基于BDI-Agent模型的突发公共卫生事件公众应急信息传播机制建模研究

冯佳昊 韩 玮 陈 安

(1.中国科学院大学，北京 100049；2.中国科学院大学公共政策与管理学院，北京 100049； 3.中国电子科技集团公司发展战略研究中心，北京 100041； 4.中国科学院科技战略咨询研究院，北京 100190)

在新媒体时代背景下，现代传媒形式发生了巨大的变化，打破了原有时间与空间双重属性的应急信息交互壁垒，发达的社交媒体为公众获取和传播应急信息提供了更为广泛的途径，能够有效提升突发事件应急管理的公众参与度。在政府开展突发公共卫生事件应对处置工作时，公众往往通过微博、微信、今日头条等新媒体平台获取突发公共卫生事件的表现形式、危害程度及防控策略等应急信息，经过浏览、点赞、评论及转发等行为，进而在网络空间形成热点话题，这些行为扩大了应急信息的网络覆盖面，促使广大公众能够及时获取事件进展与态势，提升公众主动参与突发公共卫生事件应急管理的效率和热情。

随着网络技术的快速发展，国内外学者开始重视社交媒体突发事件应急信息传播模式、规律及机制等[1-9]。目前的信息传播模型主要分为两类，一类是基于复杂网络理论、社会网络理论等理论建立的信息传播模型，例如普遍应用且经典的流行病传染模型(Epidemics Model)[10-12]，包括SI模型[13]、SIR模型和SEIR模型[14]等，以及改进的或变异的模型如SIHR模型[15]、SHIR模型[16]、ESIS模型[17]等，还有线性阈值模型[18-19](Linear Threshold Model，LTM)、独立级联模型[20](Independent Cascade Model，ICM)、博弈理论传播模型[21](Game-Theoretic Model)等；另一类是根据收集的实际信息传播数据进行研究并找出其中规律，运用数学建模方法对其过程进行刻画的信息传播模型[22-23]。此类传播模型虽能准确地描述信息传播过程的特征，揭示信息传播的规律，但因实际信息传播数据不易获取或不易完整获取，因此操作性相对较低。

基于信息传播理论建立的信息传播模型往往根据实际情形对网络结构特性、主体状态及状态转变条件等加以改进，试图更符合实际地刻画信息在网络中的传播过程，从而得到信息在网络中的传播模式及规律。当前主流的流行病传染模型在一定程度上简化了信息传播的现实情形，未能充分考虑信息传播网络中个体的差异性和交互性以及环境因素对信息传播过程的影响，因此，以往研究成果明显缺乏微观性，无法细致地展现信息传播规律。

突发公共卫生事件下的应急信息传播属于典型的复杂系统演化过程，突发公共卫生事件与公众生命安全、正常生活紧密相关，公众在突发公共卫生事件应急信息传播过程中承担了接受者和传播者的双重身份，且信息传播网络中的个体具有独立的认知能力和决策能力[24]。此外，个体处于社会关系和网络关系中，个体间存在相互联系和沟通的交互行为[25]，说明在突发公共卫生事件应急信息传播过程中必然涉及公众个体属性及个体间交互作用。

微博作为我国用户活跃度最高的在线社交平台之一，是公众实现观点交互、信息传播的重要工具。Multi-Agent方法在模拟真实情景方面具有灵活性和可拓展性，因此在研究信息传播方面具有较强的适用性，成为复杂系统仿真的主流模型之一，也为研究信息传播提供了新的研究思路。诸多学者尝试利用Multi-Agent建模方法刻画突发事件公共危机信息[26]或网络舆情[27]的传播过程，剖析社交网络中舆情生成机制和传播规律[28]。就目前的研究成果而言，在大多数应急信息传播模型构建过程中，学者们并未充分考虑公众个体的异质属性以及个体间交互关系强弱对应急信息传播的影响。因此，本文从复杂系统视角研究突发公共卫生事件公众应急信息传播规律，运用Multi-Agent模型，将微博平台中传播突发公共卫生事件应急信息的个体抽象为Agent，充分考虑公众个体异质属性、个体间交互关系强弱以及信息价值，定义个体属性与个体间的交互规则，通过仿真实验细粒度探究相关因素对突发公共卫生事件应急信息传播的影响机理，为提高突发公共卫生事件应急信息传播的速度和范围提供有效策略支撑。

