基于文本挖掘的南京交通輿情研究

郭 宇，甄云竹，閆琦若，李 晨，李英帥

（南京工業(yè)大學(xué) 交通運(yùn)輸工程學(xué)院，江蘇 南京 211816）

0 引 言

新時(shí)代我國(guó)互聯(lián)網(wǎng)建設(shè)發(fā)展迅捷，信息技術(shù)一方面推動(dòng)社會(huì)進(jìn)步發(fā)展，造福人類(lèi)社會(huì)，另一方面也會(huì)產(chǎn)生網(wǎng)絡(luò)輿情，給社會(huì)帶來(lái)不安定因素。網(wǎng)絡(luò)輿情是一種群體性意見(jiàn)，具有實(shí)時(shí)性及一定的傾向性和影響力。隨著網(wǎng)民規(guī)模逐年擴(kuò)大，互聯(lián)網(wǎng)覆蓋率的提高，來(lái)源廣泛、發(fā)帖門(mén)檻低的網(wǎng)絡(luò)輿情在與社會(huì)轉(zhuǎn)型期敏感問(wèn)題結(jié)合時(shí)可能產(chǎn)生負(fù)面內(nèi)容。對(duì)2014年我國(guó)網(wǎng)絡(luò)輿情進(jìn)行研究時(shí)，謝耕耘等發(fā)現(xiàn)互聯(lián)網(wǎng)領(lǐng)域多年來(lái)存在頂層設(shè)計(jì)不足、多頭管理、標(biāo)準(zhǔn)模糊等問(wèn)題。來(lái)源廣泛、發(fā)帖門(mén)檻低的網(wǎng)絡(luò)輿情對(duì)社會(huì)公共治理、輿論引導(dǎo)等工作影響逐步加強(qiáng)，應(yīng)重點(diǎn)關(guān)注并加以引導(dǎo)。

國(guó)外網(wǎng)絡(luò)輿情研究始于1936年，發(fā)展時(shí)間較長(zhǎng)，Pawel Sobkowicz等提出將來(lái)自多個(gè)數(shù)據(jù)源的在線(xiàn)意見(jiàn)與傳統(tǒng)調(diào)查進(jìn)行校準(zhǔn)，開(kāi)發(fā)了社會(huì)網(wǎng)絡(luò)輿情系統(tǒng)模型，加強(qiáng)了公共政策、營(yíng)銷(xiāo)、金融等領(lǐng)域的決策。Rade開(kāi)發(fā)了Simmons系統(tǒng)，并應(yīng)用于自然災(zāi)害領(lǐng)域。

國(guó)內(nèi)輿情研究起步較為遲緩，目前主要研究方面包括文本檢索、信息提取、情感分析、語(yǔ)義分類(lèi)等。肖麗妍等從輿情影響力的廣度、強(qiáng)度、速度三個(gè)層面建立體系，并給出各個(gè)指標(biāo)具體計(jì)算方法，衡量評(píng)價(jià)基于微博的網(wǎng)絡(luò)輿情社會(huì)影響力，為企業(yè)管理者提供決策層面的支持；劉毅利用MATLAB軟件，基于三角模糊數(shù)的模糊菲爾德法和模糊層次分析法，得到了關(guān)于具體某一熱點(diǎn)話(huà)題的網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系；滕婕等運(yùn)用Agent關(guān)系網(wǎng)絡(luò)，提出信任識(shí)別模型，識(shí)別惡意信息主體。

交通輿情主要以文本形式存在于新浪微博、相關(guān)論壇、微信、文章的回復(fù)、跟帖中，可利用交通輿情提煉交通信息，對(duì)交通工作加以完善。張恒才提出一種從微博文本中快速提煉獲得交通信息的技術(shù)，獲取各條路徑的運(yùn)行狀況描述，得到交通流運(yùn)行水平；崔健開(kāi)發(fā)了基于微博的交通突發(fā)事件提取系統(tǒng)，能夠迅速采集交通相關(guān)信息，評(píng)估參與人的情感狀態(tài)；趙陽(yáng)以故障文本信息為依據(jù)，運(yùn)用貝葉斯網(wǎng)絡(luò)作為故障分類(lèi)方法，提出了高鐵信號(hào)系統(tǒng)車(chē)載設(shè)備的故障診斷方法；潘美瑜利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)實(shí)時(shí)獲取與城市交通相關(guān)的文本數(shù)據(jù)，提取交通事件特征并分析成因，研究數(shù)據(jù)背后的情感特點(diǎn)；鄭治豪等以新浪微博為主要數(shù)據(jù)來(lái)源，利用條件隨機(jī)場(chǎng)算法等，完成了微博數(shù)據(jù)的提取、識(shí)別和分類(lèi)，開(kāi)發(fā)了交通感知分析與可視化系統(tǒng)；熊佳茜使用Python為主要開(kāi)發(fā)語(yǔ)言，以條件隨機(jī)場(chǎng)算法與正則表達(dá)式相結(jié)合，達(dá)到了83%的提取準(zhǔn)確率，為獲取交通大數(shù)據(jù)提供一種可行有效途徑。

