经反应；而SCL反映了皮肤电导的缓慢、长期和一般变化。情绪唤起如兴奋和压力通常会导致汗液分泌增加，从而提高SCL，而SCL的下降则表明唤起水平较低。在本研究的流动环境中，SCL被选为测量指标，因为它更适合长期记录，并且适用于环境刺激连续且不受控制的设置。
HRV指的是心率的逐次波动，反映了交感神经系统和副交感神经系统之间的持续互动，是调节情绪反应能力的标志。分析中使用了两个时间域HRV指标：正常心跳间的连续差异的均方根（RMSSD; 毫秒[ms]）和正常至正常间隔的标准差（SDNN; 毫秒[ms]）。RMSSD和SDNN值较高表明副交感神经的激活，提示生理放松和压力缓解。
EEG数据使用非侵入性、研究级的EMOTIV EPOC+无线耳机记录。以往的研究已经验证了该设备作为情绪识别和环境评估的工具（Aspinall et al., 2015; Tilley et al., 2017）。该神经耳机包含14个电极通道，按照国际10-20 EEG系统安装在用户的头皮上，覆盖四个脑区：额叶（AF3, AF4, F3, F4, F7, F8, FC5, FC6），控制认知、语言、情绪、社会行为和运动；枕叶（O1和O2），处理所有视觉信息；顶叶（P7和P8），控制视觉和躯体感觉信息；颞叶（T7和T8），专门处理语言功能、听觉感知和记忆。记录的采样率为128 Hz。
2.4.2.2. 心理情绪测量
老年人的情绪状态通过中文版简短情绪状态评估量表（B-POMS）进行测量，该量表具有良好的可靠性和有效性（Chi & Lin, 2003）。作为一种成熟的情绪测量工具，B-POMS量表广泛用于研究环境与情绪之间的关系，可以快速评估短暂的情感和持久的情感状态。B-POMS量表包括30项，分为五个子量表：紧张（T）、愤怒（A）、疲劳（F）、活力（V）以及困惑和抑郁（C + D）。参与者根据五点评分量表对每一项进行评分（1 = 完全没有，5 = 非常有）。总情绪扰动（TMD）指数通过以下公式计算：TMD = T + A + F + C + D - V，其中得分越高表示情绪状态越负面。
2.4.3 位置数据
使用了一款市售的手持式UniStrong GPS跟踪器记录参与者在实验地点步行过程中的地理坐标和相应的时间戳（采样频率为1 Hz）。收集到的时间戳随后与地理位置数据（纬度和经度）、实时情绪数据以及摄像机记录的参与者视野数据进行了合并。
2.5. 情绪数据预处理
EDA（皮肤电反应）：首先使用EDA-explorer工具对EDA信号进行平滑和过滤，以去除运动伪影。该工具已被证明能够自动且准确地检测伪影。清理伪影后，我们采用了Greco等（2016）开发的基于凸优化的EDA（cvxEDA）工具，将EDA信号分解为一项调节性成分（即SCL）和一项相位成分（即SCR）。如前所述，调节性成分被保留用于分析。接着，将每位参与者的SCL数据通过z-score标准化，以抵消个体间的差异。z-SCL分数符合正态分布，平均值为0，标准差为1。z-SCL分数表示单个SCL测量值与特定个体的平均SCL的比较。由于照片数据和位置数据都以1秒的间隔提取，因此z-SCL数据（每秒记录四次读数）首先在1秒的间隔上进行平均，以便在后续分析中与其他两种数据融合。
HRV（心率变异性）：使用Kubios HRV Premium 3.4.1处理心跳间期数据，并获取HRV参数。利用自动伪影修正算法来检测、去除和修正伪影（遗漏、额外、错位和异位跳动）。然后提取了两个参数（RMSSD和SDNN）进行分析。
EEG（脑电图）：使用MATLAB脚本（版本R2019b）和EEGLAB工具箱对EEG数据进行预处理。通过带通滤波去除低频和高频噪声，剔除1 Hz以下和50 Hz以上的EEG信号。然后将信号分段为基线段和环境暴露段。随后，使用自动独立成分分析（ADJUST v1.1.1）算法去除眼睑眨动、眼球运动、肌肉活动和松动电极造成的伪影。剩余的伪影通过目视检查去除。最后，使用快速傅里叶变换（FFT）和128样本窗口进行功率谱分析，以获得以下四个频段：delta波（1–4 Hz）、theta波（4–8 Hz）、alpha波（8–13 Hz）和beta波（14–30 Hz）。β/α指数作为视觉和生理反应研究中的合适指标，用于测量脑电活动。较低的β/α指数值表明参与者感到更加放松和平静。
