EN中文

Landscape Architecture >

2024 , Vol. 31 >Issue 3: 106 - 114

DOI: https://doi.org/10.3724/j.fjyl.202306300295

Research

Review of Public Sentiment Experience Research for Urban Built Environment

  • TAN Lingqian ,
  • HAO Peiyao , *
Expand
  • School of Landscape Architecture, Beijing Forestry University

TAN Lingqian is a master student in the School of Landscape Architecture, Beijing Forestry University. Her research focuses on landscape planning and design, and sentimental experience

HAO Peiyao, Ph.D, is an associate professor and master supervisor in the School of Landscape Architecture, Beijing Forestry University, and a young editorial board member of this journal. Her research focuses on landscape ecology, and plantscape planning and design

Received date: 2023-06-30

  Online published: 2025-12-15

Copyright

Copyright © 2024 Landscape Architecture. All rights reserved.
Fold

Abstract

[Objective] The objective of current urban construction in China is to enhance and optimize the quality of the built environment in order to improve the people’s sense of well-being and sense of gain, which has become a top priority for urban development. As the public is the principal constituent of the built environment, it is of utmost importance to have a clear comprehension of the public’s sentimental demand for the built environment in order to achieve high-quality urban development and promote the public’s sense of well-being. This research aims to, by gaining a deep understanding of the public’s sentimental needs, steers urban planning and construction towards creating a more habitable environment that better satisfies the people’s expectations.
[Methods] The development of emotion research is first examined, including changes in emotion research theories and research methods. By virtue of the CiteSpace bibliometric analysis software, this research illustrates and scrutinizes the contemporary research development and salient aspects of public sentiment experience and built environment. By examining an extensive corpus of literature, the research extracts and elucidates the attributes of sentiment research from the three dimensions of data, content and method. To grasp the shifting dynamics of public sentiments more effectively, the research proposes a series of processes applicable to urban sentiment surveillance and discernment, thereby capturing the public’s sentiments in a more inclusive and systematic manner.
[Results] Sentiment classification theories can be broadly categorized into two main groups: basic emotion theory and emotion dimension theory. The theory of emotion, stemming from the accumulation of emotions, has evolved through the integration of landscape aesthetics, environmental psychology, and other significant theories in landscape gardening. Furthermore, in the context of multidisciplinary integration, the reciprocal exchange of research methods and theories across different disciplines has contributed to a more comprehensive perspective in the field of emotion research. With the advent of the 21st century, urbanization has ushered in both convenience and environmental degradation. It is crucial to recognize the dual impact of urbanization – the positive aspects of convenience and the negative consequences of environmental degradation. As cities evolve, the emphasis on creating sustainable and ecologically conscious urban spaces has become paramount. The shift towards garden cities and eco-friendly urban development reflects a collective recognition of the importance of preserving the environment amid rapid urban expansion. Despite these positive strides, there remains a notable gap in the design approach adopted for urban built environments. The prevailing focus on form and functionality, while essential, tends to sideline the emotional and psychological well-being of the urban residents. Furthermore, the spiritual connotations that an environment should embody are often neglected in the urban design discourse. The profound impact of surroundings on the human spirit and well-being is a crucial aspect that needs to be integrated into the design philosophy. Spaces should evoke a sense of belonging, cultural identity, and emotional resonance, thus contributing to a holistic urban experience. In light of these considerations, the call for emotional design becomes increasingly urgent. The research finds that the sources of data for sentiment research are primarily text-based, with relatively few direct analyses of image, speech or other forms of data. Furthermore, the research indicates that the current research mainly focuses on factors influencing positive sentiments, while paying less attention to negative sentiments. In terms of methodology, emotion recognition is a multimodal process, but there are significant variations in the quality and quantity of information available from different sources.
[Conclusion] The current research data on public sentiment research in urban built environment is characterized by a multitude of sources and types, however, the predominant data form is text data, and the direct analysis of such data forms as image and speech is relatively lacking. In the future, convolutional neural network (CNN) models can be employed to process information found on social media platforms, such as comments and photos, and delve into the hidden meanings of pictures, such as irony, humor, metaphor and exaggeration. Sentiment classification can be enhanced through machine learning, and the attention mechanism can be introduced to extract useful information in sentiment analysis, thus adding credibility to subsequent built environment evaluations. The classification of the influences of the research on built environment sentiment on various population groups and spatial elements in cities is yet to be improved and comprehensively organized. To achieve sustainable development and enhance people’s sense of well-being, it is important for researchers to focus on the relationship between positive sentiments and the built environment at multiple scales, and understand the sentiment influencing mechanisms and paths of various spatial structures, landscape elements, and design elements in future city planning. The application of the research on built environment sentiment is mainly limited by the content and type of research, with varying quality and quantity of information across different scales. It is suggested to utilize the synergy between multiple data forms, such as incorporating digital technology-assisted measurement methods to strengthen the practical application of virtual reality technology. This will provide richer methodological and technological support for the research on built environment evaluation, improving the reliability, validity, and generalizability of research findings. These recommendations will be beneficial for expanding the direction of landscape architecture research and promoting design innovation.

Key words： landscape architecture; built environment; sentiment experience; multimodal data; sentiment recognition

Cite this article

TAN Lingqian , HAO Peiyao . Review of Public Sentiment Experience Research for Urban Built Environment[J]. Landscape Architecture, 2024 , 31(3) : 106 -114 . DOI: 10.3724/j.fjyl.202306300295

2017年，《住房城乡建设部关于加强生态修复城市修补工作的指导意见》提出开展生态修复、城市修补是治理“城市病”、改善人居环境的重要行动，并进一步提出修复城市生态、改善生态功能、修补城市功能、提升环境品质的任务目标[1]。《“十四五”新型城镇化实施方案》强调坚持人民城市人民建、人民城市为人民，顺应城市发展新趋势，加快转变城市发展方式[2]。《北京市“十四五”时期智慧城市发展行动纲要》强调要建设城市数据共享和开放平台，利用信息技术和数据资源推动未来智慧城市建设行动高质量发展及居民幸福感的提升[3]。在“城市高质量发展”和“以人民为中心”的政策背景下，关注城市建成环境中的公众需求十分重要。因此，有必要使用多源数据量化居民幸福感，促进城市建成环境高质量发展与人们幸福感提升的双向反馈。
幸福感的观测复杂且多维，可通过主观幸福感（subjective well-being, SWB）衡量人们的幸福水平和生活质量[4]。心理学家埃德·迪纳尔（Ed Diener）[5-6]和丹尼尔·卡尼曼（Daniel Kahneman）[7]分别将SWB定义为“生活满意度”和“情感体验”。其中生活满意度研究集中在心理学和社会学领域，主要利用访谈、问卷等方法研究社区、邻里范围的可达性及群体日常需求[8]。情感体验研究主要集中在神经科学、社会学和计算机科学等领域，如利用脑成像技术和生物学指标来探索情感的神经基础[9]，以及采用语义差异法、地图法等进行文化记忆的分析[10]，采用自然语言处理文本进行情感分析[11]等。相对于对生活满意度的研究，情感体验研究范围更广且可以克服时空和地域差异，更具有实践参考价值。
大数据研究热潮为公众情感研究创新提供新机遇。随着多学科领域的相互交融，研究数据和技术呈现出多元化的发展趋势[12-13]。然而当前的公众情感体验研究存在一定局限，鲜有研究能够准确地评价城市建成环境品质、科学地测量和监测情感、完善地归纳多尺度情感识别框架[14]。因此，本研究从公众情感视角出发，以“城市建成环境”和“情感体验”为主题，借助CiteSpace文献计量学分析软件对相关研究成果展开可视化分析，系统归纳城市建成环境情感评价研究的数据、内容和方法，并提出城市情感动态监测的概念模型，为改善城市居住环境及促进城市高质量健康发展提供参考。

