化工园区突发事件情景下的群体行为模拟演化研究*

宋　健，张明广，王雪栋，陈福真，郑　峰

(南京工业大学 安全科学与工程学院，江苏 南京 210009)

0　引言

化工园区突发事件是指突然发生于化工园区或化工集聚区域的，具有严重的破坏效应和潜在的危害，同时能够带来重大的社会影响、引起极大的公众心理恐慌和群体行为的化工事件。目前，随着“退城入园”政策实施，化工园区得到了快速发展，省级以上的化工开发区就已达到380余家[1]。与此同时，化工事故的频繁发生，造成了巨大的人员伤亡和财产损失，甚至引发公众恐慌，对社会安全和公众生活环境造成严重影响[2-3]。而随着近年网络技术的快速发展与广泛应用，信息交互程度越来越高，一旦某个化工园区发生突发事件，短时间内就会被相关报道转载、快速传播，极易引发突发事件群体行为，甚至由于政府信息不够公开、公众情绪化等原因，导致激烈的群体行为态势。因此，如何应对群体行为传播问题，是政府对化工突发事件群体行为管控的主要课题[4-5]。

目前，国内外学者针对突发事件情景下的群体行为进行了研究，Ebihara等[6]对紧急疏散情景下的群体行为进行了模拟仿真；Duggan等[7]突出危机情景下的信息传播模式，分析信息传播者与接受者的影响因素；Li[8]研究群体中个人敏感性影响群体行为传播的机理；Zanette[9]运用社会动力学模型，计算动态小世界网络下的群体行为；温宁等[10]建立城市危机事件演化数理模型，考虑了群体因素的作用、忽略了政府职能部门的影响；Hosseini[11]在SEIRS传播网络基础上，构建一个新的SEIRS-V谣言模型，模型当中涉及传播主体的影响因素较多，但缺乏对传播过程中外源因素的考虑；Qian[12]提出一个改进型Lyapunov函数来研究行为传播模型，论述了局部稳定性的条件与基本再生数有关，但没有考虑到外部因素对行为传播过程的影响。目前，突发事件群体行为研究偏重于定性研究，而定量研究较少，并且定量研究多侧重对群体不同特征的行为模拟，缺乏化工园区突发事件中政府对群体行为管理与控制方面的研究。

图1　化工园区突发事件群体行为因果关系Fig.1　Causality for the unconventional emergency group behavior in chemical industry park

综上，本文结合系统动力学的原理及方法，研究政府、网媒、公众和事件4个主体对群体行为态势以及传播人数的影响机理，并运用Vensim软件对化工园区突发事件情景下的群体行为态势以及传播人数进行动态演化模拟分析，相关结果可以为化工园区突发事件情景下的群体行为决策和预防工作提供参考。

1　化工突发事件群体行为因果关系构建

1.1　群体行为影响因素分析

化工突发事件情景下，参与群体行为的社会公众具有盲目模仿性、无目标性、应激性和短期性等特征。群体行为主要由3个要素构成：群体活动、群体结构和公众情绪，这3个因素的协同耦合作用就构成了群体行为[13]。

化工园区突发事件群体行为动态演化系统本身具有一定的复杂程度，演化系统中各因素之间交叉作用。化工突发事件的发生，通常因事件的公众度和敏感性作用较大，会引起公众的关注与讨论，甚至引发社会恐慌[14-15]。一般来说，群体行为的传播包括：人际传播和网络媒体传播2种主要方式，即线下网络与线上网络。而群体行为多起源于网络媒体，网络媒体对于群体行为的发展演化尤为关键，网络媒体关注度与公众参与度的提高将直接促进群体行为态势的发展，进而将群体行为推向新的高潮。与此同时，政府又是控制群体行为态势、疏导公众情绪的重要力量，因此，当化工突发事件发生后，政府应密切关注群体行为态势的发展，通过官方新闻及时公开事件信息，弱化公众情绪，降低群体行为态势。在整个群体行为演化过程中，除了突发事件公众度和事件敏感性驱动着群体行为的发生、转化以及蔓延之外，同时也会受到外部驱动力的作用，通常的演化过程都是基于内外部双重作用，对社会文化、公众心理、网络秩序以及政府调控能力产生影响。一方面，突发事件、社会公众以及媒体3个驱动力促进群体行为的产生，从而导致群体行为传播人数的增加；另一方面，政府也会及时管理与控制群体行为的蔓延以及群体行为传播人群的增加。因此，化工园区突发事件群体行为的动态演化系统可由政府、媒体、社会公众和事件共同组成[16]。