2.6数据分析
为了比较三种类型的住宅户外特征和情绪反应变化之间的差异，我们进行了方差分析（ANOVA），如果观察变量不符合正态分布，则使用Kruskal-Wallis检验。生理数据的变化通过将基线的平均值与暴露期间的平均值进行差值计算，而心理数据的变化则为B-POMS分数的前后变化。此外，使用Spearman相关系数来了解住宅户外特征与情绪反应之间的双变量相关性。
为了进一步探讨情绪值的空间模式，使用空间自相关分析来检测三种住宅社区中引发相似生理反应的特定区域。在进行分析以识别高情绪值和低情绪值的显著聚类之前，必须评估整个数据的空间结构并检查全局空间自相关。全局Moran's I统计量通常用于确定观察结果中是否存在全球空间模式，之前已被应用于测量压力的全球自相关（Han et al., 2022; Jose, 2018）。因此，使用全局Moran's I来测量情绪值（z-SCL）是否在研究区域内根据地理点数据聚集。其定义如下：
其中n为位置总数，xi和xj分别表示第i点和第j点的情绪值，x̄为情绪值的均值，wij 为空间权重矩阵。I 的系数介于 -1 和+1 之间。I > 0 表示邻域中的情绪值存在正空间自相关（聚集模式）。I < 0 表示邻域中的情绪值存在负空间自相关（分散分布）。I = 0 表示情绪值之间没有空间相关性（随机分布）。K 最近邻（KNN）方法用于生成权重（邻居数 = 4，以避免孤立点）。
Getis-Ord Gi* 统计量是一种广泛接受且适合的方法，用于识别局部热点（高值聚集区）和冷点（低值聚集区）。若干研究已应用 Getis-Ord Gi* 统计量来评估压力反应的局部空间聚类（Li et al., 2016; Torku et al., 2021）。由于全局 Moran's I 统计量无法描绘高值或低值聚集区的空间位置，使用Getis-Ord Gi* 统计量来确定高低情绪值的聚集位置，置信水平为 95%。计算公式如下：
Getis-Ord Gi* 分析为每个特征提供了一个 Z 分数，较大的统计显著正Z 分数表示其邻域具有高情绪值，反之亦然。Z 分数 > 1.96 表示高SCL 值的聚集区。相反，Z 分数 < -1.96 表示低SCL 值的聚集区。
最后，为了研究不同类型的 ROS 中即时视觉环境与生理情绪反应之间的关联，采用了线性混合模型（LMMs），以处理嵌套在参与者中的情绪数据的层级结构。这种分析方法可以考虑情绪反应的重复测量，并在模型中包含随机效应和固定效应。基于每秒一个数据点的融合数据，六个表示环境刺激的视觉感知指标被纳入为固定效应预测变量，而参与者则作为随机效应变量。使用 z-SCL 数据（表示情绪唤起水平）作为结果变量。由于情绪唤起效果可能因不同参与者而异，我们在 LMMs 模型中控制了个体特征变量：年龄、居住年限、性别、教育水平、自报健康状况、自报压力、睡眠质量、户外活动频率、户外活动持续时间和环境偏好。
统计分析使用 RStudio 软件（版本4.2.1）进行，LMMs 分析使用 lme4 包进行。空间自相关分析和高压力与低压力区域的识别使用 GeoDa 软件（版本1.18.0）进行。
【结果】
3.1三种类型居住区的环境特征和情感反应差异
3.1.1. 居住区的户外环境特征
通过融合来自各种传感器（E4手环、相机和GPS追踪器）的数据，共纳入了32,059张照片进行分析。表S3展示了通过语义分割从照片中提取的15个初始特征的简要统计描述，以及通过公式计算出的六个视觉感知指标。总体而言，建筑物、树木、人行道和道路是照片中最常见的15个特征，这些特征形成了客观的居住区户外环境的主要视觉刺激。图3展示了几张选定照片的分割结果示例。
