綜合交通樞紐內部公共空間公眾情緒感知的時空綜合交通樞紐內部公共空間公眾情緒感知的時空

摘 要 在信息化時代，如何借助公眾情緒感知來優化公共空間品質，成為提升公眾既有空間體驗的思考之一。結合環境心理學，以上海虹橋綜合交通樞紐為例，利用新浪微博數據與自然語言處理技術來分析綜合交通樞紐內部公共空間的公眾情緒感知，并通過情緒詞頻分析法探究公眾情緒的影響因素。研究發現：第一，綜合交通樞紐內部公共空間的公眾情緒感知存在顯著的時空差異；第二，時空要素與主觀要素均會導致公眾在綜合交通樞紐內部公共空間不同情緒的感知差異；第三，影響公眾情緒感知的因素存在“認知”與“行為”維度的不足。在此基礎上，驗證了通過社交媒體數據來揭示綜合交通樞紐內部公共空間的公眾情緒感知的可行性，提出符合公眾中高階情感需求的空間改善與提升策略，以期為綜合交通樞紐公共空間營造提供借鑒。

關 鍵 詞 社交媒體；公眾情緒；公共空間感知；情緒詞頻分析；上海虹橋綜合交通樞紐

文章編號 1673-8985（2024）04-0140-09 中圖分類號 TU984 文獻標志碼 A DOI 10.11982/j.supr.20240419

0 引言

隨著城市發展進入存量優化和品質提升的新階段，公共空間作為城市建成環境的關鍵部分，逐步成為衡量城市高品質建設的重要指標。既有研究多聚焦于街道、廣場、公園等[1-2]狹義的外部公共空間，忽視了一個核心現實：城市居民大部分時間是在室內環境中度過的[3]。當涉及內部公共空間時，人們也常著眼于為消費活動而設計的空間[4-5]，而忽視了交通型公共空間的獨特作用——它們不僅是交通流的匯集地，也是城市公共生活的重要場所，承載著日常通勤、人際交往等多種功能。因此，探索交通型內部公共空間是城市建成環境內部公共空間研究領域的必要補充，也是提升城市公共空間品質及滿足城市居民多元需求的關鍵。當前，交通型內部公共空間的研究對象多集中于地鐵站、火車站和航站樓等單一交通設施[6-8]，側重其在城市交通網絡中的作用、設計優化、乘客體驗等方面，較少涉及更為復雜的空間類型——綜合交通樞紐。作為集合多種交通方式與多重人流特性的城市交通系統的重要組成部分，綜合交通樞紐的內部公共空間不僅是物理銜接點，更是城市人流、信息流、物流等的匯聚中心，對提升出行體驗、完善交通網絡及推動更人性化的公共空間建設起著至關重要的作用。

高品質公共空間不僅要滿足基本功能需求，其高階的感知體驗需求正受到廣泛重視[9-11]。綜合交通樞紐內部公共空間面臨換乘便捷性、流線順暢性等[12]諸多挑戰，也嚴重影響著居民出行的情緒狀態和行為模式，空間的感知體驗亟待探索。環境心理學認為空間感知體驗路徑分為“感覺—知覺—認知—行為”4個維度 [13]81，但現有研究多注重空間總體功能布局[14]、換乘空間[15]與商業空間等組織設計[16]，即圍繞感知的開始與中介[17]，在“五感”為主的感覺維度和空間幾何變化為主的知覺維度上營造出符合低階感知要求的安全、舒適的空間環境[18]。抑或是在認知維度上，從行人特性入手來研究空間的步行優化[19]、安全疏散[20]與風險防控[21]。鮮有學者考慮到空間具有引發情感的力量[22]，注重從行為維度上探索主體行為與情緒的關聯，討論既有公共空間的品質如何影響個體情緒的產生，而個體對既有空間產生的情緒反饋又將如何在后期逐步形成群體共識性意象，進而影響空間的整體感知形象。因此，關注公眾中高階感知層面的情感表達與文化認同，可深入理解內部公共空間與公眾情緒的相互作用，營造出更具吸引力的綜合交通樞紐內部公共空間。

現有研究多使用滿意度來將抽象的情感具象化，如通過提前預設好各類型的影響要素進行以封閉性問題為主的問卷調研法、指標體系法來獲取結構化數據[23-26]。少有學者利用社交媒體等半、非結構化數據將抽象的情感外化為情緒特征[27]，并探索反饋信息背后的中介要素，以實現從單向邏輯到主客觀結合的雙向視角轉變，來彌補因研究者主觀介入造成中介要素的遺漏。隨著網絡技術的發展，情緒量化研究開始借助情感詞典、機器學習或深度學習法來分析半、非結構化的社交媒體數據[28-29]，進行情緒分類和情緒極性判斷。但鮮有研究深入挖掘文本內容，運用語義分析手段探索不同情緒特征背后的影響邏輯。此外，多數研究重點關注情緒特征的空間差異，而忽視了空間感知的時間效應[30-31]，即公眾情緒感知的“時空—情緒”關系[32]有待進一步研究。

