突發事件過程中暴動人群演化模型與仿真

李本先，遲妍

(1.武警警官學院管理科學與工程系，成都 610213;

2.國防科學技術大學信息系統與管理學院軍信系，長沙 410073)

突發事件過程中暴動人群演化模型與仿真

李本先1，2，遲妍2

(1.武警警官學院管理科學與工程系，成都 610213;

2.國防科學技術大學信息系統與管理學院軍信系，長沙 410073)

突發性群體事件中人群的暴動與多種因素密切相關，事件過程中人群的暴動具有一定的演化規律。運用系統動力學與Agent建模相結合的方法對暴動人群的演化規律進行了研究。結果表明:群體性事件演化受到多種因素的影響，是多種因素的綜合體;事件發生過程中，與事件信息的傳播具有較強的依賴關系，事件處置的速度與效率對整個事態的控制具有決定性作用。這一研究對了解群體事件的演化規律具有理論與實踐意義。

暴動人群;SD，AB模型;恐怖事件;信息控制;演化模型

社會轉型是社會的整體性變遷，即結構變遷［1］。近年來，我國社會結構進入急劇變革的轉型期，社會風險的概率增加，各種社會經濟矛盾交織在一起，導致群體性突發事件時有發生，如貴州甕安事件、昆明公共汽車連環爆炸案、拉薩“3.14”事件、新疆“7.5”事件等，這些群體性突發事件給我國的本土安全與社會穩定帶來巨大的挑戰。群體性突發事件管理是政府處理復雜問題能力的現實考驗，直接考驗著政府在公共危機狀態下能否用最短的時間控制局面、化險為夷、嬴得轉機［2］。2006年公布的《國家突發公共事件總體應急預案》中對突發公共事件做出如下定義:“突發事件是指突然發生，造成或者可能造成重大人員傷亡、財產損失、生態環境破壞和嚴重危害社會，危及社會，危及公共安全的緊急事件”。預案中將突發事件細化為自然災害、事故災難、公共衛生事件和社會安全事件等4類。其中，社會安全事件包括恐怖襲擊事件、經濟安全事件和涉外安全事件等［3］。

突發事件的應急管理是近年來管理領域出現的一門新興學科。當前國內大部分突發事件管理理論主要針對自然災害［4］、公共衛生事件［5］、交通事故災難［6］、經濟金融領域和企業生產領域［7-8］等常規類型的突發事件，研究熱點集中在應急管理體系、應急處置中的決策輔助方法和評估等方面［9］。2009、2011年電子科技大學先后召開了兩次“突發事件應急管理國際論壇”，就非常規突發事件的若干問題進行討論［10］。文獻［11］對近年來國內突發事件的研究進展進行了綜述。文獻［12-13］應用平行系統對突發事件進行了研究。與國內相比，國外的研究較為成熟，成果較為豐富。文獻［14］應用內容分析技術對近40多年的非常規突發事件下的資源調度問題進行了研究。其他的相關文獻也對突發事件進行了大量的研究［15-20］。

從上述研究中可以看出，關于突發事件中暴動人群的演化規律的研究相對較少，幾近空白。但對這一課題的研究具有重要的理論與應用意義。國家自然科學基金委在2009年“非常規突發事件應急管理研究”重大研究計劃中指出:“目前人類對具有高度復雜性的非常規突發事件的演化規律還缺乏深入的科學認識，在實踐中缺少緊急應對的有效手段”。本文針對突發事件過程中人群演化規律，構建了SD(system dynamics)模型與Agent Based(AB)模型，對群體性事件下的非友好人群的演化規律進行了建模與仿真研究。

1 模型建立

突發事件是多種因素的綜合體，事件的主要策劃者利用不明真相的人群心理，借助各種媒體宣傳，煽動與策劃大量的人員加入暴動過程，使暴動事件的規模進一步增大，致使影響范圍擴大，同時積極招募新成員，積累各種資源，為社會帶來許多不穩定因素。在群體性突發事件過程中，許多不明真相的人群不斷涌現，帶來更大規模的騷亂。

1.1 突發事件的核心要素

突發的群體事件與許多內外因素密切相關。通過對歷年發生在國內的重大群體性突發事件的分析及綜合相關文獻分析可知，突發性群體事件發生過程中主要涉及的關鍵性因素如下:

1)事件的支持者。突發事件具有一定的偶發因素，但從整體上來看，在發生之前，事件的主要支持者或策劃者會對整個事件做出部署，例如對相關人員進行培訓，籌集資金，購買武器，進行活動的策劃等。

2)人員的招募。為了招募到一定的成員，事件的主謀會通過多種手段發布各種信息以吸引一些有激進傾向的人員加入事件中，并在正式活動過程中積極利用各種現代傳媒方式招募新成員。

