规划问道本刊“学术动态（Planning Reviews）”栏目，推介国内外学术书籍和文献报告、关注国际研究动态和前沿热点、分享规划案例研究。本期“城乡社区发展与住房建设”专栏，向大家推荐国际期刊《Cities》上的一篇有关社交网络数据的研究文献。
（专栏编辑：杨辰）
基于社交网络数据的情感地图分析城市情感结构并衡量其情感相似性
来源：ASHKEZARI-TOUSSI S. Emotional maps based on social networks data toanalyze cities emotional structure and measure their emotional similarity[J].Cities, 2019, 86: 113-124.
数据收集通常是大多数研究中最重要的步骤之一，但传统的问卷调查方法昂贵又耗时。社交媒体被定义为“网站和基于网络的系统的集合，它的出现有助于实现人口抽样过程，还减少了数据收集阶段的成本和时间。近年来，利用最受欢迎的社交网络之一的Flickr数据库已经进行了大量的研究，地理定位信息的存在也为分析空间和时间创造了更好的支持条件。
虽然情感在心理学和行为科学中十分重要，但尚未达成每个人都同意的定义，在心理学和哲学中，情感是以心理生理学描述、生物反应和心理状态为特征的主观和自觉体验，另有“情感被定义为主观和有意识的体验”、“与特定生理模式相关的积极或消极体验”等解释。各研究虽有差异，但都揭示了情感表达和生理具有极其紧密的关系。在表达情感的不同方法中，离散方法将情感类型分为愤怒，恐惧，厌恶，悲伤，惊喜和幸福，经历每一个都会导致面部表情的各种变化。
本文提出了一种方法，用于分析城市中不同情感的空间分布，使用从Flickr网站下载的包含地理位置信息照片，比较考虑不同情感的城市的相似性。在地理标记的照片收集阶段之后，图像处理模块将面部图像与其他图像分离，提取面部特征和地标，识别图像中检测到的面部情感状态。每个面孔都是由一种基本情感，愤怒，厌恶，快乐和惊喜来描述的。之后，创建情感空间地图，说明具有不同情感的人的位置。在不同位置拍摄的照片密度揭示了城市中情感的分布。然后使用傅里叶变换来提取分布特征，测量不同城市的相似度；在下一步中，使用Linkage聚类算法对类似城市进行聚类，一组中的城市具有相似的情感指数。
工作过程：首先，下载Flickr图像并将其存储在本地数据库中，接下来，执行图像增强技术以获得高质量图像，之后利用机器视觉工具箱来检测面部标志，通过检测到识别每个面部的情感，最后通过使用绘图软件工具以及从图像数据中提取的纬度和经度在地图上显示检测到的情感的位置。
为了从Flickr下载图像来收集数据，基于FlickrAPI2开发了一个应用程序，用于收集地理标记图像，收集阶段中一些共享图像是根据设计应用程序中定义的不同字段进行采样的。最后，所有收集的数据以结构形式存储在本地数据库中。
在收集图像及其相关数据之后，使用EmoDetect检测包含每个包含清晰面部图像的情感状态，提取的面部标志。
Flickr上的地理标记图像用于创建每个城市的情感地图。在城市地图上显示了与柏林的幸福情感相关的三个图像。通过分布函数表示城市中的特定情感不仅提供了城市情感状态的清晰说明，而且还提供了不同城市中不同情感状态的比较。为此，使用核密度估计计算每种情感的分布函数，是用于随机变量的概率密度函数估计的非参数方法。
情感分布函数描述了城市情感文化结构的宝贵信息。在本研究中，收集了来自12个城市的56,766张图像，6年（2010—2016） 的时间使得数据集更加可靠。每个城市收集一定数量的图像，显示出对愤怒，厌恶，快乐和惊讶情感的百分比。此外，检测到的面部年龄和性别比重也分别显示出来。并显示了使用Dlib提取的地标以及从Flickr下载的一些面部照片的检测情感。每个情感类别中的图像，创建特定情感的分布函数。
