基于Netlogo平台的突发事件信息传播仿真研究
2014-09-08布旻晟
布旻晟，周 军
(河海大学机电工程学院，213001，常州，江苏)
基于Netlogo平台的突发事件信息传播仿真研究
布旻晟，周 军
(河海大学机电工程学院，213001，常州，江苏)
针对突发事件信息传播的影响因素及参与主体进行分析，构建突发事件信息传播的仿真模型，模型包括主体属性函数以及主体之间的交互规则，不仅给出交互仿真图，而且以“7.23动车事故”突发事件的相关数据作为仿真初始数据，利用Netlogo仿真平台对突发事件信息传播过程进行动态模拟，包括谣言传播的动态过程和意见领袖的影响过程等，仿真结果可分析各主体哪些属性是影响突发事件发展的主要因素，为有效控制事态发展提供决策依据。
突发事件；信息传播模型；多主体仿真；Netlogo；谣言传播；意见领袖
0 引言
研究突发事件传播规律、健全信息的沟通渠道、提高信息处理水平，对有效应对各种突发事件，预防和减轻突发事件造成的损失，都有十分重要的意义。早期关于突发事件信息传播的研究，主要是针对概念模型、情景分析的方法等理论进行研究，提出了许多经典的信息传播模式[1]。Lasswell的“五W模式”是最早的信息传播模式。Shannon和Weaver[2]的“线性模式”导入了噪音的概念，为信息传播模式的研究提供了新的思路，但这2个模式都未揭示人类大众传播的双向互动性质。Osgood与Schramm提出了“循环模式”，突出了社会传播的互动性，并把传播双方都看作是传播行为的主体。但此模式同时也存在一些缺陷，它把传播主体放在完全对等或平等的关系中，与社会传播中出现意见领袖的情况不一致，而且它只能反映点对点传播的特点，不能适用于大众传播的过程。1970年，Defleur的“互动过程模式”在线性模式的基础上补充了噪音和反馈的要素、环节和渠道，并认为噪音对信息及传播和反馈过程中的任何环节或要素都会发生影响，是较全面地解释信息传播互动过程的一个模式。Fiona Duggan和Linda Banwell从危机信息的发送者和接受者的角度，于2004年提出了危机信息传播模式[3]。该模式认为信息发送者的编码规则在传播过程中起主导作用，并把影响信息发送者和接受者的因素分为内部因素和外部因素，解释了信息传播的各个环节，但对于危机信息的传播过程没有过多的阐述。
互联网时代的到来使得传统的信息传播模式发生了巨大的变化，高互动性的开放平台使得每个人都可能成为信息传播的“幕后推手”。 由于网络上交互式的传播与现实生活中的传播具有一定的相似性，本文主要研究信息在网络上的传播，并基于以往学者的研究成果及经验，既考虑了影响信息发送者和接受者的内部因素和外部因素，又考虑了信息传播的过程，提出一种新的模型。该模型能够模拟人与人的意见交互，从微观角度分析意见领袖[4]的权威性、谣言[5]煽动性等主体属性对突发事件信息传播的影响。最后基于Netlogo[6]平台进行仿真实验和结果分析。
1 突发事件信息传播仿真模型的构建
1.1突发事件信息传播模型的构建
根据Fiona Duggan和Linda Banwell的危机信息传播模式[3]，认为影响信息发送者和接受者的因素有内在因素和外在因素，包括意见领袖、同嗜性、目标信息、假定性等。突发事件传播的生命周期分为事件前兆阶段、事件扩散阶段、事件爆发阶段和事件恢复阶段。本文在考虑了影响信息发送者和接受者的因素的基础上，又加入了信息传播过程的概念，建立了一个全新的突发事件信息传播模型，如图1所示。
图1 突发事件的信息传播模型
由于信息传播无法在现实生活中进行试验，因此采用计算机建模仿真是最有效的方法。社会系统是复杂系统，考虑到个体的多样性，本文采用基于Agent的建模仿真方法[7]来研究信息的传播。
1.2基于Agent的信息传播模型
建模的基本思想是：将社会中的人模拟成计算机中的Agent，人与人之间的意见交互行为模拟成Agent的属性和行为，并引入交互规则，从而判断个体是否改变意见及改变的程度。经过多次重复的意见交互后，往往能从群体中观察到宏观舆情现象。如图2所示，该方法能够有效解答微观的个体意见如何涌现出宏观舆情。
