化工園區突發事件情景下的群體行為模擬演化研究*

宋　健，張明廣，王雪棟，陳福真，鄭　峰

(南京工業大學 安全科學與工程學院，江蘇 南京 210009)

0　引言

化工園區突發事件是指突然發生于化工園區或化工集聚區域的，具有嚴重的破壞效應和潛在的危害，同時能夠帶來重大的社會影響、引起極大的公眾心理恐慌和群體行為的化工事件。目前，隨著“退城入園”政策實施，化工園區得到了快速發展，省級以上的化工開發區就已達到380余家[1]。與此同時，化工事故的頻繁發生，造成了巨大的人員傷亡和財產損失，甚至引發公眾恐慌，對社會安全和公眾生活環境造成嚴重影響[2-3]。而隨著近年網絡技術的快速發展與廣泛應用，信息交互程度越來越高，一旦某個化工園區發生突發事件，短時間內就會被相關報道轉載、快速傳播，極易引發突發事件群體行為，甚至由于政府信息不夠公開、公眾情緒化等原因，導致激烈的群體行為態勢。因此，如何應對群體行為傳播問題，是政府對化工突發事件群體行為管控的主要課題[4-5]。

目前，國內外學者針對突發事件情景下的群體行為進行了研究，Ebihara等[6]對緊急疏散情景下的群體行為進行了模擬仿真；Duggan等[7]突出危機情景下的信息傳播模式，分析信息傳播者與接受者的影響因素；Li[8]研究群體中個人敏感性影響群體行為傳播的機理；Zanette[9]運用社會動力學模型，計算動態小世界網絡下的群體行為；溫寧等[10]建立城市危機事件演化數理模型，考慮了群體因素的作用、忽略了政府職能部門的影響；Hosseini[11]在SEIRS傳播網絡基礎上，構建一個新的SEIRS-V謠言模型，模型當中涉及傳播主體的影響因素較多，但缺乏對傳播過程中外源因素的考慮；Qian[12]提出一個改進型Lyapunov函數來研究行為傳播模型，論述了局部穩定性的條件與基本再生數有關，但沒有考慮到外部因素對行為傳播過程的影響。目前，突發事件群體行為研究偏重于定性研究，而定量研究較少，并且定量研究多側重對群體不同特征的行為模擬，缺乏化工園區突發事件中政府對群體行為管理與控制方面的研究。

圖1　化工園區突發事件群體行為因果關系Fig.1　Causality for the unconventional emergency group behavior in chemical industry park

綜上，本文結合系統動力學的原理及方法，研究政府、網媒、公眾和事件4個主體對群體行為態勢以及傳播人數的影響機理，并運用Vensim軟件對化工園區突發事件情景下的群體行為態勢以及傳播人數進行動態演化模擬分析，相關結果可以為化工園區突發事件情景下的群體行為決策和預防工作提供參考。

1　化工突發事件群體行為因果關系構建

1.1　群體行為影響因素分析

化工突發事件情景下，參與群體行為的社會公眾具有盲目模仿性、無目標性、應激性和短期性等特征。群體行為主要由3個要素構成：群體活動、群體結構和公眾情緒，這3個因素的協同耦合作用就構成了群體行為[13]。

化工園區突發事件群體行為動態演化系統本身具有一定的復雜程度，演化系統中各因素之間交叉作用。化工突發事件的發生，通常因事件的公眾度和敏感性作用較大，會引起公眾的關注與討論，甚至引發社會恐慌[14-15]。一般來說，群體行為的傳播包括：人際傳播和網絡媒體傳播2種主要方式，即線下網絡與線上網絡。而群體行為多起源于網絡媒體，網絡媒體對于群體行為的發展演化尤為關鍵，網絡媒體關注度與公眾參與度的提高將直接促進群體行為態勢的發展，進而將群體行為推向新的高潮。與此同時，政府又是控制群體行為態勢、疏導公眾情緒的重要力量，因此，當化工突發事件發生后，政府應密切關注群體行為態勢的發展，通過官方新聞及時公開事件信息，弱化公眾情緒，降低群體行為態勢。在整個群體行為演化過程中，除了突發事件公眾度和事件敏感性驅動著群體行為的發生、轉化以及蔓延之外，同時也會受到外部驅動力的作用，通常的演化過程都是基于內外部雙重作用，對社會文化、公眾心理、網絡秩序以及政府調控能力產生影響。一方面，突發事件、社會公眾以及媒體3個驅動力促進群體行為的產生，從而導致群體行為傳播人數的增加；另一方面，政府也會及時管理與控制群體行為的蔓延以及群體行為傳播人群的增加。因此，化工園區突發事件群體行為的動態演化系統可由政府、媒體、社會公眾和事件共同組成[16]。