綜上，本文認為以下問題亟待思考：在綜合交通樞紐內部公共空間中，不同功能場所的情緒感知是否存在時空差異？哪些因素會導致不同情緒的感知差異？如何將不同影響因素與公眾情緒感知路徑相匹配，完善情緒感知路徑的閉環、優化內部公共空間？為此，本文選取上海虹橋綜合交通樞紐（以下簡稱“虹橋樞紐”）作為研究對象，利用新浪微博數據和自然語言處理技術來測度公眾情緒感知，分析公眾情緒特征和時空差異，并通過情緒詞頻分析法篩選出影響公眾情緒的中介因素，最終提出基于公眾情緒感知路徑的內部公共空間營造的改善建議。

1 研究數據與方法

1.1 研究對象與范圍

虹橋樞紐是國內最大規模的、集“軌、路、空”一體的現代化大型綜合交通樞紐[33]，提供“一站式”換乘服務。本文將虹橋樞紐內部公共空間劃定為西交通中心、火車站、火車—飛機換乘通道空間（原磁懸浮站）、東交通中心和T2航站樓等5個室內區域。這些空間因高人流密度、多樣的活動類型、綜合性的服務功能和時間敏感性等特性，成為研究綜合交通樞紐型內部公共空間如何滿足多元化需求和情感體驗的理想場所。

1.2 研究數據

新浪微博是我國主流網絡社交平臺，具有一定的公眾代表性。本文通過新浪微博官方開放API接口，抓取了虹橋樞紐2018—2022年間上述5個區域內部公共空間的7 236余條打卡數據，清洗后得到63個空間打卡點位內共計6 356條有效微博文本數據，包含用戶ID、IP、發帖時間、打卡點位等結構化信息及文本與表情等半、非結構化信息。

1.3 研究設計

1.3.1 空間類型劃分

在綜合交通樞紐核心區強調“平面+豎向”“立體+綜合”相結合的基礎上[34]，將虹橋樞紐內部公共空間劃分為3個空間層級（見表1）：一級空間根據公眾使用特性，分為出發層、中轉層、到達層；二級空間按空間位置，分為西交通中心、火車站、火車—飛機換乘通道空間、東交通中心、T2航站樓（同站小換乘空間忽略不計）；三級空間根據綜合公共空間的功能復合特性[35] ，分為以站場作業服務功能為主的出行主導型的內部公共空間（以下簡稱“T空間”），以及以商業服務及城市功能為主的服務主導型的內部公共空間（以下簡稱“S空間”）。

1.3.2 時間切片劃分

本文綜合考慮機場與火車站的通勤時段，結合機場與火車站的客流量峰值變化特征、進出港班次特征及旅客發文時段特征（見圖1），將全天劃分為以下7個時間切片：00：00—06：00、06：00—08：00、08：00—11：00、11：00—13：00、13：00—15：00、15：00—19：00、19：00—24：00。

1.4 研究方法

1.4.1 基于深度學習的微博文本情緒分析

本文使用谷歌開源的BERT方法，對微博文本按字符級劃分進行分詞處理，并使用已經訓練了情緒分析模型的百度智能云平臺的自然語言處理API接口進行文本情緒分類，將詞法分析和情感傾向分析得到公眾微博文本正面情感概率數值的100倍定義為該公眾的情緒值[31]，區間為[0，100]（數值越大表示情緒越積極），采用情緒三分類將低情緒值[0，40]定為消極情緒、一般情緒值[41，60]為穩定情緒、高情緒值[61，100]為積極情緒。

1.4.2 基于內容挖掘的情緒詞頻分析

本文引入內容挖掘系統ROST Content Mining，對微博文本的語言和表情（經計算機轉譯后的文字代碼）兩類進行情緒詞頻分析，在系統默認詞表的基礎上，根據研究對象擴充自定義詞表（如增加改簽、值機、換乘、方向感、電梯等特征詞），篩選并替換同義詞后匯總出核心高頻詞，結合語義網絡分析結果繪制情緒時空影響因素桑基圖以展示特征詞的關聯度，為構建綜合交通樞紐內部公共空間公眾情緒感知影響路徑提供基礎。

1.4.3 基于感知路徑的情緒影響路徑分析

本文結合實地調研的主觀感受、公眾出行的主觀偏好及公共空間營造的客觀要求，將典型核心高頻詞從空間和時間維度上與環境心理學空間感知路徑的“感覺—知覺—認知—行為”4個維度相匹配，探索各因素對公眾情緒的影響方式，歸納總結出基于公眾感知路徑的內部公共空間情緒地圖。

