اخیراً محتوای منتشرشده در شبکه‌های اجتماعی، فرصتی برای پژوهشگران حمل‌ونقل فراهم کرده تا نگرش عمومی نسبت به ایمنی راه‌ها را در ابعاد مختلف بررسی کنند.در این مطالعه با استخراج داده‌های رسانه‌های اجتماعی یک فرایند برای تحلیل متنی پیام‌های مرتبط با تصادفات با استفاده از مدل‌های زبانی بزرگ پیشنهاد شده و به طور موردی به‌کاررفته است. در این فرایند، داده‌ها پس از استخراج، پیش‌پردازش شده و سپس مدل زبانی مولد Gemma 4 برای سه وظیفه دسته‌بندی متن، تحلیل احساسات و خلاصه‌سازی تنظیم دقیق شده و به کار گرفته شد. در گام اول دسته‌بندی و جداسازی پیام‌های مربوط به تصادف صورت گرفت و در گام دوم مدل زبانی تنظیم دقیق شده توانست با دقت ۸۷ درصد تحلیل احساسات پیام‌های مربوط به تصادف را انجام دهد. در نهایت نسبت به خلاصه‌سازی موضوعی پیام‌ها و تحلیل نتایج اقدام شد. تحلیل احساسات و خلاصه‌سازی موضوعی نشان داد اگرچه بیشتر پیام‌ها ماهیت خبری داشتند، حدود ۲۱ درصد از آن‌ها شامل نظرات منفی و گلایه‌های کاربران بوده که به مسائل مختلف از جمله چالش‌های زیرساختی ایمنی راه و حتی برخی جنبه‌های مدیریتی و فرهنگی اشاره می‌کردند. این یافته‌ها بیانگر آن است که پیام‌های منتشرشده، علاوه بر اطلاع‌رسانی درباره تصادفات، بازتابی از دیدگاه‌ها، انتقادها و پیشنهادهای شهروندان هستند و می‌توانند به‌ویژه در سطوح محلی که معمولاً نظرسنجی‌های عمومی به‌صورت مداوم صورت نمی‌گیرد به درک بهتر مسائل ایمنی راه و حمل‌ونقل کمک کنند.