基于SEIR模型的重大公共卫生事件舆情演化与舆论引导仿真研究.pdf

收稿日期:2023-03-22基金项目:北京印刷学院校级项目(项目编号:Eb202005)。第 31 卷 第 6 期Vol.31 No.6北 京 印 刷 学 院 学 报Journal of Beijing Institute of Graphic Communication2023 年 6 月Jun.2023基于 SEIR 模型的重大公共卫生事件舆情演化与舆论引导仿真研究刘 硕(北京印刷学院,北京 102600)摘 要:网络媒体时代,信息的生产传播模式和速率较传统媒体时代已经发生了本质变化,网络舆情演化更具复杂性。重大公共卫生事件爆发后,社会公众对于事件相关舆情信息具有极高关注度,往往会在社会层面引发明显的情绪波动,因此,掌握重大公共卫生事件舆情信息演化规律,科学进行舆情应对与舆论引导乃是当前公共管理领域的重要工作。本文基于 SEIR 模型利用动态仿真研究方法,在 NetLogo 仿真平台模拟了重大公共卫生事件网络舆情的演化规律,进行了仿真实验,提出了更具科学性的重大公共卫生事件舆情应对与舆论引导措施。关键词:重大公共卫生事件;舆情;SEIR;动态仿真中图分类号:G206;C912.63文献标识码:A文章编号:1004-8626(2023)06-0068-06 随着人类经济社会的快速发展,重大公共卫生事件在近年时有发生。由于重大公共卫生事件的发生发展和处置会给社会正常生产生活带来明显影响,因此备受社会层面关注,其中重大传染病疫情和群体性不明原因疾病的社会影响最为显著。同时,由于网络媒体时代可发声的媒体众多,信息的生产和传播模式较传统媒体时代已经发生了本质变化,在重大公共卫生事件发生发展过程中,各类舆情信息不断涌现冲击着公众情绪,由于社会公众对事件的高度关注以及对真实情况、进展、处置措施等信息的渴求,加之各类信息的真实性难以甄别,可能会引发公众恐慌、焦虑等情绪,甚至群体性非理性行为,造成社会层面的不稳定,从而影响重大公共卫生事件的处置。因此,网络媒体时代,掌握重大公共卫生事件舆情信息演化规律,进行科学的舆情应对和舆论引导对高效处置重大公共卫生事件具有重要意义。网络媒体时代的舆情信息传播与现实世界中传染病传播非常类似,本文便以SEIR 传染病传播模型作为研究重大公共卫生事件舆情信息传播的基础,结合复杂系统理念在 Net-Logo 仿真平台构建舆情信息传播动态仿真模型,用以研究极具复杂性的舆情传播演化规律,提出更为科学合理的舆情对应与舆论引导策略。1 SEIR 传播模型SEIR 传播模型最初用于研究现实世界中传染病传播的演化进程,模型包含四类主体,分别为易感者(Susceptible,S 类)、潜伏者(Exposed,E 类)、感染者(Infectious,I 类)和免疫者(Recovered,R类)。易感者:缺乏免疫力,未感染疾病,与具备传染性的感染者接触后有被感染风险。潜伏者:亦称为暴露者,接触过具有传染性的感染者,尚不具备传染性,此类群体可能转化为感染者,也可能直接转化为免疫者。感染者:被感染后发病且具备传染性,可以将疾病传播给易感者人群,将易感者转化为潜伏者或感染者。免疫者:在 SEIR 模型中,免疫者有两个子类群体,一种为康复者,病愈后具备免疫力,接触感染者后也不会被转化为潜伏者;另一种为“天然”免疫者,接触过感染者的潜伏者直接转化为免疫者。总之,免疫者不会因为接触感染者而改变状态。通过 SEIR 模型各类主体和转化关系的描述可以看出,网络世界舆情信息的传播演化与该模型的主体及主体转化路径非常类似,舆情信息类似现实世界的传染病,感染者即为关注并传播舆情信息的主体 I,易感者 S 在接触到感染者 I 以后,有一定概率转化为潜伏者 E,用 表示 SE 的转化概率;潜伏者 E 如果对舆情信息感兴趣会有转化为感染者 I 并传播舆情信息的可能性,用 表示 EI 的转化概率;如果潜伏者 E 对舆情信息不感兴趣或不相信,则会转化为免疫者 R,不再关注和传播舆情信息,用 表示 ER 的转化概率;感染者 I 具备传播舆情信息的能力,但通过舆论引导深入了解舆情信息真实情况以后,有一定概率转化为对舆情信息不感兴趣不进行传播的免疫者 R,用 表示 IR 的转化概率,那么网络媒体世界中基于 SEIR 模型的舆情信息传播和主体转化路径如图 1 所示。