图2 基于Agent的信息交互模型图
1.2.1 仿真平台Netlogo简介 NetLogo[6]是1999年在美国国家科学基金的资助下由Uri Wllensky开发的，目的是为给科学研究和教育提供易用且强大的计算机辅助工具。2002年发布了NetLogol.0版本，完全用Java编程实现，可以在不同的平台上运行。NetLogo特别适合对随时间演化的复杂系统进行建模, 它自带有turtle、patch、link等多种类型的Agent,建模人员能够向成百上千独立运行的Agent发出指令,这就使得探究微观层面上的个体行为与宏观模式之间的联系成为可能, 这些宏观模式是由许多个体之间的交互涌现出来的。
1.2.2 建立Agent模型 在舆论的传播中，大多数人会形成怎么样的态度倾向，往往会受别人的影响[8]，本文重点考虑个体Agent建模，将民众视为独立的Agent，而将谣言制造者和意见领袖视为独立于Agent之外的上层对象，能够对个体Agent施加影响，改变其态度。信息传播相关的几个特性有态度、从众性、可信度、权威性[9]。
1)态度。民众对突发事件信息持有3种态度：支持、中立、反对。在实际社会中，人们的态度并不是一开始就明确无误，因为媒体或人际影响，许多人的态度逐步由模糊不清、左右摇摆转变为清晰坚定的意见。因此，本文取区间(0,1)上的实数表示个体意见，(0,0.33)表示反对，(0.33,0.67)表示中立，(0.67,1)表示支持。
2)从众性。个体的从众性是不同的，受个体地位、性格、心理、对信息的掌控程度等多种因素影响。本文取(0,1)之间的实数表示个体的从众性，(0,0.33)表示态度坚定，(0.33,0.67)表示左右摇摆，(0.67,1)表示易受他人影响。
3)可信度。个体的可信度，即所掌握证据的说服力。可信度越高，影响力也会大一些。本文取(0,1)之间的实数表示个体的可信度，(0,0.33)表示说服力不大，(0.33,0.67)表示说服力尚可，(0.67,1)表示有很强说服力。
杨小水从此跟水结了仇——也不光是水，凡是与水相关的，她都不喜欢。杨小水还特意给常江举了个例子，大水过去几年以后，有一天村里放电影，《大河奔流》。一开始，全场没有一点声响，荧幕上都是水，揪人心啊。好在那只是片头，接下来船上三个人的命运转移了观众的注意力。电影演到十多分钟，花园口被国民党炸开，水汹涌而出。又过了几分钟，荧幕上突然出现水头冲击大树、追赶人群的画面。偏偏风又作势，把荧幕又吹得鼓起来，电影上的水就像是立体画面一样，兜头而来。谁家的小孩被吓哭了，接下来几个大人也哭起来，整个场地里的人都开始哭。号啕大哭。那个悲惨啊，连莫名其妙的放映员眼睛也湿了。电影没法再演下去……
4)权威性。意见领袖权威性越大，影响力也越大。本文用取(0,1)之间的实数表示意见领袖的权威性，(0,0.33)表示不够权威，(0.33,0.67)表示较权威，(0.67,1)表示非常权威。
在事件扩散和爆发时期，主要有3类主体：民众、谣言制造者、意见领袖。各类主体的属性见表1所示。
表1 各类主体属性
1.2.3 主体之间的交互规则 Agent之间的意见交互规则能够体现出影响Agent意见变化的各种因素。设Ai(t)为主体i的态度值，Ti(t)为主体i的可信度，a为交互阈值(参照文献[10]本文取a=0.34)，在t时刻，如果|Ai(t)-Aj(t)|
Ai(t+1)=Ai(t)+(Aj(t)-Ai(t))·gi(t)
(1)
Ti(t+1)=Ti(t)+(Tj(t)-Ti(t))·gi(t)
(2)
其中：gi(t)表示主体i被主体j影响的概率。如谣言对民众态度的影响概率，与从众性成正比，与民众信息的可信度成反比，与谣言煽动性成正比。意见领袖对追随者的影响概率，与从众性成正比，与民众的可信度成反比，与意见领袖可信度成正比，与意见领袖权威性成正比[11]。
如果|Ai(t)-Aj(t)|>a，说明主体之间的态度差异较大(有严重的意见分歧)，则主体i不改变自己的态度，状态转移方程如式2所示:
Ai(t+1)=Ai(t)
(3)
Ti(t+1)=Ti(t)
(4)
2 突发事件信息传播仿真与结果分析
本文是以“7.23动车追尾事故”的突发信息扩散过程为例，进行了仿真研究。该事故原因系遭雷击所致的说法，却在网上掀起了轩然大波。本文搜集了2011年7月25日上午10时至晚上8时浏览过天涯社区“7.23动车事故5点存疑”帖子的浏览数和回帖数据，将实际数据按照3.33%的比例缩小，作为仿真的初始数据。即相信雷击的人数50人，命名为“支持者”；不相信的人数270人，命名为“反对者”；无明确态度的人数320人，命名为“中立者”。
2.1民众主体与谣言交互的仿真
通过改变谣言的参数值(如煽动性等)，检验哪些因素会影响信息的传播。以舆论受谣言影响为例，如表2所示为初始参数。
表2 初始参数设置
1)当谣言的态度值取(0，0.33)之间的随机数，即谣言对雷击说持反对态度时，演化102次，民众主体与谣言的交互仿真演化图如图3(a)～(b)所示，黄色区域表示谣言所在区域，可以看出随着时间增加受到谣言影响的人慢慢变多。
图3 民众与谣言交互仿真过程变化
谣言影响下人数的变化过程如图4(a)所示。其中，中立者和反对者人数减少，支持者人数基本不变，受谣言影响的人不断增加，最终有419人被谣言影响，说明网络谣言主要影响两类人群：一类是态度与其相近的，另一类是态度摇摆不定的中立者；另一方面，态度与网络谣言差异较大(即相信事故原因是雷击)的人数不变，说明这部分支持者态度非常坚定，不容易受谣言的影响，始终坚持己见。
2)当谣言的可信度取(0.7,1)之间的随机数，其他参数都不变，演化140次时，仿真过程中人数变化数据图如图4(b)所示。其中，被谣言影响的人数一直持续上升，且上升速度比之前快，影响人数也比之前多了120人，说明网络谣言可信度(内容煽动性)越高，相同时间内相信网络谣言的人数增加速度就越快，传播的速度越快；另一方面，不仅有中立者，反对者及部分与网络谣言态度差异较大的支持者也减少了，说明网络谣言可信度越高(内容煽动性越强)，相同时间内影响人群越多即覆盖范围越广。
图4 民众与仿真人数变化
2.2民众主体与意见领袖交互的仿真
通过改变意见领袖的参数值(如权威性等)，可检验哪些因素会影响信息的传播。
1)如图5(a)所示。其中受意见领袖影响的人不断上升，当意见领袖的可信度取(0,0.7)之间的随机数，态度值取(0,0.33)之间的随机数，即对雷击说持反对态度时，演化140次时，仿真过程中人数变化数据图，说明很多人受到了意见领袖的影响。
2)当降低意见领袖的观点可信度(权威性)，即取(0，0.51)之间的随机数，其他条件不变，运行步长ticks=102时，仿真过程中人数变化如图5(b)所示，意见领袖影响的人数显著减少，说明权威性是决定意见领袖影响舆论的重要因素，信息可信度越高，相信的人越多。
上述结果可以看出，影响力大、权威性高的意见领袖不仅仅是一个普通的民众，而是在突发事件信息传播中能够引导公众舆论导向的重要参与者，有着一呼百应的效应。意见领袖是突发事件信息传播过程中一只看不见的助推手，他们的观点态度至关重要，如果他们对突发事件的态度是批评或质疑，在突发事件信息传播的叠加效应推动下会演变成巨大的网络舆论危机。
图5 民众与意见领袖交互仿真人数变化
3 结束语
本文针对突发事件信息传播的规律进行研究，首先对突发事件信息传播的影响因素及参与主体进行分析，构建突发事件信息传播的仿真模型，利用Netlogo仿真平台对突发事件信息传播过程进行动态模拟，包括谣言传播的动态过程和意见领袖的影响过程等，最后参照仿真结果数据图对仿真的结果进行了分析，具有一定的理论和现实意义。下一步工作中，将对人际关系复杂网络模型进行更深入的研究，并结合传播的动力学研究，使模型更贴近现实社会，可以与某个特定地区的地理位置、人口分布相结合，更有效地提升传播模型的准确性与实用性。
[1] Peter R,Monge.Theories of Communication Networks[M].Oxford University Press,2003:35-38.