2 研究發現

2.1 出發層公眾情緒的時空特征

虹橋樞紐出發層是以T空間為主導的，受到高峰時段影響而呈現低均值高波動型情緒特征。T空間公眾整體情緒均值相較于S空間一直處于較為穩定的狀態（見表2），而S空間的公眾情緒極值呈現出更為頻繁的峰值變化，但情緒整體均值仍表現為積極狀態。此外，當公眾從T空間向S空間過渡時，隨著餐飲類場所的聚集，公眾情緒會逐漸產生遞進式情緒變化，即從低情緒值向高情緒值的轉變。

結合平峰時段變化分析（見圖2），火車站檢票口與機場登機口等典型出發作業型T空間的公眾情緒整體均值通常處于一般情緒值，平峰時段轉換過程中會出現少量情緒波動，且情緒極值多偏向高度消極。而出發等待型T空間如候車大廳，公眾整體情緒呈現多種類型交替轉換，并最終趨于穩定的情緒狀態，該轉換多隨旅客滯留時間累積及通勤高峰時段的到來而發生。休息室、貴賓室等服務型S空間因其特殊使用特性，公眾情緒能夠保持在較穩定的積極狀態，受峰值時段的影響最小。

虹橋樞紐出發層公眾情緒反饋模式普遍呈現積極的初始狀態，隨后情緒波動主要受服務設施的影響（見圖3）。出發層情緒反饋多集中于以回家、旅行等為主的公眾，他們通常表現出較積極的主觀初始情緒，并在通勤高峰時段出現顯著情緒波動，此時公眾會對出發作業型與出發等待型公共空間提出更高要求，如“行李”成為出發作業型空間消極情緒的主要影響因素，而機場與火車站的餐飲設施及安檢服務是刺激公眾在出發等待型空間產生積極情緒的主要影響因素。平時時段的公眾情緒差異主要受運輸工具運行狀況的影響，航班或車次延誤會導致公眾對休息室、座椅、電子設備等提出更高要求，在休息區提供適當音樂有助于穩定公眾情緒。

2.2 中轉層公眾情緒的時空特征

虹橋樞紐中轉層是以T空間換乘模式為主導的，同時受空間使用性質及功能的影響而呈現出隨平峰時段變化的“降—升—降”交替型情緒特征。中轉層公眾情緒整體特征呈現穩定的積極狀態（見表3），情緒值波動與內部公共空間的主導功能密切相關。在中轉層，對內與對外交通設施主導的內部公共空間公眾情緒值均處于較低值，T空間與S空間的公眾情緒差異也較為顯著，T空間的情緒均值遠低于S空間。其中，公眾滯留時間較長的西交通中心客運站的T空間公眾情緒較穩定，但人群從客運站向火車站轉換時情緒值逐漸下降，即情緒更為消極。S空間的聚集會提升公眾情緒值，但與出發層不同的是，中轉層T空間不同的換乘模式也會引起公眾情緒的波動，如以廣場換乘為主的西交通中心室外站前廣場的公眾情緒均值遠高于以室內大廳換乘為主的火車站和東交通中心的公眾情緒均值。值得注意的是，虹橋樞紐的火車—飛機換乘通道空間的快速通過性導致公眾情緒感知過程相對較弱，其情緒狀態會延遲反映在相銜接的內部公共空間上。

在中轉層，公眾情緒特征在平峰時段內呈現出顯著的“降—升—降”交替模式（見圖4），即平時時段的情緒值較高，峰值時段則處于一般或較低的情緒值，其中S空間在通勤高峰中的階段性特征更為顯著。此外，中轉層T空間的公眾情緒特征與空間使用性質及功能相關，具有明顯的時空分異，如公眾在西交通中心站前廣場向室內空間轉換時受峰值時段的影響最大，人流聚集會引起明顯的情緒波動；火車站室內換乘大廳受白晝的影響最大，夜間公眾情緒更為穩定；機場室內換乘大廳則在午高峰和晚高峰呈現低情緒為主的消極狀態，受到通勤高峰和進出港高峰的影響。

中轉層公眾情緒反饋模式呈現多元的初始情緒狀態，隨后情緒波動受主觀出行目的與客觀導視系統的共同影響（見圖5）。不同出行目的導致公眾在中轉時呈現不同情緒狀態，并集中表現在下午平時時段，以回家為目的的公眾中轉時情緒值較高，而以出差為目的的公眾情緒多表現為一般值或偏低值。公眾在中轉換乘時也常出現從高或一般情緒值遞減至低情緒值的狀況，并最終形成費解、迷茫等消極情緒特征，即公眾對各交通工具的換乘熟悉度是產生情緒波動的主要誘因，也對空間導視系統（如電子大屏、各類交通設施指示牌等）提出更高的要求。

