引用本文
岳文泽, 裘双双, 张群, 杨华珂. 新媒体时代城市规划的公众参与: 话题演进与情感判别[J]. 浙江大学学报(人文社会科学版), 2019,49(4): 105-118
Yue Wenze, Qiu Shuangshuang, Zhang Qun, Yang Huake. Public Participation in Urban Planning in the New Media Era: Topic Evolution and Sentiment Analysis[J]. JOURNAL OF ZHEJIANG UNIVERSITY (HUMANTIES AND SOCIAL SCIENCES), 2019,49(4): 105-118  
DOI:10.3785/j.issn.1008-942X.CN33-6000/C.2018.11.013
Permissions
Copyright©2019, 浙江大学学报(人文社会科学版)
浙江大学学报(人文社会科学版) 所有
新媒体时代城市规划的公众参与: 话题演进与情感判别
岳文泽1, 裘双双1, 张群1,2, 杨华珂3
1.浙江大学 公共管理学院, 浙江 杭州 310058
2.上海市地质调查研究院, 上海 200072
3.自然资源部 国土整治中心, 北京 100035

[作者简介] 1.岳文泽(https://orcid.org/0000-0002-7533-3294),男,浙江大学公共管理学院教授,博士生导师,理学博士,主要从事空间规划、土地大数据应用等方面的研究; 2.裘双双(https://orcid.org/0000-0003-1652-387X),女,浙江大学公共管理学院博士研究生,主要从事城市管理大数据等方面的研究; 3.张群(https://orcid.org/0000-0002-3889-8552),男,浙江大学公共管理学院博士研究生,上海市地质调查研究院工程师,主要从事国土空间规划与管理等方面的研究; 4.杨华珂(https://orcid.org/0000-0003-3244-4493),女,自然资源部国土整治中心高级工程师,理学硕士,主要从事土地整治规划等方面的研究。

收稿日期: 2018-11-01
基金: 国家社会科学基金重点项目(14AZD124); 国家自然科学基金项目(41671533、41871169); 中央高校基本科研业务费专项资助项目
摘要

随着新媒体时代的到来,城市规划的公众参与形式愈加多元化,参与模式与程度都发生了深刻变革。基于上海市城市总体规划(2017—2035)编制阶段新浪微博上公众参与的全部原创微博、评论和转发数据,对公众参与热点话题的时空演进及相应情感的研究表明:规划热点话题受到的持续关注度较差,具有典型的间歇性和爆发性特征;各区关注的热点话题分异明显,揭示了规划作为一项公共政策的时空偏好特征;公众参与程度也表现出空间不均衡特征,参与主体聚集于主城区;不论是总体情感还是分话题情感,公众大多表达出消极态度;从不同用户类型的情感倾向来看,蓝V和黄V用户的情感态度较为积极,而普通用户则持有较明显的消极态度,揭示了网络空间公众参与的特殊性。政府应借助新媒体工具和大数据技术,搭建更加合理的公众参与平台,完善公众参与机制。

关键词: 城市规划; 公众参与; 新媒体; 话题演进; 情感分析
Public Participation in Urban Planning in the New Media Era: Topic Evolution and Sentiment Analysis
Yue Wenze1, Qiu Shuangshuang1, Zhang Qun1,2, Yang Huake3
1.School of Public Affairs, Zhejiang University, Hangzhou 310058, China
2.Shanghai Institute of Geological Survey, Shanghai 200072, China
3.Land Consolidation and Rehabilitation Center, Ministry of Nature Resources, Beijing 100035, China
Abstract

With the advent of the new media era, the form of public participation in urban planning has become more diversified, and its mode and extent have undergone profound changes. Traditional ways in which public opinions are manually selected and summarized have failed to meet the needs of processing an ocean of public opinions. Thus, it is of urgent necessity to apply big data mining and analysis technology to obtaining,extracting and summarizing public opinions. Taking Sina Weibo, a main social media platform in China, as a source of public opinions, this study crawled 12 171 microblog data related to Shanghai Master Plan (2017-2035) (hereinafter referred to as ″ Shanghai 2035 ″) during its planning. Natural language processing technology was employed to obtain public opinions, identify public attitudes and analyze public behaviors, thereby revealing the results and features of internet-based public participation in Shanghai 2035. To better coordinate the interests of various stakeholders and boost the level of planning in the long term,an integrated topical and emotional analysis was made to get a comprehensive picture of public demands of values and to track down the development of these issues.

The public gave huge attention to Shanghai 2035 on Sina Weibo with respect to the various aspects of planning. The three most attention-getting topics were ″population″, ″global city″, and ″publicity of the draft″. Topics such as ″housing price″, ″construction land″, ″metropolitan area″, and ″transportation″ were also the focus of public attention. The results of the overall sentiment analysis show that the proportion of microblog data with negative and positive emotions amounted to 56.69% and 39.97%, respectively. Almost all the top eight topics were dominated by negative opinions, except for ″publicity of the draft″ to which a slightly larger number of people responded positively. In brief, most of the public on Sina Weibo held negative attitudes toward the topic, be it overall sentiment or topical sentiment.

The spatial-temporal analysis of topic evolution suggests that public attention to hot topics was not continuous; rather, it was intermittent and explosive and the public in different districts were concerned about different topics. This phenomenon was closely related to socioeconomic situations and planning impacts, indicative of the spatial-temporal preference of planning as a public policy. In this paper, the spatial mobility of topics was further explored by taking two trending topics (i.e., ″total population″ and ″global city″) in all districts as examples. The result presents an obvious spatial imbalance in terms of topic mobility.The public in the main urban zone played a leading role in public participation in Shanghai 2035 in that topics were both initiated and ended in the main urban zone whereas people in suburban areas participated in discussions only during the heated discussion period.