图 1 舆情信息传播和主体转化路径舆情信息在网络媒体世界的传播演化是持续的,主体的状态是动态变化的,相应的各类型人群的数量也是动态变化的,可以用一个传播动力学微分方程表述该过程,如式(1)(4)所示。dS(t)dt=-S(t)I(t)(1)式(1)表示每个时刻暴露在舆情信息中易感者 S 的数量变化,有 的概率被传播舆情信息的感染者 I 转化为潜伏者 E。dE(t)dt=S(t)I(t)-(+)E(t)(2)式(2)表示每个时刻尚未确定是否关注和传播舆情信息的潜伏者 E 的数量变化,其数量变化由两部分组成,第一部分由式(1)转化而来,第二部分为 概率转化为关注并传播舆情信息的传染者 I 和 概率被转化为不关注不传播舆情信息的免疫者 R。dI(t)dt=E(t)-I(t)(3)式(3)表示每个时刻具有传播舆情信息能力的感染者 I 的数量变化,其数量变化由两部分组成,第一部分由式(2)中转化而来,第二部分为 概率转化为不再关注不传播舆情信息的免疫者 R。dR(t)dt=E(t)+I(t)(4)式(4)表示每个时刻不再关注传播舆情信息的免疫者 R 的数量变化,其数量变化由两部分组成,第一部分由式(2)中转化而来,第二部分由式(3)中转化而来。通过理论模型分析不难看出,SEIR 模型具有持续性、动态性、复杂性特征,模型演化也具有一定随机性,符合复杂系统特征,可以采用动态仿真研究方法更加直观地研究系统演化进程,以仿真参数形式体现舆情应对与舆论引导策略,观察其对系统演化的影响,了解策略预期效果。2 SEIR 舆情传播模型动态仿真研究2.1 动态仿真随着计算机技术的高速发展和系统理论的不断完善,在计算机环境中构建虚拟世界进行系统研究的动态仿真方法已经在社会学、物理学、生物学等领域被广泛采用。相较于传统研究方法,动态仿真方法具有研究成本低、周期短、模拟场景丰富等优点,非常适合现实中大型复杂系统的研究。首先,动态仿真将显著降低研究成本。在现实世界中构建大型复杂系统进行实验的成本高、时间长、系统的重复利用率较低;而在计算机环境中,只要根据现实系统构建合理的仿真模型就可以进行研究,同时,调整仿真模型的功能模块、参数等可以使模型能够适应其他类似问题的研究,进一步降低了相似问题的研究成本。其次,研究周期大大缩短。现实世界中某些系统如社会系统、经济系统的变动演化过程是非常漫长的,部分政策措施可能需要若干年甚至更久才能观察其效果,无法使用传统的研究方法较为准确地预测系统演化进程和政策效果;但利用在计算机环境中搭建的系统仿真模型就可以借助计算机的强大算力,在很短的时间内观察系统的演化规律,以及各种参数化以后的政策措施预期效果,使得研究周期大大缩短。最后,仿真模拟场景丰富。计算机环境的系统仿真模型具有极高的自由度和开放性,可以根据研究需要对不同发展环境、不同政策措施进行模拟仿真实验和对比分析,最终获取更为可靠的结论和科学的对策建议。2.2 NetLogo 仿真模型构建NetLogo 是由美国西北大学连接学习和计算机建模中心(CCL)负责研发的一个用来对自然和社会现象进行仿真的可编程建模环境,是基于多主体(Agent)建模工具,特别适用于随时间演化的复杂系统。1NetLogo 具有易用性强、可视化程度高、模96第 6 期刘 硕:基于 SEIR 模型的重大公共卫生事件舆情演化与舆论引导仿真研究型库丰富等优点,其最大的优势是对研究人员的程序设计基础要求并不严格,即使非专业程序设计人员也可以较快上手、轻松入门,使得该仿真工具得到了各行业的广泛应用;同时,NetLogo 具有极高的应用上限,2如果要构建复杂度高、规模较大的仿真模型,则需要较强的系统科学理论和程序设计技术支撑。