1 突发公共卫生事件下公众应急信息传播行为BDI-Agent模型

BDI模型，即“信念(Belief)、愿望(Desire)、意图(Intention)”模型，普遍被学界认为主体(Agent)的思维状态包括信念、愿望和意图[29]，其“要解决的问题是什么？”是Agent的目标以及如何达到这个目标，因此BDI模型是公认的Agent理论基础，也一直是Agent建模研究的重点。其中，信念是Agent进行思维活动的基础，具体是指Agent基于环境状态对自身能力的估计，包含描述环境特性的信息等，信念属于Agent的信息部件；愿望是Agent的原始动机，具体是指Agent希望达到的目标，借此可以激发整体的行动力，愿望可以理解为Agent对环境状态的一种期待和判断，属于Agent的愿望目标部件；意图是指Agent对当前将要实现的目标或行动计划的承诺，对Agent的当前行为具有指导性意义，具体表现为意图驱动手段达成目标、意图约束对未来目标的选择、意图不间断地控制主体的行为等，意图属于Agent的真实目标组件。目前BDI模型在应急决策[30]、认知心理学[31]、人工智能[32]等领域得到了广泛的应用。

综上所述，BDI理论是研究个体行为意图的最具代表性的理论，本文将运用BDI-Agent过程推理模型构建突发公共卫生事件公众应急信息传播机制，如图1所示。在突发公共卫生事件应急信息传播过程中，将公众个体视为Agent，Agent根据突发公共卫生事件这一外界环境和自身特征来进行传播行为的理性决策，其具有的信念、愿望、意图等方面的思维状态可以适应信息传播的复杂且动态变化的环境情况[33]。具体过程可以理解为：①信念集更新。Agent通过媒体报道、专家观点和政府公告等渠道对突发公共卫生事件应急信息的来源、结构以及信源下公众评价产生感知，即环境信念。Agent根据年龄、性别、受教育程度、职业、权威认同度等特征形成不同的Agent类型与偏好，即自身信念。Agent综合周边环境与自身信念对初始信念库进行了扩充与更新；②愿望集更新。Agent基于新信念库，对应急信息价值感受度以及包括判断力、关注度的公众个体异质属性等愿望进行了量化处理。而Agent间还存在应急信息交互关系，包括权威度、偏执度、信息度的个体间信息交互属性对Agent的初始愿望有较大的影响，因此Agent对初始愿望进行了更新，最终得到新的愿望集；③意图生成。Agent根据信息价值、公众个体异质属性、个体间交互属性等愿望集构建起应急信息传播意愿水平测度模型与决策规则；④行为选择与更新。Agent依据意图选择应急信息传播行为，在多时间步的Agent间信息交互作用下，Agent的信息传播行为选择会发生改变。

图1 基于BDI理论的突发公共卫生事件公众应急信息传播机制

2 基于Multi-Agent的应急信息传播模型构建

2.1 Multi-Agent模型及仿真工具

Multi-Agent技术将复杂网络中的个体抽象为具有自主性的Agent，可以通过计算机模拟信息传播网络中各Agent的独立行为及Agent间交互行为，并设计Agent间的交互规则实现复杂系统在一定环境下的自发演化，从而探究复杂系统在演化过程中表现出的宏观行为特征，也有利于解释微观层面个体行为对网络宏观现象的影响机理和规律。

目前，基于Multi-Agent的仿真软件有Netlogo、Swarm、Mason等，本文选取Netlogo 6.2.0平台进行仿真实验，该平台适用于模拟随时间发展而不断变化的复杂系统，可以在模型中控制不同的Agent，能较好地模拟微观Agent间的交互行为。

2.2 信息价值属性及衰减函数

在社交网络中，公众个体对应急信息的转发行为表达了自身对事件及环境状态的意见，公众个体会综合信息价值、信息受众特质因素、信息收发双方的交互关系等多重因素做出决策。

目前学者们普遍认为信息价值具有二元性，即信息价值将主要取决于信息质量与信源可信度，研究成果更多侧重于信息评价指标体系构建，关于信息价值对信息传播行为的影响研究处于探索阶段，尚存较大的进步空间。贺鹏等[34]认为，信息本身的价值属性会引起信息受众的兴趣，从而影响信息的传播范围。谷风引[35]运用问卷调查和结构方程模型，发现应急信息质量与信源可信度两个因素会影响社交媒体用户对应急信息的认知评价，从而显著正向影响用户的应急信息传播行为。以上学者考虑信息价值的二元性但并未充分考虑信息价值的时效性，即在不考虑环境因素的情况下，信息价值也会随传播时间的变化而逐渐衰减[36]，因此本文将借鉴黄逸磊等[37]、王小立[38]对信息价值衰减规律的刻画，采用文献老化规律负指数模型，构建信息价值衰减函数。上述分析均适用于突发公共卫生事件应急信息价值测度。

