📄 听完 30 秒再打分，和边听边打分是一回事吗
评分：5.5/10 | 创新 1/2 | 技术严谨 1.2/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.5/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.7/1.5
👥 作者与机构
- Yuanbo Hou：Department of Engineering Science, University of Oxford, Oxford OX1 3PJ, United Kingdom
- Kening Guo：UCL Institute for Environmental Design and Engineering, The Bartlett, University College London, London WC1H 0NN, United Kingdom
- Francesco Aletta：UCL Institute for Environmental Design and Engineering, The Bartlett, University College London, London WC1H 0NN, United Kingdom
- Woon-Seng Gan：School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore 639798, Singapore
- Dick Botteldooren：Department of Information Technology, Faculty of Engineering and Architecture, Ghent University, 9052 Ghent, Belgium
- Jian Kang：UCL Institute for Environmental Design and Engineering, The Bartlett, University College London, London WC1H 0NN, United Kingdom
📌 核心摘要
需要理解的是同一段声景暴露的两种评价：一种是听后对八个感知情感质量属性打分再换算成愉悦度和事件度坐标，另一种是在听的过程中用光标直接连续报告愉悦度和事件度。难点在于前者是事后总结，后者是过程记录，量表、时间覆盖和几何含义不同，不能直接比较。论文先把连续记录按时间平均为每试次坐标，把事后评分按国际标准化组织规则换算为坐标，再比较属性夹角结构、直接坐标轴朝向以及不同时段平均的对应误差。在此基础上，经验映射利用配对数据估计从八个事后评分预测听音期间平均坐标的关系，其与固定相对权重的经仿射校准的ISO 2025换算的关键差异在于重新估计属性贡献而不沿用规定几何。与经仿射校准的ISO 2025投影相比，经验映射在按参与者留一验证下对照持有直接愉悦度和事件度均值的联合二维均方根误差从0.3481降至0.3311、降低4.9%，其中愉悦度均方根误差从0.2458降至0.2263、降低7.9%，大于事件度从0.2401降至0.2350、降低2.1%的幅度。结论只适用于本次三十秒街道视听刺激的配对试验，跨时长、视觉条件与新听众的泛化尚未验证，原文未披露训练、推理或部署成本。
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
声景评价要解决什么问题
声景研究不只测分贝，还要问人觉得声音怎么样。同样一条街道，有人觉得愉快而有活力，有人觉得混乱而烦人。论文把这种感受组织在愉悦度和事件度两个维度上，愉悦度区分愉快与烦人，事件度区分有事件感与无事件感。
难点在于提问方式会影响答案。听完一段声音再整体打分，得到的是对一段经历的回顾性总结；边听边用光标报告，则得到随时间变化的连续记录。前者省力、适合不同时长比较，但看不到变化；后者能看到变化，但要求被试持续投入，时间长了难以维持。论文要回答的正是这两种视角在多大程度上一致，在哪里分开。
已有做法把两种打分放在什么位置
