人群疏散中的恐慌传播与干预策略研究
谢科范 宋 钰 梁本部
(武汉理工大学管理学院)
摘要 ：通过NW小世界网络刻画行人社会关系，运用Netlogo软件实现多主体仿真，基于改进社会力模型和恐慌传染模型，考虑无恐慌干预与恐慌干预情境下的应急疏散，模拟恐慌情绪传播与人群疏散过程，以探究恐慌情绪传播的影响因子与最优干预策略。研究表明：群体恐慌情绪的传播速度主要取决于网络密集性、恐慌源位置和恐慌情绪系数，网络平均度越大、恐慌源越远离出口、恐慌情绪系数越大，则疏散效率越低；并提出3种恐慌干预策略，包括动作干预、范围干预与群众干预策略。
关键词 ： 人群疏散； 复杂网络； 恐慌传染； 干预策略； 多代理仿真
近年来，随着科技的发展和文娱聚集活动的增加，火灾、爆炸、恐怖袭击等突发事件频繁发生，造成了严重的经济损失和人群伤亡。例如，2014年“12·31”上海踩踏事故造成了36人死亡，49人受伤[1]；2016年7月23日发生在德国慕尼黑的枪击事件，诱发了恐慌踩踏，导致10人死亡，35人受伤[2]。人群系统是典型的复杂系统，包括个体行为、个体心理、个体交互、群体效应等要素。人群集聚规模的增大与突发事件的多样性，都极大地增加了人群管理和应急管理的难度，个体间社会网络的连通性也增大了突发事件恐慌情绪传播的潜在威胁[3]。如何在复杂的人群变化中把握个体运动规律，抓住关键问题，进行人群系统的异常识别与干预，不仅是管理中的重要问题，也涉及复杂网络、复杂系统等动态变化过程，采用单一的理论方法很难进行系统地分析。
从支出角度来看，2016年地方财政支出占全国财政总支出的比重为85.4%，与地方财政收入占全国财政收入的比重54.66%相比，其缺口很大。且随着中央进一步上收财权，将会增加中央财政收入占全国财政收入的比重，随着社保基金全国统筹的步伐的推进，这一缺口将会进一步扩大。实质上，缺口扩大并不可怕，关键是要有完善科学的弥补地方收入不足的机制，如转移支付制度、地方债等。
徐绪松[4]最早提出的复杂科学管理理论，提供了一种复杂系统科学与洞察现实世界的新范式，依据新的思维模式来研究管理思想、理论和方法。它包括：基于复杂研究对象的知识管理理论，基于复杂行为的计算实验范式，基于数据挖掘的预测和决策理论等[5]，为分析人群疏散复杂系统提供了新的思路。大量学者运用多粒子自驱动模型对人群系统进行建模，对个体行为与疏散效果展开了丰富研究[6]，但是仅仅考虑力学与行为学理论，并没有将人群复杂行为与情感结合。个体情绪作为群体复杂系统中重要的特征变量，造成了个体行为决策能力的差异[7]，进而对疏散过程产生了不同程度的影响[8]。一方面，由于独特的心理倾向和个性化特征，个体之间往往展现出不同的恐慌传染效果，对恐慌的认知和表征也存在差异；另一方面，空间内不同的人际关系所构成的社会网络，也会对恐慌情绪的传播带来影响[9]。由此，如何有效、及时地进行恐慌干预，防止恐慌情绪在疏散人群中扩散，是复杂科学管理的一个重要议题。
田园渗透——农田是村庄最大的绿化资源，五星村村田地平坦广阔，规划将农林用地与农作物布局结合进行大面积块状绿化，打造村庄景观的“图底”，使村庄外部的田园风光与村庄内部景观融为一体。
俄罗斯具有丰富的自然化资源，自向南分为森林、草原、平原等自然生态带。俄罗斯的自然旅游资源丰富，尤其是东北部地区的生态资源系统具有独特的文化景观效果。俄罗斯的历史悠久，文化传承广泛，是旅游产业发展的必要先决条件。俄罗斯遗产数量居全世界第四位，有160多个自然遗产，600多个文化遗产、30处自然文化遗产。俄罗斯的文化内容丰富，每一处都具有鲜明的特色和文化内涵水平。
