基于时空大数据的重大疫情类突发事件网络舆情研判体系研究

[目的/意义]重大疫情类突发事件网络舆情研判工作的核心在于预测镶嵌在多重尺度的时空社会网络里的主体于互联网情境中的演化规律和发展趋向。常态化的舆情研判常依赖经验积累,采用模糊推断的方式,对于涉重大疫情的突发舆情动态判断存在着分析黑箱。[方法/过程]本文在时空结构理论的指引下,以时空大数据作为该类舆情研判的重要工具,将时空特质纳入重大疫情类突发事件网络舆情发展的观测变量,探究时空大数据源与海量舆情信息的匹配规律,寻求时空数据建模与舆情研判模型的整合方式,梳理重大疫情类突发事件网络舆情的动态全局性研判流程,构建该类网络舆情研判的多维多态时空大数据分析框架。[结果/结论]向政府实务部门提供一种有针对性的、定性与定量相结合的科学准确研判体系,为我国公共卫生事件的舆情危机管控提供思路参考和决策依托。

时空大数据; 重大疫情类; 突发事件; 网络舆情; 研判体系;

作者简介： 徐迪(1983-),女,讲师,博士,硕士生导师,研究方向:舆情实务。;

收稿日期：2020-02-20

基金： 国家社会科学基金一般项目“基于时空大数据的突发事件网络舆情研判机制研究”(项目编号:19BXW109);

国内舆论学实践研究中，时空分析长期缺位。当前时空分析领域的前沿为时空大数据与现实对象、行为、事件的对应规律揭示，以及由此衍生的大尺度事件演化推理探究。时空大数据是基于统一时空基准描述行为主体在时空中关联动向的大数据类型，是最重要的大数据类别之一，其表达与组织是数据内容准确度量和价值提炼的基础[1]。时空大数据可有效剖析突发事件诱导网络群集言行的生成概率，该类事件行动主体在时间序列中的空间轨迹，是透视群际关系联动和解读个体行为动因的最优注脚，其在虚拟情境中的言论传递亦映射出现实社会内特定事件造成的影响效力。

公共卫生事件属于突发公共事件中的一种，我国常见的公共卫生事件有两大类，分别为食品安全类和传染病类。这其中，对公众健康造成重大损失的传染病类公共卫生事件，向行政机构应对措施的针对性和应急协调管理的准确性提出了极大挑战。上述重大疫情存在着爆发性强、不确定性强、控制难度大、应对周期长等特点，随之伴生的突发事件网络舆情具有线下事件影响广、线上舆论引爆快等特征，凸显出“线下发生—线上传递”的时空交互特殊性，该类舆情事件的研判工作极大地考验着管理者的决策智慧。

涉重大疫情的突发事件中潜隐的意识形态暗流极易触发网络舆情风险，动摇社会发展稳定，两者于特定时空范畴内共生联动的互构效应，向政府实务部门应急管控能力和危机应对水平提出严峻挑战，研判不当将直接影响国家和社会安全。从实务部门管理角度来看，以往的舆情研判常依赖经验积累，采用模糊推断的方式，多从焦点个案考量出发，对于事件过程发展存在着分析黑箱，暴露出舆情信息收集的泛化、舆情态势分析的雾化、舆情实体处置的臆化等共性问题。而由重大疫情引爆的突发事件网络舆情的主体镶嵌在多重尺度的时空社会网络里，中介性的时空要素在现实和虚拟境况内的勾连对应、舆情信息在互联网情境中的动态演化规律和发展趋向预测，亟需以一种多维审析的科学方式加以判别。

本文以动态全局性研判理念为基石，借鉴政治传播学、空间社会学和地理信息学等相关原理，将时空数据库关联舆情事件库，着重阐述时空大数据在重大疫情类突发事件网络舆情研判中的应用可行性、应用路径、应用机理，构建定性与定量相结合的科学准确研判分析框架，助益政府管理部门优化舆情应急决策机制。

