好奇心理的人群聚集行為仿真

殷雁君, 唐衛清

人群聚集行為是日常生活中常見的群體行為。通常，生活中的小事件也會引發大量的人員圍觀，形成人群聚集。例如，街頭的促銷活動、偶爾的街頭摩擦。人群聚集不僅直接影響正常的交通秩序，更為嚴重的是其極易引發群體性事件。社會學研究發現[1]，無關人員的聚集是誘發群體性事件的必然階段。分析人群聚集的原因，研究人群聚集的預防和疏導措施對于防止偶發事件向群體事件，甚至向暴力事件轉化有著積極的現實意義。

人群聚集研究主要集中在社會心理學、管理學等人文社會科學領域。近年來，隨著我國群體事件的逐年增加，群體事件的人群聚集模擬研究也逐漸開始引起計算機學界的關注，但研究并不深入。目前，群體事件人群聚集模擬研究主要有動力學模型和閾值模型。動力學模型從社會物理學的角度出發，通過設置事件目標點，以個體與目標點的吸引力作為推動個體聚集行為的主要動力。例如常欽[2-3]提出的群體事件的動力學模型和人群聚集模型。閾值模型則是以個體參與事件的得失為基準點，如果個體參與事件的評估結果大于閾值，則個體參與事件，否則個體避離事件。最典型的閾值模型是J.M.Epstein[4]提出的基于Agent的市民騷亂模型。馮平耀等研究者[5]在對基于情緒宣泄的群體事件人群聚集行為的模擬中也借用了J.M.Epstein的思想，即個體是否參與聚集行為取決于個體對事件的不滿程度、參與事件凈風險等因素的判斷。如果判斷結果是獲利，則參與人群聚集，否則不會加入事件。動力學模型在實現時將所有個體看作是同質粒子，忽略了個體的個性和心理對聚集行為的影響。閾值模型則從個體的個性心理出發，作為理智個體，詳細地計算了參與事件的利弊。但在整個群體事件的演化過程中卻沒有考慮個體不滿情緒的變化。社會心理學研究[6]發現情緒是個體參與事件過程中的心理活動。整個事件演化過程中，個體的情緒表現大致要經歷關注、擔心、失望、絕望、不滿、生氣、憤怒、激憤、失控等。如福建南平醫患糾紛中，群體成員情緒在相互感染和醞釀后，逐漸發展為失控態勢。通過對旁觀者的心理研究也發現，好奇心理是個體聚集最原始的心理動力。旁觀者的聚集不僅直接導致了群體事件的人群規模膨脹，而且所產生的“觀眾效應”也為事件的惡化起到推波助瀾的作用[7]。

本文所關注的是群體事件人群聚集階段。在分析日常人群聚集原因的基礎上，基于個體好奇心理對人群聚集過程進行模擬，分析了事件因素、環境因素和個體心理因素對人群聚集規模所產生的影響。主要目的是希望在群體事件發生之前能夠對人群聚集規模進行預測，以期能夠為群體事件管理部門提供一定的決策參考。

1 人群聚集

1.1 偶發事件

日常生活中，偶發事件或沖突常有發生。有時微小的沖突卻可以誘發大量個體圍觀，形成人群聚集，繼而引發群體事件甚至暴力事件。事件的演化態勢與結果不僅與事件內容有關，而且研究發現與事發時間、地點、溫度、參與者的身份、社會不滿、謠言等因素都有著直接或間接的關系。但對于個體好奇心理的誘發，事件的內容因素起著更為關鍵的作用。通常，事件內容越新鮮、沖突越激烈，誘發的個體好奇心理就越強烈；事件內容越模糊,個體好奇心理持續的時間則越長。社會學對群體事件的研究發現，事件內容在事件演化過程中不是一成不變的，特別是謠言的泛起和別有用心個體的介入，通常使事件內容趨向于復雜化、道德化。事件內容的演化是一個涉及眾多因素的過程，基于簡化問題的想法，本文設定事件發生后，事件內容與個體的關聯度是明確的，不再發生變化。個體與事件內容的關聯程度，稱為事件內容關聯度ECR(event content relevance)。ECR取值為0～1的實數，由用戶根據模擬事件自行設定。其中，當事件內容關聯度為0時(ECR=0)，表明該事件經常發生，對于個體幾乎無任何新意。當事件內容關聯度為1時(ECR=1)，表明該事件并不常見，或事件內容涉及道德價值或社會公平。

