[论文解读] The Shortest Path to Happiness: Recommending Beautiful, Quiet, and Happy Routes in the City

Daniele Quercia, Rossano Schifanella+1 more|arXiv (Cornell University)|Jul 3, 2014

Human Mobility and Location-Based Analysis参考文献 27被引用 62

一句话总结

本文提出了一种推荐城市步行路线的方法，不仅考虑路线长度，还兼顾情绪愉悦感——即美观、安静与愉悦——通过利用伦敦街景的众包感知数据。基于超过3,300名用户的投票训练的图模型，该系统推荐的路线仅比最短路径多花费几分钟，但在感知情绪质量方面显著优于最短路径，该结论已在伦敦和波士顿的用户研究中得到验证。

ABSTRACT

When providing directions to a place, web and mobile mapping services are all able to suggest the shortest route. The goal of this work is to automatically suggest routes that are not only short but also emotionally pleasant. To quantify the extent to which urban locations are pleasant, we use data from a crowd-sourcing platform that shows two street scenes in London (out of hundreds), and a user votes on which one looks more beautiful, quiet, and happy. We consider votes from more than 3.3K individuals and translate them into quantitative measures of location perceptions. We arrange those locations into a graph upon which we learn pleasant routes. Based on a quantitative validation, we find that, compared to the shortest routes, the recommended ones add just a few extra walking minutes and are indeed perceived to be more beautiful, quiet, and happy. To test the generality of our approach, we consider Flickr metadata of more than 3.7M pictures in London and 1.3M in Boston, compute proxies for the crowdsourced beauty dimension (the one for which we have collected the most votes), and evaluate those proxies with 30 participants in London and 54 in Boston. These participants have not only rated our recommendations but have also carefully motivated their choices, providing insights for future work.

研究动机与目标

• 解决当前路线推荐系统仅关注效率而忽视城市导航中情绪体验的不足。
• 通过大规模众包方式量化城市环境的主观情绪感知（美感、安静、愉悦感）。
• 开发一种基于图的推荐系统，平衡路线长度与情绪愉悦感。
• 通过在伦敦和波士顿进行的受控用户研究，验证推荐路线的情绪质量。
• 通过Flickr元数据推导情绪感知的代理指标，测试该方法在新城市中的可扩展性。

提出的方法

• 构建一个空间图，其中节点代表地理单元（100米×100米网格单元的中心点），边连接相邻的单元。
• 利用来自3,300多名用户对伦敦街景成对评分的众包数据，为每个位置分配美感、安静与愉悦感的量化评分。
• 对最短路径算法进行改进，通过基于三个情绪维度的加权边成本，优化情绪愉悦感。
• 从Flickr元数据（如图片数量、标签、地理标签）中推导出美感的代理指标，使该方法可推广至无需重新收集众包数据的新城市。
• 通过30名伦敦和54名波士顿参与者的用户研究，评估推荐路线相对于最短路径的感知质量。
• 通过定量（评分）与定性（反馈动机）方式双重验证路线的情绪质量，确保与人类感知一致。

实验结果

研究问题

• RQ1 能否利用众包感知数据自动推荐情绪愉悦的城市步行路线，同时保持合理的步行时间？
• RQ2 与最短路径相比，用户如何感知系统推荐路线的情绪质量（美感、安静、愉悦感）？
• RQ3 从Flickr元数据中推导出的代理指标能否有效预测新城市中人类对城市美感的感知？
• RQ4 时间与情境因素（如一天中的时间、天气）如何影响用户对路线愉悦感的感知？
• RQ5 在多大程度上，可通过社交媒体平台的元数据将路线的情绪质量跨城市推广？

主要发现

• 推荐路线相比最短路径仅平均多花费几分钟，但用户对其美感、安静与愉悦感的评分显著更高。
• 伦敦的用户研究证实，参与者认为推荐路线比最短路径更具情绪愉悦感，且定量与定性反馈一致。
• 从Flickr元数据推导出的美感代理模型与人类感知高度相关，使该方法可成功推广至波士顿等新城市。
• 在波士顿，54名参与者验证了基于Flickr的代理模型的有效性，证实该方法不仅适用于伦敦，也具备跨城市适用性。
• 参与者提供了丰富的定性反馈，揭示了时间、天气及个人记忆对城市空间情绪感知的显著影响。
• 研究发现情绪感知并非静态，显著受时间与情境因素（如工作日与周末、一天中时间、天气状况）影响。