陳 鵬，陳建國，袁宏永

1.中國人民公安大學(xué) 警務(wù)信息工程學(xué)院，北京 102600

2.中國人民公安大學(xué) 安全防范技術(shù)與風(fēng)險評估公安部重點實驗室，北京 102600

3.清華大學(xué) 公共安全研究院，北京 100084

基于Agent的突發(fā)性群體事件人群聚集效應(yīng)分析

陳 鵬1，2，陳建國3，袁宏永3

1.中國人民公安大學(xué) 警務(wù)信息工程學(xué)院，北京 102600

2.中國人民公安大學(xué) 安全防范技術(shù)與風(fēng)險評估公安部重點實驗室，北京 102600

3.清華大學(xué) 公共安全研究院，北京 100084

近年來，國內(nèi)一些地區(qū)陸續(xù)發(fā)生了多起突發(fā)性群體事件，嚴(yán)重地影響了社會的穩(wěn)定與發(fā)展。從事件的特點來看，這一類事件主要表現(xiàn)為在某些具有開放性的情境下（如交通路口、政府門前、廣場等）由某些導(dǎo)火索事件（主要表現(xiàn)為治安事件和刑事案件）引發(fā)的人群大規(guī)模圍觀和聚集，隨后在一些流言或謠言的作用下人群的行為發(fā)生變異，最終轉(zhuǎn)變?yōu)槿后w性的打、砸、搶、燒等暴力性行為。

當(dāng)前，對于突發(fā)性群體事件研究的著眼點主要集中在社會心理學(xué)和行為學(xué)等方面[1-4]，人們提出和總結(jié)了突發(fā)性群體事件發(fā)展過程中影響群體行為變化的一些心理和行為因素，其中一個很重要的因素就是群體的聚集效應(yīng)。一般情況下，在突發(fā)性群體事件的現(xiàn)場情境下往往會形成大規(guī)模聚集的人群，在這種環(huán)境中參與事件的個體往往會從心理上形成較強的匿名性和法不責(zé)眾等效應(yīng)[5-6]，在這種心理的作用下，個體會由于自己的身份受到人群的掩蓋而失去理性，行動起來毫無顧忌，容易在一些異常行為主體的影響下自發(fā)地形成行為上的模仿[7]，最后導(dǎo)致整個人群行為發(fā)生異常。因此，在突發(fā)性群體事件的現(xiàn)場情境下聚集人群的數(shù)量或規(guī)模就會從一定程度上影響個體的行為選擇，進而決定整個群體行為和事件的發(fā)展趨勢。

目前，在突發(fā)性群體事件的研究方面，基于復(fù)雜適應(yīng)系統(tǒng)理論的仿真模擬逐漸受到了人們的重視，國內(nèi)外一些研究人員如Epstein[8-9]、Jager[10]、Lempert[11]、Goh[12-13]、趙宇寧、黨會森等人[14-17]分別基于Agent建模技術(shù)構(gòu)建了突發(fā)性群體事件的仿真模型，并對突發(fā)性群體事件中的一些人員行為特征進行了研究和還原。但從研究的內(nèi)容來看，現(xiàn)有的基于Agent的突發(fā)性群體事件仿真研究更多關(guān)注于人群發(fā)展到騷亂階段后的群體行為特征分析，對人群從聚集到騷亂發(fā)生這一階段的過渡過程還缺乏一定的研究，尤其缺少對人群聚集性效應(yīng)的分析。對此，本文在前人工作的基礎(chǔ)上，通過進一步完善突發(fā)性群體事件的Agent模型，對突發(fā)性群體事件的過渡過程進行仿真，分析人群的聚集效應(yīng)對事件發(fā)展的影響。

1 突發(fā)性群體事件中主體之間的邏輯關(guān)系定義

突發(fā)性群體事件從本質(zhì)上可以歸結(jié)為參與事件的人群和政府等社會強勢部門（主要表現(xiàn)為警察）之間的相互對抗和博弈的過程，因此，可以將突發(fā)性群體事件中的主體抽象為兩大類：平民和警察，其中警察代表的是政府等強勢部門，其職責(zé)是維護現(xiàn)場秩序，防范群體性行為的惡化，而平民則是構(gòu)成突發(fā)性群體事件的主要參與成員。而對于平民，根據(jù)其具體的行為特征又可以將其進一步分為三類成員，即旁觀者（Watcher）、激進分子（Supporter）和暴徒（Activist）[8-11]。在這三類平民成員中，暴徒是突發(fā)性群體事件中暴力行為的主要實施主體，其主要特點是具有很高的非理性，在群體暴力活動中常常會對其他平民主體產(chǎn)生示范作用，帶動或迫使其他平民主體的行為與其保持一致。激進分子是平民中受到現(xiàn)場情緒和謠言感染的主體，其特點是具有較高的非理性和憤怒情緒，但暴力性傾向程度較低，是暴徒的現(xiàn)場支持者，會主動向其他平民主體成員進行情緒和謠言的傳播，在暴徒數(shù)量較多的時候也會表現(xiàn)出一定的暴力性傾向。旁觀者則是平民中非理性程度較低的主體成員，也是暴徒、激進分子和警察爭取的對象，在暴徒或激進分子影響下容易被感染并轉(zhuǎn)變?yōu)榧みM分子中的一員，但如果旁觀者拒絕接受暴徒或激進分子的影響則會受到暴徒或激進分子的壓力，在這種情況下旁觀者會采取躲避的行為策略。

根據(jù)突發(fā)性群體事件中的主體描述及其關(guān)系特征，建立起突發(fā)性群體事件主體之間的邏輯關(guān)系如圖1所示。

圖1 突發(fā)性群體事件主體之間的邏輯關(guān)系

2 突發(fā)性群體事件的主體Agent模型

2.1 Agent模型的基本結(jié)構(gòu)

突發(fā)性群體事件中的主體Agent模型包括四個基本功能，即學(xué)習(xí)功能、情緒功能、決策功能和運動功能。其中學(xué)習(xí)功能是個體從其自身所能控制和覆蓋的范圍之內(nèi)獲取外界信息（如視閾范圍內(nèi)平民和警察的數(shù)量）的能力，主要負(fù)責(zé)個體視閾內(nèi)信息的收集；情緒功能決定了個體在獲取的外界信息影響下其心理狀態(tài)的波動與變化，如旁觀者在受到暴徒或激進分子的影響下很有可能會產(chǎn)生憤怒情緒，從而轉(zhuǎn)化為激進分子等；決策功能則是個體在綜合外界信息的基礎(chǔ)上決定其下一步的行為，主要表現(xiàn)為運動行為（如躲避警察或躲避暴徒等）；運動功能則主要負(fù)責(zé)決定個體根據(jù)現(xiàn)場環(huán)境運動的方向和路線。Agent四個功能之間的邏輯關(guān)系如圖2所示。

圖2 Agent模型中四個功能之間的邏輯關(guān)系

對事件中的個體Agent模型，其收集信息的范圍可通過定義一個視閾變量V（Vision）[9-11]來進行描述。該變量反映的是在事件現(xiàn)場情境下個體感官所能覆蓋到的面積，V越大表示主體感官所能覆蓋和影響到的面積越大，因而其所能收集的信息也就越多。

在突發(fā)性群體事件個體的基本行為中，主要存在著三個重要的行為機制，分別為非理性情緒的產(chǎn)生、謠言的傳播與個體心理的分化、暴徒與警察之間的對抗與合作性策略關(guān)系。

2.2 非理性情緒的產(chǎn)生

突發(fā)性群體事件的個體Agent的非理性情緒產(chǎn)生機制主要由兩個變量構(gòu)成，即個體的反社會傾向A（Antipathy）與個體對政府的認(rèn)同度L（Legitimacy）[9-13]，其中前者代表著參與事件的個體的內(nèi)在情緒感受，而后者則代表著政府在個體認(rèn)知中的客觀存在。則個體Agent模型中的個人情緒函數(shù)可定義為：

即平民主體的反社會傾向越大，對社會和政府的認(rèn)同度越低，則平民越容易產(chǎn)生憤怒情緒。

2.3 謠言傳播與個體心理的分化

突發(fā)群體性事件現(xiàn)場情境下個體之間的謠言傳播機制與疾病的傳播機制非常相似，因此參照疾病傳播的SIR模型，將事件中的平民個體分為謠言感染者、未感染者、恢復(fù)者等不同類型[18-20]。具體的定義如下：

感染者（contagious）：事件現(xiàn)場謠言的傳播者，會主動向視閾內(nèi)的其他個體進行謠言的傳播，在模型中主要表現(xiàn)為暴徒和激進分子。

未感染者（non-contagious）：尚未接觸到謠言的個體，但一旦接觸到謠言后就會以一定的概率相信謠言的內(nèi)容，在模型中主要表現(xiàn)為旁觀者。

恢復(fù)者（recover）：能夠從謠言中醒悟和恢復(fù)的個體，并且在恢復(fù)后不再相信謠言的內(nèi)容，在模型中主要表現(xiàn)為旁觀者。

謠言在人群中的傳播途徑具體可通過摩爾鄰域模型來表示[14]。根據(jù)文獻(xiàn)[21-22]，突發(fā)群體性事件中的謠言傳播是一種基于現(xiàn)場感官的信息流通方式，因此，在模型中謠言的感染者會同時將謠言的信息擴散到其視閾的每一個個體（圖3），隨后被謠言感染的個體在其視閾內(nèi)又進一步將謠言傳播給其他成員，進而逐漸將謠言傳播開來。

圖3 人群中的謠言傳播過程（Agent視閾半徑V=2）

對面積為A的區(qū)域內(nèi)的N個平民個體成員，假設(shè)從時刻t0開始個體ni突然開始向人群進行謠言傳播，則接觸到謠言的個體以一定的概率被感染，則其恢復(fù)理性的概率βi可以定義為：

未能恢復(fù)理性的個體成員即轉(zhuǎn)變?yōu)榧みM分子，其進一步轉(zhuǎn)化為暴徒的條件為[12-13]：

這里的Ri代表激進分子轉(zhuǎn)變?yōu)楸┩降膭訖C和意愿，由非理性情緒水平Ei和貪婪性指數(shù)Gr所組成，其中Tf為突發(fā)性群體事件發(fā)展的時間指數(shù)，為時間長度的倒數(shù)，Tf越小表示事件最初的犯罪動機主要來自于個體的憤怒情緒，而隨著時間的發(fā)展個體參與犯罪的動機更多的來自于犯罪收益的誘惑。Ni代表激進分子轉(zhuǎn)化為暴徒過程中所面臨的犯罪代價[12-13]。該項由三個變量構(gòu)成：De代表Agent視閾內(nèi)的平民成員的密度，密度越高則Agent轉(zhuǎn)變?yōu)楸┩降膬A向性越大；Pd代表激進分子在向暴徒轉(zhuǎn)變過程中被警察抓捕的概率，與其視閾內(nèi)警察和激進分子的數(shù)量比值(NCop/NActivist)成正比，表達(dá)式如式（5）所示，其中的VR(Ag)表示平民在現(xiàn)場環(huán)境下的視閾半徑，NCop和NActivist分別代表警察和平民的數(shù)量；J代表激進分子參與暴亂行為面臨的成本代價，一般用判刑的刑期來表示；α為警察的應(yīng)急強度，其數(shù)值越大則警察的應(yīng)急措施的有效性和震懾力就越大[12-13]。

圖4為事件中人群在謠言傳播作用下的心理分化過程。其中對不滿足轉(zhuǎn)化條件的激進分子個體而言，他們會繼續(xù)作為謠言的傳播者在空間內(nèi)存在，直至其視閾內(nèi)出現(xiàn)暴徒，此時激進分子將在速生規(guī)范效應(yīng)的作用下轉(zhuǎn)變?yōu)楸┩街械囊粏T[2]。

2.4 暴徒與警察主體間的策略關(guān)系

當(dāng)人群中開始出現(xiàn)暴徒后即意味著事件開始向群體性騷亂狀態(tài)發(fā)展。在這一過程中暴徒和警察主體之間會形成一些相應(yīng)的策略關(guān)系。其中暴徒的行為主要表現(xiàn)為鼓動更多的平民轉(zhuǎn)變?yōu)楸┩交蚣みM分子來擴大騷亂的規(guī)模，并且還具有攻擊警察的傾向，而警察的行為主要表現(xiàn)為抓捕暴徒，預(yù)防和避免暴徒的暴力行徑。因此暴徒與警察主體之間存在著對抗與合作兩種行為策略，具體取決于雙方的力量對比。

圖4 基于謠言傳播的平民心理分化機制

在某一時刻暴徒nai的視閾內(nèi)，暴徒與警察的力量對比會出現(xiàn)三種可能，分別為暴徒數(shù)量多于警察數(shù)量(Nactivist＞Ncop)，暴徒數(shù)量等于警察數(shù)量(Nactivist=Ncop)，暴徒數(shù)量小于警察數(shù)量(Nactivist＜Ncop)。在不同的暴徒和警察力量對比下，暴徒和警察會采用不同的行為策略。如果定義暴徒的行為策略為襲警（對抗）和逃逸（合作），警察的行為策略為抓捕（對抗）和撤退（合作），則在三種力量對比下暴徒和警察的策略關(guān)系分別如下所示：

Nactivist＞Ncop：暴徒襲警（對抗），警察撤退（合作）；

Nactivist≤Ncop：暴徒逃逸（合作），警察抓捕（對抗）。

因此，當(dāng)暴徒成員nai的視閾內(nèi)暴徒數(shù)量大于警察數(shù)量時，暴徒nai會選擇襲警，而當(dāng)暴徒數(shù)量小于警察數(shù)量時，暴徒nai的策略為躲避警察。

3 仿真與結(jié)果分析

3.1 模型的初始條件

為了開展突發(fā)性群體事件的群體行為仿真，定義了一個矩形的摩爾領(lǐng)域模型作為事件的模擬現(xiàn)場環(huán)境，其面積大小為20×20個網(wǎng)格，并采用周期邊界條件。初始時刻，將一定數(shù)量的平民與警察Agent隨機布置于模型中。為考察不同人群規(guī)模下突發(fā)性群體事件的發(fā)展特征，定義參數(shù)Density為平民Agent數(shù)量與現(xiàn)場面積之比。仿真參數(shù)如表1所示。

模型采用計算機編程實現(xiàn)，編程語言為Microsoft C#，編譯環(huán)境為Microsoft Visual Studio 2008。

3.2 不同人群密度下的群體行為分析

根據(jù)表1中的參數(shù)設(shè)置模型，并開始仿真，得到不同時刻現(xiàn)場情境下的平民與警察Agent的分布如圖5所示。從圖中可見，當(dāng)初始時刻某個平民成員突然開始向人群進行謠言散播后，部分成員被謠言感染并迅速地轉(zhuǎn)變?yōu)榱吮┩?，隨后這一變化在短時間內(nèi)擴散至整個人群。從圖中人群的分布位置可見，隨著事態(tài)的發(fā)展，人群由初始時刻接近于隨機的分布逐步形成了幾個較大的聚集群體，反映出群體性事件中暴徒成員會自發(fā)形成社團結(jié)構(gòu)的特征。

表1 仿真的主要參數(shù)

圖5 模擬得到的不同時刻平民與警察Agent分布（Density=0.5，Police=10）

圖6 不同謠言傳播概率下人群中暴徒比例的變化趨勢（Police=10）

圖7 不同謠言傳播概率下人群中激進分子比例的變化趨勢（Police=10）

圖8 不同謠言傳播概率下人群中旁觀者比例的變化趨勢（Police=10）

令A(yù)ctivistRatio、SupporterRatio、WatcherRatio分別代表人群中的暴徒比例、激進分子比例與旁觀者比例，則通過觀察三類個體在人群中的比例變化情況可以得到事件中群體行為的發(fā)展變化情況，結(jié)果如圖6～圖8所示。根據(jù)模擬結(jié)果可以發(fā)現(xiàn)，突發(fā)性群體事件從人群的聚集到騷亂行為出現(xiàn)的過渡過程是一個非線性發(fā)展的階段，當(dāng)人群中某個個體突然開始傳播謠言后人群中的暴徒比例開始迅速增加，并在很短時間內(nèi)發(fā)展到整個人群（圖6），而激進分子的比例則呈現(xiàn)出一個具有峰值特性的變化過程，即在初始一段時間內(nèi)激進分子的人數(shù)會迅速增加，但是當(dāng)謠言擴散至整個人群后激進分子的數(shù)量發(fā)展也達(dá)到了頂點，隨后在暴徒個體的影響下激進分子逐漸全部轉(zhuǎn)變?yōu)榱吮┩剑▓D7），而相比之下旁觀者個體在人群中的比例則表現(xiàn)為單調(diào)的遞減趨勢（圖8）。

從不同人群密度下的群體行為發(fā)展態(tài)勢中可以看到人群的聚集效應(yīng)對事態(tài)的發(fā)展具有顯著性的影響。在仿真結(jié)果中，隨著人群規(guī)模的不斷增大（Density=0.1到Density=0.5），可以看到事件發(fā)展的程度是不同的。當(dāng)人群規(guī)模較小時（Density=0.1），即使在現(xiàn)場有限的警力下，暴徒在人群中的比例也會小于1，即人群不會完全進化到騷亂行為階段，但是當(dāng)人群規(guī)模增大到一定程度后（Density≥0.3），不僅暴徒比例全部接近于1，并且事件的過渡過程持續(xù)時長也幾乎不再發(fā)生任何變化。由此可以看出，對于突發(fā)性群體事件而言，現(xiàn)場情境下聚集的人群規(guī)模越大，則事件向群體性騷亂發(fā)展的危險性就越大，而且過渡過程也會變短，但當(dāng)人群的規(guī)模達(dá)到一定程度后這種群體的聚集效應(yīng)對事件發(fā)展便幾乎不再產(chǎn)生影響。

此外，從不同強度下的謠言傳播行為影響事件發(fā)展的狀態(tài)結(jié)果來看，謠言傳播強度較高時(λ=0.7)的群體行為向騷亂轉(zhuǎn)化的過渡過程持續(xù)時間較謠言傳播強度較低時(λ=0.3)有所減少，可見，謠言傳播的強度加大會加快突發(fā)性群體事件向非穩(wěn)態(tài)的群體性騷亂過程的轉(zhuǎn)變。

3.3 考慮不同警力數(shù)量下的群體行為狀態(tài)

圖9 不同警力數(shù)量下人群中暴徒比例的變化趨勢（Density=0.5，λ=0.7）

進一步考慮了不同警力數(shù)量對群體行為發(fā)展態(tài)勢的影響。圖9為在相同的人群規(guī)模和謠言傳播強度條件下，現(xiàn)場情境內(nèi)暴徒比例在不同警力數(shù)量影響下的變化趨勢，圖10為激進分子比例的變化趨勢。從結(jié)果中可以看到，警力的數(shù)量對突發(fā)性群體事件的發(fā)展產(chǎn)生了十分顯著的影響。隨著警力數(shù)量的增加，人群中暴徒比例的變化趨勢逐漸從非線性增長變化為線性增加，表明增加警力投入可以有效地控制住人群向騷亂行為轉(zhuǎn)變的發(fā)展速度。但是另一方面，雖然警力的增加避免了騷亂行為的進一步惡化，但人群中的激進分子比例卻維持在了相當(dāng)高的水平，這表明即使增加警力投入能夠控制住騷亂的發(fā)展趨勢，但只要謠言傳播和情緒感染存在，人群仍然會不受控制地向失穩(wěn)方向轉(zhuǎn)化，一旦警力部署不當(dāng)使人群重新形成聚集，騷亂事件就會迅速爆發(fā)。

圖10 不同警力數(shù)量下人群中激進分子比例的變化趨勢（Density=0.5，λ=0.7）

4 結(jié)論

突發(fā)性群體事件現(xiàn)場情境下的人群聚集效應(yīng)是影響事件發(fā)展趨勢的一個十分重要的因素。通過利用Agent仿真技術(shù)構(gòu)建突發(fā)性群體事件的主體模型，對突發(fā)性群體事件中的群體行為變化進行了模擬，研究了人群的聚集效應(yīng)對事態(tài)發(fā)展的影響。模擬的結(jié)果反映出事件現(xiàn)場情境下聚集的人群規(guī)模會顯著地影響事件的發(fā)展過程，主要表現(xiàn)在較大的人群規(guī)模會有利于人群迅速地從穩(wěn)定的聚集狀態(tài)向非穩(wěn)定的群體性騷亂行為轉(zhuǎn)變，但人群規(guī)模達(dá)到一定程度后對人群的影響效應(yīng)就會逐步降低。而對于大規(guī)模聚集的人群而言，單純增加警力投入雖然從表面上能夠有效防止人群向騷亂行為的轉(zhuǎn)變，但無法從根本上消除群體行為不穩(wěn)定性的基礎(chǔ)。

[1]梅珍生，胡靜.群體性事件形成的心理機制分析[J].社會心理科學(xué)，2006，21（6）：18-25.

[2]張書維，王二平.群體性事件集群行為的動員與組織機制[J].心理科學(xué)進展，2011，19（12）：1730-1740.

[3]周感華.中西方學(xué)術(shù)界群體性事件心理研究評析[J].貴州大學(xué)學(xué)報：社會科學(xué)版，2011，29（2）：17-21.

[4]張書維，王二平，周潔.相對剝奪與相對滿意：群體性事件的動因分析[J].公共管理學(xué)報，2010，7（3）：95-103.

[5]古斯塔夫·勒龐.烏合之眾—大眾心理研究[M].桂林：廣西師范大學(xué)出版社，2007.

[6]周赫.國外社會心理學(xué)視角下我國群體性事件心理原因及對策探析[J].新疆警官高等?？茖W(xué)校學(xué)報，2011，31（3）：9-10.

[7]Cialdini R B，Goldstein N J.Social influence：compliance and conformity[J].Annual Review of Psychology，2004，55：591-621.

[8]Epstein J M，Steinbruner J D，Parker M T.Modeling civil violence：an Agent based computational approach[R].Center on Social and Economic Dynamics，The Brookings Institution，Washington DC，2001.

[9]Epstein J M.Modeling civil violence：an Agent-based computational approach[C]//Proceedings of the National Academy of Sciences，2002：7243-7250.

[10]Jager W，Popping R，Sande H V D.Clustering and fighting in two-party crowds：simulating the approach-avoidance conflict[J].Journal of Artificial Societies and Social Simulations，2001，4（3）.

[11]Lempert R.Agent-based modeling as organizational and public policy simulators[C]//Proceedings of the National Academy of Sciences of the United States of America，2002，99：7195-7196.

[12]Han Y Q，Kay C T，Hussein A A.Evolutionary game theoretic approach for modeling civil violence[J].IEEE Transactions on Evolutionary Computation，2009，13（4）：780-800.

[13]Goh C K，Han Y Q，Kay C T，et al.Modeling civil violence：an evolutionary multi-Agent，game theoretic approach[C]// 2006 IEEE Congress on Evolutionary Computation，Vancouver，BC，Canada，2006：1624-1631.

[14]趙宇寧，黨會森.基于Agent的群體性暴力事件的建模與仿真[J].中國人民公安大學(xué)學(xué)報：自然科學(xué)版，2012（1）：73-77.

[15]黨會森，廣寬，卜凡亮.基于Agent的群體性暴力事件的建模與仿真[J].阜陽師范學(xué)院學(xué)報：自然科學(xué)版，2012，29（2）：60-65.

