基于Netlogo平臺的突發(fā)事件信息傳播仿真研究

布旻晟，周 軍

(河海大學(xué)機電工程學(xué)院，213001，常州，江蘇)

基于Netlogo平臺的突發(fā)事件信息傳播仿真研究

布旻晟，周 軍

(河海大學(xué)機電工程學(xué)院，213001，常州，江蘇)

針對突發(fā)事件信息傳播的影響因素及參與主體進行分析，構(gòu)建突發(fā)事件信息傳播的仿真模型，模型包括主體屬性函數(shù)以及主體之間的交互規(guī)則，不僅給出交互仿真圖，而且以“7.23動車事故”突發(fā)事件的相關(guān)數(shù)據(jù)作為仿真初始數(shù)據(jù)，利用Netlogo仿真平臺對突發(fā)事件信息傳播過程進行動態(tài)模擬，包括謠言傳播的動態(tài)過程和意見領(lǐng)袖的影響過程等，仿真結(jié)果可分析各主體哪些屬性是影響突發(fā)事件發(fā)展的主要因素，為有效控制事態(tài)發(fā)展提供決策依據(jù)。

突發(fā)事件；信息傳播模型；多主體仿真；Netlogo；謠言傳播；意見領(lǐng)袖

0 引言

研究突發(fā)事件傳播規(guī)律、健全信息的溝通渠道、提高信息處理水平，對有效應(yīng)對各種突發(fā)事件，預(yù)防和減輕突發(fā)事件造成的損失，都有十分重要的意義。早期關(guān)于突發(fā)事件信息傳播的研究，主要是針對概念模型、情景分析的方法等理論進行研究，提出了許多經(jīng)典的信息傳播模式[1]。Lasswell的“五W模式”是最早的信息傳播模式。Shannon和Weaver[2]的“線性模式”導(dǎo)入了噪音的概念，為信息傳播模式的研究提供了新的思路，但這2個模式都未揭示人類大眾傳播的雙向互動性質(zhì)。Osgood與Schramm提出了“循環(huán)模式”，突出了社會傳播的互動性，并把傳播雙方都看作是傳播行為的主體。但此模式同時也存在一些缺陷，它把傳播主體放在完全對等或平等的關(guān)系中，與社會傳播中出現(xiàn)意見領(lǐng)袖的情況不一致，而且它只能反映點對點傳播的特點，不能適用于大眾傳播的過程。1970年，Defleur的“互動過程模式”在線性模式的基礎(chǔ)上補充了噪音和反饋的要素、環(huán)節(jié)和渠道，并認為噪音對信息及傳播和反饋過程中的任何環(huán)節(jié)或要素都會發(fā)生影響，是較全面地解釋信息傳播互動過程的一個模式。Fiona Duggan和Linda Banwell從危機信息的發(fā)送者和接受者的角度，于2004年提出了危機信息傳播模式[3]。該模式認為信息發(fā)送者的編碼規(guī)則在傳播過程中起主導(dǎo)作用，并把影響信息發(fā)送者和接受者的因素分為內(nèi)部因素和外部因素，解釋了信息傳播的各個環(huán)節(jié)，但對于危機信息的傳播過程沒有過多的闡述。

互聯(lián)網(wǎng)時代的到來使得傳統(tǒng)的信息傳播模式發(fā)生了巨大的變化，高互動性的開放平臺使得每個人都可能成為信息傳播的“幕后推手”。 由于網(wǎng)絡(luò)上交互式的傳播與現(xiàn)實生活中的傳播具有一定的相似性，本文主要研究信息在網(wǎng)絡(luò)上的傳播，并基于以往學(xué)者的研究成果及經(jīng)驗，既考慮了影響信息發(fā)送者和接受者的內(nèi)部因素和外部因素，又考慮了信息傳播的過程，提出一種新的模型。該模型能夠模擬人與人的意見交互，從微觀角度分析意見領(lǐng)袖[4]的權(quán)威性、謠言[5]煽動性等主體屬性對突發(fā)事件信息傳播的影響。最后基于Netlogo[6]平臺進行仿真實驗和結(jié)果分析。

