在我國發展的過程中，越來越注重居民的幸福感，隨著“大數據”時代的到來，研究數據從以前的調查問卷變成了線上數據。本文以居民為研究對象，以居民情感為著力點，在新浪微博的數據支持下，系統全面地探索居民夜間情感的時空變化規律。首先通過使用網絡爬蟲采集居民微博數據，再構建微博文本情感分析模型將微博文本轉化為情感傾向，最后使用ArcGis軟件對居民夜間情感變化進行可視化，并結合微博文本詞頻，探索情感的變化規律和特征。研究表明居民在夜間的情感變化主要受饑餓程度、疲勞程度、睡眠等因素影響。

　　智能手機的普及、web2.0 技術的日益成熟以及移動網絡的迅速發展，使得社交媒體軟件迅速發展和被使用。據統計，截至2017 年6 月，中國網民人數達到7.51 億，其中手機網民占96.3% ［1］，而新浪微博，截至2017 年9 月，活躍用戶就達到了3.76 億［2］，占網民人數的一半以上。大量的用戶在新浪微博平臺上每天就會產生上萬GB 的數據，這些數據包括文字、圖片、視頻、地理位置和個人信息等數據。由于這些數據都是用戶表達自己當時的情感、所想而產生的，他人干預的因素較小，因此數據能較為真實的反映出用戶當時的狀態，具有較高的挖掘價值。

?

　　Rotton ［3］深入的研究發現，每天的氣溫、天氣的干燥或者潮濕、霧霾程度都可以影響居民的情緒，讓居民變得更加暴躁甚至具有攻擊行為；Welsch ［4］ ［5］則利用二氧化氮氣體的排放量來評估環境污染的程度，對比了54 個國家的數據，研究了居民的主觀幸福感與環境污染的關系，研究結果顯示，空氣污染程度與居民幸福感程度成反比；劉華珍［6］從情感體驗和人際關系出發，對蕭山居民精神生活狀態進行了深入研究，發現女性居民情感狀態要比男性的好；陳映雪［7］通過微博數據分析居民情感與建成環境之間的聯系；易善君［8］等人通過分析微博數據和空氣數據，研究空氣質量與居民情感之間的關系，得出空氣中對居民情感影響較大的為顆粒物質與有刺激性氣味的氣體。上述都是研究居民情感與客觀因素的關系，而本文則是注重研究居民情感在生活中自身的變化規律。

　　目前采集新浪微博數據的主要方法有兩種，即新浪微博API ［9］和網絡爬蟲［10］-［15］。由于新浪微博并沒有將API 的使用權限完全對開發者開放，而且限制了API 的調用次數，導致使用新浪API 無法大量采集微博數據，故使用網絡爬蟲獲取數據。

　　本文設計并實現了基于Pthon 的新浪微博爬蟲，并獲取了贛州市居民微博共413，450 條，所獲取的微博數據內容包括：用戶ID、昵稱、用戶所在地區、微博發布時間、微博發布位置的坐標、用戶性別、用戶年齡及微博文本等。為更好地將數據展示出來，現將部分數據從MongoDB數據庫中導出到Excel 表中，部分微博數據如圖1 所示。