基于Agent的突發性群體事件人群聚集效應分析

陳 鵬，陳建國，袁宏永

1.中國人民公安大學 警務信息工程學院，北京 102600

2.中國人民公安大學 安全防范技術與風險評估公安部重點實驗室，北京 102600

3.清華大學 公共安全研究院，北京 100084

基于Agent的突發性群體事件人群聚集效應分析

陳 鵬1，2，陳建國3，袁宏永3

1.中國人民公安大學 警務信息工程學院，北京 102600

2.中國人民公安大學 安全防范技術與風險評估公安部重點實驗室，北京 102600

3.清華大學 公共安全研究院，北京 100084

近年來，國內一些地區陸續發生了多起突發性群體事件，嚴重地影響了社會的穩定與發展。從事件的特點來看，這一類事件主要表現為在某些具有開放性的情境下（如交通路口、政府門前、廣場等）由某些導火索事件（主要表現為治安事件和刑事案件）引發的人群大規模圍觀和聚集，隨后在一些流言或謠言的作用下人群的行為發生變異，最終轉變為群體性的打、砸、搶、燒等暴力性行為。

當前，對于突發性群體事件研究的著眼點主要集中在社會心理學和行為學等方面[1-4]，人們提出和總結了突發性群體事件發展過程中影響群體行為變化的一些心理和行為因素，其中一個很重要的因素就是群體的聚集效應。一般情況下，在突發性群體事件的現場情境下往往會形成大規模聚集的人群，在這種環境中參與事件的個體往往會從心理上形成較強的匿名性和法不責眾等效應[5-6]，在這種心理的作用下，個體會由于自己的身份受到人群的掩蓋而失去理性，行動起來毫無顧忌，容易在一些異常行為主體的影響下自發地形成行為上的模仿[7]，最后導致整個人群行為發生異常。因此，在突發性群體事件的現場情境下聚集人群的數量或規模就會從一定程度上影響個體的行為選擇，進而決定整個群體行為和事件的發展趨勢。

目前，在突發性群體事件的研究方面，基于復雜適應系統理論的仿真模擬逐漸受到了人們的重視，國內外一些研究人員如Epstein[8-9]、Jager[10]、Lempert[11]、Goh[12-13]、趙宇寧、黨會森等人[14-17]分別基于Agent建模技術構建了突發性群體事件的仿真模型，并對突發性群體事件中的一些人員行為特征進行了研究和還原。但從研究的內容來看，現有的基于Agent的突發性群體事件仿真研究更多關注于人群發展到騷亂階段后的群體行為特征分析，對人群從聚集到騷亂發生這一階段的過渡過程還缺乏一定的研究，尤其缺少對人群聚集性效應的分析。對此，本文在前人工作的基礎上，通過進一步完善突發性群體事件的Agent模型，對突發性群體事件的過渡過程進行仿真，分析人群的聚集效應對事件發展的影響。

1 突發性群體事件中主體之間的邏輯關系定義

突發性群體事件從本質上可以歸結為參與事件的人群和政府等社會強勢部門（主要表現為警察）之間的相互對抗和博弈的過程，因此，可以將突發性群體事件中的主體抽象為兩大類：平民和警察，其中警察代表的是政府等強勢部門，其職責是維護現場秩序，防范群體性行為的惡化，而平民則是構成突發性群體事件的主要參與成員。而對于平民，根據其具體的行為特征又可以將其進一步分為三類成員，即旁觀者（Watcher）、激進分子（Supporter）和暴徒（Activist）[8-11]。在這三類平民成員中，暴徒是突發性群體事件中暴力行為的主要實施主體，其主要特點是具有很高的非理性，在群體暴力活動中常常會對其他平民主體產生示范作用，帶動或迫使其他平民主體的行為與其保持一致。激進分子是平民中受到現場情緒和謠言感染的主體，其特點是具有較高的非理性和憤怒情緒，但暴力性傾向程度較低，是暴徒的現場支持者，會主動向其他平民主體成員進行情緒和謠言的傳播，在暴徒數量較多的時候也會表現出一定的暴力性傾向。旁觀者則是平民中非理性程度較低的主體成員，也是暴徒、激進分子和警察爭取的對象，在暴徒或激進分子影響下容易被感染并轉變為激進分子中的一員，但如果旁觀者拒絕接受暴徒或激進分子的影響則會受到暴徒或激進分子的壓力，在這種情況下旁觀者會采取躲避的行為策略。

