综述:建筑环境中以人为中心的设计的具身智能感知:系统综述与未来机遇
《Sustainable Cities and Society》:Embodied Intelligent Perception for Human-Centered Design in the Built Environment: A Systematic Review and Future Opportunities
【字体:
大
中
小
】
时间:2026年08月07日
来源:Sustainable Cities and Society 13.3
编辑推荐:
摘要
具身感知指的是人类通过身体与环境的互动来获取和解读信息的过程。这一概念为理解人与环境的互动提供了重要视角。近年来,人工智能、多源数据及机器学习等智能技术的进步为具身感知研究带来了前所未有的机遇,也为探究人与环境互动的复杂性提供了新路径。然而,目前该领域仍缺乏将具身感知与
摘要
具身感知指的是人类通过身体与环境的互动来获取和解读信息的过程。这一概念为理解人与环境的互动提供了重要视角。近年来,人工智能、多源数据及机器学习等智能技术的进步为具身感知研究带来了前所未有的机遇,也为探究人与环境互动的复杂性提供了新路径。然而,目前该领域仍缺乏将具身感知与智能技术系统整合的全面综述,也不存在明确的跨学科研究范式以及连贯的端到端技术体系。为填补这一空白,本研究提出了“具身智能感知”这一概念,旨在融合具身感知研究与智能技术的优势。依据PRISMA指南进行系统综述与文献计量分析后,共筛选出61篇相关文章进行深入分析。研究发现,关于具身智能感知的研究主要聚焦于三种空间尺度(城市、社区和地块),分为两类数据类型(空间形态数据与具身感知数据),并运用四类核心技术(数据采集、分析、评估与预测)。基于此,本研究提出了一种全新的具身智能感知研究范式——“空间尺度-数据类型-智能技术-应用场景”,同时构建了“智能采集-智能分析-智能评估-智能预测”的完整技术链条。研究还指出了当前的关键挑战与新兴机遇。总之,通过明确具身智能感知的概念,并建立统一的理论框架与连贯的技术体系,本研究为跨学科的人本导向研究与设计提供了可行基础,有助于在技术快速发展的时代实现更优的城市设计。
引言
由建筑物、道路、公园及基础设施等空间元素构成的建成环境,不仅构成了城市的物理框架,还在塑造公共生活、组织交通网络以及支撑各类社会功能方面发挥着关键作用(Mouratidis, 2021)。它们对居民的生活质量、社会互动模式及整体福祉有着深远且持久的影响(Diener et al., 2018; Liu & Guo, 2006)。随着全球城市化进程的加速及人口规模的快速扩张,当代城市设计与规划面临的一个紧迫挑战是如何更精准地满足居民的感知需求,提升空间体验的质量(Cao & Ettema, 2014; Morrison, 2014)。在过去五十年中,设计师与学者们对建成环境与人类感知之间的关系进行了大量研究,试图通过优化空间形式来提升空间的宜居性并强化以人为核心的价值理念(Gehl, 2011; Jacobs, 2021; Lynch, 1984)。在这一过程中,感知逐渐成为连接空间设计与人类体验的核心概念。这一概念最初源于心理学、地理学、认知科学及环境行为学研究,后来逐步扩展到城市规划与空间设计实践中,被定义为个体或群体对环境形成主观解读、具身体验及行为反应的整合过程(Zhang et al., 2018)。
认知科学的进展为感知研究奠定了坚实的理论基础。Varela、Thompson和Rosch在《具身心智》一书中提出了具身性概念,认为认知是一种身体适应环境的活动,从而在认知科学领域确立了新的研究范式(Varela et al., 2017)。具身感知指的是人类通过身体与周围环境的动态互动来获取和解读信息的过程。这一概念强调了身体与环境之间的相互作用——身体状态会影响感知过程,而环境变化则会对身体与感知产生深远影响。这类信息可以通过生理、心理及行为数据来捕捉和量化,已被广泛用于阐释人类如何通过“身体-空间-行为”的互动来认知环境(Bridgeman & Tseng, 2011; Svan?s, 2013)。
与此同时,具身智能已成为近期技术研究领域的热点话题,它指出无论是人类、动物还是机器人,都是通过身体与周围环境的持续互动来实现感知、学习与决策的。这一范式凸显了身体在智能行为中的核心作用,也为人工智能与认知科学的研究提供了新的发展方向(Howard et al., 2019)。在物理环境中,智能体的感知反应与行为在很大程度上取决于其与环境的实时互动,环境条件与动态反馈共同决定了智能体的感知路径与决策机制。对这些现象的系统性研究推动了感知研究范式的转变——从静态的描述性分析转向动态建模,从主观评估转向综合的多源定量分析框架。