1.2　群體行為因果關系圖

根據上述群體行為動態演化系統影響因素分析，得到化工園區突發事件群體行為因果關系圖，如圖1所示。由圖1可知，因果關系圖中存在5條因果反饋回路：

1)負反饋回路1：政府調控速率↑—理性免疫人群↑—群體行為傳播人群↓—政府調控速率↑。

2)負反饋回路2：群體行為傳播人群↑—易惑人群↓—群體行為傳播速率↑—群體行為傳播人群↑。

3)正反饋回路3：群體行為態勢↑—公眾對事件的關注水平↑—帖子瀏覽量↑—論壇帖子數量↑—公眾參與度↑—群體行為態勢↑。

4)正反饋回路4：群體行為態勢↑—事件嚴重度↑—網絡新聞數量↑—網媒關注度↑—群體行為態勢↑。

5)負反饋回路5：群體行為態勢↑—事件嚴重度↑—網絡新聞數量↑—官方新聞數量↑—官方響應力度↑—政府調控水平↑—群體行為態勢↓。

2　化工園區突發事件群體行為SD模型

2.1　模型邊界與條件設定

在構建系統流圖與動態數學模型之前，綜合文獻調研結果以及專家意見，對化工園區突發事件群體行為動態演化系統中的邊界條件進行如下設定：

1)化工突發事件影響范圍內的公眾人數設為常數N。

2)系統中不考慮次生及其衍生事故的協同或耦合效應，即群體行為發生過程中僅有單次觸發的化工突發事件。

3)系統中的化工突發事件界定為：化工突發事件發生，導致或者將會帶來公眾恐慌甚至嚴重社會危害的公共安全事件。

4)群體行為的傳播具有一定的可控性。引發群體行為的公眾，經過一段時間了解事件過程，不再隨意傳播、不再存在消極情緒。

5)政府在群體行為演化過程中，是積極主動應對的，并且是有能力處理突發事件、疏導公眾情緒的官方機構。

2.2　模型構建

基于系統動力學的原理和方法，并結合5條反饋回路相互間的關系，構建化工園區突發事件群體行為動態演化系統動力學模型，如圖2所示。

圖2　化工園區突發事件群體行為系統模型Fig.2　Model for the unconventional emergency group behavior in chemical industrial park

2.3　SD模型變量匯總

構建的系統動力學模型中包含多個狀態變量、速率變量、輔助變量、影子變量和常量，匯總結果如表1所示。

表1　群體行為動態演化系統各變量匯總

2.4　SD仿真方程構建

系統動力學軟件—Vensim中提供多種類型的函數，如指數函數、延遲函數、積分函數等，以便于建模時建立函數關系和調試模型[17]。主要系統變量參數之間的函數關系式如表2所示。

表2　主要變量關系式

3　化工園區突發事件群體行為系統模擬與分析

3.1　實例選取與參數設定

2007年以來，多地先后發生一系列“PX事件”，由于化工突發事件可能對公眾的生命及財產安全構成嚴重威脅，故使得人們對化工突發事件更加恐慌，最終引發大規模的群體行為，造成群體性事件的發生。因此，本文選取2013年某地化工園區發生的“PX事件”為實例。

2013年某月，發生“PX事件”所在地的居民在街頭示威游行，對PX項目落戶當地表示強烈不滿，瞬間引發了激烈的群體行為，在持續3天左右后，群體行為達到最高點，之后的半個月后，群體行為的熱度才得以逐漸平息。基于此，本文設定化工突發事件群體行為發生的15 d為仿真時長，步長為1 d，以此研究群體行為與傳播人數隨時間的動態演化過程[18]。