本研究针对恐慌传播及恐慌干预对人群疏散的影响，运用复杂科学管理思想，构建NW小社会网络刻画群体社会网络，模拟无干预条件与干预条件下的人群疏散；将复杂社会网络、恐慌疏散及恐慌干预相结合，运用改进的NW小社会网络描述人群拓扑结构，分析不同网络结构、恐慌源特征与行为特征对恐慌疏散的影响；针对恐慌情绪的传播特点提出了动作干预、范围干预和群众干预3类策略，研究不同干预策略下恐慌情绪传播及疏散的特点。此外，本研究运用多代理仿真技术，对个体在空间内的动态疏散过程进行模拟，从而科学分析不同参数的影响，为组织者制定管理决策提供理论依据。
1 理论基础与模型描述
1 .1 社会网络的复杂性
复杂网络理论认为：不同网络结构、节点连通性及节点分布，均会对网络的形成、功能演化及其核心要素产生影响[10]。NEWMAN等[11]提出了NW小世界模型，将“随机化重连”改为“随机化加边”，刻画了复杂的人际关系。随后，社会网络和复杂网络理论被广泛运用于恐慌信息传播和定量分析中[12,13]。本模型在NW小世界模型的基础上进行了改进，以模拟不同熟悉程度的人群系统[12]。假设网络中共有N 0个节点，将其中每个节点以概率p rel与其最近的N rel节点相连，再以概率
随机选取一对节点进行加边，保证任意两个节点之间仅有一条边，且节点不能与自身相连。每个节点代表空间内的个体，相连的个体具有情感联系。
1 .2 个体情绪与恐慌传染
个体情绪的变化规律与个性化特征存在着密切关系，如具有较高责任感、情绪变化较为敏感、性格较为外向的个体更容易发生情绪变化。目前主要存在两种对个性建模的方法：NETO模型[14]和OCEAN模型[15]。NETO模型注重对个体相互影响的变量描述，但忽略了个体心理状态的变化；OCEAN模型重点描述个体特征与人群差异化，凸显了个性化的5个主要因素：开明性、责任性、外向性、利他性和敏感性。本研究引入OCEAN模型中的个性N 、C 和E 作为参数反映个体情绪的转化，且均服从正态分布N (0，0.52)。基于传染病SIR理论[16]，个体的情绪状态可以分为3种：易感个体(S类)、惊慌个体(I1类)与恐慌个体(I2类)。当个体的恐慌度受到恐慌传播源的影响，超过某一临界值T 1时，个体由S类转化为I1类；当恐慌度不断增加超过临界值T 2时，个体转化为I2类并成为恐慌的传播源，则有
T 1=λC -βN +γ ；
(1)
T 2=δ -ξE ，
(2)
通过以上两个译文比较可以发现，原译文语言直白，但语言死板，逻辑稍逊；参考译文是一个隐含的因果句，语言优美，符合汉语表达习惯，较为准确地表达了原文意义。在具体翻译过程中，要对所处的情景进行具体分析，这便构成了灵活运用“权”的前提，仔细比较，灵活取舍，行权便是为了更好的行经，这样读者读译文时便会身临其境，如读原文一般。
当个体处于恐慌源(I2类)传播半径r c 范围之内，可以感知到恐慌情绪；或个体与恐慌源相连时，也可受到恐慌情绪的影响，则个体受到传染源的影响
为[18]
2.1.2恐慌触发对恐慌疏散的影响
(3)
(4)
式中，Γ s (t )受单个传染源的影响；r c 为传染源的传染半径；d is 为个体与传染源之间的距离；α (α >T 2)为传染源的恐慌强度；χ i (t )为恐慌的传播衰减系数，服从正态分布N (0.3，0.01)。若i 与s 相连，则c is =1;反之，c is =0。
笔者以为，汉代，皇帝的敕令首先需要“具为令”，也即获准立法，进入立法计划，然后才能开始正式立法，也即“著为令”，立法程序正式启动。立法程序启动后，如何将皇帝进入立法计划的敕令上升为法律呢？皇帝的敕令一但进入立法计划，启动立法程序，就要交给国家官员具体操作，也即由丞相、御史大夫这样的国家官员讨论确定令的具体内容。汉代，著令这样的工作往往是由国家官员完成的，景帝元年，廷尉与丞相更议著令。可见，将皇帝敕令书面化是一项重要的工作，由九卿之一的廷尉与三公之一的丞相共同完成，体现了汉代著令程序的完备。