NetLogo 构建的虚拟世界中存在三类主体,即海龟(turtle)、瓦片(patches)、观察者(observer),海龟可以在虚拟世界中按照理论模型的需要进行移动,可以模拟现实世界中具有活动特性的主体,如人、动物、车辆等;瓦片是构筑虚拟世界的元素,可以模拟道路、建筑等;观察者则是控制虚拟仿真环境的构建和运行,观察各主体状态和系统演化的主体。本文即在 NetLogo 仿真环境构造虚拟网络世界,瓦片模拟网络世界的构成,海龟模拟每个接入网络面对舆情信息的主体,以此来动态模拟 SEIR舆情传播模型,观察主体状态变动和系统演化。基于 NetLogo 的 SEIR 舆情传播模型有三个基本假设。假设一:网络媒体时代,接入网络的主体都可以成为信息的生产和传播者,接触到具备传播舆情信息能力的主体即感染者 I 有可能被舆情信息“俘获”成为潜在关注并传播舆情信息的潜伏者 E;假设二:被舆情信息“俘获”、关注并传播舆情信息的主体即感染者 I,通过有效舆论引导对舆情信息失去关注或了解真相恢复理性转化为免疫者R,不会重新被相同的舆情信息再次“俘获”,即感染者康复后会产生抗体,在研究期间不会重复感染;假设三:假设接入网络的个体数量不变,即在研究期间主体不会退出网络,也不会有新的网络用户接入。仿真模型的主要参数和核心过程如表 1 和表2 所示。表 1 基于 NetLogo 的 SEIR 舆情传播模型主要参数及解释参数含义解释netizens接入网络主体数量网络媒体接入人数,初试值设定为 1000initial-infectious-num初始感染人数舆情信息最初的关注和传播人数,舆情信息往往是从 1 个主体生产、关注、传播的,因此该参数初始值设定为 1activity-range主体活动范围初始值设定为 50,即主体可以在 NetLogo 提供的以中心为原点、横纵坐标为(-50,50)的二维空间中任意移动,表示舆情信息可以突破空间界限任意传播infection-rate感染率易感者 S 接触传播舆情信息的感染者 I 后,转化为潜在传播者即潜伏者 E 的概率,即图 1 中的,初始值设定为 0.3transform-rate转化率潜伏者 E 转换为关注并传播舆情信息的感染者 I 的概率,即图 1 中的,初始值设定为 0.5recovery-rate康复率感染者 I 转化为不再关注传播舆情信息的康复者(免疫者)R 的概率,即图 1 中的,初始值设定为 0immunization-rate免疫率舆情信息的潜在传播者即潜伏者 E,直接转化为不再关注传播舆情信息的免疫者 R 的概率,即图 1 中的,初始值设定为 0.3latent-time潜伏期潜伏者 E 向关注并传播舆情信息的感染者 I 转化的时间,初始值设定为 20opinion-guidance-range舆论引导范围对接入网络主体进行舆论引导的覆盖范围,初始值设定为 0opinion-guidance-response-time反应时间对接入网络主体进行舆论引导的反应时间,可以理解为舆情应对与舆论引导的及时性,初始值设定为最大值 500opinion-guidance-rate舆论引导效果进行舆情应对、对接入网络主体进行舆论引导的效果,初始值设定为 0表 2 基于 NetLogo 的 SEIR 舆情传播模型核心过程过程含义功能解释opinion-guidance舆情应对与舆论引导过程功能 1:对关注并传播舆情信息的感染者 I 进行舆论引导,使其转化为康复者(免疫者)R功能 2:对潜在关注传播舆情信息的潜伏者 E 进行舆论引导,使其直接转化为免疫者 R07北 京 印 刷 学 院 学 报2023 年 在进行仿真实验时,将通过调整舆论引导策略相关参数来观察系统演化进程和各类主体数量、比例的变动情况,以掌握舆情应对和舆论引导策略的预期效果。在 NetLogo 环境引入更接近现实状况的参数和过程,就可以更好观察 SEIR 舆情传播模型的演化进程和舆