惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

H
Heimdal Security Blog
A
Arctic Wolf
K
Kaspersky official blog
V
Vulnerabilities – Threatpost
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Simon Willison's Weblog
Simon Willison's Weblog
L
LINUX DO - 热门话题
MongoDB | Blog
MongoDB | Blog
T
Threat Research - Cisco Blogs
D
Docker
爱范儿
爱范儿
T
Tenable Blog
C
Check Point Blog
B
Blog
C
Cisco Blogs
Vercel News
Vercel News
The Cloudflare Blog
T
Threatpost
NISL@THU
NISL@THU
T
Tor Project blog
V2EX - 技术
V2EX - 技术
P
Palo Alto Networks Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
T
Tailwind CSS Blog
G
GRAHAM CLULEY
P
Privacy & Cybersecurity Law Blog
SecWiki News
SecWiki News
博客园 - 司徒正美
S
Security @ Cisco Blogs
GbyAI
GbyAI
S
Secure Thoughts
Microsoft Security Blog
Microsoft Security Blog
The Register - Security
The Register - Security
Recorded Future
Recorded Future
Cloudbric
Cloudbric
Webroot Blog
Webroot Blog
N
News and Events Feed by Topic
Y
Y Combinator Blog
博客园_首页
T
Troy Hunt's Blog
The Hacker News
The Hacker News
雷峰网
雷峰网
Google DeepMind News
Google DeepMind News
U
Unit 42
AWS News Blog
AWS News Blog
PCI Perspectives
PCI Perspectives
V
Visual Studio Blog
博客园 - 聂微东
有赞技术团队
有赞技术团队
酷 壳 – CoolShell
酷 壳 – CoolShell

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
轨道交通中的人因设计与用户体验
用户体验大学堂 · 2024-01-05 · via 人人都是产品经理

城市轨道交通已成为人们出行必不可少的工具,轨道交通中的设计该用什么来衡量?本文讲述人因设计与用户体验在轨道交通中的应用,希望对你有所启发。

导言:为什么需要人因设计与什么是人因设计

城市轨道交通已经成为人们日常出行必不可少的交通工具,人们乘坐地铁时对服务质量的心理期望也越来越高。

下图左边是每年北京市两会期间市民对轨道交通的投诉,其实每年对轨道交通的投诉量是最多的,投诉主要集中在导向标识。

人们认为导向标识是很简单的事情,但是每年的两会期间,北京地铁导向标识投诉量仍非常大。

究其原因,从 ISO 的标准到各个地方企业的标准,到建设方的运营标准有 20 多项,经过调研表明,不是我们对于导向标识重视不够,而是地铁工程实施,只在两个环节考虑了乘客需求。

一需求定义阶段,二乘客体验后的反馈。整个工程实施和设计都是由工程师来完成的,工程师对于相关导向标识的人因设计需求的理解,相较于用户的理解可能会出现一些偏差,最后导致车站建成以后会出现各种问题。实际上在人因需求和工程设计之间缺乏人因设计环节。

根据美国报告统计,如果在工程的早期设计阶段把人因融入设计,它的费用只占总投入的 2%。如果在研发生产以后再来进行改进,花费会占到 5% 到 20%。所以如何在工程的初期阶段,尽快把人因融入设计,是亟待解决的问题。

人因设计是把人因学的要素,人因工程的原则和方法,通过某种量化的方式把它融入系统或者产品设计的过程,来保证人员的安全、健康、舒适以及系统性能的最优。

在整个过程里涉及到三个量化,第一是如何把人因的需求进行量化,第二是人因的设计的方法如何进行量化,最后设计完了以后,如何在方案阶段对它进行验证和量化,只有这三个量化解决了,最终才能够把人因学的要素或者人因工程的原则融入到工程设计。

即人因设计的关键在于如何在系统或者设备的设计阶段,确定工程应用与人相关的设计、验证方法以及工具。由于设计的对象千差万别,所以人因设计以及验证的方法也是多种多样的,需要多学科的交叉和融合。