根據突發性群體事件中的主體描述及其關系特征，建立起突發性群體事件主體之間的邏輯關系如圖1所示。

圖1 突發性群體事件主體之間的邏輯關系

2 突發性群體事件的主體Agent模型

2.1 Agent模型的基本結構

突發性群體事件中的主體Agent模型包括四個基本功能，即學習功能、情緒功能、決策功能和運動功能。其中學習功能是個體從其自身所能控制和覆蓋的范圍之內獲取外界信息（如視閾范圍內平民和警察的數量）的能力，主要負責個體視閾內信息的收集；情緒功能決定了個體在獲取的外界信息影響下其心理狀態的波動與變化，如旁觀者在受到暴徒或激進分子的影響下很有可能會產生憤怒情緒，從而轉化為激進分子等；決策功能則是個體在綜合外界信息的基礎上決定其下一步的行為，主要表現為運動行為（如躲避警察或躲避暴徒等）；運動功能則主要負責決定個體根據現場環境運動的方向和路線。Agent四個功能之間的邏輯關系如圖2所示。

圖2 Agent模型中四個功能之間的邏輯關系

對事件中的個體Agent模型，其收集信息的范圍可通過定義一個視閾變量V（Vision）[9-11]來進行描述。該變量反映的是在事件現場情境下個體感官所能覆蓋到的面積，V越大表示主體感官所能覆蓋和影響到的面積越大，因而其所能收集的信息也就越多。

在突發性群體事件個體的基本行為中，主要存在著三個重要的行為機制，分別為非理性情緒的產生、謠言的傳播與個體心理的分化、暴徒與警察之間的對抗與合作性策略關系。

2.2 非理性情緒的產生

突發性群體事件的個體Agent的非理性情緒產生機制主要由兩個變量構成，即個體的反社會傾向A（Antipathy）與個體對政府的認同度L（Legitimacy）[9-13]，其中前者代表著參與事件的個體的內在情緒感受，而后者則代表著政府在個體認知中的客觀存在。則個體Agent模型中的個人情緒函數可定義為：

即平民主體的反社會傾向越大，對社會和政府的認同度越低，則平民越容易產生憤怒情緒。

2.3 謠言傳播與個體心理的分化

突發群體性事件現場情境下個體之間的謠言傳播機制與疾病的傳播機制非常相似，因此參照疾病傳播的SIR模型，將事件中的平民個體分為謠言感染者、未感染者、恢復者等不同類型[18-20]。具體的定義如下：

感染者（contagious）：事件現場謠言的傳播者，會主動向視閾內的其他個體進行謠言的傳播，在模型中主要表現為暴徒和激進分子。

未感染者（non-contagious）：尚未接觸到謠言的個體，但一旦接觸到謠言后就會以一定的概率相信謠言的內容，在模型中主要表現為旁觀者。

恢復者（recover）：能夠從謠言中醒悟和恢復的個體，并且在恢復后不再相信謠言的內容，在模型中主要表現為旁觀者。

謠言在人群中的傳播途徑具體可通過摩爾鄰域模型來表示[14]。根據文獻[21-22]，突發群體性事件中的謠言傳播是一種基于現場感官的信息流通方式，因此，在模型中謠言的感染者會同時將謠言的信息擴散到其視閾的每一個個體（圖3），隨后被謠言感染的個體在其視閾內又進一步將謠言傳播給其他成員，進而逐漸將謠言傳播開來。

