建筑外观及室内设计反馈与评价系统DFE10生理心理评价测量

一、应用场景

       尽管计算机可以为设计师提供各种可能的帮助，但计算机还不够智能，无法进行设计，因此减少了对设计师的需求。机器学习和人工智能中提供的各种学习技术，如动态编程和强化学习，正在使计算机在人类希望从事的许多任务中变得更聪明。但即使在这种智能水平上，计算机也是通过处理有关环境的信息或它们被输入的信息来做出设计决策的。在建筑、工程和施工（AEC）领域，整体建筑或产品配置是在初步阶段根据设计规范和原则定义的。设计过程持续进行，直到满足或超过客户或终端用户（如建筑物居住者）的期望和需求。因此，了解客户的设计反馈和评估是智能计算机设计师的重要输入。 在AEC行业中，满意度测量是一个相对较新的概念，它完全依赖于调查问卷和访谈数据。本研究的目的是提供一种定量的方法来了解人们如何评价设计，并通过新技术使用心理测量来评定满意度水平。眼睛跟踪技术用于收集客户的凝视数据，自动面部表情工具用于捕获源自客户面部表情的情绪。这些数据是同步的，然后与调查问卷的结果相结合，以解决如何更好地了解客户的评价和满意度，而不是在设计过程中从他或她的直接反馈。关键词：建筑终端用户，眼球追踪，面部表情，设计过程；

示意图1

二、系统介绍

       建筑设计决策中的一个核心问题是客户或建筑用户在设计过程中的反馈和期望的交付和整合。建筑物使用者是居住在住宅中的人，尽管他们不一定具备设计建筑物的知识，但他们可能对建筑物有偏好，从而提出或证明设计决策的合理性.在建筑、工程和施工（AEC）领域，根据设计规范、法规以及建筑用户的反馈和评估，在不同阶段开发并完成整体建筑或产品配置。例如，在方案设计阶段，建筑师创建两个或三个设计，并以图纸或建筑模型的形式呈现它们，以供建筑用户考虑.建筑用户选择的方案设计在设计开发阶段进一步修改，以满足客户的期望和需求。因此，了解客户的反馈和评价是建筑师和建筑设计师的重要投入。

       建筑用户价值和偏好的评估在AEC行业中是一个相对较新的概念，一直完全依赖于定性数据收集方法.基于研讨会的会议、访谈、焦点小组和问卷调查都是定性方法的例子，以确定客户的偏好并探索如何为设计过程增加价值。通过分析TALK（一位建筑师与客户的会谈）的摘录，可以看到对话的协作性质如何有助于理解和评估设计。在另一项研究中，使用了调查问卷，以深入了解终端用户对设施和服务的偏好。事实上，除非采用适当的设计措施和足够的细节，否则建筑设计师无法根据客户的需求和偏好确定设计问题或决定主要特征和元素。在某些情况下，客户可能会详细说明所需的所有房间和区域的大小、位置和外观。在其他情况下，客户甚至可能不知道他们需要从空间中获得什么，或者如何表达他们的偏好因此，客户和设计者之间的当前交互方法是乏味的，并且容易出现关键数据丢失和错误。

示意图2

       捕捉的能力在建筑设计过程中，访问关于客户偏好和评价的一致的、可测量的数据是非常有益的。

       平台的目的是提供一种定量的方法，通过使用心理测量来了解人们如何评价设计和评价满意度水平。心理学提供了一种正式的方法来研究人们如何感知、处理和达成解决方案或从可用的备选方案中进行选择。如果设计师知道客户如何从可用的备选方案中选择特定的设计，那么他们就能够提出满足或超过客户期望和偏好的备选方案。在这方面，情绪（我们感觉到什么）和行动（例如我们选择什么）之间的相互作用不能被忽视，因为情绪过程明显影响认知能力和行为反应.目前的研究强调了感觉对于成功的建筑设计工具的重要性。使用自动面部表情工具来捕捉个人的情绪状态，并使用眼球追踪来调查他或她在评估每个设计备选方案时所看到的内容。面部表情和眼动数据是同步的，然后与调查问卷的结果相结合，以了解客户的偏好和满意度。

三、实践方法

       在模拟环境中使用眼睛跟踪和面部表情提供了一种新的方法来定量测量建筑用户对设计的想法。眼睛跟踪是测量个人的眼睛运动的过程，以确定一个人在任何给定时间正在看哪里，以及他/她的眼睛从一个位置移动到另一个位置的顺序眼动仪是一种很好的测量刺激预期（作为自变量）中视觉注意力（作为因变量）的方法。尽管眼动跟踪技术的应用已经在很多的领域中得到认可，并且该技术的使用已经在许多行业中变得普遍，但对其改进设计和施工过程的潜力的关注却少得多.面部表情将参与者的情绪状态传达给观察者（或建筑设计师）。使用面部表情识别情感的技术通常使用图像获取、使用模式匹配、面部检测和面部表情的视觉数据库.本系统在景观设计实验中结合了眼动追踪和面部表情，以测量建筑使用者对设计中某些元素的情绪和反应。

