重大突发公共卫生事件中社会群体行为演化的计算实验：以新冠疫情为例

doi:10.16381/j.cnki.issn1003-207x.2021.1002

摘要/Abstract

摘要：

科学认识重大突发公共卫生事件中的社会群体行为及其演化，是当前我国全面提高政府社会治理能力的关键途径。本文以新冠疫情为例，在刻画不同社会群体的状态、行为及演化规则基础上，构建了群体行为演化的元胞自动机模型并据此进行了计算实验。结果表明：新冠病毒传播中，初始感染率、传染率和舆情对社会群体行为的演化存在较为显著的影响，而潜伏期的影响并不显著；科学降低初始感染率和传染率，有效进行社会舆情治理，以促使社会个体采取正行为并引导社会群体行为向正行为演化，能有效降低新冠病毒的感染率，反之反是。因此，科学引导社会群体行为并强化政府的社会治理能力，是当前有效控制新冠疫情扩散的重要途径。

关键词: 新冠疫情, 群体行为演化, 社会治理, 计算实验

Abstract:

Scientific understanding of social group behavior and its evolution in major public health emergencies is the key way to improve the government's social governance ability. Firstly， a cellular automata （CA） model for the evolution of group behavior is constructed by describing the state， behaviors and evolution rules of different groups under the COVID-19 epidemic. Secondly， the evolution of group behavior under different scenarios is simulated by using the computational experimental method. Finally， according to the simulation results， the corresponding social governance countermeasures are put forward. The results indicated that： In view of the scientific social governance of the evolution of group behavior in the transmission of COVID-19， the spread of the epidemic can be effectively controlled. The main factors affecting the evolution of group behavior include initial infection rate， infection rate， incubation period and public opinion. Among them， the initial infection rate， infection rate and public opinion have a significant impact on the evolution of group behavior， while the effect of incubation period on the evolution of group behavior is not significant. Reducing the initial infection rate and infection rate can directly reduce the number of infected people， encourage individuals to take positive behavior， and guide the evolution of group behavior to positive behavior. If the management of public opinion is improper and most individuals take zero or negative behaviors， negative group behaviors will emerge in the social system， and almost all the society will be infected， which will increase the difficulty of social governance， and vice versa.Therefore， scientifically guiding the behavior of social groups and strengthening the social governance capacity of the government are important ways to effectively control the spread of COVID-19.

Key words: COVID-19, evolution of group behavior, social governance, computational experiment

中图分类号:

C931

赵新刚,周颖. 重大突发公共卫生事件中社会群体行为演化的计算实验：以新冠疫情为例[J]. 中国管理科学, 2024, 32(5): 207-217.

Xingang Zhao,Ying Zhou. Computational Experiment on the Evolution of Social Group Behavior in Major Public Health Emergencies: A Case Study of COVID-19 Epidemic[J]. Chinese Journal of Management Science, 2024, 32(5): 207-217.

图/表 16

图1

表1

图2

表2

Si,jt=1"

	决策序号	1	2	3	4	5	6	其他
条件	$P 1$	Y	Y	N	N	N	N		状态
	$P 2$	N	N	Y	Y	N	N
	$P 3$	N	N	N	N	Y	Y
	$λ$	Y	N	N	N	N	N
	$u$	N	N	N	N	N	N
	$V 1$	N	Y	Y	N	Y	N
	$V 2$	-	-	-	Y	-	Y
影响力	$H i, j = 0$							X	影响方案
	$H i, j = 0.3$		X	X		X
	$H i, j = 0.6$				X		X
	$H i, j = - 0.3$	X

表2

表3

Si,jt=2"

	决策序号	1	2	3	4	ELSE
条件	$P 1$	Y	Y	N	N		状态
	$P 2$	N	N	Y	N
	$P 3$	N	N	N	Y
	$λ$	Y	N	N	N
	$u$	N	N	N	N
	$V 1$	-	-	-	-
	$V 2$	N	Y	Y	Y
影响力	$H i, j = 0$					X	影响方案
	$H i, j = 0.3$
	$H i, j = 0.6$		X	X	X
	$H i, j = - 0.3$	X

表3

表4

社会复杂自适应系统与元胞模拟系统对应关系"

