宋鈺 謝科范 梁本部

摘 要： 人群踩踏已成為嚴(yán)重影響社會治安、危及人們生命安全的重大災(zāi)難事件，為分析其發(fā)生的特征與致因，從發(fā)展趨勢、傷亡情況、觸發(fā)地點(diǎn)等多個方面對1990-2017年147起國內(nèi)外人群踩踏事件進(jìn)行分析，基于共詞分析與社會網(wǎng)絡(luò)理論，計算高頻詞網(wǎng)絡(luò)節(jié)點(diǎn)的點(diǎn)度中心性、中間中心性與接近中心性，分析踩踏事件高頻詞的網(wǎng)絡(luò)控制能力、信息傳遞能力與獨(dú)立性;通過小團(tuán)體識別，剖析不同踩踏事件的致因與特點(diǎn)。結(jié)果表明：踩踏事件發(fā)生的數(shù)量呈現(xiàn)周期性波動，非洲和亞洲是踩踏事件傷亡最為嚴(yán)重的地區(qū)，體育場、橋梁街道、寺廟等是發(fā)生踩踏事件的主要場所;可視化網(wǎng)絡(luò)節(jié)點(diǎn)的點(diǎn)度中心度決定了事件特征詞觸發(fā)踩踏事件的控制能力，中間中心性決定了間接因素轉(zhuǎn)化為觸發(fā)因素的能力，接近中心性刻畫踩踏事件的突發(fā)性致因;宗教、布施、慶典、賽事等活動的踩踏事故觸發(fā)因素具有一定差異性。最后，基于共詞分析與網(wǎng)絡(luò)分析結(jié)果提出踩踏事件的預(yù)防對策。

關(guān)鍵詞： 人群踩踏; 共詞分析; 中心性分析; 小團(tuán)體分析; 策略分析

中圖分類號： X928 文獻(xiàn)標(biāo)識碼： A DOI： 10.3963/j.issn.1671|6477.2019.01.0006

一、 問題的提出與文獻(xiàn)綜述

近年來，隨著人們生活水平的不斷提高，參與商業(yè)、體育、宗教等活動已經(jīng)成為人們精神文化生活的主要方式，城市公共設(shè)施的迅速發(fā)展為人群聚集活動提供了便利，同時也帶來了重大的安全隱患[1]。大型活動形成的人群聚集具有參與人數(shù)眾多、風(fēng)險因素復(fù)雜、社會影響面廣等特點(diǎn)，若在人群流動中產(chǎn)生高密度人群、沖突、跌倒等情況，極易觸發(fā)嚴(yán)重的踩踏事件。據(jù)不完全統(tǒng)計，1990-2017年期間國內(nèi)外共發(fā)生147起踩踏事件，造成7526人死亡，12407人受傷，而亞洲是事故的高發(fā)地區(qū)，造成了極其嚴(yán)重的人員傷亡和財產(chǎn)損失。因此，這使得針對踩踏事件的特征與致因等問題的研究，成為目前人口增長迅速且人群管理水平較為落后的發(fā)展中國家極其迫切的需要。

人群踩踏，指在人群聚集的事件中，某高密度區(qū)域內(nèi)，單人或多人因異常行為、恐慌等突發(fā)狀況而行走不穩(wěn)造成擠壓和跌倒，且少量個體因其他多數(shù)人群的疊壓未能站起，導(dǎo)致短時間內(nèi)的人群停滯、失控的現(xiàn)象[2]。目前關(guān)于人群踩踏的研究主要從事故分析、人群流動模型與風(fēng)險評估等幾個角度展開。從事故分析的角度，Aylwin[3]對踩踏事件的觸發(fā)因素、事件過程、傷亡情況等進(jìn)行了統(tǒng)計分析;Turris等[4|6]學(xué)者重點(diǎn)分析了印度、沙特阿拉伯國家宗教與慶典活動中的踩踏事件，發(fā)現(xiàn)謠言、騷亂是構(gòu)成災(zāi)害發(fā)生的主要原因;任常興[7]用群集指數(shù)表征人群密集參量，指出高度聚集是人群踩踏事件發(fā)生的先決條件;張青松[8]等從人群踩踏事故發(fā)生的致因機(jī)理與人體行為出發(fā)，提出人群踩踏事故風(fēng)險理論，包括自由移動、滯留、擁擠、踩踏四個階段;單雪強(qiáng)[9]等收集與整理近10年中小學(xué)擁擠踩踏事故案例，對其時空分布和影響因素進(jìn)行分析;尹曉慶基于事故致因理論及其形成機(jī)理建立大型活動擁擠踩踏事件事故樹，總結(jié)踩踏事件的特征和形成機(jī)理[10]。在人群流動模型層面，學(xué)者進(jìn)行了較為深入的探討，主要從宏觀人群模型，如Henderson[11]提出的宏觀氣體或液體流模型，將大規(guī)模人群的流動看作類似于物質(zhì)流動;及微觀人群模型，如社會力連續(xù)模型[12]、元胞自動機(jī)離散模型[13]，對人群中的個體行為進(jìn)行獨(dú)立模擬，為大規(guī)模人群活動的規(guī)劃提供數(shù)據(jù)支持。在踩踏風(fēng)險評估的層面，于帆[14]等人從發(fā)生機(jī)制入手分析踩踏事故的影響階段，獲取公共場所踩踏事故風(fēng)險評價指標(biāo)，構(gòu)建評價體系;劉艷等確定人群踩踏事故風(fēng)險的輸入輸出向量與權(quán)重，運(yùn)用DEA模型評價地鐵擁擠踩踏風(fēng)險;王起全引入賦權(quán)關(guān)聯(lián)度、神經(jīng)網(wǎng)絡(luò)算法[15|16]確定踩踏風(fēng)險的主要因素，選取地鐵實(shí)際樣本與事故案例進(jìn)行對比分析。