人工智能正在经历一场重大变革,它正从单纯的被动数据支持工具转变为主动的端到端研究引擎,具备可量化、可转化且可灵活调整的技术能力,可用于优化建成环境。这一变革不仅推动了信息获取、特征表示及模式推断等流程的系统性创新,还改变了设计与规划实践中人与环境互动的生成与应用模式。这些挑战不仅暴露了传统感知研究范式的局限性,也凸显出基于现有具身感知与智能技术研究构建新研究范式的紧迫性与重要性。一方面,空间日益多样化、密集化以及功能混合化,使得传统的依赖问卷调查、访谈及其他小样本、低频率、单模态的主观感知方法逐渐显得不足。这类方法往往耗时费力,产生的数据量有限,分辨率较低,且在空间尺度上存在局限,难以提供足够的定量证据与评估指标以推动研究进展(Li et al., 2022; Liu et al., 2023; Sánchez & Labib, 2024; S. Q. Wang, W. H. Cai, et al., 2025)。另一方面,人工智能与感知科学的结合正在重塑建成环境研究的认知基础与方法论范式,催生了诸多创新研究,这些研究利用多源数据(如街景图像、社交媒体内容、生理信号)结合先进算法(如深度学习、计算机视觉、自然语言处理)来进行更为精细的感知分析。这些发展显著拓展了感知研究所涉及的空间尺度、时间分辨率及认知维度(J. L. Chen et al., 2025; Q. Lu et al., 2025; Switalski et al., 2025; S. Q. Wang, J. Yoo, et al., 2025)。在尺度不一致、模态多样及结构复杂的情况下实现对空间与感知的系统性理解,已成为感知科学与空间研究领域亟待解决的核心问题,也是具身感知与智能技术研究必须应对的关键挑战。
已有若干综述研究了具身感知与智能技术在建成环境中的应用与发展。在具身感知方面,现有综述系统总结了感知机制与环境要素之间的关系,涵盖了从绿地、街道到公共设施等一系列空间特征,并探讨了这些要素如何影响人们的满意度、安全感、公平感、舒适度、心理健康及情绪恢复状况(Chu et al., 2025; Fan et al., 2025; B. Y. Lei et al., 2025; Shynu & Suseelan, 2023; te Braak & van Tienoven, 2025; Wedyan & Saeidi-Rizi, 2024)。这类综述通常聚焦于特定的研究主题与以人为本的意义,深入分析了人们所感知的内容及其原因。然而,它们往往局限于特定尺度或具体场景,因此适用范围较窄。目前尚未形成能够涵盖多尺度建成环境、多源数据及多样化应用场景的分析框架,也未能充分阐述不同数据类型与技术方法在不同领域的交互机制。在智能技术方面,相关综述介绍了获取和处理多源数据的方法,包括遥感图像、街景图像、社交媒体内容及生理信号等。它们还探讨了机器学习、深度学习及计算机视觉在感知特征提取、模式识别及预测分析中的应用,强调了这些技术在实现大规模、自动化且高精度的感知分析方面的优势(Delpino-Chamy & Albert, 2022; Huang et al., 2024; Ito et al., 2024; Wang & Biljecki, 2022; Wu et al., 2025; Zhu et al., 2025)。不过,这类综述大多侧重于对数据来源、算法及平台等具体方面和领域的详细分类与整理,尚未形成将数据处理与实际成果相连接的完整技术链条,也无法为城市设计提供更为整合有效的支持。
可以看出,尽管具身感知与智能技术分别在理论发展与应用研究方面取得了显著进展,但要将二者深度整合以系统地理解和优化人与环境的互动,仍面临三大核心挑战:概念整合的紧迫性、分析框架的碎片化以及整个技术路径的缺乏连续性。这些挑战揭示了当前研究中的三个具体缺口:(1)缺乏整合性概念,即尚未出现能够将具身感知与智能技术有机结合的统一概念;(2)缺乏系统化的研究范式,至今仍未建立能够整合多种空间尺度、多模态数据、多样智能技术及不同应用场景的框架;(3)技术路径存在断层,虽然多源数据与智能方法已被广泛应用,但尚未形成连接数据采集、分析建模、评估解释及预测推断的连贯技术链条。
为弥补这些缺陷,本研究提出了“具身智能感知”这一概念,即具身感知与智能技术的整合。通过结合具身感知研究的优势与新兴智能技术的进展,具身智能感知旨在探索其在多尺度建成环境中的未来应用。相比之下,包括计算城市感知、环境行为建模及城市传感在内的相关概念,主要着眼于通过智能算法、大数据分析及传感技术提升城市环境感知的预测精度与监测效率。这些方法主要用于智慧城市发展与环境管理领域的实际应用(Gao et al., 2025; Hou et al., 2025; Madsen et al., 2022; Xu et al., 2025; Yang & Rong, 2024; Y. Zhang et al., 2024; Zhang et al., 2022)。