1.2 好奇心理模型

1.2.1 事件了解程度

在人群中，個體對所發生事件的了解通常來源于人群的信息交流。心理學家認為人群是相互嚙合的具有某種行為的單元，整個人群可以劃分成若干小群體。在小群體中，個體相互進行信息交流。不了解人群中發生事件的個體受到小群體中處于支配地位成員的影響。如圖1所示。人群中個體之間進行信息交流，星形個體表示處于支配地位的個體，圓形或方形個體表示對發生事件并不是十分了解或不善于表達的個體。

圖1 人群信息交流圖Fig.1 Information communication of crowd gathered

個體i(圖1中方形個體)所處的小群體，是以個體i為圓心，將處于一定范圍內的個體劃歸為與個體i相關的小群體，如圖1中處于實線圓形區域內的個體,構成個體i的小群體。在該群體中，具有支配地位的成員是能夠就事件發生情況給出最全面解釋的個體。在時刻t，個體i所處群體內的支配地位成員CP(i,t)=argmax(KE(j,t)*P(j)|j∈G(i))，其中，KE(j,t)∈[0,1]表示小群體中個體j對事件的了解程度。當取值為0時，表示對事件的前因一無所知；取值為1時，表示對事件自認完全了解。P(j)表示個體j與其他個體交流的意愿。當P(j)=0，個體j不愿與他人交流。若P(j)=1，則表示十分愿意交流。如果支配成員j對事件的了解多于個體i，即KE(j,t)>KE(i,t)，則定義個體i因信息交流在時刻t+1對事件的了解程度為：KE(i,t+1)=KE(i,t)+acp(i)*λ*KE(j,t)*P(j)， 其中，acp(i)表示個體i對支配成員所訴內容的接受程度。個體i與個體j在對事件的了解上可能存在信息重復，參數λ隨機產生以表示信息的重復性。

1.2.2 事件誘發好奇情緒

心理學研究[8]發現，人類對新事物或新信息的好奇心理與生俱有。好奇心是個體感知環境微小變化并迅速構建應對之策、認識新奇性信息、從新奇因素中剝離信息的主要驅動力。群體事件的社會心理研究發現好奇心理是個體旁觀事件的主要心理，是個體參與事件的前期心理體驗。在群體事件沖突升級機制研究中[1]，規模膨脹機制的主要原因是旁觀者加入，而且旁觀者加入的主要心理有好奇、同情、不滿和盲從。好奇是個體趨進了解事件的主要動力，其中在好奇心理誘發上，個體所處的空間、時間和事件內容因素都有著至關重要的影響。在事件內容方面，越是擴散性的議題，越易于吸引個體的參與。

基于以上分析，本文定義好奇情緒為個體聚集的主要因素。在好奇情緒的量化上，涉及的主要影響因素為：事件內容、個體與事發地之間的距離以及個體對事件的了解程度。如個體i完全了解事件，則好奇情緒強度為Is(i,t)=0；在沒有完全了解事件的情況下(KE(i,t)<1.0)，如果個體i所在位置能夠完全感知事件的發生(distance(i,eve) < Ev)，則喚起個體好奇情緒強度Is(i,t)=1；如果個體所處的區域無法感知事件的發生(distance(i,eve)≥2*Ev)，則個體好奇情緒因無外界事件刺激而為0(Is(i,t)=0)；當個體能夠感知事件發生，但相距事件發生地較遠，即Ev

1.2.3 好奇情緒強度

個體好奇情緒主要來源于偶發事件刺激，但隨著個體對事件了解的不斷深入，個體好奇情緒將逐漸衰減。而且了解程度越深入，好奇情緒衰減程度則越大。定義個體i在時刻t+1好奇情緒強度I(i,t+1)=min{I(i,t)-Idecay(i,t)+Is(i,t),1}；個體i情緒衰減強度為Idecay(i,t)=I(i,t)*exp(KE(i,t)k-1.0)，其中k為衰減調節因子。KE(i,t)為個體i在時刻t對事件了解程度。

2 人群聚集行為

群體事件研究發現，聚集人群中通常包括：事件主體、積極參與者、別有用心之人、激進者、圍觀者等。面對突發事件，個體行為不盡相同，依據個體對事件的好奇程度，大致可以歸結為：正常行走、趨進了解、駐步觀望、繞離事發地4種基本行為模式。正常行走個體對發生事件好奇不足，仍按原有計劃行走，在速度方面可能有所變化；趨近了解指個體因對事件具有極強的好奇心理而選擇向事發地趨進；駐步觀望指個體雖然好奇，但強度不足以驅動個體向事發地集聚，而是停留在原地觀望事件發展；避離事發地則是由于對事件完全了解而且無意義繼續跟進或其他原因(如時間原因或對事件危險性的判斷)選擇避離。依據社會學家M.Granovetter[9]提出的群體行為閾值散射模型，本文定義個體根據體驗的好奇情緒強度來做出行為選擇。因個體個性、群體環境等諸多因素的影響，每個個體參與事件的閾值有所不同，所以采取隨機的方式產生駐步觀望閾值T1和趨近了解閾值T2。依據產生式規則來規劃個體的行為，若個體i體驗好奇情緒強度為I(i,t)，則行為選擇為：