图4展示了三种类型居住区的视觉感知指标。结果表明，在绿色空间、蓝色空间、视觉拥挤度、安全性和步行便捷性这五个视觉感知指标方面，三种类型的居住区存在显著差异。三种类型的居住区在封闭性方面没有发现统计学上显著的差异。配对比较的结果显示，高质量居住区在绿色空间、蓝色空间、安全性和步行便捷性方面的指标显著高于中等质量和低质量居住区。相反，低质量居住区的视觉拥挤度指标显著高于其他两种类型的居住区。研究结果表明，邻里层面的图像能够有效揭示居住区的客观属性，并促进对实际环境差异的深入理解。这个数据源具有类似于实地观察的功能，但更准确地描绘了参与者的眼睛视角。这些结果进一步证明了选择这三个具有不同属性的社区作为实验地点的合理性，以了解居住区特征如何影响情感福祉。
如图5所示，结果揭示了PRS评分的以下模式：高质量居住区 > 中等质量居住区 > 低质量居住区。在子量表中，“广度”属性的平均评分最高（平均值=5.68），而居住区的“迷人性”感知较低（平均值=4.33）。研究结果表明，具有较高户外景观质量的住宅区的恢复潜力更高，这与常见的预期一致。然而，居住区感知恢复性与老年人情感之间的关系还需要进一步探讨。
3.1.2. 生理和心理反应
如图6所示，三种类型居住区的SCL变化值均为正值，表明在步行过程中SCL值高于基线值。结果显示，三种类型居住区的SCL值增加存在显著差异（p < 0.05）。Tukey事后检验显示，低质量居住区的SCL增加值显著高于高质量居住区（均值分别为0.85μS和0.36μS）。
图7展示了三种类型居住区HRV参数变化的箱线图。SDNN和rMSSD变化的均值呈现相同的模式：高质量居住区 > 中等质量居住区> 低质量居住区。然而，结果显示，三种类型居住区的SDNN和rMSSD之间没有显著差异。
图8展示了三种类型居住区β/α指数变化的情况。结果表明，四个通道（T7、P7、O1和O2）在三种居住区之间存在显著差异。左侧颞叶（T7）、左侧枕叶（O1）和右侧枕叶（O2）的β/α指数变化值在高质量居住区（均值分别为0.61、0.21和0.14）显著低于中等质量居住区（均值分别为0.16、0.03和0.01）。此外，P7、O1和O2通道在低质量居住区的β/α指数减少值显著高于中等质量居住区（均值分别为0.24、0.13和0.13，而中等质量居住区为0.07、0.03和0.01）。
图9展示了三种类型居住区心理参数的变化。结果表明，只有“活力”的变化值在高质量居住区（均值=0.40）显著高于低质量居住区（均值=0.07）。然而，“紧张”、“愤怒”、“困惑和抑郁”、“疲劳”和“总情绪困扰”的变化值在三种类型居住区之间没有显著差异。
图3. 使用带有HRNet骨干网的训练FCN模型对照片进行分割的结果：分割前的照片（A）和分割后的照片（B）。
图4. 三种住宅社区中的ROS视觉感知（***p < 0.001，**p < 0.01，*p < 0.05）。误差条表示95%置信区间。
图5. 三种住宅社区中的ROS感知恢复力。
图6. 三种类型的ROS中个人内SCL变化的箱型图 (*p < 0.05)。
图7. 三种类型的ROS中个人内HRV参数变化的箱型图。
图8. 三种类型的ROS中个人内EEG值变化的箱型图 (**p < 0.01, *p < 0.05)。
3.2. 居住环境特征与情绪反应之间的相关性
斯皮尔曼相关分析表明，居住环境特征与皮肤电导（SCL）和脑电图β/α（EEG-β/α）的变化之间存在负相关关系，而与心率变异性（HRV）的变化则存在正相关关系（见表2）。具体来说，绿地和蓝色空间与SCL的变化呈负相关（系数分别为0.28和0.27）。封闭性与SDNN（系数为0.25）和RMSSD（系数为0.25）呈正相关。安全性、步行性和感知恢复性与EEG-β/α的变化呈负相关（系数分别为0.26、0.25和0.25）。然而，居住环境特征与情绪的生理测量之间的相关性相对较弱，所有显著系数的绝对值均低于0.30。此外，居住环境特征与通过问卷评估的心理情绪指标（TMD）之间没有相关性。
