基于ABMS的矿山监管Agent工作倦怠现象的仿真研究*

聂兴信，白存瑞,张婧静

(西安建筑科技大学 管理学院，陕西 西安 710055)

0 引言

日常监管作为矿山企业约束矿工不安全行为选择的重要手段之一，对降低矿山事故发生率意义重大。然而，频发的矿山事故揭示了生产过程中矿工对监管制度的漠视和不遵守，反映出监管制度的弱约束力。究其原因，一方面是安全监管职能分散，缺乏足够的监管权威，流于形式；另一方面是监管主体(Agent)长期工作压力所导致的群体性倦怠现象，本文以此为切入点对露天矿山监管Agent进行仿真研究。

从现有的研究来看，文献[1]，[2]用三维度模型对其做了操作定义，认为工作倦怠是一种心理上的综合病症，主要有3方面的表现：情绪衰竭、人格解体以及个人成就感丧失；李永鑫[3]采用问卷的方式对工作倦怠现象进行了动态定义及测量，倦怠现象的研究多侧重定性分析，如基于个案访谈的调查分析[4]、基于实证方法的具体研究[5]、基于专家判断的倾向分析[6]或结合相关技术或理论判断(社会认知职业理论、EAP、马斯洛需求层次理论)[7-8]；陈红，祁慧等[9-10]基于动态仿真的方法研究了煤矿企业监管Agent的工作倦怠现象。然而，很少有学者研究矿山监管Agent工作倦怠现象，同时定性分析忽略了监管作业过程中各Agent的相互关系且没有考虑倦怠现象如何作用于监管Agent并产生多大的效用。

ABMS为矿山监管Agent工作倦怠现象的研究提供一种新的思路，既强调了系统相关Agent的微观行为，又考虑了时间变量。因此，本文将在ABMS的基础上结合COR理论，抽象出矿山安全管理系统关键要素、刻画要素之间的交互关系，构建多Agent仿真模型，并借助Netlogo仿真平台进行模型的实现与验证。本研究旨在探索矿山监管Agent工作倦怠所引发的宏观涌现规律，仿真实验结果的分析有助于改进监管制度，使其真正发挥效力从而降低矿山事故发生率。

1 矿山监管体系Agent关系分析

ABMS认为系统是由多个相互作用与配合实现一定功能的要素组成的有机集合体，而Multi-Agent系统中的Agent可以作为系统要素在计算机模型中映射，使大多数实际系统都可以用多Agent系统进行描述[11-12]。2019年3—5月对陕西商洛地区10家露天矿山企业展开调研，主要调查对象是矿山安全监管人员，调研形式为集中人员现场填写问卷，调研人员及被调查对象就问卷存在的疑问进行沟通及解释，被调研矿山企业安全监管人员，人数一般为40～60人，调研样本总数为448份，有效样本数量为375份，样本有效率为83.71%。矿山监管体系是一个包含安全监管Agent、决策支持Agent、职能配合Agent以及矿工Agent等多个Agent协调运作的系统，如图1所示。基于资源保存理论，监管Agent的工作状态受其自身心理资源和事件处理成功率影响，其心理资源是由决策支持Agent、职能配合Agent决定的，当监管Agent对不安全行为处理成功率较高时，决策Agent和职能Agent会提供更多的资源补给，但不安全行为处理成功率低于某一特定值时，不仅得到的资源补给会减少，还会导致监管Agent的工作倦怠状态。

图1 基于ABMS的仿真概念模型Fig.1 Simulation conceptual model based on ABMS

2 基于多Agent的仿真模型构建

2.1 仿真模型假设

ABMS将多个Agent按照适当的体系结构进行组织，并赋予其推理学习能力，使整个Multi-Agent系统呈现智能性。ABMS与COR理论为多Agent仿真模型的构建提供了理论基础。

1)矿山监管系统Agent关系分为相互独立、信息传递、信息反馈、交互作用4类，如图2所示。

图2 主体关系Fig.2 Main body relationship

2)监管系统中各Agent具有分布性和移动性，可以自由运动到Netlogo仿真世界中的任何位置。

3)构建以监管Agent心理资源为指标的平衡体系，监管Agent工作倦怠现象宏观涌现为安全监管Agent数量的变化。

4)Agent具有有限理性，在既定的情形与其他Agent交互作用的过程中进行沟通协调演化，相互学习，并受到交互规则的制约。

矿山环境Agent模型背景下，安全监管Agent属性、决策支持Agent属性、职能配合Agent属性及矿工属性为模型输入，刻画了监管系统中各关键要素及其变量，模拟系统中各Agent之间的交互关系，其交互涌现的宏观行为即是动态输入也是动态输出，最后输出各种维度下矿山监管Agent工作倦怠现象。

