Spatial and Temporal Variation Characteristics of Tourists' Emotions Based on Big Data of Microblog——A Case Study of Xixi National Wetland Park in Hangzhou

Meng-jing FANG; Yu-dan ZHENG; Zhao-xuan XIA; Hai YAN; Feng SHAO

doi:10.13718/j.cnki.xdzk.2020.03.021

2020 Volume 42 Issue 3

Article Contents

Previous Article Next Article

Meng-jing FANG, Yu-dan ZHENG, Zhao-xuan XIA, et al. Spatial and Temporal Variation Characteristics of Tourists' Emotions Based on Big Data of Microblog——A Case Study of Xixi National Wetland Park in Hangzhou[J]. Journal of Southwest University Natural Science Edition, 2020, 42(3): 156-164. doi: 10.13718/j.cnki.xdzk.2020.03.021

Citation:

Meng-jing FANG, Yu-dan ZHENG, Zhao-xuan XIA, et al. Spatial and Temporal Variation Characteristics of Tourists' Emotions Based on Big Data of Microblog——A Case Study of Xixi National Wetland Park in Hangzhou[J]. Journal of Southwest University Natural Science Edition, 2020, 42(3): 156-164. doi: 10.13718/j.cnki.xdzk.2020.03.021

Spatial and Temporal Variation Characteristics of Tourists' Emotions Based on Big Data of Microblog——A Case Study of Xixi National Wetland Park in Hangzhou

1.
School of Landscape Architecture, Zhejiang Agriculture and Forestry University, Hangzhou 311300, China
2.
School of Landscape Architecture, Beijing Forestry University, Beijing 100083, China

More Information

Corresponding author: Feng SHAO
Received Date: 01/08/2019
Available Online: 20/03/2020
MSC: TU986

Abstract

As the types and quantities of big data are becoming increasingly abundant, they can reflect people's behaviors and identify their emotions through processing and analysis. In order to provide theoretical support to the planning and design of parks, this study, with Xixi National Wetland Park in Hangzhou as the research object and using the Application Programming Interface to get visitors' microblogs about the park in 2018, explored the spatial and temporal variations of visitors' emotions through filtering, emotional value calculation, word frequency analysis, ArcGIS and statistical methods. The results showed that temporally, tourists' positive emotions appeared in March, November, and on Tomb-sweeping Day, Dragon Boat Festival and National Day, while rain, snow, high temperature and other extreme weather would reduce emotional values. Spatially, the areas dominated by positive emotions were around the entrance of the park, the places where activities are held, scenic spots with distinctive historical and cultural features, characteristic buildings and waterfront areas. Therefore, in the planning and design of a park, attention should be focused on the development of folk culture, the design of characteristic buildings, the planning of hydrophilic spaces, and the arrangement of plants that can repel mosquitoes and offer shade. In terms of management, more activities should be held during holidays and under good weather conditions to enhance the emotional experience of tourists.
- Xixi National Wetland Park,
- tourists' emotion,
- emotional space,
- social media data,
- microblog