當(dāng)前研究大多針對(duì)交通大數(shù)據(jù)獲取、分析后對(duì)社會(huì)帶來(lái)的影響及應(yīng)對(duì)措施，但結(jié)合區(qū)域發(fā)展特點(diǎn)，針對(duì)某一特定地區(qū)的交通輿情分析研究較少。何夢(mèng)嬌獲取蘇州論壇“寒山聞鐘”、微信語(yǔ)音、電話(huà)投訴三種方式的投訴輿情，分析姑蘇區(qū)和高新區(qū)的交通現(xiàn)狀及早晚高峰擁堵規(guī)律，了解市民關(guān)心的熱點(diǎn)話(huà)題，對(duì)本文具有較高借鑒意義。

綜上，本文從南京市交通輿情角度出發(fā)。一方面了解2019年南京市交通秩序、交通事故輿情現(xiàn)狀，根據(jù)所得數(shù)據(jù)分析出相關(guān)事件發(fā)生地點(diǎn)及原因，另一方面按照時(shí)間劃分，統(tǒng)計(jì)不同季度南京市微博輿情焦點(diǎn)，貫徹落實(shí)“以人為本”交通理念。研究結(jié)果可在宏觀(guān)層面了解市民關(guān)注焦點(diǎn)、掌握南京市道路交通發(fā)展變化，改善現(xiàn)有交通現(xiàn)狀、制定群眾認(rèn)可度高的交通政策。

1 研究過(guò)程

本文采用文本挖掘技術(shù)進(jìn)行交通輿情分析，利用爬蟲(chóng)技術(shù)獲取微博交通輿情數(shù)據(jù)，關(guān)鍵詞分別設(shè)置為：交通秩序、交通事故、標(biāo)志標(biāo)線(xiàn)。其中，交通秩序下分“堵車(chē)”、“繞行”、“禁左”、“修路”、“改建”；交通事故下分“追尾”、“刮擦”、“撞車(chē)”、“側(cè)翻”、“打滑”；標(biāo)志標(biāo)線(xiàn)下分“標(biāo)志”、“標(biāo)線(xiàn)”。得到用戶(hù)的微博原文、發(fā)布時(shí)間、用戶(hù)ID、定位地點(diǎn)、轉(zhuǎn)贊評(píng)數(shù)據(jù)等信息。

而后對(duì)獲得的文本進(jìn)行數(shù)據(jù)處理，判斷出有效微博與無(wú)效微博。有效微博即含關(guān)鍵詞，且與交通有關(guān)，內(nèi)容屬實(shí)的微博，無(wú)效微博為含關(guān)鍵詞，但與交通無(wú)關(guān)的微博。對(duì)獲取數(shù)據(jù)進(jìn)行分詞，去除文本中與交通無(wú)關(guān)的語(yǔ)氣詞等，進(jìn)行詞頻分析，了解市民關(guān)注度最高的話(huà)題。最后計(jì)算詞語(yǔ)間關(guān)聯(lián)度，獲得兩兩詞語(yǔ)的共現(xiàn)矩陣，完成交通事件與發(fā)生地點(diǎn)之間的匹配。數(shù)據(jù)處理流程如圖1所示。

