李　靜

?

群體性事件中恐慌情緒的信息量化集結(jié)分析研究

李靜

摘要：通過對(duì)群體性事件演化過程中征兆期、爆發(fā)期、延續(xù)期、痊愈期的研究，遵循其演化過程中的規(guī)律并構(gòu)建信息量化集結(jié)模型。從信息挖掘的角度，采用人工智能算法（PGSA）對(duì)群體性事件的演化、參與主體的感知以及輿情等隱秩序進(jìn)行綜合量化集結(jié)。通過模擬數(shù)據(jù)并分析量化集結(jié)的結(jié)果，獲取相應(yīng)的結(jié)論，并對(duì)群體性事件的未來發(fā)展做出合理預(yù)期，從而采取相應(yīng)的措施進(jìn)行預(yù)防和制止，達(dá)到最終遏制群體性事件爆發(fā)的目的。

關(guān)鍵詞：區(qū)間數(shù)；信息量化集結(jié)模型；群體性事件；人工智能算法

群體性事件是騷亂的一種委婉表達(dá)方式，是社會(huì)群體與統(tǒng)治當(dāng)局的沖突與對(duì)立。其常常表現(xiàn)為集會(huì)、游行、集體上訪、集體阻斷交通、罷工、罷課、罷市等形式，甚至集體圍攻和沖擊黨政機(jī)關(guān)、重點(diǎn)建設(shè)工程和其他要害部位。在某些特定的情況下，群體性事件甚至可以升級(jí)為集體械斗，如打、砸、搶、燒、殺等暴力沖突，對(duì)社會(huì)的穩(wěn)定及和諧具有極大的破壞力。對(duì)于一些高危群體，一旦出現(xiàn)以某個(gè)事件為引爆點(diǎn)，就可能聚集少則上百人、多則上萬人的群體，從而發(fā)展為群體事件。群體性事件演化的征兆期、發(fā)作期、延續(xù)期、痊愈期，始終會(huì)受到系統(tǒng)內(nèi)外部因素共同作用的影響［1］。盡管群體性事件具有主體多元、原因多樣、爆發(fā)突然、人數(shù)眾多、后果難料等復(fù)雜系統(tǒng)的特征，但在其演化的過程中，還是有一定的規(guī)律可循。尤其在事件發(fā)生前，往往看似表面平靜如水的外部，內(nèi)部卻是暗流涌動(dòng)。筆者從信息挖掘的角度，采用人工智能、信息挖掘、模擬仿真等信息手段，對(duì)群體性事件的演化、參與主體的感知、輿情等隱秩序進(jìn)行深入研究，目的是對(duì)群體性事件進(jìn)行必要的預(yù)警，為政府相關(guān)部門及時(shí)化解各種社會(huì)矛盾和沖突提供必要的理論及方法，并將其消除在萌芽階段或減弱其發(fā)展勢(shì)頭，使得社會(huì)治理成本降至最低。目前，眾多專家學(xué)者對(duì)群體性事件進(jìn)行了深入分析研究。馮艷剛等構(gòu)造了一個(gè)風(fēng)險(xiǎn)厭惡型的報(bào)童博弈模型，探討了商品的替代率以及零售商的風(fēng)險(xiǎn)厭惡程度對(duì)最優(yōu)決策的影響［2］。趙奕奕等人引入了環(huán)境噪音因子，基于有界信任規(guī)則構(gòu)建了異質(zhì)有界信任模型［3］。趙洪舉等簡(jiǎn)化了之前的突發(fā)事件快速評(píng)估模型（SSPPM），從而快速獲取應(yīng)急決策者的意見和權(quán)重，簡(jiǎn)化了評(píng)估過程［4］。戴偉等人構(gòu)建了基于Agent模型的非常規(guī)突發(fā)事件公共恐慌演化仿真模型，探討了公共恐慌受政府信息發(fā)布策略的影響［5］。馬妍等人提出了一種基于投影濾波的方法，可有效估計(jì)突發(fā)事件中危險(xiǎn)源的位置［6］。宋楠等從恐怖信息傳播的影響因素出發(fā)，考慮政府的最優(yōu)應(yīng)對(duì)策略［7］。朱建明將多目標(biāo)決策用于損毀情境下的設(shè)施選址，提出了基于理想點(diǎn)的目標(biāo)擾動(dòng)最小化模型［8］。筆者構(gòu)建了多屬性區(qū)間數(shù)群眾恐慌情緒的信息量化集結(jié)模型，對(duì)群體性事件征兆期的肇事者的情緒進(jìn)行量化分析，然后運(yùn)用植物模擬生長(zhǎng)算法對(duì)群體的綜合情緒進(jìn)行集結(jié)。通過對(duì)集結(jié)后的群體綜合情緒進(jìn)行評(píng)估，為政府及相關(guān)部門化解各種社會(huì)矛盾和沖突提供依據(jù)和參考，最終遏制群體性事件爆發(fā)或者減少群體性事件危害。