目前國內(nèi)外學(xué)者對于踩踏事件的研究主要集中在人群踩踏理論與數(shù)據(jù)的分析上，研究方法多采用描述性統(tǒng)計，而踩踏事件文獻(xiàn)來源復(fù)雜，僅靠單一描述性統(tǒng)計分析很難挖掘踩踏事件發(fā)生的深層規(guī)律與原因。本文運(yùn)用共詞分析方法，在檢索國內(nèi)外學(xué)術(shù)文獻(xiàn)、灰色文獻(xiàn)的基礎(chǔ)上，基于高頻詞的共現(xiàn)矩陣與可視化網(wǎng)絡(luò)進(jìn)一步剖析人群踩踏事件的內(nèi)在特征與觸發(fā)因素，提出踩踏事件的預(yù)防對策。

二、 研究方法與數(shù)據(jù)來源

（一） 數(shù)據(jù)來源

本文以人群踩踏事件為主題，以CNKI、萬方、EBSCO、Elsevier、WOS等為數(shù)據(jù)源，以“踩踏”、“踩踏事件”、“人群踩踏”、“crowd stampede”、“crowd disasters”、“mass incidents”為中英文檢索詞。由于人群踩踏事件具有突發(fā)性強(qiáng)、涉及面廣的特點(diǎn)，學(xué)術(shù)文獻(xiàn)的研究存在一定的滯后性[17]，僅對文獻(xiàn)進(jìn)行分析無法獲取完善的踩踏數(shù)據(jù)，因此本文另選取以互聯(lián)網(wǎng)為基礎(chǔ)的灰色文獻(xiàn)，包括人民網(wǎng)、新華網(wǎng)、百度新聞、新浪新聞、BBC World、New York Times、Google等主要中英文主流媒體網(wǎng)站，對國內(nèi)外新聞報道進(jìn)行了全面檢索，運(yùn)用爬蟲方法獲取主要媒體的踩踏事件報道，獲得非相似新聞723篇，合并、剔除不相關(guān)信息，得到1990-2017期間國內(nèi)外人群踩踏事件147起。

（二） 研究方法

共詞分析法是文獻(xiàn)分析領(lǐng)域中進(jìn)行文獻(xiàn)統(tǒng)計、詞頻統(tǒng)計的主要方法之一，能夠準(zhǔn)確定位檢索詞所涉及領(lǐng)域的主要研究熱點(diǎn)，反映出研究的一般規(guī)律與發(fā)展趨勢?；诰W(wǎng)絡(luò)爬蟲獲取的事件信息，對踩踏事件發(fā)生的趨勢、傷亡、區(qū)域分布、場所等進(jìn)行分析;運(yùn)用ICTCLAS漢語分詞系統(tǒng)，對爬取的文本進(jìn)行高頻詞識別和提取，獲得踩踏相關(guān)文獻(xiàn)和新聞的關(guān)鍵詞作為主要研究對象，對關(guān)鍵詞進(jìn)行規(guī)范化處理，合并同義詞、近義詞，如“人流對沖”、“相向行走”、“對流”、“合流”等合并為“對沖合流”，將“逃跑”和“逃離”合并為“逃散”，剔除不規(guī)范的關(guān)鍵詞如“預(yù)案不足”、“催淚瓦斯”等，最終得到關(guān)鍵詞72個，按照出現(xiàn)頻次進(jìn)行排序，選取詞頻數(shù)大于3的40個高頻關(guān)鍵詞作為研究對象，分析國內(nèi)外人群踩踏事件的特征與致因;構(gòu)建高頻詞共現(xiàn)矩陣，矩陣中交匯點(diǎn)處代表一組高頻關(guān)鍵詞同時出現(xiàn)在一篇文獻(xiàn)中的頻次[20]。

運(yùn)用社會網(wǎng)絡(luò)分析軟件Ucinet，構(gòu)建虛擬化高頻詞網(wǎng)絡(luò)，清晰呈現(xiàn)出各高頻詞之間的相互關(guān)系。計算高頻詞節(jié)點(diǎn)的點(diǎn)度中心性、中間中心性與接近中心性等網(wǎng)絡(luò)指標(biāo)值。采用組間連接、平方Euclidean距離作為聚類標(biāo)準(zhǔn)，進(jìn)行聚類分析，獲取聚類網(wǎng)絡(luò)圖，得到小團(tuán)體關(guān)鍵詞的特征與內(nèi)涵，探索不同類型踩踏事件的動因。

三、 實(shí)證分析

（一） 近年來國內(nèi)外人群踩踏事件的描述性統(tǒng)計分析

圖1呈現(xiàn)了近30年來人群踩踏事件的變化趨勢。踩踏事件具有高發(fā)性的特點(diǎn)，僅1993、1995、1997三年未發(fā)生大規(guī)模人群踩踏事件;1990-2000年之間國內(nèi)外發(fā)生的踩踏事件數(shù)量相對較少，2000年以后呈現(xiàn)明顯波動上升的趨勢，約5年為一波動周期，在2005、2010、2014年達(dá)到波峰值15、18、14起，共占到了踩踏事件總數(shù)的32.4%，同時國外踩踏事件的發(fā)生頻率明顯高于國內(nèi)。