回顾路线常用 8 个感知情感质量属性，也就是愉快、振奋、有事件感、混乱、烦人、单调、无事件感、平静。国际标准化组织流程把这 8 个分数按圆周方向加权投影成愉悦度和事件度。2019 版按每 45 度均匀分布，2025 版按英语等语言调整了角度，本文主要用 2025 版做比较基准。
连续路线则让被试直接在愉悦度与事件度平面上移动光标，类似情感网格的做法，可以逐秒跟踪愉快程度的变化。以往有研究发现 3 分钟城市步行中连续愉快的平均能解释整体愉快，也有研究发现 30 秒声景的两类评价在类别差异上大致对应。本文的不同在于同一人、同一街道、同一视觉条件下同时拿到两套数据，共 1782 个配对试次，因此可以直接比较几何结构与数值对应，而不是跨实验间接推测。
论文提出的三个具体问题
第一个是结构关系。8 个回顾属性彼此之间是否仍呈 2 维环形，它们与听时直接报告的愉悦度和事件度轴分别对齐到哪里，个别属性会不会系统偏离。
第二个是时间对应。用连续轨迹的哪一段、哪种平均去对应回顾分最合适，两者在单个试次上的数值差多大，会不会把声景分到不同象限。
第 3 个是映射改进。如果不死守 ISO 固定权重，而是用配对数据估计一个更灵活的从 8 属性到直接平均的映射，能否在留出新被试或新街道时更准，改进主要来自愉悦度还是事件度。
配对实验的整体流程是什么
每个试次都是同一段 30-s 视听暴露。播放期间被试持续报告直接愉悦度与事件度，播放结束后立即对 8 个属性按 1 到 5 分评价整体印象。直接轨迹经时间聚合得到试次级坐标，8 属性经 ISO 投影得到另一套试次级坐标，两套坐标逐试次配对比较。
回顾性评价 × 连续直接评价： 回顾性评价指 30-s 刺激结束后对 8 个感知情感质量属性一次性打分，再换算成愉悦度与事件度坐标；连续直接评价指在播放过程中用光标在愉悦度-事件度平面上持续报告当前感受，形成时间轨迹。两者分工不同，前者给出整体印象，后者保留变化过程，组合起来才能比较整体印象到底对应哪段时间的平均。
下图把这个配对逻辑画了出来，左边是连续轨迹，右边是听后问卷加投影，底部是两者比较。读图时重点看输入如何分成两条路线，又在试次层汇合。
看图路径： 1. 先看顶部时间轴如何划分 0 到 30s 连续跟踪与 30s 后问卷两个阶段；2. 再看左侧直接愉悦度与事件度轨迹与右侧 8 属性经 ISO 投影得到单点的对应关系；3. 最后看底部双向箭头标出的比较与对应要回答什么问题
论文图 1。原论文 Figure 1:：“Paired retrospective and continuous assessments of the same 30-s soundscape exposure.”。
从图中可以直接看到，顶部是同一段 30-s 声景暴露的时间轴，前 30-s 为连续跟踪，后为听后问卷；左侧红色框内是直接愉悦度与事件度两条随时间起伏的曲线，右侧蓝色框内是 8 个属性分数经 ISO 投影压缩成平面上的一个点。论文后续的几何分析比较方向是否一致，数值分析比较点的位置差多少，映射分析则尝试换一种压缩方式让点更接近连续平均。
回顾路线如何把 8 个分数变成坐标
回顾路线的输入是 8 个 1 到 5 分的整数，输出是一个愉悦度坐标和一个事件度坐标。2019 规则把 8 个方向均匀放在圆周上，用三角权重把对立属性相减、相邻属性按根号 2 的一半折算，再除以归一化常数。
\[\begin{aligned} P^{2019}_{k}&=\frac{1}{4+\sqrt{32}}\left[(P-A)+\frac{\sqrt{2}}{2}(C_{a}-C_{h})+\frac{\sqrt{2}}{2}(V-M)\right]\\ E^{2019}_{k}&=\frac{1}{4+\sqrt{32}}\left[(E-U)+\frac{\sqrt{2}}{2}(C_{h}-C_{a})+\frac{\sqrt{2}}{2}(V-M)\right]\end{aligned}\]上式中分子是愉快减烦人、平静减混乱、振奋减单调等差值的加权组合，分母保证不同属性组合可比。2025 规则不再均匀分布，而是用英语调整后的角度，例如按原文顺序为 0 度、46 度、94 度、138 度、177 度、231 度、275 度和 340 度，先把分数减去量表中点再按余弦和正弦投影。
