基于計算機視覺的夜間戶外環(huán)境情緒感知特征研究

陳崇賢

李海薇

林曉玲

陳婉靜

夏 宇*

現(xiàn)代生活方式的轉(zhuǎn)變，促使城市居民的活動時間從白天向夜晚不斷延伸。在夜經(jīng)濟和夜生活不斷繁榮發(fā)展的背景下，城市戶外環(huán)境承載的居民夜間活動也越來越豐富。相關(guān)調(diào)查顯示，近年來，城市夜間戶外活動如鍛煉、社交、休閑及消費等的人數(shù)和頻率呈現(xiàn)出顯著增長趨勢[1-2]。與此同時，大眾對夜間戶外環(huán)境的品質(zhì)要求也不斷提高。建設(shè)高質(zhì)量城市夜間戶外環(huán)境已經(jīng)成為當(dāng)下提升居民生活質(zhì)量和健康福祉的重要環(huán)節(jié)。

情緒感知是通過環(huán)境或事件刺激而產(chǎn)生的主觀體驗，包括積極情緒與消極情緒感知，與人的生理、心理健康和社會適應(yīng)密切相關(guān)[3-4]。已有大量的研究表明，戶外環(huán)境特征如綠化[5]、天空可視率[6]、可步行性[7]等與不同情緒感知之間存在關(guān)聯(lián)。例如，自然環(huán)境及綠化品質(zhì)較高的城市綠地更有利于產(chǎn)生積極愉悅感，并且在促進注意力恢復(fù)及壓力緩解方面有重要作用[8-9]。相反，天空可視率較低且缺少綠地的居住環(huán)境更容易給人帶來壓力、焦慮及精神疲倦[10]。另有一些研究發(fā)現(xiàn)，可步行性高且休息設(shè)施完備的街道和公園，能夠給人帶來舒適安全的體驗，并促進戶外社交、鍛煉及休閑等活動[11-12]。此外，也有研究探究圍合度[13-14]、擁擠度[15]等指標與心理感知的關(guān)系，但主要聚焦在日間環(huán)境中這些因素的作用。近年來，雖然已有許多學(xué)者探明了城市夜間照明與恐懼、緊張[16]、抑郁[17]等情緒的關(guān)聯(lián)，然而鮮有研究關(guān)注夜間其他戶外環(huán)境要素對情緒的影響。同時，由于人對同一環(huán)境在日、夜2種狀況下的情緒感知往往存在差異[18]，因此，探究更多維度的夜間環(huán)境要素與不同情緒感知之間的關(guān)系具有重要意義。

目前，探究環(huán)境對情緒影響的測量方法主要包括主觀測量、生理測量和行為測量[19-20]。主觀測量包括采用正負情緒量表(PANAS)[21]、感知恢復(fù)性量表(PRS)[22]和焦慮自評量表(SAS)[23]等對被試者的主觀感受進行評價。生理測量則通過可穿戴傳感器監(jiān)測皮電(SC)[23-24]和腦電活動(EEG)[25]等反映情緒狀態(tài)的生理指標，進而準確快速測量實時環(huán)境的情緒感知。行為測量將VR和眼動追蹤技術(shù)[16]等結(jié)合，以此誘發(fā)被試者情緒并檢測其注視場景的方向、時長等數(shù)據(jù)，探究其關(guān)注點和偏好，從而評估人的情緒變化。然而，上述測量方法常有研究尺度受限、耗時較長及成本高等弊端，不利于大范圍研究與應(yīng)用。同時，基于遙感數(shù)據(jù)、健康統(tǒng)計和問卷數(shù)據(jù)，雖然有學(xué)者開始研究大尺度城市夜間光環(huán)境對睡睡眠節(jié)律[26]、疾病風(fēng)險[27]、情緒狀態(tài)[17]等的影響，但是以上研究方法難以精細化測度具體環(huán)境要素對情緒感知的影響。隨著計算機視覺技術(shù)的發(fā)展，Urban Gems[28]、Scenic-Or-Not[29]和Place Pulse[30]等眾包平臺出現(xiàn)，使快速、精確地測度人對城市環(huán)境的感知成為現(xiàn)實。已有研究團隊開發(fā)了如Night City[31]、Dark Zurich[32]等夜景數(shù)據(jù)集，能實現(xiàn)對夜間環(huán)境要素的快速、精確識別與目標檢測，為快速、精確、大規(guī)模分析夜間戶外環(huán)境的公眾情緒感知特征提供了可能。

