突發事件謠言傳播的涌現模型與仿真研究

劉軍光 歐微，2

(1.烏魯木齊民族干部學院，新疆 烏魯木齊830002;2.國防大學 信息作戰與指揮訓練教研部，北京100091)

1 引言

當前，我國已步入經濟和社會轉型期，各種不安定因素增多，各種突發事件的發生頻率和社會破壞力不斷增加。突發事件會引發高度的社會關注，在信息傳播過程中容易出現消息失真、輿論失實的情況，加之部分民眾的主觀猜測與惡意關聯，致使謠言比平時更容易滋生、感染和傳播。謠言的肆意擴散容易引發社會心理恐慌和非理性反應，造成比突發事件本身更嚴重的后果，將嚴重影響民眾生活與社會穩定［1，2］。

為探索謠言的產生機理、傳播規律和消解對策，國內外學者對謠言傳播模型進行了深入的研究。其中，最具代表性的謠言傳播模型主要有兩種:一是基于傳染病的疾病傳播模型，該模型將人群中的個體抽象為三類，分別對應三種典型狀態，即易染狀態S(Susceptible)、感染狀態I(Infected)和免疫/移除狀態R(Removal)［3，4］;另一種謠言傳播模型基于Agent 建模思想，構建底層個體的微觀模型，通過個體的行為模式和交互作用，模擬謠言傳播的擴散過程［5，6］。由于傳播機理的相似性，現有謠言傳播模型大都借鑒了疾病傳播模型，但該類模型的微分動力學方程是根據數理統計建立的，屬于宏觀數學模型，不能反應出微觀個體相互作用對謠言傳播的影響。基于Agent 理論的謠言傳播模型，符合復雜系統的客觀規律，通過模擬底層個體的行為模式和交互作用，可較好地涌現謠言傳播的整體態勢，但目前很少有文獻關注個體的受教育程度、社會影響力、個體記憶機制等對謠言傳播的影響。

本文在現有模型基礎上，將疾病傳播SIR 模型與基于Agent 的建模思想相結合，主要對模型進行了兩點改進:一是考慮了個體差異對謠言傳播的影響，即由于個體的受教育程度和社會影響力不同，其對謠言的質疑程度、傳播概率、影響因子、社會關注度等均不盡相同;二是引入個體記憶機制，在交互過程中，記錄個體接觸謠言或事實的次數，其接觸謠言(事實)的次數越多，則轉變為感染(免疫)狀態的概率將越大，從而更符合謠言的滲透與擴散規律，增強了模型的可信性與科學性。通過仿真實驗，研究謠言的傳播與消解規律。

2 謠言傳播模型

在病毒傳播SIR 模型的基礎上，針對謠言傳播人群中微觀個體的屬性特點和行為模式，采用基于Agent 的建模方法，構建微觀個體的仿真模型，通過模擬微觀個體的行為模式以及個體間的相互作用，涌現謠言傳播的整體態勢，進而研究謠言傳播的擴散規律與消解對策。

2.1 模型假設

在現實世界中，個體之間的差異永遠存在，且個體對過去的狀態存在一定的記憶。因此，在研究謠言傳播規律時，若對模型過于簡化，忽略個體之間的差異和個體對過去狀態的記憶，雖然降低了建模與計算難度，但會大大影響模型的科學性與可信性。在謠言傳播過程中，個體差異特別是在社會影響力和受教育程度等方面的差異，會使得個體的質疑因子、傳播概率、影響因子和社會關注度等均存在差異，從而造就個體間影響的不對等性;而個體記憶，則反映了個體在過去交互過程中接觸謠言或事實次數對個體調整自身狀態的影響。

為此，對模型作如下假設:

假設1 個體的質疑因子、傳播謠言概率、傳播事實真相的概率均與其受教育程度相關。

記個體的質疑因子為QF、傳播謠言的概率為SP、傳播事實的概率為TP，對應受教育程度高、中、低三個層次，將相應個體對應的屬性(QF，SP，TP)的取值分別約定為(0.9，0.5，0.9)、(0.7，0.7，0.7)和(0.5，0.9，0.5)。即個體受教育程度越高，則對待謠言更為理性，其質疑因子將越高，傳播謠言的概率將越低，而當其轉變為免疫個體后，該個體向其他個體傳播事實的概率也將會越大。

假設2 個體的社會影響力由影響因子和社會關注度構成，影響因子決定了其他個體與該個體交互時受影響的程度，而社會關注度則決定在單位時間內與該個體交互的個體數。

記個體的社會影響因子為IF，社會關注度為SA。將社會影響力劃分為很高、高、中、低四個層次，將對應屬性(IF，SA)的取值分別約定為(1.0，20)、(0.8，5)、(0.4，2)、(0.1，1)，即社會影響力較高的個體，其相應的影響因子和社會關注度也越高。需指出的是，在上述假設中屬性值的大小只是根據某次仿真實驗的需要設定的，在仿真過程中，可根據實際情況進行修訂。