\[\displaystyle P^{2025}_{k}=\frac{1}{\lambda_{P}}\sum_{i=1}^{8}x_{k,i}\cos\theta_{i},\quad\lambda_{P}=\frac{\rho}{2}\sum_{i=1}^{8}|\cos\theta_{i}|.\]上式只写出愉悦度 1 维，事件度把余弦换成正弦，分母按绝对值之和归一化，原文中缩放因子取 4 以对应 1 到 5 量表。
感知情感质量属性 × ISO 导出愉悦度与事件度： 感知情感质量属性是愉快、振奋、有事件感、混乱、烦人、单调、无事件感、平静这 8 个 1 到 5 分的听后评分；ISO 导出愉悦度与事件度是按 ISO 2019 等间隔 45 度或 ISO 2025 语言调整角度对这 8 个分数加权投影得到的二维坐标。前者是原始输入，后者是按固定几何规则算出的标准表示，组合后可以用统一平面比较不同街道和视觉条件。
理解这一步的关键是，ISO 权重是事先规定的，不是本数据估计的。后面的经验映射正是要检验放开这套固定权重会发生什么。
连续路线如何从轨迹得到试次坐标
连续路线的原始记录是每秒 8 个采样点的光标位置，最多每试次 240 对坐标。有些采样点可能缺失，论文只保留愉悦度和事件度同时有效的时刻，分别求平均，得到该试次的直接愉悦度均值与直接事件度均值。
\[\bar{P}^{\mathrm{direct}}_{k}=\frac{1}{n_{k}}\sum_{t\in\mathcal{V}_{k}}P_{k,t},\qquad\bar{E}^{\mathrm{direct}}_{k}=\frac{1}{n_{k}}\sum_{t\in\mathcal{V}_{k}}E_{k,t}\]上式中 k 是试次编号，集合包含有效时刻，n 是有效点数。这种做法把轨迹压缩成一个点，代价是丢失何时上升、何时下降的信息。论文保留完整轨迹另做时间段比较，主比较则用全段 30-s 平均。
直接坐标与 ISO 坐标量纲不同，不能直接相减。论文对 ISO 2025 的愉悦度和事件度各做一次仿射校准，再做几何与数值比较。几何分析先把直接均值与 8 属性都按被试中心化，再做联合回归，估计每个属性在直接平面上的方向。
\[\widehat{\theta}_{i}^{\mathrm{direct}}=\operatorname{atan2}\left(\beta_{\mathrm{E},i},\beta_{\mathrm{P},i}\right),\qquad i=1,\ldots,8\]上式把回归得到的愉悦度系数与事件度系数看成平面向量，用反正切求角度，从而得到每个属性以直接轴为基准的方向。
直接愉悦度与事件度 × 30-s 平均： 直接愉悦度与事件度是被试边听边移动光标报告的二维坐标，以 8 Hz 记录；30-s 平均是把一个试次内所有有效采样点在愉悦度和事件度上分别求平均，得到每试次一个坐标对。前者是时间分辨的轨迹，后者是为与回顾坐标逐试次配对而做的聚合，聚合后才有可比的数值与象限。
没有神经网络时参数是如何估计的
本文没有训练神经网络，估计的是统计几何与映射参数。主成分分析对 8 属性相关矩阵求特征值与特征向量，前两个分量给出经验方向，再用旋转或反射整体对齐到 ISO 参考方向，比较每个属性的角度差。
留一被试验证 × 留一街道验证： 留一被试验证是每次留出一个被试的全部试次做测试，其余被试估计参数；留一街道验证是每次留出一条街道的全部试次做测试，其余街道估计参数。前者检验对新听者的泛化，后者检验对新地点的泛化，组合起来说明经验映射的 4.9% 改进不是只对特定人或特定街道有效。
联合回归用直接愉悦度与事件度同时预测 8 个属性，得到系数矩阵，再用余弦轮廓拟合定位直接轴相对 ISO 圆周的方向，置信区间来自 2000 次按被试重抽样的自助法。仿射校准与经验映射都在训练折上估计，只在留出的被试或街道上评价，避免用测试数据调参数。直接均值被当作带测量噪声的观测，而不是无误差的真实状态，这决定了映射模型中要包含残差协方差。
数据规模与测量条件
