Quantification of human-environment interactions through biological signals

Urban environments are not simply passive backdrops to human experience, rather, they actively shape the emotional and physiological states of the people inhabiting them as they move through space. Yet, most tools that are available to urban planners tend to be static and aggregate, introducing an important disconnect from the lived and dynamic experience of inhabiting a city. Through three parallel research questions, this thesis argues that urban design choices can and should be grounded in measurable psychophysiological responses, and builds the methodological foundation to make that possible. First, this work describes the integration of physiological monitoring and environmental psychology into a novel methodology that is both meaningful, ecologically and physiologically valid, and technically feasible. A protocol was thus developed, based on the synchronized acquisition of multimodal data (namely, physiological, environmental, and psychological data) during guided urban walks. Custom software was built for the full pipeline from acquisition to statistical analysis and data visualization. Both protocol and pipeline were tested in a real-life urban walk experiment and validated in a VR study that established their cross-context robustness. Secondly, the thesis explores the reliable mapping of physiological signals into interpretable emotional descriptors. A controlled laboratory study investigated the suitability of standard affective image datasets and self-report instruments for environmental psychophysiology research. The main limitation turned out to lie in the outdated pictorial stimuli rather than the assessment tools, highlighting the need for the development of more modern and ecologically valid sets of environmental stimuli for emotion elicitation. Finally, the third research question regards how differences in physiological response can be modeled rather than averaged away. An unsupervised attention-based autoencoder network was developed and trained on a dataset of multimodal biosignal data; as in typical deep-learning based anomaly detection approaches, the reconstruction error was then used to cluster individual subjects into groups with distinct autonomic profiles. Validation on an independent dataset confirmed the identification of two subgroups of experimental subjects exhibiting different patterns of autonomic responses to similar emotional activation levels. By pursuing these three lines of work, it was possible to build an extensive framework that relies on physiological signal processing, affective science and urban design to study the perception of space as a measurable, dynamical entity.

Gli ambienti urbani non sono semplici sfondi passivi dell'esperienza umana, ma plasmano attivamente gli stati emotivi e fisiologici delle persone che li abitano mentre si muovono nello spazio. Eppure, la maggior parte degli strumenti a disposizione dei pianificatori urbani tende ad essere statica e aggregata, introducendo un'importante disconnessione rispetto all'esperienza vissuta e dinamica dell'abitare una città. Attraverso tre domande di ricerca parallele, questa tesi sostiene che le scelte di progettazione urbana possono e dovrebbero essere fondate su risposte psicofisiologiche misurabili, e costruisce le basi metodologiche per rendere ciò possibile. In primo luogo, questo lavoro descrive l'integrazione del monitoraggio fisiologico e della psicologia ambientale in una metodologia originale che sia al contempo significativa, ecologicamente e fisiologicamente valida, e tecnicamente fattibile. È stato quindi sviluppato un protocollo basato sull'acquisizione sincronizzata di dati multimodali — ovvero dati fisiologici, ambientali e psicologici — durante percorsi urbani guidati. Un software dedicato è stato sviluppato per l'intera pipeline, dall'acquisizione all'analisi statistica e alla visualizzazione dei dati. Sia il protocollo che la pipeline sono stati testati in un esperimento reale di cammino urbano e validati in uno studio in realtà virtuale che ne ha confermato la robustezza in contesti differenti. In secondo luogo, la tesi esplora la mappatura affidabile dei segnali fisiologici in descrittori emotivi interpretabili. Uno studio controllato in laboratorio ha indagato l'idoneità dei dataset affettivi di immagini standard e degli strumenti di auto-valutazione per la ricerca in psicofisiologia ambientale. Il principale limite è risultato essere l'obsolescenza degli stimoli pittorici piuttosto che degli strumenti di valutazione, evidenziando la necessità di sviluppare set di stimoli ambientali più moderni ed ecologicamente validi per l'elicitazione emotiva. Infine, la terza domanda di ricerca riguarda come le differenze nella risposta fisiologica possano essere modellate anziché annullate attraverso la media. È stata sviluppata e addestrata una rete autoencoder basata su meccanismi di attenzione non supervisionata su un dataset di dati biosegnale multimodali; come negli approcci tipici di rilevamento delle anomalie basati sul deep learning, l'errore di ricostruzione è stato poi utilizzato per raggruppare i soggetti in cluster con profili autonomici distinti. La validazione su un dataset indipendente ha confermato l'identificazione di due sottogruppi di soggetti sperimentali che mostrano pattern diversi di risposta autonomica a livelli simili di attivazione emotiva. Perseguendo queste tre linee di lavoro, è stato possibile costruire un framework esteso che si avvale dell'elaborazione del segnale fisiologico, delle scienze affettive e della progettazione urbana per studiare la percezione dello spazio come entità misurabile e dinamica.