一、地铁站悬挂式导向标识可视域及布局设计

第一个案例是地铁站悬挂导向标识可视域及布局设计,虽然看起来是一个比较简单的问题,但调查发现,目前地铁车站的导向标识系统里悬挂类的导向标识是主要的布局形式,布置比例超过了 80%,对于乘客寻路起到了决定性的作用。

我们拿到了 2019 年北京市政协委员的提案,其中涉及到了许多关于地铁悬挂式导向标识的问题,主要集中在三个方面,一个是特征属性不清,重要的信息显示不清;第二个是间隔太远,乘客往往要走很长的距离,才能看到指示牌;第三个是设置的位置不明显,标识往往会被柱子遮挡,很难引起注意。

在我们看来都是很小的问题,但正是这些小问题,导致 50% 的乘客在地铁站存在寻路障碍或迷路。并不是把导向标识设计的更醒目一点,字体更大一点,导向标识牌更多一些,就可以简单的解决问题。

可以看到(下图)右边是北京的大兴机场草桥站,这个站开通时间不长,但刚开通完以后投诉量非常的大,乘客感到很迷惑。

要解决这个问题,有两个关键点需要去考虑,第一要考虑到导向标识的布局,它现有的导向标识的评价基本上采用的是事后评价,目前对现有导向标识的评价方法,大概有四种,涉及到的因素各不相同。

这些方法忽略了一个很重要因素,即没有考虑到乘客的动态行为特征,导向标识设计出来后,或多或少都会存在问题。

北京的大兴机场线设计完成后就马上面临整改的问题,要解决导向标识的布局和设计,还有两个问题需要解决,第一个是导向标识的可视域问题,看起来是一个非常简单的人因的问题,但查文献会发现有几个问题很多工程师都没有能够很好的理解清楚。

比如导向标识的可视域是以字体的高度还是以字体的宽度来计算可视范围的;人的可视角度怎么来合理科学的进行确定;人在行走过程里,他的观察的高度和导向标识之间的相对位置,对他的可视范围会有怎样的影响。

第二个是在设计阶段怎么进行评价,我们希望在设计阶段早期来解决问题。评价方法主要有两种,第一种采用主观评价,主观评价一定是当工程实施完成后,通过用户体验来进行评价。

第二种可以采用虚拟实验,用虚拟现实的方式来完成,虚拟实验只能进行单人模拟,但在轨道交通里我们更多考虑的是乘客的群体行为,对于群体行为的评价在虚拟实验里是很难展开的。

还有第三种途径就是采用行人的微观离散仿真的方式来进行评价。这种方式可以从微观的角度,比较好的对乘客群体行为进行仿真和评价,但它的难度在于如何进行建模。

在整个地铁的导向标识设计过程里,第一步是要确定乘客的流线和规划,流线规划往往是由设计方来确定的,主要有三类,一类进站、一类出站、一类换乘。

这些流线的规划是根据单线还是多线来设计,可以制定相应不同的规则,如说对于单一的乘客流线,要求尽可能地减少乘客的行走距离和走行的时间同时避免不必要的迂回。

对于多线乘客的流线,要避免乘客流线之间相互的交叉和冲突。交叉和冲突的地方往往会产生客流的聚集,这对地铁运营来说存在着非常大的安全和隐患。

第二个要解决导向标识的可视域问题,如果以字体的高度和宽度来进行确定的话,发现这两个可视域范围是不一样的,研究发现,以字体的高度来计算基础的可视域,它所覆盖的面积会更大一些,所以就采用了字体的高度来进行可视域的基础确认。

接下来要进行乘客的可视角度的确认,人在行走的过程里边不可能像雷达一样左右上下 180 度扫视。

在行走时,根据目标的牵引,正常的视野范围是有一定局限性的,根据现有相关的人体工程学的标准,可以知道正常水平的视野域大概是在 35 度左右;垂直视野域,根据一系列的行业标准,在 30 度范围之内。