实验覆盖伦敦 18 条街道，每条街道配静态图、站立视频、步行视频 3 种视觉条件，同一街道 3 种条件下用同一段街道录音。34 名被试中 1 人数据无效，剩下 33 人每人完成 54 个试次，共 1782 个配对试次。每次 30 s，8 Hz 记录，最多 240 对坐标。
下表概括配对规模与采样设置，比较问题是两条路线是否有足够的逐试次配对样本做几何与数值比较。
| 项目 | 数值 | 项目 | 数值 |
|---|---|---|---|
| 有效被试 | 33 人 | 街道数 | 18 条 |
| 配对试次 | 1782 个 | 每条件试次数 | 594 个 |
| 每试次时长 | 30 s | 采样率 | 8 Hz |
| 每试次最多采样 | 240 对 | 评分量表 | 1–5 分 |
上表说明样本不是零散收集，而是同一人、同一街道、同一视觉条件下的严格配对。3 种视觉条件样本均衡，允许后面检验时间对应结论是否跨条件稳定。有效轨迹比例高，意味着全段平均与分段平均都有计算基础。
8 个属性内部是否仍是二维环形
只看 8 个回顾属性，不看直接打分，主成分前两个分量已能解释大部分方差，说明 2 维组织基本成立。下表比较前两个分量的方差贡献，回答内部结构是否值得用平面表示。
| 成分 | 特征值 | 方差解释 |
|---|---|---|
| 第一成分 | 4.453 | 与第二成分合计 76.4% |
| 第二成分 | 1.660 | 与第一成分合计 76.4% |
上表基于 8 变量相关矩阵，总方差为 8，因此两成分合计占比为两者之和除以 8。76.4% 意味着绝大多数属性差异可以用平面上的方向差异概括，但仍有约 1/4 变异在平面外。
把经验方向整体对齐到 ISO 参考后，有事件感、混乱、无事件感、平静偏离很小，愉快、振奋、烦人、单调偏离较大。对立对基本保持对立，只有振奋与单调相隔 164.57 度左右，偏离 180 度较多。
下图左右分别对齐到 ISO 2019 与 ISO 2025，读图时不要被半径偏移迷惑，原文已说明半径只为分开标记，比较的是角度。
看图路径： 1. 对比左右两幅圆图中深蓝圆点与橙色叉号的距离，找出绿色弧线最长的属性；2. 注意愉快与烦人、振奋与单调在两套 ISO 参考下的偏移方向是否一致；3. 观察有事件感、无事件感、混乱、平静是否基本贴合参考方向
论文图 2。原论文 Figure 2:：“Internal 2D geometry of the 8 PAQs. Blue circles indicate the empirical PAQ directions, orange crosses indicate the corresponding ISO reference directions, and green arcs…”。
从图中可以直接看到，左侧 ISO 2019 与右侧 ISO 2025 两幅圆图中，深蓝圆点为经验方向，橙色叉号为参考方向，绿色弧线为两者角差；中间 4 个属性的圆点与叉号几乎重合，而愉快、振奋、烦人、单调的绿色弧线最长。这说明内部大体是环形，但个别方向与固定参考有实质距离，为后面直接锚定的偏离埋下伏笔。
直接轴落在圆周的什么位置
把直接愉悦度与事件度作为预测变量、8 属性作为结果做联合回归，再用余弦轮廓拟合，可以定位直接轴相对 ISO 圆周的方向。以 ISO 2025 为参考，直接事件度拟合在 88.24 度，只偏离名义 90 度轴负 1.76 度；直接愉悦度拟合在 343.27 度，偏离名义 0 度轴负 16.73 度。以 ISO 2019 为参考，偏离更大。
这意味着作为整体，直接事件度与 ISO 2025 的事件方向几乎重合，直接愉悦度则整体顺时针偏向平静一侧。但这是 8 个属性共同决定的轴，不代表每个属性都如此。下一步把坐标轴固定为直接轴，逐个估计属性方向，才能看到局部偏离。
下图把 8 个属性方向直接画在直接愉悦度为横轴、直接事件度为纵轴的平面上，红色端点是估计方向，蓝色圆点与橙色叉号是两套 ISO 参考。
看图路径： 1. 先确认横轴是直接愉悦度轴、纵轴是直接事件度轴；2. 再找红色估计方向明显偏离蓝色圆点与橙色叉号的两个属性；3. 比较其余六个红色方向与参考位置的重合程度
论文图 3。原论文 Figure 3:：“Direct-P/E-anchored geometry of the 8 PAQ attributes.”。
