基于GIS的群體性事件網絡數據分析

劉智敏，趙 虹

（中國人民武裝警察部隊學院，河北 廊坊 065000）

基于GIS的群體性事件網絡數據分析

劉智敏，趙 虹

（中國人民武裝警察部隊學院，河北 廊坊 065000）

群體性事件發生前，事件相關報道的數量通常會明顯增多。隨著互聯網的發展，此類數據將反映在網絡上。通過對群體性事件網絡數據進行有針對性的分類和收集，結合群體性事件網絡數據的特點和GIS數據可視化的功能對數據進行分析，對可能或即將發生的群體性事件起到預警作用，尋找群體性事件發生前的網絡數據的規律。進而使公安邊防工作在網上線下都能發揮優勢，為公安邊防工作指明方向，達到及時預警、輔助決策的目的。

群體性事件；網絡數據；數據分析；公安邊防工作

處置群體性事件是公安邊防工作的重要部分。由于群體性事件具有敏感性且影響大，如何發現群體性事件的萌芽，進而預防群體性事件，是當前國內眾學者研究的重點。GIS在英美等發達國家已經得到較長時間的運用，主要被用于犯罪分析和犯罪制圖，且收效甚好。現今互聯網環境下，所有可能引起群體性事件的網絡數據（如網絡搜索引擎檢索關鍵詞、網民發帖和評論、大型社交軟件等），都關聯著其主機的IP地址，通過IP地址映射技術可將這些網絡IP地址映射為地理位置信息，結合GIS將其IP分布顯示在地圖上并進行分析，研究群體性事件網絡數據，并找出數據異常，為公安邊防工作中預防群體性事件提供輔助決策的功能。

一、GIS網絡數據分析概述

GIS即地理信息系統，是基于計算機的工具，可以對數據在地圖上可視化和分析，把地圖的視覺化效果、地理分析功能、數據庫操作集成在一起，從而達到解釋事件、預測結果、規劃戰略等目的。[1]

研究群體性事件的網絡數據，需要重點關聯數據的地理位置信息。IP 地址是連接在Internet 上的設備的唯一標識，TCP / IP 協議使用 IP地址實現不同主機間的信息傳遞，可以通過 IP地址來實現網絡實體地理定位。網絡空間映射地理空間模型原理目前比較成熟：利用網絡數據中包含的已知IP地址信息，通過與存放有全國所有地級市行政區劃IP域的數據庫進行比較和匹配，從而明確該數據來源的站點或者發帖IP所在地區的空間位置。目前在國內應用最為廣泛的 IP 地址地理位置映射數據庫是純真 IP 數據庫，它收集了包括中國電信、中國移動、中國聯通、長城寬帶、聚友寬帶等ISP的最新準確 IP 地址數據，也包括網吧數據。該IP 數據庫每 5 天更新一次，最新版本的純真 IP 數據庫記錄到達了四萬多條。[2]GIS網絡數據分析原理根據網絡空間到地理空間的映射，提取網絡數據對應的IP，與標準IP數據庫進行比對，得出該IP所在的地理位置。在此基礎上，利用GIS處理數據可以更加清晰地將數據地理位置信息呈現給分析人員和決策者。

基于GIS的網絡數據分析以數字地圖信息為載體，將地理信息關聯到網絡數據。GIS網絡數據分析可實現以下功能：（1）顯示特定區域內敏感詞搜索、輿情分布情況；（2）網絡數據異常情況分析；（3）網絡數據分布的擴散趨勢分析。

公安邊防部門通過與相關部門進行數據共享可能得到寶貴的網絡數據。將收集和監測到群體性事件網絡數據實時導入數據庫，GIS的可視化能夠準確、高效、快捷地對特定區域的搜索引擎關鍵詞信息、網上購物信息、論壇主題帖、視頻傳播和大型社交軟件等網絡數據進行分析，第一時間發現異常網絡數據并深入分析，對可能引發群體性事件的輿情，實時跟進并從正面引導輿論和宣傳，構建積極向上、和諧穩定的主流輿論；針對存在群體性事件苗頭的網絡數據，采取網上重點監測和實地調查等措施進行隱患排查。

二、群體性事件網絡數據類型和特點

（一）群體性事件的網絡數據類型分析

通常情況下，誘發群體性事件發生的根源大致有三個：一是社會利益關系發生改變，以寧波PX事件3為例，它涉及到環境、安全與地方經濟利益的矛盾，人們會搜索了解與PX有關的信息如環境污染和危險性問題等；[3]二是部分地方政府工作人員沒有依法行政，群眾與地方存在矛盾未能得到及時解決；三是群眾缺少有效的利益訴求渠道，主要表現為群眾“有理無處說，說理無反饋”的現象。

