论文技术总结：将价值敏感设计应用于基于位置的服务 (LBS)

论文标题：Applying Value Sensitive Design to Location-Based Services: Designing for Shared Spaces and Local Conditions
作者：Hiruni Kegalle 等 (RMIT University, UNSW)
会议：CHI '26

1. 研究背景与问题 (Problem)

核心问题：
基于位置的服务 (LBS)，如共享单车、网约车、外卖和位置驱动社交媒体，将数字系统与物理空间深度纠缠。这种纠缠不仅影响直接用户（直接利益相关者），还深刻影响共享同一物理环境的非用户（间接利益相关者，如邻居、行人）。现有的设计方法（如以用户为中心的设计 UCD）往往难以解决以下双重挑战：

1. 共享空间中的价值张力：直接用户与非用户之间在物理空间使用上的冲突（如噪音、安全隐患、空间占用）。
2. 本地化情境的复杂性：LBS 的影响高度依赖于特定的地理、文化规范和监管环境，通用的价值设计方法难以捕捉这些情境特定的价值。

现有局限：
传统的价值敏感设计 (Value Sensitive Design, VSD) 虽然提供了整合人类价值的框架，但在应用于 LBS 时存在不足：

• 缺乏针对共享物理空间中多利益相关者互动的系统性指导。
• 往往依赖普适性的价值列表，难以捕捉由本地社会空间条件塑造的情境化价值。
• 缺乏将数字层（算法、界面）与物理层（基础设施、车辆）价值对齐的具体方法。

2. 方法论：位置感知价值敏感设计 (LA-VSD)

为了解决上述问题，作者提出了位置感知价值敏感设计 (Location-Aware Value Sensitive Design, LA-VSD)。这是一种针对 LBS 领域定制的 VSD 扩展框架，旨在通过三个核心启发式规则 (Heuristics) 指导设计过程：

核心启发式规则 (The Three Heuristics)

1. LBS-H1: 考虑本地空间共享场景 (Consider Local Space-Sharing Scenarios)

   • 目的：解决利益相关者识别问题，特别是间接利益相关者。
   • 方法：不再仅依赖用户访谈，而是首先映射受平台影响的物理空间（如道路、人行道、公园）。结合本地数据（市政报告、事故数据、新闻、开放数据集）和空间分析，识别在特定空间场景中与 LBS 发生物理共存的群体。
   • 关键点：通过空间共享场景来显性化那些未直接使用平台但受其物理影响的人群。

2. LBS-H2: 调整方法以捕捉本地与物理互动 (Adapt Methods to Capture Local and Physical Interactions)

   • 目的：解决实证研究中价值捕捉的情境化问题。
   • 方法：修改传统的访谈和观察方法，使其能够捕捉物理空间中的互动细节。
     • 设计问题以揭示“共同在场” (co-presence) 的摩擦（例如：“你上次与共享滑板车互动是在哪里？发生了什么？”）。
     • 探究本地法规、文化规范和基础设施如何塑造用户的价值观和行为。
   • 关键点：将实证研究从单纯的数字体验扩展到物理空间中的情境化体验。

3. LBS-H3: 在数字与物理层面对齐价值 (Align Values Across Digital and Physical Layers)

   • 目的：解决 LBS 作为混合系统（数字 + 物理）的设计对齐问题。
   • 方法：确保识别出的价值不仅在数字界面（App、算法）中体现，也要在物理基础设施（车辆设计、道路标记、停车区）中得到体现。
   • 关键点：避免“数字层”与“物理层”脱节，要求设计者在两个层面同时部署价值敏感机制。

3. 案例研究与实施 (Case Study: E-scooter Sharing)

作者以墨尔本 (Melbourne) 的电动滑板车共享服务为例，应用了 LA-VSD 框架。

3.1 概念调查 (Conceptual Investigation) - 应用 LBS-H1

• 行动：
  • 审查学术文献、政策文件和当地新闻。
  • 分析 3 个月的实时滑板车行程数据（起点/终点坐标、时间戳）。
  • 利用机器学习建模和缓冲区分析 (Buffer Analysis)，将行程数据与物理环境（人行道、自行车道、POI）关联。
• 结果：
  • 识别出行人和骑行者是受影响最严重的间接利益相关者（因为滑板车行程高度集中在人行道和自行车道附近）。
  • 发现公共交通工具和当地商业在该特定情境下的空间重叠度较低，优先级相对较低。
  • 揭示了时间维度上的差异（居民区在晚间受影响大，公园在周末受影响大）。

