2. 中国人民公安大学反恐怖学院, 北京 100038;
3. 中国人民公安大学侦查学院, 北京 100038
2. Counter-Terrorism College, People's Public Security University of China, Beijing 100038, China;
3. Criminal Investigation College, People's Public Security University of China, Beijing 100038, China
应急疏散已经成为应急管理中的研究热点。在应急疏散行为研究成果中,很多人发现稳定的社会关系(比如夫妻、朋友、亲人等)在疏散行为中具有不同的表现形式。袁启萌[1]发现在上海11·15大火疏散过程中,有一位老人为了等老伴一直按着电梯门,影响其他人的疏散效率; 田娟荣[2]和Yang[3]等人发现亲属关系是影响疏散效率的重要因素,应急疏散中夫妻出现“返回”、“同一家庭成员聚在一起” 行为。国外也有类似的行为发现,Xin等[4]指出2010年海地地震发生后,首都人口在地震发生后的3个星期后锐减23%,虽然政府提供了3个疏散避难场所,但是大多数人都选择了去自己的亲人和朋友家。可见,常态中的社会关系会影响到应急中的疏散行为。但是,在紧急状态下社会关系会出现什么样的表现形式,常态社会中的社会关系是否会影响紧急状态下的疏散行为,这些问题都值得分析。众所周知,疏散过程中通常会出现领导者与追随者,尤其是中国人从众心理非常普遍,研究领导者和追随者的关系可以提高疏散的效率[5, 6]。那么具有什么特点的人更容易成为被追随对象,或者说,紧急疏散中的领导者如何产生,与常态中的意见领袖有无联系,以前的研究很少涉及。
与传统的计算机模拟法相比,应急疏散演习能够获得紧急状态下人员心理和行为相对真实的数据。社会网络分析方法是一种基于图论的整体网络分析方法,可用于研究一组行动者的关系[7]。把社会网络分析方法引入紧急状态下的疏散行为研究中,可以实现疏散者之间社会关系的可视化,清晰地追踪紧急状态下社会关系网络变化的过程。本文通过疏散演习实验,结合社会网络分析方法,研究应急疏散过程中的社会关系网络和领导者。分析紧急状态下社会关系的表现形式和对疏散行为的影响,提取并挖掘紧急状态下潜在的领导者,有助于管理者分析疏散者的社会行为,提高疏散团体的凝聚力,进一步改善疏散措施,从而改进整体疏散效率。此外,本文的实验结果可以进一步修正社会力模型、领导—追随模型等应急疏散仿真模型。
1 应急疏散实验 1.1 实验目的关于群体行为的研究有很多。在很长一段时间内人们都认为群体是由单一而又具体的个体粒子所形成,个体在紧急状况下产生恐慌,从而失去理性,或降低到有限理性,从而产生盲目的从众行为。但也有人指出: 预先存在的社会关系在行为结构中占有很重要的作用[8]。文[9, 10]指出: 聚集在一起的人们会相互协调着行动,调整自己以适应对方,然后一起离开。这就意味着聚集就像是拥有不同质量的块状组成。例如一个1 000人的突发事件,可能组成几百个共同移动的小团体,而小团体是由内部具有自我组织和调整能力的个体组成。Low[11]研究发现: 在紧急情况疏散下,群体行为会出现从众行为,而且群体中的领导者对从众行为具有重要影响; 在风险与紧急情况下,这种由领导者因素带来的从众行为更加强烈。
本次实验旨在通过真实演练来呈现具有一定社会关系的群体在紧急状态下的疏散行为,从而分析稳定的社会关系在紧急状态下的表现特点与变化情况; 同时研究具有不同社会关系的群体的追随行为; 分析应急疏散中追随者和被追随者的特点。本文实验选取某大学的一个自然班级和部分班级外部的学生作为研究对象。他们彼此熟悉,相互了解,是一个大群体,同时他们又因为各种传统关系(如情侣和舍友等)形成了一个个的小团体。应急疏散实验的具体目标如下: 1) 分析整个群体常态下的社会关系; 2) 追踪不同的社会关系在紧急状态下的表现和特点; 3)挖掘紧急状态下的领导者,分析其与常态中的意见领袖的关系。
1.2 实验背景应急疏散采用电梯与楼梯协同疏散模式。本实验于2014年10月12日在清华大学刘卿楼进行。刘卿楼共11层,拥有电梯2部,楼梯2部,楼梯和电梯的位置见图1。楼梯台阶总数为240级,每级楼梯长120 cm,高15 cm,宽30 cm,转角处长 50 cm。其中第1—2层高3.8 m,第2—10层高 5.4 m。在1—10层每一层的电梯入口处、电梯内部和楼梯口均安装摄像头,每一层共安装6个,一共是60个摄像头,从而保证完整的应急疏散过程可以被监控下来。