IfI(i,t)<=T1&& behavior(i,t-1)!=“正常行走”

Then behavior(i,t)=“繞行避離”

IfI(i,t)>T1&&I(i,t)

Then behavior(i,t)=“駐步觀望”

IfI(i,t)>=T2

Then behavior(i,t)=“趨近了解”

3 實驗與結果分析

實驗場景設置為個體在60 m×60 m的矩形區域內活動。無事件發生時,個體以1 m/s均速隨機行動表現個體在無目的狀況下的行為。在時刻t=2時事件發生在活動區域中心位置，設置事件主體人員6人(如圖2中虛線區域中的個體)，事件了解度EK=1，運動采用Boid[10]規則。通過改變事件內容關聯度、人流量來驗證基于個體好奇心理所模擬的人群聚集行為用以觀察是否能夠體現現實生活中的場景和社會心理學在人群聚集過程中對個體心理的研究結論。

圖2 個體狀態截圖Fig.2 Initial state of individuals

3.1 事件內容關聯度

偶發事件的內容不同，個體對事件將持有不同的關注度和好奇心。通常情況下，個體與事件內容的關聯度越高，個體對事件的關注程度則越高，導致人群聚集人數越多。設置事件內容關聯度ECR取值從0.0～1.0，虛擬人數為120人的環境中分析不同事件內容關聯度對個體行為選擇所產生的影響。從實驗結果可以看出，當ECR=0時，個體因好奇情緒被發生事件所吸引，但因事件對個體無任何意義，則選擇離開。雖時間推移，但聚集人群沒有明顯的增長，如圖3所示。

圖3 人群聚集狀態圖(t =1 000,ECR=0.0)Fig.3 State of crowd gathered (t =1 000,ECR=0.0)

當事件內容與自己有一定的關聯時，個體希望對事件進展有所了解，駐留時間增長，故出現了一定的圍觀現象。隨著事件與自己的關聯程度增加，圍觀個體和圍觀時間都將逐漸增加。當事件內容與個體的關聯度ECR=1時，出現了圍觀人群自動形成的圍觀圈，如圖4所示。

圖4 人群聚集狀態圖(t =1 000,ECR=0.7)Fig.4 State of crowd gathered (t =1 000,ECR=0.7)

為了深入了解和分析不同事件內容對圍觀個體人數和停留時間的影響，本文設置事件內容關聯度ECR分別為0.0,0.3,0.5,0.7,1.0，觀察其在運行2 000個單位時間內聚集人數與事件內容關聯度ECR之間的關系。結果(如圖5)顯示，事件內容與個體的關聯度決定了個體停留時間的長短和聚集人數多少。事件與圍觀個體的關聯度越大，聚集的人數越多，與現實生活中人群聚集場景基本相同。

圖5 不同事件內容關聯度下的聚集人群規模Fig.5 Number of crowd gathered at different ECR

3.2人流量

正常情況下，繁華地段人流量大，通常偶發微小事件也會造成大規模人群圍觀。為驗證本文模型是否可以體現不同人流量環境對人群聚集產生的影響。實驗設置初始人數分別為100、300、500、700對應的人流量分別為0.03、0.09、0.15和0.2來模擬不同繁華程度場所，其中，事件內容關聯度ECR設置為0.2。

實驗結果表明，對于相同事件，不同繁華程度的場所，聚集人數也不盡相同。通常，越是人流密集的環境，圍觀的人數就越多，如圖6所示。

圖6 不同繁華程度環境下的聚集人數Fig.6 Number of crowd gathered at different busy roads(ECR=0.2)