时空大数据正日益成为推动社会治理体系和治理能力现代化的重要驱力[2,3]。以空间决策为前提，近年来时空大数据的前沿应用聚焦于以下几个领域:第一，环境犯罪学，被用来测量社会内聚与犯罪模式识别之间的解释变量[4]，以及犯罪人员时空行为规律和犯罪类型择取的关联模式[5];第二，城市社会学，成为城市空间演变、迁移区位决策、居住结构优化、居民行为研究的新辅助[6,7,8];第三，传染疫病学，被用来揭示群体暴露区域与疾病扩散的边际行为交互效应[9]，探讨疾病的流行区域、流行特征和流行周期，为公共卫生事件提供信息咨询。

时空大数据本质是时空信息和大数据的结合，相关研究重点反映时空对象的状态序列属性，强调时空对象的历史是事件改变对象的过程，研究成果多集中在大数据背景下的时空信息挖掘、时空统计推理、时空数据建模3个面向，其中时空信息挖掘是基础、时空统计推理是关键、时空数据建模是核心。第一，时空信息挖掘重点关注时空基准大数据中时空共现关联和时空聚类分列问题;第二，时空统计推理侧重分析在时空轨迹大数据中位置媒介数据的空间域/时间域/特征域的拓扑关系;第三，时空数据建模集中研究基于实体的面向过程大数据建模和基于事件的面向对象大数据建模[10,11,12,13]。

该研究路径聚焦于事件风险评估且强调了事件舆情互构，认为突发事件网络舆情解读的核心在于厘清生成机理、动力要素和扩散路径。应设立分级预警的关联响应制度。以事态的可控性为考量准则，第一时间对舆情热度和烈度进行预测[14]，利用多维多态技术方法设立指标体系[15,16]，对舆情走势实施动态监控[17]。从多主体融合形成合力的视角认知突发事件与网络舆情的同频共振[18,19,20]，揭示突发事件网络舆情的演化机理[21]，把握其影响因素及演变规律[22,23]。

该研究路径致力于基础分析构模且专注于辅助手段精进，认为突发事件舆情研判的核心在于把握舆情演化的内在固定模式。应提升舆情判别的分析技术水平。在大数据背景下，将面向海量舆情信息的自动化、智能化、个性化应用分析作为发展目标，从舆情研判的基本流程出发，对舆情研判所涉及的主题特征抽取、情感类目分析、热点发现算法、舆情演化分析等关键技术逐一突破[24,25,26]。并就舆情演进规律和影响因素间的关系进行建模[27,28]，厘清其间所涉及的主体差异和变量权重的相互作用关系[29]，利用数理模型通过系统仿真方法剖析舆情发展趋势。

该研究路径因循了应急管理框架且着重于管控效力保障，认为突发事件网络舆情的处置核心在于建立健全应急机制。应制定规范化舆情分析工作流程。从政府管理部门常态化工作方式入手，以提升党的执政能力为抓手，建立“收集—研判—报送—处置—管理”的“五位一体”业务链，择取合理的防范措施与应对举措[30]，打造“多部门协作”的扁平化舆情决策机制和“中央—地方”的垂直性舆情管理体制[31,32]，构筑标准化全统筹的研判体系[33,34]。以管控突发事件发展态势为要务，将危机传播治理和突发事件应对作为切口，建立统一指挥、分类管理、分级负责的舆论处置流程，将政府公权力部门化解信任危机和事后总结评价两者有机整合[35,36]。

综上可知，从上述突发事件网络舆情研判研究来看，该类文献多聚焦事前监测预警和事后风险评估。在涉重大疫情类的突发事件网络舆情研判方面，还未出现较有针对性的资料分析。具体而言，一是既有的研判研究静态化。突发事件网络舆情源起于多重和不断变化的时空场域内，已有成果缺乏符合时空规律的深入剖析，并未涉及面向该类舆情的时空分析实践。二是面向事件过程的研判体系研究相对匮乏，且定性多、定量少。宏观经验解读上政策性倡导与应用对策之间内在关联表达缺失，微观实践应用上囿于数理概念催新与技术手段迭代，两者分化割裂。三是虽有部分涉大数据相关研究成果，但多作为研究背景或研究前提引入，未能充分论述大数据适用于舆情分析的理论和实践可行性，也未对具体的应用路径和使用方法做出详尽阐释。