References

[1]	曾雷.大数据研究综述[J].软件导刊, 2015, 14(8):1-2. Google Scholar
[2]	甄峰, 秦萧, 席广亮.信息时代的地理学与人文地理学创新[J].地理科学, 2015, 35(1):11-18. Google Scholar
[3]	柴彦威, 龙瀛, 申悦.大数据在中国智慧城市规划中的应用探索[J].国际城市规划, 2014, 29(6):9-11. Google Scholar
[4]	吴良镛.人居环境科学导论[M].北京: 中国建筑工业出版社, 2001: 70-75. Google Scholar
[5]	闫蒲.互联网社交大数据下行为研究的机遇与挑战[J].中国统计, 2016(3):15-17. Google Scholar
[6]	杨超, 朱荣荣, 涂然.基于智能手机调查数据的居民出行活动特征分析[J].交通信息与安全, 2015, 33(6):25-32. Google Scholar
[7]	叶宇, 魏宗财, 王海军.大数据时代的城市规划响应[J].规划师, 2014, 30(8):5-11. Google Scholar
[8]	周超, 周亚男, 李振世, 等.基于大数据的南京市共享单车时空特征研究[J].西南师范大学学报(自然科学版), 2018, 43(10):66-73. Google Scholar
[9]	王开泳, 邓羽.基于微博数据的中原城市群空间联系强度测度[J].中国科学院大学学报, 2016, 33(6):775-782. Google Scholar
[10]	党安荣, 张丹明, 李娟, 等.基于时空大数据的城乡景观规划设计研究综述[J].中国园林, 2018, 34(3):5-11. Google Scholar
[11]	王燕, 张建国, 张明如, 等.洛阳隋唐遗址植物园主题形象投射与感知对比分析[J].西南师范大学学报(自然科学版), 2019, 44(7):101-109. Google Scholar
[12]	邵隽, 常雪松, 赵雅敏.基于游记大数据的华山景区游客行为模式研究[J].中国园林, 2018, 34(3):18-24. Google Scholar
[13]	李方正, 李婉仪, 李雄.基于公交刷卡大数据分析的城市绿道规划研究——以北京市为例[J].城市发展研究, 2015, 22(8):27-32. Google Scholar
[14]	李方正, 郭轩佑, 陆叶, 等.环境公平视角下的社区绿道规划方法——基于POI大数据的实证研究[J].中国园林, 2017, 33(9):72-77. Google Scholar
[15]	李方正, 董莎莎, 李雄, 等.北京市中心城绿地使用空间分布研究——基于大数据的实证分析[J].中国园林, 2016, 32(9):122-128. Google Scholar
[16]	王鑫, 李雄.基于多源大数据的北京大型郊野公园的影响可视化研究[J].风景园林, 2016(2):44-49. Google Scholar
[17]	王鑫, 李雄.基于网络大数据的北京森林公园社会服务价值评价研究[J].中国园林, 2017, 33(10):14-18. Google Scholar
[18]	方家, 王德, 谢栋灿, 等.上海顾村公园樱花节大客流特征及预警研究——基于手机信令数据的探索[J].城市规划, 2016, 40(6):43-51. Google Scholar
[19]	方家, 王德, 张月朋.基于手机信令数据的上海大型公园分类研究[J].中国园林, 2019, 35(3):56-60. Google Scholar
[20]	LIU L, BIDERMAN A, RATTI C. Urban Mobility Landscape: Real Time Monitoring of Urban Mobility Patterns[C]//Proceeding of the 11^th International Conference on Computers in Urban Planning and Urban Management. Hong Kong: The University of Hong Kong, 2009: 1-16. Google Scholar
[21]	TOLIA-KELLY D P. Affect-An Ethnocentric Encounter? Exploring the 'universalist' Imperative of Emotional/affectual Geographies[J]. Area, 2006, 38(2):213-217. Google Scholar
[22]	SAUTER D, HOGERTZ C, TIGHT M, et al. COST 358-PQN Final Report[M]. Cheltenham: WALK21, 2010: 31-52. Google Scholar
[23]	高慧君, 李君轶.基于微博大数据的游客情感与气候舒适度关系研究——以西安市国内游客为例[J].陕西师范大学学报(自然科学版), 2017, 45(1):110-117. Google Scholar
[24]	于静.基于微博大数据的游客情感及时空变化研究[D].西安: 陕西师范大学, 2015. Google Scholar
[25]	谢耘耕, 徐颖.微博的历史、现状与发展趋势[J].现代传播(中国传媒大学学报), 2011, 33(4):75-80. Google Scholar
[26]	中国互联网络信息中心.第43次中国互联网络发展状况统计报告[R].北京: 中国互联网络信息中心, 2019. Google Scholar
[27]	周胜臣, 瞿文婷, 石英子, 等.中文微博情感分析研究综述[J].计算机应用与软件, 2013, 30(3):161-164, 181. Google Scholar
[28]	张勤.词频分析法在学科发展动态研究中的应用综述[J].图书情报知识, 2011(2):95-98, 128. Google Scholar

Access History

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

Figures(7) / Tables(3)

Export Citation

PDF

XML

Article Metrics

Article views(2599) PDF downloads(265) Cited by(0)

