从情绪到可执行洞察：基于数据驱动的先进空中交通公众情绪分析

背景

先进空中交通（Advanced Air Mobility，简称 AAM）作为一种新兴的低空航空运输系统，其商业化落地的成功不仅取决于技术本身的成熟度，更高度依赖于公众的接受度。这种接受度直接决定了政府的支持力度、监管政策的制定、噪音标准的设定，以及最终用户的飞行意愿，进而影响 AAM 的整体商业可行性。

然而，要准确理解公众对 AAM 的态度，并识别其社会障碍以制定有效的推广策略，传统的定性研究方法往往难以覆盖海量且分散的舆论数据。因此，利用人工智能模型对大规模网络文本进行情感分析和主题挖掘，成为揭示公众真实关切、指导行业决策的关键手段。

核心内容

本研究旨在通过数据分析深入剖析公众对 AAM 的舆论动态。研究团队从 Reddit 和 Quora 两大主流社交平台收集了 306,099 条由人类生成的文本数据，构建了一个涵盖 2008 年至 2025 年时间长期的语料库。

1. 模型评估与选择 由于现有情感分析模型种类繁多，为了确保预测的准确性和舆论分析的可信度，研究首先对七种不同类别的情感分析模型进行了系统性评估。这些模型涵盖了基于词典的方法、机器学习、深度学习以及基于 Transformer 架构的方法。评估结果显示，ModernBERT 模型在 AAM 特定语境下的分类性能最佳，因此被选定用于对全量数据集进行情感标签标注。

2. 主题建模与演化追踪 在获得准确的情感标签后，研究团队在每个情感类别内部应用了潜在狄利克雷分配（Latent Dirichlet Allocation, LDA）算法，以挖掘公众意见中的潜在主题。通过这一过程，研究识别出 20 个 distinct（独特/明确）的主题，并追踪了这些主题随时间的演变轨迹。

3. 跨情感主题分析与主要关切集群 进一步的跨情感主题分析揭示了公众关注的六大主要集群及其在数据集中的占比分布：

• 劳动力与技能发展（Workforce and skill development）：占比 25.29%，是公众最关注的领域，反映了行业对人才储备和技能转型的担忧。
• 监管与合规（Regulation and compliance）：占比 24.64%，公众高度关注 AAM 运营的法律框架、空域管理规则及合规性问题。
• 无人机技术性能（Technical performance of drones）：占比 20.99%，涉及飞行器的可靠性、续航能力及技术成熟度。
• 军事、地缘政治与国防（Military, geopolitics, and defense）：占比 14.58%，公众对 AAM 技术可能被用于军事目的或引发地缘政治紧张局势表示关切。
• 安全与运营风险（Safety and operational risks）：占比 8.51%，包括坠机风险、空中碰撞及地面安全等直接威胁。
• 噪音与干扰（Noise and disturbance）：占比 5.98%，尽管占比相对较低，但噪音问题往往是阻碍社区接受度的直接因素。

基于上述发现，研究不仅揭示了公众情绪的构成，还针对这些具体关切提供了可执行的策略建议，旨在通过解决核心痛点来提升公众接受度，从而推动 AAM 的部署。

关键要点

• 数据规模与来源：研究分析了超过 30 万条来自 Reddit 和 Quora 的真实用户文本，时间跨度长达 17 年（2008-2025），确保了数据的代表性和历史纵深。
• 最佳模型确认：在七种候选模型中，ModernBERT 被证实为处理 AAM 领域情感分类的最优解，其高精度为后续分析奠定了可靠基础。
• 六大核心关切：公众对 AAM 的担忧并非单一维度，而是集中在劳动力、监管、技术、地缘政治、安全和噪音六个方面。其中，劳动力发展和监管合规合计占据了超过 50% 的讨论热度。
• 动态演变视角：研究不仅关注静态的情绪分布，还通过时间序列分析展示了公众议题随技术发展和事件发生的动态变化，为理解舆论演变提供了时间维度。
• 从洞察到行动：研究的核心价值在于将抽象的“公众情绪”转化为具体的“可执行策略”，直接服务于 AAM 行业的政策制定、公关沟通和产品设计。

意义与影响

这项研究为 AAM 行业提供了一个从数据驱动视角理解社会接受度的框架。其意义主要体现在以下几个方面：

1. 指导政策制定：通过量化公众对监管和合规的关切（占比 24.64%），监管机构可以更精准地制定公众易于接受且有利于行业发展的法规，减少政策落地的社会阻力。
2. 优化行业沟通策略：识别出“劳动力与技能发展”为最大关切点（25.29%），提示 AAM 企业需加强公众教育，展示行业创造就业和技能提升的机会，而非仅强调技术先进性。
3. 缓解社区抵触：虽然“噪音与干扰”占比不高（5.98%），但作为直接影响居民生活的因素，针对性地解决噪音问题有助于改善社区关系，避免局部项目因邻避效应（NIMBY）而停滞。
4. 方法论示范：本研究展示了如何结合先进的 NLP 模型（如 ModernBERT）与传统主题建模（LDA）来处理复杂的行业舆情，为其他新兴技术（如自动驾驶、生物技术）的社会接受度研究提供了可复用的方法论参考。

总之，AAM 的成功不仅仅是一场技术革命，更是一场社会共识的构建过程。本研究通过严谨的数据分析，为行业利益相关者提供了清晰的行动路线图，有助于在技术部署前消除误解，建立信任，从而加速先进空中交通的商业化进程。