近年来，关联时空大数据的地理信息系统在公共卫生领域的资料分析已有许多应用的实例，或建立疫情地理信息平台，监控重大疫情的传染动向，或应用GIS的阶层式集群热图(Cluster Heat Map)，集中探究重大疫情集中地区，了解区域风险因子构成。以传染病为例的重大疫情类公共卫生事件，本身有着极强的不确定性，其触发的突发事件网络舆情若处置不当极易衍生恶性后果，削减公众信任度，动摇政府公信力，导致长久的信任危机。因此，涉重大疫情类的突发事件网络舆情研判无论是在时空大数据的运用方面，还是在突发事件网络舆情和重大疫情信息的时空拟合层面，都有进一步提升的空间。

本文核心在于以时空大数据为抓手，建构一套基于时空要素的重大疫情类突发事件网络舆情研判体系，关键在于时空视域下的全局性动态研判过程的梳理、定性与定量相结合研判方法的提炼、多维多态系统性研判分析框架的构建等3个环节。

重大疫情类突发事件网络舆情研判体系建构的基本思路可归结为，理论溯源是基础，数据处理是关键，应用体系是核心，最终目标是为实务部门的有效决策提供切实的支持对策。具言之，以时空结构分析作为理论研究的落脚点，将时空类型数据列为大数据舆情研判的具象化指引，挖掘时空数据隐含价值，建立面向决策支持的分析框架，为总体国家安全观下的突发事件网络舆情研究中的大数据纵深化使用提供新的阐释思路。

本体系在时空结构理论的指引下，以时空大数据作为舆情研判的重要工具，将时空特质纳入涉重大疫情突发事件网络舆情发展的观测变量，探究时空大数据源与海量舆情信息的匹配规律，因循时空统计推理与舆情演化分析的契合路径，寻求时空数据建模与舆情研判模型的整合方式，梳理该类突发事件网络舆情的动态全局性研判流程，构建涉重大疫情突发事件网络舆情研判的多维多态时空大数据分析框架。这一研判体系不仅有利于行为科学视域下舆论学范畴的理论发展，而且有利于拓宽舆情实务领域的研究面向。同时，也将为行政区域或系统内重大疫情突发事件的应急管控协调提供重要依据。具体框架如图1所示。

图1 基于时空大数据的重大疫情类突发事件网络舆情研判体系    

时空视阈与行为科学研究密切相关，而舆情研判某种程度上即是对行为主体联动效应作出合理预测的一种分析判断，因此，将时空观作为一个独特的视角融入舆情研判之中，可有效解决舆情研判这一范畴内学理积淀相对薄弱的问题。在行为科学范式的关照下，时空维度的信息汇聚与舆情事件的演化态度的统筹观测，不仅能弥合社会科学和自然科学之间的隔阂，也可夯实舆论学研究中舆情研判分支脉络的学理基础。

从宏观上看，本体系建构的学理根基在于政治传播学、空间社会学与地理信息学三者知识共性的互动交融，厘清上述学科合力之于研判重大疫情类突发事件网络舆情的可行性、合理性和关联性是首属要务。将时空观纳入舆论学分析视野，祛除以单一时间节点上突发事件主体的言行动向推导网络舆情整体格局的片面论断，可合理规避既往舆情研判侧重形而上的窠臼，凸显时空结构之于社会场域的张力，解构空间政治的时序博弈逻辑，为舆论学领域的跨学科交叉研究开辟新路径。

从微观上看，归纳重大疫情类突发事件网络舆情研判中的时空大数据结构化机理，以时空结构视域切入，分析该类突发事件网络舆情时空特质，研判多元主体依附于同一时空情境中的动态效应，可为该类突发事件网络舆情的应急管理研究注入新的理论内核。