圖1 數(shù)據(jù)處理流程圖

數(shù)據(jù)處理結(jié)束后，進(jìn)行多層次評(píng)估及可視化展示。按交通事件與時(shí)間分類(lèi)，進(jìn)行輿情分析、季度輿情分析與微觀(guān)輿情分析，獲取2019年南京市民關(guān)注度較高話(huà)題與重點(diǎn)區(qū)域。最后結(jié)合地理位置、地域社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r與輿情發(fā)布時(shí)間，分析輿情產(chǎn)生原因并提出對(duì)策。

2 數(shù)據(jù)處理

經(jīng)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)獲得的數(shù)據(jù)包含大量干擾內(nèi)容，須對(duì)海量?jī)?nèi)容進(jìn)行篩查和處理。先對(duì)獲得的微博數(shù)據(jù)進(jìn)行分類(lèi)，得到對(duì)本研究有用的文本信息，再對(duì)篩選出的內(nèi)容進(jìn)行分詞、共現(xiàn)分析等操作。

2.1 微博分類(lèi)。本研究對(duì)于海量數(shù)據(jù)篩查和處理采用了半技術(shù)半人工的方法，即數(shù)據(jù)的獲取過(guò)程借助專(zhuān)業(yè)軟件幫助，數(shù)據(jù)預(yù)處理采用了人工篩查。面對(duì)大量數(shù)據(jù)，在篩選過(guò)程中應(yīng)注意以下方面：（1）合理保留有用數(shù)據(jù)。初始數(shù)據(jù)包含信息量巨大，對(duì)本研究無(wú)效的內(nèi)容需予以刪除；（2）提前設(shè)定有效微博定義，并嚴(yán)格遵循。了解南京市內(nèi)街道名稱(chēng)，若描述的時(shí)間地點(diǎn)超出南京范圍需予以剔除；（3）對(duì)于同樣信息出現(xiàn)多次的情況，由于客觀(guān)事件的出現(xiàn)頻率并不代表民眾輿論，在考慮樣本精確性的前提下，應(yīng)只保留一條。

經(jīng)篩查后，對(duì)于本研究有用的微博數(shù)據(jù)共1 170條。其中標(biāo)志標(biāo)線(xiàn)類(lèi)中，含大量高速公路的施工信息，對(duì)于交通輿情監(jiān)測(cè)意義較小。去除此類(lèi)信息后，標(biāo)志標(biāo)線(xiàn)類(lèi)數(shù)據(jù)樣本量?jī)H有27條，代表性差，后續(xù)研究中不予考慮。

2.2 分詞與詞頻統(tǒng)計(jì)。文本分詞需將每個(gè)用戶(hù)發(fā)布的內(nèi)容看作獨(dú)立的信息，把每條輿情處理為多個(gè)詞匯的組合，本文分詞借助GooSeeker分詞打標(biāo)技術(shù)，詞頻代表輿情信息中單個(gè)詞語(yǔ)出現(xiàn)的次數(shù)，詞頻越高代表在所有用戶(hù)的發(fā)布內(nèi)容中，該詞的關(guān)注度越高。由于單條輿情信息包含的無(wú)關(guān)內(nèi)容較多，分詞結(jié)束后刪除與交通無(wú)關(guān)和詞頻低于5的詞語(yǔ)。

2.3 關(guān)聯(lián)度計(jì)算。社會(huì)網(wǎng)絡(luò)圖在文本挖掘分析中可以顯示出詞匯間的關(guān)聯(lián)度，分析詞匯是否處于核心位置，其中共詞匹配用于計(jì)算兩兩詞語(yǔ)在原文中的共現(xiàn)次數(shù)。將事件發(fā)生地點(diǎn)與事件類(lèi)型相匹配后，可定位到2019年南京市民所關(guān)注的交通現(xiàn)象。

共詞匹配完成后可生成匹配矩陣表，在表格中兩個(gè)詞語(yǔ)的共現(xiàn)次數(shù)由水平、豎直相交的單元格中的數(shù)字表示，值為正數(shù)就是有共現(xiàn)關(guān)系，值為零就是無(wú)共現(xiàn)關(guān)系；詞語(yǔ)的關(guān)聯(lián)度可以通過(guò)計(jì)算共現(xiàn)值為正數(shù)的單元格數(shù)量來(lái)表示，如表1所示。