從事故發(fā)生區(qū)域與傷亡人數(shù)層面看，如表1所示，踩踏事件多發(fā)生在亞洲、非洲，其中亞洲發(fā)生踩踏事件103起，占總數(shù)的70%，傷亡人數(shù)超過到10000人，西亞踩踏事件最為嚴(yán)重，傷亡人數(shù)6599人，死亡人數(shù)4235人，遠(yuǎn)超其他地區(qū)，如沙特阿拉伯、伊朗、伊拉克等宗教活動盛行的國家;非洲發(fā)生踩踏事件32起，占總數(shù)的21.8%，死亡人數(shù)超過5000人，如剛果、加納、科特迪瓦發(fā)生多次踩踏事件;歐洲發(fā)生踩踏事件數(shù)目相對較少，但是傷亡人數(shù)高達(dá)2500人，占傷亡總?cè)藬?shù)的12.5%，說明歐洲國家踩踏事故造成的后果最為嚴(yán)重，多是由暴亂、恐怖襲擊引起的;踩踏事件在美洲、大洋洲相對較少。

從踩踏事故的發(fā)生地點(diǎn)來看，如圖2所示，傷亡人數(shù)最多的場所為體育場（35起，7507人），但相對來說死亡人數(shù)較少;橋梁街道（32起）造成了最多的死亡人數(shù)4000人;寺廟教堂與地下通道共發(fā)生踩踏事件17起，造成傷亡人數(shù)分別為1753與1546人，而地下通道僅發(fā)生3起事故，死亡人數(shù)高達(dá)500人/次，說明頻發(fā)在狹窄通道的事故更容易造成人群擠壓，短時間內(nèi)形成嚴(yán)重的后果;學(xué)校是踩踏事件的高發(fā)場所（30起），更多地出現(xiàn)在落后地區(qū)的中小學(xué)群體中;娛樂場所均次死亡人數(shù)達(dá)到50人/次，相對較高;其他場所傷亡情況如圖2所示。

（二） 近年來國內(nèi)外人群踩踏事件的高頻詞分析

關(guān)鍵詞是事件發(fā)生的精髓，是對學(xué)術(shù)文獻(xiàn)和灰色文獻(xiàn)的凝練。如果某一關(guān)鍵詞在事件描述中反復(fù)出現(xiàn)，則可反映出該關(guān)鍵詞是事件發(fā)生的重要關(guān)聯(lián)要素，體現(xiàn)出某一或某一類事件的特征或致因。踩踏事件的關(guān)鍵詞，可以在一定程度上反映事故發(fā)生的一般特點(diǎn)，因此，本文選取詞頻數(shù)大于3的40個高頻關(guān)鍵詞作為研究對象，分析人群踩踏事件的特征與致因，如表2所示。

“踩踏”作為人群踩踏事件的核心關(guān)鍵詞，詞頻數(shù)最高?！皳頂D”詞頻數(shù)達(dá)到了90，高于其他關(guān)鍵詞，體現(xiàn)出人群聚集形成的擁擠環(huán)境是踩踏事件發(fā)生的必要條件;“跌倒”、“恐慌”、“集聚”等關(guān)鍵詞詞頻均超過了20次，代表踩踏事故中人群心理與行為的規(guī)律與特征;“宗教活動”、“體育賽事”、“音樂節(jié)”、“慶典”、“災(zāi)難”、“事故”等關(guān)鍵詞體現(xiàn)了踩踏事件發(fā)生的事故場景;“課間”、“停電”等則表明了踩踏事件發(fā)生的時間;“樓梯”、“電梯”等關(guān)鍵詞說明了踩踏事件一般發(fā)生的地點(diǎn)，“對沖”、“暴力”、“出入口限制”、“結(jié)構(gòu)失效”等關(guān)鍵詞則體現(xiàn)了踩踏事件發(fā)生的原因。

依據(jù)高頻關(guān)鍵詞在同一文獻(xiàn)中出現(xiàn)的頻次構(gòu)建共現(xiàn)矩陣，表3右上部列舉了主要關(guān)鍵詞的共現(xiàn)頻次，高共現(xiàn)頻次說明關(guān)鍵詞之間存在較強(qiáng)的相關(guān)性。“踩踏”與其他高頻詞均具有較高的相關(guān)性，共現(xiàn)數(shù)與詞頻數(shù)目大致相等?！皳頂D”與“跌倒”、“聚集”、“恐慌”、“慶典”、“賽事”等關(guān)鍵詞均出現(xiàn)了高相關(guān)性，可以看出，高密度人群是造成人群跌倒、恐慌的主要原因，大規(guī)模聚集活動是高密度人群的頻發(fā)場景，朝覲活動（尤其集中在西亞地區(qū)），形成了較為龐大的聚集性人群，“擁擠”現(xiàn)象極易出現(xiàn);“賽事”和“恐慌”具有較強(qiáng)相關(guān)，賽事活動的情緒變化容易造成個體情緒的脆弱性特點(diǎn)，處在激動情緒的觀眾在突發(fā)性刺激情緒影響時，如打罵、尖叫、暴動等，容易產(chǎn)生恐慌情緒;“逃散”是“恐慌”產(chǎn)生的最為直接結(jié)果（共現(xiàn)頻次為7），高密度情況下個體的無序、變速移動，會增大人群的風(fēng)險等級;“對沖合流”是較為危險的人流狀態(tài)，出現(xiàn)在高密度人群和復(fù)雜的建筑結(jié)構(gòu)中，與“擁擠”共現(xiàn)頻次較高。由于篇幅有限，本文僅提供部分高頻詞共現(xiàn)矩陣（如表3所示）。