圖3 人群中的謠言傳播過程（Agent視閾半徑V=2）

對面積為A的區域內的N個平民個體成員，假設從時刻t0開始個體ni突然開始向人群進行謠言傳播，則接觸到謠言的個體以一定的概率被感染，則其恢復理性的概率βi可以定義為：

未能恢復理性的個體成員即轉變為激進分子，其進一步轉化為暴徒的條件為[12-13]：

這里的Ri代表激進分子轉變為暴徒的動機和意愿，由非理性情緒水平Ei和貪婪性指數Gr所組成，其中Tf為突發性群體事件發展的時間指數，為時間長度的倒數，Tf越小表示事件最初的犯罪動機主要來自于個體的憤怒情緒，而隨著時間的發展個體參與犯罪的動機更多的來自于犯罪收益的誘惑。Ni代表激進分子轉化為暴徒過程中所面臨的犯罪代價[12-13]。該項由三個變量構成：De代表Agent視閾內的平民成員的密度，密度越高則Agent轉變為暴徒的傾向性越大；Pd代表激進分子在向暴徒轉變過程中被警察抓捕的概率，與其視閾內警察和激進分子的數量比值(NCop/NActivist)成正比，表達式如式（5）所示，其中的VR(Ag)表示平民在現場環境下的視閾半徑，NCop和NActivist分別代表警察和平民的數量；J代表激進分子參與暴亂行為面臨的成本代價，一般用判刑的刑期來表示；α為警察的應急強度，其數值越大則警察的應急措施的有效性和震懾力就越大[12-13]。

圖4為事件中人群在謠言傳播作用下的心理分化過程。其中對不滿足轉化條件的激進分子個體而言，他們會繼續作為謠言的傳播者在空間內存在，直至其視閾內出現暴徒，此時激進分子將在速生規范效應的作用下轉變為暴徒中的一員[2]。

2.4 暴徒與警察主體間的策略關系

當人群中開始出現暴徒后即意味著事件開始向群體性騷亂狀態發展。在這一過程中暴徒和警察主體之間會形成一些相應的策略關系。其中暴徒的行為主要表現為鼓動更多的平民轉變為暴徒或激進分子來擴大騷亂的規模，并且還具有攻擊警察的傾向，而警察的行為主要表現為抓捕暴徒，預防和避免暴徒的暴力行徑。因此暴徒與警察主體之間存在著對抗與合作兩種行為策略，具體取決于雙方的力量對比。

圖4 基于謠言傳播的平民心理分化機制

在某一時刻暴徒nai的視閾內，暴徒與警察的力量對比會出現三種可能，分別為暴徒數量多于警察數量(Nactivist＞Ncop)，暴徒數量等于警察數量(Nactivist=Ncop)，暴徒數量小于警察數量(Nactivist＜Ncop)。在不同的暴徒和警察力量對比下，暴徒和警察會采用不同的行為策略。如果定義暴徒的行為策略為襲警（對抗）和逃逸（合作），警察的行為策略為抓捕（對抗）和撤退（合作），則在三種力量對比下暴徒和警察的策略關系分別如下所示：

Nactivist＞Ncop：暴徒襲警（對抗），警察撤退（合作）；

Nactivist≤Ncop：暴徒逃逸（合作），警察抓捕（對抗）。

因此，當暴徒成員nai的視閾內暴徒數量大于警察數量時，暴徒nai會選擇襲警，而當暴徒數量小于警察數量時，暴徒nai的策略為躲避警察。

3 仿真與結果分析

3.1 模型的初始條件

為了開展突發性群體事件的群體行為仿真，定義了一個矩形的摩爾領域模型作為事件的模擬現場環境，其面積大小為20×20個網格，并采用周期邊界條件。初始時刻，將一定數量的平民與警察Agent隨機布置于模型中。為考察不同人群規模下突發性群體事件的發展特征，定義參數Density為平民Agent數量與現場面積之比。仿真參數如表1所示。