V(t)=V0e-λ(t-t0)

(1)

其中，V(t)为信息时效性价值函数，V0为信息价值的初始值，λ为特征标度因子，用以体现信息热度的时效性机理；t0为信息发布的初始时间。将初始化条件设置为：V0=1、λ=1、t0=0。

2.3 个体异质属性及信息传播意愿水平测度函数

应急信息在社交网络传播过程中，Agent的异质属性对应急信息传播效果有明显的影响[39]，通过综合借鉴相关研究成果，本文选用公众个体对信息的判断力、关注度作为个体异质特征的衡量指标。其中，判断力是指公众个体对应急信息真实性的主观认知能力和甄别能力，受到个体的年龄、性别、受教育程度、职业类型、权威认同度等因素的综合影响。关注度是指公众个体对应急信息的感兴趣程度，也可以理解为应急信息对个体信息需求的满足程度。当应急信息能引起公众个体的关注，个体才会产生传播该应急信息的意图。判断力、关注度的量化方式可规定为：

1)判断力JUDi：应急信息传播网络中所有公众个体的判断力水平随机分布于[0,1]，越接近1，表示越相信信息。

2)关注度ATTi：应急信息传播网络中所有公众个体的关注度水平随机分布于[0,1]，越接近1，表示对信息需求的满足程度越高。

在时刻t，个体i对应急信息传播意愿水平测度函数定义为：

Agenti(t)=V(t)×(ω1JUDi+ω2ATTi)

(2)

其中，Agenti(t)表示个体i在时刻t对应急信息传播意愿水平，ω1、ω2分别表示个体的判断力、关注度对应急信息传播意愿水平影响的权重值，ω1+ω2=1。

2.4 个体间交互属性及改进Deffaunt模型

Deffaunt模型属于观点交互模型，遵循有限信任原则，认为两个个体在观点差值规定范围内才可以发生观点交互，从而将两个个体的观点值进行更新[40]。本文将基于Deffaunt模型来研究应急信息传播过程的个体交互机制。公众个体间信息交互关系的强弱由个体在社会网络中的位置(影响力)、个体对信息观点的固执度、个体间亲密关系等因素共同决定[41]，对个体间的信息传播行为有着重要影响。此外，公众个体间是否会发生信息交互行为与两者的信息传播意愿水平是否相近有很大关系[42]。通过综合借鉴相关研究成果，本部分选用公众个体的权威度、偏执度、信任度作为个体间交互关系的衡量指标。其中，权威度是指公众个体在应急信息传播网络中的重要地位，即影响力大小，权威度大的个体往往在社交媒体中具有庞大的粉丝基数，应急信息受众面较广。偏执度是指公众个体对信息观点的坚持程度，往往在社交媒体网络中存在观点极易改变或极难改变的极端个体，比如公众个体在信息传播过程中存在从众行为[43-45]。信任度是指公众个体人际间的相互信任程度，往往由个体之间主观信任和个体自身客观信誉所决定[46]。权威度、偏执度、信任度的量化方式可规定为：

1)权威度AUTi：个体i在应急信息传播网络中的权威度被定义为个体i的度(邻居节点总数)与所有个体度的最大值的比率，取值范围为[0,1]。

(3)

2)偏执度PARi：个体i对应急信息观点的偏执度随机分布于[0,1]，越接近1，表示个体偏执度越大。

3)信任度TRUij：个体i与邻居个体j的相互信任程度与个体观点相似性有关[5]，可将其定义为：

TRUij=1-|Agenti(t)-Agentj(t)|

(4)

只有当两个个体的信息传播意愿水平差异在规定范围内时，才能进行信息互动。在某一时刻，一个个体与另一个可交互个体进行信息交互，并将当前时刻的自身的信息传播意愿水平与其邻居个体信息传播意愿水平的差值之和作为下一时刻的信息传播意愿水平值。即|Agenti(t)-Agentj(t)|<ε，根据相关研究[47]，ε=0.34，可理解为：两个个体的信息传播意愿水平差值低于0.34时，他们才有可能有信息交互。