表1 共現(xiàn)矩陣表

共詞匹配也可生成社會(huì)關(guān)系網(wǎng)絡(luò)圖，其默認(rèn)展示共詞矩陣表里的所有詞語(yǔ)關(guān)系。在系統(tǒng)中輸入要展現(xiàn)的連線(xiàn)個(gè)數(shù)，根據(jù)上述統(tǒng)計(jì)出的詞語(yǔ)之間的共現(xiàn)度，按由大到小的順序進(jìn)行排列，位于核心地位的詞語(yǔ)會(huì)率先獲得連線(xiàn)，核心詞語(yǔ)與其余詞語(yǔ)之間的關(guān)聯(lián)度可以直觀(guān)表現(xiàn)出來(lái)。

在社會(huì)網(wǎng)絡(luò)關(guān)系圖里，用圓點(diǎn)大小代表詞語(yǔ)之間的共現(xiàn)度大小，即與該詞有關(guān)系的詞語(yǔ)個(gè)數(shù)。網(wǎng)絡(luò)圖使用的是無(wú)向箭頭，此處的共現(xiàn)度也能表示詞語(yǔ)的重要性，即是否處于核心地位。因此詞語(yǔ)的共現(xiàn)度越大，圓點(diǎn)就越大，詞語(yǔ)也越重要，如圖2所示。

圖2 交通秩序關(guān)系圖

從圖2中可以明顯看出核心詞語(yǔ)為“堵車(chē)”，由核心詞所輻射出的關(guān)聯(lián)詞語(yǔ)包括地點(diǎn)名詞、交通工具等，其中“玄武湖”、“秦淮（區(qū)）”、“南京南站”等詞均與核心詞關(guān)聯(lián)密切，表明這些地區(qū)在2019年處于南京市內(nèi)的秩序輿情重點(diǎn)地區(qū)，而處于網(wǎng)絡(luò)關(guān)系外圍的“六合”、“浦口”、“安德門(mén)”等地的輿情反饋較少。

3 輿情分析

基于數(shù)據(jù)的處理整合，對(duì)2019年南京市微博交通輿情進(jìn)行三方面分析：（1）南京市交通秩序與交通事故的評(píng)價(jià)；（2）按時(shí)間將全年劃分為四季度，評(píng)價(jià)每一季度輿情，挖掘出不同時(shí)間段的突出問(wèn)題、重點(diǎn)地區(qū)并進(jìn)行比較；（3）對(duì)季度輿情中突出地區(qū)進(jìn)行微觀(guān)層次分析，進(jìn)一步了解輿情背后的發(fā)生原因。

3.1 類(lèi)別分析

3.1.1 交通秩序輿情分析。從交通秩序詞云圖（如圖3所示）中可以明顯看出，南京市在交通秩序方面的突出問(wèn)題為擁堵。其646次的出現(xiàn)頻率顯著高于其余關(guān)鍵詞，繞行、修路、施工等詞仍較顯眼。在出現(xiàn)的地點(diǎn)名詞中，揚(yáng)子江、秦淮河、長(zhǎng)江大橋和長(zhǎng)江二橋等地所受到的輿論關(guān)注較高。

圖3 交通秩序詞云圖

在對(duì)應(yīng)的交通秩序匹配矩陣表中，共出現(xiàn)15處地點(diǎn)名詞，8處出現(xiàn)擁堵，4處出現(xiàn)繞行，各有1處進(jìn)行修路和施工。出現(xiàn)頻率較高的地物名詞所對(duì)應(yīng)的交通事件以擁堵、繞行為主。與長(zhǎng)江大橋?qū)?yīng)的“擁堵”詞條共有14條信息，長(zhǎng)江二橋的“擁堵”共有19條信息，揚(yáng)子江（隧道）的“繞行”共有9條信息，處于較高的頻率。說(shuō)明市區(qū)內(nèi)多地的擁堵現(xiàn)象較為嚴(yán)重，道路的改建修繕造成了市民的出行不便。

大橋、二橋均位于南京市東北部地區(qū)，揚(yáng)子江（隧道）位于西北部地區(qū)，北部及中部區(qū)域包括鼓樓區(qū)等南京中心市區(qū)開(kāi)發(fā)較早的一批地區(qū)，以及以浦口區(qū)、六合區(qū)、棲霞區(qū)為主的發(fā)展迅速的江北新區(qū)，土地利用更加綜合、多元化，開(kāi)發(fā)密度高，產(chǎn)生了大量集中分布的交通需求，由其衍生出的擁堵現(xiàn)象也因此較為明顯。在此種背景下，應(yīng)大力發(fā)展運(yùn)載能力強(qiáng)的公共交通與之相適應(yīng)，集聚帶來(lái)地價(jià)上升，相關(guān)部門(mén)也應(yīng)當(dāng)適當(dāng)上調(diào)停車(chē)、通行費(fèi)用，對(duì)私家車(chē)的運(yùn)行進(jìn)行限制，緩解交通壓力。