[16]黨會森，廣寬.群體性暴力事件的仿真研究[J].中國公共安全：學(xué)術(shù)版，2012（3）：6-8.

[17]常欽，黨會森.基于網(wǎng)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(xué)學(xué)報：自然科學(xué)版，2011（3）：71-74.

[18]全勝慶.群體性事件中的謠言傳播及其仿真研究[D].南京：南京大學(xué)，2013.

[19]Hekovee M，Moreno Y，Bianconi，et al.Theory of ruomr spreading in complex social networks[J].Phsica A，2007，374：457-470.

[20]佘廉，沈照磊.非常規(guī)突發(fā)事件下基于SIR模型的群體行為分析[J].情報雜志，2011，30（5）：14-18.

[21]曾慶香，李蔚.論發(fā)泄型群體性事件的信息傳播特征與媒體報道[J].現(xiàn)代傳播，2010（8）：34-38.

[22]曾慶香，李蔚.群體性事件：信息傳播與政府應(yīng)對[M].北京：中國書籍出版社，2010.

CHEN Peng1，2,CHEN Jianguo3,YUAN Hongyong3

1.Policing Information Engineering Institute,People’s Public Security University of China,Beijing 102600,China
2.Key Laboratory to the Security Prevention Techniques and Risk Assessment,The Ministry of Public Security，People’s Public Security University of China,Beijing 102600,China
3.Public Safety Institute,Tsinghua University,Beijing 100084,China

Individual’s behaviors in emergency group incident are modeled using Agent method to simulate assembling phenomenon and the influence of crowd’s scale to the incident’s development is analyzed.The constructed Agent model is consisted of three basic functions,namely the production of rage emotion,rumor spreading among the group and confrontation strategies between individuals.The simulation findings indicate that the higher density of group members in scenario and more powerful of the rumor’s spreading,the faster the individual’s transmitted from watchers to mobs,but there is a threshold that the members density has no impact beyond this level.Additionally,putting more cops into the scenario can effectively prevent riot occurring,but the group emotions still deteriorate.

group incident;clustering effect;Agent;simulation

針對突發(fā)性群體事件中的大規(guī)模人群聚集行為，建立了基于人群中單個個體的Agent行為模型，研究了人群規(guī)模對群體行為發(fā)展的影響效應(yīng)。其中構(gòu)建的Agent行為模型主要模擬了突發(fā)性群體事件中個體在人群中的三個典型行為，即非理性情緒的產(chǎn)生、個體之間的謠言傳播以及不同類型個體之間的合作與對抗行為。通過仿真分析發(fā)現(xiàn)，在一定的環(huán)境下如果人群的密度越高、謠言傳播的強度越大，則人群從穩(wěn)定的聚集狀態(tài)向暴力性騷亂行為轉(zhuǎn)化的過渡過程持續(xù)時間就越短，但人群密度增大到一定程度后對群體行為的影響效應(yīng)將不再顯著；此外，增加現(xiàn)場的警力數(shù)量能夠有效延緩人群的行為向群體騷亂方向轉(zhuǎn)化的速度，但無法阻止群體行為穩(wěn)定性的惡化。

群體事件；集群效應(yīng)；Agent；仿真模擬

A

TP319.9

10.3778/j.issn.1002-8331.1405-0217

CHEN Peng,CHEN Jianguo,YUAN Hongyong.Clustering effect analysis to emergency group incident using Agentbased modeling method.Computer Engineering and Applications,2014,50（24）：21-26.

國家自然科學(xué)基金青年項目（No.71203229）。

陳鵬（1981—），男，博士，講師，研究方向為犯罪制圖理論與突發(fā)事件應(yīng)急管理；陳建國（1978—），男，副教授，研究方向為智能警務(wù)模型；袁宏永（1965—），男，教授，研究方向為突發(fā)事件應(yīng)急管理。E-mail：uctzpch@gmail.com

2014-05-19

2014-07-04

1002-8331（2014）24-0021-06

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-08-19，http∶//www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1405-0217.html