Agenti(t+1)=Agenti(t)+μ[Agentj(t)-Agenti(t)]

(5)

Agentj(t+1)=Agentj(t)+μ[Agenti(t)-Agentj(t)]

(6)

其中，个体i、个体j为相邻节点且可能发生交互，Agentj(t+1)、Agenti(t+1)分别表示个体i、j在时刻t+1的传播意愿，Agenti(t)、Agentj(t)表示个体i、j在时刻t的传播意愿，收敛参数μ表示个体i对邻居个体j的信任程度，反映了观点更新的速度。

本部分将采用影响力、偏执度、信任度3个因素的综合函数来描述收敛参数f(i,j)。

f(i,j)=TRUij(φ1PARi+φ2AUTi)

(7)

f(j,i)=TRUij(φ1PARj+φ2AUTj)

(8)

其中，φ1表示个体偏执度在信息交互整体影响中所占的权重，φ2表示个体权威度在信息交互整体影响中所占的权重，规定φ1+φ2=1。因此，个体i、j经过信息交互后，在时刻t+1，个体i、j的应急信息传播意愿值改变为：

Agenti(t+1)=Agenti(t)+f(i,j)[Agentj(t)-Agenti(t)]

(9)

Agentj(t+1)=Agentj(t)+f(j,i)[Agenti(t)-Agentj(t)]

(10)

若Agenti(t+1)大于特定的传播阈值θ，信息接收者成为传播者，否则为拒绝传播者，此处的传播阈值θ需根据实际情况而定。

2.5 应急信息传播决策规则与仿真算法

1)初始化信息传播仿真网络，设置初始个体节点数量为500，设置个体属性值、个体间交互属性值、信息价值等，确定个体的信息传播意愿水平。

2)随机选择度较高的节点作为单一信源主体。

3)对任一传播者i发出信息，假设个体j关注个体i，通过判断个体i、j的信息传播意愿水平差值与阈值ε的关系，确定是否会发生交互关系。当个体i、j不发生交互时，则保持原状态；当个体i、j发生交互时，可根据式(9)、(10)，将个体i、j进行信息传播意愿交互，更新信息传播意愿水平。

4)遍历所有个体，同步更新所有个体信息传播意愿水平。

5)根据个体信息传播意愿水平与传播阈值θ的关系，判定个体状态。

6)重复3)～5)直至达到预先设定的最大时间步。

考虑个体属性、个体间交互关系及信息价值的应急信息传播仿真算法如图2所示。

图2 应急信息传播仿真算法

2.6 模型假设

假设1：在整个网络中，初始的传播源只有1个，设置为应急信息传播网络中度最大的个体，信源与周边主体关系网络稳定。

假设2：网络中的初始节点个数、个体属性值、个体交互属性值、信息价值属性值、调节权重系数以及节点的状态都是已知的。

假设3：对应急信息传播时间进行细分，在1个单位的传播时间内，公众个体之间最多发生1次信息传播。

假设4：个体获取应急信息的唯一渠道是社交媒体。

假设5：忽略同一时间内其他应急信息对个体传播行为的干扰。

3 基于新浪微博的突发公共卫生事件应急信息传播仿真实验

3.1 实验设计

3.1.1 仿真网络

对于新浪微博社交网络的结构特性，学者们运用真实数据验证了微博的真实社交网络基本具有小世界网络与无标度网络的综合特性，即微博的信息传播网络所有节点的度(用户被关注的程度)服从幂律分布，即y=ax-b，其中b一般取2～3，说明在微博社交网络中少数用户的关注度较高，而大多数用户关注度较低，另外整体网络有较大的聚类系数和较小的平均路径，属于BA无标度网络。本文基于上述研究成果，将新浪微博平台的突发公共卫生事件应急信息传播网络也设置为无标度网络，个体Agent的度分布服从幂律分布，如图3所示，其中每个Agent如果处于传播状态，可在每一时间步内和任何方向的邻居Agent发生信息交互。