2.3 到達層公眾情緒的時空特征

虹橋樞紐到達層是以S空間為主導的，受空間使用性質的影響而呈現出高均值低波動型情緒特征。到達層公眾在S空間的停留時間更久，整體情緒積極（見表4），極端情緒值也偏少。而T空間雖整體呈現偏高的積極情緒均值，但情緒極值分化現象更為顯著，如以T空間的“虹橋機場T2國內到達”點位為例，盡管該空間具有快速通過性，公眾停留時間較短，中、長途旅行后公眾情緒值會出現個體性偏差，但情緒極值大多仍以高情緒值為主。

與出發層、中轉層不同，到達層公眾情緒受平峰時段的影響并不顯著（見圖6）。在峰值時段，S空間因客流量增加及餐飲翻臺率下降會暫時誘發公眾消極情緒，而T空間公眾多在夜間會出現較短暫的消極情緒狀態。

虹橋樞紐到達層公眾情緒值的波動受時間維度的影響顯著，其情緒反饋模式呈現夜間多變的情緒狀態，情緒波動受公眾主觀心理狀態和空間氛圍營造的共同影響（見圖7）。在凌晨時段，長時間滯留會導致公眾初始情緒值較低，“顏色”和“設計”等詞頻的頻繁出現表明公眾對改善空間氛圍的強烈需求，此類要素往往是提升公眾情緒值的關鍵。在19：00—24：00時段，公眾既希望快速結束旅程減少夜間逗留，又希望盡快果腹緩解旅程的疲憊，因此對空間連通性和餐飲服務提出了更高的期待。此外，接機的公眾通常會在到達層短暫停留，他們更關注導視系統和航班信息的易讀性，并在接機完成后常進行拍照、打卡等行為，有特色的空間文化設計能激發公眾的積極情緒，進而提高情緒值。

2.4 基于公眾情緒感知路徑的空間優化策略

結合感知體驗路徑的“感覺—知覺—認知—行為”4個維度，本文將核心高頻特征詞與公眾情緒反饋進行時空匹配，總結出如圖8所示的虹橋樞紐內部公共空間情緒地圖。研究發現，虹橋樞紐內部公共空間的營造主要側重于感覺和知覺維度，即通過空間拓撲關系創造滿足基礎情感需求的環境（即安全、舒適），而現狀公眾情緒反饋表明，公眾在認知和行為維度上對初期建設的內部公共空間提出了新的中高階情感需求。鑒于公眾主體要素的不可干預性，優化虹橋樞紐內部公共空間時，應結合情緒地圖反映出的 “時空—情緒”關系，從客體要素出發，調整和改善影響公眾情緒感知的不同路徑維度的主導因素，動態維護公共空間的品質，滿足公眾多樣化的情感需求，具體提出以下針對性的優化策略。

首先，虹橋樞紐的出發層和中轉層在建設初期已營造出滿足基礎情感需求的T空間和S空間，后續應繼續優化峰值時段T空間的功能布局，提升運輸生產與站場服務效率，同時完善平時時段S空間的基礎服務設施，以增強公眾的初始情緒體驗，促使公眾產生更高的初始情緒值。其次，由于磁懸浮站臺未啟用，該區域T空間目前僅作為火車與飛機的換乘通道，應圍繞公眾在認知維度上反饋的如換乘步行距離過長、標識引導不清、航站樓圓形的交通中心難以辨別所處方位等問題，加強關鍵停頓點（方向或流程轉換點）的導視與標識系統的可讀性，并通過優化空間拓撲關系來打破因功能廢棄導致的大型均質空間，減少出行弱勢群體的認知障礙。在行為維度上，S空間可引入上海城市文化元素（如文化小品、廣告海報等），滿足公眾對趣味感、歸屬感等中高階的情感需求。最后，虹橋樞紐到達層T空間已基本滿足公眾在感覺和知覺維度的基礎情感需求，而S空間作為到達層公眾的主要逗留區域，其公眾情緒波動受認知和行為維度的影響最深，是提升空間品質、滿足中高階情感需求的關鍵。為此，應聚焦認知維度，優化S空間在平時時段的夜間氛圍，減少大型通透空間帶來的空曠感，以穩定公眾情緒狀態。同時，在行為維度上加強S空間廊道的燈光、文化小品甚至廣告牌的創新設計，創造美好出行體驗，激發公眾的積極情緒反饋與文化認同。

針對此類綜合交通樞紐型內部公共空間，應同時注重設計初期及后續優化的公眾空間感知體驗的提升，因此提出以下普適性政策建議：第一，豐富過渡銜接性的內部公共空間“認知”維度的建設，結合不同空間層級換乘模式的時空特性，通過靈活運用構形與定向策略，優化空間拓撲關系，緩解因公眾的空間熟悉度差異引發的負面情緒。第二，加強高使用頻率的出發與到達型內部公共空間“行為”維度的建設，提供人性化設施與高效服務，以穩定或激發積極情緒。第三，要把握好交通樞紐是公眾來到新城市產生初印象錨點的特質，在空間營造中注重地方性文化的融入，通過強烈的感官刺激與積極的文化烙印，促使公眾形成積極情緒反饋，促進積極共識意象的形成。

