基于多Agent系统的防暴战术应用仿真
摘要： 以多Agent智能计算理论为基础，提出了一个防暴战术应用系统模型。在建模过程中引入知觉、情绪效价、警察威慑力等属性，模拟群体性事件环境下，使用不同数量警察和采用不同处置时间对事件参与者人数的影响。大量仿真实验结果证明加入较少数量警察可能会使事件参与者数量增加，警察处置事件时间不同也会影响事件的发展。
关键词： 防暴战术； 群体性事件； Agent智能计算理论； 仿真实验
中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2013）06?0025?04
0 引 言
近年来由于我国社会结构转型和社会利益格局的剧烈变动，社会积累的某些矛盾迅速的锐化，导致群体性暴力事件频繁发生，例如2004年发生的万州事件，2008年发生的瓮安事件等[1]，这些事件对人民的生命财产安全和社会的稳定造成极其严重的破坏。如何有效地减少和控制群体性暴力事件已经成为公安机关和有关部门面临的重要问题，对于警务人员的战术训练更是重中之重。
我国现代警务战术的研究基本与西方国家同时起步，1989年王勇撰写的《缉捕心理及行动战术研究》一书的出版， 标志着我国现代警务战术研究的开端，随后，出现了大量关于警务战术的专著，主要聚焦于研究警务战术的方法、战术行动、战术训练以及发展的对策等等，但是从国内外的参考文献来看，虽然有很多学者对群体性事件参与者的行为特点进行了计算机仿真层面的研究[2?8]，但是很少有研究人员聚焦于研究警务战术这方面的问题。
本文利用计算机仿真技术花费少、效率高和可重复操作等优点，以多Agent智能计算理论为基础，提出了一个防暴战术应用系统模型。在建模过程中引入知觉、情绪效价、警察威慑力等属性，模拟群体性事件环境下，使用不同数量防暴队员和采用不同处置时间对事件参与者人数和不满情绪的影响。对公安机关处置群体性事件提供了模拟演练环境和战术理论指导，具有一定的创新性。
1 防暴战术在处置群体性事件中的应用[9]
由于群体性事件具有起因复杂，参与人员结构混乱，现场情况复杂多变等特点，在群体性事件的处置过程中，需要根据事件的性质，规模和不同的发展时期采用不同的处置方法和手段。
在事件发生初期，人群刚刚聚集，人们的不满情绪刚刚形成，此时应该以防护性战术手段为主，争取做到有效防止事态进一步发展。公安机关需要快速查明事件的起因，性质，动机，人员构成和目标指向，然后根据人群的特点那个有效的教育疏导，降低人群的不满情绪。对于人群可能经过的街道，可能攻击的目标进行重点布防，保护相关单位和要害部门免受攻击。同时要应用有效战术队形将人群与事件相关部门和外界人群隔离开，避免矛盾进一步激化和事件的进一步蔓延。在事件的初始阶段也要注意控制介入的警力，警力数量不宜过大，能够产生足够的威慑作用即可，以免引起误解，使矛盾进一步激化。
在事件发展中期，处置的目的主要是驱散人群和平息事态。首先应采用命令解散的方法，当命令解散无效时可采用强制驱散的方法。使用战术队形冲击人群，当人群规模较小时可以采用直线队形或斜线队形；当人群规模较大时要使用分而治之的方法，可采用楔形插入法。在警械使用方面，要尽量避免使用杀伤性警械，可以使用例如高压水枪，催泪弹，警犬等。在人员抓捕方面，重点抓捕组织人员和激进分子，要注意抓捕的时机和地点，可以采用楔入、包抄、分割等直接抓捕的手段，当不适合当场抓捕时，可以跟踪监视，伺机抓捕。
在事件的后期要注意做好善后工作，妥善处理事件参与者，清理现场、疏导交通，同时在现场保留适当警力，防止人群重新聚集。
2 基于多Agent系统的模型设计
2.1 Agent属性
在模型中有两类Agent，A类为事件参与者，B类为防暴警察。分析了大量群体性事件参与者的心理和行为后，提取4个参数作为A类Agent的属性，他们分别是知觉范围，情绪效价，敏感度和警察的威慑力。
（1）知觉范围R：Agent根据自己的知觉感知周围的环境，根据知觉的有限性，设定Agent的知觉范围。这里考虑视觉与听觉的影响，设定Agent的知觉范围为以Agent所处单元格为圆心以为半径的圆形区域。
（2）情绪效价G：在群体性事件中，参与者的情绪是一个重要属性。消极情绪导致了大量潜在参与者的存在，是大量与事件无关人员聚集并参与事件的重要原因。的取值范围为[0，1]； 越趋近于1表示Agent越消极。在仿真开始时，随机分配Agent的值，其值随着事件的发展而改变，增大到1时则不再增高。
（3）敏感度S：由于自身的理智程度，文化程度和对风险的看法不同， Agent具有不同的敏感度。敏感度高的Agent更容易受到其他Agent的影响而产生过激行为。的取值范围为[0，1]。S越趋近于1表示Agent的敏感度越高。
（4）警察的威慑力D：是Agent知觉范围内警察对他产生的威慑程度，取值范围为[0，1]，越趋近于1表示知觉范围内警察对他产生的威慑程度越高。
2.2 行为规则
A类Agent行为规则：
（1）随机移动。在下一个时间步长移动到知觉范围内的任意位置。在这里忽略碰撞的影响。
（2）聚集。Agent的聚集行为受到情绪效价，敏感度，知觉范围等因素的影响。事件发生后，敏感度大的Agent更容易聚集，情绪也更容易受其他人影响而发生变化。敏感度低的Agent先与周围Agent相互作用，当负面情绪效价持续增大到一定程度后选择参与事件。
（3）过激行为。当Agent的负面情绪效价足够大，Agent处于极度不满状态，此时Agent由于多种因素的影响有可能选择过激行为。仿真开始时，激进的Agent随机分布于各处。这里忽略年龄，性别等因素的影响。
（4）离开。Agent知觉范围内警察对他产生的威慑程度较大时，Agent会产生恐惧心理，此时Agent有可能选择离开，将Agent从环境中移除。
