基于Agent的突发性群体事件人群聚集效应分析

陈 鹏，陈建国，袁宏永

1.中国人民公安大学 警务信息工程学院，北京 102600

2.中国人民公安大学 安全防范技术与风险评估公安部重点实验室，北京 102600

3.清华大学 公共安全研究院，北京 100084

基于Agent的突发性群体事件人群聚集效应分析

陈 鹏1，2，陈建国3，袁宏永3

1.中国人民公安大学 警务信息工程学院，北京 102600

2.中国人民公安大学 安全防范技术与风险评估公安部重点实验室，北京 102600

3.清华大学 公共安全研究院，北京 100084

近年来，国内一些地区陆续发生了多起突发性群体事件，严重地影响了社会的稳定与发展。从事件的特点来看，这一类事件主要表现为在某些具有开放性的情境下（如交通路口、政府门前、广场等）由某些导火索事件（主要表现为治安事件和刑事案件）引发的人群大规模围观和聚集，随后在一些流言或谣言的作用下人群的行为发生变异，最终转变为群体性的打、砸、抢、烧等暴力性行为。

当前，对于突发性群体事件研究的着眼点主要集中在社会心理学和行为学等方面[1-4]，人们提出和总结了突发性群体事件发展过程中影响群体行为变化的一些心理和行为因素，其中一个很重要的因素就是群体的聚集效应。一般情况下，在突发性群体事件的现场情境下往往会形成大规模聚集的人群，在这种环境中参与事件的个体往往会从心理上形成较强的匿名性和法不责众等效应[5-6]，在这种心理的作用下，个体会由于自己的身份受到人群的掩盖而失去理性，行动起来毫无顾忌，容易在一些异常行为主体的影响下自发地形成行为上的模仿[7]，最后导致整个人群行为发生异常。因此，在突发性群体事件的现场情境下聚集人群的数量或规模就会从一定程度上影响个体的行为选择，进而决定整个群体行为和事件的发展趋势。

目前，在突发性群体事件的研究方面，基于复杂适应系统理论的仿真模拟逐渐受到了人们的重视，国内外一些研究人员如Epstein[8-9]、Jager[10]、Lempert[11]、Goh[12-13]、赵宇宁、党会森等人[14-17]分别基于Agent建模技术构建了突发性群体事件的仿真模型，并对突发性群体事件中的一些人员行为特征进行了研究和还原。但从研究的内容来看，现有的基于Agent的突发性群体事件仿真研究更多关注于人群发展到骚乱阶段后的群体行为特征分析，对人群从聚集到骚乱发生这一阶段的过渡过程还缺乏一定的研究，尤其缺少对人群聚集性效应的分析。对此，本文在前人工作的基础上，通过进一步完善突发性群体事件的Agent模型，对突发性群体事件的过渡过程进行仿真，分析人群的聚集效应对事件发展的影响。

1 突发性群体事件中主体之间的逻辑关系定义

突发性群体事件从本质上可以归结为参与事件的人群和政府等社会强势部门（主要表现为警察）之间的相互对抗和博弈的过程，因此，可以将突发性群体事件中的主体抽象为两大类：平民和警察，其中警察代表的是政府等强势部门，其职责是维护现场秩序，防范群体性行为的恶化，而平民则是构成突发性群体事件的主要参与成员。而对于平民，根据其具体的行为特征又可以将其进一步分为三类成员，即旁观者（Watcher）、激进分子（Supporter）和暴徒（Activist）[8-11]。在这三类平民成员中，暴徒是突发性群体事件中暴力行为的主要实施主体，其主要特点是具有很高的非理性，在群体暴力活动中常常会对其他平民主体产生示范作用，带动或迫使其他平民主体的行为与其保持一致。激进分子是平民中受到现场情绪和谣言感染的主体，其特点是具有较高的非理性和愤怒情绪，但暴力性倾向程度较低，是暴徒的现场支持者，会主动向其他平民主体成员进行情绪和谣言的传播，在暴徒数量较多的时候也会表现出一定的暴力性倾向。旁观者则是平民中非理性程度较低的主体成员，也是暴徒、激进分子和警察争取的对象，在暴徒或激进分子影响下容易被感染并转变为激进分子中的一员，但如果旁观者拒绝接受暴徒或激进分子的影响则会受到暴徒或激进分子的压力，在这种情况下旁观者会采取躲避的行为策略。