随着时间的推移，恐慌情绪呈现出衰减趋势，并逐渐恢复到正常水平。将个体的情绪恢复定义为
，当个体处在I2状态超过情绪恢复时间t T 时，个体将以一定概率p rec转化为S类，则个体t 时刻的情感为
由图1可知，在相同微波时间和堆积厚度条件下，微波功率范围在100～300 W，感官评分呈上升趋势，当微波功率为200 W时评分最高为84分。因为微波功率过低时紫菜微波不干，导致水分过多影响感官评分。随着微波功率的增大，紫菜出现焦煳、焦味等现象，从而导致感官评分呈下降趋势。
～
在总有效率比较中,对照组56例患者对比试验组急性心肌梗死患者相对较低,数据统计学分析P<0.05。如表1所示:
(5)
1 .3 基于恐慌情绪的改进社会力模型
式中，A i 、B i 、k 、K 为常数；r i 、r ij 、r is 为个体的半径(和)；d ij 、d io 、d is 分别为个体间重心、重心与墙的距离；
、
、
、
、
、
表示方向向量；Δ
为速度差；当r -d <0时，Θ (x )=0，反之，则等于r -d 。
ψ 
,
,
,
ψ 
,
ξ ，
(6)
式中，m i 表示质点(个体)的质量；
为期望速度的矢量；社会力的不同维度分别用
、
与
表示，受到个体速度
、期望速度的模
、期望速度方向
、位置矢量
、
、
等变量制约；个体所受感染源的排斥力为
ψ 为恐慌情绪系数；ξ 为行人的随机扰动行为，则有
,
(7)
,
k Θ 
Θ (r ij -d ij )Δ
(8)
,
在采取恐慌干预策略时，假设对现场人群控制采取视频持续监管的方式，则当恐慌情绪个体达到一定阈值z 时[9]，才可被检测到并采取应对措施。通过观察大量人群视频，本模型设计3种恐慌干预策略：①动作干预。管理人员直接进入场地进行情绪疏导，则能影响一定范围内的恐慌个体，提高个体的情绪恢复和免疫能力。假设管理人员的影响半径为R imu ，范围内个体转化为免疫个体(R类)，不受其他个体情绪影响；离开影响范围后重新转化为S类。②范围干预。现场人员采取广播、扩音器等信息扩散方式，对空间内所有个体进行恐慌干预。表述的安全信息为一般性的、概括性的内容。假设有w 1比例的个体受到影响，情绪持续性衰减为
ηE i (t -1)，其中，η 为衰减系数；E i (t -1)为个体上一时刻的情绪状态。③群众干预。当疏散环境的恐慌程度超过阈值时，会有w 2比例的个体自发地成为恐慌干预者，影响行人成为免疫个体(R类)，但与策略①中干预者不同，群众干预者仍执行疏散行为。
(9)
,
k Θ 
Θ (r is -d is )Δ
，
(10)
人群是一个充斥着个体行为与群体交互的复杂系统。基于流体动力学的相关理论，HELBING等[6]归纳并提出了社会力模型，认为个体在运动中受到的影响可等效为力学模型，即自驱力、行人排斥力、障碍物排斥力。在其基础上，WAN等[19]提出了恐慌源“排斥力”的概念，将恐慌情绪作为变量纳入模型中。本研究提出个体所受恐慌力为其周边恐慌源产生“排斥力”的合力，即
个体在运动过程中具有一定的视角θ αβ [27]，因此加入修正系数，个体受合力为l (θ αβ )·
若
·
≥
(θ /2)，l (θ αβ )=1，即不修正；反之则l (θ αβ )=c ，且c ∈(0,1)。
1 .4 恐慌干预模型
k Θ 
Θ (r i -d io )(v i ,