B类Agent的行为规则：
（1）防暴战术队形。对于事件的不同发展阶段和不同人群规模，需要采用不同的防暴战术队形。在仿真中，设定不同的警察数量和队形，观察参与者人群的变化情况。
（2）抓捕。对于人群中的激进分子，警察Agent实施抓捕，抓捕后，将被捕Agent从环境中移除。
（3）使用武器。人群具有一定规模时，警察Agent可以使用武器，例如催泪瓦斯，高压水枪等。在模型中，武器数量越多，攻击性越强时，对参与者的威慑作用越强。
每一个A类Agent的情绪效价值在开始时随机分配。如果在一次观察中如果他发现知觉范围内没有B类Agent，且A类Agent数量大于10时，他的情绪效价增加0.1（为该Agent的敏感度），并朝着人群方向移动；如果没有B类Agent，且A类Agent数量不大于10时，他的情绪效价保持不变，随机移动。
3 实验仿真与结果分析
在仿真中，构造了一个100×100个单元格的空间，相当于10 000平方米的空间。仿真开始时，Agent各参数的值在[0，1]范围内随机取得，警察使用直线队形。
3.1 加入警察数量对参与者数量的影响
在此次仿真实验中，设定个体的知觉范围为1，人群规模为100，分别加入0，6，20个警察，警察不使用武器，运行仿真，实验过程中A类Agents数量变化曲线如图3所示。
3.2 加入警察时间对参与者人数的影响
4 结 语
参考文献
[1] 何显明.群体性事件的发生机理及其应急处置[M].上海：学林出版社，2010.
[2] BASSI Bruce. Computer simulation of crowd dynamics and destructive crowd behavior [J]. Honors Scholar Theses， 2006， 5（1）： 20?26.
[3] BU Fan?liang， QIN Chang. Dynamic model of the mass event based on Agent technology [C]// Proceedings 2010 IEEE International Conference on Emergency Management and Management Sciences. Beijing， China： IEEE， 2010： 484?487.
[4] BU Fan?liang， QIN Chang. Research on the mass events based on grid?Agent [C]// Proceedings of 2010 IEEE Youth Conference on Information， Computing and Telecommunications. [S.l.]： IEEE， 2010： 113?116.
[5] BU Fan?liang， FENG Ping?yao. Analysis of Agent?based “non?organization and non?direct interest” collective events [C]// Proceedings of 2011 2nd IEEE International Conference on Emergency Management and Management Sciences. Beijing， China： IEEE， 2011： 417?421.
[6] BU Fan?liang， SUN Ji?zen. An analysis for Agent?based mass violence event [C]// Proceedings of 2011 2nd IEEE International Conference On Emergency Management and Management Sciences. Beijing， China： IEEE， 2011： 422?425.
[7] BU Fan?liang， SUN Ji?zen. Agent?based modelling and simulation system for mass violence event [C]// Proceedings of 2011 Fourth International Symposium on Computational Intelligence and Design. Washington， DC， USA： IEEE Computer Society， 2011， 2： 211?215.
[8] BU Fan?liang， FENG Ping?yao. Analysis of Agent?based “organization and non?direct interest” collective events [C]// Proceedings of 2011 Fourth International Symposium on Computational Intelligence and Design. [S.l.]： IEEE， 2011： 149?153.
[9] 李海文.群体性事件处置过程中的战术运用[J].江西公安专科学校学报，2003（3）：18?22.
[10] JAGER W， POPPING R， VAN DE SANDE H. Clustering and fighting in two?party crowds： simulating the approach?avoidance [J]. Journal of Artificial Societies and Social Simulation， 2001， 4（3）： 43?57.
