基于SIR的涉恐網(wǎng)絡(luò)輿情傳播動力學(xué)模型研究

楊謹鋮　蘇國強　周杰　劉冰月　夏一雪

摘 要：涉恐網(wǎng)絡(luò)輿情由于其敏感性，在傳播過程中極易引發(fā)社會民眾的恐慌。該文結(jié)合SIR模型，構(gòu)建系統(tǒng)動力學(xué)模型對涉恐網(wǎng)絡(luò)輿情傳播進行仿真模擬，分析涉恐網(wǎng)絡(luò)輿情的傳播規(guī)律以及傳播中的影響因素。結(jié)果表明，接觸速率、接觸后相信比例、引導(dǎo)速率等因素對涉恐網(wǎng)絡(luò)輿情的傳播均有較大影響，進而在此結(jié)論上為相關(guān)部門進行管理決策提供對策建議。

關(guān)鍵詞：SIR 傳染病模型 涉恐輿情 輿情傳播 系統(tǒng)動力學(xué)

中圖分類號：G350 文獻標識碼：A 文章編號：1674-098X（2017）05（a）-0143-03

截至2016年12月，中國網(wǎng)民規(guī)模達7.31億，相當于歐洲人口總量，互聯(lián)網(wǎng)普及率達到53.2%[1]。網(wǎng)民已成為影響輿情導(dǎo)向的重要力量。由于網(wǎng)絡(luò)輿情復(fù)雜性、互動性以及持續(xù)演變性，一旦涉恐輿情出現(xiàn)，政府應(yīng)對處置不力，極易引發(fā)涉恐輿情及圍繞涉恐輿情的次生輿情，進而造成民眾的恐慌，使政府陷入處置事件的被動狀態(tài)中，網(wǎng)絡(luò)涉恐輿情傳播過程的研究迫在眉睫。

目前，國內(nèi)外學(xué)者已對網(wǎng)絡(luò)輿情傳播開展了大量的研究。如Mengshu Xie，Zhen Jia，Yanfei Chen等人通過在復(fù)雜網(wǎng)絡(luò)中模擬競爭產(chǎn)品的傳播信息和輿論的規(guī)律性，研究輿論傳播與支持率成正比例關(guān)系[2]；黃微、李瑞、孟佳林對大數(shù)據(jù)環(huán)境下多媒體網(wǎng)絡(luò)輿情的特征進行分析，歸納總結(jié)網(wǎng)絡(luò)輿情傳播的主體、客體、媒體、本體和空間要素之間的關(guān)系構(gòu)架機理[3]；蘇國強、蘭月新基于SIR傳染病模型對突發(fā)事件中網(wǎng)絡(luò)謠言擴散過程進行研究，為網(wǎng)絡(luò)涉恐輿情傳播研究提供參考[4]；曹帥、蘭月新、蘇國強等人基于移動平均法對微博輿情發(fā)展規(guī)律進行研究，建立直線修正模型，對微博輿情的發(fā)展趨勢進行分析預(yù)測[5]。

基于以上學(xué)者研究以及對SIR模型建立涉恐輿情事件傳播動力學(xué)模型，分析涉恐網(wǎng)絡(luò)輿情傳播規(guī)律及影響要素，探索涉恐輿情應(yīng)對策略，為政府處置網(wǎng)絡(luò)涉恐輿情事件提供參考。

1 基于SIR的涉恐網(wǎng)絡(luò)輿情傳播的系統(tǒng)動力學(xué)模型建立

1.1 涉恐網(wǎng)絡(luò)輿情傳播因果關(guān)系分析

涉恐網(wǎng)絡(luò)輿情事件的產(chǎn)生、傳播及消散的變化過程較為復(fù)雜，但遵循一定的規(guī)律，可借助系統(tǒng)動力學(xué)對涉恐網(wǎng)絡(luò)輿情傳播各個影響因素進行分析，構(gòu)建因果回路圖（如圖1所示）。

在信息傳播速度極快的互聯(lián)網(wǎng)環(huán)境中，網(wǎng)民受到涉恐輿情的影響從涉恐信息不知情且沒有抵制力的“涉恐易感人群”轉(zhuǎn)變?yōu)椤吧婵忠迅腥救巳骸保瑥亩l(fā)輿情事件，之后受到政府及社會正確信息的疏導(dǎo)，將“涉恐已感染人群”引導(dǎo)為“涉恐免疫人群”。涉恐易感人群數(shù)量越多，傳播速率越快，從而使涉恐已感染人數(shù)增多，最終使涉恐易感人群數(shù)量減少。