图3 仿真网络中Agent度分布图

考虑到实际的微博信息传播情况，在模拟信息传播的过程中，网络中会有新节点加入，其规律为：每一个时间点(1个单位的传播时间)都在网络中生成1个新的节点i，并创建1条新生节点i与旧节点j之间的连线，新节点i与旧节点j连成新边的概率与旧节点j的度成正比，以此来更加真实地模拟信息传播过程[7]。

3.1.2 实验主体

本实验设定初始信息传播网络的节点为500个，信源主体为1人，其余状态未知信息者499人，则初始信息传播网络如图4所示。在信息传播仿真网络中，设置未知信息主体M(灰色)、传播信息主体P(绿色)、拒绝传播信息主体O(红色)三类主体，经过80个时间步长后，信息传播网络趋于稳定状态。

图4 初始信息传播网络

3.1.3 实验目的与方案

本文通过实验仿真，将验证上述基于Multi-Agent的社交网络应急信息传播模型的有效性，通过合理调节和设定属性值、参数值等，通过Netlogo设计仿真界面，如图5所示，实现仿真模型在预设时间步内的动态发展，获得突发公共卫生事件中公众参与应急信息传播的可视化仿真图，与微博社交媒体应急信息传播过程的实例对比，以验证模型的有效性。此外，通过调节公众个体的判断力、关注度、权威度、偏执度的参数滑块，并合理设定其余参数进行仿真实验。通过对仿真模型运行结果进行对比分析，得出各个属性参数对应急信息传播效果的影响。

图5 Netlogo软件仿真界面图

仿真界面主要设置了3个开关键、13个滑动条、1个主视图和2个绘图区。具体界面元素的含义如表1所示。在仿真实验中，绘图属性设置如图6所示。应急信息传播效果图的X轴表示时间轴，以时间步ticks为单位，Y轴表示单位时间内未知信息主体M、传播信息主体P、拒绝传播信息主体O三类主体的实时人数，分别通过指令plot(count turtles with[condition=“M”])、plot(count turtles with[condition=“P”])、plot(count turtles with[condition=“O”])实现，用灰色曲线、绿色曲线、红色曲线来表示。

表1 界面元素信息表

图6 Netlogo软件绘图属性设置

3.2 模型有效性分析

本文以新冠肺炎疫情期间，人民日报于2020年2月28日15:31发布的“日常生活中气溶胶传播可能性很小”应急信息为实验背景，利用Python爬取微博平台中关于此消息的转发数据，共计1 585条，删除部分因用户定向转发无法查看转发内容的数据，再经过去重、清洗无效数据等处理过程，共得到1 024条有效数据。由于样例信息的传播范围存在一定的局限性，部分用户不存在应急信息交互关系，为贴近真实的应急信息传播情景，人工删除了信息交互关系极弱的部分用户，并限定转发时间为2020年2月28日15:32—19:32，共计4个小时(240分钟)，最终得到482条数据。

采用控制变量法，通过多次调节滑块值条数，反复进行仿真实验，最终选取实验结果与实际情况最接近的参数来表示模拟现实案例，参数值如表2所示。最终的实验仿真结果如图7所示，基于微博社交媒体平台，实验仿真结果与实际案例数据的应急信息传播变化趋势基本吻合，说明本文构建的突发公共卫生事件应急信息传播仿真模型具有一定的有效性，能够较好地反映应急信息传播的真实情况。

表2 与实际情况相接近的参数值

图7 应急信息传播的仿真结果与实际情况对比

3.3 不同实验参数的影响分析

在突发公共卫生事件应急信息传播仿真模型具有较好有效性的基础上，本部分将通过调节仿真模型中判断力、关注度、权威度、偏执度、应急信息时效性标度因子以及应急信息传播阈值等参数，观察应急信息传播效果的变化情况。值得说明的是，由于Agent会在每个时间步内根据规则发生交互，在上一个时间步传播信息的主体也有可能在下一个时间步变成拒绝传播的主体，因此每个时间步内传播信息的人数有可能是不断波动的。实验具体参数如下：社交媒体网络初始节点数设定为500，新节点加入的时刻设定为30，新节点停止加入的时刻设定为60，应急信息价值的初始值设定为1，应急信息热度时效性的特征标度因子设定为0.7，个体判断力的权重值设定为0.6，个体偏执度的权重值设定为0.6，传播阈值设定为0.21。