3.1.2 交通事故輿情分析。由于交通事故所含樣本數(shù)較少，其形成的詞云圖所含信息也較少，其中相撞、側(cè)翻等事故名詞出現(xiàn)頻率顯著高于其他名詞，發(fā)生事故的交通工具以貨車(chē)為主，說(shuō)明南京市交通事故大多是由貨車(chē)產(chǎn)生，地點(diǎn)名詞中的二橋、三橋、應(yīng)天（大街）出現(xiàn)頻率相似。

在對(duì)應(yīng)的交通秩序匹配矩陣表中，貨車(chē)一詞共出現(xiàn)66次，匹配矩陣表中與貨車(chē)具有共現(xiàn)關(guān)系詞中聯(lián)系度較大的詞分別為“相撞”與“側(cè)翻”，前者共現(xiàn)16次，后者共現(xiàn)34次，并且“貨車(chē)”與“江北”共現(xiàn)14次，與三橋共現(xiàn)8次。三橋用于連接浦口區(qū)綠水灣南端與雨花臺(tái)區(qū)大勝關(guān)，雨花臺(tái)區(qū)在地理位置上緊鄰江北新區(qū)，由此可見(jiàn)，2019年江北新區(qū)附近由貨車(chē)所造成的交通事故不容小覷，應(yīng)得到交通運(yùn)輸部門(mén)高度重視。

交通秩序匹配矩陣表中地點(diǎn)名詞共出現(xiàn)8處，按匹配矩陣中共現(xiàn)度觀(guān)察，5處發(fā)生相撞事件，3處發(fā)生側(cè)翻，1處發(fā)生肇事逃逸。其中雨花臺(tái)區(qū)較為嚴(yán)重，共統(tǒng)計(jì)到10條相撞信息與8條肇事逃逸信息，江北新區(qū)次之，統(tǒng)計(jì)到14條側(cè)翻信息，其中浦口區(qū)內(nèi)文德西路統(tǒng)計(jì)有6條側(cè)翻信息。觀(guān)察上述交通事故發(fā)生區(qū)域的地理位置可知，大多數(shù)事件集中在南京市內(nèi)的中部，以江北新區(qū)和雨花臺(tái)區(qū)最為嚴(yán)重。

南京中上部與中西部相連接關(guān)鍵在于江北新區(qū)，其同樣作為輻射帶動(dòng)長(zhǎng)江中上游地區(qū)發(fā)展的重要節(jié)點(diǎn)，擁有便捷的公路、水路、鐵路及航空樞紐，吸引帶動(dòng)的大批交通量是該地交通事故頻發(fā)的重要原因。長(zhǎng)江大橋、二橋、三橋、四橋均連接或位于該區(qū)域內(nèi)，在跨江大橋上行駛易受天氣和橋面影響，車(chē)輛應(yīng)嚴(yán)格限速、遵守交通法規(guī)。雨花臺(tái)區(qū)是南京市主城八區(qū)之一，以軟件和信息服務(wù)為主導(dǎo)的中國(guó)軟件名城示范區(qū)，且依托南京南站發(fā)展樞紐型經(jīng)濟(jì)，推動(dòng)南站與全市周邊區(qū)域的發(fā)展融合，同樣具有較大流量，在制定區(qū)域發(fā)展規(guī)劃中，應(yīng)當(dāng)著重考慮該區(qū)域內(nèi)交通安全問(wèn)題。

3.2 季度輿情分析。季度輿情用于分析交通輿情的事件類(lèi)型與時(shí)間的關(guān)系。以時(shí)間為自變量將不同類(lèi)型交通事件進(jìn)行整合，尋求隨時(shí)間推移，市民關(guān)注熱點(diǎn)與南京交通問(wèn)題的變化；季度輿情也可用于尋求不同季度間交通輿情相互關(guān)系。通過(guò)分析比較季度間存在的異同，為制定微觀(guān)交通戰(zhàn)略、城市交通規(guī)劃等提供參考。

