Tunnelling and Underground Space Technology 159 (2025) 106476
Evaluation of the sound environment in a metro platform space based on audio-visual interaction experiments
Dongxu Zhang, Xinyi Chen, Xueliu Liu, Hao Chen, Xinyi Zhang, Fei Guo, Yingsheng Zheng*
01 研究背景
随着中国城市轨道交通的大规模建设，地铁已成为城市公共交通的骨干。地铁站台作为乘客每日候车的核心空间，其声环境质量直接关系到数百万通勤者的情绪、疲劳感与身心健康。然而，既有的地铁声环境研究大多集中在声场客观参数（如声压级、混响时间）或单一噪声源的恼人度评价上，较少考虑视觉环境如何通过人的多感官感知过程，间接影响对声音的主观评价。
在声景学与环境心理学领域，视听交互（audio-visual interaction）已被证明是影响户外环境评价的重要机制——视觉场景的丰富度、亮度、色彩与空间形态，都会显著改变人们对同一声音的响度感知与舒适判断。但这一机制在地铁站台这类封闭交通空间中是否成立、不同视觉因素的影响方向与幅度如何，仍缺乏系统的实验证据。
基于此，本研究以中国客流量最大的城市——广州的典型地铁站台为对象，通过实验室视听交互实验，系统探究空间亮度、冷暖色调与站台开阔度三类视觉要素，对四种典型站台声音（列车到发声、背景音乐、人群活动声、广播声）在舒适度、偏好度与安静度三个维度上的评价影响。
研究重点回答以下四个问题：
（1）在仅有声音的条件下，地铁站台四种典型声音的舒适度、偏好度与安静度评价呈现怎样的差异？加入站台视觉图像后，这些评价会发生怎样的变化？
（2）空间亮度提高，会如何改变不同声音的声学评价？是整体变安静，还是因声音类型而异？
（3）冷暖色调转换与空间开阔度变化，对不同声音的评价影响是否一致？哪类声音受视觉因素的影响最大？
（4）三类视觉因素（亮度、色调、开阔度）对地铁站台声环境评价的影响程度排序如何？这一发现对地铁空间设计有何启示？
02 研究方法
研究构建了"现场录音与拍照—实验室视听交互实验—统计分析"的三步技术路线：先在广州地铁站台现场采集代表性声音与图像素材，再在标准视听实验室中通过被试内重复测量设计开展视听交互评价，最后采用非参数统计方法识别不同视觉因素对各类声音评价的差异化影响。
图1 视听实验室布局与现场照片
（1）研究对象与视听素材制备
研究选址：广州地铁。广州是中国地铁日均客流量最高的城市（2022年日均客流646.01万人次，最高日客流突破千万），站台类型丰富，具有典型代表性。现场踏勘发现，岛式站台与侧式站台占全部站台的80%以上，因此本研究重点选取这两类站台空间。
声音素材：采用便携式双声道录音设备（BSWA TECH BR2022，采样率44.1 kHz、24-bit位深）在站台现场录制四类代表性声音——列车到发声（声标类，LAeq = 70.7 dB(A)）、背景音乐（氛围类，63.1 dB(A)）、人群活动声（基音类，含脚步、交谈、行李拖拽，56.1 dB(A)）、广播声（信号类，66.9 dB(A)）。每类声音剪辑为30秒标准片段。
视觉图像：使用佳能EOS 2000D单反相机，在统一视角与广角下拍摄四类典型站台场景图像——A：岛式站台、中等亮度、暖色调装饰；B：岛式站台、高亮度、浅色调；C：侧式站台、暖色调墙面；D：侧式站台、冷色调（蓝紫色系）墙面。四幅图像通过两两对比，分别控制亮度（A vs B）、色调（C vs D）与开阔度（A vs C）三个变量。
图2 四类代表性地铁站台视觉图像
（2）实验室视听交互实验设计
