基于通信拓扑的社会集群时空模拟研究

Mass disturbances and inter-net mass disturbances are both of a social aggregation property, which severely impair social stability and national security. Technically, the convenient inter-net communication means egregiously further repeating occurrences of the social aggregation in the social real space and especially in the network virtual space. Based on the self-organizing theory of group systems, this project considers that driving by some same or similar factors, social individuals interact and form a special group under the cognition and communication, and are of special behavioral characters and spatiotemporal characters in the gathering evolution process. By the depth priority traversal of group space distance relationships and communication topology relationships, respectively, the project simulates and studies some phenomena such as aggregation, spiral and divaricating in the process of the social aggregation evolution. Using the spatiotemporal data mining of social aggregation simulations and the image data mining of communication topology constructions, respectively, the project investigates the interaction and the evolution mechanism of the individuals and groups of the social aggregation in the real and virtual spaces. The simulation for the process of social gathering evolution and the analysis its spatiotemporal characters, can help to disrupt the evolution of the social aggregation, and to afford a theoretical basis for the preparative scheme of preventing and controlling mass disturbances and inter-net mass disturbances induced by the social aggregation.

群体性事件和网络群体性事件均有社会集群性质，既危害社会稳定又危及国家安全。在技术上，互联网便利的通信方式，极大地助长了社会现实空间、特别是网络虚拟空间社会集群的频繁发生。根据群体系统自组织理论，在若干相同或相似因素的驱动下，项目研究基于认同和通信的社会个体交互形成的特殊群体，并在其集群演化过程中所具有特定的行为特征和时空特征；分别通过群体空间距离关系和通信拓扑关系的深度优先遍历，项目模拟和研究社会集群演化过程中的聚集、螺旋和分叉等现象；分别采用社会集群模拟的时空数据挖掘和通信拓扑结构的图挖掘，项目研究社会集群中的个体和群体在现实空间和虚拟空间的互动作用和演化机制。项目模拟社会集群的演化过程并分析其时空特征，有助于拆解社会集群的演化，为建立社会集群引发的群体性事件和网络群体性事件的防控性预案，提供理论依据。

社会集群导致的群体性事件的频繁发生，既危害社会的稳定又危及国家安全。社会集群演化过程具有特定的行为特征、互动机理和演化机制。本项目主要研究了以下内容：.基于包含原理及其延伸的对对分解思想，构建了全新的分布式蜂拥模型，研究了具有局部信息交换的群集问题和不同子群之间的群集控制，实现稳定的群集运动。运用通信拓扑互联自组织运动模型和感知互联自组织运动模型以及运用两种互联方式相结合建立随机互联模型实证分析了集群行为的演化过程。.突发状况下，根据个体的差异性以及情绪因素引起的个体行为特性，分别建立具有差异的社会力模型和情绪感染的社会力模型，仿真研究具有情绪的群体在群集运动过程中的演化规律。基于观点动力学的观点群集模型，探究了群集过程中的非一致现象、产生原因以及模型改进后的优势，研究结果表明将最邻近关联个数进行范围内随机处理后能够有效减少群集过程中非一致现象的发生，进一步验证了通信拓扑互联群集运动可以减少群集过程中的非一致现象。研究结果有助于深度挖掘群集运动的特征，深入理解人们在突发事件下群集行为的机理，揭示群集行为的演化规律。.对网络集群行为中各主体间的交互过程进行分析的基础上，构建了网络集群行为的信息传播过程演化模型，分析网络集群行为的演化规律并进行模拟仿真分析；对网络集群行为各阶段演化行为进行仿真模拟并提出对策建议，直观了解网络集群行为的发生、发展、消亡等阶段的演化过程；构建了网络虚假信息下企业与消费群体间演化博弈模型及融入心理认同度的网络集群行为演化博弈模型并分析了演化博弈策略，为政府和有关部门提供有效的监管和疏导策略，降低网络集群行为造成的负面影响，维护网络环境的稳定。