3)事件信息。意識形態在組織招募和訓練新成員過程中起著非常重要的作用。在大數據時代，許多新生的帶有一定目的或動機的組織通過發布各種信息，自發形成團隊。在這一過程中吸引組織成員的關鍵性因素為意識形態。同時，事件信息也是官方了解其組織活動及平息其行動的關鍵性要素。

4)平息暴動的武裝力量。當群體性事件發生后，相關部門必須對其活動進行干預，以保障人民的生命與財產安全。在事件平息過程中，國家主要采用軍事手段進行干預。

1.2 SD模型

系統動力學是模擬與仿真復雜社會系統的一種重要工具，通過仿真實驗為決策者提供決策依據。目前系統動力學已應用到各種領域。系統動力學模型可用來分析群體性事件，以系統地衡量事件受到哪些因素的影響，分析其演化規律。本文依據核心要素變量依賴于其變化速度發生動態變化的規律構建仿真模型。在建立模型時還需加入相應的環境變量，因此系統建模首先要確立核心變量。

1)整體核心變量。在群體性突發事件中，主要的核心變量有事件的支持者、持異議者、暴動者、平息暴動者。

2)輔助變量。確立核心變量后，根據群體性事件的變化規律確定輔助變量。輔助變量主要有通過社交網絡招募新成員、政府反對者、突發事件的強度、被招募者的傾向、事件信息的影響力等。突發事件往往是有組織的群體性行為，其行為往往帶有組織性。事件的策劃者從事群體活動的主要目的是追求最大的社會效應，進而達到預期目的。根據上述分析，構建其演化過程的系統動力學模型，如圖1所示。

圖1 突發事件過程中人群的演化模型

1.3 系統動力方程

根據圖1建立群體性突發事件暴動過程的動力學方程，相關的變量設置及含義如下:S(t)表示規模速率;R(t)表示平息速率;D(t)表示持異議者的演化速率;I(t)表示暴動者的招募速率;A(t)表示事件的支持者;B(t)表示持異議者;C(t)表示暴動者;E(t)表示平息暴動者的速率;F(a)表示平息暴動者。

1)事件的支持者。群體性事件的支持者是事件開始的源泉，該因素主要受人口規模大小和招募人群規模的影響，其系統動力學微分方程為:

通過社會網絡招募的人數=(被招募傾向*事件的支持者*政府反對者*聯系的緊密度)/ (政府反對者+事件的支持者)。

被招募者傾向=1-1/((群體性事件信息對招募者的速率*被招募的正常傾向/政治經濟文化宗教等因素/(B(t)+C(t)))*(群體性事件信息對招募者的速率*被招募的正常傾向/政治經濟文化宗教等因素/(B(t)+C(t))+1)。

2)持異議者。在群體性突發事件過程中，一部分持異議者轉化為暴動者，另一部分被平息。其系統動力學方程為:

政府反對者=B(t)*持異議者部分+C(t)*暴動部分

恐怖事件的強度=C(t)*恐怖事件的傾向*暴動部分

事件強度=群體性事件的強度*群體性事件的相對強度+暴力的強度

4)平息暴動。平息暴動的過程主要受群體性事件的信息傳播強度及武裝力量的制約，其系統方程如下:

群體性事件信息的正常頻率=群體性事件信息的認知強度/最初的支持者

群體性事件的影響速率=事件的強度*事件的影響力*(1+事件信息的正常頻率)

d(群體性事件信息的認知強度)=事件的影響速率-事件信息對招募者的速率

事件信息對招募者的速率=事件信息的認知強度/人群對事件信息的延遲*(1+事件信息的正常頻率)

1.4 Agent模型

Agent體系結構分為個體Agent和群體Agent體系結構。在突發事件中暴動人群的Agent主要有4類狀態:群體性事件的支持者、持異議者、暴動人員、制止暴動的相關人員。Agent之間的通信主要通過與其他人收發信息進行。每個Agent在積極的異議者與暴動狀態下通過聯結速率來完成，當Agent處于支持者狀態下時，通信信息通過被招募者傾向來完成。整個過程是一個松散的過程，即不是所有持異議者都能成為暴動者。在事件過程中，暴動群體中一部分人被相關的武裝力量平息，轉而成為政府支持人群，剩余部分人員成為暴動者。政府努力減小暴動規模，完成任務時主要依賴于資源的分配與暴動人群的規模大小。人群的智能體具有3種不同狀態，即群體性事件的支持者、持異議者、暴動人群，每個人群智能體將在這3種狀態之間相互轉化。各種不同狀態智能體的數量隨模擬時間不同發生變化。在對群體性事件的暴動過程中及轉化規則基礎上，建立智能體之間的轉換規則，如圖2所示。圖2中初始的黑點表示生成一個智能體，其默認狀態為潛在的群體事件支持者。由于受持異議者和暴動者智能體的影響，該智能體隨著模擬時間變化在各種狀態間轉化。圖2中的箭頭表示智能體在各狀態之間的轉化關系。表1解釋了這些轉化關系的轉化系統含義及默認值。

