基于文本情感分析的城市公園使用感知評價研究*
——以重慶36個公園為例

葉 林 江 倫 韓貴鋒

0 引言

十四五期間，我國社會經濟以推動高質量發展為目標，要求持續提高城市治理溫度和精細化水平，聚焦人民需求，增進人民福祉[1]。居民物質層面的需求和福祉隨著社會發展水平的不斷提升，已經有了顯著改善；相應地，精神層面的滿足感、幸福感、獲得感的需求也與日俱增[2]。公園作為城市重要的休閑游憩空間，可以有效減少用戶心腦血管等疾病的發生概率[3]、降低抑郁和焦慮風險[4]，增加思維創造力、身體活力和積極情緒[5]，對居民精神生活品質的提高有顯著作用。因此，針對居民需求，建設人性化的公園，增加居民使用頻率和滿意度，提升用戶體驗顯得尤為重要。

1 相關研究討論

既有研究大多使用“感知”一詞來描述用戶訪問公園過程中產生的認知、獲得的體驗和產生的情感[6-7]。影響用戶感知的各類因子，稱之為感知要素。相關研究大致從兩個視角開展研究，一是聚焦“感知”這種極具主觀色彩的心理感受本身，通過訪談、虛擬環境模擬（VR）、眼動追蹤技術、心電信號測量等方法嘗試提升公園訪客心理和生理滿意度指標[8-11]；另一種則側重“感知結果”，以使用者給出的評價為研究對象，分析公園建設運營中的優勢和短板，最終落實在通過有效規劃改善物質空間，促進使用者的良好體驗。

基于改善人居環境，提升城市居民幸福感和獲得感的目的，本文選取第二種研究視角。這一視角下的相關探討受研究手段、研究對象等因素的影響，對感知要素及其影響力的認識存在差別，如劉瑞雪（Liu）發現公園規模、娛樂設施、景觀、植被維護、環境清潔、標識系統、空氣質量等9個要素影響感知，其中標識系統影響最大[12]；李念等認為，自然文化資源、門票和配套設施服務是影響感知的主要要素[13]；萬凱文（Wan）發現公園自身特征（規模、類型等）影響顯著，而各類設施影響較弱[14]。可見，相關研究呈現的結論差異較大，無法形成合力有效指導建設實踐。

筆者認為，究其原因有兩點：一是樣本選取不足，由于樣本公園數量少、類型單一，缺乏大規模、全覆蓋研究基礎，難以獲得通用結論。如，不同類型公園的感知體驗存在明顯差異，森林公園以感知自然景觀為主，而體育公園的健身設備影響體驗；二是研究方法局限，以往研究多采用問卷調查、現場訪談等社調方法，問題設計很大程度上依賴研究者的認知和經驗[8,11]，不能完整而有效地獲取用戶感知信息，要素提取和分析由此產生偏差。

近年來，基于互聯網社交媒體數據的公園感知研究逐漸興起，針對上述問題，運用大數據技術獲取用戶海量評論數據，深度學習技術則為更加全面客觀地評估用戶感知和為公園的建設運營情況提供可能[10-15]。這種新興的技術方法通過構建網絡模型模擬人腦神經系統對文本進行分析、傾向判斷并自動學習優化模型輸出等，能高效分析和處理信息[13-15]。如黃健翔（Huang）結合凱文·林奇《城市意象》的規劃理論與深度學習方法，發現社交媒體中地點詞頻通常與用戶對景點的評價、好感度、與日常生活的關聯性有關[15]。相關研究仍然存在一定不足，如大部分研究使用預置語料庫的軟件（ROST CM6等）進行淺層次的詞匯聚類分析和詞頻統計，準確性和實用性較低[16-17]，并且具體方法多針對不同場所空間繪制感知熱力圖[18-19]，僅停留在對公園感知的整體概括性描述，沒有聚焦到關鍵感知要素，無法引導針對用戶感知的規劃設計實踐。而深度學習方法通過構建網絡模型模擬人腦神經系統進行情感分析、特征抽取，并自動學習優化模型輸出[20-22]，可以大幅提高分析的準確性和針對性。

