淺談軌道交通公共安全網絡輿情范文

本站小編為你精心準備了淺談軌道交通公共安全網絡輿情參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：近年來城市軌道交通公共安全事件時有發生，城市軌道交通公安機關為了有效管控公共安全網絡輿情，需要對涉及軌道交通公共安全事件的網絡媒體數據進行收集分析，并做出應對。根據目前互聯網網絡結構分析了城市軌道交通網絡輿情的來源，對于不同信息來源提出了相應的獲取方法，基于現有公安工作對獲取的輿情信息提出了分類標準。最后根據近兩年的網絡輿情數據對城市軌道交通網絡輿情進行了相應的分析。

關鍵詞：網絡輿情；軌道交通；公安工作；公共安全

一、前言

截至2018年12月，中國已有35個城市開通運營了城市軌道交通，乘坐軌道交通出行已經成為公民日常生活的一部分。運營里程排名前五位的城市分別為上海、北京、廣州、南京、深圳。其中，北京、上海、廣州的運營里程分別為608KM、673KM、391.7KM；設置的車站分別為391座、415座、257座；設置線路分別為22條、17條、13條。三個城市單日客流量均有超過1000萬人次的記錄。一個個龐大的交通運輸網絡每天高負荷地運行在城市之下、鬧市之間，隨之而來的是涉及城市軌道交通公共安全及乘客人身安全的事件時有發生。在互聯網上以“地鐵”關鍵詞對互聯網全網新聞媒體2016年、2017年的數據進行不重復抓取，共抓取新聞29446條。其中，2016年12146條，2017年17300條。清除掉其中占據36%的線路開通、地鐵廣告等數據，地鐵運營故障、乘客糾紛、乘客與運營秩序之間的沖突、各類治安案件等成為了地鐵網絡輿情數據的主要內容。如何有效地對這些數據進行采集分析，為工作決策服務，成為城市軌道交通公安機關的一項重要工作內容。

二、城市軌道交通公共安全網絡輿情來源

軌道交通運營高峰期，乘坐軌道交通出行的乘客以青年和中年人為主。根據南京地鐵一號線的抽樣調查結果：地鐵乘客平均年齡是36歲，其中20～39歲的青年人和中年人占地鐵乘客的40%。地鐵環境相對開私家車和擠公交車也較為輕松，這類群體使用手機的頻率較高，對于在車站內及車體內發生的事件可以通過微信朋友圈、微博、直播等各種自媒體的方式進行傳播，短時間內就可以通過互聯網輻射到世界各地[1]。城市軌道交通公共安全網絡輿情來源及傳播工具可見表1。城市軌道交通客流量大、客流密度高，作為公共場所發生涉及運營安全或公民人身安全事件的風險性大。國家運輸機關、運維企業及公安部門各自出臺了相關標準，對地鐵建設、運維進行標準化管理和監督。運營單位及公安部門聯合出臺了相關規章制度對公民行為進行約束。有標準必然會產生偏差，有約束必然會有沖突發生。如2017年深圳地鐵8號線一期工程8133標段-望基湖停車場及出入線綜合工程施工工地鋼筋架倒塌導致一死三傷的事故。事件通過新浪微博“鹽田”進行，經過官方視頻媒體快速通報情況，調查報告第一時間在鹽田政府網站上公布，最后得以妥善解決。根據對2017年全國軌道交通網絡輿情的分析統計，每個月份均有關于城市軌道交通運營安全的新聞報道（見表2）通過對2017年涉及軌道交通的網絡輿情分析，全國軌道交通運營過程中平均每周就有2-3起“翻越安全門、拒絕安全檢查”的新聞報道出現。2017年軌道交通網絡輿情中涉及公民不文明行為及安全事件前十個熱點如下：1.軌道交通上的各類不文明行為催生：“咆哮女”、“雞爪女”、“瓜子女”、地鐵抽煙、“當眾撒尿”、“地鐵小便”。2.逃票現象屢禁不止，各地出臺各種逃票懲罰措施。3.安檢規則引發爭議；槍支、活物、各類違禁品時有出現，拒檢時有發生。4.猥褻、偷拍事件成為軌道交通治安新聞的主要內容。5.群眾沖突、群眾與軌道交通員工沖突、民警與群眾沖突。6.盜竊、詐騙行為多樣。7.翻越安全門、跳軌等影響行車安全事件。8.軌道交通亂發廣告屢見不鮮：“掃碼創業”“小廣告”。9.各地公安機關推行新規：北京實施地鐵禁止乞討賣藝；南京開出吃糖、喝水罰單。10.軌道交通謠言及傳播視頻引發關注，公安部門及時辟謠。隨著快媒體的迅速發展，軌道交通中產生網絡輿情的條件越來越成熟。各類信息伴隨著人們的生活產生和傳播，傳播工具越來越便捷，傳播速度越來越快，傳播范圍越來越廣。及時有效地對網絡輿情進行獲取和分析，采取有效應對措施，成為維護軌道交通公共安全的一部分重要工作內容。