綜上可見，目前夜間戶外環(huán)境與情緒感知的關(guān)聯(lián)仍不明確，已有研究還存在耗時費力、精確性和尺度性受限等欠缺?；诖?，本研究基于計算機視覺技術(shù)，通過采集夜間戶外環(huán)境的圖像數(shù)據(jù)，結(jié)合公眾的情緒感知評價，并利用空間自相關(guān)與空間回歸分析方法探究情緒感知在夜間戶外環(huán)境的空間分布特征及其影響因素，以期為城市夜間戶外環(huán)境的建設(shè)提供參考。

1 研究區(qū)域

1.1 數(shù)據(jù)收集

選取位于廣州市天河區(qū)五山街道的華南農(nóng)業(yè)大學(xué)為研究范圍，總面積約293.8hm2。如圖1所示，研究范圍內(nèi)用地類型多樣，分布有多個水體空間、中心綠地、生活區(qū)、教學(xué)區(qū)等。截至2022年3月，華南農(nóng)業(yè)大學(xué)在校師生共4.8萬余人，人口密度較高，白天科研、教學(xué)及學(xué)習(xí)任務(wù)重、強度大，因此在夜間進行校園戶外活動的人數(shù)較多。此外，由于該處屬南亞熱帶季風(fēng)氣候，溫暖舒適的氣候環(huán)境能幫助人體釋放焦慮情緒，降低空氣污染程度，也間接提高了人群夜間外出意愿[33-34]。

圖1 廣州市天河區(qū)華南農(nóng)業(yè)大學(xué)用地類型分布情況

1.1.1 夜間戶外環(huán)境圖像采集

圖像采集于2022年9月12—28日19：00—23：00的非陰雨天進行。圖像采集范圍以高德地圖路網(wǎng)為基礎(chǔ)，包括主干路、次級路及宅旁道路等。受過培訓(xùn)的實驗員用Insta360 ONE X2全景相機收集全景圖像，并確保相機在1.6～1.65m的高度垂直拍攝，以模擬行人水平視線的效果(圖2)。沿著道路前進，每隔10m進行一次拍攝。再將采集的圖像轉(zhuǎn)換為4個方向(0°、90°、180°和270°)的圖片，最終得到共計4 067個觀測點的16 268張夜景圖像。每張圖片的大小為512×512像素，并含有WGS84坐標中的地理位置信息。

圖2 全景圖像拍攝示意

1.1.2 夜間戶外環(huán)境情緒感知評價

本研究搭建了基于夜景圖像的情緒感知評分系統(tǒng)，以收集人們在夜間戶外環(huán)境的情緒感知。已有研究表明，昏暗的夜間環(huán)境與抑郁、恐懼等消極情緒感知密切相關(guān)，而明亮的照明環(huán)境有利于提高夜間安全感和愉悅感等情緒[22-35]。因此，本研究基于情緒二維理論和相關(guān)情緒測度量表[25]，選取恐慌感、焦慮感作為消極情緒評價指標，舒暢感和放松感作為積極情緒評價指標(表1)。基于各區(qū)塊觀測點在研究區(qū)域所占比例，本研究采用簡單隨機抽樣方法，借助ArcGIS的隨機采樣模塊，按片區(qū)確定各區(qū)塊的采樣點，最終共產(chǎn)生了1 000個隨機樣本。同時，本次實驗邀請了30名參與者(男女比例1:1，18～50歲，在廣州的居住時間至少6個月)對隨機抽取的1 000張圖片進行評分。4項情緒指標對應(yīng)問題與抽取的夜景圖像隨機配對出現(xiàn)，評分范圍為0～100分。其中，0分代表最低程度，100分代表最高程度。

