基于微博輿情數(shù)據(jù)的震后有感范圍提取研究

曹彥波++吳艷梅++許瑞杰++張方浩

摘要：提出了基于微博輿情信息的震后有感范圍快速判定技術(shù)框架，構(gòu)建了微博輿情數(shù)據(jù)的獲取方法和技術(shù)流程。根據(jù)中國地震烈度表和地震現(xiàn)場工作調(diào)查規(guī)范，將微博特征詞與地震災(zāi)情速判指標進行關(guān)聯(lián)匹配，建立微博災(zāi)情信息分類指標體系，通過自然鄰點空間插值方法將離散分布的微博災(zāi)情點轉(zhuǎn)化為連續(xù)分布的災(zāi)情面，形成震后災(zāi)區(qū)有感范圍的時空變化特征分布圖，輔助災(zāi)情快速判定。以2014年景谷66級地震為例，進行探索和實踐。結(jié)果表明：在震后1～2 h內(nèi)，微博用戶活躍度高，信息量大且豐富，對信息充分挖掘有助于對災(zāi)情的宏觀把握，對救災(zāi)決策部署有一定的參考意義，彌補了傳統(tǒng)獲取技術(shù)時效性差、數(shù)據(jù)量少、覆蓋面小等問題。

關(guān)鍵詞：微博輿情數(shù)據(jù)；災(zāi)情判定；有感范圍提取

中圖分類號：P315941文獻標識碼：A文章編號：1000-0666（2017）02-0303-08

0引言

地震發(fā)生后，災(zāi)情信息的快速獲取、處理、分析和研判是各級黨委政府、各級抗震救災(zāi)指揮部成員單位部署抗震救災(zāi)工作，派遣救援力量、調(diào)配救災(zāi)物資的關(guān)鍵環(huán)節(jié)，尤其是震后2 h的黑箱期內(nèi)，如何快速判定災(zāi)區(qū)影響范圍災(zāi)情時空分布、震害規(guī)模、強度等是地震應(yīng)急災(zāi)情快速獲取及服務(wù)的關(guān)鍵（聶高眾等，2012）。目前，在震后有感范圍確定方面，主要有以下幾個途徑：一是通過“三網(wǎng)一員”、政府、地震部門應(yīng)急人員電話、傳真，網(wǎng)站災(zāi)情填報等方式獲取災(zāi)情，繪制有感范圍圖；二是根據(jù)烈度衰減模型快速計算生成地震影響場來預(yù)估災(zāi)區(qū)范圍和強度（汪素云等，2000；王景來，宋志峰，2001；張方浩等，2016a）；三是基于智能手持采集終端（PDA、12322、IOS/Andrio手機端APP等）獲取地震信息，生成有感范圍分布圖（鄭黎輝等，2012；陳維鋒，2014；章熙海等，2014）；四是通過網(wǎng)絡(luò)爬蟲在網(wǎng)站上獲取災(zāi)情信息，通過地址匹配、空間定位解析后插值生成有感范圍分布圖（帥向華等，2009，2013；胡素平，帥向華，2012；楊天青等，2016）。在實際地震應(yīng)急中，上述幾種途徑在信息獲取的時效性、獲取效率、信息量、空間范圍上存在一定的局限性，短時間內(nèi)都難以全面客觀地反應(yīng)災(zāi)區(qū)有感范圍的強度和分布，“互聯(lián)網(wǎng)+”時代的來臨為我們在震后災(zāi)情快速獲取方面提供了一種新的解決思路。

