随着城市化进程的加快,我国的城市化率已超过60%,面对城市发展过程中带来的管理低效、规划滞后、资源短缺、道路交通拥堵、城市风貌同质化等问题,如何建设人文城市、智慧城市,提升城市品质成为我国新型城镇建设中的重要任务。根据情绪地理学和行为地理学相关研究,地方或场所通过各种方式影响人们对周围环境的感知和体验,在人们日常生活中起着关键作用,因此,城市管理者和建设者应该更多地关注空间使用者的感知和体验,将人对环境的感受和对场所的感性认识作为城市设计和管理的终极目标,大数据与深度学习技术的出现为城市空间感知的研究提供了新的机遇和技术支撑。本文核心关注城市活动空间情绪感知分布的特征规律及与其有关的物质空间要素,通过解决以上关键问题,为城市公共安全、公共卫生和设计管理的决策者做出建议和政策启示。本研究以上海为研究区域,以通过Python程序获取的上海市2019年10月7日-2020年10月6日的2089,621条新浪微博签到文本为研究数据,涉及1,521个签到兴趣点。首先基于空间分析方法,对上海市居民活动的时空特征进行分析,在此基础上,通过BERT预训练语言模型对签到文本数据进行情绪结果分类,该方法能够突破简单的积极、消极二元分类,将情绪分为“快乐”、“喜爱”、“悲伤”、“愤怒”、“厌恶”和“无情绪”六种,由此得到上海市居民对城市活动空间的情绪感知评价。进一步,使用词法分析探索与情绪相关的物质空间要素。研究结果如下:（1）上海市签到次数年内变化总体呈现出明显的“心电图”形状,月度签到流量呈现“倒金字塔”形,日间尺度的变化呈现出“勺”形特征。签到流量受新冠疫情影响较大,数个波动剧烈的节点都和疫情期间重要政策颁布的时间和发展阶段相关。签到活动空间分布集中,等级差异明显,签到POI的个数和流量都以中心城区为圆心向外递减,热门签到活动空间主要有历史文化街区、特色商业街、交通枢纽中心、高等院校等。（2）上海市热门签到地点的空间情绪整体上比较正面。从时间维度看,夜间的人们更加“悲伤”。从空间维度看,市中心的各类情绪空间分布都比较集中,但积极情绪具有连片分布的现象,消极情绪则零星分布在郊外区域,规律性不强,并且随着距市中心的距离越远,积极情绪占比越低。在签到次数排名前三十的地点中,情绪表现出了与空间类型高度相关的特征,例如,人们在上海迪士尼乐园最“快乐”,上海火车站诱发了更多的“悲伤”情绪,所有高校中,上海交通大学的空间使用者“厌恶”的情绪占比最高。（3）人们的情绪与活动空间的类型高度相关,文体演艺中心和主题乐园塑造了人们的“快乐”和“喜爱”情绪空间,高等院校和就业办公场所空间中,人们经历了最多的“愤怒”和“厌恶”,交通枢纽中心的“悲伤”气氛最为浓烈。通过对不同空间场所的与情绪相关的物质要素分析,有助于对空间的规划和管理提供具有实际意义的参考意见,从而塑造更多的积极空间,这对于增强城市可识别性,营造以“人”为中心的城市环境,建设具有活力和温度的城市空间有着重要启示。本文融合带有地理标记的社交媒体大数据的优势,以大样本微观个体为分析对象,结合深度学习自然语言处理技术实现多学科理论方法融合创新,初步构建了一套基于深度学习的数据驱动的方法来探知城市空间的情绪变化,通过与物质空间要素分析相结合,对比分析了主观感知和客观要素之间的关系,这对于处理海量的城市数据具有极大的应用潜力。