表1 人在夜間戶外環(huán)境的常見情緒感知

評分系統(tǒng)引入了“人機對抗-迭代反饋”的情緒感知評估方法[36]，嵌入了隨機森林算法迭代反饋機制，有利于高效、準確地輔助情緒感知評估。隨著參與者評分圖像的增加，系統(tǒng)會借助算法提供圖像的推薦分，并判斷推薦分與實際評分之間的差異程度。同時，參與者也可以對每張圖像的推薦分進行校正。最終用30名參與者對1 000張照片的評分均值作為預(yù)測研究區(qū)域情緒感知評價的基礎(chǔ)數(shù)據(jù)集。

1.2 夜間戶外環(huán)境圖像數(shù)據(jù)預(yù)處理

利用語義分割及目標檢測技術(shù)對數(shù)據(jù)開展預(yù)處理工作，計算出不同環(huán)境要素的面積占比或物體數(shù)量，以進一步分析夜間戶外環(huán)境要素對情緒感知的影響。首先，基于NightCity數(shù)據(jù)集[31]，本研究利用全卷積神經(jīng)網(wǎng)絡(luò)(Fully Convolutional Networks，F(xiàn)CN)[37]對夜景圖像進行語義分割，提取了夜景環(huán)境要素在圖像中的百分比。然后，采用PP-YOLOE對圖像中的行人、自行車、汽車等進行目標檢測[38]。在本研究中，經(jīng)過訓(xùn)練后的FCN模型和PP-YOLOE模型精度分別達到了85.8%和75.9%。

為了分析夜間戶外環(huán)境特征對情緒感知的影響，基于圖像語義分割及目標檢測技術(shù)處理后進一步計算獲得簡化的5個視覺特征指標，分別以各元素和整體之間的比例來定義。其中，將圖像中可見的綠色植物所占的比例代表綠視率；將可見的天空面積用于代表天空可視率；將環(huán)境中自行車和行人的數(shù)量代表視覺擁擠度；將環(huán)境中垂直界面要素(包括植被、建筑、墻體、柵欄等)所占的比例代表圍合度；將人行道占整個道路的比例代表可步行性。

1.3 數(shù)據(jù)分析

基于Python語言對獲得的夜間街景圖像進行語義分割和目標檢測，并訓(xùn)練用以模擬人類夜間情緒感知得分的殘差神經(jīng)網(wǎng)絡(luò)模型(Residual Neural Network50，Resnet50)。采用GeoDa 1.20.0.8軟件進行空間探索性分析，從總體上探討情緒感知的空間分布規(guī)律及夜間戶外環(huán)境要素與情緒感知之間的關(guān)聯(lián)性。最后，通過利用ArcGIS 10.6構(gòu)建地理加權(quán)回歸(GWR)模型，進一步探究兩者關(guān)系的空間差異性及其原因。

2 研究結(jié)果

2.1 夜間戶外環(huán)境情緒感知的空間分布特征

為了進一步探究夜間戶外環(huán)境情緒感知的空間分布特征，本研究計算了全局莫蘭指數(shù)(Moran'sI)和局域莫蘭指數(shù)(Local Moran'sI，LISA)[39]。在0.01的顯著水平下，恐懼感、焦慮感、舒暢感和放松感得分的全局莫蘭指數(shù)I分別為0.183、0.239、0.213、0.333，且Z值顯著為正，遠高于臨界值2.58，表明夜間戶外環(huán)境情緒感知在研究區(qū)域內(nèi)存在空間正相關(guān)性，整體表現(xiàn)出較為顯著的空間聚集性。