1 情感研究概况

1.1 情感的定义

情感是人有别于动物，从固有的生理模式进化而来的适应性反应，也是一种主观的、复杂的心理状态[15-16]。在日常生活中，情绪、情感通常不做区分[17]，但在心理学中，两者有显著差异。情感是稳定、持久、深切的，作为背景通过不断积淀并刺激了情绪的发生，表现为外显的行为模式，而情绪是易变、短暂、被激发的，情绪积累不断加深情感的厚度，增加了内在体验[18]。因此每种情绪都包含了生物学基础、外显行为模式和内在体验状态3种成分[19-20]。目前主要通过测量情绪积累结果来衡量情感。同时评价情感需要考虑个体对情绪的多种反馈机制[21-22]（图1）。
图1 情感与情绪的关系

Fig. 1 Relationship between sentiment and emotion

1.2 相关理论基础

19世纪后期，美国心理学家威廉·詹姆斯（William James）最早提出系统的情绪心理学理论[23]，之后，人们对情绪的生理基础[24]、神经基础[25]进行深入研究，相关理论变得更加丰富。但总体上，情绪分类的理论可以概括为基本情绪理论和情绪维度理论两类。基本情绪理论最早由詹姆斯提出[23]，之后保罗·艾克曼（Paul Ekma）确定了6种基本情绪[26]，其他学者又进一步扩大基本情绪类型数量[27-28]。情绪维度理论最早由威廉·冯特（Wilhelm Wundt）[29]提出，随后Plutchik情绪模型[30]、三维情绪模型[31]等在国际上被广泛使用。之后情绪理论逐渐在风景园林领域衍生出景观美学、环境心理学等重要理论。此外，在多学科交融背景下，不同学科的研究方法和理论的相互交流也为情感研究提供了更全面的视角[32]。如在情感识别和预测的研究中，已有研究对深度学习模型进行了融合文本语境和上下文语境[33]、基于视觉语义嵌入[34]的新尝试，从技术更新角度推进了情感分析研究。

1.3 建成环境情感研究进展

自21世纪以来，城市化带来便利的同时也伴随着环境恶化的诸多问题，推动园林城市和生态城市建设已成为城市发展的主导方向。然而城市建成环境的设计多着眼于形式和功能性，却忽视了公众在城市中的心理需求以及环境所应具备的精神内涵。因此，情感化设计迫在眉睫。为进一步梳理国际上建成环境中情感体验的研究进展，本研究利用CiteSpace 6.2R4知识图谱可视化软件进行量化分析。使用Web of Science（WoS）核心合集作为相关文献研究检索平台。在2023年12月31日，以“TS=sentiment”AND“TS=built environment”为关键词进行检索，限制论文类型为综述或研究文章（review article/article），语言为英文。最终从WoS核心合集中筛选出1294篇论文。

1.3.1 发表时间与国家分布

从发表时间来看，情感与建成环境研究相关文献的发文量自2013年以来呈显著增长趋势，并在2022年达到巅峰。从文章来源来看，美国期刊的发文量（301篇）最多，其次是中国期刊（194篇）、英国期刊（156篇）。

1.3.2 研究热点

关键词聚类的结果表明，“建成环境”（built environment）、“情感识别”（sentiment recognition）、“积极情绪”（positive emotions） 是建成环境与情感研究的热点（表1）。对聚类的结果进行总结，发现目前建成环境与情感研究主要集中在3个方面。
表1 建成环境中情感研究的高频关键词聚类信息

Tab. 1 Clustering information of high-frequency keywords involved in the research on built environment

建成环境（built environment） 情感识别（ sentiment recognition） 积极情绪（positive emotions）
关键词 频次 中心性 关键词 频次 中心性 关键词 频次 中心性
满意 42 0.07 模型 79 0.07 情感 122 0.08
健康 76 0.06 情感计算 7 0.06 影响 90 0.07
建成环境 65 0.04 感知 34 0.05 积极情绪 62 0.07
体力活动 28 0.03 脑 28 0.04 经验 46 0.05
利益 11 0.02 设计 28 0.03 环境 47 0.04
地理 26 0.02 质量 25 0.02 工作 22 0.02
社交媒体 14 0.02 虚拟现实 37 0.02 行为意向 3 0.01
加宽 12 0.01 情感识别 32 0.01 内在动机 2 0.01
身份 19 0.01 反应 29 0.01 自我决定论 3 0
生活质量 12 0.01 热舒适 14 0 工作满意度 2 0
1）情感研究的数据来源广泛。从关键词可以看出情感数据来源包括生理健康、社交媒体、生活质量等多个方面。其中多种数据结合进行反馈的模式对于更全面、更深入地理解情感具有重要意义。如通过运动传感器捕捉个体的运动模式、姿势或生理反应，并结合虚拟现实环境中的情境、体验或刺激来推断个体的情感状态，使得情感识别更具动态性[35]。这些具有不同结构和特性的数据构成了建成环境情感研究多维度、大规模的数据库。
2）情感研究更关注积极情绪的影响因素。从关键词可以看出围绕“满意”情况展开的建成环境评价逐渐增多。早期情感研究集中在景观美学和城市美学等领域，主要研究本土建筑对人们的情感作用。随着气候变暖趋势的加快以及提升人民幸福感政策的提出，学者对建成环境使用后评价的研究逐渐过渡到对热舒适性及生活满意度指标的探讨[36]。更多学者关注到人的差异化需求，并基于人群分布的密集型和特殊性，重点关注大学校园、写字楼、无障碍环境等场所中人群积极情绪的影响因素[37-39]。
3）情感识别方法的多模态化。模态即信息的来源或形式[40]，随着数据类型多元化趋势的加强，情感识别的方法也愈发多样。心理学考察外部环境对情感的影响，认知神经学关注大脑如何处理信息，而环境行为学研究个体的观察行为[41]。在交叉学科的背景下，三者的相互交织有助于人们更全面地理解情感形成、表达和调节的复杂过程。随着计算机技术的飞速发展，城市建成环境中的公众情感研究势必发展出多模态化的科学方法。

1.4 情感研究发展及演变过程

早期情感研究数据收集耗时长且样本少，认知神经学发展后开始涌现出更多与生理测量结果相关的研究[42-43]，之后情绪地理学和环境行为学将情感研究由室内拓展到室外[44-47]，机器学习、人工智能等技术的支持更推动了大规模情感分析的研究[48-50]。从时间维度以及感知-认知维度的变化可以看出，情感研究逐渐从单一方法过渡到多模态融合的综合研究方法（图2）。目前，对情感数据的研究方法主要集中在以舆情大数据分析、主观评测为主的情绪空间测量模型[51-52]，以及以认知神经实时生理反馈结合生理指标测量为主的情绪分维测量模型[53-54]（表2）。
表2 情感研究发展过程[42-43, 45-46, 49, 51, 55-58]

Tab. 2 Development process of sentiment research[42-43, 45-46, 49, 51, 55-58]

研究时间 研究科学 研究方法 研究内容
20世纪中后期 心理学 访谈问卷[55]；情感评估量表[56-57] 医疗救助、心理治疗
20世纪后期 认知神经学 生理仪器测量中枢神经或自主神经的电化学活动[42-43] 从大脑活动到自主神经系统的
反应
21世纪初期 情绪地理学 情绪地图结合GPS等情绪空间可
视化方法[45, 58]		 区域独有情感、地方感
2013—2019年 环境行为学 穿戴生物反馈仪测量行走或静坐的情感变化[46] 实景环境实时情绪感受
2020—2023年 计算机软件及计算机应用学 深度学习、机器学习处理海量数据[49, 51] 情感信息挖掘、大规模模拟预测
图2 情感研究多模态演变过程

