馮平耀， 王一伊

(中國(guó)人民公安大學(xué)，北京 100038)

0 引言

世界各國(guó)在發(fā)展的過(guò)程中無(wú)不遭受由政治、經(jīng)濟(jì)、宗教、種族、環(huán)保等敏感因素激發(fā)的群體性事件所困擾，這已經(jīng)成為影響當(dāng)今世界穩(wěn)定的一個(gè)突出問(wèn)題。在過(guò)去的10多年里，群體性事件增長(zhǎng)了10倍以上，隨著數(shù)量的不斷增長(zhǎng)，群體性事件的表現(xiàn)形式等各方面與以往的群體性事件有明顯的不同［1-2］。分析研究群體性事件各個(gè)方面的性質(zhì)，對(duì)維護(hù)國(guó)家安全和保護(hù)人民財(cái)產(chǎn)安全是至關(guān)重要的。群體性事件大致又可分為4大類:“有組織-有直接利益訴求”群體性事件、“有組織-無(wú)直接利益訴求”群體性事件、“無(wú)組織-有直接利益訴求”群體性事件和“無(wú)組織-無(wú)直接利益訴求”群體性事件［3］。群體性事件是個(gè)很復(fù)雜的社會(huì)現(xiàn)象，對(duì)于復(fù)雜系統(tǒng)來(lái)說(shuō)已有的基于還原論的建模方法不能很好地刻畫復(fù)雜系統(tǒng)，而基于Agent的建模仿真方法，能夠?qū)?fù)雜系統(tǒng)中個(gè)體的微觀行為與系統(tǒng)的整體屬性有機(jī)地結(jié)合起來(lái)［4］。很多事例已經(jīng)證明計(jì)算機(jī)建模仿真為研究群體性事件提供了一個(gè)更加簡(jiǎn)便和直觀有效的方法。

Agent是指組成復(fù)雜系統(tǒng)并且具有自主性、社會(huì)性、反應(yīng)性和能動(dòng)性的個(gè)體，他們能根據(jù)環(huán)境的變化而改變自己的行為?；贏gent的建模和仿真(Agent-basedmodelingandsimulation，ABMS)是一個(gè)新的建模方法并且在仿真建模方面取得了很大的成就。多Agent仿真是一種使用計(jì)算機(jī)的方法，允許建造一個(gè)能填充自治Agent的虛擬環(huán)境，并且這些Agent是能相互作用的［5］。Epstein建立和研究了一個(gè)有意義的基于Agent市民暴亂計(jì)算模型，并講述了2種類型的市民暴亂模型［6］。通過(guò)仿真，他的模型顯示了叛亂爆發(fā)規(guī)模的分布以及在爆發(fā)之間等待時(shí)間的分布表現(xiàn)出了某種規(guī)律性;但是這個(gè)模型在反映人們是否參加暴亂事件上過(guò)于簡(jiǎn)單，并且沒(méi)有細(xì)致地分析參加事件的人之間的相互作用。MANA模型，一個(gè)Epstein的擴(kuò)展模型，介紹了Agents的純隨機(jī)移動(dòng)的策略［7］。Cui等建立了一個(gè)基于多A-gent的叛亂戰(zhàn)爭(zhēng)仿真的粒子群社會(huì)使用模型，其中的粒子既有個(gè)體學(xué)習(xí)能力也有社會(huì)學(xué)習(xí)能力［8］。Egesda等介紹了一個(gè)基于Agent的模型來(lái)仿真幫派犯罪［9］。

本文提出了一個(gè)基于Agent的模型來(lái)仿真“無(wú)組織-無(wú)直接利益訴求”的群體性事件。這類事件表現(xiàn)為先是少數(shù)人的聚集，然后大量圍觀群眾的加入，再到滋事分子把事件進(jìn)一步擴(kuò)大。本文分析了這類群體性事件的特點(diǎn)以及人群行為，通過(guò)對(duì)這一類型事件的特點(diǎn)以及大量群體性事件相關(guān)的研究，把Agent分成了3個(gè)不同的類型:積極Agent、行人Agent和不法Agent，并定義了影響個(gè)體行為的不滿程度、對(duì)成功的預(yù)測(cè)、凈風(fēng)險(xiǎn)、苦難程度、合法性、政治機(jī)遇、討厭風(fēng)險(xiǎn)程度和被捕概率這些因素;通過(guò)實(shí)驗(yàn)仿真得出了不同因素對(duì)個(gè)體行為影響的權(quán)重，以期為公安機(jī)關(guān)提供應(yīng)對(duì)處置這一類型事件的方法與策略。