一、信息量化集結(jié)模型

群體性事件征兆期的主要特征是信息傳播以及群體憤怒等情緒的短期急劇上揚(yáng)。當(dāng)這種情緒受到煽動(dòng)或者積聚到一定程度時(shí)就會(huì)造成群體性事件的爆發(fā)，對(duì)社會(huì)秩序造成威脅。引起群體性事件爆發(fā)的情緒主要有憤怒、恐慌、抑郁等，這些不良情緒在短時(shí)間內(nèi)得不到宣泄便會(huì)急劇爆發(fā)并對(duì)社會(huì)秩序造成惡劣后果。因此，建立信息量化模型，通過構(gòu)造多屬性區(qū)間數(shù)模型將群體情緒進(jìn)行量化分析。

（一）多屬性區(qū)間數(shù)量化集結(jié)模型的建立及評(píng)價(jià)

群體性事件評(píng)價(jià)主要是通過集結(jié)引起群體性事件爆發(fā)的各種情緒從而對(duì)群體的總體心理有認(rèn)知和了解，從而采取相應(yīng)措施來進(jìn)行預(yù)防和遏制。選取的群體情緒主要包括不滿、抑郁、恐慌及憤怒。通過實(shí)際調(diào)研的方式了解各個(gè)群體中個(gè)體成員的這幾種情緒，并通過多屬性區(qū)間數(shù)的方式予以量化。由于被調(diào)查成員的情緒不完全確定，這里我們用區(qū)間數(shù)的形式來表示某個(gè)被調(diào)查成員的某種情緒值。筆者選取了青年學(xué)生、白領(lǐng)、教師、普通工人、公務(wù)員、農(nóng)民幾種典型的群體，群體情緒中較為常見的有不滿、抑郁、恐慌及憤怒4種。實(shí)際操作中主要是通過調(diào)研或者問卷調(diào)查的方式對(duì)這幾個(gè)群體中幾種情緒進(jìn)行實(shí)際的考量，從而確定各個(gè)成員的各種情緒值處于什么區(qū)間。通過植物模擬生長(zhǎng)算法集結(jié)群體的綜合情緒值，綜合反映各個(gè)群體的情緒。通過這種方式，我們可以得到群體綜合情緒的大致情況，從而為防止群體性事件的爆發(fā)提供合理建議。

數(shù)學(xué)家費(fèi)馬1634年提出，對(duì)平面上任意給定的點(diǎn)P1，P2，P3，找出另外一個(gè)點(diǎn)P，將P點(diǎn)分別與P1，P2，P3連接，使得這些點(diǎn)連線的總距離最小。這就是數(shù)學(xué)上的“費(fèi)馬問題”。

如果能夠采用某種方法尋找到n個(gè)坐標(biāo)點(diǎn)的廣義費(fèi)馬點(diǎn)P，就意味著找到了n個(gè)個(gè)體的情緒的最優(yōu)集結(jié)點(diǎn)，而該點(diǎn)對(duì)應(yīng)的矩陣即為最優(yōu)集結(jié)矩陣A*。