社会复杂自适应系统	元胞模拟系统
社会个体所处的复杂系统	元胞空间 $N$
人口规模	元胞总数 $n$
异质个体	元胞（ $i, j$ ）
个体状态（易感、潜伏、染病、移除）	元胞状态（ $S i, j t$ ）
初始感染率（initial-density）	元胞初始感染率（ $α$ ）
个体潜伏天数（latent-time）	元胞（E）潜伏期 $q$
个体传染率	元胞（E）传染率 $V 1$ ，元胞（I）传染率 $V 2$
个体治愈率（recovery-chance）	元胞治愈率 $λ$
个体死亡率（death-chance）	元胞死亡率 $u$
个体行为对其他个体行为及其演化的影响概率	元胞（ $i, j$ ）对邻居元胞的影响力 $H i, j$
个体采取不同行为的概率	元胞采取不同行为的概率 $P 1, P 2, P 3$

表4

图3

表5

参数值设定"

参数	取值		参考来源
Initial-density	20%		—
Recovery-change	7%		参考文献[22]
Death-chance	3.8%		参考文献[22]
$V 1$	40%		参考文献[23]
$V 2$	70%		参考文献[23]
Latent-time	5		《新型冠状病毒肺炎诊疗方案（试行第七版）》（国卫办医函〔2020〕184号）
Positive-change	70%	90%	2020年1月23日—2月10日，大部分公众积极采取正行为防范疫情，但仍有部分公众做出如拒戴口罩、公然违抗疫情工作人员、造谣传谣、瞒报行程等负行为。据此，模型假设在此期间内采取正、负和零行为的公众比例分别为70%、20%和10%。自《武汉市新冠肺炎疫情防控指挥部发布第12号通告》发布后，绝大部分公众在政策引导下自觉居家隔离，但仍有极少数公众无视政策规定采取负行为。据此，模型假设2020年2月11日—2月22日期间采取正、负和零行为的公众比例分别为90%、10%和0
Negative-change	20%	10%
Zero-change	10%	0