直觀看，在繁華場所發生小事件后極易引起大規模人群聚集，但分析后發現在聚集程度上，并非如此。聚集程度是指演化過程中平均聚集人數除以初始人數。如果忽略場所本身人員密集的因素，通常在人流量適中的環境，則更容易誘發人員聚集。如圖7所示(聚集程度經過歸一化處理)，隨著初始人數增加，人群聚集程度在增加，當人數增加到40時，人群聚集程度開始遞減，隨著人數的進一步增加，人群聚集程度減速放緩，并保持基本平衡。這與現實生活相一致，當人流量達到飽和后，移動受到限制，人員因長時間無法接近事發點，好奇心理得以衰減，而離開事發地，導致聚集程度下降。另一方面，飽和的人流量，即使不發生事件，已屬人群聚集。小事件發生雖使聚集程度繼續惡化，但幾乎接近極限，在惡化程度的速度上放緩。

圖7 人群聚集程度 Fig.7 Gathered degree of crowd

4 結束語

以好奇心理的理論研究為基礎，從常見的人群聚集現象出發，對群體聚集進行了模擬實驗，分析了事件因素、環境因素和個體好奇心理對群體聚集規模產生的影響。實驗表明，偶發事件與個體存在的關聯度越高，即事件越涉及公平、道義，群體聚集規模越大。越是人數眾多的環境，偶發事件發生后，群體聚集人數越多，但聚集程度并不隨著人流量的增加而持續增加。實驗結果基本能夠體現人群聚集的特征和群體聚集的涌現過程。

人群聚集是一個復雜的過程，本文嘗試從好奇心理學的角度來分析人群聚集的事件因素和個體個性因素對其產生的影響。限于時間和水平，所提出的模型比較粗糙，仍有許多地方值得細細思考。例如，在模型中，個體的獨特性和社會背景并沒有考慮，如個體的年齡和性別、當前普遍的社會不滿情緒等。今后，在未來的群體行為研究中，希望可以從三方面來考慮人群聚集的研究：1)聚集人群本身所具有的個性特征和社會屬性。2)將擴大人群聚集的研究范圍，嘗試模擬群體事件發展的整個過程，而不僅局限在人群聚集醞釀期。3)在個體的心理體驗上，嘗試構建誘發個體暴力行為的不滿情緒模型的研究。

參考文獻:

[1]許堯, 劉亞麗. 群體性事件中的沖突升級及遏制機制研究[J].國家行政學院學報, 2011, 1: 17-21.

XU Yao, LIU Yali. Study of escalation and restrain mechanism of mass incidents [J]. Journal of China National School of Administration, 2011, 1: 17-21.

[2]常欽. 基于Agent的群體性事件動力學模型研究[J]. 中國人民公安大學學報：自然科學版, 2010, 4: 83-86.

CHANG Qin. Research of dynamics model of mass incidents based on Agent [J]. Journal of Chinese People’s Public Security University： Science and Technology, 2010, 4: 83-86.

[3]常欽, 黨會森. 基于網格Agent的群體性事件人群聚集模型研究[J]. 中國人民公安大學學報：自然科學版, 2011, 69(3): 71-74.

CHANG Qin, DANG Huisen. Research of crowds gathered model of mass incidents based on grid Agent[J]. Journal of Chinese People’s Public Security University： Science and Technology, 2011, 69(3): 71-74.

[4]EPSTEIN J M. Modeling civil violence: an agent-based computational approach[J]. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(Suppl 3): 7243-7250.

[5]馮平耀, 王一伊. 對“無組織-無直接利益訴求”群體性事件的分析[J]. 中國人民公安大學學報：自然科學版, 2012, 1: 78-82.

FENG Pingyao, WANG Yiyi. Analysis of mass incidents without organization and direct interests[J]. Journal of Chinese People’s Public Security University： Science and Technology, 2012, 1: 78-82.

[6]魏玖長,韋玉芳,周磊.群體性突發事件中群體行為的演化態勢研究[J]. 電子科技大學學報； 社科版, 2011, 13(6): 25-30.

WEI Jiuchang, WEI Yufang, ZHOU Lei. Research on the evolvement trend of collective behavior in mass emergency[J]. Journal of UESTC： Social Sciences Edition, 2011, 13(6): 25-30.

[7]胡芾.群體性事件的心理學研究[J]. 云南警官學院學報, 2009, 75(4): 88-91.

HU Fu. Psychological research on group conflict[J]. Journal of Yunnan Police Officer Academy, 2009, 75(4): 88-91.

[8]許春玉.好奇心理學[M].杭州:浙江教育出版社， 2008: 12-70.

[9]GRANOVETTER M. Threshold models of collective behavior[J]. American Journal of Sociology, 1978: 1420-1443.

[10]WANDER J. Clustering and fighting in two-party crowds: simulating the approach-avoidance conflict[J]. Journal of Artificial Societies and Social Simulation, 2001, 4(3): 1-18.