現今，互聯網已全面普及，此類問題也不可避免地會體現在網絡上，形成大量網絡數據。即群體性事件發生前，人們或多或少地會在互聯網上留下痕跡。未來，由網絡直接或間接引發的群體性事件將越來越多，群體性事件發生前的網絡數據自然也應該得到重視。通過監測搜索引擎的關鍵詞、論壇發帖、微博用戶互相關注情況、大型社交軟件等，都將是預防和分析群體性事件的寶貴數據。

1.關鍵詞

搜索引擎是網民從網絡獲取信息必不可少的工具。“有問題，找百度”也成為網民的普遍思維。而搜索引擎除了能為廣大網民提供索引信息，其“網絡爬蟲”還具有實時監測敏感詞，統計各大關鍵詞搜索量等強大功能。[4]公安機關通過與各大互聯網公司進行資源共享，合理利用搜索引擎的統計和監測功能，分析特定區域網民的關注動態，能得到有助于轄區工作的情報信息。

在不同階段或不同地區，需要鎖定和監測關鍵詞和部分敏感詞也有所不同。針對特定事件實施行動前，個別群體性事件蓄謀者會在網上了解事件的發展趨勢，網友的言論和態度，還有可能留下自己的觀點，群體性事件的萌芽往往隱藏其中。

2.網絡輿情

網絡輿情是指在網絡空間中，圍繞社會事件的發生、發展和變化，民眾通過網絡對其持有的社會政治態度、信念和價值觀。網絡輿情是社會輿情在互聯網空間的映射[5]，隨著互聯網的發展，大眾往往以信息化的方式發表各自的看法，通過技術手段獲取網絡輿情不僅方便快捷，且覆蓋面全。目前，網絡輿情的表現方式主要為：新聞評論、微博、跟帖及轉帖、朋友圈轉發等。

大型論壇發表的主題貼，其內容真實性參差不齊，常常帶有較為激烈的言辭，極易影響網民的情緒。尤其是自身利益與主題帖內容相關的網民。此外，發帖作者的身份也具有特殊性，既有可能是為了還原事情真相的正義網民，也有可能是單純謀求經濟利益的網絡水軍，還可能是有不良企圖的造謠者，為達到特定目的捏造或夸大事實，心理學中的認知定勢理論認為人們的思維活動與接受信息前的思維定勢和對信息的第一印象相關，當前大多數網民都帶有仇富、仇官等心理，帶有誤導性的言論極易煽動網民的極端情緒，誘導網民做出不理智的行為。

視頻評論，微博評論甚至“點贊”操作都可以反映出網民對事件的態度，這些評論部分帶有情緒化且非理性。例如，柴靜拍攝的關于環境污染的視頻“穹頂之下”在網絡上播出后，被網友瘋狂轉發和評論，雖然多數評論較為理智，也不乏攻擊政府和提議游行示威的言論。群體極化理論指出，在群體決策情境中，由于群體間相互討論的影響，群體的最終意見通常比個體的決定更具有冒險性，而網絡本就是相對開放的世界，網民的言論更是毫不避諱。因此，類似言論若不被重視，一旦對現實社會帶來影響，可能會引起嚴重的群體性事件。

3. 大型社交軟件

從早期的騰訊QQ到目前流行的微信、微博等大型社交軟件具有信息實時性，用戶可能隨時隨地與他人進行信息交流，表達自己的想法。而使用大型社交軟件的用戶通常都具有如下特點：（1）人際緊密性，處于同一好友列表、群聊、朋友圈中的用戶，其人際關系在地理位置上通常較為緊密；（2）相似性，具有好友關系的用戶存在特定的背景相似性和行為相似性，背景相似性指這類人群同來具有相似的背景，如來自同一家族，生活在同一地區；行為相似性指這類人群可能發出相似的行為，如共同上班、求學，具有相似的興趣和目標等。

隨著微信的普及，微信朋友圈中的內容很大程度上擴充了人們的信息量，并能夠得到迅速地擴散。這給我們的生活帶來了許多便利，同時也滋生出一些不容忽視的問題。由于朋友圈中的用戶多數具有相似的背景和行為，此類人群也有著相似的利益需求和行為能力，大型社交軟件的實時交互功能更是給煽動情緒、謀劃行動等行為提供了便利。因此，朋友圈的強大功能為網絡謠言提供了散播平臺，同時大大增強了網絡謠言的威力。擁有較大用戶關注量的公眾號所發布的不實信息，很可能在朋友圈的作用下影響一個城市甚至更大的范圍。