2.2 行为Agent及属性

2.2.1 监管Agent

监管Agent由现实矿山监管体系内单个监管员映射的元Agent组成，每个元Agent在其工作权限内既独立运作又相互制约，基于COR理论，以监管Agent的心理资源为研究对象。元Agent属性具体如下：

1)活动位置：在仿真世界中用坐标表示为(X1，Y1)，其中X1，Y1∈(-50,50)。

2)Agent数量：由矿山监管人员的实际数量来表示。

3)监管范围：即监管Agent对违章行为的监控范围，在Netlogo世界中用网格表示，记为P1。

4)Agent资源的固有量：是监管Agent的自然属性，假设取值为R0。

5)资源处理消耗量：即监管Agent处理一次违章行为所消耗的心理资源，假设取值为Rc。

6)上级支持资源量：即监管Agent处理违章行为时上级Agent的资源支持量，假设取值为Ru。

7)职能配合资源量：即监管Agent处理违章行为时职能部门给予的资源支持量，假设取值为Rf。

8)事件处理成功率：即监管Agent处理违章作业的成功率，假设取值为Pj。

2.2.2 决策支持Agent

决策支持Agent是监管Agent的上级管理部门，决策支持Agent主要职能是根据事件发生的不同性质，对监管Agent提供的支持力度，支持力度受监管Agent事件处理成功率(Pj)的影响，当Pj高于决策支持Agent期望值时，就会获得较大的支持力度，如果Pj低于决策支持Agent期望值时，获得的支持力度相对较少。决策支持Agent属性包含如下:

1)活动位置：在仿真世界中用坐标表示为(X2，Y2)，其中X2，Y2∈(-50,50)。

2)Agent数量：决策支持Agent在监管系统中的作用仅体现在对监管Agent的支持，为了简化仿真系统，只设置1个决策Agent主体。

3)决策支持系数：即决策支持Agent对监管Agent的支持力度，假设为Sc，Sc∈[-1,1]。当Sc取值为1时，决策支持Agent全力支持监管Agent的工作并提供充足的支持资源；当Sc取值为0时，决策支持Agent对监管Agent的支持力度保持中立；当Sc取值为-1时，决策支持Agent对监管Agent的工作表现为绝对否定，不对其提供任何支持。Sc受到事件处理成功率Pj的影响并呈正相关关系。

2.2.3 职能配合Agent

职能配合Agent是矿山监管系统中的相关职能部门，职能配合Agent针对事件的不同性质，向监管Agent提供配合，同样受到Pj的影响。当Pj高于职能配合Agent期望值时，就会获得较大的支持力度，如果Pj低于职能配合Agent期望值时，获得的支持力度相对较少。决策支持Agent属性包含如下:

1)活动位置：在仿真世界中用坐标表示为(X3，Y3)，其中X3，Y3∈(-50,50)。

2)Agent数量：职能配合Agent在监管系统中的作用体现在对监管Agent提供相应的配合，比如医疗服务、救援措施等，为简化仿真系统，设置一个职能配合Agent。

3)职能配合系数：即职能配合Agent对监管Agent处理违章事件所提供的职能配合程度，假设为Fc，Fc∈[-1,1]。当Fc取值为1时，职能配合Agent全力配合监管Agent的工作；当Fc取值为0时，职能配合Agent对监管Agent的配合程度保持中立；当Fc取值为-1时，职能配合Agent对监管Agent的工作表现绝对否定，不对其提供任何配合资源。Fc受到事件处理成功率Pj的影响并呈正相关关系。

