乘客感知，信息偏好以及交通站和车辆公共显示器上的拥挤可视化易用性

文献标题

Passenger Perceptions, Information Preferences, and Usability of Crowding Visualizations on Public Displays in Transit Stations and Vehicles

文献信息

• 主题领域: 人机交互与公共交通拥挤信息可视化
• 关键词: 拥挤感知, 公共交通, 公共显示屏, 可视化, COVID-19

研究背景与问题

• 问题或挑战: 公共交通站点和车辆中的拥挤带来了路径导航、健康卫生和保持物理距离的挑战。然而，现有的公共显示屏通常未能有效传递公共交通拥挤信息，这导致乘客难以做出知情选择。
• 重要性: 尤其是COVID-19疫情之后，人们对公共交通中的卫生和安全更加敏感，了解拥挤情况能够减少健康风险并提升乘客体验。
• 研究动机与相关工作:
  • 现有研究大多将交通拥挤视为乘客舒适度问题，而非安全问题。
  • 尽管已有研究探索了疫情期间的拥挤信息重点，但有关乘客在不同上下车旅程阶段需要哪些具体的拥挤信息，目前研究有限。
  • 大部分现有可视化研究仅限于总体拥挤水平的传递，且缺乏对乘客需求的全面探讨。

解决方案

• 研究方法:
  1. 在线问卷调研（303 名北美公众交通乘客）以探索拥挤感知的变化及信息偏好。
  2. 基于事件乘客历史数据，创建两种信息可视化原型，并通过现场实验（44 名参与者）对其进行测试。
• 创新点:
  • 系统研究了乘客对疫情前和疫情期间拥挤感知的变化。
  • 创建和测试了三种类型的拥挤信息可视化概念，包括总体满载度、物理距离和具体占用位置。
  • 比较了“简单易懂”与“信息精确”可视化设计所带来的效用差异。
• 实施步骤:
  1. 在线问卷: 收集乘客背景信息、对拥挤密度的感知及其对拥挤信息和健康相关信息的偏好。
  2. 设计与评估原型:
     • Fullness（总体满载度）：采用类似“电池图标”的五级尺度。
     • Distance（物理距离）：显示乘客之间的物理间隔。
     • Occupancy（具体占用位置）：采用方块标识表示占用的座位和站立空间。
  3. 现场测试: 利用历史数据模拟实时拥挤场景，进一步优化Fullness和Occupancy设计，并在实际环境中评估其可用性。

研究成果

• 具体成果:
  • 乘客疫情期间对拥挤的敏感性显著增加，疫情期间约2位/平方米的密度被认为会导致多数人不愿上车。
  • Fullness设计在可理解性方面得分最高（最简单易读），而Occupancy设计最实用（传递详细信息更能帮助规划登车）。
  • 将拥挤信息显示在列车到站前和站台上更支持乘客决策，而乘客在上车后对该信息的需求显著下降。
• 优势:
  • 解决了简单易懂 vs 知识密集的可视化设计权衡问题。
  • 能够改善乘客体验，例如帮助避免拥挤、选择合适车门和座位。
  • 鼓励疫情后乘客对公共交通的重新选择。
• 实验评估结果:
  • 总体来说，乘客更偏好Occupancy可视化设计（64%参与者），因为它信息更丰富，更能帮助规划登车位置。
  • 同时Fullness设计更简单快速，适合公共交通快速决策场景。
• 局限性与未来方向:
  • 局限性:
    • 实验仅限参与者自我报告行为，未捕捉实际行为变化。
    • 实验地点局限在中型城市，未覆盖规模更大或乘客密度更高的地铁系统。
  • 未来方向:
    • 实现实时的拥挤信息传输，并研究它们对乘客长期行为的影响。
    • 探讨动态导航系统如何结合拥挤信息提升乘客旅程体验。
    • 进一步调查基于乘客心理和文化背景对拥挤感知和容忍度的差异。