如圖3所示，研究范圍內(nèi)的情緒感知局域空間自相關(guān)具有顯著性結(jié)果，主要表現(xiàn)“高-高”聚集和“低-低”聚集?？謶指械摹案?高”聚集主要分布在南部、西北部及東北部低維護的藍綠空間，如樹木園、靠近西湖片區(qū)及啟林學(xué)生宿舍區(qū)內(nèi)的綠地等?！暗?低”聚集區(qū)則主要分布在南部、中部和北部的高品質(zhì)綠色空間和低密度教學(xué)區(qū)或居住區(qū)的戶外空間，如濕地公園、行政樓附近和燕山區(qū)研究生宿舍的周邊環(huán)境。相比之下，焦慮感的空間聚類形式以“低-低”為主，且集中在如樹木園和濕地公園等南部的綠色空間。北部和東北部低密度住宅區(qū)包括啟林學(xué)生宿舍區(qū)與六一教職工宿舍區(qū)等整體表現(xiàn)為舒暢感的高值聚類，而舒暢感低值則主要集中在中部的高密度建筑區(qū)，如嵩山教職工宿舍區(qū)等。此外，放松感的高值顯著聚集于中部的低密度教學(xué)區(qū)，如行政樓附近的周邊環(huán)境，而遠離南部和西北部的低維護藍綠空間及中部的高密度居住區(qū)?？傮w而言，從整體空間特征來看，低維護的綠色和藍色空間能使人產(chǎn)生更強烈的恐懼感，但焦慮感較弱，高品質(zhì)的綠色空間則使人感到較不恐懼和焦慮。此外，高密度建筑區(qū)的戶外環(huán)境則表現(xiàn)出較低值的舒暢感聚集，而低密度建筑區(qū)的戶外環(huán)境整體呈現(xiàn)較低值的恐懼感和較高值的舒暢、放松感聚集。

圖3 不同情緒感知的局域空間自相關(guān)聚集性地圖

2.2 夜間戶外環(huán)境要素與情緒感知的空間關(guān)系

由擬合優(yōu)度(R2)和校正R2可以看出，OLS模型(R2＝0.028～0.060，Adj.R2＝0.027～0.059)的總體擬合效果不如SLM(R2＝0.125～0.272)、SEM(R2＝0.121～0.269)和GWR(R2＝0.156～0.255，Adj.R2＝0.129～0.231)模型，因此有必要進一步考慮變量之間的空間依賴性。此外，OLS模型的Koenker(BP)統(tǒng)計量和Jarque-Bera統(tǒng)計量均呈現(xiàn)顯著性非穩(wěn)態(tài)(P=0.000)，表明需進一步進行空間回歸分析。與OLS模型及SLM、SEM模型相比，GWR模型的R2和殘差平方和(RSS)最小，優(yōu)勢較為顯著。SLM模型的R2均稍大于SEM模型的R2，且其AIC值均稍小于SEM的AIC值，證明SLM模型的擬合效果較SEM模型好。在OLS、SLM與SEM模型中，部分環(huán)境要素與情緒感知的關(guān)系不顯著，但在GWR模型中仍顯示其存在局域性的顯著關(guān)聯(lián)，證明GWR模型能檢測到更多細節(jié)。綜合考慮模型擬合精度、復(fù)雜程度及對復(fù)雜空間的解釋效果，GWR模型效果最優(yōu)，SLM次之。5類夜間戶外環(huán)境要素的方差膨脹系數(shù)(VIF)區(qū)間在[1.002，1.652]，遠小于10，表明要素之間不存在明顯的共線性，不需要進行剔除。

