大语言模型驱动的地铁主导型地下空间公众感知建模：以香港为例

《Tunnelling and Underground Space Technology》：Large language models-driven public perception modeling in metro-led underground space: a case study of Hong Kong

　　

**摘要**

地铁主导的地下空间规划往往忽视公众感知，而传统方法难以将非结构化的社交媒体数据转化为可操作的洞察。本研究提出了一种新颖的框架，将大语言模型（LLMs）与机器学习相结合，以系统地量化公众体验。本研究以香港91个地铁站的25,349条Google Maps评论为数据基础，利用LLM引擎在14项指标上进行了细粒度的感知提取。我们提出了一个"感知价值"（PV）指标，综合考量感知频率与偏好程度，显著提升了建模性能。机器学习分析发现，"换乘"是公共满意度贡献最大的因素。值得注意的是，"无障碍设计"是一个高贡献度但低偏好度的因素，显示出亟待改进的迫切需求。在空间层面，我们的分析揭示了感知质量上明显的"中心-边缘"模式，从而为针对性的更新策略提供了依据。本框架为将公众感知转化为规划智能提供了一套可扩展且可解释的范式，推动了城市地下空间以人为本的治理进程。

**1. 引言**

随着全球城市化的快速加速，高密度城市对空间资源的需求日益增长，推动城市空间向更加集约化、三维化方向发展（Bobylev, 2016, Elbaz et al., 2021, Peng et al., 2023）。在这些空间中，地铁主导的地下公共空间作为一种与公共交通系统紧密整合的地下空间利用模式，已从单一功能的交通枢纽演变为集通勤、商业、休闲和社会交往于一体的多功能"城市客厅"（Lin et al., 2022a, Peng et al., 2026）。然而，随着城市进入强调精细化治理和质量提升的"存量规划"时代，如何有效地更新和优化这些庞大的地下空间系统已成为城市管理者面临的紧迫问题（Hong et al., 2025, Wang et al., 2024）。

以往的规划与评估研究往往侧重于物理因素和宏观经济因素，如土地利用效率和功能布局（Zhao et al., 2016, Peng et al., 2019, Qiao et al., 2017, Xu and Chen, 2021），而对用户的主观体验和感知关注相对有限。这种对可量化指标的重视为空间组织和效率提供了必要的框架，但忽视用户视角的做法有时在规划决策与体验需求之间造成了差距。这些问题可能导致较差的用户体验，如空间迷失感和心理不适。随着该领域的发展，越来越多的学者认识到，捕捉和分析空间使用的多维度公众感知是实现地下空间可持续、以人为本发展的重要机遇（Chan et al., 2025, Yuan et al., 2025）。

为应对这一挑战，研究者日益转向城市大数据，如社交媒体，其中包含大量公众意见（Huang et al., 2025, Martí et al., 2019）。一些研究尝试使用词频-逆文档频率（TF-IDF）或隐含狄利克雷分布（LDA）等传统方法从文本中提取关键词和主题，以识别公众关注的热点（Cui et al., 2025, Peng et al., 2020）。然而，这些传统的"词袋"模型往往压缩信息并丢失语义上下文，难以满足深入感知分析的需求。随后，BERT等预训练深度学习模型在语义理解方面取得了显著进展（Soomro et al., 2025, Zhao et al., 2024），但其应用通常需要通过微调来适应特定任务，这限制了其在处理城市研究中多样的、非标准化的感知维度时的灵活性。

近期，大语言模型（LLMs）带来的突破性进展为克服这些方法论瓶颈开辟了新的可能性（Li et al., 2025）。LLMs凭借其强大的上下文理解能力、零样本/少样本学习能力和遵循复杂指令的能力，能够利用研究者定义的细粒度指标体系，直接从非结构化文本中提取精确、结构化的目标信息，这显著提升了数据处理的自动化程度和深度（Pan et al., 2025a）。然而，如何构建一个系统性的分析框架，将LLMs的技术优势与城市规划的实务需求相结合，为优化地铁主导的地下空间提供可操作的洞察，仍然是一个未被探索的研究空白。

为填补这一空白，本研究旨在构建一个以感知为导向的分析框架，用于地铁主导的地下空间的规划与优化，从社交媒体大数据中系统地提取主观评价，并将其转化为适用于规划实践的量化洞察。通过整合LLMs与机器学习算法，本研究试图回答以下关键研究问题：

(1) 如何利用LLMs的先进能力，构建一个能够自动、准确地将非结构化社交媒体评论转化为多维度、结构化感知数据的工作流？

(2) 在各种感知维度中，哪些指标是影响公众对地铁主导的地下空间满意度的核心因素？如何客观量化这些因素的相对重要性？

(3) 香港地铁主导的地下空间公众感知呈现出怎样的空间分布模式与特征？这些发现如何为地下空间规划的优化策略提供指导？

本文的其余部分安排如下：第2节回顾相关工作，涵盖地铁主导的地下空间研究、城市研究中的公众感知分析以及感知量化技术。第3节阐述分析框架，包括数据来源、基于LLM的感知提取、基于机器学习的指标重要性分析以及综合感知质量评估。第4节报告研究结果，重点关注感知维度的统计、关键影响因素的识别以及总体感知模式。第5节讨论主要发现、其对城市规划与管理的实践意义，以及潜在局限性和未来展望。最后，第6节总结全文。

**2. 相关工作**

**2.1 地铁主导的地下公共空间感知特征研究**

作为城市公共交通系统的重要组成部分，地铁网络在许多国家得到了广泛发展，尤其是在香港、上海、新加坡和日本等高密度城市地区（Dong et al., 2026, Lin et al., 2022b, Liu et al., 2023, Lyu et al., 2019）。地铁系统不仅在提高城市交通容量和效率方面发挥了作用，还推动了城市空间的三维重构和垂直延伸（Bobylev, 2016, Peng et al., 2021, Shao et al., 2024）。地铁主导的地下公共空间是与地铁系统整合的一种重要地下空间利用形式，也是导向型开发理念的主要实践（Dong et al., 2021a, Wu et al., 2026）。这些空间已从独立的地下车站结构演变为连接周边商业、住宅和物业的互联互通模式，并进一步发展为多站互联的"生活区"，呈现出多样化、协同化的功能组合（Dong et al., 2023, Ma et al., 2023）。因此，地铁主导的地下空间已从单纯的"交通枢纽"转变为集休闲、餐饮、社交、购物和便捷商务活动于一体的多功能空间（Kishii, 2016, Peng et al., 2019）。