模型采用計算機編程實現，編程語言為Microsoft C#，編譯環境為Microsoft Visual Studio 2008。

3.2 不同人群密度下的群體行為分析

根據表1中的參數設置模型，并開始仿真，得到不同時刻現場情境下的平民與警察Agent的分布如圖5所示。從圖中可見，當初始時刻某個平民成員突然開始向人群進行謠言散播后，部分成員被謠言感染并迅速地轉變為了暴徒，隨后這一變化在短時間內擴散至整個人群。從圖中人群的分布位置可見，隨著事態的發展，人群由初始時刻接近于隨機的分布逐步形成了幾個較大的聚集群體，反映出群體性事件中暴徒成員會自發形成社團結構的特征。

表1 仿真的主要參數

圖5 模擬得到的不同時刻平民與警察Agent分布（Density=0.5，Police=10）

圖6 不同謠言傳播概率下人群中暴徒比例的變化趨勢（Police=10）

圖7 不同謠言傳播概率下人群中激進分子比例的變化趨勢（Police=10）

圖8 不同謠言傳播概率下人群中旁觀者比例的變化趨勢（Police=10）

令ActivistRatio、SupporterRatio、WatcherRatio分別代表人群中的暴徒比例、激進分子比例與旁觀者比例，則通過觀察三類個體在人群中的比例變化情況可以得到事件中群體行為的發展變化情況，結果如圖6～圖8所示。根據模擬結果可以發現，突發性群體事件從人群的聚集到騷亂行為出現的過渡過程是一個非線性發展的階段，當人群中某個個體突然開始傳播謠言后人群中的暴徒比例開始迅速增加，并在很短時間內發展到整個人群（圖6），而激進分子的比例則呈現出一個具有峰值特性的變化過程，即在初始一段時間內激進分子的人數會迅速增加，但是當謠言擴散至整個人群后激進分子的數量發展也達到了頂點，隨后在暴徒個體的影響下激進分子逐漸全部轉變為了暴徒（圖7），而相比之下旁觀者個體在人群中的比例則表現為單調的遞減趨勢（圖8）。

從不同人群密度下的群體行為發展態勢中可以看到人群的聚集效應對事態的發展具有顯著性的影響。在仿真結果中，隨著人群規模的不斷增大（Density=0.1到Density=0.5），可以看到事件發展的程度是不同的。當人群規模較小時（Density=0.1），即使在現場有限的警力下，暴徒在人群中的比例也會小于1，即人群不會完全進化到騷亂行為階段，但是當人群規模增大到一定程度后（Density≥0.3），不僅暴徒比例全部接近于1，并且事件的過渡過程持續時長也幾乎不再發生任何變化。由此可以看出，對于突發性群體事件而言，現場情境下聚集的人群規模越大，則事件向群體性騷亂發展的危險性就越大，而且過渡過程也會變短，但當人群的規模達到一定程度后這種群體的聚集效應對事件發展便幾乎不再產生影響。

此外，從不同強度下的謠言傳播行為影響事件發展的狀態結果來看，謠言傳播強度較高時(λ=0.7)的群體行為向騷亂轉化的過渡過程持續時間較謠言傳播強度較低時(λ=0.3)有所減少，可見，謠言傳播的強度加大會加快突發性群體事件向非穩態的群體性騷亂過程的轉變。