（三） 近年來國內(nèi)外人群踩踏事件的網(wǎng)絡(luò)分析

在圖論（Graph Theory）與網(wǎng)絡(luò)分析（Network Analysis）中，中心性是衡量節(jié)點(diǎn)在整個網(wǎng)絡(luò)系統(tǒng)中重要性的重要指標(biāo)，包括點(diǎn)度中心性、中間中心性和接近中心性。將網(wǎng)絡(luò)理論與文本方法相結(jié)合，能夠有效分析高頻詞在網(wǎng)絡(luò)中的地位與特征，同時剖析不同節(jié)點(diǎn)間的相互關(guān)系，了解踩踏事件不同特征與致因之間的相互影響。

1.點(diǎn)度中心性。一個節(jié)點(diǎn)的點(diǎn)度中心性只有在網(wǎng)絡(luò)中與其他相關(guān)節(jié)點(diǎn)的點(diǎn)度中心度進(jìn)行比較才有意義，而圖的網(wǎng)絡(luò)中心勢表示網(wǎng)絡(luò)總體向某個節(jié)點(diǎn)的聚集程度與概率。

在網(wǎng)絡(luò)中，與一個節(jié)點(diǎn)直接相連的節(jié)點(diǎn)個數(shù)越多，則其在圖中的位置越靠近中心，擁有的權(quán)重也越大。用CRDi表示節(jié)點(diǎn)i的點(diǎn)度中心度，即節(jié)點(diǎn)i與其他n-1個節(jié)點(diǎn)直接聯(lián)系的數(shù)量。節(jié)點(diǎn)的點(diǎn)度中心度與網(wǎng)絡(luò)規(guī)模n相關(guān)，網(wǎng)絡(luò)規(guī)模越大，則點(diǎn)度中心度的取值可能性越大。為了消除網(wǎng)絡(luò)規(guī)模不確定引起的影響，Stanley Wasserman[21]等提出相對節(jié)點(diǎn)中心度C′[KG-*2]RDi的公式：

踩踏事件高頻詞網(wǎng)絡(luò)中，節(jié)點(diǎn)之間的聯(lián)系可以理解為不同事故發(fā)生功能、場所、事件類型之間的聯(lián)系，以及事件發(fā)生的復(fù)雜性。點(diǎn)度中心性度表示某個關(guān)鍵詞對其他關(guān)鍵詞的影響程度，體現(xiàn)踩踏事件發(fā)生的核心原因、地點(diǎn)、結(jié)果等，踩踏事件的高頻詞網(wǎng)絡(luò)相對點(diǎn)度中心度（C′[KG-*2]RDi）如表4所示。

踩踏事件關(guān)鍵詞的網(wǎng)絡(luò)中心勢為63.16，關(guān)鍵詞網(wǎng)絡(luò)集中趨勢較為明顯，平均點(diǎn)度中心度（Mean Centrality Degree）為15.231，共現(xiàn)頻次較高，表明踩踏事件具有共性的觸發(fā)因素?！安忍ぁ毕鄬c(diǎn)度中心度為1，與其他關(guān)鍵詞均存在直接聯(lián)系，具有較強(qiáng)的資源控制能力;體現(xiàn)人群聚集宏觀特點(diǎn)的高頻詞相

對點(diǎn)度中心度較高，如“擁擠”、“集聚”、“蜂擁”等，在占據(jù)網(wǎng)絡(luò)的中心位置，體現(xiàn)踩踏事件的共性因素為密度較大人群中的異常移動;“恐慌”表明在擁擠踩踏事故發(fā)生時，人群易產(chǎn)生異常心理，且個體異常情緒極易影響周圍人群;“跌倒”、“逃散”、“混亂”表明異常行為導(dǎo)致的個體跌倒是踩踏事故的主要觸發(fā)事件，兩種主要致因包括主觀致因（“對沖合流”、“超員”、“爭搶”等）與客觀致因（“結(jié)構(gòu)失效”、“狹窄”、“出入口限制”）;情境因素包括：“體育賽事”、“慶典”、“宗教”等，相對點(diǎn)度中心度較高，是踩踏事件發(fā)生的主要人群聚集場景，而“布施活動”、“災(zāi)難事故”、“音樂節(jié)”等突發(fā)事件所引起的異常人群流動也不容忽視，其人群情緒往往異于正常情況?！巴ｋ姟?、“朝覲”、“爆炸”等關(guān)鍵詞的點(diǎn)度中心度在10以下，處于網(wǎng)絡(luò)的邊緣位置，體現(xiàn)踩踏事件發(fā)生的突發(fā)致因。

2.中間中心性。中間中心度作為衡量控制節(jié)點(diǎn)之間交往能力的指標(biāo)，代表著對網(wǎng)絡(luò)資源的控制程度，通過計算中間中心性可以分析踩踏事件高頻詞網(wǎng)絡(luò)中某個節(jié)點(diǎn)或某條邊作為“中介”的能力，即某個關(guān)鍵詞作為“中介”對其他關(guān)鍵詞的影響及資源的掌控程度，在踩踏事件高頻詞網(wǎng)絡(luò)中，其節(jié)點(diǎn)中間中心度的大小代表傳遞信息能力的強(qiáng)弱，是導(dǎo)致踩踏事件發(fā)生的關(guān)鍵性節(jié)點(diǎn)，踩踏事件高頻詞的相對中間中心度（CRBi）如表5所示。節(jié)點(diǎn)i的相對中間中心度[22]為：