综上，NW小社会网络模型是恐慌情绪传染的基础结构；改进社会力模型为人群疏散提供了动力学支撑，有效区分了正常人群和恐慌人群的疏散行为特征；改进的SIS-R模型为恐慌传染提供了理论基础；恐慌干预模型结合了上述模型中人际网络、运动规律、情绪传播等特征，实现了恐慌干预的有效性和实践性。
2 干预策略对恐慌情绪传播的影响
基于上述个体恐慌行为及干预策略模型，运用Netlogo软件，构建40m×40m的封闭疏散环境，出口为下方4m的红色区域。设定人群社会网络特征N 0=150，N rel=1和p rel=0.3，符合一般陌生的疏散环境[6]。当个体均为S状态时，疏散总时间为70s。而当设定初始恐慌源时，恐慌个体之间产生的排斥作用导致人群离散运动，疏散总时间增加。疏散初始状态个体S的情绪值设为0，情绪恢复时间t T =4，恢复概率p rec=0.1，考虑到恐慌可能通过听觉、视觉等方式传播，令r c =6，参数设置参照文献[7]。社会力模型参数取值参考HELBING等[6]的研究结果，个体的视角θ αβ 设置为120°。异质性特征的Multi-agent仿真具有随机性，为增加结果的稳定性，对每组仿真重复10次，并取平均值作为依据。
第五，既然旅游的本质是见异思迁，那么“异”地空间的存在，也即地方性，是旅游得以繁荣的基础，所以旅游产品的开发，应侧重于不同“地方”的地方性和场所精神，这个问题在大刀阔斧地推进城市化建设和新农村建设的中国尤其重要，因为越来越多的乡村正失去其地方性和独特性。这事关旅游产品的开发、旅游景区的规划、城市规划、绿道和步行道的建设、旅游资源的认识和界定乃至社会制度(如户籍制度)的设计等一系列重要问题，从而最终达到提高生活质量，使生活更美好的目的。
2 .1 无干预策略时恐慌情绪的传播分析
为研究人群疏散过程中的恐慌干预策略，应先了解恐慌情绪的传播特征和影响要素。除探讨网络结构的影响外，假设恐慌疏散环境为陌生环境，在无管理人员参与的自由疏散过程中，恐慌信息的传播影响因素包括：社会网络结构、恐慌触发和情绪影响系数。
2.1.1社会网络结构对恐慌疏散的影响
社会关系由无标度网络进行描述，参数p rel和N rel均对网络结构产生影响，其中p rel代表两点的连接概率，而(N rel+0.1)p rel近似描述了节点的平均度，结果越大则网络更趋向于熟悉网络。选取p rel∈(0，1]，N rel∈(1，5]，设置固定的初始恐慌源进行恐慌疏散仿真。网络结构对恐慌疏散的影响见图1。图1上半部分表示不同网络结构对总疏散时间的影响，下半部分表示到达最大恐慌个体数的时间。当N rel越大时，恐慌个体数量的变化率越快，恐怖情绪在网络中传递更加迅速，越多的个体受到恐慌情绪的影响，系统达到最终状态的时间越长；当p rel越大时，个体与周围群体的连接概率越大，网络的整体平均度变大，网络中恐慌情绪的传播效率更高。
（1）样品的处理。①颗粒样：任取有霉变的玉米100粒，用0.1%升汞水浸泡1 min，用灭菌蒸馏水浸泡3～4遍，置无菌平皿中备用。②胃内容物不做处理。
图1 网络结构对恐慌疏散的影响
Γ s (t )；
图2 恐慌触发对恐慌疏散的影响
与一般复杂网络病毒传播模型不同，本模型考虑疏散过程中恐慌传播的影响，即初始恐慌源产生的位置对整体的疏散效率的影响。设置社会网络参数p rel=0.3，N rel=1，分析距出口距离、初始垂直夹角对疏散总时间的影响。恐慌触发对恐慌疏散的影响见图2。由图2可知，疏散时间越长，疏散过程中形成恐慌人数(I2)越多，受恐慌作用力影响，人群呈现离散运动，造成了疏散过程的延长。当距出口距离较近的个体作为初始恐慌源时，对系统整体的威胁较小。恐慌源能够较早离开疏散系统，总体疏散时间近似等于正常疏散时间；随着恐慌源距出口距离的增加，疏散时间呈波动性变化。这意味着，当个体与出口垂直方向的夹角增大或接近90°时，恐慌源易产生溜边效应，迅速地离开房间，对周围个体的影响较小；而位于房间最远端的恐慌源，也有一定概率在靠近密集群体之前，恢复到S状态，缩短了总体疏散时间。