3.3 考慮不同警力數量下的群體行為狀態

圖9 不同警力數量下人群中暴徒比例的變化趨勢（Density=0.5，λ=0.7）

進一步考慮了不同警力數量對群體行為發展態勢的影響。圖9為在相同的人群規模和謠言傳播強度條件下，現場情境內暴徒比例在不同警力數量影響下的變化趨勢，圖10為激進分子比例的變化趨勢。從結果中可以看到，警力的數量對突發性群體事件的發展產生了十分顯著的影響。隨著警力數量的增加，人群中暴徒比例的變化趨勢逐漸從非線性增長變化為線性增加，表明增加警力投入可以有效地控制住人群向騷亂行為轉變的發展速度。但是另一方面，雖然警力的增加避免了騷亂行為的進一步惡化，但人群中的激進分子比例卻維持在了相當高的水平，這表明即使增加警力投入能夠控制住騷亂的發展趨勢，但只要謠言傳播和情緒感染存在，人群仍然會不受控制地向失穩方向轉化，一旦警力部署不當使人群重新形成聚集，騷亂事件就會迅速爆發。

圖10 不同警力數量下人群中激進分子比例的變化趨勢（Density=0.5，λ=0.7）

4 結論

突發性群體事件現場情境下的人群聚集效應是影響事件發展趨勢的一個十分重要的因素。通過利用Agent仿真技術構建突發性群體事件的主體模型，對突發性群體事件中的群體行為變化進行了模擬，研究了人群的聚集效應對事態發展的影響。模擬的結果反映出事件現場情境下聚集的人群規模會顯著地影響事件的發展過程，主要表現在較大的人群規模會有利于人群迅速地從穩定的聚集狀態向非穩定的群體性騷亂行為轉變，但人群規模達到一定程度后對人群的影響效應就會逐步降低。而對于大規模聚集的人群而言，單純增加警力投入雖然從表面上能夠有效防止人群向騷亂行為的轉變，但無法從根本上消除群體行為不穩定性的基礎。

[1]梅珍生，胡靜.群體性事件形成的心理機制分析[J].社會心理科學，2006，21（6）：18-25.

[2]張書維，王二平.群體性事件集群行為的動員與組織機制[J].心理科學進展，2011，19（12）：1730-1740.

[3]周感華.中西方學術界群體性事件心理研究評析[J].貴州大學學報：社會科學版，2011，29（2）：17-21.

[4]張書維，王二平，周潔.相對剝奪與相對滿意：群體性事件的動因分析[J].公共管理學報，2010，7（3）：95-103.

[5]古斯塔夫·勒龐.烏合之眾—大眾心理研究[M].桂林：廣西師范大學出版社，2007.

[6]周赫.國外社會心理學視角下我國群體性事件心理原因及對策探析[J].新疆警官高等專科學校學報，2011，31（3）：9-10.

[7]Cialdini R B，Goldstein N J.Social influence：compliance and conformity[J].Annual Review of Psychology，2004，55：591-621.

[8]Epstein J M，Steinbruner J D，Parker M T.Modeling civil violence：an Agent based computational approach[R].Center on Social and Economic Dynamics，The Brookings Institution，Washington DC，2001.

[9]Epstein J M.Modeling civil violence：an Agent-based computational approach[C]//Proceedings of the National Academy of Sciences，2002：7243-7250.

[10]Jager W，Popping R，Sande H V D.Clustering and fighting in two-party crowds：simulating the approach-avoidance conflict[J].Journal of Artificial Societies and Social Simulations，2001，4（3）.

[11]Lempert R.Agent-based modeling as organizational and public policy simulators[C]//Proceedings of the National Academy of Sciences of the United States of America，2002，99：7195-7196.

[12]Han Y Q，Kay C T，Hussein A A.Evolutionary game theoretic approach for modeling civil violence[J].IEEE Transactions on Evolutionary Computation，2009，13（4）：780-800.

[13]Goh C K，Han Y Q，Kay C T，et al.Modeling civil violence：an evolutionary multi-Agent，game theoretic approach[C]// 2006 IEEE Congress on Evolutionary Computation，Vancouver，BC，Canada，2006：1624-1631.

[14]趙宇寧，黨會森.基于Agent的群體性暴力事件的建模與仿真[J].中國人民公安大學學報：自然科學版，2012（1）：73-77.