2.2.4 矿工Agent

1)活动位置：在仿真世界中用坐标表示为(X4，Y4)，其中X4，Y4∈(-50,50)。

2)Agent数量:由现实矿山实际作业人员的数量来表示。

3)违章作业的持续时间:违章作业被发现的概率很大意义上取决于违章作业的持续时间，假设取值为Tc，Tc越长，违章作业就越有可能被发现。

4)违章作业被监管范围：即表示矿工采取违章作业被发现的范围，在Netlogo网络世界中用网格来表示，假设取值为P2。

5)处理有效性系数：监管Agent成功处理一次违章作业后，被处理的违章矿工仍然有可能在接下来的生产作业中选择违章作业，因此定义处理有限性系数，假设取值为Ec。

3 Agent间仿真规则设计

3.1 个体倦怠现象发生规则

马氏工作倦怠感量表包含3个分量表，即情感耗竭、人格解体和个人成就[13-14]。情感耗竭是指监管Agent情感资源消耗而引起的疲惫感；人格解体是指监管Agent对矿工的冷淡疏远状态；个人成就是指监管Agent工作过程中因挫败引起的个人成就感的降低。基于COR理论以监管Agent情感资源为研究对象并根据多Agent仿真模型的属性确立Agent之间的交互规则，Agent在交互规则的限制内自由运行[15]。

3.1.1 情感耗竭状态

t时刻监管Agent情感耗竭状态的状态函数定义为资源存有量，定义为Rt，模型各Agent属性综合表示如公式(1)所示：

Rt=R0-nRc+ScRu+FcRf

(1)

式中：n为监管Agent处理违章作业的次数。

当Rt≤0时，监管Agent会产生疲惫感，从而导致其情感耗竭状态。

3.1.2 人格解体状态

监管Agent对违章事件的处理成功率可用处理违章事件成功有效次数与处理违章事件的总次数来表示，具体如公式(2)所示：

(2)

当处理成功率Pj小于临界值时，监管Agent就会回避处理成功较低的违章行为，对矿工Agent呈冷淡疏远的状态，即人格解体。假设临界值为P0，如公式(3)所示：

Pj

(3)

3.1.3 个人成就状态

当监管Agent情感耗竭且处理成功率低于P0时，工作状态即满足公式(1)和公式(3)时，监管Agent的工作挫败感增加，进而个人成就感就会降低。

3.2 基于网格的Agent移动规则

多Agent仿真模型是基于Netlogo仿真平台的网格世界实现的，模型Agent在网格中的移动是遵循一定规则，具体如图3所示。

图3 Agent活动范围Fig.3 Activity range of agent

Agent在网格中的移动规则为：

1)当Agent移动步数设定为1时，其移动范围是Agent移动1步可以到达的8个网格。

2)当Agent移动步数设定为2时，其移动范围是Agent移动2步可以到达的24个网格。

3)当Agent移动步数设定为3时，其移动范围是Agent移动2步可以到达的48个网格。

4)当Agent移动步数设定为4时，其移动范围是Agent移动2步可以到达的80个网格。

4 基于Netlogo的仿真实验研究

4.1 监管Agent工作倦怠现象影响属性选取

影响矿山监管Agent的工作倦怠状态的因素有很多，基于COR理论，从决策支持Agent状态、职能配合Agent状态、矿工行为选择3个维度进行仿真实验，研究其对矿山监管Agent工作倦怠的影响，多Agent仿真模型宏观输出为各个维度不同属性作用下监管Agent产生情感耗竭、人格解体、个人成就的人数变化。

4.2 仿真模型初始化

根据陕西商洛地区十余家矿山企业调研情况，考虑项目工艺流程设计和设备配置设定矿工Agent定员187人，监管Agent是包含应急管理部门的领导、安全巡视员、专职安全员、兼职安全员以及班组长在内的企业员工，总共定员为48人。根据矿山企业员工密度设置Netlogo网格数量为100×100，共10 000个网格。同时设定矿工Agent违章作业发生频次为1/10 d，且只有在1次交接班后，矿工Agent才会选择违章作业，仿真初始参数见表1。

表1 初始参数设置Table 1 Setting of initial parameters

4.3 仿真结果分析

4.3.1 决策支持力度的影响效果研究

通过调整决策支持系数Sc来研究决策支持力度对矿山监管Agent工作倦怠情况的影响程度，如公式(1)所示，Sc影响t时刻监管Agent心理资源存有量Rt，将Sc取值为-1，运行得到图4(a)，然后Sc取值为0，运行得到图4(b)，最后将Sc取值为1，运行得到图4(c)。

图4(a)所示Sc=-1，Rt=22时，监管Agent中保持情感耗竭状态的人数为9人，保持人格解体状态的人数为10人，保持个人成就状态的人数为18人，监管Agent工作倦怠总数为37人；图4(b)所示Sc=0，Rt=32时，监管Agent中保持情感耗竭状态的人数为6人，保持人格解体状态的人数为9人，保持个人成就状态的人数为11人，监管Agent工作倦怠总数为26人；图4(c)所示Sc=1，Rt=42时，监管Agent中保持情感耗竭状态的人数为3人，保持人格解体状态的人数为5人，保持个人成就状态的人数为7人，监管Agent工作倦怠总数为15人。结果表明：决策支持系数Sc与资源保有量呈正相关关系，而资源保有量的增加使得监管Agent工作倦怠情况呈缓解的趋势。

