16、基于Twitter数据的实时交通状况检测与可视化

基于Twitter数据的实时交通状况检测与可视化

1. 引言

社交网络网站如Facebook、Instagram、Twitter等越来越受欢迎，促使更多人使用这些网络与他人建立联系，并将其作为信息来源。它们成为了丰富的非结构化数据来源，用户会实时分享各种主题的信息，还能在各自的社交群体或社区中轻松交流。

Twitter拥有超3.3亿活跃用户，每天产生超5亿条推文，每日数据量超12TB。若能合理挖掘这些数据，将成为极有价值的信息源。其“发生了什么？”这一提问精准概括了平台分享身边事的核心目标。本文利用Twitter数据实时检测事件，尤其聚焦交通相关事件，如拥堵、事故、改道等，相比其他研究，具有更高的检测精度。

由于推文高度非结构化，需运用预处理、分类、命名实体识别等文本挖掘技术将其转化为结构化信息，以便进一步分析。本文旨在构建一个系统，处理非结构化数据，实时检测事件，并在城市地图上进行可视化展示，该模型也可应用于其他领域。

2. 研究动机与贡献

• 研究动机 ：在大多数大城市，交通是严重问题。许多人每天走相同路线上班，高峰时段交通拥堵严重。道路堵塞、事故、施工等导致的改道会加剧拥堵。及时检测这些事件并通知通勤者，可节省时间、燃料和人力。谷歌地图虽能检测实时交通，但依赖移动设备数据，若道路阻塞且车流量少，或特定路线被警方封锁，可能无法检测并提供替代路线。本文提出的系统可用于检测交通事件，还能拓展到检测社会动荡、灾难等事件中的压力区域。
• 主要贡献 ：
  • 对预处理后的推文进行分类，能高精度判断是否包含交通相