同时,人在行走时,也要考虑到正常人群和残疾人群视野高度。有了这几个因素后,基本上可以确定出乘客在车站行走时的视野域的范围是个扇形。

扇形的确定还缺少两个参数,其中一个参数是最小的十度角,另外一个参数是导向标识的字体的大小。

这两个参数在相关标准里都有相关规定,比如最小十度角,在既有的国标里边,对于最小十度角至少有五种定义;

对于导向标识,悬挂类的导向标识的排体的字体的大小,各个城市的地方标准也有很多的规定,像北京市定义的是 120 毫米。

根据地铁的实际运营情况,确定最小十度角,选择 24 分的导向标识的字体,按照北京地铁的地方标准选择为 120 毫米。有了参数后,就可以把可持续范围非常准确地计算出来。

下一步进行整个地铁车站的悬挂类的导向标识的布局设计,我们可以用程序的方法来自动的生成。整个生成的规则的话,制定了两类规则,一类是针对单一路径的,一类是针对多条路径的。

单条路径的两个标识点之间的间距不能超过 30 米。当有多条路径交叉时,导向标识最好是设置在交叉点处,导向标识会存在着相邻布设的情况,相邻布设有可能是朝向相同的,也有可能是朝向相反的,它会出现相互的遮挡,这里我们还会有布设点取舍的问题。

根据这样一些原则,很快的就能够把导向标识的布设方案生成出来,下图北京地铁草桥站,是两条乘客路径十号线的进站线、大兴机场的进站线,两条线的导向标识很快的就生成出来了。最右边是生成的悬挂导向标识的布局决策点和可视域。

生成的方案究竟靠不靠谱在设计阶段需要进行验证。把生成的方案跟既有的方案做了对比,下图最左边是既有的布局方案,一共是 63 块,现在方案生成的是 47 块,少了 16 块。

我们用行人离散访问的方式用两个指标来进行衡量,一个是乘客的行走指标,第二类指标是空间指标客流密度,来进行评价。

我们根据草桥站早高峰时候的客流数据,选取了 30 分钟早高峰时间。

对这两类指标进行了仿真和评价,客流密度把它分了三个阶段,每十分钟一个阶段,可以看到在这 30 分钟里客流密度基本上没有显著性的差异。

也就说明减少了 16 块导向标识后对于整个客流组织来说,没有很大的影响。

相反再看一些行走类的指标,行走距离、行走的速度和行走时间,导向标识减少以后,这些指标有一些显著的微小的改善,为了进一步的验证,我们又选取了安检点、闸机,还有自动售票机等,这些容易产生客流聚集的 12 个局部区域进行了进一步的客流密度的对比分析。

发现在早高峰期间,这两种方案,基本上也没有显著性的差异。这就在设计阶段证明了改进以后的导向布局的方案是可行的。

想象一下看车站可以减少 16 块导向标识的成本,普通导向标识的成本是 3000 块钱,电子类的导向标识大概是到 2 万到 3 万块钱,一条地铁线大概有 30 个车站成本还是比较可观的。

二、地下空间寻路线索对乘客行为的影响

第二个案例主要是来探讨在地下空间里寻路线索对乘客行为的影响。

在地下寻路,跟在地面寻路,在认知思维上会存在着很大的差异,行人很容易产生迷路和寻路困难的现象。

中国标准化研究院,在 2018 年的时候,专门对北京地铁的朱辛庄站和西二旗站进行了一个调研,发现分别有 55% 和 75%的乘客遇到了不同程度的寻路障碍,特别是在地下空间。

这个课题主要是来探讨时间压力下的一些隐私因素和社会因素与导向标识的交互对行人路径选择的影响。同时,我们也要探索一种地下空间的行人寻物行为的研究方法。

下图是常见的空间寻物的认知模型,整个模型分为了三个阶段,第一个阶段主要是通过感官来感知环境信息。第二个阶段主要是根据感知到的环境信息来确定具体的寻路计划。第三个阶段在决策执行过程里,把空间决策赋予行动。