Fig. 2 Multimodal evolution process of sentiment research

综上所述，数据的多元化、技术的智能化拓展了城市建成环境中公众情感分析的广度和深度，也增强了情感研究的客观性，明确其具体特征。然而，城市建成环境对不同尺度空间中人群的情感影响机制尚未明确，有必要深入研究城市建成环境对人们情感的影响机制。

2 城市建成环境中的公众情感体验研究

2.1 城市建成环境公众情感体验影响机制

城市建成环境中公众情感影响机制基于空间环境的异质性，在不同尺度上存在使用数据、研究内容、应用方法3个方面的差异（图3）。1）在使用数据层面，大尺度空间研究中，情感数据通常种类多样，与小尺度空间研究依赖问卷调查和生理测量获得的数据相比，具有多时空、跨地域的优势，但在准确性和信息量方面稍显逊色[59]。2）在研究内容层面，大尺度空间的情感研究聚焦城市宏观调控，小尺度空间的情感研究聚焦局部的布局优化。3）在应用方法层面，建成环境情感研究融入机器学习、深度学习等新技术，辅以局部的神经生物测量完善建成环境情感评价内涵，提升了研究结果的匹配度和结果的丰富性。
图3 城市建成环境公众情感体验影响机制

Fig. 3 Public sentiment experience influencing mechanism of urban built environment

2.2 城市建成环境公众情感体验使用数据

物联网、互联网、人工智能等技术的兴起导致数据呈现爆发式的增长和积累，更多有价值的信息开始被人们关注。其中情感分析的使用数据包括生理信号数据、问卷调查数据、社交媒体数据、交通传感数据、网络开放数据等类型。
1）生理信号数据。大量研究表明，生理信号能较好地反映人对周围环境的感受。有学者在传统图片情绪刺激实验的基础上引入机器学习，提出情感计算（affective computing） 技术，将模型预测准确率从50%~60%提升到80%~90%[60]。近年来，可穿戴设备突破早期生理测量场地的限制，可以实时采集人体的生理信号（如心率、皮电等），还有助于实现人机交互技术，如实时记录被试者在行走过程中的情绪变化以及影响情绪的压力源[61]，以更好地理解和响应用户的情感。
2）问卷调查数据。问卷数据通常采用标度法或定量分析来衡量受访者对不同变量的看法、态度或行为，利用相关数据可进行量化和统计，从而得出客观的可验证的结果和结论。目前，问卷数据多数应用在小尺度的历史文化街区[62]、居住区[63]等的满意度研究。
3）社交媒体数据。社交网络可以记录大量的用户使用信息，如时间和空间信息、情感信息以及语义文本信息等[59]，通过对数据的筛选和挖掘，可以将其中部分信息用于城市公园游憩使用规划的前期分析和使用后评价[64]。社交媒体数据的来源包括国内常用的微博、小红书等，国外常用的Twiter、Facebook、Google map等。与社交媒体相关的研究多集中在大规模的时空分析，如使用城市微博数据研究群体疫情情感响应的时空特征[65]、使用百度舆情数据和微博每日热搜数据研究城市意向感知[66]等。
4）交通传感数据。交通传感数据是通过各种传感器和设备在交通领域收集到的信息，包括与居民移动、城市内部和城市之间交通相关的各类传感信息数据[67]，如通过红外线传感器、超声波传感器、雷达或摄像头等传感器收集的用于计算特定路段的车流量数据。交通传感数据的应用范围相对较为广泛，相关研究多是大尺度上的规划研究，如城市景观绿道骑行者行为特征及体验研究[68]，快速公交基础设施对出行者情感的影响[69]等。
5）网络开放数据。网络开放数据能直观地反映数据出现的频率和用户对签到地点的评价[70]，数据来源主要包括3类：在线旅游平台（如马蜂窝、去哪儿等）、生活服务平台（如美团、大众点评等）、户外平台（如两步路、八只脚等）。目前对网络开放数据的使用多出现在公众满意度和空间分布格局[71]的大尺度研究中，以及社区居民通勤弹性[72]等中小尺度的研究中。

2.3 城市建成环境公众情感体验研究内容

城市建成环境情感分析的研究内容包括整体环境和特定空间2个层面，当前研究主要针对空间要素和人群类型进行分析。

2.3.1 整体环境中的情感分析

在整体环境中，在大尺度空间要素中的情感分析研究包括城市土地利用格局评价[73]、交通路网规划[74]等；中尺度的研究包括公园设计格局[75]、公园规划[76]等。对于整体环境中不同人群类型的情感分析，研究主要关注群体在大型城市基础设施中的情感压力，如居住在养老设施的老年人相较于居住在社区的老年人有更高比例的负向情绪[77]；空中花园对于居住在高密度城区住宅中的青年人具有显著的恢复性效益[78]。

2.3.2 特定空间中的情感分析

在特定空间中，情感分析研究集中在小尺度的空间要素，包括对城市建成环境空间中植物景观[38]、建筑特征和景观要素[79]的评价等。已有研究进行情感分析的主要方法是测量被试者观看视频和照片后的生理指标变化[80]。之后有学者此基础上设计了脑电实验，促进了景观情绪研究方法的拓展与技术的深化[81]。对于特定空间内的人群类型，当前情感分析主要关注小尺度空间对个体的情绪疗愈和恢复作用。如在社区公园的健康设计中，设计者考虑了个体在景观环境中的生理指标变化，如肌肉导电率和心率变异性等，这使设计获得了公众的好评[82]。此外，景观要素中的声音、光照对人类情绪压力也有缓解作用[79]。

2.4 城市建成环境公众情感体验应用方法

情感分析应用方法包含3种类型：1）基于自我感受的情感分析，以自我评价法为主；2）基于生理数据的情感分析，以客观测量法为主；3）基于思考表达过程的情感分析，包括情感词典、情感知识图谱、图片分割等多种多模态情感识别法。

2.4.1 自我评价法

自我评价法要求被试能够准确地认知和表达自己的情绪[37]。当前国际上应用较广泛的自评量表包括：用来评价焦虑程度的焦虑自评量表（self-rating anxiety scale, SAS）、汉密尔顿焦虑量表（hamilton anxiety scale, HAMA）和抑郁情绪量表（self-rating depression scale, SDS）。此外还有评价个体在不同场景下情绪状态的正负情绪量表（positive and negative affect scale, PANAS）等。

2.4.2 客观测量法

客观测量法通过捕捉人的神经系统、行为和其他生理学数据的瞬间变化情况进行情感分析。目前常用的生理数据包括心电、呼吸、血压、肌电、脑电图（electroencephalography, EEG）、磁共振等。随着技术的迅速发展，近年来涌现了很多新型测量方法，如用功能性近红外光谱（functional near-infrared spectroscopy, fNIRS）辅助EEG测量情绪等[83]。