图4 决策支持力度对监管Agent的影响Fig.4 Influence of decision support strength on supervisory agent

4.3.2 职能配合程度的影响效果研究

通过调整职能配合系数Fc来研究职能配合程度对矿山监管Agent工作倦怠情况的影响程度，如公式(1)所示，Fc影响t时刻监管Agent心理资源存有量Rt，将Fc取值为-1，运行得到图5(a)，然后将Fc取值为0，运行得到图5(b)，最后将Fc取值为1，运行得到图5(c)。

图5 职能配合程度对监管Agent的影响Fig.5 Influence of function coordination degree on supervisory agent

图5(a)所示Fc=-1，Rt=20时，监管Agent耗竭状态的人数为3人，保持人格解体状态的人数为11人，保持个人成就状态的人数为17人，监管Agent工作倦怠总数为33人；图5(b)所示Fc=0，Rt=30时，监管Agent中保持情感耗竭状态的人数为6人，保持人格解体状态的人数为4人，保持个人成就状态的人数为14人，监管Agent工作倦怠总数为24人；图5(c)所示Fc=1，Rt=40时，监管Agent中保持情感耗竭状态的人数为7人，保持人格解体状态的人数为4人，保持个人成就状态的人数为9人，监管Agent工作倦怠总数为20人。结果表明：职能配合系数Fc与资源保有量Rt呈正相关关系，Fc增加，监管Agent倦怠人数相应降低。

4.3.3 矿工执行效果的影响效果研究

通过调整处理有效性系数Ec来研究矿工执行效果对矿山监管Agent工作倦怠情况的影响程度，如公式(2)所示，Ec影响t时刻监管Agent对违章事件的处理成功率，将Ec取值为0.3，运行得到图6(a)，然后Ec取值为0.6，运行得到图6(b)，最后将Ec取值为0.9，运行得到图6(c)。

图6(a)所示Ec=0.3，Pj=24%时，Agent中保持情感耗竭状态的人数为11人，保持人格解体状态的人数为7人，保持个人成就状态的人数为10人，监管Agent工作倦怠总数为28人；图6(b)所示Ec=0.6，Pj=48%时，监管Agent中保持情感耗竭状态的人数为10人，保持人格解体状态的人数为8人，保持个人成就状态的人数为6人，监管Agent工作倦怠总数为24人；图6(c)所示Ec=0.9，Pj=72%时，监管Agent中保持情感耗竭状态的人数为4人，保持人格解体状态的人数为3人，保持个人成就状态的人数为2人，监管Agent工作倦怠总数为9人。结果表明：当PjP0时，监管Agent工作倦怠人数处于较低的水平。

图6 矿工执行效果对监管Agent的影响Fig.6 Influence of miners implementation effect on supervisory agent

5 结论

1)结合ABMS技术和COR理论，研究矿山监管Agent工作倦怠现象，探索决策支持Agent、职能配合Agent和矿工行为对监管Agent工作倦怠的影响，通过构建多Agent仿真模型，实现了对矿山监管系统各Agent微观行为的仿真模拟，多Agent仿真模型有助于弥补现有工作倦怠研究过分依赖传统定性分析并无法系统分析各Agent之间交互的不足。通过研究监管系统各Agent之间的交互作用所引起的宏观涌现现象，为矿山监管制度效用最大化提供一种科学的依据。

2)基于Netlogo平台的仿真实验表明：决策支持系数Sc影响下,Sc由-1增加到1时，监管Agent工作倦怠人数降低了22人；职能配合系数Fc影响下，Fc由-1增加到1时,监管Agent工作倦怠人数降低了13人；处理有效性系数Ec影响下，Ec由0.3升高至0.9时，监管Agent工作倦怠人数降低了19人,间接说明了决策支持系数Sc对监管Agent工作倦怠现象影响最大、处理有效性系数Ec影响次之、职能配合系数Fc影响最小。

3)多Agent仿真模型并未考虑矿山监管系统中各Agent之间的关系演化及学习能力，因此具有一定局限性。