参加本次实验的人员为中国人民大学的二年级学生,共30人,分别用数字1—30标号表示,其中有27人同属一个自然班级(分布在6个宿舍中),另外3人同属另一个班级; 男生11人,女生19人; 情侣1对。年龄范围在18~20岁; 身高范围在 155~180 cm; 体重范围在45~70 kg; 均身体健康。按照中国的传统关系理论,他们之间的稳定社会关系主要表现为同学关系、朋友关系、舍友关系和情侣关系。这些疏散者均对实验场所不熟悉,都是第一次参加疏散演习。
1.3 实验方案此应急疏散共包括6组疏散实验。每一次疏散实验要求大家尽量把紧急状态下的行为表现出来。每组疏散结束后休息10 min,以减小体能损耗; 为了降低同一组人员重复疏散演习的学习效应,每一组疏散出发点会随时改变; 为了更加接近紧急状态的真实性,在部分实验过程中,设计者施放了烟雾; 同时为了实现疏散者在实验中的紧迫性和竞争性,设计者提出奖励措施。每一位疏散者都可以得到相同数额的金钱鼓励,在此基础之上,对每一次疏散实验中前3名或前3队完成者给予更多奖励,可以分别多得到2、 1、 0.5倍的奖金。
6次疏散实验包括3组自由疏散和3组组队疏散。自由疏散包括单独疏散或组队疏散; 组队疏散要求两两结为一组疏散,每一组作为一个疏散单元,疏散结果以小组中最慢的那个人为准。组队标准按照前3次自主疏散过程体现的社会网络关系制定。6组疏散均采用由上往下的疏散方案,如表1所示。
实验 | 楼层 | 疏散工具 | 紧急形势 | 疏散方式 |
1 | 10→1 | 楼梯 | 无烟 | 自主疏散 |
2 | 10→7 | 楼梯 | 无烟 | 自主疏散 |
3 | 10→7 | 楼梯 | 有烟 | 自主疏散 |
4 | 10→1 | 楼梯 | 无烟 | 结队疏散 |
5 | 10→1 | 楼梯和电梯 | 无烟 | 结队疏散 |
6 | 10→1 | 楼梯和电梯 | 有烟 | 结队疏散 |
为了定义常态中和紧急状态下的社会关系,在前3次自主疏散试验前后分别发放并回收调查问卷。每次疏散之前,通过问卷询问每个人在紧急疏散中的计划追随对象,主要是考察在平常状态下人与人之间的信任关系。 疏散前问卷如下:
假如发生火灾或其他紧急状况,你最想跟着谁一起疏散?请写下三个名字(排名分先后)
______,______,______。
每次疏散一结束,实验组织者马上再发放另外一个调查问卷,询问在疏散过程中每个人的实际追随对象,主要是考察紧急状态下人与人之间的追随关系。 疏散后问卷如下:
本次紧急疏散过程中,你是紧紧跟着谁一起疏散的?请写下三个名字(排名分先后)
______,______,______。
通过此方法,在前3次实验中,可以得到6个调查问卷结果,分别称为第1次疏散实验计划追随情况问卷Q1-Plan 1、 第1次疏散实验实际追随情况问卷Q2-Real 1、 第2次疏散实验计划情况问卷Q3-Plan 2和、 2次疏散实际情况问卷Q4-Real 2、 第3次疏散实验计划情况问卷Q5-Plan 3和第3次疏散实际计划情况问卷Q6-Real 3。具体时间顺序如图2所示。
根据社会网络理论,人在组织中间的社会关系共分有4种模式: 基于咨询的关系、基于信任的关系、基于情感的关系和基于沟通的关系[12]。在该实验中,假定该群体间的社会关系主要是基于信任来构建。那么,根据调查问卷,如果人员i选择人员j作为自己的追随对象,说明人员i比较信任人员j,于是可以定义Xij为人员i对人员j的信任程度。当人员j是人员i的第1、 2、 3信任的人时,Xij分别取7、 3、 1,从而定义社会关系矩阵X为
\[X=\left[ \begin{matrix}
{{x}_{11}} & {{x}_{12}} & \cdots & {{x}_{1n}} \\
{{x}_{21}} & {{x}_{22}} & \cdots & {{x}_{2n}} \\
\vdots & \vdots & {} & \vdots \\
{{x}_{n1}} & {{x}_{n2}} & \cdots & {{x}_{nn}} \\
\end{matrix} \right],n=30;\]
(1)
\[{{x}_{ij}}=\left\{ \begin{matrix}
7,人员j是人员i的第1信任人员; \\
3,人员j是人员i的第2信任人员; \\
1,人员j是人员i的第3信任人员; \\