实验场地：广州大学视听实验室（7.0 m × 4.8 m × 4.5 m），墙体与顶棚采用隔声吸声材料，隔声量达STC 50；背景等效声压级低于26 dB(A)（最高不超过30 dB(A)），各倍频程混响时间在0.28—0.52 s之间，完全符合ETSI ES 202 396-1标准对测试室的要求。视觉呈现采用75英寸华为4K电视（3840×2160），被试距屏幕2 m就座。
声音回放：采用森海塞尔MOMENTUM 4封闭式有线耳机（频响6 Hz—22 kHz），关闭主动降噪；同时配合3台真力7370A低音炮进行低频补偿（125 Hz低通滤波，低频滚降控制在−12 dB@20 Hz）。正式实验前，通过人工头（HEAD Acoustics BSU）反复校准回放声压级与频谱曲线，确保被试双耳听到的声音与现场录制高度一致。
被试招募：共招募80名被试（男38人、女42人），年龄21—25岁，68.75%为硕士研究生及以上学历。所有被试均通过视力（含色觉）与听力初筛。G*Power样本量分析显示所需最小被试量为53人，80人的样本量满足统计效力要求。
实验流程：采用被试内重复测量设计，所有被试评价全部刺激。实验分三天完成——第一天先做纯听觉刺激（4段声音），休息30分钟后做第一组视听刺激（4段音画组合）；第二天完成第二组6段；第三天完成最后6段。每段刺激播放30秒，随后被试用5级语义差别量表评价该声音的舒适度（1=极不舒适，5=极舒适）、偏好度（1=极不喜欢，5=极喜欢）与安静度（1=极吵闹，5=极安静），每段间休息2分钟。三天分期进行以减轻疲劳与视听记忆效应对结果的干扰。
（3）统计分析方法
正态性检验（Shapiro-Wilk）显示问卷数据不服从正态分布，因此：纯听觉条件下不同声音之间的比较采用Friedman检验，事后两两比较采用Wilcoxon符号秩检验；加入图像后的视听交互实验数据，采用对齐秩转换方差分析（ART-ANOVA，非参数方法）进行差异检验，并做事后两两比较。所有显著性水平设为p < 0.05。
03 主要结果
（1）纯听觉条件下：背景音乐最受欢迎，广播声与人群活动声最吵
在仅播放声音、不呈现视觉图像的条件下，四类声音的三项评价均存在极显著差异（p < 0.001）。舒适度排序为：背景音乐（4.23）> 列车到发声（2.95）> 人群活动声（2.38）> 广播声（2.33）；偏好度排序为：背景音乐（4.53）> 广播声（2.48）> 列车到发声（2.30）> 人群活动声（2.03）；安静度排序为：背景音乐（4.13）> 列车到发声（2.53）> 人群活动声（2.08）> 广播声（1.95）。
背景音乐在三项评价上均显著高于其他三类声音（差异1.275—2.5分，p < 0.001），说明在没有场景参照的情况下，柔和的纯音乐本身就能带来较高的舒适感与偏好。而广播声虽然偏好度高于人群活动声，但其安静度最低（1.95），说明乘客普遍觉得广播声"响而吵"。
图3 纯听觉条件下四类声音的声学评价
（2）加入站台图像后：背景音乐评价下降，三类"噪声"安静度显著提升
当加入典型岛式站台图像（图像A）后，四类声音的评价发生了方向不同的显著变化：
· 背景音乐：舒适度下降0.975分（约23.1%，p < 0.001），偏好度下降1.10分（约24.3%，p < 0.001）。原因在于，当柔和的背景音乐与真实的通勤站台场景结合后，音画之间的"不协调感"降低了乘客对音乐的积极评价。
· 列车到发声：舒适度下降0.50分（约16.9%，p < 0.05），但安静度提高0.40分（约15.8%，p < 0.05）——画面让列车轰鸣声变得"可预期"，主观吵闹感下降。
· 人群活动声：安静度大幅提高0.85分（约41.0%，p < 0.001）。在没有画面时，模糊的人群嘈杂声最容易引发烦躁；而站台图像让这种嘈杂"各得其所"，乘客的噪声感明显降低。
· 广播声：安静度同样大幅提高0.775分（约39.7%，p < 0.01）。广播声在纯听觉条件下被认为最吵，但与站台画面结合后，其"信息提示"的功能属性被场景确认，主观吵闹感下降。