為此，本文以重慶市36個公園為例，在使用大數據技術獲取公園用戶海量信息的基礎上，針對不同公園類型，采用百度智能云平臺深度學習模塊，提取并分析用戶評論中的感知要素及其傾向（積極或消極）。并通過分析要素感知頻率（要素詞頻占總評論數量的比例）與感知傾向的關系，挖掘影響感知的關鍵要素。最后以此為依據，提出相應的公園優化設計策略，指導公園規劃建設。

2 研究樣本與方法

2.1 公園選取與分類

重慶地處中國西南部，屬于亞熱帶季風性濕潤氣候，主城區山體、河流、森林資源豐富，景觀多變，造就了多樣化的公園類型。此外，受建造年代、質量標準和地形起伏的影響，公園服務水平差異較大，用戶形成各異的體驗和感受[23]。本研究選取居民訪問程度及點評數量較高的36個城市公園作為研究案例，主要分布在巴南、大渡口、九龍坡、沙坪壩、南岸、江北、渝中、渝北8個城區（圖1），占地規模在1.07～220 hm2之間不等。從分布地域、樣本數量、尺度和類型上，可以較完整地反映主城區公園的整體狀態。

圖1 重慶主城區36個公園類型及分布Fig.1 types and distribution of 36 parks in the central area of Chongqing

根據國標《城市綠地分類標準》（CJJ/T 85—2017）對公園綠地分類依據，并結合公園規模、綠化率、景觀類型（地質地貌、濕地森林等）及主要功能（科普教育、休閑游玩、健身鍛煉等），將36個公園分為七類：地質公園、生態公園、兒童公園、體育公園、紀念性公園、綜合公園、游園（表1）。

表1 36個公園類型劃分Tab.1 park classification

各類型公園評論數量分布如下圖所示（圖2），評論數量在101（同景公園）～2784條（壹華里夜景公園）之間。其中22個公園評論數量小于300條，占比55.6%，為本研究的主要樣本區間；10個公園評論數量300～1000條，占比27.8%；6個公園評論數量大于1000條，占比16.7%。總體而言，各公園的評論數量存在差異，但均超過100條評論，包含的感知信息較為豐富，數據量足以支撐從中分析不同類型公園的感知特征。

圖2 公園評論數量Fig.2 number of park reviews

2.2 研究方法

本文首先通過網絡爬蟲技術獲取大眾點評網站公園用戶評價數據，使用python軟件對評論文本進行分句預處理，然后通過Excel提取感知要素關鍵詞，并采用百度深度學習技術進行文本情感分析。最后結合SPSS統計分析，提取影響感知的關鍵要素，進而指導規劃實踐。具體流程可以分為“數據爬取與分句處理—感知要素提取和傾向分析—關鍵感知要素分析”三個部分（圖3）。

2.2.1 數據爬取與分句處理

本研究共獲取公園評論22355條，包括公園名稱、用戶ID、評分、評論文本、評論時間等內容（圖3）。經人工刪除無關評論后，獲得有效評論20258條，247.15萬字符。接著使用python語言split方法將長文本分句，以保證后續要素提取和感知傾向分析的獨立性，分割符號采用中文語境中慣用結束符號“。”“！”“……”。獲得獨立評論分句69776條，所有數據經篩選后導出至Excel數據庫。

圖3 分析流程圖Fig.3 analysis flow chart

2.2.2 感知要素提取和傾向分析

2.2.2.1 感知要素提取

首先，在Excel中采用搜索關鍵詞的方式，提取每個分句中包含的感知要素，分析高頻詞語特征。借鑒敬峰瑞等人的經驗，劃分為4個類型：景觀要素、設施要素、環境要素、規模地形要素[24-25]，包含自然景觀、人文景觀，服務設施、公園規模、氣溫氣候、綠化覆蓋等共10個感知要素（表2）。