[15]黨會森，廣寬，卜凡亮.基于Agent的群體性暴力事件的建模與仿真[J].阜陽師范學院學報：自然科學版，2012，29（2）：60-65.

[16]黨會森，廣寬.群體性暴力事件的仿真研究[J].中國公共安全：學術版，2012（3）：6-8.

[17]常欽，黨會森.基于網格Agent的群體性事件人群聚集模型研究[J].中國人民公安大學學報：自然科學版，2011（3）：71-74.

[18]全勝慶.群體性事件中的謠言傳播及其仿真研究[D].南京：南京大學，2013.

[19]Hekovee M，Moreno Y，Bianconi，et al.Theory of ruomr spreading in complex social networks[J].Phsica A，2007，374：457-470.

[20]佘廉，沈照磊.非常規突發事件下基于SIR模型的群體行為分析[J].情報雜志，2011，30（5）：14-18.

[21]曾慶香，李蔚.論發泄型群體性事件的信息傳播特征與媒體報道[J].現代傳播，2010（8）：34-38.

[22]曾慶香，李蔚.群體性事件：信息傳播與政府應對[M].北京：中國書籍出版社，2010.

CHEN Peng1，2,CHEN Jianguo3,YUAN Hongyong3

1.Policing Information Engineering Institute,People’s Public Security University of China,Beijing 102600,China
2.Key Laboratory to the Security Prevention Techniques and Risk Assessment,The Ministry of Public Security，People’s Public Security University of China,Beijing 102600,China
3.Public Safety Institute,Tsinghua University,Beijing 100084,China

Individual’s behaviors in emergency group incident are modeled using Agent method to simulate assembling phenomenon and the influence of crowd’s scale to the incident’s development is analyzed.The constructed Agent model is consisted of three basic functions,namely the production of rage emotion,rumor spreading among the group and confrontation strategies between individuals.The simulation findings indicate that the higher density of group members in scenario and more powerful of the rumor’s spreading,the faster the individual’s transmitted from watchers to mobs,but there is a threshold that the members density has no impact beyond this level.Additionally,putting more cops into the scenario can effectively prevent riot occurring,but the group emotions still deteriorate.

group incident;clustering effect;Agent;simulation

針對突發性群體事件中的大規模人群聚集行為，建立了基于人群中單個個體的Agent行為模型，研究了人群規模對群體行為發展的影響效應。其中構建的Agent行為模型主要模擬了突發性群體事件中個體在人群中的三個典型行為，即非理性情緒的產生、個體之間的謠言傳播以及不同類型個體之間的合作與對抗行為。通過仿真分析發現，在一定的環境下如果人群的密度越高、謠言傳播的強度越大，則人群從穩定的聚集狀態向暴力性騷亂行為轉化的過渡過程持續時間就越短，但人群密度增大到一定程度后對群體行為的影響效應將不再顯著；此外，增加現場的警力數量能夠有效延緩人群的行為向群體騷亂方向轉化的速度，但無法阻止群體行為穩定性的惡化。

群體事件；集群效應；Agent；仿真模擬

A

TP319.9

10.3778/j.issn.1002-8331.1405-0217

CHEN Peng,CHEN Jianguo,YUAN Hongyong.Clustering effect analysis to emergency group incident using Agentbased modeling method.Computer Engineering and Applications,2014,50（24）：21-26.

國家自然科學基金青年項目（No.71203229）。

陳鵬（1981—），男，博士，講師，研究方向為犯罪制圖理論與突發事件應急管理；陳建國（1978—），男，副教授，研究方向為智能警務模型；袁宏永（1965—），男，教授，研究方向為突發事件應急管理。E-mail：uctzpch@gmail.com

2014-05-19

2014-07-04

1002-8331（2014）24-0021-06

CNKI網絡優先出版：2014-08-19，http∶//www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1405-0217.html