式中，λ =0.1，β =0.1，γ =0.15，δ =0.35，ξ =0.1，参数取值借鉴BA
AK等[17]的研究成果。
在走进白叶头猴保护基地的时候，岳西刚刚经历了情感上的重创，她目睹了丈夫欧童出轨，但欧童却跟她辩解说肉体爱欲和精神之爱是可以各自独立并不矛盾。欧童是一个经济实力雄厚的商人，当初为了赢得岳西的芳心欧童不惜以折损自己的经济利益为代价。但在这段婚姻关系中，他们三观的差异，使得欧童和岳西在精神追求上越走越远。在情感上追求绝对忠诚的岳西无法接受欧童的狡辩，离开破碎的爱情，她来到了大山深处的白叶头猴保护基地。
自2016年初改版以来，《星火》目录上出现了许多在全国广有影响的实力作家，也推出了省内外一大批80后、90后文学新人。
2.1.3恐慌情绪系数对恐慌疏散的影响
在改进的社会力模型中，恐慌情绪系数表示个体情绪对行为的影响。个体受到情感系数的约束越强，对环境认知能力越弱，极端情况下甚至发生情绪崩溃的现象。情绪系数对恐慌疏散的影响见图3。由图3可知，情绪系数对疏散时间呈现指数影响。当情绪系数服从ψ ∈(0,1]时，疏散时间稳定在相对较小的范围内，但随着ψ 超过某一阈值，个体呈现离散型、随机性移动，疏散时间呈现指数型增长。
图3 情绪系数对恐慌疏散的影响
为有效说明本模型对恐慌源及恐慌传染模拟的真实性，引入2015年1月20日在深圳地铁发生的恐慌拥挤事故作为案例对比，案例视频截图见图4。群体恐慌是由于某乘客在排队等候地铁时突然晕倒触发的(位于图4a左下)。一位女士(恐慌源)目睹乘客晕倒后，产生恐慌情绪并在“恐慌力”的作用下，向远离“跌倒乘客”的方向奔跑(图4a)。在恐慌源的影响下，其两名同伴(网络关系)及周围的个体(范围)(图4b与4c)最先受到影响并向最近的出口逃散，这验证了模型中社会网络传染和范围传染的有效性和真实性。同时，随着恐慌环境的升级，形成了多个次级恐慌传染源(图4d)的联合作用，造成了秩序的混乱。现场人群在多个传染源的影响下形成群体恐慌，朝出口方向疏散，并产生个别异常现象，如行人跌倒、对冲等。
企业在进行财务内控精细化管理的同时要制定相应的监管制度和机制，来促进财务内控精细化管理工作高质量、高效率的进行。但是现阶段我国企业财务内控精细化监管力度处于不充足的状态，企业所建立的监管机制与企业自身发展的需求和特点存在一定的差异，再加上企业财务内控精细化监管人员监管的力度较小，导致企业财务内控精细化管理工作的顺利实施难度加大，企业的经营管理水平提升也比较缓慢，财务管理、经营管理的风险因素仍然存在，风险发生的概率也没有下降。由此，强化企业财务内控精细化管理，提升企业经营管理水平是非常必要的。
图4 深圳地铁拥挤事故恐慌人群
综上，无恐慌干预策略时，恐慌传播效果受到社会网络结构、恐慌源位置与个体恐慌情绪系数的影响。网络结构的平均度提高、恐慌源远离出口、恐慌情绪系数增加，将会加快恐慌情绪的传播，降低整体疏散效率。由此可见，在制定干预策略时，应关注网络结构、干预半径与个体的恐慌情绪的衰退系数。
2 .2 不同干预策略对恐慌疏散的影响