       景观设计实验的目的是：（1）检验在与设计互动过程中引发的情绪是否能够真实地代表参与者的评价和想法，并与设计的吸引力评级相关；以及（2）了解在何处以及如何改变或去除设计中的特征和元素，以针对参与者的需求改进产品，并提高他或她的满意度。本研究结合了作者早期使用眼动追踪技术测量建筑用户满意度的研究.在那项研究中，参与者回顾了不同的设计，同时眼动仪记录了他们的眼球运动。通过问卷调查，参与者被要求确定设计中他们感兴趣的部分。对注视持续时间的分析显示，参与者在这些感兴趣的领域花费了大约20%的时间。然而，这些部分只占总面积的不到9%。结论是，更高的注视持续时间被支付给参与者认为有吸引力的部分。在设计中的每个功能或元素上花费时间后，我们进一步考虑参与者表达的情绪是否能洞察他们的想法（起始目标）。

示意图3

       如果情绪和满意度之间存在逻辑关系，则由眼睛跟踪和面部表情分析提供的注意力和情绪信息可以提供关于建筑物用户是否喜欢或不喜欢设计中的给定特征的线索。该方法提供了一种定量方法来评估设计特征在与用户偏好的兼容性方面的好坏程度，并为设计改进（2号目标）提供了指导方针。图1显示了实验和分析的整个过程。，研究团队创建的景观设计被显示在显示器上，参与者被要求在一段时间内观看设计，同时他们的面部表情被识别，并使用眼球追踪记录他们与设计的互动。接下来，参与者根据他们的偏好对每个设计进行评估，给出0到5的分数（1个评价为非常差，5个评价为优）。 将评估分数与每个情绪指数进行比较，以查看每个情绪指数（作为自变量）与评估分数（作为因变量）之间是否存在关系。为了改进设计，具有高注视持续时间和正相关情绪（积极情绪）的特征保持不变，而具有较少视觉注意或消极情绪的特征被改变或去除。设计过程持续进行，直到满足或超过参与者的期望和需求。

图1.实验和分析的一般结构

四、配置方案设计

        在应用方案中，使用Tobii X2-30或其他品牌紧凑型眼动仪记录眼动数据。眼动仪的技术规格包括：视线准确度为0.4至0.5度，精度为0.32至0.45度，数据速率为30 Hz，头部运动自由度为50（宽）X 36（高）X 90（深）cm，校准9点（约15秒完成），单目和双目跟踪能力。这是一个被试内实验，每一个参与者都受到每一个景观设计的影响。使用从22名参与者收集的132个数据样本对结果进行分析。

        面部表情识别软件基于面部表情的视觉数据库分析皱纹和裂缝的模式，并显示七个基本情绪指数（包括愤怒、轻蔑、厌恶、恐惧、喜悦、悲伤和惊讶）和两个聚合情绪指数。积极和消极。积极情绪是指与评价分数呈正相关的情绪，消极情绪是指与评价分数呈负相关的情绪。Emotient Engine（以前称为Facet，以前称为CERT）使Paul Ekman的FACS编码系统自动化，并使用神经网络来分析由不同面部表情产生的皱纹和裂缝的模式。主要输出是：7种基本情绪，2种情绪，包括困惑和沮丧，33个面部标志，如眼角、鼻尖和嘴巴，以及70厘米的操作距离。

       情绪指数得分范围从0到5，情绪指数上的数字越高表示情绪水平越高（例如，幸福）。对数据进行相关性分析。目标是测量每个情绪指标和评估分数的相关系数。每个景观设计都包括一个总平面图，显示所有设计中保持不变的物业边界，以及拟议组件（如花、草、树、草、家具、喷泉和棚屋）的位置。总共创建了六种不同的景观设计，并向参与者展示。每个设计都根据所测量的注视和情绪指数进行了更改和修改。所有六种设计都被考虑用于相关性分析。在评估之前，每个参与者都花了15秒的时间来审查设计。为了进一步分析眼动和情绪数据，为每个景观组件定义感兴趣区域（AOI）。 图2显示了起始设计及其组件，其中五个Aoi被定义为包含草坪、树木、人行道和阴影的静态多边形。

图2.起始景观设计及其组成部分

五、结果模型构建

      评价得分与情绪指数之间的Pearson相关性如表1所示。快乐指数与参与者评价的相关性非常高（相关系数=0.859），在95%的置信水平上具有统计学意义。因此，快乐指数与参与者的评价分数之间存在着非常密切的关系。综合积极指数与评价得分的相关系数为0.555，属于中等偏高。这意味着参与者对他们喜欢的设计（或组件）表现出相对较高的积极情绪。相关系数为-0.835，表明惊奇指数与被试评价得分呈高度负相关。此外，在95%的置信水平下，相关性是明显的。这意味着低评价分数与高惊奇指数分数相关。虽然悲伤指数与评估分数之间的相关性不明显， -0.706的相关系数表明，参与者对他们不喜欢的设计（或组件）表达了更高的悲伤情绪。我们还发现，恐惧指数与参与者的评价呈负相关（相关系数=-0.540），综合负指数与参与者的评价呈负相关（相关系数=-0.497）。其他情绪指标（如愤怒、轻蔑）与评价分数之间的关系较小。