2.4.3 多模态情感识别法

随着技术的不断进步，人们现在可以通过多种渠道来表达自己的观点和感受，这为情感分析带来了新的机遇。多模态学习融合了对多类信息进行向量化处理、协同训练学习的手段，广泛应用于海量数据分析[40]。笔者归纳了多模态情感识别的4种主要方法。
1）基于情感词典处理的方法。中文与英文的语言形式不同，处理中文时需要预先进行文本分词处理[84]，基于情感词典处理是其中一种常用的方法。国内相关研究主要以HowNet①和SC-LIWC②这2个被广泛应用的情感词典为依据。然而情感词典缺乏对文本中情绪词缺失和隐式情绪表达情况的处理[85]。有学者改进后提出两阶段法：第一阶段借助情感词典进行情绪的自动识别，第二阶段利用支持向量机对未覆盖的文本进行情感预测。两阶段法在相关研究中取得了较好效果[86]。
2）基于卷积神经网络（convolutional neural network, CNN）的图像识别的方法。此方法既可以克服情绪词缺失和不能表达文本当前真实情绪的问题，又可以对图像进行分析，当前被大量应用于解决图文情绪识别问题。同时，社交媒体中个人用户所撰写的文本通常带有强烈的个人情感，且图像通常是个人较为关注和印象较深的内容，其中包含位置、占比、画面结构等感知信息，文本和图像在认知上存在一定的典型性[87]，将两者结合进行情感分析将会极大增强情感识别的准确性[88]。
3）基于可视化知识图谱的方法。通过提取图像和文本中情感的关键词分析公众的情绪极性[89]，利用机器学习技术进行相关分析，结构化情感与要素之间的关系，并以知识图谱的形式存储和查询大规模的语义信息，是实现某一目的地的形象和公众情绪特征研究可视化的重要手段[90]。
4）基于空间测量模型的方法。识别情绪的空间测量模型包括ArcGIS空间模型、机器学习模型、深度学习模型。ArcGIS空间模型使用基于兴趣点（point of interest, POI）大数据的空间模型计算方法，如空间自相关[91]、地理加权回归等[92]，可以识别城市的空间分布结构并划分不同的空间类型。基于机器学习模型的情感分析方法可分为有监督和无监督两种[93]。前者包括支持向量机、朴素贝叶斯、K近邻、最大熵和条件随机场等方法；后者包括概率潜在语义分析模型和潜在狄利克雷分配模型等[94]。适用于建成环境情感分析的深度学习模型包括循环神经网络（recurrent neural network, RNN）和长短时记忆网络 （long short-term memory, LSTM）、生成对抗 网络（generative adversarial networks, GANs）等模型。RNN和LSTM适用于处理建成环境中时序数据，例如用户在不同时间点的情感变化，或者环境随时间的演变[95]。GANs用于生成逼真的建筑环境图像，也可以应用于增强用户的建筑设计情感体验[96]。目前，研究者将注意力机制引入情感分析中[97]，不仅可以考虑到全部的文本信息，还能为关键词汇分配更高权重，进而可以提高模型情感识别的准确性。

2.5 城市建成环境公众情感监测识别流程

基于上述研究，笔者提出一套适用于城市建成环境公众情感监测识别的流程。该流程以调控公众情感健康为目的，提出3个监测及识别的目标并列举出相应对策和措施。首先，实施大数据多时段情感监测以及逐尺度空间情感的可视化，探索公众情感体验的时空规律。其次，构建具有风景园林特色的情感词典，对数据进行情感识别后形成多元多模态数据集；融合图文信息解析情感，采用深度学习模型探索建成环境与情感的内在关系；打造公众满意度评价平台、情感在线评分平台进行模型模拟。通过以上措施，制定可感知、可量化、可操作的监测对策，实现城市与公众情感的动态反馈。最后，构建以高质量情感体验为目标导向的建成环境多尺度评价体系，对城市规划管理进行更加系统化、精细化、智能化的评估（图4）。
图4 情感监测识别流程

Fig. 4 Sentiment monitoring and identification procedures

3 结论及展望

本研究总结了情感研究的基本概念，并基于CiteSpace文献计量学分析软件将建成环境中情感体验的研究进展、研究热点可视化。从数据、内容、方法3个层面分析建成环境与情感影响机制的内在关系，得出3个方面结论。
1）建成环境情感体验研究数据目前呈现出多来源、多类型的特点。但数据模态以文本数据为主，缺失对图片、语音等内容的直接分析。未来可深度挖掘图片隐含含义，诸如讽刺、幽默、比喻、夸张等，并进一步引入注意力机制加强对情感分析中有用信息的提取，为后续建成环境评价提取图片和视频显性内容增强可参考性。
2）建成环境情感体验研究内容对城市中不同人群类型及空间要素的影响作用有待形成更全面的、更完善的分类。同时在提升人们幸福感、实现可持续发展的目标下，研究者应更加关注多尺度下积极情绪与城市建成环境的关系，总结未来规划中各类型空间结构、景观要素等设计内容的情感影响机制及使用路径。
3）建成环境情感体验应用方法主要受研究内容和研究类型的限制，不同尺度间信息质量和数量差异较大。应聚焦于发挥多种模态数据之间的协同作用，如利用数字化技术辅助式测度方法加强虚拟现实技术的实践应用，以此提高建成环境评价研究结果的信度、效度和泛化性。
随着多学科的交叉融合，情感体验的评价研究将深入到认知、文化和社会层面，为理解人类的情感和建成环境质量的内在联系提供更多理论支持。此外，城市应推进建设多源异构数据共享平台，打造公众满意度评价平台，了解公众对城市环境的看法和反馈，获得更全面的城市环境信息，促进城市规划和管理的综合决策。希望通过信息技术和数据资源的整合利用，推动未来智慧城市建设行动高质量发展，实现居民幸福感的稳步提升。

致谢(Acknowledgments)：

感谢中国城市规划设计研究院风景园林和景观研究分院绿地所副所长刘宁京先生、中国政法大学社会学院心理学系谢中垚老师在本文撰写过程中给予的指导与帮助。

① HowNet（知网）是中国科学院计算机语言信息中心创建的一个以汉语和英语词语所代表的概念为描述对象、以揭示概念与概念之间以及概念所具有的属性之间的关系为基础内容的常识知识库。

② SC-LIWC（Simplified Chinese LIWC）是台湾科技大学人文社会学科研究人员根据中文特性将LIWC（linguistic inquiry and word count）词典翻译改编的简体中文词典。

文中图表均由作者绘制。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
住房城乡建设部. 关于加强生态修复城市修补工作的指导意见[EB/OL]. （2017-03-06）[2024-01-04]. https://www.mohurd.gov.cn/gongkai/zhengce/zhengcefilelib/201703/20170309_230930.html.

Ministry of Housing and Urban-Rural Development. Guiding Opinions on Strengthening Ecological Restoration and Urban Repair[EB/OL]. （2017-03-06）[2024-01-04]. https://www.mohurd.gov.cn/gongkai/zhengce/zhengcefilelib/201703/20170309_230930.html.

[2]
国家发展和改革委员会. “十四五”新型城镇化实施方案[EB/OL]. （2022-07-28）[2024-01-04]. https://www.ndrc.gov.cn/fggz/fzzlgh/gjjzxgh/202207/t20220728_1332050.html.

National Development and Reform Commission. The 14th Five-Year Plan for New Urbanization[EB/OL]. （2022-07-28）[2024-01-04]. https://www.ndrc.gov.cn/fggz/fzzlgh/gjjzxgh/202207/t20220728_1332050.html.

[3]
北京市科学技术委员会, 中关村科技园区管理委员会. 北京市“十四五”时期智慧城市发展行动纲要[EB/OL]. （2021-03-23）[2024-01-04]. https://kw.beijing.gov.cn/art/2021/3/23/art_2388_14144.html.

Beijing Municipal Science and Technology Commission, Zhongguancun Science and Technology Park Management Committee. Beijing “14th Five-Year Plan” Period of Smart City Development Action Plan[EB/OL]. （2021-03-23）[2024-01-04]. https://kw.beijing.gov.cn/art/2021/3/23/art_2388_14144.html.

[4]
DIENER E, OISHI S, TAY L. Advances in Subjective Well-Being Research[J]. Nature Human Behaviour, 2018, 2 (4): 253-260.

DOI

[5]
DIENER E, SUH E M, LUCAS R E, et al. Subjective Well-Being: Three Decades of Progress[J]. Psychological Bulletin, 1999, 125 (2): 276-302.

DOI

[6]
DIENER E, EMMONS R A, LARSEN R J, et al. The Satisfaction with Life Scale[J]. Journal of Personality Assessment, 1985, 49 (1): 71-75.