1 理論方法

在本文中，Agent被看成是群體中的個(gè)體，Agents是群體，并定義決定Agent是否參加事件的3個(gè)變量:不滿、對(duì)成功的預(yù)期和凈風(fēng)險(xiǎn)。用函數(shù)表達(dá)如下:

在這里，k1+k2=1;F(P)表述事件發(fā)生的可能性，當(dāng)F(P)＞0時(shí)一個(gè)Agent參加事件，當(dāng)F(P)≤0的時(shí)候則不會(huì)參加;G表示個(gè)體感知的不滿;C表述為對(duì)成功的預(yù)期;N為凈風(fēng)險(xiǎn)。在本文中用k1和k2的不同取值來(lái)描繪不同類型的Agent。當(dāng)k1＞k2時(shí)，說(shuō)明在影響Agent的不同因素中，不滿這個(gè)因素的權(quán)重較高;當(dāng)k2＞k1時(shí)，表示個(gè)體更加關(guān)心的是事件成功與否。

1.1 不滿

不滿的產(chǎn)生一般來(lái)說(shuō)是對(duì)生活環(huán)境(包括經(jīng)濟(jì)的、政治的，等等)的不滿意度。在本文中，為了簡(jiǎn)化模型，我們根據(jù)Epstein模型，不滿用2個(gè)變量表示:困難情況(H)和合法性(L)。

H是Agent感知到的困難。在模型中，為了更加體現(xiàn)Agent之間的相互差異性，我們假設(shè)H的取值從0.00 到1.00。

另一個(gè)重要的因素就是合法性L，它被定義為對(duì)權(quán)力機(jī)關(guān)或某個(gè)團(tuán)體的行為感知是否合法合理。在本文中，每個(gè)Agent的合法性是不同的，在0.00到1.00之間隨機(jī)取值。一個(gè)Agent的不滿度由下列函數(shù)得出:

因此不滿度G由困難H和不合法性(1-L)的乘積決定。如果合法性是很高的(即L=1)，那么個(gè)體就不會(huì)由于感知到困難而產(chǎn)生不滿。

1.2 對(duì)成功的預(yù)測(cè)

一個(gè)事件的發(fā)生，不能簡(jiǎn)簡(jiǎn)單單地歸結(jié)為一種原因，例如一些Agent之所以加入到事件中來(lái)，還考慮這個(gè)事件能否成功，成功的概率有多大;因此在仿真中，我們定義它為“對(duì)成功的預(yù)測(cè)”，用C表示，“對(duì)成功的預(yù)測(cè)”在這里的意思是群體性事件所產(chǎn)生的效果能否達(dá)到預(yù)期的目的。

同樣地，對(duì)于不同的Agent而言，其“對(duì)成功的預(yù)測(cè)”當(dāng)然是不相同的，因此在本文中定義它的取值從0.00到1.00。當(dāng)Agent認(rèn)為事件有很高的成功的機(jī)會(huì)時(shí)(即C等于1)，這個(gè)Agent參加這個(gè)事件的概率就會(huì)提高;但并不是說(shuō)Agent就一定參加事件，因?yàn)槊總€(gè)A-gent還要考慮在行動(dòng)中承受的風(fēng)險(xiǎn)。

1.3 凈風(fēng)險(xiǎn)

Agent除了考慮不滿和“對(duì)成功的預(yù)測(cè)”外，還考慮一個(gè)重要的因素——凈風(fēng)險(xiǎn)N。在現(xiàn)實(shí)生活中，人們的性格不一樣(例如有的害怕麻煩，而有的喜歡冒險(xiǎn))，本文定義它為討厭風(fēng)險(xiǎn)的程度R。還有，人們考慮是否要加入事件的時(shí)候，常常會(huì)受很多外部情況的影響，例如，警察的態(tài)度是什么，警察到達(dá)的時(shí)候有多大機(jī)會(huì)逃離，等等，在這里，我們定義它為被捕概率P1。

本文對(duì)Epstein關(guān)于凈風(fēng)險(xiǎn)N的方程式作了一些改進(jìn)，定義N的函數(shù)為

在這里R為討厭風(fēng)險(xiǎn)的程度，P1表示被逮捕的概率。由于Agent之間的異質(zhì)性，設(shè)置R在(0，1)之間隨機(jī)取值。

眾所周知，有的群體性行為是合法的，正常情況下警察是不會(huì)制止這類事件發(fā)生的;因此本文定義了“政治機(jī)遇”為測(cè)量對(duì)集體行為是否采取鎮(zhèn)壓手段的一個(gè)指標(biāo)。被逮捕的概率P1由下列函數(shù)得到:

在這里k是常量，C表示警察的數(shù)量，A表述Agent的數(shù)量，注意在這里A最少為1，V表示Agent的視線，PO表示“政治機(jī)遇”。

在這里，當(dāng)Po=1時(shí)，Agent的被捕概率就是關(guān)于(C/A)V的函數(shù)，但是當(dāng)Po=0時(shí)，那么被逮捕的概率就為0，V表示的是一個(gè)Agent的視線。在研究中，為了簡(jiǎn)化模型，我們把所有Agent的視線都定義為一樣，都把它定義為全局(整個(gè)仿真界面)。

2 Agent的分類

根據(jù)對(duì)典型“無(wú)組織-無(wú)直接利益訴求”群體性事件的個(gè)體行為的分析，參加事件的人大致可分為3個(gè)類型:事件直接關(guān)系人、前來(lái)圍觀的路人和滋事分子。為了仿真這類群體性事件，就必須有多種類型的Agent，因此在本文中，把Agent分成3個(gè)類型:積極Agent、行人 Agent和不法 Agent。對(duì)應(yīng)于真實(shí)事例，積極Agent就是事件直接關(guān)系人;行人Agent被定義為了解積極Agent作出過(guò)激行為的原因或者受到蒙騙而加入事件的人，或者遠(yuǎn)離事件的人;不法Agent被定義為滋事分子。為了簡(jiǎn)化我們的模型，對(duì)不法Agent的行為就不作過(guò)多的分析。

1)積極Agent。在我們研究的這類事件中，積極Agent一般來(lái)說(shuō)人數(shù)不會(huì)很多，一般也就幾個(gè)到十幾個(gè)。積極Agent采取行動(dòng)前不會(huì)過(guò)多地考慮事件能否成功，驅(qū)使他們行動(dòng)的主要因素就是為了發(fā)泄不滿。

因此，基于公式F(P)=k1G+k2C-H，在本文中設(shè)置 k1=0.8，k2=0.2來(lái)描繪積極 Agent的行為，換句話說(shuō)，在積極Agent決定是否采取行動(dòng)時(shí)80%考慮不滿，20%考慮能否成功。

2)行人Agent。在我們研究的事件類型中，行人Agent數(shù)量最多，是事件的主體。在仿真中，設(shè)置k1=0.5，k2=0.5，來(lái)描繪行人 Agent行為。

3)不法 Agent。不法 Agent開始同行人 Agent一樣，但是當(dāng)他們判定能從事件中得到好處之后，便會(huì)為了自己的個(gè)人目的而加入到事件中來(lái)并通過(guò)欺騙、煽動(dòng)等手段來(lái)使事件擴(kuò)大。在仿真中，我們?cè)O(shè)置k1=0.2，k2=0.8 來(lái)描述不法 Agent的行為。

3 實(shí)驗(yàn)與分析

在仿真中，首先定義3種圖形的Agent，圓形代表積極Agent，三角形代表行人Agent，X形Agent代表警察，并定義影響一個(gè)Agent行為的因素:感知困難H、合法性L、對(duì)成功的預(yù)測(cè)C和討厭風(fēng)險(xiǎn)程度R，其取值分為低、中、高和超高4個(gè)等級(jí)，每個(gè)等級(jí)的具體取值范圍如表1。

表1 不同等級(jí)的取值范圍

在仿真中，為了表現(xiàn)Agent個(gè)體的不同特性，采用表2中所示的默認(rèn)參數(shù)進(jìn)行仿真，并且先不加入警察到仿真中，即默認(rèn)Po=0。

表2 不同Agent的默認(rèn)參數(shù)

一般來(lái)說(shuō)，積極Agent采取行動(dòng)有的是因?yàn)楫?dāng)前的苦難H，有的是因?yàn)橛X(jué)得某團(tuán)體的合法性L低，這樣就決定了積極Agent的不滿度G很高;因此在仿真中，設(shè)置積極Agent的困難程度H高或超高，合法性L為低(見(jiàn)表2)，這2個(gè)因子的具體取值在設(shè)置的等級(jí)范圍內(nèi)(見(jiàn)表1)隨機(jī)選取。同樣，由于積極Agent是事件直接關(guān)系人，因此對(duì)于積極Agent“對(duì)成功的預(yù)測(cè)”C設(shè)置為高或超高等級(jí)，并且在這2個(gè)等級(jí)取值范圍中隨機(jī)選取一個(gè)值取。風(fēng)險(xiǎn)等級(jí)N由討厭風(fēng)險(xiǎn)R和被捕概率P1決定，我們?cè)O(shè)置積極Agent的討厭風(fēng)險(xiǎn)隨機(jī)地在中、高等級(jí)中選取，同樣根據(jù)所選取的等級(jí)范圍內(nèi)隨機(jī)的選取一個(gè)值。其他類型的Agent的參數(shù)也遵從表1和2。為了簡(jiǎn)化我們的模型，在仿真中，并沒(méi)有把不法Agent從行人中區(qū)分出來(lái)，定義不法Agent只是為了表明這類群體性事件中可能存在不法Agent。圖1為仿真開始時(shí)人群分布的場(chǎng)景。