結(jié)合輿情關(guān)注度較高的地區(qū)，制成如表2所示的地點(diǎn)事件對(duì)應(yīng)表（表格標(biāo)黃地區(qū)為江北新區(qū)）。從表中信息可以看出，交通事件“擁堵”與“側(cè)翻”在南京市處于輿論焦點(diǎn)，而多數(shù)事件的發(fā)生地點(diǎn)集聚在中北部地區(qū)，其中江北新區(qū)和鼓樓區(qū)出現(xiàn)頻率較高，長(zhǎng)江二橋位于江北新區(qū)內(nèi)，它的建成使得南京“城內(nèi)成網(wǎng)，城外成環(huán)”的交通大格局基本形成，拉動(dòng)了南京東北部地區(qū)經(jīng)濟(jì)發(fā)展，加強(qiáng)省會(huì)與蘇北地區(qū)之間的聯(lián)系。由于二橋作為寧洛高速的重要組成部分，其所吸引交通量至少涵蓋兩個(gè)省份，在促進(jìn)沿岸經(jīng)濟(jì)快速發(fā)展的同時(shí)也隱含交通事故發(fā)生的可能，一方面橋面行車(chē)應(yīng)嚴(yán)格遵守法律規(guī)定，另一方面雨雪天氣造成的路面濕滑也應(yīng)當(dāng)引起足夠重視。尤其在春運(yùn)等特殊時(shí)段，進(jìn)出城交通量大幅增長(zhǎng)時(shí)期要做好預(yù)告和防范工作，提醒駕駛員繞行，減少造成的行程時(shí)間損失和避免交通事故的發(fā)生。

表2 地點(diǎn)事件對(duì)應(yīng)表

江北新區(qū)作為南京都市圈、寧鎮(zhèn)揚(yáng)同城化的核心區(qū)域之一，占到全市面積的37%，承接多數(shù)市民的日常工作出行需要，處于高密度開(kāi)發(fā)狀態(tài)，人口密集，交通發(fā)生量集中，交通流的自我調(diào)節(jié)能力與其他地區(qū)相比較弱，因此外在力量對(duì)交通流運(yùn)行的影響較為明顯，這也是新區(qū)內(nèi)頻繁發(fā)生擁堵，以及由于施工帶來(lái)的繞行現(xiàn)象的原因。

3.3 微觀(guān)輿情分析。以表2為依據(jù)，觀(guān)測(cè)到一季度長(zhǎng)江二橋頻發(fā)繞行現(xiàn)象，四季度長(zhǎng)江二橋頻發(fā)擁堵現(xiàn)象以及玄武湖頻發(fā)擁堵現(xiàn)象，本節(jié)將針對(duì)以上交通現(xiàn)象進(jìn)行微觀(guān)層次分析，經(jīng)過(guò)查找匹配，共統(tǒng)計(jì)到32條有效文本，其中一季度7條，四季度25條，事件發(fā)生地點(diǎn)為長(zhǎng)江二橋和玄武湖兩處。

對(duì)于一季度的7條小樣本數(shù)據(jù)，其中5條微博指向?qū)幒几咚伲ǘ蚍较颍?，由于繞城車(chē)多，建議繞行，2條指向?qū)幝甯咚伲ǘ蚍较颍┙煌ü苤?，建議繞行。長(zhǎng)江二橋處于南京出城交通要塞，連接江蘇省與其他省份之間的交通往來(lái)，其吸引的多數(shù)交通量都是市域出行，為使交通網(wǎng)絡(luò)處于平衡狀態(tài)，盡量減少出行者的時(shí)間成本，除了在對(duì)橋上交通量進(jìn)行及時(shí)疏導(dǎo)管控，通過(guò)改建來(lái)擴(kuò)大交通容量，增加可達(dá)性外，對(duì)其周邊地區(qū)也應(yīng)改善使其足夠承擔(dān)二橋的分流，使平均或總的出行成本最小，達(dá)到網(wǎng)絡(luò)的系統(tǒng)平衡。