与其他城市公共空间相比，地铁主导的地下公共空间在物理环境、空间布局和功能构成方面具有独特的特征（Dong et al., 2026b, Zeng et al., 2025），这些特征塑造了用户独特的空间体验和感知。封闭的室内环境缺乏与自然的联系，可能引发方向迷失、压抑感等负面感知，以及通风不良、照明昏暗等问题（Lin et al., 2022b, Zhang et al., 2026）。以交通为导向的空间布局直接影响步行体验和换乘效率，凸显了清晰的标识系统和舒适的通行设计的重要性（Jeong et al., 2025, Xu and Chen, 2021）。虽然交通仍是主要功能，但整合的商业和服务运营通过商业活力、服务质量等因素显著影响用户的整体感知（Shao et al., 2022, Wang and Tsung, 2025）。

以往关于地铁主导的地下空间发展的研究主要聚焦于选址、功能布局规划和土地利用经济效益（Qiao et al., 2017, Wey, 2015）。然而，在当前强调精细化存量规划的新时代，需要更加可持续的空间利用方式（Dong et al., 2021b, Wang et al., 2024）。近期的关注点已转向使用后评估，考察空间活力、绩效和利用效率（Li et al., 2024, Ma and Peng, 2023）。尽管如此，大多数研究仍依赖客观量化指标，如人流量、商业销售额、空间句法参数或有限的实地观察（Liu et al., 2024, Xu and Chen, 2023），因此未能全面捕捉用户主观的多维体验和感知。这种缺乏以用户为中心的感知数据，限制了空间质量优化诊断和指导的精准性。

为弥补这些局限，有必要开发一套系统性的指标来衡量对地铁主导的地下公共空间的感知。Mehta（2014）提出将公共空间质量划分为"功能绩效"和"空间吸引力"两类，开发了一个包含45项指标的精细化五维度评估模型，涵盖"包容性"、"有意义的活动"、"安全性"、"舒适性"和"愉悦性"。后续研究将这些框架应用于地下公共空间评估。例如，一些研究涉及了功能绩效方面的"可达性与连通性"、"用户体验"、"标识系统"、"空间布局"和"换乘"等因素，以及空间吸引力方面的"地铁服务"（Dong et al., 2021b, Hong et al., 2025, Jia et al., 2024, Ma et al., 2022）。在借鉴前人研究并采纳Mehta（2014）的框架基础上，我们前期的研究提出了包含五个维度、37项指标的"FEPICS"感知指标体系（Pan et al., 2025b）。通过对香港八个地铁主导的地下空间的分析，我们发现与"安全性"和"舒适性"相关的因素获得的公众关注相对较少。为了增强可复用性并便于在香港地铁主导的地下空间中推广应用，我们对体系进行了精简，最终确定了14项关键指标（见表1）。

**表1. 感知指标体系**

| 维度 | 指标 | 说明 |
|------|------|------|
| **安全性** | 人流拥挤 | 人流量与拥挤程度 |
| **愉悦性** | 环境设计/规划 | 车站的环境与美学设计及空间布局 |
| | 外部连通性 | 车站与周边城市区域的连通（如连接附近建筑的通道、与地面设施整合） |
| | 视觉开阔感 | 对空间宽敞感的视觉感知 |
| **参与度** | 知名度 | 车站是否非常"有名" |
| | 餐饮 | 站内餐饮服务 |
| | 顾客服务 | 车站工作人员及服务 |
| | 其他活动 | 站内其他活动，包括购物、演出和展览 |
| **功能性** | 标识系统清晰度 | 是否便于找路？标识是否清晰？ |
| | 洗手间 | 与站内洗手间相关 |
| | 无障碍设计 | 电梯、无障碍服务等 |
| | 步行体验 | 站内步行舒适度 |
| | 换乘 | 地铁系统内部换乘效率（如换乘便捷度、站台间步行距离和时间） |
| | 出入口系统 | 出入口数量及设计等 |

**2.2 公众感知的量化方法**

城市研究和社会科学中捕捉公众感知的传统方法依赖于社会调查，如问卷调查和电话访谈（Duan et al., 2018, White et al., 2013）。虽然这些方法通过精心设计的调查工具和标准化抽样过程产生可靠的一手数据，但面临实施成本高、周期长和可扩展性有限等制约，尤其是在应对大规模城市研究问题时（Huang et al., 2023, Pan et al., 2025a）。

近年来，城市大数据的发展为衡量公众感知提供了新的视角。早期研究利用带有地理标签的Twitter数据识别人类活动的热点，以推断城市功能区域（Frias-Martinez et al., 2012）。Ghosh和Guha（2013）将隐含狄利克雷分布（LDA）应用于Twitter帖子进行主题建模，识别出讨论度较高的公共卫生话题。Shelton等（2015）提出了一种超越简单地理标签来分析推文的方法，揭示了地理空间中的社会不平等。Shan等（2019）使用预定义的灾害和情绪极性词典分析微博帖子，评估灾害损失。

主要社交媒体平台（如Twitter、Google Maps、Instagram、Airbnb、大众点评、微博等）通过提供基于位置的社交网络（LBSN）数据，已成为城市研究中有前景的工具，这些数据通常包含位置、时间信息、数据ID和用户生成内容等变量（Martí et al., 2019）。传统研究往往依赖前三个简单变量，或将其与其他地理信息数据或遥感数据相结合进行城市地理分析（Chen et al., 2019, Liu et al., 2017, Wu et al., 2018）。另一方面，用户生成内容通常使用基本的统计或机器学习方法进行分析，如TF-IDF或词袋模型，以提取粗粒度的量化洞察（Cui et al., 2025, Dou et al., 2021, Fang et al., 2019, Heikinheimo et al., 2020, Peng et al., 2020）。虽然这些方法实现了对大规模社交媒体数据的快速统计应用，但不可避免地导致信息压缩，无法实现非结构化用户生成数据的真正"结构化数据形式转化"。

随着自然语言处理（NLP）技术的进步，研究已转向对用户生成非结构化内容的深度挖掘。对于文本数据，集成NLP平台（如SnowNLP、HANLP）已被用于提取情绪极性和识别主题，从而实现公众感知内容的量化解读。

例如，Kong等人（2022）利用腾讯、百度和阿里巴巴的自然语言处理平台量化公园游客评论中的情感极性。Chen等人（2025）使用SnowNLP从小红书上历史文化街区的评论中提取空间感知内容。深度学习模型，尤其是基于Transformer的预训练模型（如BERT及其变体），在上下文语义理解方面展现了强大的能力，能够实现更精细的语义关联和情感分析。Soomro等人（2025）应用BERT-BiLSTM-CRF模型从Facebook中提取与热浪相关的数据，为灾难影响地区的用户感知提供实时洞察。Gao和Fang（2025）利用基于BERT的情感分析模型量化了蓝色空间中幸福感的表达。Yuan等人（2025）利用自然语言处理在大众点评上对12个商业综合体的评论中识别了建成环境特征，并使用基于BERT的语义分类算法对公众情感极性进行了分类。

