基于Netlogo的群體暴力建模與實(shí)現(xiàn)

劉雨君　石寶　張蕊鑫　續(xù)東升

摘要：為了更加形象而深入的研究群體性暴力行為的形成原因和演化過(guò)程，本文在對(duì)原有的研究基礎(chǔ)上，用一種新的模型對(duì)群體性暴力事件進(jìn)行研究，在該模型中引入了影響人行為的三個(gè)因素：不滿、理性、威懾。分析個(gè)體暴力行為的實(shí)施則主要受到這些方面的影響。

關(guān)鍵詞：群體暴力;行為因素;建模實(shí)現(xiàn)

中圖分類(lèi)號(hào)：TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）07-0222-03

Abstract： In order to better image and violence research group in-depth reasons for the formation and evolution process， this paper on the basis of the original research， with a new the model of mass violence， the effect of human behavior is introduced in the model three because of dissatisfaction， rationality， deterrence： pro. The implementation of individual violence is mainly influenced by these aspects.

Keywords： Group violence; behavior factor; modeling and implementation

群體性暴力事件是一種常見(jiàn)的社會(huì)現(xiàn)象，嚴(yán)重危及人類(lèi)社會(huì)的穩(wěn)定和發(fā)展。目前我國(guó)社會(huì)飛速發(fā)展，致力于社會(huì)主義現(xiàn)代化建設(shè)，經(jīng)濟(jì)利益格局逐漸壯大，但與此同時(shí)群體性暴力事件也不斷發(fā)生，例如新疆的“七五事件”、貴州的“甕安事件”和云南的“孟連事件”等。群體事件一般都是一群有強(qiáng)烈社會(huì)不滿情緒的人員聚眾做出一系列危害社會(huì)的行為，可能導(dǎo)致交通癱瘓，通信中斷，人員傷亡，財(cái)產(chǎn)損失等嚴(yán)重后果。因此預(yù)防和打擊群體性暴力事件對(duì)社會(huì)和諧穩(wěn)定尤為重要。已有研究致力于群體事件的原因、性質(zhì)、人員構(gòu)成與心理行為等的研究，這些分析方法只能算是事后分析，忽略了預(yù)防性的分析與研究。

本文基于孫繼真等研究者對(duì)群體事件的建模與仿真工作，提出了基于個(gè)性的群體暴力事件的建模與實(shí)現(xiàn)方法，以便為公安機(jī)關(guān)等部門(mén)提供一定的理論依據(jù)去更好的處理此類(lèi)危害社會(huì)安全的群體性暴力事件。

1 基于個(gè)性的群體暴力行為

1.1 個(gè)體個(gè)性

個(gè)體個(gè)性是指?jìng)€(gè)體比較穩(wěn)定的、具有一定傾向性的可以影響個(gè)體本身并與他人有所區(qū)別的心理特征的總和。個(gè)體個(gè)性不同，受不滿意因子的影響對(duì)個(gè)體行為或事件有不同反應(yīng)，冷靜個(gè)體能控制情緒，急躁個(gè)體易受環(huán)境影響，社會(huì)不滿度高，易產(chǎn)生暴力情緒，個(gè)體不滿度定義為perceived-hardship;不同個(gè)性個(gè)體情緒表達(dá)方式不同，定義為expression;個(gè)體對(duì)事件的接受程度不同，對(duì)事件反應(yīng)也不同，在本文反映為個(gè)體開(kāi)放性acception;風(fēng)險(xiǎn)認(rèn)知是個(gè)體對(duì)存在于外界環(huán)境中的各種客觀風(fēng)險(xiǎn)的感知，定義為risk-aversion，用Ri表示，風(fēng)險(xiǎn)認(rèn)知能夠影響個(gè)體的態(tài)度從而選擇自己的行為，決定著個(gè)體是否要轉(zhuǎn)化為暴徒。以上變量取值范圍均為[0，1]。

1.2 不滿情緒

個(gè)體不滿度大多源于利益沖突和社會(huì)矛盾，是一種對(duì)社會(huì)穩(wěn)定不利的社會(huì)心理現(xiàn)象。本文將不滿情緒定義為grievance，用G表示，不滿情緒取決于個(gè)體不滿度和個(gè)體理性度：G=Ph*（1-H1），其中Ph為個(gè)體不滿度，H1為個(gè)體理性度。

1.3 警察個(gè)體

對(duì)于警察的抓捕行為，如果鄰域范圍內(nèi)警察多于暴徒，警察趨于向暴徒方向移動(dòng)并實(shí)施抓捕行為，否則暴徒聚集，警察難以實(shí)施抓捕行為，警察趨于向身邊警察多的范圍移動(dòng)。