0,其他. \\
\end{matrix} \right.\]
(2)
根据式(1)和(2)及Q1-Plan 1、 Q3-Plan 2和Q5-Plan 3的结果,得到第k次应急疏散之前人员i对人员j的信任程度即计划中的追随程度,其可以看作是常态下的社会关系的度量,则第k次计划中的社会关系矩阵表示为XPk(其中P1、 P2、 P3分别代表Q1-Plan1、 Q2-Plan2、 Q3-Plan3)。同样,根据Q2-Real 1、 Q4-Real 2和Q6-Real 3的结果,可以得到紧急状态下社会关系的度量,则第k次实际疏散中的社会关系矩阵可表示为XPk(其中R1、 R2、 R3分别代表Q1-Real1、 Q2-Real2、 Q3-Real3)。
3.2 组队标准
定义相互信任度(mutual believed degree,MBD) 来表示任意两人之间的信任程度,同时定义人员Ji来表示人员i最信任的人,30位疏散者用标号1—30来表示。
$$MB{D_{ij}} = \sum\limits_{k = 1}^3 {/x_{ij}^{{p_k}}} ,$$
(3)
$${J_i} = \left\{ {j|\mathop {\max }\limits_{j = 0} MB{D_{ij}}} \right\}.$$
(4)
第一部分自由疏散实验结束之后,第二部分组队实验之前实验组织者制定分组标准。也就是说实验4、 5、 6都是两两组队疏散。组队的标准如下: 如果人员j是人员i最信任的人,同时人员i也是人员j最信任的人,那么人员i和j为对偶关系。按照对偶关系划为一组,被试者分为10组,见表2; 还剩下10人,采用随机的方式分为5组,见表3。
为了挖掘紧急状态下社会关系的特点,借助社会网络分析方法分析了疏散实验过程中的调查问卷。在节3.1中,XP1、 XP2、 XP3、 XP1、 XP2和XP3均已知。通过分析,第3次实验中疏散者们已经比较熟悉实验,填写的调查问卷较为随意,视为无效问卷。但是第1次实验和第2次实验数据较为真实。采用社会网络分析工具Pajek分析得到了前2次实验中常态和紧急状态下的社会关系网络图,如图3—6所示。
图3—6是拥有30个节点的有向图。图3和5代表疏散前群体的社会关系网络,图4和6代表疏散过程中群体的追随关系网络。圆形节点表示女性疏散者,方形节点代表男性疏散者; 弧的粗细程度表明了关系的紧密程度,弧越粗表示两结点间的关系越紧密,弧箭头指向方向在常态中表示信任关系,在紧急疏散实验中,表示追随关系。
可以看出,常态下的社会关系和紧急状态下的社会关系有很大的相关性,又显示出某些变化,说明紧急状态下的社会关系会受到常态下的社会关系的影响,同时又有自身特有的特点。由图4和6可以看出在实际的紧急疏散过程中群体自动按照性别形成了两个子群,同时出现了一个孤立点18号,在后续的实验和分析中可以发现,人员18性格孤僻,几乎所有的疏散实验都独立完成。在图4—6中,同时出现了完全游离在群体外部的疏散子群3和6。根据问卷可知,人员3、 6和20分别隶属于另外一个班级,与班内的27人不具有同学关系; 但和班内没有20号因为与班内的30号是稳定的情侣关系,则没有显现出游离特性。这说明情侣关系和稳定的朋友关系会在紧急疏散过程中体现出来。
3.3.2 中心性分析社会网络分析方法的优点在于: 通过设计网络变量,可以更深入地分析社会行动者之间的社会结构。中间中心度也叫中介性,是由Freeman于1979年提出的。该概念测量的是一个点在多大程度上位于图中其他点的“中间”[7]。如果一个点处于许多其他点对的捷径上,那么就说该点具有较高的中间中心度。借助于整体网络中的中心性概念,本文研究了该群体在常态和紧急状态下的中间中心性,具体结果如表4所示。可以看出,紧急状态下每个人的中间中心度都在减小。
序号 | 第1次实验 | 第2次实验 | ||
常态 | 应急 | 常态 | 应急 | |
1 | 0.144 499 | 0.0 215 517 | 0.0 712 233 | 0.0 110 837 |
2 | 0.052 956 | 0.0 000 000 | 0.0 000 000 | 0.0 000 000 |
4 | 0.000 000 | 0.0 000 000 | 0.0 000 000 | 0.0 000 000 |
5 | 0.157 574 | 0.0 073 892 | 0.0 072 865 | 0.0 246 305 |