2.3. 城市研究中基于LLM的感知分析

近期大语言模型（LLM）的重大突破，如GPT-4、Claude和Gemini，从根本上改变了自然语言处理能力，为城市信息学研究提供了前所未有的潜力。证据表明，在适当的认知输入质量控制下，LLM的策略性应用可以显著提高工作流效率（Bubeck等，2025；Shen和Tamkin，2026）。LLM仅凭自然语言指令就能执行复杂的语义推理和信息的处理能力，代表着一种偏离了以往自然语言处理架构所依赖的监督学习范式的转变。特别是在城市感知研究中，传统的文本处理流程要求研究人员进行多阶段操作，包括语料库分割、文本向量化、手动关键词标注以及模型训练和优化。这一过程要么需要将问题简化为可处理、简单的机器学习任务，要么需要构建训练成本高昂的复杂模型，从而牺牲了一定的灵活性。

最近的城市应用已开始展现这一潜力。Li等人（2025）使用Qwen模型对洪灾相关微博中的位置信息进行标注，证实了将LLM与社交媒体数据结合所带来的手动成本降低。Zheng等人（2026）利用Moonshot AI从与公园相关的社交媒体评论中提取了六类文化生态系统服务，验证了基于LLM的框架相比以前的文本分析方法具有更高的准确性、可解释性和可扩展性。Du等人（2026）通过指定15个场景的严格定义，训练模型执行基于定义匹配的文本分类，证明了基于LLM的框架在解析长文本方面的有效性。

LLM从自然语言指令中进行复杂语义推理的能力，为系统分析城市地下空间的多维感知复杂性开启了新的可能性。研究人员可以设计结构化的提示策略，引导模型从不结构化文本中识别预定义的感知维度，同时评估情感效价，从而生成既捕捉频率信息又捕捉偏好信息的结构化数据。这种方法规避了传统范式固有的语料库标注和模型训练的巨大成本，使并行提取多个指标在技术上成为可能。在此基础上，将LLM提取的感知信息与统计或机器学习方法相结合，有望建立从文本到定量洞察的完整分析框架。然而，LLM在以地铁为主导的地下空间中的应用仍面临未解决的方法论问题。现有研究尚未建立针对此类复杂空间类型的、有理论依据的感知指标框架，缺乏将空间特征转化为感知维度以指导LLM提取任务的系统化框架。此外，关于有效整合用户关注强度与情感偏好，从而为地下空间规划提供适应性建议的分析路径，仍有待进一步探索。本研究旨在通过整合基于LLM的语义提取与基于机器学习的指标贡献分析来弥补这一空白。具体方法和分析将在后续章节中详述。

3. 方法论

3.1. 研究区域

香港作为著名的现代都市中心，以其多元文化和独特的地理特征而著称。港铁（MTR）系统是香港特别行政区公共交通的骨干，以其卓越的操作效率和广泛的网络覆盖而享誉全球。截至2025年12月，港铁网络由9条线路和97个车站组成（不包括仅在赛马日开放的跑马地站）。凭借高密度的站点布局和高效的“同台换乘”设计，以及接近100%的运行准点率，港铁系统承载了近一半的香港公共运输客流量，从而深深融入市民的日常生活。

近年来，随着社交媒体平台的普及，乘客在网上分享了关于“地铁主导的地下空间出行”的经历，提供了聚焦于换乘、设施和连接性的评论和互动。社交媒体上这些丰富的用户生成内容引起了研究人员的广泛关注。

本研究调查了香港所有97个港铁车站关于地铁主导地下空间的公众感知。鉴于跨境车站（罗湖站和落马洲站）和特殊用途车站（机场站、亚洲国际博览馆站、 sunny bay站和迪士尼乐园度假区站）在公众感知的数量和内容的同质性方面与其他车站存在显著差异，我们仅聚焦于其余91个地铁主导地下空间的感知，如图1所示。

下载：下载高分辨率图片（461KB）
下载：下载全尺寸图片
图1. 研究区域：(a) 香港位置图。(b) 地铁车站和地铁线路示意图（参考香港港铁官方路线图）。(c) 香港地铁车站分布图。

3.2. 分析框架

本研究以Google Maps的用户评论数据作为核心数据源。作为全球最具影响力的数字地图平台之一，Google Maps汇集了海量的地理数据和用户生成内容，是香港使用最广泛的基于地图的社交媒体平台之一。其强大的空间相关性使评论内容能够有效地反映公众对特定城市空间（urban spaces）的体验和感知。每条评论通常包括用户标识、时间戳、星级评分和文本评论等多维信息，为分析公众情感、偏好和主题的时间动态提供了坚实的数据基础。

整个分析框架系统地分为三个阶段，如图2所示：

下载：下载高分辨率图片（893KB）
下载：下载全尺寸图片
图2. 方法学框架。

(1) 第一阶段（数据准备）。我们收集了目标地铁站来自Google Maps的非结构化用户评论数据。同时，基于先前的初步工作（Pan等，2025b），我们完善并建立了一个预定义的感知指标体系，作为后续分析的提取目标。

(2) 第二阶段（LLM提取引擎）。我们开发了一个自动化流程，将LLM提示工程结合起来，从非结构化文本中进行定向提取。该引擎解析原始评论并将其转化为标准化的结构化数据格式（包括用户ID、感知片段、指标、分数和年份），以用于定量建模。

(3) 第三阶段（感知建模与分析）。本阶段构建多维感知指标并验证统计有效性。随后，采用机器学习算法量化各指标的相对重要性（权重），最终计算综合感知质量评价（EP），以揭示空间模式。

3.3. 数据获取与预处理

(1) 数据抓取
我们收集了截至2025年8月香港91个地铁站来自Google Maps（https://www.google.com/maps）的用户评论数据。使用编号系统对用户标识进行了匿名化。总共收集了25,349条评论，包括用户ID、评论年份、星级评分（范围从1到5）和评论文本。

(2) 数据清洗
基于该初始数据集，我们采用自然语言处理技术自动识别并清洗无意义或空评论。结果，我们保留了11,094条评论用于后续的基于LLM的引擎进行数据提取。

(3) 时间窗口选择
为确保91个地铁站评论数据的完整性和丰富性，我们对时间序列数据进行了观察分析。我们发现，仅在2023年1月至2025年8月期间，所有车站才有可用的评论数据。为了保持时间上的可比性，我们最初选择该期间作为我们的时间窗口（TW）。