Access History

Other Articles By Authors

on this site
on Google Scholar

HTML

随着以博客、物联网和移动互联网等为代表的新型社交网络的快速发展，以及新型移动设备的普及，数据和信息呈爆炸式增长^[1].大数据已经发展为重要的研究和应用领域，并成为许多学科的研究热点^[2-3].人居环境科学作为强调人与环境之间相互关系的科学，将人的行为特征作为重要的研究要素应用于城市规划、建筑设计和景观设计等专业领域^[4].随着大数据资源的急剧增加和技术的日益成熟，移动通信数据、point of interest (POI)数据、社交媒体数据和智能刷卡数据等不断出现^[5]，这为人居环境研究带来了重大变革和机遇.大数据弥补了人类行为特征反馈，如问卷调查、访谈等途径的滞后性和样本小的不足^[6]，直接通过人的即时行为(如POI签到、刷卡等)判断人的行为和空间使用方式.海量个体数据的简易搜集与挖掘过程，使得城市研究能够针对不同对象做出更准确的信息回馈^[7]，如根据共享单车大数据掌握居民早晚出行高峰和区域内流动的规律^[8]、利用用户微博的推送数据测定中原城市群空间联系强度等^[9].近年来，大数据在风景园林规划与设计领域的应用研究呈现上升趋势，且类型多样^[10].在景区主题形象感知^[11]、游客行为模式^[12]、绿道规划^[13-14]、绿地使用评价^[15-17]、公园管理^[18-19]和流动性景观系统开发^[20]等方面都有了大量研究成果.随着社交网站信息量的极大丰富，结合网络数据开展情感分析研究逐步兴起. Tolia-Kelly D P^[21]认为情绪归属于即时、含蓄和虚拟的日常生活环境，气候、光照、色彩和空间等环境要素都会对情绪产生深刻的影响.情感分析结果可以直接呈现游客对所处空间的情感状态，情感状态也反映了人所处环境、周围人的态度以及自身经历的变化. Sauter D等^[22]对社交网站的签到等文本数据进行挖掘，分析居民在不同场所的情绪和感受，进而识别城市的积极空间和消极空间；高慧君等^[23]利用气象数据和微博数据计算出气候舒适度指标和游客情感值，分析气候舒适度与游客情感之间的相关关系；于静^[24]利用微博数据研究和总结了游客在西安旅游的情感时空变化规律.本研究以杭州西溪国家湿地公园为例，利用微博网站提供的应用程序编程接口(application programming interface，API)，获取2018年游客在该公园中所发表的微博数据，运用情感分析方法研究游客情感的时空变化特征，为今后公园规划设计提供理论依据和实证研究基础.

1. 研究地概况

杭州位于浙江省北部、杭州湾西端，属亚热带季风气候，四季分明、雨量充沛.全年平均气温为17.8 ℃，平均相对湿度为70.3%，年降水量为1 454 mm，年日照时数为1 765 h.杭州是长三角地区重要的中心城市，也是文化和旅游部确定的中国最佳旅游目的地城市之一，自古就有“人间天堂”的美誉.截至2018年底，杭州共有5A级景区3个，西溪国家湿地公园为其中之一.

西溪国家湿地公园(30°16′18″N，120°3′42″E)是全国首个国家级湿地公园，位于杭州市城区西部.区位条件优越，交通便捷.北邻浙江大学紫金港校区，南接杭州绕城高速留下枢纽，距离杭州主城区武林门约6 km，距西湖5 km，总面积约11.5 km²，共有8个出入口.园区70%的面积为河港、池塘、湖漾和沼泽等水域. 6条河流纵横交汇，其间分布着众多的港汊和鱼鳞状鱼塘.园内不仅有质朴的自然景观和丰富的生态资源，还有寺庙庵祠、桥亭台阁、宗教遗迹和历史文人别业等众多建筑遗址，而且民俗活动长盛不衰.空间布局总体分为东部湿地生态保育区、中部湿地生态旅游休闲区和西部湿地生态景观封育区.目前开放区域约3.5 km²，环园游步道长8 km，步行一圈需3.5 h以上.园内有摇橹船、电瓶船、陆地步行和电瓶车4种游赏方式，建有齐全的商业集市、精品酒店和餐厅等旅游配套服务设施.

2. 研究方法

2.1. 数据采集

从平台数据的丰富性、开放性及与移动终端结合的紧密性考虑，本研究选取新浪微博作为数据获取平台.微博不仅在中国社交网络中占据领先地位，更成为中国最具影响力的社交媒体之一^[25].截至2018年上半年，全国微博用户规模为3.37亿人，手机微博用户达3.16亿人^[26].微博可以通过地理位置的自动标注及用户上传的文本和图片，将游客的移动位置和情绪表达记录下来，经过长时间的积累便会形成大规模的数据量，这些数据很少受到外界干扰，其真实性较高.

借助新浪微博提供的位置服务动态API获取西溪国家湿地公园范围内2018年1月1日-12月31日的微博用户签到数据.所获取的每条数据均包括用户ID、性别、签到点经纬度、发布时间、注册地和微博文本等8类信息，数据结构见表 1.

利用ArcGIS叠置工具进一步明确位于西溪国家湿地公园边界内的数据，同时删除这些数据中重复、空白、代购和房屋出租等无意义内容和无关网页链接，最终获得7 109条有效微博签到数据.