With regard to public behaviors, public participation on a social media platform was featured by ″the government posting microblogs and the general public commenting on and reposting microblogs″. The three types of Weibo subscribers — Blue V, Yellow V and general users — represented different stakeholders with different interests and demands, such as government agencies, experts in relevant fields and common users. They focused on different topics and expressed different emotions. Blue V and Yellow V users were concerned about more strategic topics with more positive attitudes, while general users paid more attention to topics closely related to their daily life and most of them held negative attitudes. The disparity between one's current life situation and the planning horizon could be the primary cause for negative emotions among the general public.

Keyword: urban planning; public participation; new media; topic evolution; sentiment analysis
一、 引 言

公众参与是公共政策制定的必要环节及实施基础, 而城市规划则是指引一个城市发展最重要的公共政策之一。尽管社会各界在观念和认识上对城市规划公众参与的重要性、必要性和迫切性已经达成普遍共识, 但由于种种非制度性和制度性的原因, 在21世纪初期, 我国城市规划的公众参与仍处于有限参与、事后参与、被动参与、形式参与的初级阶段(对我国21世纪初城市规划公众参与状况的描述可参见赵奕《城市规划公众参与机制研究》, 山东大学2008年硕士学位论文, 第16页。)。

随着新媒体时代的到来, 以社交网络、位置服务、移动终端等为代表的新媒体工具, 在改变大众传播和人际交往方式的同时, 也在潜移默化地影响着城市规划的公众参与模式[1, 2]。由于受到问卷调查、听证会、座谈会等形式的制约, 传统的城市规划公众参与覆盖范围小、参与程度浅、参与成本高、公众参与效率不尽如人意, 导致这一十分重要的环节往往流于形式, 没有发挥真正的作用[3]。而在新媒体工具的支持下, 公众参与突破了传统空间和物理介质的限制, 参与广度和深度均在加大[4, 5]。公众不仅能集中参与规划编制和修改过程, 而且能实时动态地对规划实施进行监督和反馈, 促使全过程公众参与成为可能。

同时, 由于网络空间的匿名性和自由性, 公众个体参与城市规划的行为愈加复杂。过去的相关研究已从组织行为学、行为经济学等理论视角对城市规划中传统的公众参与的行为选择、影响因素及动力机制进行了探讨[6, 7, 8, 9]。近年来, 针对网络社会中规划的公众参与行为方式与特征的相关研究不断涌现[3, 5, 10, 11], 例如Zhao等以上海55号公交线路规划为例揭示了网络社会公众参与的特征以及不同公众参与主体的表达与互动行为[5]; Evans-Cowley分析了利益相关公众与规划编制者利用Facebook(脸书)这一社交网络平台的行为差异[10]。城市规划中公众的网络参与行为能够克服面对面交流中由性别、年龄、经济状况等所导致的不平等现象, 也能避免恶性社会冲突事件的发生[5]。但是, 网络参与中不同主体的话语权依然不平等, 政府、专家、具有影响力的名人等主体仍占据公众参与的主导地位[11]。

新媒体工具一方面为城市规划公众参与提供了新的方式和平台, 另一方面也为城市规划信息收集提供了数据来源。以智能手机、平板电脑等移动终端为主要载体, SNS(social network site, 即社交网站)基于互联网, 为公众提供了沟通交流的互动平台, 产生了大量UGC(user generated content, 即用户生成内容)、音频、文本信息、视频、图片等非结构化数据[2]; LBS(location based service, 即基于位置的服务)借助定位技术, 近乎实时地获取个体的空间位置和移动行为, 产生了大量具有时空属性的位置数据。将这些公众主动参与规划编制生成的数据以及公众在日常生活中无意识留下的数字轨迹整合起来, 利用大数据挖掘与分析技术全面揭示城市居民围绕规划的行为模式、对规划政策的情感态度与适应性策略等, 对于规划编制具有重要意义[12, 13]。

大数据挖掘与分析是从大量、不完全、有噪声、模糊的数据中, 通过统计、机器学习、神经网络和数据库等方法提取潜在有用的信息和知识的过程(何莲娜、黄晓春、程辉等《大数据挖掘助力微观尺度下“ 经” “ 规” 对话》, 见《城市时代, 协同规划— — 2013中国城市规划年会论文集(13-规划信息化与新技术)》, 2013年, 第2页。)。目前, 城市规划公众参与大数据挖掘的相关研究主要聚焦于对位置数据的挖掘, 据此分析人类活动对城市空间结构的影响, 从而指导城市交通规划[14]、城市中心区划定[15, 16]等内容。而对于如何挖掘公众参与产生的非结构化数据的相关研究则较为少见。

文本信息不仅是非结构化数据的重要组成部分, 也是新媒体时代规划公众参与的主要呈现形式。自然语言处理是文本信息挖掘的关键技术, 指利用计算机技术来研究和处理自然语言, 包括分词、关键词提取、文本聚类、情感分析等相关技术(对自然语言处理的定义, 可参见张静《基于自然语言处理的智能识别和智能控制应用》, 南京邮电大学2017年硕士学位论文, 第7-8页。)。这些技术虽然已得到了大量计算机领域学者的重视和改进, 但在城市规划公众参与领域中的应用却仍处于初步阶段。相关研究主要涉及以下两个方面:一是借助关键词提取等语义分析技术识别特定地点的热点话题, 从而评价城市现状空间分布与使用情况[17, 18, 19, 20, 21]; 二是借助情感分析技术, 挖掘公众对空间的情感表达, 生成情绪地图, 了解公众的正负面态度[22, 23, 24, 25]。但由于这些研究的出发点更多的是挖掘技术应用与城市状况评价, 对城市规划编制的针对性和指导性不强, 因此很难真正获得公众对规划的意见和感受。