涉重大疫情类突发事件网络舆情多遵循“线下事件突发—线上信息引爆—线下极化扩散”的演化规律，“事件—舆情”互激效应催生风险加剧，“线下—线上”双向度时空动态研判，能及时准确定位行动主体、预判行动轨迹。时空视阈下的上述突发事件网络舆情研判的前提是筛查清洗时空维度数据和整理对接舆情事件。可细分为四个关键性步骤，即在耦合重大疫情相关信息的基础上，将行为主体的时空数据维度与内容梳理、时空大数据的来源获取以及数据库的建立、突发事件网络舆情的信源获取以及事件库的建立、时空大数据耦合突发事件网络舆情研判的可行性探析。每个步骤均包含重要的核心处理要素，具体如下:

1)重大疫情类突发事件网络舆情行为主体的时空数据维度与内容梳理。这部分包含两个层次的筛查:一是提取重大疫情类突发事件网络舆情主体涉及的全部时空数据(包含IP地址溯源、GPS数据抓取和焦点数据选择等)，与该区域疫情热点数据对接;二是判别上述提取出来的时空数据的有效性如何，是否能够有效地展开结构化整合。结构化整合意味着对各类不同数据的齐一化处理，清洗为可供统一处置的有效数据集合。在对接中，同类数据的格式齐一化要作为处理前提。

2)涉重大疫情类时空大数据的来源获取以及数据库的建立。相关时空大数据类别有POI数据、手机信令数据、LBS数据、传感器数据、建筑矢量数据、社交网络数据、LANDSAT卫星遥感数据、政府公开发热门诊及定点医院数据和空气监测站空气质量数据等。这部分应该将重点放在与疫情高度相关的时空大数据的存取上，一般来说，该类突发事件网络舆情中较易获取的时空数据为LBS(Location Based Services)数据，由于这类数据来源于基于位置的服务终端，多由社交网络留存，用户在定位发送讯息时可以迅速获源。POI数据和手机信令数据用于关键信源确认时的交叉比对匹配，政府公开发热门诊及定点医院数据和空气监测站空气质量数据在跟疫情原发数据核实后，可以推测舆情爆发的原初走势。

3)重大疫情类突发事件网络舆情的信源获取(网站/论坛/微博/QQ/微信/短视频平台等)以及事件库的建立。大部分属于应急类舆情监测的范畴，针对不同网络载体上重大疫情关联性的易发高发类舆情关键词制定针对性监控方案。应急类监测过程中在网络平台上均可获得此类数据，无需开通特殊权限，依照常规标准制定匹配查询标签的事件分类即可。重大疫情类突发事件引爆网络舆情后，仅需针对该事件的耦合数据集申请特殊渠道的信源获取，参照预警级别，设置标明需重点关注的信源。

4)涉重大疫情类时空大数据耦合突发事件网络舆情研判的可行性探析，分别为在设置重大疫情相关分类标签的前提下，将动态异构数据耦合舆情主体、多源密集数据耦合舆情分类、非结构化数据耦合舆情特征。如何归总动态异构数据是不同时空数据模块间共享时的难题，基于时空数据定位舆情主体时，来源不同数据源的动态异构数据的同步是这个环节的处理前提。

由突发事件网络舆情处置的基本实务操作流程可知，在研判舆情演化态势时，首属要务为数据库的信息流与事件库中的案例流应时刻保持一一对应的关系，这样才能保证在标签统一的前提下，对事件过程开展行之有效的动态监测。上述操作在重大疫情爆发后的应急管控时，可分为挖掘关联信息、演化预测辅助和管控决策支撑3个历时性处理步骤。

为研究上述对象，本文以四大模块内容构建应用框架，具体为9个关键阐释节点。4个模块分别应在匹配重大疫情类相关信息时，为时空大数据耦合突发事件网络舆情事件研判、时空大数据关联突发事件网络舆情信息挖掘、时空大数据辅助突发事件网络舆情演化预测、时空大数据支撑突发事件网络舆情管控决策。其中，第一大模块为根本前提，第二、三、四大模块整合为研判的具体应用体系。四大模块9个关键阐释节点如下:

第一大耦合事件研判模块包括3个关键阐释节点，即:1)动态异构时空大数据耦合重大疫情类突发事件网络舆情主体;2)隐性密集时空大数据耦合重大疫情类突发事件网络舆情分类;3)非结构化时空大数据耦合重大疫情类突发事件网络舆情特征。GIS空间分析是这一环节重点采用的核心技术和处理手段，特别表现为运用GIS技术和格网分析法将不规则区域的时空密度大数据统一到规制的区域单元上，校准突发事件网络舆情在特定区域的时空分布状况、研判时空演化规律、归纳时空行为模式。交互式数字地图可作为该环节涉重大疫情类时空大数据耦合处理后的重要呈现方式。

第二大关联信息挖掘模块包含两个关键阐释节点，即:1)指向特定的空间域和限定的时间域的舆情事件收集;2)符合静态特征匹配和动态轨迹标签的时空信息汇聚。挖掘信息的有效性与事件收集和信息汇聚两者间的匹配度密切相关。匹配的要点在于跟踪高致病性疫情的时空传播路径以及网络舆情事件的扩散途径。

第三大辅助演化预测模块含有两个关键阐释节点，即:1)呈现扩散范围广度和发展趋向烈度的舆情演化分析;2)面向实时关联映射和多维追踪观测需求的时空统计推理。舆情演化分析和时空统计推理的拟合度直接关涉演化预测的准确性。时空大数据所映现的空间和时间变化本就具有多尺度、多维度的动态关联特征，在辅助预测舆情发展态势时，可在关联约束条件下，针对重大疫情类突发事件网络舆情研判的具体工作部署拟定任务的分级分类，并利用时空统计推理建立一种面向舆情演化分析任务的关联约束启发式生成方法。

第四大支撑管控决策模块涵纳了两个关键阐释节点，即:1)权重指数评估和社会网络分析构成的舆情研判模型;2)以行为本体建模和事件态势建模组成的时空模型构建。动态建模法是这一环节重点采用的研究方法，强调了基于综合分析的动态风险映射功能的需求。该方法以层次分析法(Analytic Hierarchy Process，简称AHP)与社会网络分析(Social Network Analysis，简称SNA)为基础，结合基于事件的时空数据模型(Event-Based Spatiotemporal Data Model，简称ESTDM)和生成式对抗网络模型(Generative Adversarial Nets，简称GAN)这两种核心模型，来发现各研究要素间存在的定量关系，并进行仿真推导，进而为时空大数据应用于重大疫情类突发事件网络舆情研判的实践提供科学参照和指导。

突发公共卫生事件，尤其是重大传染病疫情的爆发，向政府提出了现代社会中突发事件处置能力的考验。舆论工作的效度关系社会大局稳定，持续推进国家治理体系和治理能力现代化，应健全重大舆情和突发事件舆论引导机制。在重大疫情爆发时期践行上述举措的关键前提之一，是要科学准确地研判突发事件网络舆情。突发事件网络舆情监测、突发事件网络舆情研判、突发事件网络舆情预警三者，共同构成实务部门“五位一体”工作流程中的重要环节。在时空大数据的支撑下，不仅重大疫情类突发事件网络舆情研判的准确度能得到大幅提升，而且也为实务部门的精准施策提供了有力支撑。

时空大数据为基础的重大疫情类突发事件网络舆情研判决策支持路径，主要分为3类:1)基于时空大数据的重大疫情类突发事件网络舆情应急响应方案。根据时空数据汇集排查，了解网络舆情扩散范围和重点议题的讨论热度，及时提出有针对性的上下联动应急响应方案。2)基于时空大数据的重大疫情类突发事件网络舆情风险应对策略。时空大数据的价值就在于能准确的反映出时间、空间以及对象三者之间的关联关系，根据时空大数据精准指向，掌握该类突发事件发展状况，深入研判实体事态，对可能触发的风险等级进行判别。3)基于时空大数据的重大疫情类突发事件网络舆情危机处置措施。根据时空推理得出的危机等级推断，同步推进舆论引导与事件处理，实行事件处置和舆情处置的危机“双处置”措施。