3.2 实证调查 (Empirical Investigation) - 应用 LBS-H2

• 行动：
  • 对 23 名参与者（滑板车骑手、行人、骑行者、市政代表、服务商员工）进行半结构化访谈。
  • 访谈问题专门设计用于挖掘物理空间互动、本地法规认知和文化习惯。
• 关键发现 (四大主题)：
  1. 共享空间的摩擦 (Frictions of co-presence)：滑板车与自行车共用车道导致速度差异和操控冲突；乱停乱放阻碍行人通行。
  2. 安全设计的缺陷 (Breakdowns in safety design)：夜间可见性差（灯光不足）、缺乏转向信号（单手操作不稳定）、App 中的禁行区 (No-go zones) 突然断电导致骑手困惑。
  3. 本地法规的影响 (Impacts of local regulatory variations)：不同州/市的限速、头盔规定不一致导致游客困惑；强制头盔设计（集成在车上）因卫生问题（露天放置）反而降低了使用意愿。
  4. 文化实践塑造选择 (Cultural Practices Shape Mobility Choices)：当地发达的公共交通和免费电车区使得滑板车在价格和便利性上缺乏竞争力；部分骑行者将骑行视为锻炼，认为滑板车缺乏“参与感”。

3.3 技术调查 (Technical Investigation) - 应用 LBS-H3

基于上述发现，作者提出了概念性的设计方向，展示如何在数字和物理层面同时对齐价值：

• 数字层设计：
  • 情境感知路线推荐：根据高峰时段、骑手经验推荐更安全的路线。
  • 人行道检测算法：当骑手进入人行道时发出警告并引导至允许区域。
  • 实时停车引导：在 App 中可视化指定停车点，并在用户试图在非指定区域还车时提供实时指引。
  • 透明反馈：在滑板车界面直接显示禁行区/减速区的激活状态，避免突然断电。
• 物理层设计：
  • 基础设施标识：增加专门针对滑板车的路面标识和停车区地面标记。
  • 车辆改进：增强夜间照明、集成转向指示灯（解决单手操作不稳问题）、改进车辆稳定性设计。

4. 主要贡献 (Key Contributions)

1. 概念贡献：提出了 LA-VSD 框架，明确了 LBS 的两个核心特征（空间纠缠、本地依赖性），并定义了三个具体的启发式规则，填补了 VSD 在 LBS 领域应用的空白。
2. 实证贡献：通过电动滑板车案例，展示了如何利用空间数据分析和情境化访谈来识别被传统方法忽略的间接利益相关者，并揭示了本地法规和文化如何具体影响价值冲突。
3. 设计指导：提出了具体的数字 - 物理对齐策略，证明了仅靠单一层面（如仅靠 App 或仅靠法规）无法解决 LBS 的复杂问题，必须进行混合系统的设计。

5. 研究结果与局限性 (Results & Limitations)

结果：

• LA-VSD 成功帮助设计者从“空间共享”的视角重新定义了利益相关者，将行人和骑行者从边缘推向了核心。
• 通过调整实证方法，揭示了“安全”、“便利性”和“卫生”等价值在本地情境下的具体冲突形式（如头盔卫生问题）。
• 证明了数字与物理层面的价值对齐对于解决 LBS 的社会接受度至关重要（如巴黎和墨尔本因缺乏物理层配合导致服务被禁的案例）。

局限性：

• 概念性验证：第三阶段（LBS-H3）提出的设计方向仅为概念性建议，尚未进行原型开发或实证评估。
• 单一案例：研究仅基于墨尔本的一个案例，虽然深入，但跨地域、跨文化的普适性仍需进一步验证。
• 短期视角：研究基于短期数据，长期部署中的价值演变未被捕捉。

6. 意义与影响 (Significance)

• 理论意义：扩展了价值敏感设计 (VSD) 的边界，使其能够处理数字 - 物理混合系统的复杂性，特别是针对 LBS 这种强依赖空间的情境。
• 实践意义：为 LBS 设计师、政策制定者和城市规划者提供了一套可操作的工具，帮助他们识别隐性利益相关者，理解本地化冲突，并设计兼顾数字体验与物理环境安全的系统。
• 社会意义：强调了在技术设计中纳入“非用户”视角的重要性，有助于减少技术对社区生活的负面干扰，促进更包容、可持续的城市空间治理。

总结：该论文不仅提出了一个理论框架，更通过严谨的混合方法（数据分析 + 深度访谈 + 设计推演），展示了如何在高度本地化和空间纠缠的 LBS 环境中，系统性地识别、理解和整合多方利益相关者的价值观。