因此, 本文以上海市城市总体规划(2017— 2035)(简称“ 上海2035总规” )编制中的公众参与为例, 以我国当前主要的社交网络平台新浪微博为公众意见来源, 利用自然语言处理技术, 提炼公众意见, 识别公众态度, 分析公众行为, 从而揭示上海2035总规网络公众参与的内容与特征。本文的创新意义在于:一方面, 将话题与情感一体化, 系统了解公众价值诉求, 深刻剖析热点话题的时空演进特征; 另一方面, 在传统人工筛选和提炼方式无法满足海量数据需求的背景下, 尝试将非结构化数据挖掘技术应用于城市规划公众参与的话题提炼, 为新媒体时代公众意见的获取、分析和挖掘提供参考。

二、 上海2035总规公众参与的新媒体数据与挖掘方法
(一) 上海2035总规编制概况

上海2035总规在草案编制阶段的名称为上海市城市总体规划(2016— 2040)(简称“ 上海2040总规(草案)” )。上海2035总规是中央城市工作会议召开后第一个展望至2035年并向国务院报批的超大城市总体规划, 它从2014年5月开始编制, 于2017年初上报国务院, 并于该年12月正式获批。总规编制明确提出了“ 开门做规划” 的要求, 从2014年规划大纲公示到2016年底总规草案公示, 通过多种形式搜集公众意见, 实现全过程的公众参与。除了座谈会、留言本、信件等传统的公众参与方式外, 微博、微信、网站、论坛等线上平台也成了总规编制交流、协商与多主体决策的重要渠道[26]。

(二) 公众参与的新媒体数据收集与预处理

微博是我国公众使用最为广泛的社交网络平台之一, 它基于用户关系进行信息分享、传播以及获取。新浪微博在国内同类微博产品中占据最大的市场份额(2015年占据88.7%)(参见李明《天灏资本:新浪以88.7%的份额主导微博应用市场》, 2015年2月20日, http://tech.sina.com.cn/i/2015-02-20/doc-iavxeafs1236800.shtml?utm_source=tuicool, 2018年11月1日。), 该平台上的“ 上海规土发布” “ 上海观察” “ 中国上海” 等官方微博接连发起了“ 上海2040” “ 上海总规2040” “ 上海规土2040” 等相关话题, 引起了广泛讨论。因此, 本文以“ 上海2040” 作为关键词搜索相关新浪微博, 利用网页爬取技术得到2017年2月27日前的微博数据(包括原创微博、评论和转发)16 549条, 其中包含发布时间、用户所在地址(由用户自己填写)、微博(原创微博、评论或转发)内容、用户认证情况等信息。

去除无关的原创微博、重复的评论和转发数据后, 得到12 171条微博数据。这些数据最早出现于2014年7月14日, 最晚结束于2017年2月26日, 与上海2035总规编制重点阶段时间点相符, 如图1所示。2014年的微博数据大部分与“ 上海, 我的2040” 愿景调查(2014年7月31日至8月31日)相关; 而2016年8月开始猛增的微博数据则是由于草案公示期(2016年8月22日至9月21日)前后公众参与工作的广泛开展。

图1 新浪微博数据量随时间变化情况

在12 171条微博数据中, 共有9 394条数据含有地址信息。全国各地均对上海2035总规给予了关注, 毋庸置疑的是来自上海的微博数据量最大(3 857条), 此外与上海相邻接的江苏(1 265条)和浙江(576条)以及同属一线城市的北京(577条)也对上海2035总规抱有较为浓厚的兴趣。在来自上海的微博数据中, 共有2 919条数据含有市辖区信息。这些数据涵盖了上海16个区, 其中浦东(647条)、黄浦(560条)、徐汇(277条)的数据量最大, 青浦(29条)、金山(28条)、崇明(23条)的数据量最小。一般而言, 经济越发达, 人口密度越高, 位于主城区的市辖区的微博数据量就越大。

在12 171条微博数据的基础上, 去除仅转发未评论的数据、内容无太大意义的数据(如“ 哈哈” “ 呵呵” 等), 得到7 206条微博数据, 包括843条原创微博、4 422条评论和1 941条转发, 用于话题和情感的提取与分析。