7 | 0.018 473 | 0.0 000 000 | 0.0 100 575 | 0.0 414 614 |
8 | 0.034 483 | 0.0 000 000 | 0.0 000 000 | 0.0 000 000 |
9 | 0.160 304 | 0.0 110 837 | 0.0 365 353 | 0.0 000 000 |
10 | 0.072 044 | 0.0 000 000 | 0.0 147 783 | 0.0 028 736 |
11 | 0.000 411 | 0.0 006 158 | 0.0 006 158 | 0.0 209 360 |
12 | 0.056 650 | 0.0 000 000 | 0.0 453 612 | 0.0 318 144 |
13 | 0.075 739 | 0.0 080 049 | 0.0 309 934 | 0.0 133 415 |
13 | 0.075 739 | 0.0 080 049 | 0.0 309 934 | 0.0 133 415 |
12 | 0.056 650 | 0.0 000 000 | 0.0 453 612 | 0.0 318 144 |
13 | 0.075 739 | 0.0 080 049 | 0.0 309 934 | 0.0 133 415 |
14 | 0.042 282 | 0.0 110 837 | 0.0 640 394 | 0.0 250 411 |
15 | 0.057 471 | 0.0 049 261 | 0.0 706 076 | 0.0 295 567 |
16 | 0.520 731 | 0.0 000 000 | 0.0 246 305 | 0.0 000 000 |
17 | 0.156 404 | 0.0 178 571 | 0.0287 356 | 0.0 098 522 |
18 | 0.028 530 | 0.0 209 360 | 0.0 110 837 | 0.0 000 000 |
19 | 0.272 989 | 0.0 061 576 | 0.0 268 883 | 0.0 000 000 |
21 | 0.047 414 | 0.0 000 000 | 0.0 000 000 | 0.0 000 000 |
22 | 0.004 310 | 0.0 000 000 | 0.0 028 736 | 0.0 098 522 |
23 | 0.000 000 | 0.0 000 000 | 0.0 000 000 | 0.0 000 000 |
24 | 0.011 823 | 0.0 000 000 | 0.0 004 105 | 0.0 067 734 |
25 | 0.082 697 | 0.0 110 837 | 0.0 166 256 | 0.0 000 000 |
26 | 0.003 505 | 0.0 036 946 | 0.0 016 420 | 0.0 000 000 |
27 | 0.063 957 | 0.0 000 000 | 0.0 042 077 | 0.0 006 158 |
28 | 0.120 751 | 0.0 049 261 | 0.0 110 837 | 0.0 036 946 |
29 | 0.214 902 | 0.0 073 892 | 0.0 036 946 | 0.0 184 729 |
30 | 0.236 453 | 0.0 024 631 | 0.0 084 154 | 0.0 018 473 |
平均 | 0.097 672 | 0.0 051 541 | 0.0 173 022 | 0.0 102 400 |
在疏散过程中,通常会出现领导者和追随者[13],为了挖掘紧急状态下的领导者,本文定义了个人受欢迎分数(popular scores,PS)来衡量每个人成为领导的可能程度。其中PPS表示常态中每个人的被信任度; RPS表示疏散过程中每个人的被追随度。
$$PP{S_j} = \sum\limits_{k = 1}^2 {\sum\limits_{i = 1}^{30} {x_{ij}^{{p_k}}} /} 100,$$
(5)
$$RP{S_j} = \sum\limits_{k = 1}^2 {\sum\limits_{i = 1}^{30} {x_{ij}^{{p_k}}} /} 100,$$
(6)
根据式(5)—(6),本文计算了班内每个人的受欢迎程度和被追随程度,结果如表5所示。