3.2　模擬分析

化工園區突發事件群體行為的動態演化系統由政府、媒體、社會公眾和突發事件4個主體構成，系統中的諸多變量都對群體行為演化產生不同的影響，綜合專家學者們的研究成果[19-20]，本文選取在演化結果中較有代表性的輔助變量作為分析參數，對群體行為態勢以及群體行為傳播人群進行敏感性研究。

3.2.1事件影響力

化工突發事件由于其影響力較大，一旦發生，會在短時間內發展成為公眾關注的焦點。突發事件的影響力取決于突發事件的公眾度與突發事件的敏感度，其中，事件的敏感度是指化工突發事件涉及的敏感因素程度。圖3中，曲線2是群體行為態勢與群體行為傳播人數的初始曲線，曲線1和曲線3分別是將事件影響力降低20%、提高20%后，群體行為態勢和群體行為傳播人群曲線。如圖3所示，群體行為可分為3個階段：發展期、高潮期與回落期。

圖3　事件影響力對群體行為的影響Fig.3　The event's influence on group behavior

1)第1階段(0—1 d)：由于群體行為傳播人群在不斷轉化、醞釀，整體態勢不高，但群體行為增速較快。

2)第2階段(1—7 d)：傳播人群在網絡媒介的推動下不斷增長，并在大約第4 d左右達到峰值，此階段群體行為態勢一直處于激烈狀態。

3)第3階段(7—15 d)：傳播人數在政府不斷采取措施疏導公眾情緒、控制群體行為態勢的情況下，逐漸降低，并逐漸趨于平穩狀態。

通過敏感性分析可以看出，事件影響力越大，越會引起強烈的群體行為態勢，反之亦然；但由于事件的影響力大小通常是政府管控的直接因素，所以事件影響力對于傳播人數的影響偏小。事件影響力與二者之間存在正相關關系。

3.2.2公眾情緒

趙衛東[21]在研究突發事件情緒傳播機制中，將情緒分為積極情緒和消極情緒2種，因此本文將公眾情緒的系數設為：消極/積極=0.5。圖4中，曲線2是初始狀態下的曲線，曲線1和曲線3是將公眾情緒分別降低20%和提高20%后，得到的行為態勢與傳播人群的曲線。

如圖4所示，改變公眾情緒對群體行為傳播人群數量影響較大。當公眾的消極情緒占據主導地位時，公眾更易激動、容易跟風，并迅速地轉變為群體行為傳播人群；當積極情緒處于較高水平，此時由于理性的公眾數量占比較多，群體行為傳播人群減少，群體行為態勢得到很好的控制。

通過敏感性分析得到，公眾情緒的激化會使得群體行為態勢增加，傳播人群迅速增長。隨著時間的推進，由于政府疏導公眾情緒力度加大，傳播人群也會逐漸轉變成理性人群，群體行為態勢逐漸冷卻。公眾情緒與二者之間存在負相關關系。

圖4　公眾情緒對群體行為的影響Fig.4　The influence of emotion on group behavior

3.2.3政府公信力

政府公信力主要由政府的號召力與影響力決定，體現出公眾對政府的認可與信任程度[22]。圖5中，曲線2是初始行為態勢與傳播人群曲線，曲線1和曲線3是分別將政府公信力降低20%和提高20%后，得到的行為態勢與傳播人群的曲線。

如圖5所示，提高政府公信力會降低群體行為態勢和傳播人群數量，但由于政府公信力對人群數量的影響具有一定的延遲效應，因此大概在第4或第5 d之后，人數才會明顯的下降；降低政府公信力，會使公眾降低對政府的認可和信任程度，一旦政府不能及時有效地干預群體行為的發展，就會加速群體行為發展。

因此，通過敏感性分析得到，提高政府公信力能夠降低群體行為態勢，有效減少群體行為傳播人群數量；反之，降低公信力也會造成行為態勢的升高，傳播人群的增加。政府公信力與二者是負相關關系，政府公信力的提高將對政府應對化工突發事件起到一定的積極作用。