（二）基于最小歐式距離的模型構(gòu)建

為了集結(jié)群情緒，建立如下優(yōu)化模型，使總距離最小：

二、植物模擬生長(zhǎng)算法集結(jié)步驟

模擬植物生長(zhǎng)算法PGSA（Plant Growth Simulation Algorithm）是中國(guó)學(xué)者李彤教授于2005年創(chuàng)立的一種以植物向光性機(jī)理為啟發(fā)式準(zhǔn)則的智能優(yōu)化算法［11-12］。該算法將優(yōu)化問題的解空間當(dāng)作植物的生長(zhǎng)環(huán)境，將最優(yōu)解當(dāng)作光源，模擬真實(shí)植物的向光性機(jī)理，建立枝葉在不同光線強(qiáng)度環(huán)境下的快速生長(zhǎng)演繹方式。自PGSA創(chuàng)立后，已引起國(guó)內(nèi)外眾多學(xué)者的高度關(guān)注和應(yīng)用。與其他智能算法相比，PGSA算法均取得更優(yōu)的結(jié)果［13-15］。K.Guney將PGSA分別與MTACO、BA、BFA這3種智能優(yōu)化算法比較，PGSA得到了更加令人滿意的效果，且收斂性和計(jì)算速度明顯優(yōu)于其他3種算法［16］。與以遺傳算法（GA）、模擬退火算法（SAA）、蟻群算法（ACO）等為代表的現(xiàn)代啟發(fā)式算法相比較，一方面，PGSA具有以枝干上形態(tài)素濃度確定的方向性特征，凸顯隨機(jī)平衡原理的搜索機(jī)制，能以較短的運(yùn)算時(shí)間和較快的計(jì)算速度尋找到最優(yōu)解；另一方面，PGSA將目標(biāo)函數(shù)以及約束條件分開處理，且無需編碼和解碼，不僅無須構(gòu)造新的計(jì)算用目標(biāo)函數(shù)，增強(qiáng)解的穩(wěn)定性，而且對(duì)參數(shù)設(shè)置的依賴性較低［17-18］。

當(dāng)模擬植物生長(zhǎng)算法是以問題所要研究的全部空間范圍充當(dāng)植物的生長(zhǎng)領(lǐng)域時(shí)，太陽所照射的點(diǎn)就被視為全局最優(yōu)。植物的尋優(yōu)路徑是沿著光源照射的方向一路向著光源生長(zhǎng)，理論上當(dāng)植物延伸到光源的位置，植物就停止了生長(zhǎng)。可以這么認(rèn)為，光相當(dāng)于植物的引導(dǎo)員。在不同光強(qiáng)度的照射下，植物受到照射所產(chǎn)生的形態(tài)素濃度不同，這會(huì)使植物的走勢(shì)發(fā)生變化。據(jù)此，筆者建立植物生長(zhǎng)模型：假設(shè)M表示枝干長(zhǎng)度，樹干上存在的T個(gè)發(fā)芽點(diǎn)為SM= （SM1，SM2，…，SMT），各個(gè)發(fā)芽點(diǎn)的形態(tài)素濃度的數(shù)值表達(dá)式可以表示為PM=（PM1，PM2，…，PMT）；設(shè)枝干的單位長(zhǎng)度為m（m＜M），其上有r個(gè)發(fā)芽點(diǎn)為Sm=（sm1，sm2，…，smr），每個(gè)發(fā)芽點(diǎn)的形態(tài)素濃度為Pm=（pm1，pm2，…，pmr）。如上所述，這兩部分的發(fā)芽點(diǎn)形態(tài)素濃度是：

式（4）和式（5）中，x0為隨機(jī)出現(xiàn)在可行域上的點(diǎn)；f函數(shù)是發(fā)芽點(diǎn)的背光函數(shù)。光強(qiáng)越弱，f函數(shù)越大。根據(jù)式（4）和式（5）可以得出：一株植物上全部的發(fā)芽點(diǎn)形態(tài)素濃度和是1，即