表5

图4

图5（a）

图6

图7

图8

图9

图10

图11

参考文献 27

1	杨华磊，吴远洋，蔺雪钰.新冠状病毒肺炎、人口迁移与疫情扩散防控［J］. 中国管理科学， 2020， 28（3）：1-10.
	Yang H L， Wu Y Y， Lin X Y.New coronavirus pneumonia， population migration and epidemic prevention and control［J］. Chinese Journal of Management Science，2020，28（3）：1-10.
2	Anderson R M， Medley G.Epidemiology of HIV infection and AIDS： Incubation and infectious periods，survival and vertical transmission［J］.AIDS， 1988， 2（Sup.1）：57-63.
3	Cooper I， Mondal A， Antonopoulos C G. A SIR model assumption for the spread of COVID-19 in different communities［J］. Chaos Solitons & Fractals， 2020， 139：110057.
4	Lipsitch M， Cohen T， Cooper B， et al.Transmission dynamics and control of severe acute respiratory syndrome［J］. Science， 2003，300（5627）：1966-1970.
5	刘德海，王维国，孙康. 基于演化博弈的重大突发公共卫生事件情景预测模型与防控措施［J］. 系统工程理论与实践， 2012， 32（5）：937-946.
	Liu D H， Wang W G， Sun K. Scenario forecastingmodel and prevention-ontrol measurements of importantpublic health eventemergencies based evolutionary game［J］. Systems Engineering-Theory &Practice，2012，32（5）：937-946.
6	李勇建，王循庆，乔晓娇. 基于广义随机Petri网的重大传染病传播演化模型研究［J］. 中国管理科学， 2014， 22（3）：74-81.
	Li Y J， Wang X Q， Qiao X J. Spread model of major infectious disease basedon generalized stochastic petri nets［J］. Chinese Journal of Management Science，2014，22（3）：74-81.
7	Faria N R， Suchard M A， Rambaut A， et al. Toward a quantitative understanding of viral phylogeography［J］. Current Opinion in Virology， 2011， 1（5）：423-429.
8	胡斌，殷芳芳. 集成CA与QSIM的非正式组织群体行为演化的定性模拟［J］.中国管理科学， 2005，13（5）：132-138.
	Hu B， Yin F F. Qualitative simulation for nonprofit group behavior by integrating CA and QSIM［J］. Chinese Journal of Management Science， 2005，13（5）：132-138.
9	应尚君，魏一鸣，蔡嗣经.元胞自动机及其在经济学中的应用［J］.中国管理科学，2000（S1）：272-278.
	Ying S J， Wei Y M， Cai S J. On cellular automaton and its application to economics［J］. Chinese Journal of Management Science， 2000（S1）：272-278.
10	盛昭瀚，张维. 管理科学研究中的计算实验方法［J］. 管理科学学报， 2011， 14（5）：1-10.
	Sheng Z H， Zhang W. Computational experiments in management scientific research［J］. Journal of Management Sciences in China， 2011，14（5）：1-10.
11	Schimit P H T， Monteiro L H A. On the basic reproduction number and the topological properties of the contact network： An epidemiological study in mainly locally connected cellular automata［J］. Ecological Modelling， 2009， 220（7）：1034-1042.
12	李璐，宣慧玉，高宝俊.基于元胞自动机的异质个体HIV/AIDS传播模型［J］.系统管理学报，2008，17（6）：704-710.
	Li L， Xuan H Y， Gao B J. CA-based heterogeneious epidemic model for HIV/AIDS transmission［J］. Systems Engineering-Theory Methodology Application， 2008， 17（6）：704-710.
13	杨青，杨帆. 基于元胞自动机的突发传染病事件演化模型［J］. 系统工程学报， 2012，27（6）：727-738.
	Yang Q， Yang F. Emergency epidemics spread model using cellular automata ［J］. Journal of Systems Engineering， 2012，27（6）：727-738.
14	孙绍荣，焦玥. 突发社会安全事件下大众羊群行为的演化模拟及行为族现象［J］. 上海理工大学学报， 2008，30（2）：147-151.
	Sun S R， Jiao Y. Simulation on herd behaviors and behavior groups in case ofexigency of social safety by use of cellular automata model［J］. Journal of University of Shanghai for Science and Technology， 2008，30（2）：147-151.
15	Richiardi M. Agent-based computational economics： A short introduction［J］.Knowledge Engineering Review， 2012，27（2）：137-149.
16	Mark John Somers. Ethical codes of conduct and organizational context： A study of the relationship between codes of conduct， employee behavior， and organizational values［J］. Journal of Business Ethics， 2001， 30（2）：185-195.
17	Schimit P. A model based on cellular automata to estimate the social isolation impact on COVID-19 spreading in Brazil［J］. Computer Methods and Programs in Biomedicine， 2020，200（1）：1-10.
18	杨善林，朱克毓，付超，等. 基于元胞自动机的群决策从众行为仿真［J］. 系统工程理论与实践， 2009，29（9）：117-126.
	Yang S L， Zhu K Y， Fu C， et al. Simulation of the group decision conformity based on cellular automata model［J］. Systems Engineering-Theory & Practice，2009，29（9）：117-126.
19	郑君君，明思颖，郑小京. 社会系统中个体和群体行为及其计算实验研究的分析范式［J］. 技术经济， 2016， 35（3）：98-104.
	Zheng J J， Ming S Y， Zheng X J. Analysis paradigm of individual and collective behaviors in social system based on computational experiment［J］. Technology Economics， 2016， 35（3）：98-104.
20	Cirillo P， Gallegati M. The empirical validation of an agent-based model［J］. Eastern Economic Journal， 2012， 38（4）：525-547.
21	张维，武自强，张永杰，等. 基于复杂金融系统视角的计算实验金融：进展与展望［J］. 管理科学学报， 2013，16（6）：85-94.
	Zhang W， Wu Z Q， Zhang Y J， et al.Agent-based computational finance on complex financial system perspective： Progress and prospects［J］. Journal of Management Sciences in China， 2013，16（6）：85-94.
22	国家预警信息发布中心.疫情实时大数据报告［EB/OL］.（2020-01-23）［2021-11-15］..
	National Early Warning Information Release Center. Real-time big data report on the epidemic［EB/OL］.（2020-01-23）［2021-11-15］. .
23	崔景安，吕金隆，郭松柏，等. 新发传染病动力学模型——应用于2019新冠肺炎传播分析［J］. 应用数学学报， 2020， 43（2）：5-13.
	Cui J A， Lv J L， Guo S B， et al. Dynamic model of emerging infectious diseases：Applied to COVID-19 transmission［J］. Acta Mathematicae Applicatae Sinica， 2020， 43（2）：5-13.
24	王俊秀，应小萍. 认知，情绪与行动：疫情应急响应下的社会心态［J］. 探索与争鸣， 2020（4）：232-243.
	Wang J X， Ying X P. Cognition， emotion and action： Social mentality in the emergency response［J］.Exploration and Free Views， 2020（4）：232-243.
25	邢鹏飞，李鑫鑫. 重大疫情防控中网络舆情形成机制及引导策略研究——基于新冠肺炎疫情期间网络舆情文本的质性分析［J］. 情报杂志，2020，39（7）：67-74+158.
	Xing P F， Li X X. Research on formation mechanism of online public opinions and guiding strategy in major epidemic prevention and control： Qualitative analysis based on online public opinion texts during the outbreak of CPVID-19［J］. Journal of Intelligence，2020，39（7）：67-74+158.
26	李勇建，王治莹.突发事件中舆情传播机制与演化博弈分析［J］.中国管理科学，2014， 22（11）：87-96.
	Li Y J， Wang Z Y. Evolutionary game and propagation mechanism of public opinion in emergency［J］. Chinese Journal of Management Science，2014， 22（11）：87-96.
27	杨志，祁凯. 基于“情景—应对”的突发网络舆论事件演化博弈分析［J］. 情报科学， 2018， 36（2）：30-36+94.
	Yang Z， Qi K. Evolutionary game analysis of the emergency network public opinion incidents based on “scenario—coping”［J］. Information Science， 2018， 36（2）：30-36+94.