1.4 暴徒個(gè)體

暴徒視野范圍內(nèi)警察越多被抓捕的風(fēng)險(xiǎn)越大，暴徒趨于向避開(kāi)警察密集的區(qū)域移動(dòng)，反之視野范圍內(nèi)暴徒越多，被抓捕的風(fēng)險(xiǎn)越小，暴徒趨于向暴徒密集的區(qū)域移動(dòng)。暴徒被抓捕的風(fēng)險(xiǎn)等級(jí)定義為arrest-probability，用AP表示，AP=1-exp{-k|NC/NA|}，其中NC和NA表示視野范圍內(nèi)警察和暴徒的數(shù)量。

在整個(gè)群體性暴力事件中，普通個(gè)體在一定條件下會(huì)轉(zhuǎn)化為暴徒，轉(zhuǎn)化條件為：G-Ri*AP>threshold。

2 算法思想

運(yùn)用Netlogo對(duì)于群體性暴力事件進(jìn)行仿真模擬實(shí)驗(yàn)，通過(guò)改變警察數(shù)量、個(gè)體視野范圍內(nèi)其他個(gè)體的數(shù)量和刑罰大小等參數(shù)來(lái)研究相應(yīng)的暴力事件發(fā)生的情況。在算法上首先進(jìn)行環(huán)境初始化，之后創(chuàng)建不同個(gè)體并進(jìn)行初始化和屬性設(shè)置。個(gè)體根據(jù)自己的移動(dòng)規(guī)則可以移動(dòng)到?jīng)]有其他個(gè)體的指定位置，警察、暴徒、旁觀者會(huì)對(duì)自己的行為做出選擇，然后判斷自己所要移向的個(gè)體。旁觀者隨機(jī)移動(dòng)，在一定條件下個(gè)體會(huì)轉(zhuǎn)化為暴徒，暴徒對(duì)視野范圍內(nèi)其他個(gè)體進(jìn)行攻擊，警察在一定范圍內(nèi)巡視，當(dāng)發(fā)現(xiàn)視野范圍內(nèi)警察多于暴徒時(shí)，警察根據(jù)抓捕規(guī)則對(duì)距離最近的暴徒實(shí)施抓捕行為，暴徒被抓捕后，在最大刑期范圍內(nèi)判刑，代表暴徒的個(gè)體消失一定時(shí)間，但如果視野范圍內(nèi)暴徒多于警察時(shí)，警察則遠(yuǎn)離暴徒。

3 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)結(jié)果分析

3.1 警察數(shù)量對(duì)事件的影響

警察抓捕暴徒，制止暴徒的暴力行為。警察數(shù)量在0-100范圍內(nèi)取值，觀察離開(kāi)的人、暴徒、旁觀者的變化情況，其他變量都設(shè)置為中值，視野范圍大小都為10，理性程度設(shè)置為0.1，人群擁擠度為20，轉(zhuǎn)化臨界值為0.5。實(shí)驗(yàn)結(jié)果如圖1、2所示。

實(shí)驗(yàn)結(jié)果顯示，隨著警察增多，暴徒?jīng)]有減少反而增多，離開(kāi)的人變化幅度不是很明顯，旁觀者隨警察增多整體趨勢(shì)上減少。由此可見(jiàn)，在暴力行為的建模與實(shí)現(xiàn)中，一味地增加警察的數(shù)量并不會(huì)直接導(dǎo)致暴徒數(shù)量減少，在現(xiàn)實(shí)生活的社會(huì)治安過(guò)程中，要靠合理的方式來(lái)控制暴徒的暴力行為。

3.2 視野范圍內(nèi)人數(shù)對(duì)事件的影響

視野范圍內(nèi)警察和普通個(gè)體數(shù)量均在1-50范圍內(nèi)取值，觀察離開(kāi)的人、暴徒、旁觀者的變化情況，其他變量都設(shè)置為中值，視野范圍大小都為10，理性程度設(shè)置為0.1，人群擁擠度為20，轉(zhuǎn)化臨界值為0.5。實(shí)驗(yàn)結(jié)果如圖3、4所示。