作為信息傳導(dǎo)重要通道，相對中間中心度較高的關(guān)鍵詞節(jié)點(diǎn)對踩踏事件的發(fā)生起到?jīng)Q定性的作用?！皳頂D”、“恐慌”、“集聚”、“跌倒”、“蜂擁”、“逃散”等體現(xiàn)人為因素的關(guān)鍵詞節(jié)點(diǎn)具有較高的相對中間中心度。與點(diǎn)度中心度相比，節(jié)點(diǎn)“擁擠”不僅占據(jù)了高頻詞網(wǎng)絡(luò)的核心位置，還控制了眾多節(jié)點(diǎn)對的測地線網(wǎng)絡(luò)，說明高密度人群是促使踩踏事件間接因素轉(zhuǎn)化為觸發(fā)因素的關(guān)鍵，同時異常人群如恐慌、跌倒、蜂擁與逃散（突然加速或減速）也是促使踩踏事件發(fā)生的重要觸發(fā)因素。從場景因素的維度，“出入口限制”、“結(jié)構(gòu)失效”、“狹窄”等場景結(jié)構(gòu)性特征高頻詞也占據(jù)著網(wǎng)絡(luò)的關(guān)鍵性節(jié)點(diǎn)，說明由于場地設(shè)置缺陷或超出額定承載范圍，是造成突發(fā)踩踏事件的重要因素，同時也是間接因素轉(zhuǎn)化為觸發(fā)因素的催化劑。此外，“樓梯”、“電梯”等狹窄空間也已造成局部人群密度過高，從而導(dǎo)致間接因素轉(zhuǎn)化。從環(huán)境因素的維度，“謠言”在網(wǎng)絡(luò)中占據(jù)較為重要的信息傳遞位置，當(dāng)產(chǎn)生恐怖言論并擴(kuò)散傳播時，聚集人群易發(fā)生突然的不規(guī)則移動，造成碰撞或跌倒;“暴力”、“免費(fèi)”、“促銷”、“爆炸”、“停電”等其他意外環(huán)境因素也占據(jù)了較為重要的信息節(jié)點(diǎn)，但相比人為因素和場景因素，其中介能力較弱。從管理因素維度，“對沖合流”、“失控”、“爭搶”、“涌入”等高頻詞代表由于現(xiàn)場管理不當(dāng)形成的高風(fēng)險群體，包括對沖人流、無序移動人流、星狀集中人流和瓶頸人流等，但對資源的中介能力最弱，屬于觸發(fā)因素。

3.接近中心性。接近中心性是從整體出發(fā)，用來測量節(jié)點(diǎn)“行動”不受他人“控制”的能力，關(guān)注更多的是捷徑，而不是節(jié)點(diǎn)直接連接關(guān)系。如果一個點(diǎn)通過更短的接地線與其他節(jié)點(diǎn)相連接，即這個節(jié)點(diǎn)具有較高的接近中心性，反之，則該節(jié)點(diǎn)具有較高的獨(dú)立性。節(jié)點(diǎn)的相對接近中心度[23]可表示為：

由于踩踏事件高頻詞網(wǎng)絡(luò)的網(wǎng)絡(luò)中心勢較高、網(wǎng)絡(luò)較為集中，相對接近中心度與相對點(diǎn)度中心度呈現(xiàn)相似的特征。擁有較大相對接近中心度的節(jié)點(diǎn)仍然為“踩踏”、“擁擠”、“跌倒”，無論作為踩踏事件的控制者、誘因的中介者，還是作為事件的聯(lián)合觸發(fā)者，人為因素都占據(jù)著極其重要的網(wǎng)絡(luò)地位，說明在宗教活動、體育賽事、布施活動等不同的場景因素中，人為誘因是造成踩踏事故最為普遍、直接的致因。相反，“停電”、“朝覲”、“有毒氣體”、“爆炸”具有較低的接近中心性，說明此類事件具有較強(qiáng)的獨(dú)立性和不可預(yù)測性的特點(diǎn)。場地設(shè)計因素如“出入口限制”、“結(jié)構(gòu)失效”、“狹窄”等節(jié)點(diǎn)仍具有較高的相對接近中心性，傳遞信息功能較強(qiáng)，即更易導(dǎo)致間接因素向觸發(fā)致因的轉(zhuǎn)化。

4.聚類分析。基于層次聚類方法[24]，對人群踩踏事件高頻詞的共現(xiàn)矩陣進(jìn)行分析，呈現(xiàn)踩踏事件高頻詞的網(wǎng)絡(luò)分布及踩踏事件發(fā)生的中心詞與邊緣詞，得到6個關(guān)鍵詞子群，如圖3所示，聚類網(wǎng)絡(luò)的整體密度值為0.39，各高頻詞之間聯(lián)系較為緊密。