1 突發(fā)事件信息傳播仿真模型的構(gòu)建

1.1突發(fā)事件信息傳播模型的構(gòu)建

根據(jù)Fiona Duggan和Linda Banwell的危機信息傳播模式[3]，認為影響信息發(fā)送者和接受者的因素有內(nèi)在因素和外在因素，包括意見領(lǐng)袖、同嗜性、目標(biāo)信息、假定性等。突發(fā)事件傳播的生命周期分為事件前兆階段、事件擴散階段、事件爆發(fā)階段和事件恢復(fù)階段。本文在考慮了影響信息發(fā)送者和接受者的因素的基礎(chǔ)上，又加入了信息傳播過程的概念，建立了一個全新的突發(fā)事件信息傳播模型，如圖1所示。

圖1 突發(fā)事件的信息傳播模型

由于信息傳播無法在現(xiàn)實生活中進行試驗，因此采用計算機建模仿真是最有效的方法。社會系統(tǒng)是復(fù)雜系統(tǒng)，考慮到個體的多樣性，本文采用基于Agent的建模仿真方法[7]來研究信息的傳播。

1.2基于Agent的信息傳播模型

建模的基本思想是：將社會中的人模擬成計算機中的Agent，人與人之間的意見交互行為模擬成Agent的屬性和行為，并引入交互規(guī)則，從而判斷個體是否改變意見及改變的程度。經(jīng)過多次重復(fù)的意見交互后，往往能從群體中觀察到宏觀輿情現(xiàn)象。如圖2所示，該方法能夠有效解答微觀的個體意見如何涌現(xiàn)出宏觀輿情。

圖2 基于Agent的信息交互模型圖

1.2.1 仿真平臺Netlogo簡介 NetLogo[6]是1999年在美國國家科學(xué)基金的資助下由Uri Wllensky開發(fā)的，目的是為給科學(xué)研究和教育提供易用且強大的計算機輔助工具。2002年發(fā)布了NetLogol.0版本，完全用Java編程實現(xiàn)，可以在不同的平臺上運行。NetLogo特別適合對隨時間演化的復(fù)雜系統(tǒng)進行建模, 它自帶有turtle、patch、link等多種類型的Agent,建模人員能夠向成百上千獨立運行的Agent發(fā)出指令,這就使得探究微觀層面上的個體行為與宏觀模式之間的聯(lián)系成為可能, 這些宏觀模式是由許多個體之間的交互涌現(xiàn)出來的。

1.2.2 建立Agent模型 在輿論的傳播中，大多數(shù)人會形成怎么樣的態(tài)度傾向，往往會受別人的影響[8]，本文重點考慮個體Agent建模，將民眾視為獨立的Agent，而將謠言制造者和意見領(lǐng)袖視為獨立于Agent之外的上層對象，能夠?qū)€體Agent施加影響，改變其態(tài)度。信息傳播相關(guān)的幾個特性有態(tài)度、從眾性、可信度、權(quán)威性[9]。

1)態(tài)度。民眾對突發(fā)事件信息持有3種態(tài)度：支持、中立、反對。在實際社會中，人們的態(tài)度并不是一開始就明確無誤，因為媒體或人際影響，許多人的態(tài)度逐步由模糊不清、左右搖擺轉(zhuǎn)變?yōu)榍逦鷪远ǖ囊庖?。因此，本文取區(qū)間(0,1)上的實數(shù)表示個體意見，(0,0.33)表示反對，(0.33,0.67)表示中立，(0.67,1)表示支持。

2)從眾性。個體的從眾性是不同的，受個體地位、性格、心理、對信息的掌控程度等多種因素影響。本文取(0,1)之間的實數(shù)表示個體的從眾性，(0,0.33)表示態(tài)度堅定，(0.33,0.67)表示左右搖擺，(0.67,1)表示易受他人影響。

3)可信度。個體的可信度，即所掌握證據(jù)的說服力?？尚哦仍礁?，影響力也會大一些。本文取(0,1)之間的實數(shù)表示個體的可信度，(0,0.33)表示說服力不大，(0.33,0.67)表示說服力尚可，(0.67,1)表示有很強說服力。