3.3. 高压力和低压力区域的识别
根据第3.1.2节报告的结果，三种类型的ROS在SCL变化值上存在显著差异。此外，SCL数据作为有效的情绪唤起和生理压力指标，可以与相应的地理坐标进行地理参考。因此，对SCL数据进行空间自相关分析，以检测不同类型住宅小区中的高压力和低压力区域。贫困质量、中等质量和高质量ROS的全局Moran's I值均为正且显著，表明三种住宅小区的户外空间中SCL数据存在聚集模式（贫困质量ROS: Moran’s I = 0.336, p < 0.001, z值= 48.71; 中等质量ROS: Moran’s I = 0.242, p < 0.001, z值 = 33.04; 高质量ROS: Moran’s I = 0.200, p < 0.001, z值= 31.59）。
Getis-Ord Gi*的结果见图10。情感地图显示，在低质量ROS中，高SCL值的聚集区（即高压力区域）主要出现在建筑物之间光线昏暗的狭窄巷道、街道交叉口以及临近高密度住宅的道路上。相反，低SCL值的聚集区（即低压力区域）出现在靠近游泳池的开阔公共空间、带有一些绿化的道路和靠近口袋公园的步道上。
在中等质量的ROS中，低压力区域位于提供多条路线选择和与邻居社交机会的区域，以及一些绿化的道路上。相对而言，高压力区域则出现在靠近幼儿园的街道人行道上，这里有儿童噪音，还包括一些被杂草和停放汽车遮挡的小路。
在高质量的ROS中，高压力区域出现在以密集绿化为特征的步道上，而低压力区域则位于一个有雕像和拱形花架装饰的花园观景点上。高质量ROS中的线性水体特征展示了高压力和低压力的聚集区。这一现象可能是由于维护或天气条件导致的间歇性缺水，使得某些人认为这个景观不那么吸引人。
图 9. 三种类型的住宅户外环境中个体心理反应的箱线图（*p < 0.05）。注：T：紧张，A：愤怒，C+D：困惑+抑郁，V：活力，F：疲劳，TMD：整体情绪困扰。
表 2 住宅户外特征与情绪反应之间的Spearman相关性。
3.4. 目标住宅户外特征对老年人情绪唤起的影响
三种线性混合模型（LMMs）控制个体特征被应用于研究不同质量ROS中客观视觉感知指标与老年人情绪激发之间的关系。表3展示了低质量、中等质量和高质量ROS模型的非标准化和标准化系数及其95%的置信区间。对于低质量ROS，结果显示绿化（β = 0.03, P = 0.008）、视觉拥挤度（β= 0.04, P < 0.001）、封闭性（β = 0.06, P < 0.001）、安全性（β = 0.09, P < 0.001）和步行可达性（β= 0.08, P < 0.001）与老年人的情绪激发负相关。对于中等质量ROS，结果表明绿化（β = 0.07, P < 0.001）与老年人的情绪激发正相关，而封闭性（β= 0.07, P < 0.001）则负相关。对于高质量ROS，绿化（β = 0.03, P = 0.009）、蓝色空间（β= 0.04, P < 0.001）和安全性（β = 0.04, P < 0.001）与老年人的情绪激发负相关，而视觉拥挤度（β = 0.04, P < 0.001）和封闭性（β = 0.03, P = 0.043）对其情绪激发有显著的正向影响。在控制变量中，性别与居住在高质量邻里的老年人的情绪激发负相关，而睡眠质量则与其情绪激发正相关。这些结果表明，男性和睡眠质量较好的老年人的情绪感受更容易上升。
【讨论】