表2 感知要素類型劃分Tab.2 classification of perception elements

然后，計算要素感知頻率，即用戶對要素的關注程度，值越高，關注度越高。一般用要素感知頻率高低表示要素關注度高低。要素感知頻率計算公式：

其中，Fij是i公園j要素的感知頻率，Cij是j要素詞頻，Ci是該i公園評論總條數。

2.2.2.2 用戶感知傾向分析

通過調用百度智能云API的方式對分句文本進行情感傾向分析（圖5）。情感傾向分析在計算機人工智能領域又稱文本情感分析（text sentiment analysis）、傾向性分析、意見抽取、情感挖掘等[36]，指通過計算機技術對帶有情感色彩的主觀性文本進行分析、處理、歸納和推理，挖掘和分析文本的觀點、情感、極性，并對文本的感知傾向做出分類判斷[37-39]。查閱百度情感傾向分析算法說明，并結合實際分析結果，總結4個相關參數（表3），分別是感知類型（sentiment）、置信度（confidence）、積極感知概率（positive_prob）、消極感知概率（negative_prob）。一般而言，積極感知概率取值越靠近0，越消極；越靠近1，越積極；消極感知概率則相反；置信度值越高，分析結果越可信，反之越不可信。

表3 百度智能云平臺情感傾向分析參數Tab.3 text sentiment analysis parameters of Baidu Intelligent Cloud Platform

圖5 百度智能云平臺情感傾向分析窗口Fig.5 sentiment analysis window in baidu cloud platform

另外，積極感知概率與消極感知概率之和為1，感知類型也可以通過積極感知概率值確定，可以將這幾個參數簡化為“積極感知概率”一個參數，為避免混淆，采用“感知傾向”作為簡化后的參數名稱。本文篩選置信度＞0.5的數據進入下一步統計分析，最終建立感知要素和感知傾向數據一一對應關系，結果如下表所示（表4），為后續分析二者相關性以及不同類型公園的感知特征，并提取影響總體感知水平的關鍵要素打下基礎。

2.2.3 關鍵感知要素分析

影響公園總體感知水平的要素眾多，而用戶一般僅針對自己關注的要素發表評論，形成大量空值。因此，無法通過回歸分析提取各要素對總體感知的影響力但從感知頻率和感知傾向的相關性入手，則可以提取出隨著使用者關注程度增加而感知傾向快速變化的要素，它們能大幅影響使用者體驗，正是影響總體感知水平的關鍵。

因此本研究采用SPSS25.0對各要素的感知頻率和感知傾向進行皮爾遜相關性分析，提取二者相關性系數絕對值大于0.2，且顯著性系數小于0.05的要素，作為關鍵影響要素，并展開分析。共得到6個關鍵要素，其中4個顯著正相關，2個顯著負相關。

3 城市公園感知分析

3.1 公園感知特征

統計分析不同要素感知頻率程度及感知傾向，可以發現不同感知要素引發的關注程度差異較大，但總體偏積極。此外，用戶對不同類型的公園具有截然不同的感知特征。

3.1.1 不同類型要素感知特征

要素感知頻率代表用戶對要素的敏感程度，發現景觀要素＞規模地形要素＞環境要素＞設施要素（圖6）。從要素的可見性和可用性分析，景觀要素通常由鮮花、林木、草坪等自然景觀和亭臺樓閣、雕塑小品等人文景觀組成，作為各類公園的主體部分，是用戶游覽公園的主要觀賞對象，極易引發高度關注[26]；規模地形要素、設施要素可見性中等，用戶一般需要預判公園規模和地形起伏，決定游覽路線，依賴設施調整體能消耗，可用度較高；而水質、綠化覆蓋率等環境要素可見性較強，可用性較弱；三者引發中等程度的關注。