小團(tuán)體（G1）代表的核心詞多與“宗教”朝覲相關(guān)，占據(jù)著可視化網(wǎng)絡(luò)的核心位置，包括了網(wǎng)絡(luò)分析的多個核心詞，說明此類事件是最具代表性的踩踏事故。這類事件主要發(fā)生在亞洲、非洲等宗教活動盛行的國家，如印度、沙特、巴基斯坦等;事發(fā)地點(diǎn)多處于街道、涵洞、橋梁等狹窄區(qū)域，“跌倒”、“失控”、“對沖合流”等關(guān)鍵詞體現(xiàn)了這類事件的一般原因：小規(guī)模群體相對于總體人流減速、靜止或逆行，造成人流阻塞、失控，局部人群密度過大，發(fā)生踩踏事件。

小團(tuán)體（G2）中“布施”、“促銷”呈現(xiàn)為另一類踩踏事件的高發(fā)活動，主要發(fā)生在印度、尼日利亞、中國等發(fā)展中或不發(fā)達(dá)國家和地區(qū)，涉及范圍較廣。這類活動對群眾有較強(qiáng)的情感刺激。在群體活動中，個體的知覺和行為極易受他周圍人群的影響[25]，當(dāng)提及某些激勵性信息，如“食物免費(fèi)”、“降價”等，人群容易發(fā)生“爭搶”、“蜂擁”等行為，造成局部空間內(nèi)人流速率的突然變化并向某一刺激點(diǎn)集中，而弱勢群體如老人、小孩、婦女等由于身體的先天性弱勢，易產(chǎn)生跌倒、受傷，甚至形成踩踏事件。

小團(tuán)體（G3）中“慶典”是另一踩踏事件的高發(fā)活動。在慶典、音樂節(jié)等代表性活動中，群體情緒往往處于非理性狀態(tài)，如激動、興奮等。當(dāng)發(fā)生突發(fā)事件時，人們更容易受到刺激產(chǎn)生恐慌情緒;由于建筑結(jié)構(gòu)性制約，大規(guī)模人群無法快速轉(zhuǎn)移或疏散，當(dāng)途經(jīng)狹窄區(qū)域如出入口或樓梯時，瞬間的人流涌入會造成單位面積內(nèi)人群密度過大，從而導(dǎo)致踩踏風(fēng)險，2014年“上海外灘陳毅廣場踩踏事件”就是由于狹窄樓梯處人流對沖造成的，死亡人數(shù)多達(dá)36人。

小團(tuán)體（G4）的高頻詞多與校園踩踏事件相關(guān)，集中發(fā)生在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的中小學(xué)群體中，核心詞“擁擠”體現(xiàn)了小學(xué)校園更容易出現(xiàn)人群擁擠，此類校園基礎(chǔ)設(shè)施較為簡陋，事發(fā)時間多為學(xué)生課間、上學(xué)、放學(xué)、儀式活動等，發(fā)生地點(diǎn)主要集中在樓梯間、拐角、樓道間，從個體特點(diǎn)來看，中小學(xué)生自我保護(hù)意識較弱、行動隨意性強(qiáng)，在發(fā)生“跌倒”、“停電”等突發(fā)事件時，容易造成驚慌、奔跑等行為，從而造成嚴(yán)重后果。

小團(tuán)體（G5）中的“體育賽事”（尤其足球比賽）踩踏事件主要發(fā)生在美洲、非洲等地區(qū)，單次死傷人數(shù)超過10人。發(fā)生的主要原因包括：球場超容，如2006年也門伊卜踩踏事件中，容量僅為1萬人的體育場當(dāng)天觀眾高達(dá)15萬，最終釀成慘劇;結(jié)構(gòu)失效，當(dāng)單位面積人數(shù)超過建筑物承載閾值，建筑如大門、欄桿、樓梯等就會發(fā)生坍塌，而由于局部內(nèi)人群密度過大，疏散的空間和時間受到制約，極易造成大規(guī)模傷亡;球場暴力，比賽雙方觀眾由于立場不同易產(chǎn)生激動或敵對情緒，進(jìn)而上升為爭執(zhí)、打架、投擲危險品等極端行為，人群產(chǎn)生恐慌情緒形成不規(guī)則“躲避”、“逃散”，最終發(fā)生踩踏事件。

小團(tuán)體（G6）可以看出突發(fā)的災(zāi)難事件容易造成人群恐慌、逃散，突發(fā)災(zāi)難事件主要包括地震、火災(zāi)、槍擊、異響、爆炸、恐怖襲擊、設(shè)施倒塌等，同時謠言也是釀成踩踏事件的重要因素，容易造成恐慌逃散、恐慌傳播等現(xiàn)象。

四、 討論與政策建議

通過網(wǎng)絡(luò)分析結(jié)果發(fā)現(xiàn)，目前踩踏事件多發(fā)生于宗教、布施、體育賽事等活動中，其發(fā)生過程可以概括如下：集聚行為在場景、場地因素的作用下，形成不規(guī)則人群異常行為的間接因素，在催化因子的作用下，間接因素向觸發(fā)因素轉(zhuǎn)化形成個體移動速度不均、跌倒、擁擠等現(xiàn)象，最終導(dǎo)致踩踏事件。但通過聚類分析發(fā)現(xiàn)，當(dāng)場景因素的不同時，其特征和致因也存在差別，演化如圖4所示。