通過對比表2中在不同模型中的系數(shù)均為同號(均為正或負)且GWR模型中該號系數(shù)占主導(dǎo)的環(huán)境要素，可知不同情緒感知的最穩(wěn)健預(yù)測因子。其中，恐懼感的最穩(wěn)健影響因子是圍合度和擁擠度，均為顯著正相關(guān)，即圍合度與擁擠度越高，恐懼感越強。對焦慮感影響最穩(wěn)健的是綠視率、圍合度和視覺可步行性，焦慮感與綠視率、圍合度呈顯著負相關(guān)，與視覺可步行性則呈顯著正相關(guān)。這證明綠視率與圍合度越高，焦慮感往往越弱；視覺可步行性越高，焦慮感則越強。綠視率、天空可視率、圍合度、視覺可步行性對舒暢感的影響亦較穩(wěn)健，除視覺可步行性外，其他穩(wěn)健因子均呈現(xiàn)顯著的負向影響，說明視覺可步行性越高及綠視率、天空可視率和圍合度越低，舒暢感覺越強。此外，放松感的較穩(wěn)健因子則包括了綠視率、擁擠度、圍合度和視覺可步行性，除綠視率外，其他環(huán)境要素均與放松感呈顯著負相關(guān)。這表明綠視率越高，擁擠度、圍合度和視覺可步行性越低，放松感越強。盡管天空可視率與放松感整體呈負相關(guān)關(guān)系，但是GWR模型表明，在大部分區(qū)域(73.6%)其與放松感是正相關(guān)的。

表2 基于夜間戶外環(huán)境要素與情緒感知的OLS、SLM、SEM與GWR模型分析結(jié)果

圖4為基于5種環(huán)境因素與4種情緒感知的GWR模型的局域R2分布及回歸系數(shù)分布，白色的點表示自變量的回歸系數(shù)不具備顯著性。在南部和西部低維護的藍綠空間如樹木園、靠近工程學(xué)院與西湖片區(qū)等中，恐懼感(局域R2＝0.140～0.402)和放松感(局域R2＝0.175～0.590)受到夜間戶外環(huán)境要素的影響較強?？謶指兄饕艿骄G視率、天空可視率和圍合度的正向影響，即綠視率、天空可視率和圍合度越高，恐懼感越強烈。放松感則受到擁擠度、圍合度、視覺可步行性的負向影響和綠視率、天空可視率的正向影響。特別的是，樹木園內(nèi)的焦慮感(局域R2＝0.122～0.382)與天空可視率、擁擠度和圍合度呈顯著負相關(guān)，而與綠視率呈顯著正相關(guān)。在南部高品質(zhì)的綠色空間如濕地公園等中，舒暢感(局域R2＝0.100～0.184)和放松感(局域R2＝0.175～0.590)易受到環(huán)境要素的影響。舒暢感易受到綠視率的負向影響和視覺可步行性的正向影響，放松感與環(huán)境要素的關(guān)聯(lián)性則與低維護的綠色與藍色空間相似。在中部的高密度居住區(qū)如嵩山教職工宿舍中，恐懼感受到環(huán)境要素的影響較強(局域R2＝0.140～0.402)，主要包括擁擠度、圍合度和視覺可步行性的正向影響，以及綠視率的負向影響。在中部和南部的低密度教學(xué)區(qū)或居住區(qū)的戶外環(huán)境，如第3教學(xué)樓附近的校園主干道、泰山學(xué)生宿舍區(qū)等，積極情緒受到環(huán)境的影響較強。舒暢感(局域R2＝0.100～0.184)主要受到綠視率、天空可視率和圍合度的負向影響，放松感(局域R2＝0.175～0.590)則受到綠視率和天空可視率的正向影響，以及擁擠度、圍合度、視覺可步行性的負向影響。