從感知傾向來看，總體均偏積極。積極傾向排序為：環境要素＞景觀要素＞規模地形要素＞設施要素（圖6）。公園空氣質量、綠化覆蓋、水體水質等生態環境要素積極傾向最高，體現了用戶對公園的價值判斷，即看重公園帶來的自然價值[27]；自然景觀是公認的積極感知來源，如鮮花能誘導用戶產生愉悅的情緒，樹木創造安靜私密的林下空間和遠離城市喧囂的感受[26,28]，歷史遺跡、神話傳說、名人故居等人文景觀有利于傳播地域文化，建立認同感和歸屬感[29]；公園規模和地形起伏則影響用戶的訪問決策和游覽舒適度[30]，在地形起伏較大的重慶，此類要素積極感知傾向不高；休息設施、娛樂設施、照明設施等是使用公園的支持系統，其完善程度和保養維護構成了用戶對公園管理運營情況的判斷，擁有良好照明條件、設備齊全的公園更受青睞，維護不佳則容易引起消極感知，此類要素是消極感知的重要來源之一[31-32]。

3.1.2 不同類型公園感知特征

對每條完整評論的感知傾向得分進行統計，并按公園類型歸類，發現綜合類的公園感知更積極，而兒童類公園最低。排序為綜合公園＞游園＞紀念性公園＞生態公園＞體育公園＞地質公園＞兒童公園（圖7）。總體來說，單一功能的公園表現較差，在感知表現上不如綜合公園。對各要素感知傾向分析發現（圖8），紀念性公園在公園環境要素上表現略差，主要因為綠化覆蓋率不高，因此導致缺少遮蔭樹木，導致日曬，降低使用體驗；生態公園在設施要素上積極程度較低，因為生態公園主要是森林公園和濕地公園，設施布局、數量和維護上欠佳；體育公園因為設施陳舊和收費導致體驗較差；地質公園和兒童公園因為設施陳舊、餐飲和門票費用高等諸多原因導致評價較差。

圖7 不同類型公園綜合感知傾向Fig.7 comprehensive perception tendency of different types of parks

圖8 不同類型公園要素感知傾向Fig.8 perception tendency of elements in different types of parks

各類型公園的感知頻率也有其感知特色（圖9、表5）。其中兒童公園最容易感知的是設施要素，是因為兒童來公園游玩主要使用旋轉木馬、小火車等娛樂設施，因此關注度最高；體育公園的設施感知頻率也較高，同樣是因為訪問目的主要是使用運動器材鍛煉身體，對設施的依賴性較大[33]；其他公園最容易感知到的是景觀要素，因為景觀和良好的生態環境是吸引訪客前來的重要原因[27]。感知傾向分析中，應當重視最不積極的要素，因為這類要素往往是造成用戶不滿的原因。七類公園顯示出了某些共性，設施要素和規模地形要素最消極，顯示重慶公園建設中存在共同的短板：地形因素容易導致疲勞和行走障礙，設施陳舊缺乏維護也較為常見。

表5 不同類型公園感知特征Tab.5 perception characteristics of different types of parks

圖9 不同類型公園要素感知頻率Fig.9 perception frequency of elements in different types of parks

3.2 關鍵感知要素提取

通過SPSS相關性分析發現并不是要素感知頻率越高，感知傾向就愈發極化，共存在正相關、負相關、不相關三種情況。正如前文所述，并非所有感知要素都十分關鍵。隨感知頻率增加而導致感知傾向快速變化的要素，能大幅影響使用者的總體感知水平，是公園建設運營中應當重點關注的對象。而感知頻率與感知傾向相關性不強的要素，仍需根據具體情況做進一步分析討論。相關性分析結果如下表所示（表6），同時繪制各要素感知頻率平均值、感知傾向平均值以及對應相關性系數圖，以對各感知要素作簡要對比（圖10）。

表6 要素感知頻率與感知傾向相關性Tab.6 correlation between the frequency of factor and perception tendency