三、城市軌道交通公共安全網絡輿情的獲取

隨著自媒體時代的誕生，各類信息開始呈現非結構化增長，對于信息的獲取不再是簡單的網頁爬蟲抓取，或者通過各類平臺開放API進行導出。移動客戶端迅速崛起，各類社交媒體平臺層出不窮，文字、圖片、音頻、視頻各種格式的信息對于普通的關系型數據庫也產生了極大的挑戰。如何對城市軌道交通公共安全網絡輿情進行有效的獲取是整個輿情研究的難點。要對城市軌道交通公共安全網絡輿情進行有效的獲取，首先要明確對于輿情信息的需求。對于公安機關而言，對于輿情的管控和應對是一項重要工作，但是輿情分析同樣可以對公安工作起到有效的指導作用。管控和應對需要對輿情信息快速獲取，并需要通過最有效的渠道發聲。輿情的分析需要對輿情信息進行全面的采集，不僅要把發生的熱點事件全部收羅在內，還需要把各種信息的平臺、時間、涉及的各類媒體及具有影響力的發言全部匯總，進行統計分析。快速獲取的輿情信息主要來自于自媒體，微信公共號的快速轉發、新浪微博中“大V”的轉發都會在短時間內形成網絡輿情。對于這兩類自媒體目前都有相應的網站或者軟件進行相應的獲取（見表3）。對于這兩個搜索引擎而言，都有自己的搜索工具，其中搜狗的微信搜索可以篩選時間，篩選是否有圖片和視頻，還可以篩選同一個公眾號的文章。新浪微博的搜索工具功能相對更加完善，可以搜索各個類型的博文，對博文中的圖片、視頻、音樂及短鏈都可以定制搜索。特別是博文的發出地選擇更是輿情管控的利器。公安機關對用于分析的網絡輿情實時性要求不高，大而全是對分析輿情數據的要求，把所有的輿情信息匯集起來勢必使得采集的步驟增加，而大量重復的信息更是網絡輿情分析的難題。要采集大而全的軌道交通網絡輿情，需要對整個媒體的傳播方式進行深入的研究。自媒體輿情信息傳播方式：事件產生后，首先由自媒體發聲產生原始文章和媒體信息；具有影響力的自媒體首發或者轉載了這個事件的某個文章后，網絡群體開始進行大規模評論轉發；自媒體搜索引擎通過遍歷索引建立自己的快照搜索；網絡新聞媒體核實信息并進行轉載（此時的信息和數據較為可靠）；新聞搜索引擎進行索引建立快照留存。通過對傳播方式的研究，大而全的非重復輿情數據的獲取成為了可能。輿情分析對于公安機關而言有三個主要目的：第一，總結網絡輿情事件發生的原因及應對策略；第二，通過網絡輿情的演化過程和原因指導新的輿情應對工作；第三，通過對一個時段的輿情匯總分析得出該時段的公安工作重心，保障國家安全及公民人身安全。基于這三個不同階段的需求，用于分析的網絡輿情的獲取可以重點關注“自媒體搜索引擎索引”和“新聞搜索引擎索引”，特別是新聞搜索引擎的索引。現有的網絡新聞媒體基本沒有自有新聞源，打開新浪新聞、網易新聞、鳳凰新聞、今日頭條等網絡新聞媒體，可以清晰地看到新聞來源的標注。這些網絡新聞媒體的編輯人員通過自媒體新聞或地方新聞媒體報道的熱度進行新聞篩選，通過對新聞事件的核實和確認后轉發至自己的網絡新聞平臺上。通過對2017年新浪新聞中軌道交通相關報道進行的統計，共有115個新聞媒體對軌道交通涉及公共安全的新聞進行了報道。網絡新聞媒體的這一特點使得網絡輿情信息的獲取變得快捷準確。在新浪新聞中專門設置了高級搜索功能，輿情獲取者可以通過不同的需要對一個時間段內的新聞數據進行篩選并通過爬蟲軟件對搜索到的新聞進行抓取。通過對2016-2017年的軌道交通網絡輿情的采集，文章量在30000左右，有影響力的評論在100000左右。這個數據量對于現有的數據清洗分類算法而言，完全可以快速進行相應的清洗和篩選。對于專業的搜索引擎而言，百度搜索幫輿情采集者做了更多的工作。百度新聞每天通過自己的爬蟲對各大網絡新聞網站進行抓取，并且通過自身的算法對新聞進行有效的和過濾。百度為了推廣自己的新聞搜索功能，把新聞源列表進行了特別公開。對于供領導層決策使用的輿情報告，通過爬蟲對百度新聞進行輿情數據抓取是最佳途徑。不僅可以采集大而全的信息，而且數據完整，甚至有專門的摘要和關鍵詞。