圖2 智能體狀態轉換規則

圖3 AB+SD模型

表1 智能體狀態轉化參數及解釋

2 暴動演化過程分析

圖1反映了整個事件的發展過程。在群體性突發事件中，人員的招募直接影響到事態規模的大小，招募過程如圖4所示。在圖4的特定人群中有一部分人員為事件的支持者(暴動者)，另外一部分人員可能是政府的支持者(持異議者)。這一過程的演化不是自動的，受到許多不可預見性因素的影響。這一原理說明，當群體性突發事件發生時，可以通過2種方式降低暴動人群數:一是一部分持異議者被平息，轉而成為政府的支持者，通過這種方式可以減少持異議者與暴動者的數量;二是暴動者被相關武裝力量清除，如逮捕、拘留。這兩種方法都可減少持異議者與暴動者數量。

圖4 暴動者的演化過程

利用上述模型可定位與追蹤暴動者，進而對事件本身進行干擾。在擾動過程中，還需要考慮如圖5所示的其他因素。圖5中，當對暴動者進行制止時，必須考慮清除效率、反恐力量、期望的清除時間等。雖然這些變量僅是一些外在因素，但卻受到不同決策行為的影響，進而影響到整個事件處置的效率。

圖5 影響暴動演化的因素

3 實例分析

在突發群體事件中，對事件發展有影響的主要因素有事件的支持者、持異議的人群、最初的暴動人群。下面以1個規模為6 470人的暴恐突發事件為例(如“7.5”事件)，根據相關資料對2001—2013年的120件群體事件進行統計分析，數據如表2所示。

表2 群體性事件的相關指標統計結果

應用Anylogic軟件，結合建立的模型進行仿真，仿真結果如圖6～8所示。

圖6 SD模型仿真結果

圖7 AB模型仿真結果

圖8 SD+AB模型的仿真結果

從圖6、7可以看出:當發生一定規模的暴恐事件時，隨著相關力量與政府干擾的介入，事件的支持率呈明顯下降趨勢，但持異議者與暴動者人數卻出現了上升趨勢;當政府加強宣傳力量，相關的武裝力量介入時，事件的支持者、持異議者、暴動者出現了明顯的下降趨勢。此時政府投入的武裝力量也隨之增加，當增加到一定程度時，事件的支持者迅速降低，而暴動者與持異議者的人數卻呈現了穩定狀態。

針對同樣的情景，當把SD與AB模型綜合考慮時，仿真結果相比單一SD或AB模型下的仿真效果要好。從圖8可以看出:在群體性事件開始時，隨著事態的擴大，持異議的人群數量不斷增加，暴動人數不斷增長，平息暴動者的力量明顯不足，暴動者的人數呈增長趨勢，這一仿真結果與實際群體事件的初始過程相符合。但在政府投入的武裝力量增長及宣傳力度加強的情況下，群體性事件的支持者呈現下降趨勢，這4者之間出現了平衡狀態，持異議者的人數出現了下降，群體性事件的支持者呈現了穩定狀態。當武裝力量少于暴動者的力量時，暴動者的人數出現了增長。這一結果與現實的群體性事件的處置階段相符合。單獨的SD模型與AB模型主要反映了恐怖事件的整體狀態，也從另一個角度說明群體性事件是多種因素的綜合體，受多種內外因素的影響。

4 結束語

在群體性事件發生的過程中，暴動人群演化具有一定的規律，受到諸多因素的影響，這些因素制約著整個事態的發展。信息的傳播速度直接影響到整個事件的擴大，事件組織者的宣傳是信息進一步擴大的根源，其目的是達到一定的擴散效應，吸引更多的激進分子加入事件中。當群體性事件發生時，投入的干擾資源直接影響到平息暴動者的結果。當政府當局出動武裝力量對群體性事件進行干擾時，暴動將被平息，事件的規模與速率減慢。這充分說明對群體性事件進行處置時，一方面要加強對情報信息的收集，以預防群體性事件的發生，加強對相關宣傳媒介的管制以免被激進分子所利用，官方要借助媒介進行正面宣傳，占據輿論先導;另一方面為有效預防和應對各種突發事件，必須加強專業應急力量的建設，當群體事件發生時，相關的武裝力量能及時平息事態，控制事件的進一步擴大。

［1］陳晏清.關于社會哲學研究的幾個問題［J］.湘潭大學學報:社會科學版，1998，4:3-8.

［2］Kerstena A，Sidky M.Realigning rationality:Crisis management and prisoner abuse in Iraq［J］.Public Relations Review，2005，31(4):471-478.