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的《第38次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2016年6月，中國網(wǎng)民規(guī)模達710億，互聯(lián)網(wǎng)普及率為488%，手機網(wǎng)民規(guī)模達656億，微博客用戶242億。從統(tǒng)計數(shù)字可以看出，隨著移動互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，數(shù)量眾多的個人成為信息傳播的重要載體。相對于手機信令、浮動車、微信等數(shù)據(jù)，以新浪微博為代表的新興社交平臺具有實時性、互動性、強擴散、空間分布廣泛性等特點，微博數(shù)據(jù)可以在互聯(lián)網(wǎng)上被免費、公開地獲?。莸龋?011；劉經(jīng)南等，2014；仇培元等，2016）。尤其是在破壞性地震發(fā)生后數(shù)小時內(nèi)，大量與地震相關(guān)的信息發(fā)布并廣泛傳播，匯集形成海量數(shù)據(jù)，包括用戶賬號、發(fā)布時間、經(jīng)緯度坐標、博文、圖片、微視頻、關(guān)注熱點等，這些數(shù)據(jù)中包含有地震災(zāi)情信息，如震感、人員傷亡、房屋破壞、生命線工程破壞、地震地質(zhì)災(zāi)害等（王松等，2014；何宗宜等，2015；徐敬海等，2015）。通過對這些微博“大數(shù)據(jù)”進行充分挖掘、分析、表達和應(yīng)用，能客觀地反映災(zāi)情時空演變規(guī)律，輔助地震災(zāi)情快速研判，服務(wù)政府應(yīng)急救援決策。[HJ]

本文根據(jù)微博輿情數(shù)據(jù)特點和傳播特性，研究如何利用微博輿情數(shù)據(jù)分時段提取地震有感范圍，并以2014年景谷66級地震為例進行應(yīng)用檢驗。

1研究技術(shù)框架

當(dāng)破壞性地震發(fā)生后，首先根據(jù)地震三要素信息，通過微博API調(diào)用、關(guān)鍵字檢索、網(wǎng)絡(luò)爬蟲、專業(yè)地理抓取等技術(shù)手段，實時獲取微博用戶發(fā)布的信息，信息主要來源于新浪、騰訊、網(wǎng)易、人民網(wǎng)等主流網(wǎng)站微博用戶，對這些信息進行存儲管理，形成結(jié)構(gòu)化的數(shù)據(jù)庫。其次，對微博數(shù)據(jù)進行解析、去重，提取有效信息，包括微博發(fā)布時間、博文內(nèi)容、圖片、空間經(jīng)緯度坐標等，并對核心博文內(nèi)容進行中文分詞、清洗等挖掘處理，提取與地震災(zāi)情相關(guān)的特征詞，根據(jù)相關(guān)標準和規(guī)則對微博數(shù)據(jù)與地震烈度判定的描述性信息進行關(guān)聯(lián)匹配，建立微博地震災(zāi)情信息分類表。最后，以微博災(zāi)情節(jié)點為基礎(chǔ)進行空間插值，將離散分布的災(zāi)情點轉(zhuǎn)化為連續(xù)分布的災(zāi)情有感范圍圖，描述災(zāi)情時空演變規(guī)律，輔助災(zāi)情研判。具體研究技術(shù)框架如圖1所示。

2微博數(shù)據(jù)獲取

微博數(shù)據(jù)獲取方式有網(wǎng)絡(luò)爬蟲技術(shù)和調(diào)用微博官方API接口兩種途徑，基于網(wǎng)絡(luò)爬蟲技術(shù)獲取信息的基本流程是通過設(shè)定入口URL地址，按照一定的爬行策略將網(wǎng)頁內(nèi)容保存，并提取網(wǎng)頁中有效地址作為下一次爬行的入口URL地址，直到爬行完畢。由于地震災(zāi)情信息抽取和空間定位要求，該方式信息獲取效率不高，空間地理位置還需通過地名規(guī)則、地址匹配技術(shù)進行解析獲取，另外，多次訪問有賬號屏蔽風(fēng)險（廉捷等，2011）。因此，本文以當(dāng)前用戶基數(shù)較大的新浪微博為例，注冊認證后獲取調(diào)用新浪微博的API權(quán)限，通過調(diào)用相關(guān)API，解析服務(wù)器返回的JSON數(shù)據(jù)文檔獲取微博信息，該方式微博信息獲取時效性高，數(shù)據(jù)格式清晰，便于數(shù)據(jù)的存儲和解析。微博數(shù)據(jù)獲取技術(shù)流程如圖2所示。

[BT（12]3微博數(shù)據(jù)分析表達

31微博數(shù)據(jù)分析處理[BT）]