四、城市軌道交通公共安全網絡輿情分類

網絡新聞等數據成功獲取后，遇到的最關鍵問題就是有效數據的清洗。在大量的文本數據信息中充斥著“某某線路開通”“某地鐵口房價暴漲”“某明星乘坐地鐵出行”等與公安機關工作不相關的內容。由于文本數據信息量過大，各類重復信息不能有效排除，對這些內容的篩選并不能依靠某個研究團隊坐在電腦前逐條信息進行閱讀。對網絡輿情的有效分類才能高效解決這一難題。現有網絡輿情分類的研究主要是基于內容。分別按內容，將網絡輿情分為政治性網絡輿情、經濟性網絡輿情、文化性網路輿情、社會性網絡輿情和復合性網絡輿情；按形成過程，分為自發網絡輿情和自覺網絡輿情；按構成，分為事實性信息和意見性信息；按境內外，分為境內網絡輿情和境外網絡輿情［2］。對于公安機關而言同樣需要對所感興趣的輿情內容進行相應的分類。文本分類是輿情分類的基礎，文本分類算法隨著計算機算法的演化逐漸趨于成熟，特別是近兩年隨人工智能、深度學習算法的發展，文本分類的準確率越來越高。計算機對于文本的分類能力已經遠遠大于人類[3]。對于采集到的和城市軌道交通相關的輿情信息，首先需要人為干預，找出公安機關感興趣的內容作為整個算法的部分訓練樣本和部分測試樣本，根據對樣本的訓練對算法的各個參數進行優化，算法達到一定的設定目標后，使用測試樣本進行測試，如果能夠達到測試要求，則可以通過算法對所有的輿情信息進行初步篩選（分類清洗）。對數據進行清洗后并沒有達到對網絡輿情分類的目的，數據清洗后只是把大量的和目的輿情無關的數據篩選掉，而我們所關注的輿情信息還沒有清晰的分類。這一步的分類就公安機關而言有兩種方法。第一種采用數據清洗的文本分類算法，在清洗后的數據中分別依據自己的經驗找出不同的類別，并且挑出樣本，再次使用文本分類算法對清洗后的數據進行二次清洗分類。把相應的類別進行有效的劃分。第二種采用數據挖掘中的聚類算法[4]，根據清洗后的數據本身的特征進行數據的聚合。由于涉及軌道交通的輿情信息包含大量的視頻和圖片信息，聚類算法設計起來相對復雜。本文采用了第一種方法，根據對篩選后數據的分析和篩選，把公安機關所關注的輿情信息分為了四類：“軌道交通建設、運營安全、國外軌道交通安全事件、國內軌道交通治安刑事案事件”。根據這四類的標準分別選取了相應的樣本文件，對2016年的輿情數據進行了相應的劃分。其中軌道交通建設6065條，運營安全254條，國外軌道交通安全事件1211條，國內軌道交通治安刑事案事件1853條。公安機關重點關注的“國內地鐵治安刑事案事件”涉及115個新聞媒體、16個城市。“運營安全”涉及44個新聞媒體、9個城市。

