城市情绪时空分析

研究概述

项目背景与目标

随着社交媒体的普及，城市居民在微博等平台上留下海量带有地理标签的情绪表达。本研究以微博打卡留言为空间数据源，以百度指数关键词搜索量为时间数据源，对四个直辖市进行情绪时空分析。

研究将情绪分为乐、怒、哀、恶、惧五类，借助ArcGIS生成各区县情绪分布图，结合词频统计与词云可视化揭示各城市的情绪特征，并通过时间序列分析探索情绪波动的周期性规律。

研究发现：北部郊区整体情绪较积极，核心城区消极情绪偏高；工作压力、疫情影响与城市基础设施问题是情绪波动的主要驱动力。

核心问题：城市不同地区的情绪是否存在空间分布规律？情绪关键词的时间序列呈现怎样的周期性特征？

分析城市

情绪类别

128

百度指数关键词

数据维度

研究团队

叶薪悦陈萌柳心怡崔馨元李澍堉

指导老师：张天洁 · 崔博庶 · 张孝贤

机构：天津大学

研究设计

技术路线

空间维度 · 微博打卡

微博数据处理流程

1
数据爬取：抓取天津各区打卡坐标及留言文本
2
清洗去重：去除重复条目，对应打卡坐标
3
情绪判别：ChatGPT模型输出 joy / sadness / anger / love / fear 标签
4
空间聚合：按区县统计情绪比例，导入ArcGIS
5
文本聚类：文本分词 → 提取主题 → 词云可视化

时间维度 · 百度指数

时序分析流程

1
关键词库：构建128项情绪关键词，覆盖四城市
2
基础统计：最大值、均值、偏度、峰度、标准差等七项指标
3
平稳性检验：判断加法/乘法模型选择
4
STL分解：季节性 · 趋势 · 残差成分拆解
5
相关性检验：自相关图、正态分布检验，关联人民网投诉数据

代表性关键词选取：由于情绪词数量多、重复性高，最终选取三个代表性词汇进行深度分析—— 度假（单一情绪·乐）、安眠药（两种情绪·惧+哀 0.7/0.6）、创业（三种情绪·乐+惧+恶各0.6/0.6/0.4）

空间分析 · 北京

微博情绪空间分布

怒 Anger

惧 Fear

乐 Joy

爱 Love

哀 Sadness

怒·空间规律：anger占总情绪比例较高的地区主要分布于北京市城区中心，以朝阳区的比例最高。市中心的工作学习及旅游等人群交流活动的发生机会更多且聚集。

惧·空间规律：fear占总情绪比例较高的地区主要是顺义区与东城区，丰台区。而比例较低的地区集中在北京西北部。

乐·空间规律：joy主要集中分布于北部的延庆区、怀柔区、密云区、平谷区的聚集区，而偏南部的丰台区及大兴等区joy占总情绪比例较低。

整体特征：延庆区与怀柔等北部地区的整体情绪较为开心，消极情绪较少；而作为市区核心的朝阳、东城、西城等区的消极情绪明显高于北部地区。

北京各区县情绪饼图 — **北京各区县情绪比例饼图：**各区县情绪构成一览，可直观对比核心城区与郊区的情绪差异——北部延庆、怀柔等郊区积极情绪占比明显高于南部城区。

文本分析 · 北京

微博关键词与词云

北京微博文本聚类关键词词云 — **北京综合词云：**生活品质、北京、环球影城等词汇高频出现，整体情绪分类较为丰富，且较能代表北京的城市特色。

六大主题分类

旅游景点·历史景点

胡同、展览、天安门、圆明园、故宫、雍和宫

旅游景点·环球影城

霍格沃兹、童话、花车、魔法、麻瓜

美食·特色

豆汁、烤鸭、牛肉烧饼、炸酱面

日常生活·分享

落日、健身、幸福、咖啡机、运动

交通·地铁站

旅客、候车、拥堵、安检、延误

北京暴雨·预警

降雨、台风、列车影响、停运、等待

北京旅游景点词云 — **旅游景点主题：**左—环球影城（童话魔法）；右—历史景点（胡同、天安门、圆明园）

北京美食与日常词云 — **美食与日常生活主题：**左—特色美食（烤鸭、炸酱面、豆汁）；右—日常分享（落日、健身、咖啡机）

北京交通与天气词云 — **交通与暴雨事件：**左—地铁交通（机场、南站、延误）；右—北京暴雨（强降水、刹车、等待）

时间分析 · 北京

百度情绪时间序列

"乐"是北京情绪表达的长期主题，情绪变化主要来自工作生活，消极情绪占比相对较小。

安眠药（两种情绪·惧+哀）作为代表词，情绪表达较为复杂丰富，其在百度指数中的需求量更容易被使用，说明该词对于情绪的代表性更强。

人民网投诉高峰出现在2022年8—9月，主要问题为路口交通、噪音扰民、培训退款；工资拖欠问题在2023年明显增加；房屋产权纠纷在2022年5月—2023年3月为主要峰值。

北京时间序列分析图 — **代表性关键词时序：**单一情绪·度假 / 两种情绪·安眠药 / 三种情绪·创业，展示不同情绪复杂度的搜索量时间变化

北京人民网投诉时间序列 — **人民网城市病时间序列（北京）：**各类城市投诉问题的月度趋势——路口交通、噪音扰民、培训退款在2022年8-9月达到峰值，工资拖欠在2023年显著增加。