［3］許蔓舒.國際危機預警［M］.北京:時事出版社，2008: 94-95.

［4］陳安，陳寧，倪慧薈.現代應急管理理論與方法［M］.北京:科學出版社，2011:1-291.

［5］褚發軍，冉陸，馬莉.2008-2010年全國突發公共衛生事件網絡報告食物中毒流行病學分析［J］.中國食品衛生雜志，2012，24(4):387-389.

［6］范維澄.突發公共事件應急管理研究中的重要科學問題［J］.公共管理學報，2007，14(2):84-86.

［7］柳炳祥，盛昭翰.基于案例推理的企業危機預警系統設計［J］.中國軟科學，2003(3):67-70.

［8］于輝，陳劍.突發事件下何時啟動應急預案［J］.系統工程理論與實踐，2007，27(8):27-32.

［9］計雷.突發公共事件應急管理［R］//中國科學技術協會.管理科學與工程科學發展報告:2007-2008.北京:中國科學技術出版社，2009.

［10］何婧，李仕明.非常規突發事件在線信息處理:研究與發展-“2011年突發事件應急管理國際論壇”綜述［J］.電子科技大學學報:社科版，2010，13(2):42 -44.

［11］鐘永光，毛中根，翁文國，等.非常規突發事件應急管理研究進展［J］.系統工程理論與實踐，2012，32(5): 910-917.

［12］王飛躍，邱曉剛，曾大軍，等.基于平行系統的非常規突發事件計算實驗平臺研究［J］.復雜系統與復雜科學，2010，7(4):1-10.

［13］李本先，李孟軍.基于平行系統的恐怖事件下恐懼傳播的仿真研究［J］.自動化學報，2012，38(4):1321 -1328.

［14］Cauhye A M，X F Nie，Pokharel S.Optimization models in emergency logistics:A literature review［J］.Socio-economic planning science，2012，46(1):4-13.

［15］Yang C C，Lin W T，Chen H M.Improving scheduling of emergency physicians using mining analysis［J］.Expert systems with applications，2009，36(2):3378-3387.

［16］Bakuli D L，Macgregor Smith J.Resource allocation in state-dependent emergency evacuation networks［J］.European Journal of Operation Research，1996，89(3):543 -555.

［17］Lewandowski C A，Frankel M，Tomsick T A，et al.Combined intravenous and intra-arterial r-TPA versus intraarterial therapy of acute ischemic stroke emergency management of stroke(EMS)bridging trial［J］.Stroke，1999，30(12):2598-2605.

［18］Joint Commission on Accreditation of Healthcare Organizations.Approved:revisions to emergency management standards for critical access hospitals，hospitals，and longterm care.Revisions to Emergency Management Standards EC.4.10 and EC.4.20［J］.Joint Commission perspectives.Joint Commission on Accreditation of Healthcare Organizations，2007，27(6):1-3.

［19］Waugh W L，Streib G.Collaboration and leadership for effective emergency management［J］.Public Administration Review，2006，66(s1):131-140.

［20］Parker D，Handmer J.Hazard Management and Emergency Planning:Perspectives in Britain［M］.London:Routledge，2013.

(責任編輯 楊黎麗)

LI Ben-xian1，2，CHI Yan2
(1.Department of Management Science and Engineering，Office College of CAPF，Chengdu 610213，China;2.College of Information System and Management，National University of Defense Technology，Changsha 410073，China)

Sudden riots incidents of population groups are closely associated with a variety of factors. During the process，the evolution of the population has some regularity.In this paper，System Dynamics and Agent Modeling were proposed to understand the evolution of riots crowd.The experimental results show that the evolution of emergency incidents has been affected by many factors.It is a synthesis of a variety of factors.During the course of incident，the events of information and communication have a strong dependency.Speed and efficiency of control over the entire incident were playing a decisive role.This research has implications for understanding the theory and practice of group events evolution.

riots crowd;SD，AB model;terrorist incident;information control;evolution model

TP393

A

1674-8425(2014)06-0081-07

10.3969/j.issn.1674-8425(z).2014.06.016

2014-03-06

國家自然科學基金資助項目(71103195)

李本先(1977—)，男，云南宣威人，博士，講師，主要從事反恐、社會網絡方面的研究;通訊作者遲妍(1975—)，哈爾濱人，博士，副教授，主要從事危機管理方面研究。

李本先，遲妍.突發事件過程中暴動人群演化模型與仿真［J］.重慶理工大學學報:自然科學版，2014(6): 81-87.

format:LI Ben-xian，CHI Yan.Emergency Incidents during the Riots Burst Evolution Model and Simulation of Crowd［J］.Journal of Chongqing University of Technology:Natural Science，2014(6):81-87.

Emergency Incidents during the Riots Burst Evolution Model and Simulation of Crowd