地铁站至公园"最后一公里"步行：基于视频与机器学习的客观环境特征、主观感知及步行意愿分析

《Journal of Environmental Management》：Metro-to-park last-mile walking: A video- and machine-learning-based analysis of objective environmental features, subjective perceptions, and walking intention

　　

摘要

对地铁到公园首末公里（FLM）步行环境的感知可能会影响人们的出行意愿。然而，现有的 FLM 研究很少将城市公园作为目的地，也很少考察动态的多感官环境感知如何塑造出行意愿。本研究开发了一种基于视频和机器学习的框架，以考察客观环境特征和主观感知与地铁到公园末公里情境下的步行意愿之间的关联。11 段 60 秒的真实世界步行视频被用于一项涉及 370 名参与者的在线感知实验。使用 DeepLabV3+ 语义分割和修改后的 ECAPA-TDNN 声音分类模型提取了视觉街道景观特征和交通噪声暴露。使用 XGBoost 进行预测，并应用 SHAP 来解释特征重要性、非线性模式和交互效应。结果显示，主观环境感知对步行意愿预测的贡献比客观视觉特征更强。行人基础设施质量是主要贡献因素，其次是景观吸引力，而交通噪声表现出负向和阈值般的贡献。按性别分层的结果进一步表明，女性参与者对景观吸引力更敏感。按性别和年龄进行的分层分析显示了轻微的不一致性。女性对景观吸引力更敏感，而老年人则更重视交通秩序和感知安全。交互分析进一步揭示了主观感知变量之间复杂的关系。这些发现凸显了基于多感官感知评估的价值，并为管理者通过感知导向的环境管理改善地铁 - 公园步行廊道提供了实际启示。

引言

城市公园提供生态系统服务，并有助于居民的娱乐、社会交往以及身心健康 (Cheng et al., 2021)。当超出步行距离时，人们通常依赖大容量和高效的公共交通来抵达公园服务 (K. Park et al., 2021)。地铁系统结合了舒适性、可负担性和效率，已成为此类出行的一种主要选择 (Li et al., 2026)。

在公共交通首末公里（FLM）情境下，步行是车站与目的地之间的主要通行方式 (J. Gao et al., 2020; Li et al., 2026)。与机动化出行相比，步行使人们能够更直接、更强烈地感知周围环境 (Y. Liu et al., 2026)。人们对 FLM 景观（如绿化和人行道）的感知反过来可能会影响他们的出行意愿和行为 (M. Zhang et al., 2025b)。不舒适的 FLM 环境可能会增加出行的心理阻力，降低使用公共交通的意愿 (Yang et al., 2025)。对于城市公园等休闲目的地 (C. Lee and Moudon, 2006)，这种步行体验更值得关注，因为它构成了与公园景观互动的先前部分，甚至是组成部分。因此，将景观感知纳入地铁到公园 FLM 步行廊道的环境管理和设计中，有助于提高城市公园的可达性并促进可持续出行。

尽管相关工作日益增多，但仍有一些问题尚未解决。首先，关于建成环境与出行行为关系的研究往往优先考虑可客观测量的环境指标，而较少关注行人如何感知和评价这些环境。客观环境提供了物理属性的可测量指标，包括邻里层面的因素，如土地利用混合度 (J. Liu et al., 2023a,b) 和街道连通性 (He and He, 2024)，以及微观尺度特征，如绿化、人行道和街道立面 (He and He, 2023)。然而，环境感知的测量被证明同样重要 (Jiang et al., 2025; Zhan et al., 2025)，因为它反映了受访者对客观环境的主观评价，并可能塑造他们的实际反应，如感知的交通安全 (Guzman et al., 2022) 和源自景观美学的吸引力 (Basu et al., 2022)。