五、城市軌道交通公共安全網絡輿情分析

城市軌道交通公共安全網絡輿情的分析可以從兩個方面入手。第一、公安機關所關注的特定內容；第二、對各類數據不同維度的統計分析。從公安機關的關注點出發可以統計國內軌道交通治安刑事案事件的時間規律，用于綜合分析起因和應對措施；可以對涉及運營安全輿情相應新聞媒體進行統計分析以便于更快更準確地掌握輿情等。從數據的不同維度進行分析可以采用現在流行的詞頻統計，對四個不同的分類進行詞頻統計，發現輿情發生時的主要關鍵詞，通過關鍵詞進行輿情反推找出熱點輿情的來龍去脈等。限于文章內容，列舉相應的分析數據如下：2016年的軌道交通網絡輿情中，3月和6月形成了兩個新聞報道的噴發點。通過對數據的分析研判，3月在比利時布魯塞爾機場地鐵發生了連環爆炸恐怖襲擊，國內新聞媒體進行了全方位的跟蹤報道，并且延伸到國內的安防措施和基礎建設上進行了討論，時間延續2-3個月的時間。5月，全國進入雨季，因為暴雨而引發的運營安全問題爆發。5，6，7月份氣溫漸暖，在軌道交通上發生的猥褻、偷拍事件成為了地鐵新聞中媒體報道的主要內容。天氣寒冷后，軌道交通輿情信息明顯減少。通過詞頻統計發現：“女子、逃票、偷拍、安檢、猥褻、色狼”等關鍵詞出現頻率較高。對這些關鍵詞進行反向搜索，對軌道交通的全年熱門輿情有了一個清晰的認識，通過輿情倒查，找出相應的發生時間和來源，可以對日常的警務工作起到有效的指導作用。

六、結語

目前，互聯網網絡輿情的研究已經較為成熟，但針對城市軌道交通公共安全的網絡輿情研究相對而言還是一個空白。通過對2016-2017年軌道交通網絡輿情的分析研究發現，對于軌道交通網絡輿情的獲取在流程上相對較為容易，但是步驟復雜，特別是數據采集分類分析不如其他成熟領域的輿情分析完善。相信隨著城市軌道交通公安機關信息化的快速發展，對于軌道交通網絡輿情的關注度會更高，分析和應對會更加成熟。

參考文獻：

[1]高強,張鳳荔,王瑞錦,周帆.軌跡大數據:數據處理關鍵技術研究綜述[J].軟件學報,2017,28(4):959-992.

[2]中共中央宣傳部輿情信息局.網絡輿情信息工作理論和實務[M].北京:學習出版社,2009:9-12.

[3]夏從零,錢濤,姬東鴻.基于事件卷積特征的新聞文本分類[J].計算機應用研究,2017,34(4):991-994.

[4]黃磊,杜昌順.基于遞歸神經網絡的文本分類研究[J].北京化工大學學報(自然科學版),2017,44(1):98-104.

作者：程惠勤 李鵬程 單位：河南警察學院