18、建筑环境中的情感计算应用与伦理问题探讨

建筑环境中的情感计算应用与伦理问题探讨

1. 研究背景与方法

以往研究表明，机器能够通过可穿戴设备检测情绪状态，如压力、恐慌等。但将这些情绪状态评估作为建筑环境体验的条件，仍是一个较新的领域。

1.1 数据归一化

实验完成后，将传感器数据聚合到 1 秒间隔（心率数据本身报告的是 10 秒平均值），并将每个数据点与 GPS 位置关联，实现生理反应在环境中的空间显式记录。接着，将这些值与所在区域进行空间关联，进而与环境特征进行空间连接，得到每个生理反应与环境物理特征范围的对应表格。
对心率（HR）和皮肤电活动（EDA）进行归一化处理，以减少传感器异常。具体方法为：针对每个参与者，在每个区域内，先将每个 HR 数据点减去最低 HR 值，再除以该传感器在整个行走过程中最高和最低 10%数据中位数的范围，对 EDA 也进行同样处理。同时也进行了标准归一化（使用最小值和最大值而非中位数），但在统计模型中表现较差。

1.2 机器学习模型

通过对各种数据变量组合的探索性分析，确定了五种不同的机器学习模型。探索性分析先构建包含所有变量的完整模型，然后逐步消除变量以评估模型性能。根据准确性、曲线下面积（AUC）分数、逻辑回归、卡方检验（拟合度）和 McFadden 伪 R² 来区分模型。最终选择的模型旨在无偏且无已知元素关联的情况下解释唤醒状态。
这五种模型如下表所示：
| 模型 | 变量 |
| — | — |
| A | 归一化的 HR 和 EDA |
| B | 可步行性、灯光数量、树木、线条、点和草地 |
| C | 所有存在的变量 |
| D | 归一化的 HR