3.3.1 公众个体的判断力对应急信息传播的影响

为探究公众个体的判断力对应急信息传播的影响，本部分设置了4个不同的判断力上限状态，即判断力JUD=[0,0.25]、[0,0.5]、[0,0.75]、[0,1]，分析了未知信息主体、传播信息主体、拒绝传播信息主体三者在不同判断力状态下的数量变化情况，如图8所示。可以发现，在本实验中传播人数随着时间步的变化存在一些波动，这些波动正是由Agent间的交互行为造成的，后续试验中的波动亦然。当公众个体的判断力位于[0,0.25]时，此时公众个体的判断力普遍低下，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为48人，拒绝传播信息个体数为482人，应急信息传播明显受阻；当公众个体的判断力位于[0,0.5]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为235人，拒绝传播信息个体数为295人，应急信息传播效果明显好转且增长幅度较大；当公众个体的判断力位于[0,0.75]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为466人，拒绝传播信息个体数为64人，应急信息传播效果达到较高水平；当公众个体的判断力位于[0,1]时，此时公众因性别、年龄、受教育程度、职业等因素造成既有高的应急信息辨别能力，也有低的应急信息辨别能力，公众个体对应急信息的判断力更符合现实情况，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为500人，拒绝传播信息个体数为30人，应急信息传播效果最佳。

图8 公众个体的判断力对应急信息传播的影响仿真结果图

根据上述实验结果可以得出，社交网络中传播信息个体数量总体上随着公众个体判断力的提高而显著增加。对此，在突发公共卫生事件背景下，提高公众的应急信息认知水平需要公众与政府的双重努力。就公众层面而言，公众需要在海量的突发公共卫生事件应急信息中具备冷静独立的思考能力，还应从生活经验、知识学习中提高对应急信息的真实性和社会价值大小的判断力；就政府层面而言，应重视并加强突发公共卫生事件应急信息宣传工作，做好公共教育，提高公众对应急信息的认识水平，组建应急信息公共宣传教育专业队伍，推进区域性宣传教育中心建设。除此之外，还应建立和完善有关部门与公众的沟通平台，提高发布信息的及时性、权威性以及准确性。

3.3.2 公众个体的关注度对应急信息传播的影响

为探究公众个体的关注度对应急信息传播的影响，本部分设置了4个不同的关注度上限状态，即关注度ATT=[0,0.25]、[0,0.5]、[0,0.75]、[0,1]，分析了未知信息主体、传播信息主体、拒绝传播信息主体三者在不同关注度状态下的数量变化情况，如图9所示。当公众个体的关注度位于[0,0.25]时，此时公众个体认为应急信息对自身需求程度难以满足，经过60个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为418人，拒绝传播信息个体数为108人，应急信息传播效果一般；当公众个体的关注度位于[0,0.5]时，经过60个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为496人，拒绝传播信息个体数为30人，应急信息传播效果较好且相较于前者的增长幅度较大；当公众个体的关注度位于[0,0.75]时，经过60个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为514人，拒绝传播信息个体数为10人；当公众个体的关注度位于[0,1]时，此时公众的兴趣爱好与应急信息内容相似，公众对应急信息的兴趣度较高，经过60个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为514人，拒绝传播信息个体数为13人。

图9 公众个体的关注度对应急信息传播的影响仿真结果图

根据上述实验结果可以得出，社交网络中传播信息个体数量总体上随着公众个体关注度的提高而显著增加，拒绝传播信息个体数量随着公众个体关注度上限的提高趋于0。对此，政府在对公众进行应急信息传播时，应着重考虑灵活运用宣传方法，采取有趣生动的方式进行宣传。首先，政府应保证应急信息内容的丰富性和形式的多样性，例如结合当下的流行语，运用谐音、段子的方式表达应急信息的内容；其次，应急信息可以由多平台联合发布，通过发挥不同平台优势，帮助人们多渠道快速了解应急信息；最后，政府应善用“名人效应”，找寻有影响力的公益人物，加深公众对应急信息的印象，激发公众接收应急信息的兴趣。