行为	正行为						负行为						零行为
具体表现	自愿隔离	自觉佩戴口罩	配合接受检查	积极接受治疗	不信谣传谣	接种疫苗	自由流动	拒绝佩戴口罩	拒绝接受检查	不配合接受治疗	谎报瞒报行程或病情	造谣传谣	无反应
S	√	√	√		√	√	√	√	√			√	√
E	√	√	√	√	√		√	√	√	√	√	√	√
I	√	√	√	√	√		√	√	√	√	√	√	√
R	√	√	√		√	√	√	√	√			√	√

[1]	杜恒,卢珂. 供给短缺下考虑消费异质性的零售商定价策略[J]. 中国管理科学, 2024, 32(7): 201-211.
[2]	于文华,任向阳,杨坤,魏宇. 传染病不确定性对大宗商品期货价格波动的非对称影响研究[J]. 中国管理科学, 2024, 32(5): 254-264.
[3]	刘子龙, 李晓涵, 唐加福. 重大突发公共卫生事件及其防控政策对互联网零工经济平台劳动生产率的影响——以外卖骑手为例[J]. 中国管理科学, 2023, 31(3): 81-91.
[4]	凌爱凡,周佳,唐乐. 重大突发事件冲击下公司现金、库存和社会责任的价值效应[J]. 中国管理科学, 2023, 31(11): 24-36.
[5]	于晓慧, 肖条军, 杜建国. 供应链核心企业订单分配下供应商群体减排行为演化[J]. 中国管理科学, 2022, 30(2): 106-117.
[6]	黄春萍, 赵林, 刘璞, 都扬扬, 张芙幸. 新创企业品牌联合伙伴选择的计算实验研究[J]. 中国管理科学, 2019, 27(8): 129-141.
[7]	赵爱武, 杜建国, 关洪军. 消费者异质需求下企业环境创新行为演化模拟与分析[J]. 中国管理科学, 2018, 26(6): 124-132.
[8]	赵爱武, 杜建国, 关洪军. 绿色购买行为演化路径与影响机理分析[J]. 中国管理科学, 2015, 23(11): 163-170.
[9]	蒋国银, 马费成, 刘行军. 在线到移动环境下消费接受行为的演化研究:基于计算实验方法[J]. 中国管理科学, 2014, 22(11): 97-104.
[10]	孟庆峰, 范明, 李真 . 基于返回策略的供应链网络竞争绩效研究[J]. 中国管理科学, 2012, 20(5): 122-130.
[11]	李真, 孟庆峰, 盛昭瀚, 李迁. 工程质量优化的承包商群体激励效率演化分析 [J]. 中国管理科学, 2012, (3): 112-121.
[12]	金帅, 盛昭瀚, 杜建国. 排污权交易系统中政府监管策略分析[J]. 中国管理科学, 2011, 19(4): 174-183.
[13]	刘小峰, 程书萍, 盛昭瀚, 徐峰. 一类污水处理项目的运营与排污者行为动态分析[J]. 中国管理科学, 2011, 19(3): 79-87.
[14]	刘小峰, 陈国华, 盛昭瀚. 不同供需关系下的食品安全与政府监管策略分析[J]. 中国管理科学, 2010, 18(2): 143-150.