面對海量的微博信息“大數(shù)據(jù)”，為提高數(shù)據(jù)挖掘效率和準確率，需對原始數(shù)據(jù)進行解析、去重，提取微博的發(fā)布時間、內(nèi)容、圖片、經(jīng)緯度坐標等有效信息，并對核心博文內(nèi)容進行中文分詞、清洗等挖掘處理，濾掉一些頻繁出現(xiàn)而意義又不大的詞，比如“的”“就”“是”“和”等語氣助詞、副詞、介詞和連詞，提取與地震災(zāi)情相關(guān)的特征詞、熱詞，對微博災(zāi)情信息進行分類和編碼，具體流程如圖3所示。

對微博信息進行數(shù)據(jù)挖掘完成后，建立微博與地震災(zāi)情信息分類映射是微博災(zāi)情可視化表達的關(guān)鍵環(huán)節(jié)。通過對2014年云南地區(qū)70余次地震新浪微博博文內(nèi)容進行解析，提取主體特征詞，從結(jié)果分析看，震后與地震相關(guān)的內(nèi)容，主體集中于人的反應(yīng)、器物反應(yīng)方面，約占統(tǒng)計的70%以上，房屋破壞、人員傷亡、生命線工程破壞的信息以及地震地質(zhì)破壞方面的較少。依據(jù)《中國地震烈度表》《地震現(xiàn)場工作第3部分——調(diào)查規(guī)范》等相關(guān)標準，將微博信息與地震災(zāi)情描述性信息進行關(guān)聯(lián)匹配，建立了微博災(zāi)情分類表（表1）（曹彥波等，2010；張方浩等，2016b）。

32微博數(shù)據(jù)可視化表達

微博數(shù)據(jù)的空間可視化表達是實現(xiàn)分析災(zāi)情時空演變規(guī)律的基礎(chǔ)，震后獲取到的微博災(zāi)情數(shù)據(jù)往往是在地理上分布不規(guī)則的離散數(shù)據(jù)，為了能夠更直觀地了解地震災(zāi)情時空分布特征，需以這些微博數(shù)據(jù)點為基礎(chǔ)進行空間插值。常用的空間插值算法有反距離加權(quán)插值法（Inverse Distance to a Power）、克里金插值法（Kriging）、最小曲率插值法（Minimum Curvature）、樣條函數(shù)插值法、Shepard插值法和自然鄰點插值方法（Natural Neighbor Interpolation）等（高洋，張健，2005）。本文將采用自然鄰點插值方法來處理高度離散化分布的不規(guī)則微博災(zāi)情節(jié)點，通過插值擬合來描述災(zāi)情空間尺度上的變化特征。

由于震區(qū)絕大部分微博用戶群體是一般公眾，個人震感不一，對災(zāi)情的描述也有差別，為方便對微博災(zāi)情節(jié)點進行空間插值，使擬合出來的有感范圍更接近實際，基于中國地震局工程力學(xué)研究所提出的“等震線長短軸半徑與烈度對應(yīng)經(jīng)驗關(guān)系”，計算微博災(zāi)情位置距震中的距離，根據(jù)距離震中遠近對微博數(shù)據(jù)進行分級賦值，共分7級：1代表有感區(qū)，對應(yīng)烈度表的Ⅳ度區(qū)；2代表輕微區(qū)，對應(yīng)Ⅴ度區(qū)；3代表輕度區(qū)，對應(yīng)Ⅵ度區(qū)；4代表中度區(qū)，對應(yīng)Ⅶ度區(qū)；5代表重災(zāi)區(qū)，對應(yīng)Ⅷ度區(qū)；6代表極重災(zāi)區(qū)，對應(yīng)Ⅸ度區(qū)；7代表巨災(zāi)區(qū)，對應(yīng)Ⅹ度及以上（表2）。