从图中可以直接看到，横轴为直接愉悦度轴、纵轴为直接事件度轴，蓝色虚线圆为单位圆；6 个属性的红色点基本落在参考位置附近，只有右上与左下两个红色点明显向纵轴靠拢。按原文数值，振奋在 75.37 度，比 ISO 2025 的 46 度向事件度偏 29.37 度；单调在 270.80 度，比 231 度向无事件感偏 39.80 度。两者仍大致对立，但共同轴偏离参考 34.58 度，这正是论文标题所说的核心几何发现。
回顾分更接近哪段时间的平均
连续轨迹先按全段 30-s 平均、前 10-s、中 10-s、后 10-s 4 种方式聚合，再分别做仿射校准，用联合标准化均方根误差比较谁更接近回顾 ISO 2025 坐标。时间分析用 1780 个试次，因有 2 个试次在首 10 s 或末 1 s 无有效观测而剔除。
下表列出留一被试验证下的误差，误差越小表示该时间段的直接平均与回顾分越接近。
| 时间聚合 | 联合标准化均方根误差 |
|---|---|
| 全段 30-s 平均 | 0.902 |
| 前 10-s 平均 | 1.032 |
| 中 10-s 平均 | 0.940 |
| 后 10-s 平均 | 0.932 |
上表显示全段平均误差最低，前 10-s 平均误差最高，中段与后段居中但仍高于全段。这不能证明被试如何加权记忆，只能说在本数据中用整段平均去对应回顾分，比只取某 10-s 更合适。本表数值与单位依据论文 PDF。
下图左为平均轨迹，右为各分段相对全段多出的误差，在 3 种视觉条件下排序一致。
看图路径： 1. 左图看愉悦度与事件度平均轨迹在最初 10s 的变化速度与之后是否相同；2. 右图看前 10s、中 10s、后 10s 相对全段平均多出的标准化误差及置信区间；3. 对比静态图、站立视频、步行视频三行是否保持同样的排序
论文图 4。原论文 Figure 4:：“Temporal correspondence between direct and retrospective ISO 2025-derived P/E. Shading and error bars indicate 95% participant-bootstrap confidence intervals.”。
从图中可以直接看到，左图愉悦度平均轨迹从零迅速下降后趋平，事件度迅速上升后趋平，阴影为被试自助 95% 区间，最初几秒变化最快；右图前 10-s 的点明显偏右，中后段靠近零线，且静态图、站立与步行三行都保持前段最差、全段最好的顺序。这支持结论的跨视觉条件稳定性，但仍限于 30-s 固定时长，不能推广到更长暴露。
两种路线在单个试次上差多少
几何接近不等于数值一致。把校准后的 ISO 2025 坐标与全段直接平均逐试次比较，需要同时看一致性、误差、象限与角度。下表汇总一致性与位置分歧，比较问题是校准后两套坐标能否互换使用。
| 指标 | 留一被试 | 留一街道 |
|---|---|---|
| 愉悦度一致性相关系数 | 0.7986 | 0.7953 |
| 事件度一致性相关系数 | 0.6885 | 0.6880 |
| 联合 2 维均方根误差 | 0.356371 | 0.356420 |
| 中位绝对角度分歧 | 20.54 度 | 20.5356 度 |
上表说明愉悦度数值一致性明显高于事件度，但两者坐标误差量级相近，一致性低不只是误差大，还与分布压缩有关。约七成试次落在同一象限，约三成因至少一轴符号不同而分到不同象限，中位角度分歧约 20.5 度。靠近轴线的小差也能改变象限，因此不能只看象限一致比例判断差异大小。
经验映射是否缩小这种差异，需要放开 ISO 固定权重重新估计。仿射校准只调每轴的截距与斜率，经验映射则估计愉悦度与事件度状态如何生成 8 个属性及其协方差，再用逆条件均值由 8 属性预测状态，输入仍是同一 8 个分数。
\[D_{k}^{\mathrm{ISO2025-cal}}=a_{D}+b_{D}D_{k}^{\mathrm{ISO2025}},\qquad D\in\{\mathrm{P},\mathrm{E}\}\]上式是仿射校准的形式，每个维度有自己的截距与斜率，在训练折上估计。经验映射拟合后对新试次只需 8 个回顾分数即可给出坐标，不需要新的连续记录。