在使用等式计算每个城市的多尺度分布之后，执行傅里叶变换以从情感的分布函数提取平移和旋转不变特征。为了获得更清晰的描述，对提取的特征进行滤波，以消除噪声和不重要的频率。通过提取的特征对各个城市进行聚类分析，显示出完整的聚类结果，对于每种情感状态，城市都以层次结构图的形式聚集在一起。
图示出12个所选城市中四种情感的分布，并显示了人们在柏林分享相关照片的位置。幸福是一种积极的情感，人们在城市的不同区域体验到这种情感恰好与城市服务满意度有关，研究还据此衡量幸福分布。变异系数（Cv） 被计算为每个城市的幸福分布的标准偏差σ与平均μ的比率。与其他城市相比，柏林、墨尔本、雅典和奥塔瓦的幸福分布更加均匀，纽约的幸福感集中在城市的特定区域。
根据人们在城市不同位置的情感反应来比较不同的城市也很有趣。本研究中城市之间的相似性是根据个人的情感状态、根据照片背景计算的。在这种情况下，使用雷达图表示不同城市中不同情感的占比。可以看出在大多数情况下，幸福是城市中的主导情感。此外，城市之间的距离或许很长，但它们可能会有类似的情感分布。关注城市的情感融合以及其他重要因素有助于人们，尤其是游客和学生找到最适合他们生活或旅行的目的地，图示了从城市中提取特征并对相似城市进行聚类的算法总结。
虽然许多关于城市研究和社会科学的研究都是基于调查和问卷调查，但社交网络使管理员、规划者和研究人员能够访问大量数据。本文关注Flickr图像的情感内容，以便在城市地区和社会研究中做出决策。大多数先前的研究都集中在社交网络的文本内容上，相比之下，这项研究的重点是提取图像的情感内容。分析提供了每个城市的情感图，显示了不同情感的空间分布，使用获得的分布，可以研究城市中不同的情感状态，调查城市情感的分散，并比较不同的城市情感特征。在调查的十二个城市中，渥太华、赫尔辛基和布拉格是最幸福的城市；柏林、墨尔本、雅典和渥太华的幸福分布基于变异系数最为均匀；布鲁塞尔和北京在幸福情感分布和聚类结果的基础上具有最相似的结构；雅典、布拉格和赫尔辛基的情感结构是最相似的；布鲁塞尔、布宜诺斯艾利斯和雅典在愤怒情感中拥有最相似的结构；布鲁塞尔，布拉格、北京和雅典的厌恶情感占比很大；布鲁塞尔、布拉格、雅典和赫尔辛基在惊讶情感中拥有最相似的结构。
本文的结果显示了基于有限数据集分析城市情感状态所提供工具的可靠性，该数据集是通过抽样示范社交网络并为城市和社会研究提供新的背景来实现的。这种方法可以与其他数据收集和分析方法一起使用，以帮助城市规划者和研究人员进行规划和决策。此外，它适用于Twitter和Instagram 等其他社交网络。显然，随着人工智能和机器学习算法的发展，在这个领域可以实现更精确的结果。
本研究的主要贡献是对社交网络中共享图像的情感分析，作为判断城市不同区域情感状态的新视角。利用本文中获得的结果，可以识别城市不同区域的主导情感，并确定需要社会学家更多关注以应对不道德的领域；帮助城市规划者设计城市地区的娱乐设施，以提高城市的生活质量；找到具有相似情感模式的城市，这些城市可能对居民、游客、学生、各种产品广告商和社会研究人员均有裨益。
（供稿：贾姗姗）
识别二维码 订阅本刊2018年电子阅读版
URBAN PLANNING FORUM Since 1957
创新性、前瞻性、学术性
中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊（CSSCI）、中国期刊全文数据库（CJFD）全文收录期刊，中国学术期刊综合评价数据库（CAJCED）统计源期刊，中国科学引文数据来源期刊，RCCSE中国核心学术期刊
官方网站：http://www.upforum.org
投稿链接：http://cxgh.cbpt.cnki.net
Email: upforum@vip.126.com
电话：021-65983507
传真：021-65975019
微信号：upforum
原文始发于微信公众号（城市规划学刊）：【学术动态】基于社交网络数据的情感地图分析城市情感结构并衡量其情感相似性| 城乡社区发展与住房建设（杨辰）