四季度收集到樣本數(shù)據(jù)相較于一季度具有一定的多樣性，長(zhǎng)江二橋共統(tǒng)計(jì)到12條相關(guān)數(shù)據(jù)，其中9條指向國(guó)慶期間，出城擁堵，排隊(duì)數(shù)量較長(zhǎng)，引發(fā)多數(shù)市民的不滿(mǎn)，2條敘述二橋至三橋方向的平良大街處發(fā)生交通事故追尾，導(dǎo)致較為嚴(yán)重的擁堵現(xiàn)象，1條敘述二橋至三橋方向的玉蘭路隧道發(fā)生廂式貨車(chē)與渣土車(chē)相撞，產(chǎn)生擁堵。四季度微觀(guān)數(shù)據(jù)再次指向二橋所處地理位置的重要性，承擔(dān)的市內(nèi)外流量對(duì)其提出了更高的運(yùn)載需求，不僅要保證市民出行的迅速、準(zhǔn)時(shí)，更應(yīng)該保證參與人的安全。作為連接市區(qū)間的道路，不可避免會(huì)吸引到各式交通工具。此時(shí)，車(chē)種全為小轎車(chē)的理想狀態(tài)下計(jì)算出的通行能力等已與實(shí)際狀況出現(xiàn)較大偏差，應(yīng)將這部分考慮在城市交通規(guī)劃發(fā)展戰(zhàn)略?xún)?nèi)，對(duì)于危險(xiǎn)系數(shù)較高的交通流要做好防范措施與突發(fā)事件應(yīng)急措施，最大限度保障出行人的安全與時(shí)效。

玄武湖在四季度共統(tǒng)計(jì)到13條數(shù)據(jù)，但該13條微博共同指向同一交通事件：國(guó)慶玄武湖煙火表演，該事件具有偶然性，但由于事件影響范圍廣，吸引大量非南京市內(nèi)出行需求，其造成的市內(nèi)道路交通負(fù)荷也不容小覷。

4 結(jié)論

在大數(shù)據(jù)逐漸滲入各個(gè)行業(yè)的背景下，利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)獲取微博交通輿情，通過(guò)分析高頻關(guān)鍵詞和共現(xiàn)矩陣，得到南京市2019年輿情熱點(diǎn)與問(wèn)題地區(qū)。研究發(fā)現(xiàn)：（1）多數(shù)用戶(hù)未形成在微博發(fā)布交通觀(guān)點(diǎn)的意愿。選取2019年整年的時(shí)間跨度所統(tǒng)計(jì)出的微博數(shù)據(jù)較少，對(duì)研究的進(jìn)行不利。（2）不同地區(qū)市民關(guān)注輿情熱點(diǎn)不同。本文所采集出的數(shù)據(jù)中，多數(shù)輿情分布在南京市中北部，以江北新區(qū)和位于市中心的鼓樓區(qū)為主。（3）不同季度輿情關(guān)注度與重點(diǎn)地區(qū)不同。第一季度存在春運(yùn)，長(zhǎng)江二橋交通壓力大，關(guān)于“二橋”與“江北新區(qū)”相關(guān)詞條內(nèi)容較多，第二季度二橋施工，大量交通流被迫繞行，第三、四季度交通逐漸趨于平穩(wěn)狀態(tài)，市中心區(qū)域仍承擔(dān)大量交通負(fù)荷，因此鼓樓區(qū)相關(guān)地點(diǎn)名詞與“擁堵”出現(xiàn)頻率相對(duì)較高。（4）本文所使用的交通輿情來(lái)源單一。微博輿情數(shù)據(jù)樣本較少，進(jìn)行輿情分析缺乏代表性，輿情的來(lái)源應(yīng)當(dāng)多樣化，分析比較不同來(lái)源的數(shù)據(jù)是否存在差異。后續(xù)可成立專(zhuān)業(yè)輿情發(fā)布平臺(tái)，方便注冊(cè)用戶(hù)完成實(shí)名認(rèn)證，對(duì)于市民的投訴可以做到分類(lèi)、分時(shí)、精準(zhǔn)定位，且官方對(duì)于市民的輿情信息應(yīng)做到及時(shí)反饋，及時(shí)監(jiān)測(cè)，鼓勵(lì)群眾發(fā)表個(gè)人意愿，促進(jìn)市內(nèi)交通平衡和相關(guān)政策的落實(shí)。