标号 | 性别 | 受欢迎度 | 被追随度 |
1 | F | 0.46 | 0.30 |
2 | F | 0.03 | 0.17 |
4 | M | 0.81 | 0.49 |
5 | F | 0.21 | 0.35 |
7 | F | 0.38 | 0.32 |
8 | F | 0.24 | 0.24 |
9 | F | 0.21 | 0.42 |
10 | F | 0.29 | 0.24 |
11 | F | 0.41 | 0.31 |
12 | F | 0.14 | 0.18 |
13 | F | 0.35 | 0.12 |
14 | F | 0.22 | 0.30 |
15 | F | 0.42 | 0.25 |
16 | F | 0.39 | 0.34 |
17 | F | 0.64 | 0.56 |
18 | F | 0.01 | 0 |
19 | F | 0.22 | 0.07 |
21 | M | 0.25 | 0.32 |
22 | M | 0.74 | 0.41 |
23 | M | 0.02 | 0.15 |
24 | M | 0.22 | 0.20 |
25 | M | 0.29 | 0.60 |
26 | M | 0.14 | 0.28 |
27 | M | 0.32 | 0.26 |
28 | M | 0.27 | 0.24 |
29 | M | 0.35 | 0.65 |
30 | M | 0.24 | 0.22 |
根据对视频数据的分析,可以得到前3次试验各疏散者的速度和疏散时间,其中每次实验的前3名如表6所示。
由表5可以看出,除去不属于该班级的3、 6和20号疏散者,同属一个班级的疏散者共有27人,其中有20个被信任分数在应急疏散中下降,占总人数74%,表明大部分的疏散者在紧急状态下被信任程度在下降。根据聚类算法,本文定义PPS大于0.60的人为常态下的意见领袖,表明他们在平常状态下被大家信任的程度高。由表5可以看出,共有5人可以被视为常态下的意见领袖,他们分别是4、 17、 22、 25和29号,其中男生4人占比80%,女生1人占比20%,表明常态下的意见领袖更容易在男性中产生。本文定义RPS大于0.4的人为紧急状态下的领导者,表明他们在紧急状态下被大家追随的可能性大,他们分别是4、 5、 9,17和22号,男生2人占比40%,女生3人占比60%,说明紧急状态下的领导者受性别影响较小。同时相比常态,5和9号是紧急状态下新产生的领导者。由表6可知,5和9号都是疏散实验中速度较快的,说明紧急状态下的领导者也可疏散过程中速度较快的人中间产生。
5 结 论本文采用应急疏散演习结合问卷调查法的方法,获得了较为真实的实验数据; 借助于社会网络分析方法实现常态和紧急状态中人们社会关系网络的可视化和定量化。实验结果验证了常态中社会关系对疏散行为的影响,验证了紧急状态中社会关系的结构、结点的中心性及疏散子群会发生变化,同时定量化提取紧急状态下的领导者。结果表明: 1) 稳定的朋友关系和情侣关系在应急状态具有明显特征; 2) 在紧急状态下人们的被信任程度和中介性都在下降; 3) 在所研究的群体中,常态中意见领袖主要在男性中产生,而紧急状态下的领导者受性别影响较小; 4) 紧急状态下的领导者在常态中的意见领袖和疏散中速度较快的人中间产生。这些结果能够进一步修正疏散仿真模型,为制定疏散方案提供科学支持; 此外,在群体紧急疏散过程中会自动形成领导者,而领导者的表现与行为将对疏散结果造成重大影响,根据该结果可以提前预测部分领导者,如果提前对潜在领导者进行演练与培训,将能够大大提高紧急疏散效果。下一步可以结合视频技术与眼动技术对相互不熟悉的群体研究“领导—追随”行为。
[1] | 袁启萌. 高层建筑火灾情境下人群疏散行为研究[D]. 北京:清华大学, 2013. YUAN Qimeng. Study on People's Evacuation Behavior in High-rise Building Fire[D]. Beijing:Tsinghua University, 2013. (in Chinese) |
[2] | 张培红, 陈宝智, 卢兆明. 人员应急疏散行动开始前的决策行为[J]. 东北大学学报(自然科学版), 2005, 26(2):179-182. ZHANG Peihong, CHEN Baozhi, LO Siuming. Personal decision behavior before emergency evacuation[J]. Journal of Northeastern University(Natural Science), 2005, 26(2):179-182. (in Chinese) |