（二）群體性事件網絡數據的特點

群體性事件的發生一般分為三個時期，前期（潛伏期），中期（爆發期），后期（善后期）。[6]隨著網絡的發展，群體性事件在潛伏期的異常現象將更多地以網絡數據的形式散布于互聯網。網絡數據具有隱匿性，普通網民不會刻意在網絡上掩蓋自己的身份信息，這就大大提高了網絡數據的真實性，除此之外，群體性事件網絡數據還具有區域性、異常性和擴散性。對相關數據進行分類整理和分析后進而采取必要措施，能最大程度地減少群體性事件的發生，為預防群體性事件提供先機。

1.數據的區域性

群體性事件本身具有群體性和聚集性，即在特定地點上形成一定數量人群聚集的現象。群體性事件潛伏期的網絡數據也存在類似特點，即數據的區域性。這是因為人們對于事件的關心程度是由事件與自身利益的關系決定的，在地域上則表現為，圍繞某一事件的一定區域范圍內，出現網絡數據較集中的現象。基于數據的區域性研究的一大優勢在于，它拋開了個體的差異性和隨機性，忽略網絡數據中出現的個別異常點。即便有人掩蓋自己所在網絡的真實IP，或發表了不實言論，并不會對特定區域內網絡數據的整體趨勢有大的影響，也就不影響對網絡數據的區域分析。

2.數據的異常性

網絡數據異常性可表現為不同區域的數據異常和不同時間段的數據異常。將數據導入GIS進行分析，可以直觀真切地在地圖上觀測到數據的分布情況、不同時間數據的變化情況以及區域間數據分布的差異。不同區域內的數據異常指在特定時間段內，區域內不同位置數據的數量存在差異。不同時間段的數據異常指在特定區域內，不同時間段的數據發生變化且超出了合理變化范圍。在分析數據是否存在異常時，若只依據數據量的多少就得出結論，往往會導致分析結果出錯。主要原因是，基于以下幾點：（1）不同地理位置網絡數據量差異，如經濟發達和經濟落后地區、住宅區和工業區等；（2）不同時間段網絡數據量差異，絕大部分網絡數據集中出現在網民的空閑時間，部分數據可能伴隨著社會重大事件（如國家大型會議、全國性活動前夕等）出現。

3.數據的擴散性

當前互聯網的發展相對成熟，網絡數據不但高度公開，而且傳播速度快。只要條件適宜，網絡上的視頻、圖片和文字都可以對網絡世界和現實社會產生巨大的影響。網絡數據擴散尤其是網絡輿情的擴散，往往與相關事件的發展緊密相關。網絡輿情的產生、擴散、消退不完全取決于事態的發展，很大程度上還受到網民、網絡公關、網絡水軍等的影響。此外，網絡輿情還會反過來對事態的后續發展起到導向作用。基于網絡數據類型的不同，數據的擴散程度和速度也呈現不同。特定領域如科技、政治方面的網絡數據，其擴散程度和速度就不如社會熱點問題，原因是我國網民中普通人群基數遠大于專業領域人群，這也使得從網絡數據中研究和預防群體性事件成為可能。

三、基于GIS的網絡數據分析方法

群體性事件的發生，從表面上看有一定的偶然性。但追根溯源，則是社會矛盾積累到一定階段的結果。當社會矛盾不斷積累且無法得到及時化解，群眾很可能在網絡和社會上通過情緒傳遞形成共振效應，進而爆發群體性事件。公安邊防部門根據工作需要與有關部門進行數據共享，并通過邊防情報人員有針對性地在互聯網上收集和監測網絡數據，再將同類數據導入GIS中進行分析，得到有價值的情報。由于不同網絡數據在不同時間段的數據量不同，針對不同數據類型，在收集、監測和分析階段都應當考慮數據與時間段之間的聯系，才能得出相對正確的結論。在收集階段，為取得大量有效數據，最好選擇每日下班休息時間段和雙休日；在數據監測階段，首先需對不同時間段的各種數據設立參考系，在此基礎上發現異常，如凌晨時段少量涉及政治敏感性的論壇主題帖，也應當引起重視。在分析階段，要充分考慮特殊事件的節日給數據變化帶來的影響，如某地部分區域電路故障導致的網絡數據驟減，國慶節前夕對“北京”、“天安門”等關鍵詞的搜索量劇增等現象，都應該結合該時間段的特殊事件對數據異常情況加以排查。