本研究采用混合方法，包括可穿戴传感器和问卷调查，收集了中国广州老年居民的客观和主观住宅户外特征以及生理和心理情绪数据。据我们所知，这是首个通过跟踪实时、高分辨率的环境暴露和情绪反应来研究和比较不同质量住宅社区中的ROS与老年人情绪之间关联的研究。这里采用的以居民为中心的方法可以帮助城市和社区规划者通过识别重要的户外特征和检测压力区域来制定有效的解决方案。本研究的发现可以为决策者和利益相关者提供新见解，以构建情感愉悦的社区和健康老龄化的社区。
图10. 不同质量住宅户外空间（ROS）中高SCL簇和低SCL簇的可视化地图：贫困质量（a）、中等质量（b）和高质量（c）。
4.1. 三种类型住宅户外环境的情感反应比较
研究结果表明，行走在三种不同质量的住宅户外环境（低质量、中等质量和高质量）对皮肤电反应（SCL）、脑电图（EEG）以及感知活力的影响存在显著差异。高质量住宅户外环境能够引发较低的SCL增幅、较大的β/α指数在颞叶和枕叶的下降，以及感知活力的显著增加。与中等质量的住宅户外环境相比，低质量住宅户外环境的β/α指数下降幅度较小。
图 10. （续）
表 3 线性混合效应模型中解释情绪激发变化的参数估计值。
参与者在低质量住宅户外环境中的SCL值显著高于在高质量住宅户外环境中的值，这表明居民在低质量住宅户外环境中行走时可能会比在高质量住宅户外环境中感受到更多的压力或焦虑。低质量住宅户外环境的压力相关效应可能与其复杂的户外环境有关。低质量住宅户外环境中的障碍物、商店、摩托车和汽车可能给老年人带来压力，而高质量住宅户外环境则是一个相对独立和安全的绿地，提供了一个更适宜步行的环境。生活在低质量住宅区的老年人必须保持警惕，更多地关注环境中的动态因素，以避免受伤。类似的研究也发现，城市流动（如车辆、自行车和行人）与生理压力反应的显著变化相关（Zhang et al., 2022）。
关于脑电图（β/α指数），结果显示高质量住宅户外环境中的T7、O1和O2通道的变化值显著低于中等质量住宅户外环境。这表明在高质量住宅户外环境中行走比在中等质量住宅户外环境中更放松，这与之前的研究一致（Chen et al., 2020）。然而，在P7、O1和O2通道中，低质量住宅户外环境的变化值低于中等质量住宅户外环境，这表明低质量住宅户外环境对放松的效果更好。这一发现与本研究的预期不一致，需要进一步探索。这可能与弱势社区中的高邻里认同有关，这种认同感可能会缓解环境压力对邻里质量感知的影响（Fong et al., 2019）。
关于心理反应，B-POMS 的结果表明，高质量ROS 的参与者感受到的活力增加高于低质量 ROS 的参与者。这可能是因为高质量ROS 包含了多个开放空间设施，如广场、亭子、走廊和迷宫花园，这些设施为老年人提供了多样化的活动空间，从而使他们感到更有活力。其他研究也表明，支持老年人活动的邻里环境对改善情绪健康有积极作用（Lei & Feng, 2021）。此外，高质量 ROS 中的自然元素如绿地和蓝色空间更多，这可能导致更高的恢复感，并进一步激发更多的活力。最近的研究确认，老年人在观看自然环境后会感到更多的活力（Yu et al., 2020）。
4.2. 居住区外部特征与老年人情绪的关联
一般来说，Spearman相关性分析揭示了居住区外部特征与SCL（皮肤电反应）和EEG-β/α变化的负相关性，而与HRV（心率变异性）的正相关性。LMM（线性混合效应模型）的结果进一步确认了不同质量ROS（居住区外部空间）的客观视觉感知指标对老年人情绪激发的各种影响。具体而言，绿化、视觉拥挤度和封闭感在不同质量的ROS中具有不同的效果。在高质量ROS的背景下，蓝色空间和安全性与老年人的情绪激发呈负相关；相反，对于低质量ROS，安全性和步行可达性与参与者的情绪激发呈负相关。