为有效阻止恐慌情绪在人群中的传播，活动组织者或场地管理者应对现场人群进行实时监控。假设当疏散环境中恐慌个体(I2)类个体所占比例超过阈值z 时，相关人员会采取恐慌干预策略。基于现实恐慌疏散事件的观察和仿真模拟数据，在恐慌疏散中，如果环境中出现恐慌传染源，恐慌情绪的传播速度往往极快，恐慌个体从最低值达到最高值仅需要6～10s。当管理人员试图做出反应时，系统状况已经开始迅速恶化，因此选取z =0.5作为恐慌干预起始点。不同干预策略对恐慌疏散的影响具体表现如下。
(1)动作干预 恐慌疏散的情境下，当I2类个体达到最大值时，疏散出口附近形成大约半径10m的拱形人群，相互挤压拥挤，并随后产生离散运动。为实现免疫效率的最大化，本研究在距出口中心点20m的拱形范围内设置管理员，其免疫半径R imu =5[5]，分析恐慌干预位置对恐慌疏散的影响，受到恐慌干预的个体成为免疫个体(R类)，不受其他个体情绪的影响。选择距出口中心点的距离和与垂直出口方向夹角来定位恐慌干预点(见图5)，记录不同干预位置下的恐慌疏散时间。一方面，当干预者与出口距离小于8m时，恐慌疏散时间显著减少，这意味着当z =0.5时，恐慌人群集中在出口附近8m的拱形范围内，在此范围内的管理者可以影响更多的恐慌个体，干预策略较为有效。当干预者与出口距离逐渐变大时，疏散总时间趋于无干预状况下的疏散时间。另一方面，最短疏散时间出现在管理者距离出口4m处，而非最近的2m处。由疏散过程可知，当管理员在门口附近时，虽然在一定程度上降低了总体恐慌水平，但是其作为障碍物阻挡了人群的疏散路径。同时，干预者与垂直出口方向夹角也会影响整体疏散水平，当干预位置距离出口较近时，角度的变化对疏散效果影响较小。当夹角越小时，干预者更趋向于门口拱形人群的中心位置，能够影响大部分疏散人群；当干预位置距离出口较远时，由于人群离散运动，正对出口(夹角较小)的干预位置反而不如贴近边缘(夹角较大)的干预位置，这意味着更多的恐慌个体呈现“溜边”疏散，贴近墙体的管理者能影响更多的恐慌个体。
图5 恐慌干预位置对疏散时间的影响
(2)范围干预 在突发事件发生时，管理者通常很难及时到达最佳恐慌干预点，因此范围干预是最常见的应急管理方法。由于个体认知和现场环境的不同，受到影响的人群比例w 1与个体恐慌衰减系数η 往往有所差异，进而影响整体疏散过程。不同的w 1与η 对疏散总时间的影响见图6。由图6可知，w 1增大，即干预范围变大，可以有效提高整体疏散效率；同时，η 提高，疏散时间显著减少，说明自身恐慌恢复能力是影响疏散速度的关键。但η 比w 1对整体疏散时间的影响更为显著，说明个体对恐慌情绪的控制和免疫能力能够更好地降低恐慌的扩散，主观干预策略比客观条件干预具有更好的效果。图6柱状图进一步说明了不同参数对系统恢复时间(系统内无I2群体)的影响。随着w 1的增加，系统逐渐恢复到正常水平，I2群体受到范围干预策略的影响，恐慌情绪逐渐衰减至正常状态，且η 越大，系统恢复速度越快。由此可见，管理员应准备良好的范围干预硬件，扩大干预的影响范围；此外，还应张贴海报、标语等标识，运用正确的应急疏散引导语，促进应急状态下个体情绪的自我恢复。
图6 范围干预对疏散时间的影响
(3)群众干预 群体疏散中，会自发地构成一些小群体，并形成“领袖”。假设到达系统阈值z =0.5时，会有w 2比例个体成为“群众”恐慌干预源，其情绪影响半径
，小于现场管理员的恐慌干预范围，并且仍然按照原来的路径进行疏散，不会主动停下进行现场指导。受影响的个体会恢复S状态，跟随其一起疏散。不同“群众”恐慌干预者比例对疏散时间和免疫个体人数的影响见图7。由图7可知，当w 2<0.1时，疏散时间受到恐慌干预源的影响，迅速降到100s左右，说明因为“群众领袖”的作用，更多的恐慌个体受到影响并恢复到正常情绪水平完成疏散行为，整体免疫个体的数量也显著增加；当w 2>0.1时，出现了明显的拖尾现象，说明仅需少数的自发性恐慌干预者，就可以使系统内全部个体转化为免疫个体。但与干预策略①相比，“群众”在干预范围与干预效果上都不如“现场管理者”，仅能在一定范围内影响其移动路径附近的个体。