人群的行為類因素構(gòu)成了踩踏事件的間接與直接致因，其中能夠直接觸發(fā)事故的兩個重要要素包括：擁擠和跌倒，即高密度人群與突發(fā)性事件的協(xié)同作用;而間接因素主要包括人群移動的主要異常特征，包括逃散、爭搶、推搡等，易造成小范圍內(nèi)集聚狀態(tài)的不穩(wěn)定性，增加人群風(fēng)險。中心性分析結(jié)果顯示，高頻關(guān)鍵詞作為網(wǎng)絡(luò)信息傳遞的重要樞紐占據(jù)了網(wǎng)絡(luò)的核心位置，控制著網(wǎng)絡(luò)信息的傳導(dǎo)。因此，踩踏事件間接因素向直接因素的轉(zhuǎn)化，需要催化因素（控制節(jié)點(diǎn)）的作用和影響，環(huán)境狀態(tài)的異常、物理狀態(tài)的改變、管理失效都可以促使人群狀態(tài)的加速惡化，導(dǎo)致系統(tǒng)的風(fēng)險狀態(tài)超過閾值，形成觸發(fā)因素。人群的情感類因素也會形成催化作用，異常個體情緒不僅會影響其思維判斷和路徑選擇，同時還會形成傳播效應(yīng)，影響周邊群體，導(dǎo)致系統(tǒng)風(fēng)險數(shù)值呈現(xiàn)幾何式增長，最終形成人群系統(tǒng)的紊亂，導(dǎo)致踩踏事故的發(fā)生。

基于此，在不同人群踩踏高發(fā)事件：宗教活動、發(fā)放活動、慶典活動、校園活動、體育賽事、突發(fā)災(zāi)難上，選擇應(yīng)急管理、場地管理、信息管理、人群管理幾個維度進(jìn)行人群集會場所踩踏事件風(fēng)險規(guī)避的策略探討。

第一，加強(qiáng)對宗教活動踩踏事件高發(fā)場所如橋梁、涵洞、地下通道等地的人流流量、流向與密度監(jiān)控，做好硬件設(shè)施的鞏固工作，保證朝覲場所空曠暢通;合理設(shè)計宗教活動路線，保證道路的單向通行，通過科學(xué)設(shè)計路標(biāo)標(biāo)示、警示語、隔離帶等引導(dǎo)人群移動，嚴(yán)格控制宗教活動人員總數(shù)量。

第二，發(fā)放活動如布施、促銷等活動中，應(yīng)將地點(diǎn)設(shè)置在廣場、體育場等空曠場所，增加發(fā)放地點(diǎn)與窗口數(shù)量，延長活動時間，有效地進(jìn)行人群分流;通過信息宣傳和指引有選擇性地吸引人群，避免人群蜂擁;保證發(fā)放活動的有序進(jìn)行，使人群以循環(huán)隊(duì)列流動領(lǐng)取物品并迅速離開。

第三，將慶典活動設(shè)在空曠區(qū)域如廣場、體育場等，設(shè)置多出入口單向通行，保證道路寬敞無阻擋物;禁止攜帶危險物品，以防發(fā)生突發(fā)事件引起恐慌;通過LED屏幕、廣播進(jìn)行宣傳，迅速有序出入場，并控制單位區(qū)域人群數(shù)量;對人群情緒進(jìn)行監(jiān)控，避免人群沖突。

第四，學(xué)校、社會等應(yīng)做好對學(xué)生突發(fā)人群踩踏事件的安全教育工作，在學(xué)校樓梯、走廊、操場等踩踏事件高發(fā)地段張貼標(biāo)語;增固樓梯、通道等學(xué)校關(guān)鍵區(qū)域硬件設(shè)施，增加安全警示線，保證普通照明與應(yīng)急照明;有效地分散學(xué)生集會、放學(xué)、課間等大規(guī)模人流移動的時間點(diǎn)，合理規(guī)劃學(xué)生日?；顒印?/p>

第五，保證體育賽事場館的定期檢修，尤其是護(hù)欄、樓梯、座椅等，避免因結(jié)構(gòu)失效造成的人員傷亡;嚴(yán)格控制觀眾的總體人數(shù)，對不同區(qū)域的觀眾進(jìn)行類別劃分，如主客場球迷;通過球場廣播、大屏幕進(jìn)行安全信息的通知與指引;有效地規(guī)范觀眾行為，對集聚、打鬧、激動、沖突等群體進(jìn)行及時疏散。

第六，政府及相關(guān)危機(jī)災(zāi)害管理機(jī)構(gòu)應(yīng)構(gòu)建踩踏事件數(shù)據(jù)庫，對國內(nèi)外踩踏事件的起因、傷亡人數(shù)、應(yīng)急措施等進(jìn)行詳細(xì)統(tǒng)計，為相關(guān)部門制定應(yīng)急管理預(yù)案提供數(shù)據(jù)支撐;組織者應(yīng)該提前對活動場所的容量、規(guī)模、出入口設(shè)施等進(jìn)行調(diào)研，制定科學(xué)合理的預(yù)案;同時應(yīng)通過模擬實(shí)驗(yàn)對預(yù)案進(jìn)行改進(jìn)，培養(yǎng)訓(xùn)練有素的應(yīng)急管理隊(duì)伍。

五、 結(jié) 語

本文運(yùn)用文本分析和網(wǎng)絡(luò)分析方法，對1990-2017年國內(nèi)外147起踩踏事故深入研究，根據(jù)統(tǒng)計數(shù)據(jù)和網(wǎng)絡(luò)分析結(jié)論，擁擠踩踏事故的致因可以分為間接致因、直接致因和催化因子，即集聚行為在場景因素的背景下，形成以異常個體行為要素為主的間接因素，在管理、環(huán)境、物理等催化要素作用下，轉(zhuǎn)化成為“擁擠”、“跌倒”等能夠直接導(dǎo)致踩踏事故發(fā)生的因素。聚類分析發(fā)現(xiàn)，當(dāng)場景因素不同時，踩踏事故的特征和致因也存在差別，因此，本文從應(yīng)急管理、場地管理、信息管理、人群管理四個維度針對不同的集會場景提出建議，確保大規(guī)模人群的安全集聚。本研究進(jìn)一步拓展了已有的事故分析方法，擴(kuò)充了踩踏事故數(shù)據(jù)的涵蓋范圍，提取的關(guān)鍵詞具有事件的一般性特征，能夠?yàn)椴忍な鹿实念A(yù)警提供一定的指導(dǎo)作用。

