【学术动态】公众情绪与新加坡东海岸公园的视觉感知：利用社交媒体数据的深度学习方法 | 2025年第1期

公众情绪与新加坡东海岸公园的视觉感知：利用社交媒体数据的深度学习方法

来源： YANG C, ZHANG Y. Public emotions and visual perception of the East Coast Park in Singapore:a deep learning method using social media data[J/OL].Urban Forestry & Urban Greening, 2024, 94,128285.

https://doi.org/10.1016/j.ufug.2024.128285

公众对城市公共空间的情绪反应和感知能够帮助识别空间设计与管理存在的问题，然而有关这些空间的情绪反应和视觉感知的理解仍相对有限。本研究通过综合分析来自社交媒体的文本和图像数据，利用深度学习技术，探讨公众情绪与新加坡东海岸公园的视觉感知的关系。研究发现，公园中12个特定公共空间的公众情绪主要是欢乐和中性，但人们的视觉偏好结果表现出相当大的多样性。研究表明，结合了TransformerBERT和CNN-VGG模型的深度学习框架，能够有效识别公众对整个东海岸公园及其独立景点的情绪反应与视觉感知。

1. 研究背景

人们对城市公共空间的情绪反应和感知偏好来源于他们与物理环境的互动。现有研究广泛关注了公共空间的视觉特性、居民的情绪响应等议题，然而人们的情绪反应和对城市公共空间的视觉偏好总是作为两个独立的主题分别进行研究。本研究旨在通过综合使用来自社交媒体的文本和图像数据，研究人们在特定的公共空间中体验到哪些情绪，哪些环境因素可能与不同的情绪有关，以及人们更喜欢特定城市公共空间的哪些场景。

2. 研究方法

（1） 研究数据

本研究主要收集了来源于谷歌地图评论（Google Maps Reviews） 的新加坡东海岸公园（East Coast Park） 的社交媒体数据。该数据集包括从2019年1月至2022年6月间发布的用户文本评论、相关的图像内容。文本评论和图像内容分别反映了公众对该公园的情绪反应和视觉感知，涵盖了对公园不同区域（如海滩、游乐场、绿地等） 的感受。新加坡东海岸公园在谷歌地图上有多个评论条目，包括公园整体以及其12个景点。其中，公园整体的条目包括2131 张图片和6504条在线文本评论，而12个景点的条目则包括4381张图片和2037条文本评论。

（2） 分析方法

情绪检测方面，采用基于GoEmotions 数据集和Transformer BERT （bidirectional encoder representations from transformers） 模型，该模型能够识别文本中的情绪倾向。通过预训练的BERT模型对评论文本进行处理，提取7 个情绪标签（喜悦、悲伤、愤怒、恐惧、惊讶、厌恶和中性），用于后续的情绪分析。图像分类方面，采用places365预训练的VGG-16模型，提取并分析前5个图像分类结果，用于后续检查它们与情绪检测结果的关系。对于公众情绪与视觉感知相结合的分析方法，本研究采用了两个步骤，首先挑选出包含文本评论和对应图像的评论数据，分别归类于7个情绪类别中的一个，然后定性分析识别可能产生情绪反应的环境因素。

3. 研究结果

根据情绪检测的结果，公众情绪主要以“喜悦”为主， 占比为73.56%， 其次是“ 中性” 情绪（21.97%）。负面情绪如“ 悲伤”（1.4%）、“ 恐惧”（0.11%）、“惊讶”（1.5%）、“愤怒”（1.04%） 和“厌恶”（0.42%） 比例较低。整体上，公众对东海岸公园的情绪反应较为积极。

根据公园整体图像分类的结果，公园的主要视觉元素包括海滩（5.56%）、海岸（5.40%）、海洋（4.87%）、长廊（4.80%） 和港口（3.28%），这些场景在公众分享的图片中出现频率最高。此外，公园（2.80%）、泻湖（2.60%）、桥梁（2.19%）、工业区域（2.16%）、码头（1.63%）、野餐区（1.56%）、排球场（1.49%）、岛屿（1.44%） 也占据一定比例。总体而言，东海岸公园的视觉感知以海洋和滨水景观为主，同时包含丰富的休闲活动场所，如公园、长廊、运动区和码头。

根据12个主要景点的公众情绪和视觉感知，本研究发现公众对各景点的情绪体验与整体趋势一致，以“喜悦”和“中性”情绪为主，但在部分景点中负面情绪（如悲伤、愤怒和厌恶） 占比相对较高。通过回顾评论内容，发现可能带来负面情绪的原因有：游乐设施关闭和花季结束带来的失望、餐饮服务、基础设施老化和厕所条件、过度捕捞、环境卫生问题和缺乏公共交通相关问题。另外，视觉感知分析显示，公园的各景点在视觉元素上具有较高的相似性，但在具体构成上存在一定差异，最常见的视觉元素包括海滩、长廊、公园、运动场、草坪和儿童游乐设施。

通过定性分析那些同时具有文本评论和图片的数据，研究发现带有“喜悦”或“中性”情绪的评论通常附带视觉上令人愉悦的场景，如公园、长廊、野餐区、游乐场等，反映出公众对这些空间的偏好。而那些包含“悲伤”或“厌恶”情绪的评论所附的图片则显示了环境卫生问题（如垃圾堆积）、拥挤的人群、关闭的游乐设施或恶劣天气，说明这些因素可能导致公众的负面情绪。

4. 讨论

本研究表明，社交媒体数据为分析城市公共空间的情绪响应和视觉偏好提供了丰富的信息来源。同时，本研究证明了深度学习方法在社交媒体数据分析中的有效性。BERT Transformer能够成功应用于公共空间的7种基本情绪检测，CNN-VGG模型在图像分类方面表现良好，能够有效识别环境元素。

本研究仍存在一定的局限性。首先，谷歌地图评论不包含地理信息和用户的基础人口学信息，限制了基于位置的分析和深层机制探讨。其次， BERT Transformer 和CNN-VGG 模型的准确率仍有较大的优化空间。此外，东海岸公园的负面情绪评论比例相对较低，这导致难以深入探讨环境因素与负面情绪之间的关联。未来研究可采用多种社交媒体数据源，或结合传统的社会调查方法，以更深入地探索城市公共空间中的情绪体验及其相关的环境因素。

5. 结论

本研究开发了一个深度学习框架， 结合了Transformer BERT和CNN-VGG模型，以使用谷歌地图评论探索公众对新加坡东海岸公园的情绪反应和视觉偏好。对于每种情绪，文本评论及其附属图像共同揭示了情绪产生的潜在原因，尤其是与特定环境因素的关联性。这些发现能够帮助从用户体验的角度对整个东海岸公园及其沿线景点进行有洞察力的评估。

（供稿：马春叶，同济大学建筑与城市规划学院博士研究生）

原文始发于微信公众号（城市规划学刊upforum）：【学术动态】公众情绪与新加坡东海岸公园的视觉感知：利用社交媒体数据的深度学习方法 | 2025年第1期