
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于多模态融合的智慧城市监控焦虑检测框架研究
《Scientific Reports》:Mobile sensing and sentiment-based social media mining for surveillance anxiety in smart urban environments
【字体: 大 中 小 】 时间:2026年09月18日 来源:Scientific Reports 4.9
编辑推荐:
摘要智慧城市监控基础设施(SI)的普及引发了人们对城市人口心理影响的重大担忧,然而,对自然户外环境中监控焦虑(SA)的经验性测量仍然十分有限。现有方法主要依赖自我报告问卷或在受控条件下进行单一模态行为分析。本研究提出了多模态监控焦虑检测框架(MSADF),将连续移动传感与社交
智慧城市监控基础设施(SI)的普及引发了人们对城市人口心理影响的重大担忧,然而,对自然户外环境中监控焦虑(SA)的经验性测量仍然十分有限。现有方法主要依赖自我报告问卷或在受控条件下进行单一模态行为分析。本研究提出了多模态监控焦虑检测框架(MSADF),将连续移动传感与社交媒体情感分析(SMSA)相结合,用于智慧城市环境(UE)中对监控焦虑进行客观、人口规模级的检测。一项为期八个月(2023年3月至10月)的纵向研究在印度泰米尔纳德邦哥印拜陀市的三个城区(\(\:11^\circ\:{00}^{{\prime\:}}{03}^{{\prime\:}{\prime\:}}\)N, \(\:76^\circ\:{57}^{{\prime\:}}{48}^{{\prime\:}{\prime\:}}\)E)开展,共招募325名参与者,其中283人完成了全部实验方案。研究使用定制的Android应用程序进行持续行为监测(包括GPS轨迹、加速度计数据、环境音频水平和蓝牙邻近检测),同时收集了来自Instagram和X(原Twitter)的31,294条地理定位社交媒体帖子。时间卷积网络(TCN)用于建模行为序列,图卷积网络(GCN)用于分析城市监控区域内情感的空间分布。晚期融合模型整合行为与情感表征,用于最终的监控焦虑推断。MSADF实现了\(\:81.74{\%}\)的准确率,F1分数为\( 81.82{{\% }} \)(AUC-ROC \(\:=0.8967\)),在相对指标上比最佳单模态方法高出\( 13.0{{\% }} \)。空间分析揭示了监控基础设施密度与焦虑水平之间存在显著正相关(\(\:r=0.692\), \(\:p<0.001\)),在监控设备安装处50\(\:50\)米范围内记录的焦虑水平最高(得分\(\:=0.7892\))。时间分析发现,行为反应在社交媒体情感表达之前出现了0.5至3.75小时,其中路线变更与位置不适之间的跨模态相关性最强(r?=?0.612, p < \(\:0.001\))。这些发现证明了多模态融合在城市尺度上进行监控焦虑检测的可行性,并为智慧城市基于证据的监控治理提供了实证依据。