1.2 涉恐網(wǎng)絡(luò)輿情傳播存量流量圖構(gòu)建

因果關(guān)系圖主要表達系統(tǒng)各因素之間的相互性以及反饋結(jié)構(gòu)的基本方面，無法表達系統(tǒng)中變量的性質(zhì)，也無法描述系統(tǒng)管理和控制過程，而流圖則在因果關(guān)系圖的基礎(chǔ)上對不同性質(zhì)的變量進行區(qū)別。存量，也稱狀態(tài)變量，描述系統(tǒng)的積累效應(yīng)的變量，反映物質(zhì)、能量、信息等對時間的積累。流量，也稱速率變量，描述狀態(tài)變量的時間變化，反映系統(tǒng)狀態(tài)的變化速度或決策幅度的大小。存量和流量具有不同的性質(zhì)，在系統(tǒng)中扮演不同的角色[6]。基于因果關(guān)系圖最終確定各影響因素在網(wǎng)絡(luò)傳播的存量流量圖（如圖2所示）。

圖中以涉恐易感人群、涉恐已感染人群、涉恐免疫人群為聚焦點設(shè)為水平變量，受接觸速率、接觸后相信比例、引導(dǎo)時間的綜合作用，最終構(gòu)成涉恐網(wǎng)絡(luò)輿情傳播的演化系統(tǒng)模型。

1.3 邊界假設(shè)

（1）在此次輿情事件中網(wǎng)民數(shù)量為一個固定常數(shù)；（2）涉恐網(wǎng)絡(luò)易感人群在接觸后即轉(zhuǎn)變?yōu)樯婵忠迅腥救巳海哂幸欢ǖ膫魅灸芰Γ唬?）當涉恐已感染人群被引導(dǎo)成功之后即成為涉恐免疫人群，不再受此次事件影響；（4）在此次輿情事件中，事件是孤立的，沒有其他次生輿情事件的交叉影響；（5）網(wǎng)絡(luò)環(huán)境暢通良好，不存在網(wǎng)速過慢、媒體等信息平臺無法使用的影響；（6）不考慮此次網(wǎng)絡(luò)涉恐輿情事件的二次演變。

1.4 涉恐網(wǎng)絡(luò)輿情傳播變量之間方程式

1.4.1 概念界定

總?cè)藬?shù)：網(wǎng)民總量；涉恐網(wǎng)絡(luò)易感人群：在網(wǎng)絡(luò)中，較易受到網(wǎng)絡(luò)涉恐輿情事件感染的網(wǎng)民；涉恐網(wǎng)絡(luò)傳播人群：在網(wǎng)絡(luò)中已受到涉恐輿情事件影響且將該輿情事件進行傳播的人群；涉恐網(wǎng)絡(luò)免疫人群：已充分了解該涉恐網(wǎng)絡(luò)輿情事件，不再受到此次輿情事件的影響。

1.4.2 模型主要變量之間的關(guān)系及參數(shù)

（1）人群總數(shù)=涉恐易感人群+涉恐已感染人群+涉恐免疫人群。

（2）傳播速率=涉恐易感人群×接觸后相信比例×接觸速率×（涉恐已感染人群/總?cè)藬?shù)）。

（3）接觸速率=8（人×次）/天，其含義是：一個人在一天中通過網(wǎng)絡(luò)接觸8人。

（4）接觸后相信比例=15%（人×次），其含義是：在易感人群中每一個人接觸一次涉恐輿情事件信息時，有15%的概率受到傳染相信該涉恐網(wǎng)絡(luò)輿情事件。

（5）引導(dǎo)速率=涉恐已感染人群/引導(dǎo)時間。

（6）引導(dǎo)時間=10 d，其含義是：經(jīng)過10 d的引導(dǎo)，涉恐已感染人群能轉(zhuǎn)變?yōu)樯婵置庖呷巳骸?/p>

2 仿真結(jié)果與分析

2.1 在既定參數(shù)下模型運行結(jié)果

假定網(wǎng)民總數(shù)為100 000人，設(shè)定初始有1人為涉恐已感染者，99 999人為涉恐易感人群，0人為涉恐免疫人群，即無人對此次事件免疫。在不改變參數(shù)的情況下，涉恐易感人群、涉恐已感染人群、涉恐免疫人群變化趨勢、傳播速率、引導(dǎo)速率變化趨勢如圖3所示。

2.2 政策設(shè)計

2.2.1 接觸速率改變

系統(tǒng)初始設(shè)定接觸速率為8人/天，現(xiàn)分別將其改變?yōu)?人/天、12人/天，涉恐已感染人群數(shù)量變化趨勢如圖4所示。

由圖4可知，涉恐已感染傳播人群數(shù)量的變化趨勢隨著接觸速率的改變呈現(xiàn)出不同的變化趨勢，接觸速率越大，曲線到達峰值的時間越短、數(shù)值越大，曲線傾斜度變化越大。