實(shí)驗(yàn)結(jié)果顯示，暴徒隨著視野范圍內(nèi)人數(shù)的增多而增多，直到視野范圍達(dá)到20時(shí)，暴徒的變化趨于一個(gè)穩(wěn)定的狀態(tài)，離開(kāi)的人數(shù)變化不是很明顯，旁觀者會(huì)隨著視野范圍內(nèi)人數(shù)的增加而減少。視野范圍內(nèi)人數(shù)越多，暴徒逃跑能性就越大，會(huì)直接導(dǎo)致警察的抓捕暴徒的可能性降低，所以暴徒會(huì)增多，這給我們?cè)诂F(xiàn)實(shí)治安生活中的建議是警察要在控制暴徒的視野范圍的情況下，擴(kuò)大自己的視野范圍，這樣有利于提高對(duì)暴徒的控制，提高抓捕暴徒的效率。

3.3 刑罰大小對(duì)事件的影響

當(dāng)暴徒被抓捕后，在相應(yīng)的最大刑期的范圍內(nèi)會(huì)對(duì)被抓捕的暴徒進(jìn)行判刑，這決定著暴徒消失的時(shí)間長(zhǎng)短，在最大刑期的范圍內(nèi)，分別將判刑時(shí)間定為10到100十種情形，觀察離開(kāi)的人、暴徒、旁觀者變化，控制其他變量保持不變。實(shí)驗(yàn)結(jié)果如圖5和圖6所示。

從實(shí)驗(yàn)結(jié)果可以看出隨著刑罰時(shí)間的增加，暴徒會(huì)相應(yīng)的減少，離開(kāi)的人的變化不明顯，旁觀者的變化在300人左右浮動(dòng)，變化相對(duì)穩(wěn)定，所以刑罰時(shí)間主要影響著暴徒數(shù)量的變化，刑罰時(shí)間越長(zhǎng)，暴徒數(shù)量越少。在現(xiàn)實(shí)的治安過(guò)程中，可以根據(jù)暴徒相應(yīng)的罪行在合理的刑期之內(nèi)判刑，這樣更有利于打擊暴徒的暴力行為，并控制暴徒出獄之后的再犯，有利于社會(huì)的和諧穩(wěn)定。

4 小結(jié)

本課題中，在Netlogo建模的基礎(chǔ)上，通過(guò)對(duì)個(gè)體個(gè)性的研究對(duì)警察數(shù)量、視野范圍內(nèi)人數(shù)和刑罰時(shí)間的長(zhǎng)短對(duì)暴力行為的影響做了分析研究，通過(guò)對(duì)數(shù)據(jù)的比較，驗(yàn)證了所得結(jié)果的合理性，發(fā)現(xiàn)在群體性暴力事件的演化過(guò)程中，刑罰時(shí)間的長(zhǎng)短和視野范圍的人數(shù)會(huì)影響暴徒的數(shù)量，同時(shí)還發(fā)現(xiàn)，如果只是單純的增加警察的數(shù)量，也會(huì)導(dǎo)致群體性暴力事件發(fā)展難以控制，從而導(dǎo)致嚴(yán)重的后果。

參考文獻(xiàn)：

[1] 黨會(huì)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(yáng)師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2012，29 （2）：60-65.

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

[3] 高萌萌，王一伊，卜凡亮.群體性暴力事件形成計(jì)算分析[J].北京警察學(xué)院學(xué)報(bào)，2015（2）：102-109.

[4] Epstein， J.M.Modeling civil vioience：An agent-based computational approach[J].PNAS，2002，99（3）：7243-7250

[5] Gilbert N，Troitzsch K G.Simulation for the social scientist[EB/OL].2005

[6] 廖守億，戴金海.復(fù)雜適應(yīng)系統(tǒng)及基于Agent的建模與仿真方法[J].系統(tǒng)仿真學(xué)報(bào)，2004，16（1）：113-117.

[7] 岳峰，榮明，胡曉峰，等.基于Agent構(gòu)建群體行為模型[J].裝甲兵工程學(xué)院學(xué)報(bào)，2008，22（1）：68-71.

[8] 岳峰，榮明，胡曉峰，等.基于Agent構(gòu)建群體行為模型[J].裝甲兵工程學(xué)院學(xué)報(bào)，2008，22（1）：68-71.

[9] 常寧寧.基于多智能體的群體性事件仿真研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2008.

[10] 孫繼真，卜凡亮.群體性暴力事件的對(duì)抗仿真研究[J].中國(guó)人民公安大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，18（1）：68-72.

[11] 陳鵬，陳建國(guó).突發(fā)性群體暴力活動(dòng)的多主體建模研究[J].計(jì)算機(jī)仿真，2015，32（1）：377-381.

【通聯(lián)編輯：唐一東】