編者按:生態(tài)環(huán)境部部長黃潤秋指出“良好的生態(tài)環(huán)境是最普惠的民生福祉”。生態(tài)環(huán)境好不好,關(guān)鍵還是要看質(zhì)量,看百姓對藍天白云、清水綠岸的滿意度和獲得感。通過大數(shù)據(jù)、人工智能等先進技術(shù),可深入挖掘公眾對生態(tài)環(huán)境的滿意度,保障公眾環(huán)境保護知情權(quán)、參與權(quán)、表達權(quán)和監(jiān)督權(quán)。
針對當前公眾環(huán)境滿意度與環(huán)境質(zhì)量的關(guān)聯(lián)分析需求,百分點數(shù)據(jù)科學實驗室基于機器學習、文本分析等建模技術(shù),從環(huán)境質(zhì)量公眾感受評價、敏感變化關(guān)聯(lián)分析、生態(tài)環(huán)境質(zhì)量改善成效評估三個角度進行了深入分析,為加強生態(tài)環(huán)境公眾參與、提高生態(tài)環(huán)境管理決策能力提供技術(shù)支撐。
一、項目背景
近年來,環(huán)境污染事件對社會經(jīng)濟可持續(xù)發(fā)展和公眾個人的生活產(chǎn)生的影響一直存在,而公眾的環(huán)境意識也在不斷提升。生態(tài)環(huán)境保護既需要政府治理,也需要公眾參與,從公眾實際感受和反饋中提取意見有助于改進和提高環(huán)境治理能力。
目前,環(huán)保部門僅通過環(huán)境監(jiān)測設(shè)備對能夠影響環(huán)境質(zhì)量的一些因素進行測定,利用得到的具體數(shù)值,來評價環(huán)境質(zhì)量(或污染程度) 及其變化的趨勢,缺少了公眾參與。
為提升生態(tài)環(huán)境保護公眾參與程度,提高生態(tài)環(huán)境管理決策能力,重點關(guān)注生態(tài)環(huán)境質(zhì)量與公眾感受“兩張皮”現(xiàn)象,2021年5月,百分點科技通過環(huán)境質(zhì)量監(jiān)測大數(shù)據(jù),結(jié)合在線問卷調(diào)查及互聯(lián)網(wǎng)輿情數(shù)據(jù),形成大小數(shù)據(jù)融合,分析公眾環(huán)境空氣質(zhì)量滿意度、改善成效、政府治理措施等情況,為加強生態(tài)環(huán)境公眾參與、提高生態(tài)環(huán)境管理決策能力提供技術(shù)支撐。
二、解決方案
1. 模型數(shù)據(jù)
(1)生態(tài)環(huán)境監(jiān)測數(shù)據(jù)
中國環(huán)境監(jiān)測總站(以下簡稱總站)提供的2020-2021年至今環(huán)境空氣質(zhì)量監(jiān)測數(shù)據(jù),監(jiān)測指標包括PM2.5、PM10、SO2、NO2、CO、O3等,共5000+個環(huán)境空氣質(zhì)量監(jiān)測站點。
(2)在線問卷調(diào)查數(shù)據(jù)
樣本來自全國400萬在線調(diào)研樣本庫隨機抽樣,面向全國339個地級以上城市,問卷調(diào)查結(jié)果共收集31個省的317個城市10,500個樣本,在對象選取上考慮了年齡性別、教育水平、行業(yè)職業(yè)等因素,盡量保證受訪對象的隨機性、均勻性。
(3)網(wǎng)絡(luò)輿情數(shù)據(jù)
本次研究選取2021年5月的網(wǎng)絡(luò)輿情數(shù)據(jù),包括各地生態(tài)環(huán)境主管部門官網(wǎng)、中國環(huán)境報、中國環(huán)境新聞網(wǎng)和微博等主流媒體網(wǎng)站數(shù)據(jù)。研究重點覆蓋26個關(guān)鍵詞,包括7個空氣相關(guān)關(guān)鍵詞、8個水相關(guān)關(guān)鍵詞、7個改善措施相關(guān)關(guān)鍵詞和4個其他關(guān)鍵詞,涉及微博1,309,188條、相關(guān)新聞網(wǎng)站15,026條數(shù)據(jù)。
2. 模型選擇
通過環(huán)境監(jiān)測數(shù)據(jù)與在線問卷調(diào)查數(shù)據(jù)、主流媒體相關(guān)輿情數(shù)據(jù)進行對比分析,利用文本分析技術(shù)分析挖掘公眾感受與環(huán)境空氣質(zhì)量監(jiān)測結(jié)果存在偏差的原因,分析公眾不同時期對環(huán)保關(guān)注的重點、環(huán)境關(guān)注的熱詞、環(huán)境狀況的情感。