其次，街景图像和计算机视觉技术已被广泛用于提取街道层面的视觉特征或进行与步行相关的感知实验 (Kang et al., 2023)，但它们在公共交通 FLM 研究中的应用仍然有限 (Yang et al., 2025)。更重要的是，街景图像通常只提供环境的静态快照，无法完全捕捉步行时经历的动态和多感官暴露。第三，很少有 FLM 研究考察城市公园作为特定目的地情境的情况。与前往家庭或工作场所的功利性出行不同，前往城市公园等目的地的休闲步行出行可能对微观环境质量更敏感 (J. Gao et al., 2020)，这表明 FLM 障碍可能在地铁到公园的路线上施加更大的负担。第四，以往关于建成环境特征、主观感知和步行行为之间关系的研究主要依赖于线性模型 (Aghaabbasi and Chalermpong, 2023)。近年来，越来越多的证据表明这些关系可能是复杂和非线性的，因此需要进一步验证 (W. Dong et al., 2025; Xiao and Wei, 2023)。为了更好地理解环境条件和感知如何影响步行行为，本研究基于动态视频、感知实验和机器学习方法，调查了地铁到公园步行环境中客观环境属性、景观感知和步行意愿之间的非线性关系和交互作用。在方法上，本研究提供了一个可迁移且可解释的机器学习工作流程，将动态视听数据与语义分割和声学识别相结合，扩展了数据驱动、基于 AI 的方法。

章节片段

影响步行意愿和行为的因素：客观环境特征与主观感知

步行意愿常用于解释和预测步行行为，因为计划行为理论将行为意愿识别为实际行为的最直接前因 (Ajzen, 2020)。意愿对于环境管理也具有重要意义，因为它反映了人们是否可能主动使用步行路线和附近的绿色空间。

以往的研究已从客观和主观两个角度考察了步行意愿和行为 (L. Dong et al.，

材料与方法

本研究开发了一种基于机器学习的分析框架，使用街道层面视频数据，以考察地铁到公园接驳情境中人口特征、客观环境特征、主观环境感知和步行意愿之间的非线性关联（图 1）。该框架由三个主要阶段组成：(1) 数据收集与预处理，(2) 客观环境与主观感知变量的构建，以及 (3) 模型比较

全局 SHAP 值分析

补充表 S6 和 S7 提供了步行意愿、三个主成分分析（PCA）衍生的主观感知变量和客观环境特征的视频特定描述性统计。图 4 展示了最终 XGBoost 模型中包含的所有特征的全局 SHAP 摘要图。特征沿 y 轴按其平均绝对 SHAP 值排序，排名较高的特征表示对模型预测的整体贡献更大。条形图

主观感知作为管理地铁到公园接驳廊道的基础

结果凸显了主观环境感知在地铁到公园末公里步行中的核心作用。尽管客观视觉特征描述了步行环境的物理构成，但它们对模型预测的贡献不如参与者的主观评价大。这一发现与研究表明客观空间属性 alone 无法完全解释步行意愿和行为是一致的，因为环境影响通常通过

结论

本研究通过整合基于真实视频的感知实验、视觉和声学特征提取以及 XGBoost–SHAP 解释框架，考察了地铁到公园末公里步行意愿。结果显示，主观环境感知对步行意愿预测的贡献比客观视觉指标更强。行人基础设施质量是最重要的贡献因素，其次是景观吸引力，而交通噪声

CRediT 作者贡献声明

Ruiheng Li： 撰写 – 审阅与编辑，撰写 – 原稿，验证，软件，方法论，调查，概念化。Zhen Xu： 撰写 – 审阅与编辑，监督，项目管理，方法论，资金获取，概念化，可视化，资源，调查。Yanxiu Zhang： 撰写 – 原稿，验证，软件，方法论，数据整理。Xun Cai： 验证，软件，方法论，数据整理，调查，概念化。Cheng Fang：

资金

本工作受中国国家自然科学基金项目基于 HIA 方法的城市开放空间身体活动研究 [编号52078254] 支持。

利益冲突声明

作者声明不存在已知的竞争性财务利益或个人关系，这可能被认为会影响本文报告的工作。

Ruiheng Li|Zhen Xu|Yanxiu Zhang|Xun Cai|Cheng Fang

南京林业大学风景园林学院，南京市龙蟠路 159 号，南京，210037，中国