1.2　群体行为因果关系图

根据上述群体行为动态演化系统影响因素分析，得到化工园区突发事件群体行为因果关系图，如图1所示。由图1可知，因果关系图中存在5条因果反馈回路：

1)负反馈回路1：政府调控速率↑—理性免疫人群↑—群体行为传播人群↓—政府调控速率↑。

2)负反馈回路2：群体行为传播人群↑—易惑人群↓—群体行为传播速率↑—群体行为传播人群↑。

3)正反馈回路3：群体行为态势↑—公众对事件的关注水平↑—帖子浏览量↑—论坛帖子数量↑—公众参与度↑—群体行为态势↑。

4)正反馈回路4：群体行为态势↑—事件严重度↑—网络新闻数量↑—网媒关注度↑—群体行为态势↑。

5)负反馈回路5：群体行为态势↑—事件严重度↑—网络新闻数量↑—官方新闻数量↑—官方响应力度↑—政府调控水平↑—群体行为态势↓。

2　化工园区突发事件群体行为SD模型

2.1　模型边界与条件设定

在构建系统流图与动态数学模型之前，综合文献调研结果以及专家意见，对化工园区突发事件群体行为动态演化系统中的边界条件进行如下设定：

1)化工突发事件影响范围内的公众人数设为常数N。

2)系统中不考虑次生及其衍生事故的协同或耦合效应，即群体行为发生过程中仅有单次触发的化工突发事件。

3)系统中的化工突发事件界定为：化工突发事件发生，导致或者将会带来公众恐慌甚至严重社会危害的公共安全事件。

4)群体行为的传播具有一定的可控性。引发群体行为的公众，经过一段时间了解事件过程，不再随意传播、不再存在消极情绪。

5)政府在群体行为演化过程中，是积极主动应对的，并且是有能力处理突发事件、疏导公众情绪的官方机构。

2.2　模型构建

基于系统动力学的原理和方法，并结合5条反馈回路相互间的关系，构建化工园区突发事件群体行为动态演化系统动力学模型，如图2所示。

图2　化工园区突发事件群体行为系统模型Fig.2　Model for the unconventional emergency group behavior in chemical industrial park

2.3　SD模型变量汇总

构建的系统动力学模型中包含多个状态变量、速率变量、辅助变量、影子变量和常量，汇总结果如表1所示。

表1　群体行为动态演化系统各变量汇总

2.4　SD仿真方程构建

系统动力学软件—Vensim中提供多种类型的函数，如指数函数、延迟函数、积分函数等，以便于建模时建立函数关系和调试模型[17]。主要系统变量参数之间的函数关系式如表2所示。

表2　主要变量关系式

3　化工园区突发事件群体行为系统模拟与分析

3.1　实例选取与参数设定

2007年以来，多地先后发生一系列“PX事件”，由于化工突发事件可能对公众的生命及财产安全构成严重威胁，故使得人们对化工突发事件更加恐慌，最终引发大规模的群体行为，造成群体性事件的发生。因此，本文选取2013年某地化工园区发生的“PX事件”为实例。

2013年某月，发生“PX事件”所在地的居民在街头示威游行，对PX项目落户当地表示强烈不满，瞬间引发了激烈的群体行为，在持续3天左右后，群体行为达到最高点，之后的半个月后，群体行为的热度才得以逐渐平息。基于此，本文设定化工突发事件群体行为发生的15 d为仿真时长，步长为1 d，以此研究群体行为与传播人数随时间的动态演化过程[18]。