文本分析是指對文本的表示及其特征項的選取,它把從文本中抽取出的特征詞進行量化來表示文本信息,文本分類的流程:文本預處理、特征提取、文本表示和分類器。
文本預處理:
(1)分詞
分詞就是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程。
“結(jié)巴”(jieba)分詞是Python語言的一個中文分詞包,它有如下三種模式:精確模式,試圖將句子最精確地切開,適合文本分析;全模式,把句子中所有的可以成詞的詞語都掃描出來, 速度非常快,但是不能解決歧義;搜索引擎模式,在精確模式的基礎(chǔ)上,對長詞再次切分,提高召回率,適合用于搜索引擎分詞。
LTP是哈工大開源的一套中文語言處理系統(tǒng),提供包括中文分詞、詞性標注、命名實體識別、依存句法分析、語義角色標注等豐富、高效、精準的自然語言處理技術(shù)。LTP 已經(jīng)成為國內(nèi)外最具影響力的中文處理基礎(chǔ)平臺。
(2)去除停用詞
停用詞是指在信息檢索中,為節(jié)省存儲空間和提高搜索效率,在處理自然語言數(shù)據(jù)(或文本)之前或之后會自動過濾掉某些字或詞,這些字或詞即被稱為停用詞。停用詞主要包括一些副詞、形容詞及其一些連接詞。通過維護一個停用詞表,實際上是一個特征提取的過程,本質(zhì)上是特征選擇的一部分。
特征提取:
a. 詞袋模型
建立一個詞典庫,該詞典庫包含訓練語料庫的所有詞語,每個詞語對應(yīng)一個唯一識別的編號,利用One-Hot文本表示。文檔的詞向量維度與單詞向量的維度相同,每個位置的值是對應(yīng)位置詞語在文檔中出現(xiàn)的次數(shù),即詞袋模型。通過Scikit-learn的CountVectorizer類來完成,這個類可以幫我們完成文本的詞頻統(tǒng)計與向量化。
CountVectorizer特征提取
b. TF-IDF文本特征提取
利用TF和IDF兩個參數(shù)來表示詞語在文本中的重要程度。TF指的是一個詞語在一個文檔中出現(xiàn)的頻率,一般情況下,每一個文檔中出現(xiàn)的詞語的次數(shù)越多詞語的重要性更大,IDF是體現(xiàn)詞語在文檔間的重要性。即如果某個詞語出現(xiàn)在極少數(shù)的文檔中,說明該詞語對于文檔的區(qū)別性強,對應(yīng)的特征值高,IDF值高。
當計算出TF和IDF值后,兩數(shù)相乘即為TF-IDF:某詞的TF-IDF值越高,說明其在這篇文章中的重要性越高,越有可能是文章的關(guān)鍵詞。
TF-IDF文本特征提取
(3)建模分析
利用先構(gòu)建好的情感詞典,對預處理好的文本進行字符串匹配,從而挖掘正面和負面信息。情感詞典包含正面詞語詞典、負面詞語詞典、否定詞語詞典、程度副詞詞典等四部分。情感詞典在整個情感分析中至關(guān)重要,所幸現(xiàn)在有很多開源的情感詞典,如BosonNLP情感詞典,它是基于微博、新聞、論壇等數(shù)據(jù)來源構(gòu)建的情感詞典,以及知網(wǎng)情感詞典等。
逐個遍歷分詞后的語句中的詞語,如果詞語命中詞典,則進行相應(yīng)權(quán)重的處理。正面詞權(quán)重為加法,負面詞權(quán)重為減法,否定詞權(quán)重取相反數(shù),程度副詞權(quán)重則和它修飾的詞語權(quán)重相乘。利用最終輸出的權(quán)重值,就可以區(qū)分是正面、負面還是中性情感了。
基于情感詞典的文本分類
三、分析思路
1. 公眾環(huán)境質(zhì)量滿意度評價
運用在線問卷調(diào)查結(jié)果,構(gòu)建公眾環(huán)境質(zhì)量滿意度評價體系,以空氣為重點、以城市為單位,分析公眾對于目前環(huán)境質(zhì)量滿意度情況,并與環(huán)境質(zhì)量狀況進行對比分析。
2. 敏感變化關(guān)聯(lián)分析
利用各城市環(huán)境監(jiān)測數(shù)據(jù),分析環(huán)境監(jiān)測數(shù)據(jù)驟升/驟降的開始時間、維持天數(shù)及平均變化值,并利用在線問卷調(diào)查數(shù)據(jù)和主流媒體相關(guān)輿情數(shù)據(jù)進行關(guān)聯(lián)分析,通過挖掘監(jiān)測數(shù)據(jù)和公眾感受存在顯著偏差的現(xiàn)象,研判各城市敏感變化的原因。
3. 輿情分析
運用在線問卷調(diào)查結(jié)果和政府官網(wǎng)、主流媒體相關(guān)輿情信息,以空氣為重點、以城市為單位,分析公眾環(huán)保關(guān)注的重點領(lǐng)域,通過輿情數(shù)據(jù)收集環(huán)境不滿意的原因,提出針對性的改善建議。
四、成果展示
1. 社會公眾感受評價總體概覽