[參考文獻(xiàn)]

[1]? 劉德海.政府不同應(yīng)急管理模式下群體性突發(fā)事件的演化分析[J].系統(tǒng)工程理論與實(shí)踐，2010，30（11）：1968|1976.

[2] Helbing D，Buzna L，Johansson A，et al.Self|organized pedestrian crowd dynamics：Experiments，simulations，and design solutions[J].Transportation science，2005，39（1）：1|24.

[3] Aylwin C J，Knig T C，Brennan N W，et al.Reduction in critical mortality in urban mass casualty incidents：analysis of triage，surge，and resource use after the London bombings on July 7，2005[J].The Lancet，2007，368（9554）：2219|2225.

[4] Turris S A，Lund A，Bowles R R.An analysis of mass casualty incidents in the setting of mass gatherings and special events[J].Disaster medicine and public health preparedness，2014，8（2）：143|149.

[5] Memish Z A，Stephens G M，Steffen R，et al.Emergence of medicine for mass gatherings：lessons from the Hajj[J].The Lancet infectious diseases，2012，12（1）：56|65.

[6] Illiyas F T，Mani S K，Pradeepkumar A P，et al.Human stampedes during religious festivals：A comparative review of mass gathering emergencies in India[J].International Journal of Disaster Risk Reduction，2013，5：10|18.

[7] 任常興，吳宗之，劉茂.城市公共場所人群擁擠踩踏事故分析[J].中國安全科學(xué)學(xué)報，2005，15（12）：102|106.

[8] 張青松，劉金蘭，趙國敏.大型公共場所人群擁擠踩踏事故機(jī)理初探[J].自然災(zāi)害學(xué)報，2009（06）：81|86.

[9] 單雪強(qiáng)，蘇國鋒.中小學(xué)校園踩踏事故統(tǒng)計分析及應(yīng)對措施研究[J].中國安全科學(xué)學(xué)報，2010（04）：165|170.

[10]尹曉慶，葉厚元.大型活動擁擠踩踏事件的事故樹分析及其防控措施[J].安全與環(huán)境工程，2017，24（2）：126|131.

[11]Helbing D，F(xiàn)arkas I，Vicsek T.Simulating dynamical features of escape panic[J].Nature，2000，407（6803）：487|490.

[12]陳濤，應(yīng)振根，申世飛，等.相對速度影響下社會力模型的疏散模擬與分析[J].自然科學(xué)進(jìn)展，2006，16（12）：1606|1612.

[13]Ma J，Song W G，Lo S M，et al.New insights into turbulent pedestrian movement pattern in crowd|quakes[J].Journal of Statistical Mechanics：Theory and Experiment，2013，2013（2）：20|28.

[14]于帆，宋英華，霍非舟，et al.城市公共場所擁擠踩踏事故機(jī)理與風(fēng)險評估研究：基于EST層次影響模型[J].科研管理，2016，（12）：162|169.

[15]王起全.基于賦權(quán)關(guān)聯(lián)度算法的地鐵擁擠踩踏事故風(fēng)險研究[J].中國安全科學(xué)學(xué)報，2013（5）：94|100.

[16]王起全，鄭樂.大型活動擁擠踩踏事故BP神經(jīng)網(wǎng)絡(luò)安全評估方法應(yīng)用分析[J].中國安全科學(xué)學(xué)報，2009（04）：127|133.

[17]楊慶國，陳敬良，甘露.社會危機(jī)事件網(wǎng)絡(luò)微博集群行為意向研究[J].公共管理學(xué)報，2016（1）：65|80.

[18]胡昌平，陳果.科技論文關(guān)鍵詞特征及其對共詞分析的影響[J].情報學(xué)報，2014，33（1）：23|32.

[19]潘東華，徐珂珂.基于共詞分析的技術(shù)機(jī)會分析[J].科研管理，2014（4）：10|17.

[20]Ravikumar S，Agrahari A，Singh S N.Mapping the intellectual structure of scientometrics：A co|word analysis of the journal Scientometrics （2005-2010）[J].Scientometrics，2015，102（1）：929|955.

[21]Scott J.Social Network Analysis：A Handbook[M].London：Sage Press，2000：100|105.

[22]譚雪晗，涂艷，馬哲坤.基于 SNA 的事故災(zāi)難輿情關(guān)鍵用戶識別及治理[J].情報學(xué)報，2017，36（3）：297|306.

[23]林聚任.社會網(wǎng)絡(luò)分析：理論，方法與應(yīng)用[M].北京：北京師范大學(xué)出版社，2009：10|15.

[24]康偉.基于SNA的突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識別[J].公共管理學(xué)報，2012，9（3）：101|111.

[25]Tsai J，Bowring E，Marsella S，et al.Empirical evaluation of computational fear contagion models in crowd dispersions[J].Autonomous agents and multi|agent systems，2013，27（2）：200|217.