正相關。隨著關注度的增加，感知傾向越來越積極，主要包括感知自然景觀、綠化覆蓋率和公園規模和聲音氣味四種。這類感知要素容易給用戶留下良好的印象，在所有樣本數據中感知傾向十分積極（圖10），是促進正向體驗的重要著力點。如前文所述，自然景觀往往能帶給用戶良好的視覺體驗，自然景觀越吸引人，則感知越積極[34-35]，因此提升自然景觀設計精美程度是促進積極感知的有效途徑；從綠化覆蓋角度來看，公園最常見的就是花草綠植，容易引起用戶的重視，可以通過在主要游覽路線或公園地形制高點增加綠視率來增強正向感受[36]；公園規模感知頻率與積極感知有弱正相關，通過設計手段，使小公園在視覺效果上變大，有助于提升積極感知；聲音氣味主要指鳥鳴和花香，清脆的鳥鳴讓人感覺到悅耳[37]，可以懸掛木制鳥巢，吸引小鳥筑巢繁育，增加鳥類數量和種類。桂花、梔子花最為常見，但花期不長，適當增加香味花卉種類以延長賞花時間，進而改善游園氛圍[4,38]。

負相關。隨著關注度的增加，感知傾向越來越消極，包括公園服務設施和地形起伏，二者雖在總體樣本中表現積極感知傾向，但和強正相關要素存在顯著差距（圖10），是公園補齊短板的關鍵。對設施良好、起伏較小的公園，使用者一般會給予積極的評價，但容易被忽視[39]。如地形起伏要素，大學城中央公園、動步公園、渝高公園等地勢平坦的公園，相關詞頻均為0，關注度極低；高低起伏比較適度時，關注度較低，但會帶來視覺上的美感，以及步行體驗上的新奇感覺，如嘉陵公園（感知頻率0.006，感知傾向0.99）、沙坪公園（感知頻率0.008，感知傾向0.94）。而當設施數量不足、陳舊甚至出現安全隱患，或地形陡峭、坡坎較多時，使用者的關注度快速上升，不安全感和疲憊感極易誘發負面評價[39-40]。如當地形起伏極大，壹華里夜景公園（感知頻率0.41，感知傾向0.53），則會因為體力耗損過快而導致游玩體驗大打折扣。針對上述問題，提高停車設施、娛樂設施以及餐飲設施的完善程度和安全保障，及時維護和更新[41]；同時對需要爬坡和梯坎較多的公園，合理規劃游覽路線、增加休息設施可以改善感知印象。

圖10 關鍵要素感知頻率平均值、感知傾向平均值及對應相關性系數Fig.10 average perception frequency and perception tendency of key elements and their correlation coefficient

4 討論與展望

在相關研究的基礎上，本文在通過百度深度學習建立感知要素和感知傾向對應關系，分析感知頻率與感知傾向變化的相關性，挖掘影響總體感知的關鍵要素。從分析方法和思路上做出一定改進，但仍然在要素的適用性和全面性以及細分程度上存在缺憾，期望后續研究能加以彌補，運用新技術手段或改進研究方法進一步完善研究結論。

從研究方法來看，本文提取感知要素關鍵詞時采取Excel搜索的方法，雖保證了精準度，但工作量較大，效率不高。而當前以谷歌、百度為代表的互聯網巨頭在深度學習領域仍處于發展階段，關鍵詞提取和文本情感分析都有較大的完善空間。尤其是針對不同領域算法和基礎語料庫的完善，將大大提高結果的精度和分析的效率，研究結論對實踐的指導將更具有針對性。

從要素的適用性來看，本文以重慶主城中心區的36個公園作為研究對象，研究對象數量足夠多，對公園類型、感知要素也盡可能做到細分。提取的10個影響要素中，景觀類型、公園環境等要素對幾乎所有公園具有普適性。然而，公園仍有其強烈的地域和文化環境特征，如地形起伏這一要素對地勢平緩的公園并不適用，對公園整體感知的影響可能遠不如山地城市公園這樣強烈。在后續研究中，根據實際情況，可適當增刪個別要素。

從要素全面性來看，影響感知的要素也遠不僅限于公園內部。已有研究表明，老年人和低收入者對公園的需求更為強烈[42]，而女性對空間私密性和安全性更加敏感[43]；甚至公園與住所的鄰近度、選擇的交通方式、交通通達程度等都影響對公園的評價和好感度。另外自然山川、兩江交匯以及鱗次櫛比的高樓形成的壯麗城市景觀也會影響人群在臨江公園與地形制高點公園的使用感知。因此，在針對個體公園分析時，應該增加使用者、通達方式、城市環境等考量因素。盡可能全面把握和分析公園感知，并更有針對性地提升某些群體的使用感受。

從研究的精細度來看，要素細分程度可進一步提升。對于同一公園，其公園環境安靜還是喧鬧會因內部人群活動（廣場舞、樂器彈奏）、人流量以及外部交通噪聲等因素共同作用形成，這些因素相對穩定，一般不會發生周期性變化，帶給使用者的感知影響較為一致，可以直接根據相關性分析結果得出其是關鍵感知要素的結論。而對于感知周期性變化的要素，如不同季節，冷暖形成相反的感知結果，對感知頻率沒有影響，但對總體感知傾向不可避免形成一種“中和效應”，即由“極化”趨向“中性”。進一步分析要素感知頻率與感知傾向的相關性則可能會弱相關，造成關鍵感知要素的提取遺漏，這也是本文不足之處。鑒于重慶夏季悶熱多雨、冬季寒冷潮濕，而春秋兩季氣候較為宜人，可在后續研究中將氣候進一步細分為冬夏、春秋兩個細分要素展開分析，將會提升研究精細度和規劃實踐適用度[44-45]。

5 總結

本文針對重慶市7種類型共36個公園的大眾點評公園評論，共提取10種感知要素，并通過百度深度學習模塊進行文本情感分析，統計其感知傾向。結果表明，公園景觀和環境要素最容易被感知，基礎設施類要素則通常被忽視；環境類要素通常給使用者帶來最積極的體驗，其次是景觀要素，規模地形和設施類要素則容易引發消極感知。此外，本文分析了不同類型公園的感知特征，發現引發關注的要素存在差異，如在體育公園容易感知到設施要素，而在其他類型公園對設施的關注通常較低。另外，在景觀良好和功能綜合的公園里，用戶更容易獲得積極感知，功能單一的公園則表現較差。同時，7類公園存在設施缺乏更新維護和地形起伏較大的共同短板。在此基礎上，通過分析要素感知頻率與感知傾向的相關性，提取自然景觀、綠化覆蓋、公園規模、聲音氣味、服務設施、地形起伏共6種影響用戶體驗感知的關鍵要素。如容易引發關注的綠化覆蓋等感知要素通常促進積極感知，而公園服務設施等要素容易引發負面評價。

總體上，本研究對于全面而真實地測度和評估公園感知具有積極意義，將用戶的體驗與公園規劃管理的景觀建設、基礎設施維護等具體實踐相結合，針對性地改善使用效果，希望能有效提高用戶滿意度和人居幸福指數。

圖表來源：

圖1-3、6-10：作者繪制

圖4：鵝嶺公園. 大眾點評網站[EB/OL]. [2022-05-22]. https://www.dianping.com/shop/H8pcvRT7ES2jhMZd.

圖4 大眾點評用戶評論示例Fig.4 example of comments from Dianping

圖5：情感傾向分析定制. 百度智能云[EB/OL]. [2022-05-22]. https://console.bce.baidu.com/ai/?_=1660911520619&fromai=1/ai/nlp/overview/index.

表1-2、4-6：作者繪制

表3：情感傾向分析. 百度AI開放平臺[EB/OL]. [2022-05-22]. https://ai.baidu.com/ai-doc/NLP/ zk6z52hds.