楊小水從此跟水結(jié)了仇——也不光是水，凡是與水相關(guān)的，她都不喜歡。楊小水還特意給常江舉了個例子，大水過去幾年以后，有一天村里放電影，《大河奔流》。一開始，全場沒有一點聲響，熒幕上都是水，揪人心啊。好在那只是片頭，接下來船上三個人的命運轉(zhuǎn)移了觀眾的注意力。電影演到十多分鐘，花園口被國民黨炸開，水洶涌而出。又過了幾分鐘，熒幕上突然出現(xiàn)水頭沖擊大樹、追趕人群的畫面。偏偏風(fēng)又作勢，把熒幕又吹得鼓起來，電影上的水就像是立體畫面一樣，兜頭而來。誰家的小孩被嚇哭了，接下來幾個大人也哭起來，整個場地里的人都開始哭。號啕大哭。那個悲慘啊，連莫名其妙的放映員眼睛也濕了。電影沒法再演下去……

4)權(quán)威性。意見領(lǐng)袖權(quán)威性越大，影響力也越大。本文用取(0,1)之間的實數(shù)表示意見領(lǐng)袖的權(quán)威性，(0,0.33)表示不夠權(quán)威，(0.33,0.67)表示較權(quán)威，(0.67,1)表示非常權(quán)威。

在事件擴散和爆發(fā)時期，主要有3類主體：民眾、謠言制造者、意見領(lǐng)袖。各類主體的屬性見表1所示。

表1 各類主體屬性

1.2.3 主體之間的交互規(guī)則 Agent之間的意見交互規(guī)則能夠體現(xiàn)出影響Agent意見變化的各種因素。設(shè)Ai(t)為主體i的態(tài)度值，Ti(t)為主體i的可信度，a為交互閾值(參照文獻[10]本文取a=0.34)，在t時刻，如果|Ai(t)-Aj(t)|Ti(t)，說明主體j能影響主體i的態(tài)度，則t+1時刻主體i的狀態(tài)轉(zhuǎn)移方程如式1所示:

Ai(t+1)=Ai(t)+(Aj(t)-Ai(t))·gi(t)

(1)

Ti(t+1)=Ti(t)+(Tj(t)-Ti(t))·gi(t)

(2)

其中：gi(t)表示主體i被主體j影響的概率。如謠言對民眾態(tài)度的影響概率，與從眾性成正比，與民眾信息的可信度成反比，與謠言煽動性成正比。意見領(lǐng)袖對追隨者的影響概率，與從眾性成正比，與民眾的可信度成反比，與意見領(lǐng)袖可信度成正比，與意見領(lǐng)袖權(quán)威性成正比[11]。

如果|Ai(t)-Aj(t)|>a，說明主體之間的態(tài)度差異較大(有嚴(yán)重的意見分歧)，則主體i不改變自己的態(tài)度，狀態(tài)轉(zhuǎn)移方程如式2所示:

Ai(t+1)=Ai(t)

(3)

Ti(t+1)=Ti(t)

(4)

2 突發(fā)事件信息傳播仿真與結(jié)果分析

本文是以“7.23動車追尾事故”的突發(fā)信息擴散過程為例，進行了仿真研究。該事故原因系遭雷擊所致的說法，卻在網(wǎng)上掀起了軒然大波。本文搜集了2011年7月25日上午10時至晚上8時瀏覽過天涯社區(qū)“7.23動車事故5點存疑”帖子的瀏覽數(shù)和回帖數(shù)據(jù)，將實際數(shù)據(jù)按照3.33%的比例縮小，作為仿真的初始數(shù)據(jù)。即相信雷擊的人數(shù)50人，命名為“支持者”；不相信的人數(shù)270人，命名為“反對者”；無明確態(tài)度的人數(shù)320人，命名為“中立者”。

2.1民眾主體與謠言交互的仿真

通過改變謠言的參數(shù)值(如煽動性等)，檢驗?zāi)男┮蛩貢绊懶畔⒌膫鞑?。以輿論受謠言影響為例，如表2所示為初始參數(shù)。

表2 初始參數(shù)設(shè)置

1)當(dāng)謠言的態(tài)度值取(0，0.33)之間的隨機數(shù)，即謠言對雷擊說持反對態(tài)度時，演化102次，民眾主體與謠言的交互仿真演化圖如圖3(a)～(b)所示，黃色區(qū)域表示謠言所在區(qū)域，可以看出隨著時間增加受到謠言影響的人慢慢變多。