DOI

[7]
KAHNEMAN D, DIENER E, SCHWARZ N. Well-Being: The Foundations of Hedonic Psychology[M]. New York: Russell Sage Foundation, 1999.

[8]
王梦如, 单祎婷. 基于周边居民需求的历史文化街区满意度评价: 以南京老门东为例[J]. 城市建筑, 2023, 20 (4): 131-133.

WANG M R, SHAN Y T. Satisfaction Evaluation of Historical and Cultural Blocks Based on the Needs of Surrounding Residents: A Case Study of Nanjing Laomendong[J]. Urbanism and Architecture, 2023, 20 (4): 131-133.

[9]
CHÁFER-PERICÁS C, ÁLVAREZ L, GANDIA-FERRERO M T, et al. Imaging Diagnosis and Emotion Recognition Relationship in Mild Cognitive Impairment[J]. Alzheimer’s & Dementia, 2023, 19 S16: e074577.

[10]
朱妙园, 华红莲, 杨慧, 等. 基于认知地图比较的乡村文化记忆主客感知维度研究: 以云南省丽江市玉湖村为例[J]. 旅游研究, 2023, 15 (2): 28-41.

DOI

ZHU M Y, HUA H L, YANG H, et al. Research on Subjective and Objective Perception Dimensions of Rural Cultural Memory Based on Cognitive Map Comparison: Taking Yuhu Village, Lijiang City, Yunnan Province as an Example[J]. Tourism Research, 2023, 15 (2): 28-41.

DOI

[11]
王颖洁, 朱久祺, 汪祖民, 等. 自然语言处理在文本情感分析领域应用综述[J]. 计算机应用, 2022, 42 (4): 1011-1020.

WANG Y J, ZHU J Q, WANG Z M, et al. Review of Applications of Natural Language Processing in Text Sentiment Analysis[J]. Computer Applications, 2022, 42 (4): 1011-1020.

[12]
潘家辉, 何志鹏, 李自娜, 等. 多模态情绪识别研究综述[J]. 智能系统学报, 2020, 15 (4): 633-645.

PAN J H, HE Z P, LI Z N, et al. A Review of Multimodal Emotion Recognition[J]. CAAI Transactions on Intelligent Systems, 2020, 15 (4): 633-645.

[13]
王婷, 杨文忠. 文本情感分析方法研究综述[J]. 计算机工程与应用, 2021, 57 (12): 11-24.

DOI

WANG T, YANG W Z. Computer Engineering and Applications[J]. Computer Engineering and Applications, 2021, 57 (12): 11-24.

DOI

[14]
怀松垚, 陈筝, 刘颂. 基于新数据、新技术的城市公共空间品质研究[J]. 城市建筑, 2018 (6): 12-20.

DOI

HUAI S Y, CHEN Z, LIU S. The Quality of Urban Public Space Based on New Data and New Technologies[J]. Urbanism and Architecture, 2018 (6): 12-20.

DOI

[15]
EKMAN P. Strong Evidence for Universals in Facial Expressions: A Reply to Russell’ Mistaken Critique[J]. Psychological Bulletin, 1994, 115 (2): 268-287.

DOI

[16]
乐国安, 董颖红. 情绪的基本结构: 争论、应用及其前瞻[J]. 南开学报（哲学社会科学版）, 2013 (1): 140-150.

LE G A, DONG Y H. On the Categorical and Dimensional Approaches of the Theories of the Basic Structure of Emotions[J]. Nankai Journal (Philosophy, Literature and Social Science Edition), 2013 (1): 140-150.

[17]
丁汉青, 刘念. 情绪识别研究的学术场域: 基于CiteSpace的科学知识图谱分析[J]. 新闻大学, 2017 (2): 119-1322.

DING H Q, LIU N. Mapping the Academic Field of Emotion Recognition Studies: A Scientometric Analysis in CiteSpace[J]. Journalism Research, 2017 (2): 119-1322.

[18]
朱婧. 共鸣与合意: 情绪、情感在认知竞争中的作用[J]. 青年记者, 2023 22: 27-31.

ZHU J. Activation, Resonance and Consensus: The Role of Emotions and Emotions in Cognitive Competition[J]. Youth Journalist, 2023 22: 27-31.

[19]
Emotions as Motivations: An Evolutionary-Developmental Perspective[EB/OL]. (1978-01-01)[2024-01-03]. https://webofscience.clarivate.cn/wos/alldb/full-record/MEDLINE:399660.

[20]
孟昭兰. 体验是情绪的心理实体: 个体情绪发展的理论探讨[J]. 应用心理学, 2000 (2): 48-52.

MENG Z L. Experience: The Psychological Entity of Emotion: A Theoretical Perspective of lndividual Emotional Development[J]. Chinese Journal of Applied Psychology, 2000 (2): 48-52.

[21]
BARRETT L F. Solving the Emotion Paradox: Categorization and the Experience of Emotion[J]. Personality and Social Psychology Review, 2006, 10 (1): 20-46.

DOI

[22]
POWER M. The Structure of Emotion: An Empirical Comparison of Six Models[J]. Cognition & Emotion, 2006, 20 (5): 694-713.

[23]
JAMES W. The Principles of Psychology[J]. The American Journal of Psychology, 1891, 3 (4): 578.

DOI

[24]
EKMAN P. Are There Basic Emotions[J]. Psychological Review, 1992, 99 (3): 550-553.

DOI

[25]
DAMASIO A R. Descartes’ Error and the Future of Human Life[J]. Scientific American, 1994, 271 (4): 144.

DOI

[26]
EKMAN P. Basic Emotions[M]// DALGLEISH T, POWER M J. Handbook of Cognition and Emotion. West Sussex: Wiley, 1999: 45-60.

[27]
LAZARUS R S, LAZARUS B N. Passion and Reason. Making Sense of Our Emotions[EB/OL]. (1994)[2024-01-02]. https://www.scienceopen.com/document?vid=aebb6aaf-2c64-4faa-9753-25140f150010.

[28]
COWEN A S, KELTNER D. Self-Report Captures 27 Distinct Categories of Emotion Bridged by Continuous Gradients[J]. Proceedings of the National Academy of Sciences, 2017, 114 (38): E7900-E7909.

[29]
WUNDT W. Outlines of Psychology[EB/OL]. (2010-01-01)[2024-01-17]. https://www.free-ebooks.net/psychology-culture/Outlines-of-Psychology.

[30]
PLUTCHIK R. The Nature of Emotions[J]. American Scientist, 2001, 89 (4): 344.

DOI

[31]
AMIN M. Framework for a Comprehensive Description and Measurement of Emotional States[J]. Genetic Social and General Psychology Monographs, 1995, 121 (3): 339-361.

[32]
张敏, 张可. 多视角情感理论模型及其在信息行为领域应用拓展[J]. 情报学报, 2023, 42 (9): 1103-1113.

ZHANG M, ZHANG K. Multi-perspective Affective Theory Models and Their Applied Expansion in the Field of Information Behavior[J]. Journal of the China Society for Scientific and Technical Information, 2023, 42 (9): 1103-1113.

[33]
冯月华, 魏若岩, 朱晓庆. 融合背景上下文特征的视觉情感识别与预测方法[J/OL].计算机应用研究: 1-11 [2024-01-04].https://doi.org/10.19734/j.issn.1001-3695.2023.08.0388.

FENG Y H, WEI R Y, ZHU X Q. Visual Emotion Recognition and Prediction Based on Fusion of Background Contextual Features[J/OL].计算机应用研究: 1-11 [2024-01-04].https://doi.org/10.19734/j.issn.1001-3695.2023.08.0388.