图7 群众干预比例对疏散时间的影响
综上，恐慌干预对疏散整体效果的影响取决于疏散系统中干预者位置、干预主体、情绪恢复系数、干预范围、干预概率等多方面因素，是一个复杂的非线性过程。干预者越接近出口位置，干预范围越广，干预概率越大，情绪恢复能力越强，干预主体越多，均会显著降低疏散时间。现场恐慌干预效果较范围恐慌干预更加有针对性，而自发性恐慌干预需要个体具有更强的安全意识。
3 结语
本研究运用复杂科学管理的思想，将复杂网络、恐慌传播、恐慌干预与人群疏散系统相结合，建立了一个包括社会网络模型、恐慌情绪传播模型、改进社会力模型和恐慌干预模型的复杂恐慌疏散模型，基于现实案例的对比分析，取得了一些有意义的结论。
与一般社会网络相似，网络结构的变化会严重影响恐慌情绪的传播效率。在一般无标度的社会网络中，恐慌源的位置对整体网络恐怖信息的传播速度影响不大；而在人群疏散中，恐慌传染源的位置会显著影响疏散时间，距离出口较远、与竖直方向夹角越小的个体，更易传播负面情绪。同时，熟悉程度越高的人群网络结构，如教室中学生疏散、高层办公楼疏散等，更易发生恐慌情绪的传染和突发事件。
场地干预中，在不同位置设立管理人员实施恐慌干预策略会产生不同的疏散效果，当管理员位于出口人群集聚的拱形范围时，其干预效果达到最优；但其也会成为新的障碍物阻碍人群移动，干预者位于出口一侧的门框边缘，能够在降低阻碍情况下增大干预的影响。范围干预策略是现实中采用最多，也是反应最及时的恐慌干预方式，增加受到影响的人群比例与个体情绪恢复能力，可有效改善人群疏散状态，如增大广播音量、张贴通告、设置应急灯等措施。群众干预是一种偶然性较强的干预策略，不受管理者意志的影响，是由小团体“领袖”临时地、自发地充当干预者。但仅需少数的群众干预者(约0.06%)，就可以实现系统恢复相对稳定的水平，进一步从侧面反映个体情绪自愈能力在应急疏散中的重要作用。
总之，人群疏散中的恐慌行为和干预策略的仿真结果为管理者提供了重要的管理启示：一方面，管理者应采用全面的、综合的恐慌干预策略，以获得更好的疏散效果；另一方面，管理者应着重考虑个体情绪恢复能力的增强及应急疏散配套硬件的完善。由于本研究设定的恐慌疏散模型与现实疏散中的复杂情境存在差距，因此未来的研究应通过改进模型、引入疏散实验和大数据方法来更好地描述复杂情绪与恐慌疏散，为管理决策的制定提供有力的理论与实践依据。
参考文献
[1] 温志强, 滑冬玲, 郝雅立. 仪式性公共活动中踩踏风险及防范机制[J]. 管理评论, 2017, 29(8): 251-262.
[2] ZHANG Y L, ZHOU X B. The Occurrence Laws of Campus Stampede Accidents in China and Its Prevention and Control Measures[J]. Natural Hazards, 2017, 87(2): 659-673.
[3] 王崇阳, 翁文国, 王嘉悦. 人群拥挤踩踏事故风险分析算法设计及应用[J]. 系统工程理论与实践, 2017, 37(3): 691-699.
[4] 徐绪松. 复杂科学管理[M]. 北京: 科学出版社, 2010: 249-266.
[5] 李晓丹, 刘洋. 制度复杂理论研究进展及对中国管理研究的启示[J]. 管理学报, 2015, 12(12): 1 741-1 753.