3 結論與討論

從感知體驗路徑來看，交通樞紐型內部公共空間公眾情緒的產生遵循“感覺→行為”的單向邏輯，而情緒反饋則受到“感覺→行為”與“行為→感覺”的雙向影響。一方面，公眾首先會在感覺維度上通過感覺器官接受內部公共空間環境中的五感刺激，而后利用主體的感知機能與對空間場景（即空間的組織與形態搭建）的理解在知覺維度上形成初步環境感知。隨后結合自身的文化背景、思辨能力等，公眾會在知覺基礎上對現場空間（導視系統、服務設備等）進行邏輯判斷與情感處理，搭建起從客觀空間環境到主觀場所氛圍的認知橋梁。最終，公眾將把認知過程中的環境信息加以儲存，并在個人主觀因素（目的、偏好等）與空間因素的共同驅動下做出相應的行動反應（如休憩、駐足、打卡等）。這一“感覺→行為”的單向演繹表明，內部公共空間的既有屬性與品質會通過影響公眾的體驗式空間認知[13]81來激發公眾不同的情緒反應與行為特征。另一方面，部分公眾在完成從初步感知到行為表達后，會將其感知體驗的結果主動表征于社交媒體平臺，此類包含地理簽到信息與使用者的心緒感受信息（即公眾情緒特征）的情緒反饋文本會影響其他公眾對既有公共空間的間接認知，并反映出公眾對既有內部公共空間品質提升的需求。因此，公眾情緒會通過一種建構式的空間認知途徑，反饋到內部公共空間的初期構建和后續升級中，實現“行為→感覺”的感知體驗閉環。

本文利用社交媒體數據對虹橋樞紐內部公共空間公眾的“時空—情緒”關系進行分析，通過對不同時空維度公眾情緒的差異性量化分析，識別出影響公眾情緒的主要因素，最終與環境心理學的空間感知路徑相匹配，構建出基于公眾感知路徑的虹橋樞紐內部公共空間情緒地圖，驗證了社交媒體數據量化公眾情緒的可行性，研究發現以下3個結論。

第一，綜合交通樞紐內部公共空間中不同功能場所的空間情緒感知存在明顯的時空差異。（1）出發層情緒特征為“低均值高波動型”，主要受T空間（出發作業型）和高峰時段的影響。盡管出發層T空間公眾情緒整體均值處于穩定的高值狀態，但隨平峰時段的交替，情緒波動頻繁，尤其在情緒極值上呈現高度消極情緒傾向。而S空間公眾情緒則一直保持相對穩定的積極情緒狀態，受峰值時段的影響最小。（2）中轉層情緒特征呈現“降—升—降”的交替模式，主要受換乘模式、空間使用性質及平峰時段變化影響。到達層T空間（通過型）公眾體驗時間較短，情緒波動不顯著且主要集中在日間，情緒值會隨著趨于夜間而降低，而S空間公眾情緒整體均值受峰值時段人流瞬時聚集的影響最大，呈現出“降—升—降”的階段性特征。（3）到達層情緒特征為“高均值低波動型”，以S空間為主導，受空間使用性質的影響。因到達層T空間具有快速通過性，公眾情緒主要在S空間上呈現出高情緒值主導的積極情緒狀態，且情緒極值波動較少。

第二，時空要素與主觀要素均會導致公眾在綜合交通樞紐內部公共空間不同情緒的感知差異。從空間要素來看，S空間公眾情緒整體均值高于T空間，且T空間向S空間過渡時情緒均值顯著上升；而不同空間層也會導致不同情緒的感知差異，出發層受服務設施的影響顯著，中轉層由空間導視系統主導，到達層則受空間氛圍營造的影響最大。從時間要素來看，人流瞬時聚集與逗留、平峰時段轉換均會導致公眾情緒的頻繁波動。從主觀要素來看，同一地點的不同時段因使用目的差異，導致不同的公眾情緒波動：在較積極的個人主觀情緒（旅行、回家等）的主導下，公眾情緒對峰值時段敏感，通勤高峰運輸工具的運行狀況易引發低值情緒波動；在較消極的個人主觀情緒（出差、加班等）的主導下，平時時段公眾情緒相對穩定，公眾停留時間越長，情緒值越低。