3.2　模拟分析

化工园区突发事件群体行为的动态演化系统由政府、媒体、社会公众和突发事件4个主体构成，系统中的诸多变量都对群体行为演化产生不同的影响，综合专家学者们的研究成果[19-20]，本文选取在演化结果中较有代表性的辅助变量作为分析参数，对群体行为态势以及群体行为传播人群进行敏感性研究。

3.2.1事件影响力

化工突发事件由于其影响力较大，一旦发生，会在短时间内发展成为公众关注的焦点。突发事件的影响力取决于突发事件的公众度与突发事件的敏感度，其中，事件的敏感度是指化工突发事件涉及的敏感因素程度。图3中，曲线2是群体行为态势与群体行为传播人数的初始曲线，曲线1和曲线3分别是将事件影响力降低20%、提高20%后，群体行为态势和群体行为传播人群曲线。如图3所示，群体行为可分为3个阶段：发展期、高潮期与回落期。

图3　事件影响力对群体行为的影响Fig.3　The event's influence on group behavior

1)第1阶段(0—1 d)：由于群体行为传播人群在不断转化、酝酿，整体态势不高，但群体行为增速较快。

2)第2阶段(1—7 d)：传播人群在网络媒介的推动下不断增长，并在大约第4 d左右达到峰值，此阶段群体行为态势一直处于激烈状态。

3)第3阶段(7—15 d)：传播人数在政府不断采取措施疏导公众情绪、控制群体行为态势的情况下，逐渐降低，并逐渐趋于平稳状态。

通过敏感性分析可以看出，事件影响力越大，越会引起强烈的群体行为态势，反之亦然；但由于事件的影响力大小通常是政府管控的直接因素，所以事件影响力对于传播人数的影响偏小。事件影响力与二者之间存在正相关关系。

3.2.2公众情绪

赵卫东[21]在研究突发事件情绪传播机制中，将情绪分为积极情绪和消极情绪2种，因此本文将公众情绪的系数设为：消极/积极=0.5。图4中，曲线2是初始状态下的曲线，曲线1和曲线3是将公众情绪分别降低20%和提高20%后，得到的行为态势与传播人群的曲线。

如图4所示，改变公众情绪对群体行为传播人群数量影响较大。当公众的消极情绪占据主导地位时，公众更易激动、容易跟风，并迅速地转变为群体行为传播人群；当积极情绪处于较高水平，此时由于理性的公众数量占比较多，群体行为传播人群减少，群体行为态势得到很好的控制。

通过敏感性分析得到，公众情绪的激化会使得群体行为态势增加，传播人群迅速增长。随着时间的推进，由于政府疏导公众情绪力度加大，传播人群也会逐渐转变成理性人群，群体行为态势逐渐冷却。公众情绪与二者之间存在负相关关系。

图4　公众情绪对群体行为的影响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号召力与影响力决定，体现出公众对政府的认可与信任程度[22]。图5中，曲线2是初始行为态势与传播人群曲线，曲线1和曲线3是分别将政府公信力降低20%和提高20%后，得到的行为态势与传播人群的曲线。

如图5所示，提高政府公信力会降低群体行为态势和传播人群数量，但由于政府公信力对人群数量的影响具有一定的延迟效应，因此大概在第4或第5 d之后，人数才会明显的下降；降低政府公信力，会使公众降低对政府的认可和信任程度，一旦政府不能及时有效地干预群体行为的发展，就会加速群体行为发展。

因此，通过敏感性分析得到，提高政府公信力能够降低群体行为态势，有效减少群体行为传播人群数量；反之，降低公信力也会造成行为态势的升高，传播人群的增加。政府公信力与二者是负相关关系，政府公信力的提高将对政府应对化工突发事件起到一定的积极作用。