[34]
蓝亦伦, 孟敏, 武继刚. 基于视觉语义联合嵌入和注意力机制的情感预测[J]. 计算机科学, 2020, 47 (11): 250-254.

DOI

LAN Y L, MENG M, WU J G. Emotion Prediction Based on Visual Semantic Joint Embedding and Attention Mechanism[J]. Computer Science, 2020, 47 (11): 250-254.

DOI

[35]
陈志敏, 黄鎔, 黄莹, 等. 街道空间宜步行性的精细化测度与导控: 基于虚拟现实与可穿戴生理传感器的循证分析[J]. 中国园林, 2022, 38 (1): 70-75.

CHEN Z M, HUANG R, HUANG Y, et al. The Measurements of Fine-Scale Street Walkability and Precise Design Control: An Evidence Based Approach Based on Virtual Reality and Wearable Bio-sensors[J]. Chinese Landscape Architecture, 2022, 38 (1): 70-75.

[36]
郭晓晖, 包志毅, 吴凡, 等. 街道可视因子对夏季午后城市街道峡谷微气候和热舒适度的影响研究[J]. 中国园林, 2021, 37 (9): 71-76.

GUO X H, BAO Z Y, WU F, et al. Influence of Street View Factors on Microclimate and Thermal Comfort of Urban Street Canyons in Summer Afternoon[J]. Chinese Landscape Architecture, 2021, 37 (9): 71-76.

[37]
郭昱, 崔哲, 史清江, 等. 适老建筑环境的情绪健康理论及研究方法综述[J]. 住宅科技, 2020, 40 (9): 35-43.

GUO Y, CUI Z, SHI Q J, et al. Overview of Emotional Health Theory and Research Methods of the Environment of the Elderly Suitable Building[J]. Housing Science, 2020, 40 (9): 35-43.

[38]
翁羽西, 朱玉洁, 董嘉莹, 等. 校园绿地声景观对情绪和注意力的影响: 以福建农林大学为例[J]. 中国园林, 2021, 37 (2): 88-93.

WENG Y X, ZHU Y J, DONG J Y, et al. Effects of Soundscape on Emotion and Attention on Campus Green Space: A Case Study of Fujian Agriculture and Forestry University[J]. Chinese Landscape Architecture, 2021, 37 (2): 88-93.

[39]
杜宏武, 李树华, 姜斌, 等. 健康城市与疗愈环境[J]. 南方建筑, 2022 (3): 1-8.

DU H W, LI S H, JIANG B, et al. Discourse on Healthy Cities and Healing Environments[J]. South Architecture, 2022 (3): 1-8.

[40]
张丽娟, 崔天舒, 井佩光, 等. 基于深度多模态特征融合的短视频分类[J]. 北京航空航天大学学报, 2021, 47 (3): 478-485.

ZHANG L J, CUI T S, JING P G, et al. Deep Multimodal Feature Fusion for Micro-Video Classification[J]. Journal of Beijing University of Aeronautics and Astronautics, 2021, 47 (3): 478-485.

[41]
刘畅, 李树华. 多学科视角下的恢复性自然环境研究综述[J]. 中国园林, 2020, 36 (1): 55-59.

LIU C, LI S H. Review of Restorative Natural Environment Under Multidisciplinary Perspectives[J]. Chinese Landscape Architecture, 2020, 36 (1): 55-59.

[42]
喻国明, 李莹, 李彪. 基于神经科学的传播学研究: 工具、路径与研究框架[J]. 国际新闻界, 2008 (7): 40-46.

YU G M, LI Y, LI B. Communication Studies Based on Neuroscienee: Method, Route and Frame[J]. Chinese Journal of Journalism & Communication, 2008 (7): 40-46.

[43]
罗跃嘉. 情绪与心境障碍的神经基础[J]. 军事医学, 2011, 35 (9): 641-645.

LUO Y J. Research Progress in Neural Correlates of Emotion and Mood Disorders[J]. Military Medical Sciences, 2011, 35 (9): 641-645.

[44]
陈筝, 徐蜀辰, 刘雨菡. 从认知行为学到环境神经学: 实景环境体验增强循证设计[J]. 城市建筑, 2017 28: 41-45.

CHEN Z, XU S C, LIU Y H. From Cognitive Behavior Science to Environmental Neuroscience: Evidence-Based Design for In-situ Environmental Experience Augmentation[J]. Urbanism and Architecture, 2017 28: 41-45.

[45]
JANG M H. Three-Dimensional Visualization of an Emotional Map with Geographical Information Systems: A Case Study of Historical and Cultural Heritage in the Yeongsan River Basin, Korea[J]. International Journal of Geographical Information Science, 2012, 26 (8): 1393-1413.

DOI

[46]
陈筝, 刘颂. 基于可穿戴传感器的实时环境情绪感受评价[J]. 中国园林, 2018, 34 (3): 12-17.

CHEN Z, LIU S. Real-Time Environmental Affective Experience Assessment via Wearable Sensors[J]. Chinese Landscape Architecture, 2018, 34 (3): 12-17.

[47]
谭少华, 孙雅文, 申纪泽. 城市公园环境对人群健康的影响研究: 基于感知与行为视角[J]. 城市建筑, 2018 24: 24-28.

TAN S H, SUN Y W, SHEN J Z. Research on the Impact of Urban Park Environment on Public Health: From the Perspectives of Psychological Perception and Behaviors[J]. Urbanism and Architecture, 2018 24: 24-28.

[48]
CHATTERJEE A, GUPTA U, CHINNAKOTLA M K, et al. Understanding Emotions in Text Using Deep Learning and Big Data[J]. Computers in Human Behavior, 2019, 93: 309-317.

DOI

[49]
龙瀛. （新）城市科学: 利用新数据、新方法和新技术研究“新”城市[J]. 景观设计学, 2019, 7 (2): 8-21.

DOI

LONG Y. (New) Urban Science: Studying “New” Cities with New Data, Methods, and Technologies[J]. Landscape Architecture Frontiers, 2019, 7 (2): 8-21.

DOI

[50]
CHANG V, LIU L, XU Q W, et al. An Improved Model for Sentiment Analysis on Luxury Hotel Review[J]. Expert Systems, 2023, 40 (2): e12580.

DOI

[51]
刘颖, 王哲, 房杰, 等. 基于图文融合的多模态舆情分析[J]. 计算机科学与探索, 2022, 16 (6): 1260-1278.

LIU Y, WANG Z, FANG J, et al. Multi-modal Public Opinion Analysis Based on Image and Text Fusion[J]. Journal of Frontiers of Computer Science and Technology, 2022, 16 (6): 1260-1278.

[52]
崔金栋, 李晨雨, 李菲菲. 大数据背景下主流融媒体热点发现机制研究[J]. 情报科学, 2021, 39 (12): 72-79.

CUI J D, LI C Y, LI F F. Hot Topics Discovery Mechanism of Mainstream Media Convergence in the Big Data Era[J]. Information Science, 2021, 39 (12): 72-79.

[53]
林怡, 曾宪宪, 陈神飞, 等. 基于多源生理反馈的城市景观照明对情绪影响的实验探索: 以上海南京东路步行街东段为例[J]. 照明工程学报, 2022, 33 (5): 129-143.

LIN Y, ZENG X X, CHEN S F, et al. Exploration of the Impact of Landscape Lighting on Emotion Based on Multi-source Physiological Data: Taking the East Section of East Nanjing Road Pedestrian Street in Shanghai as an Example[J]. China Illuminating Engineering Journal, 2022, 33 (5): 129-143.

[54]
李鑫, 王子尧, 吴丹子, 等. 基于生理反馈的城市滨河步道对青年人压力缓解的研究[J]. 中国园林, 2022, 38 (5): 86-91.