(三) 公众参与意见挖掘方法

本文重点关注城市规划公众参与的热点话题演进及相应的情感态度, 因此, 主要采用关键词提取、情感分析和文本聚类等自然语言处理技术。

关键词提取是指从文本中把与文本最相关的一些词提取出来的过程, 用于获取公众最感兴趣的热点话题。本文借助Python计算机编程语言, 利用结巴(jieba)分词(结巴(jieba)分词自称“ 做最好的Python中文分词组件” , 可以对一段中文进行分词, 实现了基于TF-IDF和基于TextRank两种算法的关键词提取。参见面向开源及私有软件项目托管平台GitHub的介绍, http://github.com/fxsjy/jieba/。)工具, 提取微博(原创微博、评论或转发)内容中的关键词。首先, 采用精确分词模式, 避免重复分词和歧义; 为提高分词的正确率, 在分词的基础上加入自定义词典, 自定义词典包含了上海2040总规(草案)文本中名词解释部分的名词以及根据实际分词结果进行调整后的词语。接着, 在默认语料库的基础上, 采用TF-IDF算法(TF-IDF算法:TF(term frequency)指某一给定词语在文件中出现的频率。IDF(inverse document frequency)是一个词语普遍重要性的度量, 可以由总文件数目除以包含该词语的文件数目, 再将所得商取对数得到。词语的重要性随着它在文本中出现的频率成正比增加, 但同时会随着它在语料库中出现的频率成反比下降; 利用某一特定文件内的高词语频率以及该词语在整个语料库中的低文件频率, 可以得到高的TF-IDF权重值。参见https://en.wikipedia.org/wiki/Tf-idf。), 提取出词性为名词(n)、地名(ns)、动名词(vn)、动词(v)的关键词, 并获得相应的TF-IDF权重值。TF-IDF权重值越高, 则相应关键词的重要性就越高, 说明公众对相关话题的关注度越大。为了避免重复, 将意思相近的关键词进行合并, 例如:将“ 上海” “ 上海市” “ 魔都” 合并为“ 上海” , 将“ 规划” “ 城市总体规划” “ 城市规划” “ 总体规划” 合并为“ 城市总规” , 同时加和相应的TF-IDF权重值。最后, 根据需要, 利用Tagxedo(Tagxedo是一款可以自定义云的外形的文字云在线生成工具, 能将词频、主题、标签很好地结合在一起。参见http://www.tagxedo.com/app.html。)生成词云图, 以更直观、形象地展示公众对各类话题的关注程度。

情感分析是指对文本中情感的倾向性进行提取的过程, 用于获取公众意见所表达出的正面或负面的情感倾向。本文利用BosonNLP(BosonNLP是一个中文语义开放平台, 它提供使用简单、功能强大、性能可靠的中文自然语言分析云服务, 已被许多研究者采用; 其情感分析API提供行业领先的篇章级情感分析, 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, 结合自主开发的半监督学习技术, 正负面情感分析准确度达到80%至85%, 经过行业数据标注学习后准确率可达85%至90%; 其文本聚类API采用自主研发的算法, 一方面加入了对语义的扩展, 保证同一个意见的不同表述可以被归纳在一起, 另一方面又避免了传统的K-means等算法需要预先设定聚类总数的困难, 基于数据的分布自动选择合适的阈值。参见http://bosonnlp.com/。)的情感分析API(application programming interface, 即应用程序编程接口), 选择对微博语料进行标注和机器学习而产生的模型, 对微博数据的情感倾向进行逐条判断。该API会返回每一条微博数据的正面概率和负面概率, 概率表示该条微博数据的情感倾向为负面或正面的可能性的大小, 两个概率之和为1。通常负面概率大于0.6时, 就可认定该条数据的情感倾向为负面; 负面概率小于0.4时, 情感倾向为正面; 负面概率在0.4至0.6之间时为模糊地带, 由人工对数据的情感倾向(正面、负面、中性)进行判断。

文本聚类指对给定的文本进行话题聚类, 将语义上相似的内容归为一类, 有助于对海量文档、资讯的整理和话题统计。本文利用BosonNLP的文本聚类API处理843条原创微博, 得到110个聚类, 并对聚类结果进行人工筛选和合并, 提取出前8个微博话题。

三、 上海2035总规公众参与意见挖掘结果
(一) 总体话题及其情感分析

公众在新浪微博平台上对上海2035总规给予了较大关注, 讨论话题涉及总规的各个方面。从关键词提取结果(图2)来看, 人口、全球城市、草案是公众最为关注的三个话题; 此外, 房价、建设用地、都市圈、发展等也是公众讨论的重点。总体的情感分析结果表明, 56.69%的微博数据表达出负面的情感倾向, 39.97%的微博数据表达出正面的情感倾向, 剩余3.34%的微博数据的情感倾向为中性。可见, 大部分公众对上海2035总规持有消极态度。

图2 关键词提取结果(为了展示更多的公众关注话题, 图2(b)中前20个关键词排除了“ 上海” “ 城市总规” “ 城市” 这三个与上海2035总规明显相关的关键词。)

为了更明确地了解公众对各个话题的情感态度, 本文利用文本聚类从原创微博中提取出前8个微博话题, 并对各微博话题下的评论和转发数据进行情感分析, 结果如图3所示。8个微博话题分别为人口、都市圈、草案公示、全球城市、建设用地负增长、住房、轨交网络和慢行系统、城市副中心, 这与关键词提取结果相符。除了“ 草案公示” 这一话题的正面意见数量占比(49.07%)略大于负面意见数量占比(45.34%)外, 其余话题均是负面情感倾向占据优势。