（一）數據分布區域分析

展示數據的空間地理分布的最為常見的方法就是散點圖，這是一種較為簡單的數據可視化方式。在數據量較小時，散點圖可以較好的展示數據分布現象，但當數據量非常大的時候，部分點會重疊在一起，導致難以確定數據熱點。由于IP是網絡數據的一大重要屬性，在地理空間分布中很可能出現重疊，如一棟公寓樓不同樓層均有符合特定條件的網絡數據，則應用散點圖顯示便會產生重疊，且不能夠直觀地看出數據量的多少。利用GIS對網絡數據進行區域分析，將分析范圍由點擴大到某塊特定區域，可以很大程度地減少數據量大對數據分析的影響。

由于群體性事件網絡數據的區域性特點，將分析范圍劃分為地理上相互區分的塊狀區域，更能反映出數據的變化特征。目前市面上大多數的輿情監測軟件擁有的一大功能就是，將所統計的數據制作成柱狀圖或餅狀圖，并通過不同的顏色來展示各個元素的數量多少。數據區域分析在此基礎上加入了地理位置屬性，使數據更元素的數量分布清晰地呈現在地圖的相應位置，以此來分析數據在地理上分布的特點。

（二）數據異常分析

數據異常分析主要包括數據異常點分析和數據異常變化分析。當存在特定IP，其出現頻次統計超過IP總數一定百分比時，GIS網絡數據分析將對該IP在區域內出現的頻次進行可視化，發現數據異常點。數據異常變化的判定標準會根據地理位置不同和時間段的改變而有所不同，也就是網絡數據異常的相對性，它事先選定了某區域內的數據，以時間為變量分析數據。在特定區域內，某類數據的數據量明顯區別于歷史數據，就可稱之為異常，并不需要在數量上有硬性的標準。因此，在分析數據前應有針對性地設定參考系，可通過監測和記錄數據的歷史平均值，將其與新數據比較并發現異常。例如在群體性事件發生前特定時間內，與該群體性事件相關的網絡數據（關鍵詞、評論、購物信息、主題帖等）會在短時間內急劇增加，且呈現擴散趨勢。此外，國家大型活動、地區網絡設備故障等都會引起網絡數據異常。數據分析人員要充分考慮到現實情況對數據分布的影響，從網絡數據異常中尋求合理解釋，發現和排除異常，而這正是計算機做不到的。

（三）數據擴散分析

網絡數據的擴散能力相當驚人。群體性事件網絡數據若不受控制，擴散后將造成巨大影響。通過分析網絡數據擴散現象，尋找其中存在的規律，可以更快發現網絡數據異常。

用數據分析軟件對收集到的網絡數據進行分析，可以得到相對準確的數據擴散函數，將函數用于預測數據發展趨勢，并設定合理的誤差范圍，一旦新數據的變化超出設定的數據范圍，GIS可以清晰地對數據異常的時間和區域產生預警信息。數據分析人員通過研判預警信息的準確程度對函數和預警條件進行調整，找出群體性事件網絡數據擴散更深層次的規律。

四、GIS網絡數據分析在公安邊防工作中的作用

公安邊防部門將本轄區內可能涉及群體性事件的網絡數據導入GIS，并通過GIS平臺進行可視化的網絡數據分析。要使GIS網絡數據分析的強大功能得以服務于實踐，需要分析人員對分析結果的判斷，并最終提交給決策者以構建相應的預警機制。對于GIS網絡數據分析得出的結論，分析人員要結合社會人文環境、現實條件加以分析，面對群體性事件的網絡數據，采用傳統的預警機制是遠遠不夠的，相關部門在處置應對時，要做到網上線下雙管齊下，在網上進行實時監測、對信息位置進行調整（正面信息頂起，負面信息下沉）等工作，線下及時調查，發現和排查安全隱患，制定和改進群體性事件預警方案等。

（一）全面掌握轄區情況

傳統的公安邊防工作中，為維護轄區治安穩定，通常采取定點巡邏和定期走訪的形式。長期從事轄區治安業務的邊防工作人員對于轄區的情況了如指掌，但經驗不足的邊防工作人員則難以勝任，需要長時間的經驗積累和實踐。

利用先進技術來了解轄區動態，是提高邊防工作效率，全面掌握轄區情況的重要手段。目前，互聯網已存在大量的政府網站、微博和公眾號，每日都能獲得許多有價值的網絡數據。此類數據均可用于GIS網絡數據分析來挖掘出更多有價值的情報。將GIS與邊防實際工作相結合，能發揮出GIS網絡數據分析應用于邊防群體性事件的優勢。公安邊防工作人員和情報人員將日常收集到的網絡數據進行整理，并采用統一標準分類后導入GIS后，可以清晰地看到轄區內數據的分布情況。在此基礎上，定期進行數據更新和上傳，便能在GIS上觀察到信息的動態變化情況。