第三，影響綜合交通樞紐內部公共空間公眾情緒感知的因素在認知和行為維度關注不足。設計建設初期往往側重于滿足公眾的基礎情感需求，而忽視了其高階情感需求。因此，在優化既有公共空間時，除修繕基礎空間外，應更加重視優化與公眾情緒感知路徑相匹配的客體要素，以彌補建設初期因忽略公眾中高階情感需求所產生的問題。

本文的貢獻有兩方面：一是將研究對象從單一交通設施擴展至綜合交通樞紐，針對不同使用特性的內部公共空間進行時空維度的綜合分析，豐富了交通樞紐型內部公共空間公眾情緒感知的時空差異研究。二是基于“感覺—知覺—認知—行動”的公眾情緒感知路徑，結合情緒量化與詞頻分析，識別了綜合交通樞紐內部公共空間的情緒影響因素，構建了情緒地圖，為公共空間的多維度提升與改造提供了依據。

本文仍存在一定局限性，未來可通過確立綜合交通樞紐型內部公共空間情緒感知體驗的空間分類標準，來更有效地提出優化策略。此外，單一微博數據源存在樣本偏年輕化的局限，且未涉及圖片信息的分析，未來可采用多源數據并挖掘圖片與情緒的關聯。

參考文獻 References

[1]龍瀛，唐婧嫻. 城市街道空間品質大規模量化測度研究進展[J]. 城市規劃，2019，43（6）：107-114.

LONG Ying， TANG Jingxian. Large-scale quantitative measurement of the quality of urban street space： the research progress[J]. City Planning Review， 2019， 43（6）： 107-114.

[2]王瀟，朱婷. 徐匯濱江的規劃實踐——兼論濱江公共空間的特色塑造[J]. 上海城市規劃，2011（4）：30-34.

WANG Xiao， ZHU Ting. Planning practice of Xuhui riverside area： discussion on character reconstruction of riverbank area public space[J]. Shanghai Urban Planning Review， 2011（4）： 30-34.

[3]彭智凱，陳箏. 面向未來建成環境的健康設計前沿及展望[J]. 時代建筑，2020（5）：14-21.

PENG Zhikai， CHEN Zheng. Healthy design oriented toward future built environment new trends and prospects[J]. Time + Architecture， 2020（5）： 14-21.

[4]浩飛龍，楊宇欣，李俊璐，等. 基于零售行業與消費者行為的城市商圈特征——以長春市重慶路、紅旗街、桂林路為例[J]. 經濟地理，2019，39（12）：138-146.

HAO Feilong， YANG Yuxin， LI Junlu， et al. Characteristics of commercial centers in Changchun from the perspective of retailing industry and residents' shopping behavior[J]. Economic Geography， 2019， 39（12）： 138-146.

[5]任熙元，王燦，王德. 基于行為偏好模型的商業綜合體空間優化策略研究以大寧國際商業廣場（上海）為例[J]. 時代建筑，2017（5）：54-59.

REN Xiyuan， WANG Can， WANG De. Spatial improvement strategies based on behavior preference model： a case study of the Daning Commercial Complex， Shanghai[J]. Time + Architecture， 2017（5）： 54-59.

[6]董賀軒，郭四海. 火車站廣場多層面空間、路徑與活動的關聯研究——以武昌站為例兼議其使用[J]. 建筑學報，2015（s1）：40-46.

DONG Hexuan， GUO Sihai. Correlation among multiple space， path and activity of train station plaza： the case of Wuchang Train Station[J]. Architectural Journal， 2015（s1）： 40-46.

[7]張忠國，徐婷婷，解宏濤. 城市公共交通樞紐換乘空間問題分析——以北京西直門交通樞紐為例[J]. 城市發展研究，2009，16（1）：120-126.

ZHANG Zhongguo， XU Tingting， XIE Hongtao. Research on design of transfer space of urban public transport hub： with Beijing Xizhimen Traffic Hub as an example[J]. Urban Development Studies， 2009， 16（1）： 120-126.

[8]姚存卓. TOD模式下軌道交通站點運行情況的評估研究——以上海軌道交通7號線顧村公園站為例[J]. 上海城市規劃，2020（5）：97-103.

YAO Cunzhuo. Evaluating the operation of rail transit station under TOD mode： a case study of Gucun Park Station on Line 7 in Shanghai[J]. Shanghai Urban Planning Review， 2020（5）： 97-103.

[9]周慶華，王一睿. 基于感知維度的城市設計思考[J]. 規劃師，2021（16）：73-77.

ZHOU Qinghua， WANG Yirui. Perception oriented urban design[J]. Planners， 2021（16）： 73-77.

[10]葉宇，黃鎔，張靈珠. 量化城市形態學：涌現、概念及城市設計響應[J]. 時代建筑，2021（1）：34-43.

YE Yu， HUANG Rong， ZHANG Lingzhu. Quantitative urban morphology： emergence， conceptualization and urban design's response[J]. Time + Architecture， 2021（1）： 34-43.