仿射校准 × 经验映射： 仿射校准指对 ISO 2025 算出的愉悦度和事件度各做一次斜率加截距的线性调整，只改变尺度和零点，不改变 8 个属性之间的相对权重；经验映射指用配对数据估计愉悦度与事件度状态如何生成 8 个属性，再反推由 8 个属性估计状态的逆条件均值，允许权重偏离 ISO 规定。两者分工是先解决量纲不同，再检验放开固定权重能否更接近直接打分的平均。
下表比较两种计分在留出新被试与新街道时的折平均误差，误差越小越接近直接平均。
| 验证 | 维度 | ISO 投影 | 经验映射 | 降低 |
|---|---|---|---|---|
| 留一被试 | 愉悦度 | 0.2458 | 0.2263 | 7.9% |
| 留一被试 | 事件度 | 0.2401 | 0.2350 | 2.1% |
| 留一被试 | 联合 2 维 | 0.3481 | 0.3311 | 4.9% |
| 留一街道 | 联合 2 维 | 0.3550 | 0.3375 | 4.9% |
上表显示联合误差在两种验证下都降低 4.9%，其中愉悦度改进约 7% 到 8%，事件度仅约 2%。这与上一段事件度一致性更低形成对照：方向接近不保证数值好估，改进大小也不按一致性排序。改进有限，且未分解是哪个属性或协方差项起作用，数值差异依然存在。
这些结论在什么条件下才成立
所有结论都限于本实验的 1782 个 30-s 配对试次、18 条伦敦街道与 3 种视觉条件。时间结论只比较了全段与 3 个 10-s 平均，没有检验更长暴露、峰值或趋势加权，也没有把变化与具体声音事件对齐。连续记录可能受前一时刻影响，平均会抹掉变化时机。
几何结论依赖中心化、标准化与回归设定。直接锚定分析特意保留直接坐标的原始共同单位，若对愉悦度和事件度分别标准化，角度会改变。主成分对齐允许整体旋转，比较的是相对方向，不是绝对零点。
数值结论依赖仿射校准与折平均误差。折平均给每个被试或街道同等权重，与合并全部试次再算误差的试次平均不同，两者数值不能直接混比。象限分歧中很多是近轴小差，不能等同于大幅误判。经验映射在同一实验内留出验证，未经独立声景与听者检验，不能当作通用计分规则替代 ISO 投影。
要复现第一步需要准备什么
复现先要拿到同一结构的配对数据：同一人、同一刺激、同一条件下既有 30-s 内 8 Hz 连续轨迹，又有听后 8 个 1 到 5 分评分，并记录有效采样掩码。按有效时刻分别平均得到直接坐标，按 ISO 2019 与 ISO 2025 公式由 8 分算出两套回顾坐标，注意 2025 需先减量表中点再按调整角度投影。
几何复现需按被试中心化后做相关矩阵主成分分析，取前两分量载荷并单位化，再整体旋转对齐到 ISO 方向求角度差；直接轴定位需联合回归加余弦轮廓拟合，并做 2000 次按被试重抽样的自助区间。数值复现需在留一被试与留一街道下分别估计仿射校准，再算一致性相关系数、坐标均方根误差、象限一致与角度分歧。经验映射需在训练折估计生成矩阵与协方差，再用逆条件均值预测留出折。
本文未提供可下载的代码、模型与数据的可用资源，按来源校验要求不能声称已公开。缺失的是独立数据集与跨实验室流程，补上才能谈泛化。
什么时候值得参考这篇论文
当研究需要在听后问卷与边听边评之间选择或搭配时，这篇论文值得参考。如果只有 30-s 左右的暴露，用全段连续平均去对应回顾分，比只取开头、中间或结尾更合适；如果要用回顾分推测直接平均，ISO 固定权重会系统压缩分布，尤其事件度两端，换用本数据估计的经验映射能再接近一点，但联合改进只有 4.9%，且主要来自愉悦度。
同时要记住，振奋与单调在直接平面上更靠近事件度轴，看到这两个词得分高时不宜直接按 ISO 角度理解为对角方向。两套方法给出的是相关但不同的描述，几何接近不能推出数值可互换，象限相同也不能保证坐标接近。在新街道、新人群或更长时长上使用前，还需要独立配对数据验证。
📎 论文与评分元数据
排名：前50% | 文档类型：应用研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses