2017-大数据下的帝都魔都的爱恨情仇报告_49页-9mb

大数据视角下京沪城市心理认知与行为分析总结

核心内容概述

本文通过大数据分析方法，从心理认知和行为感知两个维度对北京与上海的城市品质进行对比研究。研究基于虾米音乐网的歌曲数据和地铁刷卡数据，利用Python编写爬虫程序获取1000+首相关歌曲，进行数据清洗、分词、情感分析及人群聚类分析，以揭示两个城市在公众心中的形象差异和居民出行行为特征。

主要观点与关键信息

1. 城市心理认知分析

1.1 歌词情感分析

• 北京：歌词中多体现城市的历史厚重感、文化认同与复杂情绪，如“拥挤”、“奋斗”、“身份认同”等关键词频繁出现，情感值分布较广，既有正向也有负向情绪。
• 上海：歌词情感偏向现代感、活力与多样性，如“高楼”、“繁华”、“梦想”等词汇频繁出现，整体情感更倾向于积极表达。

1.2 城市元素与心理元素

• 城市元素：包括地标（如“故宫”、“外滩”）、空间（如“胡同”、“地铁”）等。
• 心理元素：涉及情绪（如“压力”、“归属感”）、意象（如“梦想”、“城市节奏”）等。

1.3 身份认同差异

• 北京的歌词中“身份认同”更强烈，体现为对城市文化的归属感。
• 上海则更强调“多元化”和“开放性”，歌词中出现的关键词更偏向于城市活力与国际化。

2. 行为感知分析

2.1 地铁客流变化

• 北京地铁：全天客流分布不均，高峰时段集中，如“聚类九”“聚类六”等，反映出通勤压力较大。
• 上海地铁：客流分布相对均匀，且在某些时段有显著上升趋势，如“聚类二”“聚类一”等，显示城市节奏更灵活。

2.2 通勤时间分析

• 北京通勤时间较长，尤其在工作日，反映城市交通拥堵和生活节奏快。
• 上海通勤时间相对较短，且在周末有明显下降趋势，显示城市运行效率较高。

2.3 长距离通勤

• 北京的长距离通勤比例较高，反映城市结构和居住分布的不均衡。
• 上海的长距离通勤比例较低，显示城市内部通勤更便捷。

3. 数据采集与处理

3.1 数据来源

• 虾米音乐网：获取与北京、上海相关的1000+首歌曲数据。

3.2 数据清洗

• 去除无歌词、重复、无关歌曲，最终保留262首有效歌曲。

3.3 数据加工

• 使用SCWS分词程序对歌词进行分词处理。
• 统计词频与词性，生成关键词词库。
• 进行情感值计算，判断歌曲正向或负向情感。

3.4 数据分析

• 关键词分类统计：分析城市元素和心理元素。
• 情感量化分析：计算情感值分布，评估公众对两座城市的总体情感倾向。

结构与方法

4.1 研究结构

• 心理认知：通过歌词分析，探讨公众对北京与上海的情感认知。
• 行为感知：通过地铁刷卡数据，分析居民出行行为特征。

4.2 研究方法

• 数据采集：Python爬虫程序抓取相关歌曲信息。
• 数据清洗：去除无效数据，保留高质量数据。
• 数据加工：分词、情感分析、关键词提取。
• 数据分析：统计与分类，量化情感值与人群聚类。

结论

本文通过大数据手段，系统分析了北京与上海在心理认知和行为感知上的差异。北京被赋予更多历史与文化象征，情感表达较为复杂；而上海则展现出现代化与国际化特征，情感更积极。从通勤数据来看，上海的交通运行效率较高，北京则面临较大的通勤压力。研究为理解城市形象与居民行为提供了新的视角，有助于城市规划与管理的优化。