圖5　政府公信力對群體行為的影響Fig.5　The influence of government's trustiness on group behavior

4　突發事件群體行為應爭對策

1)突發事件影響力主要由事件的敏感度和事件公眾度決定，影響力的增加會使得群體行為態勢升溫。因此，對于一些容易引發社會公眾討論的事件、涉及到公眾人身安全與利益的公眾性事件，政府部門應當把公眾的利益擺在首位，妥善處理。對突發事件進行分類管控，正確引導社會公眾，避免因群體行為和群體行為傳播人群失控引發更大的問題。

2)提高公眾的積極情緒有利于控制群體行為態勢。突發事件發生之前，政府應當向公眾傳播相關應急知識，避免事件狀態下公眾盲目跟風；當突發事件發生之后，政府部門應及時通過權威途徑公開突發事件真實信息，減少公民情緒化程度。同時鼓勵相關專家學者公開發聲，避免公眾情緒進一步擴散。

3)提升政府公信力對群體行為的引導具有積極作用。政府部門應提高自身形象，進而提升公眾對政府部門的認可度與信任度，使政府在管控群體行為方面發揮積極作用。

5　結論

1)化工園區突發事件情景下的群體行為系統是一個動態演化系統，該系統中，群體行為態勢和群體行為傳播人群主要受突發事件影響力、公眾情緒和政府公信力等因素的影響。

2)受“成長上限基模”影響，群體行為態勢與群體行為傳播人群整體呈“迅速上升→緩慢下降→漸趨平穩”的變化趨勢；群體行為態勢在前期迅速達到最值，推動著群體行為傳播速率的增加，持續一段時間后，群體行為傳播人數達到極值并逐漸減緩。政府應在事件發生初期積極應對，減少受化工園區突發事件影響人數的增加，減緩事態的發展速度。

3)結合敏感性分析，提高政府部門公信力，公開事件真實信息，同時正確疏導公眾情緒，加大事件公開度，降低事件影響力，是應對化工園區突發事件群體行為的重要舉措。

4)本文僅考慮了突發事件中群體行為的特征因素，并未對個體自身行為特征進行全面探討，這也將是未來重點研究方向之一。

[1]陳曉董，師立晨，劉驥， 等.化工園區安全風險容量探討[J].中國安全科學學報，2009,19(3)：132-137.

CHEN Xiaodong, SHI Lichen, LIU Ji, et al. Study on the appropriate risk capacity of chemical industry park[J].China Safety Science Journal, 2009, 19(3): 132-137.

[2]趙云鋒.非常規突發事件的應急管理研究[D].上海：復旦大學，2009.

[3]馬克, 劉巖. 突發風險事件的不確定性與應急管理創新[J]. 社會科學戰線, 2011(8):1-5.

MA Ke, LIU Yan. The Uncertainty of unconventional accidents and innovation of management[J].Social Science Front, 2011(8): 1-5.

[4]蘭月新. 突發事件網絡謠言傳播規律模型研究[J]. 圖書情報工作, 2012, 56(14):57-61.

LAN Yuexin. Propagation model of emergency network rumor[J].Library and Information Service, 2012, 56(14)：57-61.

[5]王雪棟, 張明廣, 錢城江,等. 化工園區事故社會群眾風險感知動態模擬研究[J]. 中國安全科學學報, 2016, 26(1):169-174.

WANG Xuedong, ZHANG Mingguang, QIAN Chengjiang, et al. Dynamic simulation of lay public＇s perception of risk in chemical industry park[J]. China Safety Science Journal, 2016, 26(1): 169-174.

[6]EBIHARA M, OHTSUKI A, IWAKI H. A model for simulating human behavior during emergency evacuation based on classificatory reasoning and certainty value handling[J]. Computer-aided Civil & Infrastructure Engineering, 1992, 7(1):63-71.

[7]DUGGAN F, BANWELL L. Constructing a model of effective information dissemination in a crisis[J].Information Research, 2004, 9(3): 9-13.