在整个空间寻路的认知过程里,影响寻路行为的因素主要有三个方面,寻路线索、情景语境类型即寻路动机,个体差异和寻路策略。

总的来说,寻路线索,可以分为三类,叫做显示定向类因素即导向、标识、地图。这一类因素是地下空间里最主要的寻路线索。

还有两类,第二类隐式信息,如环境的照明,如通道的宽度。这些隐式信息的线索,看起来与我们的寻路没有直接的关系,但是它却能够吸引注意,会影响人对路径的选择。

第三类是社会因素,主要是指其他人的行为对你行为的干扰。如其他乘客、或者说是车站的服务员。要解决这个问题,首先要找到方法,研究这些因素对乘客询问行为的影响。

首先想到了虚拟现实,查了很多的文献,虚拟现实技术可不可以用于寻觅行为,实际上目前没有一个一致性的结论。

因此要探讨和验证这种方法的可行性,我们选择了三类指标,第一个是绩效指标在寻路过程里的任务表现。第二类指标寻路路径。第三类指标,询问过程中的认知行为。

我们想通过这三类指标来验证究竟虚拟现实可不可以用于人的寻路行为研究。我们选择的场景是北京西直门凯德茂的地下停车场,做了一个实验,(下图)左边的话是停车场的现状,右边是在虚拟仿真里的一个场景。

被试基本上选用学校的学生,学生在年龄、文化程度方面基本上没有差异。唯一要考虑到被试的差异是方向感。我们采用了圣塔芭芭拉的方向感量表和空间转向量表对被试进行筛选。

整个测试分为了三个阶段,这三个阶段也是模拟人在一个未知空间里的认知过程,首先是直接感知,对环境的直接感知,到有部分经验开始进行寻路,对环境比较熟悉后,形成一个比较完整的经验来进行寻路,所以整个实验的测试也分成了三个任务。

A 组,首先进行实际场地的测试,隔一周后再进行虚拟场景的实验;

B 组,先进行虚拟实验,一周以后再进行实地场景测试,在隔离期间,被试最好不要再返回实验场地,这样设计的目的主要是消除被试的先验效应。

实验的结果,可以看到整个测试时间是 70 分钟,呈现为停顿次数、平均停顿时间、返回次数。通过显著性和一次性检测显示两种研究方法基本上是没有差异的。

再看看它寻路的路径,在三个阶段里,我们把每名被试在虚拟场景各段寻路的路线累计映射到平面图上,并与实际场景下被试的寻路路线累计图进行了比较。发现三个阶段三类寻路任务中被试的寻路累计图重合度比较高,也没有显著性的差异。

最后再看认知过程,这里我们采用了有声思维法,要求被试在寻路过程里,不断报告自己是怎么寻路的,是怎么想的。

我们采集了 20 名被试,大概 1440 分钟的语音数据。我们归纳了一下巡逻过程里通常采用了导向标识、定位地标等,一共九类线索。

通过数据分析,发现这九类寻路线索,在被试的寻路过程里,虚拟和实际场景中的偏好和种类没有显著性的差异,所以我们从被试的行为绩效,路径以及认知过程三个维度上,发现虚拟现实技术是可以用于被试的寻路行为研究的。

下面开展实验研究,主要是研究时间压力下的隐式信息、社会因素和导向标识交互对行人路径的影响。在轨道交通里,经常会遇到赶车的情况,这是非常典型的场景。

我们提出了两种假设,第一种假设,是在没有导向标识的情况下,无论有时间压力还是没有时间压力,行人都会依赖于隐式信息或者社会因素进行寻路。

如果没有导向标识巡路,往往会依靠外部的环境,如照明,跟随其他行人。

第二个假设是,在有时间压力的情况下,当导向标识和隐式信息、社会因素不一致时,导向标识可能会对行人路径的决策影响比较弱。

如在一个决策口导向标识指示向右走,这个时候左边的通道比右边的通道要更亮一些,被试者可能就不会按照导向标识来行走。

与此类似的,如果导向标识指示该往右走,但被试者发现很多人都往左边走,这个时候也可能不会遵循导向标识的指示。

整个实验,设计了四个场景,第一种情况被试者在决策口时没有任何信息的提示。第二种情况,设计了三种单独线索的提示,导向标识、照明灯光、虚拟人的行动。

第三种和第四种情况,分别是导向标识和隐式信息、社会因素以一致的方式呈现场景。如导向标识,指示往右走,刚好也有人往右走,这就是一致性情况。如果相反就是不一致情况,所以整个时间场景分为了四个场景。

