乘客的整体舒适度是地下交通质量的重要指标，直接影响他们的出行体验和意愿，并影响地铁站的设计和运营[[1], [2], [3]]。然而，封闭的地下空间[4]、复杂的人群流动[5]以及地铁站通风不良[6]容易引发恐惧[6]、焦虑、认知干扰和生理波动，从而对乘客的整体舒适度造成严重影响。不同功能区域的舒适度也会因空间开放度、人群密度和功能定位的不同而有所差异[7]。因此，评估这些功能区域的乘客舒适度对于优化地铁站服务质量、提升乘客的心理健康和出行满意度至关重要。
许多学者研究了地铁站特定功能区域的乘客舒适度，包括公共区域、站厅、楼梯和站台[8]。例如，Chan等人[9]研究了乘客从付费区域进入公共空间时的舒适度变化。此外，Liao等人[10]基于乘客的视觉舒适度研究了地铁站厅设计的最佳规模。Shang等人[11]提出了一个考虑乘客舒适度的地铁站楼梯/自动扶梯选择模型。Passi等人[12]研究了地铁站台乘客的热舒适度。尽管这些研究关注的是单个功能区域内的乘客舒适度，但缺乏对各个功能区域舒适度的全面评估。
然而，也有一些研究探讨了地铁站多个区域的乘客舒适度。例如，Yang等人[13]研究了中国哈尔滨三个地铁站内走廊、大厅和站台的热舒适度特征。然而，这些研究尚未明确探讨乘客在整个出行路径上不同功能区域舒适度的变化。重要的是，乘客在地铁站内的出行体验是连续的，会经过所有区域，而不仅仅局限于一个或几个特定区域[14,15]。因此，系统地比较整个出行路径上所有功能区域的乘客舒适度对于改善地下换乘站的出行体验至关重要。
以往的研究通过问卷调查或结合调查与实验室实验的混合方法来评估地铁站的乘客舒适度。例如，Yang等人[13]根据问卷调查数据提出了地铁站的舒适温度标准。Jasin′ska等人[1]通过收集1400名乘客的调查数据研究了非换乘地铁站的乘客舒适度。然而，仅依赖问卷收集数据存在主观性，因为乘客舒适度的变化通常是微妙且无意识的[5]，乘客很难有意识地立即做出反应[16]。
为了解决问卷调查的局限性，地铁站舒适度研究采用了结合实验室模拟的方法。例如，Zhang等人[17]通过结合基于实验室的眼动生理指数测量和基于问卷的主观视觉感知来评估地铁站的视觉舒适度。此外，Zhang等人[18]通过基于实验室的视听交互实验和问卷调查来评估地铁站台的声音舒适度。虽然这种结合实验室-问卷的方法提高了地铁站舒适度研究的可靠性，但这些研究通常仅考察了受试者对温度、声音和颜色等单一刺激的舒适度反应。然而，在地铁站中，乘客会受到多种因素的综合影响。实验室环境难以准确模拟地铁站的复杂环境条件并捕捉乘客的实时生理反应[16]。因此，必须在真实的地下换乘站内进行实验，以获取反映真实环境暴露的乘客整体舒适度数据。
神经科学技术越来越多地被应用于探索环境如何影响人类的舒适度感知，包括脑电图（EEG）[19,20]、眼动追踪[21,22]、心电图（ECG）[23,24]、呼吸频率（RESP）[25,26]、心率变异性（HRV）[27]和皮肤电活动（EDA）[28]。EEG可用于监测控制情绪反应的大脑电信号[29,30]。例如，Kim等人[31]使用EEG测量评估地铁站的乘客舒适度，发现不适地铁站的β波和γ波功率较高。此外，Peng等人[32]利用EEG信号揭示了高速铁路中潜在的舒适度下降机制，发现不适乘客的β波活动显著增强。
眼动追踪可以捕捉特定的眼部特征，如瞳孔不安指数（PUI）和扫视频率，这些特征与人类舒适度显著负相关[[33], [34], [35]]。因此，该技术主要用于评估视觉舒适度。例如，Liu等人[36]使用眼动追踪、瞳孔直径和驾驶表现数据评估道路隧道中的视觉舒适度。此外，Zhang等人[17]也使用眼动追踪研究地铁站的视觉舒适度。
RESP和HRV被广泛用于评估热舒适度。例如，Ren等人[27]和Yang等人[37]都进行了基于心电图的热舒适度评估实验，并进一步利用RESP和HRV特征来提高热舒适度模型的预测性能。EDA测量由汗腺活动引起的皮肤表面电活动，该活动受自主神经系统控制[38]，因此它可以反映自主情绪的唤醒状态，并用于评估压力和舒适度。例如，Yang等人[39]使用EDA作为客观生理生物标志物，量化了日常通勤过程中的压力反应。
虽然离散的生理指标可以准确评估特定身体区域的舒适度水平，但它们的范围有限，无法单独用于整体舒适度评估。因此，通常使用多种生理信号来评估焦虑和情绪状态等复杂状态[40,41]。然而，由于在现场环境中获取多模态生理数据的实际限制，地铁站舒适度研究主要依赖于EEG和眼动追踪系统，这在多维生物标志物的综合应用方面存在明显不足。
为填补这一空白，本研究基于在地铁站九个功能区域收集的多模态生理信号，建立了一个综合舒适度评估框架。该框架还结合了主观舒适度反馈，以实现比较和全面的分析。它对文献做出了三项主要贡献：
•使用多模态生理信号（包括EEG、眼动追踪、EDA、RESP和HRV）在真实环境条件下评估乘客的整体舒适度。
•开发了一种新的多模态生理评估方法，以全面评估不同功能区域的乘客整体舒适度。
•根据生理信号识别地铁站中的不适区域，将其与主观舒适度结果进行比较，并提供有针对性的干预措施以改善这些区域的舒适度。
本文的其余部分结构如下：第2节详细介绍了实验方法。第3节展示并分析了实验结果。基于这些发现，第4节提出了一个整体舒适度评估框架并讨论了其意义。最后，第5节总结了本文。