LI X, WANG Z Y, WU D Z, et al. Research on Pressure Relief of Young People by Urban Waterfront Trail Based on Physiological Feedback[J]. Chinese Landscape Architecture, 2022, 38 (5): 86-91.

[55]
ABRAMSON J H. Emotional Disorder, Status Inconsistency and Migration: A Health Questionnaire Survey in Jerusalem[J]. The Milbank Memorial Fund Quarterly, 1966, 44 (1): 23-48.

DOI

[56]
WATSON D, CLARK L A, TELLEGEN A. Development and Validation of Brief Measures of Positive and Negative Affect: The PANAS Scales[J]. Journal of Personality and Social Psychology, 1988, 54 (6): 1063-1070.

DOI

[57]
ZUNG M D W W K. A Rating Instrument for Anxiety Disorders[J]. Psychosomatics, 1971, 12 (6): 371-379.

DOI

[58]
PÁNEK J, GLASS M R, MAREK L. Evaluating a Gentrifying Neighborhood’s Changing Sense of Place Using Participatory Mapping[J]. Cities, 2020, 102: 102723.

DOI

[59]
曾岭, 郭丽霞, 岳慧蕾. 大数据视角下城市空间特色分析研究综述[J]. 中外建筑, 2023 12: 57-63.

ZENG L, GUO L X, YUE H L. A Review of Urban Spatial Characteristics from the Perspective of Big Data[J]. Chinese & Overseas Architecture, 2023 12: 57-63.

[60]
陈筝, 舒尔兹, 刘雨菡, 等. 基于生理反馈的建成环境体验评价与设计辅助[J]. 时代建筑, 2017 (5): 24-28.

CHEN Z, SHULZ S, LIU Y H, et al. Built Environment Experience Assessment and Design via Bio-feedback[J]. Time + Architecture, 2017 (5): 24-28.

[61]
SAYLAM B, İNCEL Ö D. Quantifying Digital Biomarkers for Well-Being: Stress, Anxiety, Positive and Negative Affect via Wearable Devices and Their Time-Based Predictions[J]. Sensors, 2023, 23 (21): 8987.

DOI

[62]
胡敏, 马頔翔, 张晶晶. 历史文化街区人居环境改善的导向研究: 基于居民感知的抽样调查问卷分析[J]. 世界建筑, 2022 12: 67-72.

HU M, MA D X, ZHANG J J. A Guided Research on the Improvement of Human Settlements in Historical and Cultural Districts: Analysis of Sample Questionnaires Based on Residents’ Perceptions[J]. World Architecture, 2022 12: 67-72.

[63]
林丹, 毛泳泳, 王宏俊, 等. 城市居住小区室外环境适老性调查分析: 以浙江丽水市白云街道为例[J]. 现代园艺, 2022, 45 (7): 51-53.

LIN D, MAO Y Y, WANG H J, et al. Investigation and Analysis of Outdoor Environment for the Elderly in Urban Residential Quarters: A Case Study of Baiyun Street, Lishui City, Zhejiang Province[J]. Contemporary Horticulture, 2022, 45 (7): 51-53.

[64]
李方正, 宗鹏歌. 基于多源大数据的城市公园游憩使用和规划应对研究进展[J]. 风景园林, 2021, 28 (1): 10-16.

LI F Z, ZONG P G. Research Progress of Urban Park Recreation Use and Planning Strategies Based on Multi-source Big Data[J]. Landscape Architecture, 2021, 28 (1): 10-16.

[65]
姜伟, 郝智辉, 王艳东, 等. 城市微博数据驱动的群体疫情情感响应时空特征: 以武汉市和石家庄市新冠疫情为例[J]. 地理与地理信息科学, 2022, 38 (1): 5-14.

DOI

JIANG W, HAO Z H, WANG Y D, et al. Spatio-temporal Characteristics of Groups’ Emotional Responses to Pandemic Driven by Urban Weibo Data: A Case Study of COVID-19 Pandemic in Wuhan and Shijiazhuang[J]. Geography and Geo-Information Science, 2022, 38 (1): 5-14.

DOI

[66]
许扬, 李君轶. 城市建成环境对游客情感体验及行为意向的影响: 以西安市为例[J]. 地域研究与开发, 2022, 41 (2): 107-112.

XU Y, LI J Y. Effects of Urban Built Environment on Tourists’ Emotional Experience and Behavioral Intention: A Case Study in Xi’an City[J]. Areal Research and Development, 2022, 41 (2): 107-112.

[67]
阳慧. 面向城市规划编制的大数据类型及应用研究[J]. 信息系统工程, 2019 (1): 120

YANG H. Research on the Types and Applications of Big Data for Urban Planning[J]. China CIO News, 2019 (1): 120.

[68]
姚心悦, 谢婷. 景区绿道骑行者行为特征及体验研究: 以千岛湖风景区为例[J]. 体育研究与教育, 2023, 38 (1): 47-55.

YAO X Y, XIE T. Research on the Behavioral Characteristics and Experience of Cyclists in Scenic Greenways: A Case Study of Qiandao Lake Scenic Spot[J]. Sports Research and Education, 2023, 38 (1): 47-55.

[69]
NAVARRETE-HERNANDEZ P, CHRISTOPHER ZEGRAS P. Mind the Perception Gap: The Impact of Bus Rapid Transit Infrastructure on Travelers’ Perceptions of Affective Subjective Well-Being[J]. Transportation Research Part A: Policy and Practice, 2023, 172: 103670.

DOI

[70]
陈倩, 刘文平. 大数据支持下城市绿地游憩研究进展[C]// 中国风景园林学会. 中国风景园林学会2018年会论文集. 北京: 中国建筑工业出版社, 2018: 60-64.

CHEN Q, LIU W P. Research Progress on Urban Green Space Recreation Under the Support of Large Data[C]// Chinese Society of Landscape Architecture. Proceedings of the 2018 Annual Meeting of Chinese Society of Landscape Architecture. Beijing: China Architecture & Building Press, 2018: 60-64.

[71]
单卓然, 安月辉, 袁满, 等. 基于微博大数据的城市居民情绪时空分布特征及影响因素研究: 以武汉市主城区为例[J]. 城市发展研究, 2022, 29 (8): 69-76.

SHAN Z R, AN Y H, YUAN M, et al. Study on Spatial and Temporal Distribution Characteristics and Influencing Factors of Urban Residents’ Sentiment Based on Weibo Data: A Case Study of the Main Urban Area of Wuhan[J]. Urban Development Studies, 2022, 29 (8): 69-76.

[72]
CHEN J, ZHAI S, SONG G, et al. Evaluation and Determinants of Satisfaction with the Urban-Rural Interface Area Liveability Toward “15-min City”: A Case Study in Henan Province, China[J]. Ecological Economics, 2023, 214: 107994.

DOI

[73]
NOSEIR D M A, KHALIFA M A, SERAG Y M, et al. Investigating the Influence of Land Use Mix and Built Environment Elements on Travel Time Perception and Subjective Wellbeing[J]. HBRC Journal, 2023, 19 (1): 563-587.

DOI

[74]
KAKLAUSKAS A, BARDAUSKIENE D, CERKAUSKIENE R, et al. Emotions Analysis in Public Spaces for Urban Planning[J]. Land Use Policy, 2021, 107: 105458.

DOI

[75]
KONG L, LIU Z, PAN X, et al. How Do Different Types and Landscape Attributes of Urban Parks Affect Visitors’ Positive Emotions[J]. Landscape and Urban Planning, 2022, 226: 104482.

[76]
XIAO X, GAO J, LU J, et al. Social Carrying Capacity and Emotion Dynamics in Urban National Parks During the COVID-19 Pandemic[J]. Journal of Outdoor Recreation and Tourism, 2023, 41: 100451.