我们进一步比较了所有年份的总评论数和平均星级评分与该选定时间窗口内的数据，以评估该时间窗口的可行性，如图3所示。

下载：下载高分辨率图片（487KB）
下载：下载全尺寸图片
图3. 时间窗口与总量的数据比较：(a) 评论数。(b) 评分。

从图3中，我们观察到时间窗口内的评论数分布与总体分布非常相似，并显示出高度相关性。这表明评论活动的时间窗口在一定程度上可以反映每个站点的社交媒体评论的长期相对受欢迎程度和规模。此外，时间窗口内的平均评分显示出比总体平均评分更大的变异性，这表明较新的评论更能指示地铁主导地下空间的当前状态，并为规划改善提供更即时的参考价值。

3.4. 感知指标体系构建

在先前的初步工作（Pan等，2025b）中，我们基于Mehta（2014）的研究开发了一个名为“FEPICS”的六维感知框架。该框架包括“功能性”、“参与性”、“愉悦性”、“包容性”、“舒适性”和“安全性”等维度，总共包含37个指标。值得注意的是，对“包容性”和“舒适性”维度的关注显著偏低。此外，其他维度中的几个指标，如“自动售票机”和“照明设计”，也仅获得了有限的关注。因此，我们重新设计了上述指标框架，最终确定了如表1所示的14个关键指标。需要注意的是，虽然某些指标在主题上似乎相关（例如，“可达性与连接性”与“换乘”），但它们在概念上是不同的。前者捕捉车站与周围城市肌理之间的外部连接，而后者则关注地铁系统内部流通的效率。

3.5. 基于LLM的信息提取引擎

为从非结构化评论文本中提取感知指标，我们采用了GPT-4o-mini模型并配以精心设计的提示结构。我们的提示遵循了先前基于LLM的内容分析研究中验证的层次化结构，由四个核心部分组成：(a) 角色设定，将LLM确立为城市规划领域的专家分析师，以激发适当的推理模式；(b) 任务描述，包含14个感知指标的全面定义；(c) 操作约束，包括保留原始措辞、处理空值情况以及避免提取缺乏具体内容的泛泛之赞的规则；(d) 具体输入输出示例，展示标准和边缘情况的预期行为。这种结构使得无需模型微调即可实现可靠的零样本提取。API的温度被设置为0.3，以平衡创造性和一致性，同时设定了最大令牌限制，其他参数则采用默认设置。至关重要的是，每条评论都在一个独立的对话会话中处理，不会从上一条评论带入对话上下文，从而确保提取决策保持一致且不受先前输出的影响。完整的提示模板、参数设置和输入输出示例提供在补充材料S1中，以便实现复现。

提取过程为每个车站生成半结构化输出，格式如下：

用户ID n1：
- [“感知片段1”，“指标I1”，分数s1，年份t1]。
- [“感知片段2”，“指标I2”，分数s2，年份t2]。

用户ID n2：
- [“感知片段3”，“指标I3”，分数s3，年份t3]。
……

为在大规模上实施该方法，我们在Python环境中使用LLM的API构建了一个自动化流程。该流程包括以下组件：(a) 本地文件加载（按车站组织），(b) 提示组装函数，(c) GPT的API请求和响应处理，(d) 响应对话内容的读取和解析，以及(e) 将半结构化解析结果翻译并存储为数据框格式。通过该流程，我们成功地将91个地铁站的非结构化评论数据转化为结构化的感知指标信息。

在通过Python流程进行自动提取后，我们实施了一个两层验证机制以确保数据质量。首先，我们开发了一个自动一致性检查程序，以验证每个提取的“感知片段”是否逐字出现在其源评论文本中。这种计算验证成功地将绝大多数提取结果确认为准确，仅有一小部分捏造实例（即LLM生成了看似合理但实际不存在的文本）需要手动纠正。其次，鉴于数据集规模可控（N=91），我们对所有提取结果进行了专家人工审查。每个车站的输出被存储为独立的TXT文件，便于系统筛选。人工审查主要聚焦于验证提取的感知片段与其所分配指标之间的语义一致性，并在发现误分类时基于专业判断进行调整。

3.6. 感知建模与分析
3.6.1.

概念建模

人们对不同地铁站的评价反映了他们对站点形象和概念的主观认知。我们在前期研究的基础上保留并调整了"感知热度"和"感知偏好"这两个概念的定义。

定义一：感知热度指公众对以地铁为主导的地下公共空间整体或其特定感知属性的关注程度，可通过感知频率（PF）或感知频率率（PFR）进行定量表示。在本研究中，站点 $i$ 指标 $j$ 的感知频率记为 $PF_{ij}$，感知频率率 $PFR_{ij}$ 的计算公式如下：

(1) $PFR_{ij} = \frac{PF_{ij}}{\sum_{j=1} PF_{ij}}$

定义二：感知偏好（PP）指公众对以地铁为主导的地下公共空间整体或其特定感知属性的情感态度。在本研究中，感知偏好用1~5分的星级评分量表表示。站点 $i$ 指标 $j$ 的感知偏好记为 $PP_{ij}$。

定义三：感知价值（PV）指综合考虑公众关注度和情感倾向后，对以地铁为主导的地下公共空间各感知属性的综合评价水平。在本研究中，感知价值矩阵 $PV$ 定义为矩阵 $PFR$ 与矩阵 $PP$ 的逐元素乘积：

(2) $PV = PFR \cdot PP$

乘法运算计算的是期望感知得分，其中矩阵 $PFR$ 充当概率权重（提及频率），矩阵 $PP$ 代表条件偏好（提及后的平均得分）。

3.6.2 评论数据有效性识别

在LLM引擎基于预定义指标框架进行定向信息提取后，我们发现只有部分评论数据包含至少一个相关感知指标。我们将这些评论指定为"有效评论"，以区别于"整体评论样本"。

总平均分反映了公众对以地铁为主导的地下公共空间的一般感知，并作为综合评价。这可能包含大量模糊评分（如空白评论）以及可能不直接涉及以地铁为主导的地下空间感知的评论（例如对天气、节日氛围或附近街道活动的评论）。在本研究中，我们主要关注公众在特定研究维度内对预定义指标框架的感知。因此，我们旨在通过区分"有效评论"来精炼评论数据，从而防止感知信号被大量无关信息稀释。需要注意的是，这种过滤方法优先考虑了预定义指标框架的信号清晰度，可能会排除某些用户群体（如简短和一般性评论）以及14个维度之外的感知。

3.6.3 相关性导向的数据探索与有效性验证

在构建感知指标矩阵（感知偏好矩阵 $PP$ 和感知价值矩阵 $PV$）并对评论数据进行有效性识别后，本步骤采用Spearman相关方法对数据结构的合理性及"有效评论"过滤过程进行双重验证。

Spearman相关分析适用于评估两个变量之间单调关系的强度和方向。其核心是对变量的原始观测值进行排名，并计算排名数据的Pearson相关系数。与需要正态性假设并评估线性关系的Pearson相关不同，Spearman相关对异常值具有稳健性，且不要求变量之间存在严格的线性关系，仅需满足单调关联即可。因此，这一简单而强大的工具常用于社会科学研究。