4微博數(shù)據(jù)應(yīng)用實踐

[KG（0.2mm]2014年10月7日21時49分39秒，云南省普洱市景谷傣族彝族自治縣發(fā)生66級地震，震中位于（234°N，1005°E），震源深度50 km。這是進入新世紀以來云南省發(fā)生的震級最大的一次地震，影響范圍廣，引起較多的微博用戶關(guān)注。筆者通過調(diào)用新浪API，以本次地震震中位置為中心，150 km為搜索半徑，數(shù)據(jù)采集時段為震后24 h。共獲取到1 231條微博信息，經(jīng)過清洗篩選后剩余281條與本次地震相關(guān)的災(zāi)情信息，包括人的反應(yīng)信息178條，器物反應(yīng)信息56條，房屋破壞信息15條，其他信息26條。發(fā)布這些信息的微博用戶地理位置上主要分布在普洱市、臨滄市、西雙版納州3個州（市）的16個縣（區(qū)），震中附近區(qū)域震感強烈，微博活躍用戶群體主要集中在永平鎮(zhèn)、距離震中較近的景谷縣城威遠鎮(zhèn)以及人口密集的普洱市主城區(qū)（圖4）。[KG）]

從災(zāi)情數(shù)據(jù)分類結(jié)果來看，在震后24 h內(nèi)，災(zāi)情描述信息以人的反應(yīng)和器物反應(yīng)為主，占總信息條數(shù)的83%，而房屋破壞、地震地質(zhì)、生命線破壞等情況描述較少，不到20%，主要因為微博用戶群體以一般公眾為主，博文的內(nèi)容主體集中在微博用戶自身所處環(huán)境的感覺、表情、心情和身邊器物反應(yīng)的描述，對于其他如房屋破壞、地震地質(zhì)，生命線破壞等比較專業(yè)的災(zāi)情描述不是很多（圖5）。

從震后24 h內(nèi)的微博災(zāi)情數(shù)據(jù)分時段統(tǒng)計結(jié)果看，大量的信息集中在震后2 h，共發(fā)布145條，占總條數(shù)的50%左右，第一條微博信息發(fā)布于2014年10月7日21時56分32秒，也就是震后3 min，發(fā)布的內(nèi)容為“就在1分鐘前，地震了，好恐怖[淚]，這個美麗的地方又地震了”，地理位置是（101043 5°N，230588 8°E），距離本次震中64 km（圖6）。對獲取到的數(shù)據(jù)進行分析挖掘，提取特征詞庫，擬合形成了震后10 h災(zāi)情演變時空特征分布圖（表3，圖7）。

來自Ⅵ度區(qū)以外的臨翔區(qū)和思茅區(qū)，景谷縣城附近震感強烈，周邊的景東、墨江、景洪、勐海、孟連、滄源有感，根據(jù)該圖，可幫助決策部門在較短時間內(nèi)把握宏觀災(zāi)情的空間分布和重點救助區(qū)域的初步判斷。震后1～4 h，隨著救援力量、救災(zāi)物資的投人，災(zāi)區(qū)社會秩序逐步恢復(fù)，災(zāi)民得到救助和轉(zhuǎn)移安置，通信恢復(fù)正常，微博粉絲活躍度逐漸增加，信息發(fā)布量增多，有感范圍增大，但震感較強烈的區(qū)域還是在震中附近。震后8 h，隨著救援行動的進一步深入，震中永平鎮(zhèn)附近也發(fā)布有10多條相關(guān)的微博災(zāi)情信息，災(zāi)情進一步明朗，空間分布上主要集中在永平鎮(zhèn)和威遠鎮(zhèn)一帶，強有感區(qū)邊界也較清晰明顯。震后10 h，微博災(zāi)情有感范圍基本與實際地震烈度范圍一致。

5結(jié)語

“互聯(lián)網(wǎng)+”時代背景下，微博等新興社交平臺產(chǎn)生的“大數(shù)據(jù)”信息豐富、多變、復(fù)雜，充分挖掘利用這些數(shù)據(jù)，對震后有感范圍提取，災(zāi)情快速判定提供了新的研究方法和技術(shù)實現(xiàn)途徑。本文提出了基于微博輿情數(shù)據(jù)的震后有感范圍快速判定的技術(shù)框架，詳細論述了微博輿情數(shù)據(jù)的獲取方法和技術(shù)流程，根據(jù)《中國地震烈度表》和《地震現(xiàn)場工作第3部分——調(diào)查規(guī)范》等規(guī)范，將微博主體特征詞與地震烈度判定的描述性信息進行關(guān)聯(lián)匹配，建立了微博地震災(zāi)情信息分類表，采用自然鄰點方法將微博災(zāi)情節(jié)點通過插值擬合來描述地震有感范圍時空變化特征。最后以景谷66級地震為例獲取了震后微博災(zāi)情數(shù)據(jù)，對災(zāi)情數(shù)據(jù)進行了分析處理，生成有感范圍時空演變圖，對于決策部門震后快速把握災(zāi)情提供了一種可行和有效的途徑。但在實際地震應(yīng)用中，應(yīng)將微博擬合結(jié)果與衰減模型烈度、儀器烈度、震源機制、破裂過程等信息進行對比分析和綜合判定，提供更科學(xué)、合理的決策建議。