根据突发性群体事件中的主体描述及其关系特征，建立起突发性群体事件主体之间的逻辑关系如图1所示。

图1 突发性群体事件主体之间的逻辑关系

2 突发性群体事件的主体Agent模型

2.1 Agent模型的基本结构

突发性群体事件中的主体Agent模型包括四个基本功能，即学习功能、情绪功能、决策功能和运动功能。其中学习功能是个体从其自身所能控制和覆盖的范围之内获取外界信息（如视阈范围内平民和警察的数量）的能力，主要负责个体视阈内信息的收集；情绪功能决定了个体在获取的外界信息影响下其心理状态的波动与变化，如旁观者在受到暴徒或激进分子的影响下很有可能会产生愤怒情绪，从而转化为激进分子等；决策功能则是个体在综合外界信息的基础上决定其下一步的行为，主要表现为运动行为（如躲避警察或躲避暴徒等）；运动功能则主要负责决定个体根据现场环境运动的方向和路线。Agent四个功能之间的逻辑关系如图2所示。

图2 Agent模型中四个功能之间的逻辑关系

对事件中的个体Agent模型，其收集信息的范围可通过定义一个视阈变量V（Vision）[9-11]来进行描述。该变量反映的是在事件现场情境下个体感官所能覆盖到的面积，V越大表示主体感官所能覆盖和影响到的面积越大，因而其所能收集的信息也就越多。

在突发性群体事件个体的基本行为中，主要存在着三个重要的行为机制，分别为非理性情绪的产生、谣言的传播与个体心理的分化、暴徒与警察之间的对抗与合作性策略关系。

2.2 非理性情绪的产生

突发性群体事件的个体Agent的非理性情绪产生机制主要由两个变量构成，即个体的反社会倾向A（Antipathy）与个体对政府的认同度L（Legitimacy）[9-13]，其中前者代表着参与事件的个体的内在情绪感受，而后者则代表着政府在个体认知中的客观存在。则个体Agent模型中的个人情绪函数可定义为：

即平民主体的反社会倾向越大，对社会和政府的认同度越低，则平民越容易产生愤怒情绪。

2.3 谣言传播与个体心理的分化

突发群体性事件现场情境下个体之间的谣言传播机制与疾病的传播机制非常相似，因此参照疾病传播的SIR模型，将事件中的平民个体分为谣言感染者、未感染者、恢复者等不同类型[18-20]。具体的定义如下：

感染者（contagious）：事件现场谣言的传播者，会主动向视阈内的其他个体进行谣言的传播，在模型中主要表现为暴徒和激进分子。

未感染者（non-contagious）：尚未接触到谣言的个体，但一旦接触到谣言后就会以一定的概率相信谣言的内容，在模型中主要表现为旁观者。

恢复者（recover）：能够从谣言中醒悟和恢复的个体，并且在恢复后不再相信谣言的内容，在模型中主要表现为旁观者。

谣言在人群中的传播途径具体可通过摩尔邻域模型来表示[14]。根据文献[21-22]，突发群体性事件中的谣言传播是一种基于现场感官的信息流通方式，因此，在模型中谣言的感染者会同时将谣言的信息扩散到其视阈的每一个个体（图3），随后被谣言感染的个体在其视阈内又进一步将谣言传播给其他成员，进而逐渐将谣言传播开来。

图3 人群中的谣言传播过程（Agent视阈半径V=2）

对面积为A的区域内的N个平民个体成员，假设从时刻t0开始个体ni突然开始向人群进行谣言传播，则接触到谣言的个体以一定的概率被感染，则其恢复理性的概率βi可以定义为：