基于此，本研究首先计算了 $PP$ 和 $PV$ 两组数据的Spearman相关系数矩阵，以避免多重共线性问题。然后我们计算了14个指标的 $pp$ 和 $pv$ 值与"有效得分"及"总得分"之间的相关系数。旨在验证使用"有效评论数据统计"是否更能直接有效地捕捉公众感知的具体维度。

3.7 基于机器学习的指标重要性识别

为了量化14个感知指标对以地铁为主导的地下空间整体感知的相对贡献，本研究以感知偏好矩阵（$PP$）和感知价值矩阵（$PV$）作为输入特征，以各站点的平均得分为目标变量，采用机器学习方法确定指标的重要性。我们选择了七种算法，包括线性模型、非线性模型、基于树的模型以及正则化技术（见表2）。模型的性能评价指标包括拟合优度（$R^2$分数）、误差（RMSE）以及五折交叉验证性能（CV_mean（±2std））。

表2. 选用的机器学习算法。

| 算法 | 说明 | 指标贡献度 |
|------|------|------------|
| 多元线性回归（MLR） | 线性关系假设。 | 标准化回归系数。 |
| 弹性网络回归 | 正则化线性回归，包含L1（Lasso）和L2（Ridge）。 | — |
| 贝叶斯岭回归 | 在线性回归中引入贝叶斯推断。 | — |
| 随机森林 | 基于决策树的集成方法。 | 基于不纯度减少的重要性。 |
| XGBoost | 依次构建树的 boosting 算法。 | — |
| 支持向量回归（SVR） | 基于核方法的非线性关系捕捉方法。 | 随机打乱特征以比较性能下降。 |
| 广义加性模型（GAM） | 使用平滑函数扩展线性模型以增加灵活性。 | 偏依赖方差。 |

需要注意的是，ML得出的特征重要性反映的是预测关联而非因果推断。遵循城市研究中的既定做法（Li et al., 2024, Yuan et al., 2025），我们将这些预测贡献作为规划优先级的证据性参考，同时承认这些见解应与领域专业知识和情境因素结合解读。

通过比较不同模型的整体性能和两种数据输入的有效性，我们确定了最优数据输入和算法选择。从最终模型获得的14个指标贡献度被视为其权重 $w$，作为以地铁为主导的地下空间感知质量综合评价的输入。

3.8 感知质量评价（EP）

在本步骤中，我们利用最优机器学习模型得出的14个指标贡献度作为权重，使用以下公式评估每个以地铁为主导的地下空间的综合感知质量：

(3) $EP_i = pp_i^T \cdot w$

其中，$EP_i$ 指站点 $i$ 的感知质量，向量 $pp_i$ 表示站点 $i$ 的14个指标的感知偏好，向量 $w$ 表示各指标的权重。

4. 结果

4.1 感知建模结果

4.1.1 评分分布

根据3.6.2节的定义，我们区分了"有效评论"，最终确定了8,825条有效评论。其中，3,119条有效评论落在我们定义的时间窗口内（2023年1月至2025年8月）。我们进一步对样本总平均分与有效评论平均分进行了比较分析。全样本的比较结果如图4所示，时间窗口样本的比较结果如图5所示。

图4. 全年份总分与有效分对比：(a) 评分分布。(b) 评分差异（有效分?总分）。

图5. 时间窗口内总分与有效分对比：(a) 评分分布。(b) 评分差异（有效分?总分）。

从图4中可以看出，全样本的总分和有效分趋势一致，有效分略高于总分。两者之间的差异保持在0.3分以内。然而，图5中时间窗口样本的评分差异表现出更大的波动。偏差的幅度和方向表明异质性更大，有效分略低于总分，这与全样本的结果略有相反。

为了解决不同站点样本量差异可能导致的偏差问题，我们进一步检查了全样本和时间窗口内各站点有效评论的分布（图6）。结果显示呈右偏分布。在全样本中，各站点有效评论的中位数为67条（均值=86条），大多数站点具有充足的数据量。在时间窗口（2023-2025年）内，中位数为24条（均值=31条），表明大多数站点保持了足够的样本量以支持可靠的感知频率率（PFR）计算。虽然少数站点的评论数量相对较低，但整体分布表明，由极小样本量导致PFR波动的风险仅限于少数情况。这种分布模式为后续感知建模和指标重要性分析的稳健性提供了实证支持。

图6. 各站点评论数量分布：(a) 各站点评论数量（全年份）。(b) 各站点评论数量（时间窗口）。(c) 各站点有效评论分布（全年份）。(d) 各站点有效评论分布（时间窗口）。

4.1.2 感知指标统计

我们选取时间窗口内的评论样本进行感知建模。感知指标的频率和偏好热力图如图7所示。横轴表示14个感知指标（按平均感知偏好得分从左到右排序）。纵轴表示91个以地铁为主导的地下空间（按总感知频率从下到上排序）。

图7. 感知频率和感知偏好热力图。y轴上的"Station ID"依次为：29, 54, 30, 61, 8, 2, 63, 50, 31, 56, 57, 82, 34, 35, 36, 64, 15, 85, 18, 83, 87, 71, 6, 62, 47, 69, 20, 84, 1, 45, 40, 89, 77, 67, 25, 52, 19, 3, 48, 95, 79, 93, 41, 42, 37（按频率排序，见补充材料S2）。

从图7中可以明显看出，"无障碍设计"和"客户服务"的平均感知偏好得分最低，而"餐饮"和"人气"最高。然而，它们的感知频率相对较低。相比之下，"环境设计/规划"、"可达性与连通性"和"换乘"等指标的感知热度显著更高。

我们进一步检查了14个指标的 $PP$ 和 $PV$ 矩阵的相关结构，并比较了它们与总分和有效分的相关性。结果如图8所示。

图8. 14个指标的相关性（按"PP-有效"相关性排序）：(a) PP矩阵。(b) PV矩阵。(c) PP与PV及有效分与总分之间的相关性。

从图8中可以看出，14个指标的 $pp$ 和 $pv$ 值之间不存在显著的强相关性，表明数据的内部区分度是可以接受的。图8(a)显示，"人气"与"视觉开放性"和"餐饮"呈弱但显著的正相关，$pp$ 值中显著负相关的缺失较为明显。相比之下，$pv$ 值的相关模式（图8(b)）呈现出明显不同的相关结构，突出了新的显著关系。例如，"视觉开放性"与"卫生间"呈弱正相关，而"无障碍设计"和"换乘"呈弱但显著的负相关。