2.2 傳播規則

在謠言傳播仿真系統中，底層個體的行為模式和個體間的交互是實現宏觀謠言傳播整體態勢涌現的基礎，對謠言傳播規則作如下約定:

規則1 隨著個體聽聞謠言的次數增加，其對謠言的質疑程度將逐漸降低;當個體接觸事實的次數增多，其轉變為相信事實的趨勢將隨之增加。

假定Agenti接觸謠言的次數為NHR，接觸到事實的次數為NHT，其質疑因子為QF，其態度向相信謠言的轉換趨勢為TR，則TR的計算公式為:

個體態度向相信事實的轉換趨勢為TT，則TT的計算公式為:

規則1 用于處理個體記憶對個體對待謠言態度轉變的影響，即當個體在過去時間內接觸謠言或事實的次數越多，則其向相信謠言(事實)轉變的概率也將隨之增加。

規則2 當易感個體與已感染個體接觸，易感個體將以一定的概率轉變為感染狀態。

假定AgentA為易感個體，AgentB為已感個體，則當AgentA與AgentB交互，AgentA將以概率PIA轉變為感染個體，轉換概率PIA計算公式為:

式(3)中，TRA為AgentA態度向相信謠言轉換的趨勢，由式(1)計算得出;SPB和SIB分別為AgentB的傳播謠言概率與影響因子。

規則3 當易感個體或感染個體與免疫個體接觸，則他們將以一定的概率轉變為免疫狀態。

假定AgentA為易感個體(或為已感染個體)，AgentB為免疫個體，則當AgentA與AgentB交互，AgentA將以概率PRA轉變為感染個體，轉換概率PRA計算公式為:

式(4)中，TTA為AgentA的態度向相信事實的轉換趨勢，由式(2)計算得出，SIB和TPB分別為AgentB的影響因子和傳播事實的概率。

2.3 仿真計算流程

仿真計算的主流程如下:

(1)參數設置。設置個體數量Popsize、初始時感染個體數NI、初始時免疫個體數NR、最大仿真步數MG、個體間信任系數Trust、群體受教育程度分布和社會影響力分布情況等參數。

(2)模型初始化。按照模擬人群受教育程度分布、社會影響力分布等參數要求，隨機生成Popsize個個體，按規則計算個體的社會影響因子、受關注度、質疑因子等屬性，構成初始模擬人群。

(3)個體交互。在模擬人群中依次取出各個個體，若Agenti的社會關注度為SAi，則從人群中隨機取出SAi個個體，按照謠言傳播規則，Agenti依次與其進行交互，計算交互效果。

(4)終止準則。判斷是否達到最大仿真步數MG，若是則退出程序，輸出仿真結果，否則仿真步數加1，返回(3)繼續運行。

3 仿真研究

利用C#編程語言編程實現突發事件下謠言傳播仿真系統，然后在該平臺上進行仿真研究。參數設置如下:個體數量Popsize =10000，初始時感染個體數NI =10，最大仿真步數MG =400，信任系數Trust =0.7，人群受教育程度高、中、低比例分別為0.2、0.6 和0.2，社會影響力很高、高、中、低比例分別為0.005，0.095，0.5 和0.4。

3.1 初始時無免疫個體、不進行干預

假定模擬人群中初始時免疫個體數NR =0，即初始時不存在任何免疫個體，且自始至終均不采取干預手段，仿真運行結果如圖1 所示。

圖1 初始時無免疫個體、無干預措施

其中，Susceptible 表示易感人群，Infective 表示已感染人群。由圖1 可見，初始時謠言的傳播速度較慢，但當時間推進到第85 步左右，謠言開始快速擴散，最后幾乎整個人群都變為感染者。這是由于初始時感染個體數目較少，謠言只在小范圍內傳播;但隨著時間推進，感染個體逐漸增加，個體接觸謠言的概率和次數也將逐漸增加，因而產生了倍增效應，謠言得以快速擴散。

3.2 初始時有少量免疫個體、不進行干預

假定初始時免疫個體數NR =5，且仿真開始后不采取干預手段，仿真運行結果如圖2 所示。

圖2 初始時存在少數免疫個體、無干預措施

由圖2 可見，謠言擴散的趨勢與圖1 大致相同，但謠言擴散速度相對緩慢一些，而當推進到第160步左右，免疫人群開始逐步增加，到第200 步左右，免疫人群有明顯上升的趨勢。這是由于有少量免疫個體的存在，在謠言擴散的同時他們將向與其他個體傳播真相，從而延滯謠言擴散的速度，隨著時間推移，感染個體接觸事實的次數將逐步增加，致使轉變為免疫個體的概率逐漸上升。