表1.情绪指数与评估分数的比较

       图3.显示了平均评估分数与高度相关的情绪指数之间的关系.结果表明，对于不同的喜悦或惊讶情绪指数，参与者在不同设计中的得分差异具有统计学意义。快乐和综合积极指数与评价得分之间的正相关表明，评价得分越高，快乐和综合积极情绪指数越高。另一方面，悲伤和惊讶指数与评价分数之间的负相关表明，较低的评价分数与较高的悲伤和惊讶情绪指数相匹配。

图3.情绪指数与评价得分的关系

       这些结果表明，在与设计互动过程中引发的一些情绪与参与者的评价之间存在关系。它们还用于了解我们如何根据参与者的偏好和想法来增强设计和改进终端产品。表2列出了每个设计中的景观成分，以及相关的注视时间和情绪指数（注意，只显示了高度相关的情绪指数）。重要的是，对于具有高注视时间和快乐或积极情绪得分的组件，将变化保持在低限度。另一方面，我们改变或去除低注视时间和高悲伤或惊讶情绪得分的成分。

       图4比较了起始和末尾一个设计，它们分别代表具有低和高评估分数的设计。由于我们发现设计的吸引力得分与一些情感得分和注视时间之间有很高的相关性，因此我们开发了一种定量的方法来测量建筑用户的评价和设计改进。这种方法帮助设计师成功地改变了每个设计，并提高了22名参与者给出的评估分数。

图4.1号（左图）和2号（右图）景观设计之间的比较

       实验中产生的注视持续时间和情绪指数为设计工程师选择合适的组件进行更改提供了一些线索。例如，起始设计中的人行道部分吸引了更多的关注，并获得了很高的喜悦和积极的分数。因此，这一部分保持不变。然而，草坪部分并没有引起很高的视觉关注，并且获得了很高的悲伤和惊讶分数。由于这两个情感指数与评估分数呈负相关，设计团队决定改变这一组成部分，在2号景观设计中增加泳池部分。使用相同的逻辑，将池椅添加到第三景观设计中，同时进一步修改草坪部分，在第四景观设计中将位于后院顶部的树部分替换为另一棵树，在第五设计中将小花园添加到草坪部分，基奇纳一个被添加到末尾的设计。

表2.景观特征及其注意和情绪数据

5. 成果收获

       本系统研究的目的是提供一种定量的方法，通过创新地使用心理测量来了解人们如何评价设计和评价满意度水平。为了实现这一目标，22名参与者被要求在一段时间内观看研究团队创建的景观设计，同时识别他们的面部表情，并使用眼球追踪记录他们与设计的互动。然后，根据他们的偏好对每个设计进行评分。

       基于本研究的结果，我们收获以下结论指导未来工作：

1.面部表情分析和眼动追踪技术的结合使我们能够了解人们如何评价设计，并对满意度进行评级。

2.在与设计的交互过程中引发的一些情绪与设计的吸引力评级相关；因此，它们可以用来改进终产品，以满足参与者的需求，并终提高他或她的满意度。

3.快乐指数与参与者的评度相关（相关系数=0.859），在95%的置信水平上具有统计学意义。这种高度相关性意味着快乐指数与参与者的评价分数之间存在非常密切的关系。

4.综合阳性指数与评价得分呈中度高度相关（0.555）。这意味着参与者对他们喜欢的设计（或组件）表现出相对较高的积极情绪。

5.结果显示，惊讶指数与参与者的评价得分呈高度负相关（-0.835），这意味着低评价得分与高惊讶指数得分相关。

6.研究结果显示，悲伤指数与评估分数之间的相关性并不显著。-0.706的相关系数表明，参与者对他们不喜欢的设计表达了更高的悲伤情绪。

7.我们还发现，恐惧指数与参与者的评价呈负相关（相关系数=-0.540），综合负指数与参与者的评价呈负相关（相关系数=-0.497）。其他情绪指标（如愤怒、轻蔑）与评价分数之间的关系较小。

8.此外，还研究了平均评价分数与高度相关的情绪指标之间的关系。结果表明，对于不同的喜悦或惊讶情绪指数，参与者在不同设计中的得分差异具有统计学意义。

9.快乐和综合积极指数与评价得分之间的正相关表明，较高的评价得分与较高的快乐和综合积极情绪指数相匹配。另一方面，悲伤和惊讶指数与评价分数之间的负相关表明，较低的评价分数与较高的悲伤和惊讶情绪指数相匹配。

出自 :Pennsylvania State University&Millersville University；

Shideh S. Amiri 1 , Mahsa Masoudi 2 , Somayeh Asadi 3 , and Ebrahim Karan 4