图3 各微博话题下评论和转发数据的情感倾向分析

“ 人口” 这一话题主要由上海2040总规(草案)提出的“ 以2 500万人左右的规模作为2040年常住人口调控目标” 引起, 相关关键词还包括“ 常住人口” “ 外来人口” “ 流动人口” “ 外地人” “ 本地人” 等。71.43%的公众意见态度消极, 认为这一人口规模不够合理, 且不利于上海的进一步发展; 与之相关的三篇受到广泛关注的博文, 即《上海规划2040:全球城市需要什么样的人口政策?》《上海规划2040:走向封闭的“ 全球城市” ?》《超级城市限制外地人?专家:这次真做错了》, 也纷纷表达了对这一人口规划目标的质疑。“ 都市圈” 这一话题聚焦于上海2040总规(草案)提出的与苏州、无锡、南通、宁波、嘉兴、舟山等地区构建协同发展的上海大都市圈规划, 参与该话题讨论的公众多数来自与上海相邻接的江苏、浙江两省, 这些公众表达了对建立大都市圈后上海可能“ 挤占” 周边地区资源而导致这些地区生活成本提高的担忧, 因而负面意见数量占比达到65.49%。在“ 草案公示” “ 全球城市” 和“ 城市副中心” 这三个话题下, 正面的公众意见多数是对上海美好未来的期待以及对与自身利益密切相关的部分规划内容的赞成与支持; 而负面的公众意见则认为该规划缺少实质性内容, 并且表达了对与自身利益密切相关的部分规划内容的反对与质疑。“ 建设用地负增长” 和“ 住房” 这两个话题源自上海2040总规(草案)提出的“ 建设用地总规模负增长” 和“ 构建可负担、可持续的住房供应体系” 两大目标, 大部分公众对这两个目标能否实现存在疑虑, 同时担心不再供应新增建设用地将会导致房价继续上涨, 负面意见数量占比分别为67.76%和63.27%。对于“ 轨交网络和慢行系统” 这一话题, 71.70%的公众意见态度消极, 从意见的实际内容来看, 公众其实是借助新浪微博平台表达对轨交现状的不满。

(二) 热点话题的时空演进分析

进一步归纳提取出的关键词, 得到在整个公众参与期间备受关注的10个热点话题, 包括都市圈、城市定位、人口、土地利用、住房、交通、文化、生态环境、城乡规划体系和公共基础设施。根据各话题的TF-IDF权重值随时间变化的情况(图4)可知, 热点话题受到的持续关注度较差, 且具有典型的间歇性和爆发性特征。其变化特征主要可归纳为以下三种类型:第一, 单头分布型, 在公众参与前期几乎未被提及, 而在后期受到广泛关注, 如都市圈、人口话题; 第二, 双头分布型, 在公众参与的前期和后期均受到不同程度的关注, 但在中期几乎未被提及, 如城市定位、土地利用、文化、城乡规划体系、公共基础设施话题; 第三, 中间分布型, 在公众参与的前期和后期受到的关注较小, 而在中期受到广泛关注, 如交通、生态环境话题。此外, 住房话题则介于单头分布型和中间分布型之间, 在公众参与的中期和后期受到广泛关注。

图4 热点话题的TF-IDF权重值随时间变化情况(每月所对应的图形的上下宽度值为该话题的TF-IDF权重值。)

分别提取各区的主要关键词(表1), 发现各区关注的热点话题也存在明显差异, 揭示了规划作为一项公共政策的典型时空偏好特征。对于较为发达且位于主城区的市辖区(例如黄浦、徐汇), 其内部公共基础设施一般已比较完善, 常住人口素质也较高, 因此区内公众会对规划的战略、目标等内容给予更多关注, 相关热点话题宏观性更强, 如人口、全球城市、建设用地、文化等; 而对于相对落后的市辖区(例如嘉定、青浦), 其内部基础设施与公共服务仍有待改善, 因此区内公众更为关注与日常生活密切相关的热点话题, 如地铁、房价、公交、机场等。此外, 一些具有典型地域性的规划内容也在其对应区域受到了相应关注, 例如:上海2040总规(草案)提出奉贤新城规划, 引起了公众对于奉贤新城和南桥新城的定名之争, 关于“ 南桥” 的热点话题出现在奉贤的主要关键词中; 规划将金山由新城降为核心镇这一具体内容受到了金山公众的重点关注, “ 核心镇” 和“ 新城” 两个话题成为金山的主要关键词; 规划还指出打造崇明世界级生态岛, 将其作为重点生态区域进行建设和保护, 崇明公众针对这一规划内容展开了热烈讨论。

表1 上海各区的主要关键词

总体而言, “ 总人口” 和“ 全球城市” 这两个热点话题受到了各区公众的普遍关注。因此, 以这两个话题为例, 探究话题的空间流动性, 可揭示各市辖区在整个公众参与期间对某个具体话题关注的变化, 结果呈现出明显的空间不均衡特征, 如图5所示。各区对“ 总人口” 的关注始于2014年8月, 首先出现于浦东、黄浦、徐汇和杨浦等主城区域, 之后对该话题的关注逐渐消失, 到2016年7月黄浦又重新开始关注该话题, 随即引发几乎所有市辖区公众的广泛讨论, 接着讨论热度迅速衰减, 最后结束于杨浦这一主城区域。各区对“ 全球城市” 这一话题的关注始于2014年7月, 首先出现于长宁、宝山、松江和奉贤, 随后是黄浦和徐汇, 接着归于沉寂, 到2016年7月黄浦又重新开始关注该话题, 讨论随即在各区迅速蔓延开来, 但热度不及“ 总人口” 话题, 最后对该话题的关注集中于浦东、黄浦、徐汇、静安、杨浦等主城区域, 讨论热度保持在一定水平。

图5 话题的空间流动性(网格颜色的深浅代表关键词在某市辖区某年某月的微博数据中的权重值大小。)

可见, 主城区公众是上海2035总规公众参与的主力, 话题发起和结束均位于主城区, 周边郊区仅在热烈讨论期才加入关注。值得一提的是, 黄浦对两个话题均给予了最持久的关注, 且热烈期的广泛讨论也源起于该区, 可见位于市中心的黄浦在一定程度上发挥着发起和引导话题讨论的作用, 进一步分析后发现“ 上海规土发布” 等公示规划信息、发起微博话题的官方微博都位于该区。