[3] | YANG Lizhong, ZHAO Daoliang, LI Jian, et al. Simulation of the kin behavior in building occupant evacuation based on Cellular Automaton[J]. Building & Environment, 2005, 40(3):411-415. |
[4] | XIN Lu, Linus B, Peter H. Predictability of population displacement after the 2010 Haiti earthquake[J]. Proceedings of the National Academy of the Sciences of the United States of America, 2012, 109(29):11576-11581. |
[5] | 程远. 基于演化博弈论的群体疏散行为研究[D]. 北京:北京化工大学, 2012. CHENG Yuan. Research on Crowd Evacuation Behaviors Based on Evolutionary Game Theory[D]. Beijing:Beijing University of Chemical Technology, 2012. (in Chinese) |
[6] | HOU Lei, LIU Jianguo, PAN Xue, et al. A social force evacuation model with the leadership effect[J]. Physica A Statistical Mechanics & Its Applications, 2014, 400(2):93-99. |
[7] | 罗家德. 社会网络分析讲义[M]. 北京:社会科学文献出版社, 2005. LUO Jiade. Social Network Analysis Notes[M], Beijing:Social Science literature Press, 2005. (in Chinese) |
[8] | Aveni A F. The Not-So-Lonely crowd:Friendship groups in collective behavior[J]. Sociometry, 1977, 40(1):96-99. |
[9] | McPhail C, Wohlstein R T. Collective locomotion as collective behavior[J]. American Sociological Review, 1986, 51(4):447-463. |
[10] | Bryan J. Human behavior in fire:The development and maturity of a scholarly study area[J]. Fire and Materials, 1999, 23(6):249-253. |
[11] | Low D J. Following the crowd[J]. Nature, 2000, 407:465-466. |
[12] | 黄翠银, 任秋丽, 罗苗. 社会网络分析在班级管理中的应用[J], 现代教育技术, 2010, 20(4):27-32. HUANG Cuiyin, REN Qiuli, LUO Miao. Application of social network analysis in class management[J]. Modern Education Technology, 2010, 20(4):27-32. (in Chinese) |
[13] | Aubé F, Shield R. Modeling the effect of leadership on crowd flow dynamics[J]. Cellular Automata, 2004, 3305:601-611. |