圖1 仿真開始的仿真界面(左)、仿真開始一段時(shí)間行人開始聚集的仿真界面(中)和行人高度聚集的仿真界面(右)

在圖1(左)中，圓形 Agent代表積極 Agent，積極Agent的不滿程度G很高;因此仿真剛開始時(shí)他們聚集在一起，三角形Agent在圖中隨機(jī)分布在各個(gè)位置。圖1(中)描繪了仿真開始不久后，一些三角形Agent開始聚集到圓形Agent周圍。圖1(右)描繪了仿真開始一段時(shí)間后，三角形Agent高度集中到圓形Agent的周圍，而另一部分三角形Agent卻沒(méi)有加入到事件中。這個(gè)體現(xiàn)了行人之間的差異性，它說(shuō)明了由于行人Agent感知的困難程度H、合法性L、成功的預(yù)測(cè)C和討厭風(fēng)險(xiǎn)程度R的不同(見(jiàn)表1和表2)所表現(xiàn)的行為不同。

接著，在仿真進(jìn)行過(guò)程中，當(dāng)把所有行人Agent的合法性都設(shè)置為高的時(shí)候，出現(xiàn)了一個(gè)我們期望的結(jié)果，原來(lái)參加事件的行人Agent，有一些突然離開了事件，見(jiàn)圖2。

圖2 增加合法性L后的仿真界面

如圖2所示，帶有標(biāo)簽2的Agent表示原來(lái)參加事件的Agent，現(xiàn)在離開了事件。這是因?yàn)楫?dāng)我們把三角形Agent的合法性L設(shè)置為高的時(shí)候，根據(jù)公式(2)，使得Agent的不滿程度G減小，從而使得一些Agent的F(P)＜0(見(jiàn)公式1)。

接著在實(shí)驗(yàn)中我們用X形Agent表示警察，分別把10個(gè)和50個(gè)X形Agent加入到仿真中(設(shè)置Po=1)，并隨機(jī)設(shè)置他們的位置，如圖3所示。

圖3 加入10個(gè)警察后的仿真界面(左)加入50個(gè)警察后的仿真界面(右)

在圖3(左)中清晰地顯示了隨著X形Agent的加入，一些三角形Agent(帶有標(biāo)簽2的Agent)逃離事件現(xiàn)場(chǎng)，這說(shuō)明了警察的出現(xiàn)減少了參與事件的人數(shù)。根據(jù)公式(3)和(4)，在警察出現(xiàn)后，Agent的被捕概率P1增加，凈風(fēng)險(xiǎn)增大，很多原來(lái)參加事件的Agent離開事件現(xiàn)場(chǎng)。

圖3(右)顯示了當(dāng)把仿真中X形的數(shù)量增加到50個(gè)的時(shí)候，更多三角形 Agent(帶有標(biāo)簽2的Agent)離開了事件現(xiàn)場(chǎng)，這是因?yàn)殡S著警察數(shù)量越來(lái)越多，Agent所要經(jīng)受的凈風(fēng)險(xiǎn)也越來(lái)越大，這就使得更多Agenst的F(P)＜0(見(jiàn)公式(1))。

在仿真中，我們首先隨機(jī)設(shè)置了影響人群行為的因素，結(jié)果顯示了個(gè)體行為存在很大的差異。例如，積極Agent由于他們的不滿程度和對(duì)成功的期望值都比較高，他們制造事件，如果要求不能得到滿足，便會(huì)一直堅(jiān)持下去。而對(duì)于行人Agent來(lái)說(shuō)，影響他們參加事件因素的取值有高有低，因此也就決定了有的行人Agents參加事件有的沒(méi)有參加，這個(gè)結(jié)果在仿真中得到了很好的解釋。接著我們?cè)诜抡嬷性龃蠛戏ㄐ?，結(jié)果顯示隨著合法性的增加，一些Agent退出事件。這說(shuō)明了在現(xiàn)代社會(huì)，合法性和合理性是影響“無(wú)組織-無(wú)直接利益訴求”群體性事件發(fā)生的一個(gè)關(guān)鍵因素。接著通過(guò)定義政治機(jī)遇Po=1，在仿真中先加入了10個(gè)警察，結(jié)果顯示出有少量的參與者退出了事件，接著把警察的數(shù)量增加到50，結(jié)果顯示隨著警察的大量加入，越來(lái)越多原參與人員退出了事件。