首先，绿化在高质量和低质量ROS中与老年人的情绪激发呈负相关，而在中等质量的ROS中绿化对老年人的情绪激发有正面影响。换句话说，高质量和低质量ROS中更多的绿化可能使老年人感到更少的情绪波动或压力，但中等质量的ROS中更多的绿化则可能使老年人感到更多的情绪激发或压力。这些混合的发现可能是由于高质量ROS中的修剪整齐和美丽的植物景观使人感到平静，而低质量ROS中高密度住宅区域的小量绿化也可能有助于压力恢复。相反，中等质量ROS中相对缠结和管理不善的绿化可能会引发负面情绪反应。先前的研究广泛报道了绿化对情绪的积极影响，特别是对压力恢复的能力，这与压力减轻理论一致（Chan et al., 2021; Kondo et al., 2019）。然而，Dallimer et al.（2012）指出，随着植物丰富度的增加，心理健康可能会下降，因为对自然的文化期望涉及到一个看起来经过修整、整洁、安全或诱人的风景，这需要照顾和秩序。
其次，蓝色空间与高质量ROS中的情绪压力呈负相关，这进一步细化了其他研究发现的蓝色空间对情绪的保护作用（Smith et al., 2021; White et al., 2020）。第三，老年人在高质量ROS中的视觉拥挤度与情绪激发呈正相关，但在低质量ROS中则呈负相关。可能是低质量ROS中的人员拥挤为居民提供了重要和安全的氛围，这可能使参与者的压力减轻。然而，高质量ROS中的大量人员可能在风景如画的环境中产生噪音，从而引发情绪激发。第四，封闭感在低质量和中等质量ROS中的情绪激发呈负相关，而在高质量ROS中则呈正相关。我们的发现与先前研究一致，这些研究报告了封闭感对情绪激发的对立影响，因为空间封闭感可以同时促进安全感和压力（Li et al., 2016; Xiang et al., 2021）。第五，安全性在低质量和中等质量ROS中的情绪激发呈负相关，这与先前研究一致，这些研究认为有利于生存的安全环境会影响副交感神经活动，从而导致生理放松（Ulrich, 1983; Ulrich et al., 1991）。第六，步行可达性在低质量ROS中的情绪激发或压力呈负相关。这一发现与先前的研究一致，这些研究观察到，负面环境刺激（如差的步行表面、缺乏人行道）下的SCL均值较高，环境障碍（如垂直位移、未铺砌的人行道和汽车）通常存在于生物信号压力热点周围（Kim et al., 2023; Lee et al., 2020）。
4.3. 社区设计和规划的启示
本研究中使用的生理监测方法有可能有效地探索老年人与ROS（居住区外部空间）如何进行情感互动以及受到影响，这可以减轻自我报告调查和实地观察中的主观偏差。虽然早期研究使用大规模的SVI（景观视觉指标）来评估建成环境的特征，但我们的研究利用可穿戴摄像机录制视频，以捕捉相对较小ROS中的瞬时视觉特征，而这些区域通常没有SVI可用。这项研究的方法还允许地方当局在社区层面绘制老年人的情绪地图，并诊断需要改进的高压力区域。随着可穿戴设备的普及，基于市民提供的众包数据，在不久的将来可以更大规模地预测与特定目标社区相关的情绪反应。地方政府应优先关注生活在低质量和维护不善的ROS中的老年居民，并加大力度改善这些社区，以维护老年人的心理健康。
此外，本研究的发现为社区设计和更新提供了见解，建议设计师和规划师应针对不同类型的住宅社区采用多样化和有针对性的策略。例如，为了改善低质量的ROS，可以考虑通过垂直绿化、屋顶绿化、绿色立面和花箱来增加微型或三维绿化。改善现有休闲区域的质量，并通过改造闲置土地开发多功能社交区域，可以增强社区联系和社交互动。还可以考虑分隔车行道和人行道，拓宽人行道，以及设计封闭车辆的区域，以提高步行可达性和安全性。在巷道中安装智能路灯可能会减少压力和不安全感。对于中等质量的ROS，社区管理者应通过例行修剪和去除枯萎植物来增强植被维护。应合理利用植被以减轻噪音或形成具有避难感的休闲区域。对高质量的ROS的改进应关注减少某些区域的密集植被或固体障碍物，以促进视野扩展和空间开放，改善气流，并减轻封闭感。提供更多宁静的休闲区域可能有助于营造放松和沉思的宁静氛围。蓝色景观应定期管理，以防止水源长期匮乏，并保持其美学和感官吸引力。
4.4. 研究局限性与未来研究方向
本研究存在一些局限性，突显了进一步研究的必要性。首先，参与者的活动是高度结构化的，数据是在ROS（居住区外部空间）中的规定路线收集的，这可能限制了研究的生态有效性。在现实生活中，老年居民的日常活动空间不仅限于其居住区，他们有更多的路线选择。未来的研究应整合地理生态瞬时评估，收集老年人在自然环境中连续几天的实时情感和背景信息。此外，未来研究还应考虑居住区之外的环境对老年人情绪的影响。此外，本研究中每位参与者在步行期间的暴露时间相对较短。本研究仅关注了在ROS中的即时体验效果，因此长期暴露效应尚不明确。未来需要进行长期实验和后续研究，以检查ROS对情感的持续和累积影响。其次，本研究招募了三个人样本居住社区中的健康老年参与者。参与者对其居住环境的熟悉程度可能会影响结果，这可能限制了研究结果的普遍适用性。未来的研究应考虑采用随机交叉设计，随机将参与者分配到不同类型的ROS中，并作为自己的对照组。第三，虽然用于训练分割模型的ADE20K数据集涵盖了广泛的日常场景，但它并未捕捉到中国背景下居住景观的全部复杂性。因此，图像分割结果的准确性无法达到100%，这可能会导致客观环境指标的偏差。未来的研究需要一个专注于居住外部景观的语义分割数据集，以支持在居住景观中应用细粒度视觉分析。第四，客观居住外部特征是从静态图像中提取的，这仅反映了环境的视觉信息。线性混合效应模型中作为预测变量的六个视觉感知指标可能未能完全捕捉环境刺激。由于这些指标是基于简化类别的像素数量得出的，未能代表完整的客观环境。未来研究应探索其他视觉特征、三维空间属性以及居住景观中其他感官信息对老年人情绪的影响。此外，一些混杂因素，如步行速度、方向变化、参与者的视野、噪音、空气污染、照明以及其他环境特征，必须在未来研究中进一步考虑。第五，ROS质量的分类依赖于较为主观的方法。应使用全面的定量指标，如空间度量和视景，来描述ROS质量的特征（Tabrizian et al., 2020）。未来的研究应利用GIS分析和高精度空间数据（激光雷达、航空和土地覆盖数据）准确捕捉细尺度环境特征。最后，本研究未考察物理环境随时间变化的情况，但这可能会影响老年人的情绪和心理健康。近年来，中国的社区更新实践不断增长。下一步应调查社区更新对老年人情绪的影响，这有助于了解环境干预前后空间体验的差异。
【结论】
本研究旨在通过测量老年人的心理生理反应，探讨住宅户外空间（ROSs）对他们情绪的影响。ANOVA和Kruskal-Wallis检验的结果显示，不同类型的ROS在皮肤电导水平（SCL）、β/α指数（在T7、P7、O1和O2）以及生机感方面存在统计学上显著的差异。与暴露于低质量ROS的参与者相比，暴露于高质量ROS的参与者SCL变化较小，这表明压力较低，生机感较高。T7、O1和O2周围的电极在暴露于高质量ROS期间检测到的β/α指数变化显著低于暴露于低质量ROS期间，这表明高质量环境更具放松效果。然而，在P7、O1和O2处观察到的低质量与中等质量ROS之间的β/α指数差异值得进一步研究。线性混合效应模型（LMMs）的结果显示，不同质量的ROS的视觉感知特征对老年人的情绪有不同的影响。对于高质量ROS，蓝色空间和安全性与参与者的情绪激发负相关。然而，对于低质量ROS，安全性和可步行性与参与者的情绪激发呈负相关。此外，绿化、视觉拥挤度和封闭感对三种类型ROS中的老年人情绪有不同的影响。社区设计师和相关利益方应考虑采用差异化和有针对性的策略来改善住宅社区，以促进老年人的情绪健康。
资金来源
本研究由中国国家自然科学基金（项目编号：51808229）、广东省哲学社会科学规划办公室（项目编号：GD23XYS068）以及广州市哲学社会科学规划办公室（项目编号：2023GZQN30）资助。
作者贡献申明
Weijing Luo: 概念化、数据整理、正式分析、调查、方法学、软件、可视化、原稿撰写、审稿与编辑。Chongxian Chen: 概念化、资金获取、方法学、项目管理、监督、审稿与编辑。Haiwei Li: 调查、原稿撰写、审稿与编辑。Yongqi Hou: 原稿撰写。