圖3 民眾與謠言交互仿真過程變化

謠言影響下人數(shù)的變化過程如圖4(a)所示。其中，中立者和反對者人數(shù)減少，支持者人數(shù)基本不變，受謠言影響的人不斷增加，最終有419人被謠言影響，說明網(wǎng)絡(luò)謠言主要影響兩類人群：一類是態(tài)度與其相近的，另一類是態(tài)度搖擺不定的中立者；另一方面，態(tài)度與網(wǎng)絡(luò)謠言差異較大(即相信事故原因是雷擊)的人數(shù)不變，說明這部分支持者態(tài)度非常堅定，不容易受謠言的影響，始終堅持己見。

2)當(dāng)謠言的可信度取(0.7,1)之間的隨機數(shù)，其他參數(shù)都不變，演化140次時，仿真過程中人數(shù)變化數(shù)據(jù)圖如圖4(b)所示。其中，被謠言影響的人數(shù)一直持續(xù)上升，且上升速度比之前快，影響人數(shù)也比之前多了120人，說明網(wǎng)絡(luò)謠言可信度(內(nèi)容煽動性)越高，相同時間內(nèi)相信網(wǎng)絡(luò)謠言的人數(shù)增加速度就越快，傳播的速度越快；另一方面，不僅有中立者，反對者及部分與網(wǎng)絡(luò)謠言態(tài)度差異較大的支持者也減少了，說明網(wǎng)絡(luò)謠言可信度越高(內(nèi)容煽動性越強)，相同時間內(nèi)影響人群越多即覆蓋范圍越廣。

圖4 民眾與仿真人數(shù)變化

2.2民眾主體與意見領(lǐng)袖交互的仿真

通過改變意見領(lǐng)袖的參數(shù)值(如權(quán)威性等)，可檢驗?zāi)男┮蛩貢绊懶畔⒌膫鞑ァ?/p>

1)如圖5(a)所示。其中受意見領(lǐng)袖影響的人不斷上升，當(dāng)意見領(lǐng)袖的可信度取(0,0.7)之間的隨機數(shù)，態(tài)度值取(0,0.33)之間的隨機數(shù)，即對雷擊說持反對態(tài)度時，演化140次時，仿真過程中人數(shù)變化數(shù)據(jù)圖，說明很多人受到了意見領(lǐng)袖的影響。

2)當(dāng)降低意見領(lǐng)袖的觀點可信度(權(quán)威性)，即取(0，0.51)之間的隨機數(shù)，其他條件不變，運行步長ticks=102時，仿真過程中人數(shù)變化如圖5(b)所示，意見領(lǐng)袖影響的人數(shù)顯著減少，說明權(quán)威性是決定意見領(lǐng)袖影響輿論的重要因素，信息可信度越高，相信的人越多。

上述結(jié)果可以看出，影響力大、權(quán)威性高的意見領(lǐng)袖不僅僅是一個普通的民眾，而是在突發(fā)事件信息傳播中能夠引導(dǎo)公眾輿論導(dǎo)向的重要參與者，有著一呼百應(yīng)的效應(yīng)。意見領(lǐng)袖是突發(fā)事件信息傳播過程中一只看不見的助推手，他們的觀點態(tài)度至關(guān)重要，如果他們對突發(fā)事件的態(tài)度是批評或質(zhì)疑，在突發(fā)事件信息傳播的疊加效應(yīng)推動下會演變成巨大的網(wǎng)絡(luò)輿論危機。