然而,这些方法通常只针对人与环境互动的特定环节,尚未完全整合三个相互关联的问题:具身感知是如何通过环境与身体的互动产生的,感知反应是如何转化为可分析的生理、心理及行为数据的,以及分析结果如何为空间诊断与设计决策提供依据。具身智能感知旨在通过将人与环境互动的整体过程作为研究焦点,将具身感知的形成、数据表示与智能解读以及空间评估与设计决策整合在一个统一框架内,从而解决这一局限。在智能技术的支持下,具身智能感知不仅保留了以人与环境互动为核心的具身感知原则,还能以更实时、更动态的方式分析多源数据,进而揭示空间、感知与行为之间的相互关联。由此,具身智能感知为规划与设计决策提供了可追溯、可评估、可解释且具有反馈功能的技术支持。因此,具身智能感知不应被视为现有概念的简单组合,而应是一种连接具身感知、智能技术及设计应用的跨学科研究框架。
在人-空间互动中,人类本身便是空间内的“传感器”,具身感知则源于身体与空间环境之间的动态互动。从尺度角度出发,具身感知可分为两个层面:群体具身感知与个体具身感知。在群体层面,具身感知体现在集体偏好、情感表达及行为轨迹上,这些表现具有明显的时空规律性。在个体层面,具身感知则关注与即时空间环境紧密相关的主观体验、生理反应及行为反应。与此同时,智能技术与信息技术的进步使得能够高效收集和处理大量反映人类在不同尺度上具身感知的数据,从而实现对感知体验更为准确和可靠的分析。一方面,这些技术有助于在更广阔的空间尺度上对集体体验与活动反应进行大规模刻画。另一方面,它们能够同步捕捉特定空间环境中的个体体验与行为反应。这一进展为揭示空间形态、感知体验与行为反应之间的复杂关系提供了新机会,并为更精细的城市、景观及建筑设计提供了实证支持。然而,这也对数据的代表性、跨尺度一致性以及伦理合规性提出了更高要求,凸显出需要基于统一的概念框架和系统的分析结构来进行综合研究。本研究针对建筑环境中的“具身感知与智能”展开系统性综述与文献计量分析,具体目标如下:(1)系统梳理“具身感知与智能”的当前研究现状,探讨其概念内涵与核心特征,总结其发展趋势、面临的主要挑战及未来机遇;(2)提出以“空间尺度-数据类型-智能技术-应用场景”为框架的该领域研究范式,明确具身感知与智能技术之间的整合机制与适配方式,为以人为核心的城市设计研究与决策提供新思路;(3)构建涵盖“智能采集-智能分析-智能评估-智能预测”环节的技术链条,为建筑环境中的精细化干预与优化提供技术支撑。本文结构如下:第2节“方法论”阐述了研究问题的确定、数据库选择、检索策略及筛选标准;第3节“结果”对当前关于具身感知与智能技术的研究进行了综合梳理,包括领域概览、主题前沿、空间尺度分类、数据类型划分以及技术类别;第4节“讨论”分析了该领域新兴的研究范式及技术链条的构建情况,同时将“具身感知与智能”置于健康城市、智慧城市、环境韧性、数据驱动的数字治理以及智能规划等可持续发展主题之下进行阐述,进一步探讨了该领域的关键挑战与未来机遇。图1 研究片段 检索策略 本系统性综述与文献计量分析遵循PRISMA指南(Moher等人,2009年)开展,依据其检查表与流程图确保整个研究过程的透明度、方法严谨性及可重复性。综述过程包含四个连续阶段:确定研究问题、文献筛选、资格评估以及最终纳入,如图2所示。在四个权威学术数据库中进行了全面文献检索。研究总体概述 去除重复文献后,布尔检索共得到1982篇相关文章,这些文章涉及“具身感知”与“智能技术”两大核心领域的实证空间研究内容(图3)。这些研究成果分布在城市研究、建筑学、地理信息科学、社会科学、环境科学、工程学以及计算机科学等多个学科领域,反映出该方法论与应用场景的高度交叉性。讨论 基于文献计量分析的结果,“具身感知与智能”研究呈现出两个值得深入探讨的趋势。首先,空间尺度、数据类型、智能技术及应用场景的组合越来越复杂,这凸显出需要建立清晰且逻辑严谨的研究范式。其次,在智能技术的推动下,具身感知研究正从单一的、针对特定任务的探索,向集成化的工作流程发展。结论 随着具身感知与智能技术的快速发展,它们在建筑环境中的深度融合不断拓展相关研究的范畴与应用场景。为应对这一趋势,本研究提出了“具身感知与智能”这一概念,系统梳理了该领域的当前研究现状,明确了其核心特征、发展态势及未来机遇。通过对现有研究成果的全面整合,本综述…… 数据获取方式 数据可应需求提供。未引用参考文献 王等人,2025年 CRediT作者贡献说明 陈毅:撰写——初稿、方法论、研究实施、正式分析、数据整理、概念构建。吴金秀:撰写——审稿与编辑、验证、监督、资源协调、项目管理、方法论、资金获取、概念构建。吴廷金:撰写——初稿、可视化、验证、软件应用、研究实施、正式分析、数据整理。盛华兴:撰写——审稿与编辑、验证、软件应用、正式分析、数据整理。利益冲突声明 作者声明不存在可能影响本文研究结果的已知财务利益或个人关系。致谢 作者感谢中国国家自然科学基金(项目编号52578008、52078113)提供的资金支持。陈毅|吴金秀|吴廷金|盛华兴 中国南京210096,东南大学建筑学院