2.2.2 接觸后相信比例改變

在此模型中，初始接觸后相信比例為15%，現(xiàn)分別將其改變?yōu)?0%和20%進行模擬仿真，涉恐已感染人群數(shù)量變化趨勢分別如圖5所示。

由圖5可知，當接觸后相信比例增大時，曲線到達峰值的時間越短，峰值的數(shù)值越大；當接觸后相信比例減小時，曲線到達峰值的時間延長、數(shù)值變小、曲線更加平緩。

2.2.3 引導(dǎo)時間改變

模型初始設(shè)置的引導(dǎo)時間為10 d，現(xiàn)在分別將其改變?yōu)? d和14 d。涉恐免疫人群數(shù)量的變化趨勢如圖6所示。

由圖6可知，引導(dǎo)時間越小，曲線的上升的時間愈快，這說明相關(guān)部門的引導(dǎo)力度加大，將引導(dǎo)為涉恐免疫人群的時間縮小，以更短的時間將該涉恐網(wǎng)絡(luò)輿情事件平息。

2.2.4 涉恐易感人群數(shù)量改變

模型初始設(shè)置涉恐易感人群數(shù)量為99 999人，現(xiàn)將其改變?yōu)?9 999人，涉恐免疫人群的數(shù)量為50 000人。涉恐易感人群、涉恐已感染人群、涉恐免疫人群數(shù)量變化趨勢如圖7所示。

如圖7所示，相較于圖3，涉恐易感人群轉(zhuǎn)變?yōu)樯婵忠迅腥救巳骸⑸婵忠迅腥救巳恨D(zhuǎn)變?yōu)樯婵置庖呷巳旱那€變化更加平緩，涉恐輿情事件爆發(fā)的高峰期更加滯后。

3 結(jié)語

通過基于SIR傳染病模型對網(wǎng)絡(luò)涉恐輿情傳播過程進行系統(tǒng)動力學(xué)模擬仿真，設(shè)定網(wǎng)絡(luò)中各類人群的狀態(tài)及初始值，使用動力學(xué)軟件模擬網(wǎng)絡(luò)涉恐輿情傳播過程，提出以下建議：（1）降低網(wǎng)絡(luò)涉恐易感人群的接觸速率。當接觸速率降低時，可使網(wǎng)絡(luò)中涉恐易感人群轉(zhuǎn)變?yōu)樯婵忠迅腥救巳旱臅r間延后，速度變慢，相關(guān)部門應(yīng)對的時間更加充足，出現(xiàn)網(wǎng)絡(luò)輿情危機的可能性降低。因此在輿情傳播過程中，必要情況下政府部門可以通過刪除信息、屏蔽網(wǎng)頁，甚至斷網(wǎng)的措施降低涉恐易感人群的接觸速率。這種措施雖然對于降低涉恐接觸速率十分有效，但不可長期使用，會增加網(wǎng)民對政府的不信任感，降低政府的公信力。（2）減少網(wǎng)絡(luò)涉恐易感人群的相信比例，并降低網(wǎng)絡(luò)涉恐易感人群的數(shù)量。加強對網(wǎng)絡(luò)中網(wǎng)民綜合素質(zhì)的培養(yǎng)，提高社會網(wǎng)民整體學(xué)歷水平，推進政府信息公開，倡導(dǎo)積極的網(wǎng)絡(luò)文化，建立穩(wěn)定有序的輿論環(huán)境，不信謠、不傳謠，使更多的網(wǎng)民成為理性的涉恐免疫者。（3）增大引導(dǎo)速率。加強引導(dǎo)速率增大措施，對于處理涉恐輿情的傳播是極為有效的。政府在引導(dǎo)時扮演的角色極為重要，政府應(yīng)將官方輿論場與民間輿論場打通，及時調(diào)查事實真相，公布事件的最新進展，采取有效的措施，做好事件的處理工作，提高網(wǎng)民的信任度，有效控制涉恐輿情事件的發(fā)展，減少次生輿情事件的發(fā)生。

參考文獻

[1] 第39次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201701/t20170122_66437.htm.

[2] Mengshu Xie，Zhen Jia，Yanfei Chen，et al. Simulating the Spreading of Two Competing Public Opinion Information on Complex Network[J].Applied Mathematics，2012，3（9）.

[3] 黃微，李瑞，孟佳林.大數(shù)據(jù)環(huán)境下多媒體網(wǎng)絡(luò)輿情傳播要素及運行機理研究[J].圖書情報工作，2015（21）：38-44，62.

[4] 蘇國強，蘭月新.基于SIR的突發(fā)事件網(wǎng)絡(luò)謠言擴散模型研究[J].武警學(xué)院學(xué)報，2013（4）：90-92.

[5] 曹帥，蘭月新，蘇國強，等.基于移動平均法的微博輿情預(yù)測模型研究[J].湖北警官學(xué)院學(xué)報，2014（3）：40-42.

[6] 李旭.社會系統(tǒng)動力學(xué)：政策研究的原理、方法和應(yīng)用[M].上海：復(fù)旦大學(xué)出版社，2009：19-42.