我们设计了两种工况,有时间压力和没有时间压力。这条路径一共包括 16 个决策口,那么每种场景会出现两次,以上是实验的过程。

单因素的寻路线索对寻路行为影响的实验结果。对比没有任何寻路线索的基础对照组,发现在有无时间压力的状态下,对于左右路径的选择是没有显著性差异。

第二个发现是在有无时间压力的情况下,导向标识的指引性都是最强的,所以导向标识对乘客的询问起到了一个主导的作用。

第三个发现是在没有导向标识的情况下,无论有无时间压力,行人更容易受到环境因素的影响。

第四个发现是在无时间压力下,其他行人对被试路径的选择影响较小。如果在有时间压力的情况下,被试的路径选择就会受到其他行人行为的影响会非常的大,这是实验的结果。

实验结果验证了第一个假设即如果没有导向标识,无论在有无时间压力情况下,行人的话,都倾向于依赖隐式因素或者社会因素来进行询问。以上是第一部分的实验结果。

第二部分是多因素寻路行为影响的实验结果。

我们发现在有导向标识的情况下,有无时间压力组中,当标识和照明条件和其他行人的运动方向呈负相关时或者标识与人的行动运动方向呈正相关时,被试跟随标识的行为会呈现出显著性的差异。即隐式因素和社会因素对导向标识是有影响的。

在有时间压力的情况下,导向标识和照明信息是相互矛盾的时,跟随导向标识的人比例会显著降低,有相当多的人会选择照明好的路径,而不按导向标识来进行寻路。

在时间压力的情况下,如果导向标识和其他人行动的信息相矛盾时,跟随导向标识人的比例也会显著降低,有更多的人会选择跟着其他的人行走而忽视导向标识。数据分析也验证了假设二。获得这个数据后,也就可以解释为什么地铁的导向标识每年是市民投诉的一个重点。

三、“轻推理论”在地铁乘客信息系统设计中的应用

最后一个案例介绍一下“轻推理论”在乘客信息系统设计中的应用。该理论是 2017 年诺贝尔经济学奖获得者理查德泰勒提出来的。

他认为,通过适度的运用诱因和推力就能在不限制个人自由选择的情况下,让人做出更好的决定。坐高铁或坐地铁经常会发现很多人选择电梯而不愿意去爬楼梯。

因此有一些企业,对楼梯的设计做了一些改进,如下图所示,最左边把楼梯设计成钢琴的琴键。右边,每一个踏步的侧面给出来在行走时卡路里的消耗。有些乘客可能会觉得楼梯很有意思,就会去爬楼梯不去坐电梯。

