随着网络的迅猛发展,网络舆情的影响引起人们的重视,但在交通方面,对于网络舆情影响的研究少之又少,处于交通舆情的初始研究阶段;特别是对于交通事故的网络舆情方面的研究几乎没有。然而,交通事故的网络舆情处理不当,会造成诸多不良社会影响。因此,研究交通事故的网络舆情情况具有重要的理论和现实意义。目前,交通事故领域的网络舆情文本词汇库是借用其他成熟的词汇库,并没有其专属的文本情感词汇库,这就降低了交通事故网络舆情的精准性。本文建立了与交通热点事故相关的网络舆情文本情感词汇库,并在此基础上对网络舆情进行积极和消极情感比值计算,找出负面网络情绪爆发的管控指标。论文首先研究了网路舆情的获取方法及信息预处理。通过网络爬虫,获取到交通热点事故的舆论信息;通过文本处理方法,对获取的网络舆情进行初步分析和文本预处理。结果表明:交通热点事故网络舆情初步分析有利于舆情情感的把控;网络舆情的文本预处理所提取的交通热点事故关键词对于网络舆情有一定的代表作用。其次,论文研究了基于卷积神经网络和长短时神经网络的深度学习模型的构建。根据两种模型的结合,将网络舆情文本降维成词向量,提升了模型的的记忆时长,通过将整体网络舆情分训练集和测试集的训练方法,构建出交通热点事故的舆情文本词汇库。结果表明:通过深度学习模型的精度和损失度对比得出,舆情文本词汇库较为符合预期要求。最后通过使用三种舆情分析方法,以交通热点事故——重庆公交坠江事故为例,进行网络舆情情感分析,得到舆情积极情绪和消极情绪总体情感比值;提出了对应的负面舆情爆发的管控指标和策略;并对这起事故的网络舆情情感趋势进行了预测。结果表明:使用建立的交通热点事故的网络舆情文本情感词汇库对于预测负面情绪爆发更加敏锐。本文的研究成果不仅有利于填补交通事故在网络舆情方面的空缺,而且有助于相关部门对交通热点事故造成的负面舆情爆发的及时管控。