DOI

[77]
丁颖, 闫成锐, 马晓丽, 等. 合肥市1491名社区老年人负性情绪调查分析[J]. 安徽预防医学杂志, 2018, 24 (5): 354-358.

DING Y, YAN C R, MA X L, et al. Investigation and Analysis of Negative Emotions in 1491 Elderly People in Hefei City[J]. Anhui Journal of Preventive Medicine, 2018, 24 (5): 354-358.

[78]
林佳昕, 李燕, 杜宏武. 广州高密度住区空中花园的恢复性效益研究[J]. 中国园林, 2023, 39 (7): 59-64.

LIN J X, LI Y, DU H W. Research on the Restorative Benefits of Sky Gardens in Guangzhou’ High-Density Residential Districts[J]. Chinese Landscape Architecture, 2023, 39 (7): 59-64.

[79]
杜喆, 蔺宝钢, 陈贞伊. 城市广场小型景观水体对人体健康的影响[J]. 中国城市林业, 2022, 20 (3): 54-60.

DU Z, LIN B G, CHEN Z Y. Impact of Urban Square Small-Scale Waters on Human Health[J]. Journal of Chinese Urban Forestry, 2022, 20 (3): 54-60.

[80]
段艺凡, 李树华. 植物群落景观的观赏形式对人体生理反应的影响[J]. 风景园林, 2022, 29 (3): 105-111.

DUAN Y F, LI S H. Effects of Viewing Forms of Plant Community Landscapes on Human Physiological Responses[J]. Landscape Architecture, 2022, 29 (3): 105-111.

[81]
王雪霏, 严欣, 周艺. 基于生理数据测量的景观情绪体验研究综述[J]. 城市建筑, 2023, 20 (9): 144-147.

WANG X F, YAN X, ZHOU Y. Review on Landscape Emotional Experience Based on Physiological Data Measurement[J]. Urbanism and Architecture, 2023, 20 (9): 144-147.

[82]
张琳, 刘苏燕, 贾虎, 等. 基于公共健康需求的城市社区公园景观设计[J]. 中国城市林业, 2020, 18 (6): 49-54.

ZHANG L, LIU S Y, JIA H, et al. Landscape Design of Urban Community Parks Based on the Public Health Needs[J]. Journal of Chinese Urban Forestry, 2020, 18 (6): 49-54.

[83]
赵卿, 张雪英, 陈桂军, 等. 基于模态注意力图卷积特征融合的EEG和fNIRS情感识别[J]. 浙江大学学报（工学版）, 2023, 57 (10): 1987-1997.

ZHAO Q, ZHANG X Y, CHEN G J, et al. EEG and fNIRS Emotion Recognition Based on Modality Attention Graph Convolution Feature Fusion[J]. Journal of Zhejiang University (Engineering Science), 2023, 57 (10): 1987-1997.

[84]
谢丽星, 周明, 孙茂松. 基于层次结构的多策略中文微博情感分析和特征抽取[J]. 中文信息学报, 2012, 26 (1): 73-83.

XIE L X, ZHOU M, SUN M S. Hierarchical Structure Based Hybrid Approach to Sentiment Analysis of Chinese Micro Blog and Its Feature Extraction[J]. Journal of Chinese Information Processing, 2012, 26 (1): 73-83.

[85]
万琪, 杨祎. 中文情绪分析方法研究综述[J]. 现代计算机, 2017 (3): 3-5.

WAN Q, YANG Y. Research Overview of Chinese Emotion Analysis[J]. Modern Computer, 2017 (3): 3-5.

[86]
王文韬, 张士豹. 基于情感词典和SVM的微博网民情感分析[J]. 现代信息科技, 2021, 5 (24): 24-27.

WANG W T, ZHANG S B. Emotion Analysis of Micro-Blog Netizens Based on Emotion Dictionary and SVM[J]. Modern Information Technology, 2021, 5 (24): 24-27.

[87]
李纲, 张霁, 毛进, 等. 灾害事件下社交媒体图文相关性研究[J]. 情报学报, 2020, 39 (11): 1223-1231.

LI G, ZHANG J, MAO J, et al. Relevance Between Image and Text of Social Media Posts for Disasters[J]. Journal of the China Society for Scientific and Technical Information, 2020, 39 (11): 1223-1231.

[88]
孟祥瑞, 杨文忠, 王婷. 基于图文融合的情感分析研究综述[J]. 计算机应用, 2021, 41 (2): 307-317.

MENG X R, YANG W Z, WANG T. Survey of Sentiment Analysis Based on Image and Text Fusion[J]. Journal of Computer Applications, 2021, 41 (2): 307-317.

[89]
陈然, 赵晶, 郝慧超, 等. 基于多模态深度学习的审美认知规律大规模测度方法[J]. 装饰, 2021 (7): 106-111.

DOI

CHEN R, ZHAO J, HAO H C, et al. A Large-Scale Measurement Method of Esthetical Appreciation Laws Based on the Multimodal Machine Learning[J]. ZHUANGSHI, 2021 (7): 106-111.

DOI

[90]
何巍. 社交网络舆情多模态知识图谱构建框架研究[J]. 情报杂志, 2024, 43 (1): 160-166.

HE W. Research on the Construction Framework of Multi-modal Knowledge Graph for Social Network Public Opinion[J]. Journal of Intelligence, 2024, 43 (1): 160-166.

[91]
段锐, 邹统钎, 梁未哲. 大数据环境下的旅游目的地形象研究综述: 数据、方法和技术[J]. 旅游导刊, 2023, 7 (5): 66-93.

DUAN R, ZOU T Q, LIANG W Z. A Review of Tourism Destination Image in the Big Data Environment: Data, Tourism and Hospitality Prospects[J]. Travel Guide, 2023, 7 (5): 66-93.

[92]
CHANG P, OLAFSSON A S. The Scale Effects of Landscape Variables on Landscape Experiences: A Multi-scale Spatial Analysis of Social Media Data in an Urban Nature Park Context[J]. Landscape Ecology, 2022, 37 (5): 1271-1291.

[93]
王春东, 张卉, 莫秀良, 等. 微博情感分析综述[J]. 计算机工程与科学, 2022, 44 (1): 165-175.

DOI

WANG C D, ZHANG H, MO X L, et al. Review on Sentiment Analysis of Microblog[J]. Computer Engineering & Science, 2022, 44 (1): 165-175.

DOI

[94]
BLEI D M, NG A Y, JORDAN M I. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003, 3 4-5: 993-1022.

[95]
丁锋, 孙晓. 基于注意力机制和BiLSTM-CRF的消极情绪意见目标抽取[J]. 计算机科学, 2022, 49 (2): 223-230.

DING F, SUN X. Negative-Emotion Opinion Target Extraction Based on Attention and BiLSTM-CR[J]. Computer Science, 2022, 49 (2): 223-230.

[96]
陈然, 赵晶. 基于样式生成对抗网络的风景园林方案生成及设计特征识别[J]. 风景园林, 2023, 30 (7): 12-21.

CHEN R, ZHAO J. Generation and Design Feature Recognition of Landscape Architecture Scheme Based on Style-Based Generative Adversarial Network[J]. Landscape Architecture, 2023, 30 (7): 12-21.

[97]
王旭阳, 王常瑞, 张金峰, 等. 基于跨模态交叉注意力网络的多模态情感分析方法[J/OL].广西师范大学学报（自然科学版）: 1-9[2024-01-04]. https://doi.org/10.16088/j.issn.1001-6600.2023052701.

WANG X Y, WANG C R, ZHANG J F, et al. Multimodal Sentiment Analysis Based on Cross-Modal Cross-Attention Network[J/OL].广西师范大学学报（自然科学版）: 1-9[2024-01-04]. https://doi.org/10.16088/j.issn.1001-6600.2023052701.

Options
Outlines

/

〈 〉