(三) 公众行为特征分析

微博平台上的公众参与具有“ 官方发布微博, 普通公众转发评论” 的特点, 即政府借助该平台发布各种与规划内容相关的原创微博, 公众偏向于对自己感兴趣的话题进行评论和转发。

根据用户认证信息, 可将微博用户分为蓝V用户、黄V用户和普通用户, 在12 171条微博数据中, 三者分别占5.01%、4.53%和90.46%, 其各自发布原创微博、评论和转发的情况如图6所示。蓝V用户指得到机构认证的媒体、政府部门、公司等, 通常发布具有告知性和解释性的原创微博, 转发其他蓝V用户的原创微博, 用于向公众普及规划知识、号召公众参与城市问题探讨和规划编制; 黄V用户经过个人认证, 往往是某领域中具有权威性和话语权的人物, 类似专家, 常常针对某一话题通过各种方式发表自己较为专业的看法, 易影响舆论导向; 普通用户未经认证, 具有匿名性, 代表了普通个人, 相较于主动发布原创微博, 评论和转发是其主要行为。

图6 不同用户发布原创微博、评论和转发的数量情况

不同微博用户关注的话题存在一定差异, 且表达出不同的情感倾向。如图7所示, 蓝V用户和黄V用户关注的话题更为宏观, 且用语更书面化。前者关注规划的方方面面, 涵盖城市定位、城乡规划体系、公共活动中心体系、区域协同发展等话题; 后者则更关注大都市圈这一话题, 关键词涉及桐乡、海宁、舟山、苏州、无锡、杭州等众多上海周边城市。两类用户的情感态度均较为积极, 表达出正面情感倾向的蓝V用户和黄V用户的数量占比分别为86.78%和61.71%。普通用户则更关注与日常生活密切相关的话题, 如房价、地铁等, 但大部分(61.68%)持消极态度。从关注内容来看, 生活现状与规划远景的差异是普通民众产生负面情感的主要原因。

图7 不同用户的词云图(为了凸显不同用户关注话题的差异, 排除了“ 上海” “ 城市总规” “ 城市” 等共有关键词。)

四、 结论与讨论

随着新媒体工具的发展与普及, 城市规划的公众参与模式发生了深刻变革, 公众意见的数量也出现了爆炸式的增长, 传统人工筛选和提炼方式已无法满足大数据的需求, 因此, 迫切需要在公众意见获取、提炼和归纳中引入和应用大数据挖掘与分析技术, 以改进公众参与效率、提升公众参与价值。已有研究在挖掘人类时空行为数据时常常将话题与情感割裂开, 仅针对其中一项展开讨论, 而本文则将话题与情感相结合, 从一体化角度探究了公众对不同话题的情感差异, 并分析了不同话题关注度的时空变化特征。对上海2035总规公众参与意见的挖掘为城市规划在更大程度上尊重和体现公众意愿提供了一条可行路径, 话题与情感相结合的分析逻辑不仅适用于公众参与的新媒体数据, 也适用于通过传统线下渠道搜集得到的公众意见, 从而帮助规划编制主体更真实地了解公众关注的热点话题及相应情感, 追踪话题的走向和趋势, 最终更好地协调各方利益、提升规划编制水平。

话题分析结果表明, 新浪微博平台上的城市规划公众参与具有如下特征:规划热点话题受到的持续关注度较差, 具有典型的间歇性和爆发性特征; 各区公众关注的热点话题与其社会经济情况及受到的影响程度密切相关, 这也揭示了规划作为一项公共政策的时空偏好特征; 公众参与表现出空间不均衡性, 参与主体聚集于主城区。总体而言, 结合“ 官方发布微博, 普通公众转发评论” 的公众行为特征可知, 微博平台上的公众参与实际上仍然由政府主导, 政府按照规划编制安排抛出话题供公众讨论, 而公益组织与社会团体并未发出应有的声音, 因此公众参与广度和深度均受到影响。

情感分析结果表明, 不论是总体情感还是分话题情感, 用户大多表达出消极态度。从不同用户的情感倾向来看, 蓝V和黄V用户的态度相对积极, 而普通用户则多持消极态度。对于同一话题, 不同用户代表不同的利益主体, 具有不同利益诉求, 因此表达出不同的情感倾向。蓝V用户通常代表政府机构, 以追求和保障公共利益为价值导向, 通常借助微博平台向公众普及规划知识, 公示规划信息, 发布和传播积极的信息。黄V用户通常代表相关领域专家, 视野开阔, 相对专业, 价值诉求与政府基本一致, 也表达出相似的情感倾向。普通用户代表来自各个社会阶层的普通民众, 通常关注自身切实利益, 由于信息不对称等问题, 往往会放大规划可能产生的影响, 形成片面的观点, 微博的匿名性致使公众以更随意的言辞表达这些观点, 产生“ 羊群效应” , 有些公众甚至走向极端, 例如上海周边邻近城市的居民还未对大都市圈规划进行深入了解, 就担忧上海“ 挤占” 本地资源, 排斥与上海的协同发展; 上海市民看到“ 建设用地负增长” 就担忧房价上涨; 外来人口看到“ 人口控制” 规划目标, 就担心社会公平问题。