3.3 隨機選擇部分個體進行干預

假設初始時免疫個體數NR =0，當仿真運行到100 步，在模擬人群中隨機選擇20 個個體，將其強制轉變為免疫個體后，再投放到人群中，繼續進行仿真。

圖3 隨機選擇部分個體進行干預

由圖3 可見，在采取干預措施后，人群中的免疫個體開始時增長比較緩慢，當運行到第130 步左右，免疫個體數開始明顯增加。這是由于在干預初期，由于免疫個體隨機分布在社會影響力和教育層次各異的人群中，部分免疫個體對其他個體施加的影響有限，因而免疫人群增長的速度緩慢;而隨著免疫個體的數目逐步增多，個體接觸真相的概率和次數也逐漸增加，免疫人群的數量得以快速增長。

3.4 針對具有特定社會影響力的個體進行干預

條件設置與3.3 節基本一致，但實施干預的個體不再從整個人群中隨機選擇，而是分別從社會影響力很高、高、中、低四個層次的個體中隨機選擇，針對篩選條件不同，分別進行四組實驗，仿真結果如圖4 所示。

圖4 針對特定社會影響力的個體進行干預

其中，VeryHigh、High、Middle 和Low 分別表示針對社會影響力很高、高、中、低四個層次的人群進行干預時，分別進行仿真實驗，免疫個體數的增長曲線。由圖4 可見，在實施干預后，免疫個體的數量均出現了不同程度的增長。其中，對社會影響力很高的人群進行干預后，免疫個體出現增長的速率最快，隨著社會影響力遞減，免疫人群的增長速率依次減慢。這說明，在謠言出現后，有針對性地對社會影響力較高的個體進行干預，再由他們進行輿論宣傳，可起到較好的引導效果。

3.5 針對不同受教育程度的個體進行干預

條件設置與3.3 節基本一致，但實施干預的個體并不從整個人群中隨機選擇，而是分別從受教育程度高、中、低三個層次的個體中隨機選擇，針對篩選條件不同，分別進行三組實驗，仿真結果如圖5 所示。

其中，High、Middle 和Low 分別表示針對受教育程度高、中、低三個層次的人群進行干預，免疫人群的增長曲線。由圖5 可見，在實施干預后，免疫個體的數量都有不同程度的增長，實施干預的個體受教育程度越高，免疫人群增加的速度越快，反之則越慢。這說明，在謠言出現后，有針對性地對教育程度高的個體進行干預，再由這些個體傳播事實真相，也可取得較好的輿論引導效果。

圖5 針對特定受教育程度的個體進行干預

4 結束語

本文將傳染病傳播SIR 模型與基于Agent 的建模思想相結合，構建謠言傳播仿真模型，開發謠言傳播仿真系統，并進行仿真研究。仿真結果表明，當群體中存在免疫個體時，他們在交互過程中試圖引導其他個體轉變為免疫個體，使謠言逐漸趨于消解，特別是當這些個體的社會影響力和受教育程度較高時，謠言的消解速度將明顯加快。突發事件發生后，謠言的肆意傳播會嚴重影響民眾生活與社會穩定。因此，在謠言出現后，應盡快發布事實真相，進行輿論引導，特別是針對社會影響力和教育程度較高的人群，應盡早加強宣傳教育，使其在輿論宣傳和謠言控制過程中發揮積極作用。

［1］ 趙玉忠，陳業華.謠言傳播規律以及對群體事件的影響［J］.社會科學家，2012(8):37 -40.

［2］ 唐小青，李學軍.重大突發事件中謠言傳播的心理因素分析［J］.理論與改革，2013(5):152 -154.

［3］ RABAJANTE J，UMALI R E. A Mathematical model of rumor propagation for disaster［J］. Journal of Nature Studies，2011，10(2):61 -70.

［4］ 蘇國強，蘭月新. 基于SIR 的突發事件網絡謠言擴散模型研究［J］.武警學院學報，2013，29(4):90 -92.

［5］ 阮冰，朱建沖，姜禮平，等. 復雜網絡上的輿情形成演化建模與仿真研究［J］.軍事運籌與系統工程，2010，24(1):53 -58.

［6］ 張芳，司光亞，羅批.基于演化博弈理論的人際謠言傳播仿真模型研究［J］.系統仿真學報，2011，23(9):1772 -1775.