4 結(jié)論

在本文中，我們對(duì)Epstein模型作了改進(jìn)，定義了影響人類行為的不同因素:不滿程度、對(duì)成功的預(yù)測(cè)、凈風(fēng)險(xiǎn)、苦難程度、合理性、政治機(jī)遇、討厭風(fēng)險(xiǎn)程度和被捕概率，并通過(guò)設(shè)置k1和k2的不同取值來(lái)把Agent分成3個(gè)類型:積極Agent、參與Agent和不法Agent。在仿真中隨機(jī)設(shè)置影響人群參加事件的因素，結(jié)果顯示因素的不同導(dǎo)致個(gè)體行為的不同。在圖2中清晰地顯示出隨著合法性L的變大，原來(lái)參加的行人Agent開始撤離事件，也就是說(shuō)，當(dāng)人們覺(jué)得事件的起因不是那么合理甚至不合法的時(shí)候，參加這類群體性事件的人就會(huì)很多，反之，參加事件的人數(shù)就會(huì)很少。這也給我們提供了處置群體性事件的一個(gè)方法:當(dāng)事件發(fā)生的時(shí)候，要找到事件發(fā)生的原因，從原因入手，采取措施降低導(dǎo)致事件發(fā)生的不合理或不合法因素，盡可能地減少事件的參與者。在仿真中還顯示了警察的出現(xiàn)能夠很好地抑制這類事件的擴(kuò)大。

這個(gè)簡(jiǎn)單的模型研究了“無(wú)組織-無(wú)直接利益訴求”群體性事件中人們的屬性，但是忽視了若干必不可少的因素，例如人們之間的相互影響(例如群體心態(tài)的直接性、傳遞性、分化性)。另外，只把參加者分成3個(gè)類型也過(guò)于簡(jiǎn)單，對(duì)于各個(gè)影響人們行為的因素考慮得還不夠詳細(xì)。例如對(duì)于個(gè)體的不滿程度，實(shí)際上當(dāng)某個(gè)個(gè)體對(duì)于他們的政府或領(lǐng)導(dǎo)人極度崇拜的時(shí)候，他們就不會(huì)考慮自己的困難，也就是說(shuō)他們不滿程度為0。還有，為了簡(jiǎn)化模型，我們沒(méi)有過(guò)多地考慮不法Agent的行為。將來(lái)的研究將更加全面地分析這一類型事件中的各個(gè)因素，包括研究群體性事件中人們的相互影響，以及群體性事件向暴力事件演變時(shí)人群行為和心理的變化。

［1］彭天宇.農(nóng)民工大量失業(yè)情況下的我國(guó)群體性事件分析［EB/OL］.［2010-12-12］.http:∥www.zgxcfz.com.

［2］陳普勝.群體性事件研究報(bào)告［M］.北京:群眾出版社，2004:9-58.

［3］童星，張海波.群體性突發(fā)事件及其治理:社會(huì)危險(xiǎn)與公共危機(jī)的綜合分析框架下的再考量［J］，學(xué)術(shù)界，2008(2):35.

［4］AndrewI.人工戰(zhàn)爭(zhēng):基于多 agent的作戰(zhàn)仿真［M］.張志祥，高春蓉，郭福亮，譯.北京:電子工業(yè)出版社，2010.

［5］PanXiaoshan，HanCS.AMulti-agentBasedFramework fortheSimulationofHumanandSocialBehaviorsduring EmergencyEvacuations［J］.LawAI ＆ Society，2007，22(2).

［6］EpsteinJM.Modelingcivilviolence:Anagent-based computationalapproach［J］.PNAS，2005，99:7243-7250.

［7］YiuSY，GillA，ShiP.InvestigatingStrategiesforManagingCivilViolenceUsingtheMANAAgentBasedDistillation［R］.presentedatLandWarfareConference，Brisbane，Australia，2002.

［8］CuiXiaohui，PotokTE.AParticleSwarmSocialModel forMulti-AgentBasedInsurgencyWarfareSimulation［R］.5thACISFifthInternationalConferenceonSoftware EngineeringResearch，ManagementandApplications.Busan，Korea.2007.

［9］EgesdalM，F(xiàn)athauerC.StatisticalModelingofGangViolenceinLosAngeles［R］.MathematicsMeetings.USA，SanFrancisco，2010.