上海2035总规编制尽管着重强调了公众参与, 且对官方渠道收集到的公众意见进行了解释和回复, 但由于时间和成本的限制, 仍然无法全面顾及所有社交网络等类似平台上的公众意见。新浪微博平台上占据主导的负面情绪也表明不同利益群体仍未实现充分协商, 亟须加强反馈与协商机制, 来实现社会利益的协调分配。因此, 上海2035总规编制公众参与仍处于阿恩斯坦(Arnstein)“ 市民参与阶梯理论” [27]中的第二层次第四等级, 即“ 象征性参与” 中的“ 征询意见” 阶段。

要真正进入到第三层次, 即“ 市民权利” 受引导的互助合作阶段, 需要政府抓住大数据和新媒体时代的机遇, 搭建更加合理的公众参与平台、完善公众参与机制。一方面, 借助新媒体工具和大数据挖掘与分析技术, 全面抓取各平台上的公众参与意见, 挖掘公众对规划话题的情感、态度、响应与适应性策略等, 自下而上聚合成“ 舆情” “ 热点话题” 等公众意愿, 辅助城市规划的编制和实施; 另一方面, 不仅要警惕网络社会的虚拟性、匿名性、数字鸿沟等局限, 还要警惕过度控制舆论和媒体导致网络作为公共空间作用的丧失(关于这个问题, 可参见严涵《新媒体时代的城乡规划公众参与研究》, 南京大学2013年硕士学位论文, 第38页。)。政府应借助这些平台致力于消除规划信息的不对称, 引导更多良性的互动和有效的讨论, 提升公共政策制定中公众参与的效率。