2.2. 情感值计算

微博的文本类型分为纯文本和文本、表情混合2种.纯文本的微博情感值为文本经算法计算得出的值，因自然语言处理不是本研究的重点，故采用BosonNLP情感引擎进行文本的情感值分析.它基于上百万条社交网络平衡语料和数十万条新闻平衡语料的机器学习模型(相比传统的词典模型更为高效)^[27].结合自主开发的半监督学习技术，经过行业数据(包括微博)标注学习后，正负面情感分析准确率可达85%~90%.安装好Software Development Kit (SDK)后运用Python语言简单编程输入文本即可计算文本的情感值，所得结果为0~1的实数，数值越大，情绪积极程度越高.为了便于研究，将数值换算成0~5来表示文本情感从消极到积极的程度；文本、表情混合的微博采用文本情感值和表情情感值的算术平均值.表情情感值计算采用赋值法，计算过程是将表情符号所代表的文字按照“非常积极”至“非常消极”从高到低分为5类，分别对应情感值4.5，3.5，2.5，1.5，0.5(表 2).如有多个表情符号，则以情感值最高的为准.

2.3. GIS空间分析与统计

2.3.1. 总体分布统计

为排除公园内签到数差异对结果产生的影响，更加直观呈现游客情感值的空间分布情况，在ArcGIS中建立边长为50 m×50 m的方格网，每个方格区域的游客情感值为该方格内的签到微博的情感值的算术平均值，其计算公式为：

式中：P_i为第i个覆盖公园的网格的游客情感值，m_x为第x个落在该网格范围内的微博情感值，n为落在该网格范围内的微博总数.采用自然断点聚类方法将这些网格的游客情感值划分为10类，以颜色深浅区分每个方格网内情感均值的高低.

2.3.2. 核密度计算

不同情感类型的微博在空间上聚集度的可视化可以帮助识别公园内的积极情感空间和消极情感空间.根据情感值对所有微博进行分类，0~2为消极情感微博，2~3为中性情感微博，3~5为积极情感微博，将分类的数据分别运用ArcGIS中的空间分析计算点要素的聚集区域，计算公式为：

其中：设置查找半径r为30 m，k_scale为栅格中心点到查找半径内其他点的距离与r的比例，通过颜色的深浅反映聚集程度的高低.

2.4. 词频分析

词频分析是一种用于文本挖掘的常用加权技术，用以评估一个词对于一个文件或者一个语料库中的一个领域文件集的重复程度^[28].将分类好的微博语料通过词频软件分词计算可以获得该段语料中的高频词汇，也可以对名词、动词、数词和形容词出现的次数进行统计，从而得到此类别中游客共性的行为、感想和关注的对象.

4. 结语

杭州西溪国家湿地公园内游客所发的微博经过量化情感分析，科学地表明了优越的自然环境、丰富的娱乐活动和特色的历史文化对游客情绪可以产生积极影响，但高温等天气条件及蚊虫等外在因素也会影响游客的积极情绪.

根据研究结果，提出一些建议：在公园规划设计上，一是要重视展现地域文化特征.应充分挖掘本地特色民俗和历史典故，设计建造带有地方元素的新式建筑.二是要合理利用近水空间.游客在亲水空间的满足感更为强烈，因而在安全措施建设完善的前提下，可利用原有水域布置更多的亲水空间.三是要关注公共健康.湿地公园的水湿生植物多、水域范围广、相对湿度大，造成蚊虫对游客侵扰，应营建利于蚊患防控的植物景观.在公园运营和管理方面，选择3月、11月等气温适宜的时期或节假日举办丰富多彩的旅游体验活动和项目. 3月正处于花期，11月气温凉爽，此时举办“花朝节”和“赛龙舟”等内容丰富、群众喜闻乐见的民俗活动，可以吸引更多游客，烘托节日气氛.

本研究尚有一些不足之处.由于微博等社交媒体的主流使用者限制，所以结果更偏向于青年移动社交网民，没有针对不同年龄层次游客进行研究，未开展以24 h为单位的游客情感变化研究.本文是对城市公园游客情感的探索性研究，未来可以开展更多的相关研究，如对游客上传的公园图片数据内容进行分析、对基于社交媒体数据与传统统计数据的交叉验证等.

Figure (7) Table (3) Reference (28)

Name
	Name cannot be empty!
E-mail
	Mailbox cannot be empty! Mailbox cannot be empty!
Telephone
	Mobile number cannot be empty! Please enter a valid mobile number!
Title

Content
Verification Code

Message Board

Spatial and Temporal Variation Characteristics of Tourists' Emotions Based on Big Data of Microblog——A Case Study of Xixi National Wetland Park in Hangzhou