邊防工作人員利用GIS網絡數據分析平臺對轄區內情況進行分析和學習，能夠直觀地相互交流，全面掌握轄區情況并形成決策。

（二）及時發現異常

凡是群體性事件幾乎都存在一個或多個意見領袖，意見領袖對事態的發展趨勢和進程起著決定性的作用。意見領袖通常發言頻繁，其發布的內容易得到關注和轉發，在網絡數據分析中則表現為 特定IP的多次出現。GIS對數據異常點的分析過程正是將網絡位置映射到地理空間，劃定異常區域。在邊防管理轄區內，邊防工作人員對可能引發群體性事件的內容，根據GIS網絡數據分析提供的方向，及時對轄區內出現的數據異常（包括分布異常、變化異常）進行人工排查。

（三）指導線下處置工作

針對無法在網上排查的疑難問題，公安邊防部門發揮傳統邊防工作的優勢，優先排查GIS網絡數據分析發現的異常區域和異常點。[7]通過對異常數據進行整理和分析，形成初步的調查提綱，掌握線下的工作方向和工作內容，一方面對轄區進行走訪，聽取民情民意，及時化解矛盾，另一方面實施情報收集、轄區巡邏管控，及時發現和制止惡意行為。通過網上線下雙重實施，能全面排查轄區內隱患，維護邊防轄區的社會治安穩定。

（四）輔助網上輿論引導

當前政府部門和公安邊防部門開通的門戶網站、官方微博、微信公眾號等，其主要的運行模式仍是被動接受信息后進行相應處理。在網上針對群眾設立的官方平臺，不僅是公安邊防部門全面掌握轄區情況、及時發現轄區異常的重要渠道，還是進行網上正面輿論引導的主要平臺。借助GIS網絡數據分析，邊防部門能夠及時發現轄區的異常情況，化被動為主動，在網上對轄區輿論進行正面引導。[8]此外，針對存在較大安全隱患的問題，還可以配合地方媒體進行正向輿論宣傳，爭取最大程度地從網上排查可能引發群體性事件的隱患。

結語

隨著互聯網的發展和大數據時代的到來，傳統的公安邊防工作已難以滿足實際工作需求。只有與時俱進，將傳統公安邊防工作與先進網絡技術相結合，才能最大程度地發揮優勢。GIS將復雜繁多的網絡數據進行可視化處理，在輔助邊防部門分析決策的同時，也在一定程度上緩解了現實工作中基層警力不足的問題，大大提高邊防部門的工作效率。

[1]張魯寧．淺談基于GIS的可視化互聯網輿情監測系統[J]． 通訊世界,2015(8):34-35．

[2]賈民政,商偉．IP地址地理位置映射技術應用研究[J]．北京工業職業技術學院學報,2014(1):54-57．

[3]翁士洪,葉笑云．網絡參與下地方政府決策回應的邏輯分析——以寧波PX事件為例[J]．公共管理學報,2013(4):26-36．

[4]鄧煥根．網絡爬蟲在輿情監測中的應用研究[J]．廣東科技,2014(6):155-156．

[5]常銳．群體性事件的網絡輿情及其治理模式與機制研究[D]．長春:吉林大學,2012．

[6]靳娟娟．公安邊防群體性事件情報工作的SWOT分析[J]． 圖書情報工作,2011(S1):262-266．

[7]安雅麗．邊境地區群體性事件誘因及對策研究[J]．中國公共安全(學術版),2011(1):127-130．

[8]樊榮．公安邊防部隊如何引導網絡宣傳化解“網上輿情危機”[J]．湖北警官學院學報,2011(5):107-108．

Network Data Analysis of Group Incidents Based on GIS

LIU Zhi-min
(The Chinese People's Armed Police Forces Academy, Langfang, Hebei,065000)

Relevant reports usually increase before group incidents happen. With the development of Internet, more data will be exposed on the internet. After the collection and the classification of network data of group incidents, this article attempts to explore the law of group incidents by combining the features of group incidents and the visualized function of global information system, and forewarn group incidents. It helps border control work to take movements both online and offline, guide border control work by timely forewarn and facilitate decision-making.

group incidents; network data; data analysis; border control work

D631.43

A

2095-1140(2017)03-0000-00

（責任編輯：李語湘）

2017-01-05

河北社科基金“面向突發事件的情報分析與決策支持研究”（項目編號：HB15TQ002）

劉智敏(1992.7- ),男,福建莆田人,中國人民武裝警察部隊學院2015級碩士研究生,主要從事公安學研究；趙 虹(1966－ ), 男,北京人,中國人民武裝警察部隊學院教授，主要從事公安情報學研究。