[11]黃怡，朱曉宇. 城市老年人的日常活動特征及其感知評價的影響因素——以上海中心城社區為例[J]. 上海城市規劃，2018（6）：87-96.

HUANG Yi， ZHU Xiaoyu. Research on features of daily activities of urban elderly and influence factors of their perception evaluation： a case study of communities in central area of Shanghai[J]. Shanghai Urban Planning Review， 2018（6）： 87-96.

[12]陳堅，李睿，傅志妍，等. 綜合交通樞紐乘客滿意度影響因素分析模型[J]. 公路交通科技，2021，38（11）：117-125.

CHEN Jian， LI Rui， FU Zhiyan， et al. A model for analyzing influencing factor of passenger satisfaction of integrated transport hubs[J]. Journal of Highway and Transportation Research and Development， 2021， 38（11）： 117-125.

[13]王一睿，周慶華，楊曉丹，等. 城市公共空間感知的過程框架與評價體系研究[J]. 國際城市規劃，2022，37（5）：80-89.

WANG Yirui， ZHOU Qinghua， YANG Xiaodan， et al. Research on process framework and evaluation system of urban public spatial perception[J]. Urban Planning International， 2022， 37（5）： 80-89.

[14]訾海波. 大型交通樞紐的規劃典范——論上海虹橋綜合交通樞紐規劃設計[J]. 上海城市規劃，2012（2）：69-73.

ZI Haibo. Planning model of the large-scale transportation hub： discussion on the planning of Shanghai Hongqiao Integrated Transportation Hub[J]. Shanghai Urban Planning Review， 2012（2）： 69-73.

[15]顧保南，黃志華，邱麗麗，等. 上海南站的綜合交通換乘系統[J]. 城市軌道交通研究，2006（8）：19-24.

GU Baonan， HUANG Zhihua， QIU Lili， et al. The integrated intermodal transfer system of Shanghai South Railway Station[J]. Urban Mass Transit， 2006（8）： 19-24.

[16]胡映東，張昕然. 城市綜合交通樞紐商業設計研究——以上海虹橋綜合交通樞紐項目為例[J]. 建筑學報，2009（4）：78-82.

HU Yingdong， ZHANG Xinran. Research on the commercial design of urban comprehensive transportation hubs： a case study of Shanghai Hongqiao Comprehensive Transportation Hub project[J]. Architectural Journal， 2009（4）： 78-82.

[17]王一睿，周慶華，楊曉丹，等. 基于感知體驗的城市空間類型探討[J]. 規劃師，2022，38（7）：135-140.

WANG Yirui， ZHOU Qinghua， YANG Xiaodan， et al. Discussion on urban space types based on perception[J]. Planners， 2022， 38（7）： 135-140.

[18]范業聞. 地鐵車站公共空間的優化設計[J]. 上海城市規劃，2010（6）：65-68.

FAN Yewen. The optimization strategies of public space in metro station[J]. Shanghai Urban Planning Review， 2010（6）： 65-68.

[19]劉棟棟，趙斌，李磊，等. 北京南站行人特征參數的調查與分析[J]. 建筑科學，2011，27（5）：61-66.

LIU Dongdong， ZHAO Bin， LI Lei， et al. Survey and analysis of pedestrian characteristic parameters in Beijing South Railway Station[J]. Building Science， 2011， 27（5）： 61-66.

[20]周繼彪，陳紅，閆彬，等. 綜合交通樞紐安全應急疏散路徑選擇研究[J]. 中國安全科學學報，2014，24（2）：164-170.

ZHOU Jibiao， CHEN Hong， YAN Bin， et al. Research on emergency evacuation route choice in integrated transport hub[J]. China Safety Science Journal， 2014， 24（2）： 164-170.

[21]陳征. 上海虹橋樞紐火車站出租車上客站點風險防控[J]. 交通與運輸，2018，34（6）：49-51.

CHEN Zheng. Risk prevention and control at the taxi pick-up station of Shanghai Hongqiao Hub Railway Station[J]. Traffic & Transportation， 2018， 34（6）： 49-51.

[22]MA Y， YANG Y， JIAO H. Exploring the impact of urban built environment on public emotions based on social media data： a case study of Wuhan[J]. Land， 2021， 10（9）： 986.

[23]劉以鳴，許還幻，韓冰，等. 北京地鐵站點公共空間藝術設計提升研究：空間感知與偏好分析[J]. 城市發展研究，2022，29（8）：20-23.

LIU Yiming， XU Huanhuan， HAN Bing， et al. Artistic design for the enhancement of public space in Beijing underground stations： an analysis of spatial perception and preference[J]. Urban Development Studies， 2022， 29（8）： 20-23.

[24]陳立揚，何龍慶. 面向感知的城市軌道交通空間研究[J]. 都市快軌交通，2020，33（6）：62-68.