我们在尝试应用“轻推理论”来解决轨道交通中的一些安全问题。地铁站站台是乘客密度非常高,客流流动性非常复杂的一个场所。

由于地铁站台的乘客分布空间不均匀性,直接影响到乘客的上下车的效率,从而会影响到列车的发车的间隔,最终影响轨道交通线路的客运能力。

现在的地铁技术发展非常快,列车的间隔可以做到 90 秒甚至更低。目前国内发车间隔最短的是上海地铁的九号线,发车间隔是 115 秒。

发车的间隔化不是完全由技术来决定的,跟人也密切相关。如果站台上乘客的乘降时间非常长,直接会影响到列车的间隔。

在乘坐地铁早晚高峰时,经常会听到广播“请两端的乘客往站台中间走”,希望大家能够在站台上均匀分布,从而来提高乘降效率。

我们想用“轻推理论”给乘客推送更多的信息来改变乘客的行为,采用了交通运输里通常用到的 SP 的实验法,通过 SP 的实验法来调查乘客对不同信息的反馈数据。

然后把反馈数据输入到行人的离散仿真模型里,来验证这些信息是否可以影响到乘客的群体行为,这下图是整个设计方案。

SP 调查法是为了获取人们对假定条件下的多个方案表现出来的主观偏好而进行的实际调查。我们对地铁乘客的信息系统,进行了设计,下图最右下角方案基本上可理解度可以达到 100%,所以以这个信息界面来展开实验。

在实验过程主要考虑了五个信息对乘客的行为的影响,一是站台乘客分布信息,二是车厢密度信息,三是列车到站时间,四是乘车区间,五是广播引导。

想看看这五个因素究竟对乘客的行为会产生什么样的影响。这五个因素有很多水平,每一个水平这些因素都考虑进去的话,整个实验的组合会达到数百种,这个实验很难开展,所以采用了正交实验,最后确定了 16 种场景,一共找了 124 名被试者展开实验。

实验结果用 Logit 模型相应函数做了分析,我们发现站台乘客的密度对乘客选择意愿的影响是最大的;其次是车厢乘客密度,乘客自身乘车区间对他的行为影响是最小的。

人在决策时,通常会对眼前的利益,如乘客到人较少的位置候车最为重视。而对于远期收益,如到人较少的车厢乘车的重视程度相对来说会比较低。

第二个发现是列车的到站时间信息和站内的广播提示信息,对乘客的选择的意愿没有明显的影响。这个结论跟国外的学者是有所不同的。

接下来对采集到的数据进一步进行弹性分析。弹性分析主要是用来描述两种选择之间的关系,以及某种因素的变化所引起后车位置选择概率变化的差异。

我们发现车厢密度和站台密度,对不同行为偏好的乘客的影响大小是不同的。选择到站台入口位置候车的乘客更容易受到站台入口位置车厢乘客密度的影响。

而选择到乘客信息位置候车的乘客更容易受到站台入口位置的乘客密度信息的影响。

有了这些数据后,我们把它带入到乘客行为的离散仿真模型里,做了一个仿真,如下图有 PIS 信息和无 PIS 信息的两个场景,可以看到乘客在站台上的密度分布显然是有差异的。这是对北京地铁一号线军事博物馆站进行分析的结果。

下图右上角是我们跟北京地铁联合制定的北京地铁关于客流密度、服务水平等级的划分,可以看到等级越高,表明客流密度越大,安全隐患也就越大。

通过信息发布,希望能够降低站台两端的客流的密度。我们对即将到站的下一列车的二号车厢刚好是在站台端部车厢区域候车的乘客做了进一步的仿真分析,发现在没有 PIS 信息的引导情况下,二号车厢附近位置的乘客密度高于服务水平 C 级比例占到 21%,高于服务水平 D 级的比例高达 6%。

如果引入了 PIS 信息后,这个区域的服务水平 C 级的比例会降低到 3%,没有高于服务水平 D 级的区域出现。证明 PIS 信息是有效的。

同时我们也利用北京地铁一号线军事博物馆站晚高峰的客流数据,做了一个时段的仿真,发现在这个区域里,下图右边右上角波形图可以看到,引入了 PIS 信息以后,乘客在第二车厢区域的峰值,客流密度峰值是有显著下降的。

通过理论的分析证明,“轻推理论”确实有效。这个成果也被北京地铁所采纳。

用户体验需要好的设计,好的设计需要好的方法。人因设计是以人为本的一种工程设计方法。轨道交通中的用户体验前提是安全和效率,更多的是强调个人、群体和整个轨道交通系统之间的协调。

作者:方卫宁;图文编辑:筱沄、司嘉惠

来源公众号:用户体验大学堂(ID:isaruxd),专注用户研究和用户体验设计。

本文由人人都是产品经理合作媒体 @用户体验大学堂 授权发布,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。