圖4 夜間戶外環(huán)境要素與情緒感知的GWR模型顯著的回歸系數(shù)空間分布

3 結(jié)論與討論

綜合空間自相關(guān)與空間回歸模型的結(jié)果，本研究分析得出以下結(jié)論。

1)從空間分布特征來看，情緒感知在不同夜間戶外環(huán)境的分布有顯著性差異。其中，低維護的藍綠空間能使人具有更強烈的恐懼感但焦慮感較弱，而高品質(zhì)的綠色空間使人產(chǎn)生的恐懼感和焦慮感均較弱。此結(jié)果驗證了管理不當(dāng)、秩序性差的公共空間及不恰當(dāng)?shù)闹参锱渲迷谝归g會讓人產(chǎn)生如恐懼[40]等消極情緒?？赡苁怯捎陔s亂的環(huán)境使前方可預(yù)見性變低、神秘感增加，具有潛在的交通、犯罪等安全風(fēng)險[22]，從而引起恐懼感。此外，此2類空間可能因為均有自然化程度高的共同特征，有利于壓力緩解和積極情緒的產(chǎn)生，所以焦慮感較弱。

同時發(fā)現(xiàn)，高密度建筑區(qū)的戶外環(huán)境往往使人感到不舒暢，低密度建筑區(qū)的戶外環(huán)境則能使人感到較不恐懼、舒暢和放松。這與Yan等在白天的研究結(jié)果類似[41]?？赡苁怯捎诟呙芏瓤臻g的密閉性及視線受阻給人產(chǎn)生了不舒適的體驗，低密度建筑區(qū)的情況則恰恰與之相反。

2)從影響因素來看，影響情緒感知的不同夜間戶外環(huán)境的視覺環(huán)境要素不同。綠視率越高，在大部分空間中，放松感越強，說明植被舒緩壓力的作用不僅在白天能產(chǎn)生，夜間也依舊能發(fā)揮。同時，較高的綠視率在低維護的藍綠空間使人產(chǎn)生的恐懼感、焦慮感越強，在高密度建筑區(qū)的恐懼感則越弱、舒暢感越強。這進一步印證了雜亂的植物環(huán)境在夜間可能會誘發(fā)消極情緒，而在高密度建筑區(qū)下適當(dāng)引入植物則能引發(fā)積極情緒。由此可見，即使植被已被證實對人的情緒健康有益，但綠視率越高并不意味著其效益更高。

與白天相關(guān)研究的結(jié)論類似[6]，天空可視率越高，情緒感知越積極，如放松感越強、焦慮感越弱。但是，在低維護的藍綠空間中，高的天空可視率能使人產(chǎn)生強烈的恐懼感；在低密度建筑區(qū)則能使人產(chǎn)生較強的不舒暢感。這可能是由于高的天空可視率代表著環(huán)境較為開闊，加上雜亂環(huán)境的低能見度降低了人對環(huán)境的控制感，從而產(chǎn)生恐懼。此外，可能是低密度建筑區(qū)中的漆黑夜空給人的壓抑感[42]使人產(chǎn)生了視覺上的不舒暢。

擁擠度、圍合度越高，恐懼感越強，該結(jié)果在高密度建筑區(qū)最為顯著?？赡苡捎趽頂D的人群會使人產(chǎn)生社會壓力[43]，夜間高密度建筑環(huán)境的幽閉更是加劇了壓抑情緒，從而產(chǎn)生了恐懼感。與之相反，在低維護的藍綠空間中，擁擠度和圍合度低易引發(fā)焦慮感。這一定程度上說明，在夜間，不是所有環(huán)境都人越少、越開闊給人的體驗感就越好，在自然化程度高、缺少管理的地方，人越多、圍合度越高反而才能使人感到放松。

視覺可步行性越高，即人行道越寬且車行道越窄，盡管在高品質(zhì)綠色空間能讓人感到更舒暢，但是在大部分空間會讓人感到緊張，與許多已有研究結(jié)果相違背[44]。這可能是由于適當(dāng)尺度的人行道更能使人有安全感，也可能是由于語義切割對人行道與車行道的識別準確性較低，從而影響了結(jié)果的準確性。

綜上，本研究提出了以下基于情緒感知的夜間戶外環(huán)境提升策略。

1)在規(guī)劃層面，可以重點關(guān)注低維護的藍綠空間與高密度建筑區(qū)的夜間照明或夜間步行專項規(guī)劃設(shè)計，尤其關(guān)注戶外環(huán)境在夜間的可辨識性和秩序感、提升夜間出行的安全性、利用環(huán)境設(shè)計預(yù)防犯罪等。對于高密度建筑區(qū)，可以合理控制建筑密度、增加夜間通透性強的社區(qū)綠地等。

2)在設(shè)計層面，在不同環(huán)境使用針對性設(shè)計策略。例如，提高綠視率的同時考慮其在夜間可能會產(chǎn)生的負面影響。在消極情緒感知較強的地方，在不影響視覺通透性的情況下合理配置規(guī)整式的植物，同時配以柔和的燈光以增強可視性，達到提升安全感同時舒緩壓力的效果。在低維護的藍綠空間與低密度建筑區(qū)，可以適當(dāng)植入空中燈光裝置以降低夜間天空可視率，增加能提升圍合度的如景墻等設(shè)施。在高密度建筑區(qū)，使用有利于控制人流的種植池、地面識別互動裝置等，以降低視覺擁擠度。設(shè)置合理尺度的人行道，如設(shè)置在白天和黑夜可以動態(tài)調(diào)整的路障，使其能滿足出行要求的同時，在夜間也能起到緩解消極情緒的作用。

3)在管理層面，加強對使用頻率高但缺乏維護的藍綠空間的管理，如定期對植被進行修剪、整理雜亂的環(huán)境設(shè)施和增加安全監(jiān)測與可視化基礎(chǔ)設(shè)施等，進而提升人們對環(huán)境的控制感，減少恐懼感。對高密度建筑區(qū)公共空間進行人流量的動態(tài)監(jiān)測，并在相應(yīng)出入口放置人流量提示或智能導(dǎo)航指引以減少人群聚集，促進人們在夜間能放松使用的同時減少恐懼和焦慮感。

4 總結(jié)與展望

基于計算機視覺技術(shù)，本研究快速、精準地測度了夜間戶外環(huán)境對情緒感知的影響。研究發(fā)現(xiàn)，情緒感知在不同夜間戶外環(huán)境的分布有顯著性差異，影響情緒感知的不同夜間戶外環(huán)境的視覺環(huán)境要素不同?；诜治鼋Y(jié)論，城市夜間戶外環(huán)境可以從規(guī)劃、設(shè)計和管理層面進行優(yōu)化提升，以提升居民在夜間戶外環(huán)境中的積極情緒感知，減少消極情緒感知，進而提升居民的健康與福祉。

但是，本研究仍存在一些不足之處，待后續(xù)解決：1)本研究為橫斷面調(diào)查研究，無法判斷情緒感知與夜間戶外環(huán)境要素之間的因果關(guān)系，未來可以進一步開展相關(guān)縱向研究；2)限于夜間戶外環(huán)境圖像數(shù)據(jù)質(zhì)量和算法精度局限，F(xiàn)CN和PP-YOLOE模型在圖像特征提取過程中可能存在錯誤分類現(xiàn)象，且無法識別照明、色彩等更加精細的環(huán)境變量，未來應(yīng)進一步提升模型的準確性和精密度，并考慮采集照明強度、色溫等與夜間環(huán)境密切相關(guān)的變量，拓展研究數(shù)據(jù)的多樣性，提升研究的可信度；3)目前的研究結(jié)果僅停留在變量之間的相對重要性層面，未來可以進一步分析變量間的非線性關(guān)系，探究夜間戶外環(huán)境要素的配比與情緒感知之間的關(guān)聯(lián)性。

注：文中圖片均由作者繪制或拍攝。