图8(c)呈现了 $pp$ 和 $pv$ 值与有效分和总分的相关性比较。总体而言，各指标与有效分的相关性（红色实线和虚线）始终高于与总分的相关性（蓝色实线和虚线）。总结来说，与得分最正相关的指标是"环境设计/规划"，而最负相关的指标是"无障碍设计"。

4.2 指标重要性

我们采用七种不同的机器学习算法（见表2），利用近期时间窗口的样本，探索矩阵 $PP$ 和矩阵 $PV$ 对有效分的贡献模式。各模型的性能汇总于表3和表4。

表3. 机器学习算法性能比较（PP输入）。

| 算法 | $R^2$分数 | RMSE | CV_mean（±std） | 选用 |
|------|-----------|------|----------------|------|
| MLR | 0.6366 | 0.2077 | 0.4174（±0.3385） | 是 |
| 弹性网络回归 | 0.6203 | 0.2072 | 0.4502（±0.2899） | 是 |
| 贝叶斯岭回归 | 0.6296 | 0.2046 | 0.4704（±0.2726） | 是 |
| 随机森林 | 0.8310 | 0.1382 | 0.4017（±0.1021） | 是 |
| XGBoost | 0.9997 | 0.0056 | 0.2760（±0.0358） | 否 |
| SVR | 0.9108 | 0.1004 | 0.3294（±0.3892） | 是 |
| GAM | 0.3789 | 0.2179 | — | 否 |

表4. 机器学习算法性能比较（PV输入）。

| 算法 | $R^2$分数 | RMSE | CV_mean（±2std） | 选用 |
|------|-----------|------|-----------------|------|
| MLR | 0.8077 | 0.1474 | 0.5901（±0.2954） | 是 |
| 弹性网络回归 | 0.8021 | 0.1496 | 0.5826（±0.2917） | 是 |
| 贝叶斯岭回归 | 0.8054 | 0.1483 | 0.6044（±0.2890） | 是 |
| 随机森林 | 0.7936 | 0.1527 | 0.2453（±0.1697） | 是 |
| XGBoost | 0.9999 | 0.0037 | 0.2006（±0.1633） | 否 |
| SVR | 0.9240 | 0.0927 | 0.2171（±0.2224） | 是 |
| GAM | ?0.0359 | 0.3422 | — | 否 |

从表3和表4可以看出，大多数模型在 $PV$ 输入下的泛化性能显著优于 $PP$ 输入。具体而言，$PV$ 输入下MLR模型的交叉验证 $R^2$ 均值为0.5901，相较于 $PP$ 输入（0.4174）有显著提升。

三种线性回归模型（MLR、弹性网络回归和贝叶斯岭回归）在两组数据集中均表现良好，展现出可接受的泛化能力，表明它们提供了可靠且可解释的基准。

随机森林模型在两种数据输入下均展现出良好的拟合性能，尤其是在PP输入下，尽管交叉验证R2均值较低；然而，其较高的稳定性使其值得纳入模型选择。SVR模型获得了较高的拟合得分，但在PP输入下表现出较大的变异性（±0.3892）；不过，其在PV输入下的稳定性有所改善，这为其保留提供了依据。XGBoost模型在两个数据集中均达到了接近1.0的R2得分，但交叉验证R2均值较低，表明存在过拟合。这种行为源于模型复杂度与样本量之间的根本性不匹配。XGBoost构建了数百个具有高度灵活性的序列决策树，这需要大型数据集来学习鲁棒的模式。在仅有91个观测值和14个特征的情况下，模型反而记住了噪声和训练特有的模式，导致无法进行泛化。因此，XGBoost被排除在后续分析之外。GAM模型在PP输入下表现出非常低的拟合得分（R2得分=0.3789），甚至在PV输入下产生了负值，表明存在欠拟合或无效性，因此被排除。

最终，我们选择了MLR、弹性净回归、贝叶斯岭回归、随机森林和SVR，对PV输入下14个指标的贡献进行了可视化比较分析（见图9(a)）。

图9. 指标权重的比较分析与稳定性验证（PV输入）：(a) 五种机器学习模型中14个指标的贡献百分比（按MLR排序）。(b) MLR模型标准化系数（权重）在5折交叉验证中的稳定性（误差线代表标准差）。

从图9(a)中，我们可以观察到，三种线性模型（MLR、弹性净回归和贝叶斯岭回归）的分析结果高度一致。尽管随机森林和SVR模型表现出比线性模型更大的变异性，但它们的趋势彼此保持一致。值得注意的是，所有五种模型都将"换乘"指标识别为对感知得分贡献最大的指标，而"洗手间"指标则被评为最不重要的指标。对于其他指标，各模型显示了不同的结果。在线性模型中，"其他活动"和"无障碍设计"指标被认为是"相对重要"的，而在随机森林和SVR模型中则被视为"不重要"。相反，在线性模型中被评定为"一般重要"的指标（如"人气"）以及"不太重要"的指标（如"出入口系统"），在随机森林模型中分别被视为"非常重要"和"一般重要"。

虽然贝叶斯岭回归的交叉验证R2均值略高，但三种线性模型之间的预测性能差异极小（见表4）。值得注意的是，弹性净模型尽管通过正则化在理论上适用于小样本，但实际上其CV_mean略低于MLR。此外，正则化模型引入收缩偏差以减少方差，可能会人为压缩高重要性指标的权重。相比之下，MLR提供了无偏的系数估计，并为城市规划从业者提供了最透明、最具可解释性的基准。因此，选择了MLR来推导最终的指标权重，优先考虑可解释性和相对重要性量级的保留。

针对MLR模型交叉验证变异性相对较大（R2=0.5901±0.2954）的担忧，我们进行了逐折敏感性分析，以检验指标权重的稳定性。如图9(b)所示，我们提取了MLR模型五折交叉验证中每一折的标准化回归系数。尽管R2值因小样本线性回归对异常站点敏感性而折间波动，但指标权重仍保持了显著的稳定性。对于排名第一的"换乘"指标（0.346±0.014）和排名最后的"洗手间"指标（0.036±0.025），五折之间的标准差均明显较窄。更重要的是，所有14个指标的相对排名在所有五折中保持一致，没有任何排名反转。

基于表4和图9的分析，我们最终选择了PV输入下MLR模型的结果作为各指标的权重w。

**4.3 综合感知质量评价结果**

我们计算了时间窗口内91个地铁主导型地下空间的感知质量得分，如图10(c)所示，并将其与有效得分（图10(a)）和总分（图10(b)）进行比较。

图10. 感知分布图。(a) 有效得分。(b) 总分。(c) 感知质量得分。

如图10所示，三种得分类型在空间上均呈现出不均匀、集聚的分布。高得分与高评论数量相关联，尤其集中在香港岛中北部和九龙中南部的核心区域，特别是在香港站、中环站和尖沙咀站附近，形成了一个感知质量高、评价高的活跃集聚区。相比之下，低得分站点相对分散地分布在九龙、香港岛和新界的外围区域，如横沥站和铜锣湾站。