未能恢复理性的个体成员即转变为激进分子，其进一步转化为暴徒的条件为[12-13]：

这里的Ri代表激进分子转变为暴徒的动机和意愿，由非理性情绪水平Ei和贪婪性指数Gr所组成，其中Tf为突发性群体事件发展的时间指数，为时间长度的倒数，Tf越小表示事件最初的犯罪动机主要来自于个体的愤怒情绪，而随着时间的发展个体参与犯罪的动机更多的来自于犯罪收益的诱惑。Ni代表激进分子转化为暴徒过程中所面临的犯罪代价[12-13]。该项由三个变量构成：De代表Agent视阈内的平民成员的密度，密度越高则Agent转变为暴徒的倾向性越大；Pd代表激进分子在向暴徒转变过程中被警察抓捕的概率，与其视阈内警察和激进分子的数量比值(NCop/NActivist)成正比，表达式如式（5）所示，其中的VR(Ag)表示平民在现场环境下的视阈半径，NCop和NActivist分别代表警察和平民的数量；J代表激进分子参与暴乱行为面临的成本代价，一般用判刑的刑期来表示；α为警察的应急强度，其数值越大则警察的应急措施的有效性和震慑力就越大[12-13]。

图4为事件中人群在谣言传播作用下的心理分化过程。其中对不满足转化条件的激进分子个体而言，他们会继续作为谣言的传播者在空间内存在，直至其视阈内出现暴徒，此时激进分子将在速生规范效应的作用下转变为暴徒中的一员[2]。

2.4 暴徒与警察主体间的策略关系

当人群中开始出现暴徒后即意味着事件开始向群体性骚乱状态发展。在这一过程中暴徒和警察主体之间会形成一些相应的策略关系。其中暴徒的行为主要表现为鼓动更多的平民转变为暴徒或激进分子来扩大骚乱的规模，并且还具有攻击警察的倾向，而警察的行为主要表现为抓捕暴徒，预防和避免暴徒的暴力行径。因此暴徒与警察主体之间存在着对抗与合作两种行为策略，具体取决于双方的力量对比。

图4 基于谣言传播的平民心理分化机制

在某一时刻暴徒nai的视阈内，暴徒与警察的力量对比会出现三种可能，分别为暴徒数量多于警察数量(Nactivist＞Ncop)，暴徒数量等于警察数量(Nactivist=Ncop)，暴徒数量小于警察数量(Nactivist＜Ncop)。在不同的暴徒和警察力量对比下，暴徒和警察会采用不同的行为策略。如果定义暴徒的行为策略为袭警（对抗）和逃逸（合作），警察的行为策略为抓捕（对抗）和撤退（合作），则在三种力量对比下暴徒和警察的策略关系分别如下所示：

Nactivist＞Ncop：暴徒袭警（对抗），警察撤退（合作）；

Nactivist≤Ncop：暴徒逃逸（合作），警察抓捕（对抗）。

因此，当暴徒成员nai的视阈内暴徒数量大于警察数量时，暴徒nai会选择袭警，而当暴徒数量小于警察数量时，暴徒nai的策略为躲避警察。

3 仿真与结果分析

3.1 模型的初始条件

为了开展突发性群体事件的群体行为仿真，定义了一个矩形的摩尔领域模型作为事件的模拟现场环境，其面积大小为20×20个网格，并采用周期边界条件。初始时刻，将一定数量的平民与警察Agent随机布置于模型中。为考察不同人群规模下突发性群体事件的发展特征，定义参数Density为平民Agent数量与现场面积之比。仿真参数如表1所示。

模型采用计算机编程实现，编程语言为Microsoft C#，编译环境为Microsoft Visual Studio 2008。

3.2 不同人群密度下的群体行为分析

根据表1中的参数设置模型，并开始仿真，得到不同时刻现场情境下的平民与警察Agent的分布如图5所示。从图中可见，当初始时刻某个平民成员突然开始向人群进行谣言散播后，部分成员被谣言感染并迅速地转变为了暴徒，随后这一变化在短时间内扩散至整个人群。从图中人群的分布位置可见，随着事态的发展，人群由初始时刻接近于随机的分布逐步形成了几个较大的聚集群体，反映出群体性事件中暴徒成员会自发形成社团结构的特征。