CHEN Liyang， HE Longqing. Urban rail transit space under perception[J]. Urban Rapid Rail Transit， 2020， 33（6）： 62-68.

[25]郭瑞利，黃正東. 基于空間計量模型的武漢市軌道交通站點客流影響因素多級效應研究[J]. 現代城市研究，2022（2）：118-124.

GUO Ruili， HUANG Zhengdong. Research on multi-level effect of influencing factors generating rail transit station ridership in Wuhan based on spatial econometric models[J]. Modern Urban Research， 2022（2）： 118-124.

[26]王琦，羅米. 城市對外公路客運交通換乘樞紐站內空間使用后評價——以重慶四公里交通換乘樞紐為例[J]. 西部人居環境學刊，2014，29（2）：84-89.

WANG Qi， LUO Mi. The post occupancy evaluation of the station space of highway passenger transfer hub： taking the transfer hub of Sigongli， Chongqing for example[J]. Journal of Human Settlements in West China， 2014， 29（2）： 84-89.

[27]崔璐明，曲凌雁，何丹. 基于深度學習的城市熱點空間情緒感知評價——以上海市為例[J]. 人文地理，2021，36（5）：121-130.

CUI Luming， QU Lingyan， HE Dan. Evaluating emotional perception of spatial hotspots via deep learning： a case study of Shanghai[J]. Human Geography， 2021， 36（5）： 121-130.

[28]凡來，張大玉. 新社交媒體下城市意象熱點空間感知研究——以北京小紅書筆記數據為例[J]. 城市發展研究，2022，29（10）：1-8.

FAN Lai， ZHANG Dayu. Research on spatial perception of urban image hotspots under new social media： take the note data of Beijing Xiaohongshu as an example[J]. Urban Development Studies， 2022， 29（10）： 1-8.

[29]王玥，龔莉萍，劉漢濤，等. 一種基于網絡評論小樣本數據的群體情緒量化方法[J]. 物聯網技術，2022，12（12）：98-100.

WANG Yue， GONG Liping， LIU Hantao， et al. A quantitative method for group emotion based on small sample data of online reviews[J]. Internet of Things Technologies， 2022， 12（12）： 98-100.

[30]梁嘉祺，姜珊，陶犁. 基于網絡游記語義分析和GIS可視化的游客時空行為與情緒關系實證研究——以北京市為例[J]. 人文地理，2020，35（2）：152-160.

LIANG Jiaqi， JIANG Shan， TAO Li. Empirical research on the relationship between spatial-temporal behavior and emotion of tourists based on semantic analysis of online travel blogs and GIS visualization： a case of Beijing[J]. Human Geography， 2020， 35（2）： 152-160.

[31]單卓然，安月輝，袁滿，等. 基于微博大數據的城市居民情緒時空分布特征及影響因素研究——以武漢市主城區為例[J]. 城市發展研究，2022，29（8）：69-76.

SHAN Zhuoran， AN Yuehui， YUAN Man， et al. Study on spatial and temporal distribution characteristics and influencing factors of urban residents' sentiment based on Weibo data： a case study of the main urban area of Wuhan[J]. Urban Development Studies， 2022， 29（8）： 69-76.

[32]李斌. 環境行為學的環境行為理論及其拓展[J]. 建筑學報，2008（2）：30-33.

LI Q8KTIoKsklMvCbUX5vD/GqQG8jul0WhLVhCmE/AMW/A=Bin. Theory of environment-behavior and its development in environment-behavior studies[J]. Architectural Journal， 2008（2）： 30-33.

[33]曹嘉明，郭建祥，郭煒，等. 上海虹橋綜合交通樞紐規劃與設計[J]. 建筑學報，2010（5）：20-27.

CAO Jiaming， GUO Jianxiang， GUO Wei， et al. Planning and design of Shanghai Hongqiao Comprehensive Transportation Hub[J]. Archi-tectural Journal， 2010（5）： 20-27.

[34]葉冬青. 綜合交通樞紐規劃研究綜述與建議[J].現代城市研究，2010，25（7）：7-12.

YE Dongqing. Integrated-transport-hub planning： retrospect and agenda[J]. Modern Urban Research， 2010， 25（7）： 7-12.

[35]崔璐明，曲凌雁，何丹. 基于深度學習的城市熱點空間情緒感知評價——以上海市為例[J]. 人文地理，2021，36（5）：121-130.

CUI Luming， QU Lingyan， HE Dan. Evaluating emotional perception of spatial hotspots via deep learning： a case study of Shanghai[J]. Human Geography， 2021， 36（5）： 121-130.

基金項目：國家社科基金重大項目“構建大中小城市協調發展格局研究”（編號23ZDA049）；2024年上海市“十五五”規劃前期課題平行研究項目（編號2024ECNU-SHSWWGH009）資助。