有效得分和总分的空间模式表现出一定的相似性，高分和低分区在位置上大致对应。然而，感知质量得分图揭示了一种有别于这些模式的差异化空间结构。一些在有效得分和总分图中得分较高的站点的感知质量较差（例如播磨站）。此外，如图10(c)所示，感知质量得分较高的站点不一定拥有较高的评论数量（圆圈大小表示评论数量），而得分较低的站点其评论数量往往持续低于100。线性回归分析也证实了EP与评论数量之间的这种正相关关系（图11）。

图11. EP得分与评论数量的回归分析。

**5. 讨论**

**5.1 感知智能驱动下的地铁主导型地下公共空间发展**

在存量城市规划政策的背景下，精准捕捉公众感知以推动规划优化已成为地下空间精细化治理的关键挑战。本研究将社交媒体数据、大语言模型和定量分析技术相结合，构建了一个感知驱动的分析与评估地铁主导型地下公共空间的框架。以香港为案例，我们开发了适配地铁主导型地下空间的感知指标体系，采用了基于大语言模型的语义理解引擎来准确提取结构化感知信息，并使用统计和机器学习方法评估综合感知质量。这种方法显著降低了公众感知数据的收集成本，提高了处理效率，并提供了一个可解释、高效的分析框架。

在公众感知研究中，以往研究通常依赖以可视化为导向的方法，如词云和情感极性分布图来表示感知提取结果（Cui等，2025；Zhao等，2024）。相比之下，本研究将感知频率（PF矩阵，反映公众关注度）和感知偏好（PP矩阵，反映情感态度）相结合，构建了感知价值矩阵（PV）。结果表明，一方面，该方法优化了内部数据结构，并在一定程度上降低了多重共线性的风险（图8）；另一方面，它提高了机器学习模型的性能和拟合度（表3和表4）。尽管这种组合提供了重要的见解，其应用仍需谨慎验证。为了进一步探讨其含义，我们可视化了不同模型下PP矩阵输入的拟合结果，如图12所示。

图12. 不同模型贡献度比较（PP输入，按贝叶斯岭回归排序）。

从图12可以明显看出，五种模型的结果高度相似，大多数指标贡献度较低且分布均匀。这表明，仅依赖感知偏好分析会过度强调某些指标（例如"环境设计/规划"），同时忽略了可能源自感知频率的层次信息。相比之下，PV矩阵输入下的拟合结果在一定程度上缓解了这种偏差（图9）。

此外，"有效评论"的筛选（第3.6.2节）代表了一种有意的方法论选择。通过仅保留包含14个预定义指标中至少一个的评论，我们优先保证了结构化感知分析的信号清晰度。然而，这不可避免地排除了某些用户群体（例如简短的一般性评论）和框架之外的感知（例如天气或当地经济状况等外部因素）。这种权衡是有合理性的：一方面，我们的研究目标聚焦于与地下空间规划和设计直接相关的感知；另一方面，表3和表4表明"有效得分"的模型性能显著优于"总分"，证实了信噪比的增强。同时，我们仍保留了所有三项指标（总分、有效得分和EP）作为互补性度量（图10）。然而，由此产生的样本量（2023年1月至2025年8月期间91个站点的3,119条有效评论）限制了统计效力。未来研究可以整合多模态感知数据（例如实地调查、基于照片的情感分析）以增强代表性。

在感知数据处理技术方面，本研究利用先进的大语言模型技术作为语义理解引擎，提取14个特定指标的结构化感知信息，这一工作流程与以往方法有根本性差异。与将公众评论平均作为空间满意度代表的做法（Ma等，2022）或基于TF-IDF或LDA的粗粒度文本分析方法（Cui等，2025）相比，我们的基于大语言模型的方法通过自然语言提示运行，而不需要预先构建的关键词词典或有标注的训练数据集，能够更精细地识别公众感知频率和情感偏好，同时避免感知信息的过度聚合。尽管像BERT这样的深度学习模型在语义理解方面也取得了令人鼓舞的结果（Yuan等，2025），但它们需要大量有标注的训练数据和领域特定的微调，代表了与我们基于零样本提示方法不同的工作流范式。

**5.2 对规划与管理的启示**

机器学习分析结果（图9）揭示了地铁主导型地下空间感知指标贡献度的层次差异。其中，"换乘"指标在所有模型中均被一致识别为最重要的因素。此外，"环境设计/规划"、"其他活动"、"人流拥挤"、"无障碍设计"、"人气"以及"可达性与连通性"等指标也做出了显著贡献。这反映了地铁系统作为城市交通基础设施的核心功能作用，以及用户对于参与感、娱乐性和安全性的关注。具体而言，"人气"、"其他活动"和"换乘"被识别为高贡献且高偏好的指标。同时，"无障碍设计"被认定为高贡献但低偏好的指标（见图7）。

地铁主导型地下空间的规划应优先考虑高贡献指标。虽然这些基于机器学习的洞察反映的是预测性关联而非已证实的因果关系，但结合领域专业知识（Li等，2024；Yuan等，2025），它们为资源分配提供了基于证据的参考。根据《香港规划标准与准则》（HKPSG），其对公共交通使用进行了笼统鼓励，并涉及通风和消防安全，但仍然缺乏针对地铁主导型地下空间设计的具体指导。港铁公司的开发计划包括增设电梯和自动扶梯、优化特定站点的行人流线（如观塘站）、美化出入口设计（如尖沙咀站A1出口）以及增设洗手间等措施。根据图9，"洗手间"被识别为贡献度最低的指标，这可能归因于港铁公司近年来实施的洗手间改善政策，该政策标准化了各站点的洗手间设施，从而最大限度地减少了用户感知的波动。然而，其他方面，包括室内设计优化、商业和娱乐设施以及尤其是无障碍设计，仍然存在不足。

此外，综合感知质量评估（图10）揭示了不同站点之间公众感知的异质性。Chan等（2025）指出，香港商业中心的人流与相连地铁站的客流量之间存在相关性。图10所示的地理分布模式可能部分反映了与商业密度和城市区位相关的区域发展不平衡。然而，需要严谨的空间自相关检验（如Moran's I）或地理加权回归来确认空间集聚的机制。因此，除了由高贡献指标引导的宏观政策外，还应制定适应性的政策来应对站点差异。对于感知质量较高的站点，管理应侧重于"维护"和"人群控制"，并以连通性为目标的措施。