在本次全國范圍公眾滿意度調(diào)查問卷中,近九成受訪者對環(huán)境空氣質(zhì)量感到滿意。通過區(qū)域及省市層面對比發(fā)現(xiàn),公眾感受與環(huán)境監(jiān)測結(jié)果基本保持一致。
2. 敏感變化分析
針對各地市AQI敏感變化,將該區(qū)域群眾的反饋信息及網(wǎng)絡(luò)輿情信息進行關(guān)聯(lián),就可以分析敏感變化原因。比如,對全國339個城市當月AQI進行分析,采集來自中國環(huán)境報、中國環(huán)境新聞網(wǎng)、微博的新聞,篩選出有關(guān)生態(tài)環(huán)境的新聞,并對應(yīng)上述AQI驟升的城市,就可以從新聞報道中發(fā)現(xiàn)部分地區(qū)AQI敏感變化的原因與影響公眾感受的霧霾,沙塵有關(guān)。
3. 輿情分析助力政府環(huán)保措施完善
選取各地生態(tài)環(huán)境主管部門官網(wǎng)及中國環(huán)境報、中國環(huán)境新聞網(wǎng)、微博等主流媒體網(wǎng)站,采集了與環(huán)保相關(guān)數(shù)據(jù),對數(shù)據(jù)進行處理分析后從中得到的主要關(guān)鍵詞云如下:
輿情采集關(guān)鍵詞的詞云圖
從上圖可以看出,當月公眾對環(huán)保比較關(guān)注的點為:霧霾、沙塵、惡臭、噪聲、水污染等。生態(tài)環(huán)境主管部門可從公眾關(guān)注的方向入手,解決環(huán)保工作中較為突出的問題,由此來提高公眾的環(huán)保滿意度。
案例分析
空氣質(zhì)量:A市5月份AQI在全國339個城市中排名305位,盡管排名靠后,但是和3月相比,在全國改善排名中上升至第13位,空氣質(zhì)量有較為突出的改善。
滿意度得到提升:A市5月份公眾環(huán)境空氣質(zhì)量滿意度77.8分,全國排名285名,3月份滿意度76.6分,全國排名310名,5月比3月提升1.2分,上升25名。
新聞輿情:5月份A市生態(tài)環(huán)境局對市各區(qū)揚塵污染問題進行檢查,并對12起典型揚塵問題予以公開曝光。
五、研究和現(xiàn)實意義
近些年政府環(huán)保投入和治理力度不斷增強,生態(tài)環(huán)境改善取得了明顯成效。然而政府環(huán)保監(jiān)測數(shù)據(jù)不足以全面反映環(huán)境質(zhì)量問題,需通過問卷、輿情數(shù)據(jù)挖掘監(jiān)測數(shù)據(jù)無法體現(xiàn)的問題。
與此同時,問卷及輿情數(shù)據(jù)也包含公眾對當?shù)卣h(huán)境治理成果的評價,充分利用好問卷及輿情數(shù)據(jù)去了解公眾對環(huán)境的滿意度,能夠更好地捕捉他們的感受、需求、期待。
從公眾的角度反映環(huán)保工作的重點和難點,以及主要影響因素,為環(huán)境監(jiān)測工作提供數(shù)據(jù)支撐、為生態(tài)文明建設(shè)提供決策依據(jù),具有重要的理論和現(xiàn)實意義。
六、未來研究方向
未來可以通過融合企業(yè)用電數(shù)據(jù)、污染源數(shù)據(jù)、交通數(shù)據(jù)等更多維度的數(shù)據(jù),進一步提升環(huán)境治理水平、改善環(huán)境質(zhì)量、提高公眾滿意度。
(1)建立常態(tài)化環(huán)境與輿情關(guān)聯(lián)機制
探索建立業(yè)務(wù)化機制,及時發(fā)現(xiàn)環(huán)境治理工作落實滯后、治理效果不到位等問題,并發(fā)出預警信號;直觀體現(xiàn)地方環(huán)境治理工作成效,并進一步加強環(huán)境治理經(jīng)驗宣傳和推廣。建立生態(tài)環(huán)境質(zhì)量公眾滿意調(diào)查問卷定期更新機制,圍繞生態(tài)環(huán)境重大政策行動設(shè)置專題,堅持小切口,不搞大而全,切實反映環(huán)境管理關(guān)心的問題與信息。
(2)建立環(huán)境質(zhì)量輿情應(yīng)對機制
加強環(huán)保政策的正面宣傳和公眾輿情的正面引導。收集公眾意見反饋、個人訴求等,定期總結(jié)、及時反應(yīng),提高政府服務(wù)質(zhì)量。當產(chǎn)生階段性環(huán)境治理成果等正面輿情時,及時展開環(huán)保政策宣傳、科普活動;當發(fā)現(xiàn)公眾感受與環(huán)境質(zhì)量出現(xiàn)長期異常偏離的現(xiàn)象,將開展專項調(diào)查,及時查找問題,避免對政府形象造成負面影響。