莖與枝上一共包含K+1個(gè)發(fā)芽點(diǎn)，即（x1，x2，…，xK+1），由式（4）和式（5）得每個(gè)發(fā)芽點(diǎn)的形態(tài)素濃度分別為（p1，p2，…，pK+1）。根據(jù)算法的隨機(jī)性過程，隨機(jī)生成一個(gè)［0，1］區(qū)間的值，以此用來作為下一次生長(zhǎng)的新發(fā)芽點(diǎn)。這就好比在［0，1］之內(nèi)投小球，小球接觸到的區(qū)域內(nèi)的發(fā)芽點(diǎn)即為下一次發(fā)芽枝干的新發(fā)芽點(diǎn)。T和r的值是隨著植物向光延伸而發(fā)生改變的，剛生出的發(fā)芽點(diǎn)將被加入到所有現(xiàn)有的發(fā)芽點(diǎn)中，不斷重復(fù)該步驟，一直到停止生長(zhǎng)。

三、數(shù)據(jù)模擬分析

筆者擬通過對(duì)群體性事件中6個(gè)不同群體的不滿、抑郁、恐慌及憤怒情緒進(jìn)行模擬數(shù)據(jù)分析和集結(jié)，最終通過層次單排序得出集結(jié)后的群體情緒中各種情緒的權(quán)重。借助對(duì)群體情緒的判斷，可以得出當(dāng)前群體情緒大致處于什么狀況，從而為有效預(yù)防和遏制群體性事件爆發(fā)提供一種量化集結(jié)分析的方法。模擬6組群體調(diào)查者的區(qū)間數(shù)多屬性矩陣如下：A（1）、A（2）、A（3）、A（4）、A（5）和A（6）依次為青年學(xué)生、白領(lǐng)、教師、普通工人、公務(wù)員、農(nóng)民群體的區(qū)間數(shù)矩陣；矩陣中從上到下依次為調(diào)查者的不滿、抑郁、恐慌及憤怒四種情緒，從左到右依次為青年學(xué)生、白領(lǐng)、教師、普通工人、公務(wù)員、農(nóng)民群體。筆者得到以下矩陣：

植物模擬生長(zhǎng)算法集結(jié)后的矩陣為：

平均后得：

運(yùn)用層次單排序求出：

由上述集結(jié)結(jié)果得到群體中不滿、抑郁、恐慌及憤怒情緒的比重：23%處于不滿情緒；27%處于抑郁情緒；21%處于恐慌情緒；29%處于憤怒情緒。綜合來看，各個(gè)群體中的抑郁和憤怒情緒占據(jù)大部分。由于群體中4種情緒的人群比重較為均衡，抑郁和憤怒情緒的人群比重稍多，所以這個(gè)時(shí)候應(yīng)該采取積極的疏導(dǎo)措施，同時(shí)為預(yù)防群體性事件爆發(fā)做出一些基礎(chǔ)準(zhǔn)備。

四、結(jié)論

群體性事件的爆發(fā)嚴(yán)重?cái)_亂社會(huì)的正常秩序，對(duì)群體情緒的正確認(rèn)知和疏導(dǎo)一直是讓決策者頭疼的問題。筆者基于多屬性區(qū)間數(shù)矩陣構(gòu)建了群體性事件信息集結(jié)模型并進(jìn)行了模擬分析，首先通過對(duì)有負(fù)面情緒的群體進(jìn)行實(shí)際調(diào)查，從而獲取相關(guān)人員的負(fù)面情緒反饋，再把幾種典型情緒轉(zhuǎn)化成區(qū)間數(shù)判斷矩陣的方式加以具體量化。最后通過植物模擬生長(zhǎng)算法對(duì)群體負(fù)面情緒進(jìn)行集結(jié)，得出群體中的情緒比重。通過這樣的調(diào)查和反饋，最終為決策者提供建議和意見，以達(dá)到遏制群體性事件爆發(fā)的目的。

參考文獻(xiàn)：

[1]FINK S.Crisis Management：Planning for The Inevitable[M].Network：Network median Management Association，1986.

[2]馮艷剛，吳軍.突發(fā)事件環(huán)境下風(fēng)險(xiǎn)厭惡型報(bào)童博弈模型[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[3]趙奕奕，彭怡，肖磊，李玲.突發(fā)事件下群體搶購行為的輿論傳播機(jī)理研究[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[4]趙洪舉，彭怡，李健，朱征.突發(fā)事件快速評(píng)估模型[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[5]戴偉，余樂安，湯鈴，沈焱.非常規(guī)突發(fā)事件公共恐慌的政府信息公布策略研究：基于Multi-Agent模型[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[6]馬妍，趙玉新，陳立娟，常帥.基于投影濾波的突發(fā)事件危險(xiǎn)源位置估計(jì)問題研究[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[7]宋楠，付舉磊，鮑勤，喬晗.基于無標(biāo)度網(wǎng)絡(luò)的恐怖信息傳播與最優(yōu)應(yīng)對(duì)策略[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[8]朱建明.損毀情景下應(yīng)急設(shè)施選址的多目標(biāo)決策方法[J].系統(tǒng)工程理論與實(shí)踐，2015（3）.

[9]堵丁柱.談?wù)勊固辜{樹[J].數(shù)學(xué)通報(bào)，1995（1）.

[10]肖翰珅.關(guān)于廣義Fermat點(diǎn)唯一性的探討[J].數(shù)學(xué)通報(bào)，2012 （10）.

[11]李彤，王春峰，王文波，宿偉玲.求解整數(shù)規(guī)劃的一種仿生類全局優(yōu)化算法：模擬植物生長(zhǎng)算法[J].系統(tǒng)工程理論與實(shí)踐，2005（1）.

[12]李彤，宿偉玲，李磊.單級(jí)與二級(jí)整數(shù)規(guī)劃算法原理及應(yīng)用[M].北京：科學(xué)出版社，2007（7）.

[13]丁雪楓，馬良，丁雪松.基于模擬植物生長(zhǎng)算法的易腐物品物流中心選址[J].系統(tǒng)工程，2009（2）.

[14]李彤，王眾托.模擬植物生長(zhǎng)算法在設(shè)施選址問題中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，2008（12）.

[15]楊磊，劉義保，劉玉娟.基于模擬植物生長(zhǎng)算法的鈷源源棒的排列優(yōu)化[J].核技術(shù)，2009（12）.

[16]GUNEY K，DURMUS A，BASBUG S.A Plant Growth Simulation Algorithm for Pattern Nulling of Linear Antenna Arrays by Amplitude Control[J].Progress In Electromagnetics Research，2009（17）.

[17]RAO R S，NARASIMHAM S.Optimal Capacitor Placement in a Radial Distribution System Using Plant Growth Simulation Algorithm[J].Journal of Electrical Power and Energy and Energy Systems Engineering，2008（2）.

[18]THIRUVENKADAMS，NIRMALKUMARA，SAKTHIVEL A.Energy Management of Large Distribution Network With Plant Growth Simulation Algorithm and Heuristic Fuzzy[J].International Journal on Electronic & Electrical Engineering，2009（1）.

（編輯：唐龍）

基金項(xiàng)目：江蘇省2015年普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目“群體性事件隱秩序的信息挖掘及其預(yù)警研究”（KYZZ15_0309）。

收稿日期：2015-12-28

作者簡(jiǎn)介：李靜（1992-），男，江南大學(xué)（江蘇無錫214122）管理科學(xué)與工程系2014級(jí)碩士研究生，研究方向?yàn)闆Q策理論與方法。

中圖分類號(hào)：F062.5

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-1999（2016）03-0042-04