这一结果说明：视觉场景的加入本质上是给声音"赋予情境意义"——与场景匹配的功能性声音（列车、人群、广播）会因为"合理"而显得不那么吵；而与场景不匹配的声音（如突然出现的背景音乐）则会因为"不协调"而评价下降。
图4 加入站台图像前后声学评价对比
（3）空间亮度：广播声三项评价全面提升，列车与人群安静度反而下降
对比中等亮度（图像A）与高亮度（图像B）两种岛式站台场景，亮度变化对不同声音的评价影响呈现明显的"双面性"：
· 广播声：亮度提高后，舒适度提高0.50分（约18.9%，p < 0.01），偏好度提高0.75分（约29.7%，p < 0.001），安静度提高0.925分（约33.9%，p < 0.001）——三项评价全面显著提升。这是因为乘客在站台候车时，明亮环境更符合人们"确认信息"的心理需求，明亮的视觉环境与广播的信息功能相互协同。
· 列车到发声：安静度下降0.675分（约23.1%，p < 0.001）。明亮环境下乘客视觉感知更清晰，列车行驶的轰鸣与摩擦声更容易被明确感知为"噪声"。
· 人群活动声：安静度下降0.85分（约29.1%，p < 0.001）。同理，明亮的站台中人群的活动轨迹与交谈声更容易被"看见"，主观嘈杂感增强。
· 背景音乐：三项评价均无显著变化。
这一发现具有重要的设计启示：站台照明设计并非越亮越好——提高亮度虽然能优化广播信息的接受度与心理感受，但同时也会放大列车噪声与人群嘈杂的主观感知。照明设计需要在"信息清晰度"与"噪声抑制"之间找到平衡。
图5 不同空间亮度条件下的声学评价
（4）色调与开阔度：影响幅度有限，但方向明确
色调变化（暖色调图像C vs 冷色调图像D）的影响整体小于亮度变化，但仍有两处显著差异：
· 列车到发声：从暖色调转为冷色调后，舒适度下降0.425分（约17.9%，p < 0.05）。乘客更习惯暖色调的地下站台环境，冷色调会让列车轰鸣声显得更不舒适。
· 广播声：从暖色调转为冷色调后，安静度提高0.625分（约22.9%，p < 0.01）。冷色调场景更易让人保持冷静，广播声的"吵闹感"降低。
· 背景音乐与人群活动声：色调变化后无显著差异。
图6 不同色调条件下的声学评价
空间开阔度变化（岛式站台图像A vs 侧式站台图像C）的影响最小，仅人群活动声的安静度在空间变狭窄后下降0.45分（约15.4%，p < 0.05）——狭窄空间里听到人群嘈杂声，会让人觉得更挤、更吵。其余评价均无显著变化。
图7 不同空间开阔度条件下的声学评价
（5）综合规律：视觉影响有明确层级，广播声最"敏感"
综合所有对比分析，可以总结出三条清晰的规律：
第一，从评价维度看，视觉因素对安静度的影响最大，舒适度次之，偏好度最小。四类声音中，除背景音乐外，其余三类声音的安静度在加入图像或改变视觉条件后都出现了显著变化；而偏好度仅在背景音乐（加图后下降）和广播声（亮度提高后上升）两种情况下显著变化。
第二，从声音类型看，广播声受到视觉因素的影响最为显著——亮度提高时三项评价全面提升，色调转冷时安静度显著提升。这与广播声的"信息功能属性"密切相关：乘客对广播声的评价高度依赖于当时的视觉情境与心理状态。
第三，从视觉因素看，空间亮度的影响远大于冷暖色调与空间开阔度。调整站台照明亮度，是改善乘客主观声感受最直接、最有效的视觉设计手段。
图8 各类视觉因素对不同声音声学评价的影响幅度汇总
04 研究创新点
（1）首次在地铁站台这一封闭交通空间中，通过严格控制的视听交互实验，系统揭示了视觉因素对不同类型声音评价的差异化影响。以往视听交互研究多聚焦于城市公园、校园、街道等户外开放空间，本研究将该范式引入地铁候车厅，填补了地下交通空间声景研究的空白。
（2）定量识别了"亮度—广播声"之间的强正向关联，发现提高站台亮度可以同时改善广播声的舒适度、偏好度与安静度（提升幅度18.9%—33.9%），为地铁广播系统与照明设计的协同优化提供了直接证据。