3.3.3 公众个体的权威度对应急信息传播的影响

为探究公众个体的权威度对应急信息传播的影响，本部分设置了4个不同的权威度上限状态，即权威度AUT=[0,0.25]、[0,0.5]、[0,0.75]、[0,1]，分析了传播信息主体、拒绝传播信息主体在不同权威度状态下的数量变化情况，如图10所示。当公众个体的权威度位于[0,0.25]时，此时社交网络中缺乏影响力较大的个体，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为393人，拒绝传播信息个体数为137人，应急信息传播效果一般；当公众个体的权威度位于[0,0.5]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为386人，拒绝传播信息个体数为144人，应急信息传播效果并未提升反而略有下降，说明公众个体的权威度处于此区间内没有对应急信息传播产生较好的促进作用；当公众个体的权威度位于[0,0.75]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为445人，拒绝传播信息个体数为85人，应急信息传播效果良好；当公众个体的权威度位于[0,1]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为449人，拒绝传播信息个体数为81人，应急信息传播效果最佳，说明在社交网络平台，出现了影响力较大的公众个体，受其影响而传播应急信息的公众个体越多，应急信息传播的广度越大，加快了应急信息传播速率。

图10 公众个体的权威度对应急信息传播的影响仿真结果图

根据上述实验结果可以得出，社交网络中传播信息个体数量总体上随着公众个体权威度的提高而增加。对此，政府应充分保障应急信息的准确性、真实性与及时性，同时也应确保发布平台的权威性与专业性；除此之外，还应发挥社交媒体中影响力较大的个体在应急信息传播中的作用，例如借助粉丝量较多、影响力较大的网络KOL进行应急信息的发布，当然也应重点监控影响力较大的KOL，从而及时降低谣言传播速率，这也对拥有较大影响力的公众个体的信息素养提出了更高要求。

3.3.4 公众个体的偏执度对应急信息传播的影响

为探究公众个体的偏执度对应急信息传播的影响，本部分设置了4个不同的偏执度上限状态，即偏执度PAR=[0,0.25]、[0,0.5]、[0,0.75]、[0,1]，分析了未知信息主体、传播信息主体、拒绝传播信息主体三者在不同偏执度状态下的数量变化情况，如图11所示。当公众个体的偏执度位于[0,0.25]时，此时公众个体对应急信息看法或观点易改变，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为527人，拒绝传播信息个体数为3人，应急信息传播效果最佳；当公众个体的偏执度位于[0,0.5]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为463人，拒绝传播信息个体数为67人，应急信息传播效果明显下降；当公众个体的偏执度位于[0,0.75]时，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为416人，拒绝传播信息个体数为114人，应急信息传播效果进一步下降；当公众个体的偏执度位于[0,1]时，此时公众因年龄、性格、信息分析能力等因素造成部分公众个体对自身信息观点极难改变，经过80个时间步后，应急信息传播趋向于稳定状态，社交网络中传播信息个体数为355人，拒绝传播信息个体数为175人，应急信息传播受阻程度严重。

图11 公众个体的偏执度对应急信息传播的影响仿真结果图

根据上述实验结果可以得出，社交网络中传播信息个体数量总体上随着公众个体偏执度的提高而显著减少。对此，政府应组建相应的专业队伍和应急信息科学普及组织，开展定期的教育培训工作，提高公众对科学应急信息的接受度；除此之外，还应加强对网络平台例如微博、抖音、快手等的内容监管，提高信息接收端的信息质量，尽量避免公众接收信息偏执化的出现。

4 结论与展望

本研究基于BDI理论构建了突发公共卫生事件公众应急信息传播机制，综合信息价值衰减函数、个体异质属性函数、基于Deffaunt模型改进的个体间信息交互函数构建突发公共卫生事件应急信息传播的Multi-Agent仿真模型，并基于新冠肺炎疫情事件中的应急信息传播案例，验证了Agent仿真模型的有效性，采用控制变量法，揭示突发公共卫生事件公众应急信息传播行为蕴含的内在机理。仿真结果发现：社交网络中传播信息个体数量总体上随着公众个体判断力的提高而显著增加；社交网络中传播信息个体数量总体上随着公众个体关注度的提高而显著增加；社交网络中传播信息个体数量总体上随着公众个体权威度的提高而增加；社交网络中传播信息个体数量总体上随着公众个体偏执度的提高而显著减少。本研究的创新点在于将公众个体异质属性与个体间交互关系这两个因素纳入突发公共卫生事件应急信息传播模型研究中，并探讨了个体的判断力、关注度、权威度、偏执度4个因素对应急信息传播效果的影响。但本研究还存在一定的不足，比如仿真模型中影响因素选取、参数设置等方面还需进一步根据实际情况进行优化等。