圖5 民眾與意見領(lǐng)袖交互仿真人數(shù)變化

3 結(jié)束語

本文針對突發(fā)事件信息傳播的規(guī)律進行研究，首先對突發(fā)事件信息傳播的影響因素及參與主體進行分析，構(gòu)建突發(fā)事件信息傳播的仿真模型，利用Netlogo仿真平臺對突發(fā)事件信息傳播過程進行動態(tài)模擬，包括謠言傳播的動態(tài)過程和意見領(lǐng)袖的影響過程等，最后參照仿真結(jié)果數(shù)據(jù)圖對仿真的結(jié)果進行了分析，具有一定的理論和現(xiàn)實意義。下一步工作中，將對人際關(guān)系復(fù)雜網(wǎng)絡(luò)模型進行更深入的研究，并結(jié)合傳播的動力學(xué)研究，使模型更貼近現(xiàn)實社會，可以與某個特定地區(qū)的地理位置、人口分布相結(jié)合，更有效地提升傳播模型的準(zhǔn)確性與實用性。

[1] Peter R,Monge.Theories of Communication Networks[M].Oxford University Press,2003:35-38.

[2]Shannon,Weaver W.The Mathematical Theory of Communication[M].Urbana University of Illinois Press,1949:32-35.

[3]Duggan F,Banwell L.Constructing a model of effective information dissemination in a crisis[J].Information Research,2004,5(3):178-184.

[4]Sznajd-Weron K,Sznajd J.Opinion Evolution in Closed Community[J].International Journal of Modern Physics C,2005,11(6):1157-1165.

[5]Zanette.Dynamics of rumor propagation on small-world networks[J].American Physical Society,2002:8-9.

[6]Netlogo[EB/OL].[2011-04-20].http://ccl.northwestern.edu/netlogo.

[7]Zagreb,Croatia.An introduction to agent based modeling and simulation of social processes[EB/OL].[2011-04-20].http://arxiv.org/ftp/cond-mat/papers/0409/0409312.pdf.

[8]Moreno.Social impact of opinion dynamics[J].Annual Reviews of Computation Physic,2004(9):253-273.

[9]劉小波.基于Netlogo平臺的輿情演化模型實現(xiàn)[J].情報資料工作,2012(1):55-60.

[10]Rainer,H & K,Ulrich.Opinion dynamics and bounded confidence models analysis and simulation[J].Journal of Artificial Societies and Social Simulations,2002(5):162-173.

[11]梁紅霞.危機信息互聯(lián)網(wǎng)傳播仿真研究[D]:哈爾濱:哈爾濱工程大學(xué),2011.

敬告作者·讀者

《江西科學(xué)》期刊著作權(quán)聲明

為適應(yīng)我國信息化建設(shè)，擴大本刊及作者知識信息交流渠道，作者在本刊發(fā)表之文章，其著作權(quán)使用費與本刊稿酬一次性給付(本刊所收版面費為與稿酬及所贈雜志對抵后的金額)，稿酬不再另付。如作者不同意，請在來稿時聲明，本刊將作適當(dāng)處理。

本刊為中國知網(wǎng)、萬方數(shù)據(jù)、重慶維普、華藝數(shù)位數(shù)據(jù)、博看網(wǎng)全文收錄期刊。

《江西科學(xué)》編輯部

ResearchonSimulationoftheEmergencyInformationDiffusionBasedonNetlogo

BU Minsheng,ZHOU Jun

(Hohai University.School of Mechanical and Electrical Engineering,213001,Changzhou,Jiangsu,PRC)

The impact factors and participation of the dissemination of unexpected incidents have been analyzed.A simulation model of spreading the information about the unexpected incidents has been constructed as well,which includes the subject property function and the interaction rules between the subjects.Not only the interactive simulation figure is presented,but relevant data of “7.23 EMU accident” has also been set up as the initialization data for simulation.Netlogo platform has been utilized to conduct dynamic simulation of the dissemination process of unexpected incidents,including the dynamic process of rumor propagation and influence process of opinion leaders etc.Which kind of attributes of subjects are the main impact factors for unexpected incidents development can be evaluated from the simulation results.This is able to provide basis for making decisions to control the situation development effectively.

unexpected incidents;information dissemination model;multi-agent modeling;Netlogo;rumor dissemination;opinion leaders

2014-06-06;

2014-08-08

布旻晟(1992-)，男，江蘇南京人，本科，研究方向主要涉及公共危機信息傳播過程的控制與建模仿真。

10.13990/j.issn1001-3679.2014.05.029

G350；TP391.9

A

1001-3679(2014)05-0710-05