（3）揭示了视听交互的"情境匹配"机制：与场景功能匹配的声音（列车、人群、广播）在加入画面后安静度显著提升，而与场景不匹配的声音（背景音乐）则评价下降。这一机制解释了为什么同一客观声压级在不同视觉环境下会被感知为完全不同的吵闹程度。
（4）给出了视觉因素影响程度的量化排序（安静度 > 舒适度 > 偏好度；亮度 > 色调 > 开阔度；广播声 > 列车到发声 > 人群活动声 > 背景音乐），为后续交通建筑声景设计提供了可直接参考的优先级框架。
05 实验所用的具体技术、壁垒与仪器信息
（1）具体技术（壁垒门槛和难度）
高保真双声道现场录音与实验室回放校准：地铁站台声场复杂，低频成分丰富。本研究采用BSWA BR2022双声道人头录音设备现场采集，并在实验室通过人工头反复校准耳机+低音炮组合的回放声压级与频谱曲线，确保被试听到的声音与现场高度一致。低频补偿（125 Hz低通、−12 dB@20 Hz滚降）是关键技术环节，直接影响实验的生态效度。
视听刺激的部分因子实验设计：为平衡实验完整性与被试疲劳度，研究采用部分因子设计，通过4幅图像两两对比，分别独立控制亮度、色调与开阔度三个变量，避免了全因子设计中刺激数量爆炸的问题。刺激组合为4段纯听觉 + 16段视听组合，每段30秒。
被试内重复测量与抗疲劳设计：80名被试、20组刺激全部由同一人完成，容易产生顺序效应与疲劳效应。研究采用"随机播放 + 分三天完成 + 组间30分钟长休息"的组合策略，最大程度削弱练习效应与视听记忆的干扰。
非参数统计方法选择：由于问卷数据不服从正态分布，纯听觉部分采用Friedman + Wilcoxon事后检验，视听交互部分采用ART-ANOVA（对齐秩转换方差分析），有效处理了重复测量设计下的非正态数据问题。
（2）所用仪器及数据平台
现场录音设备：BSWA TECH BR2022便携式双声道录音系统（配i3DMic Pro360麦克风与iDAQ2022数采卡，44.1 kHz采样率、24-bit位深）；声校准器为杭州爱华AWA6021A。
视觉拍摄设备：佳能EOS 2000D单反相机（2410万像素APS-C画幅，DIGIC 4+处理器，F3.5最大光圈），统一1728×1152分辨率与广角视角。
实验回放设备：森海塞尔MOMENTUM 4封闭式有线耳机（频响6 Hz—22 kHz，关闭主动降噪）；真力7370A低音炮×3（置于实验室地面，用于低频补偿）；华为IHB2-75PU 75英寸4K电视（3840×2160）。
实验室校准设备：HEAD Acoustics BSU人工头（1.2 m高度放置，频响22—20000 Hz ±3 dB）；杭州爱华AWA6292声级计（用于背景噪声监测）。
数据处理软件：ArtemiS SUITE 16（音频剪辑与频谱分析）、Adobe Audition 2020（回放校准）、Adobe Premiere Pro（音画合成）、SPSS与Python（统计分析）、G*Power（样本量估算）。
所有仪器与实验流程均符合ISO 7726、ISO 7730、ETSI ES 202 396-1、IEC 60268-7等相关国际标准。本研究的成本主要体现在：标准视听实验室的建设与维护、高保真录音与回放设备投入、以及为期三天的大样本被试组织与数据质控。
论文信息
Zhang, D., Chen, X., Liu, X., Chen, H., Zhang, X., Guo, F., & Zheng, Y. (2025).
Evaluation of the sound environment in a metro platform space based on audio-visual interaction experiments.
Tunnelling and Underground Space Technology, 159, 106476.
DOI: 10.1016/j.tust.2025.106476