表1 仿真的主要参数

图5 模拟得到的不同时刻平民与警察Agent分布（Density=0.5，Police=10）

图6 不同谣言传播概率下人群中暴徒比例的变化趋势（Police=10）

图7 不同谣言传播概率下人群中激进分子比例的变化趋势（Police=10）

图8 不同谣言传播概率下人群中旁观者比例的变化趋势（Police=10）

令ActivistRatio、SupporterRatio、WatcherRatio分别代表人群中的暴徒比例、激进分子比例与旁观者比例，则通过观察三类个体在人群中的比例变化情况可以得到事件中群体行为的发展变化情况，结果如图6～图8所示。根据模拟结果可以发现，突发性群体事件从人群的聚集到骚乱行为出现的过渡过程是一个非线性发展的阶段，当人群中某个个体突然开始传播谣言后人群中的暴徒比例开始迅速增加，并在很短时间内发展到整个人群（图6），而激进分子的比例则呈现出一个具有峰值特性的变化过程，即在初始一段时间内激进分子的人数会迅速增加，但是当谣言扩散至整个人群后激进分子的数量发展也达到了顶点，随后在暴徒个体的影响下激进分子逐渐全部转变为了暴徒（图7），而相比之下旁观者个体在人群中的比例则表现为单调的递减趋势（图8）。

从不同人群密度下的群体行为发展态势中可以看到人群的聚集效应对事态的发展具有显著性的影响。在仿真结果中，随着人群规模的不断增大（Density=0.1到Density=0.5），可以看到事件发展的程度是不同的。当人群规模较小时（Density=0.1），即使在现场有限的警力下，暴徒在人群中的比例也会小于1，即人群不会完全进化到骚乱行为阶段，但是当人群规模增大到一定程度后（Density≥0.3），不仅暴徒比例全部接近于1，并且事件的过渡过程持续时长也几乎不再发生任何变化。由此可以看出，对于突发性群体事件而言，现场情境下聚集的人群规模越大，则事件向群体性骚乱发展的危险性就越大，而且过渡过程也会变短，但当人群的规模达到一定程度后这种群体的聚集效应对事件发展便几乎不再产生影响。

此外，从不同强度下的谣言传播行为影响事件发展的状态结果来看，谣言传播强度较高时(λ=0.7)的群体行为向骚乱转化的过渡过程持续时间较谣言传播强度较低时(λ=0.3)有所减少，可见，谣言传播的强度加大会加快突发性群体事件向非稳态的群体性骚乱过程的转变。

3.3 考虑不同警力数量下的群体行为状态

图9 不同警力数量下人群中暴徒比例的变化趋势（Density=0.5，λ=0.7）

进一步考虑了不同警力数量对群体行为发展态势的影响。图9为在相同的人群规模和谣言传播强度条件下，现场情境内暴徒比例在不同警力数量影响下的变化趋势，图10为激进分子比例的变化趋势。从结果中可以看到，警力的数量对突发性群体事件的发展产生了十分显著的影响。随着警力数量的增加，人群中暴徒比例的变化趋势逐渐从非线性增长变化为线性增加，表明增加警力投入可以有效地控制住人群向骚乱行为转变的发展速度。但是另一方面，虽然警力的增加避免了骚乱行为的进一步恶化，但人群中的激进分子比例却维持在了相当高的水平，这表明即使增加警力投入能够控制住骚乱的发展趋势，但只要谣言传播和情绪感染存在，人群仍然会不受控制地向失稳方向转化，一旦警力部署不当使人群重新形成聚集，骚乱事件就会迅速爆发。