[8]LI D, MA J. How the government’s punishment and individual’s sensitivity affect the rumor spreading in online social networks[J]. Physica A, 2017, 469: 284-292.

[9]ZANETTE D H. Dynamics of rumor propagation on small-world networks[J]. Physical Review E, 2002, 65(4): 041908.

[10]溫寧, 劉鐵民. 城市重大危機事件演化的動力學模型研究[J]. 中國安全生產科學技術, 2011, 7(1):10-13.

WEN Ning, LIU Tiemin. Research on dynamics modeling of urban major crisis evolution[J].Journal of Safety Science and Technology, 2011, 7(1)：10-13.

[11]HOSSEINI S, AZGOMI M A. A model for malware propagation in scale-free networks based on rumor spreading process[J]. Computer Networks, 2016, 108(C):97-107.

[12]QIAN T, TENG Z, ABDURAHMAN X. A new lyapunov function for sirs epidemic models[J]. Bulletin of the Malaysian Mathematical Sciences Society, 2017, 40(1):237-258.

[13]斯蒂芬·P·羅賓斯.組織行為學[M]. 北京: 中國人民大學出版社, 2005.

[14]魏玖長. 危機事件社會影響的分析與評估研究[D]. 合肥：中國科學技術大學, 2006.

[15]陳鵬, 陳建國, 袁宏永. 群體性暴力行為的多主體建模研究綜述與思考[J]. 系統仿真學報, 2015, 27(3):439-447.

CHEN Peng, CHEN Jianguo, YUAN Hongyong. Revision and thinking about agent-based modeling research to group violent activity[J].Journal of System Simulation，2015,27(3)：439-447.

[16]張一文, 齊佳音, 馬君,等. 網絡輿情與非常規突發事件作用機制——基于系統動力學建模分析[J]. 情報雜志, 2010, 29(9):1-6.

ZHANG Yiwen, QI Jiayin, MA Jun, et al. Research on the mechanism of public opinion on internet for abnormal emergency based on the system dynamics modeling[J].Journal of Intelligence,2010,29(9):1-6.

[17]王其藩.系統動力學[M].2009年修訂版.上海：上海財經大學出版社，2009.

[18]高航，丁榮貴.基于系統動力學的輿情風險模型仿真研究[J].情報雜志，2014,33(11)：7-13.

GAO Hang, DING Ronggui. Research on modeling and simulation of risk of internet public opinion based on system dynamics[J].Journal of Intelligence, 2014, 33(11): 7-13.

[19]杜蓉, 梁蕾, 王寧. 基于社會物理學的群體性突發事件演化及仿真——群體意見和行為的演化研究[J]. 復雜系統與復雜性科學, 2015, 12(3):61-69.

DU Rong, LIANG Lei, WANG Ning. A simulation study on the mass emergency evolution based on the social physics-evolution of community advice and behavior[J].Complex Systems and Complexity Science, 2015, 12(3):61-69.

[20]陳福集，葉萌.系統動力學視角下政府回應網絡輿情的能力提升研究[J].情報雜志，2013,32(11)：121-127.

CHEN Fuji, YE Meng. Improving government's ability in responding to internet public opinion: a system dynamics perspective[J].Journal of Intelligence, 2013, 32(11):121-127.

[21]趙衛東, 趙旭東, 戴偉輝,等. 突發事件的網絡情緒傳播機制及仿真研究[J]. 系統工程理論與實踐, 2015, 35(10):2573-2581.

ZHAO Weidong, ZHAO Xudong, DAI Weihui, et al. Emotion propagation mechanism of emergency events in cyber space and simulation[J].System Engineering-Theory&Practice,2015,35(10):2573-2581.

[22]余樂安, 李玲, 武佳倩,等. 基于系統動力學的危化品水污染突發事件中網絡輿情危機應急策略研究[J]. 系統工程理論與實踐, 2015, 35(10):2687-2697.

YU Lean, LI Ling, WU Jiaqian, et al. Emergency policy exploration for network public opinion crisis in water pollution accident by hazardous chemicals leakage based on systematic dynamics[J].System Engineering-Theory&Practice, 2015, 35(10): 2687-2697.