本体系的建构重点在于时空视域下的多维多态系统性研判分析框架的搭建，在充分认知时空大数据理论内核、熟练把控时空大数据应用技术的基础上，提炼一种基于定性定量赋权评估和时空结构数据模型的重大疫情类突发事件网络舆情研判方法，利用时空大数据预判舆情传播态势、分析舆情扩散范围、模拟舆情发展趋向、辅助舆情分级处置，以期弥补既往实务部门研判的经验处置缺陷。

时空大数据与舆情信源的协作计算，对重大疫情类突发事件网络舆情研判中的双重信道重构，提出了面向任务的关联约束需求。基于时空大数据的AHP和SNA分析方法以及ESTDM和GAN评价模型的动态建模法，能实现舆情网络特性的量化表征，再现时空结构与舆情事件的高度拟合，预知重大突发事件的影响区域和网络舆情的衍生态势，可破除既有研究中先验的质化对策和悬置的量化实证间的界限。

时空大数据由于空间实体的固有特征，以及时间、空间和属性聚合的数据集特质，而呈现出多维多态、语义转化和时空动态关联等数据处理方面的复杂性。因此，在研判重大疫情引发的突发事件网络舆情时，有必要研究时空大数据的多维关联描述。如何用合适的形式表达事态的演进，如何将动态关系映射建模和如何择取吻合的多尺度关联分析方法，都成为本体系建构的难点环节，具体可分为两类:

时空大数据融入重大疫情类突发事件实体对象后，对象变化的时空动态表达是舆情研判时空数据建模的突破关键。多重表达实体有效整合特征域、时空场域和关联域，以及语义匹配离散对象和合理对接连续场域存有难度。

时空大数据具有天然的非齐一性，导致了数据中隐含着空间基准、时间、尺度、语义等的不一致，在此基础上的大数据融合与同化转换是时空数据集成和重大疫情类突发事件网络舆情信息的标识对应中亟待克服的难点。

H省W市作为新型冠状病毒的源头，同时也是全国疫情的主要聚集地。在“封城”管控指令实施后，作为重大疫情爆发地的W市，不仅容易因调控配套措施短时间缺位触发线下群体性聚集事件，同时也面临着网络舆情成井喷式爆发的极大可能。若采用传统模糊性研判方式，对该类网络舆情热度和烈度进行预测，容易存在如下分析黑箱:

第一，多从焦点个案考量出发，缺乏全局性观测。片面地关注某一舆论热度点，而忽视该类舆情事件的聚集性和普遍性。由重大疫情引爆的突发事件网络舆情的主体内置于多重时空维度构成的社会网络里，单篇高舆情热度贴文实质关联了同一类防疫防控短板或某个群体的民生问题反馈。

第二，对于事件过程发展演化，无法动态性预判。该类网络舆情背后的突发事件不同于一般引爆舆论关注的网络热点事件，因直接关切民众生命安危，波及面极广。这类舆情的研判除了要按常规方式从社会稳定的角度进行预处置分析，还应该对突发事件的持续性和可控性作出科学的判别。若忽视对过程节点的精细化判别，极易抬高政务风险。

第三，网络舆论关注走势较难掌控，实体指涉性强。涉重大疫情的突发事件网络舆情重要特征在于“线上—线下”的疫情和舆情交织点往往暗含着极强的时空特质，而且作为公共卫生事件的疫情防控与由此引发的突发事件网络舆情本身也存有内在的实体关联性。如果割裂处理上述内在关联性，无视时空特质，不仅会阻碍疫情防控工作的有效开展，也会影响网络舆情本身的处置和决策。

因此，在合理利用时空大数据的基础上，本文提出的重大疫情类突发事件网络舆情研判体系在下列维度能规避既有的分析盲区，且能有效化解相关部门的处置困境:

本研判体系首先在静态匹配上，对重大疫情类突发事件网络舆情的主体、信源和主题词设置粒度层级，再将涉及时空要素的特殊数据制作成可提取标记，最后按照关键分析区域依次拟定共用标签。例如，涉地域类词汇(W市等)，涉敏感时间节点词汇(1月23日等)，涉重要主题词汇(“封城”等)。其次在动态匹配上，将共用标签对接涉重大疫情类时空数据，诸如匹配个体移动轨迹追踪和区域人口密度等等。监测数据显示，“封城”后的多次网络舆情热点高峰的出现均与涉重大疫情的时空数据波动相吻合。

依据国务院应对新型冠状病毒感染肺炎疫情联防联控机制《关于科学防治精准施策分区分级做好新冠肺炎疫情防控工作的指导意见》中的风险划定标准，目前现有的W市疫情风险评估已经细化到社区层级。本研判体系在应用时将上述疫情风险评级作为突发事件网络舆情预警等级划分的一个重要权重指标，更为直接地辅助相关部门在实体管控时优化研判次生舆情。2020年1月23日之后的1周监测数据显示，高发频发的突发事件网络次生舆情对应的线下主体，其活动范围多聚集在疫情风险评估中的高危区域。

本研判体系能有效将基于多源时空大数据构建的疫情风险分析与舆情评估模型匹配。实践中，在特定的地理区域和行政辖属范围内将大数据疫情监控云屏和应急信息共享平台展开对接，通过时空可视化方式直观呈现(例如，采用热力图叠映等方法)，既可排查疫情防控漏洞又能辅助相关部门舆情处置方面的科学精准决策。

时空大数据在突发事件网络舆情研判中的多维使用，是政府管理部门应急管控能力提升的重要体现，也是国家安全和社会稳步发展的必然要求。“舆情—时空”大数据的并行处理将助益重大疫情类网络舆情突发事件海量信息的精准收集，准确识别城市内部疫情高风险区域，也有利于实时感知舆论发酵趋向、动态模拟舆情发展走势。

科学准确地对时空范畴的重大疫情类突发事件网络舆情演化态势作出研判，是及时防范风险事件、完善危机治理手段的重要前提，是国家长治久安的重要战略部署。当前从时空大数据这一维度出发，针对重大疫情类突发事件网络舆情的研判体系尚未有系统清晰的研究。时空大数据视域下定性与定量相结合的研判方法是全面探寻网络舆情信息内涵、深度解读该类网络舆情演化规律的突破口，是有效防范重大疫情类突发事件引发的社会稳定风险和消解政府信任危机的实质保障。以时空大数据为工具，将时空分析方法和大数据处理技术融合应用于重大疫情类突发事件网络舆情态势推演，让突发事件和对应的网络舆情并射至时空交互界面，直观呈现两者动态关联趋向，有助于政府实务部门提高科学决策和处置水平。

参考文献

[1]李德仁,马军,邵振峰．论时空大数据及其应用[J]．卫星应用,2015,(9):7-11．

[2]吉根林,赵斌．面向大数据的时空数据挖掘综述[J]．南京师范大学学报:自然科学版,2014,(1):1-7．

[3]王家耀,武芳,郭建忠,等．时空大数据面临的挑战与机遇[J]．测绘科学,2017,(7):5-11．

[4]Bernasco W,de Graaff T,Rouwendal J,et al.Social Interactions and Crime Revisited:An Investigation Using Individual Offender Data in Dutch Neighborhoods[J].Review of Economics and Statistics,2017,99(4):622-636．

[5]Anselin L,Cohen J,Cook D,et al.Spatial Analyses of Crime[J].Criminal Justice,2000,4(2):213-262．

[6]Cox K R,Golledge R.Behavioral Problems in Geography Revisited[M].Routledge,2015．

[7]孙秀林．城市研究中的空间分析[J]．新视野,2015,(1):61-67．

[8]柴彦威,谭一洺,申悦,等．空间-行为互动理论构建的基本思路[J]．地理研究,2017,(10):1959-1970．

[9]Pfeiffer D U,Stevens K B.Spatial and Temporal Epidemiological Analysis in the Big Data Era[J].Preventive Veterinary Medicine,2015,122(1-2):213-220．