參考文獻：

曹彥波，李永強，胡秀玉2010地震現(xiàn)場災(zāi)情信息編碼體系研究[J].地震研究，33（3）：344-348

陳維鋒，郭紅梅，張翼，等2014四川省地震災(zāi)情快速上報接收處理系統(tǒng)[J].災(zāi)害學(xué)，29（2）：116-122

仇培元，陸鋒，張恒才，等2016蘊含地理事件微博客消息的自動識別方法[J].地球信息科學(xué)學(xué)報，18（7）：886-893

高洋，張健2005基于自然鄰點插值的數(shù)據(jù)處理方法[J].中國科學(xué)院研究生院學(xué)報，22（3）：346-351

何宗宜，苗靜，彭將，等2015結(jié)合微博數(shù)據(jù)挖掘的時空特征分析[J].測繪通報，（10）：60-64

胡素平，帥向華2012網(wǎng)絡(luò)地震災(zāi)情信息智能處理模型與地震烈度判定方法研究[J].震災(zāi)防御技術(shù)，7（4）：420-430

廉捷，周欣，曹偉，等2011新浪微博數(shù)據(jù)挖掘方案[J].清華大學(xué)學(xué)報：自然科學(xué)版，51（10）：1300-1305

劉經(jīng)南，方媛，郭遲，等2014位置大數(shù)據(jù)的分析處理研究進展[J].武漢大學(xué)學(xué)報：信息科學(xué)版，39（4）：379-385

聶高眾，安基文，鄧硯2012地震應(yīng)急災(zāi)情服務(wù)進展[J].地震地質(zhì)，34（4）：783-789

帥向華，侯建盛，劉欽2009基于地震現(xiàn)場離散點災(zāi)情報告的災(zāi)害空間分析模擬研究[J].地震地質(zhì)，31（2）：321-333

帥向華，胡素平，鄭向向2013地震災(zāi)情網(wǎng)絡(luò)媒體獲取與處理模型研究[J].自然災(zāi)害學(xué)報，（3）：178-184

汪素云，俞言祥，高阿甲，等2000中國分區(qū)地震動衰減關(guān)系的確定[J].中國地震，16（2）：99-106

王景來，宋志峰2001地震災(zāi)害快速評估模型[J].地震研究，24（2）：162-167

王松，吳亞東，李秋生，等2014基于時空分析的微博演化可視化[J].西南科技大學(xué)學(xué)報，29（3）：68-75

徐敬海，褚俊秀，聶高眾，等2015基于位置微博的地震災(zāi)情提取[J].自然災(zāi)害學(xué)報，24（5）：12-18

楊天青，席楠，張翼，等2016基于離散災(zāi)情信息的地震烈度分布快速判定方法研究[J].地震，36（2）：48-59

張方浩，和仕芳，呂佳麗，等2016b基于互聯(lián)網(wǎng)的地震災(zāi)情信息分類編碼與初步應(yīng)用研究[J].地震研究，39（4）：664-671

張方浩，蔣飛蕊，李永強，等2016a云南地區(qū)地震烈度評估模型研究[J].中國地震，32（3）：572-583

章熙海，宋法奇，胡曉榮，等2014基于PDA的地震災(zāi)情信息流動采集系統(tǒng)的設(shè)計與實現(xiàn)[J].地震，34（2）：131-137

鄭黎輝，黃聲明，林巖釗，等2012基于智能手機的地震災(zāi)情快速上報系統(tǒng)的設(shè)計與實現(xiàn)[J].國際地震動態(tài)，（6）：164-164