参考文献
[1] 邓昭华、王世福、赵渺希: 《 新媒体的规划公众参与和前瞻——以广州大佛寺扩建工程事件为例》, 《城市规划》2014年第7期, 第84-90页.
[Deng Zhaohua, Wang Shifu & Zhao Miaoxi, ″Public Participation in Planning Through New Media and Its Prospects: A Case Study on Dafo Temple Expansion, Guangzhou, ″ City Planning Review, , No7(2014), pp. 84-90. ] [本文引用:1]
[2] 王鹏: 《新媒体与城市规划公众参与》, 《上海城市规划》2014年第5期, 第21-25页.
[Wang Peng, ″New Media and Public Participation in Urban Planning, ″ Shanghai Urban Planning Review, , No5(2014), pp. 21-25. ] [本文引用:2]
[3] Evans-Cowley J. &Holland er J. , ″The New Generation of Public Participation: Internet-based Participation Tools, ″ Planning, Practice & Research, Vol. 25, No. 3(2010), pp. 397-408. [本文引用:2]
[4] Zhang S. & Feick R. , ″Understand ing Public Opinions from Geosocial Media, ″ International Journal of Geo-Information, Vol. 5, No. 6(2016), pp. 1-20. [本文引用:1]
[5] Zhao M. , Lin Y. & Derudder B. , ″Demonstration of Public Participation and Communication Through Social Media in the Network Society Within Shanghai, ″ Environment and Planning B: Urban Analytics and City Science, Vol. 45, No. 3(2017), pp. 529-547. [本文引用:4]
[6] 黄幸婷、张坤: 《 土地规划中公众参与的行为选择及其影响因素》, 《农村经济与科技》2012年第1期, 第98-99页.
[Huang Xingting & Zhang Kun , ″Behavioral Choice of Public Participation in Land Planning and Its Influencing Factors, ″ Rural Economy and Science-Technology, , No1(2012), pp. 98-99. ] [本文引用:1]
[7] 吴人韦、杨继梅: 《 公众参与规划的行为选择及其影响因素——对圆明园湖底铺膜事件的反思》, 《规划师》2005年第11期, 第7-9页.
[Wu Renwei & Yang Jimei, ″The Behavioral Selection of Public Participation in Planning and Its Influencing Factors: Reflection on the Spreading of Plastic Film at the Lake Bottoms of Yuan-Ming Yuan Imperial Garden, ″ Planners, , No11(2005), pp. 7-9. ] [本文引用:1]
[8] 李稷、张沛: 《 行为经济学视角下公众参与城市规划的动力机制优化》, 《现代城市研究》2018年第6期, 第44-50页.
[Li Ji & Zhang Pei, ″Dynamic Mechanism Optimization of Public Participation in Urban Planning from the Perspective of Behavioral Economics, ″ Modern Urban Research, , No6(2018), pp. 44-50. ] [本文引用:1]
[9] 莫文竞、夏南凯: 《 基于参与主体成熟度的城市规划公众参与方式选择》, 《城市规划学刊》2012年第4期, 第79-85页.
[Mo Wenjing & Xia Nankai, ″Public Participation Approaches and Public Political Maturity, ″ Urban Planning Forum, , No4(2012), pp. 79-85. ] [本文引用:1]
[10] Evans-Cowley J. S. , ″Planning in the Age of Facebook: The Role of Social Networking in Planning Processes, ″ GeoJournal, Vol. 75, No. 5(2010), pp. 407-420. [本文引用:2]
[11] Cheng Y. , ″Collaborative Planning in the Network: Consensus Seeking in Urban Planning Issues on the Internet — The Case of China, ″ Planning Theory, Vol. 12, No. 4(2013), pp. 351-368. [本文引用:2]
[12] 朱霞、周阳月: 《 大数据时代下众人规划全方位参与方法研究》, 《华中建筑》2016年第5期, 第7-10页.
[Zhu Xia & Zhou Yangyue, ″Study on the Public Participation Method of All-round Participation under the Era of Big Data, ″ Huazhong Architecture, , No5(2016), pp. 7-10. ] [本文引用:1]
[13] 赵珂、于立: 《 大规划: 大数据时代的参与式地理设计》, 《城市发展研究》2014年第10期, 第28-32, 83页.
[Zhao Ke & Yu Li, ″Big Planning: Participatory Geodesign in the Age of Big Data, ″ Urban Development Studies, , No10(2014), pp. 28-32, 83. ] [本文引用:1]
[14] Liu Y. , Wang F. & Xiao Y. , ″Urban Land Uses and Traffic 'Source-sink Areas': Evidence from GPS-enabled Taxi Data in Shanghai, ″ Land scape and Urban Planning, Vol. 106, No. 1(2012), pp. 73-87. [本文引用:1]
[15] Hollenstein L. &Purves R. , ″Exploring Place Through User-generated Content: Using Flickr Tags to Describe City Cores, ″ Journal of Spatial Information Science, Vol. 2010, No. 1(2012), pp. 21-48. [本文引用:1]
[16] Luscher P. & Weibel R. , ″Exploiting Empirical Knowledge for Automatic Delineation of City Centres from Large-scale Topographic Databases, ″ Computers, Environment and Urban Systems, Vol. 37, No. 1(2013), pp. 18-34. [本文引用:1]
[17] Li D. & Long Y. , ″A Crowd-sourced Data Based Analytical Framework for Urban Planning, ″ China City Planning Review, Vol. 24, No. 1(2015), pp. 49-57. [本文引用:1]
[18] 王鹏、吴纳维、褚峤等: 《 大数据在历史街区规划、建设与运营管理中的应用》, 《上海城市规划》2016年第5期, 第31-37页.
[Wang Peng, Wu Nawei &Chu Qiao et al. , ″The Application of Big Data in the Plan, Construction and Operational Management of Historic Areas in Shanghai, ″ Shanghai Urban Planning Review, , No5(2016), pp. 31-37. ] [本文引用:1]
[19] 杜清运、任福: 《 空间信息的自然语言表达模型》, 《武汉大学学报(信息科学版)》2014年第6期, 第682-688页.
[Du Qingyun& Ren Fu, ″Representation Model of Spatial Information in Natural Language, ″ Geomatics and Information Science of Wuhan University, , No6(2014), pp. 682-688. ] [本文引用:1]
[20] 段炼、呙维、朱欣焰等: 《 基于时空主题模型的微博主题提取》, 《武汉大学学报(信息科学版)》2014年第2期, 第210-213页.
[Duan Lian, Guo Wei & Zhu Xinyanet al. , ″Constructing Spatio-temporal Topic Model for Micro-blog Topic Retrieving, ″ Geomatics and Information Science of Wuhan University, , No2(2014), pp. 210-213. ] [本文引用:1]
[21] 陈佳、胡波、左小清等: 《 利用手机定位数据的用户特征挖掘》, 《武汉大学学报(信息科学版)》2014年第6期, 第734-738页.
[Chen Jia, Hu Bo& Zuo Xiaoqing et al. , ″Personal Profile Mining Based on Mobile Phone Location Data, ″ Geomatics and Information Science of Wuhan University, , No6(2014), pp. 734-738. ] [本文引用:1]
[22] 易峥、李继珍、冷炳荣等: 《 基于微博语义分析的重庆主城区风貌感知评价》, 《地理科学进展》2017年第9期, 第1058-1066页.
[Yi Zheng, Li Jizhen & Leng Bingronget al. , ″Perception and Evaluation of Cityscape Characteristics Using Semantic Analysis on Microblog in the Main Urban Area of Chongqing Municipality, ″ Progress in Geography, , No9(2017), pp. 1058-1066. ] [本文引用:1]
[23] Cao X. , Machaughton P. & Deng Z. et al. , ″Using Twitter to Better Understand the Spatiotemporal Patterns of Public Sentiment: A Case Study in Massachusetts, USA, ″ International Journal of Environmental Research & Public Health, Vol. 15, No. 2(2018), 250. [本文引用:1]
[24] Ali F. , Kwak D. & Khan P. et al. , ″Fuzzy Ontology-based Sentiment Analysis of Transportation and City Feature Reviews for Safe Traveling, ″ Transportation Research Part C: Emerging Technologies, Vol. 77(2017), pp. 33-48. [本文引用:1]
[25] 王洋、于立: 《国外“人—地情感”的“标绘研究”引介: 作为规划决策依据的分析工具和公众参与途径的思考》, 2018年5月3日, http: //kns. cnki. net/kcms/detail/11. 5583. tu. 20180503. 1605. 001. html, 2018年11月1日.
[Wang Yang & Yu Li, ″People-Place Emotion Mapping as the Instrumental Tool for Decision-making and Approach to Public Participation in Planning: An Introduction, ″ 2018-05-03, http://kns.cnki.net/kcms/detail/11.5583.tu.20180503.1605.001.html,2018-11-01. ] [本文引用:1]
[26] 张逸: 《城市总体规划公众参与的创新性实践——对“上海2035”城市总体规划公众参与的思考》, 《上海城市规划》2018年第4期, 第64-67页.
[Zhang Yi, ″The Innovation Practice of Public Participation in the Master Plan: The Thinking of Public Participation in Shanghai 2035 Master Plan, ″ Shanghai Urban Planning, , No4(2018), pp. 64-67. ] [本文引用:1]
[27] Arnstein S. R. , ″A Ladder of Citizen Participation, ″ Journal of the American Institute of Planners, Vol. 35, No. 4(1969), pp. 216-224. [本文引用:1]