空间分析 · 天津

微博情绪空间分布

怒 Anger

惧 Fear

乐 Joy

爱 Love

哀 Sadness

怒·空间规律：anger占总情绪比例较高的地区主要分布于天津的边缘地区，而市北部的情绪相对较好。武清区、静海区、河东区占比最高。

惧·空间规律：整体上只有东丽区的fear情绪比例较高，而总比例较低的地区集中在天津北部。

乐·空间规律：joy的高比例区主要集中中西部的武清、北辰及西青等区的聚集区域，而东南部的滨海新区及静海、东疆等区joy占总情绪比例较低。

哀·空间规律：sadness的高比例地区集中分布于滨海新区、宁河区及宝坻区三区，整体而言天津的sadness与其他城市相比占比较大。

天津各区县情绪饼图 — **天津各区县情绪比例饼图：**天津整体还是以joy等积极情绪为主，消极情绪较少。但是静海区、滨海新区及宝坻区三区中的joy情绪占比明显低于其他区域，sadness情绪比例也高于其他地区。

文本分析 · 天津

微博关键词与词云

天津微博词云 — **天津综合词云：**海河、天津、吃、周末等词高频出现，整体情绪分类较为丰富，且较能代表天津悠闲的生活特色。最终筛选六个主题：旅游景点、天津高校、美食、日常生活、交通状况及演唱会。

六大主题分类

旅游景点·历史景点

天津之眼、海洋博物馆、海河、望海楼

天津高校·学习

图书馆、天津大学、南开大学、青春

美食·特色

煎饼果子、嘎巴菜、面茶、熟梨糕、牛肉烧饼

交通·机场站

滨海机场、交警、延误、停车、航班延误

天津高校与交通词云 — **高校与交通主题：**左—天津高校（考研、毕业、图书馆、南开大学）；右—交通（机场、高速运营、航班延误）

天津旅游与美食词云 — **旅游与美食主题：**左—历史景点（天津之眼、海洋博物馆、海河、望海楼）；右—特色美食（煎饼果子、嘎巴菜、牛肉烧饼、熟梨糕）

情绪词典

代表性关键词深度解析

从128个关键词中，依据情绪复杂度选取三个代表性词汇进行完整时序分析，分别代表单一情绪、两种情绪、三种情绪三类。

度假

乐 1.0

代表单一情绪关键词。度假在百度指数中呈现强烈的季节性规律，节假日前后搜索量显著飙升，STL趋势成分总体平稳。情绪表达直接明确，代表正向生活需求。

安眠药

惧 0.7 哀 0.6

代表两种情绪关键词。时序分析显示出较高的波动性，其情绪表达复杂丰富，在百度指数中的检索频率较高，说明该词对于情绪传递具有更强代表性，常在心理健康事件期后出现峰值。

创业

乐 0.6 惧 0.6 恶 0.4

代表三种情绪关键词。创业词汇折射出对未来的期许（乐）与风险担忧（惧），以及对现状的不满（恶）。时序上与经济形势高度相关，疫情期间搜索量明显变化。

研究结论

主要发现与城市情绪画像

"城里的人想出去，城外的人想进来。" ——北京情绪综合画像的核心命题：核心城区消极情绪偏高，而北部郊区整体情绪较为积极开朗。

空间规律（微博维度）

北部郊区（延庆、怀柔、密云等）整体情绪积极，消极情绪占比低
核心城区（朝阳、东城、西城）消极情绪明显高于郊区
城市边缘区如丰台区积极情绪比其他区整体较低
天津静海、滨海新区的sadness占比显著高于其他区
四城市均以积极情绪（乐+爱）为主导，消极情绪较少

时间规律（百度维度）

情绪关键词搜索量呈现明显季节性周期，节假日前后波动显著
"乐"是四城市情绪表达的长期主导主题
疫情期间（2020—2022）多类关键词出现异常峰值
工作类词汇（996、加班、工资）与经济形势高度相关
情绪复杂度越高的关键词，其时间序列波动性越强

城市主导关注点

北京：环球影城、历史景点、北京暴雨事件
天津：海河旅游、高校文化、特色美食
上海：迪士尼、演唱会、国际活动
重庆：山城景色、火锅美食、生活享乐
各城市均表现出旅游、美食、交通三大核心话题

城市病关联分析

人民网投诉数据与情绪关键词具有时序相关性
路口交通、噪音扰民在夏季（8—9月）投诉量最高
培训退款、工资拖欠与经济波动周期吻合
房屋产权纠纷在2022年5月至2023年3月为主要峰值
城市设施完善程度与情绪空间分布存在正相关

项目背景与目标

研究团队

五维情绪框架

技术路线

微博数据处理流程

时序分析流程

四城市选取

北京

微博情绪空间分布

微博关键词与词云

六大主题分类

百度情绪时间序列

天津

微博情绪空间分布

微博关键词与词云

六大主题分类

代表性关键词深度解析

主要发现与城市情绪画像

空间规律（微博维度）

时间规律（百度维度）

城市主导关注点

城市病关联分析