[10]Peuquet D J,Duan N.An Event-based Spatiotemporal Data Model(ESTDM)for Temporal Analysis of Geographical Data[J].International Journal of Geographical Information Systems,1995,9(1):7-24．

[11]Longley P A,Goodchild M F,Maguire D J,et al.Geographic Information Systems and Science[M].John Wiley&Sons,2005．

[12]Andrienko G,Andrienko N,Jankowski P,et al.Geovisual Analytics for Spatial Decision Support:Setting the Research Agenda[J].International Journal of Geographical Information Science,2007,21(8):839-857．

[13]Shu H.Big Data Analytics:Six Techniques[J].Geo-spatial Information Science,2016,19(2):119-128．

[14]许鑫,张岚岚．突发事件网络舆情预警模式探索[J]．图书情报工作,2010,(22):135-138,89．

[15]谈国新,方一．突发公共事件网络舆情监测指标体系研究[J]．华中师范大学学报:人文社会科学版,2010,(3):66-70．

[16]曾润喜,徐晓林．网络舆情突发事件预警系统、指标与机制[J]．情报杂志,2009,28(11):52-54,51．

[17]储节旺,朱玲玲．基于大数据分析的突发事件网络舆情预警研究[J]．情报理论与实践,2017,40(8):61-66．

[18]丁柏铨．自媒体时代的舆论格局与舆情研判[J]．天津社会科学,2013,(6):37-43．

[19]方付建．突发事件网络舆情演变研究[D]．武汉:华中科技大学,2011．

[20]王国华．突发事件网络舆情的动力要素及其治理[M]．武汉:华中科技大学出版社,2017:43-53．

[21]兰月新,邓新元．突发事件网络舆情演进规律模型研究[J]．情报杂志,2011,30(8):47-50．

[22]李彪．舆情:山雨欲来:网络热点事件传播的空间结构和时间结构[M]．北京:人民日报出版社,2011:154-176．

[23]郭小安．网络舆情联想叠加的基本模式及反思---基于相关案例的综合分析[J]．现代传播,2015,(3):123-130．

[24]郝晓玲．网络舆情研判技术的研究进展[J]．情报科学,2012,(12):1901-1906

[25]朱毅华,郭诗云,张超群．网络舆情研究中的仿真方法应用综述[J]．情报杂志,2013,32(10):29-35．

[26]Ma N,Liu Y.SuperedgeRank Algorithm and Its Application in I-dentifying Opinion Leader of Online Public Opinion Supernetwork[J].Expert Systems with Applications,2014,41(4):1357-1368．

[27]徐迪．网络舆情研判指标体系与理论模型建构研究[J]．现代情报,2013,33(10):8-13．

[28]Wang G,Liu Y,Li J,et al.Superedge Coupling Algorithm and Its Application in Coupling Mechanism Analysis of Online Public O-pinion Supernetwork[J].Expert Systems with Applications,2015,42(5):2808-2823．

[29]李雯静,许鑫,陈正权．网络舆情指标体系设计与分析[J]．情报科学,2009,(7):28-33．

[30]孟建,裴增雨．网络舆情的收集研判与有效沟通[M]．北京:五洲传播出版社,2013:64-84．

[31]中共中央宣传部舆情信息局．舆情信息工作概论[M]．北京:学习出版社,2006:139-158．

[32]中共中央宣传部舆情信息局．网络舆情信息工作理论与实务[M]．北京:学习出版社,2009:81-90．

[33]曹劲松．政府网络舆情的研判机制研究[J]．领导科学,2010,(15):7-9．

[34]徐迪．基于空间可视化的大数据舆情研判体系建构研究[J]．情报科学,2019,37(3):24-28．

[35]宫承波,李珊珊,田园．重大突发事件中的网络舆论:分析与应对的比较视野[M]．北京:中国广播电视出版社,2012．

[36] 唐钧．应急管理与危机公关:突发事件处置,媒体舆情应对和信任危机管理[M]．北京:中国人民大学出版社,2012:202-210.