图10 不同警力数量下人群中激进分子比例的变化趋势（Density=0.5，λ=0.7）

4 结论

突发性群体事件现场情境下的人群聚集效应是影响事件发展趋势的一个十分重要的因素。通过利用Agent仿真技术构建突发性群体事件的主体模型，对突发性群体事件中的群体行为变化进行了模拟，研究了人群的聚集效应对事态发展的影响。模拟的结果反映出事件现场情境下聚集的人群规模会显著地影响事件的发展过程，主要表现在较大的人群规模会有利于人群迅速地从稳定的聚集状态向非稳定的群体性骚乱行为转变，但人群规模达到一定程度后对人群的影响效应就会逐步降低。而对于大规模聚集的人群而言，单纯增加警力投入虽然从表面上能够有效防止人群向骚乱行为的转变，但无法从根本上消除群体行为不稳定性的基础。

[1]梅珍生，胡静.群体性事件形成的心理机制分析[J].社会心理科学，2006，21（6）：18-25.

[2]张书维，王二平.群体性事件集群行为的动员与组织机制[J].心理科学进展，2011，19（12）：1730-1740.

[3]周感华.中西方学术界群体性事件心理研究评析[J].贵州大学学报：社会科学版，2011，29（2）：17-21.

[4]张书维，王二平，周洁.相对剥夺与相对满意：群体性事件的动因分析[J].公共管理学报，2010，7（3）：95-103.

[5]古斯塔夫·勒庞.乌合之众—大众心理研究[M].桂林：广西师范大学出版社，2007.

[6]周赫.国外社会心理学视角下我国群体性事件心理原因及对策探析[J].新疆警官高等专科学校学报，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]赵宇宁，党会森.基于Agent的群体性暴力事件的建模与仿真[J].中国人民公安大学学报：自然科学版，2012（1）：73-77.

[15]党会森，广宽，卜凡亮.基于Agent的群体性暴力事件的建模与仿真[J].阜阳师范学院学报：自然科学版，2012，29（2）：60-65.

[16]党会森，广宽.群体性暴力事件的仿真研究[J].中国公共安全：学术版，2012（3）：6-8.

[17]常钦，党会森.基于网格Agent的群体性事件人群聚集模型研究[J].中国人民公安大学学报：自然科学版，2011（3）：71-74.

[18]全胜庆.群体性事件中的谣言传播及其仿真研究[D].南京：南京大学，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.非常规突发事件下基于SIR模型的群体行为分析[J].情报杂志，2011，30（5）：14-18.

[21]曾庆香，李蔚.论发泄型群体性事件的信息传播特征与媒体报道[J].现代传播，2010（8）：34-38.

[22]曾庆香，李蔚.群体性事件：信息传播与政府应对[M].北京：中国书籍出版社，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

针对突发性群体事件中的大规模人群聚集行为，建立了基于人群中单个个体的Agent行为模型，研究了人群规模对群体行为发展的影响效应。其中构建的Agent行为模型主要模拟了突发性群体事件中个体在人群中的三个典型行为，即非理性情绪的产生、个体之间的谣言传播以及不同类型个体之间的合作与对抗行为。通过仿真分析发现，在一定的环境下如果人群的密度越高、谣言传播的强度越大，则人群从稳定的聚集状态向暴力性骚乱行为转化的过渡过程持续时间就越短，但人群密度增大到一定程度后对群体行为的影响效应将不再显著；此外，增加现场的警力数量能够有效延缓人群的行为向群体骚乱方向转化的速度，但无法阻止群体行为稳定性的恶化。

群体事件；集群效应；Agent；仿真模拟

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.

国家自然科学基金青年项目（No.71203229）。

陈鹏（1981—），男，博士，讲师，研究方向为犯罪制图理论与突发事件应急管理；陈建国（1978—），男，副教授，研究方向为智能警务模型；袁宏永（1965—），男，教授，研究方向为突发事件应急管理。E-mail：uctzpch@gmail.com

2014-05-19

2014-07-04

1002-8331（2014）24-0021-06

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