[2]Shannon,Weaver W.The Mathematical Theory of Communication[M].Urbana University of Illinois Press,1949:32-35.
[3]Duggan F,Banwell L.Constructing a model of effective information dissemination in a crisis[J].Information Research,2004,5(3):178-184.
[4]Sznajd-Weron K,Sznajd J.Opinion Evolution in Closed Community[J].International Journal of Modern Physics C,2005,11(6):1157-1165.
[5]Zanette.Dynamics of rumor propagation on small-world networks[J].American Physical Society,2002:8-9.
[6]Netlogo[EB/OL].[2011-04-20].http://ccl.northwestern.edu/netlogo.
[7]Zagreb,Croatia.An introduction to agent based modeling and simulation of social processes[EB/OL].[2011-04-20].http://arxiv.org/ftp/cond-mat/papers/0409/0409312.pdf.
[8]Moreno.Social impact of opinion dynamics[J].Annual Reviews of Computation Physic,2004(9):253-273.
[9]刘小波.基于Netlogo平台的舆情演化模型实现[J].情报资料工作,2012(1):55-60.
[10]Rainer,H & K,Ulrich.Opinion dynamics and bounded confidence models analysis and simulation[J].Journal of Artificial Societies and Social Simulations,2002(5):162-173.
[11]梁红霞.危机信息互联网传播仿真研究[D]:哈尔滨:哈尔滨工程大学,2011.
敬告作者·读者
《江西科学》期刊著作权声明
为适应我国信息化建设，扩大本刊及作者知识信息交流渠道，作者在本刊发表之文章，其著作权使用费与本刊稿酬一次性给付(本刊所收版面费为与稿酬及所赠杂志对抵后的金额)，稿酬不再另付。如作者不同意，请在来稿时声明，本刊将作适当处理。
本刊为中国知网、万方数据、重庆维普、华艺数位数据、博看网全文收录期刊。
《江西科学》编辑部
ResearchonSimulationoftheEmergencyInformationDiffusionBasedonNetlogo
BU Minsheng,ZHOU Jun
(Hohai University.School of Mechanical and Electrical Engineering,213001,Changzhou,Jiangsu,PRC)
The impact factors and participation of the dissemination of unexpected incidents have been analyzed.A simulation model of spreading the information about the unexpected incidents has been constructed as well,which includes the subject property function and the interaction rules between the subjects.Not only the interactive simulation figure is presented,but relevant data of “7.23 EMU accident” has also been set up as the initialization data for simulation.Netlogo platform has been utilized to conduct dynamic simulation of the dissemination process of unexpected incidents,including the dynamic process of rumor propagation and influence process of opinion leaders etc.Which kind of attributes of subjects are the main impact factors for unexpected incidents development can be evaluated from the simulation results.This is able to provide basis for making decisions to control the situation development effectively.
unexpected incidents;information dissemination model;multi-agent modeling;Netlogo;rumor dissemination;opinion leaders
2014-06-06;
2014-08-08
布旻晟(1992-)，男，江苏南京人，本科，研究方向主要涉及公共危机信息传播过程的控制与建模仿真。
10.13990/j.issn1001-3679.2014.05.029
G350；TP391.9
A
1001-3679(2014)05-0710-05