[6] HELBING D, FARKAS I, VICSEK T. Simulating Dynamical Features of Escape Panic[J]. Nature, 2000, 407(6803): 487-490.
[7] KRAMER A D, GUILLORY J E, HANCOCK J T. Experimental Evidence of Massive-Scale Emotional Contagion through Social Networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(24): 8 788-8 790.
[8] CAO M, ZHANG G, WANG M, et al. A Method of Emotion Contagion for Crowd Evacuation[J]. Physica A : Statistical Mechanics and Its Applications, 2017, 483: 250-258.
[9] 宋楠, 付举磊, 鲍勤,等. 基于无标度网络的恐怖信息传播与最优应对策略[J]. 系统工程理论与实践, 2015, 35(3): 630-640.
[10] 刘凤朝, 姜滨滨. 联盟网络核心节点形成及其影响因素研究[J]. 管理学报, 2013, 10(5): 671-677.
[11] NEWMAN M E J, WATTS D J. Renormalization Group Analysis of the Small-World Network Model[J]. Physics Letters A, 1999, 263(4-6): 341-346.
[12] 刘纯霞, 舒彤, 汪寿阳,等. 基于小世界网络的供应链中断风险传导路径研究[J]. 系统工程理论与实践, 2015, 35(3): 608-615.
[13] DONG S, FAN F H, HUANG Y C. Studies on the Population Dynamics of a Rumor-Spreading Model in Online Social Networks[J]. Physica A: Statistical Mechanics and Its Applications, 2018, 492: 10-20.
[14] NETO A B F, PELACHAUD C, MUSSE S R. Giving Emotional Contagion Ability to Virtual Agents in Crowds[C]//International Conference on Intelligent Virtual Agents. Cham: Springer, 2017: 63-72.
[15] DURUPINAR F, GUDUKBAY U, AMAN A, et al. Psychological Parameters for Crowd Simulation: From Audiences to Mobs[J]. IEEE Trans Vis Comput Graph, 2016, 22(9): 2 145-2 159.
[16] 孙翎, 迟嘉昱. 基于仓室模型的危机蔓延建模与演化分析[J]. 管理学报, 2010, 7(12): 1 878-1 883.
[17] BA
AK A E, GÜDÜKBAY U, DURUPINAR F. Using Real Life Incidents for Creating Realistic Virtual Crowds with>[18] ZHANG X, WU J, ZHAO P, et al. Epidemic Spreading on a Complex Network with Partial Immunization[J]. Soft Computing, 2018, 22(14): 4 525-4 533.
[19] WAN J, SUI J, YU H. Research on Evacuation in the Subway Station in China Based on the Combined Social Force Model[J]. Physica A: Statistical Mechanics and Its Applications, 2014, 394: 33-46.
Panic Contagion and Intervention Strategy in Crowd Evacuation :From the Perspective of Complexity Science Management
XIE Kefan SONG Yu LIANG Benbu
(Wuhan University of Technology, Wuhan, China)
Abstract ： This study implements multi-agent simulation based on the Netlogo software by using a modified NW small world network to capture the pedestrian social structure. This study builds a modified social force model and a panic contagion model. Considering both without and with the intervention strategy in crowd evacuation, the panic contagion in the crowd and the evacuation effect are simulated to study the influence factor of panic spreading and the optimal intervention strategies. The results show that the effects of panic contagion depend on the network density, the position of panic source and panic emotion coefficient. The lower evacuation efficiency is with the higher average degree of network, panic source being far from exits, and the higher panic coefficient. Furthermore, three intervention strategies are proposed including motion intervention, scope intervention and volunteer intervention strategy.
Key words ： crowd evacuation; complex network; panic contagion; intervention strategy; multi-agent simulation
中图法分类号 ：C93
文献标志码： A
文章编号： 1672-884X(2019)02-0273-07
DOI编码： 10.3969/j.issn.1672-884x.2019.02.013
收稿日期 ：2018-10-31
基金项目 ：国家社会科学基金资助重点项目(15AGL021)
(编辑 桂林 )
通讯作者 ：谢科范 (1963～)，男，湖南益阳人。武汉理工大学(武汉市 430070)管理学院教授、博士研究生导师。研究方向为风险管理。E-mail：xkf@whut.edu.cn