图5　政府公信力对群体行为的影响Fig.5　The influence of government's trustiness on group behavior

4　突发事件群体行为应争对策

1)突发事件影响力主要由事件的敏感度和事件公众度决定，影响力的增加会使得群体行为态势升温。因此，对于一些容易引发社会公众讨论的事件、涉及到公众人身安全与利益的公众性事件，政府部门应当把公众的利益摆在首位，妥善处理。对突发事件进行分类管控，正确引导社会公众，避免因群体行为和群体行为传播人群失控引发更大的问题。

2)提高公众的积极情绪有利于控制群体行为态势。突发事件发生之前，政府应当向公众传播相关应急知识，避免事件状态下公众盲目跟风；当突发事件发生之后，政府部门应及时通过权威途径公开突发事件真实信息，减少公民情绪化程度。同时鼓励相关专家学者公开发声，避免公众情绪进一步扩散。

3)提升政府公信力对群体行为的引导具有积极作用。政府部门应提高自身形象，进而提升公众对政府部门的认可度与信任度，使政府在管控群体行为方面发挥积极作用。

5　结论

1)化工园区突发事件情景下的群体行为系统是一个动态演化系统，该系统中，群体行为态势和群体行为传播人群主要受突发事件影响力、公众情绪和政府公信力等因素的影响。

2)受“成长上限基模”影响，群体行为态势与群体行为传播人群整体呈“迅速上升→缓慢下降→渐趋平稳”的变化趋势；群体行为态势在前期迅速达到最值，推动着群体行为传播速率的增加，持续一段时间后，群体行为传播人数达到极值并逐渐减缓。政府应在事件发生初期积极应对，减少受化工园区突发事件影响人数的增加，减缓事态的发展速度。

3)结合敏感性分析，提高政府部门公信力，公开事件真实信息，同时正确疏导公众情绪，加大事件公开度，降低事件影响力，是应对化工园区突发事件群体行为的重要举措。

4)本文仅考虑了突发事件中群体行为的特征因素，并未对个体自身行为特征进行全面探讨，这也将是未来重点研究方向之一。

[1]陈晓董，师立晨，刘骥， 等.化工园区安全风险容量探讨[J].中国安全科学学报，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]赵云锋.非常规突发事件的应急管理研究[D].上海：复旦大学，2009.

[3]马克, 刘岩. 突发风险事件的不确定性与应急管理创新[J]. 社会科学战线, 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]兰月新. 突发事件网络谣言传播规律模型研究[J]. 图书情报工作, 2012, 56(14):57-61.

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

[5]王雪栋, 张明广, 钱城江,等. 化工园区事故社会群众风险感知动态模拟研究[J]. 中国安全科学学报, 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]温宁, 刘铁民. 城市重大危机事件演化的动力学模型研究[J]. 中国安全生产科学技术, 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·罗宾斯.组织行为学[M]. 北京: 中国人民大学出版社, 2005.

[14]魏玖长. 危机事件社会影响的分析与评估研究[D]. 合肥：中国科学技术大学, 2006.

[15]陈鹏, 陈建国, 袁宏永. 群体性暴力行为的多主体建模研究综述与思考[J]. 系统仿真学报, 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]张一文, 齐佳音, 马君,等. 网络舆情与非常规突发事件作用机制——基于系统动力学建模分析[J]. 情报杂志, 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.系统动力学[M].2009年修订版.上海：上海财经大学出版社，2009.

[18]高航，丁荣贵.基于系统动力学的舆情风险模型仿真研究[J].情报杂志，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, 王宁. 基于社会物理学的群体性突发事件演化及仿真——群体意见和行为的演化研究[J]. 复杂系统与复杂性科学, 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]陈福集，叶萌.系统动力学视角下政府回应网络舆情的能力提升研究[J].情报杂志，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]赵卫东, 赵旭东, 戴伟辉,等. 突发事件的网络情绪传播机制及仿真研究[J]. 系统工程理论与实践, 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]余乐安, 李玲, 武佳倩,等. 基于系统动力学的危化品水污染突发事件中网络舆情危机应急策略研究[J]. 系统工程理论与实践, 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.