对于感知质量较低的站点，诊断具体短板（如缺乏商业活力或连接性差）至关重要，即使是贡献度较低的指标，如"标识系统清晰度"，也不应被忽视。为系统识别优先干预对象，我们基于两个维度构建了站点级诊断矩阵（图13）：加权感知得分（EP值，反映整体满意度）和近期公众评论量（反映公众关注度强度）。第二象限的站点代表关键干预优先对象，因为它们表明这些空间吸引了大量公众使用，却未能满足用户期望。对于这些站点，管理部门应根据图7进行指标专项诊断。相反，第一象限的站点（高EP值、较高关注度）应专注于维持现有质量并管理客流。相比之下，第三象限和第四象限的站点可采用较低强度的监测策略。下载：下载高分辨率图片（253KB）下载：下载全尺寸图片图13 站点级诊断矩阵用于差异化规划干预。总之，公众感知模式揭示了轨道交通引领的地下公共空间作为"多功能生活枢纽"的潜力。本研究提出的分析框架为增强公众参与并实现空间开发中的可持续、实时决策提供了新的见解（Xiao et al., 2025, Zhao et al., 2024）。5.3 局限性与展望本研究整合社交媒体数据、大语言模型和机器学习技术，构建了公众感知建模框架，为香港轨道交通引领的地下空间精细化空间管理提供了实证支持。然而，依赖社交媒体用户评论作为唯一数据源会引入不可避免的群体偏差。虽然社交媒体分析提供了有价值的见解（例如优先优化热点区域），但数字感知结果无法替代更广泛人群的偏好。未来研究可考虑将社交媒体分析作为初步评估工具，结合空间分析和现场调查，创建"数字-实体"混合评估流程，从而提高数据包容性。社交媒体数据源的有效性也需要系统验证，包括内容筛选标准和处理格式，以规范规划研究中的感知智能分析。此外，本研究使用时间窗口（2023年1月至2025年8月）进行抽样，这限制了捕捉时间变化和突发事件对公众感知影响的能力。未来研究应扩大观察期并选择覆盖更长"常规评论期"的样本，以增强时间深度和分析稳健性。此外，虽然我们的数据分布分析（图6）显示大多数站点保持了足够的有效评论量（时间窗口内中位数=24），但我们承认评论量极低的站点可能表现出波动较大的PFR估计值。未来研究可考虑实施最小样本阈值或应用贝叶斯平滑技术以进一步稳定站点级指标。本研究采用基于大语言模型的感知提取方法，其工作流程设计与传统文本分析方法存在根本差异。以往的方法，无论是关键词匹配还是BERT等监督机器学习模型，都需要研究人员在提取前构建关键词词典或手动标注训练数据集，这需要大量前期语料准备投入。我们的基于大语言模型的方法则使用自然语言提示进行零样本提取，将工作重心从初期编码转向输出优化。然而，本研究缺乏使用标准化评估指标与传统方法的系统性基线比较。未来研究应在标注数据集上进行对比实验，评估这些范式在准确度和实际操作因素（如搭建效率、适应性）方面的表现，以指导不同研究场景下的方法选择。虽然我们的研究证明了从用户生成内容进行基于大语言模型的感知提取的可行性，但未来研究需要关注若干方法学上的改进。首先，我们的验证流程虽然在本研究范围内有效，但缺乏严谨定性内容分析所特有的标准化协议。未来研究应开发全面的验证框架，包括：(a) 明确的编码指南，针对模糊案例给出操作性定义；(b) 系统的评分者间信度评估，在代表性样本上比较大语言模型输出与独立人工编码结果；(c) 处理边缘情况的正式程序，如讽刺、多语言切换和语境依赖含义；(d) 对调整标准和频率的透明记录。此外，虽然基于机器学习的指标贡献分析提供了客观视角，但过度依赖数据驱动方法可能导致忽略关键设计因素（如通风、消防安全），这些因素在社交媒体上讨论较少但对规划至关重要。未来工作应整合多源分析，包括空间布局评估和建成环境分析，以提高空间评估的全面性。此外，虽然我们的分析识别了感知质量与评论活跃度之间的相关性，但未来研究应采用空间自相关检验（如Moran's I）、地理加权回归或与城市背景变量（如与中央商务区距离、土地利用强度、交通可达性）的整合，以显著增强对这些模式背后空间机制的理解。6 结论本研究探索了一种通过公众感知驱动的方法优化城市空间治理的新型范式。通过开发整合大语言模型与机器学习的分析框架，我们成功从非结构化社交媒体文本中提取、量化并分析了香港轨道交通引领的地下公共空间的多维公众感知。本研究不仅识别了影响公众体验的关键因素，还揭示了感知中的空间模式，为更具针对性、以人为中心的地下空间更新策略提供了数据和方法学支持。具体而言，本研究的主要贡献和发现如下：(1) 我们构建了一个基于大语言模型的多维信息提取框架，根据预定义指标体系将原始文本高效转化为结构化感知数据。该方法克服了传统文本分析方法的语义局限性，降低了数据处理成本，为城市研究中量化主观感知提供了细粒度和可扩展的解决方案。(2) 通过引入"感知价值"概念，整合不同感知指标的频次和偏好（情感倾向），本研究超越了传统以可视化为核心的研究范式。研究表明，与单维度情感分析相比，感知价值能显著提升机器学习模型的解释力和泛化能力。(3) 基于机器学习的特征重要性分析识别出"换乘"是影响轨道交通引领的地下公共空间整体公众感知的最关键因素，其次是"环境设计/规划"、"其他活动"、"人群拥堵"和"无障碍设计"。值得注意的是，"无障碍设计"被识别为高贡献度但低评分因素，凸显了其改进潜力。(4) 整体感知质量的空间可视化揭示了明显的"中心-外围"格局，高质量区域集中在商业和交通枢纽，而外围区域表现不佳。这表明未来规划应将宏观引导与地方差异化策略相结合，以改善整体空间质量。虽然所提出的框架在公众感知的精细化建模和系统化量化方面取得了显著进步，但在数据源代表性和对空间质量评估的实际适用性方面仍存在局限。未来研究应将此框架与多源因素分析相结合，包括物理环境、地铁站服务区的建成环境和社会经济信息，以进一步探索影响公众感知的外部因果关系。总之，本研究为理解城市地下公共空间的公众感知结构提供了理论基础和方法学框架，推动以人为中心的城市治理，并为将感知分析扩展至更广泛的城市语境奠定了基础。作者贡献声明Qi Pan：写作——审阅与编辑，写作——初稿撰写，可视化，验证，软件，方法学，调查，形式分析，数据整理，概念化。Yun-Hao Dong：写作——审阅与编辑，写作——初稿撰写，验证，监督，资金获取，概念化。S. Thomas Ng：写作——审阅与编辑，监督，资源。Fang-Le Peng：写作——审阅与编辑，监督，资源，资金获取，概念化。Qi Pan | Yun-Hao Dong | S. Thomas Ng | Fang-Le Peng